Supply chain management (SCM) of fashion industry have started to receive attention, after big fashion companies used their own database servers to improve their distribution processes of vendor managed inventory (VMI) systems. Our research started from “KAIST and Kolon Sport (K/S) Big Data & Business Analytics Project”, whose objective is to improve the real distribution process of the K/S. We focused on decision supporting by setting new initial shipment ratio and adjusting base stock levels of a product for stores during sales period in initial shipment and replenishment process. We firstly represented the sales process of the K/S by a mathematical model, and used a grid search method to get approximately optimal initial shipment ratios and proper base stock levels of products during the season with real sales data of the K/S. This paper shows that our proposal has positive effect to increase the sales quantity of past products of the K/S. Additionally, we mathematically analyze the initial shipment ratio problem for the reliability of our approach in a macroscopic viewpoint. To apply our research result in the real K/S distribution system, we are in the progress of pilot experiment during the K/S 2016 F/W season.
대형 패션 기업들이 공급자 재고 관리 시스템 상의 배분 과정을 데이터를 활용해 발전시켜 나가면서, 패션 산업의 물류 공급망 관리가 학계에 관심을 받기 시작했다. 본 연구는 “KAIST-코오롱 스포츠 빅데이터 비즈니스 애널리틱스 협약”에서 출발하여, 코오롱 스포츠의 실제 배분 과정을 개선시키는 것을 목표로 하였다. 본 연구는 초기배분과 재고보충 과정 상에서, 초기배분률을 새롭게 정하고 시즌 중 매장의 재고수준을 조정하는 것에 대한 의사결정지원에 집중하였다. 먼저, 코오롱 스포츠의 판매 과정을 수학적 모델로 나타내고, 실제 데이터를 활용한 격자 탐색법을 통해 제품들의 근사 최적 초기배분률과 시즌 중 적정 재고수준을 구했다. 본 논문은 제안한 의사결정지원이 판매량을 증가시키는데 도움이 된다는 것을 코오롱 스포츠 과거 제품들을 통해 보였다. 추가적으로 본 연구는 거시적 관점에서 수학적으로 초기배분률 문제에 대한 본 연구의 관점이 타당함을 분석하였다. 연구 결과를 실제 코오롱 스포츠 배분 시스템에 적용하기 위해, 2016년 가을/겨울 제품들을 대상으로 현재 예비 적용 실험 중에 있다.
