대형 마트에서 두루마리 휴지를 대폭 할인할 때가 있다. 이때 싸다는 이유로 1년 치 휴지를 한 번에 몽땅 사버리면 과연 이득일까. 당장 지갑에서 나가는 휴지 값은 아낄 수 있겠지만, 집 안 베란다나 방 한구석을 휴지 더미가 1년 내내 차지하게 된다. 그 공간을 다른 유용한 용도로 쓰지 못하는 손해가 발생하고, 자칫 습기 때문에 휴지가 망가질 수도 있다. 기업의 생산 현장에서도 이와 똑같은 고민을 하며, 이를 해결하는 열쇠가 바로 경제적 주문량(EOQ) 모델이다. 공장에서 물건을 만들기 위해 원자재를 주문할 때는 크게 두 가지 비용이 발생한다. 첫째는 주문할 때마다 드는 서류 작업, 운송비, 하역비 같은 주문 비용이다. 둘째는 사온 원자재를 창고에 보관하면서 발생하는 임대료, 보험료, 창고 관리비, 그리고 그 돈을 은행에 넣었을 때 받을 수 있는 이자를 포기하는 기회비용을 합친 유지 비용이다. 이 두 비용은 서로 반대로 움직이는 시소와 같다. 한 번에 많이 주문하면 주문 횟수가 줄어들어 주문 비용은 낮아지지만, 창고에 쌓아두는 재고가 많아져 유지 비용은 치솟는다. 반대로 재고를 적게 가져가기 위해 조금씩 자주 주문하면 보관비는 적게 들지만, 트럭이 매일 창고를
동네 골목마다 하나씩 자리 잡은 무인 아이스크림 가게를 보면 신기한 점이 있다. 직원이 아무도 없는데도 24시간 내내 문이 열려 있고, 손님들은 알아서 물건을 고르고 계산을 마친 뒤 가게를 나선다. 누군가 지켜보지 않아도 가게가 스스로 굴러가는 이 모습은 현대 생산 현장에서 가장 중요하게 다루는 개념 중 하나인 자동화의 축소판이다. 자동화란 사람의 직접적인 개입 없이 기계나 시스템이 정해진 규칙에 따라 스스로 작동하도록 만드는 기술이다. 무인 점포의 핵심은 단순히 직원을 없애는 것이 아니라, 직원이 하던 일을 기계와 시스템으로 대체하는 데 있다. 바코드를 스캔하고 돈을 계산하는 일은 키오스크가 대신하고, 매장의 보안은 곳곳에 설치된 감시 카메라와 동작 감지 센서가 담당한다. 판매 데이터를 분석한 시스템이 재고가 부족해지면 자동으로 발주를 넣게 설정할 수도 있다. 생산 공장에서도 이와 똑같은 원리가 적용된다. 과거에는 사람들이 일일이 손으로 나사를 조이고 불량품을 눈으로 확인했다면, 이제는 로봇 팔이 24시간 쉬지 않고 제품을 조립하며, 카메라에 장착된 인공지능이 눈 깜짝할 사이에 불량품을 걸러낸다. 사람은 피곤하거나 집중력이 떨어지면 실수를 하지만, 잘 설계
생산 현장에서 흔히 볼 수 있는 광경 중 하나는 창고 가득 쌓인 원재료와 완제품이다. 겉으로 보기에는 물건이 많아 든든해 보일 수 있지만 생산관리의 관점에서 보면 이는 해결해야 할 숙제와 같다. 재고는 기업의 돈이 물건의 형태로 묶여 있는 상태를 의미한다. 즉 창고에 물건이 오래 머물수록 기업이 실제로 사용할 수 있는 현금은 줄어들게 된다. 재고가 많아지면 여러 가지 문제가 발생한다. 우선 물건을 보관하기 위한 넓은 공간이 필요하며 이를 관리할 인력과 전기료 같은 유지 비용이 계속해서 들어간다. 더 큰 문제는 시간이 흐르면서 제품의 가치가 떨어진다는 점이다. 유행이 지나거나 더 성능이 좋은 신제품이 나오면 창고에 있는 옛날 모델은 팔리지 않는 애물단지가 된다. 결국 기업은 제값을 받지 못하고 헐값에 팔거나 아예 폐기해야 하는 손실을 입는다. 반대로 재고가 너무 없어도 문제가 된다. 손님이 물건을 원할 때 바로 줄 수 없으면 신뢰를 잃고 판매 기회를 놓치기 때문이다. 그래서 생산관리자는 물건이 모자라지도 않고 넘치지도 않는 적정한 수준을 찾는 노력을 멈추지 않는다. 필요한 시기에 필요한 양만큼만 생산하여 재고를 최소화하는 것은 기업이 건강하게 성장하기 위한 필
공장의 에너지 비용은 생산 비용에서 큰 비중을 차지하며, 특히 전력, 가스, 압축공기 등의 사용량은 공정 안정성과 직결된다. 그러나 많은 기업이 에너지 사용을 ‘필요한 만큼 쓰는 자연스러운 결과’로만 이해한다. 스마트 제조 시대에는 에너지 사용 자체를 최적화해야 경쟁력이 유지된다. 이를 가능하게 하는 것이 바로 디지털 기반 에너지 효율화 전략이다. 첫 번째 전략은 IoT 기반 에너지 데이터 실시간 수집이다. 설비별 전력 소비량, 부하 패턴, 피크 발생 시점, 공정별 에너지 사용 비율을 센서로 자동 기록하면 눈으로는 보이지 않던 낭비를 즉시 확인할 수 있다. 예를 들어 특정 설비가 쉬는 시간에도 높은 전력을 사용한다면, 단순 설정 문제일 수 있으며 즉시 개선 가능하다. 두 번째는 에너지 사용 패턴 분석과 비효율 진단이다. 데이터 분석을 통해 설비 가동률 대비 에너지 소비가 과도한 곳, 피크 부하가 반복되는 시간대, 불필요한 대기 전력 등을 찾아낼 수 있다. 이는 단순한 절감이 아니라 공정 조건의 최적화로 이어진다. 세 번째는 AI 기반 에너지 예측 및 운영 자동화이다. AI가 과거 사용 기록과 생산계획을 학습하면, “언제 전력 피크가 올지”, “어떤 설비가 과
기업이 생산 활동을 하면서 가장 고민하는 것 중 하나는 재고관리이다. 재고는 곧 돈과 직결되기 때문이다. 재고가 많으면 창고에 쌓여 있는 동안 자금이 묶이고, 팔리지 않으면 손실로 이어진다. 반대로 재고가 너무 적으면 주문을 제때 처리하지 못해 납품 지연이나 고객 불만을 불러온다. 따라서 재고관리는 단순히 물건을 쌓아두는 일이 아니라, 기업의 생존과 직결되는 중요한 경영 활동이다. 재고관리는 보통 원재료 재고, 재공품 재고, 완제품 재고로 나눌 수 있다. 원재료 재고는 제품을 만들기 위해 확보해두는 자재이고, 재공품 재고는 생산 과정 중에 있는 제품, 완제품 재고는 고객에게 출하하기 전의 제품을 말한다. 이 세 가지가 균형 있게 유지되지 않으면 생산 효율이 크게 떨어진다. 예를 들어 원재료가 부족하면 생산이 멈추고, 완제품이 과도하면 창고 비용이 늘어난다. 효율적인 재고관리에는 여러 기법이 있다. 대표적인 것이 ABC분석이다. 이는 재고 품목을 중요도에 따라 A, B, C로 나누어 관리하는 방식이다. A품목은 가치가 크므로 철저하게 관리하고, C품목은 상대적으로 단순하게 관리한다. 또 다른 기법은 적시생산(JIT, Just In Time)이다. 필요한 시점에