제목 : 시스템 다이내믹스 기법을 활용한 MRP와 Demand Driven MRP의 성과 비교에 관한 연구
필요한 시점에 필요한 수량만큼만 공급하도록 계획을 수립하는 MRP 자재소요량계획은 예측이 정확하고 운영 환경의 불확실성이 존재하지 않는다면 재고를 최소화할 수 있는 아주 이상적인 계획수립 방법이다. 그러나 모든 환경이 수시로 급변하고 많은 불확실성이 존재하는 오늘날의 기업 운영 환경에서는 주기적으로 MRP를 수행함에도 불구하고 많은 결품과 원하지 않는 과잉재고를 가지고 있는 것이 현실이다. MRP의 문제점 및 한계를 해결하기 위한 수많은 연구들이 이루어져 왔지만, 대부분의 연구들이 특정 변수에 대한 영향 및 결과를 분석하여 부분적인 대안을 제시하는 결정론적인 분석 방법을 적용하였으며, 전체 최적화 관점에서 변수들이 서로 상호작용하고 그 결과가 시스템 전반에 걸쳐 피드백 구조로 미치는 영향을 종합적으로 분석한 총체적인 대안적 방법론을 제시하지는 못했다. 이러한 MRP의 문제점 및 한계를 극복하기 위해서 Ptak과 Smith가 제시한 Demand Driven MRP 방법론은 기존 MRP가 수요 및 공급의 불확실성에 대한 대응 능력이 취약한 부분을 재고 버퍼링을 통하여 수요 대응력 및 공급의 불확실성에 대한 대응능력을 향상시키면서도 전체 시스템의 흐름을 빠르게 할 수 있는 방법임은 분명하다. DDMRP는 두 저자 Ptak과 Smith의 기업 현장에서의 축적된 수많은 컨설팅 경험을 기반으로 실증적 분석 자료와 뛰어난 통찰력과 전체 최적화 관점의 사고를 바탕으로 체계화한 이론으로, 학문적 연구 결과를 바탕으로 정립된 이론은 아니다. 이에 본 저자는 여러 변수간의 인과 관계에 의한 결과 및 상호작용을 다양하게 시계열적으로 분석할 수 있는 복잡계 시스템 연구 방법론인 시스템 다이내믹스 기법을 활용하여 MRP 운영에 영향을 미치는 다양한 변수들이 다이내믹하게 변할 때에 MRP 방법보다 DDMRP 방법이 정말로 강건한 모델인지를 시뮬레이션을 통하여 검증해 보고자 하였다. 각 기업마다 MRP 운영에 영향을 미치는 변수의 크기가 달라지더라도, 쉽게 시뮬레이션 모형을 만들어서 MRP모델과 DDMRP모델을 비교 검증해 볼 수 있게 하고자 하였다. 이러한 시뮬레이션 검증 과정을 통하여 DDMRP 현실적, 이론적 타당성을 검증하여 DDMRP 사상 및 이론을 보다 적극적으로 확산하는데 기여하고자 하는 것이 본 연구의 목적이었으며 본 연구 결과 및 시사점을 요약하면 다음과 같다.
첫째, 본 연구를 통하여 시스템 다이내믹스 기법을 활용하여 MRP 및 DDMRP의 운영의 결과를 비교할 수 있는 시뮬레이션 모델을 완성함으로써, 각 기업의 기본적인 입력변수 조정을 쉽게 조정하고, 입력 변수 조정에 따라 변수 간에 다이내믹하게 미치는 영향 및 그에 따른 MRP 및 DDMRP 운영의 결과 차이를 시계열적으로 쉽게 비교 분석해 볼 수 있게 되었다. 둘째, 시뮬레이션 검증을 통하여 MRP방법보다 DDMRP 방법이 재고수준, 결품, 총 운영비용 측면에서 더 강건한 현실적인 방법임을 입증하였다. 세째, 사례 분석을 통하여 DDMRP의 버퍼크기를 적정재고 기준으로 사용할 수 있는 기준을 마련하게 되었다.
또한 본 연구의 한계 및 향후 연구 과제들을 정리하면 다음과 같다.
첫째, 본 모델은 저자의 지난 20년 MRP 적용 경험과 최근 2년간의 DDMRP 적용 경험을 바탕으로 모델링하고 시뮬레이션을 통하여 검증하였으나, 직접 경험하지 못한 변수나 조건에 대헤서는 모델에 반영되지 못하여 타당성 및 검증에는 한계가 있을 수 있다. 둘째, 본 연구에서는 시뮬레이션 결과 재고 보다 수요가 큰 경우에는 재고가 마이너스가 발생하게 되고, 그로 인한 결과 마이너스가 발생횟수가 증가하면 평균 재고수준이 음수가 나타나는 것으로 표현하였다. 그러나 현실세계에서는 실 평균 재고수준은 음수가 발생하지 않고 결품, 지연, 독촉 및 과잉으로 나타난다. 본 연구에서는 계획기능만을 시뮬레이션 모델로 만들었지만, 현실에서는 계획과 실행은 동시에 운영되며 그 결과가 재고로 나타난다. 따라서 보다 현실적인 모델이 되기 위해서 이러한 부분을 지속적으로 개선해 나갈 필요가 있다. 향후 Vensim의 Reality Check 기능을 추가하여 보다 기업의 현실과 유사한 모델로 보완 완성해 나갈 예정이다. 그렇게 되면 결품 발생이 많은 MRP모델의 재고 수준이 DDMRP모델보다도 훨씬 높아질 것으로 예상된다. 셋째, 본 모델링에서는 평균 수요를 기준으로 편차에 대한 비교 부분만을 시뮬레이션 검증하였지만, 현실세계에서는 계절 수요, 지속적인 수요의 증가 또는 감소 등 수요의 다양한 변화 패턴들이 있을 수 있다. DDMRP에서는 이러한 미래 수요의 추이를 PAF(Planned Adjustment Factor)라는 요소로 버퍼크기에 반영할 수 있는 기능을 가지고 있으나 본 연구에서는 반영하지 못한 부분으로 향후 모델을 추가 개선하면 DDMRP의 강건함을 더욱 부각시킬 수 있을 것이다. 넷째, 본 연구에서는 시도도 하지 못했지만 DDMRP 운영의 핵심인 버퍼관리 기능을 시스템다이내믹스 기법을 활용하여 담당자들이 시뮬레이션을 통하여 버퍼를 어떻게 관리하는
Abstract
A system dynamics model to evaluate the performances of MRP and demand driven MRP
Lee, Jung Sook (Supervisor Jang, Seong Yong) Dept. of Industrial and Information Systems Engineering Graduate School of Public Policy and information Technology Seoul National University of Science and Technology
A system dynamics model to evaluate the performances of MRP and demand driven MRP
Lee, Jung Sook (Supervisor Jang, Seong Yong) Dept. of Industrial and Information Systems Engineering Graduate School of Public Policy and information Technology Seoul National University of Science and Technology
If forecasting is accurate and there is no uncertainty in operations management and processes, MRP may be the best method for material planning. But in today’s enterprise supply chain environment, there are a lot of uncertainties and everything is changing fast. If The orders were released just on the basis of MRP plans, lots of shortage and expediting happen, resulting in too much inventories. Even though most companies are executing the MRP system everyday, the MRP planners of the majority of companies make the plan orders on the Excel spread sheets based on their own personal experiences and insight. In such a situation, MRP can not be said to be a formal material planning system any more. To solve this problem, Carol Patk and Chad Smith suggested “Demand Driven MRP” in “Orilicky’s MRP” 3rd edition(2011), which shows a new paradigm about inventory planning & management. The concept of DDMRP is the result of the two authors’ brilliant insight and a long period of experiences on TOC and ERP. However, DDMRP has not yet been proved enough as an academic theory.
The purpose of this study is to prove that DDMRP is more robust than MRP in terms of some critical performances by simulating them with a system dynamic technique Vensim DSS 6.0 tool. This study summarizes the results as follows: First, the performances of MRP and DDMRP can be compared and evaluated on the planning results by the system dynamic simulation model based on various input variables such as a company’s BOM, demand patterns, safety levels, lot size rules and variability factors, etc. Second, we can prove that the DDMRP model is more robust than MRP by using a simulation model in terms of inventory levels, shortage levels, total operation cost, etc. Third, this case study proved that the Red zone plus half of Green zone of DDMRP buffer size can be the general standard base to decide the target inventory.
This study also has some limitations in modeling, thus will require further researches on the DDMRP system. First, this MRP and DDMRP comparison model was developed based on my MRP implementation experiences and knowledge about mainly B2B and B2C make-to-order and make-to-stock environment. To be able to say that DDMRP is always robust in any industry, more tests and applications of it need to be done. Second, in the real world, such situation as minus on-hand inventory does not happen, but there occur lots of shortage, expediting and long term unused over stocked inventory by the informal management operation results. However, this study assumes minus on-hand in the case that demand is greater than current on-hand, because this study does not include an execution stage but deals with only a planning stage. So this simulation model should be improved using the reality check function like a real enterprise operation process in the future. Third, even though DDMRP has several strengths such as a planned adjustment factor mechanism for future demand control, and visual buffer management, they were not included in this paper. I hope this paper be a foundation of my continuous DDMRP study from now on.
목 차요약 i표목차 iv그림목차 viI. 서 론 11. 연구의 배경 및 목적 11.1 연구의 배경 11.2 연구의 목적 22. 연구의 범위, 방법 및 구성과 절차 32.1 연구의 범위 32.2 연구의 방법 32.3 연구의 구성과 절차 4II. MRP와 Demand Driven MRP 비교 연구를 위한 이론적 고찰 61. MRP 관련 선행 연구 61.1 MRP 관련 선행 연구 조사 61.2 불확실성으로 인한 과민성에 대한 시뮬레이션 연구 81.3 수요의 불확실성에 대한 연구 81.4 리드타임의 불확실성에 대한 연구 91.5 수요와 리드타임의 불확실성에 대한 시뮬레이션 연구 92. Demand Driven MRP 112.1 Demand Driven MRP의 개요 112.2 MRP와 DDMRP의 기본구조 비교 122.3 DDMRP와 ASR 리드타임 132.4 DDMRP 보충방식의 버퍼크기 결정 142.5 수요 변동 및 급증(Spike)오더 대응방안 152.6 Demand Driven MRP의 계획오더 생성 152.7 MRP와 DDMRP의 비교 163. 시스템 다이내믹스 183.1 시스템 다이내믹스의 개념 183.2 시스템 다이내믹스의 특징 193.3 시스템 다이내믹스의 모델링 절차 213.3.1 문제의 정의 213.3.2 인과지도(CLD: Causal Loop Diagram) 작성 213.3.3 시뮬레이션 모델(SFD: Stock Flow Diagram) 구축 233.3.4 모델 시뮬레이션 행태 분석 243.3.5 시뮬레이션 모델의 타당성 검증 243.3.6 모델의 활용/분석 253.4 시스템 다이내믹스 기법을 활용한 선행 연구 조사 26III. MRP와 DDMRP 모델구축 및 동태적 비교 분석 291. MRP와 DDMRP 기본 모델의 정의 291.1 기본 모델의 운영 환경 정의 291.2 제품의 구조 291.3 품목별 기준 정보 311.4 계획수립 주기 및 MRP 시뮬레이션 기간 321.5 시스템의 기본 변수 322. 모델의 설계 342.1 인과구조도(CLD) 342.2 모델 구축을 위한 기본 변수 및 변수명 표기법 362.3 모델(SFD: Stock Flow Diagram) 구축 및 모델 변수 382.3.1 공통 기준 정보 모델 및 모델 변수 381) 품목 기준 정보 모델 382) 버퍼크기 설정 모델 403) 제품 수요 생성 모델 414) 현재고, 현재고의 결품일, 예상재고, 예상재고의 결품일 합계계산 435) 전체운영비용 합계 계산 모델 452.3.2 MRP모델 471) 제품 P1, P2, P3 MRP 계획수립 모델 472) 반제품 M1, M2 MRP 계획수립 모델 523) 레벨 1의 구매품 B1, B2, B3, B5 MRP 계획수립 모델 554) 레벨 2의 구매품 B4, B5 MRP 계획수립 모델 582.3.3. DDMRP모델 611) 제품 P1, P2, P3의 DDMRP 계획수립 모델 612) 반제품 M1, M2 DDMRP 계획수립 모델 653) 레벨 1의 구매품 B1, B2, B3, B5 DDMRP 계획수립 모델 684) 레벨 2의 구매품 B4, B5 DDMRP 계획수립 모델 715) 비전략적 재고관리 반제품 M2의 MRP 계획수립을 위한 모델 746) 비전략적 레벨 1 구매품 B3, B5 MRP 계획수립을 위한 모델 757) 비전략적 레벨 2 구매품 B5의 MRP 계획수립을 위한 모델 763. 시뮬레이션 모델의 검증 773.1 모델의 건전성 검증 773.1.1 수식 단위 및 모델에 대한 기본 검증 773.1.2 계산 로직 및 수식의 정확성에 대한 검증 773.1.3 재고 및 가용수준 체크에 의한 검증 783.1.4 MRP 계획수립 결과와 DDMRP 계획수립 결과의 비교 검증 803.2 모델의 기본 시뮬레이션 결과 검증 823.2.1 MRP모델과 DDMRP모델의 레벨별 수요량 정확성 검증 823.2.2 기본 시뮬레이션을 통한 검증 821) MRP 기본시뮬레이션: 전 품목 안전재고 0, 로트크기 1 적용 832) MRP 기본 시뮬레이션: 안전재고 0, 84로트크기 500, 100, 100, 1, 1, 100, 100, 100, 500, 200 적용 843) MRP 기본 시뮬레이션: 안전재고수준 DDMRP의 Red zone 크기 86로트크기 500, 100, 100, 1, 1, 100, 100, 100, 500, 200 적용 864) DDMRP 기본 모델 시뮬레이션 874. MRP와 DDMRP 시뮬레이션 결과 비교 분석 894.1 모델 비교를 위한 입력 변수 선택 옵션 정의 894.1.1 MRP 안전재고 수준 설정 옵션 894.1.2 기초재고 수준 설정 옵션 904.1.3 로트크기 적용 옵션 914.1.4 급증오더 적용 옵션 914.1.5 전략적 재고관리 품목 선택 옵션 924.1.6 수요의 편차 선택 옵션 924.1.7 리드타임의 변동성 선택 옵션 934.1.8 입고수량의 변동성 선택 옵션 934.1.9 기타 옵션 944.2 초기 기본 모델 비교 954.3 결품없이 수요대응 가능한 수준의 비교 984.4 수요 편차에 대한 대응 능력 비교 1004.5 리드타임의 변동성에 대한 대응능력 비교 1064.6 입고수량의 변동성에 대한 대응능력 비교 1084.7 BOM 레벨별 시뮬레이션 결과비교 1104.8 재고유지비용 및 결품 손실비용 비율에 따른 비교 1114.9 민감도 분석 결과 데이터 분석 비교 1124.10 시뮬레이션 분석 결과 요약 113IV. DDMRP와 적정재고기준에 대한 사례 연구 1141. 사례 연구의 배경 및 목적 1142. 적정재고 기준 검토를 위한 모델링 1143. 사례 분석 연구 1163.1 A기업 진단 및 평가 결과 1163.1.1 A 기업 및 제품 현황 일반 1163.1.2 버퍼 설정 기준 1173.1.3 원료 A의 재고운영 상세 분석 1173.1.4 포장재 B의 재고운영 상세 분석 1193.1.5 원자재 적정 예상재고 수준 진단 요약 1213.1.6 제품C의 재고운영 상세 분석 1213.1.7 제품D의 재고운영 상세 분석 1233.1.8 제품의 적정예상 재고 수준 진단 요약 1243.1.9 A사 재고 스넵샷 진단 요약 1243.2 B기업 재고 수준 진단 및 평가 결과 1243.2.1 B