엑센추어의 응용 인텔리전스 HSA 팀은 코로나19 관련 공급망 중단으로 영향을 받은 미국에 있는 운동 장비 브랜드에 Order to Delivery(OTD) 예측 시스템을 전달했습니다. 공급망의 디지털 트윈을 기반으로 한 예측 시스템은 OTD 예측 정확도를 57% 높이고 비용을 20% 절감하였습니다.
OTD 예측 시스템, 그 결과, 기타 개선 사항 및 개발 계획은 이 공급망 디지털 트윈 사례 연구에 자세히 설명되어 있습니다. 이 프로젝트는 팀의 리더인 파블로 로드리게스 바렐라(Pablo Rodriguez Varela), 매니저인 파트리시오 이반(Patricio Ivan Pipp)과 엑센추어 아르헨티나의 응용 인텔리전스 HSA 팀에 의해 수행되었습니다. 이 팀은 공급망 및 운영 분석을 전문으로 합니다.
응용 인텔리전스(영문) 접근법은 뚜렷한 전략적 비전 하에 인공 지능과 데이터, 분석, 자동화를 결합하여 모든 기능과 모든 프로세스에서 비즈니스를 대규모로 변환하는 것입니다.
문제점: 배달 시간의 오랜 주문 피하기
고객은 공급망의 행동을 예측하고 미국에서의 운동용 자전거 공급망을 영리하게 실행하고 싶었습니다.
코로나19가 대유행하면서 운동용 자전거의 수요가 크게 증가하여 주문에서 배달까지(OTD) 걸리는 시간이 5일에서 60일로 증가하였습니다. 당면 과제는 주문에서 배달까지 걸리는 시간을 줄이고 계획을 개선하는 것이었습니다.
답변이 필요한 질문에는 5가지가 있었고 그 질문들은 2개의 카테고리로 분류할 수 있었습니다.
- 계획
- 계획 대상 기간 내에 새로운 주문이 들어온다면 주문에서 배달까지 걸리는 시간은 얼마로 예상되는가?
- 12개월 계획 대상 기간 내에 주어진 장소를 통한 예상되는 처리량은 얼마인가?
- 재고는 모든 장소에서 예상되는 재고는 얼마인가?
- 실행
- 이행되어야 하는 재고 수준은 얼마이며 어디서 이행되어야 하는가?
- 항구에 곧 도착하는 재고는 최신 지연 상태를 고려해 다른 유통 경로로 경로를 재설정해야 하는가?
솔루션: 동적 시뮬레이션에 기반한 디지털 트윈
응용 인텔리전스 팀은 공급망 디지털 트윈 생성에 비전통적인 접근법을 취했습니다. 이 접근법을 취하면 추가적인 문제가 발생했으며 고객의 구매를 보장하기 위해 고객과의 긴밀한 협력한다는 것을 의미하였습니다.
공급망 솔루션은 주문 배송 시간을 예측하여 배송 시간을 절감하고 영리한 재고 할당 솔루션의 기초를 제공하여 계획을 개선하는 데 중점을 두었습니다. 해결책으로 디지털 트윈을 생성함으로써 왜 어떤 일이 발생하는지를 이해하고, 그리고 만약의 문제를 질문할 수 있습니다. 디지털 트윈은 실제 데이터를 기반으로 한 시스템의 동적 모델로 작동 중에 검사나 관찰이 가능합니다. 결과 및 동작에 대한 원인을 확인하고 설명할 수 있습니다.
응용 인텔리전스 HSA 팀은 유연성과 기계 학습 통합 때문에 디지털 트윈을 구성하기 위해 이후에 사용하기로 계획했던 애니로직 시뮬레이션 모델링 소프트웨어를 사용하기로 선택했습니다. 애니로직에서 응용 인텔리전스 HSA팀은 이산 이벤트 모델링을 사용하여 판매자의 전체 공급망을 유통센터부터 최종 목적지까지 복제하였습니다.
판매자는 매주 4만개의 제품을 아시아에서 미국으로 들여왔으며 미국의 공장에서는 매주 4천개의 제품을 생산했습니다. 이 공급망에는 소비자의 주문이 이행된 150개의 라스트 마일이 존재하였습니다.
이 모델의 주요 구성 요소는 주문, 노드, 트럭이었고 각각의 요소에는 관련 데이터가 존재했습니다.
- 주문: 주문 생성 데이터, 제품, 노드, 주문 배송 날짜
- 노드: 위지, 유형(판매자, 유통센터, 라스트 마일), 재고, 처리 시간
- 트럭: 수용량, 소요기간
공급망의 디지털 트윈에는 하루에서 1년 범위의 예측이 가능합니다. 디지털 트윈의 모델에서 몬테 카를로 시뮬레이션(영문)을 실행하면 주문에서 배송까지 걸리는 시간의 범위를 예측할 수 있었습니다. 시뮬레이션의 각 세트는 키 입력을 요하고 키 출력을 제공하는 모델을 실행합니다.
키 입력: 위치 마스터, 인바운드/아웃바운드 위치 수용량, 재고 위치 및 백 로그, 목표 공급 일수, 노드 간 소요시간, 수요 예측, 생산 예측
키 출력: 주문에서 배송까지 걸리는 시간 예측, 라스트 마일 주문 백 로그, 공급망 노드별 재고 위치, 자원 활용(트럭)
솔루션이 단순한 시뮬레이션 모델이 아니라 디지털 트윈이 되기 위해서는 실시간 데이터 연결이 필요했습니다. 이 경우, 다양한 아마존 서비스와 아마존 S3를 통해 연결된 모든 스프레드 시트로부터 데이터가 나왔습니다.. 여기에 태블로가 모델 출력에 관한 비즈니스 분석을 위해 연결되었습니다. 시스템의 회로는 정보 흐름도에서 확인할 수 있습니다.
디지털 트윈은 공급망의 현재 상태로 구성되어 검증되었습니다. 디지털 트윈은 예상 행동을 보여주었고 개선이 이루어질 수 있는 곳을 식별하였습니다.
공급망의 원래 상태는 테스트, 분석한 후, HSA팀은 공급망 모델을 사용하여 공급망의 운영을 경험적으로 최적화하였습니다. 필요한 재고 및 안전 재고 등의 변수는 공급망 전체의 규칙에 의해 수정되지 않았았습니다. 또한 라스트 마일의 필요에 따라 상위 보충 유통센터를 재할당할 수 있었습니다.
결과: 공급망 디지털 트윈의 이점
주문에서 배송까지의 집중 지역과 스마트 재고 할당에 있어 공급망 디지털 트윈 계획의 기대 편익은 중요했습니다. 배송 주문의 예측 정확도가 57% 증가하였으며 재고 분배 물류 비용에 대해 20%의 비용이 절감되었습니다.
추가적으로, 선도 그룹의 예상 도착 시간의 예상 정확도가 40%~76% 증가하였습니다.
이러한 결과들은 일주일에 한번만 실행하면 되는 30분간의 시뮬레이션에서 도출되었습니다.
이 프로젝트에 난관이 없었던 것은 아닙니다. 고객의 팀에서 디지털 트윈을 사용하는 것에 대한 저항이 있었습니다. 이 저항을 극복하기 위해 관련 당사자와 긴밀히 협력할 필요가 있었습니다. 공급망 운영의 동적 행위에 대한 가시성과 디지털 트윈에 의해 활성화된 추가적인 가능성은 이러한 방식을 사용하기로 결정하는 지원을 얻는 데 도움을 주었습니다.
누락된 데이터에 관련된 다른 문제들과 정의되지 않은 논리. 디지털 트윈을 사용하기로 한 결정 때문에 이러한 문제를 추정을 통해 극복할 수 있었습니다.
이제 디지털 트윈은 공급망의 핵심을 형성할 것이며, 그 결과 의사 결정은 총체적이 될 수 있고 더욱 많은 정보를 얻을 수 있습니다. 다음 단계에는 블랙 스완 이벤트의 최적화와 계획에 도움을 주는 강화 학습의 통합이 포함됩니다. 그리고 디지털 트윈이 만들어짐에 따라 그 기능이 전략적, 전술적, 실행적인 모든 조직 수준에서 적용될 것으로 예상됩니다.
이 사례 연구는 엑센추어 응용 인텔리전스 HSA팀의 파트리시오 이반 핍과 파블로 로드리게스 바렐라에 의해 2021 애니로직 컨퍼런스에서 소개되었습니다.
