SAP코리아(대표 신은영)는 지난 23일 발표를 통해, ‘하노버 산업박람회(Hannover Messe, 하노버메세)’에서 제조업계의 생산성, 효율성, 정밀성을 획기적으로 향상시킬 공급망 솔루션의 AI 혁신을 공개했다.

실시간 데이터에서 확보한 AI 기반 인사이트는 기업이 자체 데이터를 활용해 공급망 전반에서 더 나은 의사결정을 내리고 제품 개발을 간소화하며 제조 효율성을 개선하는 데 도움이 될 전망이다.

‘하노버 산업박람회’는 오는 26일까지 독일에서 ‘지속 가능한 산업 활성화’를 주제로 열린다.

무하마드 알람(Muhammad Alam) 제품 엔지니어링 총괄 SAP 이사회 임원은 “기업은 공급망 중단, 노동력 부족, 지정학적 불확실성 등 다양한 문제에 직면해 있다”며 “SAP는 민첩성과 인텔리전스의 필요성을 인식하고 공급망 및 제조 프로세스를 간소화하는 AI 기반 솔루션으로 혁신을 주도하고 있다. 기업은 운영 효율성을 높이고 위험을 완화하는 동시에 우수한 서비스로 고객을 만족시켜 지속적인 성장과 시장 경쟁력의 탄탄한 기반을 마련할 수 있다”고 말했다.

SAP는 이같은 AI 기반 제조 혁신을 국내 기업과 공유하고 보다 심도 깊게 논의하기 위한 프로그램도 진행한다.

아울러 SAP코리아는 이번 하노버 산업박람회에 참가하는 국내 고객사 160여 명을 대상으로 다양한 제조업계의 혁신을 함께 살펴보는 가이드 투어를 마련했다.

SAP 코리아는 국내 스마트 팩토리 최신 동향도 함께 연구하며 국내 제조업계가 디지털 트랜스포메이션을 위해 나아가야 하는 방향성을 제시한다는 계획이다.

비즈니스 환경에서 정확하고 관련성 높은 실시간 정보를 활용하면 공급망 중단이 전 세계 공급업체, 제조업체 및 유통업체에 미치는 영향을 완화할 수 있다.

독일 태양광 기술·저장·충전 기업 SMA 솔라 테크놀로지(SMA Solar Technology)를 비롯한 다수의 SAP 고객사는 이미 SAP 솔루션을 활용해 효과를 보고 있다.

이들은 공급망 인력 생산성 약 15% 향상, 전체 공급망 계획 비용 10% 감소, 재고 운반 비용 및 재고 회전율 10% 감소 등 SAP 솔루션의 이점을 경험하고 있다.

헤이코 켐(Heiko Kehm) SMA 솔라 테크놀로지의 IT 오더 투 캐시 총괄은 “SMA 솔라 테크놀로지는 SAP 디지털 제조 솔루션의 AI 기반 시각적 검사 기능을 활용하고 있다. 이를 통해 지속 가능하고 리스크 탄력적인 제조 운영을 지원하기 위한 제조 실행 시스템을 현대화하고 있다”고 말했다.

SAP가 후원한 글로벌 2024 IDC 인포브리프 ‘공급망 및 운영에서 AI의 중요성’에 따르면, 공급망 임원의 63%와 운영 임원의 52%가 비즈니스 목표와 연계된 AI 전략을 수립한 것으로 나타났다.

설문조사 응답자 2000명 중 51%는 실시간 의사결정을 위해 공급망 계획 비즈니스 프로세스와 주요 애플리케이션에 AI를 도입하고 있다.

또 다른 58%는 운영 효율성과 직원 생산성을 높이기 위해 AI를 사용하고 있는 것으로 나타났다.

‘SAP 공급망 솔루션’의 주요 개선 사항을 보면,

- AI 기반 인사이트를 통해 공급망 전반의 의사 결정 최적화 = 기업은 더 많은 양의 기계 데이터를 활용하고 AI 기반 시각적 검사를 생산 프로세스에 통합해 자동화를 달성하고 품질을 획기적으로 향상시킬 수 있다.

- 제품 개발 간소화 = 제품 개발자는 SAP의 AI 코파일럿인 쥴(Joule)을 활용해 자연어 쿼리를 통해 신제품 아이디어를 빠르고 효과적으로 수집하고 개선할 수 있다.

또한, 제품 디자인에 비즈니스 데이터로 태그를 지정해 비즈니스에 중요한 정보를 시각적으로 맥락화할 수 있다.

- 장비 이상 징후 감지 = 장비 및 자산 운영자는 AI를 활용해 스마트 디바이스와 엣지 게이트웨이에서 수집한 센서 데이터를 기반으로 잠재적인 고장을 사전에 해결할 수 있다.

이 기능은 소프트웨어 AG(Software AG)의 최첨단 큐물로시티(Cumulocity) IoT 플랫폼을 활용하며, 올해 3분기에 SAP 자산 성과 관리(SAP Asset Performance Management) 애플리케이션에 내장될 예정이다.

- 현장 대응력 향상 = 기업은 통합된 실시간 교통 데이터와 머신러닝 학습 모델을 통해 주행 경로를 최적화하고 작업을 효율적으로 할당할 수 있으며, 이를 통해 적절한 현장 서비스 기술자가 목적지에 제시간에 도착할 수 있다.

<김동기 기자>kdk@bikorea.net