SKU Consolidation (2) - 최적화된 로케이션 선정을 위한 방법론

SKU Consolidation 2부를 이어 씁니다,

 

지난 글

 

SKU Consolidation (1) - Distribution Centre 내 제품보관 무질서도 측정하기

 

SKU consolidation 시 대상 로케이션을 결정한다. 이후 각 로케이션에서 제품을 모아놓고 분류, 통합을 하게 된다. 이 과정에서 중요한 의사결정 포인트는 세 가지가 있다. 

 

첫째, 어느 로케이션을 대상으로 consolidation을 진행할 것인가?
둘째, 각 로케이션에서 모은 물건을 어떻게 분류할 것인가?
셋째, 분류를 마친 제품들을 각각 어느 로케이션에 보관할 것인가?

 

 

오늘의 글은 '어떻게 대상 로케이션을 선정할 것인가'에 대한 글이다. 

 

이번 글 개요

• 성공적인 SKU consolidation을 위해 대상 locations을 어떻게 선정할 것인가?
• ABC 분석이란? ABC 분석 결과를 어떻게 사용할 수 있을까? 
• 시뮬레이션으로 해결할 수 있을까? 

 

 

성공적인 SKU Consolidation과 대상 로케이션 선정 방법

성공적인 SKU consolidation이란 무엇일까? 우선, 결과 KPI에 유의미한 변화가 있어야하며, 이러한 아웃컴을 위해 최소한의 인력을 투입해야한다. 즉, 효과적이며 효율적이어야 한다.

 

성공적인 SKU consolidation을 위해 Location을 결정할 때 스큐/로케이션으로 나누어 접근할 수 있다.

• 스큐중심: 우선순위 제품을 선정하고 그 제품들을 중심으로 SKU consolidation을  우선 진행
• 로케이션 중심: 중요한 로케이션을 먼저 선정해 그 주변을 중심으로 우선 진행 

 

접근법을 결정한 후에도 중요도 판단을 위해 다음과 같은 요소를 추가로 고민해야한다:

 

 

이렇게 많은 요소를 고려할 경우 복잡한 경우의 수가 생긴다. 그렇다면 우리는 이 복잡한 시나리오 속에서 어떻게 가장 효과적이며 효율적인 시나리오를 찾아낼 것인가? 이에 대해 두 가지 방법으로 접근하고자 한다. 첫째는 우선순위에 따라 가능한 경우의 수를 제한하는 것이며, 둘째는 시뮬레이션을 통해 최상의 시나리오를 찾아내는 것이다.

 

 

우선순위 설정 중심 접근법

ABC 분석이란? ABC 분석결과를 어떻게 활용할 것인가?

제품을 특정 기준을 통해 ABC로 등급을 나누어 관리하는 것이다. 기준은 운영팀의 목표에 따라 다양할 수 있는데 주요 판단요인은 다음과 같다:

• 판매량
• 판매액
• 변동원가

 

판매량을 기준으로 예를 들어보자. 기간 내 전체 판매량과 해당 그룹의 제품이 전체에 차지하는 비율을 확인해본다. 그리고 가장 많은 영향을 미치는 소수의 그룹이 무엇인지를 파악하고 그에따라 ABC로 나누어 관리한다. 예를 들어, 전체 제품 중 상위 1~80%를 차지하는 소수의 제품들은 A그룹, 80%~95%를 차지하지만 수가 많은 B그룹, 나머지를 C그룹으로 나눌 수 있다. 

 

A군은 한 번의 관리로 가장 큰 효율을 낼 수 있는 제품들이기 때문에 우선순위로 설정하고 입출고장과 가장 가까운 곳에 배치할 경우 이동 거리가 단축될 수 있다. 그렇기 위해 로케이션도 입출고장과 거리를 토대로 ABC로 세분화할 수 있다.

 

 

전(좌)과 후(우) (작업자의 이동 빈도를 화살표 굵기로 표시했음)

 

궁극적으로, A 로케이션에 있는 C그룹 제품과 C 로케이션에 있는 A그룹을 선정하여 SKU conslidation 을 진행한다면 효과와 효율을 높일 수 있을 것이다.

 

다만, 해당 접근법의 한계는 다음과 같다. 첫째, 제품의 ABC 등급은 언제든 변할 수 있다는 점이다. 따라서, 판매량 등 선정 기준의 trend, seasonality 등을 고려하여 지속적으로 업데이트를 해줘야 한다. 둘째, 이보다 더 효과적인 로케이션 선정 시나리오가 있더라도 알 수 없다는 점이다. 

 

시뮬레이션 중심 접근법

시뮬레이션으로 해결할 수 있을까? 

사실 첫 접근법은 시뮬레이션이었다. 박스 선정의 모든 경우의 수에 따라 분류를 진행하고 그 중 가장 효과적이거나 효율적인 시나리오를 채택하는 것이다. 하지만 이러한 방법이 좌절되었던 이유는 computing resources 문제였다.

 

한 번의 SKU consolidation 시 100개의 로케이션을 선택한다고 가정하자. 만약 웨어하우스 내 로케이션이 40,000개가 있을 경우 박스 선정 경우의 수는 1.5212721607265992e+302 이다. 이는 1경을 약 19번 제곱했을 만큼의 수이다.

 

물류센터에서 로케이션 수는 이보다 더 많을 수 있음을 고려했을 때, 모든 경우의 수에 따라 분류 알고리즘을 적용하고 그 결과값들을 비교하는 것이 불가능하다는 결론이 나며 포기하게 되었다.

로케이션의 수에 따른 경우의 수 (log 10)

 

 

그리고 현재 계획은 다음과 같다:

 

• ABC 기반 중요 스큐를 선정하고 그 스큐가 있는 박스들을 선정
• 선정된 박스 내 스큐수 최소화 및 Capacity 최대화할 수 있는 알고리즘 개발
• 여러 조건에서 선정/분류 알고리즘 반복 및 결과 데이터 축적

 

하지만 아직 시뮬레이션을 포기한 것은 아니다. 최근 몬테카를로 알고리즘이라는 것을 알게되었는데 위 시뮬레이션의 문제를 해결하는데 도움이 될 것 같다. 당장 시도해보고 싶었지만 분류 결과 데이터가 필요해서 축적 후 다시 도전할 예정이다. 

 

 

다음 글은 선정된 박스를 분류하는 알고리즘에 대한 글로 돌아오겠습니다!