Blog of Reindeers

REINDEERS CORE ENGINE DEEP DIVE — PART 5 창고(WMS)와 운송(DVRP) 운영에서 가장 변수가 많은 영역은 사람이다. 출퇴근 패턴, 지각·결근, 갑작스러운 물량 폭주, 고객사의 긴급 출고 요청, 운전기사의 장거리 운행 등 사람 기반 요소는 단순 규칙으로 제어하기 어렵다. REINDEERS는 이 문제를 해결하기 위해 AI 기반 Dynamic Workforce Scheduling Engine 을 구축했다. 이 엔진은 작업량 예측부터 인력 배분, 실시간 스케줄 조정까지 물류 현장에서 발생하는 모든 변수를 계산하여 작업자를 최적의 위치에 배치한다. 28. Dynamic Workforce Scheduling: 기본 개념 Workforce 엔진은 다음 두 가지 핵심 목표를 가진다. ① 물류 작업량의 예측(Predictive Workload Calculation) ② 작업자 자동 배치(Automated Workforce Assignment) 즉, “내일 필요한 인력이 몇 명인지?”를 미리 계산하고, “누가 어떤 업무를 맡아야 하는지?”를 시스템이 자동으로 결정한다. 29. Workload Estimation Engine (작업량 예측 엔진) 작업량 예측은 단순 통계가 아니라 실제 DO/ASN/OSN/재고 이동/반품/폐기/실사 데이터 전체를 이용한 예측 모델 이다. 29.1 예측 모델 입력값 지난 30/60/90일간의 출고량 패턴 고객사별 출고 스케줄(정기출고 / 월말 피크) 유통기한 임박 SKU 증가량 (FEFO 기반) 입고 예약량(ASN 기반) 반품 증가 패턴 직원 휴가/결근율 패턴 차량 가용성(DVRP 연동) Zone별 혼잡도(피킹 동선 분석)...

REINDEERS DVRP AI CORE ENGINE 소개 REINDEERS는 2026년 음력 설 이후, 2월 중순을 목표로 DVRP(Dynamic Vehicle Routing Platform) 베타 서비스를 공식 오픈 AI가 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 ENGINE 이라는 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, 증빙...

REINDEERS CORE ENGINE DEEP DIVE — PART 4 이번 Part 4에서는 REINDEERS WMS의 핵심인 AI 재배치 엔진(AI Relocation Engine) 과 Dynamic Warehouse Optimization(동적 창고 최적화) 의 기술 구조를 다룬다. 이 기능은 실제 운영 현장에서 “비용을 줄이고 처리 속도를 높이며, 재고를 항상 최적 위치에 유지”하게 하는 기술적 핵심이다. 20. AI 재배치 엔진(AI Relocation Engine) AI 재배치 엔진은 매일 또는 특정 이벤트 발생 시, 창고 전체 재고의 최적의 위치를 재계산해 재배치를 제안 하는 역할을 한다. 20.1 재배치가 필요한 이유 재고 회전율 변화 출고 트래픽 증가 또는 감소 신규 고객사 입고 증가 유통기한 임박 SKU 증가 Zone 과부하(피킹 동선 비효율) 이러한 변화는 사람보다 AI가 더 빠르게 감지하고 계산할 수 있다. 20.2 AI 재배치 판단 로직 1. SKU별 회전율 계산 2. 현재 Zone/Bin 점유율 분석 3. 피킹 동선 시뮬레이션 4. FEFO / LOTT(로트) / CBM 제약 적용 5. Zone별 트래픽 분산 계산 6. "재배치 필요 점수" 계산 7. 재배치 작업 자동 생성 20.3 재배치 점수 공식(예시) 모든 점수는 실시간 데이터 기반이다. relocation_score = (turnover_weight * turnover_change_pct) + (distance_weight * avg_picking_distance) + (expiry_weight * expiry_risk_factor) + (traffic_weight * zone_traffic_congestion) ...

REINDEERS CORE ENGINE DEEP DIVE — PART 3 이번 Part 3에서는 REINDEERS 플랫폼의 고급 엔진 아키텍처를 다룬다. 실제 운영에서 필요한 AI 예측 엔진, 트럭 디지털 트윈, 고급 캐시 계층, CDC 기반 실시간 데이터 스트림 등 플랫폼의 “지능화·자동화 기반 기술”을 상세하게 설명한다. 14. AI 예측 엔진(Forecasting Engine) — 출고량·재고회전·배송량 예측 물류 데이터가 누적되기 시작하면 가장 먼저 도입되는 기능이 예측이다. REINDEERS의 예측 엔진은 다음 3가지를 핵심 목표로 둔다. 출고량 예측(Outbound Volume Forecast) 재고 회전율 예측(Inventory Turnover Forecast) 배송량·트럭 수요 예측(Delivery Volume Forecast) 14.1 예측에 사용하는 주요 피쳐(Features) 출고/입고(OSN/ASN) 발행량 고객사별 SKU 사용 패턴 요일·월별 계절성(Seasonality) 리드타임(생산 → 픽업 → 입고 → 출고) 도착지 클러스터(지역 단위 볼륨) 차량 가동률 AI가 수행한 배차 결과(성공/실패/대안 배차) 이렇게 수집된 피쳐는 “전통적 ML 모델”과 “대규모 언어모델 기반 Feature Reasoning”을 결합한 하이브리드 방식으로 처리된다. 14.2 하이브리드 예측 프로세스 Raw Data → Feature Extraction → ML Forecast ↘ LLM Reasoner → Confidence 수정 ML Forecast: LightGBM / CatBoost 기반 시계열 예측 ...

REINDEERS CORE ENGINE DEEP DIVE — PART 2 전 편에서는 재고 할당·직배송 경로 설계·AI Action Schema·RAG 구조 등 물류 시스템의 핵심 알고리즘을 설명했다. 이번 Part 2에서는 REINDEERS 플랫폼의 근본을 지탱하는 배차 엔진, ETA 계산, 이벤트 소싱, 모바일 오프라인 엔진, 멀티테넌시 보안 을 기술적 관점에서 심층적으로 다룬다. 7. AI 배차 엔진(Dispatch Engine) — 비용·시간·적재율을 동시에 계산하는 멀티 목표 알고리즘 배차 엔진은 “배송 DO 생성 후” 자동으로 작동한다. 단일 목적 최적화가 아니라, 아래 4개의 목적을 동시에 평가하는 Multi-Objective Optimization 구조를 갖는다. 7.1 평가 지표(Score Model) score = (w1 * distance_score) + (w2 * eta_score) + (w3 * cbm_score) + (w4 * cost_score) distance_score : 기존 경로에 삽입했을 때 증가하는 총 주행거리 eta_score : 도착 예정시간(ETA) 지연 정도 cbm_score : 적재 가능한지, 적재율이 적절한지 cost_score : 연료 + 인건비 + 트럭 가동 비용 가중치 w1~w4는 회사 정책에 따라 동적으로 변경 가능하다. 7.2 경로 삽입 알고리즘(Route Insertion) 배차 엔진의 핵심은 “진행 중인 트럭의 현재 경로”에 새로운 DO를 삽입할 수 있는지 계산하는 것이다. 기존 경로: [A → B → C] 신규 DO: D 후보: 1) A → D → B → C 2) A → B → D → C 3) A → B → C → D 각 삽입 케이스의 ETA/거리...

2025-12-01 이후, 개발팀이 보는 다음 단계 2025년 12월 1일, reindeers.com은 “정식 오픈”이라는 이름으로 서비스를 시작한다. 하지만 개발팀 입장에서 보면, 이 날은 완성의 순간이 아니라 “현장에서 검증을 시작하는 첫날” 에 가깝다. 구조는 준비됐고, 데이터는 흐르기 시작했지만, 실제 사용자의 손을 타기 전까지는 알 수 없는 것들이 너무 많다. 1) 초기 오픈 후, 항상 다시 드러나는 현실적인 문제들 플랫폼을 초기 오픈하면 공통적으로 반복되는 현상이 있다. REINDEERS도 예외는 아니다. 업무 플로우와 화면 흐름의 괴리 기획·설계 단계에서 수십 번 회의를 거친 플로우라고 해도, 실제 고객사/공급사가 사용하는 순간 “이 단계는 너무 길다”, “이 정보는 이 타이밍에는 안 보인다” 같은 피드백이 나온다. 특히 견적 → 주문 → 생산/조달 → 물류 → 인도까지 이어지는 긴 체인은 한 단계만 UX가 어색해도 전체가 불편해진다. 경계 케이스(edge case)의 폭발 내부 테스트에서는 정상 플로우(happy path)를 중심으로 검증한다. 하지만 실제 환경에서는 “중간에 결제 방식을 바꾸고 싶다”, “견적은 두 개 받고 PO는 하나로 묶고 싶다”, “수출은 취소됐지만 내수 전환을 하고 싶다” 같은 복합 케이스가 튀어나온다. 이때는 플로우 설계 자체를 손봐야 하는 경우도 생긴다. 개념어에 대한 이해 차이 내부에서는 당연히 통하는 단어(예: DO, ASN, OSN, 결제국, 고객사/공급사 구분 등)가 실제 사용자에게는 처음 듣는 용어일 수 있다. 용어 하나 때문에 입력을 멈추거나, 잘못된 메뉴로 들어가는 일이 반복되면 결국 “시스...

REINDEERS CORE ENGINE DEEP DIVE — 재고할당·직배송·AI 지시엔진·RAG 인덱싱까지 REINDEERS 플랫폼의 핵심은 단순한 화면이나 기능의 집합이 아니라, “입고 → 재고 → 출고 → 배차 → 배송 → 정산” 전체를 하나의 상태머신 위에서 자동으로 운용하는 Core Logistics Engine 이다. 이 문서는 그 중에서도 가장 중요한 4개의 심층 기술 요소, 즉 재고 할당 알고리즘 · 직배송(Direct DO) 고급 라우팅 · AI Orchestrator Action Schema · RAG 벡터 인덱싱 전략 을 개발자 기준으로 상세히 기록한 기술 문서이다. 1. 재고 할당 엔진의 알고리즘 상세 출고 ASN(OSN)이 승인되면, 시스템은 자동으로 재고를 분석하여 창고별 DO를 생성한다. 이 과정은 다음 4개의 핵심 알고리즘을 기반으로 한다. 1.1 FEFO(유통기한 우선) 알고리즘 재고 할당의 최우선 규칙은 FEFO이다. 1. SKU별로 모든 로트 수집 2. 유통기한 오름차순으로 정렬 3. 출고 요청 수량을 상위 로트부터 채움 4. 유통기한 임박 로트는 경고 플래그 기록 FEFO 적용 예시 출고 요청: 120개 재고: LOT-A(2025-03-01): 50개 LOT-B(2025-04-01): 70개 LOT-C(2025-06-01): 100개 → A 50 + B 70 = 120 (C는 미사용) 1.2 거리 우선 알고리즘 (Warehouse Distance Ordering) 출고지(창고)와 고객 배송지 간의 거리 차이는 DO 생성에서 중요한 요소다. 거리 계산은 Haversine Formula 를 기반으로 한다. // Haversine Distance d = 2r * arcsin( sqrt( sin²((lat2-lat1...

AI-Driven DVRP & WMS Integrated Logistics Platform A next-generation SaaS logistics system for 3PL automation and intelligent optimization Project Overview REINDEERS will officially open its global platform in December 2025 . After the initial launch and stabilization phase, development of the new DVRP + WMS integrated logistics platform will begin, with a planned two-month development window from January to February 2026 . The project unifies WMS (Warehouse Management System) and DVRP (Dynamic Vehicle Routing & Planning) into a single AI-centric environment. It enables 3PL companies to manage inbound, storage, dispatching, and delivery through real-time AI decision-making. All features operate under a multi-tenant SaaS architecture where each logistics company is isolated as an independent tenant. Development Scope This project is part of the R...

AI 기반 DVRP·WMS 통합 물류 플랫폼 3PL 자동화와 지능형 최적화를 위한 차세대 SaaS 물류 시스템 프로젝트 개요 REINDEERS 는 2025년 12월 글로벌 플랫폼을 공식 오픈합니다. 초기 안정화 단계를 거친 후, 새로운 DVRP + WMS 통합 물류 플랫폼 의 본격 개발이 시작되며 개발 기간은 2026년 1월부터 2월까지 약 2개월 로 계획되어 있습니다. 본 프로젝트는 WMS(창고관리시스템) 과 DVRP(동적 차량 경로 계획 시스템) 을 하나의 AI 중심 환경으로 통합합니다. 3PL 물류 기업이 입출고, 보관, 배차, 운송 전 과정을 실시간 AI 의사결정으로 관리할 수 있도록 설계되었습니다. 모든 기능은 멀티테넌트 SaaS 구조 에서 동작하며, 각 물류사는 독립된 테넌트로 운영됩니다. 개발 범위 본 프로젝트는 REINDEERS 플랫폼의 SaaS 기반 3PL 물류 시스템으로, AI 기반 DVRP와 WMS 기능을 중심으로 다음의 네 가지 애플리케이션으로 개발됩니다. ① 시스템 관리자 포털 — SaaS 전체를 관리하는 글로벌 관리자용 웹 애플리케이션. 회사(물류사) 생성, 요금제 관리, 시스템 상태 모니터링, 통계 리포트를 포함합니다. ② SaaS 사용 회사용 웹 시스템 — 물류·창고 회사가 직접 사용하는 웹 애플리케이션. 직원, 트럭, 창고, 고객사, 배차, 입출고, 정산 등 핵심 운영 기능을 제공합니다. ③ SaaS 사용 회사의 고객사용 웹 포털 — 물류사와 계약한 3PL 고객 전용 웹 애플리케이션. 입출고 요청, 재고 조회, 유통기한 알림, 비용 및 정산 관리 기능을 포함합니다. ...

Reindeers Delivery - Carrier Mobile App React Native (Expo) 기반 배송 관리 및 추적 모바일 애플리케이션 📋 목차 프로젝트 개요 주요 기능 기술 스택 프로젝트 구조 설치 및 실행 개발 환경 API 연동 알려진 이슈 및 해결방법 디자인 시스템 향후 작업 프로젝트 개요 Reindeers Delivery 는 배송 기사(Carrier)가 배송 관리 및 실시간 위치 추적을 할 수 있는 모바일 애플리케이션입니다. 개발 기간 개발 시작일 : 2025-10-25 개발 종료일 : 2025-10-27 핵심 목표 ✅ 예외 처리 없는 단일 코드베이스 (웹/모바일/에뮬레이터 구분 없음) ✅ 실시간 위치 추적 (5-10분 간격) ✅ 백그라운드에서도 작동 (앱 최소화 시) ✅ 수동 새로고침 방식 (서버 과부하 방지) 앱 정보 앱 이름 : Delivery Bundle ID : com.reindeers.delivery Expo SDK : 54.0.20 React Native : 0.81.5 주요 기능 🚚 배송 관리 3단계 워크플로우 : Pending : 배송 대기 중 Delivery : 배송사 인계 (Vendor에서 픽업 완료) Handover : 최종 인도 (Buyer에게 배송 완료) 탭 기반 배송 목록 (각 상태별 카운트 표시) 상세 배송 정보 (픽업/배송 주소, 화물 정보) Pull-to-refresh 수동 새로고침 📦 화물 추적 상세 상품 정보 (상품명, SKU 코드, 수량, 무게) 주문당 다중 아이템 지원 총 중량 및 수량 요약 📍 위치 및 내비게이션 실시간 GPS 추적 (5분 간격) 백그라운드 위치 추적 (앱 최소화 시에도 작동) Google Maps, Kakao Navi, T map 연동 픽업/배송 위치 마커 표시 API 서버로 위치 전송 ( /logistics/carrier-employee-gps ) ✍️...

주문 로직의 8번째 재개발: 내부 아키텍처의 표준화와 로직 충돌 해소 요약: 본 기록은 REINDEERS 플랫폼의 주문 시스템이 8번째 리빌드를 거쳐 기존 내부용 주문·운송 아키텍처를 공식 서비스 환경으로 이식하는 과정에서, 세부 로직 충돌과 중복 처리를 해소하고 구조를 정제한 기술적 내용을 다룬다. 이번 재개발은 새로운 기능 추가가 아닌, 이미 존재하던 구조를 외부 서비스 수준으로 재정렬하고 안정화한 프로젝트였다. 1. 배경 — 이미 존재하던 주문 구조 REINDEERS의 주문 구조는 처음부터 복합적이었다. 견적형 주문과 바로구매형 주문이 병존하며, 포워딩과 운송 일정을 포함하는 다단계 프로세스가 이미 내부 MCP 환경에서 운용되고 있었다. 다만, 이 로직은 외부로 공개되지 않았고, 실제 서비스보다는 내부 자동화·테스트 환경에 최적화되어 있었다. 8번째 리빌드는 새로운 시스템을 만든 것이 아니라, 내부적으로 작동하던 고도화된 주문 엔진을 외부 고객사가 사용하는 서비스 레벨로 정식 통합하고 검증하기 위한 작업이었다. 2. 문제 인식 — 로직 충돌과 중복 이벤트 내부 MCP 버전의 주문 시스템은 기능적으로 완성되어 있었지만, 확장성 측면에서는 한계를 드러냈다. 여러 Cloud Function과 MQ Exchange가 동시에 동일 이벤트를 수신하면서, 이벤트 중복 처리, 상태 불일치, TTL 만료 전 복구 불가 등의 문제가 반복되었다. # 과거 문제 사례 (중복 처리) [EVENT] payment.confirmed received (Q1) [EVENT] payment.confirmed received (Q4) → PO double...