로봇 플릿 스케줄링 Agent는 다중 로봇 협업을 위해 특별히 만들어진 산업 소프트웨어 에이전트 계열이다. 수주 작업을 분해해 서로 다른 로봇에 할당하고 경로, 사이클 타임, 우선순위를 실시간으로 조정하며, 여러 로봇이 어떻게 협력해야 하는가라는 문제를 해결한다. 단일 기계 스케줄링 소프트웨어와 달리 로봇 팀을 관리하며, 핵심 가치는 단일 장비 효율이 아니라 전체 처리량을 높이는 것이다. 이런 Agent는 보통 라인 측 엣지 서버나 클라우드에 배포되고, OPC-UA, MQTT 같은 프로토콜로 로봇 컨트롤러, MES, WMS에 연결된다.
1. 로봇 플릿 스케줄링 Agent가 실제로 해결하는 문제
공장에 로봇이 많아지면 문제가 생긴다. AGV 세 대가 같은 교차로에서 막히고, 로봇 암은 자재를 기다리는데 AGV는 다른 기계로 배송 중이며, 전환 중에 작업 우선순위가 엉킨다. 이것은 단일 로봇이 스스로 해결할 수 있는 문제가 아니다. 전통적 접근은 수동 스케줄링과 고정 규칙이며, 라인이 바뀌면 곧바로 무너진다.
플릿 스케줄링 Agent가 하는 일은 작업, 로봇, 경로, 시간 윈도라는 네 변수를 함께 계산하는 것이다. 상위 MES나 WMS가 발행한 작업 지시를 받아 실행 가능한 작업 단위로 나누고, 각 로봇의 위치, 배터리 잔량, 적재 상태, 현재 작업의 남은 시간에 따라 동적으로 할당한다. 전자 공장의 SMT 작업장에 자재 운반용 AGV 12대가 있다고 하자. 플릿 스케줄링이 없으면 공차율이 30퍼센트를 넘을 수 있고, 스케줄링 Agent가 있으면 작업 병합과 경로 사전 할당으로 공차가 줄고 교차로 교착도 피한다.
단일 기계 스케줄링 소프트웨어와의 핵심 차이는 이렇다. 단일 기계 소프트웨어는 이 한 대가 어떻게 가장 빨리 움직일지를 최적화하고, 플릿 Agent는 이 그룹이 어떻게 협력해 총산출을 최대로 할지를 최적화한다. 전자는 국소 최적이고 후자는 로봇 간 상호 회피, 충전 스테이션 대기열, 작업 우선순위 선점 같은 전역 제약을 다뤄야 한다.
2. 기술 원리와 핵심 역량
기술 스택 관점에서 플릿 스케줄링 Agent는 보통 세 계층이다. 하부는 통신과 상태 획득 계층으로, OPC-UA, Modbus TCP, MQTT를 통해 로봇 컨트롤러와 PLC에서 실시간 자세, 속도, 배터리 잔량, 알람 코드를 읽으며, 샘플링 주기는 보통 100밀리초에서 500밀리초 사이이고 로봇 유형과 네트워크 조건에 달려 있다. 중간은 스케줄링 결정 계층으로, 핵심 알고리즘은 작업 할당(흔히 경매 알고리즘, 헝가리안 알고리즘, 휴리스틱 규칙), 경로 계획(A-star, Dijkstra, 시간 윈도 그래프 탐색), 충돌 해소(교차로 잠금, 우선순위 양보)를 포함한다. 상부는 통합 계층으로, RESTful API나 데이터베이스 중간 테이블로 MES, WMS와 작업 지시와 재고 정보를 교환한다.
핵심 역량은 몇 가지다. 첫째는 동적 재스케줄링으로, 로봇이 고장 나거나 작업이 삽입되면 Agent가 라인을 세우고 사람이 개입하지 않아도 몇 초 내에 작업을 재할당한다. 둘째는 교착 방지로, 다중 로봇 시스템은 서로 기다리는 상황이 가장 두려우며 Agent는 자원 예약과 경로 시간 윈도 계산으로 순환 대기를 미리 피한다. 셋째는 사이클 밸런싱으로, 단일 작업 완료 시간만 보지 않고 전체 라인의 병목 공정이 공급되고 있는지를 본다. 넷째는 시뮬레이션 리허설로, 일부 솔루션은 스케줄링 전략을 가상 환경에서 먼저 실행한 뒤 발행해 현장 시행착오 비용을 줄인다.
유의할 점은 스케줄링 Agent의 결정 품질이 상태 데이터의 실시간성과 정확성에 크게 의존한다는 것이다. 로봇 자세 보고가 1초 이상 지연되면 경로 계획이 낡은 정보로 판단하고 충돌 해소가 실패할 수 있다. 따라서 배포 전에 현장 네트워크 커버리지와 컨트롤러 데이터 개방성을 평가해야 한다.
3. 제조의 전형적 응용 시나리오
첫 번째는 3C 전자 공장의 SMT 자재 배송이다. 전자 공장에 SMT 라인 8개와 AGV 15대가 있고 전환이 잦으며 두 시간마다 릴 보충이 있다고 하자. 스케줄링 Agent는 라인 사이클과 피더 스테이션 잔량으로 배송 작업을 트리거하고, 같은 방향 작업을 병합해 공차를 줄이며, 전환 작업 지시에 높은 우선순위를 준다. 여기서 핵심 제약은 AGV가 실장기 작동 구역에 들어가서는 안 된다는 것이어서 경로가 안전 펜스를 우회해야 한다.
두 번째는 자동차 부품사의 기계 가공 작업장이다. CNC 6대를 협동로봇 암 3대가 상하차하고 암들이 이송 테이블을 공유한다고 하자. 스케줄링 Agent가 해결해야 할 것은 이송 테이블 점유 충돌이다. 두 암이 동시에 부품을 놓으려 할 때 사이클이 더 급한 기계에 우선권을 준다. 이런 시나리오는 시간 윈도 정밀도가 높아야 하며 보통 스케줄링 주기가 200밀리초 이내다.
세 번째는 창고 물류의 물품 대인 피킹이다. 수십 대의 AGV가 랙 구역에서 운영되고 스케줄링 Agent는 주문 풀에서 AGV 할당, 랙에서 피킹 스테이션 경로 계획, 충전 작업 삽입을 처리한다. 여기서 고빈도 문제는 충전 대기열이며, Agent는 배터리 잔량과 예상 남은 작업으로 저전압 AGV를 미리 충전에 보내 피크 시간대의 집중 충전으로 인한 생산 능력 부족을 피한다.
4. 선정과 배포 시 유의할 점
통합 방식이 가장 먼저 명확해져야 한다. 스케줄링 Agent가 로봇 컨트롤러에서 실시간 데이터를 직접 읽을 수 있는가. OPC-UA를 지원하는가, 아니면 벤더 전용 프로토콜만 지원하는가. 현장에 AGV, 로봇 암, AMR이 섞인 다중 브랜드 환경이라면 다중 프로토콜 적응 지원 여부가 결정적이다. 단일 브랜드의 폐쇄 프로토콜만 지원하는 솔루션은 이후 확장에 제약이 있다.
하드웨어 요구는 스케줄링 규모와 실시간 요구에 달려 있다. 로봇 10대 이내, 500밀리초 주기의 소규모는 산업용 엣지 서버 한 대면 충분하고, 로봇 50대 이상, 100밀리초 주기의 대규모는 GPU 가속이나 분산 배포를 고려해야 한다. 현장 네트워크는 유선 이더넷을 우선하고 무선 구간은 로밍 핸드오버 지연을 평가해야 한다.
구현 기간은 보통 세 단계다. 데이터 통합과 지도 모델링이 로봇 브랜드와 현장 조사 조건에 따라 1주에서 3주, 스케줄링 전략 설정과 시뮬레이션 검증이 2주에서 4주, 현장 시운전과 파라미터 튜닝이 2주에서 4주다. 흔한 오해는 시뮬레이션을 건너뛰고 바로 가동하는 것으로, 현장에서 파라미터를 반복 조정하게 되어 오히려 기간이 길어진다.
비용은 주로 소프트웨어 라이선스(로봇 수나 스케줄링 노드 기준 과금), 엣지 하드웨어, 구현 서비스, 지속 운영으로 구성된다. 선정 시 라이선스 단가만 보지 말고 스케줄링 규모 상한, 동시 작업 수에 따라 가격이 오르는지, 프로토콜 적응이 별도 과금인지 명확히 해야 한다.
5. 적합한 시나리오와 그렇지 않은 시나리오
적합한 시나리오: 로봇이 5대를 넘고, 다중 로봇 협업이 필요한 작업이 있으며, 라인 전환이 잦거나 수주 변동이 크고, 현장에 이미 양호한 네트워크 커버리지와 개방된 컨트롤러 데이터가 있는 경우. 전형적 예는 SMT 자재 배송, 기계 가공의 기계 적재, 창고의 물품 대인 피킹, 팔레타이징 구역의 다중 로봇 협업이다.
부적합한 시나리오: 단일 로봇이 모든 작업을 완료할 수 있는 스테이션, 로봇 브랜드가 폐쇄적이고 실시간 데이터 인터페이스를 노출하지 않는 라인, 네트워크 지터가 커 단기간에 개선할 수 없는 작업장. 또한 작업 유형이 매우 균일하고 사이클이 고정된 라인은 고정 규칙과 수동 스케줄링이 더 경제적일 수 있어 스케줄링 Agent의 수익을 별도로 평가해야 한다. 전자기 간섭이 강하거나 분진이 많은 환경은 엣지 서버의 방호 등급을 추가로 평가해야 한다.