기업 AI, 철강 산업 붕괴에 대한 솔루션 제공

인공 지능(AI)이 주도하는 기술의 발전과 데이터 레이크의 생성으로 조직은 산업 생산에 대한 가치를 인식하게 되었습니다.

엔터프라이즈 AI는 기본 비즈니스 모델에 포함되어 의사 결정을 강화할 수 있습니다. 기술 자체가 아닌 결과에 초점을 맞추므로 조직이 데이터를 가치 있는 통찰력으로 전환하여 지속적인 고객 가치를 창출할 수 있습니다.

인류 문명에서 가장 오래된 것 중 하나인 금속 산업은 현대 산업 성장의 중추였습니다. 강철은 오늘날 가장 많이 사용되는 금속이며 지각에서 네 번째로 흔한 원소인 철은 주요 구성 성분입니다.

Worldsteel Association에 따르면 전 세계 조강 생산량은 1950년 1억 8900만 톤에서 2018년 18억 톤으로 증가했습니다. 지난 20년 동안 급속한 성장은 세계 철강 생산량의 거의 50%를 차지하는 중국에서 생산된 과잉 생산 능력 덕분입니다. . 중국 제조업체가 초과 재고를 저렴한 가격으로 수출하기 시작하면서 불일치로 인해 산업, 특히 서구 세계에서 큰 혼란이 발생했습니다.

이러한 불균형이 계속될 가능성이 높지만 기업들은 제철 및 제강 기술 현대화를 통해 효율성을 개선하기 위해 노력하고 있습니다. 그 과정에서 자동화에 찬성하여 인간 노동에 대한 의존도를 점차 줄였습니다.

현대 철강 공장은 25년 전보다 훨씬 적은 인력을 고용합니다. 세계 철강 생산량이 2.5배 증가한 기간 동안 업계는 150만 명 이상의 인력을 해고했습니다.

철강 공급망에는 산업의 핵심인 몇 가지 고유한 요소가 포함되어 있습니다.

<울>

다중 소스 인바운드 공급망. 광산은 원료의 지속적인 흐름을 생성합니다. 그러나 철광석은 다양한 형태와 품질로 제공되며 최종 제품 처리로 이동하기 전에 추가 처리가 필요한 경우가 많습니다. 이로 인해 특정 고객 요구에 반드시 고정되지 않는 다양한 강철 등급이 생성될 수 있습니다.

결함 감지 생산. 철강 제조 공정은 고로, 기본 산소로, 연속 주조기 및 압연기를 포함한 생산 단계 사이에 재료의 끊김 없는 흐름이 필요합니다. 제강 공정 중에 특정 작업을 종료했다가 다시 시작하는 것은 비용이 많이 들 수 있습니다. 따라서 재가열 비용을 피하고 전환을 최소화하며 원치 않는 재공 재고 발생을 제거하려면 생산과 재고 흐름이 균형을 이루어야 합니다.

복잡한 완제품 보관 및 유통 네트워크. 보관, 추적 및 유통은 최종 제품의 다양한 등급, 중량 및 크기로 인해 비효율에 취약합니다. 또한 철강의 물리적 특성을 방해하는 RFID(Radio Frequency Identification) 태그와 같은 철강 산업의 추적 기술 사용에는 한계가 있습니다.

여러 판매 채널. 전통적으로 철강 회사는 딜러, 대리점 및 서비스 센터와 같은 다양한 간접 판매 채널에 의존했으며 모두 동일한 시장을 대상으로 했습니다. 철강 OEM(Original Equipment Manufacturer)은 최종 소비자 요구 사항에 대한 최소한의 가시성으로 시장에서 제한된 통제력을 가지고 있습니다. 또한 간접채널은 다수의 핸드셰이킹과 에이전시 수수료 등의 간접비 축적으로 인해 판매과정을 지연시킨다. 인터넷 판매 및 직접 판매 채널의 출현으로 전자 시장과 전자 경매는 투명성을 높이고 판매 주기를 단축하며 간접비를 줄이는 인기 있는 수단이 되었습니다. 동시에 e-마켓플레이스 플랫폼을 통해 고객은 특정 등급 요구 사항에 대한 시장 데이터 및 경쟁력 있는 견적에 즉시 액세스할 수 있습니다. 그 결과 강재 등급이 급증했으며 그 중 75%가 지난 20년 동안 개발되었습니다. 가장 짧은 주문 처리 주기와 가장 경쟁력 있는 가격으로 고객의 요구 사항을 충족하는 것이 판매 프로세스의 핵심이 되었습니다.

상품화되고 변동성이 큰 시장. 철강 공급망에서는 원자재와 완제품이 모두 상품화됩니다. 따라서 비즈니스는 수요 및 공급 지점 모두에서 가격 변동성에 노출되어 수익성이 감소합니다.

기업은 매일 대량의 데이터를 생성하고 있으며 기하급수적으로 증가하고 있습니다. 데이터는 구조화된 형태와 구조화되지 않은 형태로 제공됩니다. 인메모리 컴퓨팅, 스토리지 및 디지털 기술이 안정적이고 저렴해짐에 따라 많은 금속 회사에서 고급 분석을 개발하고 프로세스 통찰력을 얻기 위해 이를 사용하고 있습니다. 그러나 지금까지 이러한 노력의 대부분은 통합 공급망 전략의 형태로 전사적 비전이 부족했습니다. 철강 산업은 디지털 기량 향상으로 이익을 얻을 수 있는 상당한 여지가 있습니다.

디지털 트윈은 물리적 공급망 프로세스의 가상 복제본이자 사이버-물리적 통합의 백본입니다. 디지털 세계와 물리적 실체 간의 원활한 데이터 전송을 보장합니다. 엔터프라이즈 AI를 활성화하려면 다음과 같은 디지털 트윈 속성이 필요합니다.

<울>

생태계 상거래 플랫폼 상업적으로 이용 가능한 기성 소프트웨어를 통해 모든 내부 및 외부 비즈니스 파트너와의 정보 교환을 위해.

청취 플랫폼 및 정보 구독, 직접 통제할 수 없는 정보를 포착합니다.

물리적 장비 연결 및 이벤트 캡처 사물인터넷(IoT) 기기를 통해 디지털 트윈은 광석 저장(광부, 공급업체 및 선박 운영자), 생산(코크스 오븐, 소결 공장, 고로, 주조기 및 분쇄기), 제품과 같은 다양한 공급망 노드에서 지속적이고 실시간 데이터 수집을 보장합니다. 보관 및 유통(야드 및 화물 운송업체 기준), 판매 채널(e-마켓플레이스, 서비스 센터 및 딜러 포함)

빅 데이터 레이크는 모든 엔터프라이즈 데이터를 기본 형식으로 저장할 수 있는 단일 저장소입니다. 데이터 과학 기반 고급 분석 및 머신 러닝과 같은 다양한 용도로 사용할 수 있습니다. 철강 회사의 경우 빅 데이터 레이크는 구덩이, 야드, 용광로, 캐스터 및 공장을 비롯한 다양한 공급망 노드의 관련 없는 비즈니스 데이터를 원시 형식으로 저장할 수 있습니다. 빅 데이터를 사용하여 다음 영역에서 통찰력을 얻을 수 있습니다.

<울>

시장 정보, 거시 경제, 통화 정책, 관세, 금속 교환, 상품 가격 변동, 경쟁사 정보 및 지정학적 상황에 대한 정보로 구성됩니다.

제철소 데이터, 제철, 야적장 관리, 운송과 같은 다양한 단계에서 용량 및 운영에 대한 세부 정보를 제공합니다.

사업 계획 데이터, 생산 및 배송 계획을 포함합니다.

파트너 생태계 데이터, 고객, 대리점, 서비스 센터, 광부, 화물 운송업체 및 선박 운영자와 같은 외부 이해 관계자에 의해 생성됩니다. 파트너 생태계는 철강 회사와 거래하는 외부 조직의 다중 기업 비즈니스 네트워크(예:생태계 상거래 플랫폼)의 데이터에 대한 액세스를 제공해야 합니다.

엔터프라이즈 AI는 다음 기능으로 구성됩니다.

<울>

철강 공급망의 다양한 단계에서 이벤트 감지. 철강 제품은 소비자의 문 앞에 도달하기 전에 완전한 제조 수명 주기를 거쳐야 합니다. 벌크 철광석이 개별 철강 제품으로 전환됨에 따라 원자재는 여러 장비 및 공정 단계를 거칩니다. 공급망의 모든 부분에 대한 중단이나 변경은 생산의 다른 단계에 큰 영향을 미칩니다. IoT와 같은 관련 속성이 있는 디지털 트윈은 변경 사항을 즉시 인식하고 추가 분석을 위해 데이터를 수집합니다.

다양한 시간대에서 이벤트를 분석하고 핵심 성과 지표(KPI)에 미치는 영향을 결정합니다. 이벤트 데이터가 수집되면 고급 분석 플랫폼이 실행되어 계획된 활동에 미칠 수 있는 영향을 식별합니다. 이 단계는 1초 미만의 찰나의 순간에 수많은 "가정" 시나리오를 생성하여 공급 네트워크 전반에 걸쳐 가능한 변경의 결과를 비교할 수 있습니다. 평가는 계획 기간 내에서 다양한 KPI에 대한 영향을 결정할 수 있습니다.

대체 솔루션을 권장합니다. 데이터 수집 및 분석이 필수적이지만 엔터프라이즈 AI의 진정한 가치는 영향의 전체 범위를 분석하고 관련 권장 사항을 제공하는 능력에 있습니다. 영향이 특정 KPI의 임계값을 초과하는 경우 이전 인지 경험에서 얻은 비즈니스 규칙 및 교훈을 통해 엔터프라이즈 AI가 원하는 비즈니스 결과를 제공하는 솔루션을 추천할 수 있습니다. 이러한 권장 사항은 공급망 네트워크 전반의 영향을 고려하고 최적의 계획을 권장해야 합니다.

지속적인 인지 학습을 통해 결과를 최적화합니다. 빅 데이터 레이크는 데이터 과학을 통해 통찰력을 제공합니다. 엔터프라이즈 AI는 결과를 지속적으로 최적화하기 위해 정보를 사용합니다. 빅 데이터 레이크는 인간이 이해하는 데 평생이 걸릴 관련 없는 정보의 덩어리입니다. 구조가 없으면 이 정보를 비즈니스 목적으로 사용할 수 없습니다. 데이터 과학 기술은 시간 프레임, 지역 및 제품과 같은 특정 비즈니스 차원 내에서 구조화되지 않은 데이터를 필터링하고 지속적인 자가 학습을 가능하게 하기 위해 숨겨진 연결을 찾아낼 수 있습니다.

Enterprise AI는 수동 노동의 감소를 통해 철강 산업의 안정성, 효율성 및 생산성을 촉진하고 이를 기계 간 연결 및 처방적 분석으로 대체합니다. 시장 통찰력, 수요 변동성, 생산 및 공급 중단과 같은 요소를 감지할 수 있습니다. 빅 데이터 레이크 및 디지털 트윈에 대한 투자와 함께 AI 기술의 산업적 사용은 철강 회사를 보다 신속하고 수익성 있는 운영으로 변화시킬 것을 약속합니다. 기업 AI에 대한 실용적인 관점은 철강 공급망 효율성을 극적으로 높일 수 있으며, 이는 변동성이 심한 철강 시장에서 재고 유지 비용을 줄이고 출시 시간을 단축할 수 있습니다.

Hiranmay Sarkar는 Tata Consultancy Services(TCS) Consulting and Services Integration Practice의 관리 파트너입니다.