AI가 공급망 위기를 해결하는 방법

COVID-19 대유행은 여러 산업 분야의 혁신을 위한 시험장이 되었습니다. 이것은 놀라운 일이 아닙니다. 역사를 통틀어 위기는 혁신을 낳았습니다. 이제 전 세계는 우리의 글로벌 공급망에 대한 격변적인 혼란 속에서 다시 한 번 혁신하도록 초대받고 있습니다.

우리가 지금 겪고 있는 문제는 절망적인 병목 현상처럼 보일 수 있으며, 이를 수정하기 위해 필요한 변경 사항은 가치를 실현하는 데 시간이 걸릴 것입니다. 그러나 다른 기술 및 혁신과 결합된 인공 지능은 제조 현장에서 소매 선반에 이르기까지 전체 공급망에 걸쳐 장기적 개선을 가져올 수 있습니다. 다음은 몇 가지 시나리오입니다.

공장 현장 개선

공급망 병목 현상에 대한 뉴스 보도는 항구 폐쇄로 인해 바다에 갇힌 선박에 초점을 맞추는 경향이 있습니다. 그러나 공급망 관리자는 공급망 개선이 원자재가 소싱되어 제품으로 제조되는 공장 현장까지 확장된다는 것을 알고 있습니다. 다른 기술과 연결된 AI는 큰 차이를 만들 수 있습니다. 예를 들어, 원자재 공급에 대한 데이터 기반 예측은 소모를 줄이기 위한 노동 계획뿐만 아니라 제조 계획 결정을 최적화하는 데 도움이 될 수 있습니다. 또한 공장 현장의 스마트 센서는 생산을 보다 효율적으로 만들고 수요와 공급 변동에 모두 대응할 수 있습니다. 스마트 센서는 중요한 부품이 마모될 때 제조업체에 경고할 수 있으므로 제조업체가 중단이 발생하기 전에 사전 예방적 수정 조치를 취할 수 있습니다.

가상 현실, 혼합 현실, 증강 현실과 같은 몰입형 기술과 AI(예:딥 강화 학습과 3D 시뮬레이션의 결합)를 결합하여 제조 프로세스를 개선할 수 있는 기업의 잠재력에 가장 기대가 됩니다. 기업은 AI를 사용하여 다양한 생산 시나리오를 시뮬레이션하고 보다 적은 시간과 비용 효율적인 방식으로 공장 현장을 최적화할 수 있습니다. 또한 3D 시뮬레이션 및 강화 학습을 통해 제조업체는 전체 생산 프로세스를 최적화할 수 있지만 물리적 제조 실험은 특정 프로세스에만 최적화할 수 있습니다. 메타버스의 약속이 지켜짐에 따라 이 가상 AI 애플리케이션은 작업 현장을 더 효율적으로 만드는 것뿐만 아니라 변화시키는 데 도움이 될 수 있습니다.

중단에 대응

AI를 사용하면 데이터와 분석을 사용하여 공급망 중단으로 영향을 받는 재고를 식별하고 매핑할 수 있습니다. 기업이 자재를 운송하는 선박에 대한 가시성이 부족하다면 위기를 기회로 삼아 데이터, 사물 인터넷, 고급 분석(예:머신 러닝 및 시뮬레이션)을 통한 공급망 디지털 혁신의 우선 순위를 정당화해야 합니다. 비즈니스는 공급 측면의 제약이 운영과 시장 수요 기대치를 충족하는 능력에 어떤 영향을 미칠지 성공적으로 측정하기 위해 제품이 항상 어디에 있는지 알아야 합니다. 이는 자동차 산업에서 볼 수 있듯이 전 세계적으로 운영되는 많은 업체에 의존하는 복잡한 공급망에서 특히 그렇습니다. 자동차 제조업체와 소매업체는 국가 간 반도체 공급망의 병목 현상을 추적하기 위해 고군분투하고 있습니다. 이러한 투명성 부족으로 인해 병목 현상을 해결하는 방법을 식별하거나 재고가 정상으로 돌아올 때를 예측하는 것과 같은 조치를 취하는 것이 거의 불가능합니다. 투명한 데이터 공유와 AI가 이 문제를 해결하는 데 도움이 될 수 있습니다.

소비자 수요 대응

소비자 수요 없이 공급망 위기도 없을 것이라는 점을 기억하는 것은 유익합니다. AI는 디지털 선반 기술을 통해 공급망 생태계의 모든 사람이 소비자 수요에 더 잘 부합하도록 도울 수 있습니다. 디지털 선반은 실시간 데이터를 통해 소매업체의 전체 운영 및 공급망에 연결된 매장 및 온라인 제품 디스플레이를 느슨하게 말합니다. 디지털 선반을 통해 기업은 항상 모든 매장의 정확한 재고 수준을 알고 있습니다.

Amazon.com Inc.의 식료품점을 예로 들어 보겠습니다. Amazon Go 매장 전체의 센서는 디지털 선반에 대해 지속적으로 업데이트되는 인텔리전스를 제공하므로 소매업체는 지역 수요에 따라 재고 수준을 사용자 지정하고 제품 수요의 갑작스러운 급증 또는 감소에 대응할 수 있습니다. 더 큰 규모로 Walmart Inc.도 이 기능을 구축하고 있습니다.

디지털 선반의 개념은 몇 년 동안 존재했지만 전염병으로 인해 더 시급하고 시의적절했습니다. 소비자 수요의 빠르고 예측할 수 없는 변화와 팬데믹으로 인한 온/오프라인 커머스의 급증으로 재고 수준을 관리하는 기업의 오차 범위가 사라졌기 때문입니다.

디지털 선반은 공급망 병목 현상을 해결하지 못하지만 기업이 공급망의 중요한 요소인 배송의 마지막 마일을 보다 원활하게 관리하는 데 도움이 됩니다.

인력 부족 관리

공급망 위기가 심화된 이유 중 하나는 제품을 내리기 위한 창고 직원과 제품을 운송할 트럭 운전사와 같은 가용 노동력 부족입니다. AI는 특히 기업이 이를 사용하여 계약자 노동력을 조달하는 방법에 대해 창의력을 발휘하는 경우 기업이 타이트한 노동 공급을 관리하는 데 도움이 될 수 있습니다. 많은 기업은 용량 급증을 관리하기 위해 일시적인 도움을 찾을 때 여전히 암흑기에 운영하고 있습니다. 전화를 받고 인력 회사에 전화를 겁니다. 이것은 매우 비효율적인 접근 방식입니다. 기업이 데이터와 AI로 구동되는 단일 포털을 활용하여 필요한 리소스를 찾는다면 어떨까요? 기업과 직원 채용 파트너가 직원 채용 요구 사항 및 리소스에 대한 정보로 포털을 최신 상태로 유지한다고 가정하면 AI는 필요 범위, 사용 가능한 직원 및 리소스에 대한 근접성, 기간과 같은 요소에 따라 리소스를 일치시킬 수 있습니다. AI는 가용 리소스가 0인 경우 문제를 해결하지 못하지만 올바른 플랫폼에서 활성화하면 확실히 도움이 될 것입니다.

다음 위기에 대한 계획

AI는 기업이 시나리오 계획 연습을 수행하고 중요한 비즈니스 결정을 내리는 데 도움이 될 수 있습니다. 대유행은 기업이 다음 대유행, 자연 재해, 시민 소요 또는 기타 혼란에 대비해야 하는 경종을 울리는 신호입니다. AI는 기업이 사전에 부족과 공급 문제를 예측한 다음 탄력성 전략으로 대응하는 데 도움이 될 수 있습니다(예:항구 폐쇄 발생 시 필수 자재 배송 경로 변경). 이를 위해서는 데이터가 있어야 하고 탄력성 응답을 시뮬레이션할 수 있어야 합니다. 또한 AI는 공급망에 있는 기업이 특정 중단(예:커피 생산을 방해하는 자연 재해)이 과도기인지 장기인지 예측하고 해당 데이터를 기반으로 대응 시나리오를 시뮬레이션하는 데 도움이 될 수 있습니다.

AI 기반 공장 시뮬레이션과 유사하게 기업은 디지털 트윈을 사용하여 다음 혼란에 대한 시나리오 계획을 수행할 수 있습니다. MIT Technology Review가 언급한 바와 같이, “대만에 가뭄이 있고 물 부족으로 마이크로칩 제조가 중단된다면 어떻게 될까요? 디지털 트윈은 이러한 일이 발생할 위험을 예측하고 공급망에 미칠 영향을 추적하며 강화 학습을 사용하여 피해를 최소화하기 위해 취해야 할 조치를 제안할 수 있습니다.”

공급망 위기에서 쉽게 벗어날 수 있는 방법은 없습니다. AI 자체도 솔루션을 제공하지 않습니다. 이 게시물에서와 같이 기업은 먼저 공급망 위기를 더 작은 문제로 분류하고 해결 방법을 알아낼 것을 제안합니다. "다음 중단으로부터 비즈니스를 어떻게 보호할 수 있습니까?" 아마도 너무 광범위한 질문일 것입니다. 대신 "트럭 운전 차량을 수요 급증에 보다 효과적으로 맞추려면 어떻게 해야 합니까?"와 같이 보다 구체적이고 쉽게 해결할 수 있는 문제에 집중하십시오. 질문에 답하면 기업이 AI의 명확하고 매력적인 역할을 이해하는 데 도움이 됩니다.

Ahmer Inam은 글로벌 디지털 및 기술 서비스 기업인 Pactera EDGE의 최고 AI 책임자입니다.

COVID-19 대유행은 여러 산업 분야의 혁신을 위한 시험장이 되었습니다. 이것은 놀라운 일이 아닙니다. 역사를 통틀어 위기는 혁신을 낳았습니다. 이제 전 세계는 우리의 글로벌 공급망에 대한 격변적인 혼란 속에서 다시 한 번 혁신하도록 초대받고 있습니다.

우리가 지금 겪고 있는 문제는 절망적인 병목 현상처럼 보일 수 있으며, 이를 수정하기 위해 필요한 변경 사항은 가치를 실현하는 데 시간이 걸릴 것입니다. 그러나 다른 기술 및 혁신과 결합된 인공 지능은 제조 현장에서 소매 선반에 이르기까지 전체 공급망에 걸쳐 장기적 개선을 가져올 수 있습니다. 다음은 몇 가지 시나리오입니다.

공장 현장 개선

공급망 병목 현상에 대한 뉴스 보도는 항구 폐쇄로 인해 바다에 갇힌 선박에 초점을 맞추는 경향이 있습니다. 그러나 공급망 관리자는 공급망 개선이 원자재가 소싱되어 제품으로 제조되는 공장 현장까지 확장된다는 것을 알고 있습니다. 다른 기술과 연결된 AI는 큰 차이를 만들 수 있습니다. 예를 들어, 원자재 공급에 대한 데이터 기반 예측은 소모를 줄이기 위한 노동 계획뿐만 아니라 제조 계획 결정을 최적화하는 데 도움이 될 수 있습니다. 또한 공장 현장의 스마트 센서는 생산을 보다 효율적으로 만들고 수요와 공급 변동에 모두 대응할 수 있습니다. 스마트 센서는 중요한 부품이 마모될 때 제조업체에 경고할 수 있으므로 제조업체가 중단이 발생하기 전에 사전 예방적 수정 조치를 취할 수 있습니다.

가상 현실, 혼합 현실, 증강 현실과 같은 몰입형 기술과 AI(예:딥 강화 학습과 3D 시뮬레이션의 결합)를 결합하여 제조 프로세스를 개선할 수 있는 기업의 잠재력에 가장 기대가 됩니다. 기업은 AI를 사용하여 다양한 생산 시나리오를 시뮬레이션하고 보다 적은 시간과 비용 효율적인 방식으로 공장 현장을 최적화할 수 있습니다. 또한 3D 시뮬레이션 및 강화 학습을 통해 제조업체는 전체 생산 프로세스를 최적화할 수 있지만 물리적 제조 실험은 특정 프로세스에만 최적화할 수 있습니다. 메타버스의 약속이 지켜짐에 따라 이 가상 AI 애플리케이션은 작업 현장을 더 효율적으로 만드는 것뿐만 아니라 변화시키는 데 도움이 될 수 있습니다.

중단에 대응

AI를 사용하면 데이터와 분석을 사용하여 공급망 중단으로 영향을 받는 재고를 식별하고 매핑할 수 있습니다. 기업이 자재를 운송하는 선박에 대한 가시성이 부족하다면 위기를 기회로 삼아 데이터, 사물 인터넷, 고급 분석(예:머신 러닝 및 시뮬레이션)을 통한 공급망 디지털 혁신의 우선 순위를 정당화해야 합니다. 비즈니스는 공급 측면의 제약이 운영과 시장 수요 기대치를 충족하는 능력에 어떤 영향을 미칠지 성공적으로 측정하기 위해 제품이 항상 어디에 있는지 알아야 합니다. 이는 자동차 산업에서 볼 수 있듯이 전 세계적으로 운영되는 많은 업체에 의존하는 복잡한 공급망에서 특히 그렇습니다. 자동차 제조업체와 소매업체는 국가 간 반도체 공급망의 병목 현상을 추적하기 위해 고군분투하고 있습니다. 이러한 투명성 부족으로 인해 병목 현상을 해결하는 방법을 식별하거나 재고가 정상으로 돌아올 때를 예측하는 것과 같은 조치를 취하는 것이 거의 불가능합니다. 투명한 데이터 공유와 AI가 이 문제를 해결하는 데 도움이 될 수 있습니다.

소비자 수요 대응

소비자 수요 없이 공급망 위기도 없을 것이라는 점을 기억하는 것은 유익합니다. AI는 디지털 선반 기술을 통해 공급망 생태계의 모든 사람이 소비자 수요에 더 잘 부합하도록 도울 수 있습니다. 디지털 선반은 실시간 데이터를 통해 소매업체의 전체 운영 및 공급망에 연결된 매장 및 온라인 제품 디스플레이를 느슨하게 말합니다. 디지털 선반을 통해 기업은 항상 모든 매장의 정확한 재고 수준을 알고 있습니다.

Amazon.com Inc.의 식료품점을 예로 들어 보겠습니다. Amazon Go 매장 전체의 센서는 디지털 선반에 대해 지속적으로 업데이트되는 인텔리전스를 제공하므로 소매업체는 지역 수요에 따라 재고 수준을 사용자 지정하고 제품 수요의 갑작스러운 급증 또는 감소에 대응할 수 있습니다. 더 큰 규모로 Walmart Inc.도 이 기능을 구축하고 있습니다.

디지털 선반의 개념은 몇 년 동안 존재했지만 전염병으로 인해 더 시급하고 시의적절했습니다. 소비자 수요의 빠르고 예측할 수 없는 변화와 팬데믹으로 인한 온/오프라인 커머스의 급증으로 재고 수준을 관리하는 기업의 오차 범위가 사라졌기 때문입니다.

디지털 선반은 공급망 병목 현상을 해결하지 못하지만 기업이 공급망의 중요한 요소인 배송의 마지막 마일을 보다 원활하게 관리하는 데 도움이 됩니다.

인력 부족 관리

공급망 위기가 심화된 이유 중 하나는 제품을 내리기 위한 창고 직원과 제품을 운송할 트럭 운전사와 같은 가용 노동력 부족입니다. AI는 특히 기업이 이를 사용하여 계약자 노동력을 조달하는 방법에 대해 창의력을 발휘하는 경우 기업이 타이트한 노동 공급을 관리하는 데 도움이 될 수 있습니다. 많은 기업은 용량 급증을 관리하기 위해 일시적인 도움을 찾을 때 여전히 암흑기에 운영하고 있습니다. 전화를 받고 인력 회사에 전화를 겁니다. 이것은 매우 비효율적인 접근 방식입니다. 기업이 데이터와 AI로 구동되는 단일 포털을 활용하여 필요한 리소스를 찾는다면 어떨까요? 기업과 직원 채용 파트너가 직원 채용 요구 사항 및 리소스에 대한 정보로 포털을 최신 상태로 유지한다고 가정하면 AI는 필요 범위, 사용 가능한 직원 및 리소스에 대한 근접성, 기간과 같은 요소에 따라 리소스를 일치시킬 수 있습니다. AI는 가용 리소스가 0인 경우 문제를 해결하지 못하지만 올바른 플랫폼에서 활성화하면 확실히 도움이 될 것입니다.

다음 위기에 대한 계획

AI는 기업이 시나리오 계획 연습을 수행하고 중요한 비즈니스 결정을 내리는 데 도움이 될 수 있습니다. 대유행은 기업이 다음 대유행, 자연 재해, 시민 소요 또는 기타 혼란에 대비해야 하는 경종을 울리는 신호입니다. AI는 기업이 사전에 부족과 공급 문제를 예측한 다음 탄력성 전략으로 대응하는 데 도움이 될 수 있습니다(예:항구 폐쇄 발생 시 필수 자재 배송 경로 변경). 이를 위해서는 데이터가 있어야 하고 탄력성 응답을 시뮬레이션할 수 있어야 합니다. 또한 AI는 공급망에 있는 기업이 특정 중단(예:커피 생산을 방해하는 자연 재해)이 과도기인지 장기인지 예측하고 해당 데이터를 기반으로 대응 시나리오를 시뮬레이션하는 데 도움이 될 수 있습니다.

AI 기반 공장 시뮬레이션과 유사하게 기업은 디지털 트윈을 사용하여 다음 혼란에 대한 시나리오 계획을 수행할 수 있습니다. MIT Technology Review가 언급한 바와 같이, “대만에 가뭄이 있고 물 부족으로 마이크로칩 제조가 중단된다면 어떻게 될까요? 디지털 트윈은 이러한 일이 발생할 위험을 예측하고 공급망에 미칠 영향을 추적하며 강화 학습을 사용하여 피해를 최소화하기 위해 취해야 할 조치를 제안할 수 있습니다.”

공급망 위기에서 쉽게 벗어날 수 있는 방법은 없습니다. AI 자체도 솔루션을 제공하지 않습니다. 이 게시물에서와 같이 기업은 먼저 공급망 위기를 더 작은 문제로 분류하고 해결 방법을 알아낼 것을 제안합니다. "다음 중단으로부터 비즈니스를 어떻게 보호할 수 있습니까?" 아마도 너무 광범위한 질문일 것입니다. 대신 "트럭 운전 차량을 수요 급증에 보다 효과적으로 맞추려면 어떻게 해야 합니까?"와 같이 보다 구체적이고 쉽게 해결할 수 있는 문제에 집중하십시오. 질문에 답하면 기업이 AI의 명확하고 매력적인 역할을 이해하는 데 도움이 됩니다.

Ahmer Inam은 글로벌 디지털 및 기술 서비스 기업인 Pactera EDGE의 최고 AI 책임자입니다.