기업 환경의 급격한 변화와 복잡성의 증가에 따라 다양한 장점을 지닌 기업들이 협력을 통해 고객에게 짧은 시간에 최상의 가치를 제공해주는 것이 중요해 지고 있다. 이를 위해 기업은 다양한 공급망에 참여하게 되고, 기업의 공급망 관리에 대한 중요성은 점차 증대되고 있다. 이러한 공급망 관리의 효율성을 높이기 위해 공급망 상에서 생성되는 데이터의 효과적인 분석이 필요하다. 본 연구에서는 프로세스 마이닝 기법을 활용한 공급망 데이터 분석을 제안한다. 프로세스 마이닝 기법이 적용 가능한 공급망 데이터의 분석 범주를 도출하고, 프로세스 마이닝을 활용한 다양한 분석을 제안하다. 이를 통해 기업은 공급망 관리에 대한 인사이트를 얻고 공급망 관리 프로세스의 개선 및 효율화가 가능하다. 사례 연구를 통해 프로세스 마이닝을 활용한 공급망 데이터 분석의 유효성을 검증하였다.
기업 환경의 급격한 변화와 복잡성의 증가에 따라 다양한 장점을 지닌 기업들이 협력을 통해 고객에게 짧은 시간에 최상의 가치를 제공해주는 것이 중요해 지고 있다. 이를 위해 기업은 다양한 공급망에 참여하게 되고, 기업의 공급망 관리에 대한 중요성은 점차 증대되고 있다. 이러한 공급망 관리의 효율성을 높이기 위해 공급망 상에서 생성되는 데이터의 효과적인 분석이 필요하다. 본 연구에서는 프로세스 마이닝 기법을 활용한 공급망 데이터 분석을 제안한다. 프로세스 마이닝 기법이 적용 가능한 공급망 데이터의 분석 범주를 도출하고, 프로세스 마이닝을 활용한 다양한 분석을 제안하다. 이를 통해 기업은 공급망 관리에 대한 인사이트를 얻고 공급망 관리 프로세스의 개선 및 효율화가 가능하다. 사례 연구를 통해 프로세스 마이닝을 활용한 공급망 데이터 분석의 유효성을 검증하였다.
In the rapid change of business environment, it is crucial that several companies with core competence cooperate together in order to deliver competitive products to the market faster. Thus a lot of companies are participating in supply chains and SCM (Supply Chain Management) become more important....
In the rapid change of business environment, it is crucial that several companies with core competence cooperate together in order to deliver competitive products to the market faster. Thus a lot of companies are participating in supply chains and SCM (Supply Chain Management) become more important. To efficiently manage supply chains, the analysis of data from SCM systems is required. In this paper, we explain how to analyze SCM related data with process mining techniques. After discussing the data requirement for process mining, several process mining techniques for the data analysis are explained. To show the applicability of the techniques, we have performed a case study with a company in South Korea. The case study shows that process mining is useful tool to analyze SCM data. On specifically, an overall process, several performance measures, and social networks can be easily discovered and analyzed with the techniques.
In the rapid change of business environment, it is crucial that several companies with core competence cooperate together in order to deliver competitive products to the market faster. Thus a lot of companies are participating in supply chains and SCM (Supply Chain Management) become more important. To efficiently manage supply chains, the analysis of data from SCM systems is required. In this paper, we explain how to analyze SCM related data with process mining techniques. After discussing the data requirement for process mining, several process mining techniques for the data analysis are explained. To show the applicability of the techniques, we have performed a case study with a company in South Korea. The case study shows that process mining is useful tool to analyze SCM data. On specifically, an overall process, several performance measures, and social networks can be easily discovered and analyzed with the techniques.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 A기업의 실제 데이터를 바탕으로 공급망 관리에 있어서 프로세스 마이닝 기법이 어떻게 적용될 수 있는지를 연구한다. 본 연구에서는 공급망 관리 프로세스에 대한 사례 연구를 실시하는데, 이를 통해서 어떤 프로세스 마이닝 기법으로 어떻게 데이터 분석을 해야 하고, 본 분석으로부터 얻은 인사이트를 어떻게 활용할 수 있는지 고찰해 보았다.
그러나 공급망 데이터 활용에 대한 연구는 데이터 추출, 웹로그 분석 등 SCM의 효율화에 간접적이며, 그 수가 많지 않다. 따라서 본 연구는 SCM의 효율화를 위한 공급망 데이터 분석 방법을 제안하고, 실제 데이터를 분석하고, 그 결과를 실제 기업 관계자와의 인터뷰를 통해 검증하였다는 것에 의의가 있다.
김진승, 이영구[2]는 Stream Data Manager를 통해 실시간으로 원하는 데이터를 추출할 수 있는 방법을 제안하였고, 서준용 외[4]의 경우는 실질적인 웹 로그 데이터를 분석하는 방법과 분석을 통해 나오는 결과에 대해 설명하였다. 또한, 이러한 분석이 적용될 수 있는 기업 및 운영 환경을 제안 하였다. 의사결정나무와 같이 데이터 마이닝 기법을 SCM에 도입하여 전반적인 프로세스 분석에 관한 연구가 수행되었으며, 이는 SCM에서 BPM의 활용성을 입증하였다[8].
따라서 본 논문에서는 A기업의 실제 데이터를 바탕으로 공급망 관리에 있어서 프로세스 마이닝 기법이 어떻게 적용될 수 있는지를 연구한다. 본 연구에서는 공급망 관리 프로세스에 대한 사례 연구를 실시하는데, 이를 통해서 어떤 프로세스 마이닝 기법으로 어떻게 데이터 분석을 해야 하고, 본 분석으로부터 얻은 인사이트를 어떻게 활용할 수 있는지 고찰해 보았다. 실제 A기업의 데이터를 바탕으로 프로세스 마이닝을 통해서 기존 프로세스에서 어떤 문제점을 파악할 수 있었고, 실제 기업 관계자와의 인터뷰를 통해서 분석 결과를 검증할 수 있었다.
본 연구에서는 프로세스 마이닝 기법을 활용하여 A 기업의 공급망 관리 프로세스에 관한 데이터 분석을 수행하였다. A 기업으로부터 수집한 데이터는 공급신청에서 공사 완료까지의 200건 이상의 공급망 관리 프로세스에 관한 데이터이다.
빅데이터에 대한 관심이 높아지면서 공급망 관리 분야에서 공급망 데이터 활용에 관한 연구가 최근 증가하는 추세이나, 관련 연구가 데이터 수집 방안 및 데이터 마이닝 기법을 활용한 데이터 분석에 치중되어 있다. 이러한 점을 감안할 때 본 논문에서 수행한 프로세스 마이닝 기법을 활용한 공급망 데이터 분석에 관한 연구는 새로운 시도이다. 또한, 프로세스 마이닝 분야에서도 프로세스 마이닝을 실제 기업에 적용한 사례가 미비하고, 공급망 데이터를 새롭게 활용하였다는 점에서 프로세스 마이닝의 연구 범위의 확장에 기여하였다.
프로세스 마이닝은 정보시스템에서 나오는 이벤트 로그 분석을 통해 프로세스 모델을 도출하여 비즈니스 프로세스의 개선이나 설계에 유용한 지식을 추출하는 것을 목적으로 한다[24, 27]. 이러한 개념에서 추가적인 연구로 적합성 분석과 프로세스의 확장이 있다.
적합성 분석에 관한 연구는 프로세스 모델이 프로세스 로그를 적절하게 설명하는 정도를 나타낸다. 프로세스의 확장 및 개선은 이벤트 로그로부터 추가적으로 얻은 정보를 프로세스 모델에 추가하여 모델을 향상시키는 방법에 관한 연구이다. 이러한 연구를 통해 프로세스에 관한 의미 있는 정보를 얻을 수 있다[21, 19, 29].
가설 설정
”를 귀무가설로 설정하고, “배치성이 있는 집단의 소요시간이 배치성이 없는 집단의 소요 시간보다 길다”를 대립가설로 설정하였으며 유의수준은 0.05로 설정하였다.
제안 방법
A기업의 공급망 관리 프로세스의 데이터 분석은 이벤트 로그 탐색, 프로세스 관점, 성과 관점, 작업자 관점 총 네 부분으로 수행되었으며, 결과는 다음과 같다.
Dotted Chart를 이용하여 이벤트 로그 탐색을 수행하였다. 실제 발생 시간을 기준으로 전체적인 이벤트의 분포, 케이스별 소요시간의 분포, 작업별 소요시간의 분포를 Dotted Chart를 이용하여 도출하였다.
프로세스 마이닝 기법을 활용하여 사실적인 작업 흐름을 나타내는 프로세스 모델을 도출하였고, 프로세스 패턴 분석을 통해 주요한 실제 프로세스 진행과정(주요 프로세스로 공급신청 → 계약 → 설계의뢰 → 도면 → 허가준비 → 허가 → 예산승인 → 공사시작 → 공사완료 → 필증)을 확인할 수 있었다. 개념적인 공급망 관리 프로세스를 구체화하고 실제 프로세스 진행과정의 확인을 통해 공급망 관리 프로세스의 가시성을 확보하였다. 이는 기업의 공급망 관련 의사결정에 있어서 중요한 근거자료로 활용 가능하며, 보다 효과적인 의사 결정에 도움이 된다.
이를 통해 공급망 관리에서 프로세스 마이닝 기법이 적용 가능한 이벤트 로그 탐색, 프로세스 관점, 성과 관점, 작업자 관점의 네 가지 분석 범주를 제안하였다. 그리고 실제 기업의 데이터를 바탕으로 사례연구를 수행하여 분석 결과에 대하여 검증하였다.
프로세스 단계별 표준일수를 조건에 따라 산정하였던 기존의 방법론을 실제적인 소요일수의 산출을 통해 개선하였다. 데이터를 바탕으로 각 단계별로 실제적인 소요일수를 파악하였고, 이를 통해 보다 정확한 단계별 표준일수를 산정하였다. 전체 작업 중에서도 특히 허가준비(20.
이에 대한 통계적 의미를 파악하기 위하여 t-검정을 실시하였다. 배치성의 발생 기준을 하루에 동일한 작업이 10회 이상 수행되는 것으로 정의하고, t-검정을 실시하기 위한 배치성의 발생 여부에 따른 두 집단을 생성하였다.
본 장에서는 공급망 데이터 분석을 위한 프로세스 마이닝 기반 분석 방법에 대해서 설명한다. 본 연구에서 수행된 데이터 분석은 크게 이벤트 로그 탐색, 프로세스 관점 분석, 성과 관점 분석, 작업자 관점 분석의 네 부분으로 구성된다. 이를 도식화 하면 <그림 1>과 같다.
공급망은 프로세스로 관리가 이루어진다는 점에서 프로세스 관점의 데이터 분석은 프로세스 마이닝이 가장 효과적으로 적용될 수 있다. 본 연구에서는 프로세스 관점의 분석으로 프로세스 모델 도출과 프로세스 패턴 분석을 수행하였다.
본 연구에서는 프로세스 마이닝 기법을 활용하여 공급망 데이터 분석을 수행하였다. 이를 통해 공급망 관리에서 프로세스 마이닝 기법이 적용 가능한 이벤트 로그 탐색, 프로세스 관점, 성과 관점, 작업자 관점의 네 가지 분석 범주를 제안하였다.
프로세스 마이닝 기법을 적용하여 프로세스 상에서 각 케이스, 작업, 작업자 등에 관한 성과를 파악할 수 있다. 빈도수 및 소요시간을 지표로 하는 성과 분석이 가능하며, 본 연구에서는 성과 관점에서 작업/작업자별 성과 분석과 부하 분석을 수행하였다.
성과 관점에서는 작업 및 작업자에 대한 성과 분석과 부하분석을 수행하였다. <그림 6>에서와 같이 작업별 성과 분석을 통해 공급신청, 허가준비, 도면 작업의 평균 소요시간이 높게 나타나는 것을 발견하였다.
성과 분석에서 작업량이 가장 많은 것으로 나타난 허가준비-A와 허가-A를 대상으로 부하 분석을 수행하였다. 그 결과는 <그림 8>과 같으며 허가준비-A는 업무일의 약 29%가 평균 누적 업무량(3.
셋째, 기존의 비즈니스 이슈 관련 사항 이외에도 작업자별 성과 분석, 부하 분석, 사회연결망 분석을 통한 인사이트를 도출하였다. 많은 작업자 중에서도 작업량이 많은 작업자를 대상으로 부하 분석을 수행하여 업무 쏠림 현상 및 적체 현상을 진단하였다.
프로세스 마이닝 관련 연구는 프로세스 모델 도출, 프로세스 모델의 적합성 검사, 프로세스 모델의 확장 및 향상의 세 가지 범주를 중심으로 다양한 실제 데이터의 적용에 대하여 이루어지고 있다. 실제 데이터를 활용한 사례 연구도 활발히 수행되고 있는데, 본 연구는 공급망 데이터를 바탕으로 프로세스 마이닝을 적용한 사례연구를 수행하여, 실제 사례를 확보하고, 프로세스 마이닝의 적용 확장에 기여하였다.
Dotted Chart를 이용하여 이벤트 로그 탐색을 수행하였다. 실제 발생 시간을 기준으로 전체적인 이벤트의 분포, 케이스별 소요시간의 분포, 작업별 소요시간의 분포를 Dotted Chart를 이용하여 도출하였다.
본 연구에서는 프로세스 마이닝 기법을 활용하여 공급망 데이터 분석을 수행하였다. 이를 통해 공급망 관리에서 프로세스 마이닝 기법이 적용 가능한 이벤트 로그 탐색, 프로세스 관점, 성과 관점, 작업자 관점의 네 가지 분석 범주를 제안하였다. 그리고 실제 기업의 데이터를 바탕으로 사례연구를 수행하여 분석 결과에 대하여 검증하였다.
프로세스 마이닝 분석을 수행하기 위해서 데이터로부터 케이스, 이벤트, 수행시간, 작업자에 관한 정보를 추출하여 MXML 형태로 변환하여 데이터 준비 작업을 하였다. 작업자 데이터의 경우, 사생활 보호를 위해 익명화 처리하여 분석을 수행하였다.
첫째, 실제 데이터를 바탕으로 실제적인 프로세스 진행 과정을 파악하였다. 프로세스 마이닝 기법을 활용하여 사실적인 작업 흐름을 나타내는 프로세스 모델을 도출하였고, 프로세스 패턴 분석을 통해 주요한 실제 프로세스 진행과정(주요 프로세스로 공급신청 → 계약 → 설계의뢰 → 도면 → 허가준비 → 허가 → 예산승인 → 공사시작 → 공사완료 → 필증)을 확인할 수 있었다.
둘째, 작업별 성과 분석을 통해 프로세스 단계별 소요 일수를 파악할 수 있었다. 프로세스 단계별 표준일수를 조건에 따라 산정하였던 기존의 방법론을 실제적인 소요일수의 산출을 통해 개선하였다. 데이터를 바탕으로 각 단계별로 실제적인 소요일수를 파악하였고, 이를 통해 보다 정확한 단계별 표준일수를 산정하였다.
프로세스 마이닝 분석을 수행하기 위해서 데이터로부터 케이스, 이벤트, 수행시간, 작업자에 관한 정보를 추출하여 MXML 형태로 변환하여 데이터 준비 작업을 하였다. 작업자 데이터의 경우, 사생활 보호를 위해 익명화 처리하여 분석을 수행하였다.
대상 데이터
본 연구에서는 프로세스 마이닝 기법을 활용하여 A 기업의 공급망 관리 프로세스에 관한 데이터 분석을 수행하였다. A 기업으로부터 수집한 데이터는 공급신청에서 공사 완료까지의 200건 이상의 공급망 관리 프로세스에 관한 데이터이다. 데이터 포맷은 엑셀 형태로 수집되었고, 총 23개의 칼럼으로 구성되었다.
실제 프로세스 마이닝을 적용한 분석 데이터의 개요는 <표 2>과 같다. 공급망 관리 프로세스 데이터는 2015년 1월 5일부터 2016년 6월 10일 약 1년 6개월 동안 수집되었다. 이 기간 동안 10개의 작업을 100명의 작업자가 담당하였고, 수행된 케이스 208건, 이벤트 2,080건에 대한 분석을 수행하였다.
A 기업으로부터 수집한 데이터는 공급신청에서 공사 완료까지의 200건 이상의 공급망 관리 프로세스에 관한 데이터이다. 데이터 포맷은 엑셀 형태로 수집되었고, 총 23개의 칼럼으로 구성되었다. 데이터의 구성은 <표 1>과 같으며, A-D1~A-D10, B는 기업에서 민감 데이터로 칼럼명을 익명화하였다.
공급망 관리 프로세스 데이터는 2015년 1월 5일부터 2016년 6월 10일 약 1년 6개월 동안 수집되었다. 이 기간 동안 10개의 작업을 100명의 작업자가 담당하였고, 수행된 케이스 208건, 이벤트 2,080건에 대한 분석을 수행하였다.
작업자별 성과분석은 총 100명 중의 빈도수에 근거한 작업량을 기준으로 상위 10명의 성과를 분석하였다. <그림 7>에서 결과를 확인할 수 있으며, 작업량 기준 상위 약 13%의 작업자 중에서 허가준비-D가 타 작업자에 비해 평균 작업 소요시간이 매우 높게 나타났다.
데이터처리
위의 그림을 통해 배치성을 띄는 작업이 존재하며 배치성을 띄는 경우 작업의 소요시간이 오래 걸리는 것을 시각적으로 확인할 수 있었다. 이에 대한 통계적 의미를 파악하기 위하여 t-검정을 실시하였다. 배치성의 발생 기준을 하루에 동일한 작업이 10회 이상 수행되는 것으로 정의하고, t-검정을 실시하기 위한 배치성의 발생 여부에 따른 두 집단을 생성하였다.
성능/효과
평균 작업 소요시간 98일을 기준으로 전체 케이스 중 약 36%가 평균 작업일 보다 더 오랜 시간이 소요되었다. 120일 이상의 시간이 소요되는 케이스들은 공통적으로 설계의뢰, 도면 작업에서 소요시간이 오래 걸리는 것으로 나타났다.
t-검정을 실시한 결과 에서 나타나는 바와 같이 p-value 값이 유의수준 0.05보다 작고, 작업의 배치성을 띄는 케이스들의 평균 소요시간이 172.43일, 배치성을 띄지 않는 케이스들의 평균 소요시간은 76.14일으로 나타났다.
가장 주요한 프로세스 패턴은 공급 신청 → 계약 → 설계의뢰 → 도면 → 허가준비 → 허가 → 예산승인 → 공사시작 → 공사완료 → 필증으로 나타났다.
공급망 데이터 분석을 통해 공급 계약 업체뿐만 아니라 기업 내부 공급망 담당자의 업무 현황에 대한 진단을 할 수 있었다. 업무 소요시간 및 빈도에 관한 업무 담당자의 성과를 도출하여 담당자 간의 효과적인 업무 분배를 도모할 수 있다.
작업별 소요시간 분포를 <그림 4>와 같이 Dotted Chart로 나타내었다. 다른 작업들에 비해 공급신청, 계약, 설계의뢰 작업은 비교적 빠른 시간 내에 처리되는 경향이 있는 것으로 파악되었다.
데이터를 바탕으로 도출된 프로세스 모델은 사실적인 작업 흐름을 나타낸다. 도출된 프로세스 모델을 통해 기존에 개념적으로 이해하고 있던 프로세스에 대한 실제적인 이해가 가능하며, 인사이트를 얻을 수 있다. 또한, 작업 흐름의 지연이 발생하는 병목 구간을 파악하여 실제 프로세스 개선에 활용할 수 있다.
둘째, 작업별 성과 분석을 통해 프로세스 단계별 소요 일수를 파악할 수 있었다. 프로세스 단계별 표준일수를 조건에 따라 산정하였던 기존의 방법론을 실제적인 소요일수의 산출을 통해 개선하였다.
<그림 6>에서와 같이 작업별 성과 분석을 통해 공급신청, 허가준비, 도면 작업의 평균 소요시간이 높게 나타나는 것을 발견하였다. 또한 허가준비, 도면, 예산승인의 소요시간 표준편차가 높게 나타나 해당 작업의 수행 측면에서 꾸준한 관리가 필요할 것으로 예상할 수 있었다.
업무 소요시간 및 빈도에 관한 업무 담당자의 성과를 도출하여 담당자 간의 효과적인 업무 분배를 도모할 수 있다. 또한, 업무 처리에 관한 네트워크상에서 주요한 담당자를 파악할 수 있었고, 이를 통해 기업 경영층은 효과적인 업무 지시를 수행하고 의사결정 과정에서의 불필요한 소요를 줄일 수 있을 것이다.
21건)보다 많은 일일 업무량이 나타났고, 대체적으로 2015년 10월에 업무량의 적체현상이 심화되었다. 또한, 허가-A의 경우에는 업무 일의 약 36%의 일일 업무량이 평균 누적 업무량 보다 높게 나타났다. 허가-A는 2015년 9월 말에 업무량의 적체현상이 집중되었다.
<그림 7>에서 결과를 확인할 수 있으며, 작업량 기준 상위 약 13%의 작업자 중에서 허가준비-D가 타 작업자에 비해 평균 작업 소요시간이 매우 높게 나타났다. 또한, 허가준비-D와 허가-A의 소요시간 표준편차가 높게 나타나 타 작업자에 비해 불안정한 성과를 나타내는 것으로 예상되었다. 허가준비-D 작업자는 평균 작업 소요시간도 매우 오래 걸리는 것으로 나타나 심층관리가 필요할 것으로 보였다.
그룹 A에서는 주로 프로세스 전반부의 공급신청, 계약 작업을 담당하는 작업자가 주를 이루었다. 반면에 그룹 B는 허가, 예산승인, 공사시작을 담당하는 작업자가 주를 이루었으며 그룹 A에 비해 매우 복잡하게 얽혀있는 관계를 확인할 수 있었다. 네트워크 허브는 두 그룹을 연결해주는 사회 연결망의 매우 중심적인 역할을 수행하는 그룹으로 <그림 9>에서와 같이 네트워크 허브를 통해 두 그룹의 작업 전달 관계가 이루어지는 것을 알 수 있다.
A 기업에서는 공급을 담당하는 내부부서와 계약업체의 효과적인 관리를 위해 실제 각 단계별 소요 일수 및 실제 프로세스의 진행 과정 파악에 대한 니즈가 존재하였다. 본 연구에서 수행된 프로세스 마이닝을 활용한 분석 결과는 기업 관계자와의 인터뷰를 통해 이러한 이슈 해결에 유의미한 기여도가 있는 것으로 검증되었다.
본 연구에서는 공급망 관리 프로세스에 대한 사례 연구를 실시하는데, 이를 통해서 어떤 프로세스 마이닝 기법으로 어떻게 데이터 분석을 해야 하고, 본 분석으로부터 얻은 인사이트를 어떻게 활용할 수 있는지 고찰해 보았다. 실제 A기업의 데이터를 바탕으로 프로세스 마이닝을 통해서 기존 프로세스에서 어떤 문제점을 파악할 수 있었고, 실제 기업 관계자와의 인터뷰를 통해서 분석 결과를 검증할 수 있었다.
작업자별 성과분석은 총 100명 중의 빈도수에 근거한 작업량을 기준으로 상위 10명의 성과를 분석하였다. <그림 7>에서 결과를 확인할 수 있으며, 작업량 기준 상위 약 13%의 작업자 중에서 허가준비-D가 타 작업자에 비해 평균 작업 소요시간이 매우 높게 나타났다. 또한, 허가준비-D와 허가-A의 소요시간 표준편차가 높게 나타나 타 작업자에 비해 불안정한 성과를 나타내는 것으로 예상되었다.
성과 관점에서는 작업 및 작업자에 대한 성과 분석과 부하분석을 수행하였다. <그림 6>에서와 같이 작업별 성과 분석을 통해 공급신청, 허가준비, 도면 작업의 평균 소요시간이 높게 나타나는 것을 발견하였다. 또한 허가준비, 도면, 예산승인의 소요시간 표준편차가 높게 나타나 해당 작업의 수행 측면에서 꾸준한 관리가 필요할 것으로 예상할 수 있었다.
위의 그림을 통해 배치성을 띄는 작업이 존재하며 배치성을 띄는 경우 작업의 소요시간이 오래 걸리는 것을 시각적으로 확인할 수 있었다. 이에 대한 통계적 의미를 파악하기 위하여 t-검정을 실시하였다.
실제 발생시간을 기준으로 하였을 때, <그림 2>에서와 같이 Dotted Chart를 통해 작업의 소요 시간과 작업의 배치성에 관한 인사이트를 도출할 수 있었다. 작업 소요시간을 중심으로 살펴 보았을 때, 타 작업에 비해 설계의뢰, 도면 작업의 소요시간이 긴 것을 확인할 수 있었다. <그림 2>에서 보이는 바와 같이 특정일에 계약, 공급 신청, 도면, 설계의뢰 작업이 동시에 여러 번 나타남에 따라 Dot의 크기가 크게 나타났다.
작업 전달 관계에 의한 사회 연결망 분석을 통해 도면 작업의 담당자가 네트워크 허브 역할을 수행하는 것으로 나타나 평균 소요일수가 오래 걸리는 도면 작업의 관리의 중요성을 더욱 강조할 수 있었다.
데이터를 바탕으로 각 단계별로 실제적인 소요일수를 파악하였고, 이를 통해 보다 정확한 단계별 표준일수를 산정하였다. 전체 작업 중에서도 특히 허가준비(20.75일), 도면(19.53일)의 평균 소요 일수가 가장 오래 걸리는 것으로 나타났다. 해당 기업 입장에서는 효과적인 진도 관리를 위해 공급 계약 기업의 도면의 작성 및 허가까지의 과정에 대하여 집중 관리가 필요하다고 판단하였다.
케이스별 소요시간 분포를 살펴보았을 때, 특정 구간에서 오랜 소요 시간이 원인이 되어 대체적으로 해당 케이스의 전체 소요시간 지연에 영향을 끼치는 것을 파악할 수 있었다. <그림 3>에서와 같이 Dotted Chart를 통해 소요시간을 기준으로 상대적인 케이스 분포를 볼 수 있다.
특히, 본 연구에서는 공급망 데이터의 프로세스 마이닝 적용을 최초로 시도하였고, 한 개 기업만을 대상으로 사례연구를 수행하였으나, 기업 관계자와의 인터뷰를 통한 검증, 프로세스 마이닝의 분석 데이터 구성 요소와 제안된 분석 방법론을 고려하였을 때 공급망 데이터 분석에 있어서 프로세스 마이닝의 적용성과 유효성을 보장할 수 있다.
많은 작업자 중에서도 작업량이 많은 작업자를 대상으로 부하 분석을 수행하여 업무 쏠림 현상 및 적체 현상을 진단하였다. 특히, 작업자 허가준비-D의경우 작업량도 많고, 소요시간도 오래 걸리는 작업자로 집중적인 모니터링 및 관리가 필요한 것으로 나타났다. 또한, 작업자 허가준비-D가 허가 준비를 수행한 후, 작업자 허가-D가 허가 작업을 수행하는 경우 소요시간이 평균 72.
평균 작업 소요시간 98일을 기준으로 전체 케이스 중 약 36%가 평균 작업일 보다 더 오랜 시간이 소요되었다. 120일 이상의 시간이 소요되는 케이스들은 공통적으로 설계의뢰, 도면 작업에서 소요시간이 오래 걸리는 것으로 나타났다.
프로세스 관점에서 분석을 수행하여 프로세스 모델을 도출하고, 가장 주요한 프로세스 패턴을 발견할 수 있었다. 프로세스 모델은 <그림 5>과 같이 도출되었다.
프로세스 마이닝 기법을 활용하여 사실적인 작업 흐름을 나타내는 프로세스 모델을 도출하였고, 프로세스 패턴 분석을 통해 주요한 실제 프로세스 진행과정(주요 프로세스로 공급신청 → 계약 → 설계의뢰 → 도면 → 허가준비 → 허가 → 예산승인 → 공사시작 → 공사완료 → 필증)을 확인할 수 있었다.
후속연구
더불어, 프로세스 마이닝의 적용을 위해 필요로 하는 최소한의 데이터의 구성요소(케이스, 이벤트, 수행시간)는 누가, 언제, 무엇을 수행했는가에 대한 정보로 기타 데이터 마이닝 기법에 비하여 비교적 간단하다. 게다가 정보통신의 기술의 발달로 각종 설비에서부터 정보시스템에 이르기까지 다양하고 방대한 양의 이벤트 로그 정보가 수집 및 관리되고 있으므로 본 연구에서 제안한 공급망 데이터 분석을 위한 프로세스 마이닝의 분석 방법론은 공급망 데이터 활용에 폭넓게 적용될수 있을 것으로 기대된다.
도출된 프로세스 모델을 통해 기존에 개념적으로 이해하고 있던 프로세스에 대한 실제적인 이해가 가능하며, 인사이트를 얻을 수 있다. 또한, 작업 흐름의 지연이 발생하는 병목 구간을 파악하여 실제 프로세스 개선에 활용할 수 있다.
향후 연구로 공급망 관리 프로세스 데이터 이외에 다양한 공급망 분야로 프로세스 마이닝의 적용을 확장하는 연구가 필요하며, 본 연구에서 수행한 분석 결과를 바탕으로 프로세스 마이닝을 활용한 데이터 분석이 일회성에 그치지 않고 지속적인 공급망 관리 프로세스 모니터링 방법으로 활용하는 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
프로세스 마이닝 기법을 활용한 공급망 분석을 통해 얻을 수 있는 기대효과는?
프로세스 마이닝 기법이 적용 가능한 공급망 데이터의 분석 범주를 도출하고, 프로세스 마이닝을 활용한 다양한 분석을 제안하다. 이를 통해 기업은 공급망 관리에 대한 인사이트를 얻고 공급망 관리 프로세스의 개선 및 효율화가 가능하다. 사례 연구를 통해 프로세스 마이닝을 활용한 공급망 데이터 분석의 유효성을 검증하였다.
기업의 공급망 관리의 효율성을 높이기 위해서는 무엇이 필요한가?
이를 위해 기업은 다양한 공급망에 참여하게 되고, 기업의 공급망 관리에 대한 중요성은 점차 증대되고 있다. 이러한 공급망 관리의 효율성을 높이기 위해 공급망 상에서 생성되는 데이터의 효과적인 분석이 필요하다. 본 연구에서는 프로세스 마이닝 기법을 활용한 공급망 데이터 분석을 제안한다.
프로세스 마이닝이란?
이런 공급망 데이터를 분석하기 위해서 다양한 기법을 활용할 수 있는데, 프로세스 마이닝 기법이 좋은 대안이 될 수 있다. 프로세스 마이닝은 소위 이벤트 로그라고 불리는 트랜잭션 데이터로부터 비즈니스 프로세스 관련 유용한 정보를 추출해 내는 연구이다. 2000년대 중반에 네덜란드 아인트호벤 공대에서 처음 연구가 시작이 되어서, 유럽을 중심으로 활발하게 연구되고 있는 학문 분야이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.