| 물류트랜드 레이더 2016 / 미래물류 키워드 ‘보안·에너지·디지털’ | |||
 
|
|||
| 관리자 | |||
|
|||
|
미래물류 키워드 ‘보안·에너지·디지털’ 배치사이즈 원·튜브물류·자가학습 기술에 주목해야  미래 물류산업에서 물류보안 강화와 재생가능한 에너지원, 물류 디지털화가 물류혁신을 주도할 것으로 전망된다. 이같은 물류트랜드 변화에 따라 물류산업을 선도할 기술로 ▲배치사이즈 원 ▲온디멘드 배송 ▲스마트 에너지 물류 ▲튜브 물류 ▲생체공학적 증강 ▲디지털 식별자 ▲자가학습 시스템 ▲무인항공기 및 자율주행 차량 등이 주목받을 것으로 예상된다. DHL은 매년 물류산업이 앞으로 직면하게 될 미래의 모습과 트랜드를 소개하는 ‘물류트랜드 레이더’를 발간하고 있다. 올해 발간한 보고서에서는 3가지 물류혁신 메가트랜드와 새롭게 등장한 8가지 비즈니스 및 기술트랜드를 제시했다. 과거 보고서에서 소개했던 자율주행 및 드론 등과 같은 자율물류, 물류에서의 IoT 확산, 물류와 증강현실의 만남, 옴니채널 물류 등은 현재 물류현장에서 실제로 적용되고 있다. 따라서 보고서에서 제시하는 미래사회 물류비즈니스 동향과 기술을 주목할 필요가 있다. 물류 디지털화 가속화 전망 최근 상용화까지 논의되고 있을 정도로 기술이 발전한 자율주행 자동차의 큰 걸림돌은 바로 보안이다. 해킹당했을 경우 운전자는 물론 보행자의 안전도 위협받기 때문이다. 공급사슬에서 IT는 절대적이라고 할 수 있을 정도로 중요성이 커지고 있으며, 이와 비례해 보안에 대한 리스크도 증가하고 있다. 이는 클라우드 물류 등과 같은 새로운 IT기반 물류기술 도입이 늦어지는 원인이 되기도 한다. 또한 지속되고 있는 글로벌 시장의 변동성과 지역의 불안정성은 더 높은 수준의 공급사슬 투명성과 무결성을 요구하는 엄격한 보안 규제로 이어지고 있다. 이에 기업들은 보안과 위험을 평가하고 속도보다 운영상의 보안을 우선시하는 전술적 ‘감속’을 통해 공급사슬의 위험성을 점차 해소해 나가고 있다. 또한 물류에서의 보안 수준을 높이기 위해 물품과 개인을 식별해 변조가 불가능한 혁신적인 디지털 식별자(Digital Identifier)에 관심을 보이고 있다. 물류를 움직이는 동력인 에너지에 대한 정의도 새롭게 정립될 것으로 보인다. 에너지자원의 제한된 가용성으로 인해 지속가능한 에너지 사용에 대한 요구가 더욱 커지고 있기 때문이다. 2015년 ‘파리협약’ 채택에 따라 각국은 온실가스 배출을 감축해야 한다. 이는 물류업계의 위기이자 기회로, 장기적으로는 태양, 풍력 등의 재생가능한 에너지 기반의 운송 및 물류시스템으로의 점진적인 변화가 요구된다. 이에 따라 전기자동차, 전기 자전거 등 전기 이동성(e-mobility) 솔루션이 관심받고 있으며, 이로 인해 리튬 배터리의 엔드 투 엔드 수명주기 전체를 뒷받침하는 것과 같이 완전히 새로운 물류 개념이 필요하게 될 것으로 예상된다. 물류 디지털화는 새로운 물류 비즈니스 모델들을 창출하는 계기가 될 것으로 기대된다. 우편이 디지털화로 인해 이메일과 온라인 통신으로 바뀌면서 우정사업도 변화했다. 물류 역시 3D 프린팅 등장으로 대규모 공장에서 생산해 전세계로 배송할 필요없이, 제품 도면을 디지털화해 고객과 가까운 곳에서 3D 프린팅으로 제품을 만들어 공급할 수 있게 된다. 이처럼 3D 프린팅, 빅데이터 분석, IoT, 자가학습 시스템 등의 기술들이 물류 디지털화를 가속화시키며 새로운 비즈니스 모델을 창출할 것으로 예상된다.  개인별 맞춤 생산 니즈 확대 배치 사이즈 원(Batch Size One)은 고도의 개인별 맞춤화된 제품 양산을 위해 ‘생산 배치크기가 1’인 생산시스템을 의미한다. 개인화에 대한 고객 수요가 증가함에 따라 이에 대응하기 위해서는 기존의 대량 생산체계 변화가 불가피하다. 즉, 기업이 수요와 가까운 대도시 근교나 시내 등에 초소형 생산시설이 구축하고, 시장변화나 수요에 즉각적으로 반응해 생산하고 빠른 시간내에 소비자에게 전달돼야 한다. 이처럼 고객 수요에 기반한 개인 맞춤화를 위한 ‘스피드 공장’을 운영하기 위해서는 3D 프린팅과 첨단 로보틱스, 자동화가 필수 기술이다. 이미 가구 및 의류, 신발업계에서는 배치 사이즈 원 생산 시스템 구현을 위한 파일럿 테스트를 진행하고 있다. 아디다스는 독일 Ansbach 도시 인근에 ‘스피드 팩토리’를 가동중이다. 자동화된 로봇기반의 신발 생산공장으로, 실시간으로 고객의 니즈가 반영된 개인화된 제품들을 바로 생산하고 빨리 판매하기 위해 지역 판매시장에 위치해 있다. 이에 따라 현장(on-the-spot) 자동화 생산과 배송이 가능하며 배치 크기를 1까지 줄일 수 있다. 그러나 배치 사이즈 원 생산시스템을 실제로 구현하기에는 아직 어려움이 많다. 우선 배치 사이즈 원 생산에 대한 재정적 실현가능성이 검증되지 않아 면밀한 검토가 필요하다. 또한 급변하는 생환환경에 대응하는 물류 프로세스에 대한 계획 및 실행에 많은 어려움이 있을 것으로 예상된다. 이외에 생산 분산화 등으로 인해 공급사슬이 복잡해지고 이로 인한 비용 증가를 고려할 필요가 있다. 온디멘드 배송 대중 활용하는 방식으로 발전 온디멘드 배송은 크라우드 소싱을 기반으로 하는 유연한 인력들을 활용해 고객이 원하는 시간, 장소에 배송하는 것으로 최근 2년간 급격하게 발달했다. 우버러쉬 등으로부터 촉발된 온디멘드 배송서비스에 글로벌 IT업계의 경쟁이 본격화되고 있다. 우버러쉬는 우버와 계약을 맺은 쇼핑몰에서 물품을 주문한뒤 우버러쉬 아이콘을 클릭하면 우버기사가 업체에서 물품을 집하해 고객에게 전달하는 서비스이다. DHL은 지역주민들이 일상적으로 오가는 길에 DHL 픽업포인트에서 물품을 픽업하고 고객에게 전달하는 MyWays 솔루션을 개발했다. 이처럼 온디맨드 배송은 실시간 라우팅 및 앱기반 분석을 기반으로 대중을 활용한 다양한 방식의 배송으로 발전하고 있다. 온디멘드 배송서비스 플랫폼 업체는 실제적으로 차량을 소유, 운영할 필요없이 크라우드 소싱을 기반으로 한 배달원과의 유연한 계약을 통해 사업을 영위할 수 있다는 장점이 있다. 다만 지속적이고 충분한 배송수요의 존재여부가 관건이다. 온실가스 감축 위해 전기차 보급 확산 전망 2015년 파리협정 채택으로 물류업계는 온실가스 감축 규제에 따라 지속가능한 저탄소형 물류산업구조로의 개편이 요구되고 있다. 이에 따라 독일은 2020년까지 100만대의 전기자동차를 보급할 계획을 가지고 있으며, 국내도 녹색물류전환사업 등을 추진중이다. 저탄소형 물류산업구조로 변화하기 위해서는 크게 물류차량의 전기화와 공급사슬상의 에너지 자립이 이뤄져야 한다. 전기자동차 보급확산은 전기차 배터리에 대한 수송 및 역물류 수요 증가로 이어지게 되며, 물류업계에서는 새로 대두되는 물류 프로세스에 대한 적극적인 대응이 필요하다. 배송서비스에서 전기차 활용은 유해 배기가스 감소, 차량 운영비 감소 등과 같은 장점이 있으며, 소음이 거의 없어 야간배송도 확대될 수 있을 것으로 예상된다. 그러나 스마트 에너지 물류의 확대 및 정착을 위해서는 충분한 충전소 네트워크가 갖춰저야 한다. 또한 높은 배터리 가격을 낮추고 장시간 사용이 가능하도록 하는 기술 발전이 아직 더 필요한 상황이다. 이상적 운송수단 ‘튜브 물류’ 인프라 구축 난해 샌프란시스코와 로스엔젤레스 사이에서 캡슐열차를 이용해 승객과 화물을 초음속으로 수송하는 하이퍼루프로 다시 주목받게 된 튜브 물류는 무인이동체에 기반한 화물운송서비스이다. 첨단 운전시스템의 기술적인 발전과 도심 교통체증의 증가 등의 이유로 튜브나 파이프라인 기반시설을 활용한 튜브 물류에 대한 관심이 증가하고 있다. 차세대 초고속 진공열차인 하이프루프와 같은 시스템이 상용화된다면, 주요 도시간 긴급 수송이 필요할때 빠른 화물운송이 가능해질 것으로 예상된다. 지하 파이프라인 네트워크 구축을 통한 도시물류를 상용화하기 위한 노력은 이미 시도되고 있다. 예컨데 야간에 지하철 선로를 활용해 화물 캡슐 또는 기존 열차에 화물을 적재해 배송할 경우 도심 체증이나 날씨 등과 무관하게 화물의 도심내 수송이 가능하다. 또한 화물수송이 분산됨에 따라 트럭의 운행 감소로 교통체증 완화, 유해가스 배출감소 등의 효과도 있을 것으로 예상된다. 실제로 독일 CargoCap사는 직경 2m 정도인 지하 파이프라인을 통해 크기가 약 2 유로파렛트에 해당하는 화물을 운송할 수 있는 시스템을 개발하기도 했다. 아직 실험단계로, 낮은 에너지 소요, 저렴한 유지보수비 등의 장점이 있다. 영국기업 몰 솔루션은 무인 지하수송차량인 몰(Mole)의 테스트를 진행중이다. 지하 튜브를 통해 화물 캡슐을 보내는 것을 시험하는 것이 목표로, 자기부상 방식으로 움직인다. 튜브 물류 역시 구축이 어렵고 비용이 많이 드는 문제를 해결해야 한다. 지하 파이프라인을 구축하기 위해서는 기존의 지하에 매설된 인프라 피해를 최소화하면서 저비용으로 구축하는 방안에 대한 실현가능성과 타당성이 검토돼야 한다. 또한 지하 파이프라인과 도심내 기존 물류 인프라와의 연계방안도 고려돼야 한다. 물리적 한계 극복 위한 인체공학적 기술개발 활발 생체공학적 증강은 웨어러블에서 외골격 로봇까지 아우를 정도로 발달한 생체공학적 기술을 활용해 인간의 물리적인 한계를 극복할 수 있도록 도와주는 것으로, 생산성을 높이고 작업자의 안전을 도모할 수 있는 것이 특징이다. 신체에 착용해 인간의 능력을 보완하기 위한 웨어러블 디바이스 기술이 한층 더 발전해 인간능력의 한계를 끌어올리기 위한 기술 개발이 활발히 이뤄지고 있다. 스마트 안경 등은 물류작업시 추가적인 정보를 제공하면서 양손을 자유롭게 쓸 수 있도록 하며, 스마트 의류기술을 활용하면 지게차 접근 등의 위험상황을 감지해 작업자의 안전을 도모할 수 있다. 외골격 로봇은 작업자의 힘과 지구력을 향상시켜 반복적인 작업에 대한 육체적인 부담을 줄일 수 있다. 파나소닉이 개발한 파워로더는 2년간에 걸친 테스트를 마치는 등 상용화를 위한 준비를 하고 있다. 하지만 아직 대부분의 생체공학 기기는 기업용도로 사용하기에는 아직 초기단계로, 현재 기술이 빠르게 발전하고 있는 중이다. 차세대 디지털 식별기술로 글로벌 공급사슬 개체단위 추적 바코드, NFC, QR코드 등은 개별식별을 통해 특정 물품의 위치를 정확히 확인할 수 있게 하는 역할을 했다. 여기서 더 나아가 디지털 워터마크, 일회용 스마트 라벨, 저비용 생체인식 등과 같은 차세대 디지털 식별자는 사물인식에 대한 정확도를 향상시키고, 차세대 식별관련 기술을 기반으로 하는 다양한 응용 애플리케이션 개발을 가능하게 한다. 디지털 워터마킹 기술은 사진 혹은 동영상과 같은 디지털 데이터에 저작권 정보와 같은 추가적인 데이터를 삽입해 관리하는 기술로, 진품 여부 판단, 보안 등 다양한 용도로 활용 가능하다. 일회용 스마트 라벨은 영국 Timestrip사가 신선물류에서 제품의 유통기한 및 상태에 대한 정보를 고객에게 제공하기 위해 개발해 현재 테스트중이다. 생체인식 기술은 생물학적 또는 행동적 특징 등을 자동으로 관찰해 신원을 파악하는 기술로, 지문인식이나 홍채 및 망막인식, 음성인식 등이 있다. 생체인식 기술은 신원파악, 접근관리 및 지불시 인증 등에 활용이 가능하며, 생체인식 센서를 소형화해 저가로 생산이 가능하도록 하는 연구가 진행중이다. 이같은 차세대 디지털 식별자 기술들이 유통과 물류, SCM 등에 적용될 경우 글로벌 공급사슬에서 한단계 발전한 개체단위 추적 및 조회시스템 구축이 가능해진다. 디지마크사는 신분증부터 일상적인 소비재까지 모든 것을 위한 보이지 않는 디지털 식별자를 생성한다. 여러 바코드 형태의 디지털 워터마크를 제품에 인쇄할 수 있으나 눈에는 보이지 않는다. 이는 공급사슬의 제품 스캐능과 보안절차를 빠르게 하고 판매점에서의 빠른 거래를 가능하게 한다. 또한 생체인식 기술을 활용하면 주요 물류시설에 대한 접근관리 자동화가 가능해지며, 이를 통해 보안 및 비용에서의 효율성이 향상될 것으로 예상된다. 그러나 기술확산을 위해서는 코드체계 표준화, 개인정보 보호, 공급사슬 참여자간의 정보 공유, 데이터 보안 등의 문제를 해결해야 하는 과제가 있다. 자가학습 시스템으로 수요 예측 가능 머신러닝과 같은 자가학습 시스템은 생산, 물류 등 다양한 분야에서 데이터 기반의 자율적 의사결정 및 최적화를 한단계 높일 수 있는 기회를 제공하므로, 물류에서 자율적인 데이터 주도의 최적화를 가능하게 할 수 있다. 전자상거래의 경우 온라인 검색엔진과 제품 추천은 알고리즘을 학습하는 자동화된 자가학습 시스템을 기반으로 한다. 페이스북의 딥페이스는 특정인을 자동으로 탐지하고 이미지를 찾아내는 딥러닝 기술을 사용한다. 4,000명 이상 사람의 얼굴 이미지 400만개 이상을 이용해 훈련된 알고리즘으로, 페이스북에 따르면 97.35%의 정확도를 보이고 있다. 물류의 경우 수요를 예측할 수 있다는 점에서 의미가 있다. 창고에서의 자가학습 시스템은 반복적으로 일어나는 시나리오와 트랜드를 인식하고 이를 특정 소비자, 주문, 창고운영과 연결시킬 수 있다. 이를 통해 주문 내용을 예측함으로써 주문이 발생하기 전에 제품을 미리 포장할 수 있다. 그러나 자가학습 시스템은 알고리즘이 고도로 복잡해 상당한 연구와 대량의 관련 데이터가 필요하다. 또한 높은 설치비용으로 물류에서의 적용은 아직 요원하다. <저작권자 ⓒ 월간 물류매거진(www.ulogistics.co.kr) 무단전재 및 재배포금지> |
| 
|
