7천여건 라스트마일 배송의 이동거리 15% 감소 사례, AI 배차 엔진을 통한 물류 혁신

SCM시스템, 배차프로그램에 관심 있는 분들을 위해 유익한 국내 대표 라스트마일 물류기업과 함께한 택배 배송 경로 최적화 PoC(개념 증명) 사례를 소개해요.

이번 프로젝트를 통해 기존 물류 현장에서 경험에 의존한 운영을 AI 배차 최적화 엔진를 통해 개선할 수 있음을 증명했어요.

AI 배차 최적화 엔진 루티와 함께한 물류 혁신 사례를 아래와 같이 보여드릴게요.

🚛 프로젝트 배경: 기사 숙련도에 따라 달라지는 택배 배송 효율

물류 산업 중 택배 배송과 같은 라스트마일 물류는 기사 개개인의 경험과 숙련도에 크게 의존하는 구조에요.

그렇기에 물류센터에서 배차 관리원의 배차 계획과 현장 기사님의 택배 배송 현장 간의 괴리는 항상 발생할 수 밖에 없었어요.

또한 기존 인력 이탈, 신규 인력 유입 등 변수가 생길 때마다 배송 효율이 급격히 흔들리는 문제가 있었어요.

그래서 필요한 것은 배차 관리원과 현장 기사님의 경험과 감에 의존하지 않고, 데이터 기반으로 최적의 배송 경로를 설계하는 것이었어요.

이 때문에 PoC의 핵심 목표는 바로 이 숙련도 편차를 줄이고, 전반적인 업무 효율을 상승이였어요.

📦 데이터 및 시뮬레이션 개요: 주 6일 동안 7,700 건을 어떻게 경로 최적화하지?

이번 프로젝트의 시뮬레이션은 특정 기간 동안 다수의 센터에서 다수의 차량을 가지고, 7,700 여건의 택배를 배차를 했을 때 기존 대비 이동 시간이나 거리의 효율을 개선할 수 있는 지를 중점에 두고 테스트했어요. 실제로 고객사에서 배차 계획을 추친할 때 주 단위로 현장 기사님들의 근무 계획을 같이 하기에 하루가 아닌 일주일(주 6일 운영)로 설정해서 시뮬레이션 하기를 원했어요.

🛠 시뮬레이션 개요

✅기간: 202X년 3월 X일 ~ 3월 XX일 (총 6일)

✅규모: 10명의 기사, 5개의 물류 센터, 총 7,700 여건 주문 데이터

🛠 데이터 항목

✅출고지(상차지) 정보 (점소명, 점소 코드, 점소 주소)

✅주문 정보 (배송기사명, 배송일시, 운송장번호, 배송 점소)

🛠 시뮬레이션 기본 가정

✅동일 송장번호는 하나의 주문으로 간주

✅차량 출발시간: 오전 9시 고정

✅각 배송지에서의 작업 시간은 1분

✅배송 완료 후 바로 퇴근, 복귀 없음

✅배송 권역은 고정, 기사별 권역 구분 없음

🔍 시뮬레이션 시나리오

시뮬레이션은 시 시나리오는 크게 기존 방식(수기) 배차와 경로 최적화, 거기에 이동 거리와 업무량을 균등화 총 3가지의 시나리오를 가지고 테스트를 진행했어요. 기존의 배차 방식과 루티의 경로 최적화 및 자동 배차 시 이동거리와 이동시간에 있어 얼마나 개선이 되는지를 중점으로 보았어요.

시나리오	설명
대조군	기존 배송일 시 순서 기준 경로 유지
경로 최적화	드라이버별 할당 주문 경로를 최적화
자동 배차	같은 지점 내 기사 간 업무량·거리 균등 배차