물류네트워크 설계 방법 및 적용 사례에 대한 연구 · 동시에 운송 자원 및 적정 운송모드 분석 등을 통하여 최소 비용으로 고객서비스를

물류네트워크 설계 방법 및 적용 사례에 대한 연구

안 영 효* Young Hyo Ahn ·87)오 승 철** Seung Chul Oh ·88)김 정 혁*** Jeong Hyuk Kim89)

초 록

최근 많은 기업들이 경쟁력 강화를 위해 물류네트워크 최적화를 추진하고 있으나 아직까지 단순히

공장이나 시장 근처에 물류거점을 설립하는 식의 전통적인 방법에 의존하고 있다. 따라서 기업의

물류 인프라 체계와 이용체계를 최적화할 수 있는 물류네트워크의 필요성이 대두되고 있다. 본 연구는

물류네트워크를 최적화하기 위한 설계방법을 제시하고 두 가지 사례를 소개한다. 첫 번째 사례는

제3자 물류서비스의 배송구역을 재설계하고 운송경로를 합리화하여 전체 거리와 시간을 절감함으로써

서비스수준을 높여주는 프로세스를 보여준다. 두 번째 사례는 택배사업의 경우로서 허브터미널의

처리용량 증설과 관련하여 물류 간선·지선 네트워크 변화에 대한 사전 예측과 이에 따른 운영방안을

각 시나리오를 가지고 분석한다.

키워드 : 물류네트워크, 네트워크 최적화, 혼합정수계획, 제3자 물류, 택배

A Study on a Methodology to Design Logistics

Networks and Application Cases

ABSTRACT

Many companies have been trying to implement logistics networks efficiently, but they still

establish logistics points near their factories or the customer market. Accordingly, there

is an increase in the necessity for logistics network modelings to optimize the logistics

infrastructure and the logistics usage. This paper presents an analytical methodology for

a logistics network optimization and introduces two case studies. The first case

demonstrates a process for improving the service level through the reduction of total

distance and time by redesigning the delivery districts efficiently and rationalizing

transport routing. The second case illustrates a process for forecasting the transformation

of logistics networks and analyzes operational methods according to each scenario.

Keywords : logistics network, network optimization, mixed integer programming, logistics

hub and points, supply chain network design

*87)인천대학교 무역학부 교수([email protected]) **88)CJ GLS 물류전략연구소 수석연구원([email protected])***89)삼성전자 한국총괄 경영지원팀 경영혁신 차장([email protected])

62 POSRI경영연구 제10권 제1호 2010

Ⅰ. 서 론

기업경영의 경쟁이 치열해짐에 따라 원재료의 조달에서 최종소비자까지 전체 물류 통합관리를 목적으로 하는 공급체인관리(Supply Chain Management)의 중요성이 더욱 부각되고 있다. 특히 비용 절감과 이익 극대화를 위하여 최적의 물류거점, 최적의 운송망 수립, 거점의 제품 믹스 등에 대한 공급체인네트워크 구축 및 분석이 중요한 관심사항이 되고 있다(Ballou, 2001).

그러나 아직도 많은 기업들이 물류거점의 적정 수와 위치, 운송 네트워크 전략, 재고 분배전략 등에 대한 상세한 분석을 수행하지 않고 전통적인 경험에 의해 생산공장 또는 고객거점과 근접한 곳에 물류거점을 설립하고 있는 실정이다. 따라서 기업의 물류 인프라 체계(운송 인프라, 물류거점 인프라 등)와 이용체계(물동량수요, 운송수단)를 최적화할 수 있는 물류네트워크 모델링의 필요성이 대두되고 있다. 물류네트워크 모델링이란 물류거점, 운송노선을 포함한 기업의 물류네트워크 비용, 물류거점 위치, 수용능력 등에 대한 분석을 기반으로 모델링하고 시뮬레이션을 수행하여 기업 네트워크의 전략적 의사결정을 지원하는 데 활용되는 기법이다(Chopra and Meindl, 2004).

기업이 물류네트워크 모델링을 필요로 하는 이유는 아래와 같이 요약할 수 있다. 첫째, 중장기적으로 물류 운영비용을 절감하기 위한 기회를 찾기 위해서이다. 효율적인 네트워크 구조는 전체 물류네트워크 구조상에 있는 모든 물류비용을 절감시킨다(Hasan and Irem, 2006). 즉, 물류거점 위치 및 수, 적정 재고량, 운송네트워크의 재편성을 통하여 모든 고정비와 변동비를 줄일 수 있는지를 분석할 수 있다.

둘째, 공급자나 고객에 대한 운송 리드타임을 줄일 수 있는 비용 효과적인 기회를 찾기 위해서이다(MacCarthy and Atthirawong, 2003). 제품을 수배송하기 위한 운송네트워크 재편성, 운송자원 및 적정 운송 처리용량 선정, 전략거점 조정 등이 복합적으로 이루어져 운송네트워크를 최적화하여 운송 리드타임을 최소화할 수 있는 방안을 모색할 수 있다.

셋째, 네트워크 비용과 서비스 수준에 영향을 줄 수 있는 관련 대안을 평가하기 위해서이다. 즉, 물류거점별 적정 수요량 분석 및 제품별 지역 배분을 정확하게 수행함과 동시에 운송 자원 및 적정 운송모드 분석 등을 통하여 최소 비용으로 고객서비스를 충족시킬 수 있는 대안 분석을 수행할 수 있다.

물류네트워크 모델링은 네트워크 구조에 대한 장기간의 의사 결정사항을 위한 설계

물류네트워크 설계 방법 및 적용 사례에 대한 연구 63

이다. 공급체인을 구성하는 요소들인 공급업체, 생산공장, 물류거점, 고객과 이들 간의 제품 및 자재의 운송경로를 결정하는 물류네트워크 설계는 기업 전반에 걸친 중요한 전략적 의사결정 문제이다. 그러나 이러한 문제는 고려해야 할 변수가 너무 많기 때문에 의사결정의 근거가 공급체인에 대한 전체 최적화라기보다는 일부분에 대한 경험적 방법을 통한 국지적 합리화에 머무는 경우가 일반적이다.

본 연구에서는 비용 및 운영 측면에서 대내외 환경변화 시 물류체계 재설계, 현 물류체계 분석 및 개선방안 도출, 중장기 최적 물류체계 수립 방법을 사례 분석을 통하여 제시하고자 한다. 본 논문에서 제시되는 모형은 변수를 최대한 많이 포함시켜 기업에서 실제로 광범위하게 활용할 수 있다. 사례 대상은 물류기업이며, 세부 분석내용은 대형 물류기업의 양대 사업이라고 할 수 있는 제3자 물류사업 부문과 택배사업 부문의 거점 네트워크 분석 및 재설계이다. 첫 번째 사례는 제3자 물류네트워크에서 권역 조정만으로도 크지는 않지만 상당한 효과를 볼 수 있다는 점을 제시하고, 두 번째 사례에서는 택배 허브터미널의 증설에 따른 영향을 시나리오 별로 비교 분석해서 최적의 대안을 선정하는 절차를 보여 줄 것이다.

본 연구는 다음과 같이 진행된다. 2장에서는 기존문헌 연구를 통해 네트워크 분석 방법에 대한 기존 연구를 살펴본다. 3장에서는 물류네트워크에 대한 기본적인 요구 사항과 물류네트워크 기법에 대한 모델링 방법을 설명하고, 4장에서는 두 개의 사례연구를 수행한다. 5장에서는 연구의 최종 분석결과에 대한 결론과 본 연구의 의의를 언급한다.

Ⅱ. 기존 연구 분석

기업의 물류네트워크에는 공급사, 생산공장, 물류거점, 고객 등과 같은 다양한 형태가 존재한다. 이러한 문제의 경우, 창고-고객의 단순한 단일 단계보다는 매우 복잡한 여러 단계의 네트워크로 구성된다. Aikens(1985)는 처리용량에 제한이 없는 경우의 다단계 문제(Simple Uncapacitated Multi-echelon Facility Location Model)를 연구하였으며, 솔루션 접근방식에 대한 설문조사를 실시하였다. 이러한 다단계 문제들은 Aardal et al.(1996), Barros and Labbe(1994), Gao and Robinson Jr.(1992)에 의해 연구되었다.


또한, 기업의 물류네트워크에는 단일 제품만 취급하는 것보다 여러 가지 다양한 복수제품을 다양한 물류시설에서 취급하는 것이 보다 일반적이며, 이 분야에는 Crainic et al.(1989, 1993), Gendron and Crainic(1995), Klincewicz and Luss(1987) 등의 연구가 있다. 기업의 공급체인은 하나의 기간보다는 여러 기간 동안 제품을 유통시키고, 설비에서는 재고를 보유하게 된다. 이러한 재고는 기간별 입출고량의 차이에서 비롯되며 다기간(Multi-period) 문제의 경우에는 재고를 고려할 수 있어 재고비용을 총물류비용에 포함시킬 수 있게 된다. Canel and Das(1999)는 다기간 설비입지문제(Multi-period UFLP)의 이익 최대화 문제에 대한 연구를 했다. 이 연구에서 수요, 제품가격, 비용, 설비, 고객, 기간에 대한 변동을 고려한 다양한 데이터 셋에 대한 계산 결과를 LINDO를 이용한 결과와 비교하여 상대적으로 효율적임을 보여 주었다.

Bertazzi and Speranza(1999)는 다기간, 복수제품에 대한 네트워크 설계에 대한 연구를 하였다. 거점간 링크간에 하나의 운송주기를 허용하는 문제에 대하여 서로 다른 운송수단을 고려하는 복합수송의 문제를 모형화하고, 재고비용과 운송비용의 합을 최소화하는 알고리즘을 개발하였다

Shapiro(1992)는 모델위주로 접근하여 총비용요소를 통합적 차원에서 최소화할 수 있는 최적화 모델을 구축하였고, 1993년의 연구에서는 특정기업의 밸류체인에 적합한 비용 최적화 모델을 구성하여 사례를 통한 현실 적용 가능성을 확인하였다(Shapiro et al., 1993).

기존의 물류네트워크를 허브-앤드-스포크(Hub & Spoke) 형태로 구현하려는 연구도 Chardaire et al.(1999)에 의해 이루어졌고, Sue(1999)는 허브-앤드-스포크 네트워크 설계를 이용하여 공급망 내의 고객 네트워크에 직접 연결된 유통기능의 효율성을 제고하였다.

Melkote와 Daskin(2001)은 다단계, 복수제품을 고려한 처리용량 제한이 있는 네트워크 설계 문제(CFLNDP; Capacitated Facility Location/Network Design Problem)를 연구하였다. 복수공장, 복수제품, 생산능력 제약이 있는 설비입지문제에 대한 연구는 Pirkul과 Jayaraman(1998)에 의해 이루어진 바 있다.

한편 Sherif et al.(2006)은 총운송비용, 고정/운영비용, 경로비용을 최소화하기 위해 창고위치 및 수, 창고 이용 고객 할당, 차량 수 및 경로 등에 대한 통합모델을 제시하였다. 모델은 혼합정수계획법을 이용하였으며 공급체인네트워크 설계에 있어서 위치, 할당, 경로의 결정을 통합해서 응용했다는데 의의가 있다.


지금까지 대부분의 연구는 고객의 수요량, 비용구조 등이 모두 사전에 확정적인 경우를 다루었다. 하지만, 실제 현실적으로 고객의 수요량 및 비용구조는 불확실하며 확률적으로 변동된다고 보는 것이 보다 일반적이다. 확률적 변동의 경우는 Louveaux and Peeters(1992)의 연구 정도이다. 그들은 판매가격뿐만 아니라 수요량, 변동 생산비용, 변동 운송비용도 확률적으로 변동하는 경우인 확률적 설비 입지 문제(SSPLP; Stochastic Simple Plant Location Problem)를 연구한 바 있다.

국내의 연구로는 김현수 외 3인(2007), 이인철 외 2인(2006), 김정혁(2004) 등의 연구가 있다. 김현수 외 3인(2007)은 폐가전제품 회수물류네트워크 최적화를 위해 선형계획 모형을 제시하고 물류거점을 신규로 건립할 경우 그 최적위치를 선정하는 방법을 다루었다. 한편, 이인철 외 2인(2006)은 크로스도킹 거점을 선정하는 방안을 제시하였고, 김정혁(2004)은 혼합정수계획 모형을 적용하여 국내 음료업체와 물류업체의 물류네트워크를 재설계하였다.

기존의 연구는 주로 모델링에 초점을 두고 사례는 확인 차원에서 수행되거나 많은 가정 하에 분석된 경우가 많았다. 그러나 기업 환경은 매우 복잡하고 변화가 많아 어떤 정형화된 방법이나 모델이 정확하게 맞는 경우는 거의 없다. 특히 물류네트워크 설계 및 재설계는 많은 다양한 변수가 영향을 미쳐 결정이 되기 때문에 다양한 사례 연구를 통해 지속적으로 모델링을 검증하고 개선하는 노력이 필요하다. 본 연구는 현실적인 변수를 최대한 많이 포함시킨 물류네트워크 모형을 이용하여 물류기업의 주요

사업인 제3자 물류부문과 택배부문의 네트워크 최적화 설계를 실행한 사례를 소개 하고자 한다.

Ⅲ. 물류네트워크 모델링 방법

1. 네트워크 분석 요구사항

대부분의 기업들은 중장기적으로 물류네트워크(거점 수 · 위치 · 크기, 거점별 고객 할당, 운송 수단)를 어떻게 운영할 것인지에 대해 과학적이고 체계적인 분석을 통하여 물류비 절감과 고객서비스 향상에 대한 최적의 해법을 원하고 있다. 그러나 물류네트워크 설계 문제는 수많은 경우의 수를 가지는 매우 복잡한 문제로써 기업들은 주로


감과 경험에 의한 결과 추정 방식을 사용하고 있으며 데이터와 미래 변동사항을 동시에 고려한 물류네트워크 계획 설정에 대해서는 많은 어려움을 느끼고 있다. 즉, 아래와 같은 요구사항들을 수리적인 관점에서 통합적으로 해결할 수 있기를 바라고 있다 .

① 물류거점의 위치는 어디에 있어야 하는가? ② 어떤 형태의 물류거점을 세워야 하는가? ③ 현재 운영 중인 물류거점의 수는 적정한가? ④ 각 물류거점의 규모는 적정한가? ⑤ 물류거점에서 이루어지는 프로세스는 효과적인가? ⑥ 각 물류거점 간 수송수단은 최적으로 선택되어 있는가?

이러한 요구사항들을 해결하기 위해서 경영과학 분야에서는 많은 노력이 있어 왔다. 따라서 Ⅱ장 기존연구에서 보는 바와 같이 공급체인 설계를 통하여 기업이 얻을 수 있는 이익을 최대화하거나 공급체인 운영에 소요되는 비용을 최소화하기 위해 혼합정수계획법과 같은 다양한 수리적 모형과 이를 해결하기 위한 많은 알고리즘이 개발되었다.

2. 수리적 모형

물류네트워크 설계는 적은 자원을 이용하여 빠르고 정확하게 분석하고 현실 적용이 가능한 최적의 대안을 제시하여 현재의 네트워크 상황을 시나리오별로 분석하도록 수행되어야 한다. 또한 여러 가지 가상의 시나리오를 적용해 봄으로써 각 시나리오가 네트워크에 미치는 영향을 분석하고 각 시나리오의 결과를 수치로 제시함으로써 보다 합리적인 의사결정을 가능하게 하여야 한다. 즉, 물류네트워크 설계는 복잡한 물류 현상을 수리모델을 통하여 재구성하고 실행 가능한 대안을 도출하여 각 시나리오의 기대효과를 수치로 제시함으로써 기업물류 인프라 투자와 장기적인 운영효율 최적화에 대한 의사결정 사항을 지원해야 하는 것이다.

본 논문에서는 공급체인 네트워크 설계 문제를 “a개의 가능한 거점과 b개 지역의 수요지가 주어졌을 때, 모든 수요를 충족시키며 거점 및 설비의 운영비용과 제품의 유통비용의 합인 총물류비용을 최소화하는 최적의 입지를 결정하는 문제”로 정의한다. 또한 기업의 현실에서 발생할 수 있는 다양한 상황을 해결하기 위하여 광범위하고 일


반적인 모형을 수립하는 것을 목표로 한다.우선 목적함수는 거점이나 설비의 운영에 소요되는 운영비용과 제품을 고객까지 유통

시키는 데 소요되는 운송비용의 합인 총비용으로 구성되며 총비용을 최소화하는 운영거점과 운송경로의 최적 조합인 공급체인 네트워크를 찾는다. 다양한 형태의 공급체인 문제를 표현하기 위해 복수단계를 가정하고 수년의 기간을 갖는 전략적 의사결정 문제이기 때문에 비교적 긴 단일기간을 고려한다.

공급체인에서 이동하는 제품은 현실에 맞게 복수 제품을 고려하여 다양한 거점에서 다양한 제품-믹스가 발생할 수 있도록 한다. 이로 인하여 각각의 거점별로 어떠한 제품을 취급해야 하는지를 결정해야 한다. 거점별로 제품을 취급할 수 있는 처리용량에는 제한이 있다. 즉, 공장의 경우에는 생산능력에 제한이 있으며, 물류센터의 경우에는 물동량(Throughput)을 취급하는 데 제한이 있다. 이러한 제약은 현실적인 자원 예산 제약을 문제에 포함시켜 현실을 반영할 수 있게 한다. 이러한 최대 물동량 제한은 아무리 비용 효율적인 거점(공장, 물류센터 등)이라 하더라도 가용용량 이상은 처리할 수 없다는 것을 의미한다.

거점간에 제품을 운송하는 운송수단은 여러 종류를 이용할 수 있다. 즉, 운송 경로별로 다양한 운송수단(트럭, 기차, 비행기, 선박 등)이 존재하며, 이러한 운송수단에 따른 비용구조에 따라 운송비용이 달라진다. 결국 최적의 공급체인네트워크란 적절한 경로에 적절한 운송수단으로 적절한 제품을 운송하는 것을 의미한다.

이상의 사항을 고려하여 모형을 만들기 위한 기본적인 의사결정 항목을 요약하면 <표 1>과 같다.

<표 1> 물류네트워크 설계의 기본 의사결정 항목항 목 내 용

Location(거점)

물류네트워크 내에 존재하는 물류자원의 위치, 규모, 존폐여부에 대한 전략적 판단 (예: 물류센터 신설, 거점 폐쇄, 창고규모 확장)

Product(제품)

물류네트워크 상에서 취급되는 대상물품에 대한 운영원칙 판단 (예: a제품의 재고를 A창고에서 B창고로 이관)

Process(프로세스)

각 거점에서 이루어지는 물류프로세스에 대한 모든 판단(예: 하역, 검사, 분류, 보관, 포장, 어셈블리 등)

Service(운송)

물류거점간 운송수단 및 운영방식에 대한 전략적 판단(예: 트럭/선박, 회당 수송규모)


본 연구 모형의 가정은 다음과 같다. 첫째, 고객이 요구하는 모든 제품에 대한 수요는 모두 만족된다. 이 연구에서는 비용 최소화 문제를 다루고 있다. 만약, 이익 최대화 문제의 경우에는 이익에 공헌하지 못하는 수요(예: 오지 운송)에 대해 비용 절감을 위하여 서비스를 제공하지 않을 수도 있다. 하지만, 여기서는 모든 제품에 대한 수요를 충족시키는 해를 찾는다.

둘째, 수요 및 비용 정보는 사전에 확정되어 있다고 가정한다. 수요는 일반적으로 불확실성을 갖는 확률적 성격을 가지지만 과거의 자료와 예측을 통하여 결정적 수치로 고정한다. 비용 정보 역시 수요와 마찬가지로 확정적이라고 가정한다. 이를 위해 수요에 대한 정확한 예측과 비용에 대한 정확한 산정 및 추정이 필요하다.

셋째, 모형에서 표현할 수 있는 공급체인의 단계는 제한이 없다. 분석의 대상이 되는 공급체인 망의 복잡도는 기업마다 다르기 때문에 무제한의 공급체인 단계는 대다수의 기업에 적용될 수 있다.

넷째, 거점 내의 프로세스의 경우 산출물은 단 하나만 존재한다. 예를 들어 한 공장의 조립라인에서 두 종류의 부품이 투입되더라도 라인을 빠져 나올 때는 하나의 완제품만 나온다고 가정한다.

마지막으로 재고비용은 고려하지 않는다. 단일 기간 문제를 다루기 때문에 기간마다의 수요와 공급의 차이에 의해 발생하는 재고는 고려하지 않는다.

<표 1>의 기본의사결정 항목과 가정을 기반으로 할 경우 물류네트워크 모델링을 위한 목적함수와 제약식은 다음과 같이 정의할 수 있다.

우선 목적함수는 총비용 최소화이므로, 목적함수는 다음과 같다.Min(고정비용 + 제품고정비용 + 제품변동비용 + 프로세스 고정비용 +

프로세스변동비용 + 운송고정비용 + 운송 변동비).수식으로 표현하면,

ååå åååå

åå ååå ååååååå+

+++++

i j m i j k m

kmij

kmij

mij

mij

i p k i p q k

kipq

kipq

kip

kip

ki

ki

i k

ki

kii

ii

XL

FIQZYMin

ds

fwgba

위 목적함수의 각 항은 순서대로 거점 고정비용, 제품 고정비용, 제품 변동비용, 프로세스 고정비용, 프로세스 변동비용, 운송 고정비용, 운송 변동비용의 합인 총 비용으로 구성되어 있다.


TSq j

Tm

kmij

kipq NNiRqVqpiXF ÈÎ"ÎÎ=å åå , ,),,( , (1)

TSi m

kmij

q

kipq NiRpVqpiXF Î"ÎÎ=ååå , ,),,( , (2)

Np

lipqlk

qr

kipr RqFF Î"=- åå ,01

r (3)

åå Î"=i m

Dkj

kmij NjDX , (4)

å Î"=p

Tki

kipq RqQF , (5)

å ££k

iikiii YCQYC )max( )(min (6)

ki

ki

ki

ki

ki ZCQZC )(max )(min ££ (7)

Nkip

kip

q

kipq

kip

kip RpICFIC Î"££å ,)(max )(min (8)

AjiLCXLC kij

kij

k

kmij

kij

kij Î"££å ),( ,)(max )(min (9)kii ZY ³ (10)kip

ki IZ ³ (11)

miji LY ³ (12)mijj LY ³ (13)

변수 Y, Z, I, L = 0 또는 1 for all (14)

제약식은 다음과 같으며, 수학적 기호의 상세한 내역은 첨부와 같다.


제약식 (1)-(3)은 거점간 혹은 거점 내부의 흐름량 보존에 관한 공식이다. 즉, 거점의 프로세스 내로 들어온 제품의 양은 프로세스를 빠져 나갈 때의 양과 같다. 제약식 (1)은 거점의 종료 프로세스로 들어오는 제품의 양은 그 거점에서 다른 거점으로 운송된 양의 합과 같다. 제약식 (2)는 한 거점으로 들어오는 제품의 양은 그 거점의 시작 프로세스에서 다른 프로세스로 나가는 양의 합과 일치한다. 제약식 (3)은 제품의 변환이 이루어지는 정규 프로세스의 경우, 프로세스 전후의 제품의 양은 제품 변화 비율을 반영하여 결정된다는 것을 의미한다. 거점 수준의 네트워크 분석의 경우에는 이 제약식은 사용되지 않을 것이다. 하지만, 거점 내 프로세스 수준에서는 프로세스 전후의 투입/산출 제품의 흐름량을 제품변환 비율에 맞춰 결정한다. 결국, 제약식 (1)-(3)은 내포된 네트워크 개념을 혼합정수계획모형에 반영하는 제약식이다. 제약식 (4)는 고객에 요구하는 수요량은 반드시 충족시킨다는 제약이며, 이러한 제약이 있는 경우에는 비용이 많이 드는 고객이라도 반드시 수요를 충족시켜야 한다. 제약식 (5)는 각 거점별 제품 취급량에 대한 정의이다. 각 거점에서 종료 프로세스로 들어오는 제품의 합이 해당 거점의 제품 취급량이 된다. 제약식 (6)-(9)는 처리용량에 대한 제약식이다. 이 제약식의 경우 최대 처리용량뿐만 아니라 최소 처리용량에 대한 제약도 다룰 수 있다. 예를 들면, 어떤 공장 내에서 어느 한 제품을 취급하려고 할 때에는 규모의 경제를 고려하기 위하여 일정 수량 이상의 취급이 요구될 수 있을 것이다. (6)은 거점별 처리용량에 대한 제약식이고, (7)는 거점별 제품 각각에 대한 제약식이다. (8)은 거점 내 프로세스의 생산능력에 대한 제약식이며 (9)는 거점간의 링크에 대해 운송수단별 운송능력에 대한 제약식을 의미한다. 제약식 (10)-(13)은 각각의 의사결정 변수간의 우선순위에 대한 제약이다. (10)의 경우, 거점 i에서 제품 k를 다루기 위해서는 우선 거점 i를 열어야 한다. (11)은 거점 i의 프로세스 p에서 제품 k를 취급하려면 거점 i가 제품 k를 취급하여야 한다. (12)와 (13)는 출발 거점과 도착 거점이 모두 운영되어야만 두 거점간의 링크에 제품이 운송될 수 있다. (14)는 일부 의사결정변수는 이진(Binary)변수이며, Yes / No와 같은 양자택일의 의사결정을 모형에 반영한다.

3. 구현 방법론

단계 1에서는 공급체인에 관한 의사결정이 확정적인 상황에서 이루어지는 경우를 가정하고 문제를 풀어 나간다. 총물류비용을 최소화하는 것이 목적이라면 총비용을


구성하는 비용 요소들을 명확히 정의하여야 한다. 모형에서 비용은 고정비용과 제품의 취급량에 비례하는 변동비용으로 구분될 것이며 성격에 따라 시설, 제품, 운송수단 등에 따른 비용이 될 것이다.

수리모형이 완성되면 입력자료를 수집하여야 한다. 이러한 입력자료로는 공장 및 창고와 같은 물류거점의 위치, 내부 프로세스, 규모, 고정비 및 운영비에 대한 정보뿐만 아니라 거점간 운행 노선 및 운송비용 정보, 제품, 운송수단에 관한 자료가 필요하다. 입력자료가 완성되면, CPLEX 엔진을 토대로 개발한 솔루션을 이용하여 최적해를 구한다.

단계 2에서는 단계 1에서 구한 해가 실제 물류환경의 제약들을 위배하지 않는지에 대한 타당성 검사(Feasibility Test)를 수행한다. 만약 최적해가 타당성이 부족한 경우, 1단계 수리 모형의 입력자료나 제약을 수정 · 보완하여 타당한 해를 얻는다. 이러한 피드백 기능은 문제 해결에 대한 타당성을 높이고, 안정적인 접근 방식을 제공한다. 타당성 검사를 위한 시뮬레이션은 재고수준, 실 판매량, 고객 서비스율 등에 대한 민감도 분석을 통하여 수행한다.

공급체인 네트워크 설계를 위한 솔루션 아키텍쳐는 <그림 1>과 같이 사용자(User), 사용자 인터페이스(GUI), 데이터베이스(DB), CPLEX 최적화 엔진(Optimizer)으로 구성되어 있다. 위에서 제시한 수리모형을 기본으로 <그림 1>과 같이 개발된 솔루션을 적용한 사례가 Ⅳ장에 소개되어 있다.

<그림 1> 공급체인 네트워크 설계 위한 솔루션 아키텍처

사용자 인터페이스 단계 1최적화

시뮬레이션재설계 단계 2

YesNo

최종 대안타당성?


Ⅳ. 사례 분석

1. 배송권역 변화에 따른 네트워크 최적화

(1) 분석 배경첫 번째 사례는 제3자 물류네트워크의 수배송권역 재설계 문제이다. 본 사례에서는

운송을 수송과 배송으로 구분하고, 수송은 거점간 대량운송을, 배송은 권역내 소량 운송으로 본다. 사례기업의 제3자 물류사업부문은 경쟁의 심화로 가격이 하락하여 비용절감을 통한 경쟁력 강화 및 수익 창출을 추진할 수밖에 없는 상황이었다. 비용절감을 위한 가장 좋은 방법은 네트워크를 재설계하여 효율적으로 운영하는 방법이다. 비용절감은 서비스 수준의 저하보다는 오히려 향상시키는 방향으로 추진되었다.

본 사례는 기존의 단순 행정권역 구분 중심의 수배송 권역설정을 배제하고, 수배송 비용을 최소화할 수 있는 최적 수배송 네트워크를 수립하기 위하여 시작되었다. 기존에는 수배송 거리 및 시간 등을 고려하지 않은 단순 행정권 구분 중심의 권역을 형성하여 역송이 발생하고 수배송 거리가 길어졌다. 이로 인한 수배송의 비용 낭비 및 서비스 개선 요소가 상존하고 있었다. 최초 권역 설정 이후 신도로망의 확충, 물류센터별 처리용량 및 물동량의 변화, 수도권 물량의 역송 방지 등의 환경변화에 따라 수배송 권역 재설계로 부분 최적화가 아닌 전체 최적화를 통한 전사 차원의 물류효율성 달성의 필요성이 제기되었다.

본 사례는 물류네트워크 최적화 방법론에 입각하여 기존 배송권역의 합리적인 재설계를 통해 물류비용 절감 및 고객서비스 향상과 기업경쟁력 제고를 목적으로 한다. 실행방안은 물류네트워크 모델링 최적화 방법을 통하여 복잡한 물류 현상을 수리모델로 재구성하고, 비용 최적화된 공급체인 구축을 통해 실행 가능한 대안을 도출하고 각 시나리오의 기대효과를 수치로 제시하며, 물류 인프라 투자와 장기적인 운영효율 최적화 의사결정을 지원하는 것 등이다.

본 사례의 목적은 수배송 경로의 합리화를 통한 수배송 거리 및 시간 단축을 통하여 서비스 수준을 향상하고, 배송권역의 효율적인 재조정을 통해 고객 서비스 향상 및 물류비용 절감을 통한 경쟁력 제고 방안을 제시하는 데 있다.


(2) 분석 방법 본 연구는 다음과 같은 가정 하에 네트워크 최적화를 실행하였다.- 신규 물류센터 신설 및 기존 물류센터 폐쇄를 고려하지 않는다.- 물류센터의 보관 및 수배송 용량은 무한하다.- 다음 물류센터는 배송권역을 변경하지 않는다.

ㆍ수원센터(식품) : 기존에 배송하던 수도권 특정 거래처만을 계속해서 담당 ㆍ강릉센터 : 크로스도킹 업무만 수행하며 용량 한계로 기존 권역만 배송 ㆍ원주센터(식품) : 현재 제3자 물류 제품만 취급

- 육가공(저온) 네트워크는 진천 허브센터의 신설로 인해 분석 대상에서 제외한다.- 광역센터1)-배송센터2) 간 링크는 최종 분석에서 제외한다.- 수요지로의 총배송량은 제조센터3)에서의 총반출량과 같다. - 식품, 주류, 제약 네트워크를 각각 독립적으로 최적화한 후 분석한다. - 제조센터에서 거래처로 직접 배송하는 물량은 분석 대상에서 제외한다. 본 사례를 분석하기 위한 물류네트워크 구성요소는 <표 2>과 같다.

<표 2> 공급체인 구성요소구 분 내 용

물류거점ㆍ제조센터(Level 1, CDC) : 인천(1,2,3), 김포, 영등포, 부산(1,2), 대소, 이천ㆍ광역센터(Level2, RDC) : 수원, 용인, 대전, 장림ㆍ배송센터(Level3, FDC) : 서울, 원주, 강릉, 광주, 경산, 부산, 함안, 제주

수 요 지 ㆍ246개의 세부권역: 시/군/구 단위(Level4)ㆍ세부권역 내 거래처 수요량 합산

제 품 ㆍ고객사 및 제조센터 기준 14개 제품군(제약, 식품, 주류 등)네트워크 ㆍ배송차량별 구분 : 식품, 제약, 주류

네트워크 최적화 이후의 모델 수립을 위하여 기존 시스템에서 <표 3>의 데이터를 추출하여 분석 DB를 구축하였다. 추출된 데이터를 3장에서 제시된 모델이 내장된 솔루션에 적용하여 분석하였다. 1) 광역권역의 물류센터.2) 배송권역의 물류센터.3) 고객사 공장 옆 물류센터.


<표 3> 분석 입력자료 구 분 내 용

물류거점거 점 ㆍ거점 유형 구분(Level1~4)

ㆍ거래처 주소, 우편번호, 제품별 수요량제 품 ㆍ센터별 취급 제품군

ㆍ제품군을 창고유형으로 구분(식품, 주류, 제약)

거점간 운송수 송 ㆍ센터-센터 수송자료(2004.10~12 : 3개월 자료)

ㆍ출발지, 도착지, 물동량, 수송비용배 송 ㆍ센터-거래처 배송자료(2004.10~12 : 3개월 자료)

ㆍ출발센터, 도착지, 제품, 물동량, 배송단가, 배송비용

(3) 분석 결과본 연구를 통한 배송권역의 최적화 결과, <그림 2>에서 보는 바와 같이 총배송물

량의 18.1%가 변경되었다.

수원

강릉

대전

함안

장림

30,972 → 30,972(0)

경산

광주

용인

서울 원주

710,987 → 920,089(209,102)

1,151,260 → 949,863(-201,397)

313,820 → 301,166(-12,654)

46,706 → 55,870(9,164)

972,867 → 1,620,493(647,626)

2,647,055 → 2,670,864(23,809)

1,903,100 → 1,513,357(-389,743)

974,209 → 812,802(-161,407)

651,904 → 539,450(-112,454)

부산

71,034 → 58,988(-12,046)

기존 배송물량 → 변경 배송물량 (변화량)

수원

강릉

대전

함안

장림

30,972 → 30,972(0)

경산

광주

용인

서울 원주

710,987 → 920,089(209,102)

1,151,260 → 949,863(-201,397)

313,820 → 301,166(-12,654)

46,706 → 55,870(9,164)

972,867 → 1,620,493(647,626)

2,647,055 → 2,670,864(23,809)

1,903,100 → 1,513,357(-389,743)

974,209 → 812,802(-161,407)

651,904 → 539,450(-112,454)

부산

71,034 → 58,988(-12,046)

기존 배송물량 → 변경 배송물량 (변화량)

<그림 2> 권역별 조정 결과(종합)배송센터 권역 재설계 이후 배송센터의 도착 수송물량의 변화에 따른 제조센터의

비용변화가 발생하였다. 예컨대 배송권역의 변화로 인한 제조센터 - 배송센터간 물량은 김포센터 → 광주센터는 1,000에서 700으로, 김포센터 → 대전센터는 500에서 600으로, 김포센터 → 서울센터는 700에서 900으로 변경되었다.


제조센터 - 배송센터간 총수송비용에서 총수송물량을 나눠 산출한 박스당 단가는 김포 → 광주 50원, 김포 → 대전 30원, 김포 → 서울 10원이다. 배송권역 변경전 김포 센터의 수송비용은 (1000×50)＋(500×30)＋(700×10)=72,000원인 반면, 변경 후는 (700×50)＋(600×30)＋(900×10)=62,000원으로 10,000의 수송비 절감 효과가 있다. 제조센터의 수송비용 로직은 다음 식과 같다.

Ci =å=

m

jijijQK

1 ,△Ci = åå

==

-m

j

aijij

m

j

bijij QKQK

11

* i = 제조센터의 인덱스 i = 1, 2, …, n, j = 배송센터의 인덱스 j = 1, 2, …, m Kij = I ~ j 간 단위 박스당 배송단가, Qij = i ~ j 간 총수송물량 Ci = 제조센터 i의 총수송비용, △Ci : 수송비용 변화액(a 현행, b 적용 후)

배송권역 재설계로 인한 배송센터로의 수송물량 변동 발생으로 인한 각 제조센터별 수송비용은 연간 1.17억원이 절감되고 수송거리는 평균 7.6km 단축된다. <표 4>는 3개월간(07.10 ~ 12)의 결과이다.

<표 4> 제조센터 관련 수송비용 절감 효과 (단위 : 원, km)

제조센터 비용절감액 총 단축거리 평균 단축거리김포 -2,387,045 -1,322,346 -14.9부산 1 -2,655,944 -3,528,563 -12.7부산 2 2,946,977 8,912,626 11.8영등포 -7,393,655 -8,311,798 -32.5이천 -1,111,974 -417,491 -4.7인천 1 -10,802,758 -9,116,764 -11.5인천 2 -2,749,947 -2,837,156 -11.5인천 3 -4,885,506 -5,422,809 -11.5대소 -258,196 -1,882,289 -10.0

계 -29,298,049 -23,926,589 -7.6


<표 5> 배송센터 관련 배송비용 절감 효과 (단위 : 박스, 원)배송센터 현 행 적용 후 최종 효과

물량 배송비 물량 배송비 물량 변화 배송비 변화수원센터 2,647,055 1,072,461,858 2,670,864 1,084,414,926 23,809 11,953,068강릉센터 30,972 11,956,912 30,972 11,956,912 0 0경산센터 710,987 318,520,214 920,089 386,493,728 209,102 67,973,514광주센터 651,904 252,993,026 539,450 206,561,718 -112,454 -46,431,308서울센터 972,867 329,141,523 1,620,493 506,839,733 647,626 177,698,210제주센터 69,972 18,352,204 69,972 18,352,204 0 0함안센터 313,820 129,171,895 301,166 124,176,886 -12,654 -4,995,009대전센터 974,209 356,893,815 812,802 284,833,835 -161,407 -72,059,980용인센터 1,903,100 743,573,555 1,513,357 500,625,063 -389,743 -242,948,492장림센터 1,151,260 416,352,334 949,863 340,283,178 -201,397 -76,069,156원주센터 46,706 21,032,878 55,870 20,565,481 9,164 -467,397부산센터 71,034, 40,946,598 58,988 34,324,249 -12,046 -6,622,349

계 9,543,886 3,711,396,812 9,543,886 3,519,427,912 0 -191,968,899

배송권역 재설계 이후 배송물량의 변화로 인해 배송센터의 비용변화가 발생한다. 현재 배송센터에서의 단위비용은 다수의 거래처가 혼재하여 거리에 비례하지 않고 있다. 이에 따라 1박스를 1km 배송하는데 드는 단위비용을 산정한 후 여기에 총배송비용 중 유류대 비율을 곱하여 비용절감 요인을 계산하는 보수적인 추정을 하였다. 배송 센터 재배치 이후 절감된 비용은 (변화된 거리×변화된 물동량)×(1박스를 1km 배송하는데 드는 비용)×(총배송비용 중 유류대가 차지하는 비율)로 계산하였다. 배송센터의 총배송비용 로직은 다음 식과 같다.

Ci = åj

ijijQDk,

△Ci = )( ija

jij

jijb

ij QDQDk åå -

* i = 배송센터의 인덱스(i = 1, 2, …, n), j = 거래처의 인덱스(j = 1, 2, …, m) k = 배송센터에서 1박스를 1km 배송하는데 드는 단위비용


Dij = 배송센터 i 에서 거래처 j까지의 거리, Qij = 배송센터 i 에서 거래처 j까지의 배송량, Ci = 배송센터 i 의 총배송비용, △Ci : 배송비용 변화액(a 현행, b 적용 후)

배송권역 재조정으로 인한 배송센터별 물량 변화가 발생함에 따라 각 배송센터별 배송비의 변화는 <표 5>에서 보는 바와 같이 연간 약 1.92억원의 배송비 절감 효과가 유발되었다. 또한 총배송거리의 8.1%가 감소하여 추가적인 비용절감 및 효율성 제고 효과도 기대된다. 간접효과는 배송거리 감소 → 차량 회전율 증가 → 배송처리용량 증대 → 배송차량 절감 및 배송차량 당 거래처 증가 → 차량 적재율 증대 및 배송 리드타임 감소 → 고객 서비스 개선 등이다.

결국 배송권역 재조정으로 수송비용은 1.17억원이 절감되고 수송거리는 평균 7.6km 단축되었으며, 배송비용은 1.92억원 절감, 배송거리는 8.1% 감소의 효과가 있었다. 비록 절감금액이 크지는 않지만 신규투자 없이 단순히 배송권역만 합리적으로 조정하더라도 상당한 효과가 있다는 것을 보여준 사례라고 할 수 있다.

2. 택배거점 처리용량 변화에 따른 네트워크 최적화

(1) 분석 배경본 사례에서는 택배 네트워크의 변화를 통해 간선비 절감을 수행할 수 있는 방안을

찾고자 택배 네트워크에 대한 전반적인 분석을 수행하였다. 특히, 추진 예정인 대전 허브터미널의 처리용량 증설과 관련하여 물류 간선/지선 네

트워크 변화를 어떻게 변화될 것인지를 사전에 예측하고, 이에 따른 운영방안을 수립하고자 다음과 같은 네 가지 시나리오를 가지고 분석하였다.

- 시나리오 1 : 대전 허브터미널의 처리용량을 일일 40,000박스에서 120,000박스 로 3배 증가시킬 경우, 최적 간선 네트워크의 변화와 간선 및 지선비용4) 분석 (목적 : 처리용량 증설에 따른 간선 네트워크의 변화와 비용분석)

- 시나리오 2 : 대전 허브터미널의 처리용량과 수도권 허브터미널의 처리용량을 동시에 120,000박스로 증가시킬 때, 최적 간선네트워크의 변화와 간선 및 지선비용 분석

4) 간선비용은 허브터미널 간 운송비용을, 지선비용은 허브터미널과 서브터미널 간 운송비용을 말한다.


- 시나리오 3 : 대전 허브터미널의 처리용량이 120,000박스이고, 터미널의 수를 기존 9개에서 6개로 줄이고자 할 때, 폐쇄 대상 거점터미널 즉, 스크랩(Scrap) 대상이 되는 터미널과 변화되는 간선 및 지선 네트워크 분석

- 시나리오 4 : 대전 허브터미널의 처리용량과 수도권 허브터미널의 처리용량을 120,000박스로 증가시키고, 기존 9개에서 6개로 줄이고자 할 때, 스크랩 대상이 되는 터미널과 변화되는 간선 및 지선 네트워크 분석

또한, 위의 4가지 시나리오를 통하여 간선비 절감이라는 목표를 수행하기 위한 최상의 시나리오를 찾아내고 적용하고자 하였다.

(2) 분석 방법본 연구는 다음과 같은 제약사항 하에 네트워크 최적화를 실행하였다.

<그림 3> 택배네트워크 구조- 각 허브터미널의 일일 처리용량을 반영하여 실행한다.- 서브터미널 → 허브터미널로의 집하 물량은 배제한다.- 수송비용 산출을 위해 11톤 차량의 거리 비용을 반영한다. - 터미널 내에서의 핸들링 비용은 배제한다.

H 1 H 2 H 9

H 1

H 8

H 2 H 9H 8

S47 S49S48S1 S2 S3 S4

허브터미널 용량(박스)H 1 35,000H 2 55,000H 3 20,000H 4 40,000H 5 35,000H 6 40,000H 7 20,000H 8 15,000H 9 20,000

허브터미널 : 9곳

서브터미널 : 49곳

▪▪▪▪▪

▪▪▪▪▪

▪▪▪▪▪


즉, 터미널 내에서 발생하는 고정비용(도급비)보다는 간선/지선 네트워크 변화에 따른 비용 절감 기회를 찾고자 하는 것이 주목적이다. 택배네트워크는 허브터미널 9개, 서브터미널 49개로 구성되어 있어 간선(허브-허브)은 9 × 8 = 72개, 지선(허브-서브)은 9 × 49 = 441개의 네트워크 링크(Link)가 된다(<그림 3> 참조).

(3) 분석 결과<그림 4>의 왼쪽 그림은 현재 택배 네트워크 현황이다. 현재는 허브 앤 스포크

방식(Hub & Spoke System)과 포인트 앤 포인트 방식(Point & Point System)이 혼재되어 있는 상황이며, 이를 최적화하기 위하여 위에서 설명한 4가지 시나리오를 구성하여 분석하였다.

<그림 4>의 오른쪽 그림은 시나리오 1을 적용한 모습으로써, 대전 허브터미널 증설에 따른 1차 간선네트워크 최적화 이후의 변화된 모습을 보여준다. 대전 허브터미널의 증설(기존의 3배)로 인하여 대전 허브터미널이 전국을 커버하는 중심 허브터미널의 역할을 수행하며, 기존 구로 허브터미널의 역할이 축소되는 경향을 보이게 된다. 즉, 중심 허브터미널의 역할이 구로 터미널에서 대전 터미널로 바뀌게 된 것을 볼 수 있다.

이에 따라 현재 29.1억원인 간선/지선 운송비용이 26.8억원으로 연간 7.6%의 절감효과가 있을 것으로 예상되었다. 그 이유는 간선/지선 네트워크 변화에 따라 전체적인 물량의 변화와 함께 운송 차량의 LTL보다 TL5) 운행이 많아지기 때문이다.

택배의 경우, 간선이동 시 LTL 차량이 많으면 많을수록 비용이 증가한다. 따라서 TL(적재율 만차) 차량을 극대화하여 간선 이동이 이루어지도록 하는 것이 비용 절감의 초점이 된다. 이에 대한 한 방안으로 대전 허브터미널의 처리용량이 3배로 증설하게 됨으로써, 처리물량이 대전 허브터미널로 집중되어 현재 각 허브터미널에서 발생하는 LTL 차량을 연간 900대 절감할 수 있는 효과가 나타나게 되어 간선/지산 간의 네크워크 운송비용이 절감된다.

5) LTL : Less than Ttruckload(적재율 만차 미만), TL : Full Truckload(적재율 만차).


<그림 4> 시나리오 1 - 간선/지선 네트워크의 변화<그림 5>는 시나리오 2로서, 대전과 분당 허브터미널 증설에 따른 간선네트워크

최적화 이후의 변화된 모습을 보여 준다. 특히, 수도권 허브의 증설로 수도권의 물량은 분당 허브로 집중되며, 구로 허브터미널의 역할이 분당 허브터미널로 이관되는 모습을 확인할 수 있다. 또한 포인트 앤 포인트 방식(Point & Point System)의 수도권 간선 네트워크의 모습이 분당을 중심으로 하는 허브 앤 스포크(Hub & Spoke) 방식으로 재편되며, 분당 허브터미널의 증설로 인하여 분당 허브터미널에서 수도권 물량을 대부분 처리하게 되는 모습을 보여 준다. <그림 6>은 지선 네트워크의 변화 모습이다.


시나리오 2를 통하여 얻을 수 있었던 것은 수도권은 분당 허브터미널, 지방은 대전 허브터미널에서 각각 처리하는 것이 간선비용을 절감하는 데 가장 효과적이라는 것을 알 수 있었다. 사나리오 2를 통해서, 현재 각 허브터미널에서 발생하는 LTL 차량을 연간 1,200대 절감할 수 있는 효과가 나타나기 때문이다.

<그림 5> 시나리오 2 - 수도권 간선 네트워크의 변화

<그림 6> 시나리오 2 - 지선 네트워크의 변화한편, 시나리오 3에 따라 분석을 수행하여 대전 허브의 증설 후 최소 4개, 최대 6개의

운영으로 변화를 주고자 할 때 최적해가 나오지 않았다. 그 이유는 3개의 허브가 줄어들면서 수요에 비해 공급이 부족하여 전체 처리용량을 만족시키지 못하기 때문이다. 또한, 시나리오 4에 따라 대전 및 수도권 증설 후 최소 4개, 최대 6개의 허브 운영으로 변화를 주고자 하였을 때, 원주허브의 폐쇄 및 광주, 하남 등이 폐쇄 가능 후보지로 떠오른다. 그러나 전체적인 비용은 상승한다.


<표 6> 최적화결과구 분 현재 일일 평균 비용 시나리오 1 시나리오 2

간선비용(Hub-Hub) 48,409,609 43,243,191 37,782,107지선비용(Hub-Hub) 48,624,617 46,386,476 44,733,127합 계 97,034,226 89,629,666 82,515,234연 간 합 계 29,110,267,800 26,888,899,934 24,754,570,342연 간 절 감 액(예상) - ▽ 2,221,367,866 ▽ 4,355,697,458

<표 6>에서 보는 바와 같이 실제 분석을 통해서 택배 네트워크를 최적화한 결과, 시나리오 2가 최적의 대안으로 떠오르게 되었다. 특히, 수도권과 지방권을 분리하여 처리하는 2개의 중심 터미널로 운영하되 기존의 허브터미널을 로컬 허브터미널의 역할을 수행하는 것이 최적인 것으로 분석되었다.

Ⅴ. 결 론

본 논문은 기업의 복잡한 물류현실에서 발생될 수 있는 문제에 광범위하게 적용될 수 있도록 최대한 많은 변수들을 모형에 포함시켰다. 본 논문에서 제시하는 모형은 시설, 제품, 운송, 프로세스에 걸쳐 발생하는 다양한 비용들의 합인 총물류비용을 최소화하는 목적함수를 가지고 있다. 네트워크는 공장, 창고, 고객으로 대표되는 물류 거점, 다양한 제품 믹스, 거점 간 제품의 운송링크, 여러 운송수단을 포함한다.

본 연구에서는 기업의 물류네트워크 최적화 분석방법을 정리하고 해당 적용사례를 제시하였다. 첫 번째 사례의 경우 행정구역 중심의 배송권역을 계량적 네트워크 최적화 모형을 통해 효율적으로 재설계한 결과, 서비스수준이 개선되었고 물류비용이 절감되었으며 물류 역량이 강화되었다. 신규투자 없이 단순히 배송권역 변경만으로 전체 배송 물량 중 18%가 변경되었고 물류비용 절감효과가 연간 총 3.09억원(수송비 : 1.17억원, 배송비 : 1.92억원)이며 배송 리드타임도 8% 감소하였다. 간접적인 효과는 차량 적재율 상승, 배송차량 회전율 증가, 배송 차량 대수 축소 등이며 물류 프로세스 개선을 위한 합리적ㆍ계량적 마인드 제고의 효과도 있었다.


두 번째 택배네트워크를 분석하면 다음과 같이 요약할 수 있다. 첫째, 현재 구로 허브(Hub) 터미널이 전국을 취급하는 주요 허브터미널로서 역할을 수행하고 있으나 대전 허브터미널을 증설하게 되면 구로 터미널은 부곡, 분당, 하남 허브터미널과의 관계를 형성하여 수도권 중심의 허브터미널로 역할을 수행하게 된다. 반면 대전 터미널은 지방권을 담당하는 허브 역할을 수행함을 알 수 있다. 이는 두 개의 주요 허브터미널이 지방과 수도권을 연계하는 중심 축 역할을 수행하게 됨을 의미한다. 둘째, 수도권 허브터미널의 증설은 대전 허브터미널의 증설과 함께 수도권과 지방권을 담당하는 두 개의 축으로써의 현상이 더욱 심도있게 나타남을 알 수 있다. 셋째, 현재의 복잡한 수송 네트워크를 단순화 · 최적화함으로써 비용 절감의 효과와 네트워크 관리의 편리성을 달성할 수 있음을 보여 준다.

본 논문의 사례를 수행하는 동안 얻은 시사점 및 개선사항은 우선 상이한 시스템 간 데이터가 불일치한 경우가 많아 IT시스템 간 호환성을 확보해야 하고 물류 용어 및 개념도 통일할 필요가 있다는 것이다. 또한 표준 파트너사 재계약시 배송권역 결과를 반영하고 프로세스 표준화를 통한 효율성 제고를 위해 합리적인 원가 산정 기준을 수립해야 하며 신규 고객 유치 시 비용산정 방법을 개발할 필요가 있다. 권역 변화의 효과를 지속적으로 모니터링하고 추가적인 배송절감 효과도 추적할 필요가 있으며 광역 물량 및 비용 자료 관리, 보관용량 측정, 센터별 최적 배송용량 산정 등 지속적인 측정 및 평가가 필요하다.

본 논문은 물류네트워크를 최적화하는 프로세스를 소개하여 기업들이 참조할 수 있다는 의의가 있으나 향후에도 기업의 물류 현실을 보다 정확히 반영하기 위해서는 좀 더 다양한 사례연구가 필요하다. 본 연구에서 제시된 물류네트워크 최적화의 구축 방법론과 사례연구를 응용하여 기업들이 가장 효율적인 물류네트워크를 구축하는데 기여하기를 바란다.


<參考文獻>

김현수, 류재환, 홍민선, 임석철. “폐가전제품 회수물류네트워크 최적화,”「산업공학회지」, 제20권 제2호, 2007, pp.154-161.

이인철, 이명호, 김내헌, “기존 물류네트워크 기반에서 크로스도킹 거점선정에 관한 연구,”「산업공학회지」, 제19권 제1호, 2006, pp.26-33.

김정혁, “전략적 공급체인망 설계를 위한 통합 방법론 연구,” 고려대 대학원 박사학위 논문, 2004.

Aardal, K., Labbe, M., Leung, A., and Queyranne, M. “On the Two-Level Uncapacitated Facility Location Problem,” INFORMS Journal on Computing, Vol.8, 1996, pp.289-301.

Aikens, C. H. “Facility location models for distribution planning,” European Journal of Operational Research, Vol.22, 1985, pp.263-279.

Ballou, R. H. “Unresolved Issues in Supply Chain Network Design,” Information Systems Frontiers 3:4, 2001, pp.417-426.

Barros, A. I. and Labbe, M. “The Multi-Level Uncapacitated Facility Location Problem is not Submodular,” European Journal of Operational Research, Vol.72, 1994, pp.607-609.

Bertazzi, L. and Speranza, M. G. “Minimizing Logistic Costs in Multistage Supply Chains,” Naval Research Logistics, Vol.46, 1999, pp.399-417.

Canel, C. and Das, S. R. “The uncapacitated multi-period facilities location problem with profit maximization,” International Journal of Physical Distribution & Logistics Management, Vol.29, No.6, 1999, pp.409-433.

Chardaire, P. Lutton, J. L. and Sutter, A. “Upper and lower bounds for the two-level simple plant location problem,” Annals of Operations Research, Vol.86, 1999, pp.117-140.

Chopra, S. and Meindl, P. Supply Chain Management: Strategy, Planning and Operations, second ed. Prentice Hall, Upper Saddle River, NJ, 2004.


Crainic, T. G., Dejax, P. and Delorme, L. “Models for multimode multicornmodity location problems with interdepot balancing requirements,” Annals of Operatioas Research, Switzerland, Vol.18, No.1, 1989, pp.279-302.

Crainic, T. G., Delorme. L. and Dejax, P. “A branch-and-bound method for multicommodity location with balancing requirements,” European Journal of Operational Research, Vol.65, No.3, 1993, pp.368-382.

Gao, L. L. and Robinson Jr., E. P. “A Dual-Based Optimization Procedure for the Two-Echelon Uncapacitated Facility Location Problem,” Naval Research Logistics, Vol.39, 1992, pp.191-212.

Gendron, B. and Crainic, T. G. “A branch-and-bound algorithm for depot location and container fleet management,” Location Science, Vol.3, No.1, 1995, pp.39-53.

Hasan Selim and Irem Ozkarahan. “A supply chain distribution network design model: An interactive fuzzy goal programming-based solution approach,” The International Journal of Advanced Manufacturing Technology, Vol.36, No.3-4, 2006, pp.401-418.

Klincewicz, J. G. and Luss, H. “A dual-based algorithm for multiproduct uncapacitated facility location,” Transportation Science, Vol.21, No.3, 1987, pp.198–206.

Louveaux, F. V. and Peeters, D. “A Dual-Based Procedure for Stochastic Facility Location,” Operations Research, Vol.40, No.3, 1992, pp.564-573.

MacCarthy, B. L. and Atthirawong, W. “Factors affecting location decisions in international operations: a Delphi study,” International Journal of Operations & Production Management 23, 2003, pp.794-818.

Melkote, S. and Daskin, M. S. “Capacitated facility location/network design problems,” European Journal of Operational Research, Vol.129, 2001, pp.481-495.


Pirkul, H. and Jayaraman V. “A Multi-commodity, Multi-plant, Capacitated Facility Location Problem: Formulation and Efficient Heuristic Solution,” Operations Research, Vol.25, No.10, 1998, pp.869-878.

Shapiro, J. F. “Integrated logistics management, total cost analysis and optimization modelling,” International Journal of Physical Distribution & Logistics Management, Vol.22, No.3, 1992, pp.33-6.

Shapiro, J. F., Singhal, V. M. and Wagner, S. N. “Optimizing the Value Chain,” Interfaces, Vol.23, No.2, 1993, pp.102-117.

Sherif H. Lashine, Mohamed Fattouh and Abeer Issa. “Location/ allocation and routing decisions in supply chain network design,” Journal of Modelling in Management, Vol.1, No.2, 2006, pp.173-183.

Sue, A. “Network design in supply chain management,” International Journal of Agile Management Systems, Vol.1, No.2, 1999, pp.99-106.


[첨 부]집합N 거점들의 집합 NR

정규 프로세스, 제품의 변환이 일어나는 프로세스 (예: 생산, 조립, 포장, 분류 등)

ON 출발지(예: 공장) TR 종료 프로세스TN 중간 경유지(예: 창고) M 운송 수단의 집합DN 최종 도착지(예: 고객) A 거점 간 링크의 집합

R 거점 내 프로세스의 집합 V 거점 내 프로세스간 링크의 집합SR 시작 프로세스 K 제품의 집합

입력상수ia 거점 i 에 대한 고정비용 kib 거점 i 에서 제품 k 를 취급하는 고정비용 kig 거점 i 에서 제품 k 한 단위 취급할 때 드는 변동비용 mijs 거점 i 에서 거점 j 로 운송수단 m 을 설정할 때 드는 고정비용 kmijd 거점 i 에서 거점 j 로 제품 k 를 운송수단 m 으로 한 단위 운송할 때 드는 변동비용 ipw 거점 i 내에 프로세스 p 에서 제품 k 를 취급할 때 드는 고정비용kipqf 거점 i 내에 프로세스 p 에서 프로세스 q 로 제품 k 를 한 단위 보낼 때 드는 변동비용

2,1,kkpir 거점 i 내의 프로세스 p 에서 제품 k 2 를 한 단위 만들어 내기 위해 필요한 제품 k1의 양kmjd 운송수단 m 에 의해 수요지 j 에 공급되는 제품 k 의 양

의사결정변수iY 거점 i 가 열리면 1, 그렇지 않으면 0piZ 거점 i 가 제품 k 를 취급하면 1, 그렇지 않으면 0piQ 거점 i 가 제품 k 를 취급하는 양

kipqF 거점 i , 프로세스 p 에서 프로세스 q로 이동하는 제품 k 의 양

kipI 거점 i , 프로세스 p 에서 제품 k 를 취급하면 1, 그렇지 않으면 0mijL 거점 i 에서 거점 j 로 운송수단 m 을 사용하면 1, 그렇지 않으면 0 kmijX 거점 i 에서 거점 j 로 제품 k 를 운송수단 m 을 사용하여 운송한 양

Ci 거점 i 의 처리용량(Capacity)

Documents

물류네트워크 설계 방법 및 적용 사례에 대한 연구 · 동시에 운송 자원 및 적정 운송모드 분석 등을 통하여 최소 비용으로 고객서비스를