Blog

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. 3PL 창고 운영에서 가장 큰 비효율은 재고가 입고 시점의 위치에 고정되어 있다는 점이다. 입고 당시에는 적절했던 위치도 출고 패턴이 바뀌면 비효율적인 동선을 만든다. 한 달 전 회전율이 낮아서 후방 Zone에 배치한 SKU가 갑자기 출고량이 3배로 늘면, 피킹 작업자는 매번 창고 끝까지 걸어가야 한다. 이런 문제를 사람이 매일 점검하는 것은 사실상 불가능하다. REINDEERS WMS는 이 판단을 AI에게 위임한다. 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. 이 엔진은 단독으로 작동하지 않고, 재고 데이터, 출고 이력, Zone별 트래픽 로그, 고객사 계약 조건 등 여러 데이터 소스를 결합하여 판단한다. 20.1 재배치가 필요한 이유 재고 회전율 변화 — 시즌 전환기에 특정 SKU의 출고량이 급변 출고 트래픽 증가 또는 감소 — 프로모션 기간 전후의 볼륨 차이 신규 고객사 입고 증가 — 기존 Zone 배치로는 공간 부족 유통기한 임박 SKU 증가 — FEFO 정책에 따라 접근성 높은 위치로 이동 필요 Zone 과부하(피킹 동선 비효율) — 특정 구역에 작업자가 집중되어 병목 발생 이러한 변화는 사람보다 AI가 더 빠르게 감지하고 계산할...

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 및 자동화 기반 기술"을 상세하게 설명한다. Part 1에서 재고 할당과 직배송 경로 설계를, Part 2에서 배차 엔진과 이벤트 소싱을 다루었다. 여기까지가 "실행 레이어"였다면, Part 3은 실행을 뒷받침하는 "지능 레이어"에 해당한다. 데이터가 쌓이면서 시스템이 점점 더 정확한 판단을 내릴 수 있도록 하는 기술들이다. 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) — 향후 7일/14일/30일 단위 재고 회전율 예측(Inventory Turnover Forecast) — SKU별 적정 재고 수준 산출 배송량/트럭 수요 예측(Delivery Volume Forecast) — 일별 필요 차량 대수 추정 예측 엔진은 단순히 "내일 출고가 얼마나 될까"를 넘어서, 실질적인 운영 결정에 연결된다. 출고량 예측이 정확하면 작업자 배치를 사전에 조정할 수 있고, 트럭 수요 예측이 정확하면 외주 차량 사전 확보나 불필요한 대기 비용을 줄일 수 있다. REINDEERS의 25,000건 이상의 실거래 데이터는 이 예측 모델의 학습 데이터로 활용된다. 14.1 예측에 사용하는 주요 피쳐(Features) 출고/입고(OSN/ASN) 발행량 — 일별/주...

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. Part 1이 "무엇을 처리하는가"에 대한 설명이었다면, Part 2는 "어떻게 안정적으로 처리하는가"에 대한 설명이다. 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. 일반적인 배차 시스템이 "가장 가까운 차량"만 선택하는 것과 달리, REINDEERS의 배차 엔진은 거리, 도착 시간, 적재 효율, 비용을 동시에 고려하여 전체 최적해를 찾는다. 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. 값이 클수록 패널티가 커진다. eta_score : 도착 예정시간(ETA) 지연 정도. 기존 DO들의 ETA에 미치는 영향도 포함. cbm_score : 적재 가능한지, 적재율이 적절한지. 트럭의 잔여 CBM과 화물 CBM을 비교. cost_score : 연료 + 인건비 + 트럭 가동 비용. 외주 차량 사용 시 추...

REINDEERS 공식 오픈 - 2025년 12월 1일 동남아 산업무역, 3PL, AI 자동화 플랫폼의 새로운 시작 오늘, REINDEERS는 4년간의 준비를 마치고 드디어 공식 오픈을 맞이했습니다. 이 플랫폼은 단순한 쇼핑몰이나 물류 솔루션이 아닙니다. "무역의 시작부터 공장 생산, 인증, 운송, 창고, 배송, 정산까지" 동남아 제조 및 유통 산업 전반을 하나의 기술로 연결하는 통합 구조를 갖춘 플랫폼 입니다. 4년이라는 시간의 무게 4년이라는 시간을 숫자로 표현하면 이렇습니다. 4번의 팀 재구성 수십 차례의 구조 변경 8번에 걸친 주문 엔진 재개발 한국, 태국, 중국 개발팀의 공동 설계 AI RAG, MQ, MCP 등 최신 기술의 직접 구현 하지만 숫자가 담지 못하는 것이 있습니다. 외주 개발이 실패했을 때의 절망, 내부 팀이 무역 프로세스를 이해하지 못해 코드를 버려야 했던 좌절, 2025년 4월 기술 감사에서 "전체 코드베이스가 요구사항의 5%만 구현되어 있다"는 결론이 나왔을 때의 막막함. 그때마다 선택지는 두 가지였습니다. 타협하거나, 처음부터 다시 하거나. 우리는 매번 후자를 택했습니다. 돌이켜보면 그것이 오늘의 오픈을 가능하게 한 유일한 결정이었습니다. 주문 엔진을 8번 다시 만들었다는 말은 단순한 리팩토링이 아닙니다. 산업재 무역의 주문 구조는 일반 이커머스와 근본적으로 다릅니다. 견적 요청, 견적 발행, 수정 협상, PO 확정, 생산 의뢰, 납품, 검수, 인보이스, 정산이 하나의 체인으로 연결되어야 하며, 각 단계마다 4개국의 통화, 세율, 인증 요건이 개입합니다. 이 복잡성을 처음부터 완벽하게 설계할 수 있는 팀은 없었습니다. 결국 실패할 때마다 무역 프로세스에 대한 이해가 깊어졌고, 8번째 설계에서야 Event + State + Log 데이터 모델이라는 근본적인 해답에 도달했습니다. Day 1에 작동하는 것들 오픈일에 파트너가 로그인하면, 다음이 작...

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. 2015년 IMARKET Thailand 설립 이후 10년간 축적한 B2B 운영 경험이 플랫폼 설계에 반영되어 있지만, 디지털 전환 이후의 사용자 행동은 오프라인과 다를 수밖에 없다. 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. 바이어 2,500개 이상, 공급사 1,800개 이상이 서로 다른 업무 패턴을 가지고 있기 때문에, "표준 플로우"라는 것 자체가 모든 사용자에게 맞지 않는다. 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 취소됐지...

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. 4,300개 이상의 파트너사가 사용하는 플랫폼에서 이 네 가지 기술 요소가 어떻게 실제 물류 운영을 자동화하는지 설명한다. 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. 25,000건 이상의 실거래 데이터에서 추출한 출고 패턴이 알고리즘의 가중치 조정에 사용되며, 고객사별로 다른 우선순위 정책이 자동 반영된다. 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 단순해 보이지만 실제 구현에서는 복잡한 예외가 많다. 유통기한이 배송 예상 도착일보다 앞서는 로트는 할당 대상에서 자동 제외된다. 또한 고객사가 "잔여 유통기한 30일 미만 제품 수령 불가"같은 조건을 계약에 명시한 경우, 이 조건이 FEFO보다 우선 적용된다. FEFO 적용 예시 출고 요청: 120개 재고: LOT-A(2025-03-01): 50개 LOT-B(2025-04-01): 70개...

요약: 산업은 점차 제품 중심에서 데이터 중심으로 변화하고 있다. REINDEERS는 제조, 물류, 인증, 정산 데이터를 하나의 네트워크로 통합해 국가와 산업의 경계를 넘어선 새로운 경제 생태계를 만들어가고자 한다. 이번 글은 REINDEERS가 지향하는 산업경제의 방향을 소개한다. AI Agent 진화 4단계 로드맵 (2026–2030) 2026 Tool 자동화 20% 단순 반복 자동화 Agent 2~3개 2027 Assistant 자동화 50% 멀티스텝 실행 Agent 5~6개 2028–2029 Agent Team 자동화 80% Agent 간 자율 협업 Agent 8~12개 2030 Autonomous 자동화 95% 법인 자율 운영 Agent 15~20개 사람: 실행자 → 전략가  |  AI Agent: 도구 → 동료 → 팀 → 운영자 1. 산업의 경계가 흐려지는 시대 과거의 산업은 구분되어 있었다. 제조는 생산, 물류는 이동, 유통은 판매였다. 하지만 점점 더 많은 과정이 데이터로 연결되고 있으며, 그 데이터가 새로운 가치를 만들고 있다. REINDEERS는 그 흐름 속에서 "데이터가 움직이는 무역경제" 를 만들어가고 있다. 제품이 이동하기 전에 데이터가 먼저 이동하는 구조, 그것이 우리가 추구하는 방향이다. 2. 우리가 이미 가지고 있는 것 비전을 이야기하기 전에, 현재 우리가 가진 것을 먼저 정리하겠다. 비전은 근거 없는 선언이 아니라, 지금 가진 자산에서 출발해야 한다. 25,000건 이상의 거래 데이터가 있다. 11년간 동남아 산업재 무역을 직접 운영하며 쌓은 데이터다. 태국, 한국, 중국, 말레이시아 4개국에서 발생한 실제 거래 기록이며, 품목별 가격 변동, 시즌별 수요 패턴, 국가간 물류 경로와 소요 시간, 포워더별 가격 경쟁력 데이터를 포함한다. 4,300개 이상의 파트너가 등록되어 있다. 바이어 2,500개 이상...