제약 산업의 안전 재고: 인지 자동화를 통해 공급망의 골디락스 문제 해결

 

 

제약 산업의 안전 재고: 인지 자동화를 통해 공급망의 골디락스 문제 해결

안전 재고는 의약품 공급망에서 가장 중요한 요소 중 하나입니다. 그러나 안전 재고는 운전 자본을 제한하고 재고 비용을 증가시키더라도 관리하고 최적화하기가 매우 어려운 것으로 입증되었습니다.

 

제약회사는 일반적으로 고마진 제품의 수익을 극대화하고 고객 만족도를 높이는 높은 서비스 수준을 달성하기 위해 높은 수준의 안전 재고를 유지합니다. 완충재고라고도 불리는 이는 원자재나 운송의 예상치 못한 지연이나 비정상적으로 높은 수요 등의 변동성에 대한 안전망을 제공합니다.

 

부적절한 안전 재고로 인한 재고 부족은 비즈니스에 큰 타격을 줄 수 있으며, 필수 의약품을 사용할 수 없는 경우 수백만 달러의 매출 손실과 잠재적인 브랜드 손상을 가져올 수 있습니다. 전 세계적으로 기업의 제조 공장과 유통 센터에 안전 재고를 확보하는 등 과잉을 허용하는 것이 일반적인 관행입니다.

 

그러나 이는 또한 높은 재고 비용을 무시하고 R&D나 기타 비즈니스 성장 영역에 투자할 수 있는 운전 자본을 묶어두는 것을 의미합니다.

 

골디락스 챌린지 입니다. 제약회사는 안전 재고가 너무 적은 위험을 감수할 수 없습니다. 하지만 그들은 너무 많은 비용 부담을 원하지 않습니다. Goldilocks와 Three Bears의 어린이 우화에서처럼 제약회사는 "딱 맞는" 안전 재고를 필요로 합니다.

 

안전재고 관리 리스크 증가

안전 재고 비용을 최소화하고 서비스 수준을 극대화한다는 경쟁 목표를 달성하기 위해 제약 공급망 계획자는 다양한 공급망 관리 소프트웨어 및 스프레드시트를 사용하여 수요 변동성과 리드 타임 변동성을 해결하는 데 중점을 두었습니다. 안전 재고에 영향을 미치는 새로운 변수가 계속해서 등장하면서 초고속 디지털 시대에 이러한 노력은 그 어느 때보다 어렵습니다. 기존 소프트웨어 시스템과 스프레드시트를 사용하여 이러한 변수를 관리하는 것은 너무 복잡합니다.

 

업계의 글로벌 복잡성이 증가함에 따라 시장 수요와 리드 타임을 빠르고 정확하게 예측하는 것이 더욱 어려워졌습니다. 수십 또는 수백 개의 애플리케이션에서 실시간 데이터가 증가하면 데이터 기반 의사 결정을 위해 정보를 관리하고 분석하려는 인간의 노력이 압도됩니다.

 

그 결과 월별 수요 예측을 종합하고 다수의 SKU 위치에 걸쳐 자재 가용성, 생산 일정, 수요 변동성, 공급업체 신뢰성 및 기타 요소를 고려하는 리드 타임을 계산할 때 최선의 추측을 통해 계획이 수립됩니다.

 

이러한 복잡성으로 인해 안전 재고 수준은 일반적으로 완전한 세트가 아닌 몇 가지 변수를 기반으로 합니다. 공급망 계획자는 안전 재고를 줄여 서비스 수준을 위태롭게 하는 경우가 거의 없습니다. 넉넉한 재고 완충액을 유지하는 것은 종종 비즈니스 수행 비용으로 간주되지만 반드시 그럴 필요는 없습니다.

 

제약 공급망에서 인지 자동화의 출현

인지 자동화는 인공 지능(AI)과 머신 러닝을 활용하여 안전 재고를 보다 비용 효율적으로 관리할 수 있는 새로운 기회를 열어줍니다. 이 신흥 기술은 클라우드의 인터넷 규모 컴퓨팅 성능, 실시간 데이터 모니터링, 인식 및 정교한 알고리즘을 사용하여 제약 공급망에 새로운 속도와 정확성을 제공합니다.

 

제약 회사는 수요 예측 및 리드 타임 계산을 개선하기 위해 인지 자동화를 수용하는 선두주자 중 하나이며, 전 세계적으로 안전 재고 수준을 최적화할 수 있는 기반을 마련하고 있습니다. 이 기술은 가장 숙련된 계획자와 최고의 기존 도구를 사용해도 가능한 것보다 훨씬 더 넓은 범위와 깊이의 지능형 공급망 자동화를 제공합니다.

 

따라서 기획자는 ERP, CRM, 자재 요구 사항 계획, 물류, 공급업체 및 창고 관리 등을 위한 소프트웨어 애플리케이션에서 데이터를 수집하는 데 몇 주가 소요될 수 있습니다. 그런 다음 수요 및 리드 계산을 위해 수치를 계산합니다. 하지만 예측이 확정되는 시점에 정보가 오래되어 중요한 변수를 간과하기 쉽습니다.

 

인지 자동화는 하루에 수천 번 여러 애플리케이션을 크롤링하고 데이터를 단일 데이터 저장소로 집계하고 강화합니다. 거기에서 강력한 알고리즘은 수요 예측, 리드 타임 계산 및 최적의 안전 재고 수준을 포괄할 수 있는 권장 사항을 생성합니다. 인지 자동화는 인간 기획자의 도메인 전문 지식을 강화하여 실시간으로 조치를 취하고 실행할 수 있는 데이터 기반 권장 사항을 제공합니다.

 

AI 기반 인지 자동화는 기존 접근 방식과 차별화되는 몇 가지 특징이 있습니다.

일일 예측.
인지 자동화가 거의 실시간으로 데이터와 이상 현상을 추적하므로 수요와 리드 타임을 매일 계산할 수 있습니다. 이는 한 달에 한 번 또는 기타 정기적인 간격으로 예측하는 수동 예측에 비해 크게 개선된 것입니다.
 

깊은 세분화.
요약된 데이터 대신 인지 자동화는 SKU 위치, 주문, 공장, 원자재, 고객 등의 일일 거래에 이르기까지 세분화된 데이터 세트를 사용하여 작동합니다.
 

엔드투엔드 가시성.
인지 자동화는 엔드투엔드 공급망 가시성의 '성배'를 실현하여 관리자가 사후 대응 문제 해결에서 사전 최적화 및 데이터 기반 의사 결정으로 발전할 수 있도록 합니다.

안전 재고 관점에서 이러한 기능은 공급망 팀이 시간에 민감한 만료 제품을 더 잘 관리하여 재고 회전율, 축소 및 불필요하게 폐기되는 제품의 비용을 줄이는 데도 도움이 될 수 있습니다.

 

Merck KGaA의 인지 자동화

Merck KGaA는 Wall Street Journal 보고서에 설명된 대로 인지 자동화를 통해 공급망 보상을 얻고 있는 제약 회사의 한 예입니다. 독일 기업은 약 100개의 임신 촉진제 제품과 관련된 사용 사례에서 Aera Technology의 코그너티브 솔루션을 사용합니다.

이 소프트웨어는 Merck 애플리케이션을 크롤링하고 데이터를 인지 데이터 계층으로 집계합니다. 그런 다음 AI와 머신러닝이 데이터를 분석하고 문제 영역을 식별하며 최적의 조치를 추천합니다. 머크 기획자가 스프레드시트를 작성하고 숫자를 놓고 논쟁하는 대신 기계와 AI가 힘든 작업을 수행하고 최선의 조치에 대한 데이터 기반 권장 사항을 제공합니다.

 

안전 재고는 정확한 예측이 너무 어려웠고 재고 부족이 비즈니스에 미칠 수 있는 위험 때문에 마땅한 관심을 받지 못했습니다. 오늘날 제약회사는 AI 기반 접근 방식을 통해 상당한 비용을 절감하고 운전 자본을 확보하여 안전 재고를 "적절하게" 확보할 수 있는 새로운 기회를 갖게 되었습니다.