표지 + 5 SLIDES · 16:9 · 1920×1080
개요 · 이데미쓰코산(出光興産) 연료유 물류
Exhibit 1 · 연료유 육상 물류와 문제 지점 원문
5,000건
하루 배송 주문, 약 원문
1,800대
탱크로리, 약 원문
70명
배차 담당자, 약 원문
Exhibit 2 · 두 단계로 바꾼 순서
배경
2024년 문제·물류비 상승·수요 감소·인력 부족 원문
1단계 · 기록
수송관리 플랫폼: 수주·배차·운행·하역·실적을 하나로 연결 원문
2단계 · AI 배차
aIDEM: AI가 초안, 배차 담당자가 확정 원문
결과
23%↓
배차계획 작성 시간, 전국 평균 약 원문
출처: [1] AX Review 노트(2026.10.28), [2] MONOist 長町基(2026.10.23), 이데미쓰 도모노 배송과장 강연 정리. 도입 시기·거점별 수치·비용은 미공개
1
01 · 1단계 · 수송관리 플랫폼
Exhibit 3 · 운행 1건이 남기는 기록, 전과 후 가상 시각은 가상 예시, 기록 항목은 원문·노트
Exhibit 4 · 기록이 쌓이면 쓰는 곳
현장의 사실이 남아 나중에 고칠 수 있음 원문
종이·팩스·전화 업무가 탱크로리 동태·작업 실적 데이터로 바뀜
AI가 배울 데이터가 현장에서 생김 원문
도모노 과장: AI 도입이 아니라 이 데이터 만들기가 DX의 출발점
배차 모델의 하역·대기 시간을 실측으로 교체 노트
예: 어느 SS에서 하역 대기가 매번 40분이면 그 값을 모델에 반영 가상
흔한 생각
물류 DX는 좋은 AI를 들여오면 완성됨
이데미쓰의 순서 원문
AI보다 먼저 AI가 배울 데이터를 현장에서 만드는 일을 함. aIDEM은 이 기록 위에 올림
출처: [2] 플랫폼 연결 범위·기록 항목·DX 출발점 발언 요지, [1] 레코드 필드·하역 시간 활용(노트), 시각·대기 40분(가상). 플랫폼 단독 효과 수치는 미공개
2
02 · 2단계 · 배차 계산
Exhibit 5 · SS-1123 탱크 하나가 세 기능을 지나는 순서 가상 입력: 매출 · 탱크로리 용량 목표율 등 원문
수요예측 AI 원문
어디에 얼마가 필요한가: 탱크 재고 바닥 전 배송 기간
계획 입안 원문
언제 보낼까: 날짜·거점별 물량을 고르게
배차 최적화 원문
어느 차 어느 칸에: 차량·승무원 배정
반드시 지킬 조건 노트
칸별 용량 · 유종 혼적 금지 · 납품 시간창 · 유조소 출하 시간 · 승무원 근무시간 상한 · 위험물 운송 규칙
점수로 다툴 목표 노트
차량 수 · 주행 거리 · 용량 목표율 근접도. 가중치를 바꾼 2~3안을 함께 냄
답이 없을 때 노트
부딪힌 조건을 이름으로 표시 → 점수 목표부터 완화. 위험물 규칙·근무시간 상한은 완화하지 않음
왜 나눴나 원문
계획배송: 고객 주문을 기다리지 않고 회사가 납품처 탱크 재고를 예측해 주문을 만듦 → 날짜별 물량이 고르게 펴짐. 대신 주문 작성과 배차가 한 덩어리가 돼, 예측과 배정을 다른 문제로 나눠 풂
출처: [2] 세 기능 이름·입력·계획배송 구조, [1] 기능별 역할 대응은 기능 이름 기반 해석, 조건·목표 구분(노트), 탱크·차량 값(가상). 세 기능의 연결 방식은 미공개
3
03 · 사람과 AI의 융합
Exhibit 6 · AI와 배차 담당자의 역할 분담 원문
예를 들어: 아침에 차량 1대 고장 가상
담당자가 남은 배정을 고정하고 고장 차량 몫만 다시 계산 → 비교안 중 하나를 골라 확정 → 사유 ‘차량 고장’ 기록
숙련자 머릿속 규칙 원문
숙련 배차 담당자가 지켜 온 실무 지식
aIDEM의 조건 원문
초안에 반영해 누가 짜도 품질이 비슷해짐
Exhibit 7 · 바뀐 결과 원문
23%↓
배차계획 작성 시간, 전국 평균 약
여러 배차안을 그 자리에서 비교
담당자에 따라 흔들리던 계획 품질이 고르게 됨
숙련자 의존(속인성)과 배차 밖 업무 부담 감소
원칙 원문
모든 것을 기술로 풀면 시스템이 비대해짐 → 사람의 지식으로 받치는 영역을 일부러 남김. 속인화는 개인이 아니라 업무 설정의 문제로 봄
출처: [2] 역할 분담·결과·원칙(도모노 과장 발언 요지), [1] 고정 후 재계산·수정 사유 피드백(노트 설계안), 차량 고장 예시(가상). 거점별 수치는 미공개
4
04 · 적용
Exhibit 8 · 맞는 업무 노트
매일 같은 배정 문제를 푸는 곳 (차량·기사·물량)
조건이 많고 실수 비용이 큰 배송 (위험물·시간창)
납품처 재고가 보이는 정기 배송
후보: 정유·LPG·산업가스·화학 유통, 레미콘, 식품 정기 배송
첫 예산 노트
운행 실적이 전화로만 오면 최적화 엔진보다 차량 단말·운행 기록이 먼저
Exhibit 9 · 거점 하나 12주 노트
1~2주
작성 시간 측정 · 숙련자 인터뷰
산출물: 담당자별 기준 시간, 지켜 온 규칙 목록
3~5주
조건 정의 · 과거 하루치 배차 재현
산출물: 조건 정의서, 재현 비교표
6~8주
섀도 운영: 기존 계획과 AI 안 나란히
산출물: 초안 채택률, 수정 사유 집계
9~11주
거점 1곳 AI 초안 + 담당자 확정
산출물: 작성 시간, 조건 위반, 배송 누락
12주
판정 회의
산출물: 확대 여부, 다음 거점
확대 판정 기준 가상
작성 시간 20%↓ (이데미쓰 약 23% 참고)
반드시 지킬 조건 위반 0건
담당자 수정률 주마다 하락
배송 누락·긴급 배송 증가 없음
팀 노트
스폰서: 물류 임원 · 숙련 배차 2~3명 · 데이터·최적화 2명 · IT 1명 · 위험물 안전 1명
아직 모르는 것 원문
이데미쓰의 도입 기간 · 거점별 수치 · 비용 · 플랫폼 단독 효과 · 세 기능 연결 방식
첫 인터뷰 질문 노트
① 하루 계획에 몇 분, 어디서 가장 오래 고민하나
② 시스템에 없지만 꼭 지키는 납품처·차량 규칙은
③ AI 초안에 무엇이 빠지면 그대로 확정하지 않겠나
So what
순서는 이데미쓰와 같게: 운행 기록 → 예측·배차 계산 → 확정은 사람. 스폰서는 IT가 아니라 물류 조직, 숙련자 인터뷰는 배차팀 리더가 직접 맡음 노트
출처: [1] 맞는 업무·첫 예산·12주 일정·팀·판정 기준(노트 설계안, 기준 값은 가상), [2] 미공개 항목
5