OEM 생산의 구매자 주문변동에 대한 데이터마이닝 분석

Data Mining Analysis for OEM Manufacturing Buyer s Order Changes

기술 발달과 고객 수요의 변화는 제품의 다양성을 증가시키고 제조 공정에서의 복잡도를 증가시켜 생산운영 전략 수립을 어렵게 하고 있다. 화장품 산업은 고객의 수요에 대한 변화가 빠르고 다양해서 생산계획의 변경이 빈번하다. 일반적인 화장품 생산방식은 화장품 브랜드 기업들이 생산기업에 제품의 생산을 주문하는 OEM/ODM을 이용하고 있는데, 수요의 불확실성으로 인해 생산주문이 자주 변경되는 일이 발생한다. 주문변동은 생산량을 변화시키고 이미 생산한 제품에 대해서는 재고비용과 폐기비용을 유발하여 생산업체에 많은 손실을 가져올 수 있다. 이러한 구매자주문변동은 기업에 따라 차이가 있어 기업들을 분류할 수 있으면 생산업체는 주문업체에 대한 대응도와 생산계획에 큰 도움이 될 것이다. 본 논문은 생산주문업체의 주문변동을 분석하여 생산업체가 주문업체를 유형별로 분류하여 대응도를 높이고 생산을 안정화시키는 해법을 제시한다. 우리는 초기주문을 바꾸는 주문업체들의 데이터를 기반으로 데이터마이닝을 이용한 분석을 통해 주문업체의 주문변동성을 예측하고 주문업체의 유형을 분류하여 업체에 대한 대응도와 주문변동에 대한 대비를 할 수 있는 전략을 제공한다. 데이터분석 결과는 주문변동으로 인한 과잉생산과 재고비용을 줄여 총비용을 최소화 시키고 안정적인 생산운영이 가능하게 한다. 본 논문은 실제 업체의 거래 데이터에 기반한 데이터 분석과 실험결과를 보여준다.

Advance of technology and change of customer demand have increased the diversity of products and the complexity of manufacturing process and made operations management strategy difficult. Cosmetics industry has rapidly changing customer demand and frequent changes of production plan. Production of cosmetics has adopted the type of OEM/ODM manufacturing that cosmetic brand companies orders the product with their brand to manufacturing companies. Changes of order invokes the variations of production and increases the costs of inventory and discards. Since the changes of buyers’ order quantity are different by company, the manufacturing company can have great advantages for respondence and production plan if they can classify the types of the companies ordering. This paper suggests a solution approach to increase the response to the ordering companies and to achieve stable production. We predict the variations of orders from analyzing the data of companies changing their initial orders using data mining methods, classify those companies with their types, and provide a strategy to response the changes. Results of data analysis suggest the way to reduce the total costs including the cost of over-production and inventory and to obtain stable production. This paper shows the results of data analysis with real company transaction data.