[논문 리뷰] Splitting hybrid Make-To-Order and Make-To-Stock demand profiles

Wolfgang Garn, James Aitken|arXiv (Cornell University)|2015. 04. 14.

Anomaly Detection Techniques and Applications참고 문헌 43인용 수 3

한 줄 요약

이 논문은 시간 시계열에서 수요 빈도의 밀도 기반 군집화를 사용하여 제조 주문(MTO) 기간을 자동으로 식별할 수 있는 새로운 이상치 탐지 알고리즘을 제안한다. 기존에 제조 재고(MTS)로 분류된 제품 내에서 MTO 기간을 식별하기 위해 하이브리드 수요 프로파일을 MTS 및 MTO 군집으로 분할하는 3군집 히스토그램 접근 방식을 사용함으로써, 주문 수준의 데이터가 필요로 하지 않으면서도 평균 18.1%의 재고 보관 비용 절감을 이룬다. 이는 변동성이 큰 제조 환경에서 더 정확한 생산 계획 수립을 가능하게 한다.

ABSTRACT

In this paper a demand time series is analysed to support Make-To-Stock (MTS) and Make-To-Order (MTO) production decisions. Using a purely MTS production strategy based on the given demand can lead to unnecessarily high inventory levels thus it is necessary to identify likely MTO episodes. This research proposes a novel outlier detection algorithm based on special density measures. We divide the time series' histogram into three clusters. One with frequent-low volume covers MTS items whilst a second accounts for high volumes which is dedicated to MTO items. The third cluster resides between the previous two with its elements being assigned to either the MTO or MTS class. The algorithm can be applied to a variety of time series such as stationary and non-stationary ones. We use empirical data from manufacturing to study the extent of inventory savings. The percentage of MTO items is reflected in the inventory savings which were shown to be an average of 18.1%.

연구 동기 및 목표

• 유한 용량의 생산 시스템에서 하이브리드 제조 주문(MTO) 및 제조 재고(MTS) 수요 프로파일을 관리하는 데 도전하는 데 초점 맞추기.
• 모든 제품을 MTS로 간주함으로써 발생하는 불필요한 재고 축적 문제를 줄이기 위해, 특히 일부 제품이 MTO 유사 수요 패턴을 보일 경우에 유의미한 영향을 미치기.
• 주문 기록에 의존하지 않고도 시간 시계열 내에서 MTO 기간을 자동으로 탐지할 수 있는 자동화되고 데이터 기반의 방법 개발하기.
• 제품을 MTS와 MTO 상태 간에 동적으로 재분류함으로써 생산 계획의 안정성과 고객 서비스 향상 지원하기.
• 정량적이고 구현 가능한 방법론을 통해 실무자들이 반응형 스케줄링에서 능동형 스케줄링으로 전환할 수 있도록 지원하기.

제안 방법

• 수요 시간 시계열을 분석하기 위해 데이터셋 전반의 수요 빈도 히스토그램을 구축한다.
• 3군집 분할 기법을 적용: 빈도가 낮은 MTS 품목을 위한 군집, 고빈도의 MTO 품목을 위한 군집, 그리고 모호한 경우를 위한 중간 군집.
• 밀도 측정치를 사용해 군집 경계를 정의하고, 중간 군집은 근접도와 분포 특성에 따라 MTS 또는 MTO로 재할당한다.
• 알고리즘은 반복적 근접 이웃 접근 방식을 사용해 군집 할당을 정밀화하고 모호한 수요 포인트를 해결한다.
• 이 방법은 정적 및 비정적 시간 시계열 모두를 처리할 수 있도록 설계되어 다양한 제조 환경에 적용 가능하다.
• 최종 분류는 주로 나타나는 수요 패턴에 따라 제품을 MTS 또는 MTO로 할당하여 별도의 스케줄링 및 제어를 가능하게 한다.

실험 결과

연구 질문

• RQ1 기존에 MTS로 분류된 제품 내에서 MTO 기간을 식별하기 위해 하이브리드 MTS-MTO 수요 프로파일을 자동으로 분할하는 방법은 무엇인가?
• RQ2 시간 시계열 데이터에서 MTS와 MTO 수요 패턴을 효과적으로 구분하는 데 어떤 군집화 및 밀도 기반 기법이 유용한가?
• RQ3 실제 제조 환경에서 MTO 기간의 자동 탐지가 재고 보관 비용을 얼마나 줄일 수 있는가?
• RQ4 순수한 MTS 전략에 비해 제안된 방법이 생산 계획의 안정성과 고객 서비스 향상에 어떻게 기여하는가?
• RQ5 수요 행동에 기반해 제품을 MTS와 MTO 상태 간에 동적으로 재분류하는 데 실질적인 영향은 무엇인가?

주요 결과

• 제안된 방법은 기존에 순수한 MTS 제품 18.1%에서 MTO 기간을 성공적으로 식별하여 재고 보관 비용 절감 효과를 입증했다.
• 평균적으로 최종 MTS 카테고리의 81.9%는 하이브리드 수요 프로파일에 알고리즘을 적용한 후 MTS로 분류된 품목으로 구성되어 있었다.
• 알고리즘은 MTO 및 MTS 품목에 대해 별도로 계획을 수립함으로써 계획 변경 횟수를 줄이고 생산 스케줄의 안정성을 향상시켰다.
• 이 방법은 정적 및 비정적 시간 시계열 모두에서 뛰어난 내재성을 보이며, 실제 제조 환경에서 넓은 적용 가능성을 입증했다.
• 사례 연구에서는 역사적으로 MTS로 분류된 제품들이 종종 MTO 유사 수요 특성을 보였음을 확인했으며, 이는 동적 재분류의 필요성을 정당화한다.
• 연구는 이 알고리즘을 ERP 시스템에 통합함으로써 식품 제조 및 유사 분야의 생산 계획 향상 잠재력을 부각시켰다.