공동배송, 싱크로모달리티, 심층강화학습에 AI 적용하면 효과 극대화

컨설팅 회사 Capgemini의 설문 조사에 따르면 공급망 경영진의 83%가 “조직의 엔드-투-엔드 가시성이 부족한 것이 성장의 장애물”이라고 생각한다고 답했다. 기업이 △정보에 입각한 의사 결정을 내리고 △더 나은 결과를 도출하기 위한 병목 현상을 식별하며 △데이터 조직이 수집·분석해야 하는 대상을 설정할 수 있으려면 대규모의 통찰력이 필요하다. 이를 위해서는 무엇보다 AI 솔루션에 대한 투자가 중요하다.

특히 제조 분야 기업일 경우 AI 솔루션과 연결된 장치에 많은 투자를 하고 있는데 인텔의 경우 2006년 20억개 IoT 제품을 2020년까지 2천억개로 확장할 만큼 IoT 세계는 빠르게 성장하고 있다. AI 솔루션과 커넥티드 장치 간의 협업 증가 기회는 미래의 공급망 리더를 결정하는 데 중요한 역할을 한다. 이 같은 시스템의 핵심은 연결된 장치에서 실시간 데이터를 가져와 의사 결정자에게 전례 없는 규모로 더 광범위하고 심층적인 운영 통찰력을 제공할 수 있는 직관적인 AI 솔루션을 개발하는 것이다. 가시성 향상을 이룬다면 경영진은 내부(예: 기계 고장) 또는 외부(예: 공급 업체배송 지연)에서 예기치 않은 상황이 발생했을 경우 비상계획을 신속하게 수립함으로써 공급망뿐만 아니라 궁극적으로 브랜드에 부정적인 영향을 최소화할 수 있다.

오늘날 기업이 물류를 조직하는 방식은 ▲공급망이 항상최고 수준에서 환경친화적인 것은 아니며 ▲조직이 제품운송 및 배송과 관련해 가능한 최고의 속도, 유연성, 비용 및 탄소발자국을 유지하는 것이 불가능하다는 점에서 지속가능하지 않다고 평가받고 있다.

이상적인 기업이라면 지속가능하고 비용 효율적이며 자사 상품에 맞는 꼭 맞는 능률적 공급망을 보유할 수 있겠지만 현재 이러한 공급망은 항상 갖추기란 쉽지는 않다. 하지만 빅데이터 분석이나 AI와 같은 신기술을 갖춘다면 기업은 긍정적인 변화를 이룰 수 있으며 가능한 한 효율적이면서도 지속 가능한 공급망을 운영할 수 있다. 특히 기업이 AI를 잘 활용한다면 공급망에 긍정적인 영향을 미쳐 조직이 가장 빠르고 저렴하면서도 지속 가능한 운송경로를 통한 혜택을 누리게 도울 수 있다.

왜 AI일까?
대부분의 기업이 도입하기 원하며 조직의 운영 효율성을 10% 이상 향상할 수 있다고 알려진 AI는 사용량이 증가하면 워크로드가 줄어들어 상품과 시간을 절약할 수 있고 조직이 다른 영역에 재투자해 결과적으로 이해 관계자에 더 많은 가치를 제공할 수 있다. 또한 실시간 데이터 분석은 수요 변화에 대한 가시성과 반응 시간을 향상해 기업이 비용을 절감하고 판매를 늘리는 데 도움을 준다. 무엇보다 AI를 사용하면 데이터와 혁신적인 알고리즘을 통해 획기적으로 공급망의 효율성을 향상할 수 있다.

그렇다면 기업은 어떻게 이것을 구현할 수 있을까? <서플라이체인디지털>의 ‘How AI can make supply chains more sustainable (AI가 공급망을 좀 더 지속 가능하게 만들 수 있는 방법, 8월 12일)’ 기사에 따르면 실제로 스마트하고 효과적인 물류 체인을 만들기 위해 이러한 기술을 적용할 수 있는 세 가지 구체적인 영역을 소개하고 있는데 이는 다음과 같다.

◆ 공동배송
‘공동배송(Collaborative shipping)’ 혹은 ‘공용배송’이란 조직 간에 배송과 운송 방법을 함께사용하는 것을 칭한다. 이는 유럽에서 가장 오래된 비즈니스 및 경영학교 중 하나인 벨기에 Vlerick Business School과 벨기에 가톨릭 대학 KU Leuven 에서 서로 간에 운송 데이터를 공유하고 다른 운송회사와 협력할 기회를 더 잘 식별할 수 있는 알고리즘을 개발함으로써 탐색 됐던 방식이기도 하다.

이 알고리즘은 GPS 데이터를 사용해 운송 조직의 수집과 하차 지점을 기록하며 운송·재고·운송 방법 및 비용과 관련해 환경 상태를 실시간으로 인식한다. 공유경제 측면을 여기에 통합함으로써 조직은 공급망의 세부사항을 다른 회사와 공유할 수 있다. 일례로 트럭이 상품과 서비스를 특정 위치로 배송하는 경우 각종 데이터를 알고리즘에 입력해 시스템은 트럭의 재고량, 운송 위치 그리고 운송 비용 등을 인식한다. 즉 트럭이 부분적으로 비어있는 경우 동일 위치나 경로로 전달되는 알고리즘 조직을 이용해 비용을 절감할 수 있을 뿐만 아니라 오염을 줄여 공동배송 이전보다 지속 가능해진다. 이는 빈 적재량으로 왕복 운행에 나서는 트럭을 효과적으로 제어할 수 있다. AI 알고리즘과 여기에 입력된 데이터를 사용해 조직은 빈 반송 트럭을 식별해 자체 배송목적으로 사용할 수 있다.

◆ 싱크로모달리티
‘싱크로모달리티(Synchromodality, 항만에 도착한 컨테이너를 내륙운송 경로와 가장 인접한 ICD로 운송하고, 통관을 시키는 복합적인 운송서비스)’는 운송 중 알고리즘이 가장 비용 효율적이고 환경친화적인 공급망을 지속적이면서도 실시간으로 전환할 수 있다.

사실 모든 패키지가 같은 중요도로 운송 및 배포가 시급한 것은 아니다. 실제로 많은 경우에서 배송시간이 의도적으로 길어지거나 어떤 경우는 원래 배송된 후에도 긴급하게 변경될 수 있다. 이는 가장 효율적이고도 지속 가능한 배송으로 바뀔 수 있다.

◆ 심층강화학습
‘심층강화학습(Deep reinforcement learning)’이란 기계 학습의 특징요소로써 가능한 최선의 결정을 내릴 수 있도록 알고리즘을 교육한다. 이는 시행착오 과정을 통해 이뤄지며 로봇은 동작에 대한 긍정적인 피드백을 통해 올바른 결정을 내릴 수 있다. 로봇에게 긍정적인 보상을 함으로써 임의의 행동을 좁히고 조직에 좋은 결과를 가져오는 것을 반복하는 방법을 통해 배우게 된다.

이러한 심층강화학습을 사용하는 조직은 AI를 교육해 여러 변수를 포함하는 복잡하고 긍정적인 공급망 결정을 내릴 수 있다. 이렇게 함으로써 AI는 배송할 제품의 정확한 수나 배송 시기 그리고 사용하기에 가장 적합한 운송 방법을 정한다. 또한 기업이 협업할 수 있는 가장 지속가능하고 효율적인 공급망을 형성하기 위해 AI의 모든 측면을 고려해 기업이 공동으로 배송하고 싱크모달리티를 사용하며 조직의 재고를 현명하게 보충할 수 있도록 스마트 알고리즘을 훈련하는 데 사용될 수도 있다.

이처럼 AI와 신기술을 공급망에 도입하면 조직에 이익이 될 뿐만 아니라 환경적 관점에서도 오염과 조직의 탄소발자국을 줄일 수 있다. 또한 더 지속 가능한 공급망을 만들 수 있으며 환경문제를 심각하게 바라보는 많은 사람에게 긍정적인 영향을 줄 수도 있다.

저작권자 © 물류신문 무단전재 및 재배포 금지