기술이 공급망에서 사람을 능가하는 경우:네 가지 예

인적 오류는 아마도 제조에서 가장 큰 위험 중 하나일 것입니다. 모든 계획, 프로세스, 비상 사태, 품질 보증 및 안전 장치 구현에도 불구하고 한 사람의 실수로 전체 운영 또는 공급망을 중단시키기만 하면 됩니다. Ever Given의 선장에게 물어보십시오. 약간의 잘못된 기동이 전 세계에 파급 효과를 줄 수 있습니다.

물론 오류도 불가피하다. 인간은 본질적으로 무오하지 않습니다. 독립적인 사고, 적응력, 사회화 등 우리를 가치 있는 직원으로 만드는 바로 그 속성도 우리를 취약하게 만듭니다. 우리는 행동에 약간의 변화가 있거나 충분한 수면을 취하지 않을 때 판단에 오류를 범하는데, 둘 다 정확성과 성과에 영향을 미칠 수 있습니다.

문제는 겉보기에 작은 오류라도 큰 문제를 일으킬 수 있다는 것입니다. 공급망 중단의 80% 이상이 인적 오류의 결과입니다. 일부 사람들은 기계가 답이라고 생각할 수 있지만 전체 시스템을 자동화하면 사람과 사람의 실수가 제거됩니다. 이는 현실적이지 않거나 권장되지 않습니다.

그러나 기술이 공급망에서 가장 흔히 발생하는 인적 오류를 완화하는 데 도움이 되는 여러 가지 방법이 있습니다.

자동 데이터 분석. 간단한 키 입력 실수만 있으면 됩니다. 누군가가 구매 주문 또는 생산 주문에 잘못된 정보를 입력하거나 리드 타임, 최소 주문 수량, 비용 또는 안전 재고 수준에 대한 매개변수를 변경하고 시스템을 테일 스핀으로 보냅니다. 또는 분석가가 ERP 또는 MRP에서 데이터를 가져와서 Microsoft Excel에 덤프하여 일부 시나리오 계획을 실행하거나 어떻게든 조작하면 변경 사항이 어떻게든 시스템에 저장됩니다. 이러한 오류는 공급망을 위아래로 이동할 수 있습니다. 리드 타임의 변경으로 인해 고객이 더 많은 제품을 주문하도록 유도할 수 있으며, 이는 사슬 위로 채찍 효과를 보낼 수 있습니다.

자동화는 수동 데이터 조작을 줄이고 적절한 매개변수를 제안하여 이 문제를 해결하는 데 도움이 될 수 있습니다. 폐쇄 루프 시스템 내에서 수집, 통합 및 분석되는 생산 데이터를 통해 디지털 제조 소프트웨어 플랫폼은 주요 데이터 포인트를 수동으로 입력하고 조직의 전략적 목표 및 KPI에 연결하여 이전에 이상을 관찰하고 경고할 필요성을 줄이는 데 도움이 될 수 있습니다. 그들은 작업장에서 벗어날 기회가 있습니다. 고급 데이터 분석을 통해 디지털 계획 시스템은 과거 및 실시간 데이터에서 파생된 통찰력을 기반으로 매개변수 설정에 대한 권장 사항을 보고하고 제공할 수도 있습니다. 이를 통해 상황이 어떻게 변하고 있는지 확인하고 업데이트할 수 있는 몇 가지 옵션을 제공하지만 여전히 작업자의 손에 업데이트 권한을 부여합니다.

오류 알림. 생산 현장의 인적 오류는 잘못된 기계 설정에서부터 잘못 배치되거나 우발적으로 파괴된 재료, 공정 단계 건너뛰기 또는 오염에 이르기까지 다양합니다. 이러한 실수는 비용이 매우 많이 들고 최종 사용자를 위험에 빠뜨리는 것은 물론 재정적으로 파괴적인 비즈니스 손실 또는 제품 회수를 초래할 수 있습니다.

자동화가 이러한 피할 수 있는 생산 오류를 제거하는 데 도움이 되는 세 가지 방법이 있습니다. 첫째, IIoT 및 디지털 이미지 기반 자재 추적은 원자재와 완제품을 정확하고 적절하게 이동하고 보관하는 데 도움이 될 수 있습니다. 둘째, 작업 기술의 디지털 표준은 정확한 작업 완료를 위한 기준선을 설정할 수 있으며, 이를 통해 직원을 교육하고 작업을 확인하며 규정을 위반할 경우 즉시 경고할 수 있습니다. 마지막으로 컴퓨터 지원 육안 검사를 통해 규정을 준수하지 않는 부품을 찾아내어 라인에서 제거할 수 있습니다.

교통 계획. 전 세계의 항구가 막히고, 트럭 운전사 부족이 계속되고, 겨울로 접어들면서 기상 관련 문제가 발생할 가능성이 있는 상황에서 운송 물류는 악몽이 될 수 있습니다. 많은 경우, 둘 다 인간에 의해 발생하며 올바른 결정을 내리는 데 필요한 모든 정보가 없을 수도 있는 인간에 의해 수정되어야 합니다.

여기에 공급망 컨트롤 타워 기술이 도움이 될 수 있습니다. 컨트롤 타워 솔루션을 구현함으로써 제조업체는 선적 상황에 대한 실시간 통찰력을 얻을 수 있을 뿐만 아니라 원자재 입고 및 완제품 유통의 주요 지연을 완화하기 위한 대안을 식별할 수 있습니다. 문제가 있는 위치를 확인하고 가정 시나리오 계획을 수행할 수 있는 데이터를 제공함으로써 공급망 자동화는 배송에서 문제가 발생하기 전에 사람의 실수를 찾아내고 피해를 최소화하는 방법을 식별하는 데 도움이 될 수 있습니다.

재고 관리. 기술을 통해 인적 오류를 완화하는 것은 혼란과 골칫거리를 유발할 수 있는 실수를 피할 뿐만 아니라 수백만 달러를 절약할 수도 있습니다. 한 예로, 한 대형 식품 포장 제조업체는 생산 계획 및 재고 할당을 자동화할 방법을 찾고 있었습니다. 수동 설정과 스프레드시트를 사용하여 현재 시스템을 분석한 결과 회사는 수많은 오류를 발견했으며 암시된 서비스 수준은 60년대였습니다. 제조 분석 및 최적화 플랫폼을 구현하여 6개 유통 센터와 60개 이상의 시설에서 수천 개의 SKUS를 분석한 후, 회사는 서비스 수준을 최대 95%까지 개선하고 재고를 절반으로 줄여 수천만 달러 가치를 이동할 수 있었습니다. 그냥 유휴 상태였던 인벤토리.

노동력 부족, 운송 문제, 변동하는 수요와 공급 사이에 업계의 불확실성이 매우 크기 때문에 제조업체는 가능한 한 공급망을 통제해야 합니다. 인적 오류와 관련된 많은 실패 지점이 있기 때문에 그 어느 때보다 지금 이러한 위험을 줄이는 것이 중요합니다.

가장 일반적인 오류 중 일부를 완화하기 위해 분석 및 자동화를 활용하는 기술을 구현하는 것이 역동적이고 빠르게 변화하는 환경에서 생존하고 경쟁 우위를 확보하는 가장 좋은 방법입니다.

Ken Koenemann은 Dploy Solutions를 포함하는 TBM Consulting Group의 기술 및 공급망 업무 담당 부사장입니다.