강화학습 기반의 적재 최적화 문제 해결을 위한 AI 모델

국문 초록 (Abstract)

물류에서의 컨테이너 적재 효율성은 기업의 수익률에 직접적으로 영향을 끼치는 중요한 요소이다. 부적절한 적재 계획은 공간 비효율, 제품 손상, 추가 비용과 작업 소요를 발생시킬 수 있으므로 적절한 적재 계획을 수립하고 수행하는 숙련 작업자의 중요성이 강조된다. 이와 같은 3차원 상자 채우기 문제(3D Bin Packing Problem, 3D BPP)는 물류, 창고 관리, 화물 운송 등 여러 산업 분야에서 중요한 과제이다. 본 연구에서는 최신 강화학습 방법론을 적용하고 3D BPP에 대한 효과적인 해결 방안을 제시한다. 특히, 안정적이고 효과적인 학습을 위하여 강화학습의 PPO(Proximal Policy Optimization) 알고리즘을 사용하며, 멀티 모달(Multimodal) 모델과 GAT(Graph Attention Networks) 모델을 학습하고, 3D 환경에서의 적재 능력을 평가한다. 본 논문에서는 동일한 조건의 3D 적재 환경과 데이터를 통해 두 모델을 적용 실험하여, 최적의 모델을 도출함으로써 현업의 환경에 실용적으로 적용할 수 있는 방안을 모색한다.

다국어 초록 (Multilingual Abstract)

The efficiency of container loading in logistics is a critical factor directly affecting a company’s profitability. Since improper loading planning can cause space inefficiency, product damage, additional costs, and work requirements, the importance of skilled workers who establish and carry out appropriate loading plans is emphasized. This 3D Bin Packing Problem (3D BPP) is an important task in various industries such as logistics, warehouse management, and cargo transportation. In this study, the latest reinforcement learning methodology is applied and effective solutions to 3D BPP are presented. In particular, this study uses the Proximal Policy Optimization (PPO) algorithm of reinforcement learning for stable and effective learning, learns Multimodal models and Graph Attention Networks (GAT) models, and evaluates loading capacity in 3D environments. In this paper, we experiment with two models through 3D loading environment and data under the same conditions and find the best model to apply practically to the field environment by deriving theoptimal model.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 방법론
• Ⅳ. 실험 결과 및 분석
• Ⅴ. 모델 평가 및 검증
• Ⅵ. 결론
• References