This study focuses on an actual project that improves the inventory level by 24.5%. Woongjin Chemical, a leading company of filter products and synthetic fibers in Korea, was suffering from high level of inventory. To reduce the inventories and the operational inefficiencies, Woongjin Chemical embarked on a project on its Micro Filter business with KAIST and Deloitte Analytics Korea in March 2012. To figure out the cause of the inventory pile-up, we analyzed the data and the business process throughout the whole supply chain. The complexity and uncertainty of the decision making between the sales department and the production department led to the increase of the inventory. To solve this situation, we developed an optimization-based system for production planning and sequencing. The production planning is formulated by a mixed integer linear programming with the earliness and tardiness penalty function. A heuristic combining minimum slack time (MST) and shortest processing time (SPT) with a push-back procedure is proposed. For the daily sequencing with sequence-dependent setup time, we formulated a traveling salesman problem (TSP) with the closest unvisited city rule to minimize the setup time. After a one-month test period in July 2012, we implemented our optimization model to the company’s IT system, where the data acquisition and the user interfaces are provided. The business process was also redesigned along with the optimized logic. As a result, the optimized decision making process of production planning and sequencing has been successfully executed enterprise-wide. For seven months of execution, from July 2012 to January 2013, it helped Woongjin Chemical Micro Filter business to reduce the inventory level of finished product by 24.5% and to improve the lead time by 23.3%.
본 연구는 웅진케미칼에 생산계획 최적화 시스템을 구축하여 24.5%의 재고 감축을 이루어낸 실제 성공 프로젝트를 기반으로 한다. 국내 필터/화학섬유 회사인 웅진케미칼은 재고가 쌓이는 현상을 해결하기 위해 프로젝트를 의뢰하였고, 2013년 3월부터 6개월간 KAIST 산업 및 시스템 공학과 장영재교수 연구실과 딜로이트 컨설팅의 애널리틱스 팀이 공동으로 수행하게 되었다. 해결방안을 제시한 뒤 Exit하는 기존 컨설팅 프로세스와는 다르게, 본 프로젝트는 문제해결방안을 실제로 운영해 보고 검증한 뒤 기업의 IT 시스템과 비즈니스 프로세스에 완전히 맞물려 운영되도록 하였다.
재고가 쌓이는 문제를 해결하기 위해서는 재고관리, forecasting, buffer 최적화 등 다양한 산업공학적 접근방식이 있다. 이들 중 적합한 방식을 찾으려면 재고가 쌓이는 근본 원인을 파악해야 한다. 우리는 Business Analytics(BA)를 통해 웅진의 공급체인 전 과정에 가쳐 각각에서 발생하는 데이터를 및 비즈니스 프로세스를 분석하여 재고가 쌓이는 근본 원인을 파악하고 이에 알맞은 접근방식을 선택하였다. 결과적으로 우리는 BA를 Data, Business/Operation 분석, Advanced analytical technique, IT system이 한데 어우러져 기업에게 실질적 가치를 주는 것으로 정의하고 이에 따라 프로젝트를 진행하였다.
우선 영업 데이터 분석을 통해, 다품종 체계를 기반으로 하는 기업 전략으로 인하여 매년 제품 수가 증가하는 것을 파악하였다. 이는 생산시설이 증축되지 않는 이상 생산의 복잡성으로 이어질 수 있으며 재고 관리가 어려워질 수 있다는 것을 유추할 수 있었다. 관련하여 생산 오퍼레이션 데이터를 분석해보니, 한 기계에서 품종변경으로 인한 셋업 횟수가 매년 증가하는 것을 확인할 수 있었다. 또한, 영업 프로세스 분석을 통해, 영업사원이 VIP고객 주문에 대응하기 위해 주문이 확정되지 않았더라도 ERP 시스템에 미리 주문을 넣을 수 있다는 것도 확인하였다. 이렇듯 영업에서 생산으로 이어지는 복잡성 증가를 확인한 뒤, 그 사이의 생산계획 및 재고관리 단계에서 나오는 데이터 및 프로세스를 분석하였다. 생산계획 담당자는 매주 일요일에 주문 데이터를 내려 받아 스프레드시트를 이용하여 약 6시간에 걸쳐 수작업으로 차주의 생산계획을 세우게 된다. 이처럼 시간이 매우 오래 걸리기 때문에 일주일에 한 번 생산계획을 세우고 있는 상황이었으며, 차주 월요일에 들어온 주문은 한 주 동안 기다린 뒤 해당 주 일요일에 계획이 잡히게 된다. 이럴 경우 발생하는 납기지연을 방지하기 위해, 생산계획 담당자는 주문이 자주 들어오는 제품에 대하여 경험을 기반으로 생산량을 약간 늘려서 미리 생산하는 방식으로 진행하고 있었다. 또한, 수 백 종의 제품에 대해 수작업으로 생산계획을 세워야 하기 때문에, 공장의 capacity와 제품들의 processing time 및 setup time 등을 제대로 고려하기 어려우며, 이로 인해 종종 계획대로 생산하기 어렵거나 주문들이 밀리는 상황이 발생하는 것을 확인하였다. 공장에서 실제로 쓰이는 생산계획표와 재고관리표 데이터를 분석한 결과, 주문 정보 없이 제품과 수량만을 기반으로 관리되고 있다는 것을 확인하였다. 이로 인해 현재 생산하고 있는 제품이 어떤 주문에 해당하는 것인지 바로 알 수 없으며, 서로 다른 주문이더라도 제품이 같으면 합쳐져 생산되기 때문에, 납기일이 넉넉한 제품도 미리 생산되어 재고로 남을 가능성이 높음을 알 수 있었다. 또한, 재고 관리 시에도 특정 재고가 어떤 주문을 위해 만들어져 있는지, 예측되어 미리 생산된 제품인지 알 수가 없어 관리가 어렵고 이에 따라 악성재고가 늘어날 수 있다는 점을 유추할 수 있었다.
즉, 영업에서는 제품 생산이 지연될 수 있는 상황에서 고객의 납기를 잘 맞추기 위해 확정되지 않은 주문을 미리 넣고, 생산에서는 납기 지연이 없도록 몇몇 제품을 주문량보다 더 많이 생산하는 상황이 발생하고 있었으며, 이는 필연적으로 재고가 쌓이는 상황으로 이어진다. 따라서, 우리는 영업과 생산의 연결고리인 생산계획의 최적화를 통해 복잡성과 줄이고 영업과 생산이 정보를 빠르게 공유하고 주문대응력을 높이는 방향으로 프로젝트를 진행하였다. 즉, 재고가 쌓이는 문제에 대한 접근법으로 스케줄링을 선정하였다.
우리는 재고비용에 해당하는 earliness penalty와 납기지연 비용에 해당하는 tardiness penalty를 고려한 최적 생산계획을 개발하였으며, 여기서 나온 계획의 일별 최적 생산순서를 결정하는 sequencing 모델을 개발하였다. 생산계획으로서 single machine total earliness/tardiness penalty problem with capacity and setup constraint를 Mixed Integer Linear Programming (MILP) 모델을 만들었으며, 이 NP-complete 문제의 특성을 파악하여 Minimum Slack Time rule(MST) 과 Shortest Processing Time rule (SPT) 및 push-back procedure를 결합한 휴리스틱을 개발하였다. 생산순서 문제는 웅진의 셋업 변경 시간이 sequence-dependent라는 점을 고려하여Traveling Salesman Problem (TSP)로 수식화하였으며, 이는 closest unvisited cities rule을 응용한 휴리스틱을 통해 일별 셋업 시간을 최소화하는 생산순서를 구할 수 있도록 하였다.
2012년 7월 한 달 동안의 테스트 기간을 통하여 우리가 개발한 생산계획 최적화 시스템의 실효성을 검증하였으며, 현장의 피드백을 통해 모델을 계속적으로 수정하였다. 위에서 언급한 두 휴리스틱을 Java로 프로그래밍하여 나온 최적 생산계획표를 웅진케미칼에 전달하면, 웅진케미칼은 해당 계획표에 따라 공장을 가동하였다. 최종 모델을 확인 받은 뒤, 최적 생산계획으로 인해 변화될 비즈니스 프로세스 또한 재설계하였고, 주문 정보가 생산에서도 계속 유지될 수 있도록 생산계획표와 재고 박스 스티커의 인터페이스도 개선하였다. 또한, 최적화 시스템이 기업 내에서 완전히 운영될 수 있도록 웅진케미칼 정보팀과 함께 data acquisition 작업을 진행하였다. 이를 통해 ERP 시스템에서 주문데이터를 가져와 최적화 프로그램에서 사용될 수 있는 인풋 데이터를 생성하도록 하는 프로세스를 자동화하였다. 인풋 데이터는 MS Access file 형식을 기반으로 하여 생산계획에서 쓰이는 capacity, 가동 설비 수 등 parameter 값을 사용자가 변화시킬 수 있도록 하였다. 이로 인해 유동적인 생산계획 및 what-if analysis를 가능하도록 하였다. 최적화 프로그램은 유지보수/업데이트가 용이하도록 실행파일 형식으로 전달하였으며, 최종적으로 나오는 생산계획표는 Visual Basic for Application (VBA) 프로그래밍을 통해 사용자에게 익숙한 MS Excel 파일에 스케줄 템플릿에 결과가 자동으로 출력되도록 하였다.
2012년 7월부터 2013년 1월까지의 운영 결과 반제품 재고를 24.51% 줄일 수 있었으며, 리드타임을 23% 개선하였다. 또한, 약 6시간이 걸리던 생산계획 작성 작업을 5분 내로 줄였으며, 이를 통해 영업과 생산의 빠른 소통으로 주문대응력을 강화시켰다. 주문의 생산 진행현황 및 리드타임을 실시간으로 확인할 수 있게 되었으며, 납기 준수 여부를 파악하여 사전에 대비할 수 있도록 하였다. 무엇보다도, 공급체인 전반의 의사결정 투명성을 촉진시켰다.
