풀필먼트 센터 오더피킹 설비의 재고 보충 최적화에 대한 연구 :

김태현

자료유형: 학위논문

저자정보: 김태현 (인천대학교, 인천대학교 동북아물류대학원)

지도교수: 송상화

발행연도: 2021

저작권: 인천대학교 논문은 저작권에 의해 보호받습니다.

이용수84

초록· 키워드

국내 전자상거래는 거래액을 기준으로 최근 5년간 연평균 20% 이상의 성장률을 지속적으로 기록하고 있다. 전자상거래의 급증으로 인해 소비자를 직접 만나기 어려운 유통기업들은 고객과의 유일한 접점이 되는 라스트 마일에서의 물류 서비스 경쟁이 치열한데, 특히 최근에 가장 경쟁이 뜨거운 부분은 배송 영역이다. 유통기업들은 다양한 방법으로 배송 서비스 차별화를 추진하고 있는데, 이러한 서비스 수준을 실행하기 위해서는 무엇보다 풀필먼트 센터의 역할이 매우 중요하다. 온라인 쇼핑을 통해 소비자가 주문한 상품을 약속한 배송 서비스 수준에 맞춰 준비 할 수 있는 풀필먼트 역량을 반드시 갖추고 있어야 한다.
풀필먼트 센터는 수요 불확실성과 서비스 복잡도가 증가하는 상황에서 신속하게 고객의 주문에 대응해야 하므로 자동화 설비를 통한 대응이 필요하다. 전자상거래 확대로 인해 물류센터의 피킹 작업은 난이도가 더욱 높아졌고, 이에 대응하기 위해 자동화가 설비 도입이 증가하고 있는 추세이지만, 아직은 인력에 의한 수작업 의존도가 높아 최적화 방안에 대한 다양한 연구가 지속적으로 필요한 영역이다. 하지만, 기존 연구는 대부분 수작업 환경에서의 피킹 작업 동선, 재고 배치 등과 관련한 주제들로써 설비가 중요한 역할을 하는 최근의 이커머스 물류 환경을 반영하지 못하고 있다. 이에 본 논문에서는 이커머스의 핵심 경쟁력인 풀필먼트 센터에서 오더피킹 설비 최적화에 대한 연구를 진행하였다.
이커머스 풀필먼트 센터에서 발생하는 주문은 실시간으로 다양한 상품들의 조합이 구성되기 때문에, 주문을 처리하는 오더피킹 설비에는 상품을 보충하는 프로세스가 발생하는데 이 작업이 주문 처리 생산성에 많은 영향을 미치게 된다. 대부분의 경우 작업자의 판단에 의해 보충이 이뤄지고 있어 설비 내 작업량 편차가 크게 나타나게 되고, 이 작업량의 편차가 커지게 되면 주문 처리 생산성이 낮아지는 결과를 초래하게 된다. 이에, 본 연구에서는 풀필먼트 센터의 주문 처리 생산성을 향상시키기 위해 오더피킹 설비에 상품을 보충하는 Assignment Problem을 MIP(Mixed Integer Programming, 혼합정수계획) 모형을 활용하여 최적 해를 도출하는 방식을 구현하였다.

우선, 오더피킹 설비의 변동형 로케이션에 주문 상품을 보충할 때 발생하는 할당 문제를 최적화 하기 위한 알고리즘을 설계하였다. 다음으로 최적화 모형을 과학적이고 객관적인 방법으로 검증하기 위해 비교 대상 시나리오를 정의한 후 시뮬레이션 툴을 활용하여 결과를 산출하고 현재의 수준과 비교 분석하였다. 시뮬레이션 결과를 바탕으로 오더피킹 설비의 주요 운영 지표인 스테이션별 작업량 편차와 층별 주문완성 비율이 주문 처리 생산성과 관련이 있는지 단순회귀분석과 다중회귀분석을 활용하여 분석하였다. 이후 시뮬레이션 시나리오 중 현장 적용이 가능한 대안을 선정하고 보충 최적화 알고리즘을 실제 오더피킹 설비에 적용하여 그 효과를 검증하였다.

본 연구는 급격하게 증가하는 이커머스 사업을 뒷받침하는 풀필먼트 센터와 관련한 연구사례가 부족한 상황에서, 물류센터의 실제 프로세스와 데이터를 기반으로 실증적인 분석을 수행하였으며 최적화 모형을 구현하는고 평가하는데 그치지 않고 대안 평가를 통해 현장에 직접 적용함으로써 차별적인 결과를 도출하였다.

최근 화두가 되고 있으나 아직 관련 연구가 부족한 풀필먼트 센터의 실시간 주문 대응력, 출고 Capacity 등 성과 향상을 위한 오더피킹 설비의 운영 최적화와 관련한 향후의 연구 활동에 많은 기여가 될 것으로 기대된다.

The number of domestic e-commerce transactions has been breaking its own record by an annual average growth rate of over 20% based on volume for the past 5 years.
Due to the rapid increase in e-commerce market, retail companies that have difficulty meeting consumers in person are in fierce competition to take the lead in the last mile service, which is the only point of contact with customers. Especially in the delivery area, where competition is most intense, the role of the fulfillment center is very important for service differentiation. It must be capable of fast product preparation ordered by consumers in accordance with the delivery service level.

Fulfilment centers need to be automated facilities because they need to respond quickly to customer orders in a situation where demand uncertainty and service complexity increase. Due to the expansion of e-commerce, the difficulty of the picking process has increased, and the use of automated facilities is increasing. However, there is still a high dependence on manual work by manpower. Therefore, it is an area that needs to be studied for optimization methods. However, existing studies do not reflect the recent e-commerce logistics environment in which facilities play an important role. In this paper, a study was conducted on the optimization of order picking facilities in the fulfilment center, which is the core competitiveness of e-commerce.

The process of replenishing products occurs in the order picking facility of the e-commerce fulfilment center, which has a great impact on order processing productivity. In most cases, replenishment is made at the discretion of the operator, so the deviation of workload in the order picking facility appears large, and if the deviation of workload increases, the productivity of order processing is lowered. Therefore, in this study, a method of deriving an optimal solution to the problem of replenishing products in order-picking facilities to improve fulfilment productivity. The method was implemented using a mixed integer programming (MIP) model.

First, we designed an algorithm to optimize the allocation problem that occurs when replenishing ordered products at variable locations in order picking facilities. Next, in order to verify the optimization model in a scientific and objective method, the comparison target scenario was defined, and the result was calculated using a simulation tool and compared with the current level. Based on the simulation results, it was analyzed using simple regression analysis and multiple regression analysis to see if the deviation of the workload for each station of the order picking facility and the order completion ratio for each floor were related to order processing productivity. After that, among the simulation scenarios, an alternative that can be applied to the fulfillment center was selected and the replenishment optimization algorithm was applied to the actual order picking facility to verify the effect.

This study performed an empirical analysis based on the actual process and data in a situation where research cases related to the fulfilment center were insufficient. It did not just implement the optimization model, but applied it directly to the field, resulting in differentiated results.
It is expected to be of great help in future research related to the optimization of the operation of order picking facilities to improve performance such as real-time order response capability and picking capacity of the fulfilment center, which still lacks relevant research cases.

#이커머스 주문 풀필먼트 #오더피킹 시스템 #재고보충 최적화 #혼합정수계획(MIP) #시뮬레이션

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)