Healthcare supply chain optimization

공급망 복원력 및 유연성 개선을 위해 가시성 증대하기

코로나19 팬데믹은 공급망에 유례없는 압력을 가했고, 효과적인 공급망 계획의 중요성을 강조하는 계기가 되었습니다. 코로나19 이전에는 적기 공급 생산 방식(just-in-time)이 최고의 재고 관리 방법으로 여겨졌습니다. 재고 보유량을 줄이는 방식으로 비용을 아낄 수 있게 해 주었기 때문입니다. 그러나 팬데믹이 입증한 바와 같이, 이 방법을 취하면 제조 기업은 돈을 절약 수 있을지 몰라도, 공급망 중단 및 긴급 상황 발생 시 엄청나게 취약한 상황에 놓이게 됩니다. 물론 지나치게 많은 재고를 보유하는 것 역시 정답은 아닙니다. 유지비가 많이 드는 것은 물론, 유통기한이 있는 제품들의 경우 상당수가 사용되지 못하고 버려지고, 따라서 폐기물도 증가하기 때문입니다. 최근 한 연구 보고서에 따르면 수술실 재고의 평균 13%는 선반에 보관된 채 유통기한이 만료됩니다(PDF).

효과적인 공급망 계획과 재고 관리는 모든 산업에 중요하지만, 헬스케어 분야에서는 그 중요성이 특히 강조됩니다. 공급망 중단이 환자의 치료, 안전 및 치료 결과에 영향을 미칠 수 있기 때문입니다. 제조 기업 및 헬스케어 조직은 최적의 접근 방식을 찾고, 재고 과잉 및 재고 부족 상황을 피하려면, 공급망을 통해 업스트림 및 다운스트림 모두에 대한 가시성을 확보할 수 있어야 합니다. 전체 프로세스에 대한 가시성은 공급망에 참여하는 모든 당사자에게 공급망 중단 발생 시 다양한 소스 제공업체를 활용할 수 있는 민첩성을 제공합니다.

완전한 가시성을 확보하기 위해서 헬스케어 조직은 다양한 대내외 소스로부터 확보한 데이터를 혼합해야 합니다. 데이터 액세스, 투명성, 데이터 정확성 문제로 어려움을 겪는 기업 조직이라면, 이와 같은 문제를 해결해야만 지속적인 공급망 계획 단계로 나아갈 수 있으며, 지속적인 운영도 보장할 수 있습니다.

모든 적합한 데이터를 활용해 공급망 최적화하기

현재 방대한 양의 공급망 데이터가 제공되고 있으며, 그 양은 매년 기하급수적으로 늘고 있습니다. 현재 헬스케어 조직이 직면한 문제는 데이터 부족에서 기인한 것이 아니라, 데이터를 이해하거나 의미 있는 인사이트 도출에 필요한 데이터에 액세스하는 능력이 부족해서 발생한 것들입니다.

이 사용 사례에서는 고급 분석 기술 및 머신러닝 사용 프로세스를 간소화해 공급망을 치명적인 이슈로부터 보호하고, 비용을 줄이고, 환자의 안전을 증진하는 헬스케어용 Oracle Data Platform에 대해 알아보도록 하겠습니다.

이 이미지는 헬스케어용 Oracle Data Platform이 성능 모니터링을 통해 가치 기반 치료를 지원하는 방법을 보여줍니다. 본 플랫폼의 구성 요소들은 다음의 5가지 제품군으로 분류됩니다:

1. 1. 데이터 소스, 검색
2. 2. 수집, 변환
3. 3. 유지, 선별, 생성
4. 4. 분석, 학습, 예측
5. 5. 측정, 실행

데이터 소스, 검색 제품군에는 2가지 범주의 데이터가 포함됩니다.

1. 1. 비즈니스 기록은 ERP, 창고 관리 시스템, 재고, 자재, 계획 및 일정 수립, EPM으로 구성됩니다.
2. 2. 기술 입력에는 운송 관리, 원격 측정 데이터, 로그 및 이벤트 스트림 소스로부터 수집한 데이터가 포함됩니다.

수집, 변환 제품군은 3가지 기능으로 구성됩니다.

1. 1. 일괄 전송은 OCI FastConnect, OCI Data Transfer, MFT, OCI CLI를 사용합니다.
2. 2. 일괄 수집은 OCI Data Integration, Oracle Integration Cloud, Data Studio를 사용합니다.
3. 3. 변경 데이터 캡처는 OCI GoldenGate 및 Oracle Data Integrator를 사용합니다.

3가지 기능 모두 유지, 선별, 생성 제품군 내의 서빙 데이터 스토어 및 클라우드 스토리지에 단방향으로 연결됩니다.

유지, 선별, 생성 제품군은 5가지 기능으로 구성됩니다.

1. 1. 서빙 데이터 저장소는 Autonomous Data Warehouse, Exadata Cloud Service 및 Exadata Cloud@Customer를 사용합니다.
2. 2. 관리형 Hadoop은 Oracle Big Data Service를 사용합니다.
3. 3. 클라우드 스토리지는 OCI Object Storage를 사용합니다.
4. 4. 일괄 처리는 OCI Data Flow를 사용합니다.
5. 5. 거버넌스는 OCI Data Catalog를 사용합니다.

이상의 기능들은 해당하는 제품군 내에서 서로 연결됩니다. 클라우드 스토리지는 서빙 데이터 저장소 및 관리형 Hadoop에 단방향으로 연결되고, 일괄 처리와는 양방향으로 연결됩니다.

관리형 Hadoop은 서빙 데이터 저장소에 단방향으로 연결됩니다.

2가지 기능이 분석, 학습, 예측 제품군에 연결됩니다: 서빙 데이터 저장소는 분석 및 시각화 기능과 데이터 제품, API 기능 모두에 연결됩니다. 클라우드 스토리지는 머신러닝 기능에 연결됩니다.

분석, 학습, 예측 제품군은 3가지 기능으로 구성됩니다.

1. 1. 분석 기술과 시각화는 GraphStudio, Oracle Analytics Cloud, ISV를 사용합니다.
2. 2. 데이터 제품 및 API는 OCI API Gateway 및 OCI Functions를 사용합니다.
3. 3. 머신러닝은 OCI Data Science, Oracle Machine Learning, ML Notebooks을 사용합니다.

AI Services에는 Oracle Digital Assistant, OCI Language, Speech, Vision이 포함됩니다.

서빙 데이터 저장소, 관리형 Hadoop, 객체 스토리지는 메타데이터를 OCI Data Catalog에 공급합니다.

측정, 실행 제품군은 데이터 분석이 공급망 최적화 지원에 적용되는 방식을 수집합니다. 그 결과물은 2개의 그룹으로 나뉩니다.

1. 1. 첫 번째 그룹인 '사람 및 파트너'에는 지속적인 개선 및 성과 측정, 수요 예측, 재고 계획, 공급망 설계, 네트워크 최적화가 포함됩니다.
2. 2. 두 번째 그룹인 '애플리케이션'에는 리콜 알림 수신, 공간 및 재고 관리 개선, AI/ML을 사용한 운영 프로세스 개선이 포함됩니다.

3가지 주요 제품군(수집 및 변환, 유지 및 선별, 생성 및 분석, 학습 및 예측)에는 인프라, 네트워크, 보안 솔루션, IAM 등이 지원됩니다.

유연하고 성능이 뛰어난 개방형 데이터 플랫폼 구축을 위해 3가지 주요 옵션을 사용해 데이터를 아키텍처에 주입할 수 있습니다.

• 먼저 전체적인 재고 상태를 파악해야 합니다. 이를 위해 우리는 Oracle Cloud Infrastructure(OCI) GoldenGate를 사용해 전체 재고 품목의 운영 데이터베이스 및 관련 사업 부문으로부터 수집한 실시간에 가까운 웨어하우스 재고 데이터의 변경 데이터 캡처 주입을 지원합니다.
• 이제 ERP 시스템, 웨어하우스 관리 시스템, HR 시스템, 건강 관리 정보 시스템, 전사적 성과 관리 시스템으로부터 얻은 데이터 등 관련 데이터세트를 추가해 공급망을 완전히 이해하고 공급망의 상태에 대한 인사이트를 확보할 수 있게 되었습니다. 이러한 데이터세트는 대량의 온프레미스 데이터로 구성되는 경우가 많으며, 대부분의 경우 일괄 수집이 가장 효율적인 수집 방식입니다. 애플리케이션 간 통합(또는 타 OCI 서비스와의 통합)의 경우, Oracle Integration Cloud가 프로세스 간소화 및 비용 효율성 증대를 위한, 입증된 최고의 방법입니다.
• 일괄 전송 서비스는 대량의 데이터를 최초로 Oracle Cloud Infrastructure로 이전해야 하는 경우 사용됩니다(예: 기존 온프레미스 분석 저장소 또는 타 클라우드 소스의 데이터 이전). 어떤 일괄 전송 서비스를 사용하게 될지는 데이터의 위치와 전송 빈도에 따라 달라집니다. 예를 들어 기록 계획 또는 데이터 웨어하우스 저장소로부터 대량의 온프레미스 데이터를 로드할 때 OCI Data Transfer Service 또는 OCI Data Transfer Appliance를 사용할 수 있습니다. 대량의 데이터를 지속적으로 이전해야 하는 경우, 고객사의 데이터 센터와 OCI 간의 고대역폭 전용 프라이빗 네트워크 연결을 제공하는 OCI FastConnect 사용이 권장됩니다.

데이터 지속성 및 처리는 3개의 구성 요소(선택적으로 4개)에 기반합니다.

• 수집된 원시 데이터는 클라우드 스토리지에 저장됩니다. ERP 데이터, 재고 데이터, 기기 및 애플리케이션으로부터 수집한 원격 측정 데이터, 로그, 제품 참조 데이터 등 영구화된 데이터의 일괄 처리를 위해 OCI Data Flow를 사용합니다. 이 처리된 데이터세트는 클라우드 스토리지로 반환돼 꾸준한 유지, 선별 및 분석에 사용되며, 궁극적으로는 서빙 데이터 저장소에 최적화된 양식으로 로딩됩니다. 아키텍처 선호도에 따라 이 과정은 Oracle Big Data Service를 관리형 Hadoop 클러스터로 사용해 수행할 수도 있습니다.
• 이제 서빙 데이터 저장소에서 선별 및 쿼리 성능에 최적화되고 관계형 양식으로 유지할 준비가 된, 처리된 데이터세트가 생성되었습니다. 이를 통해 몇 가지 가치 있는 주요 성과 지표를 빠르게 평가할 수 있습니다. 그중 재고 회전율, 환자 순매출 중 소모품 비용이 차지하는 비율, 확인된 대체제가 존재하는 품목의 비율, 공급업체 이행률, 총 구매 품목 중 만료/폐기된 제품의 비율을 주요 예로 포함할 수 있습니다.

분석, 학습 및 예측 역량은 4가지 기술을 바탕으로 구축됩니다.

• 분석 기술 및 시각화 서비스는 기술 분석(현재의 추세를 히스토그램 및 차트로 설명), 예측 분석(미래 이벤트 예측, 추세 파악, 불확실한 결과의 발생 가능성 추산), 처방 분석(최적의 의사결정 지원을 위해 적합한 조치 제안)을 제공하며, 헬스케어 조직은 각각을 유용하게 활용할 수 있습니다.
  
  
  • 재고에 남아있는 제품의 수 중 유통기한이 만료된 제품의 수를 백분율로 계산
  • 안전한 What-if 분석을 수행하기 위해 공급망에서 디지털 트윈 사용
  • 환자 순매출 중 소모품 비용이 차지하는 비율 계산
  • 대체품이 있는 품목의 비율 파악
• 고급 분석 외에도 여러 머신러닝 모델이 개발, 훈련, 배포됩니다. 해당 모델들은 API를 통해 액세스하거나, 서비스 데이터 저장소에 배포되거나, 스트리밍 분석 파이프라인의 일부로 포함시킬 수 있습니다.
• 머신러닝 모델 생성 시 OCI Data Science, 가용한 OCI AI 서비스 또는 이 둘의 조합을 유연하게 선택해 사용할 수 있습니다. 다음은 몇 가지 OCI AI 서비스 및 공급망 AI/ML 파이프라인의 일환으로 각각이 어떻게 사용될 수 있는지를 보여주는 사례입니다:
  
  
  • OCI Anomaly Detection은 공급망 성능 지표(예: 원자재 재고, 생산 출력량, 진행 중인 작업, 운송 시간, 재고 회전율 등)를 실시간으로 모니터링하여 시스템 중단을 식별 및 해결하는 데 도움을 줄 수 있습니다. 복잡한 공급망에서는 식별된 이상 요인에 부여된 심각성 점수가 비즈니스 중단 요인 처리의 우선순위를 정하고, 관련 조치를 적용하는 데 사용될 수 있습니다.
  • OCI Forecasting은 미래 성과 예측을 위한 공급망 지표(예: 수요, 공급, 리소스 용량 등) 예측을 지원해 적절한 조치를 취할 수 있게 해 줍니다.
  • OCI Vision 및 OCI Language는 출고 제품 품질 보고서 및 제품 결함 보고서 등의 문서를 이해하고, 분석을 위해 공급망 데이터를 보강할 수 있도록 지원합니다.
• 선별 및 테스트한 고품질 데이터 및 모델에는 거버넌스 규칙 및 정책을 적용할 수 있으며, 각각은 헬스케어 조직 전반에 대한 배포 목적으로 데이터 메시 아키텍처 내에 '데이터 제품(API)'으로 노출될 수 있습니다.

자동화된 인텔리전스를 사용해 수익성 및 환자 안전 개선하기

전체 공급망에 대한 온전한 뷰를 확보하면 헬스케어 조직은 지금까지는 답할 수 없었던 많은 질문들에 답을 제시할 수 있게 됩니다. 하지만 그렇게 하기 위해서는 적합한 데이터 플랫폼이 필요합니다. 적합한 데이터 플랫폼은 유연해야 하며, 모든 필요한 데이터 유형을 처리할 수 있어야 합니다. 또한 개방형이어야 하며, 다른 클라우드, 온프레미스 데이터 센터 또는 외부 제 3의 조직에도 손쉽게 연결할 수 있어야 하고, 보안성 또한 뛰어나야 합니다. 모든 데이터에 대한 액세스를 확보하면 헬스케어 조직은 다음을 포함한 다양한 목표를 이룰 수 있습니다.

• 공급업체 위험을 관리하는 동시에 환자의 수요와 공급망 중단을 야기할 수 있는 변수 파악—공급업체 위험과 환자 수요 간의 관계를 깊이 있게 이해하면 적합하고 신뢰할 수 있는 공급업체 목록을 중앙 관리함으로써 전체 비즈니스 운영 모델 전반에서 보다 증대된 운영 효율성을 확보 할 수 있습니다
• 환자 안전 증대를 위한 헬스케어 공급망 강화, 품질 제어 개선 및 비용 절감
• 데이터 공유를 통해 공급업체에 대해 깊이 있게 이해함으로써 공급망 복원력 증진
• 민첩성 증대, 보다 신속한 계획 수립 및 트레이드오프 결정, 변화 발생 시 계획 수정 및 모니터링