3,000+
하루 처리 가능 배송지
OaaSIS TMS
Technology Brief · Routing Engine
물류 라우팅을 다시 설계하는
생성형 AI 최적화 엔진
OaaSIS TMS는 생성형 AI 기반의 멀티 솔버 라우팅 엔진으로, 더 큰 배송 최적화 문제를 더 빠르고 더 정확하게 해결합니다. 본 문서는 도입을 검토하는 기업을 위한 핵심 기술과 차별점을 정리한 소개 자료입니다.
01 · Overview
한눈에 보는 OaaSIS TMS Executive Summary
OaaSIS TMS는 주문·기사·물류센터 관리부터 AI 라우팅 최적화, 시나리오 비교·선택, 모바일 앱 현장 운영, 실시간 모니터링과 리포팅까지를 하나로 묶은 운송 관리 플랫폼입니다.
핵심에는 자체 개발한 생성형 AI 라우팅 엔진이 있으며, 문제 유형을 자동으로 분류해 강화학습·메타휴리스틱·수리 최적화를 적절히 조합한 최적의 방식으로 해결합니다.
40여 종의 현실 제약조건(플러그인으로 무한 확장 가능)과 아이나비·카카오·구글·네이버 등 지도 서비스 연동을 통한 실거리·실트래픽 데이터를 반영해, 실제 운영에 바로 투입 가능한 경로를 산출합니다.
40+
기본 제약조건 유형
(플러그인으로 무한 확장)
(플러그인으로 무한 확장)
3
문제 특화 솔버 앙상블
조정 가능
해 도출 시간
(오래 둘수록 더 좋은 해)
(오래 둘수록 더 좋은 해)
02 · Core Technology
생성형 AI 기반 라우팅 엔진 AI Foundation Model
생성형 AI로 주어진 문제에 대한 다양한 초기 해를 생성한 뒤, 대상 문제에 특화된 AI 기반 개선 탐색(Improvement Search)으로 해의 성능을 극대화합니다. 운영 과정에서 축적된 경험은 Experience Buffer에 쌓이고, 강화학습 기반 Fine-tuning을 통해 엔진은 고객사의 작업 특성과 선호에 맞게 지속적으로 진화합니다.
Representation
문제 표현
배송지·차량·제약을 엔진이 다룰 수 있는 잠재 표현으로 인코딩하며, 문제별 컨텍스트를 함께 반영합니다.
Generation
초기해 생성
생성형 AI가 서로 다른 다양한 초기 해를 동시에 만들어 탐색의 출발점을 넓힙니다.
Improvement Search
개선 탐색
문제 특화 로컬 서치로 각 해를 병렬 정련하여 품질을 극대화합니다.
Fine-Tuning (RL)
강화학습 재학습
Experience Buffer에 축적된 결과로 엔진을 재학습해 고객 맞춤형 솔버를 구축합니다.
03 · Hybrid Optimization
여러 최적화 기법의 하이브리드 조합 Auto Problem Classification
엔진은 입력된 문제의 규모와 제약 특성을 자동으로 분류하여, 강화학습·메타휴리스틱·수리 최적화를 적절히 조합한 최적의 방식으로 해결합니다. 사용자가 별도로 튜닝할 필요 없이, 문제마다 가장 적합한 기법이 동작합니다.
생성 · Generative AI
강화학습
Reinforcement Learning. 다양한 초기 해를 생성하고, 데이터·피드백으로 엔진을 지속 재학습합니다.
- 다양한 초기 해 동시 생성
- 경험 기반 정책 학습
- 고객 맞춤형 Fine-tuning
탐색 · Search
메타휴리스틱
Metaheuristics. 대규모 근린 탐색과 군집 기반 개선으로 복합 제약 문제의 해 품질을 극대화합니다.
- 복합 제약·대규모 문제 대응
- 총비용·부하 균형 동시 최적화
- 제한 시간 내 안정적 수렴
정밀 · Exact
수리 최적화
Mathematical Solver. 단일 차량·소규모 문제에서 수리 기반 기법으로 고품질 정밀 해를 산출합니다.
- 방문 순서 정밀 최적화
- 고품질 해 보장
- 분할 정복과 결합해 대규모 확장
04 · Problem Coverage
라우팅 문제의 전 스펙트럼 Supported Problem Types
단일 차량부터 다중 물류센터·다회전 스케줄링까지, 하나의 엔진으로 처리합니다.
| 문제 유형 | 특성 | 적용 기법 | 목적함수 |
|---|---|---|---|
| TSP | 단일 차량, 시간창 없음 | AI 하이브리드 최적화 | 거리 · 시간 최소 |
| CVRP | 다중 차량, 용량 제약 | AI 하이브리드 최적화 | 비용 최소 · 부하 균형 |
| VRPTW | CVRP + 방문 시간창 | AI 하이브리드 최적화 | 비용 최소 · 부하 균형 |
| PDPTW | 픽업–배송 쌍 + 시간창 | AI 하이브리드 최적화 | 비용 최소 · 부하 균형 |
| Rich VRP | 복합 현실 제약 | AI 하이브리드 최적화 | 맞춤 목적함수 |
| 멀티데포 · 멀티라운드 | 다중 물류센터, 다회전 스케줄 | AI 하이브리드 + 문제 분해 | 맞춤 목적함수 |
| 3,000+ 배송지 | 대규모 동질 수요 | AI 하이브리드 + 분할 정복 | 대규모 확장 |
※ 적용 기법은 문제의 규모·제약 특성에 따라 엔진이 자동으로 조합·선택합니다. 사용자는 별도로 기법을 지정할 필요가 없습니다.
05 · Constraints
현실 제약을 그대로 반영, 무한히 확장 40+ Built-in & Plugin Extensible
시간창·용량·권역·기사 선호 등 실제 현장의 제약을 하드/소프트로 자유롭게 구성합니다. 실현 불가 시에는 페널티 기반 미할당으로 우아하게 강등(graceful degradation)하여 항상 운영 가능한 해를 보장합니다.
목적함수는 정해진 형태에 갇히지 않습니다. 거리·시간·비용·대기시간·부하 균형 등 여러 조건을 선형(Linear) 또는 비선형(Nonlinear) 가중합 형태로 자유롭게 결합해, 총비용 최소화부터 차량 간 균형, 고객사 고유의 KPI까지 비즈니스 목표를 그대로 수식으로 표현할 수 있습니다.
⏱ 방문·차량 시간창
📦 용량 (부피·중량·다차원)
🛣 최대 이동거리·근무시간
📍 권역(GeoJSON) 선호
🚫 금지 시간대
📌 사전 지정·고정 순서
⭐ 배송 우선순위
👤 기사별 거리·시간·권역
🤝 고정 계약 인센티브
⛽ 연료비 모델링
🔁 라운드별 시간창
🏘 인접 배송 그룹화
40여 종은 시작에 불과합니다. 라우팅 엔진은 플러그인 형태의 제약·목적함수 모듈 구조로 설계되어, 표준 제약으로 담기 어려운 고객사 고유의 운영 규칙(특수 차량·품목 조합 금지, 적재 순서, 권역별 운임 정책, 휴게 규정 등)도 요구사항에 맞춰 얼마든지 추가할 수 있습니다. 새로운 제약은 엔진 재작성 없이 모듈로 결합되어 기존 최적화 파이프라인 위에서 그대로 동작합니다.
06 · Real-World Data
데이터로 높이는 배송 만족도 Data-Driven Optimization
🗺
다양한 지도 서비스 연동
OSRM은 물론 아이나비·카카오·구글·네이버 맵 등 외부 지도 서비스와 연동하여, 실거리·실시간 트래픽 기반의 정확한 이동거리·소요시간을 계산합니다.
🚦
실거리·실트래픽 기반 ETA
연동된 지도의 실시간 교통 데이터를 경로에 반영해 정확한 도착 시간을 예측하고 변동에 대응합니다.
⏲
서비스 타임 측정·반영
배송에 소요되는 실제 서비스 시간을 측정해 최적화에 반영합니다.
🔄
진행 중 경로 부분 재최적화
완료된 정차지를 흩트리지 않고 진행 중 경로만 실시간으로 다시 최적화합니다.
07 · Product Workflow
간단한 4단계로 끝나는 AI 배차 How It Works
복잡한 최적화 엔진을 직관적인 4단계 워크플로로 감쌌습니다. 주문·기사·목표만 지정하면 설정한 시간 안에 최적 경로가 생성됩니다.
STEP 1
주문 선택
직접 업로드하거나 외부 시스템에서 주문을 받아 오늘 수행할 배송을 선택합니다.
STEP 2
기사 선택
기사·차량 정보와 선호 권역을 등록하고 작업을 수행할 기사를 선택합니다.
STEP 3
최적화 구성
목표(거리·완료시간·대기시간 가중치)와 제약, 도출 시간을 설정해 실행합니다.
STEP 4
분석·수정
스케줄표·지도로 결과를 확인하고 수정·저장하며 리포트를 자동 생성합니다.
08 · Web Platform
여러 시나리오를 만들고, 지도에서 비교해 선택 Scenario Comparison
하나의 정답을 강요하지 않습니다. 목표(거리·완료시간·대기시간)와 제약 조합을 달리해 여러 최적화 후보를 만들고, 지도 위에서 경로와 지표를 나란히 비교한 뒤 운영에 가장 적합한 결과를 직접 선택합니다.
🧪
다중 시나리오 최적화
목표·제약 조합을 달리해 여러 후보 결과를 동시에 생성합니다.
🗺
지도 위 시각적 비교
각 후보의 경로·기사 배정·지표를 지도에 시각화해 눈으로 직접 비교합니다.
✅
결과 선택·확정
비교 후 가장 알맞은 시나리오를 골라 운영에 확정합니다.
🖐
드래그앤드롭 수동 조정
배송 순서와 담당 기사를 드래그앤드롭으로 직접 변경합니다. (웹·앱 공통)
09 · Agentic Optimization
채팅으로 묻고, MCP 서버로 연결하는 최적화 Chat · MCP Server
OaaSIS 라우팅 엔진은 전통적인 API 호출뿐 아니라, 생성형 AI 기반 채팅 인터페이스와 MCP 서버 형태로도 사용할 수 있습니다. 운영자는 자연어로 차량 경로 문제(VRP), 배송 순서, 제약 조건, API 사용 방법을 질문할 수 있고, 개발자는 AI 에이전트나 사내 도구에서 MCP 서버를 통해 최적화 기능을 직접 호출할 수 있습니다.
생성형 AI 채팅 최적화
TOAST 어시스턴트와 대화하듯 경로 최적화 문제를 설명하고, 필요한 입력 형식과 해석 방법을 안내받을 수 있습니다.
- 차량 경로 문제(VRP)와 배송지 매칭 상담
- 최단거리·최소시간·복합 제약 기반 경로 계산 안내
- 운송·물류 최적화 개념과 결과 해석 지원
MCP 서버로 확장
라우팅 엔진을 MCP 서버로 연결하면, AI 개발 도구와 업무용 에이전트가 OaaSIS 최적화 기능을 외부 도구처럼 호출할 수 있습니다.
- AI 에이전트의 라우팅 최적화 도구로 활용
- 사내 운영 시스템과 자연어 기반 워크플로 연결
- API와 MCP를 함께 사용하는 하이브리드 연동
사용하려면 routing.oaasis.cc에 가입하세요.
가입 후 계정과 API 키를 발급받으면 Routing Engine API를 사용할 수 있으며, 필요에 따라 채팅 기반 최적화와 MCP 서버 연동 방식으로도 확장할 수 있습니다.
10 · Mobile App
현장과 실시간으로 연결되는 모바일 앱 Dispatch · Plan Mode
최적화 결과는 모바일 앱으로 곧장 이어집니다. 앱은 운영 형태에 따라 배정모드와 플랜모드로 나뉘며, AI 어시스턴트가 현장 작업을 돕습니다.
기업 운영 · Dispatch
배정모드
관리자가 웹에서 확정한 최적화 결과를 기사 앱이 그대로 받아, 정해진 순서대로 배송을 수행합니다. 현장 진행 상황은 실시간으로 반영됩니다.
개인 기사 · Plan
플랜모드
개인 기사가 스스로 주문을 입력하고 경로를 계획·운영합니다. AI 어시스턴트와 채팅·음성으로 대화하며 손을 거의 쓰지 않고 작업할 수 있습니다.
🎙
AI 채팅·음성 어시스턴트
말로 대화하며 작업합니다. 예) 배송 완료 버튼을 손으로 누르지 않고 음성으로 “배송 완료” 처리.
📸
사진 한 장으로 주문 입력
엑셀로 적힌 주문 리스트를 사진으로 찍으면 OCR 분석과 지오코딩을 통해 한 번에 앱에 입력됩니다.
📍
GPS 위치 기록
기사 위치를 GPS로 추적해 현장 진행 상황을 실시간으로 전달합니다.
🧾
현장 증빙·상태 입력
배송 사진 촬영, 성공/실패 등 상태를 현장에서 즉시 기록합니다.
11 · Monitoring & Reporting
실시간 모니터링과 효율성 리포트 Live Dashboard
앱에서 올라오는 위치·증빙·상태 데이터를 관리자가 즉시 모니터링하고, 핵심 지표를 대시보드와 리포트로 확인합니다.
🛰
실시간 관제 모니터링
GPS 기반 기사 위치, 배송 사진, 성공/실패 입력을 즉시 확인합니다.
📊
운영 대시보드
진행률·완료율 등 핵심 지표를 대시보드로 한눈에 파악합니다.
| 지표 | 집계 단위 | 활용 |
|---|---|---|
| 총 이동거리 | 기사 · 물류센터 | 거리 기반 비용 산정 및 경로 효율 비교 |
| 작업 완료 시간 | 기사 · 주문(도착·출발) | 배송 타임라인 시각화 및 시간창 준수 점검 |
| CO₂ 배출량 | 기사 · 물류센터 | 탄소 배출 모니터링 및 친환경 운영 보고 |
| 적재 중량 | 기사 | 용량 활용도 및 부하 균형 분석 |
12 · Business Models
B2B2B · B2B2C · B2C, 셋 다 커버합니다 Who It's For
오믈렛 TMS는 세 가지 비즈니스 모델을 모두 지원합니다. 최적화 관점에서 B2B2B와 B2B2C는 본질적으로 크게 다르지 않으며, 주문이 많고 배송 위치가 그때그때 변하는 환경일수록 저희의 강점이 두드러집니다.
기업 → 기업
B2B2B
운송사·3PL·물류 플랫폼이 도입해 화주사·협력 운송사·물류센터에 서비스를 제공합니다.
- 예) 계약 약국 배송(태전약품형)
- 주로 고정노선 중심
- 제약조건은 까다롭되 물량은 적은 편
- API 엔진 공급 · 멀티센터 운영
기업 → 소비자
B2B2C
이커머스·라스트마일·새벽/당일배송사가 도입하고, 그 결과가 소비자의 배송 경험으로 이어집니다.
- 주로 변동노선·권역 기반
- 정확한 ETA · 도착 알림 · 배송 증빙
- 최적화 요소가 많아 개발도 더 수월
- 새벽배송·퀵커머스·음식배달에 강점
개인 기사 직접
B2C
관리자 조직 없이 1인 기사가 직접 사용합니다. ‘내비게이션 + α’로 쓰기 좋은 형태입니다.
- 플랜모드 — 본인 물량 자가 최적화
- AI 음성으로 ‘배송 완료’ 처리
- 사진 → OCR·지오코딩 주문 입력
- 실거리·실트래픽 경로 + 수동 조정
주문이 많고 위치가 랜덤하게 발생하는 환경일수록 최적화의 여지가 큽니다. 고정된 위치로의 정기 배송보다, 새벽배송·퀵커머스·음식배달처럼 매일·매시간 주문이 새로 쏟아지는 변동 환경에서 최적화의 가치가 가장 커지며, 바로 그 지점이 저희의 특기입니다. 고정 물량 역시 당연히 지원하지만, 매일 새로 최적화할 수 있는 변동 물량에서 차별성이 가장 분명하게 드러납니다.
저희의 최대 강점은 알고리즘 성능 자체가 최고 수준일 뿐 아니라, 산업공학과 출신의 최적화 전문 컨설턴트가 다수 포진해 알고리즘 개발부터 컨설팅·현장 적용까지 한 팀에서 모두 책임진다는 점입니다. 그래서 B2B/B2C, 고정/변동 물량, 화물 정보망(탕바리)형 확장 등 고객의 요구가 무엇이든 “안 될 이유가 없습니다.”
Next Step
도입 검토를 시작하시겠습니까?
무료 시험 사용 또는 데모 미팅을 통해, AI 기반 라우팅 최적화가 귀사의 배송 운영에 가져올 변화를 직접 확인해 보세요. 운영 데이터를 활용한 맞춤형 솔버 구축도 함께 논의할 수 있습니다.
본 문서는 OaaSIS TMS 라우팅 엔진 소개용 자료입니다. 성능 수치(처리 가능 배송지 수, 해 도출 시간, 지원 제약조건 수 등)는 내부 엔진 구성 기준이며, 실제 성능은 문제 규모와 제약 조건에 따라 달라질 수 있습니다. © Omelet · OaaSIS.