데이터는 21세기의 석유다 (Data is the new oil).’ 현재 널리 쓰이고 있는 이 문구는 2009년에 메넬라 쿠네바(Meglena Kuneva)가 처음으로 만들어낸 말입니다. 석유라는 귀중한 자원을 최대한 활용하기 위해서는 내연 기관이나 특수 화학 물질과 같은 발명품이 필요했습니다. 데이터로 모든 프로세스가 작동되는 물류센터에도 이와 같은 원리가 적용됩니다. 그러나 여기에는 데이터 이상의 것이 필요합니다. 그러므로 메넬라의 인용구에 '그러나 정보는 21세기의 금이다' 라는 문구가 추가되어야 물류센터 상황에 딱 맞는 표현이 될 것입니다. 궁극적으로, 정보를 기반한 데이터에서 실행을 도출하는 것이 목표인 것입니다.
특히 물류센터에서는 이 가상 세계의 연금술, 즉 데이터를 정보로 농축시키는 행위를 정밀하게 관찰할 수 있습니다. 예를 들어, 보관 장소 검색은 알고리즘에 각 재고 수준과 물류센터의 현 상황에 대해 충분히 정확한 지식이 내제되어 있는 경우에만 신뢰할 수 있는 결과를 낼 수 있습니다. 물론 충진율과 보관할 케이스 수, 통로나 셔틀 각 단에 필요한 케이스 수와 같은 정보도 물류센터의 성능을 분석하는 데 매우 중요합니다. 이러한 정보는 케이스 보관 프로세스의 모든 단계에서 진행 방향과 관련된 결과를 실시간으로 얻어야 할 때 더욱 필요합니다. 이렇게 되면 특정 영역에서 과부하가 발생하는 대신 전체 보관 시스템이 계속 안정적으로 가동될 수 있습니다.
자동화 물류센터에서 주문을 처리하기 위한 케이스 선택은 현재 보관 위치, 내용물, 수량 그리고 발생 가능한 제한 사항(예약 또는 다른 케이스에 의한 방해) 등의 정보가 일관성 및 신뢰성을 갖춘 최신 정보일 경우에만 효과적입니다. 이 기능은 공급 범위에서 따로 언급되지 않아도 WMS 시스템의 기본 기능으로 당연히 존재하는 기능으로 받아들여지고 있습니다.
완벽하게 조율된 물류센터 관리는 광범위하고 완전한 최신 데이터 세트에 달려 있습니다. WMS가 완전한 기능을 달성하려면 유효한 프로세스와 물류센터 직원의 정확한 관리, 관련 데이터의 사용이 필수적입니다.
데이터가 누락되거나 데이터 분석이 부족하면 물류센터의 성능에 손실이 발생할 수밖에 없습니다. 예를 들어, 물류센터에서의 주문 처리 속도가 경쟁사보다 뒤쳐지게 되는 것입니다. 또한 일관성과 최신성이 떨어지는 재고 관리용 매개변수화된 값이 더 이상 현재의 요구 사항에 부합하지 않기 때문에 개별 제품의 보관 범위가 몇 시간 수준으로 떨어집니다. 하지만 육안으로 확인했을 때는 물류센터가 꽉 차 있는 경우가 있습니다. 그 이유는 엄청나게 많은 양의 잘못된 제품들이 긴급한 상황에 필요한 랙 공간을 차지하고 있기 때문입니다.
다음은 실제 주문 구조와 재고 관리가 일치하지 않을 경우 발생하게 되는 부정적 결과입니다. 여기에는 여러 원인이 존재할 수 있습니다.
잘못된 모델이 최적의 재고 관리로 선정된다.
한 번 선정된 모델에 확장 또는 조정 작업을 수행하지 않는다.
재고 관리의 기초 데이터가 업데이트된 적이 없다.
특히 이커머스와 온라인 숍, 소셜 미디어를 통한 고객의 글로벌 상호 연결 시대에 인쇄물로 기록되는 고전적인 재고 관리 모델은 점점 더 찾아보기 힘들어지고 있습니다. 이런 구식 모델은 우연히 일치한 구매에 기초한 것입니다. 그런데 여러 명의 고객이 동일한 제품을 (예기치 않게) 동시에 주문하는 경우에도 여전히 그것을 우연의 일치라고 부를 수 있을까요? 만약 영향력자를 포함한 특정 소셜 미디어 플랫폼이 데이터의 출처가 된다면 주문을 예측하기란 여전히 가능할까요?
이 질문에 대한 답을 얻으려면 주문 데이터에 집중해야 합니다. 주문 데이터 만이 다음과 같은 결정 사항에 대한 정보를 제공할 수 있습니다.
올바른 물류 개념
적절하고 정확한 재고 관리 모델
최적의 매개변수화(관찰 시)
재고 요청이 초과/부족한 경우, 모델 및/또는 매개변수의 재검토를 유도하는 시장 지표들
다음 질문에 대한 최근의 'What-if 분석'을 살펴보겠습니다. 몇 달 전에 이미 모델/매개변수를 재조정했거나 권장 변경 사항을 제품 배정에 적용했다면 어떻게 될까요? 관찰한 주문 데이터를 사용하면 아직 나타나지 않은 효율성과 성능 잠재력에 대해 비교적 의미 있는 정보를 얻을 수 있습니다. 시장의 역동성이 증가함에 따라 재검토를 위한 기간이 점점 짧아지고 있습니다. 구조적 문제가 확인된 후에 재검토를 시작한다면 너무 늦습니다. 특히 부지 (재)계획 시, 누락된 데이터가 있다면 새로운 물류센터 부지의 개념 및 지속 가능성 면에서 최적의 계획 수립 결과를 얻을 수 없습니다.
디지털화를 위한 어떠한 발전도 없는 미래는 상상하기 어렵습니다. 이전의 블로그 기사에서 이미 다뤘던 전략 외에도 최첨단 알고리즘을 사용하면 훨씬 더 복잡한 접근도 가능합니다. 해당 블로그 기사에서 언급된 효율성을 높일 수 있는 방식들은 물류 비용의 부담을 크게 줄여줍니다.
자동화된 데이터 기반의 결정 메커니즘을 통해 데이터와 사실 생성을 적극적으로 활용하기 위해 조기에 대응한 모범적인 기업이 이미 많이 있습니다. 효과가 입증된 결정을 통해 기업들은 덜 비용집약적이고도 보다 빠르게 변화에 대응할 수 있을 뿐만 아니라 그런 데이터를 통해 투명해지는 시장 역동성으로 이점을 누릴 수 있습니다.
쉐퍼시스템즈는 이 절차를 어떤 경우에서든 권장합니다. 왜냐하면 위에서 언급한 자동화 결정 메커니즘을 통해 고객 데이터를 적극적으로 사용하면 고객 물류센터의 성능을 완전히 새로운 수준으로 끌어올릴 수 있기 때문입니다. 더 많은 정보가 필요하다면 귀사의 파트너인 쉐퍼시스템즈로 언제든지 연락바랍니다.
마커스 클러그(Markus Klug)는 비엔나 공대(TU Wien)에서 응용 수학을 전공했습니다. 글래스고에서 커널 기반 방법론에 대한 박사 연구를 수행했고 이산사건 시뮬레이션 모델(event-discrete simulation models)에 해당 방법론을 적용할 수 있는 영역을 연구했습니다. 이후 그는 세이번스도르프(Seibersdorf)의 응용 산업 연구 센터에서 운송 물류 및 현장 물류, 글로벌 공급망과 관련된 국내〮외 연구 및 혁신 프로젝트를 관리했습니다.
마커스 클러그는 2013년에 쉐퍼시스템즈에 입사하여 데이터 분석 및 시뮬레이션 활용 분야를 책임지고 있습니다. 그의 역할은 데이터 사이언스와 인공지능/머신 러닝 등의 분야를 아우르고 있습니다.