📈 economics

The Effects of Environmental Risk and Regulatory Pressure on Operational Vulnerability and Disruption Probability in Supply Chains: An Integration of PLS-SEM and Machine Learning

본 연구는 터키 공급망 관리자들의 데이터를 활용하여 PLS-SEM과 머신러닝의 하이브리드 접근 방식을 적용함으로써, 환경적 리스크와 규제 압력이 주로 운영상의 취약성을 높임으로써 중단 확률을 증가시킨다는 점을 입증하며, 이는 관리자들이 단순히 외부 위협을 모니터링하는 것보다 내부 취약성을 완화하는 것을 우선시해야 함을 시사한다.

원저자: HALDUN TURAN

게시일 2026-09-01

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: HALDUN TURAN

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

글로벌 공급망을 단일하고 견고한 선이 아니라, 공장, 트럭, 창고, 항구 사이의 방대하고 복잡한 연결망인 거미줄로 상상해 보십시오. 수십 년 동안 기업들은 갑작스러운 폭풍, 글로벌 정치의 변화, 또는 새로운 정부 규제와 같이 외부에서 이 거미줄을 끊어놓을 수 있는 요소들을 걱정해 왔습니다. 이러한 외부의 힘은 흔히 '리스크(위험)'라고 불립니다. 하지만 새로운 연구는 기업의 지속적인 가동 능력에 대한 진짜 위협이 단순히 폭풍 그 자체가 아니라, 폭풍이 들이닥치기 전의 거미줄이 얼마나 취약한가에 있다는 점을 시사합니다. '운영 취약성(operational vulnerability)'이라고 알려진 이 취약성은 외부의 문제가 어떻게 대규모 중단으로 이어지는지를 결정짓는 내부적 약점입니다. 기업들이 오랫동안 문제를 감지하기 위해 지평선을 주시하는 데 집중해 온 반면, 이 연구는 다른 질문을 던집니다. 즉, 발생하는 피해 중 실제로 기업의 구조 자체에 의한 것은 얼마이며, 외부 세계에 의한 것은 얼마인가 하는 점입니다.

이를 규명하기 위해 연구자 할둔 투란(Haldun Turan)은 튀르키예 전역의 제조 및 물류 기업에서 근무하는 384명의 관리자를 대상으로 조사를 실시했습니다. 이들은 제품 공장에서 최종 배송에 이르기까지 물품의 이동을 책임지는 사람들입니다. 연구는 두 가지 주요 유형의 외부 압력을 조사했습니다. 하나는 예측 불가능한 고객 수요의 변화, 경제적 변동, 자연재해 등을 포함하는 '환경적 리스크'이며, 다른 하나는 기업이 준수해야 하는 정부 규제와 환경 표준의 증가를 의미하는 '규제 압력'입니다. 연구자는 이러한 외부 요인들이 공급망을 직접적으로 붕괴시키는지, 아니면 먼저 공급망을 더 취약하게 만든 뒤 붕괴를 유도하는지를 확인하고자 했습니다. 명확한 그림을 얻기 위해 연구는 두 단계의 접근 방식을 사용했습니다. 먼저, 통계적 방법을 사용하여 이러한 개념들 사이의 관계를 매핑하고, 이들이 어떻게 연결되는지에 대한 특정 이론을 검증했습니다. 그다음, 동일한 데이터를 새로운 미지의 정보에 대해 테스트하도록 설계된 컴퓨터 알고리즘에 입력하여, 그 이론이 검증되었을 때도 유효한지 확인했습니다.

연구 결과는 명확하면서도 다소 놀라운 관점의 전환을 보여주었습니다. 연구에 따르면 환경적 리스크와 규제 압력 모두 공급망을 더 취약하게 만들지만, 이들이 독자적으로 직접적인 중단을 일으키지는 않는 것으로 나타났습니다. 대신, 이러한 외부의 힘은 시스템의 균열을 드러내는 일종의 '스트레스 테스트' 역할을 합니다. 기업이 까다로운 규제나 갑작스러운 경제적 변화에 직면할 때, 단일 공급처에 의존하거나, 예비 재고가 너무 적거나, 쉽게 적응할 수 없는 프로세스를 갖추는 것과 같은 내부적 약점이 실제 중단의 진정한 원인이 됩니다. 실제로 데이터에 따르면 규제 압력이 환경적 리스크보다 이러한 내부적 약점을 유발하는 더 강력한 동인인 것으로 나타났습니다. 이는 비즈니스를 더 안전하거나 친환경적으로 만들기 위해 설계된 규제들이 때로는 운영을 너무 경직되게 만들어, 예상치 못한 변화를 처리하는 데 필요한 유연성을 상실하게 만들 수 있음을 시사합니다.

가장 중요한 발견은 기업의 내부 취약성을 고려했을 때, 외부 리스크가 중단 발생 여부와 더 이상 직접적인 연결 고리를 갖지 않는다는 점입니다. 다시 말해, 폭풍이나 새로운 법안이 자동으로 공급망을 멈추게 하는 것이 아니라, 공급망이 부러지지 않고 휘어질 만큼 충분히 유연하지 못할 때만 멈추게 한다는 것입니다. 연구는 운영 취약성이 외부 압력을 실제 세계의 실패로 전환하는 핵심 메커니즘임을 확인했습니다. 연구진이 머신러닝을 사용하여 모델을 테스트했을 때, 결과는 이 결론을 뒷받침했습니다. 복잡한 알고리즘을 포함한 컴퓨터 모델들은 미래의 중단을 예측하는 데 있어 가장 중요한 예측 인자가 외부 리스크의 수준이 아니라 현재의 내부 취약성 수준임을 찾아냈습니다. 흥러운 점은, 가장 복잡한 컴퓨터 모델조차 단순하고 직관적인 계산보다 성능이 크게 뛰어나지 않았다는 것인데, 이는 이러한 요인들 사이의 관계가 숨겨진 복잡한 뒤틀림 없이 직접적이고 선형적임을 시사합니다.

기업 리더들에게 이는 안전을 지키기 위한 전략의 변화를 의미합니다. 모든 가능한 외부 위협을 예측하는 데 대부분의 에너지와 비용을 쏟는 대신, 연구는 내부의 약점을 고치는 데 자원을 집중해야 한다고 제안합니다. 이 연구는 기업이 내부의 취약성을 질병이 닥치기 전 환자의 활력 징후를 체크하는 의사처럼, 문제의 '선행 지표'로 취급해야 한다고 제안합니다. 백업 공급처를 확보하고, 유연한 프로세스를 구축하며, 충격을 흡수할 수 있는 충분한 완충 재고를 보유하는 등 내부 구조를 능동적으로 관리함으로써, 기업은 외부 압력 속에서도 살아남을 수 있는 시스템을 구축할 수 있습니다. 또한 연구는 규제를 준수하는 것이 필수적이긴 하지만, 운영을 지나치게 경직되게 만드는 방식으로 준수할 경우 오히려 역효과를 내어, 기업이 피하고자 했던 바로 그 중단에 더 취약하게 만들 수 있다고 경고합니다. 궁극적으로 이 연구는 회복력이란 단순히 날씨를 관찰하는 것이 아니라, 어떤 폭풍도 견뎌낼 수 있는 배를 만드는 것임을 주장합니다.

기술 요약: 환경적 리스크와 규제 압력이 공급망의 운영 취약성 및 중단 확률에 미치는 영향

문제 제기
글로벌 공급망은 지정학적 긴장, 수요 변동, 그리고 지속가능성에 초점을 맞춘 규제 압력의 증가로 인해 전례 없는 불확실성에 직면해 있다. 기존 문헌은 공급망 회복탄력성과 리스크 완화에 대해 광범위하게 다루고 있으나, 외부 리스크 요인과 중단 결과 사이를 연결하는 구체적인 메커니즘에 대한 이해는 부족한 실정이다. 외부 리스크 요인(환경적 리스크 및 규제 압력)과 내부 구조적 약점(운영 취약성)을 정량적으로 구분하는 데에는 중요한 격차가 존재한다. 또한, 현재의 연구들은 엄격하게 외표본 예측 능력을 테스트하지 않은 채 설명 모델에 의존하는 경우가 많아, 이론적 인과관계와 예측적 유용성 사이에 괴리를 남기고 있다.

연구 방법론
본 연구는 부분최소제곱 구조방정식 모델링(PLS-SEM)과 머신러닝(ML) 알고리즘을 통합한 하이브리드 2단계 방법론적 설계를 채택하였다.

데이터 수집: 튀르키예 제조 및 물류 기업의 공급망, 물류 및 운영 관리자 384명을 대상으로 온라인 설문조사를 통해 1차 데이터를 수집하였다. 표본은 연령대와 기업 규모에 걸쳐 균형 잡힌 대표성을 확보하기 위해 비확률 할당 추출법을 활용하였다.
1단계 (설명 모델링): 가설화된 구조적 관계를 검증하기 위해 PLS-SEM을 사용하였다. 측정 모델은 신뢰도(Cronbach's alpha, 합성 신뢰도)와 타당도(Fornell-Larcker 및 HTMT 비율을 통한 수렴 및 판별 타당도)에 대해 검증되었다. 구조 모델은 부트스트래핑(5,000개 서브샘플)을 통해 경로 계수, $R^2$ , 효과 크기( $f^2$ ), 예측 관련성( $Q^2$ )을 평가하였다. 공통방법편향은 Harman의 단일 요인 검사와 공통 잠재 요인법을 통해 평가되었다.
2단계 (예측 분석): PLS-SEM 분석에서 도출된 잠재 변수 점수를 선형 회귀(Linear Regression), 랜덤 포레스트(Random Forest), 그래디언트 부스팅 트리(GBT)의 세 가지 머신러닝 알고리즘의 입력 특성으로 전달하였다. 데이터셋은 80%의 훈련 세트와 20%의 테스트 세트로 분할되었다. 모델 성능은 $R^2$ , 평균 절대 오차(MAE), 평균 제곱근 오차(RMSE)로 평가되었으며, 안정성을 평가하기 위해 5-겹 교차 검증이 적용되었다.

주요 결과

구조적 관계: PLS-SEM 분석 결과, 환경적 리스크( $\beta = 0.283, p < 0.001$ )와 규제 압력( $\beta = 0.433, p < 0.001$ ) 모두 운영 취약성에 유의미한 정(+)의 영향을 미치는 것으로 확인되었다. 운영 취약성은 다시 중단 확률의 강력한 예측 변수가 되었다( $\beta = 0.619, p < 0.001$ ).
매개 효과: 매개 분석 결과, 운영 취약성이 외부 리스크 요인(환경적 리스크 및 규제 압력)과 중단 확률 사이의 관계를 완전 매개하는 것으로 나타났다. 취약성을 고려했을 때 리스크 요인이 중단 확률에 미치는 직접적인 효과는 통계적으로 유의하지 않았다.
예측 성능: 머신러닝 단계에서 랜덤 포레스트 모델이 가장 높은 예측 정확도( $R^2 = 0.505$ , 테스트 세트 기준)를 달 기록하며, 선형 회귀( $R^2 = 0.501$ )를 근소하게 앞질렀다. 그래디언트 부스팅 트리 모델은 과적합을 보여 테스트 세트에서 음수의 $R^2$ ($-0.344$)를 나타냈다. 랜덤 포레스트 모델의 특성 중요도 분석 결과, 운영 취약성이 지배적인 예측 변수(중요도 점수: 0.71)로 나타났으며, 규제 압력(0.17)과 환경적 리스크(0.12)가 그 뒤를 이었다.
모델 적합도: 구조 모델은 수용 가능한 적합도(SRMR = 0.049)와 중간 수준의 설명력( $R^2 = 0.449$ for Operational Vulnerability; $R^2 = 0.384$ for Disruption Probability)을 보였다.

핵심 기여

이론적 통합: 본 연구는 외부 리스크 요인과 내부 운영 취약성 사이의 개념적 구분을 명확히 한다. 이는 운영 취약성을 환경적 및 규제적 압력이 중단 확률로 이어지는 핵심 메커니즘으로 위치시킴으로써, 생존 가능한 공급망(Viable Supply Chain) 모델과 제도 이론(Institutional Theory)을 확장한다. 특히, 규제 압력이 환경적 리스크보다 취약성의 더 강력한 선행 요인임을 밝혀냄으로써, 외부 충격이 주요 위협이라는 직관에 도전한다.
실무적 통찰: 연구 결과는 회복탄력성 노력이 단순히 외부 리스크를 모니터링하는 것보다 내부 취약성을 줄이는 데 집중될 때 가장 효과적임을 시사한다. 외부 리스크는 취약성을 통해서만 간접적으로 중단에 영향을 미치므로, 관리자는 외부 리스크 대시보드보다는 내부 구조적 강화(예: 대체 공급원 확보, 버퍼 용량, 프로세스 모듈화)를 우선시해야 한다.
방법론적 발전: 본 논문은 설명적 구조 모델링과 예측 분석의 통합을 보여준다. 복잡한 ML 알고리즘(부스팅 등)이 저차원 데이터 구조에서 유의미한 이점을 제공하지 못하고 오히려 과적합을 겪는 것을 보여줌으로써, 간결한 구조 모델이 이 영역에 적합하다는 것을 입증하였다.

의의 및 주장
본 논문은 리스크-취약성-중단의 체인을 총체적으로 모델링하고, 취약성이 중단의 핵심 전달 메커니즘이라는 경험적 증거를 제공함으로써 운영 관리 이론을 발전시킨다고 주장한다. 실무적으로는 회복탄력성이 외생적 사건에 반응하기보다 내부 시스템 아키텍처를 관리함으로써 최적으로 달성된다는 일반화된 원칙을 제시한다. 방법론적으로, 본 연구는 저차원 운영 관리 문제에 대해 복잡한 알고리즘을 무분별하게 사용하는 것에 대한 경고 사례로서 역할을 하며, 기초적인 구조 모델이 이론적으로 견고할 때 단순한 선형 관계만으로도 충분함을 보여준다. 결론적으로, 지속 가능한 공급망 회복탄력성을 위해서는 반응적인 리스크 모니터링에서 벗어나 운영 취약성을 줄이는 데 초점을 맞춘 선제적인 시스템 설계로의 전환이 필요하다.

유사한 논문