자율 공급망이 눈앞에 있습니다

공급망은 효율성과 탄력성을 개선하기 위해 자동화에 점점 더 의존하게 되었습니다. 제품을 제조하고, 트럭에 싣고, 항구로 배송하고, 배에 싣는 데 더 이상 사람이 물리적으로 필요하지 않습니다. 그런 다음 최종적으로 다른 트럭으로 옮겨 창고로 배송됩니다. 그러나 이 프로세스에는 여전히 사람들의 실질적인 도움이 많이 필요합니다. 보다 "사람이 없는" 공급망을 통해 인간은 모든 단계가 자율적으로 실행되는 동안 전체 프로세스를 모니터링할 수 있습니다.

5G 연결, 로봇 공학, 인공 지능, 기계 학습 및 사물 인터넷(IoT)과 같은 기술 발전으로 종단 간 자동화가 가능해졌습니다. 드론 배달도 완전히 터무니없는 개념은 아닙니다. Amazon.com Inc.는 이를 실험한 조직 중 하나입니다. 가능성은 무한하며 공급망이 보다 자율적으로 작동할 수 있는 효율적인 시스템으로 진화함에 따라 잠재적인 결과는 새로운 지평을 열 수 있습니다.

그러나 앞서 언급한 모든 기술이 하룻밤 사이에 결과를 만들어내는 것은 아닙니다. 공급망 전략을 위한 Gartner Inc.의 2020년 하이프 사이클에 따르면 A.I. 생산성의 고원에 도달합니다. 케이스와 팔레트를 이동하기 위한 AGV(Automated Guided Vehicle), 대형 랙에 상품을 저장하고 철도에 의존하는 고급 자동 보관 및 회수 시스템(AS/RS)을 포함하여 자율 주행 배달 트럭이 계속 테스트되고 있습니다. -구조물을 따라 이동할 수 있는 부착된 로봇 셔틀

로봇이 자동으로 품목을 포장하고 적재하는 공급망의 물리적 구성 요소를 지원함에 따라 로봇은 보다 자동화되고 사람의 개입에 덜 의존하게 될 것입니다. 마찬가지로 A.I. 기계 학습은 일상적인 의사 결정을 자동화하고 디지털 공급망의 계획 및 기타 측면을 개선할 수 있는 능력을 갖게 됩니다. 이러한 기술은 공급망이 현재의 문제를 극복하고 추가 혼란에 대한 탄력성을 높이는 데 도움이 될 것입니다.

연구에 따르면 A.I. 자동화의 미래, 특히 경쟁력을 유지하기 위해 기술을 수용해야 할 필요성은 글로벌 기업의 생존에 필수적입니다. 그러나 이러한 광범위한 평가는 특정 산업에 초점을 맞추는 데 실패하여 일부는 면제되지만 일부는 면제된다는 인상을 줍니다. AI의 필요성 자동화는 모든 산업의 공급망에 매우 많이 적용되며, 2020년에 도입된 과제에서는 더욱 그렇습니다. 공급망이 성장하고 세상이 던지는 모든 것을 처리할 수 있게 되는 것이 필수적입니다. 데이터에서 자율적으로 실행할 수 있어야 하며 점점 더 혼란스러워지는 환경에서 효과적으로 운영할 수 있어야 합니다.

이것은 기업이 필요한 기술이 성숙하는 동안 생각을 미룰 수 있는 전환이 아닙니다. 그들은 그것이 하룻밤 사이에 일어나지는 않을 것이라는 점을 인식하면서 지금 당장 덜 수동적인 공급망의 전망에 초점을 맞추기 시작해야 합니다. 수많은 변수와 영향을 고려하여 각 단계를 고려하고 조정해야 합니다. 공급망은 선형으로 유지되지 않을 수 있습니다. 순환 경제에 대한 관심 증가는 이러한 네트워크가 앞으로 어떤 형태를 갖게 될지에 큰 영향을 미칠 수 있습니다.

그렇긴 하지만 공급망의 진화는 로봇, A.I.를 사용하는 것만큼 간단하지 않습니다. 수동 작업을 대체하는 기계 학습; 사람들은 여전히 ​​전체 프로세스를 감독하고 조직할 것입니다. 그러나 이제 그들은 업무를 보다 효율적으로 수행하기 위해 이러한 기술로부터 필요한 지원을 받게 될 것입니다. 보다 효과적인 전략은 회사 공급망의 요구 사항을 세분화하여 시작하는 것입니다. 그런 다음 비즈니스 요구 사항을 충족하도록 다시 구축할 수 있으며, 동시에 사용할 준비가 된 기술을 배포하고 사용 사례에 새로운 가치를 가져올 수 있습니다. 여기에는 네트워크 재설계가 포함될 수 있으며, 이는 조직 및 프로세스 재설계를 지원하고 관련 시스템을 업데이트해야 합니다. 이는 사실상 기업이 미래의 강력하고 자급자족할 수 있는 공급망에 대비하기 위해 지금 계획을 시작해야 함을 의미합니다.

공급망은 진화하고 있습니다. 그들의 미래는 물리적 측면과 디지털 측면 모두를 위한 자동화에 있습니다. 기업은 로봇, A.I. 그리고 기계 학습. 이러한 기술을 현재 시행 중인 수동 프로세스와 독립적으로 작동하는 하나의 특별한 공급망으로 결합할 가능성이 있습니다. 자동화되고 간소화된 이 미래는 영감을 주는 만큼 흥미진진하며 제품이 제조, 유통 및 전달되는 방식을 완전히 변화시킬 것입니다.

Antony Lovell은 애플리케이션 담당 부사장입니다. 부알타 .