수정가능한 최적화: 제로-리스크 물류 Editable Optimiztion: Zero-Risk Logistics
효율성, 생산성 증대가 핵심인 물류센터의 스마트화에 대한 투자부담이 발생하면서 각 프로세스에서 발생하는 데이터로 병목현상을 진단, 개선하고 업무난이도를 낮출 수 있는 물류센터 지능화 솔루션이 중요성이 높아지고 있습니다
로봇+물류센터=스마트 물류센터?
출처 입력이커머스 시장의 경쟁이 활발해지면서 채널, 상품 등이 다양해지고 물동량의 변동이 빈번해지고 있습니다. 또한 요구되는 물류서비스가 나날이 구체화될 뿐만 아니라 처리방식 역시 세분화되면서 물류난이도가 높아지고 있습니다.
물류난이도가 지속적으로 높아지고 있지만 물류를 처리할 수 있는 절대적인 시간은 같기 때문에 물류기업의 입장에서는 높은 물류난이도에도 생산성과 효율성 그리고 안정성을 높이는 것이 핵심 미션으로 자리잡았습니다. 이와 동시에 에너지비용, 인건비 등이 상승하면서 물류처리에 필요한 비용을 줄여 가격경쟁력과 마진을 확보하기까지 해야 합니다.
이러한 상황에서 스마트 물류기술이 주목받고 있습니다. 스마트 물류기술은 업무난이도와 위험도를 낮춰 작업인력의 생산성을 높이거나 자동화를 통해 처리속도를 높일 수 있기 때문입니다. 특히 이중 가장 각광받는 분야는 로봇분야입니다. 기존 고정된 형태의 물류방식에는 설비가 적합했다면 최근에는 다양한 방식으로 물류가 처리되면서 완전 자동화가 어려운 상황이기 때문에 로봇은 하역, 분류, 보관, 피킹, 검수·포장 등 프로세스별 세분화된 업무처리에 특화되고 있습니다.
*AGV, Automated Guided Vehicle: 무인 운송 차량
**DAS, Digital Assorting System: 선 분배형 디지털 피킹시스템
***DAS, Digital Assorting System: 선 분배형 디지털 피킹시스템
* 아마존의 AMR(자율주행로봇)인 프로테우스는 주문된 상품이 담긴 선반을 작업자 앞으로 이동하는 업무를 전담하고 있습니다. 작업자는 선반에서 주문상품을 꺼내 포장작업만 진행하면 돼 피킹에 필요한 시간을 줄일 뿐 아니라 정확하게 처리할 수 있습니다.
로봇을 도입하면서 업무난이도를 낮추고 생산성을 높일 것으로 기대되나 각각의 기술수준이 다르기 때문에 낮은 수준의 기술을 도입했을 경우 기대만큼 효율이 높아지지 않고 인력을 그대로 유지해야 할 가능성도 있습니다. 또한 최대 처리할 수 있는 물량이 증가할 것이라는 기대감에 기술을 도입하기도 하지만 실질적으로 성과를 창출하기 위해서는 실제로 유지할 수 있는 가동률을 고려해야 한다는 지적도 나오고 있습니다.
예를 들어 하루 500건의 상품을 옮길 수 있는 AGV가 있다고 가정하고 10대를 도입해 하루 5,000건을 처리할 수 있을 것으로 기대했으나 실제로 물류센터에서 처리하는 물량이 하루 평균 3,500건이라면 7대는 잘 운용되지만 3대는 과잉투자로 남게 됩니다.
가동률, 물동량에 대한 고민이 충분히 이뤄지지 않은 상태에서 도입된 기술이 제대로된 성과를 내지 못하는 경우가 발생하고 원자재상승, 금리인상 등에 따라 금융비용 부담이 증가하면서 투자리스크가 적은 새로운 방식으로 물류센터 스마트화에 접근해야 한다는 의견이 대두되고 있습니다.
스마트 물류, 최적화 먼저
설비, 로봇 등 대규모 투자없이 비용효과적으로 물류센터의 생산성, 효율성을 높일 수 있는 방법이 필요한 상황입니다. 이에 따라 변화에 유연하게 대응할 수 있도록 지능화 솔루션을 통한 최적화가 주목받고 있습니다.
단순히 WMS*, OMS** 등 물류센터 운영과 관련된 솔루션을 적용하는 것이 아닌 물류센터의 운영환경을 면밀히 분석할 수 있도록 물류데이터를 수집, 분석하고 가시화하는 것이 물류센터 지능화 솔루션의 핵심입니다.
다시 말해 물류센터의 입출고부터 하역, 보관, 피킹, 패킹 등 프로세스를 세분화해 소요되는 시간, 투입인력과 같이 물류를 처리하는 과정에서 발생하는 모든 데이터를 실시간 수준으로 확보할 수 있어야 합니다.
*WMS, Warehouse Management System: 물류센터 관리시스템
**OMS, Operation Management System: 주문관리시스템
그 이유는 이렇게 확보된 데이터가 필요에 맞춰 활용될 수 있어야 하기 때문입니다. 예를 들어 잦은 입출고가 필요한 상품에 대한 최적보관공간을 배정하고 도크에 따라 입출고시간을 분배해 원활한 작업을 하는 등의 업무프로세스 개선에 활용될 수 있습니다.
이처럼 물류데이터 활용을 통해 현재 물류프로세스별 효율성을 평가하고 병목현상을 유발하는 요인을 파악, 개선할 수 있을 것으로 기대됩니다. 이는 물류의 형태, 양, 조건 등 물류환경이 급변하는 상황에서도 높은 생산성과 안정성을 유지하기 위해서 중요합니다. 이와 함께 현장 작업자의 전문성에 따라 생산성, 정확성이 변동되는 프로세스를 진단해 이를 지능화 솔루션으로 보완할 수도 있습니다.
또한 다양한 상품의 피킹*동선을 작업자의 경험이나 감에 따라 구성하는 것이 아니라 보관위치에 따라 한 번에 피킹할 수 있는 동선을 추천하고, 다른 상품을 피킹하는 오류를 줄일 수 있도록 상품의 위치뿐만 아니라 형태를 이미지로 제공할 수 있다면 효율을 높일 수 있습니다.
*피킹: 출고요청이 들어온 상품을 보관공간에서 가져오는 물류업무
또한 상품의 체적, 물성에 따라 가장 적합한 크기와 필요한 부자재의 종류, 양을 계산해 제시한다면 부자재 비용을 절감할 뿐만 아니라 운송수단의 적재공간을 최대로 활용할 수 있어 배송비용도 줄어듭니다. 물류처리 외적으로 반복되는 전산업무는 간소화해 업무부담을 줄일 수 있습니다. 고객의 주문요청을 직접 소통하는 것이 아니라 솔루션을 통해 주문을 요청하고 처리에 따른 비용을 자동으로 기록해 정산할 수 있다면 매일 엑셀작업과 유선업무 등 작업자가 직접 처리하면서 사용되는 시간을 단축할 수 있을 뿐만 아니라 상호간 기록을 통해 신뢰를 형성할 수 있습니다.
이러한 지능화 솔루션을 통해 변화하는 물류환경에 유연하게 대응할 수 있도록 최적화가 먼저 이뤄진 후 추가적으로 효율, 생산성을 제고하고 비용을 절감할 수 있는 방안으로 로봇, 설비 도입에 대한 접근이 이뤄진다면 보다 효과적인 투자가 이뤄질 것으로 기대됩니다. 다만 로봇, 설비 도입 시에도 물류데이터에 기반해 작업자와 로봇, 설비의 업무를 효율적으로 분장해 운영할 수 있는 지능화 솔루션이 중요할 것으로 보입니다.
COLOSSEUM Thread! 15년차 물류 컨설턴트가 말하는 물류 현장 이야기
이커머스 시장 내 상품과 판매 채널이 다양해지면서 기존 처리방식으로 물류를 처리하기 어려워지고 있죠. 생산성과 효율성을 높이면서 안정적으로 물류를 처리하기 위해서 물류프로세스를 개선할 수 있는 스마트 물류기술이 주목받고 있는데요. 초기에는 설비와 로봇과 같은 기술이 중점적으로 도입됐다면 최근에는 솔루션 등 소프트웨어의 역할이 강조되고 있습니다.
특히 기존 솔루션으로는 계속 생겨나는 새로운 형태의 물류서비스에 대응하지 못하는 경우가 발생하면서 실질적으로 현장에서 활용할 수 있는 기능에 대한 요구가 늘어나고 있죠.
Thread 1. 하드웨어 VS 소프트웨어
설비로 대표되는 하드웨어 측면의 스마트 물류기술은 물류의 형태가 정형화된 제조물류 등에 적합할 것으로 생각됩니다.
이와 다르게 형태나 물량, 고객이 다양한 물류대행업 측면에서는 고정적인 형태로 물류를 운영하기 어렵습니다. 고정돼있지 않은 형태의 물류를 유연하게 처리할 수 있는 인력에 대한 의존도가 높을 수밖에 없으며 앞으로도 높을 것으로 예상됩니다.
인력 의존도가 높기 때문에 작업자의 전문성에 따라 서비스품질이 좌우될 수 있어 품질을 안정적으로 유지할 수 있는 업무를 보조하거나 자동화할 수 있는 기능의 솔루션 등 소프트웨어의 역할이 중요할 것으로 보입니다.
Thread 2. 지능화 솔루션 기반 물류센터 스마트화
설비, 로봇 적용 전에 솔루션을 통해 각 프로세스에서 발생하는 비효율 개선을 먼저 시도해볼 수 있습니다. 예를 들어 물류센터에 상품이 보관되지 않아도 되지만 보관이 돼야만 전산에 기록돼 재고관리할 수 있는 경우가 종종 있는데요. 단순히 전산에 기록되지 않는다는 이유로 시간과 인력을 낭비하는 것이죠. 보관작업을 하지 않고도 전산에 기록을 남길 수 있는 기능을 가진 솔루션이 있다면 기존 하차, 입고, 보관, 상차, 출고 등의 과정에서 하차, 상차, 출고 등으로 프로세스를 단축할 수 있죠. 이를 통해 시간과 비용을 절감하면서 전산에는 물동에 대한 기록이 남기 때문에 정확한 재고관리가 가능하죠.
그리고 물류경험이 없는 작업자가 솔루션이 제공하는 정보만으로도 높은 수준의 작업도 바로 처리할 수 있다면 생산성을 높일 수 있죠. 많은 상품을 피킹해야 하는 경우 최단거리와 상품위치를 알려준다면 빠르고 정확하게 상품을 가져올 수 있는 것처럼요. 이처럼 물류프로세스를 개선할 수 있는 방안을 찾기 위해서는 물류처리과정에서 발생하는 데이터를 확보할 수 있어야 하고 실제 사용자의 의견을 누적해 방향성을 설정해야만 실질적으로 물류현장의 효율성을 개선할 수 있을 것으로 생각합니다.
