퍼지로직과 인공지능으로 제조업 공급망 관리 관행 개선

팬데믹 이후 공급망 혼란으로 세계 경제에 영향을 미치고 있다. 다양한 유형의 부품 및 원자재 공급 지연과

중단으로 자동차 제조업을 비롯한 수많은 산업 현장이 크나큰 어려움을 겪었다.

공급망은 기업이 항상 약속 이행 여부를 결정하기에 관리하기 어려운 복잡한 요소를 가지고 있다. 팬데믹 이후에도 그 해결책의 끝은 보이지 않는다.

S&P Global의 2022년 보고서에 따르면 각 국가의 정부조차도 공급망 회복력을 국가 안보의 필수 요소로 보고 깊은 관심을 쏟고 있다.

https://cdn.ihsmarkit.com/www/prot/pdf/0922/646180941_0822_SK_ECR_Supply-Chain-Annual-Survey_Report_SPGI_U3_LORES.pdf

인공지능을 활용하여 보다 정밀한 예측을 생성하고, 디지털 트윈으로 시나리오를 만들어,

실시간 데이터 기반 빠른 의사결정으로 공급망 중단을 완화할 수 있다. 

인공지능이 이렇게 할 수 있는 것은 퍼지 로직으로 알려진 수학적 개념을 사용하기 때문이다.

공급망에서의 퍼지로직이 무엇인지 알아보자.

공급망에서의 퍼지로직

수학에서 퍼지로직은 불확실성과 모호성, 부정확성이 지배하는 상황에서 추론과 의사 결정을 다루는 프레임워크이다.

공급망 관리는 날씨, 국가적 재난, 예상치 못한 수요와 공급의 차이에 따라 변동하는 매우 복잡한 일이기 때문에 이러한 유형에는 수학적 접근이 적합하다.

퍼지로직은 주관적이고 불확실한 정보 표현과 조정을 인정하는 고전적인(선명한) 로직의 연장선에 있다. 

고전 논리학에서 명제는 참 또는 거짓의 두 가지 중 하나이다. 그러나 실제 시나리오에서 참과 거짓 사이의

경계가 명확하게 정의되지 않아도 참의 정도가 존재하기 때문에 필요한 많은 요소가 함께 작동하는 영역에서는 성립하지 않을 수 있다.

고급 수학의 복잡성을 다루지 않아도 퍼지로직을 사용하면 불확실성, 부정확성 및 정성적 요소를 처리할 수 있다.

정확하거나 이진법 로직이 부적절한 상황에서 모델링과 추론을 위한 강력한 도구가 퍼지로직이다.

퍼지로직으로 공급망 관리 등 불확실성이 높은 분야에서 활용할 수 있는 응용 프로그램을 찾았다.

퍼지로직은 언제 공급망 관리에 적합한가?

퍼지로직은 부정확하거나 불확실한 정보, 주관적인 평가 및 정성적 요인과 관련된 상황을 처리하므로

공급망 관리에 유리한 측면이 있다.

퍼지논리가 공급망 관리에 도움이 될 수 있는 시나리오

1. 수요 예측

수요 패턴이 모호하고 부정확할 때 퍼지로직이 유용하다. 과거 데이터가 제한적이거나, 고객 선호도가 주관적이거나,

시장 상황이 불안정한 경우 퍼지로직 모델이 불확실성을 효과적으로 포착하여 관리할 수 있게 한다.

퍼지로직은 언어적 변수와 정성적 입력을 통합하여 불완전하거나 모호한 정보를 처리하는 경우 보다 정확한 수요를 예측 가능하게 한다.

2. 재고 관리

퍼지로직은 불확실한 수요 및 공급 변동성 대응에 유용한 도구이다. 

일반적인 정량적 데이터와 함께 시장의 심리, 전문가 의견 또는 주관적 평가 같은 위험한 정성적 평가를 고려할 수 있다.

퍼지로직 모델은 수요의 변동성, 리드 타임 변동 및 공급망 중단과 같은 요인을 고려하여 재고 정책을 유동적으로

조정하고 최적의 재고 수준을 유지하여 재고 부족 또는 과잉 같은 심각한 결과를 초래하는 두 가지 시나리오를 최소화할 수 있다.

3. 공급업체 선정

정확하게 정량화할 수 없는 기준(직감, 경험)에 따라 공급업체를 평가하고 선정할 때 퍼지로직을 적용할 수 있다.

공급업체 선정 프로세스에는 주관적인 평가, 정성적 요인, 품질, 단가, 리드 타임 및 지리적 위치 등 고려해야 할 사항이 많다.

의사결정자는 퍼지로직을 이용하여 자신의 전문 지식과 주관적인 선호도를 평가 프로세스에 넣어 보다

포괄적으로 공급업체를 평가하고 선정할 수 있다. 이렇게 인간의 주관적 의사결정과 수학적 의사결정을 혼합하여 공급망의 복잡한 특성을 설명한다.

4. 리스크 관리

퍼지논리는 부정확하거나 불확실한 정보가 많은 공급망 위험을 평가하여 리스크를 완화하는 데도 적합하다.

여러 위험 요인과 주관적 판단 및 과거 실적을 고려하는 퍼지로직 기반 모델은 잠재적 위험과 공급망에 미치는 영향에 대한 전체적인 관점을 제공한다.

이를 통해 위험을 사전에 파악하여 선제적으로 해결하고, 복원력을 개선하는 등 리스크 완화 전략을 효율적으로 개발할 수 있다.

고전적인 논리 모델은 "만약이란" 요소를 단순하게 흑과 백으로 처리하여 예측하는 경향이 있다.

데이터가 풍부하고 정확하며 쉽게 정량화할 수 있는 시나리오에서는 기존의 결정론적 접근 방식이 더 적합할 수 있다. 

한편, 불확실성, 모호성 및 정성적 요인이 포함된 상황에서는 퍼지로직이 공급망 관리의 의사 결정 능력을 크게 높일 수 있다.

퍼지로직은 대상 업무의 특성과 데이터의 가용성에 따라 신중하게 적용해야 한다.

공급망 관리 업무에 퍼지 로직이 적합하지 않은 경우

1. 잘 정의된 정량적 데이터

상황이 너무 간단해서 퍼지로직 모델이 상황을 이해하지 못하는 일이 발생할 수도 있다.

데이터를 정확하게 정량화할 수 있고 모호성이나 불확실성이 거의 없는 경우 기존의 결정론적

모델과 통계수법이 보다 정확한 결과를 제공할 수 있다.

2. 데이터 가용성과 품질

퍼지로직은 특히 언어 변수 및 정성적 입력을 처리할 때 데이터의 가용성과 품질에 크게 영향을 받는다.

필요한 데이터양이 부족하거나 불완전 등 데이터의 질이 좋지 않으면 양질의 예측 결과를 얻지 못할 수 있다.

이러한 통찰력 기반 의사결정은 공급망 문제를 악화시킬 뿐이다.

3. 시간 및 계산상의 제약성

퍼지로직 모델은 공급망 시스템이 복잡하거나 대규모 데이터를 처리할 때 계산 집약적일 수 있다.

리소스 계산이 복잡한 경우 퍼지로직은 시간이 걸린다. 실시간 또는 실시간에 가까운 의사결정이

필요한 경우 처리 시간이 더 빠른 다른 대체 방법을 생각해 보아야 한다.

4. 잘 구조화된 프로세스

공급망 문제가 그렇게 복잡하거나 모호하지 않아 당면한 해결 과제가 불확실성, 모호성 또는 정성적 요인이

심각하지 않다면 퍼지로직은 결정론적인 접근 방식에 비해 실질적인 가치를 주지 못한다.

5. 퍼지로직에 대한 전문 지식과 이해 부족인 경우

퍼지로직은 모델을 효과적으로 개발하고 해석하기 위해 일정 수준의 전문 지식과 이해가 필요하다.

퍼지로직을 적절하게 업무에 응용하고 활용하는 데 필요한 지식이나 리소스가 부족한 경우 전문성과 역량에 맞는 대체 방법을 고려해야 한다.

참조 | https://www.rtinsights.com/using-fuzzy-logic-and-ai-to-improve-supply-chain-efficiency/