SCM FAIR 2026(제6회 국제 운송·공급망관리 산업전)이 2026년 9월 9일부터 11일까지 KINTEX 제1전시장 5홀에서 개최됐다. ‘Rebuild the Supply Chain’을 주제로 열린 이번 전시회에는 SCM·디지털 물류 솔루션, WMS·TMS, 물류 자동화·로봇, 스마트 모빌리티, 패키징, 하역·운반 장비, 라스트마일 등 공급망 전반의 기술과 서비스가 소개됐다. 제조·유통·이커머스·수출입 기업 등 실제 물류와 공급망 운영을 담당하는 기업 관계자들이 주요 참관 대상으로 참여했다.

이번 기사에서는 그중 물류 AX의 서로 다른 방향을 보여준 세 개의 세미나를 살펴본다. 딥파인은 스마트글라스와 Vision AI를 활용한 현장 작업 지원과 데이터화를, 하이로보틱스는 Climber 기반의 고밀도 보관과 Goods-to-Person 자동화를, 소프트러시는 배차·운송사 선정·물류센터 할당 등 AI 기반 공급망 최적화 사례를 소개했다.

● AI 기반 물류 현장 AX 혁신 – 피킹·검수·분류부터 데이터 기반 운영까지

● 작업자의 시선에서 시작하는 현장 AX

첫 번째 세미나는 딥파인 송윤근 수석 매니저가 ‘AI 기반 물류 현장 AX 혁신 – 피킹·검수·분류부터 데이터 기반 운영까지’를 주제로 진행하였다.

딥파인은 스마트글라스를 단순한 웨어러블 기기가 아니라 현장 작업과 AI를 연결하는 인터페이스로 바라봤다. 기존 산업 현장에서는 작업자가 무엇을 보고 어떤 판단을 내렸는지, 시행착오를 통해 어떤 노하우를 얻었는지와 같은 경험적 정보가 충분히 기록되지 않는 경우가 많다.

스마트글라스는 작업자의 1인칭 시야와 음성, 위치, 행동을 기록해 이러한 한계를 보완한다. 실제 작업 과정을 데이터로 축적하고 이를 Vision AI와 LLM의 학습에 활용할 수 있다는 것이다. 딥파인은 이를 현장 작업자의 암묵지를 디지털화해 AI와 연결하는 수단으로 설명했다.

AI의 발전과 함께 비전 기술도 단순 측정과 검사를 넘어 작업 맥락을 이해하고 다음 행동을 지원하는 방향으로 발전하고 있다. 딥파인은 이를 1인칭 시야, 작업 맥락 이해, 작업지시 보조, 작업 증거 수집으로 구분했다.

● 피킹·패킹에서 데이터 기반 물류 운영으로

딥파인이 스마트글라스를 물류에 본격 적용한 계기는 한진과의 공동 R&D였다. 물류 현장은 작업자가 양손을 사용하면서 상품 위치와 주문 정보를 확인하고 바코드를 스캔해야 하는 경우가 많아 스마트글라스의 활용도가 높다는 설명이다.

이를 바탕으로 딥파인은 물류용 서비스 LOGI.FINE을 개발해 피킹과 패킹을 중심으로 적용하고 있다. 모바일과 태블릿에서도 활용할 수 있으며, 간선 상차와 배송, 자율주행 드론을 활용한 재고조사 등으로 적용 영역을 확대하고 있다. 축적된 작업 데이터는 향후 동선과 물류센터 레이아웃 개선에도 활용할 수 있다.

다만 실제 도입에서는 기존 물류 시스템과의 연동이 중요한 과제다. 기업마다 SAP와 WMS 구성이 달라, 지난 2년간 다양한 WMS와 레거시 시스템을 연결하기 위한 미들웨어 개발에 집중해왔으며 주요 기업과의 연동을 확대하고 있다고 설명했다.

● Climber를 통한 물류 자동화

● 고밀도 보관과 Goods-to-Person 피킹

두 번째 세미나는 하이로보틱스 최찬호 프로가 ‘Climber를 통한 물류 자동화’를 주제로 진행하였다. 발표에서는 로봇이 필요한 재고를 작업자에게 가져오는 Goods-to-Person 구조와 이를 고밀도 자동창고에 적용하는 방법이 소개됐다.

중국 스포츠 브랜드 안타의 물류센터에서는 Climber 1세대를 활용해 상품을 토트 단위로 보관하고, 주문이 발생하면 로봇이 필요한 토트를 작업자에게 전달한다. 해당 사이트는 시간당 약 2,300개의 주문, 하루 약 13만 개의 피스를 처리하도록 설계돼 B2B와 B2C 물량을 함께 처리하고 있다.

Climber의 특징은 수직 공간을 활용한 고밀도 보관이다. 현재 최대 12m 수준의 높은 랙에서 상품을 피킹할 수 있으며, 향후 15m까지 작업 범위를 확대할 계획이다.

자동화에서는 로봇의 처리 효율도 중요하다. 처리 속도가 느리면 동일한 물동량을 감당하기 위해 더 많은 로봇이 필요하기 때문이다. 하이로보틱스는 로봇 이동뿐 아니라 작업자의 피킹 시간과 워크스테이션 처리능력까지 함께 고려해 시스템을 설계하고 있다.

● 하드웨어를 넘어 WCS가 만드는 운영 효율

자동화 설비는 초기 투자비용이 크기 때문에 확장성도 중요하다. 하이로보틱스는 현재 물동량에 맞춰 랙과 로봇을 구축하고, 물량 증가에 따라 단계적으로 설비를 추가하는 방식을 적용하고 있다.

이 과정에서 중요한 역할을 하는 것이 WCS(Warehouse Control System)다. 출고 데이터를 분석해 SKU를 A·B·C 등급으로 나누고, 출고빈도가 높은 상품을 낮은 위치에 배치해 로봇 이동을 줄인다. 작업량이 적은 시간에는 재고를 재배치하고, 여러 워크스테이션의 주문을 조정해 로봇 혼잡도 줄인다.

주문 마감시간에 물량이 집중되는 문제에는 ‘Pre-task’ 방식도 활용된다. 이미 들어온 주문을 미리 피킹해 보관하고, 추가 주문이 들어오면 다시 호출해 나머지 상품을 채우는 방식으로 피크시간의 물량을 분산한다.

안전 측면에서는 RFID 기반 안전조끼로 작업자의 위치를 인식해 가까운 로봇만 감속하거나 정지시키는 시스템을 소개했다. 향후에는 별도의 토트나 트레이 없이 고객사가 사용하는 카톤을 로봇이 직접 핸들링하는 기술도 개발하고 있다.

● 오일러의 해답을 넘어 AI 물류 혁신으로 – AI 기반 배차 및 공급망 최적화

● 수학적 최적화에서 시작된 물류 의사결정

세 번째 세미나는 소프트러시 노동진 대표가 ‘오일러의 해답을 넘어 AI 물류 혁신으로 – AI 기반 배차 및 공급망 최적화’를 주제로 진행하였다.

발표는 오늘날 물류 최적화 기술의 기반이 된 수학적 문제에서 출발했다. 1700년대 오일러의 ‘쾨니히스베르크의 다리 문제’에서 시작된 그래프 이론은 이후 여러 지점을 효율적으로 방문하는 외판원 문제(TSP), 여러 차량과 고객을 고려하는 차량경로문제(VRP) 등으로 발전했다.

이러한 문제는 오늘날 택배 배송과 물품 수거, 혼적과 복화, 차량 배차 등 다양한 물류 업무와 연결된다. 차량의 적재 용량과 상·하차 조건, 시간 제약이 더해지면서 실제 물류 의사결정은 더욱 복잡해진다.

소프트러시는 이를 배차에만 한정하지 않고 배차·경로 최적화, 혼적과 복화, 운송사 선정, 물류센터 입지, 재고 배분, 센터 할당 등 공급망 전반으로 확대하고 있다.

● 복잡한 국내 운송시장을 TMS로 연결

노동진 대표는 국내 운송시장이 화주와 운송사, 주선사, 화물정보망, 차주 등이 복잡하게 연결돼 있고 기업별 업무 방식과 계약조건도 달라 정보가 단절되기 쉽다고 설명했다.

소프트러시는 차량과 고객을 적절히 배분하고 경로를 최적화해 유류비와 인건비, 운전 시간을 줄이는 기능을 제공한다. 여러 상·하차지를 함께 처리할 때는 차량 적재 용량을 고려해 혼적 순서를 결정하고, 추가 물량을 연결해 공차를 줄이는 복화운송도 지원한다.

여러 운송사를 사용하는 기업에서는 운임과 처리능력, 계약 물량 등을 함께 고려해 어느 주문을 어느 운송사에 배정할지 최적화한다. 실제 사례에서는 약 30개의 운송사를 사용하는 기업에 이러한 배차 시스템과 물류센터 할당 기능을 적용해 운송비 절감 효과를 확인했다고 설명했다.

소프트러시는 이러한 경험을 바탕으로 운송사와 주선사를 위한 구독형 TMS도 출시했다. 주문 등록부터 배차와 정산까지 하나의 시스템에서 처리하고, 카카오톡으로 전달받은 이미지나 텍스트 주문을 AI가 인식해 자동으로 입력하는 기능도 적용하고 있다.