Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
창고 주문 이행 최적화를 위해 문맥에 맞는 알고리즘 파이프라인을 자동으로 합성하고 평가하는 CASOP 프레임워크를 제안합니다. 이 프레임워크는 모듈형 알고리즘 저장소와 분류 체계를 통해 창고 환경에 최적화된 솔루션을 설계할 수 있도록 지원합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기수동 피커-투-굿즈 (picker-to-goods) 창고에서의 주문 이행 (Order fulfillment)은 품목 할당 (item assignment), 주문 배치 (order batching), 피커 경로 설정 (picker routing)과 같이 서로 연결된 의사결정들을 포함합니다. 통합 모델 (integrated models)은 이러한 의사결정 간의 상호작용을 포착하지만, 실제 창고 시스템은 조직적 경계, 서로 다른 책임 범위, 또는 제한된 데이터 가용성으로 인해 분해된 접근 방식 (decomposed approaches)을 요구하는 경우가 많습니다. 기존 연구들은 주로 고립된 하위 문제 (subproblems)를 위한 알고리즘을 평가하거나 특정 창고 설정에 고정된 하위 문제 조합을 평가하지만, 적용 가능한 알고리즘 구성 (algorithm configurations)을 결정하고, 이를 유효한 솔루션 파이프라인 (solution pipelines)으로 구성하며, 그 성능을 평가하는 일반적인 메커니즘이 부족합니다. 문맥 인식형 최적화 파이프라인 합성 (Context-Aware Synthesis of Optimization Pipelines, CASOP)을 통해, 우리는 문맥 특화된 최적화 파이프라인을 구축하고 평가하기 위한 프레임워크를 제안하며 이를 주문 이행에 적용합니다. 이 프레임워크는 다음으로 구성됩니다: (1) 일반적인 주문 이행 문제들을 위한 알고리즘의 모듈형 저장소 (modular repository); (2) 창고 문맥과 알고리즘 요구사항을 설명하기 위한 시맨틱 데이터 (semantic data) 및 알고리즘 카드 (algorithm cards); (3) 주문 이행 문제들을 관련 하위 문제들로 구조화하는 분류 체계 (taxonomy); (4) 주어진 창고 문맥에 적용 가능한 알고리즘을 식별하고 모든 유효한 최적화 파이프라인을 구성하는 파이프라인 합성기 (pipeline synthesizer); (5) 결과로 도출된 모든 파이프라인을 평가하는 파이프라인 평가기 (pipeline evaluator). 우리는 4개의 문제 클래스를 아우르는 7개의 벤치마크 인스턴스 세트에서 이 프레임워크를 시연하였으며, 그 결과 1,063,044개의 유효한 파이프라인을 도출했습니다. 이 프레임워크는 연구자와 실무자들이 창고 운영을 위해 유효하고 성능이 뛰어난 알고리즘 파이프라인을 설계, 자동 합성 및 선택할 수 있도록 지원합니다. 소프트웨어는 오픈 소스이며 https://github.com/kit-dsm/ware_ops_pipes 및 https://github.com/kit-dsm/ware_ops_algos 에서 이용 가능합니다. 키워드: 창고 최적화 (Warehouse optimization), 알고리즘 선택 (Algorithm selection), 파이프라인 합성 (Pipeline synthesis), 주문 이행 (Order fulfillment)