REINDEERS DVRP AI CORE ENGINE 소개

REINDEERS는 2026년 음력 설 이후, 2월 중순을 목표로 DVRP(Dynamic Vehicle Routing Platform) 베타 서비스를 공식 오픈AI가 실시간으로 판단·결정·지시·최적화

이번 글은 기술팀의 시각에서, DVRP가 어떤 구조로 설계되었고 AI가 어떻게 업무를 실제로 “대신 수행”하도록 만든 기술적 기반을 설명합니다. 프레임워크나 언어는 보안상 비공개하지만, 핵심 알고리즘·AI 아키텍처·동기화 구조·RAG 전략

---

1. 서비스 개요 — AI 기반 물류 엔진의 출현

REINDEERS DVRP는 다음의 핵심 기능들을 통합한 하나의 AI 플랫폼입니다.

• 트럭·기사·창고 간 배차 자동화
• Direct DO(직배송)의 다구간 경로 계산
• 입고 ASN·출고 ASN·DO 생성 전체 자동화
• GPS 기반 실시간 위치 추적 및 ETA 예측
• FIFO·CBM·거리·로트 기반 재고 할당 엔진
• LLM 기반 AI 오케스트레이션(업무 지시 자동화)
• RAG 기반 현실 데이터 참조형 AI 의사결정
• 대규모 트럭 운영(1000대 규모)을 위한 MQ · 비동기 구조

이 모든 기능은 REINDEERS CORE ENGINE이라는 단일 구조에서 작동합니다. Web, Mobile Web, Native App이 동일 엔진을 공유하도록 만들어져 있으며 AI가 어느 디바이스에서든 같은 판단을 내릴 수 있는 구조입니다.

---

2. 프론트 구조 — Web · Mobile Web · Native App 통합

2-1. Web

대량의 데이터 조회, 트럭/기사 모니터링, 창고 운영, DO 처리 등을 담당합니다. 업무 플로우를 AI가 자동으로 생성하기 때문에 Web은 단순히 입력·확인 UI 역할을 합니다.

2-2. Mobile Web

운전기사와 창고 담당자를 위한 현장 중심 UI입니다. 입출고 스캔, 사진 제출, GPS 이벤트 전송, 증빙자료 제출 등이 초경량 UI로 구성되어 있습니다. 모바일 데이터 불안정 문제를 해결하기 위해 LocalStorage 임시 저장이 자동 적용됩니다.

2-3. Native App

GPS·카메라·가속도계 등의 모바일 센서 정보를 실시간 수집하고, 트럭 위치 기반 ETA 계산 및 경로 변경 감지를 Core Engine으로 전송합니다.

---

3. DVRP Core Engine의 업무 구조

DVRP의 모든 프로세스는 다음 3가지 객체로 돌아갑니다.

• 입고 ASN – 고객사에서 창고로 들어오는 흐름
• 출고 ASN – 창고에서 고객사·시장으로 나가는 흐름
• DO(Delivery Order) – 픽업, 출고, 직배송 작업의 실제 지시서

각 단계는 AI 엔진이 다음 행동을 결정합니다.

{
 "action": "create DO",
 "asn id": "A-392",
 "preferred time": "2026-02-18 10:00",
 "warehouse id": "WH 03",
 "rules": ["FIFO", "capacity optimized"]
}

즉 사람은 입력만 하고, 업무는 AI가 알아서 처리하는 구조입니다.

---

4. 입고 ASN · 출고 ASN · DO의 기술적 구조

4-1. 입고 ASN

다음 정보가 AI 엔진으로 전달됩니다.

• 고객사 정보
• 상품 SKU
• 수량
• 희망 픽업 날짜
• 주소 및 좌표

AI는 과거 입고 패턴을 분석해 예상 차입시간, 필요 트럭 크기, 예상 CBM, 예상 보관 위치까지 계산합니다.

4-2. 출고 ASN

출고 과정은 더 복잡합니다.

• FIFO 적용
• 거리 기반 창고 선택
• CBM 기준 트럭 분할
• 로트 일관성 유지

결과적으로 출고 ASN → 출고 최적화 → DO 생성이 자동 흐름으로 이어집니다.

4-3. DO 생성

DO는 세 가지 형태로 생성됩니다.

• 입고 DO – 픽업 → 창고
• 출고 DO – 창고 → 배송지
• 직배송 Direct DO – 픽업 → 목적지(다구간 가능)

직배송 Direct DO는 AI가 다음 조건을 모두 만족하는 경로를 자동 생성합니다.

• 가장 짧은 시간 경로
• 총 비용 최소화
• 트럭 가용성 고려
• 기사 근무시간 준수
• CBM 제한 준수
• 특수 화물 필요 여부 검증

---

5. 재고 할당 엔진 — FIFO · 거리 · CBM · 로트 기반 복합 계산

도착지까지의 전체 물류 비용을 최소화하기 위해 다단계 재고 할당 모델을 구축했습니다.

5-1. FIFO

유통기한이 임박한 순서대로 우선 배치

5-2. 거리

고정 거리값이 아니라 교통 패턴 기반 실시간 거리를 사용합니다.

5-3. CBM

트럭의 용량 초과를 자동 방지하며, CBM 최적 조합을 구성합니다.

5-4. 로트 기반 규칙

특정 고객사 계약에 따라 로트 단위가 FIFO보다 우선 적용됩니다.

---

6. AI Orchestrator — LLM이 직접 업무를 지시하는 구조

REINDEERS의 특징은 “AI가 조언만 하는 것이 아니라 실제 업무를 만든다”는 점입니다. 이를 가능하게 하는 구조가 바로 AI Orchestrator입니다.

6-1. JSON Action Schema

모든 업무는 아래와 같은 통일된 구조로 생성됩니다.

{
 "action": "assign truck",
 "do id": 111,
 "truck id": "TH 042",
 "driver id": "DR 299",
 "constraints": {
   "must arrive before": "2026-02-19 16:00"
 }
}

이 명령은 MQ를 통해 비동기로 실행되며, LLM → Orchestrator → Core Engine → MQ → 실행 순서로 처리됩니다.

6-2. LLM 활용 방식

LLM은 다음 단계에서 사용됩니다.

• 업무 플로우 자동 생성
• DO 상태에 따른 작업 추천
• GPS 지연 감지 및 조치
• 트럭 경로 선택
• 문서 자동 작성
• 포워딩 스케줄 분석

---

7. RAG — 현실 데이터 기반의 안전한 AI

AI가 잘못된 판단을 하지 않도록 RAG(Retrieval Augmented Generation)를 적극 채택했습니다.

7-1. Embedding 데이터

• 트럭 스펙
• 국가별 도로 패턴
• 창고 구조
• 재고 로트
• 과거 운행 시간
• 기사별 근무 패턴

7-2. 알고리즘

메타데이터 기반 필터링 → Cosine Similarity 기반 최근접 검색 → LLM 판단

7-3. 장점

• 실제 현장 로직에 맞는 판단 제공
• Hallucination 방지
• 국가·고객사 규칙 차이 자동 반영

---

8. GPS 기반 실시간 업데이트

Native App에서 1분 단위 GPS를 수집하여 Core Engine으로 전달합니다. AI는 이 데이터를 기반으로 DO의 ETA를 지속적으로 다시 계산합니다.

• 지연 발생 시 자동 DO 재배차 제안
• 우회 경로 자동 탐지
• 트럭 만차 여부 판단

---

9. 글로벌 확장을 위한 설계

REINDEERS DVRP는 초기 설계부터 다국가 운영을 전제로 개발되었습니다.

• 국가별 타임존 자동 변환
• 전화번호 규격 처리
• 다국어 UI
• 국가별 트럭 규격 대응
• 데이터 스키마의 지역 확장성

---

10. 2026년 2월 이후 로드맵

2026년 2월 중순 — 베타

• 입고 ASN·출고 ASN·DO 전체 흐름 검증
• 트럭 GPS 실환경 테스트
• RAG 기반 의사결정 검증
• 재고 할당 엔진 1차 완성

2026년 3월 — 정식 오픈

• Direct DO 고급 알고리즘 완성
• AI 스케줄 자동 설정
• 풀필먼트 연동
• 포워딩 자동화 기능

---

마무리

REINDEERS DVRP는 단순한 디지털화를 넘어서, AI가 물류를 직접 운영하는 미래의 표준을 목표로 설계되었습니다.

입고에서 출고까지, 그리고 트럭의 실시간 움직임까지. 모든 요소가 하나의 Core Engine에서 움직이며 AI가 업무를 orchestrate하는 구조— 이것이 REINDEERS가 만들고 있는 새로운 산업물류의 모습입니다.

“우리는 물류를 자동화하지 않는다. 물류가 스스로 움직이도록 만든다.”