| 초록 |
□ 연구개요 기업이 안정적으로 생산 및 판매 과정을 진행하기 위해 필수적인 재고 관리의 중요성이 강조되고 있다. 재고 부족은 판매 제약과 고객 신뢰 손실로 이어질 수 있으며, 반대로 과다한 재고는 창고 관리 및 부대비용으로 인한 손실을 초래할 수 있다. 이에 재고 관리는 기업의 수익성에 직접적인 영향을 미치는 핵심 과제로 부각되고 있으며, 기업은 정확한 수요 예측이 선행될 필요가 있다. 그러나 현재의 융합 제품 출시와 소비자의 다양한 요구로 인해 예측의 불확실성이 증가하고 있다는 측면과 더불어 소비자의 충동적인 구매 행동도 재고 관리에 대한 어려움을 더욱 증대시키고 있다. 본 연구는 예측하기 어려운 충동적인 수요를 반영하여 재고 관리를 개선하는 것을 목표로 한다. 이를 위해 상향식 모형과 머신러닝 기법을 결합하여 수요 예측 모델을 개발하고, 소비자의 충동구매 행동을 파악하여 이를 재고 관리에 반영하고자한다. 이를 통해 기업은 악성 재고를 제거하고 효율적인 재고 관리를 실현할 수 있으며, 최종적으로 기업에게 재고 관리를 위한 가이드라인을 제시하는 것이 목표이다. □ 연구 목표대비 연구결과 총 2개년도로 구성된 본 연구는 기업이 예상하기 어려운 충동적인 수요를 반영한 재고관리 기법을 제시함으로써, 기업이 용이하게 재고관리를 수행할 수 있도록 돕는 가이드라인과 솔루션 제공을 최종 목표로 하였다. 1차년도에서는 재고관리 기법 및 재고영향 요인, 그리고 충동구매에 대한 문헌 검토를 진행하고, 이를 토대로 소비자 충동구매 패턴 파악을 위한 소비자 대상 선택실험 설문을 구축하여 진행하였다. 2차년도에서는 앞선 설문 결과를 바탕으로 소비자의 충동구매 패턴을 분석하였으며, 저가 제품인 경우, 처음에는 구매하지 않겠다고 응답했던 응답자들이 할인율이 증가할 경우에는 충동구매할 가능성이 타 제품에 비해 높은 것으로 나타났다. 본 연구진이 확보한 기업의 재고 데이터를 바탕으로 상·하향식 재고관리 모형을 구축하였다. 하향식 수요예측 모형으로는 ARIMA 모형과 유한시차모형과 같은 시계열모형을, 상향식 수요예측 모형으로는 머신러닝 기법인 K-NN 알고리즘을 활용하여 구축하였다. 두 모형을 통합한 수요 예측의 오차의 보완 및 수요 예측량보다 실제 수요가 큰 충동구매를 대비하기 위해 안전재고를 추가로 고려하였다. 마지막으로, 본 연구에서 구축된 상·하향식 재고관리 모형을 기업이 활용할 수 있도록 통계 패키지인 R을 이용하여 재고관리 도구를 제시하였다. 본 연구에서는 취득한 개별 기업의 재고 예측 사례를 제시하고자 하였으나, 추가적인 재고데이터는 기업 대외비 사항이기에 쉽게 구득하지 못하였으며, 예측 사례를 추가 제시하는 것이 어려운 한계가 존재한다. □ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성) 본 연구의 1차적인 기대효과는 각 기업의 재고비용을 낮춰 기업의 재무건전성에 긍정적인 영향을 미칠 수 있을 것이며, 효율적인 재고관리는 사회적으로도 불필요한 낭비를 제거할 것으로 기대한다. 본 연구의 결과는 재고관리가 전산화되어 있지 않는 기업을 대상으로 공정 부문의 스마트팩토리 형성을 촉진할 수 있으며, 재고관리의 가이드라인으로도 활용가능할 것으로 기대한다. 또한, 기존 연구들이 고려되지 않았던 소비자의 충동구매 패턴을 고려하고, 이를 반영한 재고관리 기법을 제시함으로써, 향후 소비자의 효용 증가와 더불어 기업의 수익성을 확보하기 위해 안전재고를 미리 확보해 두어야 함을 강조하였다. 본 연구과제는 기업이 쉽게 활용할 수 있는 재고관리 예측 솔루션을 개발을 목적으로 한다. 본 연구의 결과인 솔루션은 실제로 각 기업에 적용되어 재고관리의 효율성을 제고할 수 있으며, 본 연구는 기업으로의 적용을 목표로 하고 있어, 기업의 특성에 맞게 솔루션을 확장 가능하도록 모형에 다양한 옵션을 포함 가능하였으며, 통계 패키지인 R을 활용하여 기업에서 쉽게 활용할 수 있는 형태로 구축하였다. 본 솔루션을 통해 해당 분야에 투자를 하지 못하는 영세 기업에까지 적용할 수 있다는 장점이 존재하며, 재고수량을 전산화하지 않은 기업에서도 기업의 재고 관리에 활용할 수도 있을 것이라 기대한다. (출처 : 연구결과 요약문 2p) |
