IoT와 분석이 포스트 코로나 공급망을 재편하는 방식

오늘날의 변동성 큰 시장에서 공급망 민첩성과 회복탄력성은 선택이 아닌 생존을 위한 필수 조건입니다. 이러한 수요를 충족하기 위해 기업들은 최신 디지털 기술로 눈을 돌리고 있습니다.

주요 인에이블러에는 사물인터넷(IoT), 인프라 자동화, 인공지능(AI), 고급 분석, API 통합, 디지털 공급망 트윈이라는 새로운 개념이 포함됩니다.

이 기술들에 대한 관심은 글로벌 코로나 팬데믹 기간 동안 가속화되었지만, 많은 기업이 코로나19 이전부터 이미 탐색을 시작했습니다.

가트너의 2019년 디지털 비즈니스 영향 조사에 따르면 IoT 침투가 광범위하여 응답자의 59%가 조직 전반에 부분적 또는 전체 배포를 보고했습니다. IoT World의 2020 IoT 도입 설문조사에서는 참가자의 51%가 IoT를 포함한 디지털 이니셔티브의 필요성 증가를 체감했습니다.

"포스트 코로나 공급망 유연성은 수요 변화보다 소비 변화에 더 가깝습니다."라고 가트너의 디렉터 겸 분석가 앰버 샐리(Amber Salley)는 말합니다. 2020년 3월 화장지 대란을 소비 패턴이 얼마나 빠르게 변할 수 있는지 보여주는 극명한 예로 들었습니다.

공급망 리더들은 이제 무너진 비즈니스 모델과 씨름하면서 장기적 기술 결정을 내려야 합니다. AI 기반 머신러닝 도구는 실시간 자산 관리, 재고 최적화, 예지보전 같은 이점을 약속합니다.

샐리는 머신러닝이 패턴 인식에 뛰어나지만 고품질, 대용량 데이터가 공급될 때만 그렇다고 말합니다. "과제는 많은 조직이 견고한 모델에 필요한 데이터 폭이 부족하다는 것입니다."라고 그녀는 말합니다.

IT 전문가들은 혼잡한 분석 솔루션 시장을 탐색 중입니다. 주요 공급업체로는 Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility, SAP가 있습니다.

IoT 디바이스는 공급망 모니터링의 중심이 되고 있으며, AWS, Google, Microsoft 같은 클라우드 리더들이 Accenture, Cognizant, Pluto7, TensorIoT 같은 전문가와 협력하여 맞춤형 분석을 제공합니다.

과거를 보는 분석, 미래를 보지 못하는 분석

통계 모델은 과거 분석에 가치가 있지만 전례 없는 혼란을 예측하는 데는 어려움을 겪습니다. IBM Sterling Supply Chain의 부사장 재닛 바를로우(Jeanette Barlow)는 미래 지향적 도구의 필요성을 강조합니다.

IBM Sterling은 Watson 인지 AI를 활용하여 대규모 데이터 상관관계를 분석하며, IoT 피드 양과 속도가 증가함에 따라 이 능력이 중요해졌습니다.

공급망 IoT를 위한 기초 기술

고급 머신러닝 도입은 조직의 디지털 성숙도에 달려 있습니다. John Galt Solutions의 제품 전략 리더 알렉스 프라담(Alex Pradham)은 많은 기업이 AI 확장에 앞서 기초 기술이 여전히 필요하다고 지적합니다.

프라담은 IoT 센서 비용 하락과 단기 계획을 위한 초신선 데이터의 가치를 강조합니다. "고품질 데이터가 운영 효율성을 향한 첫걸음입니다."라고 그는 말합니다.

TensorIOT의 부사장 겸 총괄 매니저 존 트레이너(John Traynor)는 이동 평균 같은 단순 분석도 데이터가 유효할 때만 유용하다고 상기시킵니다. 그는 AWS 및 Semtech와의 최근 파트너십으로 LoRa 기반 키트를 만들어 현장 디바이스를 AWS 서비스에 연결하여 자산 추적과 스마트 빌딩 애플리케이션을 지원한 사례를 인용합니다.

공급망을 위한 API 통합

IoT는 데이터 수집을 자동화하는 새로운 시스템 카테고리를 주도하고 있습니다. Cognizant의 최고 디지털 책임자 프라사드 사티아볼루(Prasad Satyavolu)는 최근 Bright Wolf 인수로 IIoT 제품을 확장한다고 발표했습니다.

"외부 데이터는 API를 통해 계획 시스템에 통합될 수 있습니다."라고 사티아볼루는 말합니다. 제조 기업이 존스홉킨스 코로나19 대시보드를 통합한 사례를 들었습니다.

공급망 디지털 트윈

가트너는 디지털 공급망 트윈을 물리적 공급망의 "동적, 실시간, 시계열 표현"이라고 부릅니다. 아직 초기 단계지만 이 기술은 창고 시뮬레이션, 재고 예측, 왓이프 분석을 가능하게 합니다.

Ansys, Dassault, GE, MathWorks, PTC, Siemens 같은 개발자들이 디지털 트윈 플랫폼을 구축 중입니다. 샐리는 명확한 비즈니스 문제로 시작해 작은 규모에서 가치를 입증할 것을 조언합니다.

레거시 시스템은 업그레이드가 필요할 수 있습니다. 디지털 트윈은 복잡한 상호연결을 모델링하기 위해 그래프 데이터베이스에 의존하는 경우가 많기 때문입니다. "IoT가 정확히 제공하는 고세분성, 저지연 데이터가 필수적입니다."라고 그녀는 말합니다.

스트리밍 IoT 데이터로 공급망 관리자는 장비 다운타임을 예측하고 부품 부족을 식별하며 생산을 사전에 조정할 수 있습니다.

"목표는 더 나은 가시성, 민첩성, 회복탄력성 달성입니다."라고 샐리는 결론짓습니다. "기술과 사람이 협력하면 압박 속에서도 정보에 입각한 결정을 내릴 수 있습니다. 혼란 속에서도 가능합니다."