[논문 리뷰] Deterministic Pod Repositioning Problem in Robotic Mobile Fulfillment Systems

Ruslan Krenzler, Lin Xie외 1명|arXiv (Cornell University)|2018. 10. 09.

Advanced Manufacturing and Logistics Optimization참고 문헌 7인용 수 9

한 줄 요약

이 논문은 로봇 이동형 출고 시스템에서 피킹 스테이션에서 사용된 후 최적의 보관 위치로 다시 정리되는 팔레트 재배치 문제(Pod Repositioning Problem, PRP)를 위한 결정론적 수학 모델을 제안한다. 이는 사용 빈도가 높은 팔레트를 우선적으로 배치하는 새로운 '테트리스'(tetris) 휴리스틱 알고리즘을 도입하여, 로봇 이동 거리를 최소화하고 시스템 효율을 향상시키며, 특히 대규모 시나리오에서 기존의 최저비용 장소, 고정장소, 유전 알고리즘과 비교해 뛰어난 성능을 보인다.

ABSTRACT

In a robotic mobile fulfillment system, robots bring shelves, called pods, with storage items from the storage area to pick stations. At every pick station there is a person -- the picker -- who takes parts from the pod and packs them into boxes according to orders. Usually there are multiple shelves at the pick station. In this case, they build a queue with the picker at its head. When the picker does not need the pod any more, a robot transports the pod back to the storage area. At that time, we need to answer a question: "Where is the optimal place in the inventory to put this pod back?". It is a tough question, because there are many uncertainties to consider before answering it. Moreover, each decision made to answer the question influences the subsequent ones. The goal of this paper is to answer the question properly. We call this problem the Pod Repositioning Problem and formulate a deterministic model. This model is tested with different algorithms, including binary integer programming, cheapest place, fixed place, random place, genetic algorithms, and a novel algorithm called tetris.

연구 동기 및 목표

• 로봇 이동형 출고 시스템(RMFS)에서 피킹 스테이션에서 사용된 후 팔레트의 최적 보관 위치를 결정하는 데 도전하는 것.
• 예측 가능한 운영 조건 하에서 팔레트 재배치의 핵심 역학을 반영하는 결정론적 모델을 개발하는 것.
• 로봇 이동 거리와 시스템 비용을 최소화하는 데서의 성능을 평가하고 비교하기 위해 이진 정수 프로그래밍, 최저비용 장소, 고정장소, 랜덤장소, 유전 알고리즘, 그리고 새로운 휴리스틱을 포함한 여러 알고리즘을 평가하는 것.
• 특히 다수의 피킹 스테이션을 갖춘 환경에서 실무에 적용 가능한 실용적이고 이행 가능한 팔레트 재배치 전략 지침을 도출하는 것.
• 스토케스틱한 변동성이 존재하는 실세계 환경에서 결정론적 모델의 한계를 평가하고, 다중 스테이션 환경을 위한 적응 전략을 제안하는 것.

제안 방법

• 고정된 피킹 시간과 알려진된 팔레트 도착/이동 순서를 가정하는 단순화된 조건 하에서 팔레트 재배치 문제(PR P)의 결정론적 수학 모델을 수립한다.
• 소규모 사례에 대해 정확한 방법, 즉 이진 정수 프로그래밍(MIP)을 적용하여 모델의 최적성 검증을 수행한다.
• 사용 빈도와 공간 적합도를 기반으로 팔레트를 보관 위치에 할당하는 그레디(Greedy), 우선순위 기반의 휴리스틱인 '테트리스'(tetris) 알고리즘을 설계하고 구현한다. 이는 테트리스와 유사한 블록 배치 방식을 모방한다.
• 기타 휴리스틱의 성능을 평가한다: 최저비용 장소(가장 가까운 비어있는 위치에 할당), 고정장소(미리 할당된 위치에 할당), 랜덤장소(랜덤 할당), 그리고 해답 인코딩과 돌연변이를 사용하는 두 가지 유전 알고리즘 접근법.
• 이중 단계 테스트 시스템을 사용한다: 알고리즘 검증을 위한 소규모 시스템과 다양한 알고리즘 간 성능 비교를 위한 중규모 시스템.
• 다중 스테이션 환경에 대응하기 위해 우선순위 기반 할당과 비어있는 장소 인덱싱을 도입하여 팔레트 도착 및 이동 순서의 불확실성을 다루는 데 적응시킨다.

실험 결과

연구 질문

• RQ1 미래 수요와 로봇 이동 비용이 사전에 알려진 조건 하에서, 피킹 스테이션에서 반납된 팔레트의 최적 보관 위치는 무엇인가?
• RQ2 최저비용 장소, 고정장소, 랜덤장소, 유전 알고리즘과 같은 다양한 재배치 전략이 총 로봇 이동 거리를 최소화하는 데서 어떻게 비교되는가?
• RQ3 테트리스를 영감으로 삼은 새로운 휴리스틱 알고리즘이 대규모 PRP 사례에서 기존 방법보다 해법 품질과 계산 속도 면에서 뛰어나다고 할 수 있는가?
• RQ4 다중 피킹 스테이션과 팔레트 도착/이동 시간의 스토케스틱한 변동성이 존재하는 실세계 시스템에서 결정론적 모델의 성능은 어떠한가?
• RQ5 실세계의 로봇 출고 시스템에서 팔레트 재배치 전략을 구현하기 위해 모델에서 도출할 수 있는 실용적인 규칙 또는 우선순위 메커니즘은 무엇인가?

주요 결과

• '테트리스'(tetris) 알고리즘은 모든 테스트 사례에서 기존의 휴리스틱, 특히 유전 알고리즘과 최저비용 장소 전략보다 로봇 이동 거리를 더 효과적으로 최소화하는 데 일관되게 뛰어난 성능을 보였다.
• 이진 정수 프로그래밍은 소규모 문제에 대해 최적의 해를 제공하지만, 중규모 이상의 시스템에서는 계산적으로 비현실적이게 된다.
• 최저비용 장소 전략은 변동성이 낮은 환경에서는 잘 작동하지만, 향후 수요 패턴을 고려하지 않아 장기적으로 볼 때 최적의 배치가 되지 못한다.
• 고정장소 및 랜덤장소 전략은 적응력이 떨어지고 사용 빈도나 근접도를 고려하지 않아 성능이 열악하다.
• 유전 알고리즘은 잠재력은 있지만 정교한 튜닝이 필요하고 계산 비용이 높으며, 두 번째 접근법에서 비어있는 장소 인덱싱을 사용함으로써 불확실한 환경에서의 강건성을 향상시켰다.
• 다중 스테이션 환경에서는 예측 불가능한 팔레트 도착 및 이동 순서로 인해 결정론적 모델만으로는 부족하여, 실무 적용을 위해 우선순위 기반 또는 적응 전략이 필요하다.