운영 분석 (Operations Analytics)

1. 개요

운영 분석은 비즈니스 프로세스의 효율성, 품질, 생산성을 측정하고 최적화하기 위해 데이터를 분석하는 분야. 제조, 서비스, 물류 등 운영 전반의 의사결정을 지원함.

정의

운영 분석 = 프로세스 데이터 + 최적화

목적:
- 효율성 향상
- 비용 절감
- 품질 개선
- 처리량 최대화

운영 분석의 영역

영역	질문
프로세스	병목은 어디인가?
용량	얼마나 처리할 수 있는가?
품질	결함은 얼마나 발생하는가?
일정	최적 스케줄은?
재고	얼마나 보유해야 하는가?

---

2. 핵심 지표

2.1 효율성 지표

지표	수식	설명
OEE	가용률 × 성능 × 품질	설비 종합 효율
사이클 타임	완료 시간 / 단위	단위당 처리 시간
처리량	완료 단위 / 시간	시간당 산출량
리드 타임	주문~배송 시간	총 소요 시간
가동률	가동 시간 / 가용 시간	설비 활용률

OEE (Overall Equipment Effectiveness):

OEE = 가용률 × 성능률 × 양품률

가용률 = (계획 시간 - 정지 시간) / 계획 시간
성능률 = (이론 사이클 × 생산량) / 가동 시간
양품률 = 양품 수 / 생산량

World-class: > 85%

2.2 품질 지표

지표	수식	설명
불량률	불량 / 생산량	결함 비율
DPU	결함 수 / 단위 수	단위당 결함
DPMO	결함 / (기회 × 10⁶)	백만 기회당 결함
First Pass Yield	초도 양품 / 투입	초도 합격률
Sigma Level	DPMO 기반	프로세스 능력

Six Sigma 수준:

6σ = 3.4 DPMO (99.99966% 양품)
5σ = 233 DPMO
4σ = 6,210 DPMO
3σ = 66,807 DPMO

2.3 재고 지표

지표	수식	설명
재고회전율	매출원가 / 평균재고	재고 효율성
재고일수	365 / 재고회전율	평균 보유일
Fill Rate	충족 주문 / 전체 주문	주문 충족률
Stockout Rate	품절 SKU / 전체 SKU	품절률

---

3. 주요 분석 방법

3.1 프로세스 분석

프로세스 마이닝:

이벤트 로그 → 프로세스 모델 자동 발견

분석:
- 실제 프로세스 흐름
- 병목 지점
- 변형/이상 경로
- 처리 시간 분포

밸류 스트림 맵핑:

End-to-end 프로세스 시각화:
- 프로세스 시간 vs 대기 시간
- 부가가치 vs 비부가가치 활동
- 개선 기회 식별

3.2 용량 계획

용량 분석:

용량 = 단위 시간당 처리 가능량

병목 = 가장 낮은 용량의 프로세스 단계

시스템 용량 = 병목 용량

수요-용량 매칭:

수요 예측 vs 가용 용량

용량 부족: 초과 근무, 외주, 투자
용량 과잉: 비용 최적화, 유연 활용

3.3 품질 분석

통계적 공정 관리 (SPC):

관리도 (Control Chart):
UCL = μ + 3σ (상한)
CL = μ (중심선)
LCL = μ - 3σ (하한)

관리 한계 이탈 = 특수 원인 존재

파레토 분석:

80/20 법칙 적용:
- 결함 유형별 빈도
- 상위 20% 원인 집중 해결

근본 원인 분석 (RCA):

5 Why's:
"왜?" 반복하여 근본 원인 도달

Fish-bone (Ishikawa):
원인을 Machine, Method, Material, Man, Measurement, Environment로 분류

3.4 시뮬레이션

이산 사건 시뮬레이션 (DES):

프로세스 모델링:
- 도착 시간 분포
- 서비스 시간 분포
- 자원 가용성

What-if 분석:
- 용량 증가 시 효과
- 프로세스 변경 시 효과

3.5 최적화

선형 계획법:

생산 계획 최적화:
minimize 비용
subject to 수요 충족
          용량 제약
          자원 제약

스케줄링:

작업 순서 최적화:
- Job Shop Scheduling
- Flow Shop Scheduling
- 제약 조건 만족

---

4. 실무 적용 사례

4.1 생산 효율화

문제: OEE 낮음 (65%)

분석:
1. OEE 구성요소 분해
2. 주요 손실 원인 파악
3. 파레토 분석으로 우선순위

개선:
- 설비 정지 시간 감소 (TPM)
- 속도 손실 개선
- 불량률 감소 (품질 개선)

결과: OEE 65% → 80%

4.2 리드 타임 단축

분석:
1. 밸류 스트림 맵핑
2. 비부가가치 시간 식별
3. 병목 프로세스 확인

개선:
- 대기 시간 제거
- 병렬 처리
- 자동화

결과: 리드타임 30% 단축

4.3 품질 개선 (Six Sigma)

DMAIC 프레임워크:
D - Define: 문제 정의
M - Measure: 현재 성과 측정
A - Analyze: 근본 원인 분석
I - Improve: 개선안 구현
C - Control: 지속 관리

4.4 수요 예측 및 재고 최적화

수요 예측:
- 시계열 분석
- 계절성 고려
- 프로모션 효과

재고 최적화:
- 안전재고 수준
- 재주문점
- EOQ 모델

---

5. 참고 자료

핵심 서적

서적	저자	주제
"Factory Physics"	Hopp & Spearman	생산 운영
"The Goal"	Goldratt	TOC
"Lean Thinking"	Womack & Jones	린
"Process Mining"	van der Aalst	프로세스 마이닝

주요 저널

저널	분야
Management Science	운영 연구
Operations Research	최적화
Journal of Operations Management	운영 관리

---

6. 도구

도구	용도
Minitab	통계적 품질 관리
Arena/Simio	시뮬레이션
Celonis	프로세스 마이닝
SAP/Oracle	ERP 운영 데이터
Python (SimPy)	시뮬레이션

SimPy 시뮬레이션 예시

import simpy
import numpy as np

def customer(env, name, server, service_time):
    arrival = env.now
    with server.request() as req:
        yield req
        wait_time = env.now - arrival
        yield env.timeout(service_time)
        print(f"{name}: wait={wait_time:.2f}, service={service_time:.2f}")

def setup(env, num_servers, service_time_mean, arrival_rate):
    server = simpy.Resource(env, num_servers)
    i = 0
    while True:
        yield env.timeout(np.random.exponential(1/arrival_rate))
        service_time = np.random.exponential(service_time_mean)
        env.process(customer(env, f'Customer-{i}', server, service_time))
        i += 1

env = simpy.Environment()
env.process(setup(env, num_servers=2, service_time_mean=5, arrival_rate=0.3))
env.run(until=100)

---

7. 운영 분석 프레임워크

분석 체크리스트

영역	분석 항목
효율성	OEE, 사이클 타임, 처리량
품질	불량률, SPC, RCA
용량	병목 분석, 용량 계획
재고	회전율, 서비스 수준
비용	단위 원가, 총비용

지속적 개선 사이클

Plan → Do → Check → Act (PDCA)

또는

Define → Measure → Analyze → Improve → Control (DMAIC)