오늘날 많은 가정에는 일상 작업을 돕고 다양한 형태의 엔터테인먼트를 제공하는 다양한 커넥티드 장치 및 가전 제품이 있습니다. 또한 전력 소비를 관리하고, 에어컨 및 난방 시스템을 제어하며, 가정 보안을 제공하는 장치도 있습니다.
지난 몇 년 동안 주로 인터넷에 연결된 Wi-Fi 라우터 형태의 가정용 무선 연결 덕분에 많은 가전 제품 제조업체가 제품을 스마트 홈 장치 목록에 추가하여 소비자와 기업 모두에게 새로운 기능과 기회를 제공할 수 있었습니다.
이러한 가전 기기는 프로그램 가능성, 원격 작동 및 전력 소비 감소와 같은 고급 기능을 사용자에게 제공합니다. 또한 장치 및 해당 구성 요소 사용에 대한 귀중한 정보를 수집합니다. 이러한 데이터 수집은 제조업체가 제품의 실제 사용을 이해하고, 적시 유지보수를 제공하며, 미래 세대의 잠재적인 설계 결함을 수정하는 데 매우 중요합니다.
더 나은 공급망 관리를 위한 예방 및 예측적 유지보수
지난 2년 동안에는 필요한 예비 부품 및 제품을 예측하는 데 어려움을 겪었습니다. 사람들이 집에서 더 많은 시간을 보내면서 많은 제품의 사용 패턴이 크게 바뀌었고 적어도 팬데믹 이전 적어도 수년 동안 제조업체와 서비스 제공업체가 수집한 정보가 무의미해졌습니다.
또한 의료 제품 및 운송 경로의 예상치 못한 수요로 인해 발생한 제조 및 운송의 중단은 이전에는 상상할 수 없었던 방식으로 공급망에 영향을 미쳤습니다.
오늘날 제조업체에 영향을 미치는 가장 어려운 상황은 구성 요소와 예비 부품의 부족입니다. 이는 신제품 제조를 상당히 지연시킬 뿐만 아니라 유지보수 작업 및 수리에도 병목 현상을 일으키고 있습니다.
많은 분석가들은 생산에 중요한 일부 시장의 상황을 고려할 때 많은 구성 요소와 부품, 특히 반도체의 부족이 2024년까지 계속될 수 있다는 데 동의합니다.
대부분의 제조업체는 제품이 몇 년 동안 중단 없이 작동할 것으로 기대합니다. 그러나 많은 가전 제품 및 기타 가정용 기기의 작동 조건과 주파수가 다르면 해당 장치의 예상 수명에 상당한 영향을 미칠 수 있습니다.
현재 많은 가정용 제품이 인터넷에 연결되고 일부는 센서가 내장되어 있기 때문에 제조업체와 서비스 제공업체는 이러한 제품에서 수집한 정보를 사용하여 향후 유지보수 요구 사항을 예측할 수 있습니다.
예를 들어, 거의 일년 내내 사용하는 열대 지역에 설치된 에어컨 장치는 한여름 몇 주 동안만 필요한 지역의 에어컨보다 유지보수 또는 교체가 훨씬 더 빨리 필요할 수 있습니다. 2인 가구의 세탁기는 특히 어린 자녀가 있는 4인 가구의 동일한 모델보다 오래 사용할 수 있습니다. 또한 다른 환경 조건 및 사회적 습관도 수질, 습도, 더위 또는 추운 날씨와 마찬가지로 장치의 사용 및 마모에 영향을 줄 수 있습니다.
온보드 센서 및 전력 사용량에서 수집된 정보를 통해 제조업체와 서비스 공급업체는 이제 분석 및 기계 학습을 사용하여 유지보수, 특히 예비 부품 또는 교체 장치의 필요성을 예측할 수 있습니다.
따라서 현재 및 미래의 요구 사항에 대한 지식을 바탕으로 구성 요소 및 예비 부품을 미리 조달하거나 생산하여 필요한 목적지로 배송할 수 있습니다.
제조업체와 서비스 공급업체 모두 필요한 제품과 구성 요소에 대한 사전 통지를 받아 공급망 관리를 간소화할 수 있습니다.
기계 학습 및 지능형 제조를 통해 신제품 및 구성 요소 가용성 향상
제조업체는 전력 분석 및 기계 학습을 사용하여 커넥티드 장치에서 수집한 정보를 사용하여 제조 중 문제를 해결할 수 있습니다.
예를 들어, 오븐이나 커피 머신이 작동 중 적절한 온도를 유지하는 데 반복적으로 문제가 발생한다고 가정합니다. 이 경우 해당 장치에 사용되는 온도 조절장치가 해당 용도에 가장 적합하지 않거나 잘못된 위치에 배치되었을 수 있습니다.
수년 동안 제조업체는 서비스 공급업체가 해당 장치를 수리하기 위해 예비 부품을 요청할 때 이러한 문제에 대해 알게 되었습니다. 그러나 일반적으로 영향을 받는 모델과 사용 조건을 파악할 수 없기 때문에 정보가 불완전했습니다.
센서에서 수집한 정보를 사용 조건 및 기타 관련 요소와 일치시키면 제조업체는 유사한 상황을 피하기 위해 제품의 새 부품을 찾거나 기존 부품을 재설계할 수 있습니다. 이는 또한 제조업체가 잠재적으로 비용이 많이 드는 리콜을 방지하는 데 도움이 될 수 있습니다.
서비스 문제와 커넥티드 기기 및 장치의 사용 조건에 대한 지식은 시간 경과에 따른 수요와 공급을 예측하는 데 도움이 되므로 이를 통해 기존 공급망의 제약 조건을 더 잘 이해할 수 있습니다.
순환 경제로 환경 지원
수십억 개에 달하는 소비자 및 산업 제품의 지속적인 제조 및 교체가 지구를 파괴하고 있다는 점은 의심의 여지가 없습니다. 원자재 채굴 및 변환에 필요한 에너지는 천연 자원을 고갈시키고 지구 기후 변화의 원인이 됩니다.
그렇기 때문에 제품과 구성 요소가 더 오래 지속되도록 제작되어야 하며 교체해야 할 경우 해당 부품과 재료에 제2의 수명을 부여해야 합니다.
재활용은 수년 동안 진행되어 왔지만 폐기된 부품을 분류, 검사, 개조하고 공급망에 다시 넣는 데는 오랜 시간이 걸립니다. 사용 가능한 많은 부품과 자재는 매립지에 버리거나 발전소에서 소각됩니다.
위에서 본 것처럼 커넥티드 장치 및 고급 분석에서 수집된 정보를 사용하여 장치, 가전 제품 또는 기타 커넥티드 장치를 부분적으로 또는 전체적으로 교체해야 하는 시기를 결정할 수 있습니다.
가전 제품이나 기타 장치를 교체할 때 대부분의 부품이 완벽한 작동 상태를 유지할 수 있습니다. 이러한 부품을 다른 장치의 예비 부품으로 사용할 수 있습니다. 또한 해당 부품을 더 이상 사용할 수 없게 되면 해당 부품을 분해하여 다른 제품을 제조할 수 있습니다.
커넥티드 장치의 데이터와 예측적 기계 학습 기능을 통해 제조업체와 서비스 공급업체는 교체된 장치에서 예비 부품의 향후 가용성을 예측하고 해당 부품에 제2의 수명을 제공하여 낭비와 더 많은 원자재의 수요를 줄일 수 있습니다.
새로운 디지털 공급망을 향해
Deloitte의 글로벌 공급망 및 네트워크 운영 리더인 Jim Kilpatrick은 “기술과 정보를 활용하면 조직의 재정적 부담을 훨씬 줄이면서 탄력성을 높이고 미래에 공급망을 구축할 수 있습니다."라고 말합니다.
수십억 개의 소비자 장치의 연결은 사용자에게 더 많은 가능성과 장치 제어 능력을 제공할 수 있을 뿐만 아니라 제조업체와 서비스 공급업체가 공급망을 개선하고 더 나은 서비스를 제공하며 가장 중요한 것은 더 나은 제품을 만들고 고객 경험을 개선하는 데 도움이 될 수 있습니다.