최근 패션산업에서는 고객의 니즈가 다양해지고 공급 리드타임이 크게 단축됨에 따라 최신 유행을 즉각 반영한 디자인, 빠른 상품 회전율로 승부하는 패스트 패션이 각광받고 있다. 또한, 기업간 경쟁도 심화되면서 얼마나 신속하게 효율적으로 고객의 니즈를 만족시킬 것인가가 패션산업의 중요한 성공요인으로 강조되고 있다. 따라서, 다품종 소량 신속생산이 강조되는 패스트 패션 산업에서는 트랜드 변화에 신속 대응을 지원하는 지능형 신속대응시스템(Intelligent Quick Response System : IQRS) 구축 및 지원을 절실히 요구하고 있다. 본 논문은 패스트 패션 산업 IQRS 구축에서 요구되는 신속대응 프로세스 수립, 지능적 판단을 지원하는 신속대응 기준 및 실행, 신속대응 물량 산정 및 시기 의사결정 모델을 제시하였다. 또한, 신속대응 의사결정의 합리성을 검증할 수 있는 KPI(Key Performance Indicator)를 설계하여 모델의 신뢰도를 향상시켰다. 제시된 각 모델은 A사의 ERP 구현사례를 통해 실용성을 검증하였다.
최근 패션산업에서는 고객의 니즈가 다양해지고 공급 리드타임이 크게 단축됨에 따라 최신 유행을 즉각 반영한 디자인, 빠른 상품 회전율로 승부하는 패스트 패션이 각광받고 있다. 또한, 기업간 경쟁도 심화되면서 얼마나 신속하게 효율적으로 고객의 니즈를 만족시킬 것인가가 패션산업의 중요한 성공요인으로 강조되고 있다. 따라서, 다품종 소량 신속생산이 강조되는 패스트 패션 산업에서는 트랜드 변화에 신속 대응을 지원하는 지능형 신속대응시스템(Intelligent Quick Response System : IQRS) 구축 및 지원을 절실히 요구하고 있다. 본 논문은 패스트 패션 산업 IQRS 구축에서 요구되는 신속대응 프로세스 수립, 지능적 판단을 지원하는 신속대응 기준 및 실행, 신속대응 물량 산정 및 시기 의사결정 모델을 제시하였다. 또한, 신속대응 의사결정의 합리성을 검증할 수 있는 KPI(Key Performance Indicator)를 설계하여 모델의 신뢰도를 향상시켰다. 제시된 각 모델은 A사의 ERP 구현사례를 통해 실용성을 검증하였다.
Recentlythe concept of fast fashion is drawing attention as customer needs are diversified and supply lead time is getting shorter in fashion industry. It is emphasized as one of the critical success factors in the fashion industry how quickly and efficiently to satisfy the customer needs as the com...
Recentlythe concept of fast fashion is drawing attention as customer needs are diversified and supply lead time is getting shorter in fashion industry. It is emphasized as one of the critical success factors in the fashion industry how quickly and efficiently to satisfy the customer needs as the competition has intensified. Because the fast fashion is inherently susceptible to trend, it is very important for fashion retailers to make quick decisions regarding items to launch, quantity based on demand prediction, and the time to respond. Also the planning decisions must be executed through the business processes of procurement, production, and logistics in real time. In order to adapt to this trend, the fashion industry urgently needs supports from intelligent quick response(QR) system. However, the traditional functions of QR systems have not been able to completely satisfy such demands of the fast fashion industry. This paper proposes an intelligent quick response system for the fast fashion(IQRS-FF). Presented are models for QR process, QR principles and execution, and QR quantity and timing computation. IQRS-FF models support the decision makers by providing useful information with automated and rule-based algorithms. If the predefined conditions of a rule are satisfied, the actions defined in the rule are automatically taken or informed to the decision makers. In IQRS-FF, QRdecisions are made in two stages: pre-season and in-season. In pre-season, firstly master demand prediction is performed based on the macro level analysis such as local and global economy, fashion trends and competitors. The prediction proceeds to the master production and procurement planning. Checking availability and delivery of materials for production, decision makers must make reservations or request procurements. For the outsourcing materials, they must check the availability and capacity of partners. By the master plans, the performance of the QR during the in-season is greatly enhanced and the decision to select the QR items is made fully considering the availability of materials in warehouse as well as partners' capacity. During in-season, the decision makers must find the right time to QR as the actual sales occur in stores. Then they are to decide items to QRbased not only on the qualitative criteria such as opinions from sales persons but also on the quantitative criteria such as sales volume, the recent sales trend, inventory level, the remaining period, the forecast for the remaining period, and competitors' performance. To calculate QR quantity in IQRS-FF, two calculation methods are designed: QR Index based calculation and attribute similarity based calculation using demographic cluster. In the early period of a new season, the attribute similarity based QR amount calculation is better used because there are not enough historical sales data. By analyzing sales trends of the categories or items that have similar attributes, QR quantity can be computed. On the other hand, in case of having enough information to analyze the sales trends or forecasting, the QR Index based calculation method can be used. Having defined the models for decision making for QR, we design KPIs(Key Performance Indicators) to test the reliability of the models in critical decision makings: the difference of sales volumebetween QR items and non-QR items; the accuracy rate of QR the lead-time spent on QR decision-making. To verify the effectiveness and practicality of the proposed models, a case study has been performed for a representative fashion company which recently developed and launched the IQRS-FF. The case study shows that the average sales rateof QR items increased by 15%, the differences in sales rate between QR items and non-QR items increased by 10%, the QR accuracy was 70%, the lead time for QR dramatically decreased from 120 hours to 8 hours.
Recentlythe concept of fast fashion is drawing attention as customer needs are diversified and supply lead time is getting shorter in fashion industry. It is emphasized as one of the critical success factors in the fashion industry how quickly and efficiently to satisfy the customer needs as the competition has intensified. Because the fast fashion is inherently susceptible to trend, it is very important for fashion retailers to make quick decisions regarding items to launch, quantity based on demand prediction, and the time to respond. Also the planning decisions must be executed through the business processes of procurement, production, and logistics in real time. In order to adapt to this trend, the fashion industry urgently needs supports from intelligent quick response(QR) system. However, the traditional functions of QR systems have not been able to completely satisfy such demands of the fast fashion industry. This paper proposes an intelligent quick response system for the fast fashion(IQRS-FF). Presented are models for QR process, QR principles and execution, and QR quantity and timing computation. IQRS-FF models support the decision makers by providing useful information with automated and rule-based algorithms. If the predefined conditions of a rule are satisfied, the actions defined in the rule are automatically taken or informed to the decision makers. In IQRS-FF, QRdecisions are made in two stages: pre-season and in-season. In pre-season, firstly master demand prediction is performed based on the macro level analysis such as local and global economy, fashion trends and competitors. The prediction proceeds to the master production and procurement planning. Checking availability and delivery of materials for production, decision makers must make reservations or request procurements. For the outsourcing materials, they must check the availability and capacity of partners. By the master plans, the performance of the QR during the in-season is greatly enhanced and the decision to select the QR items is made fully considering the availability of materials in warehouse as well as partners' capacity. During in-season, the decision makers must find the right time to QR as the actual sales occur in stores. Then they are to decide items to QRbased not only on the qualitative criteria such as opinions from sales persons but also on the quantitative criteria such as sales volume, the recent sales trend, inventory level, the remaining period, the forecast for the remaining period, and competitors' performance. To calculate QR quantity in IQRS-FF, two calculation methods are designed: QR Index based calculation and attribute similarity based calculation using demographic cluster. In the early period of a new season, the attribute similarity based QR amount calculation is better used because there are not enough historical sales data. By analyzing sales trends of the categories or items that have similar attributes, QR quantity can be computed. On the other hand, in case of having enough information to analyze the sales trends or forecasting, the QR Index based calculation method can be used. Having defined the models for decision making for QR, we design KPIs(Key Performance Indicators) to test the reliability of the models in critical decision makings: the difference of sales volumebetween QR items and non-QR items; the accuracy rate of QR the lead-time spent on QR decision-making. To verify the effectiveness and practicality of the proposed models, a case study has been performed for a representative fashion company which recently developed and launched the IQRS-FF. The case study shows that the average sales rateof QR items increased by 15%, the differences in sales rate between QR items and non-QR items increased by 10%, the QR accuracy was 70%, the lead time for QR dramatically decreased from 120 hours to 8 hours.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
넷째, 타 신속대응 모델과의 비교를 통해 IQRS 모델의 신뢰성을 향상시키고 모델의 성과를 지속적으로 개선해 나가고자 한다. 특히 A사의 사례는 특정 회사에 국한된 것이므로 타 구현 사례 및 적용모델과는 상반된 결과가 날 수 있다.
둘째, 프리시즌 단계의 신속대응 의사결정 영향요소를 고려하여 인시즌 상의 규칙과 연계된 의사결정 모델로 확장하고자 한다. 현재의 모델은 인시즌 상의 의사결정 영향요소를 중심으로 언급하고 있으나, 향후 연구에서는 이를 프리시즌과 연계한 모델로 확장하고자 한다.
특히 A사의 사례는 특정 회사에 국한된 것이므로 타 구현 사례 및 적용모델과는 상반된 결과가 날 수 있다. 따라서, 타 모델과 대상 및 물량산정, 의사결정 시점의 효율성, KPI와 같은 구현성과를 비교하여 IQRS 모델의 유효성을 지속적으로 개선하고자 한다.
즉 고객 니즈 변화에 따라 신속대응 품목을 즉각적으로 추가 생산할 수 있도록 하는 구체적인 신속대응 프로세스 모델과 사전 정의된 규칙에 의한 지능형 의사결정 모델을 제시하고자 한다. 또한, 기존 연구에서 정의한 평가기준을 보다 상세화하여 신속대응 실행 후 신속대응 의사결정의 유효성을 판단할 때의 정량화된 기준으로 확장 적용하고자 한다.
본 논문에서는 패스트 패션의 신속대응 의사결정에서 중요한 의사결정 항목인 신속대응 품목, 의사결정 시점 및 공급물량 산정을 규칙에 의해 지능적으로 의사결정할 수 있도록 지원하는 지능형 신속대응시스템인 IQRS-FF(Intelligent Quick Res-ponse System for Fast Fashion) 모델을 제시하고자 한다. 또한, 신속대응 의사결정의 성과 평가를 위한 KPI(Key Performance Indicator)를 정의하여 의사결정의 성과를 평가하고자 한다.
본 논문에서는 패스트 패션을 위한 지능형 신속대응시스템을 제시하고 사례연구를 통해 실용성을 검증하였다. 즉 패스트 패션에서의 신속대응을 위한 프로세스, 품목 및 물량 선정 의사결정 모델을 제시하였으며 A사에 적용하여 다음과 같은 결과를 도출하였다.
본 논문에서는 패스트 패션의 신속대응 의사결정에서 중요한 의사결정 항목인 신속대응 품목, 의사결정 시점 및 공급물량 산정을 규칙에 의해 지능적으로 의사결정할 수 있도록 지원하는 지능형 신속대응시스템인 IQRS-FF(Intelligent Quick Res-ponse System for Fast Fashion) 모델을 제시하고자 한다. 또한, 신속대응 의사결정의 성과 평가를 위한 KPI(Key Performance Indicator)를 정의하여 의사결정의 성과를 평가하고자 한다.
셋째, 패스트 패션에서의 전체 생산물량 산정 방식과 매장 배분 시의 배분규칙에 대해서 연계하고자 한다. 신속대응과 연계하고 매장의 진열능력을 고려하여 패스트 패션에서 규칙에 근거한 신속대응 물량산정 방식에 대해서 확장하고, 입고 후 매장 배분할 때 어떻게 배분하는 것이 효율적인지에 대해서 연구하고자 한다.
첫째, 신속대응 의사결정 항목 간의 관계를 의사결정나무(Decision Tree) 구조로 정리해야할 것이다. 신속대응 의사결정 항목별 확률 값과 효용함수를 추가하여 보다 정확하게 신속대응 품목을 선정할 수 있도록 보완하고자 한다. 즉 신속대응 의사결정 항목간의 상관관계 분석하여 최적화 모델을 구현하고, 신속대응 의사결정 요소간의 상관관계를 분석하여 어떤 조건일 때 가장 최적의 신속대응 대상과 물량이 되는지를 확인하여 지능형 신속대응 의사결정 모델을 최적화하고자 한다.
셋째, 패스트 패션에서의 전체 생산물량 산정 방식과 매장 배분 시의 배분규칙에 대해서 연계하고자 한다. 신속대응과 연계하고 매장의 진열능력을 고려하여 패스트 패션에서 규칙에 근거한 신속대응 물량산정 방식에 대해서 확장하고, 입고 후 매장 배분할 때 어떻게 배분하는 것이 효율적인지에 대해서 연구하고자 한다.
대부분의 기존 연구에서 신속대응시스템 도입을 위한 주요 성공요인을 도출하였다면, 본 연구에서는 신속대응시스템 도입 후 신속대응 의사결정항목을 중심으로 지능형 신속대응 모델과 프로세스를 정의하고자 한다. 즉 고객 니즈 변화에 따라 신속대응 품목을 즉각적으로 추가 생산할 수 있도록 하는 구체적인 신속대응 프로세스 모델과 사전 정의된 규칙에 의한 지능형 의사결정 모델을 제시하고자 한다. 또한, 기존 연구에서 정의한 평가기준을 보다 상세화하여 신속대응 실행 후 신속대응 의사결정의 유효성을 판단할 때의 정량화된 기준으로 확장 적용하고자 한다.
신속대응 의사결정 항목별 확률 값과 효용함수를 추가하여 보다 정확하게 신속대응 품목을 선정할 수 있도록 보완하고자 한다. 즉 신속대응 의사결정 항목간의 상관관계 분석하여 최적화 모델을 구현하고, 신속대응 의사결정 요소간의 상관관계를 분석하여 어떤 조건일 때 가장 최적의 신속대응 대상과 물량이 되는지를 확인하여 지능형 신속대응 의사결정 모델을 최적화하고자 한다.
가설 설정
첫째, 신속대응 의사결정 항목 간의 관계를 의사결정나무(Decision Tree) 구조로 정리해야할 것이다. 신속대응 의사결정 항목별 확률 값과 효용함수를 추가하여 보다 정확하게 신속대응 품목을 선정할 수 있도록 보완하고자 한다.
제안 방법
A사에서는 신속대응 대상 품목과 비대상 품목간의 판매율 표준편차, 신속대응 적중도를 통해 신속대응 의사결정의 성공여부에 대해 과 같이 평가하였다.
먼저, 신속대응 물량이 공급되어 실제 매장에서 판매될 수 있는 잔여기간 동안에 판매할 수 있는 물량을 기준으로 예상 판매물량으로 산정한다. 그리고, 영업사원의 매장 방문 결과에 대한 정성적인 리포트 또는, 매장 직원의 고객 반응에 대한 정성적인 평가결과를 조사하여 이를 매장반응도로써 산정한다. 이렇게 산정된 항목에 매장에서의 판매실적까지 포함하고, 각 항목별로 가중치를 반영하여 신속대응에 대한 정성적인 항목과 정량적인 항목을 고려한 신속대응 지수를 산정하여 이를 신속대응 물량으로 추정해 낸다.
다음으로 시즌을 고려한 잔여판매 가능기간과 이 기간 동안의 판매 예측과 시뮬레이션을 통한 판매 및 재고 예상 물량, 공급업체 원부자재 가용성 등을 고려하여 신속대응 물량을 산정한다. 즉 선정된 신속대응 품목에 대해 유사 판매 패턴 또는 동일한 속성을 가지고 있는 품목의 판매실적을 기준으로 향후 잔여 판매기간에 대한 판매량 시뮬레이션을 함으로써 신속대응 물량을 산출하게 된다.
다음으로 판매실적을 분석하여 신속대응 대상 물량을 산정하였다. A사에서 판매 실적을 분석한 결과, 한 브랜드 내의 신속대응 대상으로 선정되는 비율이 생산물량 대비 10%～15% 내외 임을 알 수
대부분의 기존 연구에서 신속대응시스템 도입을 위한 주요 성공요인을 도출하였다면, 본 연구에서는 신속대응시스템 도입 후 신속대응 의사결정항목을 중심으로 지능형 신속대응 모델과 프로세스를 정의하고자 한다. 즉 고객 니즈 변화에 따라 신속대응 품목을 즉각적으로 추가 생산할 수 있도록 하는 구체적인 신속대응 프로세스 모델과 사전 정의된 규칙에 의한 지능형 의사결정 모델을 제시하고자 한다.
기존의 QR모델과 달리 IQRS-FF 모델에서는 시즌 시작 전인 프리시즌(Pre-Season) 단계와 본격적인 시즌인 인시즌(In-Season) 단계로 신속대응 단계를 나눠 정의하였다. 또한, 프리시즌과 인시즌에서의 신속대응을 판단하는 의사결정 요소를 구분하여 트랜드에 따른 신속 대응이 강조되는 패스트 패션의 특성을 반영하였다.
마지막으로 분석 및 피드백 단계는 신속대응 의사결정의 유효성을 평가하는 단계로, 신속대응 품목의 판매율 분석, 신속대응 제안 적중도 및 신속대응 의사결정에 소요되는 리드타임을 분석하여 신속대응의 성공여부를 평가한다.
본 연구에서는 기존 연구를 확장하여 신속대응시스템 도입 후 운영단계에서 내려야 할 중요한 의사결정 항목인 품목, 물량, 의사결정 시기에 대해 와 같은 IQRS-FF 모델로써 설계하였다.
신속대응이 제안된 시점부터 의사결정 확정까지의 리드타임을 측정하여 신속대응 의사결정에서의 신속대응력을 측정한다. 시스템을 통해 자동 제안하여 최종 매장 입고에 소요된 시간과 사용자의 자의적 판단에 의한 신속대응 의사결정을 통해 최종 매장 입고에 소요된 시간을 비교한다. Lhsp를 신속대응시스템을 통한 의사결정 확정까지의 리드타임이라고 하고, Lhmp을 수작업을 통한 신속대응 의사결정 확정까지의 리드타임이라고 할 때, 신속대응 의사결정 리드타임 Lhpc는 식 (12)와 같이 계산된다.
신속대응이 제안된 시점부터 의사결정 확정까지의 리드타임을 측정하여 신속대응 의사결정에서의 신속대응력을 측정한다. 시스템을 통해 자동 제안하여 최종 매장 입고에 소요된 시간과 사용자의 자의적 판단에 의한 신속대응 의사결정을 통해 최종 매장 입고에 소요된 시간을 비교한다.
그리고, 영업사원의 매장 방문 결과에 대한 정성적인 리포트 또는, 매장 직원의 고객 반응에 대한 정성적인 평가결과를 조사하여 이를 매장반응도로써 산정한다. 이렇게 산정된 항목에 매장에서의 판매실적까지 포함하고, 각 항목별로 가중치를 반영하여 신속대응에 대한 정성적인 항목과 정량적인 항목을 고려한 신속대응 지수를 산정하여 이를 신속대응 물량으로 추정해 낸다.
이를 위해 품목 기준정보에 그룹으로 나눌 수 있는 속성정보를 관리하는 것이 중요하며, 기획 영향도를 기준으로 메인 속성과 서브 속성으로 나누어 과 같이 각 품목별 유사성을 평가한다.
상품기획 단계에서는 전체 과거시즌과의 판매 비교 및 당해 년의 품목별 판매추이 분석, 입고 대비 판매율, 타 경쟁사의 판매실적, 그리고 기획 시의 판매 예상 적중률 등의 정량적인 항목과 매장의견 및 고객 반응 등의 정성적인 항목의 분석을 통해 신속대응 여부를 판단한다. 즉 시즌 매출실적을 기준으로 분류한 품목별 매출 등급, 주간 판매실적에 기준한 주간판매율 순위, 사이즈간 판매율 편차 예상에 따른 사이즈 결품 예상 정보, 매장 고객의 품목에 대한 반응도 등의 정보를 종합적으로 분석하여 신속대응 품목을 선정하게 된다.
A사에서는 신속대응을 판단하기 위해서 <표 5>의 의사결정 항목과 항목 내 세부 고려항목을 기준으로 하여 신속대응 여부를 의사결정 하였다. 즉 신속대응 여부를 판단하기 전 구축된 신속대응시스템을 통해 판매추세 분석, 판매 왜곡 요소 분석, 공급요소 분석을 진행하였으며, 이러한 분석 이후 신속대응 대상 여부와 대상 물량을 산정하였다.
(1999)이 제안한 기존의 신속대응 의사결정 모델은 신속대응시스템 자체를 도입할 때의 의사결정 요인에 대해서 제시하였다. 즉 신속대응시스템 내부의 의사결정 항목보다는 거시적 관점에서 기업내부적 조직 요인과 기술요인, 기업외부적 산업내 요인과 산업간 요인을 분석하였다. 또한, 고은정, 강희정(1999)은 신속대응시스템 도입 관련 요인에 대한 연구에서 신속대응시스템 실행수준에 영향을 주는 요인이 기업특성(총 고용 인원, 년 간 판매량), 품목특성(품목범주, 유행경향), 최고 경영자의 특성(연령대) 요인임을 확인하였다.
본 논문에서는 패스트 패션을 위한 지능형 신속대응시스템을 제시하고 사례연구를 통해 실용성을 검증하였다. 즉 패스트 패션에서의 신속대응을 위한 프로세스, 품목 및 물량 선정 의사결정 모델을 제시하였으며 A사에 적용하여 다음과 같은 결과를 도출하였다.
판매발생 이후에는 신속대응 대상 및 비대상 품목간의 판매율 비교, 신속대응 모델에 의해 제안된 품목의 적중도, 신속대응 의사결정까지의 소요 리드타임을 기준으로 신속대응 성과를 평가한다.
대상 데이터
국내 패션 유통업체인 A사는 2006년부터 PI (Process Innovation)를 수행한 후, SAP사의 ERP를 통해서 지능형 신속대응시스템을 구축하였다. A사는 구축된 신속대응시스템의 유효성을 판단하기 위해서 2008년 8월～2009년 2월까지 판매된 숙녀복 브랜드 내의 총 189개 상품을 대상으로 분석하였다.
성능/효과
A사에서는 과 같이 판매실적을 분석한 결과, 품목의 출하 대비 판매비율이 50%가 되는 지점에서 판매 변곡점이 발생하고 있음을 확인하였으며, 판매율 50% 내외를 기록하는 판매시기가 출하 후 60일이 소요됨을 확인하였다.
즉, 2주 간의 판매율을 분석하여 신속대응 대상을 선정하는 것이 판매 후 60일 동안의 실적을 분석해 판단하는 것과 동일하다는 것을 의미한다고 볼 수 있다. 따라서, 2주 간의 초기 판매율(C2)을 가지고 신속대응 진행여부를 판단하는 것이 유의성이 있다고 할 수 있으므로 출시 후 2주 간의 판매율을 기준으로 신속대응 대상을 정의할 수 있음을 확인하였다. 이에 따라, A사는 출시 후 2주 간의 판매실적을 분석하여 신속대응 의사결정을 하게 되었다.
또한, 브랜드별 신속대응 데이터를 초기에 생산한 품목 수와 비교한 후, 전체 생산 대상 품목의 20% 수준에서 신속대응 대상으로 선정되고 있음을 확인하였다. 따라서, A사는 초기 생산물량 대비 10～15% 수준에서, 총 품목 종류는 20% 수준에서 신속대응 의사결정을 수행하였다.
또한, A사에서는 판매기간과 판매율을 분석하여 어느 시점에 신속대응 의사결정을 수행하는 것이 가장 효과적인가를 분석하였다. <그림 3>은 A사 숙녀복 브랜드의 판매기간과 판매율과의 상관관계를 분석한 것이다.
<그림 3> 숙녀복 판매실적과 신속대응 의사결정간 유의성 분석있게 되었다. 또한, 브랜드별 신속대응 데이터를 초기에 생산한 품목 수와 비교한 후, 전체 생산 대상 품목의 20% 수준에서 신속대응 대상으로 선정되고 있음을 확인하였다. 따라서, A사는 초기 생산물량 대비 10～15% 수준에서, 총 품목 종류는 20% 수준에서 신속대응 의사결정을 수행하였다.
프리시즌에는 거시적인 항목을 기준으로, 인시즌에는 고객 반응도와 같은 정성적인 항목과 매출 및 판매추세 등과 같은 정량적인 항목으로 구분하여 고려해야 한다. 또한, 신속대응 품목의 판매율, 매출, 판매물량은 신속대응 품목 선정의 의사결정 항목과 관련이 있으며, 출시 후 특정 기간의 판매율을 가지고 신속대응 진행여부를 판단하는 것이 유의성이 있음을 확인할 수 있었다.
A사에서는 <그림 3>과 같이 판매실적을 분석한 결과, 품목의 출하 대비 판매비율이 50%가 되는 지점에서 판매 변곡점이 발생하고 있음을 확인하였으며, 판매율 50% 내외를 기록하는 판매시기가 출하 후 60일이 소요됨을 확인하였다. 또한, 출시한 후 첫 판매일 이후 2주 간의 판매율(C2)과 출시 60일 이후의 판매율(C4)과의 상관관계가 80%이상임을 분석하였다. 즉, 2주 간의 판매율을 분석하여 신속대응 대상을 선정하는 것이 판매 후 60일 동안의 실적을 분석해 판단하는 것과 동일하다는 것을 의미한다고 볼 수 있다.
셋째, 신속대응 물량 산정은 사전 정의된 규칙에 의해 산정할 수 있음을 확인하였다. 과거 판매 실적이 없을 경우 유사 속성을 가진 카테고리의 판매실적을 기준으로, 참조 가능한 판매실적이 있을 경우 신속대응 지수 기준으로 공급무량을 산정할 수 있다.
신속대응 의사결정 모델에서 제안된 총 품목 수에서 신속대응 대상으로 확정된 품목 수를 비율로 환산하여 KPI 관리할 수 있다. Npp가 신속대응시스템을 통해 자동 제안된 품목의 수이고, T (N)를 신속대응시스템을 통해 자동 제안된 품목 수의 총계라고 할 때, 신속대응시스템을 통한 자동 제안 적중도 MRp는 식 (11)과 같이 구할 수 있다.
넷째, 신속대응 의사결정의 유효성과 정확성은 KPI 실적을 분석하여 확인할 수 있다. 신속대응 품목의 판매율, 신속대응 대상 품목과 비대상 품목간의 판매율 차이, 신속대응 모델을 통해 제안된 신속대응 품목의 생산진행 여부, 신속대응 의사결정에 소요되는 리드타임을 KPI로 정의하여 이를 기준으로 분석 및 피드백하는 것이 신속대응 의사결정 리드타임을 줄이고, 의사결정 정확성을 향상하여 지능형 신속대응 의사결정 시스템이 가져오는 효과를 향상시킬 수 있음을 사례를 통해서 확인하였다.
고은주와 강희정(1999)의 연구에서 품목 특성과 신속대응시스템 실행 수준과의 관련성은 카테고리, 유행경향에 따라서 유의한 차이를 나타내고 있다. 즉 카테고리에서는 경쟁이 치열한 여성복의 경우, 신속대응 대상으로서 적합하다는 연구결과를 확인할 수 있으며, 유행경향에 따른 신속대응 실행수준에서 보면 유행에 민감한 카테고리와 상대적으로 유행에 덜 민감한 기본 카테고리에서의 신속대응 실행수준이 높다는 것을 확인할 수 있다.
후속연구
따라서, 본 연구에서 제시한 지능형 신속대응 의사결정 모델은 패스트 패션 유통기업이 신속대응시스템을 설계할 때 프로세스, 품목 선정및 물량 산정의 근거, 신속대응 물량 산정에 도움을 줄 수 있을 것이다.
신속대응 마감일 TC는 생산에 필요한 원부자재 보유현황, 직접생산 또는 외주생산 등의 생산방식, 원부자재 공급 리드타임별 신속대응 생산 리드타임 등을 고려하여 해당 시즌 브랜드, 시즌, 품목 단위로 식 (8)과 같이 산정 및 등록할 수 있다. 신속대응 마감일을 TC에서 품목 s의 신속대응에 의한 생산 리드타임 TLs을 차감한 날짜가 신속대응으로 보충하는데 소요되는 최소한의 소요시간이 될 것이다.
첫째, 신속대응 의사결정에서는 신속성이 중요하며, 이를 위해서는 적시에 판단할 수 있도록 하는 최적의 프로세스 및 모델을 수립해야 한다. 즉 프리시즌과 인시즌으로 나눠 프리시즌에서는 거시적인 관점에서의 활동을 진행하고, 인시즌에서는 미시적인 관점에서 신속대응 여부, 물량 산정 및 실행 결과에 대한 평가 등의 단계를 수행해야 한다.
향후에는 연구모형에 대한 신뢰성을 향상시키고, 보다 정교한 모델로 확장하고자 아래의 부분을 추가 보완하고자 한다.
둘째, 프리시즌 단계의 신속대응 의사결정 영향요소를 고려하여 인시즌 상의 규칙과 연계된 의사결정 모델로 확장하고자 한다. 현재의 모델은 인시즌 상의 의사결정 영향요소를 중심으로 언급하고 있으나, 향후 연구에서는 이를 프리시즌과 연계한 모델로 확장하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
패스트 패션은 무엇인가?
최근 패션 유통 업계에서는 급격한 고객 수요 변화에 대응하기 위하여 패스트 패션(Fast Fash-ion)이라는 새로운 개념이 등장하고 있다. 패스트 패션은 시즌단위의 상품기획 및 판매 업무에서 벗어나 고객과의 대면활동을 통해서 고객 니즈를 파악하고 새로운 디자인의 품목을 지속적으로 매장에 공급하는 프로세스 개념의 비즈니스 모델을 의미한다.
신속대응을 지능적으로 진행하는데 있어 가장 중요한 의사결정 항목은 무엇인가?
신속대응을 지능적으로 진행하는데 있어 가장 중요한 의사결정 항목은 신속대응 대상, 물량, 시점이다. 판매 중인 전체 품목을 신속대응 대상으로 진행하는 것은 오히려 판매 이익보다는 과다 재고로 인해 비용이 발생하기 때문에 비효율적이다.
신속대응 의사결정의 정확성을 향상시키기 위해서 프리시즌에 수요 추세를 초기 생산 계획에 반영하는 것이 중요한 이유는 무엇인가?
또한, 신속대응 의사결정의 정확성을 향상시키기 위해서는 프리시즌에 수요 추세를 초기 생산 계획에 반영하는 것이 중요하다. 이는 인시즌에 발생하는 변동성을 최소화하고, 인시즌 동안의 변동요소에 대해 신속하게 대응할 수 있도록 하기 때문이다.
참고문헌 (22)
고은주, 강희정, "한국형 신속대응시스템 모델 개발에 관한 연구 : 도입현황과 도입관련 요인 중심으로", 한국의류학회지, 23권 7호(1999), 1052-1063.
Adewole, A., "IDeveloping a strategic framework for efficient and effective optimization of information in the supply chains of the UK clothing manufacture industry", Supply chain management, Vol.10, No.5(2005), 357-366.
Al-Zubaidi, H. and Tyler, H., "IA simulation model of quick response replenishment of seasonal clothing", IInternational Journal of Retail and Distribution Management, Vol. 32, No.6(2004), 320-327.
Bertolini, M., Bevilacqua, M., Bottani, E., and Rizzi. A., "IRequirements of an ERP enterprise modeler for optimally managing the fashion industry supply chain", Journal of Enterprise Information management, Vol. 17, No.3(2004), 180-190.
Birtwistle, G., Siddiqui, N., and Fiorito, S. S., "IQuick response : perceptions of UK fashion retailers", International Journal of Retail and Distribution Management, Vol.31, No.2(2003), 118-128.
Chandra, C. and Kumar, S., "An application of a system analysis methodology to manage logistics in a textile supply chain", Supply chain management, Vol.5, No.5(2000), 234-245.
Choi, T. M. and Chow, P.S., "IMean-variance analysis of Quick Response Program", International Journal of production economics, Vol.114, No.2(2008), 456-475.
Fernie, J., and Azuma, N., "IThe changing nature of Japanese fashion : Can quick response improve supply chain efficiency?", European Journal of Marketing, Vol.38, No 7(2003), 790-808.
Harness, D. R., "IProduct elimination : A financial services model", The International Journal of bank marketing, Vol.22, No.3(2004), 161-179.
Jang, N., Dickerson, K. G., and Hawley, J. M., "IApparel product development : measures of apparel product success and failure", Journal of Fashion Marketing and Management, Vol.9, No.2(2005), 195-206.
Ko, E., Kincade, D., and Brown, J. R., "IImpact of business type upon the adoption of quick response technologies - The apparel industry experience", International Journal of Operations and Production Management, Vol.20, No.9(2000), 1093-1111.
Lehtonen, J., Holmstro, M. J., and Slotte, J., "IConstraints to quick response systems in the implosive industries", Supply chain management, Vol.4, No.1(1999), 51-57.
Park, G. and Harlock, S. C., "IThe Analysis of the Apparel Supply Chain Systems with Specific Reference to the Korean Apparel Organizations of the Overseas and Domestic Brand Products", Fibers and Polymers, Vol. 4, No.1(2003), 38-47.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.