1. 서 론

최근 제조업 분야에서 4차 산업 혁명 시대가 도래하고, 수작업에 의존했던 제조업의 공장 운영이 점차 스마트 공장을 통한 자동화를 추진하고 있으며, 다양해지는 고 객의 수요를 만족시키기 위하여 새로운 원료 관리, 생산 관리, 출하 관리, 재고 관리 등의 노력을 경주하고 있다 [1, 2]. 특히 중소제조업의 경우 생산능력은 한정되어 있고, 비효율적인 생산 일정계획 수립으로 인해 보유한 생산능 력을 최대한 활용하지 못하여 납품 기한을 만족시킬 수 없 는 경우가 종종 발생하고 있다. 납품 기한을 지키지 못함 으로 발생하는 불이익은 중소기업의 생존에 큰 영향을 초래하므로 생산 공정의 특성, 생산제약조건, 작업의 우 선순위 등을 효율적으로 반영하여 공정의 생산능력을 최 대한 발휘 할 수 있는 생산일정계획과 재고 정책을 수립 하는 것이 필수적이다[3].

본 연구에서 다루고자 하는 S기업은 mold flux를 전문 으로 제조하고 있으며, mold flux는 제철소의 제강공정에 서 연속적으로 주조되는 mold에 도포되어 철강 표면 품 질에 직접적인 영향을 미치는 필수 소모 자재로써 철강 제품의 생산을 위하여 필요한 제품이다. 고객이 요청한 제품을 납품 기한 내에 생산해야 하지만 불규칙한 주문 과 고객사의 사정에 의해 주문의 변경 그리고 고객사의 설비 고장 및 작업 여건 변화에 대응하기 위한 불규칙 요소들로 인해 주문 제품의 납기를 충족시키는 것에 현 실적으로 많은 어려움을 경험하고 있다.

철강 제품의 생산 리드타임은 비교적 장시간이기 때 문에 정확한 주문 예측은 안정적인 공장가동에 있어서 매우 중요한 요소라 할 수 있는데, 생산계획 담당자들이 시간적 제약과 생산계획업무 특성상 면밀한 검토를 하 지 못하고 있다[4]. 주 고객사인 제철소의 주문 방식은 불규칙적이며 일부 고객사의 경우 일일공급계약이 체결 되어 있어 주문 후 24시간 이내에 납품하여야 하는 제약 조건을 가지고 있으며, 제품은 표준품의 생산이 아닌 고 객의 요구 조건과 사양에 맞게 설계되어 생산 판매되고 있다. 이로 인해 어떤 제품이라도 언제든지 신속하게 생 산할 수 있는 많은 양의 원재료를 보관하고 있어 효율적 인 원료 창고 관리가 되지 않고 있으며, 제품은 약 1개 월분의 제품 재고를 확보하여 운영함에 따른 기회비용 상실과 매몰비용 등이 발생하고 있다. 이는 곧 회사의 경쟁력을 약화 시키는 요인이 되고 있어 원가절감을 통 한 가격경쟁력 확보가 반드시 필요함과 동시에 고객의 다양한 비즈니스 요구와 까다로운 요구 조건을 충족하 고, 공급사의 입장에서도 고객의 수요에 대응하는 적정 재고를 운영한다는 측면에서는 적정 재고의 유지관리가 필요하다.

본 논문에서는 ERP(Enterprise Resource Planning) 시스 템에 축적된 과거 실제 출고된 실적 데이터를 기준으로 ABC 재고 관리 기법에 따라 제품을 A, B, C등급으로 분 류하고 안전 재고 설정을 위해 안전 계수를 활용한 일반 적인 안전 재고 산출 방식과 배치 생산 방식에서 적용할 수 있는 1회 표준생산량을 기준으로 한 새로운 안전 재 고 설정 방식을 적용하여 안전 재고 결정 모델을 수립하 고자 한다. 수요예측은 시계열 분석 예측 기법의 하나인 이동평균법과 단순 지수평활법을 활용하고자 한다. 새로 운 수요 변화 시 신속히 적응할 수 있고 연구대상 기업 의 특성에 적합한 평활 상수로 α = 0.3을 적용하고, 1회 표준생산량과 12주 출고 이동 평균을 적용하여 예측을 시도한다.

본 논문의 구성은 다음과 같다. 제 2장에서는 본 연구 와 관련된 선행연구를 소개한다. 제 3장에서는 본 연구 에서 대상이 되는 mold flux 제조공정을 소개하고, 생산 계획과 연관된 데이터 분석과 연구 대상 제품의 결정, 재 고 수준 결정 방법을 설명한다. 제 4장에서는 수립된 재 고 정책의 시뮬레이션 분석 결과에 대한 검증과 효과를 기술한다. 마지막으로 제 5장에서는 본 연구의 결과를 요약하고, 연구의 한계점 및 향후 연구 방향에 관해 기술 한다.

2. 선행 연구

최근의 중소 제조 기업들은 경쟁이 점점 심해지고 있 으며, 고객들의 니즈는 실시간으로 변화되고 있다. 과거 의 생산 체계인 소품종 대량 생산 체계에서 다품종 소량 생산 체계로 변해가고 있으며, 제품의 수명 주기는 점 점 줄어들고 있다. 이로 인해 중소 제조 기업들은 ERP, MRP(Material Requirement Planning), MES(Manufacturing Execution System) 등과 같은 여러 가지 생산 정보 시스 템을 도입하고 있으며, 기업의 현실을 고려한 기업 맞춤 형 정보시스템 연구를 활발히 진행하고 있다[3, 5, 6].

데이터 분석을 이용한 제조 환경의 고도화는 생산 현 장에서부터 최고 경영진의 의사결정을 위한 가시성을 확 보하므로 제조업의 제조, 제품 개발과 품질 보증, 원부자 재의 조달과 물류, SCM(Supply Chain Management) 등을 효과적으로 계획, 통제, 분석하는 것을 가능하게 하였다 [7]. 관련된 연구들을 살펴보면 Kim[8]에서는 데이터 분 석기법을 활용한 품질혁신 방법론이 연구되었으며[9]에 서는 제조분야에서 데이터 분석 활용에 대한 사례 연구 를 바탕으로 MES를 위한 적용 모델에 대한 연구를 하 였다.

선행연구로부터 알 수 있듯이 대부분의 중소기업은 ERP, MRP 등을 구축하여 데이터 분석 등에 활용하고 있 지만, 그 활용도나 운영 측면에서 관리 기술이 매우 미흡 하거나 부분적인 활용 형태를 취하고 있다. 정보시스템이 구축되어 활용하고 있더라도 축적된 데이터의 활용도는 떨어지며, 성과는 기대에 미치지 못하고 있는 실정이다. 다양한 품목의 제품을 생산하는 중소제조업의 경우 기존 의 수많은 제조 데이터가 존재함에도 불구하고 이를 활용 하지 못하고 있다. 이러한 현실을 개선하기 위하여 중소 제조 기업에서는 데이터 분석을 활용하기 위한 연구를 지 속적으로 진행할 필요가 있다.

3. 데이터 기반의 재고정책

3.1 제조공정

S기업에서 생산하는 제품 중의 하나인 mold flux 제품은 주로 과립으로 생산되며, 고객사, 설비, 강종 등에 따라 사용되는 제품이 각각 다르며 수백 종류의 제품으로 구 분되어 생산되고 있다. 과립형 제품은 주원료인 광물 10 여종과 물을 혼합하여 고온의 스프레이드라이어를 이용 하여 건조시킨 후 포장하는 공정을 거쳐 생산되고 있다. 이렇게 생산된 mold flux는 철강 산업에서 연주 공정 중 <Figure 1>과 같이 사용된다. 판매 형태는 일반 소비자를 대상으로 하는 B2C(Business to Consumer)의 형태가 아 니라 B2B(Business to Business)의 형태이다.

S사의 효율적인 생산 운영을 위한 인프라 구축이 2005 년 이루어졌는데 MES를 자체 구축하여 생산 현장의 원료 투입에서 제품의 입고에 이르기까지의 과정을 전산화하 였다. 2010년에는 ERP를 자체구축하고, 2015년에는 좀 더 진보된 ERP로 업그레이드 하였으며, 생산 현장에 설치된 각 종 설비와 작업자 간 인터페이스를 위해 HMI(Human Machine Interface)를 운영 중에 있다. 자체 구축된 ERP는 인사관리, 회계관리, 기술정보, 영업관리, 생산관리, 자재 관리, 사업계획의 7개 영역으로 구분되어 있으며, 과거 엑 셀로 관리되던 생산관련 자료를 IT(Information Technology) 시스템을 통해 관리하도록 하여 정보의 정확성, 가시성, 신속성 등을 확보하였으며, 정보수집의 시간 단축을 통해 좀 더 효율적인 의사결정이 가능하게 되었다. 하지만 생산 관리에 반드시 필요한 생산 계획은 현재까지도 담당자의 경험과 과거의 know-how에 의해 수립되고 있어 효율적인 생산계획 작성에 필요한 정보는 부족한 실정이다.

3.2 분석 절차 및 전제조건

일반적으로 생산계획을 수립함에 있어 주문생산과 예 측생산에 따라 생산계획의 수립 방법이 차별되어 적용되 어야 하는데, 본 논문에서는 예측 생산을 주로 하는 연구 대상 기업의 특성을 고려하여 예측 생산에 필요한 사항 만 고려하였다. 데이터 분석 기반의 재고정책을 수립하 기 위한 절차로는 다음과 같다.

첫째, 판매계획에 대한 수요예측의 정확도를 최대화하 기 위해서는 과거 판매실적 데이터를 기초로 한 알고리 즘에 의한 수요예측에 대한 정확도 향상이 필요하고, 고 객 밀착 협업, 고객사의 생산 정보 수집, 영업목표관리 등이 필요하다.

둘째, 재고관리의 효율화가 필요하며, 이를 위해서는 각 기업에 맞는 적정재고, 최대재고, 안전재고, 고객서비 스 수준 등에 대한 설정이 필요하고, 이는 과거 실적 데 이터에 기반을 둔 지수평활법 적용과 주요 제품을 선정 하기 위해 ABC 관리 등을 활용한다.

셋째, 생산계획의 최적화를 진행한다. 생산량이 늘어 나면 생산 준비 비용이 감소하는 반면 재고 비용은 증가 한다. 그러므로 제조비용과 생산량을 고려한 최적의 재 고정책을 수립하여야 한다.

재고 산출 방식의 전제조건은 발주 방식, 1회 표준 생 산량, 생산 주기, 납기 만족 확률, 수요 예측 기간, 평활 상수, 안전 계수로 구성되며 <Table 1>과 같이 정리한다.

<Table 1>에서 안전 계수는 수요량의 분포가 정규분포 를 따른다고 가정하여 구한 값으로써 납기 만족 확률이 정규분포의 누적분포 확률과 일치되는 경우의 수요 예측 치로부터 평균값을 빼고 이를 표준편차로 나눈 것이다.

3.2 안전재고 모델

대부분의 제조업에서는 납기 준수와 재고 감소를 위해 안전재고 수준을 설정하는 것은 매우 중요하다. 본 연구 에서는 이미 제안되었던 안전재고 모델을 응용하여 lot 단위 제품 생산을 하는 사례 기업에 맞는 안전재고를 산 출하고, 이를 기준으로 안전재고 최적화 모형을 제시하 고자 한다.

과거 12주간의 각 제품의 판매실적의 평균이 전체 평 균 수량에서 차지하는 비중을 확인하여 각 제품이 차지 하는 가중치를 구할 수 있다. ABC 등급관리를 사용하여 <Table 2>와 같이 제품별로 등급을 구분하였다.

안전재고의 설정 목적은 이전에 발생한 출고실적 정 보에 대한 모니터링과 안전재고 수준을 관리함으로써 미 래의 생산계획에 대한 예측을 통해 생산계획의 중요한 문제인 제품 품절 예방과 과잉공급에 대한 문제를 해결 하고자 하는 목적을 가진다. 안전재고를 산출하는 방식 으로 연구대상 기업이 장치산업에 속하며, lot 별 연속생 산을 하는 기업의 특성을 고려하여 <Table 3>과 같이 2 가지를 적용한다.

<Table 3>에서 SP2는 1주간의 수요예측량의 표준편차 와 안전 계수 그리고 리드타임을 이용하는 전형적인 안 전재고 계산 방법이며 SP1은 1주간의 평균과 표준편차 그리고 안전 계수를 고려한 재고량과 1회의 생산량을 더 한 값을 안전재고로 둠으로써 제품 품절 예방을 우선으 로 하는 정책에 해당된다고 할 수 있다.

3.3 수요예측 모델

대부분의 기업에서 생산 계획 담당자와 구매 담당자, 고 객서비스 담당자 등 이해 관계자들의 관점은 각기 다르게 나타나고 있으며, 각자의 업무에 적합하고 유리한 부분만 을 강조하는 경우가 종종 있다. 본 논문의 사례 기업도 다 음과 같은 각 담당자 간 서로 다른 시각차가 있고 이로 인한 여러 가지 개선점이 존재하는 것을 알 수 있다.

이러한 여러 가지 문제점을 해결하기 위한 대안이 필요 하며, 그 중 하나의 대안으로 최소한 2주일에서 1개월에 해당하는 수요예측을 하는 것이 필요하다. 수요 예측을 산 출하는 방식은 연구 대상 기업 특성을 고려하여 <Table 4> 와 같이 적용하였다. 생산계획 수립에 활용하기 위한 수요 예측방식을 적용함에 있어 DP1과 DP2는 이동평균법을 적 용하였으며, 이중 DP1은 lot 생산 특성을 고려하여 1회 표 준생산량을 추가 반영하였다. DP3과 DP4는 단순지수평활 법을 적용하였으며, 이중 DP3은 lot 생산 특성을 고려하여 1회 표준생산량을 추가 반영하였다.

생산 판매 되는 제품 중 과립형 제품이 약 90%를 차 지하고 있고 분말형 제품이 약 10%를 차지하고 있다. 생 산 시 과립 생산 line과 분말 생산 line이 별도로 있는데 과립 제품과 분말 제품은 포장 공정에 투입되는 인원을 제외하고는 각각 독립적으로 생산된다. 분말 제품은 생 산판매에서 차지하는 비율이 낮으며, 언제든지 생산할 수 있는 체계를 가지고 있는 점 등을 고려하여 연구에서 는 과립형 제품군을 대상으로 적정재고 정책을 제시함으 로써 효율적인 생산 운영이 되는데 기여하고자 한다.

4. 시뮬레이션 결과

생산 제품은 앞서 언급한 것과 같이 ABC 분석법에 따 라 산출된 A, B, C그룹의 제품으로 분류하였으며, A, B, C그룹 중에서 C그룹에 속하는 제품은 주로 시제품, 긴급 오더 제품, 수출품 등으로 구성되어 있으며, 이들 그룹의 생산 방식은 고객의 주문을 접수한 후 생산을 실행하고 있기 때문에 수요예측이 필요하지 않으므로 본 연구의 시뮬레이션 대상에서 제외하였다. A, B그룹의 29가지의 품목에 대하여 12주간의 과거 데이터를 바탕으로 하여 13주~35주간의 수요예측과 평균재고, 안전재고, 품절율, job change 횟수 등을 산출하였다.

본 연구의 시뮬레이션은 앞서 제시한 안전재고 산출 모델과 수요예측 산출 모델을 혼합하여 <Table 5>와 같 이 8가지의 경우로 나누어 적용하였다.

효율적인 재고의 관리는 고객의 주문 요구에 대응하 여 적기에 납품하기 위한 충분한 재고를 보유하는 것과 재고를 다량으로 보유함에 따라서 발생하는 재고 관련 비용을 감소시켜 기업의 수익성을 얻을 수 있도록 하여 야 한다. 고객에 대한 서비스 유지와 재고 운영의 효율성 이라는 서로 상반되는 항목을 평가하기 위하여 본 연구 에서는 고객의 주문에 대한 품절률의 발생 여부, 재고의 증감, 평균 생산 lot, job change 횟수를 각각 비교하였다.

품절 발생 여부의 판단은 고객의 주문을 받은 즉시 납 품할 수 있는 재고를 확보하고 있느냐는 것인데 이때 즉 시 납품할 수 없는 상태가 발생한 빈도를 비교 검증하였 다. 재고의 증감은 당시 실제 재고와 각 case별 계산된 재고를 상호 비교하여 기존 재고 대비 얼마만큼 감소할 수 있느냐를 평가기준으로 설정하였다. 평균생산 lot와 job change는 연속생산을 하면 생산성 향상을 가져오는 효과가 있으므로, 이를 상호 비교하였다.

품절이 발생하지 않고 평균 재고가 기존재고보다 감 소하는 case에 대해 추가적인 방법으로 기존생산량과 수 요예측한 생산량의 타당성을 검증하기 위해 다중검정 방 법인 Dunnett's method를 통해 비교 평가하였다. 시뮬레 이션에서 사용한 데이터는 출고실적의 경우 주차별 ERP 에 등록된 실제 출하실적을 사용하였고, 계획의 경우는 수요예측모델에서 계산된 예측수요량을 적용하였다.

품절율은 실제로 출하된 출하량 대비 보유 재고량을 비교하여 재고가 부족할 경우 품절이 발생된 것으로 그 산식은 다음과 같다.

이때 품절 주간 횟수는 시뮬레이션 기간 중 주간출고 필요량 대비 현 재고량이 적은 일수를 말하며, 전체 주간 횟수는 시뮬레이션 전체 기간을 의미한다.

평균 재고 비율은 시뮬레이션 기간 중 주간 평균 재고 로 그 산식은 다음과 같다.

이때 주간 평균 재고량은 시뮬레이션 기간의 주간 평 균 재고량을 의미하며, 평균 출고 수량은 시뮬레이션 기 간의 주간 평균 출고 수량을 뜻한다.

평균 lot 수는 시뮬레이션 기간에 생산된 lot의 평균 수 량을 의미하며, job change는 서로 다른 제품을 생산한 lot 의 수를 의미한다. Job change 횟수는 29가지 제품을 생산 함에 있어 주별로 적절하게 배분되어 있어야 하며, 1주간 동안 생산된 제품의 종류 수를 의미하고, job change 횟수 는 적을수록 좋은 점이 있으나 너무 적을 경우 한꺼번에 각각의 제품을 과다하게 생산하게 되고, 너무 클 경우 빈 번하게 job change를 하여야 하므로 생산 loss가 발생하게 된다.

생산 여유율은 A, B 그룹 제품을 생산하고 난 후 C 그룹 제품을 생산할 수 있는 여유시간에 대한 비율을 의 미하며 산출 식은 다음과 같다.

이때 주간 최대 생산 가능 lot 수는 1회 표준생산량을 1주일간 최대로 몇 회 생산 가능한가를 의미하며, job change시 발생하는 작업 loss를 감안하여 최대 횟수의 91% 를 적용하였다. 이는 연구대상 기업의 평균 작업률에 해당 한다.

본 연구는 적정재고와 적정생산계획에 필요한 수요예 측 모델에 대한 타당성을 검증하기 위해 실제 데이터에 대해 품절율, 평균 재고비율, 평균 lot 수, job change 횟 수, 생산 여유율 등을 평가하였다. 분석 결과에서 품절율 은 고객이 요구하는 제품을 적기에 생산하지 못하는 비 율로써 품절이 발생하는 것에 해당되는 case는 실제 업 무에 적용하지 못한다. 각 case별로 시뮬레이션을 한 결 과는 <Table 6>과 같다.

안전재고와 수요예측기법을 각각 적용한 결과 품절률 은 case1과 case5에서 기존 방식과 같이 0%로 나타나 고객 의 요구에 즉시 납품할 수 있는 것에 해당하며, 실제 업무 에 적용 가능한 것으로 분석되었다. 이를 제외한 다른 case 는 back order를 허용하는 조건으로 제품의 품절이 발생하 면 다음 날에 보충할 수 있다는 전제를 허용할 경우 실제 업무에 어느 정도 적용이 가능한 것으로 분석되었다. 하지 만 사례 기업은 일일공급계약을 체결하고 있기 때문에 품 절이 발생하는 case는 사례 기업에 적용하지 못하는 것으 로 분석되었다.

각 case별 평균 재고 비율을 분석한 결과 case8과 case4 가 평균 재고 비율만을 고려한다면 최적의 방법으로 볼 수 있으나, back order를 허용하는 조건일 경우 가능한 것 으로 분석되었다. 사례 기업에 적용 가능한 case(품절이 발 생하지 않은 case)인 case1과 case5의 경우 기존 방식과 대 비하여 평균 재고가 각각 약 9%, 7.6% 감소되는 것으로 분석되었다.

평균 lot 수와 job change 횟수를 각 case 별로 분석한 결과 기존 방식은 1주일에 평균 19번의 lot를 생산하였고, case4와 case8의 경우 17 lot를 생산하는데 back order 방 식을 허용하는 경우에는 최적의 방식으로 분석 되었다. Job change 횟수는 기존 방식이 평균 6회로 가장 효율적 인 것으로 분석 되었으며, back order방식을 허용할 경우 case2, case6도 적용이 가능한 것으로 분석되었다. 사례 기업에 적용 가능한 case인 case1와 case5의 경우 각각 18 lot와 19 lot로 나타났고, job change 횟수는 Case1과 Case5 모두 각 7회로 분석되었다. 이는 기존 방식 대비 유사하 거나 좋은 것으로 분석되었다.

A, B그룹 제품을 생산한 후 C그룹 제품을 생산할 수 있는 생산 여유율은 긴급 order, 설비 고장, 예측하지 못한 사고 등에 대비하기 위해서는 반드시 필요하며, 여유율이 높을수록 여러 가지 생산변수에 대응하기 유리함을 의미 한다. 따라서 기존 방식은 여유율이 43.4%를 유지한 반면 case4와 case8의 경우 여유율이 49.3%로 가장 효율적인 것 으로 분석 되었다. 사례 기업에 적용 가능한 case1과 case5 의 경우 여유율이 46.3%와 43.4%로 두 가지 방법 모두 기 존 방식 대비 효율적인 것으로 분석 되었다.

이상과 같이 각 case 별로 다양한 지표로 비교 분석한 결과 A, B그룹 제품에 대해 back order 방식을 허용할 경우 case8, case4, case2의 순으로 좋은 것으로 분석되어 case8이 품질비용측면에서 가장 효율적인 것으로 분석되 었다. 하지만 사례 기업과 같이 품절을 허용하지 않을 경 우 case1, case5순으로 품질비용이 낮으면서 실제 적용 가능한 것으로 분석 되었다.

5. 결 론

대부분의 제조업에서는 적정재고 등을 고려한 최적화 된 생산계획을 수립하는 방법에 관한 연구가 진행되어 오고 있다. 하지만 실제 업무 적용에 있어서는 각 기업별 로 제품의 특성과 공정특성, 판매 조건 등을 고려한 담당 자의 know-how와 실무에서 얻어진 경험 등을 활용한 다 양한 방법이 적용되고 있으며, 담당자가 변경된다고 하 더라도 기존의 방식을 그대로 적용하고자 하는 관습이 존재한다. 생산 일정계획 수립이 만에 하나 잘못된 방법 으로 적용되거나 납품에 실패할 경우 담당자는 감당하기 어려운 곤경에 빠질 수 있다. 기존 방식의 변경을 실행하 거나 과거로부터 수작업에 의존하던 방법을 데이터 시스 템을 활용하여 기존 업무를 변경하기엔 많은 노력과 시 간이 필요하다. 따라서 본 연구에서는 기존 담당자가 실 행하고 있는 생산계획에 따른 생산량과 재고정책에 의해 산출된 기존재고 수준을 검증하려고 하였고, 적정재고 모델과 수요예측 모델을 각 case별로 구분하였으며 각 case별로 가장 적합한 방법을 제시하려고 하였다.

사례 기업과 같이 품절을 허용하지 않을 경우 case1이 실제 업무에서는 가장 효율적인 방법으로 제시되었다. case1 은 품절율이 발생하지 않았고, 생산량도 기존 5,718톤에서 5,516톤으로 약 4%가량 줄어들었으며, 평균재고는 826톤 으로 기존재고 대비 약 10%가 감소되고, 생산여유율은 기 존 방식이 43.4%인 반면 Case1의 여유율이 46.3%로 A, B 급 제품을 생산 한 후 C급 제품을 생산할 수 있는 생산 여유율이 늘어남을 알 수 있었다.

본 논문에서 제시한 1회 표준 생산량과 적정주기 등을 적용한 적정재고 산출 방법과 이를 반영한 생산 일정 계 획 수립이 연구대상 기업에 즉시 적용 가능하다는 것이 시뮬레이션 결과에서 검증되었다. 이러한 검증 결과는 사례 회사의 생산계획 수립 표준과 재고관리 기준으로 활용하기에 충분하기 때문에 연구의 의미가 매우 높다고 볼 수 있다.

하지만 본 연구에서 제시한 대안들이 모든 기업에서 활용될 수 있는 최적의 대안은 아니다. 과거 실제 데이터 를 활용하여 시뮬레이션을 하는 것이 가능하였지만, 실 제 업무에서 매번 적용하는 것은 시간적 제약이 따른다. 이번 연구에서 어느 정도의 재고를 감소시키고 사전에 생산 일정을 예측할 수 있음에 따라 자재준비, 인력운영, 공정운영 등의 효율화는 가져올 수 있지만 아직도 개선 할 부분이 상당부분 존재하고, IT 시스템을 활용하여 적 정재고 산출 및 여러 가지 시뮬레이션을 통해서 좀 더 체계적이고 세밀하게 계획을 수립해야 하므로, 이를 보 완하기 위해 본 논문에서 제시한 이론을 토대로 ERP 시 스템을 활용한 실제 업무에 적용할 수 있도록 하는 방안 을 추후에 연구해야 할 것으로 생각된다.