KR102535663B1 - 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체 - Google Patents
물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체 Download PDFInfo
- Publication number
- KR102535663B1 KR102535663B1 KR1020220064063A KR20220064063A KR102535663B1 KR 102535663 B1 KR102535663 B1 KR 102535663B1 KR 1020220064063 A KR1020220064063 A KR 1020220064063A KR 20220064063 A KR20220064063 A KR 20220064063A KR 102535663 B1 KR102535663 B1 KR 102535663B1
- Authority
- KR
- South Korea
- Prior art keywords
- supply chain
- supply
- transaction
- analysis
- company
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 81
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title abstract description 3
- 239000000463 material Substances 0.000 claims abstract description 102
- 230000004083 survival effect Effects 0.000 claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 24
- 230000008521 reorganization Effects 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims description 19
- 238000009792 diffusion process Methods 0.000 claims description 13
- 230000008676 import Effects 0.000 claims description 10
- 239000013077 target material Substances 0.000 claims description 6
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 21
- 238000004590 computer program Methods 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000000903 blocking effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 238000007728 cost analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- -1 resources Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은, 물자 별 및 종류 별 공급망 참가기업 간 거래 빅데이터를 획득하는, 거래 빅데이터 획득 단계, 거래망으로 각각 연결된 기업들을 분류하고, 거래량과 거래금액과 기업 간 연결도와 공급망 사슬을 분석하는, 연결도 및 공급망 사슬 분석 단계; 핵심 공급기업군 클러스터를 분류하는, 클러스터 분류 단계, 특정 국가 또는 특정 기업의 공급 제한 또는 차단으로 인해 영향을 받는 공급망의 시차 별 확산순서도와 확산기간과 관련비용과 공급능력 감소를 분석하는, 공급망 위기 분석 단계, 디지털 트윈 모델을 이용하여, 공급망 참가기업들에 대한 주요정보와 공급능력과 재편소요기간과 비용변화를 분석하는, 디지털 트윈 모델 분석 단계, 특정 시나리오에 따른 대체공급망 적용시, 대체공급망에서의 생존확률, 생존기간, 독과점비율, 운송기간, 운송거리 및 비용변화를 각각 분석하는, 대체공급망 분석 단계, 및 미래에 발생할 가능성이 높은 물자에 대한 공급망의 위기관리를 위한 공급망 로드맵을 생성하는, 로드맵 생성 단계를 포함하여, 전세계 국가 간 및 국내 물자의 공급망을 분석하며, 공급망을 재편하고, 공급망 위기 시 대체공급망을 통해 대책을 수립하는, 물자 공급망 분석 및 위험관리 방법과, 동 방법을 컴퓨터에서 실행하기 위한 프로그램이 기록된 컴퓨터 판독가능한 기록매체를 개시한다.
Description
본 발명은 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체에 관한 것으로, 보다 상세하게는, 자원, 제품, 서비스를 포함한 물자들의 공급망 분석을 통해 공급망 사슬에 있는 기업 또는 국가 간의 무역정보 및 국내 기업 간 거래정보를 분석하여 공급망 상의 위험도를 분석하여 공급망 장애시를 대비하여, 다양한 대체 시나리오를 분석하고 이의 효과를 측정하여 최적의 대책을 수립하도록 하는, 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체에 관한 것이다.
최근 희귀광물들에 대해 일부 국가들의 수출에 제한을 가하고 첨단물자와 국가 간 전쟁이나 국가의 수출 통제로 인해 주요물자의 수요가 증대하면서 공급망 불안정성이 증대하고 있다.
한편, 국가 간 핵심광물의 생산과 이동에 대한 분석은 보고서 형태로 이루어지고 있지만, 기업 간의 공급망에 대한 분석은 분석데이터의 방대함과 복잡성으로 현재까지는 이루어지고 있지 않은 상태로서, 광물의 종류가 5,700개 이상이고 전세계 물자가 수천만개 이상이어서, 관련 기업 간의 거래 데이터 분석은 상당히 방대한 작업이다.
예를 들면, 19개 희귀 금속의 거래에 참가하는 누적 기업 수는 약 11,000개 정도인데, 이를 전체 물자의 거래정보를 고려한다면 방대한 빅데이터 분석 작업이 요구된다.
이를 위해서는, 국가 간 거래, 공급망 참가기업의 수와 기업 간 거래량과 거래금액, 운송수단, 관련된 항만이나 공항 등의 방대한 데이터가 필요하며, 국가 간 거래의 약 90%는 선박을 이용한 해상무역을 통해 이루어지고, 나머지는 항공과 육상을 통해 이루어지고 있어서, 공급망 참가기업 간의 상세한 물자의 거래 분석은 방대한 데이터양으로 인해 현재 부분적으로만 분석하는 상황이고, 특정 물자에 대한 국가의 수출금지나 수출제한이 이루지는 경우에도 구체적으로 어떤 물자의 물량이 어떤 회사를 통해 공급기간과 공급비용 어떤 영향을 미치게 될지 알 수 없는 상태이고 현재는 단지 해당국가의 기존 수출량을 기준으로 단순 추정하는 상황이다.
또한, 공급망 위기를 효율적으로 관리하기 위해서는 공급망 위기에 대한 공급망 탄력성을 증가시키는 것이 중요한데, 이를 위해서는 특정 국가와 기업에 대한 의존도를 낮추기 위한 글로벌 공급망 재설계와 복수 이상의 공급업체 선정전략이 필요하고, 주요 부품의 직접 생산, 다중 재고전략, 핵심성과지표와 신용등급 분석을 통한 공급업체 사전관리, 공급망 참가기업 간의 투명성 확보, 공급망 대응시간, 공급기간, 재고 일수 파악을 통한 선제적 공급망 위험성 파악 및 다양한 공급망 위기에 대한 시나리오에 기반한 공급망 재편 등 비상계획 수립이 필요하다. 아울러, 기업차원에서 담당하기 어렵고 예산이 많은 소요되는 핵심자원과 핵심의료물자에 대해서는 국가차원에서 정확한 정보에 의한 전략적 국가 비축프로그램을 운영하는 것이 중요하다.
따라서, 공급망 참가기업 간의 거래량, 거래금액, 거래기록, 거래규모 등에 대한 방대한 데이터베이스를 구축하고, 대상 물자의 주요 공급자 또는 공급망에 크게 영향을 미치는 기업들을 대상으로, 공급에 위기가 생기는 경우에 대한 다양한 시나리오를 생성하고 시나리오별 국가 또는 기업의 생존기간, 공급망 우회 기간, 공급망 재편기간 및 관련비용과 향후 피해를 최소화하기 위한 대책을 수립하는 것이 매우 중요하다.
이를 위해서는 다양한 물자의 공급망 참가 국가 및 기업 간의 방대한 거래 데이터를 수집하고 분석하는 것과 공급망 참가기업 간의 연결강도, 거래 빈도, 거래금액, 거래 물량 등 공급망 내 연결성에 대한 데이터베이스가 필요하다.
예컨대, 리튬 배터리, 코발트와 같은 핵심물자의 공급이 정부정책, 파업, 전쟁, 천재지변, 사고, 물자 운송시의 공급망 위기 등 문제가 생기는 경우, 이와 같은 물자를 공급하는 업체로부터의 공급이 어려워지므로 해당 자원이나 물자를 수입하는 국가나 기업의 입장에서는 생존을 위한 기간분석과 비용분석을 수행하고, 대응방안을 수립하여 새로운 우회 대체공급기업을 찾아야 하지만, 대체공급기업을 찾는 것은 방대한 공급망을 파악하여야 하는 방대한 작업이고, 설사 파악이 되더라도 실질적으로 대체공급망 구축 시, 기간 및 비용에 대한 정확히 검토하는 방법과 기술이 필요하다.
한편, 일시적으로 대체공급망을 구축하였더라도, 향후 유사한 상황이 다시 발생할 가능성이 있으므로 이를 방지하기 위한 새로운 공급망 구축에 대한 정량적인 분석이 필요하며 이를 위해 전체 공급망에 참가하는 기업 간의 거래에 대해 정교하게 분석하는 기술이 필요하다.
또한, 전세계 기업 간 또는 국내 기업 간 공급망에 대한 방대한 데이터베이스를 구축하고, 거래 기업 간의 연결도 및 의존도, 거래량과 거래금액, 주요 공급망 기업분석 등이 필요하며, 특정 물자의 공급이나 운송에 문제가 생기는 경우 또는 기존 공급기업망의 문제가 생겨 작동이 안되는 경우에 대해 다양한 새로운 대체공급망 시나리오들을 분석한 후, 대체공급망들 간 현실 세계에 존재하는 물자, 시스템, 공급망 등을 소프트웨어 시스템의 가상공간에 동일하게 모사하는 디지털 트윈(Digital Twin)기술을 활용하는 것이 중요하다.
예컨대, 디지털 트윈모델은 실물 공급망 시스템의 동적운동특성 및 변화를 소프트웨어 시스템에서 모의할 수 있도록 하고, 모의에 따른 최적 상태를 실물 시스템에 적용하고, 실물 공급망 시스템의 변화가 다시 가상 공급시스템으로 전달되는 최적화 순환 체계를 구현하여 공급기간 및 공급비용 분석을 통한 공급능력의 한계를 분석할 수 있다.
즉, 디지털 트윈 모델을 통해 발생할 수 있는 위험 시나리오를 사전에 시뮬레이션을 해보거나, 실제 위험 발생시 신속하게 해결책을 도출할 수 있게 되고, 돌발요인 등 다양한 환경에서 디지털 트윈 모델의 성공적 활용을 위해 빅데이터가 필요하고 인공지능기술과 결합하여 다양한 위기상황 극복을 위한 시뮬레이션 설계/분석/최적화를 수행하는 과정을 거칠 수 있다.
이에, 공급망 위기상황을 효과적으로 대처하기 위해서 공급망 로드맵을 생성하고 공급망 로드맵에 따라 최적의 대체공급망을 선택한 후, 관련 국가와 공급기업들의 생존기간, 대체공급망 이용 시 필요한 운송기간 및 공급망 재편기간, 가능한 공급물량 및 비용에 대해 분석할 수 있는 기술이 요구된다.
본 발명의 사상이 이루고자 하는 기술적 과제는, 전세계 국가 간 및 국내 물자 거래와 관련한 빅데이터의 분석을 통하여, 전세계 국가 간 및 기업들의 물자 공급망을 디지털 트윈 모델을 활용하여 다양한 시나리오로 분석하고 공급망 위기에 따른 위험을 최소화할 수 있는, 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체를 제공하는 데 있다.
전술한 목적을 달성하고자, 본 발명의 일 실시 예는, 전세계 국가 간 및 국내 물자의 공급망을 분석하며, 디지털 트윈 모델을 통해 공급망을 재편하고, 공급망 위기 시 대체공급망을 통해 대책을 수립하는, 물자 공급망 분석 및 위험관리 방법을 제공한다.
또한, 본 발명의 다른 실시 예는, 국가 간 혹은 국내의 거래정보 중 물자 별 및 종류 별 공급망 참가기업 간 거래 빅데이터를 획득하는, 거래 빅데이터 획득 단계(S110); 상기 거래 빅데이터를 이용하여, 물자 별과 국가 별과 기업 별로 거래망으로 각각 연결된 기업들을 분류하고, 거래량과 거래금액과 기업 간 연결도와 공급망 사슬을 분석하는, 연결도 및 공급망 사슬 분석 단계(S120); 물자 종류 별로 상기 분석된 연결도 및 공급망 사슬에 따른 연결성이 높은 핵심 공급기업군 클러스터를 분류하는, 클러스터 분류 단계(S130); 특정 국가 또는 특정 기업의 공급 제한 또는 차단으로 인해 영향을 받는 공급망의 시차 별 확산순서도와 확산기간과 관련비용과 공급능력 감소를 분석하는, 공급망 위기 분석 단계(S150); 디지털 트윈 모델을 이용하여, 기 설정된 시나리오에 따른 공급망 재편 시, 공급망 참가기업들에 대한 주요정보와 공급능력과 재편소요기간, 거리와 비용변화를 분석하는, 디지털 트윈 모델 분석 단계(S160); 특정 시나리오에 따른 대체공급망 적용시, 상기 대체공급망에서의 물자 별과 국가 별과 기업 별의 생존확률, 생존기간, 독과점비율, 기간 및 비용변화를 각각 분석하는, 대체공급망 분석 단계(S170); 및 공급망 위기 발생 가능성이 높은 물자에 대한 공급망 위기관리를 위한 공급망 로드맵을 생성하는, 로드맵 생성 단계(S180);를 포함하여,전세계 국가 간 및 국내 물자의 공급망을 분석하며, 상기 디지털 트윈 모델을 통해 공급망을 재편하고, 상기 공급망 위기 발생시 상기 대체공급망을 통해 대책을 수립하는, 물자 공급망 분석 및 위험관리 방법을 제공한다.
여기서, 상기 거래 빅데이터 획득 단계(S110)에서는, 국가 간 또는 국내 거래 물자에 관한 물자 DB(100)를 구축하고, 상기 물자 DB(100)로부터 기업 간 거래정보를 추출하여 기업 간 거래 DB(200)를 구축하여, 상기 거래 빅데이터를 획득할 수 있다.
이때, 상기 연결도 및 공급망 사슬 분석 단계(S120)에서는, 상기 거래 DB(200)의 대상 물자의 시계열 거래내역에 대한 연결도 분석을 통해서, 거래기업 간의 연결중심성과 매개중심성을 계산하여 기업 별 집중도 DB(300)를 구축할 수 있다.
또한, 상기 클러스터 분류 단계(S130)에서는, 상기 기업 별 집중도 DB(300)로부터 연결중심성과 매개중심성이 높은 핵심 공급기업군 클러스터를 분류하여 핵심 공급기업 클러스터 DB(400)를 구축할 수 있다.
또한, 상기 클러스터 분류 단계(S130) 이후, 상기 핵심 공급기업 클러스터 DB(400)로부터 거래정보를 추출하여 핵심 공급기업 간 거래 DB(500)를 구축하고, 상기 물자 DB(100)와 상기 거래 DB(200)와 상기 기업 별 집중도 DB(300)와 상기 핵심 공급기업 클러스터 DB(400)를 이용하여 공급망 시스템을 시뮬레이션하기 위한 상기 디지털 트윈 모델을 구축하는, 물자 거래정보 분류 단계(S140)를 더 포함할 수 있다.
또한, 상기 디지털 트윈 모델 분석 단계(S160)에서는, 상기 디지털 트윈 모델을 이용하여, 시나리오 별 대체공급망의 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 독과점비율, 공급 및 운송시간 변화, 공급기간변화, 공급망 재편기간, 대체공급망으로 인한 비용변화 및 확산순서도를 분석할 수 있다.
이때, 상기 대체공급망 분석 단계(S170)에서는, 공급 제한 또는 차단이 포함된 핵심 공급기업군 클러스터를 제외한 대체공급망을 구축하고, 상기 공급 제한 또는 차단이 포함된 핵심 공급기업군 클러스터를 제외한 대체공급망의 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 국가 별 및 기업 별 생존확률, 생존비용, 공급능력, 독과점비율, 공급 및 운송시간 변화, 공급기간변화, 공급망 재편기간, 대체공급망으로 인한 비용변화 및 확산순서도를 분석할 수 있다.
또한, 상기 로드맵 생성 단계(S180)에서는, 주요 물자에 대한 대외공급위험지수, 대외 집중도 지수 및 대외의존도지수를 분석하고, 상기 디지털 트윈 모델에 의해, 공급 제한 또는 차단으로 인한 상기 공급망 위기관리를 위한 상기 대체공급망을 미리 구축하여 상기 공급망 로드맵을 생성할 수 있다.
한편, 본 발명의 또 다른 실시 예는, 앞서 열거된 물자 공급망 위험관리 및 분석 방법을 컴퓨터에서 실행하기 위한 프로그램이 기록된, 컴퓨터 판독가능한 기록매체를 제공한다.
본 발명에 의하면, 전세계 기업 간 또는 국내 거래되는 물자들의 거래 빅데이터 분석을 이용하여, 실제 공급망에 참가하는 국가와 기업 간의 거래관계를 파악하여 공급망 네트워크를 파악하고 공급망 위기 시 다양한 시나리오별, 국가 별, 기업 별 생존기간 등 파급효과를 분석하고, 디지털 트윈 모델기술을 이용하여 시나리오별 대체공급망 가능성을 분석한 후, 대체공급망 별 공급망 참가 기업분석 및 기간, 효과와 비용에 대한 분석을 통해 공급망 위기로 인한 영향을 정량적으로 파악할 수 있고, 향후 유사한 공급망 위기가 재연되는 상황을 방지하기 위해 최적의 공급망 로드맵을 구성할 수 있는 효과가 있다.
또한, 공급망 관련 분석방법을 이용하여 물자의 공급위기 시 공급망 참가기업들과 현황에 대한 정확한 분석을 통해 국가와 주요기업의 심각한 매출 손실과 경제적 타격을 최소화할 수 있는 효과가 있다.
또한, 공급망 관련 분석방법을 이용하여 물자의 공급위기시 공급망 참가기업들과 현황에 대한 정확한 분석 정보 제공이 가능하므로, 전세계 투자자, 은행, 보험회사, 기업 및 물류 관련 기업들과 이해 관계자들이 투자기회 증가 또는 손실을 예방할 수 있는 효과가 있다.
더 나아가, 다양한 물자 공급망 위기 시나리오별 최소생존기간과 공급망 재편소요기간 및 비용 등의 영향을 분석하여서, 국가 및 개별 기업들의 재고관리를 최적화하여 위기관리 및 재고 유지 비용을 최소화하고, 위기 발생시 분석된 대체공급망을 이용하여 신속히 대책을 수립할 수 있는 효과가 있다.
도 1은 본 발명의 실시 예에 의한 물자 공급망 분석 및 위험관리 방법에 대한 개략적인 순서도를 도시한 것이다.
도 2는 도 1의 순서도 관련 DB를 구체화한 순서도를 도시한 것이다.
도 3은 도 1의 물자 공급망 분석 및 위험관리 방법에 의한 디지털 트윈 모델과 실제 공급망 간의 관계를 도시한 것이다.
도 4는 도 1의 순서도에서의 거래 시 기업 간 연결도 및 집중도 분석을 예시한 것이다.
도 5는 도 1의 순서도에서 거래 시 수출입 국가 간 연결도 및 집중도 분석을 예시한 것이다.
도 6은 도 1의 순서도에서의 시나리오 따른 공급망 위기시의 공급망 분석을 예시한 것이다.
도 2는 도 1의 순서도 관련 DB를 구체화한 순서도를 도시한 것이다.
도 3은 도 1의 물자 공급망 분석 및 위험관리 방법에 의한 디지털 트윈 모델과 실제 공급망 간의 관계를 도시한 것이다.
도 4는 도 1의 순서도에서의 거래 시 기업 간 연결도 및 집중도 분석을 예시한 것이다.
도 5는 도 1의 순서도에서 거래 시 수출입 국가 간 연결도 및 집중도 분석을 예시한 것이다.
도 6은 도 1의 순서도에서의 시나리오 따른 공급망 위기시의 공급망 분석을 예시한 것이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1 내지 도 6을 참조하여, 본 발명의 실시 예에 의한 물자 공급망 분석 및 위험관리 방법은 다음과 같다.
우선, 거래 빅데이터 획득 단계(S110)에서는, 국가 간의 세관통관정보 및 국내외의 거래정보 중 물자 별 및 종류 별 공급망 참가기업 간 거래 빅데이터를 획득한다.
예컨대, 거래 빅데이터 획득 단계(S110)에서는, 전세계 국가 간 또는 국내 거래 물자에 관한 물자 DB(100)를 구축하고, 물자 DB(100)로부터 기업 간 거래정보를 추출하여 기업 간 거래 DB(200)를 구축하여서, 거래 빅데이터를 획득하여 국가 별 및 기업 별 물자 생산량을 분석할 수 있다.
여기서, 거래 DB(200)는 상품코드, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격 등의 물자 및 무역거래와 관련된 다양한 정보를 포함할 수 있다.
이후, 연결도 및 공급망 사슬 분석 단계(S120)에서는, 물자 DB(100)와 거래 DB(200)의 거래 빅데이터를 이용하여, 물자 별과 국가 별과 기업 별로 거래망으로 각각 연결된 기업들을 분류하고, 거래량과 거래금액과 기업 간 연결도와 공급망 사슬을 분석한다.
예컨대, 거래 DB(200)을 이용하여, 거래기업 간의 연결도 분석(도 4 참조)을 통한 물자/국가/기업/중량/수량/가격 별 연결중심성(Degree Centrality)과 매개중심성(Betweenness Centrality)을 계산할 수 있다.
한편, 공급기업으로는, 원재료를 공급하는 기업 뿐만 아니라, 제조망 및 공급망에 참가하여 수출입, 거래와 운송, 보험 등의 제조 및 공급 과정에 참가(참여)하는 모든 기업으로 정의할 수 있다.
여기서, 연결도의 집중도를 분석하는 방법으로는, 트리 순회(Tree traversal)방식을 통해 연결 노드(Node)와 연결 링크 분석을 Search Path Count(SPC), Search Path Link Count(SPLC) 또는 Search Path Node Pair(SPNP) 기법 혹은 다양한 기법을 적용하거나, SPC, SPLC, SPNP 혹은 기타 탐색 기법들이 분석하지 못하는 경우에는 중요공급망 노드(Node)를 찾기 위해 주요 루트 탐색(Key Route Search) 기법을 최종적으로 적용하여 연결중심성과 매개중심성을 계산할 수 있다.
또한, 도 4 및 도 5는 공급망 주체간 연결도 분석을 위한 사례를 보여주는 것으로서, 거래 DB(200)의 대상 물자의 시계열 거래내역에 대한 연결도 분석을 통해, 거래기업 간의 연결중심성과 매개중심성을 계산하여 기업 별 집중도 DB(300)를 구축할 수 있는데, 예를 들면, 연결중심성과 매개중심성은 매입의 집중도를 나타내는 내향중심성, 매출의 집중도를 나타내는 외향중심성, 다른 노드들 사이에 중개(Hub) 역할을 나타내는 매개중심성, 공급망 내의 집중화 정도를 나타내는 네트워크집중성 및 네트워크 평균 결집계수, 시장분산도를 나타내는 네트워크 밀도, 하청업체의 경우 상위 거래업체들과의 집중도를 나타내는 거래 전속도(Degree of Trade Dedication)를 통해 계산하고, 앞서 계산된 지수와 유사한 지수들을 이용하여 공급망 상의 물자/국가/기업 별 분석을 수행한 후 기업 별 집중도 DB(300)를 구축할 수 있다.
이후, 클러스터 분류 단계(S130)에서는, 물자 종류 별로 분석된 연결도 및 공급망 사슬에 따른 연결성이 높은 핵심 공급기업군 클러스터를 분류하여, 물자 종류 별로 공급망 상 주요역할을 하는 핵심 공급기업군(중요공급망)들을 분류할 수 있다.
즉, 클러스터 분류 단계(S130)에서는, 기업 별 집중도 DB(300)로부터 연결중심성과 매개중심성이 높은 핵심 공급기업군 클러스터를 분류하여 핵심 공급기업 클러스터 DB(400)를 구축할 수 있다.
구체적으로, 기업 별 집중도 DB(S300)을 이용하여, 상품코드, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격, FOB(Free On Board), CIF(Cost Insurance and Freight) 등의 해당 공급망내 기업 별 무역거래 정보를 중심으로 핵심 공급기업 클러스터 DB(400)를 구축할 수 있다.
여기서, 핵심 공급기업 클러스터 내 핵심 공급기업은 해당 공급망에서 중요한 위치를 차지하며, 이들 중 하나 또는 다수의 핵심 공급기업에 공급위기가 생긴다면, 해당 핵심 공급기업이 속한 핵심 공급기업 클러스터는 공급이 감소되거나, 공급이 중단되는 경우에는 전체 공급망에서 해당 부분을 제외되고 다른 핵심 공급기업들이 공급을 담당하게 된다. 이에, 핵심 공급기업군에 대해서는 물자의 정상유통, 물량감소, 위험, 차단 등의 운용 모드로 구분하여 상시 모니터링하는 것이 필요할 수 있다.
이후, 물자 거래정보 분류 단계(S140)에서는, 핵심 공급기업 클러스터 DB(400)로부터 거래정보를 추출하여 핵심 공급기업 간 거래 DB(500)를 구축하고, 물자 DB(100)와 거래 DB(200)와 기업 별 집중도 DB(300)와 핵심 공급기업 클러스터 DB(400)를 이용하여 공급망 시스템을 시뮬레이션하기 위한 디지털 트윈 모델을 구축한다.
즉, 물자 거래정보 분류 단계(S140)에서는, 물자의 종류 별/국가 별/기업 별로 거래정보를 분류하는데, 이들 정보를 이용하여 핵심 공급기업 클러스터 간의 거래를 분석하기 위해 핵심 공급기업 간 거래 DB(500)를 구축할 수 있다.
예컨대, 핵심 공급기업 클러스터별 상품코드, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격 등이 데이터베이스화된 거래 DB(200) 및 기업 별 집중도 DB(300)로부터 추출된 공급기업 클러스터간 연결정보를 이용하여 핵심 공급기업 간 거래 DB(500)를 구축하고, 앞서 구축된 물자 DB(100)와 거래 DB(200)와 기업 별 집중도 DB(300)와 핵심 공급기업 클러스터 DB(400)를 이용하여 공급망의 복잡한 시스템들의 시뮬레이션을 수행하기 위한 디지털 트윈 모델을 생성할 수 있다.
여기서, 디지털 트윈 모델은 다양한 공급망 차단이나 공급망 장애시나리오의 전개 시에 발생하는 복잡한 결과를 사전에 분석하는데 이용하도록 복잡한 물류 프로세스를 최적화하고 실시간 통합관제를 지원하여, 물류비 절감 및 서비스 품질 향상을 향상시키도록 할 수 있다.
구체적으로, 디지털 트윈 모델은 실제공급망과 일치하도록 정확히 생성되었는지 확인하는 검증과정과, 목적에 맞는 올바른 모델이 생성되었는지 확인하는 실증과정, 앞선 검증과정과 실증과정을 성공적으로 통과한 디지털 트윈 모델이 원래의 목적에 사용할 수 있는지 여부를 판단하는 승인과정을 포함할 수 있다.
한편, 디지털 트윈 모델은, 실제 환경에서의 실제공급망에서 발생되고 관찰되는 유의미한 데이터의 수집/전달/저장/처리기능, 해당 물자에 대한 진화 및 변경 가능한 모델링 및 튜닝 기능, 디지털 트윈 모델들의 시뮬레이션 실행환경을 유지하는 기능, 적용 목적에 따른 진단/분석/예측 결과를 산출하는 기능, 진단/분석/예측 결과의 실제공급망 반영을 위한 제어정보제공 기능, 3D 객체 설계 및 운용/결과 시각화를 위한 시각화기능, 기타 다양한 분석 기능 등 다양한 기능들을 포함할 수 있다.
이에, 도 3에 예시된 바와 같이, 디지털 트윈 모델은 실제공급망의 대상 객체 내부와 외부에서 관찰되는 입출력 데이터를 통계학적으로 처리할 수 있고, 공급기업에 대해 모델링된 해당 객체를 포함하고, 대상 객체로부터 수집되는 빅데이터를 신경망 모듈이나, 인공지능모듈을 통해 학습하여 입력 데이터와 출력 데이터 간의 비선형적이고 복잡한 상관관계를 모델링하여서 실제공급망을 분석 및 예측하도록 적용될 수 있다.
또한, 대상 물자 체계의 속성, 공급망의 동작 특성 등에 대한 상세한 정보를 확보하여 구현된 디지털 트윈 모델이 실제공급망 체계를 대체할 정도로 신뢰할 수 있는 경우에, 모델링과 대상 공급망 체계로부터 모델정의를 위해 필요한 충분한 양과 종류의 데이터를 확보한 후 문제의 원인을 규명하는 다양한 접근방법을 공급망의 대상과 특성에 따라 적용할 수도 있다.
이후, 공급망 위기 분석 단계(S150)에서는, 특정 국가 또는 특정 기업의 공급 제한 또는 차단으로 인해 직접적으로 영향을 받는 공급기업 클러스터를 분석하여 공급망의 공급규모와 시차 별 확산순서도와 확산기간과 관련비용과 공급능력 변화 등의 영향력을 분석한다.
예컨대, 디지털 트윈 모델을 이용하여, 특정 국가 또는 특정 기업의 공급망이 정치적 요인, 정책적위험, 경제적위험, 천재지변 또는 재해로 인한 위험, 기업인수합병에 의한 전략적인 위험, 운영상 위험, 공급망 위험, 운송위험, 재고위험, 예측위험, 정보위험, 시장위험, 공급자위험 등의 다른 요인으로 인하여 공급이 중단되거나 감축된다면, 관련된 공급기업군 클러스터의 거래 상품코드 별, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격, 공급기업 간 연결정보를 이용하여 공급망의 공급규모와 시차 별 확산순서도와 확산기간과 관련비용과 공급능력 변화 등의 영향력을 정량적으로 신속하게 파악하도록 할 수 있다.
이후, 디지털 트윈 모델 분석 단계(S160)에서는, 디지털 트윈 모델을 이용하여, 기 설정된 다양한 시나리오에 따른 공급망 재편 시, 공급망 참가기업들에 대한 주요정보와 공급능력과 재편소요기간, 거리와 비용변화를 분석한다.
예컨대, 다양한 시나리오별로 재편된 공급망들의 대체공급망 정보를 분석하고 구축된 디지털 트윈 모델을 이용하여, 공급망내 다양한 공급 감축 또는 공급 중단 등의 장애가 생기는 시나리오별 대체공급망으로 인한 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 독과점비율, 공급 및 운송시간 변화, 공급기간변화, 공급망 재편기간, 대체공급망으로 인한 운송 거리와 비용변화, 확산순서도 등을 분석한다.
도 6에 예시된 바와 같이, 공급망의 원재료 공급기업(A) 중 어느 한 원재료 공급기업으로부터 원재료의 공급이 중단되고, 가공기업(B)의 가동이 중단되는 경우(점선표시), 기존 공급망의 원재료 공급기업(A)과 운송기업(C)과 물류기업(D)과 소비자(E)가 영향을 받게 되므로, 기존 공급망의 다양한 경우의 수를 고려하여 순차적으로 시나리오를 구성하고, 시나리오별 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 독과점비율, 공급 및 운송시간 변화, 공급기간변화, 공급망 재편기간, 대체공급망으로 인한 운송 거리와 비용변화, 확산순서도 등을 분석하도록 한다.
이후, 대체공급망 분석 단계(S170)에서는, 특정 시나리오에 따른 대체공급망 적용시, 대체공급망에서의 물자 별과 국가 별과 기업 별의 생존확률, 생존기간, 독과점비율, 운송기간 및 운송거리와 비용변화를 각각 분석한다.
구체적으로, 대체공급망 분석 단계(S170)에서는, 공급 제한 또는 차단이 포함된 핵심 공급기업군 클러스터를 제외한 대체공급망을 구축하고, 대체공급망의 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 국가 별 및 기업 별 생존확률, 생존비용, 공급능력, 독과점비율, 공급지연시간, 운송지연시간, 공급기간, 운송기간, 공급망 재편기간, 대체공급망으로 인한 운송 거리와 비용변화 및 확산순서도를 분석할 수 있다.
즉, 공급망에 문제가 생기는 공급기업군 클러스터들을 제외한 나머지 공급기업군 클러스터들의 분석을 통해 신규 대체공급망들의 상품코드 별, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격 등을 분석하고, 분석 결과를 공급망 위기정보 DB(600)에 반영한다.
한편, 공급망에 참가하는 공급자의 위험은 공급자의 수, 공급자의 국가와 지역, 물자공급기간, 공급의 안정성, 공급의 유연성, 공급자의 공급능력, 주문변화에 대한 대응성, 공급물품의 품질, 공급업체의 신뢰정도, 공급자의 재정적 안정성을 정량적으로 분석하여 반영될 수 있다.
또한, 공급망 위기정보 DB(600)의 분석 결과로부터 공급망에 위기를 주는 공급기업 또는 국가에 의한 시차 별 확산을 분석하여서, 국가 별 및 기업 별로 영향이 파급되는 순서와 관련 공급기업들에 미치는 영향을 정량적으로 분석한 후 대체공급망 정보가 포함된 대체공급망 DB(700)를 구축할 수 있다.
여기서, 대체공급망 DB(700)에는 재편된 공급망들의 상품코드 별, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격, 판매구매기업 간 연결정보, 대체공급망으로 인한 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 독과점비율, 공급증가시간, 운송지연시간, 공급기간, 공급망 재편기간, 대체공급망으로 인한 운송거리 및 비용 증가, 확산순서도 등을 계산하여 반영될 수 있다.
한편, 공급망 위기로 인한 영향을 정량적으로 신속하게 반영하기 위해 구축된 디지털 트윈 모델을 적용할 수 있는데, 도 6에서와 같이, 임의의 공급망에서 보는 바와 같이 전체 공급망 경로의 조합에서 원재료 공급기업(A), 운송기업(C), 물류기업(D) 또는 가공기업(B)에 공급의 문제가 생기는 경우에, 최종 소비자(E)들에게 도달하는 모든 경로에 대해 디지털 트윈 모델을 통해 분석하고, 시공간적 측면 및 비용적인 측면에서의 공급경로를 최적화할 수 있다.
이후, 로드맵 생성 단계(S180)에서는, 미래에 공급망 위기 발생 가능성이 높은 물자에 대한 공급망 위기관리를 위한 공급망 로드맵을 생성하여 비즈니스 연속성을 확보하도록 한다.
즉, 주요 물자에 대한 대외공급위험지수와 대외의존도지수를 분석하고, 디지털 트윈 모델에 의해, 공급 제한 또는 차단으로 인한 공급망 위기관리를 위한 대체공급망을 미리 구축하여 공급망 로드맵을 생성하도록 할 수 있다.
예컨대, 미래에 유사한 공급망 위기를 예상하여 대외의존도가 높은 물자들에 대한 대외의존도 DB(800)를 구축할 수 있는데, 대외의존도 DB(800)는 상품코드 별, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량, 물자 가격, 공급기업 간 연결정보 외 물자 별 국가의 시장점유율 또는 소수기업의 시장점유율이 과도한 독과점 비율(예로, HHI지수) 이상을 점유하는 경우를 나타내는 대외공급위험지수, 대외의존도지수 등을 분석하고, 대외의존도 DB(800)에 분석 결과가 저장될 수 있다.
또한, 대외의존도 DB(800)는 앞서 분석된 대외공급위험지수에 의한 공급기간과, 대외의존도지수에 의한 공급기간, 공급망 재편기간, 운송거리와 비용변화, 공급망 협력 대상기업 정보를 포함할 수 있다.
한편, 본 명세서에 기술된 거래대상 물자는 자원, 가공제품, 서비스 등 형태의 유무형여부에 제한받지 않으며 전세계 국가 간 또는 국내 모든 물자 거래망을 대상으로 적용될 수 있다.
또한, 앞서 언급한 물자 공급망 위험관리 및 분석 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 기록 매체를 제공한다.
따라서, 전술한 바와 같은 물자 공급망 위험관리 및 분석 방법의 구성에 의해서, 전세계 국가 간 및 국내 물자의 공급망을 분석하며, 디지털 트윈 모델을 통해 공급망을 재편하고, 공급망 위기 시 대체공급망을 통해 대책을 수립하며, 구체적으로, 디지털 트윈 모델을 이용하여 공급망의 장애를 초래한 원인과 이에 따른 결과를 파악하고 향후 안전한 대체공급망을 확보하기 위한 시나리오를 구축하고 인공지능기술을 적용하여 장애로 인한 영향력과 대체공급망의 대체능력을 분석할 수 있고, 거래대상 물자의 국가 간 및 국내 거래 분석 및 공급망 장애시나리오 별 대응책에 대한 분석이 가능하여, 국가 및 기업들의 위험을 사전에 예측하고, 공급망 장애가 발생하는 경우, 분석된 시나리오별 대응책을 이용하여 신속히 리쇼오링 (Reshoring) 또는 니어쇼어링(Near Shoring) 방안을 검토하여 공급망을 재편하여, 공급망 위기로 위한 국가 및 기업들의 영향을 최소화하고 사업의 연속성을 확보할 수 있고, 물자들의 거래와 관련 공급망을 정확히 정량적으로 파악하여 정부기관, 연구기관, 원활한 물자의 공급을 필요로 하는 전세계 기업, 투자자, 은행, 보험, 해운 회사 및 관련 기관들에 유익한 정보를 제공할 수 있다.
본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
S110 : 거래 빅데이터 획득 단계
S120 : 연결도 및 공급망 사슬 분석 단계
S130 : 클러스터 분류 단계
S140 : 물자 거래정보 분류 단계
S150 : 공급망 위기 분석 단계
S160 : 디지털 트윈 모델 분석 단계
S170 : 대체공급망 분석 단계
S180 : 로드맵 생성 단계
100 : 물자 DB 200 : 거래 DB
300 : 기업 별 집중도 DB 400 : 핵심 공급기업 클러스터 DB
500 : 핵심 공급기업 간 거래 DB 600 : 공급망 위기정보 DB
700 : 대체공급망 DB 800 : 대외의존도 DB
S120 : 연결도 및 공급망 사슬 분석 단계
S130 : 클러스터 분류 단계
S140 : 물자 거래정보 분류 단계
S150 : 공급망 위기 분석 단계
S160 : 디지털 트윈 모델 분석 단계
S170 : 대체공급망 분석 단계
S180 : 로드맵 생성 단계
100 : 물자 DB 200 : 거래 DB
300 : 기업 별 집중도 DB 400 : 핵심 공급기업 클러스터 DB
500 : 핵심 공급기업 간 거래 DB 600 : 공급망 위기정보 DB
700 : 대체공급망 DB 800 : 대외의존도 DB
Claims (10)
- 삭제
- 물자 공급망 분석 및 위험관리 방법을 수행하기 위한 물자 공급망 분석 및 위험관리 장치와, 상기 물자 공급망 분석 및 위험관리 장치의 각종 데이터들이 저장되되, 물자 DB(100), 기업 간 거래 DB(200), 기업 별 집중도 DB(300), 핵심 공급기업 클러스터 DB(400), 핵심 공급기업 간 거래 DB(500), 공급망 위기정보 DB(600), 대체공급망 DB(700) 및 대외의존도 DB(800)를 포함하는 장치 데이터베이스에 의해, 전세계 국가 간 및 국내 물자의 공급망을, 디지털 트윈 모델을 활용하여 복수의 시나리오로 분석하고, 공급망 위기 발생 시 대체공급망을 통해 대책을 수립하는, 물자 공급망 분석 및 위험관리 방법으로서,
국가 간의 세관통관정보 및 국내의 거래정보 중 물자 별 및 종류 별 공급망 참가기업 간 거래 빅데이터를 획득하는, 거래 빅데이터 획득 단계(S110);
상기 거래 빅데이터를 이용하여, 물자 별과 국가 별과 기업 별로 거래망으로 각각 연결된 기업들을 분류하고, 거래량과 거래금액과 국가별과 기업 간 연결도와 공급망 사슬을 분석하는, 연결도 및 공급망 사슬 분석 단계(S120);
물자 종류 별로 상기 분석된 연결도 및 공급망 사슬에 따른 연결성이 높은 핵심 공급기업군 클러스터를 분류하는, 클러스터 분류 단계(S130);
특정 국가 또는 특정 기업의 공급 제한 또는 차단으로 인해 영향을 받는 공급망의 시차 별 확산순서도와 확산기간 관련 운송거리 및 비용과 공급능력 변화를 분석하는, 공급망 위기 분석 단계(S150);
디지털 트윈 모델을 이용하여, 기 설정된 시나리오에 따른 공급망 재편 시, 공급망 참가기업들에 대한 주요정보와 공급능력과 재편소요기간, 거리와 비용변화를 분석하는, 디지털 트윈 모델 분석 단계(S160);
특정 시나리오에 따른 대체공급망 적용시, 상기 대체공급망에서의 물자 별과 국가 별과 기업 별 생존확률, 생존기간, 독과점비율, 운송거리 및 비용 변화를 각각 분석하는, 대체공급망 분석 단계(S170); 및
공급망 위기 발생 가능성이 높은 물자에 대한 공급망 위기관리를 위한 공급망 로드맵을 생성하는, 로드맵 생성 단계(S180);를 포함하고,
상기 거래 빅데이터 획득 단계(S110)에서는,
국가 간 또는 국내 거래 물자에 관한 상기 물자 DB(100)를 구축하며, 상기 물자 DB(100)로부터 기업 간 거래정보를 추출하여 상기 기업 간 거래 DB(200)를 구축하여, 상기 거래 빅데이터를 획득하고,
상기 연결도 및 공급망 사슬 분석 단계(S120)에서는,
상기 거래 DB(200)의 대상 물자의 시계열 거래내역에 대한 연결도 분석을 통해서, 거래기업 간의 연결중심성과 매개중심성을 계산하여 상기 기업 별 집중도 DB(300)를 구축하며,
상기 클러스터 분류 단계(S130)에서는,
상기 기업 별 집중도 DB(300)로부터 연결중심성과 매개중심성이 높은 핵심 공급기업군 클러스터를 분류하여 상기 핵심 공급기업 클러스터 DB(400)를 구축하고,
상기 클러스터 분류 단계(S130) 이후,
상기 핵심 공급기업 클러스터 DB(400)로부터 거래정보를 추출하여 상기 핵심 공급기업 간 거래 DB(500)를 구축하며, 상기 물자 DB(100)와 상기 거래 DB(200)와 상기 기업 별 집중도 DB(300)와 상기 핵심 공급기업 클러스터 DB(400)를 이용하여 공급망 시스템을 시뮬레이션하기 위한 상기 디지털 트윈 모델을 구축하는, 물자 거래정보 분류 단계(S140)를 더 포함하고,
상기 디지털 트윈 모델 분석 단계(S160)에서는,
상기 디지털 트윈 모델을 이용하여, 시나리오 별 대체공급망의 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 독과점비율, 운송시간, 공급기간, 공급망 재편기간, 대체공급망으로 인한 운송거리 및 비용변화 및 확산순서도를 분석하며,
상기 대체공급망 분석 단계(S170)에서는,
공급 제한 또는 차단이 포함된 공급기업을 제외한 대체공급망을 구축하고,
상기 대체공급망의 상품코드 별, 거래일자, 판매기업, 구매기업, 수출항만/공항, 수입항만/공항, 물자 중량, 물자 수량 및 물자 가격을 분석한 결과로서 상기 공급망 위기정보 DB(600)를 구축하며, 상기 공급망 위기정보 DB(600)를 통해 국가 별 및 기업 별로 영향이 파급되는 순서와 관련 공급기업들에 미치는 영향을 정량적으로 분석하여 대체 공급망 정보가 포함된 상기 대체공급망 DB(700)를 구축하고,
상기 로드맵 생성 단계(S180)에서는,
주요 물자에 대한 대외공급위험지수, 대외 집중도 지수 및 대외의존도지수를 분석하고, 상기 디지털 트윈 모델에 의해, 공급 제한 또는 차단으로 인한 상기 공급망 위기관리를 위한 상기 대체공급망을 미리 구축하여 상기 공급망 로드맵을 생성하여, 대외의존도가 높은 물자들에 대한 상기 대외의존도 DB(800)를 구축하는 것을 특징으로 하는,
물자 공급망 분석 및 위험관리 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제 2 항에 있어서,
상기 대체공급망 분석 단계(S170)에서는,
상기 공급 제한 또는 차단이 포함된 핵심 공급기업군 클러스터를 제외한 대체공급망의 공급능력, 공급안정성, 공급재개 시까지의 생존확률, 공급재개 시까지의 생존기간, 국가 별 및 기업 별 생존확률, 생존비용, 공급능력, 독과점비율, 운송시간, 공급기간 변화, 공급망 재편기간, 대체공급망으로 인한 운송거리 및 비용 변화 및 확산순서도를 분석하는 것을 특징으로 하는,
물자 공급망 분석 및 위험관리 방법. - 삭제
- 제 2 항 또는 제 8 항에 따른 물자 공급망 분석 및 위험관리 방법을 컴퓨터에서 실행하기 위한 프로그램이 기록된 컴퓨터 판독가능한 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220064063A KR102535663B1 (ko) | 2022-05-25 | 2022-05-25 | 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220064063A KR102535663B1 (ko) | 2022-05-25 | 2022-05-25 | 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102535663B1 true KR102535663B1 (ko) | 2023-05-26 |
Family
ID=86536398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220064063A KR102535663B1 (ko) | 2022-05-25 | 2022-05-25 | 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102535663B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101532662B1 (ko) * | 2013-12-10 | 2015-06-30 | 주식회사 한국무역정보통신 | Fta 요소 기반 글로벌 공급망 네트워크 설계 방법 |
| KR101935209B1 (ko) | 2018-10-08 | 2019-01-03 | 한국지질자원연구원 | 희유금속 비축 적정성 평가방법 |
| KR20200107861A (ko) * | 2019-03-07 | 2020-09-16 | 인천대학교 산학협력단 | 글로벌 공급망 설계 시스템 |
| KR20220066551A (ko) * | 2020-11-16 | 2022-05-24 | 주식회사 씨에어허브 | 물류 데이터 통합 시스템 및 이의 운용 방법 |
-
2022
- 2022-05-25 KR KR1020220064063A patent/KR102535663B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101532662B1 (ko) * | 2013-12-10 | 2015-06-30 | 주식회사 한국무역정보통신 | Fta 요소 기반 글로벌 공급망 네트워크 설계 방법 |
| KR101935209B1 (ko) | 2018-10-08 | 2019-01-03 | 한국지질자원연구원 | 희유금속 비축 적정성 평가방법 |
| KR20200107861A (ko) * | 2019-03-07 | 2020-09-16 | 인천대학교 산학협력단 | 글로벌 공급망 설계 시스템 |
| KR20220066551A (ko) * | 2020-11-16 | 2022-05-24 | 주식회사 씨에어허브 | 물류 데이터 통합 시스템 및 이의 운용 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10698795B2 (en) | Virtual payments environment | |
| CN107766579B (zh) | 基于xbrl标准的主数据管理系统的设计方法 | |
| Lin et al. | An innovative machine learning model for supply chain management | |
| Khalilpourazari et al. | Optimizing a multi-item economic order quantity problem with imperfect items, inspection errors, and backorders | |
| Gao | A bi-level stochastic optimization model for multi-commodity rebalancing under uncertainty in disaster response | |
| KR20210001243A (ko) | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 | |
| Krasnyuk et al. | Methodology of effective application of Big Data and Data Mining technologies as an important anti-crisis component of the complex policy of logistic business optimization | |
| Zorrilla et al. | A reference framework for the implementation of data governance systems for industry 4.0 | |
| Fang et al. | [Retracted] Cross‐Border E‐Commerce Supply Chain Risk Evaluation with FUZZY‐ISM Model | |
| RAMEZANI et al. | Interrelating physical and financial flows in a bi-objective closed-loop supply chain network problem with uncertainty | |
| CN115994818A (zh) | 银行特殊资产智能清收系统及方法 | |
| Mohammadnazari et al. | A hybrid novel approach for evaluation of resiliency and sustainability in construction environment using data envelopment analysis, principal component analysis, and mathematical formulation | |
| Wang et al. | Multiview Graph Learning for Small‐and Medium‐Sized Enterprises’ Credit Risk Assessment in Supply Chain Finance | |
| Jia et al. | Prioritizing the operation and maintenance complexity of mega transportation projects based on systems thinking | |
| Bragadeesh et al. | Development of a reliable supply chain system using blockchain | |
| KR102535663B1 (ko) | 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체 | |
| Ouyang | Risk Control of Virtual Enterprise Based on Distributed Decision‐Making Model | |
| CN115809837A (zh) | 基于数字化模拟场景的金融企业管理方法、设备及介质 | |
| Xu et al. | Enhance supply chain resilience through industry 4.0-a view of designing simulation scenarios | |
| CN111932131B (zh) | 业务数据处理方法及装置 | |
| Li | Supply Chain Efficiency and Effectiveness Management Using Decision Support Systems | |
| CN110300961A (zh) | 统一智能连接器 | |
| Levitin et al. | Digital economy in management and evaluation of transport and logistics projects and life cycle processes | |
| Ramfou et al. | Exploring the Use of Systems Dynamics for the Valuation of Freight Transport Time Changes | |
| Ghasemi et al. | Identifying critical supply chain risks through social network analysis: ICT company in Iran |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |