BMW는 전세계 31개 생산 지역에서 매일 약 9,000대의 차량을 생산한다. 또 매일 3천만 개의 부품을 적시적소에 공급해야 된다. 현재 증강 현실 고글부터 자율 운송 로봇, 전기 구동 트럭에 이르기까지 BMW는 미래의 물류에 대해 현재 다양한 기술과 혁신을 테스트하고 있다.
BMW는 미래의 물류는 혁신, 디지털화 및 지속 가능성에 점점 더 의존하게 될 것이며, 완전히 구축된 네트워크화 된 공급망, 자율 운송 로봇 및 운송 프로세스에 기존 차량 정보를 이용하면 물류는 보다 유연하고 효율적으로 이루어질 수 있을 것이라고 한다.
BMW 생산 네트워크의 물류 책임자인 위르겐 마이들(Jürgen Maidl)에 따르면 "물류는 BMW 생산 시스템의 핵심입니다. 이에 혁신적인 기술 적용과 디지털 기술의 융합은 복잡한 물류 프로세스의 핵심 요소가 될 것입니다."라며, "동시에 지속 가능하고 효율적인 솔루션 또한 우리에게 중요합니다. 우리는 이미 일련의 파일럿 프로젝트에서 우리의 미래 기술을 테스트하고 있습니다."라고 말했다.
마르코 프 루글 마이어(Marco Prüglmeier) BMW 그룹 인바운드 물류 혁신 및 인더스트리 4.0 프로젝트 매니저는 "우리는 미래에 대한 분명한 비전을 갖고 있으며, 내일의 기술을 이미 탐구하고 있습니다. 우리는 부품 입고 창고부터 생산 공장, 그리고 출고에 이르기까지 물류 프로세스의 모든 단계에서 혁신적인 가능성을 확인했습니다."라고 말했다.
현재, BMW 딩골핑(Dingolfing) 공장에서 테스트 중인 프로젝트의 공급 체인(Connected Supply Chain)은 다양한 물류 서비스 제공 업체와의 긴밀한 협력을 통해 전세계에 분산 된 공급 업체 네트워크로 구성된다.
공급망 전반에 걸쳐 완전한 데이터 투명성 확보해 각 품목의 위치와 시간에 맞춰 공급 될지 여부를 알 수 있으며, 즉시 대응할 수 있다. 예를 들어, 운송 트럭이 고장이나 사고에 연루되어 있는 경우 연결된 공급망은 자동으로 실시간으로 대응조치를 시작한다.
동시에, 프로세스 중요 부품의 상태는 소위 '상태 감시(condition monitoring)'를 통해 센서로 모니터링 한다. 이 정보로 손상된 부품을 조기에 식별하고 교체 또는 납품이 필요한지 여부를 확인할 수 있어 지연 또는 비용이 많이 드는 추가 작업 및 대체 프로세스를 줄이고 프로세스의 오류를 미연에 방지하고 또한 해결할 수 있다.
자율 주행은 물류 분야에서 점점 더 중요한 역할을 한다. BMW는 10대의 자율주행 '스마트 운송 로봇(Smart Transport Robots, 이하 STR)'을 투입해 공장에 각 구성 요소에 필요한 부품과 장비를 운송하고 있다. 독창적 인 것은 자율주행 운송 로봇이 네비게이션을 위해 바닥에 장착 된 유도 루프를 필요로 하지 않는다.
가반중량이 500Kg인 STR은 정확한 위치와 경로를 계산하기 위해 무선 송수신기로 거리를 측정하며, 중요한 상황을 식별하고 대응하기 위해 센서를 사용하여 사람과 다른 차량과 경로를 공유 할 수 있다.
BMW는 현재 진행 중인 프로젝트는 5개월간의 테스트 후, 생산라인으로 이전 될 것이며, 여기서 10대의 STR은 물류 작업에서 처음으로 사용되고 부여된 운송 부분을 독립적으로 수행하게 된다. 또 다음 개발 단계에서는 3D카메라 시스템을 적용하여 더 정밀도를 높일 것이며, 이 프로젝트는 도루트먼트의 프라운호퍼 연구소(Fraunhofer Institut)와 함께 진행 중이다.
또한, BMW 딩골핑(Dingolfing) 공장에서는 '자율 튜거(Tugger)' 기차가 조종되고 있다. 셀프 - 네비게이션 튜거 기차는 조립 물류 공급에 사용되며, 특히 개별 창고와 조립공정 지역 사이의 장거리 운송에 사용된다. 튜거 열차의 독립적으로 조종되며, 항법은 레이저 신호에 의존한다. 실시간으로 디지털 2D룸 프로파일을 생성하며, 특정 경로의 조립 및 물류 영역을 따라 이동할 수 있다.
BMW는 이번 테스트에 물류 요원에게 증강현실(AR) 데이터 고글을 지원하여 부품을 어디에서 찾을 수 있는지, 어디에 놓을지를 부품을 분류하는 사람에게 신호를 보내 정확한 물류 프로세스에 지연과 사고를 미연에 방지한다. 또 다른 테스트 시나리오에서는 데이터 고글의 사용은 더욱 진보된다.
인공지능(AI)을 적용한 데이터 고글은 각 부품은 데이터 고글에 의해 시각적으로 기록되고 화상 품질 검사를 거치며, 이미지 정보는 컴파일 된 데이터베이스와 비교된다. 몇 밀리 초 이내에 시스템은 구성 요소가 완벽한지 여부를 알 수 있으며, 서로 다른 유형의 결함을 독립적으로 인식 할 수 있는 것이다.
이밖에 차량 인도를 위한 투명성 향상, 철도 운송으로 CO2 배출량 감소, 근거리에서 물류 서비스 제공 업체와 협력하여 무공해 전기 트럭이 뮌헨과 라이프찌히의 도로에서 이미 현지 배송에 투입돼 운행하고 있다.
