물류매거진

CJ대한통운 / 물류 디지털전환 핵심 ‘AI·빅데이터’

ㆍ게재년/월

2023/12

물류 디지털전환 핵심 ‘AI·빅데이터’

‘로봇기반 자동화·수요예측·정보시스템 고도화’ 디지털 전환 추진

“인력소싱 어려움 증가, 빠른배송 니즈 확대, 이커머스 경쟁 심화 등의 물류환경 변화에 대응하기 위해서는 디지털 기반의 기업 혁신이 필요하며, 이를 뒷받침하는 것이 AI와 물류 빅데이터이다. 수요예측, 물동량 예측, 배송네트워크 최적화 등 물류 최적화에 있어 AI와 빅데이터가 핵심적인 역할을 하고 있다”

대한상의가 지난달 22일 개최한 ‘유통물류 AI 활용전략 세미나’에서 CJ대한통운 김민수 상무가 ‘디지털 유통시대, 물류 AI 혁신’ 주제발표를 통해 물류산업 디지털 전환에서 AI와 빅데이터 중요성에 대해 설명했다.

과거에는 유통과 물류 사업자가 분리됐었으나 이커머스가 크게 성장하면서 유통과 물류 영역 구분이 없어지고 있다.

유통기업인 아마존과 쿠팡이 직접 물류를 수행하고, DHL과 CJ대한통운 등의 물류기업이 제공하는 토탈 물류서비스 제공범위가 확대되고 있는 가운데, KT 브로캐리, 티맵모빌리티 티맵화물, 로지스팟, CJ대한통운 더운반 등의 개방형 물류 IT플랫폼까지 등장하고 있다.

물류 비즈니스 환경 역시 빠르게 변화하고 있다. 최저임금 상승으로 인력소싱 난이도가 증가하고 있으며, 배송서비스가 다각화되면서 빠른배송에 대한 소비자 기대가 높아지고 있다. 또한 이커머스 경쟁이 심화되다 보니 전체적으로 비용을 줄이기 위한 노력들을 많이 하고 있다.

김민수 상무는 “이같은 어려움을 해결하기 위해 CJ대한통운은 로봇 기반의 유연한 자동화, AI·빅데이터 분석 통한 지능화, 디지털트윈 기반 실시간 최적화, 개방형 물류 IT플랫폼 활용을 통한 비용절감 등의 디지털 트랜스포메이션을 추진하고 있다”고 밝혔다.

물류산업 빅데이터 분석시장 연평균 14.4% 성장 전망

모든 산업에서 데이터가 중요해지고 있는 만큼, 향후 5년간 전체 데이터 분석시장이 증가할 것으로 전망되는 가운데, 물류 데이터 분석은 더욱 큰 폭으로 성장할 것으로 예상된다.

현재 IoT, 모바일, AI 등의 기술 발달로 전세계 데이터 분석시장은 2027년까지 연평균 11.5% 성장이 전망된다. 특히 물류산업 빅데이터 분석시장은 2027년까지 연평균 14.4% 성장할 것으로 예상되면서, 전체 데이터 분석시장 대비 약 3% 수준을 상회할 것으로 보인다.

운영 데이터 수집을 위한 엣지(EDGE) 데이터 비중 역시 증가하고 있다. 엣지 데이터는 IoT 센서, 차량, 로봇 등 단독으로 데이터를 생성 및 처리하는 디바이스에서 나오는 데이터를 말한다. 엣지 데이터는 운영 및 배송 효율성 향상을 위한 정보 수집에 매우 큰 역할을 하고 있는 만큼, 로봇, 배송차량 등 물류 엣지 데이터 중요도가 높아지고 데이터 수집, 처리 및 활용 영역 역시 확대되고 있다.

예컨데 엣지 데이터를 통해 물류센터에서 작업자나 지게차가 집중되는 구간을 파악할 수 있으며, 이를 통해 재고를 다른 곳으로 재배치하는 등의 대응을 통해 물류센터 운영 효율성을 높일 수 있다.

물량예측·수송 최적운임 책정 등에 AI 적용

CJ대한통운은 물량 예측, 택배 프라이싱(Pricing), ITS 이미지 택배박스 물성 분석, 수송 최적운임 등에 AI와 빅데이터를 적용하고 있다.

수요예측의 경우 기존에는 운영자가 경험에 의존해 엑셀 기반의 수작업으로 진행했다. 그러다보니 생산계획에 따른 공급자 중심의 예측이 주를 이뤘으며, 어떤 운영자가 하느냐에 따라 예측이 달라져 일관적인 정확성 확보가 어려웠다.

그러나 지금은 AI와 빅데이터를 기반으로 다양한 사업분야의 수요예측이 가능하다. 예컨대 온도대별, 단수/합포 등주문 특성별로 익일 주문량을 예측해 운영에 활용하기도 하고, 중장기 물량의 추이를 파악해 어떤 설비를 추가할지 등에 대한 중장기 운영 계획도 세울 수 있다.

택배 가격책정에도 큰 역할을 한다. 택배는 박스 크기, 이동 거리, 온도대, 배송 난이도 등 다양한 요소를 고려해 판가가 정해지는데, 이러한 요소들은 빅데이터 분석에 기반해 결정된다.

예컨대 배송 난이도는 배송 가능 건물에 단위물량을 배송하는데 요구되는 시간을 지수화한 것으로, 배송 처리 시간이 길수록 배송 난이도가 높음을 의미한다.

즉, 주택밀집 지역이나 아파트밀집 지역보다 도서산간 지역이 배송 난이도가 높고, 인접 도로의 폭이 좁아 차량통행이 어렵거나 엘리베이터가 없는 아파트는 배송지수가 높다고 할 수 있다. 따라서 데이터에 기반해 택배 배송기사의 권역내 건물에 대한 배송 난이도를 생성하고, 이를 가격정책에 반영한다.

운송 네트워크 최적화에서 AI와 빅데이터가 활용된다. AI 기술을 활용해 교통상황, 배송주문 등의 정보를 분석해 배송건별 이동경로를 최적화할 수 있다. 또한 배송기사의 위치/동선/이동속도/대기시간/총 배달시간 등과 주문음식 특성을 고려해 가장 적임자에게 자동으로 콜을 배정하는 추천 배차도 가능하다. 아울러 화주에게 특정 시점 이후 서비스 구간별 요금을 예측할 수도 있고, 공급망에 중대한 영향을 줄 수 있는 외부사건의 실시간 모니터링을 통해 리스크 감지 기능을 제공할 수도 있다.

ITS(Interlligent Scanner) 이미지를 활용해 분실화물 추적도 가능하다. 터미널내 설치된 스캐너를 통해 모든 화물의 영상을 촬영하고, 스캐너 영상에 신경망을 적용해 화물특징을 추출한다. 분실화물이 발생하면 분실화물의 사진과 ITS 영상의 특징 대조를 통해 유사도를 취득하고, 화물과 운송장이 연결돼 분실화물을 추적할 수 있다.

김민수 상무는 “데이터가 축적되면 AI를 통해 인사이트를 도출하고, 이를 기반으로 잠재된 경영 이슈를 파악하거나 사업 기회 발굴을 통한 기업 핵심 경쟁력을 확보할 수 있다”고 밝혔다.