창고의 성과는 흔히 현장 운영에서 결정되는 것처럼 보입니다. 하지만 오늘날 진정한 경쟁력은 운영을 어떻게 설계하느냐에서 결정됩니다. 이를 이해하는 기업들이 빠르게 앞서 나가고 있습니다.
창고 자동화를 검토하는 대부분의 기업은 동일한 질문에서 시작합니다. “어떤 솔루션을 선택해야 하는가?”
논리적인 첫 단계처럼 보이지만, Hai Robotics에서 미주 지역 솔루션을 총괄하고 있는 Andrew Tolman은 이것이 오히려 잘못된 질문이라고 말합니다.
Vanderlande와 KNAPP North America를 비롯해 시스템 통합업체 측에서 10년 이상 자동화 시스템을 설계하고 엔지니어링해 온 Andrew는 다음과 같이 설명합니다.
“기술은 이야기하기 쉬운 부분입니다. 데모를 보고, 처리 속도를 비교하고, 투자 비용을 숫자로 확인할 수 있습니다. 더 어려운 것은 운영, 엔지니어링, IT, 재무, 그리고 비즈니스 각 부서가 무엇이 실제로 운영을 제한하고 있는지에 대해 합의하는 것입니다.”
그가 말하는 이 어려운 논의를 기업들은 종종 건너뛰고 있습니다. 그리고 그 대가는 수백만 달러에 이를 수 있습니다.
“기술은 쉬운 부분입니다. 어려운 부분은 무엇이 실제로 운영을 제한하고 있는지에 대해 합의하는 것입니다.”
— Andrew Tolman, Hai Robotics 미주 지역 솔루션 부문 부사장
Andrew는 기술을 논의하기에 앞서 요구사항 자체부터 살펴봅니다.
얼마나 많은 물량을 처리해야 하는지, SKU와 주문 구성은 어떤지, 어떤 서비스 시간대 수준과 출하 마감 시간을 준수해야 하는지, 그리고 현재 프로세스에서 실제로 문제가 발생하는 지점이 어디인지를 먼저 파악합니다.
기업은 더 많은 자동화가 필요하다고 생각할 수 있지만, 실제 제약 요인은 보충 타이밍, 재고 정확도, 공간, 또는 작업 지시 방식일 수도 있습니다. 이러한 차이가 명확해지기 전까지 기술을 비교하는 것은 시기상조입니다.
이 단계를 건너뛰면 문제는 나중에 나타나고, 그만큼 비용도 커진다고 Andrew는 경고합니다.
그는 기술을 먼저 선택할 경우 요구사항이 뒤늦게 드러나게 된다고 설명합니다. 그 결과 상세 설계 단계에서 프로젝트 범위를 변경하고, 변경 비용을 지불하며, 시스템이 가동되기도 전에 수작업으로 문제를 해결하기 위한 임시 방안을 마련하게 됩니다.
Andrew는 일부 장비가 정격 처리 속도를 달성하고 있음에도 센터 전체의 출하 마감 시간을 맞추지 못하는 사례를 경험했습니다. 장비 자체의 성능은 문제가 없었지만, 작업 순서, 보충, 예외 처리 등이 처음부터 해당 장비를 중심으로 설계되지 않았기 때문입니다.
이 모든 문제의 근본에는 자동화를 단순한 장비 구매로 바라보는 오해가 있다고 그는 말합니다.
자동화는 단순히 장비를 추가하는 것이 아닙니다. 재고를 어떻게 보관하고, 작업 지시를 어떻게 내리며, 피킹과 작업 순서를 어떻게 관리하고, 문제가 발생했을 때 어떻게 복구하며, 장비를 어떻게 유지보수하고 운영할 것인지까지 변화시키는 것입니다.
장비의 처리 속도도 중요하지만, 실제 SKU 구성에서 전체 프로세스가 어떻게 작동하는지가 더 중요합니다. 특히 피크 상황이나 예상치 못한 문제가 발생했을 때의 성능이 중요합니다.
때로는 로봇이 해답일 수 있습니다. 하지만 소프트웨어나 프로세스 개선, 또는 이 세 가지를 결합한 하이브리드 방식이 더 적합한 경우도 있습니다.
궁극적인 목표는 현장에 더 많은 장비를 배치하는 것이 아니라, 더 나은 운영을 구현하는 것입니다.
모든 창고가 같은 방식으로 문제를 겪는 것은 아닙니다.
어떤 창고는 인력이 제약 요인이고, 다른 창고는 보관 용량, SKU 증가, 출고 속도 또는 시스템 통합이 문제일 수 있습니다.
특히 기존 건물에 자동화 시스템을 도입하는 브라운필드(Brownfield) 환경에서는 추가적인 고려가 필요합니다. 건물이 계속 운영되는 가운데 새로운 시스템을 기존 WMS, 제어 시스템, 장비 및 작업 방식과 통합해야 하기 때문입니다.
Andrew는 고객이 처음 언급하는 문제가 실제 핵심 문제인 경우는 드물다고 말합니다.
예를 들어 어떤 현장에서는 더 높은 피킹 처리 능력이 필요하다고 말할 수 있지만, 실제로는 보충 작업이 피킹 영역에 충분한 재고를 공급하지 못하는 것이 문제일 수 있습니다. 또 다른 현장에서는 공간이 부족하다고 생각할 수 있지만, 실제 문제는 상품의 출고 빈도와 특성에 따른 적절한 로케이션 배치(slotting)일 수 있습니다.
그가 항상 가장 먼저 하는 일은 동일합니다. 물류 흐름을 파악하고, 대기열이 어디에서 발생하는지 확인하며, 평상시와 피크 상황을 비교하는 것입니다. 이를 통해 실제 처리 능력이 어디에서 손실되고 있는지를 확인할 수 있습니다.
두 개의 리테일 물류센터를 비교하면 이러한 차이를 잘 알 수 있습니다.
한 곳은 많은 SKU와 높은 단위 피킹 비중, 제한적인 공간에서 이커머스 주문을 처리합니다. 이러한 환경에서는 작업자의 이동 거리를 줄이고 보관 밀도를 높일 수 있는 Goods-to-Person 시스템이 적합할 수 있습니다.
반면 다른 창고는 충분한 보관 공간을 갖추고 매장으로 주로 박스 단위의 상품을 출고하지만, 작업 순서와 출고 차량의 출발 시간 관리가 중요할 수 있습니다. 이 경우에는 더 나은 웨이브 운영 로직, 소팅, 또는 출고 일정 연계가 훨씬 큰 효과를 가져올 수 있습니다.
Andrew는 주문 특성과 자동화 프로세스 전후에 수행되어야 하는 작업을 확인하지 않고 두 창고에 동일한 기술을 추천하지는 않을 것이라고 말합니다.
이 때문에 Andrew는 특정 자동화 기술을 추상적으로 비교해 순위를 매기는 것을 지양합니다.
고정형 시스템은 물량과 주문 구성이 안정적인 경우 매우 높은 효율을 낼 수 있습니다. 반면 단계적으로 처리 능력을 추가해야 하거나 향후 건물 운영 환경이 변화할 가능성이 있다면 모듈형 로봇 시스템이 더 적합할 수 있습니다.
물량이 아직 충분히 성숙하지 않았거나 프로세스 자체를 검증해야 하는 경우에는 수작업 또는 하이브리드 방식이 여전히 올바른 선택일 수 있습니다.
Andrew는 다음과 같은 기준으로 선택해야 한다고 설명합니다.
비즈니스 케이스, 상품 특성, 건물 환경, 성장 계획에 적합하면서 프로젝트팀이 떠난 이후에도 현장에서 지속적으로 운영할 수 있는 솔루션을 선택해야 합니다.
“기술적으로 인상적인 솔루션이라도 실제 운영에는 적합하지 않을 수 있습니다. 데이터상 해당 솔루션으로는 필요한 규모까지 확장하기 어렵다는 결과가 나온다면, 기꺼이 설계를 변경 할 수 있어야 합니다.”
— Andrew Tolman, Hai Robotics 미주 지역 솔루션 부문 부사장
그렇다면 자동화에 대한 논의가 로봇으로 시작해서는 안 된다면, 어디에서 시작해야 할까요?
바로 비즈니스 목표입니다.
예를 들어 주문 처리 비용 절감, 보관 밀도 향상, 배송 성과 개선, 미래의 사업 성장 지원 등이 될 수 있습니다.
무엇을 성공으로 정의할 것인지가 명확해진 후에야 적합한 자동화 방식을 결정할 수 있습니다.
실제로 Andrew는 제품이 아니라 요구사항부터 논의를 시작합니다.
처리 물량, SKU와 작업 유형의 구성, 주문 마감 시간과 요구되는 서비스 수준, 현재 프로세스가 실패하는 지점, 그리고 아무것도 변경하지 않았을 때 비즈니스에 어떤 영향이 발생하는지를 먼저 살펴봅니다.
그다음에는 건물 환경, 인력 운영 방식, 시스템, 그리고 향후 물동량 증가 전망을 검토합니다.
또한 그는 현장 책임자에게 **“현재 이 프로세스를 운영하기 어렵게 만드는 것은 무엇인가?”**라고 묻는 것이 중요하다고 강조합니다.
현장 책임자의 답변이 때로는 프로젝트에 대한 개괄적인 설명보다 훨씬 유용한 정보를 제공하기 때문입니다.
KPI에 대해서도 Andrew는 많은 지표를 설정하기보다는 핵심 지표에 집중할 것을 권장합니다.
20개의 지표로 구성된 복잡한 평가표보다는 투자 목적과 직접적으로 연결된 몇 가지 지표를 선택합니다. 여기에는 정시 출하, 출하 마감 시간 준수, 실제 SKU 구성 기준의 지속 가능한 처리량, 정확도, 단위당 인건비, 보관 용량, 시스템 가동률, 장애 발생 시 복구 시간, 주문 또는 박스당 비용 등이 포함됩니다.
또한 안전성과 작업자의 인체공학적 환경 역시 처음부터 고려해야 하며, 나중에 추가하는 요소로 취급해서는 안 됩니다.
그는 SKU 구성, 측정 기간, 서비스 시간대가 함께 제시되지 않은 처리량 수치만으로는 많은 것을 알 수 없다고 지적합니다.
목표에서 시작하면 최종적인 솔루션 추천 자체가 완전히 달라질 수 있습니다.
예를 들어 출하 마감 시간을 지키지 못하는 문제가 있다면 상품 로케이션 배치(slotting)나 주문 릴리스 로직을 개선하는 것만으로도 해결할 수 있습니다.
확장할 공간이 없는 건물이라면 무엇보다 보관 밀도가 중요할 수 있습니다.
프로세스가 아직 계속 변화하고 있다면 처음부터 완전한 자동화 시스템을 구축하기보다는 수작업 또는 반자동화 방식으로 1단계를 시작하는 것이 더 적합할 수 있습니다.
Andrew는 실제 프로젝트에서도 이러한 접근 방식을 경험했습니다. 일부 프로젝트에서는 더 많은 자본을 투입하기 전에 SKU별 물류 흐름, 인력, 보충 작업, WMS 규칙을 검증하기 위해 먼저 수작업으로 운영을 시작했습니다.
이를 통해 실제 운영 데이터를 확보하고 잘못된 설계를 확장할 위험을 줄일 수 있었습니다.
Andrew의 관점은 현재 고객의 자동화를 지원하는 역할뿐만 아니라, 솔루션 측에서 직접 이러한 시스템을 설계해 온 오랜 경험을 통해 형성되었습니다.
그가 특히 기억에 남는 사례 중 하나는 커리어 초기에 진행했던 프로젝트입니다. 이 프로젝트는 공간이 제한된 도심 매장의 보충 운영을 개선하기 위한 것이었습니다.
팀은 처음부터 자동화 기술을 도입하지 않았습니다. 먼저 WMS 기반의 수작업 운영으로 시작해 단품 처리, 작업 순서, Milk Run, 인력 배치 등을 파악했습니다.
그 결과 품절률을 50% 이상 감소시켰으며, 30일 이내에 운영 준비도 98%를 달성했습니다.
이후 로봇 기반의 자동화 콘셉트를 도입했습니다.
기술 자체는 정상적으로 작동했지만, 사이클 타임이 제약 요인이 되었고 비즈니스가 요구하는 물량까지 확장할 수 없었습니다. 결국 설계를 변경해야 했습니다.
이러한 경험은 오늘날 Andrew가 고객에게 조언하는 방식에도 영향을 미치고 있습니다.
고객은 우리가 내리는 모든 설계 결정의 결과를 실제 현장에서 경험하게 됩니다.
데모 환경은 통제되어 있지만, 실제 현장에서는 잘못된 제품 치수, 입고 지연, 막힌 이동 경로, 시스템 지연, 인력 부족, 유지보수 문제, 그리고 평균적인 상황과 전혀 다르게 움직이는 피크 주문 구성 등이 발생할 수 있습니다.
Andrew는 이제 이러한 조건들을 프로젝트 초기에 훨씬 더 면밀하게 검토합니다.
여기에는 명확한 예외 처리 경로, 복구 절차, 롤백 기준, 예비 부품, 교육, 그리고 시스템 가동 전 책임 주체를 명확히 하는 것 등이 포함됩니다.
또한 일정에 맞춰 무조건 물량을 늘리기보다는, 프로세스가 안정화되었을 때 단계적으로 물량을 증가시키는 단계적 램프업(Controlled Ramp) 방식을 선호합니다.
더 큰 교훈은 자본 투자는 시작에 불과하다는 것입니다.
자동화에 대한 투자는 시스템 통합, 데이터 정비, 교육, 유지보수, 현장 관리, 그리고 안정화 기간에 대한 투자까지 의미합니다.
Andrew는 이러한 작업을 부차적인 업무로 취급하면 기대했던 비즈니스 가치가 계획보다 늦게 나타나는 경우가 많다고 말합니다.
또한 고객은 프로젝트 초기에 다음과 같은 질문을 해야 한다고 권장합니다.
프로젝트팀이 떠난 이후 솔루션은 어떻게 지원되는가? 그리고 6개월 또는 12개월 후 성과는 어떻게 측정할 것인가?
설비 인수는 장비가 정상적으로 설치되고 인도되었다는 것을 확인하는 절차일 뿐입니다. 실제 운영이 비즈니스 케이스에서 기대했던 가치를 창출하고 있는지는 보여주지 않습니다.
모든 기업에 적용할 수 있는 “최고의” 자동화 솔루션은 존재하지 않습니다.
중요한 것은 각 기업이 직면한 구체적인 운영 과제와 비즈니스 목표에 맞는 솔루션입니다.
Andrew의 경험에 따르면 자동화를 통해 가장 큰 성과를 얻는 기업들은 가장 최신의 기술을 무조건 좇지 않습니다.
대신 처음부터 더 나은 질문을 던집니다.
창고 운영 책임자가 한 가지만 기억해야 한다면 Andrew는 다음을 강조합니다.
가장 먼저 실제 출고 성과를 살펴봐야 합니다.
올바른 주문이 정해진 시간 안에, 적절한 비용과 정확도로 출고되고 있는가?
문제가 발생했을 때 팀이 운영을 지속하고 복구할 수 있는가?
이러한 질문이 중요합니다.
로봇의 이동 횟수, 장비 활용률, 장비 가동률은 유용한 진단 지표입니다. 하지만 최종적인 성과를 판단하는 기준은 아닙니다.
이러한 수치가 좋아 보이는데도 고객의 실제 성과가 기대에 미치지 못한다면, 우리는 실제 비즈니스 성과와 직접 연결되지 않는 지표를 측정하고 있는 것일 수 있습니다.
자동화를 검토하기 전에 모든 기업이 가장 먼저 답해야 할 질문 역시 “어떤 시스템을 구매할 것인가?”가 아닙니다.
팀 전체가 다음과 같은 문장을 함께 완성할 수 있어야 합니다.
“우리는 이 건물 안에서, 이 정도의 비용과 정확도로, 이 마감 시간까지 이 정도의 물량과 주문 구성을 처리해야 하며, 동시에 이러한 성장을 지원해야 한다.”
이 문장에 대해 팀 전체가 합의할 수 있어야 비로소 문제를 해결했을 때 얻을 가치와, 문제를 해결하지 않았을 때 감수해야 할 위험을 비교할 수 있습니다.
Andrew는 팀이 이 문장에 합의할 수 없다면 아직 기술을 선택하기에는 이른 단계라고 말합니다.
앞으로 5년 동안 그는 더 많은 모듈형 시스템, 더욱 발전된 소프트웨어 기반 통합 운영 및 최적화, 그리고 새로운 건물을 처음부터 구축하기보다는 기존 건물에 자동화를 단계적으로 적용하는 방식이 확대될 것으로 전망합니다.
고객은 운영 환경이나 물동량 특성이 바뀔 때마다 전체 운영 시스템을 교체하기를 원하지 않습니다.
대신 단계적으로 처리 능력을 추가하고, 더 나은 데이터를 활용해 상품 로케이션 배치, 작업 지시 및 예외 상황을 관리하기를 기대할 것입니다.
AI는 설계, 예측, 오케스트레이션 및 유지보수 분야에서 도움을 줄 수 있지만, 잘못된 마스터 데이터나 불명확한 운영 책임 체계 자체를 해결해 주지는 못합니다.
또한 Andrew는 앞으로 자동화 솔루션 제공업체가 단순히 **“언제 시스템을 가동했는가”**가 아니라, 프로젝트팀이 떠난 이후 현장이 얼마나 빠르게 안정화되고, 처리량·정확도·서비스 수준을 얼마나 지속적으로 유지할 수 있는가를 기준으로 더욱 평가받게 될 것이라고 말합니다.
궁극적으로 비즈니스 가치는 바로 그 지점에서 나타납니다.
“로봇의 이동 횟수, 활용률, 장비 가동률은 유용한 진단 지표이지만 최종적인 성과 지표는 아닙니다. 이러한 수치가 좋아 보이는데도 고객의 실제 성과가 기대에 미치지 못한다면, 우리가 실제로 중요한 성과가 아닌 다른 부분을 측정하고 있다는 의미입니다.”
— Andrew Tolman, Hai Robotics 미주 지역 솔루션 부문 부사장
We work with warehouse and distribution operators across the Americas to define the real constraint first, then build the right mix of process, software, and automation to solve it.
