3D 시뮬레이션 기반 박스 추천 시스템을 활용해 과포장 없애고 효율성도 UP
[보안뉴스 박미영 기자] CJ대한통운이 3D 시뮬레이션 기반 박스 추천 시스템을 활용해 과대 포장을 방지하고 패키징 작업 속도를 개선하며 친환경 효과와 물류 효율성을 동시에 높이고 있다.
CJ대한통운은 자체 개발한 박스 추천 시스템 ‘로이스 오팩(LoIS O’Pack)’을 15개 물류센터에 도입 완료했다고 밝혔다. ‘로이스 오팩’은 3D 시뮬레이션 기반 적재 알고리즘을 통해 고객의 주문에 맞는 최적 크기의 박스를 추천하는 시스템이다. 기존에는 작업자가 주문된 상품을 보고 임의 판단해 택배박스를 선정했다면, 로이스 오팩은 각 주문건에 가장 적합한 박스를 자동으로 추천해 준다.
로이스 오팩의 3D 시뮬레이션 기반 적재 알고리즘은 사전에 입력된 각 상품의 체적정보에 따라 크기와 적재 방향을 동시에 고려해 반복적인 시뮬레이션을 통해 최적의 결과를 도출하는 방식으로 작동한다. 추천 시간은 건당 0.04초에 불과해 1분당 최대 1,500건에 대한 박스 추천이 가능하다. 또한 비닐 파우치, 완충재 등 포장 부자재의 체적까지 반영하기 때문에 정확도가 높아 잘못된 박스를 선택하는 교체율이 0%로 나타났다.
로이스 오팩 도입 결과 택배박스의 평균 포장공간비율도 대폭 감소하는 것으로 나타났다. 포장공간비율이란 택배박스 안에 상품을 제외하고 남는 공간이 차지하는 비율로, 낮을수록 제품 크기에 꼭 맞는 상자를 사용해 포장재 낭비가 적었다는 것을 의미한다. 로이스 오팩 시스템을 적용해 최적화한 물류센터의 경우, 완충재를 제외한 순수 상품만으로도 포장공간비율이 평균 36%까지 감소했다. 이는 4월부터 환경부에서 시행하는 택배 과대 포장 규제 기준을 상회하는 수치다. 택배 과대 포장 규제가 포함된 자원재활용법 개정안에 따르면 일회용 택배 포장은 ‘포장공간비율이 50% 이하, 포장 횟수는 1차례 이내’여야 한다.
로이스 오팩으로 인한 작업 효율성은 여러 상품을 하나의 박스에 포장하는 ‘합포’ 과정에서 더욱 빛을 발한다. 미숙련 작업자의 경우 여러 개의 상품을 담을 적절한 크기의 박스를 찾는데 최대 30초까지 소요되는 반면, 로이스 오팩은 이 속도를 0.04초로 단축하며 작업 효율을 극대화했다. 현재 로이스 오팩 시스템이 도입된 물류센터의 합포 택배 비중은 82%에 달하는 것으로 나타났다.
냉장·냉동·상온 등 개별 온도 관리가 필요한 식품군도 하나의 박스에 합포장할 수 있도록 칸막이를 추천하는 기능도 있다. 식품을 포장하는 아이스박스에는 온도별로 상품을 분리할 수 있도록 칸막이를 설치할 수 있는데, 기존에는 작업자가 임의로 판단해 칸막이를 설치해 신선식품군 합포 작업 속도에 제한이 있었다. 로이스 오팩은 적합한 아이스박스뿐 아니라 칸막이를 설치하는 위치까지 단 시간에 추천해 줘, 작업 속도가 개선됨은 물론 상품의 변질과 파손도 방지할 수 있다.
로이스 오팩 시스템은 현재 적용한 15개 물류센터 외에도 추후 신규 구축되는 센터에는 모두 도입할 계획이다. 또한 하반기에는 CJ대한통운 고객사가 직접 박스 추천 기능을 활용할 수 있도록 시스템을 확대 구축할 예정이다. 고객사는 시스템을 통해 상품들의 체적 정보를 기반으로 적절한 크기의 박스를 추천받거나 물류센터에 도입할 박스 규격을 제안받을 수 있다.
앞서 CJ대한통운은 자체 개발한 패키징 기술 ‘박스 리빌딩’을 물류 현장에 도입한 바 있다. 박스 리빌딩은 상품별 체적 데이터와 주문정보를 조합한 빅데이터를 기반으로 물류 현장에 투입돼야 할 최적 크기의 기준 박스를 찾아내는 시스템이다. 로이스 오팩은 개별 주문에 대한 박스를 추천했다면, 박스 리빌딩은 물류센터에서 필요한 적정 규격의 기준 박스를 추천한다. 두 가지 시스템을 물류센터에 적용한 경우, 더욱 효율적인 패키징이 가능하다.
CJ대한통운 TES물류기술연구소 김경훈 소장은 “택배 과대 포장 규제 시행을 앞두고 있는 만큼 친환경 패키징에 대한 관심이 높아지고 있다”며, “혁신 물류기술을 적극 활용해 물류 프로세스를 효율화시키면서도 친환경 물류를 실현하기 위해 앞으로도 노력할 것”이라고 밝혔다.
[박미영 기자(mypark@boannews.com)]
[보안뉴스 박미영 기자] CJ대한통운이 3D 시뮬레이션 기반 박스 추천 시스템을 활용해 과대 포장을 방지하고 패키징 작업 속도를 개선하며 친환경 효과와 물류 효율성을 동시에 높이고 있다.
[사진=CJ대한통운]
CJ대한통운은 자체 개발한 박스 추천 시스템 ‘로이스 오팩(LoIS O’Pack)’을 15개 물류센터에 도입 완료했다고 밝혔다. ‘로이스 오팩’은 3D 시뮬레이션 기반 적재 알고리즘을 통해 고객의 주문에 맞는 최적 크기의 박스를 추천하는 시스템이다. 기존에는 작업자가 주문된 상품을 보고 임의 판단해 택배박스를 선정했다면, 로이스 오팩은 각 주문건에 가장 적합한 박스를 자동으로 추천해 준다.
로이스 오팩의 3D 시뮬레이션 기반 적재 알고리즘은 사전에 입력된 각 상품의 체적정보에 따라 크기와 적재 방향을 동시에 고려해 반복적인 시뮬레이션을 통해 최적의 결과를 도출하는 방식으로 작동한다. 추천 시간은 건당 0.04초에 불과해 1분당 최대 1,500건에 대한 박스 추천이 가능하다. 또한 비닐 파우치, 완충재 등 포장 부자재의 체적까지 반영하기 때문에 정확도가 높아 잘못된 박스를 선택하는 교체율이 0%로 나타났다.
로이스 오팩 도입 결과 택배박스의 평균 포장공간비율도 대폭 감소하는 것으로 나타났다. 포장공간비율이란 택배박스 안에 상품을 제외하고 남는 공간이 차지하는 비율로, 낮을수록 제품 크기에 꼭 맞는 상자를 사용해 포장재 낭비가 적었다는 것을 의미한다. 로이스 오팩 시스템을 적용해 최적화한 물류센터의 경우, 완충재를 제외한 순수 상품만으로도 포장공간비율이 평균 36%까지 감소했다. 이는 4월부터 환경부에서 시행하는 택배 과대 포장 규제 기준을 상회하는 수치다. 택배 과대 포장 규제가 포함된 자원재활용법 개정안에 따르면 일회용 택배 포장은 ‘포장공간비율이 50% 이하, 포장 횟수는 1차례 이내’여야 한다.
로이스 오팩으로 인한 작업 효율성은 여러 상품을 하나의 박스에 포장하는 ‘합포’ 과정에서 더욱 빛을 발한다. 미숙련 작업자의 경우 여러 개의 상품을 담을 적절한 크기의 박스를 찾는데 최대 30초까지 소요되는 반면, 로이스 오팩은 이 속도를 0.04초로 단축하며 작업 효율을 극대화했다. 현재 로이스 오팩 시스템이 도입된 물류센터의 합포 택배 비중은 82%에 달하는 것으로 나타났다.
냉장·냉동·상온 등 개별 온도 관리가 필요한 식품군도 하나의 박스에 합포장할 수 있도록 칸막이를 추천하는 기능도 있다. 식품을 포장하는 아이스박스에는 온도별로 상품을 분리할 수 있도록 칸막이를 설치할 수 있는데, 기존에는 작업자가 임의로 판단해 칸막이를 설치해 신선식품군 합포 작업 속도에 제한이 있었다. 로이스 오팩은 적합한 아이스박스뿐 아니라 칸막이를 설치하는 위치까지 단 시간에 추천해 줘, 작업 속도가 개선됨은 물론 상품의 변질과 파손도 방지할 수 있다.
로이스 오팩 시스템은 현재 적용한 15개 물류센터 외에도 추후 신규 구축되는 센터에는 모두 도입할 계획이다. 또한 하반기에는 CJ대한통운 고객사가 직접 박스 추천 기능을 활용할 수 있도록 시스템을 확대 구축할 예정이다. 고객사는 시스템을 통해 상품들의 체적 정보를 기반으로 적절한 크기의 박스를 추천받거나 물류센터에 도입할 박스 규격을 제안받을 수 있다.
앞서 CJ대한통운은 자체 개발한 패키징 기술 ‘박스 리빌딩’을 물류 현장에 도입한 바 있다. 박스 리빌딩은 상품별 체적 데이터와 주문정보를 조합한 빅데이터를 기반으로 물류 현장에 투입돼야 할 최적 크기의 기준 박스를 찾아내는 시스템이다. 로이스 오팩은 개별 주문에 대한 박스를 추천했다면, 박스 리빌딩은 물류센터에서 필요한 적정 규격의 기준 박스를 추천한다. 두 가지 시스템을 물류센터에 적용한 경우, 더욱 효율적인 패키징이 가능하다.
CJ대한통운 TES물류기술연구소 김경훈 소장은 “택배 과대 포장 규제 시행을 앞두고 있는 만큼 친환경 패키징에 대한 관심이 높아지고 있다”며, “혁신 물류기술을 적극 활용해 물류 프로세스를 효율화시키면서도 친환경 물류를 실현하기 위해 앞으로도 노력할 것”이라고 밝혔다.
[박미영 기자(mypark@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
박미영기자 기사보기
[2024-05-02] 
.jpg)
