CJ대한통운이 제안하는 컨설팅을 통한 물류 혁신 사례
‘새로운 물류 거점을 어디에 위치 시켜야 하는가?’, ‘현재 운영 중인 물류 거점의 수는 적정한가?’ Supply Chain 내 원활한 물적 흐름(Physical Flow)을 위해 물류 거점의 위치를 선정하거나 적정 수를 결정하는 문제는 물류 서비스 레벨과 운영 원가를 좌우하는 매우 중요한 전략적 의사결정 요소이다. 주문의 형태와 빈도, 상품과 물동의 특성, 공급처의 위치, 거래처 납품 조건 등 다양한 제약요인들을 만족시킬 수 있는 해(解)를 찾아 네트워크 모델을 설계해야 하는 최적화 문제이자 동시에 과거 물동에 대한 대용량 데이터 분석이 필요한 어려운 과정이 수반된다. 복잡하지만 중요한 이 문제를 풀어 낼 방법이 없어 대부분의 기업들은 단순한 분석이나 경험에 의존하거나 동종업계 경쟁사의 현황을 참고해서 판단하는 경우가 많다.
CJ대한통운은 이러한 물류 네트워크 최적화 문제를 다양한 산업군에서 컨설팅을 수행하며 노하우를 축적했다. 산업별 비즈니스 특성에 대한 이해도가 높은 최적화 전문가, 네트워크 설계 방법론, 시뮬레이션 툴을 보유하고 있으며, 이를 기반으로 최적의 솔루션을 찾아 고객에게 실행 가능한 대안을 제시한다. 네트워크 설계 방법론은 1) 현황 분석을 기반으로 2) Scenario Modeling 및 3) Simulation을 수행하고 4) 평가 및 선정을 통해 최적 네트워크 전략을 제시하는 일련의 과정으로 구성되어 있다. (그림 1)
물류 네트워크 현황(수도권) 분석
A社의 수도권 물류 네트워크는 공장(1개), 거점(29개), 거래처(1,696개)로 구성되어 있으며, 공장으로부터 상품을 공급받아 1,696개의 거래처로 배송하기 위해 현재 29개의 거점을 운영하고 있다. 내부적으로 거점 통합에 대한 긍정적인 의견이 있었으나 몇 개의 거점을 어디에 배치하는 것이 최적의 네트워크 모델인지 판단 할 수 있는 방법이 없었다. 이 문제를 시뮬레이션 방법론을 통해 최적 결과를 도출하는 것이 컨설팅의 핵심 과제였다. (그림 2)
물류 운영 현황 및 이슈
1) 공장
· 운영시간 : 23시 생산 시작, 24시 출고 시작
· 상차도크 : 총 9개 Dock에서 동시 상차 가능
· 운송형태 : 29개 거점으로 P2P 방식의 운송
· 작업방식 : 재고가 없고 유통가공 작업 수행
· 작업시간 : 입고차량 유통가공에 20분/대 소요
· 운송형태 : 소형 차량 활용한 Multi Drop 방식의 운송(24시~04시 거래처별 도착요구 시간 내 납품)
3) 핵심 이슈
· 공장의 출고 도크는 9개인데 반해, 제품을 신속하게 공급받아 배송을 해야 할 크로스도킹센터 수는 29개이다. 공장에서 최대 Capacity로 출고를 한다 해도 공급받는 센터 입장에서는 차량 도착 인터벌이 커서 유휴시간(작업대기 시간)이 많이 발생하고 있다.(센터 작업은 차량 당 20분, 차량 도착 인터벌은 1시간 내외) 또한 각 거점별 처리하는 물동량의 편차가 매우 심하여 자원의 효율적인 운영에 어려움이 있고 거래처 납품시간 준수에도 어려움이 발생하고 있는 상황이다.
네트워크 시나리오 모델링 및 최적화 시뮬레이션
1) 시뮬레이션 제약조건 정의
· 공장 : 1개 거점, 출고시간 준수(24시~), 운송차량(최대 1 Ton 한정, 적재량 제한)
· 센터 : 자가 거점 2개는 현재의 위치 및 규모 유지
· 거래처 : 1,696개, 각 거래처 납품 시간 준수(24시~04시)
2) 제약조건을 만족하는 센터 수와 위치 선정 (그림 4)
· 거점 수에 따른 시나리오별 Green Field Simulation을 통해 최적 위치 선정 (5개~18개)
1) 정량적 평가
· 네트워크 최적화 시뮬레이션에 대한 정량적 평가는 수송비, 배송비를 기본으로 거점 비용(임차비, 작업비)을 포함한 총 비용 관점에서의 비교와 거래처 납품시간 등 서비스 관점에서의 비교를 병행해서 진행한다. 이 때 단순히 비용에 대한 결과만을 평가하는 것이 아니라, 시나리오 변경에 따라 비용 발생 요소인 총 이동거리, 적재율, 차량 수 등이 어떻게 변화하는지를 면밀하게 분석해야 정확한 평가를 내릴 수 있다.
2) 정성적 평가
· 정량적 평가만으로 대안을 선정 할 경우 비즈니스 측면의 현실을 제대로 반영하지 못하게 되어 실행가능성이 낮아질 수 있는 위험이 있다. 이러한 위험을 사전에 방지하기 위해서는 비즈니스 측면의 중요 요소를 평가할 수 있는 정성적 지표가 매우 중요하다. 이번 사례에서는 배송서비스 대응력, 인력 확보 용이성, 변화관리 용이성 등을 정성적 평가 항목에 포함하여 비즈니스 실무 측면의 사항들도 고려하였다.
3) 최적 대안 선정 및 기대효과 분석 (그림 5)
· 정량/정성 평가를 통해 9개의 센터가 가장 최적 대안으로 선정되었고, 각 센터별 거래처 납품을 위한 배송권역 또한 시뮬레이션을 통해 확정하였다. 전체 거점 수가 줄어들면서 기존의 작업대기 시간 등 비효율 요소가 통합으로 인해 상쇄되는 Pooling Effect가 나타나는 것을 확인 할 수 있었고, 이를 통해 전체 물류비의 9.6%가 절감되는 것은 물론 거래처 평균 납품 시간 또한 기존 대비 28%가 단축되는 효과가 있을 것으로 결과가 도출되었다.
우리가 매일 운영하고 있는 Supply Chain은 각 구성요소 간 복잡한 전후관계와 상호 연관성을 가지고 있다. 각각의 특성과 이해관계를 고려한 상황에서 특정 영역의 최적화를 추구하는 것은 다양하고 어려운 제약요인들을 함께 반영해야 하는 매우 어려운 문제임에 틀림없다. 이런 어려움으로 인해 장기적인 계획보다는 특정 지역 또는 특정 기능만을 대응하기 위한 부분적인 최적화로 접근하는 경우도 많다. 그러나 부분적이고 단기적 대응은 시간이 지나 돌아보면 전체 최적화와는 너무나 동떨어진 모습을 하고 있다. 이번 사례도 그 동안 장기적 마스터플랜보다는 임대 계약이 만료되는 거점을 개별 대응했던 것이 현재의 모습으로 나타난 것이라 판단된다. 거점의 수와 위치 선정 문제, 운송 자원과 Route 문제 등이 물류 영역에서의 대표적인 최적화 영역으로 볼 수 있는데, 단기적이고 개별적인 접근보다는 주문, 제품, 공급처/납품처, 차량 등 Inbound/Outbound 운영 특성을 종합적으로 고려함과 동시에 과학적 방법으로 접근하여 사업전략의 중요부분을 차지하는 물류전략 및 정책을 수립하는데 있어 보다 최적의 의사결정을 내릴 수 있어야 하겠다.