1. 서 론

주문 피킹(Order picking)은 창고 물류 시스템에서 고객 주문을 이행하기 위해 재고에서 물품을 집하하는 과정이다. 주문 피킹은 창고에서 가장 많은 시간이 소요되어 고객 만족도에 직접적인 영향을 미친다. 이러한 주문 피킹의 효율성을 개선하기 위해 라우팅(routing), 저장(storage), 주문 릴리스 모드(order release mode), 배칭(batching), 구역화(zoning) 등의 다양한 운영 방법이 연구되고 있다[2].

구역화는 작업자의 피킹 영역을 분할하여 이동 시간을 최소화하는데 효과적인 방법이다[2, 11]. 일반적인 구역 피킹 시스템에서는 고객 주문별로 할당된 토트(tote)가 컨베이어 시스템을 통해 구역 간에 순차적으로 이송된다. 피킹 작업이 필요한 구역에서 담당 작업자가 주문이 확인한 후 필요한 제품이 채워진다. 주문은 개별적으로 피킹되거나 여러 주문을 하나의 배치(batch)로 묶어 함께 피킹될 수 있다. 그러나 구역 피킹 시스템에서 토트가 다음 구역으로 이동하지 못해 발생하는 정체(Blockage)나 작업자가 당장 처리할 주문이 없는 상황(Starvation)과 같은 비효율이 발생할 수 있다[6, 10]. Blockage는 특정 구역에서 완료된 토트가 다음 구역의 작업자가 아직 작업을 완료하지 않아 정체될 때 발생하며, 흐름 시간과 시스템 처리량에 영향을 미친다. 반면, Starvation은 작업자가 다음 작업이 없어 일시적으로 유휴 상태가 되는 상황으로, 작업자의 가동률에 영향을 미친다. 따라서 작업자와 토트가 효율적으로 할당 될 수 있도록 구역 피킹 시스템이 설계되어야 한다[1].

구역 피킹은 설계의 유연성을 제공하여 특정 운영 요구 사항에 맞춘 솔루션을 가능하게 하며, 물류창고 관리에서 최적의 효율성과 적응력을 보장한다. 구역 피킹의 구성은 작업 구역 유형, 피킹 장비, 저장 공간 배치 및 컨베이어 구성에 따라 달라질 수 있다. 이 중에서도 컨베이어 구성은 창고 공간 활용에 큰 영향을 미치고 피킹 흐름을 결정 하여 프로세스 중 비효율을 초래할 수 있다[12, 13].

본 연구에서는 <Figure 1>과 같이 구역 피킹 시스템의 변형인 이중 레인 구역 피킹 시스템(Dual-lane zone picking system, DZP)을 연구대상 시스템으로 한다. 해당 시스템은 모든 구역에 걸쳐 두 개의 동일한 방향으로 운영되는 컨베이어 레인을 갖추고 각 구역의 작업자는 중단 없이 두 레인 간에 전환할 수 있다.

DZP은 단일 레인 구역 피킹 시스템(Single-lane zone picking system, SZP)과 유사하게 Blockage 및 Starvation 현상[10]을 겪을 수 있지만, DZP의 운영 특성에 의해 구역 간 토트의 전환 제약을 줄일 수 있는 가능성이 있다. 또한, DZP는 작업자의 유휴 시간을 줄임으로써 작업자 가동률을 향상시킬 수 있다.

본 연구에서는 DZP 시스템을 소개하고, 주문 피킹 과정에서의 생산성을 평가한다. 이를 위해 SZP 시스템과 비교하여 처리량, 흐름 시간, 작업자 가동률 등을 시뮬레이션 실험을 통한 비교 분석을 수행한다. 본 논문은 다음과 같이 구성되고 있다. 제2장에서는 구역 피킹 시스템에 대한 문헌연구를 소개하고, 제3장에서는 DZP 시스템을 상세히 설명하며, 제4장에서는 시뮬레이션 모델, 가정, 실험 요소 및 생산성 평가 지표를 자세한다. 제5장에서는 시뮬레이션 실험 설계 제시하고 실험 결과를 분석한다. 마지막으로 제6장을 통해 결론과 향후 연구 방향에 대해 논의한다.

2. 문헌연구

본 장에서는 구역 피킹 시스템에 대한 문헌을 연구하여, 시스템의 운영 특성 및 성과 지표의 분석을 통해 본 연구의 주요 기여를 강조한다.

구역 피킹 시스템은 피킹 영역을 여러 구역으로 나누어 각 구역에 특정 작업자 혹은 팀을 할당한다[5]. 이를 통해 작업자들은 자신에게 할당된 구역에 숙련되어 물류센터의 생산성을 극대화할 수 있다[2, 7, 17]. 구역 피킹의 운영 전략은 일반적으로 병렬 구역 피킹(Parallel zone picking) 과 점진적 구역 피킹(Sequential zone picking)으로 구분한다. 병렬 구역 피킹 전략은 각 구역의 작업자가 동시에 작업하며, 고객 주문 완성을 위해 고객 주문을 통합하는 별도의 작업공간이 필요하다. 따라서, 규모가 작은 물류센터는 본 전략을 적용하기에 어려움이 따른다. 반면에 점진적 구역 피킹 전략은 별도의 주문 통합 과정이 불필요하다. 이는 각 구역의 작업자가 이전 구역에서 토트를 전달받아 주문 품목의 피킹을 완료하고, 다음 구역으로 전달하는 과정을 통해 점진적으로 주문을 완성시켜가기 때문이다[9]. 따라서 점진적 구역 피킹은 병렬 구역 피킹 보다 공간 효율적인 전략이다.

구역 피킹 시스템은 구역의 수와 크기, 컨베이어 구성 등 설계의 변경이 용이하다. Petersen[11]은 각 구역의 저장 용량에 따라 구역을 설계하는 방법을 분석했다. Gray et al.[4]은 주문 피킹 시스템의 구역 수와 배치에 따른 작업자 가동률을 분석하였다. Yu and De Koster[16]는 컨베이어로 연결된 점진적 구역 피킹 시스템을 분석하기 위해 Whitt의 대기행렬 네트워크를 이용한 근사 방법을 제안했다. Yu and De Koster[17]의 후속 연구에서는 주문 배치 및 구역화가 주문 처리 시간에 미치는 영향을 탐구하기 위해 모델을 확장했다. De Koster et al.[3]은 주문 피킹 및 분류 시스템에서 구역의 수를 최적화하기 위한 수리모델 을 제안하였다. Van der Gaast et al.[13]은 원형 구역 피킹 시스템에서 혼잡으로 인한 처리량 손실을 예측하기 위해 집합 기법을 사용한 근사 모델을 제시했으며, 여기서 주문은 구역의 버퍼에 분배되거나 closed-loop 컨베이어를 통해 다른 구역으로 이동했다. Van der Gaast et al.[14]은 컨베이어 레인과 피킹 구역을 multiclass block-and-recirculate 대기행렬 네트워크로 모델링하고 서브 네트워크에 용량 제한을 두었다. Kim and Hong[8]은 작업자 간 협업을 고려한 Pick-to-light 구역 피킹 시스템의 평균 처리 시간 분석에 대기행렬 모델과 시뮬레이션을 적용했다.

구역 피킹에 대한 연구는 제한적이며, 특히 다른 요인에 비해 컨베이어 구성에 대한 연구가 부족한 실정이다. 점진적 구역 피킹에 관한 기존 문헌은 주로 순환 컨베이어와 버퍼로 연결된 단일 레인 컨베이어 시스템을 분석하였다. 반면, 이중 레인을 활용한 구역 피킹 시스템에 대한 연구는 찾아볼 수 없었다. 본 연구는 점진적 구역 피킹에서 새로운 컨베이어 구성인 DZP를 소개하고, 운영에 대한 통찰을 제공하고자 한다.

3. 시스템 설명

본 연구의 대상 시스템 DZP는 연속된 구역을 연결하는 두 개의 단방향 컨베이어 레인이 병렬로 구성된 형태이다. <Figure 2>는 5개의 구역이 있는 DZP의 예시이다. 고객 주문은 하나 이상의 품목으로 이루어지며, 각 품목을 저장 칸에서 꺼내 해당 고객 주문을 위한 토트에 담아야 한다. 주문은 개별 혹은 배치(batch)로 묶여 피킹될 수 있다. 배치 피킹에서는 각 배치가 일정 수의 토트로 구성되며, 이 토트들은 피킹 구역을 함께 이동하며 작업이 수행된다.

각 구역은 한 명의 작업자에게 지정되어 있다. 배치가 구역에 도착하면, 해당 구역의 작업자가 Pick-to-light 시스템을 통해 주문을 하나씩 처리한다. 주문과 연관된 바코드를 스캔하면 각 품목에 해당하는 저장 칸에 불이 켜지고, 작업자는 이동하며 물품을 피킹한다. 피킹한 물품은 고객별 토트에 담은 후 검수를 진행한다. Pick-to-light 방식을 도입함으로써 작업자들은 물품을 찾아 돌아다니거나 주문 목록에 의존할 필요가 없어 피킹 과정의 정확도와 효율성이 크게 향상된다[14].

작업자가 현재 구역의 배치를 모두 처리한 뒤, 다음 구역이 비어 있으면 그곳으로 이동한다. 각 구역의 작업자는 두 개의 레인 간에 교대로 작업할 수 있다. 하지만 현재 레인의 배치를 모두 처리한 후에 다른 레인의 배치를 처리 할 수 있다. 또한, 한 번 레인에 할당된 토트는 시스템을 떠날 때까지 동일한 레인에서 처리한다.

<Figure 2>에서는 DZP의 Starvation과 Blockage 시나리오 몇 가지 예를 보여준다. Starvation은 작업자가 배치의 피킹 작업을 완료하고 이를 다음 구역으로 보낸 후, 이전 구역에서 작업이 지연되어 배치가 도착하지 않아 유휴 상태가 되는 경우를 말한다(구역 2의 작업자를 참조). Blockage는 작업자가 배치를 모두 처리했지만, 다음 구역이 점유되어 배치를 보낼 수 없는 경우를 의미한다(구역 2와 구역 4의 레인 2에 있는 배치를 참조).

DZP에서의 Blockage와 Starvation의 가능성은 SZP에 비해 낮다. DZP 시스템은 이중 컨베이어 레인을 통해 추가 적인 배치 흐름 공간을 제공한다. 이를 통해 구역 간 Blockage를 줄여 배치 작업 완료 시간을 단축할 수 있다. 또한, 작업자가 두 개의 레인 사이를 교대로 작업 전환할 수 있어 Starvation을 줄이고 작업자 가동률을 향상시킨다. 예를 들어, 구역 4의 레인 2에서 배치가 차단되더라도 작업자는 레인 1의 배치를 처리할 수 있으므로 유휴 상태가 발생하지 않는다.

주문이 DZP 시스템에 도착하여 떠날 때까지 흐름 시간은 다음과 같은 과정으로 구성된다. 배치 피킹을 수행하기 위해, 도착한 주문은 입구 버퍼(input buffer)에서 대기한다. 충분한 주문이 도착하여 배치를 형성하면, 배치는 할 당된 레인의 첫 구역으로 진입하거나 대기하게 된다. 이 때, 주문이 도착한 시점부터 시스템에 진입할 때까지의 기간이 입구 버퍼 대기 시간이다. 배치가 구역에 진입하면, 작업자는 반대 레인의 작업을 완료한 후 해당 레인의 작업을 수행한다. 구역에서의 배치 피킹 시간은 작업자가 배치 내 주문에 필요한 모든 품목을 피킹하는데 걸리는 시간으로 정의한다. 해당 구역에 고객 주문이 없으면 배치는 다음 구역으로 이동하여야 한다. 하지만, 다음 구역이 점유 중일 경우 배치는 즉시 이동하지 못하고 Blockage 지연이 발생한다. 이러한 과정은 배치가 마지막 구역을 통과하여 시스템을 떠날 때까지 반복된다. 이러한 과정은 <Figure 3>에 나타낸다.

4. 시뮬레이션 모델링

4.1 DZP 운영환경 및 가정사항

본 연구에서는 DZP 시스템의 생산성을 평가하기 위해 Tecnomatix Plant Simulation 16.0 소프트웨어로 이산 사건(Discrete-event) 시뮬레이션 모델을 개발하고, 이를 통해 시뮬레이션 결과를 분석한다. DZP 시스템 시뮬레이션의 운영 환경은 <Table 1>에 요약되어 있다.

DZP 시스템은 두 개의 병렬 컨베이어 레인에 각각 개의 구역이 있다. 컨베이어의 총 길이는 15m이며 저장 구역에는 총 60개의 품목이 있다. 각 구역은 동일한 길이와 저장 구역 내 품목 수를 갖는다(<Figure 4> 참조). 각 품목은 무작위 저장위치(Random storage assignment) 정책에 따라 보관하고 모든 품목의 주문 확률은 동일하다고 가정한다. 품목의 품절은 고려하지 않는다. 저장 칸에서 품목의 피킹 시간과 토트에 품목을 담는 시간은 각각 평균 10초, 15초의 삼각분포를 따른다. 각 구역의 작업자는 두 개의 레인에 도착한 배치를 First-come-first-served(FCFS) 규칙에 따라 처리한다. 컨베이어 속도와 작업자의 이동 속도는 일정하게 유지된다. 작업자는 토트에 품목을 담는 높이만 변경함으로 레인 간 작업 전환이 가능하므로, 전환 시간은 무시할 수 있다. 고객 주문이 시스템 도착 간격 시간은 지수 분포를 따른다. 각 주문이 요구하는 품목 수는 1에서 5까지의 균등분포를 따른다. 주문 배치는 FCFS 규칙에 따라 연속으로 도착한 b개의 주문을 하나의 배치로 묶어 형성된다. 입력 버퍼의 용량은 무한하다고 가정한다.

4.2 시뮬레이션 실험 요소

본 연구에서는 구역 수, 주문의 평균 도착 간격 시간, 배치의 크기, 컨베이어 속도, 레인 할당 규칙이 시스템 생산성에 미치는 영향을 분석한다. <Table 2>에는 입력변수별 실험 값을 나타내며, 기본 값은 밑줄과 진한 글씨로 표시한다.

DZP 시스템에서는 시스템에 도착하는 배치를 적절한 레인에 배정하기 위한 레인 할당 규칙이 필요하다. 본 연구에서는 다음 4가지 레인 할당 규칙을 고려한다.

4.3 생산성 평가 지표

DZP 시스템의 생산성은 <Table 3>에 제시된 평가 지표를 통해 평가된다. 이러한 지표는 고객 만족도와 시스템 전체 성과에 중대한 영향을 미치는 중요한 요소이다. 처리량 (Throughput, TH)은 피킹이 완료되어 시스템을 떠나는 주문의 분당 평균 개수를 의미한다. 작업자 가동률(Worker Utilization, U )은 작업자의 배치 처리 시간이 전체 작업 시간에서 차지하는 비율을 나타낸다. 평균 흐름 시간(Mean flow time, FT )은 주문이 도착한 시점부터 시스템을 떠날 때까지의 시간을 의미한다. 최대 처리량(Maximum throughput, TH_max )은 DZP 시스템이 포화상태에서의 최대 처리량을 의미한다. 여기서 시스템의 포화상태는 주문의 도착률이 최대 서비스율에 도달하거나 초과한 상태를 의미한다. 포화 상태의 작업자 가동률을 최대 작업자 가동률(Maximum worker utilization, U_max )이라 한다. 또한, 완료 시간 (Completion time, CT)은 DZP 시스템이 일정 주문량을 처리 완료 시간이며, 주문량이 시뮬레이션 시작 시점에서 이미 제공되었다는 가정을 바탕으로 한다.

5. 시뮬레이션 실험 설계 및 결과

본 장에서는 DZP 시스템의 생산성을 분석하기 위한 실험 설게 및 결과를 다룬다. 시뮬레이션 실험 실행 환경은 Intel® Core(TM) i5-10400 CPU @ 2.90GHz, 메모리(RAM) 32.0GB 이다. 시뮬레이션 실험은 20회의 반복 실행되며, 각 실행은 평균 흐름 시간의 95% 신뢰 구간의 폭이 1% 미만이 되도록 충분히 길게 진행된다.

5.1 평균 도착 간격에 따른 생산성 비교

본 실험에서는 SZP 시스템과 4가지 레인 할당 규칙을 적용한 DZP 시스템의 생산성을 비교 분석한다. 주문 배치 크기는 5개 주문이고 컨베이어 속도는 0.5m/s인 5개 구역 시스템들에서 주문의 평균 도착 간격을 50초에서 5초로 조정하여 생산성 지표를 기록하였다.

<Table 4>는 평균 도착 간격에 따른 작업자 가동률 (U )과 처리량(TH)의 비교 결과를 보여준다. 모든 시스템에서 평균 도착 간격이 감소함에 따라 작업자 가동률이 유사하게 증가한다. 각 시스템에 대한 최대 작업자 가동률 U_max (굵게 표시된 값)에 도달한다. 이 시점에서 시스템은 포화상태에 도달한다. SZP 시스템은 U_max 상한 값이 63.9%인 반면, DZP 시스템은 82.8% 이상으로, 시스템 부하 증가에 더욱 강건하게 대응한다. DZP 시스템 중 DZP-FN과 DZP-FC는 U_max 상한 값이 85.5%로 가장 효과적임을 보인다. TH과 U은 동일한 경향을 보인다. DZP-FN과 DZP-FC는 분당 최대 3.29개를 처리하며, DZP-C와 DZP-N은 각각 분당 3.28개와 3.18개의 처리한다. 반면, SZP의 처리량은 분당 2.46개 이하이다. 실험결과는 시스템 부하가 높을수록 DZP 시스템이 SZP 시스템보다 효율적임을 나타낸다. 또한, DZP 시스템에는 레인 할당 시 First-available 규칙을 적용하는 것이 적합함을 확인할 수 있다. 해당 규칙은 배치가 시스템에 최대한 신속하게 진입하도록 함으로써 입구 버퍼에서의 대기 시간을 감소시킨다. 그리고, Work-in-process를 증가시켜 Little’s Law에 따라 처리량을 향상시키는 결과를 가져온다.

<Figure 5>는 평균 도착 간격이 50초에서 30초까지인 시스템에서 주문의 평균 흐름 시간(FT )을 나타내며, 이 범위 내에서 모든 시스템은 안정적으로 운영된다. 안정적인 시나리오에서 DZP 시스템은 SZP 시스템보다 FT가 짧으며, 평균 도착 간격이 감소할수록 두 시스템 간의 차이가 확대된다. 구체적으로, 평균 도착 간격이 50초일 때 DZP 시스템의 FT는 약 8.89분으로, SZP 시스템의 8.93분 과 유사한 성능을 보인다. 한편, 도착 간격이 30초 일 때 SZP의 FT는 9.43분으로, 도착 간격이 50초 일 때보다 약 5.6% 증가한다. 반면, DZP 시스템은 도착 간격이 30초로 감소하더라도 FT가 8.91~8.97분으로 유지되어 일관된 성능을 보여준다. 이는 시스템 부하가 높은 환경에서 DZP 시스템이 SZP 시스템에 비해 FT 단축에 있어 더욱 우수함을 명확히 보여준다. 또한, DZP-C와 DZP-FC는 대부분 다른 시스템보다 짧은 FT를 보인다. 이는 DZP 시스템의 레인 할당 시 Cyclic 규칙을 활용하는 것이 FT 단축에 효과적임을 나타낸다.

본 실험 결과는 DZP-FC가 다른 DZP 시스템보다 우수함을 보여준다. 따라서 다음 실험에서는 DZP의 성과를 대표하기 위해 DZP-FC를 사용한다.

5.2 컨베이어 속도에 따른 완료 시간 비교

본 실험에서는 다양한 컨베이어 속도(υ)에서 SZP와 DZP-FC 시스템의 일정 주문량에 대한 완료 시간(CT )과 U를 비교한다. 시뮬레이션 반복 실험 횟수는 100회이며, 500개의 주문량을 처리한 CT와 U는 <Table 5>에 나타낸다. 컨베이어 속도가 감소할수록 SZP와 DZP-FC 시스템의 생산성은 모두 저하된다. 그러나 SZP 시스템에서CT가 1.25m/s에서 0.25m/s로 감소할 때, CT가 202.6분에서 219.2분으로 약 8.2% 증가한다. 반면, DZP-FC는 160.1분에서 162.4분으로 약 1.4% 증가에 그쳐, 낮은 υ에서도 높은 생산성을 유지함을 보인다.

5.3 구역 수에 따른 최대 작업자 가동률 비교

구역 수를 늘리는 것은 작업자 수를 늘리는 것과 유사하여 처리량 및 흐름 시간과 같은 생산성 지표에서는 유의미한 통찰을 제공하지 않는다. 따라서 본 실험은 구역 수(n_z )가 최대 작업자 가동률(U_max )에 미치는 영향을 분석한다. 모든 피킹 구역은 저장 영역에서 동일한 길이와 품목 수를 가진다고 가정하므로, 각 구역의 길이는 15/n_z 미터, 아이템 수는 60/n_z개로 설정한다. <Figure 6>은 배치 크기 5와 컨베이어 속도 0.5 m/s에서 구역 수가 1에서 6까지 증가할 때 SZP와 DZP-FC 시스템의 U_max 결과를 나타낸다.

비구역 시스템(즉, n_z = 1)에서 SZP 시스템의 작업자 가 동률은 100%에 도달하지 않는데, 이는 작업자가 컨베이어를 통해 배치가 해당 구역으로 이송될 때까지 기다려야 하여 그 시간 동안 유휴 상태가 되기 때문이다. 반면, DZP-FC 시스템은 두 개의 레인에 항상 배치가 제공되어 작업자가 다음 배치를 기다리는 유휴시간이 발생하지 않는다. 또한, 구역 수가 증가할수록 두 시스템에서 U_max 값 이 감소한다. 그러나 모든 구역 수의 경우에서 DZP-FC 시스템은 항상 SZP보다 높은 U_max 값을 보이며, 구역 수가 증가할수록 그 차이는 더 커진다.

5.4 배치 크기의 영향 분석

DZP-FC 시스템에서 배치 크기가 시스템의 FT에 미치는 영향을 분석하기 위해 실험을 수행한다. 시스템의 구역 수는 5개이며 컨베이어 속도는 0.5m/s로 설정하였다. 배치 크기는 주문당 1개에서 5개까지 값으로 설정하였다. <Figure 7>은 두 가지 작업 환경에서 배치 크기별 평균 도착 간격에 따른 FT를 나타낸다. 작업 시간(품목의 피킹 시간, 토트에 품목을 담는 시간)이 증가함에 따라 FT가 증가한다. 또한, 평균 도착 간격에 따라 최적의 배치 크기가 달라짐을 관찰할 수 있다. <Figure 7a>의 결과에 따르면, 평균 도착 간격이 26초를 초과하면 단일 주문 피킹(배치 크기 1)이 가장 짧은 FT를 보여 최적의 피킹 방식이 된다. 반면, 평균 도착 간격이 약 22.2초에서 26초 사이인 R2 범위일 때는 배치 크기가 2인 경우가 FT를 최소화하는 데 최적이다. 마찬가지로, 배치 크기가 3, 4, 5는 각각 평균 도착 간격의 R3, R4, R5 범위에서 최적의 생산성을 보인다. 그러나 평균 도착 시간이 감소함에 따라 배치 크기가 큰 시스템의 FT가 급격히 증가하여, 시스템이 포화 상태에 이른다. 배치 크기가 1인 경우, 평균 도착 간격이 약 24초로 감소하면 시스템이 불안정해지지만, 배치 크기가 5인 경우에는 평균 도착 간격이 18.3초에 도달할 때까지 시스템은 안정적이다. 이러한 결과는 특정 작업 환경에서 시스템 성능을 향상하기 위한 최적 배치 크기 선택이 중요함을 시사한다.

6. 결 론

본 연구에서는 이중 레인 점진적 구역 피킹 시스템을 시뮬레이션을 통해 분석하였다. 이산 사건 시뮬레이션 모델을 개발하고 다양한 운영 환경에서 시스템 생산성을 평가하였으며, 단일 레인 구역 피킹 시스템과 비교하였다. 시뮬레이션 실험 결과, DZP 시스템은 안정적인 상태에서 흐름 시간을 단축하는 데 있어 SZP 시스템보다 일관되게 우수한 성능을 보였다. 운영 환경이 바쁠 때, DZP 시스템은 개선된 최대 처리량과 작업자 가동률을 보여준다. DZP 시스템에서 작업자가 일정한 주문량을 완료하는 데 필요한 시간은 SZP 시스템보다 짧으며, 작업자 가동률도 더 높은 수준을 보인다. 또한, DZP 시스템은 많은 구역을 활용할 때 작업자 가동률 감소를 완화하는 데 도움을 준다. 또한, 배치 크기가 DZP 시스템 생산성에 미치는 영향을 분석하였으며, 주문의 평균 흐름 시간을 최소화하기 위한 최적의 배치 크기는 평균 도착 간격에 따라 달라진다는 것을 발견하였다.

본 연구에서는 DZP를 소개하고, 생산성을 수치적으로 평가함으로써 이후 운영 제어에 대한 심화 연구를 위한 기초를 마련한다. DZP의 효과성이 SZP보다 더 높지만, 실제 환경에서 설치 비용을 고려하는 것이 필요하다. 또한, 시뮬레이션 실험 결과에 따르면 배치 크기는 시스템 생산성 향상에 중요한 요소이다. 그러나 최적의 배치 크기는 운영 환경에 따라 달라지므로, 이상적인 배치 크기를 결정하는 연구는 도전적이면서도 흥미로운 분야이다. 마지막으로, 본 연구에서는 DZP에서 피킹 완료 시간을 예비적으로 보여주기 위해 몇 가지 쉽게 적용 가능한 규칙만을 고려하였다. 따라서 향후 연구에서는 시스템 생산성 향상을 위해 배치 순서, 작업자 레인 할당 규칙, 저장 위치 할당 정책 등 다른 최적화 문제를 고려할 것을 제안한다.