포장 및 로봇 AI와 지속 가능성이 Amazon에서 클릭부터 배송까지의 여정, 로봇이 어떻게 변화시키고 있는가

 

고객이 "구매"를 클릭한 순간부터 집에 도착하는 순간까지 패키지의 여정은 전자상거래 세계에서 가장 복잡하고 세심하게 조정된 프로세스 중 하나입니다. Amazon에서 이 여정은 속도와 효율성뿐만 아니라 지속 가능성을 위해 끊임없이 최적화되고 있습니다. 이 최적화는 인공 지능(AI), 머신 러닝(ML), 로봇 공학과 같은 최첨단 기술을 통합하여 Amazon이 불필요한 포장을 최소화하는 동시에 운영을 간소화할 수 있도록 합니다.

 

 

물류 및 포장 분야에서 AI와 ML을 사용하는 것은 Amazon의 광대한 글로벌 네트워크에서 패키지가 처리되는 방식을 혁신하는 데 점점 더 중요한 역할을 하고 있습니다. Amazon에서 조작 로봇 프로그램을 이끄는 Clay Flannigan과 Sustainable Packaging 팀의 기술 제품 소유자인 Callahan Jacobs와의 두 인터뷰에서 Amazon이 AI, ML 및 자동화를 사용하여 물류 분야에서 가능한 것의 경계를 넓히는 동시에 지속 가능성 중심 포장 분야에서도 상당한 진전을 이루는 방법에 대한 통찰력을 얻었습니다.

 

로봇공학에서 AI와 머신러닝의 힘

Amazon의 혁신의 초석 중 하나는 AI와 ML을 로봇 시스템에 통합하는 것입니다. Amazon Robotics의 Fulfillment Technologies Robotics(FTR) 팀에서 Flannigan의 역할은 조작 로봇, 즉 amazon.com에서 고객이 주문한 개별 품목을 처리하는 기계에 집중되어 있습니다. 이러한 로봇은 인간 직원과 협력하여 매일 수백만 개의 제품을 선택하고 분류하고 포장하는 일을 담당합니다. Amazon의 재고에 있는 품목의 다양성을 감안하면 엄청나게 복잡한 작업입니다.

플래니건은 "Amazon은 방대한 데이터 덕분에 AI와 ML을 선도할 수 있는 독특한 위치에 있습니다."라고 설명했습니다. "우리는 이 데이터를 사용하여 로봇이 매우 다양한 범위의 제품을 선택하고 포장하는 것과 같은 매우 복잡한 작업을 수행할 수 있는 모델을 훈련합니다. 이러한 시스템은 Amazon이 AI의 심층적 통합 없이는 이 규모에서는 불가능했을 물류 문제를 해결하는 데 도움이 됩니다."

 

Amazon 로봇 시스템의 핵심은 머신 러닝으로, 이를 통해 기계는 주변 환경에서 "학습"하고 시간이 지남에 따라 성능을 개선할 수 있습니다. 예를 들어, AI 기반 컴퓨터 비전 시스템을 통해 로봇은 취급하는 제품을 "볼" 수 있어 깨지기 쉬운 품목과 더 튼튼한 품목을 구분하거나 크기와 모양이 다른 제품을 구분할 수 있습니다. 이러한 시스템은 방대한 양의 데이터를 사용하여 훈련되며, Amazon은 이를 엄청난 규모로 활용할 수 있습니다.

 

머신 러닝의 특히 중요한 응용 분야 중 하나는 구조화되지 않은 환경의 조작입니다. 전통적인 로봇 공학은 환경이 매우 구조화되고 예측 가능한 산업에서 사용되었습니다. 그러나 Amazon의 창고는 예측할 수 없습니다. 플래니건은 "다른 산업에서는 종종 동일한 제품을 계속해서 만듭니다. Amazon에서는 책에서 커피 메이커, 깨지기 쉬운 수집품에 이르기까지 거의 무한한 종류의 제품을 처리해야 합니다."라고 말했습니다.

"AI와 로봇이 할 수 있는 일의 경계를 넓힐 수 있는 기회가 매우 많으며, Amazon은 그 변화의 최전선에 있습니다."—클레이 플래니건, Amazon

이러한 비구조화된 환경에서 로봇은 적응력이 있어야 합니다. 로봇은 AI와 ML 모델을 사용하여 주변 환경을 이해하고 실시간으로 결정을 내립니다. 예를 들어, 로봇이 다양한 품목이 가득 찬 통에서 커피 머그잔을 집어 올리는 작업을 맡았다면, 컴퓨터 비전을 사용하여 머그잔을 식별하고, 깨지지 않고 잡는 방법을 이해하고, 올바른 포장 스테이션으로 옮겨야 합니다. 이러한 작업은 간단해 보일 수 있지만, Amazon의 규모에서 안정적으로 수행하려면 고급 ML 알고리즘과 광범위한 데이터가 필요합니다.

 

지속 가능성과 포장: 기술 중심 접근 방식

로봇 기술과 자동화가 Amazon의 물류 센터 효율성을 개선하는 데 핵심이지만, 지속 가능성에 대한 회사의 헌신 도 마찬가지로 중요합니다. FTR의 Mechatronics & Sustainable Packaging(MSP) 팀의 제품 관리자인 Callahan Jacobs는 낭비를 방지하는 데 주력하고 있으며 포장재의 부정적 영향을 줄이는 데 주력하고 있습니다. 이 회사는 이 분야에서 상당한 진전을 이루었으며 , 기술을 활용하여 전체 포장 경험을 개선했습니다.

 

 

아마존

 

"제가 시작했을 때, 저희 포장 프로세스는 대부분 수동이었습니다." 제이콥스가 설명했습니다. "하지만 저희는 훨씬 더 자동화된 시스템으로 전환했고, 지금은 품목에 맞게 포장을 맞춤 제작하는 기계를 사용합니다. 이를 통해 특히 각 포장의 큐브 크기를 최소화하는 측면에서 사용하는 과도한 재료의 양이 크게 줄었고, 저희 팀은 품질을 희생하지 않고도 보다 양심적인 재료로 포장을 만드는 방법과 같은 더 어려운 문제에 집중할 수 있게 되었습니다."

 

2015년 이래로 Amazon은 평균 배송당 포장 무게를 43% 줄였는데, 이는 300만 톤 이상의 포장재가 절약되었다는 것을 의미합니다. 이 "크기에 맞는" 포장 기술은 Amazon의 가장 중요한 포장 혁신 중 하나입니다. Amazon은 배송되는 품목의 크기에 맞게 상자를 자르고 접는 자동화된 기계를 사용하여 포장재 내부의 공기와 사용되지 않는 공간의 양을 줄일 수 있습니다. 이는 사용되는 재료의 양을 줄일 뿐만 아니라 트럭, 비행기 및 배달 차량의 공간 사용을 최적화합니다.

 

Jacobs는 "패키지를 그 안에 들어있는 품목에 최대한 가깝게 맞춤으로써 낭비와 운송 비효율성을 줄이는 데 도움이 되고 있습니다."라고 설명했습니다.

 

고급 패키징 기술: 머신 러닝의 역할

AI와 ML은 Amazon의 포장 최적화 노력에서 중요한 역할을 합니다. Amazon의 포장 기술은 낭비를 방지하는 것을 목표로 할 뿐만 아니라, 이행 네트워크를 통과하는 동안 품목이 적절하게 보호되도록 합니다. 이러한 균형을 달성하기 위해 회사는 각 품목을 평가하고 품목의 취약성, 크기, 이동해야 하는 경로를 포함한 다양한 요인을 기반으로 최적의 포장 솔루션을 결정하는 고급 머신 러닝 모델에 의존합니다.

 

제이콥스는 "우리는 단순히 물건을 가방이나 상자에 넣을 수 있는지 묻는 것을 넘어섰습니다."라고 말했습니다. "이제 우리의 AI와 ML 모델은 각 물건을 보고 '이 제품의 속성은 무엇인가? 깨지기 쉬운가? 액체인가? 자체 포장이 있는가? 아니면 추가 보호가 필요한가?'라고 말합니다. 이 정보를 수집함으로써 우리는 포장에 대한 더 현명한 결정을 내릴 수 있으며, 이는 폐기물을 줄이거 나 물건을 더 잘 보호하는 데 도움이 됩니다."

"패키지를 그 안에 들어있는 품목에 최대한 가깝게 맞춤으로써, 우리는 낭비와 운송 비효율성을 줄이는 데 도움을 주고 있습니다."—Callahan Jacobs, Amazon

이 프로세스는 제품이 Amazon의 재고에 들어오자마자 시작됩니다. 머신 러닝 모델은 각 제품의 데이터를 분석하여 주요 속성을 결정합니다. 이러한 모델은 컴퓨터 비전을 사용하여 품목의 포장을 평가하거나 자연어 처리를 사용하여 제품 설명과 고객 피드백을 분석할 수 있습니다. 제품의 속성이 결정되면 시스템은 어떤 유형의 포장이 가장 적합한지 결정하여 낭비를 방지하고 품목의 안전한 도착을 보장하는 데 도움이 됩니다.

 

Jacobs는 "머신 러닝을 통해 이러한 결정을 동적으로 내릴 수 있습니다."라고 덧붙였습니다. "예를 들어 티셔츠와 같은 품목은 상자에 포장할 필요가 없습니다. 종이 봉지에 넣을 수 있습니다. 하지만 깨지기 쉬운 유리 품목은 추가 보호가 필요할 수 있습니다. AI와 ML을 사용하면 이러한 결정을 규모에 맞게 내릴 수 있으므로 고객 과 지구에 이로운 옵션을 항상 우선시할 수 있습니다 ."

 

실시간 데이터를 활용한 동적 의사결정

Amazon의 실시간 데이터 사용은 포장 작업에서 게임 체인저입니다. Amazon은 이행 센터에서 데이터를 지속적으로 수집하고 분석하여 포장 전략을 신속하게 조정하고 규모에 맞게 효율성을 최적화할 수 있습니다. 이러한 역동적인 접근 방식을 통해 Amazon은 새로운 포장재, 운송 경로 변경 또는 고객 피드백과 같은 변화하는 상황에 대응할 수 있습니다.

 

"우리가 하는 일의 큰 부분은 우리가 배운 것을 기반으로 프로세스를 지속적으로 개선하는 것입니다." 제이콥스가 설명했습니다. "예를 들어, 특정 유형의 포장이 만족스럽지 않다는 것을 알게 되면 기준을 빠르게 조정하고 배송 네트워크 전반에 걸쳐 변경 사항을 구현할 수 있습니다. 이 실시간 피드백 루프는 시스템을 더 탄력적으로 만들고 팀의 지속 가능성 목표와 일치시키는 데 중요합니다."

 

이러한 지속적인 학습 프로세스는 Amazon의 성공에 핵심입니다. 회사의 AI 및 ML 모델은 새로운 데이터로 지속적으로 업데이트되어 시간이 지남에 따라 더욱 정확하고 효과적이 될 수 있습니다. 예를 들어, 새로운 유형의 포장재가 도입되면 모델은 신속하게 효과를 평가하고 필요에 따라 조정할 수 있습니다.

 

제이콥스는 또한 이 과정에서 피드백의 역할을 강조했다. 그녀는 "우리는 항상 포장의 성능을 모니터링하고 있습니다."라고 말했다. "고객으로부터 품목이 손상된 상태로 도착했거나 포장이 너무 많았다는 피드백을 받으면 그 정보를 사용하여 모델 출력을 개선할 수 있으며, 궁극적으로 폐기물을 지속적으로 줄이는 데 도움이 됩니다."

 

행동하는 로봇공학: 그리핑 기술과 자동화의 역할

Amazon 로봇 시스템의 핵심 혁신 중 하나는 고급 그립 기술의 개발입니다. 플래니건이 설명했듯이 Amazon 로봇 시스템의 "비밀 소스"는 기계 자체에 있는 것이 아니라 사용하는 그립 도구에 있습니다. 이러한 도구는 Amazon이 매일 처리하는 다양한 제품을 처리하도록 설계되었습니다. 작고 섬세한 품목부터 크고 부피가 큰 패키지까지 다양합니다.

 

아마존

플래니건은 "저희 로봇은 센서, AI, 맞춤형 그리퍼를 조합하여 다양한 유형의 제품을 처리합니다."라고 말했습니다. "예를 들어, 유리 제품과 같은 깨지기 쉬운 품목을 손상시키지 않고 처리할 수 있는 특수 그리퍼를 개발했습니다. 이러한 그리퍼는 AI와 머신 러닝으로 구동되어 집어 올리는 품목에 따라 움직임을 계획할 수 있습니다."

 

Amazon의 물류 센터에 있는 로봇 팔에는 다양한 센서가 장착되어 있어 취급하는 품목을 "보고" "느낄" 수 있습니다. 이러한 센서는 기계 학습 모델에 실시간 데이터를 제공하고, 그런 다음 품목을 어떻게 취급할지에 대한 결정을 내립니다. 예를 들어, 로봇이 깨지기 쉬운 품목을 집어 올리는 경우 더 부드러운 전략을 사용하는 반면, 더 튼튼한 품목을 취급할 때는 속도를 최적화할 수 있습니다.

 

플래니건은 또한 로봇 기술을 사용함으로써 Amazon 운영의 안전성과 효율성이 크게 향상되었다고 언급했습니다. 이행 센터에서 반복적이고 육체적으로 힘든 작업의 ​​대부분을 자동화함으로써 Amazon은 직원들의 부상 위험을 줄이는 동시에 운영의 속도와 정확성을 높일 수 있었습니다. 또한 업스킬링에 집중할 수 있는 기회도 제공합니다. 플래니건은 "항상 배울 새로운 것이 있습니다."라고 말했습니다. "교육 및 진급 옵션이 부족하지 않습니다."

 

지속적인 학습과 혁신: Amazon의 성장 문화

플래니건과 제이콥스는 둘 다 아마존이 이러한 기술을 구현하는 데 성공한 것은 도구 자체 때문만이 아니라 회사를 움직이는 혁신 문화 때문이라고 강조했습니다. 아마존의 엔지니어와 기술자는 새로운 솔루션을 실험하고 기존 시스템을 개선하여 가능한 것의 경계를 끊임없이 넓히도록 권장받습니다.

 

플래니건은 "Amazon은 엔지니어가 번창하는 곳입니다. 항상 혁신하도록 장려하기 때문입니다."라고 말했습니다. "여기서 우리가 해결하고 있는 문제는 엄청나게 복잡하고, Amazon은 창의적인 방식으로 문제를 해결할 수 있는 리소스와 자유를 제공합니다. 그것이 Amazon을 일하기에 흥미로운 곳으로 만드는 것입니다."

제이콥스는 이러한 감정에 공감하며, 회사의 지속 가능성에 대한 헌신이 엔지니어에게 매력적인 직장이 되는 이유 중 하나라고 덧붙였습니다. "매일 새로운 것을 배우고, 전 세계적으로 실질적인 영향을 미치는 솔루션을 개발하게 됩니다. 그것이 제가 일에 대해 흥분하는 이유입니다. 다른 곳에서는 찾기 어렵습니다."

 

Amazon의 AI, 로봇공학 및 혁신의 미래

앞으로 Amazon의 미래 비전은 명확합니다. 최대의 고객 만족을 위해 AI, ML, 로봇 분야에서 혁신을 계속하는 것입니다. 이 회사는 지속 가능성 이니셔티브를 발전시키는 데 도움이 되는 새로운 기술 에 막대한 투자를 하고 있으며 운영 효율성을 개선하고 있습니다.

플래니건은 "우리는 이제 막 시작했을 뿐입니다."라고 말했습니다. "AI와 로봇이 할 수 있는 일의 경계를 넓힐 수 있는 기회가 매우 많고, Amazon은 그 변화의 최전선에 있습니다. 우리가 여기서 하는 일은 전자상거래뿐만 아니라 자동화와 AI의 더 광범위한 세계에 영향을 미칠 것입니다."

 

Jacobs는 지속 가능한 포장 팀의 미래에 대해서도 마찬가지로 낙관적입니다. 그녀는 "우리는 폐기물을 줄이는 새로운 소재와 새로운 방법을 끊임없이 연구하고 있습니다."라고 말했습니다. "향후 몇 년은 품질을 희생하지 않고도 포장 혁신을 계속 개선하고 확장성을 높이면서 엄청나게 흥미진진할 것입니다."

 

Amazon이 계속 진화함에 따라 AI, ML, 로봇공학의 통합은 야심찬 목표를 달성하는 데 중요할 것입니다. 최첨단 기술과 지속 가능성에 대한 깊은 헌신을 결합하여 Amazon은 21세기에 전자 상거래 회사가 운영될 수 있는 새로운 표준을 설정하고 있습니다. 엔지니어, 기술자, 환경 옹호자에게 Amazon은 우리 시대의 가장 어렵고 영향력 있는 문제 중 일부를 해결할 수 있는 비할 데 없는 기회를 제공합니다.

Amazon 팀에 합류하는 방법에 대해 자세히 알아보세요.