운송전략 고도화를 위한 코닝정밀소재의 데이터 활용 전략

오늘의 인사이트는 이러합니다.
글로벌 최첨단 정밀 소재 기업 코닝은 디스플레이 패널과 같은 고부가가치 제품을 전 세계로 수출하고 있습니다. 이러한 제품의 국제 운송 과정은 국내 생산지에서부터 도착지까지 다양하고 복잡한 단계를 거치게 됩니다.

운송에 거치는 단계가 많아지면 많아질수록 리스크 발생확률은 높아지며 손상이 발생했을 경우 책임 소재를 규명하기 어려워지죠. 윌로그는 IoT 센서 디바이스 기반 모니터링 및 인텔리전스 솔루션을 제공하고 있습니다. 단순히 손상이 발생한 지점을 포착하는 것을 넘어 재발 방지를 위한 개선 방향을 도출할 수 있어 운송 효율과 안정성을 동시에 개선할 수 있는 기반이 되고 있습니다.

글로벌 시장 진출은 국내 기업에게 성장을 위한 돌파구가 되고 있습니다. 안정적으로 글로벌 시장에 안착하기 위해서는 고객과의 신뢰도가 중요한데요. 신뢰도에 큰 영향을 미치는 요소 중 하나가 납기, 손상율 등 납품에 대한 만족도입니다. 

국제 운송 프로세스는 국내 운송과 비교했을때 참여하는 주체가 많아 복잡성이 높고 예측할 수 없는 변수가 많습니다. 복잡성과 변수는 리스크를 유발하고 손실과 비효율을 발생시키죠. 공급망의 안정성을 확보하는 것은 손실과 비효율을 예방하고 프로세스를 개선하는 과정을 통해 이뤄질 수 있습니다. 

이를 위해서는 가시성이 수반돼야 합니다. 손실이 발생하거나 지연이 발생하는 지점을 명확하게 파악하고 원인을 알아야만 비로소 개선할 수 있기 때문이죠. 또한 경험과 직관에 따른 진단과 개선이 아닌 정량적인 접근으로 예측할 수 있는 결론을 도출해야 안정성을 확보할 수 있을 것입니다. 

데이터, AI를 통한 공급망 안정화 기획 시리즈의 두 번째 아티클은 코닝정밀소재(이하 코닝)의 국제 운송 프레스 가시성 확보와 데이터·AI에 기반한 진단, 예측, 처방을 통한 기대효과를 짚어보겠습니다.

실시간 모니터링부터 예측, 개선까지

코닝의 디스플레이와 같은 고부가가치 중간재가 손상되거나 손상이 우려되는 상태로 운송될 경우 금전적인 손실뿐만 아니라 고객의 생산계획에도 차질이 발생할 수 있기 때문에 손해의 규모와 범위가 커집니다. 

고객과의 높은 신뢰와 만족도를 달성하기 위해서는 운송 과정에서 발생하는 충격뿐만 아니라 온습도, 기울기까지 제품에 영향을 주는 모든 요소를 고려해 제품의 품질을 보증할 수 있어야 합니다. 

그간 코닝은 국제 운송과정에서 품질유지 중요성과 파급력을 인지하고 있어 리스크를 최소화하는 관점으로 핵심으로 공급망을 관리해왔습니다. 특히 충격이나 기울기 등으로 인한 제품이 영향을 받은 시점을 명확하게 하길 원했습니다. 

코닝은 현재 윌로그의 실시간 일회용 센서 디바이스와 모니터링 솔루션을 통해 실시간으로 발생하는 운송 중 충격, 기울기를 감지하고 알람을 받고 있습니다. 도입에 앞서 제품 품질에 영향을 미치는 요소와 그 수준을 정확하게 측정하고 데이터의 신뢰도를 확보하기 위해 실제 운송 환경을 구현하는 방식으로 테스트를 진행했습니다. 이를 통해 수집되는 데이터만으로도 제품이 받은 영향을 파악할 수 있죠. 

제품의 상태를 정확하게 파악할 수 있다면 ‘언제, 어디서, 왜’ 영향을 받았는지 알아야 합니다.

윌로그는 디바이스를 통해 수집되는 환경 데이터와 GPS, AIS 등의 위치 데이터를 통합해 이슈 발생 위치와 운송 단계를 특정지음으로써 개선 방향성을 수립할 기반을 제공하고 있습니다. 코닝은 이를 바탕으로 이슈가 발생한 단계에서 원인을 찾고 개선안을 도출하고 있습니다. 

실제로 데이터를 분석한 결과 항만에서 선적, 하역하는 과정에서 이슈 발생 빈도가 높아지는 것으로 판단돼 개선할 수 있었습니다. 

데이터 수집 역량과 분석이 가져오는 글로벌 공급망 혁신

데이터 기반의 의사결정은 사후 대응을 통한 손실 최소화도 가능하게 하지만 사전 예방으로 손실 원인을 차단에도 적용할 수 있습니다. 공급망에서 발생할 수 있는 돌발상황이나 변수를 줄여 안정성을 크게 향상시킬 수 있죠. 

데이터 누적을 통한 예측 고도화로 목적에 맞는 전략 수립에 대한 경우의 수를 확보할 수 있으며 결과를 확정할 수 있어 이에 대한 대응이나 필요한 액션을 사전에 준비할 수 있기도 합니다.

예를 들어 비용 절감이 목적일 경우 상대적으로 리스크가 높을 것으로 예상되지만 리스크로 인한 손실이 절감된 물류비 보다 적다면 저렴한 운송 프로세스를 적용해볼 수 있겠죠. 또한 고객과의 신뢰가 우선으로 손상을 최소화해야 한다면 최적의 비용으로 가장 안전한 프로세스를 구축할 수 있죠. 

데이터 기반 의사결정의 정확도를 높이기 위해서는 현상을 파악하는데 필요한 다양한 데이터를 가능한 많이 확보하고 누적하는 것이 중요합니다. 특히 윌로그가 코닝에 솔루션을 공급하기 이전 테스트를 진행한 것과 같이 데이터가 현실의 현상을 정확하게 나타낼 수 있어야 합니다. 

이러한 결과값을 단순히 모니터링 과정에만 활용하는 것이 아니라 손상이 발생하는 임계치를 설정하고 임계치 기반 예측 모델을 고도화해 패키징 변경 등과 같은 예방 전략에 활용할 수 있죠. 

데이터를 수집하고 의미를 파악하는 일련의 과정은 사람의 경험과 직관이 형성되는 과정과 유사하지만 추정을 통한 학습이 아닌 명확한 원인분석을 통한 결론을 도출하기 때문에 정확성과 객관성에서 큰 차이가 발생합니다. 

AI가 모든 산업군에 걸쳐 역할이 확대되고 있는 상황에서 개별 기업에 최적화된 AI를 구성하기 위해서는 우리 기업만의 데이터가 중요합니다. 그리고 데이터 활용에 대한 능동적인 태도를 통해 데이터의 가치를 높여 나가야 합니다. 다만 데이터 누적에는 절대적인 시간이 필요하기 때문에 데이터 수집 기반을 빠르게 마련하는 것이 중요합니다.