최근 물류 분야에서 물류 사업장 내 안전사고 예방과 근로자들의 삶의 질 향상 등이 이슈로 부각되고 있는 가운데 열악한 물류작업 환경을 획기적으로 개선시킬 수 있는 기술이 선보여 주목받고 있다.
이 기술은 물류센터 내 작업 소요시간과 불필요한 이동거리는 저감시키고, 작업자의 생산성은 향상시킬 수 있는 첨단기술로 물류 복지 실현에 크게 기여할 것으로 기대를 모으고 있다.
딥러닝 기반 작업자 카트 인식 등 움직임 제어 기술 개발
로봇 교차점 일방통행지점 사전 교통정리 관제기술도 선뵈
기존 작업자-카트 방식 대비 1인당 생산성 10%~38% 증가
최근 4차 산업혁명시대를 맞아 다양한 분야에서 첨단기술들을 적용한 자동화가 발 빠르게 이뤄지고 있는 반면, 물류 분야에서는 인력에 의한 의존도가 높은 작업들이 여전히 많은 상황이다.
실제로 작업자가 카트를 끌고 다니면서 고객이 주문한 물품을 피킹하는 작업의 경우 작업자의 노동부하가 가장 크게 발생하고 있는 부분이다.
이 같은 이동작업 중 많은 부분이 실제 피킹작업과는 관련 없는 작업으로 이처럼 열악한 물류작업환경을 개선할 수 있는 자동화에 대한 요구가 대두되고 있다.
하지만, 자동화 실현을 위해서는 많은 걸림돌이 남아 있는 것으로 알려지고 있다.
기존 생산공정에서 주로 사용하던 AGV(automated guided vehicle)와 같은 이송자동화 기법은 인프라시설의 개량(Wires, magnets in the floor, navigational beacons 등)을 필요로 하지만, 건물을 임차해 운영 중인 물류센터의 경우 바닥공사 등 인프라 개량이 어려운 경우가 많은 것으로 알려지고 있다.
기존 AGV와 같은 경우 제한된 이송루트 등 제한된 물류수송서비스만 가능해 갑자기 발생하는 장애에 대한 대처 능력 등 유연성이 부족하게 된다.
또 다른 방법으로 외국의 한 물류회사에서는 바닥에 2차원 바코드를 설치하고, 이를 기반으로 위치를 파악해 제품을 이송하는 로봇을 도입, 사용하고 있다.
하지만, 바닥의 2차원 바코드 손상 시 문제가 발생할 수 있어 로봇 이외의 다른 작업자 혹은 지게차 등이 해당 작업영역으로의 진입은 불가능하다.
또한, 작업자 추종기술을 비롯해 카트 인식, 자동결합·해제 등의 복합기능은 찾아보기 어렵고, 작업량에 따라 협업을 통해 화물을 이송하는 시스템은 전무한 것으로 알려지고 있다.
따라서 이 같은 제한적인 로봇 도입문제를 해결할 수 있는 물류센터 내 작업자와 물류설비·장비와의 협업이 가능한 스마트 이송장비 개발이 요구되고 있다.
이에 이 연구에서는 물류 효율화와 유연성 극대화를 위한 자율주행 물류운송 로봇 기술을 개발했다.
연구내용이 연구에서는 입체적 장애물 감지·대응이 가능한 물류센터에 적합한 자율주행 기술을 비롯해 레이저 스캐너와 2D·3D 영상 기반의 전방향 작업자 추종 기술을 개발했다.
또한, 딥러닝 기반 작업자 작업의도 인식과 대응 기술, 카트 인식과 자동 결합·분리 기술, 스마트 운영관리기술과 협력형 물류운송기술도 선보였다.
‘실내 자율주행 기술’ 부문에서는 물류센터 내 별도의 인프라 개량 없이 레이저 스캐너 기반의 실내 자율주행 기술을 개발하는 한편, 자율주행 성능 향상을 위한 정확한 위치추정 기법과 로봇의 초기 위치추정을 위한 기법도 개발했다.
‘작업자 추종기술’ 연구에서는 기존 작업자 인식방식의 경우 작업자들이 서로 교차할 경우 로봇이 작업자를 놓치는 문제를 해결하기 위해 딥러닝 기반의 작업자 인식 기술을 개발했다.
또한, 작업자 교대로 인해 발생하는 문제 해결을 위해 추종해야 할 새로운 작업자를 빠르게 등록할 수 있는 기술 개발도 이뤄졌다.
‘카트 인식 및 결합기술’ 부문에서는 이송로봇이 빈 카트를 자동으로 체결한 후 피킹작업을 수행할 작업자에게 이동할 수 있도록 하기 위해 딥러닝 기반 카트 인식기술과 함께 카트가 놓여 있는 각도를 파악, 체결을 위한 경로를 설정하고 움직임을 제어하는 기술을 개발했다.
‘복수로봇 운영기술’ 연구에서는 물류센터 내 여러 대의 자율주행 로봇 운영을 위해 교차점이나 일방통행지점 등에서 사전에 교통정리를 할 수 있는 관제기술을 개발했다.
또한, 로봇의 상태와 위치 등을 실시간으로 관리하고 이를 이용해 작업을 할당하는 모니터링과 운영기술도 선보였다.
한편, 이러한 기능 구현을 위한 로봇과 카트의 설계·제작을 완료했으며, 현재 작업자·카트 인식모듈과 자율주행 모듈, 관제시스템 등을 통합하고, 테스트를 진행하고 있다.
지금까지 진행한 테스트 결과를 보면, 실제 물류센터 레이아웃에 대한 시뮬레이션 결과 작업완료시간은 13% 절감, 작업자의 이동거리는 30% 이상 감소하는 것으로 나타났다.
기존 작업자-카트 방식 대비 1인당 생산성이 10%~38% 증가되고, 작업 구역 사이의 거리가 증가할수록 생산성은 더욱 향상되는 것으로 분석됐다.
즉, 물류운송로봇 협력기능 도입 시 생산성은 더욱 향상될 것으로 예상된다.
기대효과
개발된 기술은 개별수송과 협력수송이 가능한 모델로 작업량에 따라 가변적으로 투입량을 조절해 작업자의 생산성을 최대화시킬 수 있을 것으로 기대를 모으고 있다.
특히, 인프라를 개량해야 하는 기존시스템과 달리 인프라 개량 없이 자율주행이 가능하며, 작업자와 카트의 자동인식이 가능한 기술 개발로 인프라 비용 절감이 가능하다.
이외에도 자율주행 지게차와 라스트 마일 배송시스템 등 다양한 시스템에 대한 확장성 확보도 가능할 것으로 전망된다.
인 / 터 / 뷰
관련기술 적용 로봇개발 ‘시운전’
올해 운영실적 바탕 실용화 추진
 |
| 김영주 책임연구원 |
한국철도기술연구원 김영주 책임연구원은 “산업혁명 4.0 시대에 진입하면서 많은 산업 분야에 인공지능과 자동화가 적용되고 있는 반면, 물류분야에서는 여전히 작업자의 노동력에 의존하는 작업이 많은 상황”이라며, “특히, 물류센터 내에 넓게 진열돼 있는 화물들을 고객의 주문에 따라 카트를 끌고 이동하면서 피킹하는 작업은 작업자의 피로도를 매우 높이고 있다”고 말했다.
이어 “또한, 피킹 후 피킹 화물에 대한 검수와 함께 포장을 위한 공간으로의 이동에도 많은 시간이 소요되고 있다”고 밝혔다.
실제로 세계적 기업인 A사의 경우 하루 동안 작업자의 이동거리가 22km에 달하기도 한 것으로 알려졌다.
이 같은 문제점들을 보완하기 위해 진행된 이번 연구에서는 작업자들의 업무 부하 저감과 생산성 향상이 가능한 스마트 물류운송로봇 기술을 선보였다.
김 박사는 “이번 연구에서는 초기 위치 추정을 손쉽게 할 수 있는 기법과 위치정밀도 향상 기법을 추가로 개발해 물류센터 내에서 정밀한 로봇 자율주행을 할 수 있는 실내 자율주행 기술을 개발했다”며, “또한, 특별한 표식 없이도 작업자를 확인할 수 있는 작업자 인식·추종기술개발에도 성공했다”고 소개했다.
이어 “검수공간에 피킹이 끝난 카트를 내려놓고 비어있는 카트를 인식한 후 정확히 체결하는 카트 인식과 결합·분리 기술과 함께 복수로봇 운영기술도 개발했다”고 밝혔다.
이 기술들은 물류센터 내 피킹 작업자가 불필요하게 이동하는 거리를 최소화시켜 작업 생산성 향상은 물론 작업자가 직접 카트를 밀고 다닐 필요가 없어 작업자 친화적 업무환경 조성에 기여할 것으로 기대를 모으고 있다.
작업자 친화적 업무환경 조성 기여 ‘자긍’
김 박사는 “실제 물류센터의 레이아웃을 대상으로 시뮬레이션을 진행한 결과, 작업완료시간은 13% 이상, 이동거리는 30% 이상 절감이 가능한 것으로 확인됐다”며, “현재 관련 기술들을 적용한 로봇을 개발해 시운전을 진행하고 있으며, 올해 중 물류센터 현장에 시범적용을 진행하고, 실제 현장에서의 운영실적을 바탕으로 실용화를 추진할 예정”이라고 말했다.
한편, 김 박사는 이번 연구를 통해 개발된 기술들을 다양한 분야에 적용하기 위해 나설 계획이다.
김 박사는 “현장에서 요구하는 다양한 사항들에 대응할 수 있는 기술 고도화 연구를 수행할 예정”이라며, “특히, 개발된 요소기술들을 더 저사양의 환경에서도 신뢰성 있게 작동할 수 있도록 개선해 나갈 계획”이라고 소개했다.
이어 “또한, 현재 추가로 진행 중인 인공지능 기반의 피킹 자동화 기술개발과 연계해 전체 물류센터를 자동화하는 기술개발에도 박차를 가할 예정”이라고 덧붙였다.
