확률 기반 재고모델과 공급망 네트워크 설계

재고와 네트워크를 함께 풀어야 하는 이유

수요 변동성과 리드타임 불확실성이 커지면 재고 정책만 따로 조정해서는 충분하지 않다. 주문점과 안전재고, 센터의 위치와 용량, 소싱 및 운송 경로는 서로 영향을 주기 때문이다.

Stochastic Inventory Models는 수요·리드타임·공급 리스크를 확률변수로 모델링해 주문점, 주문량, 안전재고를 결정하는 접근이다. 대표 정책에는 newsvendor, (s, S), base-stock, order-up-to가 있으며, 사이클 서비스와 필레이트 같은 서비스레벨, 백오더·로스트세일 벌점비용, Chance constraint와 CVaR 기반 위험회피를 함께 적용할 수 있다.

Supply Chain Network Design은 센터 위치·용량·소싱·수송 경로를 정하는 전략적 최적화 문제다. 고정비, 용량제약, SLA, 탄소배출, 리스크 제약을 포함한 혼합정수계획(MILP)으로 정식화하며, 공장-허브-DC-라스트마일의 다계층 구조와 단일·이원 소싱, 다중 운송모드를 고려한다.

불확실성을 모델에 반영하는 방법

수요와 리드타임은 정규, 포아송, 네거티브 바이노미얼, 로그정규 분포로 적합할 수 있다. 트렌드·시즌·프로모션처럼 비정상성을 만드는 요인도 함께 다뤄야 한다. 간헐 수요(Sporadic) 품목에는 Croston/SBA/TSB 등의 분리 추정을 적용한다.

시나리오는 몬테카를로, 부트스트랩, 파업·팬데믹 같은 주의사건을 조합해 만든다. 시간가변 파라미터, 백테스트, PIT(probability integral transform) 검정은 과적합을 줄이는 데 사용한다.

재고정책은 newsvendor의 임계비 또는 서비스레벨을 기준으로 안전재고를 산출하며, 연속·불연속 수요 모두에 적용할 수 있다. (s, S)와 base-stock 중 무엇을 택할지는 주문비, 리드타임, 수요 집중도의 트레이드오프에 따라 판단한다. 피킹 용량이나 예산처럼 공유되는 제약이 있다면 멀티아이템을 함께 최적화하고, 공급 리드타임 변동성과 공급 실패 확률을 반영한 적응형 정책을 사용한다.

다계층 재고와 네트워크의 결합

직렬·병렬 네트워크에는 에셜론 재고 개념을 적용할 수 있다. Clark-Scarf, METRIC, Guaranteed Service Model 같은 접근은 상위 에셜론의 안전재고를 풀링해 총재고를 줄이는 데 활용된다.

시뮬레이션-최적화(SOx)는 정책 후보를 MILP로 도출한 뒤, 불확실성 시뮬레이션으로 성능을 확인하고 다시 보정하는 방식이다. 네트워크 설계에서는 시설 위치·용량·라스트마일 커버리지, 소싱 다변화, 해상·항공·철도·육상 모드 혼합을 함께 결정한다. 목적함수에는 총비용, 리스크 프리미엄, CO2를 포함한다.

Benders 분해, 라그랑지안 릴랙세이션, 샘플 평균 근사(SAA) 기반 확률계획, Budgeted uncertainty를 사용하는 강건최적화가 이 문제에 활용될 수 있다.

Chance constraint는 SLA 위반 확률을 제한하고, CVaR는 테일리스크를 관리한다. 내재적 리스크풀링에 듀얼소싱·유휴용량 같은 외생적 탄력성을 결합하며, 재배치·리루팅·대체운송 전환 규칙과 KPI 기반 자동 트리거를 미리 설계한다.

의사결정에 적용하는 장면

이커머스가 전국 DC 증설을 검토할 때는 1시간 단위 수요 히트맵, 약속 리드타임, 토지·설비 CAPEX/OPEX, 운송요율, CO2 계수를 입력으로 둔다. 신규 DC 후보지 MILP와 서비스레벨 chance constraint, 배송 반경 제약을 적용하면 개설 지점·용량·SKU 할당·노선과 비용·SLA·CO2의 균형안을 얻을 수 있다. 23개 추가 DC와 라스트마일 허브 확충 시 총비용 +35% 증가 대비 SLA +46pp, 반품률 -0.51.0pp의 결과 패턴이 나타난다.

제조사의 간헐 수요 부품은 간헐 수요 시계열, 리드타임 변동, 백오더 허용 여부, 임계 설비 다운타임 비용을 입력으로 사용한다. TSB 기반 수요·간격 분리예측 뒤 base-stock을 최적화하고, 서비스 파괴 비용을 반영한 보수적 안전재고를 둔다. 가동중단 위험이 높은 A군은 안전재고 +15%, B/C군은 -20%로 조정해 총재고 -812% 및 가동중단 시간 -2540%의 결과 패턴을 만들 수 있다.

글로벌 네트워크 리스크 대응에는 공급국별 지정학 리스크, 통관·항만 혼잡도, 리드타임 시나리오, 환율 변동을 반영한다. 듀얼소싱, 경로 다변화, 비상 운임(spot air) 옵션을 포함한 강건 네트워크를 설계하고, 리스크 예산 안에서 CVaR를 최소화하는 정책과 비상시 스위칭 룰북을 산출한다.

데이터에서 운영 정책까지

입력 단계에서는 수요, 리드타임, 원가, 서비스 목표, 후보시설, 제약을 수집하고 품질을 진단한다. 이어 분포 적합과 시나리오 생성을 수행한 뒤 재고정책 최적화, 네트워크 MILP, 통합 시뮬레이션 검증을 연결한다. 결과물은 정책 파라미터(s, S, S*), 시설·용량, 플로우, 예상 KPI와 민감도다.

운영에서는 주간 SKU와 분기 네트워크 단위로 재최적화하고, 모니터링 대시보드와 예외 기반 재계산 트리거를 둔다.

⤢✕

모델 선택 시 보는 트레이드오프

접근법	성능(비용/SLA)	확장성	일관성	안정성(리스크)	운영 편의
결정론(평균값 기반)	중	높음	중	낮음	높음
확률론(분포 기반)	높음	중	높음	중~높음	중
강건/확률제약	중~높음	중	높음	높음	중~낮음

결정론은 빠르지만 변동성을 과소평가할 위험이 있다. 확률론은 데이터 품질과 분포 적합이 성능을 좌우한다. 강건 접근은 비용 소폭 증가를 감수하는 대신 테일리스크를 억제한다.

통합 최적화의 정량 효과로는 총공급망비용(TSC) -515%, 총재고 -820%, 재고회전 +1025%를 기대할 수 있다. 서비스레벨은 +26pp, 리드타임 변동성 유발 결품은 -2040%, 허브 재배치·모드 전환 기준 CO2 배출은 -515%의 범위다. 계획과 실행의 일체화, 의사결정 일관성 제고, 외부 충격에 대한 복원력 강화, 가시성 향상, SLA 거버넌스 체계화도 함께 얻는다.

초기에는 상위 20% 품목과 핵심 노드부터 적용하고, 주기적 재최적화와 강건 제약 확대로 범위를 넓힌다.