2024년 물류자동화 변화

✔ 물류시스템의 변화

◆난소프트 이종화 총괄이사 : 2021년 기준 190조원 정도에 불과했던 온라인쇼핑 거래액이 지난해 227조원까지 성장했습니다. 올해, 내년까지도 이 정도 수준의 상승폭을 그릴 것으로 예상하고 있고요. 동시에 WMS(창고관리시스템)도 지속 발전하고 있습니다. 초창기에는 B2C(Business to Customer)를 중심으로 대기업 혹은 대형 물류사가 주로 이용했으며, 그 외에는 엑셀이나 수기인 경우가 대부분이었죠.

10여년 전부터 중소 물류사를 대상으로 하는 WMS가 등장하게 됐고, 최근에는 D2C(Dirtect to Customer), 제조사들이 고객들과 직접 맞닿는 움직임이 적극적으로 보이고 있습니다. 이에 따라 물류시스템도 업체 니즈에 맞게 고도화하고 있는데요. 기존에는 단독으로 사용하는 경우가 많았다면 최근에는 이종 시스템들 간의 연동이 활발해지고 있고, ERP(전사적자원관리), MES(제조실행시스템), DAS(분배시스템), DPS(피킹시스템), 장비 등을 고도화하고자 하는 니즈가 늘어나고 있습니다.

또한 3PL 중심의 구독형 WMS에 대한 니즈가 늘어나고 있습니다. 자체적으로 시스템을 구축하기에 부담이 있는 3PL물류사, 중소형 기업들이 월 비용을 내고 사용할 수 있는 물류관리시스템을 찾는 거죠. TMS(운송관리시스템) 같은 경우에도 마찬가지로 중소형 기업들의 니즈가 늘어남에 따라 구독형 TMS로 출시하고 있으며 물류로봇 역시 마찬가지입니다.

또한 AI를 적용해서 박스를 추천해 주는 물류시스템도 보이고 있습니다. CBM(부피)을 자동으로 계산해서 합포장이 됐을 때, 전체 제품들의 부피를 계산하고 제일 적합한 박스를 추천해주는 기능입니다. 아직 상용화되진 않았지만, 일부 업체들에서는 딥러닝을 활용해서 물건을 360도 스캔하고, 물건이 나갈 때 자동으로 인식해서 맞는 상품인지 아니면 오피킹된 상품인지 선별하는 기능들도 테스트되고 있습니다.

✔ 공급망 불확실성

◆오토스토어 김동연 부장 : 지난 3~4년 동안 환경, 사회, 정치, 경제분야에서 급격한 변화가 발생하면서 글로벌 공급망은 복합적인 위기를 맞이하고 있습니다. 이는 기업의 물류 비즈니스에 많은 영향을 줬고, 장기적인 안목에 따라서 전략적으로 행동하기보다는 단기적인 시각에 기초해서 사후대행을 할 수밖에 없게 만들었는데요. 여전히 불확실성이 남아있지만, 이제는 기업의 성장을 위해서 미래지향적으로 행동해야 하는 상황입니다.

특히 기업들은 장기적인 안목으로 강력한 풀필먼트 전략을 가져가야 하는데요. 먼저 이상기후, 고온, 전쟁, 사회경제적 혼란 등 공급망에 혼란을 주는 요소를 빠르게 모니터링하며 보관해야 할 재고를 예측하고, 공급처의 상황이 어떤지에 대해서 유연하고 민첩하게 대응해야 합니다. 또한 고객의 충성도 확보가 중요합니다. 빠른 배송, 주문의 정확도 등 만족도를 높이고, 구매패턴을 파악해 물량을 확보하면서 기업은 지속적인 성장을 이끌어낼 수 있습니다.

다음으로는 인적자원에 대한 인식 전환이 필요한데요. 지금도 인력난이 심하지만, 앞으로는 더 심해질 겁니다. PwC 설문조사에 따르면 지난해 기업들은 신규 채용보다 기존 인력을 재교육한 경우가 많았는데요. 기존 인적자원에 대한 제고, 직원에 대한 투자 의지를 보여주는 기업들이 성장할 가능성이 높습니다. 마지막으로는 창고 공간을 최적화해야 합니다. 무조건 시설을 확장하는 것만이 성장을 의미하는 게 아닙니다. 기존 시설을 효율적으로 운영하면서 전략적인 방향성을 잡는 게 중요하죠.

이와 관련해서 기업들은 먼저 공급망 전반의 종합적 가시성을 확보해야 하는데요. 대부분의 기업들은 자체 공급망의 20%만 파악하고 있는 것으로 알려졌습니다. 전문가들은 70% 이상을 권고하고 있고요. 또한 데이터 상호 연결성 즉, 공급망 간의 투명한 데이터 연결 확보가 필요합니다. 고객의 데이터를 확보해서 빠르게 수요와 공급을 예측하고 의사결정을 내릴 수 있어야 한다는 거죠. 또한 밀도 높은 효율적 자동화를 통해 직원들이 단순 업무보다 가치 있는 업무, 소속감을 가지게 만드는 전략이 필요하고요.

✔ 자동화 투자 전략

KPMG의 보고서에 따르면 응답자 10명 중 6명은 프로세스, 데이터 통합 및 분석 기능을 강화하기 위해 디지털 기술에 투자할 계획인 것으로 나타났습니다. 반면에, PwC의 2023년 공급망 디지털 트렌드 설문조사에 따르면 83%에 다르는 경영진들이 투자한 만큼 결과를 얻지 못했다고 답변했고요. 다소 상반된 결과죠.

기업들이 혁신의 속도에 따른 받은 압박감, 만연해진 기술에 대한 과대광고, 새로운 기술에 대한 막연한 두려움 등이 투자하게 된 주요 원인인 것으로 보입니다. 모든 기업에 적합한 만능 기술 솔루션은 없습니다. 우리 기업에 맞는 전략을 개발하고 목표를 설정해서 이와 관련된 혁신적인 로드맵을 발전시켜나가야 한다는 거죠.

기술은 도입하는 게 목적이 아니라, 목적을 이루기 위한 수단으로 생각해야 합니다. 기술을 왜 도입하려고 하는지, 해결하려는 문제가 무엇인지 파악하고 분명한 목표와 범위를 설정해야 하는데요. 모두가 수용할 수 있는 변화의 로드맵이 나와야 하는데 혁신이라는 게 사실 모든 프로세스를 바꾸고자 하는 것은 아닙니다. 실제로는 기존 프로세스를 개선해서 성장한 사례들이 많죠. 결국 경쟁사, 시장의 눈치를 보지 말고 이 기술이 우리 기업에 어떤 이점을 가져다줄 수 있을지 분명히 이해해야 한다는 겁니다.

향후 5년간은 AI 및 머신러닝, WMS, 로봇기술과 자동화, 블록체인을 주목하셔야 될 겁니다. 많이 알려져 있지만, 사실 아직도 전 세계 물류창고의 80% 이상은 자동화를 도입하지 않았습니다. 이 기술들은 앞으로도 보편화되고, 안정적으로 진화되면서 급변하는 환경에 대응할 수 있는 좋은 도구가 될 겁니다.

✔ ESG 트렌드 대응

ESG는 지속가능한 성장으로 오랫동안 주목을 받아왔죠. 맥킨지 조사에 따르면 ESG에 초점을 둔 기업들은 이윤 창출에 도움을 받은 것으로 전해졌습니다. 사실 과거에는 ESG의 방향성이 '제한'이었다면 근래에는 긍정적인 결과를 제공하는 데에 초점을 맞추고 있는데요. 사회에 긍정적인 영향을 끼치는 것이 꼭 비용을 많이 들일 필요는 없지만, 앞으로 ESG 트렌드에 맞춰서 기업이 이를 수용하고 맞춰가면 수익성을 확보할 수 있다는 건 틀림없는 사실입니다.

풀필먼트를 운영하는 기업의 입장에서는 이에 대응하기 위한 몇 가지 포인트가 있는데요. 먼저 규제에 대한 선제적 대응이 필요합니다. 흔히 법률에 대해서 생각하면 제한적이고, 애로사항이 많이 발생하고 복잡한 행정절차 때문에 가로막히는 어려운 이미지들이 많이 떠오릅니다. 그러나 규제를 받아들이면, 기업이 어느 분야에 어떻게 가장 집중해야 하는지 파악할 수 있게 됩니다.

또한 거버넌스(Governance) 체계와 모니터링 시스템을 구축해야 합니다. 회사의 모든 구성원이 주인의식을 가질 수 있는 의사결정체제를 구축해야 하며, 성과에 대한 재무적인 모니터링뿐만이 아닌, 사람, 지구, 이윤을 가져다주는 기준으로 모니터링 해야 한다는 거죠. 그리고 풀필먼트 시설의 면적을 다시 평가해 봐야 하는데요. 공간 최적화라는 것이 단순히 물류센터의 업무 효율성을 높이고, 비용을 절감하는 데에 그치는 것이 아니라 기업 주변 지역에도 긍정적인 영향을 줄 수 있는지를 함께 고려해야 합니다.

밀도 있는 자동화 창고는 도심 내 풀필먼트를 가능하게 합니다. 근거리 도심 풀필먼트센터를 통한 라스트마일 공급망은 온실가스 배출량을 25년까지 17~26%까지 줄일 수 있다고 알려졌거든요. 원거리에서 트럭으로 운영하는 공급망보다는 도심 내 전략적인 풀필먼트 기지를 두고 친환경 운송수단을 통해서 기업의 이미지를 긍정적으로 바꿀 수 있고 이윤을 창출할 수도 있겠죠.

미래 풀필먼트 사업을 위한 기업의 전략과 솔루션에 대한 세 가지 트렌드를 살펴봤습니다. 결론은 고객경험과 공급망의 안전성에 집중하는 기업은 어려운 상황 속에서도 성장할 수 있으며, 뚜렷한 목적을 가지고 전략을 생각하는 기업들은 결국 경쟁우위를 확보할 것이라는 겁니다. ESG 트렌드에 대응하고, 공간 최적화, 에너지 절감에 대한 전략은 장기적으로 기업의 이익을 가져다줄 겁니다.

✔ 산업용 로봇 현황

◆로보에테크놀로지 이광민 팀장 : 최근 물류로봇들이 많이 도입되고, 가속화되고 있는 이유는 인건비, 물동량의 증가와 같은 시장환경의 변화와 맞물려서 로봇기술이 상당히 많이 발전하고 있기 때문인데요. 휴머노이드뿐만 아니라 지금 사용하고 있는 매니퓰레이터(Manipulator), AMR(자율모바일로봇)과 같은 모바일 로봇들도 다른 센서류들의 발전과 더불어서 빠르게 발전하고 있습니다.

발전사례 첫 번째는 이동형 로봇입니다. 기존에는 가이드가 필요했던 AGV(무인운송차량)에서부터 최근에는 자체 맵을 만들어서 주행경로를 생성할 수 있는 AMR이 나오면서 사용성이 확대됐다고 볼 수 있습니다. AGV와 AMR은 모두 무인이송장치인데요. 각각의 특성이 다르기 때문에 무엇이 더 좋다고 평가하기는 어렵고 기술적 특성에 따라서 현장에서 골라서 사용할 수 있습니다.

예를 들어 상대적으로 무거운 제품을 이송한다고 하면 AGV가 적합할 수 있고요. 내부에서 사람도 회피해 가면서 경로를 생성하면서 이동하고 경로 자체도 자주 변경해야 하는 니즈가 있다면 AMR이 적합하다고 할 수 있을 것 같습니다.

AMR의 주요 기술은 크게 세 가지로 볼 수 있는데요. 라이다(LiDAR) 센서 시스템은 레이저 센서에서 빛을 쏘고 빛이 반사되는 들어오는 시간을 측정해서 대상물의 위치를 측정하는 기술입니다. 이런 기술을 활용해서 SLAM이라는 소프트웨어 방식을 사용하고 있는데요. 라이다 센서를 활용해서 빛을 계속 반사시키면서 벽면에서 반사되는 빛의 거리를 측정하고, 지도를 만들어 지도 내에서 움직일 수 있는 경로를 생성하는 기술이라고 할 수 있습니다. 그리고 결합을 도와주는 소프트웨어 ROS 시스템이 존재합니다.

물류로봇 분야에서도 최근, 렌탈 시스템이 많이 나오고 있습니다. 기존의 로봇들은 사실 설치를 하거나, 대부분 커스터마이징된 장비이기 때문에 재판매나 회수가 어려웠습니다. 그러나 모바일 로봇은 다른 현장에서도 소프트웨어만 업데이트를 하면 판매가 가능합니다. 이런 시스템의 변화가 로봇들의 확산에도 도움이 되고 있고요. 더불어 최근에는 협동로봇이 등장했습니다. 협동로봇은 기존의 산업용 로봇과는 다르게 펜스가 없이도 사람과 작업할 수 있는 로봇입니다.

로봇산업에서 말하는 AI는 기계가 인간의 능력을 모방하도록 다른 센서류들을 활용해서 시스템을 갖추는 걸 말합니다. AI 로봇은 환경정보를 제공할 수 있는 센서류라든지, 데이터를 판단하고 작업을 지시할 수 있는 인공지능, 그리고 전통적인 로봇들이 결합된 형태라고 볼 수 있습니다. 사례 중 하나로 햅틱이라는 장비가 있는데요. 각종 디지털 기기에 진동이나 힘, 충격을 발생시켜 사용자가 촉감을 느끼게 하는 기술입니다. 이런 로봇들은 위험물 처리나, 거리가 멀어서 원격으로 로봇을 제어해야 하는 활동 등에 활용이 가능합니다.

다음으로, 비전카메라 제품인식과 알고리즘이 로봇에 도입된 사례인데요. 비전카메라로 제품을 인식하면 기존에 학습된 데이터를 토대로 제품의 형태를 인식하고, 이걸 어떻게 잡아야 하는지 AI가 계산하는 겁니다. 어디로 이동해야 할지 모션에 대한 플래닝을 하는 소프트웨어를 결합해서 결국은 사람의 지시 없이도 제품을 이동시키는 작업이 가능해진 거죠.

그러나 사람과 로봇의 작업방식에는 큰 차이점이 있는데요. 사람은 한 번에 가서 여러 개를 잡아올 수 있지만 로봇은 아직 하나씩 밖에 못 잡는다는 단점이 있습니다. 이런 부분들을 해결하기 위해서 기구적인 방법, 프로세스를 변경하는 방법이 있기는 한데요. 아직까지는 가장 큰 차이점이라고 할 수 있습니다.

조금 더 나아가서 학습이 된 제품을 인식하는 게 아니라 처음 본 제품들도 잡는 기술들도 개발되고 있는데요. 'Unseen Object Picking'이라는 명칭입니다. 기본적으로 학습된 제품을 잡고 옮기는 게 아니라, 처음 본 제품을 잡아야 하기 때문에 사전에 제품을 학습하지 않는다는 게 특징이라고 할 수 있고요. 이런 기술은 SKU가 많고, 제품이 계속 바뀔 수 있는 물류현장에서는 앞으로 더 많이 사용될 것으로 기대되는 기술입니다.

✔ 물류로봇 활용 전망

결국 물류센터 내에는 로봇팔과 같은 형태보다 모바일 로봇들이 활용되고 있는데요. 그 이유는 물류현장의 작업에서 찾을 수 있습니다. 작업자들의 업무 중에서 가장 많은 비중을 차지하는 것이 트래블링. 결국 제품을 찾고 이동하는 작업이기 때문에 대신해 주는 모바일 형태의 로봇이 빠르게 확산이 되고 있다고 볼 수 있을 것 같습니다. 대표적인 로봇은 다음과 같습니다.

팔레타이징로봇은 기존 산업용 로봇과는 다르게 협동로봇을 사용해서 펜스 없이 사용할 수 있다는 장점이 있습니다. 그러나 아직은 단순하게 단일 박스의 팔레타이징만 할 수 있다는 한계가 있는데요. AI가 적용되면 팔레타이징도 다양한 기능을 할 수 있게 됩니다. AI 비전으로 제품을 인식하고, 도착지, 무게, 제품정보 등을 토대로 해서 분류해서 적재하는 작업입니다. 이걸 응용하면 분류해서 로딩한다든지 등으로 활용할 수 있겠고요.

또한 혼합박스의 팔레타이징 작업이 있습니다. 혼합박스가 랜덤하게 슈트에서 추출되는 상황으로 어떻게 적재해야 가장 공간 손실 없이 높게 쌓을 수 있는지, 3차원 테트리스 게임과 같이 사람도 하기 어려운 작업입니다. AI가 적용되면 팔레타이징 로봇은 박스 사이즈를 인식하고, 적재 방법을 스스로 판단해서 가장 높은 적재율로 적재하는 게 미션이 되는 방식이라고 할 수 있습니다.

다음은 피킹 작업을 도와주는 형태의 로봇이 있습니다. 영역을 이동하면서 피킹을 수행하는 작업자를 위해서 대기하다가 피킹이 끝나면 제품을 포장 스테이션으로 이동해 주는 작업을 해주는 로봇입니다. 비슷한 방식으로 추종형 로봇이 있고요. 최근에 나오는 로봇들은 고정형이 아니라 이동이 가능한 경우가 많습니다. 이동하면서 물건을 피킹하고, 박스를 핸들링하는 로봇들이 나오게 되면 조금 더 사람들을 대체할 수 있는 영역이 많아질 거라고 기대하고 있습니다.

특히 아마존 같은 경우에는 배송로봇도 도입을 검토하고 있는데요. 배송드론, 리비안과 같은 전기트럭 등 결국은 무인배송을 하기 위한 기술들을 개발하고 있습니다. 한국에서도 롯데쇼핑, 쿠팡, CJ대한통운 같은 경우 대규모 투자를 통해 로봇을 도입하고 있는데 아직까지는 초기 단계인 것으로 보이고요.

사실 로봇을 도입해서 성공사례를 만드는 것이 중요한데 아직까지는 기존의 생산성을 초과했다든지, 매출이 늘어났다든지 그런 사례가 부족합니다. 비용절감이나 ROI(투자수익률) 달성이 가장 중요할 거고, 이후에는 효율성, 생산성의 향상이나 오류 감소, 정확도 향상 등이 중요한 포인트가 될 것 같습니다. 아직 사업 초기이기 때문에 어떤 로봇을 도입했을 때 비용절감이 무조건 될 것이라는 건 리스크가 존재하므로 지원사업이나 협력을 통한 구축이 선행되어야 할 것으로 보입니다.