1) 문제점
- 통합 관리의 어려움: 수산물 콜드체인(냉장/냉동고 등) 기기의 매장별 수량, 상태, 점검 이력 등이 개별적으로 관리되어 전체 현황을 통합적으로 파악하고 모니터링하기가 어려움
- 실시간 대응 불가능: 기기의 고장이나 이상 상태 발생 시 이를 수기로 보고하는 방식 때문에 실시간 상태 파악이 불가능하여 적시 대응이 어렵고, 수산물의 신선도 유지에 위험
- 관리 범위의 확장 문제: 매장 수가 증가함에 따라 관리해야 할 기기의 수와 범위가 넓어져 전체 현황을 한눈에 파악하고 관리하는 데 비효율성이 발생
- 전략적 의사결정의 한계: 매장별 운영 현황과 콜드체인 기기 상태 데이터를 연계하여 분석할 수 없어, 유지보수나 장비 교체 등의 전략적 의사결정에 필요한 객관적인 데이터가 부족
- 물류 과정의 투명성 부족: 생산지에서 매장까지의 운송 중 냉장 상태를 실시간으로 추적할 수 있는 체계가 부재하여, 수산물의 신선도 유지와 품질 보증에 어려움이 존재하였음

2) 목표
- 통합 관리 시스템(CMS) 구축: 모든 매장과 수산물 콜드체인 기기(냉장/냉동고)를 하나의 플랫폼에서 통합하여 실시간으로 관리할 수 있는 시스템을 구축
- 실시간 현황 파악: 매장 수, 기기 수, 기기 상태(온도, 습도 등), 점검 이력 등을 실시간으로 확인 가능하게 하여 관리의 투명성과 효율성을 극대화
- 운영 효율성 및 정확성 확보: 매장 및 기기 관리 업무를 디지털화하여 기존의 수작업 기반 보고·점검 프로세스를 개선하고 운영의 효율성과 데이터의 정확성을 확보
- 데이터 기반 전략 지원: 콜드체인 데이터를 활용하여 전략적 의사결정을 지원하고, 최적화된 매장 및 기기 운영이 가능하도록 인프라를 마련
- 본 시스템은 매장 단위 관리뿐 아니라 운송 경로별 IoT 디바이스 데이터를 실시간으로 수집·분석하여, 수산물 이동 전 과정(보관–운송–판매)에 대한 가시성을 확보하는 것을 목표로 함

3) 중점적으로 해결하려 한 부분
- 데이터 통합 및 실시간 조회: 매장/기기 정보와 실시간 센서 상태 데이터(온도/습도)를 한 플랫폼에 통합하여 관리자가 언제든지 최신 상태를 실시간으로 조회하고 활용
- 시각화 기반 관리: 매장별 기기 현황과 상태, 주요 지표를 대시보드 형태로 직관적으로 시각화하여 제공함으로써, 관리자가 복잡한 데이터를 쉽고 빠르게 이해하고 대응
- 운영 효율성 향상을 위한 디지털화: 수작업 기반의 보고 및 점검 업무를 디지털화된 시스템으로 전환하여, 데이터 누락이나 중복을 최소화하고 업무 처리 시간을 단축
- 전략적 의사결정 지원: 기기의 고장률, 가동률, 점검 이력 등의 통계 데이터를 제공하여, 관리자가 데이터를 기반으로 유지보수 계획, 장비 투자 등 전략적 판단을 내릴 수 있도록 지원
- 물류 구간 실시간 관제: 운송 차량 내 IoT 센서(온도/습도/진동/위치)로부터 데이터를 수집하여, 운송 경로별 냉장 상태 이상 여부를 실시간 모니터링 및 알림. 물류 단계별 온도 이력 자동 기록을 통해 품질 이력(Traceability) 관리 체계 구축.

기술적 이슈 및 해결 방안

1) 다양한 기기 데이터 통합 문제
상황 : 매장별 냉장/냉동고 등 콜드체인 기기들이 제조사별, 모델별로 서로 다른 통신 프로토콜(TCP/IP, Modbus, MQTT 등)을 사용하고 있어 데이터를 통합 수집하기 어려움.
해결 방안:
- IoT 게이트웨이 구축 : 매장 내 모든 기기를 연결하는 IoT 게이트웨이를 설치하고, 각 기기별 프로토콜을 표준화된 형식(JSON/XML)으로 변환.
- API 기반 통합 관리 : 제조사별 API를 연동하여 중앙 CMS에서 모든 기기 데이터를 통합 조회.
- 센서 표준화 : 신규 기기 도입 시 온도/습도 센서를 표준 IoT 통신 규격으로 선택.

2) 실시간 데이터 수집 및 모니터링 어려움
상황 : 기존 수작업 보고 시스템으로는 기기 이상 상태를 즉시 확인할 수 없고, 신속 대응이 어렵다.
해결 방안:
- 실시간 스트리밍 데이터 처리 : MQTT, WebSocket, Kafka 등을 활용해 센서 데이터를 실시간 수집.
- 알람/알림 시스템 구축 : 온도/습도 기준 초과 시 관리자 모바일 앱 또는 CMS 대시보드로 즉시 알림 전송.
- 이력 기록 자동화 : 점검 기록, 상태 변경 로그를 자동 저장하여 추후 분석과 감사 가능.

3) 매장 및 기기 증가 시 확장성 문제
상황: 매장이 늘어나고 기기가 많아질수록 기존 시스템 구조에서는 데이터 처리 지연, 서버 부하, 관리 복잡성이 증가.
해결 방안:
- 클라우드 기반 인프라 도입 : AWS, Azure, GCP 등 클라우드 플랫폼을 활용하여 서버/DB 수평 확장 가능.
- 마이크로서비스 아키텍처(MSA) : 매장 관리, 기기 상태, 알람, 보고 등 기능을 서비스 단위로 분리하여 독립적 확장 및 유지보수 용이.

4) 데이터 분석 및 전략적 의사결정 지원 한계
상황: 기기 상태, 고장률, 점검 이력 등의 데이터를 분석할 수 있는 체계가 부족해 전략적 판단에 활용 어려움.
해결 방안:
- 데이터 웨어하우스 구축 : 수집된 데이터를 통합 DB 또는 DW에 저장하여 분석 기반 마련.
- BI 대시보드 구현: Tableau, PowerBI, Grafana 등을 활용해 KPI(고장률, 가동률, 유지보수 비용 등) 시각화.
- 예측 분석 적용: 고장 예측 모델(Predictive Maintenance) 도입으로 사전 유지보수 가능.

5) 기존 수작업 기반 운영 전환 문제
상황: 관리자와 직원이 기존 수작업 프로세스에 익숙하여 시스템 도입 시 초기 혼선 발생 가능.
해결 방안:
- UI/UX 친화적 CMS 설계: 직관적인 대시보드와 알림 중심 UI 제공.
- 단계적 전환: 기존 수작업과 병행 운영하며 점진적으로 디지털화.
- 교육 및 가이드 제공: 관리자·현장 직원 대상 매뉴얼 제공.

6) 물류 경로 추적 및 위치 데이터 통합 문제
상황: 운송 차량 및 물류 창고별로 GPS·온도 센서 데이터의 표준화가 되어 있지 않아, 경로 기반 실시간 추적 및 이상 탐지가 어려웠음.
해결 방안:
- IoT 게이트웨이에 GPS·BLE 모듈을 통합하여, 운송 구간별 위치 및 상태를 동시에 전송.
- 클라우드 기반 위치데이터 DB를 구축하여 경로별 상태(온도/습도/속도/충격 등)를 시각화.
- 지도 기반 물류관제 화면에서 운송 경로 및 이탈 구간을 실시간 표시.