특별기획 03 - 빅데이터를 활용한 Supply Chain Management의 스마트화
스마트팩토리는 말 그대로 ‘똑똑한 공장’이다.
공장 내 설비와 기계에 설치된 센서를 통해 데이터를 실시간으로 수집, 분석해 공장 내 모든 상황을 일목요연하게 보여주고, 여기서 얻어진 데이터를 하나로 통합하고 관리·분석해 목적한 바에 따라 스스로 제어하는 공장이다.
결국 생산과정에서 발생한 데이터를 ‘어떻게 취합하고, 분석하는가’ 가 중요한 관점으로 할 때 “스마트팩토리의 핵심은 빅데이터 분석이다.”라고 할 수 있다.
서론
한국 제조산업을 대표하며 세계 시장을 호령하는 국내 조선업계가 해양플랜트라는 악재를 만나 휘청거리고 있다.
대우조선은 지난 2분기에 3조 원이 넘는 영업손실을, 현대중공업과 삼성중공업도 1조원 이상의 손해를 나타내고 있다.
3사의 손실 규모는 무려 4조 7,509억 원으로 사상 최악이다. 손실의 주범은 고부가가치 산업으로 미래의 먹거리로 불리던 해양플랜트 사업이다.
이 분야에서 발생한 3사의 누적 손실은 이미 8조 원을 넘어섰고 하반기까지 합칠 경우 10조 원에 달할 것이라고 한다.
이러한 결과는 해양플랜트라는 분야에 진출하면서 수익성에 대한 치밀한 계산과 전략이 없었던 데다, 현대중공업이 2조원 규모의 해양플랜트를 건조하지 못하고 2년째 설계만 진행 중인것처럼 설계와 핵심 기자재 등 고부가 영역은 외국에 의존해야하는 상황에서 우리 업체 간 저가 수주 경쟁까지 발생한 것이다.
분석에 따르면 전체 프로젝트의 공정 관리가 허술했고 결국 공사기간이 늘어나면서 인건비, 시설 대여비 등이 눈덩이처럼 불어난 것도 주요원인으로 제시하고 있다.
이러한 문제점은 조선업에 한정된 현상이 아니라 한국 제조업에서 나타나는 일반적인 현상이다.
우리나라의 제조업을 말할 때 단순히 제조역량은 우수하지만 제품을 설계하고 관리 및 운영하는 SW, 핵심기술, 핵심부품, 원자재 등 제조원천은 아직 선진국에 비해 열세라고 말한다.
제조업의 특성상 원천기술과 문화는 단시간에 선진국을 추월하기는 힘들지만, 닌텐도가 기술적 우위에 있었던 소니의 플레이스테이션이나 마이크로소프트의 XBox 게임기를 누르고 시장을 점유할 수 있었던 것처럼 고객이 원하는 제품을 설계하고, 생산해서 고객에 맞는 A/S를 제공할 수 있다면 기술적인 문제도 극복할 수 있다.
고객의 관점에서 국내 제조업이 당면한 문제점을 해결해 나갈 수 있는 방안으로 설계-생산제조-유통-A/S로 표현되는 공급사슬관리(SCM, Supply Chain Management)관점에서 빅데이터와 IoT(Internet of Things)의 제조업 접목을 생각해 볼 수 있다.
이러한 과정은 제품이 갑자기 나타나 빠른 시간내에 새로운 시장을 만들고, 기존시장을 완전히 대체해 버리는 새로운 형태의 제품 확산의 빅뱅파괴 즉 급진적인 혁신의 관점보다는 제조업이 점진적인 혁신을 통해 수익을 향상시키는 관점이다.
Mickinsey의 보고서(2013)에 따르면 다양하고 광범위한 데이터분석과 활용은 제조업 혁신의 필수 도구가 될 것이며 보고 있으
며, 제조업이 발전하기 위해서는 앞으로 빅데이터와 IoT를 활용한 근본적인 기술 개발과 연구가 필요하다고 한다.
그림 1 에서 보는 것과 같이 미국의 경우에 빅데이터 분석의 도입으로 인해 2020년까지 GDP가 약 6,100억 달러 증가할 것으로 예상하고 있다.
빅데이터가 전반적으로 여러 산업에 걸쳐서 기업과 소비자의 후생을 늘려 GDP를 증가시킴으로써 경제 성장의 원동력이 될 수 있을 것으로 분석하였다.
일부에서는 빅데이터의 제조업 활용에 대해 회의론을 제시하고 있지만, 전통적으로 제조업은 생산현장에서 POP/MES 등을 통해 많은 데이터를 축적해왔고 현대에서는 제조업을 단순히 생산 측면만을 고려하는 것이 아니라 제품의 설계-제조-유통-A/S 라는 공급사슬관리 측면에서 다루기 때문에 빅데이터의 활용은 제조업의 발전에 반드시 필요하다.
설계분야의 빅데이터 활용
독일의 주방용품업체 헨켈은 워스토프(Wusthof)와 더불어 세계적으로 유명한 식칼을 판매하는 회사이다.
이 회사에서는 명품브랜드로 자리한 ‘쌍둥이칼’을 만들어 판매하는데 과거에 비해 시장점유율이나 매출적인 측면에서 점차 하락하는 추세를 보이고 있었다.
시장조사나 설문 조사를 바탕으로 소비자들이 더 좋아할 만한 다양한 상품도 만들어 보고 고객들을 찾아가 문제점이 무엇인지를 물어도 봤지만, 그 해결책을 찾지 못했다.
그런 과정에서 빅데이터를 분석하기로 하고 트위터나 페이스북 같은 소셜네트워크서비스(SNS) 안에 저장된 엄청난 양의 메시지, 즉 빅데이터를 분석하였다.
‘주방용 칼’과 ‘헨켈’이라는 단어가 동시에 사용된 연관어들을 검색하였는데, 결과를 살펴보니 헨켈의 칼에서 나는 냄새가 싫다는 내용이 압도적으로 많다는 사실을 확인할 수 있었다.
결과를 바탕으로 칼에서 나는 특유의 냄새를 없앨 수 있도록 설계에 반영함으로써, 예전 수준의 매출과 수익을 끌어올릴 수 있었다.
제품을 설계하고 개발하는 과정에서 빅데이터 존재 이유는 결국 작고 놓치기 쉬운 디테일을 찾기 위함이다. 매일 축적되는 고객의 데이터, 그리고 그것을 분석하는 툴은 곧 혁신을 위한 준비 과정이다.
매일 쌓여가는 소비자 데이터를 활용할 때 가장 중요한 것은 소비자에게 ‘감춰진 욕망’ 혹은 ‘충족되지 않은 필요’를 파악하여 신제품개발이나 설계에 반영하는 것이다.
즉, 빅데이터는 고객 행위 중심의 데이터를 통해 상관성과 연관성을 도출하고 과학적 의사결정을 끌어내는 도구라고 할 수 있다.
헨켈의 예처럼 고객이 자사의 제품에 대해 어떤 생각을 갖고 있는지, 어떤 불만 요인 때문에 구매를 망설이고 있는지 정확히 파악한 후 설계에 반영하여 문제를 해결한 것과 같이 데이터를 왜 분석하는지, 그 목적을 명확히 하는 것이 설계에서 빅데이터 활용의 핵심이다.
제조/생산 부문의 빅데이터 활용
독일 암베르크(Amberg)에 위치한 지멘스 공장의 경우 수만 개의 센서를 활용해 하루 5,000만 건, 연간 182억 건의 데이터를 실시간 수집하고 분석해서 작업 지시를 내린다.
공장 내부에 장착된 센서가 사람의 손을 거치지 않고 장치와 부품으로부터 각종 데이터를 수집·분석해 생산라인 교체와 생산량 조정이 이뤄진다.
공장 전체 공정에서 75%를 기계가 스스로 판단하고 조정한다. 기계 작동 또는 정지 시점을 결정하고 어떻게 작업 배분을 해야 하는지를 순식간에 파악, 결정하는 것이다.
이러한 결과 100만 개당 불량품 개수는 지난 2009년 19개에서 지난해 11.5개로 크게 줄었다.
생산기계화로 대표되는 1차 산업혁명(18세기)을 거쳐 대량생산의 2차 산업혁명(20세기 초), 인터넷과 SNS를 기반으로 한 3차 산업혁명(1970년대 초)을 거쳐 ICT와 제조업의 융합을 통해 나타날 4차 산업혁명기(2020년 이후) 도래가 초읽기에 돌입하고 있다( 그림 3 참조).
단순 생산 작업에서 기계의 힘을 빌리는 선에 머물렀던 공장 자동화가 4차 산업혁명기에는 산업기기와 제어와 품질관리, 재고관리, 설비 진단까지 확장된 생산과정이 모두 네트워크로 연결되어, 상호 소통하면서 공장 스스로 생산, 공정통제 및 수리, 작업장 안전 등을 관리하는 완벽한 스마트팩토리(Smart Factory)로 전환될 것으로 기대하고 있다.
완벽한 스마트팩토리(Smart Factory)는 전사적 최적화를 달성시키고, 산업 공정의 유연성과 성능을 새로운 차원으로 업그레이드시키는 중요한 제조혁신의 핵심이 될 것이다.
스마트팩토리는 말 그대로 ‘똑똑한 공장’이다. 공장 내 설비와 기계에 설치된 센서를 통해 데이터를 실시간으로 수집, 분석해 공장 내 모든 상황을 일목요연하게 보여주고, 여기서 얻어진 데이터를 하나로 통합하고 관리하여 분석해 목적한 바에 따라 스스로 제어하는 공장이다.
결국 생산과정에서 발생한 데이터를 ‘어떻게 취합하고, 분석하는가’를 중요한 관점으로 볼 때 “스마트팩토리의 핵심은 MANAGEMENT빅데이터 분석이다.”라고 할 수 있다.
과거에는 숙련된 작업자가 현장의 소리를 듣고, 혹은 원료의 맛이나 색깔만 보아도 경험적으로 무엇이 문제인지 인지하고, 직접 문제를 해결했다.
하지만 고령화로 인해 숙련공들이 점차 줄어들고 있다. 라이프 사이클이 단축되고 맞춤형 대량생산으로 변화하면서 가볍고 유연한 제품 생산체계가 요구되고 있다. 이러한 상황에서 스마트팩토리가 제조 혁신의 방안으로 부상하고 있는 것이다.
현재 대부분의 제조업 분야에는 생산자동화가 구축돼 있다.
하지만 기존 체제는 자동화와 최적화가 단위 공정별로 이뤄져 있어 공정과 공정 간 유기적 연계에는 한계가 있다.
전후 공정에서 어떤 일이 일어났는지 알 수 없는 구조다. 공장에서는 수집된 데이터 활용률이 매우 낮은 것도 이러한 이유에서다.
반면 스마트팩토리는 총체적인 관점에서 최적화가 이뤄져 공정 간 데이터의 자유로운 연계가 가능해 각 공정 간 보이지 않는 벽이 허물어질 수 있고, 그림 4 와 같이 생산불량률을 줄인다든지 혹은 고객 만족도를 높일 수 있는 효과가 나타날 수 있다.
스마트팩토리가 구현되면 각 공장에서 수집된 수많은 데이터를 기반으로 분석하고, 의사결정하는 데이터 기반의 공장 운영체계를 갖춤으로써 생산현장에서 발생하는 현상, 문제들의 상관관계를 얻어낼 수 있다.
즉, 현장에서 만들어진 많은 데이터를 빅데이터의 분석을 통해 원인을 알 수 없었던 돌발 장애·품질 불량 등의 원인을 알아내고 해결할 수 있게 된다.
POP, MES, ERP, RFID 등을 통해 얻어진 정보를 설계·생산·경영 분야의 기간 시스템과 연동되도록 함으로 획득된 빅데이터의 정확한 분석을 통하여 경영상의 의사결정이 내려질 수 있다면 공장은 최적의 생산체계에서 운영할 수 있게 된다.
유통부문의 빅데이터 활용
미국 유통 솔루션 업체인 마켓식스(Market6)에 따르면, 미국 슈퍼마켓 매장의 평균 재고량은 7.9%이며 물량 확보의 경쟁률이 심할 경우 13.4%의 재고가 발생되며, 상위 25개 품목의 재고량에 따라 점포당 20만 달러의 손실이 발생하는 것으로 조사되었다.
미국의 소매업체인 월마트는 현재 어떤 품목의 재고가 언제, 얼마나 필요한지 정확히 예측할 수 있는 방법을 마련하기 위한 다양한 IT 기술의 도입을 고려하게 되었다.
이를 위해 소셜미디어 회사인 코스믹스(Kosmix)를 인수하였고, 월마트랩스(Walmart Labs)를 통해 트워터의 트윗, 페이스북의 Feed 등을 해석하였다.
인물, 사건, 장소, 제품, 조직 등의 관계를 분석, 소셜 미디어를 통해 대규모 데이터를 수집하고 빅데이터 기법을 활용하여 리얼타임으로 해석된 정보를 이용하여 유통과 전자상거래(E-Commerce) 간의 시너지 발휘를 하였다.
이로 인해 시시각각 변화하는 소비자의 패턴을 분석하여 적재적소에 필요한 물품을 빠르게 제공함으로써 불필요한 재고 낭비를 방지하고 고객이 원하는 물품을 충분히 공급할 수 있게 되었다.
이는 고객 만족도 향상으로 이어져 기업 발전에 선순환적인 역할을 하여 유통효율성이 제고되는 결과를 유도하였다.
비즈니스에서 빅데이터에 대한 여러 응용 및 성공 사례들이 가장 빈번하게 활용되는 산업이 바로 유통업이다. 유통기업은 이미 고객에 대한 방대한 양의 데이터를 갖고 있으며 그 데이터의 질이 좋아 다양한 범위에서 활용할 수 있다.
하지만 우리나라의 대부분 유통 기업은 시스템 구축 비용 문제, 데이터 분석의 효과 문제, 개인정보 활용 및 안정성 문제 등으로 인해 빅데이터 활용에 필요한 프로세스를 갖추지 못하고 있다.
그러다 보니 유통기업 경영자는 수많은 치명적인 질문에 대한 답을 찾기가 어렵다.
“왜 손님들은 주차하기 쉬운 우리 매장 대신 주차하기 힘들고 입지도 나쁜 다른 매장으로 굳이 가려고 하는가?”, “고객들 마음을 뺏으려면 가격 할인 쪽으로 홍보를 해야 하는가 아니면 서비스를 더욱 강화해야 하는가?”, “매장 학용품 코너에 물건을 좀 더 다양하게 구비해야 하는가?”, “손님들은 1+1 프로모션을 좋아하는가?”, “덤 상품으로 플라스틱 그릇을 끼워주는 걸 선호할까? 아니면 휴지류를 더해주는 것을 선호할까?” 등과 같은 핵심적인 질문에 대한 답을 대부분 매장 매니저의 경험과 기억에 의존해 얻고 운영하는 실정이다.
빅데이터 활용으로 이런 상황을 바꿀 수 있다. 기존 직관과 경험에 의존해 왔던 의사결정을 데이터 기반 문화로 변환시키고, 오랫동안 기존의 비즈니스 인텔리전스(Business Intelligence)를 통한 과거 자료 및 현재 실적 자료를 통해 검증 가능한 보고 자료를 의사결정의 기초로 활용해야 한다.
빅데이터를 이용해 방대한 자료의 탐구와 발견을 통해 인사이트를 추출해 미래를 예측하고 마케팅 프로세스에 반영할 수 있게 한다.
A/S 빅데이터 활용
글로벌 가전전문 기업 월풀(Whirlpool)은 A/S를 통해 제품의 하자 발견 시간을 단축하는 데 빅데이터를 활용했다. 윌풀은 한 공장에서만 하루에 2만 대의 세탁기를 만들어 전 세계에 판매하고 있다.
품질에 문제가 발생하면 Recall 및 클레임 등 그 피해 및 파급효과는 어마어마하다.
이 때문에 사소한 문제라도 반드시 원인을 찾아내서 대응할 수 있는 첨단 분석 솔루션이 절실했다.
이에 월풀은 고객만족 서비스 특히, 하자보수 클레임과 하자의 근본 원인을 규명하기 위한 분석 시스템을 도입했다.
또 월풀은 하자 보수 클레임 및 기타 시스템에서 파생되는 테라바이트 단위의 데이터를 제조 부문, 콘택트 센터, 전문가 보고서 등에 통합하고, 데이터의 추출 및 분석 작업을 유연하게 수행함으로써 보다 신속하게 문제점을 파악할 수 있게 됐다.
고객의 불만을 분석하여 고객 만족도를 높이는 시도는 기존 CRM시스템의 기능과 다르지 않다.
그러나 CRM이 정형 데이터를 분석한다면, 빅데이터는 주로 비정형 데이터 분석을 통해 고객의 요구를 더욱 구체적으로 파악한다는 방법론적인 면에서 차이가 있다.
빅데이터의 분석 방법이 도입되기 이전, 고객 설문지의 주관적 답변 분석은 각 부문 매니저들의 역할이었다.
비효율적인 시간 소비, 인력 낭비와 더불어 매니저 각자의 기준에 의해 고객들의 답변이 해석되고 분류되는 일관성의 부재가 문제였다.
이후 주관적 답변에 대한 시스템 분석을 통해 일관성과 정확성, 처리 속도가 개선되었다는 평가를 받고 있다.
결론
우리나라 제조업은 해양플랜트 등의 경우처럼 설계기술 등 고부가가치부문이 해외 의존도가 높아 기술수출 증가에도 불구하고 기술무역 적자가 확대되는 추세이다.
제조업의 기술적 우위는 단기간에 달성할 수 있는 것이 아니며, 기술과 인적 역량에서부터 기업 문화, 사회 제도, 법규 등 산업 생태계 전반의 다양한 요소를 융합하여 이루어진다.
Porter의 말처럼 산업경쟁구도에 있어 진입장벽이 높아지고 있기 때문에 단순히 제품을 제조해서 판매하는 것이 아니라, 제품에 서비스를 추가하거나 제품과 서비스를 결합하여 제공하는 제품 관련 부가서비스 제공으로 진입장벽을 넘을 수 있다.
설계에서 기술 개발 및 제품 생산, 유통 및 A/S로 이어지는 제조업 밸류체인의 과정에서 빅데이터, 센서 등을 활용하여 소비자의 사용패턴을 파악하고, 제조과정에서 발생하는 자료 등을 수집·분석하여 소비자의 만족도가 높은 제품을 만들 때 제조업의 성장 동력을 지속적으로 창출할 수 있다.
제조업 전반에 걸쳐 발생하는 방대한 데이터의 수집과 분석 등 빅데이터의 도입과 활용은 제조업에서 새로운 혁신가치를 창출하는 패러다임으로 자리 잡을 전망이다.