한국경영과학회지제 39 권제 4 호 2014 년 11 월 http://dx.doi.org/10.7737/jkorms.2014.39.4.001 Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 김현경 1 신광섭 2 1 롯데로지스틱스, 2 인천대학교동북아물류대학원 Analysis and Improvement of Stocking and Releasing Processes in Logistics Warehouse Using Process Mining Approach Hyun-Kyoung Kim 1 KwangSup Shin 2 1 Lotte Logistics, 2 Graduate School of Logistics, Incheon National University Abstract The functions of stocking and releasing in logistics center consist of three major procedure such as receiving, shipping and stock managements. Each process includes various sub-processes which are complicatedly connected with each other. Furthermore, lots of operators execute various tasks in the different sub-processes, simultaneously. It makes difficult to standardize, monitor, and analyze the processes. This paper proposed the quantitative methodology using process mining approach to discover and analyze receiving and shipping processes. For this purpose, the PDA operation log data is analyzed to build a realistic process model. The deduced model has been compared with official process model. In addition, task assignment and social networks analysises are carried out by utilizing process mining tools. Also, it has been proposed how to improve the processes with the analytical simulation model based on the results of process mining. Keywords:Logistics Center, Process Mining, Receiving and Shipping Process, Simulation 논문접수일 :2014년 09월 06일논문게재확정일 :2014년 10월 10일논문수정일 (1차:2014년 10월 03일 ) 교신저자, ksshin@incheon.ac.kr
2 김현경 신광섭 1. 서론 일반적인물류센터의입출고기능은크게입고관리, 재고관리, 출고관리의프로세스로나눌수있으며, 각프로세스는여러하위프로세스가서로복잡하게연결되어정의된다. 이러한일련의작업프로세스가병목현상없이원활하게진행되어야만, 물류센터의기본기능이라할수있는입ㆍ출고작업의수행이가능하다. 특히, 물류센터는전체공급망운영에있어외부변화에대한완충역할뿐만아니라대고객서비스수준의향상을위한핵심적인역할을수행하기때문에물류센터의작업을개선하여물류서비스수준을향상시키고, 물류비용을절감하는것은기업의시장경쟁력향상을위한가장기초적인단계라고할수있다. 물류센터의작업프로세스를개선하기위해서는가장먼저현재수행되고있는프로세스를분석하여문제점을도출하고해결방안을제시해야만한다. 그러나물류센터의입ㆍ출고프로세스는다양한작업들로구성되어있고, 입고작업자, 출고작업자, 검수작업자, 상차작업자등과같이여러작업자가동시다발적으로수행되기때문에전체프로세스를정량적으로분석하고문제점을도출하는것이쉽지않다. 특히, 물류센터를설계및구축할당시에정의된프로세스가실제현장의상황을정확하게반영하지못한경우가많으며, 또한현장에서도표준화된프로세스를정확하게지켜지지않아관리를위한프로세스와실제수행을위한프로세스가이원화된상황에서는담당자인터뷰와같은정성적방법을통해문제점을발견하는데는한계가존재할수밖에없다. 이러한현실적한계점을극복하기위해본연구에서는프로세스마이닝기법을활용하고자한다. 프로세스마이닝은정보시스템에기록된이벤트로그에서프로세스모델을도출함으로써운영프로세스에대한발견과모니터링, 개선을지원하는연구분야로현실을반영한프로세스모델을도출한다는점에서강점이있기때문이다 [19]. 창고관리시스템을통해축적된 PDA 작업로그 데이터를프로세스마이닝기법을활용하여분석하고, 이를바탕으로물류센터의작업프로세스를이해하고, 문서상으로존재한프로세스가아닌실제현장에서수행되고있는프로세스를파악할수있다. 또한, 실제현장에서수행된작업에대한정량적평가를통해다양한측면에서의문제점을도출하였으며, 프로세스의정형화및문제점발견에서그치지않고, 시뮬레이션기법과의결합을통해효율성을높일수있는방안을제시하였다. 그동안항만하역시설을제외한물류분야에서는데이터기반분석기법의활용이활발하지못했던것이사실이다. 본연구는물류센터내에서생성되는다양하고방대한데이터를기반으로현장업무를분석하고개선할수있는방안을제시하였을뿐만아니라프로세스마이닝과시뮬레이션기법과의결합을제안함으로써기업이보다효과적으로물류프로세스를분석하고개선할수있는방법론을제시하였다. 본논문은다음과같이구성된다. 제 2장에서는프로세스마이닝기법의실제적용사례를중심으로기존연구를분석하였다. 제 3장에서는물류분야의프로세스마이닝적용사례를기반으로본연구에적용될연구수행체계를제시하였다. 제 4장에서는프로세스마이닝기법을활용하여자동화물류센터의실제 PDA 작업로그데이터를분석하고, 이를기반으로도출된문제점과해결방안을제시하였다. 그중에서정형화된프로세스의운영기준을마련하기위해시뮬레이션을통한출고작업수행을위한적정지게차대수를산정한과정과결과를제 5장에서제시하였다. 마지막으로제 6장에서는본연구의결론및향후연구방향을기술하였다. 2. 관련연구 앞서언급한바와같이프로세스마이닝은정보시스템에기록된이벤트로그에서프로세스지식을도출함으로써운영프로세스에대한발견과모니터링, 개선을지원하는연구분야이다. 즉, 프로세스
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 3 실행과정에서발생된기록을기초로프로세스를도출하고, 개선방안을수립하는데필요한유용한지식과정보를추출하는것이다. 정보시스템으로부터작업의실행결과및이벤트로그를추출하여기존의통계기법 [12], 인공지능기법기법 [15, 18], 사회적네트워크기법 [21] 등을이용하여분석함으로써, 프로세스모델을유도하거나, 업무의상관관계, 작업자의업무전달관계등프로세스수행상의특징을분석한다 [22]. 프로세스마이닝의기본적인목적은사람들이머리속에서추정하고있는프로세스가아닌실제현장에서수행되는업무프로세스를도출하고, 모니터링하며, 개선하는것이다. 이를수행하기위해서는프로세스도출 (process discovery), 적합성검사 (conformance check) 및개선및향상 (enhancement) 의과정이필요하다 [17]. 프로세스마이닝연구초기에는데이터로그로부터프로세스모델을추출하거나데이터를분석하는기법에관한연구가주를이루었다면, 최근의프로세스마이닝의연구는실제데이터를이용하여프로세스마이닝을수행하는사례연구중심으로진행되고있다 [5]. Alst et al.[20] 은그들의연구에서공공서비스부분의실제데이터를이용한프로세스마이닝을시도하였으며, Medeiros et al.[18] 은유전자알고리즘을적용하여시행로그데이터의예외상황에대해서보다안정적인모델을발견할수있도록하였다. Mans et al.[13] 은의료서비스분야에서환자가의료서비스를제공받는흐름에대한연구를수행하였고, 프로세스수행조직관점에서업무프로세스를분석하고, 작업간의수행관계를분석한사례 [16] 도있다. 제조업분야에적용한사례는 Rozinat et al.[14] 과 Goedertier et al.[10] 의연구가있다. 위연구들은사례연구로서기존의프로세스마이닝을적용하고평가한연구이다. Rozinat et al.[14] 의연구에서는발견된모델의결과가복잡한점을지적하며다른프로세스마이닝기법의필요성을제시하였고, Goedertier et al. 은통신산업에기존의 데이터마이닝기법들을적용하였다 [11]. Jans et al. [11] 의금융분야사례연구에서도프로세스마이닝기법들이더욱정교화되고성숙되어야한다는의견이있었다. 최근국내에서도다양한사례연구가진행되었다. 이동하는조선산업의생산공정분석에프로세스마이닝기법을적용하여, 생산공정상의블록이동과블록조립프로세스를분석하였다 [5]. 강영식외 [1] 는대학의전자결재프로세스를프로세스마이닝기법을이용하여분석하였으며, 감사분야에프로세스마이닝기법을적용하여유럽은행의실제데이터를기반으로분석한사례도 [2] 있다. 그밖에손숙영외 [3] 는전시행사의관람객흐름과관람시간을분석하였으며, 최상현외 [7] 는전자기기의고장수리프로세스를분석하였다. 물류분야의적용사례로는 Jeon and Bae의연구 [6] 와 Wang et al.[23] 의연구가있다. 첫번째사례는컨테이너터미널에서컨테이너의취급프로세스에대한개념적분석프레임워크를제안하였으며 [6], 두번째는물류분야에프로세스마이닝을적용시키기위한로드맵과방법론을제시하였다 [23]. 특히, 이연구 [23] 는중국벌크항구의물류프로세스를프로세스마이닝기법을활용하여분석하면서물류분야에프로세스마이닝적용을위한프레임워크를제시하였다. 그러나물류산업에프로세스마이닝기법을적용한연구는제한적이며, 특히물류센터의입ㆍ출고프로세스를대상으로적용한사례는발견하기어렵다. 앞서서론부분에서언급한바와같이물류센터는다수의작업이동시다발적으로이루어지고있으나표준화된프로세스를준수하지않고있는것으로파악되기때문에업무수행결과인로그데이터를기반으로근본적인문제점과해결방안을수립할필요가있다. 본연구에서는프로세스마이닝기법을적용하여물류센터의입ㆍ출고작업프로세스를분석하고자한다. 물류센터의실제작업로그데이터를기반으로다양한프로세스마이닝기법들을적용하여, 현실을반영한프로세스도출하고이를분석하여개선방안을수립하는방법론을제시할것이다.
4 김현경 신광섭 3. 연구수행방안 본장에서는프로세스마이닝을물류센터입출고프로세스분석에적용하기위한연구수행체계를제시할것이다. Wang et al.[23] 이제시한이벤트로그추출, 로그전처리, 탐색적분석및성과측정의프로세스마이닝의기본절차를따르면서도궁극적으로는물류프로세스의개선이라는목적을달성하기위한프로세스모델의발견, 프로세스개선의단계를추가하여연구수행체계를다음 [ 그림 1] 과같이제시하였다. 전체연구수행단계는 1) 이벤트로그데이터추출, 2) 데이터정제및변환, 3) 프로세스모델의발견, 4) 프로세스성과측정, 5) 물류프로세스적합성검사, 6) 프로세스개선및향상의단계로구성되어있다. 3.1 로그데이터추출프로세스마이닝은대규모의이벤트로그데이터로부터분석이시작되며, 첫번째단계는로그데이터추출단계이다. 로그데이터를추출하기위해서는먼저대상프로세스의선정과범위를결정하며, 각프로세스를구성하는활동들이무엇을의미하는지이해해야한다. 또한대상프로세스와활동들이어떤정보시스템에, 어떤형태로기록되는가를파악해야한다 [2]. 연구 대상및프로세스가결정되었다면, 시스템으로부터이벤트로그데이터를추출해야한다. 데이터를추출할때에는반드시데이터추출기간을고려해야하며, 데이터추출기간에완료된사례만을포함해야한다. 완료되지않은사례들이포함될경우에는분석의결과가달라질수있다 [2]. 3.2 데이터정제및변환데이터정제단계는부정확한값, 결손값, 잡음, 불일치등을제거하고데이터의범위를벗어난데이터및이상치를추출하는단계이다. 이상치를제거한이후에는새로운데이터필드를생성하거나, 데이터필드의병합및분할등의작업을수행하고선택된데이터를프로세스마이닝수행에적합한형태로변경한다 [9]. 3.3 프로세스모델발견프로세스모델발견단계는실제프로세스마이닝알고리즘이적용되는단계로작업의유형에따라연관규칙, 군집화, 의사결정나무, 인공신경망등의알고리즘이사용될수있으며, 하나이상의기법들이사용되는것이일반적이다 [8]. [ 그림 1] 물류센터프로세스분석과개선을위한연구수행체계
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 5 3.4 프로세스성과측정 프로세스성과측정은크게 분석대상선정 과 대상분석 의두가지단계로수행된다. 우선프로세스성과측정을통해어떠한부분을측정할것인가를결정해야한다. 이것은어떤특정프로세스일수도있고, 어떤지표일수도있다. 분석대상이선정된후에는해당대상을분석할기법을선택해야한다. 3.5 프로세스적합성검사 프로세스적합성검사단계는프로세스마이닝을통해도출된프로세스모델과사전에알려진공식적인프로세스모델을비교분석함으로써공식모델과의차이를발견해내는단계이다. 공식모델과프로세스마이닝을통해도출된모델을비교하여어떤예외프로세스가, 얼마나자주발생하는지, 그리고어떤유형의변형이존재하는지발견할수있다. 이렇게발견된프로세스차이의원인을분석하여해결방안을제시함으로써프로세스를개선할수있다. 3.6 프로세스개선및향상 이단계는프로세스마이닝의결과를해석하고평가하는단계로 프로세스도출, 적합성검사, 향상 관점에서해석하고평가하는단계이다. 이와더불어본연구에서는프로세스마이닝기법을통해도출된데이터를기반으로현실을반영한시뮬레이션모델을수립하고시뮬레이션을수행함으로써구체적인프로세스개선방안을제시하고그방안의효과를검증하였다. 4. 프로세스마이닝기반물류센터입출고프로세스분석 4.1 물류센터개요 본연구의실제분석대상인 L 社물류센터는도심지역에위치하고있으며대지 2만여평에연면적 1만 6천여평규모로물류센터기준으로총 3층, 일반건물로는 6층규모이다. 도심형물류시설로부지의활용도를높이기위해램프웨이를설치해차량이각층별로직접접안이가능하도록설계되었다. L 社물류센터의가장큰특징은팰릿 (Pallet) 자동입출고시스템 (AS-RS), BOX AS-RS 등이도입된고도화된자동화물류센터라는점이다. L 社물류센터는약 22,000 팰릿의재고를보관할수있으며, 하루에 165,000 Box 를출고할수있는대규모자동화물류센터이다. 물류센터의입ㆍ출고작업프로세스는기본적으로입하, 입고, 보관 ( 재고관리 ), 출고 ( 피킹 ), 출하의단계로이루어지며, 각프로세스는여러하위작업들의연결로정의된다. 이러한일련의작업프로세스가병목현상없이원활하게진행되어야만, 물류센터의기본기능이라할수있는입ㆍ출고작업의수행이가능하다. 4.2 입출고로그데이터추출물류센터프로세스분석을위해입ㆍ출고작업자들이사용하는 PDA의작업로그데이터를활용하였다. 연구대상인 L 社물류센터는전술한바와같이고도로자동화된물류센터로 WMS, 창고제어시스템등운영시스템을통해작업을진행한다. 작업자들은 WMS의작업지시를 PDA를통해수신하고, 작업결과를입력하거나바코드를스캔함으로써입ㆍ출고작업을수행한다. 이때작업자들이수행하는모든작업들은 PDA 로그데이터로기록되게된다. [ 그림 2] 는입고작업을수행할때 PDA 로그데이터가생성되는과정을보여주고있다. 입고검수, 자동화창고입고지시, 일반팰릿보관창고입고지시및적치완료시에 PDA 작업로그데이터가생성된다. [ 그림 3] 은출고작업을수행할때 PDA 로그데이터가생성되는과정을보여주고있다. 피킹및이동작업, 출고검수, 출고상차등의작업수행시에 PDA 작업로그데이터가생성된다. 창고관리시스템에서추출된로그데이터는 2013년 8월 18일부터 2013년 9월 17일까지발생된물류센터입ㆍ출고작업에대한 107,571건의이벤트로그를포함
6 김현경 신광섭 [ 그림 2] 입고프로세스중 PDA 로그데이터생성과정 [ 그림 3] 출고프로세스중 PDA 로그데이터생성과정 하고있으며, 18개의 Activity가수행되었고, 총 42명의작업자가투입되었다. 물류센터내입출고작업의가장기본적인단위는팰릿이므로, 프로세스의케이스를 구분하는기준으로는팰릿의고유번호인 PI-ID를사용하였다. 다음 < 표 1> 은추출된데이터의예시를보여주고있다. < 표 1> 물류센터작업로그데이터추출결과예시 PI-ID Task ID Timestamp Originator JD13081800001 입고검수팰릿설정요청 13-08-18 01:00:38 작업자 1 JD13081701336 PLT_DOCK 확인요청 13-08-18 01:05:40 작업자 2 JD13081001395 출고팰릿픽업정보조회 13-08-18 01:05:48 작업자 1 JD13081001395 PLT_DOCK 확인요청 13-08-18 01:06:01 작업자 1 JD13081501630 출고팰릿픽업정보조회 13-08-18 01:06:06 작업자 2
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 7 4.3 프로세스모델의발견본연구에서프로세스를도출하여달성하고자하는목표는다양한자동화설비가도입됨으로더욱복잡해진창고내작업프로세스를가시적으로보여줌으로써창고업무프로세스에대한통찰력을제공하는것이며, 더나아가물류센터의작업프로세스들이설계된표준프로세스와일치하는지를검증하고, 각작업의생산성이설계된생산성을충족하는지여부를분석하여프로세스상문제점을파악하는것이다. 이를위해전체입출고과정을먼저도출하고, 이후각단계별로정형화된프로세스를도출한다. 4.3.1 전체프로세스도출연구대상물류센터의작업프로세스는크게입고, 출고, 보관작업으로구성되어있으며, 다음 < 표 2> 에서는입고, 출고및보관프로세스를구성하는단위작업의목록을보여주고있다. 각작업의수행내역과작업간연결고리들을분석함으로써창고내프로세스모델을이해하고분석할수있다. < 표 2> 물류센터프로세스의단위작업유형프로세스 Activity명입고검수팰릿설정요청입고지시요청입고입고완료설정요청입고완료팰릿정보조회일괄팰릿구성요청출고팰릿검수처리요청출고팰릿픽업정보조회출고출고부분피킹처리요청 PLT_DOCK 확인요청출고팔레타이징처리요청재고이동개별처리요청재고이동분리개별처리요청보관재고병합지시정보 _OUT 조회재고병합개별설정요청자동창고이동요청 입고, 출고작업모두일반적인팰릿랙시설물이설치되어있는일반창고에서수행되는작업과자동화설비가설치되어있는자동창고에서수행되는작업의두가지유형이존재한다. BOX 자동창고를경유하여출고되는팰릿의경우에는팰릿이해체되어 BOX 형태로출고된후새로운팰릿에적재되어출고되기때문에입고된팰릿 ID로트래킹되지않는한계점이있다. 하지만 BOX 자동창고출고순서의역순으로자동으로박스를추출하는장치인슈트로부터 BOX가배출되어새로운팰릿에적재되고, 이팰릿에새로운팰릿 ID가부여되기때문에, 이후과정에서는팰릿 ID에의한이력관리가가능하다. 프로세스마이닝도구인 Disco를이용해서이벤트로그에서발견된실제프로세스모델의전체모습, 즉제품이물류센터에서입고되어출고되기까지거치는모든작업들이 [ 그림 4] 에제시되어있다. 이도출된모델은큰흐름의관점에서는문서상으로정의된공식모델과일치한다고볼수있다. 직사각형이단위작업 (Activity) 을나타내고각직사각형안에표시된숫자는해당단위작업의수행빈도수를나타낸다. 화살표는작업의선후관계를, 화살표에표시된숫자는두작업이수행된횟수를나타낸다. 활동의진하기와화살표의두께가활동의수행빈도의정도를의미한다. 그림에서알수있듯이 입고검수팰릿설정요청 - 입고지시요청 - 출고팰릿픽업정보조회 - PLT_DOCK 확인요청 작업으로연결되는프로세스가가장빈번히수행되었음을보여주고있으며, 이는팰릿자동창고로입고후, 보관되어지다가팰릿자동창고에서팰릿단위로배출및피킹되어출고되는유형의작업이가장빈번히수행되었음을의미한다. 다음절에서는프로세스를더욱상세히분석하기위해입고, 재고이동및출고작업을구분하여프로세스모델을분석하고자한다. 4.3.2 입고프로세스분석아래 [ 그림 5(a)] 는전체프로세스중입고작업프로세스를자세히보여주고있다. 입고작업은 입고검수팰릿설정요청 을수행한후, 입고지시요청, 입고
8 김현경 신광섭 [ 그림 4] 전체입 출고프로세스 완료설정요청 의두가지 Activity로연결되는프로세스를보이고있다. 입고검수팰릿설정요청 은팰릿에제품을적재하고적재한제품수량을 PDA에입력하여팰릿 ID를발행하는작업이다. 입고지시요청 은팰릿자동창고에입고하기위한작업이며, 입고완료설정요청 은일반팰릿랙창고에입고하기위한작업이다. 입고지시요청 은 19,378회가수행되어약 85.8% 를점유하고있으며, 입고완료설정요청 은 3,201회수행되었으며약 14.2% 를점유하고있다. 자동창고에 85% 이상의제품을입고하고일반창고에 15% 미만의제품을입고하는것으로나타나, 자동창고의활용률이매우높은것을알수있다. 4.3.3 출고프로세스 [ 그림 5(b)] 는출고프로세스를보여주고있으며, 크게네가지유형을나타내고있다. 첫번째유형은 PLT_DOCK 확인요청 이수행되는작업으로팰릿자동창고에입고되어보관되다가팰릿채출고되는작업이다. PLT_DOCK 확인요청 수행된횟수인 12,942는출고된팰릿수량을의미한다. 두번째유형은, 출고부분피킹처리요청 이수행되는유형으로자동창고로부터팰릿채배출되어일부 BOX는출고되고일부 BOX는일반팰릿창고로이동되어적치되는유형이다. 출고부분피킹처리요청 수행된횟수인 3,558은출고된팰릿수량을의미한다.
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 9 [ 그림 5] 입출고프로세스도출결과 : (a) 입고 ; (b) 출고 이유형은팰릿에적재되는 BOX 수량기준으로 50% 이상의수량이출고되는경우에수행되도록설계되었으며, 많은양의 BOX를수작업으로피킹하는비효율을제거하기위해설계된작업이다. 세번째유형은 출고팔레타이징처리요청 이수행되는유형으로 BOX 자동창고로부터슈트를통해 BOX가배출된후새로운팰릿에적재되어출고되는작업이다. 출고팔레타이징처리요청 수행횟수인 4,319회는출고된팰릿수량과동일하다. 네번째유형은 출고팰릿픽업처리요청 이수행되는유형으로일반팰릿창고에서지게차작업자에의해팰릿혹은 BOX 단위로피킹되어출고되는작업형태이다. 이작업은, 다시팰릿단위로피킹되어출고되는작업과 BOX 단위로피킹된후두개이상의제품이하나의출고용팰릿에혼재되어출고되는두가지유형으로분리된다. 하지만두가지유형모두 PDA의로그데이터에 출고팰릿픽업처리요청 수행횟수로기록되어이두가지유형은구분할수는없었다. 이유형에서 출고팰릿픽업처리요청 의수행횟수인 8,285회는피킹작업수행횟수를의미하는것으로출고된팰릿의수량을의미하지는않는다. BOX 단위로피킹작업을수행할경우에는출고용팰릿에두개이상의상품의혼적이발생하기때문에출고된팰릿의수량은피킹대상팰릿숫자인 8,285 팰릿보다작을것으로추정된다. < 표 3> 은네가지출고유형별로출고된팰릿의수량과비중을나타내고있다. 그러나기존의 WMS에서는출고처별작업량, 차량별작업량등의정보는제공되고있지만, 출고유형별작업량을파악하는기능은존재하지않았다. 그이유는이러한정형화된프로세스유형을파악하지못하고있었기때문이며, 프로세스마이닝을통해서출고유형별작업량을파악하고분석할수있게됨으로써각작업유형별생산성을점검할수는가능성이확보된것이라할수있다. 이를통해물류센터를최초설계할때산정한총작업량을충족하고있는지, 적정규모의인적 물적자원이투입되고있는지여부를확인할수있다. 4.4 작업할당분석본절에서는물류센터내작업자에게입출고작업
10 김현경 신광섭 < 표 3> 출고작업유형별비율 유형수행업무내용작업빈도비율 (%) 1 PLT 자동창고 - 팰릿단위출고 12,942 44.5 2 PLT 자동창고 - 팰릿단위배출후일부수량출고 - 잔여수량일반팰릿창고이동보관 3,558 12.2 3 BOX 자동창고 - BOX 단위출고 4,319 14.8 4 일반팰릿랙창고 - PLT 혹은 BOX 단위출고 8,285 28.5 계 29,104 100.0 이배정되는현황을 작업자간작업할당 과 시간대별작업할당 의두가지관점에서분석한결과를설명한다. 작업자간작업할당분석 을통해작업자별로균형있게할당되어있는가를파악해보았고, 시간대별작업할당분석 을통해특정시간대에작업의편중이발생하는지여부를분석하였다. 4.4.1 작업자별작업할당분석주간또는월간데이터를사용할경우, 일별작업인력변동 ( 특정일에만근무하고퇴직하는경우등 ) 에의한배정결과를의미하는수치에대한왜곡이발생할가능성이있기때문에전체분석기간중가장월말과월초와같은업무집중기간을제외하고, 요일별특성을제외할수있어일반적인업무수행형태를보여준다고판단되는 2013년 8월 20일하루데이터를사용하여 작업자의작업할당분석 을수행하였다. 작업자의작업할당분석 은 DISCO를활용한분석과 ProM의 Dotted Chart 플러그인을활용한분석의두가지형태로수행하였다. [ 그림 7] 은 작업자별작업할당분석 결과를보여주고있다. 가로축은작업이완료된시간을, 세로축은작업자를의미하며, 원의색깔은작업유형그리고크기는소요시간을의미한다. 하루동안수행된총작업횟수는 2,485회이며, 총 24명의작업자가투입되었다. 상위 10명 ( 약 42%) 의작업자가전체작업의 83.5% 를수행함으로써작업자별작업편중이발생하는것으로나타났다. 단, 작업수행횟수기준의작업비중임으로작업별의소요시간, 난이도등은고려하지않은결과이다. 아래 [ 그림 8] 은 ProM의 Dotted Chart 플러그인을활용한 작업자별작업할당분석 결과를보여주고있다. 가로축은작업완료시간을, 세로축은각작업자를나타난다. 또각원의크기는작업의수행횟수를나타내고, 원의색깔은수행작업을나타낸다. 작업자별로수행하는작업의횟수가크게다르게나타나는점을확인할수있으며, 총작업할당횟수가높은작업자는지속적높은형태를보이고, 적은작업자는지속적으로작업횟수가적은 Resources 24 Minimal frequency 1 Median frequency 74.28 Mean frequency 103.54 Maximal frequency 293 Frequency std. deviation 99.14 [ 그림 6] 작업자별작업할당총건수
Process Mining 기법을 이용한 물류센터 입출고 프로세스 분석 및 개선 방안 수립 1 11 [그림 7] 작업자별 할당 내역 분석 것으로 나타났다. DISCO를 활용한 분석과 마찬가 4.4.2 시간대별 작업할당 분석 지로 일부 작업자에게 작업이 편중된 것으로 나타 시간대별 작업할당 분석 결과는 아래 [그림 8]과 났으며, 또한 주간작업자와 야간작업자도 명확하게 같다. 가로축은 시간, 세로축은 수행 작업, 각 원의 구분되어지고 있다. 작업자 한명이 두세 가지의 작 크기는 작업의 수행횟수를 나타내고, 원의 색깔은 업을 수행하고 있다는 점을 알 수 있다. 작업자를 의미한다. 출고부분피킹처리요청, 출고 [그림 8] 시간대별 작업 할당 결과
12 김현경 신광섭 팰릿픽업정보조회, 입고검수팰릿설정요청, 입고지시요청 등입ㆍ출고의주요작업은시간대별로작업량에큰변화가없이일정하게할당된점을확인할수있다. 반면, 재고병합, 재고이동등입ㆍ출고작업과는별도로수행되는재고관리작업과정보의단순조회를수행하는작업들은산발적으로발생하였다. 출고부분피킹 작업은 17시부터익일 06시사이에집중되어발생하였는데, 이는야간에주로소규모배송처의물량을처리하기위해 BOX단위피킹이증가하기때문인것으로파악되었다. 특히주목해야할부분은 출고검수 작업이다. 출고검수 작업은특정시간에일괄처리하는것으로나타났다. 이는공식적인작업프로세스와는차이를보이고있다. 공식적인작업프로세스에따르면출고검수작업은팰릿이출고를위해출고대기장에도착하는순서에따라지속적으로수행되어야한다. 이결과를바탕으로담당자인터뷰등추가조사를실시한결과, PDA 검수기능이사용상불편함이있어수기로검수작업을수행한후, 작업완료시점에일괄적으로검수처리하는것으로조사되었다. 4.5 작업자간사회적관계분석본절에서는 작업자의사회적관계분석 결과를제시하였다. 소시오메트리 (sociometry) 는그래프나매트릭스폼으로인간관계및집단구조를표현하는방법으로, 현재사회과학분야에서활발하게진행되고있고, 여러분야에다양하게활용되고있다. 작업수행자들의연관관계를분석함으로써이들의지위나역할, 집단의응집성등에대한정보를얻을수있다. 프로세스로그기반사회연결망의도출및분석을통해기업의조직구조를이해하거나, 프로세스를개선하는데활용될수있다 [4]. [ 그림 9] 는 작업자간사회적관계 를중요도순위를기준으로보여주고있다. 중요도는상호관계 ( 업주의전달여부 ) 를중심으로평가하며, 중요도가 높은작업자가원의중심에위치하게된다. 전반적으로물류센터내에서입, 출고작업을수행함에있어서작업자간상호작용이매우활발히발생하는것으로나타났으며, 특히원의중심에위치하는작업자들은매우많은작업자들과작업의연계가발생하는것을볼수있다. 이들작업자들의주요수행작업은 출고팰릿픽업정보조회, PLT_DOCK 확인요청, 출고부분피킹처리요청 작업순으로나타났다. 이는출고작업에서팰릿단위의피킹이나, 이동작업을수행했음을의미하는것으로해당작업자들이출고작업을수행하는지게차기사인것을알수있다. 이들작업자들은다섯가지출고패턴에모두관여하고있었으며, 이는이작업자들이전체작업프로세스의노드로써중요한역할을한다는것을의미한다. 다른측면에서살펴보면, 이러한사실은해당작업자들의작업과부하가발생할경우전체생산성은저하될수밖에없다는점을시사한다. 작업의편중은곧병목현상을발생시켜전체적인작업효율을저하시키기때문에작업이집중되는작업자들을중심으로작업을적절하게배정할수있는원칙을수립해야하며, 이를기준으로해당업무에적정자원이투입되고있는지판단할필요가있다. [ 그림 9] 작업자간사회적관계분석결과
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 13 4.6 프로세스마이닝분석결과종합프로세스마이닝기업을활용한물류센터프로세스분석을통해다음과같은몇가지중요한사항을확인할수있었다. 첫째, 프로세스마이닝을통해도출된모델과기존의비즈니스관점에서정의된기본모델은전반적으로유사한형태를가지고있다. 그러나일부프로세스는공식모델에는존재하나실행과정에서는생략된것으로확인되었다. 예를들어, 출고검수와상차작업은 PDA를통해순차적으로실행되어야하나, 도출된모델에서는생략되었으며, 담당자인터뷰결과 PDA의사용상불편함으로 PDA를사용하지않고수기에의해검수와상차를수행하는것으로확인되었다. 둘째, 프로세스유형을구분하기위한새로운기준을확인할수있었다. 공식모델에의해정의된출고작업의네가지패턴및수행횟수를가시적으로확인할수있었으며, 이정보는창고관리시스템 (WMS) 에서는확인할수없는정보이며, 관찰이나담당자인터뷰를통해서도확인하기어려운사실이었다. 반면, 출고유형별작업수행횟수는대규모자동화설비가도입된연구대상센터의생산성을명확히나타낼수있는지표로매우활용도가높은정보라고할수있다. 프로세스마이닝을통해서출고유형별작업량을파악하고, 분석할수있게됨으로써각작업유형별생산성을점검해볼수있으며, 최초설계된출고량을충족하고있는지여부를확인할수있었다. 셋째, 다양한방법으로작업할당을분석한결과작업자별작업의편중이발생하는것으로나타났다. 다만 PDA 로그데이터는해당작업의완료시점만을기록하고있어작업소요시간, 난이도등을파악하는데한계가있었다. 단순작업수행횟수에의한분석이아닌, 작업별수행소요시간, 작업난이도등을고려한추가분석이필요하다. 넷째, 사회적관계의분석결과, 다수의작업자들과업무적연계를갖고작업을수행하는중요한작업자들이존재하는것으로나타났다. 소셜네트워크분석 을통해조직의특성을이해하는데도움을받을수있으며, 어느작업, 어떤작업자를중심으로작업할당의재검토가필요한지에대한통찰을얻을수있었다. 프로세스마이닝을통해현실에기반을둔물류센터입ㆍ출고작업프로세스를도출할수있었고, 도출된프로세스와공식프로세스와의비교, 작업할당분석, 작업자의소셜네트워크분석을통해서개선해야할프로세스가어느부분인지, 무엇을개선해야하는지파악할수있었다. 5. 시뮬레이션을통한프로세스개선방안제시 프로세스마이닝기법은현실에기초한프로세스를도출해내고문제점을찾아내는데에는매우효과적이나, 개선방안을제시하고정량적인개선효과를도출해내는데는어려움이존재한다. 그러나프로세스마이닝기법을통해서시뮬레이션모델수립에필요한정보들을획득할수있으며, 이를통해현실을충실히반영한시뮬레이션모델을생성할수있다. 바로이점에서프로세스마이닝과시뮬레이션기법의결합은매우효과적이라고할수있다. 따라서본장에서는프로세스마이닝결과를기반으로시뮬레이션모델을설계하고, 전체출고작업의생산성을높일수있는자원투입의적정수준을결정하는과정과결과를설명한다. 5.1 시뮬레이션모델설계 시뮬레이션모델생성을위한기본정보추출은평균수준의작업이발생한 8월 20일을기준으로하였으며, 모든유형의출고작업이동시에이루어지는 16시이후부터자정까지의작업시간을대상으로하였다. 순작업시간은휴식시간 1시간을제외하고 6시간 30분이며, 투입된지게차의대수는 11대인것으로조사되었다. 다음 < 표 4> 는프로세스마이닝결과로도출된총다섯가지유형별작업량및비중을보여주고있다. 프로세스의도출결
14 김현경 신광섭 구분 < 표 4> 프로세스유형별작업비율 작업내용 출고량 (PLT) 유형 #1 PLT 자동창고, 팰릿단위피킹 170 49.6 유형 #2 PLT 자동창고, 팰릿단위배출후일부수량출고, 잔여수량일반팰릿창고이동보관 26 7.6 유형 #3 BOX 자동창고, BOX 단위피킹 92 26.8 유형 #4 일반팰릿랙출고, PLT 단위피킹 30 8.7 유형 #5 일반팰릿랙출고, BOX 단위피킹 25 7.3 계 343 100.0 비중 (%) 과에서설명한바와같이출고작업의유형 #4는다시팰릿단위피킹후팰릿채출고되는유형과 BOX 단위피킹후하나의출고용팰릿에혼재되어출고되는두가지유형으로나뉜다. 하지만두가지유형모두 PDA의로그데이터에 출고팰릿픽업처리요청 수행횟수로기록되기때문에프로세스마이닝을통하여이두가지유형은구분할수없었다. 더욱정교한시뮬레이션을위하여 PDA 로그데이터를추가분석하여위두가지유형의작업량을산출하였다. 추가분석결과, 피킹대상팰릿중 37.5% 는팰릿단위로피킹되어출고되고, 나머지 62.5% 는 BOX 단위피킹후평균 2개의상품이혼재되어출고되는것으로조사되었다. 물류센터의실제레이아웃과출고작업의다섯가지유형을반영하여시뮬레이션모델을다음 [ 그림 10] 과같이설계하였다. 총작업시간과각창고별출고량을기준으로각창고에서피킹작업이발생하는시간을산출하여시뮬레이션에적용하였다. 팰릿자동창고에서는매 119초마다하나의팰릿이배출되고, BOX 자동창고에서는 4.24초마다하나의 BOX가배출되며, 일반팰릿랙창고의피킹작업은 425초간격으로발생하는것으로계산되었다. 실제로측정된프로세스유형별발생시간과비율을기준으로시뮬레이션에서는무작위로작업이발생하도록가정하였으며, 실제작업발생비율과시뮬레이션내작업발생비율을비교한결과는 < 표 4> 와같다. [ 그림 10] 시뮬레이션모델
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 15 5.2 시뮬레이션결과및해석시뮬레이션의수행목적인 출고작업시지게차의적정투입대수 를산정하기위한기준으로목표출고량 ( 현행기준출고량 ) 을충족하는범위내에서각지게차의생산성이가장높은경우로설정하였다. 최적의지게차대수를산출하기위해지게차의투입대수를 5대에서 15대까지조정하면서시뮬레이션을반복수행하였다. < 표 5> 는지게차투입대수별출고작업량의시뮬레이션결과를보여주며, [ 그림 11] 은지게차투입대수별지게차의총대기시간을보여주고있다. 시뮬레이션수행결과, 9대의지게차를투입하는것이출고량달성률 100.9%, 지게차 1대당작업량 37.2 팰릿으로최적의대안으로선정되었다. 이를통해 < 표 6> 에서확인할수있듯이현재출고작업장에투입된 11대의지게차중일부를타작업현장으로이전하여 9대를유지하더라도각작업유형별 1일작업처리량을유지할수있다는근거를확보할수있게되었다. < 표 5> 지게차투입대수별출고작업량변화 구분 현재시뮬레이션결과 11대 5대 6대 7대 8대 9대 10대 12대 13대 14대 15대 유형 #1 163 124 141 151 157 167 164 164 163 160 163 유형 #2 27 24 25 28 27 22 28 22 26 32 29 유형 #3 90 91 91 91 91 91 91 91 91 91 91 유형 #4 33 20 32 22 28 36 24 35 22 22 23 유형 #5 19 29 22 28 24 19 27 20 30 28 27 계 332 288 311 320 327 335 334 332 332 333 333 출고량달성률 86.7 93.7 96.4 98.5 100.9 100.6 100.0 100.0 100.3 100.3 지게차 1대당작업량 57.6 51.8 45.7 40.9 37.2 33.4 27.7 25.2 23.8 22.2 [ 그림 11] 지게차투입대수별작업대기횟수및시간
16 김현경 신광섭 < 표 6> 유형별출고량비교 구분 출고량 (PLT) 실제시뮬레이션 비율 유형 #1 170 163 95.9% 유형 #2 26 27 103.8% 유형 #3 92 90 97.8% 유형 #4 30 33 110.0% 유형 #5 25 19 76.0% 계 343 332 96.8% 6. 결론 본연구에서는창고관리시스템에축적된 PDA 작업로그데이터를기반으로입ㆍ출고작업프로세스와현황을분석하여물류센터프로세스를정형화하고, 공식적인표준프로세스와의차이점, 작업할당결과등을기준으로문제점을분석하였다. 더나아가프로세스마이닝기법과시뮬레이션기법의결합을통한문제해결방안을제안하였다. 본연구에서는제안하는방법은다음과같은현장에서의활용가치를가진다고말할수있다. 프로세스마이닝기법은기존의시스템에축적된데이터를활용한다는점에서현실을반영한프로세스를도출하고분석할수있다는강점을지닌다. 따라서기존의프로세스분석기법들과비교하여정확하고경제적인프로세스분석기법이라고할수있다. 입출고작업뿐만아니라물류센터내다양한프로세스로확장적용가능하다. 하지만본연구에서프로세스마이닝을수행함에있어, 기존시스템에저장되어있던 PDA 로그데이터만을활용함으로써 PDA 로그데이터에기록되지않은정보들에대해서는분석을수행하지못한한계점이있다. 또한 PDA의로그데이터에는작업의완료시점만을기록하고있어각작업별소요시간과각작업자별작업수행시간등을정확하게분석하기에는한계가있었다. 따라서향후프로세스마이닝기법을전체물류센터로확산적용하기위해서는다양한시스템에축적된정보를결합하거나, 체계적인로그데이터수집시스템의구성을통해프로세스에대한현장의상황을정확하게전달할수있도록로그데이 터저장구조를개선하는작업이우선되어야한다. 또한프로세스마이닝을통해발견된다양한문제점들중에현실적으로가장쉽게적용가능한최적지게차대수산정문제만을대상으로개선방안을제시하였다. 그러나이러한기법은이미발견된문제들뿐만아니라추가로발견되는다양한문제점에대해서도적용가능하고볼수있으며, 다각적인분석을통해전체물류센터의생산성을높일수있는방안을종합적인시각에서제시하기위한적절한방법이라고할수있다. 특히, 본연구에서제시한시뮬레이션기법은전체물류센터의기능재설계혹은프로세스설계이후의업무성과변화를미리예측하는데지속적으로활용될수있을것이다. 참고문헌 [1] 강영식, 강창재, 손동욱, 박형진, 허동한, 서필교, 프로세스마이닝기반의프로세스혁신지식발견과진단 : 전자결재업무를중심으로, 산업혁신연구, 제28권, 제1호 (2012), pp.55-75. [2] 강영식, 강창재, 이은상, 신철규, 빅데이터환경에서프로세스마이닝의감사적용에관한연구, 감사논집, 제20호 (2013), pp.5-35. [3] 손숙영, 문현실, 김재경, 송민석, 프로세스마이닝을이용한전시행사분석, 대한산업공학회추계학술대회논문집 (2012), pp.131-137. [4] 송민석, van der Aalst, W., 최인준, 비즈니스프로세스수행자들의 Social Network Mining 에대한연구, 2004 대한산업공학회 / 한국경영과학회춘계학술대회 (2004). [5] 이동하, 프로세스마이닝을이용한조선산업의생산공정분석, 부산대학교박사학위논문 (2014). [6] 전대욱, 배혜림, 프로세스마이닝을이용한항만터미널환경에서의위치기반컨테이너이동에관한분석, 대한산업공학회추계학술대회논문집 (2013), pp.869-883. [7] 최상현, 한관희, 임건훈, 프로세스마이닝기법을활용한고장수리프로세스분석, 한국콘텐츠학
Process Mining 기법을이용한물류센터입출고프로세스분석및개선방안수립 1 17 회논문지, 제13권, 제4호 (2013), pp.399-406. [8] 하현식, 프로세스마이닝기법을이용한프로세스개선방안에관한연구, 부산대학교박사학위논문 (2012). [9] Bigus, J.P., Data mining with neural networks : solving business problems from application development to decision support, McGraw-Hill, 1996. [10] Goedertier, S., J. D. Weerdt, D. Martens, J. Vanthienen, and B. Baesens, Process discovery in event logs : An application in the telecom industry, Applied Soft Computing, Vol.11, No.2(2011), pp.1697-1710. [11] Jans, M., V.D. Werf, J. Martijn, N. Lybaert, and K. Vanhoof, A business process mining application for internal transaction fraud mitigation, Expert Systems with Applications, Vol.38, No.10(2011), pp.13351-13359. [12] Jansen-Vullers, M.H., W.M.P. van der Aalst, and M. Rosemann, Mining configurable enterprise information systems, Data and Knowledge Engineering, Vol.56, No.3(2006), pp.195-244. [13] Mans, R., M. Schonenberg, M. Song, W.M.P. van der Aalst., P.J. Bakker, Application of process mining in healthcare a case study in a dutch hospital, Biomedical Engineering Systems and Technologies(2009), pp.425-438. [14] Rozinat, A., I.S. de Jong, C. Gunther, W.M.P. van der Aalst, Process mining applied to the test process of wafer scanners in ASML, Systems, Man, and Cybernetics, Part C : Applications and Reviews, Institute of Electrical and Electronics Engineers Transactions, Vol.39, No.4(2009), pp.474-479. [15] Rozinat, A., W.M.P. van der Aalst, Decision mining in ProM, Business Process Management, Springer Berlin Heidelberg, pp.420-425, 2006 [16] Song, M., W.M.P. van der Aalst, Towards comprehensive support for organizational mining, Decision Support Systems, Vol.46, No.1(2008), pp.300-317. [17] Van der Aalst, W.M.P., A. Adriansyah, A. K. Alves de Medeiros, A. Karla Alves, F. Arcieri, T. Baier, T. Blickle, J.C. Bose, P. van den Brand, R. Brandtjen, J. Buijs, Process mining manifesto, Business process management workshops, Lecture Note on Business Information Processing (2012), pp.169-194. [18] Van der Aalst, W.M.P., A.K. Alves de Medeiros and A.J.M.M. Weijters, Genetic process mining : an experimental evaluation, Data Mining and Knowledge Discovery, Vol.14, No.2(2007), pp.245-304. [19] Van der Aalst, W.M.P., Discovery, Conformance and Enhancement of Business Processes, Springer, Heidelberg, 2011. [20] Van der Aalst, W.M.P., H.A. Reijers, A. J. Weijters, B.F. van Dongen, A.K. Alves de Medeiros, M. Song, H. Verbeek, Business process mining : An industrial application, Information Systems, Vol.32, No.5(2007), pp.713-732. [21] Van Der Aalst, W.M.P., H.A. Reijers, M. Song, Discovering social networks from event logs, Computer Supported Cooperative Work, Vol.14, No.6(2005), pp.549-593. [22] Van der Aalst, W.M.P., T. Basten, Inheritance of workflows : an approach to tackling problems related to change, Theoretical Computer Science, Vol.270, No.1(2002), pp.125-203. [23] Wang, Y., F. Caron, J. Vanthienen, L. Huang, Y. Guo, Acquiring logistics process intelligence : Methodology and an application for a Chinese bulk port, Expert Systems with Applications, Vol.41, No.1(2014), pp.195-209.