코로나바이러스가 확산됨에 따라 공급망 관리의 분석이 중심이 되었습니다

개인 보호 장비 부족에서 다양한 식료품에 이르기까지 전자 및 의류에 대한 품목, 코로나바이러스(COVID-19)가 예상과 예측하지 못한 방식으로 글로벌 공급망을 강타했으며 회복하는 데 몇 달이 걸릴 것으로 보입니다.

전문가들은 더 빨리 회복하려면 공급망 관리자가 사물 인터넷(IoT) 데이터, 분석 및 기계 학습(ML) 사용을 포함하여 공급망을 관리하는 새로운 방법으로 전환해야 한다고 말합니다. 이러한 도구는 공급망 관리자가 시장과 불규칙한 공급 및 수요 추세에 대한 통찰력을 얻는 기반이 될 것입니다.

디지털 공급망 연구소(Digital Supply Chain Institute)의 이사인 조지 베일리(George Bailey)는 "적절한 기계 학습 및 AI 기술을 보유하면 시장을 이해하고 공급망을 더 잘 관리하는 데 도움이 될 것입니다."라고 말했습니다.

혼란은 이제 전 세계적으로 진행되지만 시작점은 중국에서 시작되었습니다. 전 세계적으로 생산되는 800파운드 고릴라입니다. 실제로 2010년까지 중국은 제조업 지배력에서 미국을 능가했습니다. 2002년과 2003년 사스 유행 당시 중국은 전 세계 국내총생산(GDP)의 4.3%를 차지했지만 오늘날에는 16%를 차지한다고 MIT 교수 데이비드 심치-레비(David Simchi-Levi)가 말했습니다.

'우리가 알고 있는 세계화는 ... 끝났다'

생산 자재를 중국에 의존해 온 제조 회사들은 이러한 의존의 역풍을 느끼고 있습니다. 2020 Statista 데이터에 따르면 일부 소매업체는 재고의 절반 이상을 중국에서 조달합니다. 또 다른 Statista 연구에 따르면 소매업체의 44%는 지연을 예상하고 40%는 공급망의 코로나바이러스 중단으로 인해 재고 부족을 예상합니다. 그리고 전자 제조업체의 절반 이상이 공급망 지연이 최대 4주까지 지연될 것으로 예상했습니다. 고객이 2일 배송을 기대하는 시대에 삼키기 힘든 알약입니다.

이제 기업들은 공급망을 평가하기 위해 분주하게 움직이고 있지만 사실 공급망의 위험 관리는 기업의 초점이 아니었습니다. 월간 경제 조사를 실시하는 공급 관리 연구소(Institute for Supply Management)는 2월 말과 3월 초에 접촉한 기업의 거의 4분의 3이 일종의 공급망 중단을 보고한 것으로 나타났습니다. 그러나 응답자의 44%는 이에 대처할 계획이 없었습니다.

싱가포르국립대학교 경영대학원의 방문 선임연구원인 Alex Capri는 CNBC와의 인터뷰에서 가치 사슬 현지화의 중요성에 대해 "지금 달라진 점은 다변화하고 중복되는 것이 시급하다는 것"이라고 말했습니다. "과거에 우리가 알고 있는 세계화는 끝났다"고 그는 말했습니다.

공급망 관리에 분석 도입

많은 제조업체를 괴롭히는 것은 공급업체가 글로벌 위기로 마비되었을 뿐만 아니라 공급업체의 공급업체도 공장 폐쇄, 재고 부족, 운송 지연, 근로자 결근 등을 경험했다는 것입니다. 따라서 제조업체의 Tier 1, Tier 2 및 Tier 3 공급업체는 모두 공급망 전체에 반향을 일으켜 혼란을 겪고 있습니다. 그러나 이러한 모든 중단과 그것이 자신의 공급망에 어떤 영향을 미칠 것인지에 대한 가시성이 반드시 필요한 것은 아닙니다.

Bailey는 "거의 모든 제조 회사가 직접 또는 Tier 1, Tier 2 또는 Tier 3 공급업체를 통해 중국에 기반을 둔 공급망의 상당 부분을 가지고 있기 때문에 공장이 폐쇄되거나 인력 부족으로 인해 생산 능력이 고갈되었습니다."라고 말했습니다.

2018년 Statista 설문 조사에 따르면 공급망 전문가의 21%가 해당 사슬에 대한 가시성을 조직적으로 해결해야 하는 중요한 과제입니다.

Bailey는 "오늘날 대부분의 회사는 Excel을 사용하여 다양한 시나리오를 작성합니다. 그리고 "훌륭한 도구"이지만 소싱을 수행하기 위한 보다 정교하고 정확한 도구가 있습니다. 공급망 관리자의 90% 이상이 공급망 분석에 Excel을 어느 정도 사용합니다. Supply Chain Quarterly에 따르면 약 82%가 고급 분석 도구를 사용합니다.

Bailey는 AI를 미래의 약속으로 생각하지만 충분한 데이터 없이는 인간 지능을 모방하는 시스템을 설계할 수 없습니다. AI 시스템은 행동하고 반응하는 방법을 배우기 위해 데이터 세트를 제공받아야 합니다. 시스템에 대응 방법을 배울 수 있는 데이터가 충분하지 않기 때문에 일회성 상황은 문제가 됩니다. Ralf W. Seifert와 Richard Markoff는 "수요 계획에서 AI에 대한 수요"라는 기사에서 "올바른 수요 계획을 수립하려면 일회성 이벤트를 식별하고 설명해야 합니다."라고 썼습니다.

저자는 또한 공급망 관리에서 성공적인 AI는 일관된 예측을 가진 부서에 기반한다고 언급했습니다. 그들은 판매와 운영이 단일 소스에서 운영되어야 한다고 주장합니다. 그렇지 않으면 AI 알고리즘은 처음부터 편향과 불일치가 발생하기 쉽습니다.

공급망 관리의 AI:수요 계획

Bailey는 또 다른 핵심 요소는 수요 계획가가 위기 시기에 수요를 더 잘 이해하고 이를 형성하는 데 도움을 주어야 한다는 것입니다.

Bailey는 IoT 생성 센서 데이터가 수요를 측정하고 공급을 관리하는 데 더욱 중요해지고 있다고 말했습니다. 예를 들어 타이어 회사는 이제 센서 데이터를 사용하여 타이어 공기압을 모니터링하고 유지 보수에 대해 사전에 고객에게 경고합니다. 타이어의 트레드 마모를 모니터링하고 수명 종료를 계산할 때 제조업체에 재고 요구 사항에 대한 정보를 보내고 고객에게 구매를 관리하도록 알릴 수도 있습니다.

Bailey는 "이를 위해서는 기술과 분석을 사용하여 수요를 주도하는 것이 무엇인지 이해하고 AI를 사용하여 미래 요구 사항을 예측해야 합니다"라고 말했습니다. 일부 회사는 기술 및 분석 응용 프로그램과 새로운 직원 역할에 투자해야 하지만 "전반적으로 인건비가 더 낮아질 것"이라고 그는 말했습니다. 기술이 오늘날의 수요 계획가의 자주 결함이 있는 작업을 보완할 수 있기 때문입니다.

리서치 회사 Gartner는 2023년까지 글로벌 기업의 최소 50%가 공급망 운영에서 AI 관련 변혁 기술을 사용할 것이라고 예측했습니다.

동시에 많은 기업이 데이터 정리 활동에 대해 다시 처음으로 되돌아가는 데 시간을 할애해야 합니다. Bailey는 “많은 기업이 신뢰할 수 없는 엄청난 양의 데이터를 가지고 있습니다. “올바른 형식이 아닐 수도 있고, 부정확할 수도 있고, 정의상의 문제가 있을 수도 있고, 편향될 수도 있습니다. 데이터를 충분히 사용할 수 있도록 만드는 데 엄청난 시간이 소요됩니다.”라고 말했습니다.

그리고 다시 말하지만, 데이터 품질은 큰 관심사입니다. Seifert와 Markoff는 "AI를 수요 계획에 적용할 때 가장 눈에 띄는 과제는 데이터의 가용성과 정확성에 있습니다."라고 말했습니다.

마지막으로 Bailey와 다른 사람들은 단기 또는 중기의 현실은 공급망 관리자가 희소성과 불확실성의 시기에 데이터 분석을 사용하여 관리해야 한다는 점에 주목했습니다.

Bailey는 기업이 결정을 내리기 위해 데이터를 사용해야 한다고 말했습니다. 그는 50개가 아닌 4개의 SKU를 제공하고 더 높은 가치의 고객에게 집중해야 할 수도 있다고 말했습니다. 그는 데이터가 이러한 결정을 주도해야 한다고 강조했습니다.

Bailey는 "일부 제품 합리화 및 SKU 감소가 있을 것"이라고 말했습니다. "회사에 x개 품목이 100개만 있고 500개에 대한 수요가 있는 경우 팩트 기반 방식으로 [어떤 고객이] 우선순위를 정할지 결정하는 프로세스를 거칠 것입니다."

Bailey는 소싱 결정도 바뀔 것이라고 강조했습니다. “대부분의 기업은 중국에 지나치게 집중하는 것은 좋은 생각이 아니라고 판단했습니다. 위험과 기회의 균형을 맞추기 위해 지도에서 사물을 배치할 위치의 균형을 잡는 올바른 방법을 찾는 것이 매우 중요해졌습니다.”

전문가들은 궁극적으로 코로나바이러스가 공급망 관리 관행과 기업이 미리 예방했지만 현재는 공급망 성공의 핵심이 되는 기술의 사용을 강요할 것이라고 말합니다.

베일리는 “좋든 나쁘든 우리는 사람들이 공급망을 운영하는 방식을 바꾸도록 강요할 위기에 처해 있다”고 말했다. "좋은 소식은 이것이 어떤 경우에도 변경해야 한다는 것입니다."