1. 서 론

1.1 물류센터의 역할

우리나라의 기업들 규모가 커지고, 국제적 유통망으로 확대되어 감에도 불구하고, 사회간접시설의 상대적 미확충과 지가 상승 및 수도권 입지의 제한요소 등에 의해 물류창고의 확보 및 창고시설의 확충이 어려운 상황이다. 기존의 창고들이 수도권에 산재해 있어 교통체증의 유발 및 사회비용을 증가시킬 뿐만 아니라, 기업에게도 많은 비용을 지불하게 한다. 

2010년 기준 450개 기업을 조사한 결과에 따르면, 전체 매출액에서 물류비용이 차지하는 비용이 8.6% 정도이며, 대기업은 7.8%, 중소기업은 9.4%로 나타났다. 이 비율은 미국이나 일본에 비해 예상외로 1% 정도 낮게나온 수치인데, 이는 우리나라의 국토면적의 상대적 좁음과 기업에서 물류로 인해 발생하는 비용을 제대로 파악하지 못한 결과로 생각된다[1]. 

물류체계를 합리화하여 물류비용을 절감하고 제조원가를 낮춤으로써 판매비용 면에서 다른 기업들 대비 가격 경쟁력을 확보할 수 있음은 당연하다. 물류에서의 경쟁력 확보는 비용적 측면과 관리적 측면으로 구분할 수 있다. 우선 비용적 측면에서는 배송비용의 최소화, 물류센터 운영 효율화를 들 수 있으며, 관리적 측면에서는 납기일정 준수, 결품 및 오배송의 제거를 들 수 있다. 물류에 있어 전반적인 업무체계는 <Figure 1>과 같이 정리할 수 있다. 

물류와 관련하여 고객의 입장에서 앞으로는 보다 많은 소량 납품 요구, 보다 많은 아이템 수, 보다 많은 부가가치 작업(Tag 작업 등), 보다 많은 반품 처리 그리고 보다 많은 국제 거래 등의 경향을 보일 것이다. 이미 물류산업 혹은 레드오션으로 접어들었고, 2012년에 여러 중소 물류기업들이 정리되었다. 물류비용은 화물 연대파동과 포장 원․부자재비 및 인건비 등의 상승 및 위탁 및 협력업체의 계약 단가 증액 요구 등에 의해 증가 추세에 있다. 기업이 이에 대응하기 위해서는 보다 적은 주문 처리 시간, 보다 적은 물류 처리 오류, 보다 적은 물류 전문 인력 확보 그리고 보다 적은 물류 예산이 필요하다[2]. 따라서 이를 시스템적으로 접근하여 비용 상승 요인을 최대한 억제할 물류센터의 역할이 증대하고있다. 

<Figure 1> Business Procedure in Logistics.

자동 저장인출시스템은 물류센터만이 아니라, 일반 조립산업에서도 원재료의 보관과 제조한 부품이나 반제품등을 보관하기 위해 오래 전부터 널리 사용되어 왔다. 자동 저장 인출시스템은 보통 랙 사이에 있는 통로를 따라 가동되는 크레인에 의해 서비스되는 랙들로 이루어진다. 

1.2 물류센터의 업무와 발전 방향

물류부분에서의 관리 전반에 걸쳐 효율성과 혁신 이슈들과 관리사이클을 비교하자면 <Figure 2>와 같다. 

<Figure 2> Issues on Logistics and PDCA Cycle.

물류 운영상의 주요 항목들로서는 1) 현재 물류거점의 입지 및 규모의 적절성 2) 물류센타의 운영 및 작업의 효율성 3) 소비자와 실무자들의 실제 상품 유통과정 파악성및 동기성 4) 상품의 입고에서 배송/반품 과정의 추적관리여부 5) 상품 재고의 거점 별 균형성 및 최소화 6) 아웃소싱을 포함한 운영방식의 효율성 및 비용 등을 들 수 있다. 

물류 관련 데이터를 수집․분석한 후, 이에 적합한 대처 방법을 수립하여, 상호 관련부서들을 하드웨어 및 소프트웨어적으로 연결하고 이의 전체적인 시스템화 추진이 필요하다. 이 과정에서 부분적인 최적화 알고리즘이 요구된다. 

일부 대기업을 제외한 대부분의 물류센터는 초보적 수준에 머물고 있다. 향후, 단기적으로는 보다 부분별로 최적화 목표를 설정하고, 이를 달성하기 위해 물류센터의 H/W 및 운영 S/W를 구축해야 한다. 궁극적으로는 모든 업무 부문을 통합한 전체 시스템의 최적화 단계로 발전하도록 지속적인 개선이 필요하다. 

물류창고에서의 각 업무분야별 현재 상태와 앞으로의발전방향은 다음과 같다.

1) 입하업무 : 현재 대부분의 물류창고에서는 하차, 적치 및 검품의 기본적 단계이거나 이들 업무가 생략된 즉시인입이 이루어지는 단계에 있다. 그러나 앞으로는 크로스도킹 시스템을 구축하고 궁극적으로는 사전입하 형태로 발전해야 할 것이다. 2) 인입업무 : 현재는 대부분 도착순 처리방식이나 구획별 일괄처리방식을 적용하고 있다. 앞으로는 일괄처리방식 및 우선순위에 따른 서열화 처리방식의 도입이 필요하며, 궁극적으로는 전산처리 및 최적화를 통한 자동화 처리방식이 되어야 할것이다. 3)저장업무 : 현재 기본적으로 평치형 저장방식 혹은 랙 및 빈 저장방식을 사용하고 있으나, 앞으로는 통로절약형 저장방식 시스템의 구축이 필요하며, 궁극적으로는 최적 혼성저장방식으로의 발전 방향을 모색함으로써, 물류창고 관리의 효율화를 추구해야 할 것이다. 4) 구획조정업무 : 현재 무작위방식이나 처리빈도 기준에 의한 방식이 주로 채택되고 있으나, 앞으로는 개별 제품의 처리빈도만 아니라 체적을 고려하고 제품들 간의 상관성을 분석하여 구획조정을 해야 할 것이다. 궁극적으로는 제품 종류의 변경을 포함한 주문량의 변화 등을 고려하여, 이를 반영할 수 있는 시기별 동적처리방식 도입이 필요하다. 5) 인출업무 : 현재 대부분의 창고물류에서는 도착순 처리방식이나 구획별 일괄처리방식을 사용하고 있으나, 앞으로는 구획인출 및 흐름형 분류방식으로의 전개가 필요하며, 궁극적으로는 구획 조정업무에서와 같이 동적 처리방식 도입이 필요하다. 6) 충진업무 : 현재는 소요시점에서 보충하거나 소요시점 흐름형 보충방식을 대부분 사용하고 있으나, 예측시스템을 도입하고 궁극적으로는 예측시스템에 의한 자동화 방식으로 전개해야 한다. 7) 출하업무 : 현재는 출하검사에 이어 적치 및 상차방식을 사용하고 있는데, 엄격한 창고관리에 의해 가능한 출하검사 단계를 줄여야 함은 물론, 앞으로는 적치단계도 생략하고 상차할 수 있도록 물류창고 시스템이 구축되어야 한다. 앞서 언급한 것처럼 인건비의 상승과 동원 인력의 유동성에 의한 차질을 제거하기 위해서는 충진업무 전체를 자동화 시스템으로 전개해야 한다.
 

1.3 물류 업무의 최적화와 자동화

물류 업무들이 예측 및 자동화에 의한 시스템으로 발전하기 위해서는 부문별 최적화가 우선되어야 한다. 이를 위한 전제조건으로 각 업무부문의 작업 및 공정에 대한 기본 자료의 측정과 유통과정 정보의 동기화가 선행되어야 한다. 작업 및 공정측정에 있어서는 현재 표준이 제대로 갖추어 있지 않거나 계획을 위한 표준화 적용 정도이나, 앞으로는 개별작업과 공정의 적정성 평가를 위한 작업측정을 수행해야 한다. 이로써 작업표준을 설정하고 이를 전체 시스템 구축에 적용해야 한다. 정보유통에서는 종이나 바코드 스캐닝방식에서 휴대형 무선터미널(무선PDA, RF Terminal 등) 방식을 도입함으로써, 운영비용과 인력 그리고 소모품을 절감해야 할 것이다[3]. 

우리나라에서는 1990년대 후반부터 자동화 창고에 대한 구축사례와 연구가 수행되고 있다. 물류창고의 자동화에 대한 주제는 크게 1) 저장공간의 할당 2) 창고내 물류시간 측정 3) 운영시스템의 구성 4) 주문량에 대한 스케줄링 및 라인밸런싱으로 분류된다[4]. 저장공간의 할당에서는 제품의 크기와 주문량 및 주문빈도에 의한 창고공간의 할당 문제가 고려대상이다. 창고내 물류시간 측정의 경우, 여러 주문품을 모아 배치로 하여 하나의 투어로 제품을 인출할 때 하나의 통로에서 발생하는 차량의 평균 이동거리 및 평균 인출 소요시간 등을 구하는 문제를 주로 취급한다[5]. 본 연구는 이 중 4) 주문량에 대한 스케줄링 및 라인밸런싱에 대한 것이다. 

1.4 물류센터 업무의 주요 결정사항

앞 절에서 물류센터의 수행업무에 따른 발전방향에 대해서 살펴보았다. 각 업무 분야에 있어, 주요한 핵심결정사항들은 다음과 같다.

 ∙피킹 및 출하방식 설계 : 주문 배치사이즈 결정, 피킹 흐름계획, 피킹 경로 구성, 출하방식 결정
∙입하 및 인입방식 설계 : 입하방식 결정, 인입 배치사이즈 결정, 인입 경로 구성
∙구획설계 : 구획 정의, 저장방식 및 규모 결정, 피킹 전면규모 결정, 아이템 로케이션 할당
∙물자이송 체계 엔지니어링 : 물자 취급시스템 선정 및 규모 결정
∙물류센터 레이아웃 및 물자흐름 설계 : 전체적 흐름체계 결정(U, S, I 및 L 흐름유형), 상대적 기능 로케이션결정, 건축 형태 결정
∙물류센터 규모 결정 : 물류센터 전체 공간소요
∙자동화 수준 및 부대설비 : 부대설비 소요 결정, 자동화 수준 결정, 기계화 수준 결정

물류센터의 업무와 각 업무에서 주요 결정사항에 의한 시스템의 현상파악을 위한 KPI를 체크해야 한다. KPI로서는 우선 재고회전율을 들 수 있다. 일반적으로 재고의 감소는 비용절감의 가장 중요한 요인이라 할 수 있으며, 재고 감소를 위해서는 생산, 판매 그리고 물류가 통합적으로 연동하여 관리되어야 한다. 두 번째는 주문 사이클타임이다. 주문 사이클타임이란 주문에서 고객 인도에 이르기까지 소요되는 시간을 말하며, 주문 사이클타임의 감소는 재고의 감소와 물류서비스의 증대와 직접적으로 연관된다. 마지막으로 물류서비스에 관한 지표들이다. 물류서비스란 고객 또는 거래선에서 주문 요청에 얼마나 민첩하고 정확하게 응대하였는가에 대한 지표이다. 여기에는 정시도착율, 주문충족율 그리고 주문완성율 등이 포함된다. 

물류관리 지표의 이용은 경영층에서 현재의 물류관리 수준을 현황판에서 볼 수 있도록 하여 의사결정을 원활히 할 수 있게 해야 하며, 물류관리 지표는 현재의 수준파악과 향후 목표 설정을 가능하게 하며 개선활동에 근거가 되므로 반드시 정확한 산출이 요구된다. 

매출 대비 물류비용을 줄여 이익의 폭을 증대시키고, 물류 서비스의 증대를 가져오기 위해서는 물류의 사이클타임의 감소가 필수적 요소이다. 

2. 현 공정에서의 최대 주문처리 조건

본 연구에서는 이상과 같이 광범위한 물류체계 중에서 그 대상 범위를 물류센터 즉, 창고 내 물류로 한정하며 인터넷 쇼핑몰을 통한 주문 처리에 있어 두 가지 조건에 대해 최대 주문처리 방법을 제시한다. 이 장에서는 현재 환경 즉, 주어진 작업인원과 설비 하에서의 공정별 작업자 배치 조정에 의한 최대 주문처리량을 파악한다. 

2.1 현 공정 분석

추가 비용을 들이지 않고 현재 조건에서 주문처리량을 최대화하기 위해서는 주어진 가용 자원을 이용해야한다. 이때 가장 우선순위로 고려하는 사항들은 다음과같다. 첫째로 구획조정 업무를 통한 랙의 재배치이며, 둘째는 인출업무의 처리방식 변경 그리고 셋째는 작업자들의 공정별 배치수에 대한 라인밸런싱이다. 이 장에서는 추가의 자원투입이 없을 때, 작업자들의 공정별 라인밸런싱에 의한 최대 주문처리수의 산출과 공정조건을 제시한다. 이의 수행을 위해 Arena를 사용한다. Arena는 시뮬레이션에 있어 범용 도구이므로 주어진 조건의 변화에대해 다양하게 확장 가능한 장점이 있다[6]. 

2.2 병목공정 분석

현재 상황에 의한 최대 주문 처리량을 산출하기 위해서 공정의 구성과 시간대별 공정별 투입 작업자 수가 요구된다. 물류창고 내에서 전산을 통해 접수된 주문을 처리하는 공정 절차는 <Figure 3>과 같다. 

<Figure 3>의 공정절차는 온라인 쇼핑몰을 통해 주문된 제품에 대해 창고 내에서 물류운송 컨베이어에 운송되기 이전 단계까지의 공정이다. 

<Figure 3> Procedure of Order Process.

<Figure 3>의 흐름도에서 single은 단일주문에서 1개제품을 주문하는 경우이며, multi는 단일주문에서 2개 이상의 주문형태를 의미한다. 

<Table 1> Time Schedule of Operators.

<Table 1>은 A사에 대한 실제 시간대별 각 공정에 투입된 작업자들의 시간별 배치표다. 현재 배치 하에서 물류창고에 대한 현장 모니터링 결과, 일부의 작업자들이 작업이 배정되지 않아 비작업시간이 발생함이 관측되었다. 이는 주문량이 작아서가 아니라, 후행공정이 재공품으로 밀려있는 병목현상으로 말미암아 더 이상 선행공정에서 일을 진행할 수 없음에 기인했다. 그러므로 작업자들의 공정별 할당 인원에 대한 라인밸런싱을 수행함으로써 주문 처리량을 늘릴 수 있음을 알 수 있다. 

A사의 일일 평균주문량 8,000건을 기준으로 Arena를 사용하여, 현 공정에 대한 시뮬레이션을 실시하였다. Arena에 적용한 공정 흐름도는 <Figure 4>이며, 반복 10회의 결과를 <Table 2>와 <Table 3>에 정리했다. 

<Table 2>에서 system out은 처리한 주문 건수를 말하며, Entity의 VA Time Average는 한 주문이 모든 공정에서 처리되는 시간이며, Process의 VA Time Per Entity는 각 공정별 한 주문이 처리되는 시간이다. Process의 Number In/Out은 160개 리스트가 피킹공정에 들어가서 8,000건의 주문(160×50 = 8,000)이 패킹공정으로 나옴을 의미한다. 

Queue의 Waiting Time은 각 공정 전에 주문이 대기하는 시간이다(Picking Queue는 고려 대상에서 제외). Queue의 Number Waiting은 각 공정 전에 대기하는 주문수다. 그리고 VA Time은 피킹시간, 쏘팅시간, 예비패킹시간 및 패킹시간의 합이다. Total Time은 VA Time에 Waiting Time을 더한 시간이다. 

<Figure 4> Arena Flow Chart.

<Table 2> Analysis of Present Process-I.

여기서, Resource의 Number Busy는 공정별 평균 일하는 작업자 수이며, Number Scheduled는 하루 시간대별 할당된 평균인원이다. Scheduled Utilization은 작업시간중 업무수행율을 나타낸다. 

작업시간 중 업무 수행율
 

시뮬레이션 결과에서 알 수 있듯이 주문처리 수는 8,000개로서 일일 평균주문량을 소화해 내고 있다. 그러나 현재 일일 평균주문 8,000건의 처리하기 위해서 앞의 <Table1>에서와 같이 오후 7시 30분 이후에 소수인원을 투입하여 잔업으로 해결하고 있다. 따라서 앞으로 주문량이 증가할 경우, 시스템이나 업무방식의 개선이나 자원의 추가 투입 없이는 추가 주문을 처리할 수 없어보인다. 

<Table 3> Analysis of Present Process-II.

2.3 현 공정에서의 최대 주문처리수 산정

현재 일일 평균주문수를 처리하고 있으므로, 다음으로 고려해야 할 사항은 주문수가 증가하는 경우 현 공정에서 처리 가능한 주문수와 병목공정의 파악이 필요하다. 

이를 위해 일일 평균주문량이 11,000개와 13,000개로 지금의 8,000개 대비 각각 37.5% 및 62.5% 증가된 경우를 가정하여 분석을 시행했으며, 결과는 다음과 같다. 

<Table 4> Number of Order is 8,000, 11,000 and 13,000 by Product Type.

<Table 4>에서와 같이 주문수가 11,000개인 경우, 다수제품 주문에 대한 처리는 가능하나, 단일제품에 대한 주문의 경우 주문수 8,587개 대비 6,997개만 처리함으로써 1,590개의 주문을 처리할 수 없다. 주문수가 13,000개의 경우는 단일제품 주문 만이 아니라 다수제품 주문도 처리할 수 없음을 알 수 있다. 주문수 11,000개와 13,000개에 있어 단일 제품과 다수제품의 비율은 현재 실제 일일 평균주문량에서의 비율 1 대 3.17을 적용한 것이다.

주문량이 이처럼 증가하는 경우, 단일제품 및 다수제품 주문당 작업에 소요되는 Total Time과 WIP(work in process : 피킹 공정에서 출고 전까지 공정상에 있는 주문수의 평균)은 <Table 5>와 같다. 그리고 병목공정을 알아보기 위한 단위 주문당 개별공정들의 대기시간 측정결과는 <Table 6>와 같다. 

<Table 5> Total Time and WIP by the Number of Order and Product Type.

<Table 6> Wait Time of Each Process by Number of Order is 8,000, 11,000 and 13,000.

주문수가 늘어남에 따라 공정들의 대기시간이 전반적으로 늘어나기는 하지만, 피킹공정과 패킹공정의 경우가 가장 심각함을 알 수 있다. 공정별 작업자들의 작업시간 중 업무수행율 Scheduled Utilization의 결과는 다음과 같다. 

<Table 7> Scheduled Utilization of Operators when the Number of Order is 8,000, 11,000 and 13,000.

분류(sorting)공정 작업자들은 현재 비작업시간이 50%를 넘고 있으며, 주문량이 13,000개로 증가하더라도 여전히 여유로운 공정이다. 이에 반해 패킹공정은 지금도 작업강도가 상대적으로 가장 높으며, 주문수가 11,000개로 증가하는 경우, 96%의 작업시간 중 업무수행율을 나타냄으로서 병목공정에 해당한다. 다음으로 병목공정이 될 수있는 공정은 피킹공정임을 알 수 있다. 현 공정하에서는 11,000개 이상의 주문은 처리 불가능함을 알 수 있다. 

2.3 현 공정에서의 라인밸런싱

본 연구에서는 이 단계에서 고려해야 할 사항으로 다음의 절차를 제시한다.
1) 현 공정에서 처리 가능한 주문량 산정.
2) 작업자들에 대한 라인밸런싱 실시 및 이 때의 처리 가능한 주문량 산정. 

일일 평균주문량 8,000개의 상황에서 시뮬레이션에 의한 일일 처리가능 최대주문량은 <Table 8>에서와 같이 9,440로 파악된다. 이로써, 현재 일일 평균 8,000개의 주문을 처리함에 있어 잔업은 필요 없을 것으로 판단한다. 잔업시행에 대한 원인파악을 위해 현장 모니터링 및 자료조사결과 두 가지 원인이 제시되었다. 한 가지 원인은 선행공정의 지연에 따른 후속공정 작업자들의 비작업시간의 발생이었고, 다른 이유는 대부분 기혼여성들로 구성된 작업자들의 개인사정과 직업의식 결여에 의한 높은 결근율이었다. 

라인밸런싱을 하기 위해서는 상대적으로 여유로운 공정 작업자들 중에서 몇 명을 병목공정에 배치할 것인가에 대한 시뮬레이션을 수행해야 한다. 본 연구에서는 여러 경우에 대해 분석을 실행하였으며, 그 중 가장 큰 주문처리수를보인 두 가지 대안의 결과만 <Table 8>에 정리했다.
∙대안 1 : 쏘터 4명을 패킹공정으로 보냄.
∙대안 2 : 쏘터 3명과 피커 1명을 패킹공정으로 보냄. 

<Table 8> System Out and Scheduled Utilization of the Alternatives(Number of Order = 11,000).

공정별 작업자들의 라인밸런싱 결과, 대안 1과 대안 2에 의한 최대 주문처리량은 <Table 8>에서와 같이 각각 10,357개 및 10,486개로 나타났다. 이는 앞서 분석으로부터 예측 가능한 결과다. 결국 현공정에서는 Sorter 3명과 Picker 1명을 패킹공정으로 이동 배치할 경우가 최대 주문처리 조건이며, 현재 보다 2,400개 이상의 주문을 처리할 수 있다. 

3. 장비 투입에 의한 최대 주문처리 조건

이 장에서는 추가의 자원 투입에 의해 일부 공정의 처리시간이 변할 때, 주문처리수를 최대화하는 공정별 작업자 배치 절차를 제시한다. 또한 주야 근무 교대별로 분리하여 인원 배치를 달리하는 경우에 대해서도 최대주문량 산정 및 공정조건을 파악하는 절차를 제시한다. 

이 경우는 일정계획 문제에서 계획시평에서 기간의 길이와 특성으로 인한 분류 유형 중에서 일부 기간의 길이가 상대적으로 길어, 기간 내에서 두 가지 이상의 활동(단일제품과 다수제품에 해당)을 취급하는 CLSP(capacitated lot-sizing and scheduling problem)와 유사한 성격을 갖는다. 

이 외에 작업시간의 작업순서 종속 여부에 따른 기준으로 분류할 수도 있으며, 이에 대해서는 Drexl and Kimms [7]을 참조하기 바란다. 

3.1 피킹작업시간 단축에 따른 주문 처리량

실제 A사에서는 추가 장비를 투입하여 피킹공정을 Zone 형태로 변경함으로써 사이클타임 단축을 고려하고 있다. 투입 장비의 수량에 따라 피킹작업시간은 10%, 15% 및 20%가 단축된다. 본 연구에서는 세 가지 피킹시간 단축안들에 대해, 공정분석을 실시하고 최대 주문처리수를 산정함으로써 장비 투입에 대한 타당성을 분석하였다. 

<Table 9> System Out and Scheduled Utilization According to the Reducing Rate of Picking Time.

<Table 10> System Out and Scheduled Utilization of the Alternatives when the Picking Time Changes.

장비 투입에 따른 피킹 작업시간을 3단계로 감축시켜 투입 주문수 11,000건에 대한 시뮬레이션 결과, <Table9>에 나타난 것처럼 피킹 작업시간을 단축시키더라도 처리주문수의 증가는 거의 미미했다. 이는 피킹공정이 병목공정이 아니기 때문이다. 그러므로 이 단계에서 최대 주문 처리량 산출조건 파악을 위해서는 병목공정의 파악과 피킹시간 단축에 따른 피킹공정의 여유 작업자들에 대한 병목공정으로의 라인밸런싱을 고려해야 할 것이다. 

3.2 장비 투입을 고려한 라인밸런싱

최대 주문처리수의 공정조건을 찾기 위해서는 ‘피킹공정 작업자를 포함한 여유공정의 작업자들 중에서 몇 명을 병목공정으로 배치해야 할 것인가?’에 대한 라인밸런싱을 수행해야 한다. 본 연구에서는 실제 다수 조합에 대해 분석을 실시하였으나 네 가지 대안에 대한 결과만 제시한다. 
∙대안 3 : 쏘팅 작업자 3명과 피킹 작업자 2명을 패킹공정으로 배치.
∙대안 4 : 쏘팅 작업자 3명과 피킹 작업자 3명을 패킹공정으로 배치.
∙대안 5 : 쏘팅 작업자 4명과 피킹 작업자 3명을 패킹공정으로 배치.
∙대안 6 : 쏘팅 작업자 3명과 피킹 작업자 4명을 패킹공정으로 배치.

<Table 10>은 피킹시간을 10%를 단축시키는 경우에 대한 라인밸런싱 결과다. 동일하게 피킹시간 15% 단축과 20% 단축의 경우에 대해서도 각각 네 가지 대안에 대해 시뮬레이션을 실시하였으나 지면 관계상 기재하지는 않았다. 이 경우에 있어서는 쏘터 3명과 피커 3명을 패킹공정으로 배치하는 대안 4가 system out이 10,852로 가장 많은 주문 처리수를 제공한다. 그러나 이와 같은 처리수 증가는 피킹시간의 단축에 의한 효과가 아니라 라인 밸런싱의 효과로 해석해야 할 것이다. 

나머지 피킹시간 15%와 20% 단축의 경우에는 대안 4가 최대 주문처리수를 보장하지는 못한다. 이유는 피킹시간의 단축 정도가 다르므로 피킹공정에서 다른 공정으로 배치해야 하는 작업자 수가 다를 수 있기 때문이다. 

3.3 장비 투입 및 주․야간을 분리를 고려한 라인밸런싱

최대 주문처리량을 산정하기 위해서는 또 다른 시도가 필요하다. 현재 작업 시간대를 주간 및 야간을 유지하고 있으므로, 라인밸런싱을 주간과 야간 별로 달리 적용함으로써 보다 효율적인 결과를 기대할 수 있다. 따라서 본 연구에서는 주간과 야간에 대해 각각 작업자 수를 달리하는 라인밸런싱 전개를 제안한다. 본 연구에서는 피킹타임을 10%을 단축시킬 경우에 대해 공정별 작업자 배치에 대한 스케줄링을 제시하지만, 실제 상황에서는 주어진 모든 조건들에 대해 적용하여 최대 주문처리 조건을 찾아야 할 것이다. 

이동 작업자 수에 대한 여러 대안들을 마련하고 분석한 결과,
∙주간 - 쏘터 3명과 피커 3명을 패킹공정에 배치.
∙야간 - 쏘터 1명과 피커 2명을 패킹공정에 배치. 

경우가 주문처리수 11,000건이 나왔다. 그러나 이 주문처리수는 최대값이 아니다. 왜냐하면 지금까지는 11,000개 이상 처리 가능한 작업자 배당 공정조건이 없었으므로, 투입 주문수를 11,000으로 설정했기 때문이다. 따라서 이 단계에서 최대 주문처리수를 알기 위해서는 처리 가능 이상의 투입 주문수 설정하여 분석함이 필요하다. 본 연구에서는 이를 파악하기 위해 투입 주문수를 12,000로 설정하여, 그 결과를 투입 주문수 11,000개의 경우와 함께 <Table 11>에 나타냈다. 

<Table 11> System Out and Scheduled Utilization When the Number of Input is 11,000 and 12,000.

주야 교대근무에 대해 각기 다른 라인밸런싱을 적용함으로써 주문처리수는 11,709개로 지금까지의 일정계획 중에서 최대값을 보인다. 

동일한 라인밸런싱 절차를 피킹시간 15%와 20% 단축의 경우에 대해서도 실시함으로써 최대 주문처리 조건의 작업자 배치를 구할 수 있다. 본 예제의 경우 최적조건은 피킹시간 20% 단축시 주간 : 쏘터 3명과 피커 4명을 패킹공정에 배치, 야간 : 쏘터 1명과 피커 2명을 패킹공정에 배치하는 경우였으며, 최대 주문 처리량은 11,831이었다. 이 때 분석 결과를 <Table 12>에 나타내었다. 실제사례의 분석 결과, 현재 인원으로서도 야간 잔업 인원은 불필요해 보였으며, 병목공정이 아닌 곳에 대한 설비 추가의 효과는 거의 미미하였다. 또한 라인밸런싱 대상 시간대를 주간과 야간으로 나누어 유연성을 부여할 때, 예상대로 더 많은 주문을 처리할 수 있음을 확인하였다. 

<Table 12> System Out and Scheduled Utilization Which the Reducing Rate of Picking Time is 20% and the Working Hour is Separable.

4. 결 론

물류 비용을 절감하기 위해서는 가능한 추가의 투자를 지양하고 가용한 현재 자원을 이용하여 운영 효율을 제고해야 한다. 이를 위해 본 연구에서는 물류창고를 대상으로 라인밸런싱을 이용하여 최대 주문처리수를 산정하는 절차를 소개하였다. 절차의 각 단계에서 고려해야 할 사항들을 제시하고, 실제 사례를 들어 그 과정과 라인밸런싱에 의한 효과를 제시하였다. 본 연구의 실제 적용성을 높이기 위해, 일부 공정조건이 변하는 경우 및 전체 시간대를 분할할수 있는 경우에 대해서도 최대 주문처리수 및 공정조건을 구하는 절차 및 방법을 소개하였다. 이로써 본 연구의 방법론이 다양한 분야에서 적용 가능하리라 생각한다. 

본 연구에서 제시한 방법을 실제 물류창고에 적용한결과, 분석상에서의 최대 주문량과는 약간의 차이가 있었으며, 그 원인은 아이들 타임의 감소로 인해 작업자들의 피로도 증가로 판단되었다. 

Acknowledgement

본 연구는 금오공과대학교 학술연구비에 의하여 연구된 논문임. 

F1.JPG49.6KB