납기 지연을 발주 시점에 알 수 있다면
생산 현장에서 자재 결품은 혼자 끝나지 않습니다. 부품 하나가 늦으면 생산계획을 다시 짜야 하고, 라인이 비지 않도록 다른 품목을 앞당기면서 준비 교체가 늘어납니다. 끝내 고객 납기가 위태로워지면 항공·퀵 같은 특급 운송비가 붙습니다. 원인은 자재 하나인데 비용은 생산·물류·영업 전체로 번집니다.
많은 기업이 협력사별 납기 준수율을 관리하지만, 대부분 월말이나 분기말에 지난 실적을 집계하는 방식입니다. 이 숫자는 협력사 평가에는 쓸모가 있지만, 지금 막 나간 발주가 늦을지는 알려 주지 않습니다. 현장에서 정말 필요한 것은 "이번 발주 중 어느 건이 위험한가"라는 질문에 대한 답입니다.
예측에 쓰는 데이터
ERP 발주·입고 이력
출발점은 이미 ERP에 쌓여 있는 데이터입니다.
파생 변수
원천 데이터만으로는 예측력이 약하므로 업무 지식을 변수로 만듭니다.
데이터 정합성 문제
실무에서 가장 시간이 많이 드는 부분입니다. 한 발주가 세 번에 나눠 입고되면 "언제 입고된 것으로 볼지"를 정해야 합니다. 일반적으로는 필요 수량의 대부분이 입고된 날 같은 기준을 미리 합의합니다. 납기가 중간에 변경된 경우에는 최초 약속일과 변경일을 함께 남겨 두어야, 협력사의 실제 신뢰도와 담당자의 일정 조정을 구분할 수 있습니다.
모델 설계와 평가
분류인가, 회귀인가
"지연될까(예/아니오)"를 맞히는 분류 모델은 위험 목록을 만들기에 적합하고, "며칠 늦을까"를 맞히는 회귀 모델은 생산계획 반영에 유리합니다. 처음에는 분류로 시작해 위험 건을 골라내고, 그 안에서 지연 일수 구간(3일 이내, 4~7일, 8일 이상)을 함께 예측하는 방식이 운영하기 쉽습니다.
트리 기반 모델과 기준선
정형 데이터에서는 그래디언트 부스팅 같은 트리 기반 모델이 대체로 좋은 출발점입니다. 다만 반드시 기준선과 비교해야 합니다. 가장 단순한 기준선은 "과거 지연율이 높은 협력사의 발주를 위험으로 보는 것"입니다. 모델이 이 기준선을 넘지 못한다면 복잡한 모델을 쓸 이유가 없습니다.
업무 기준 평가
정확도 하나로는 부족합니다. 월 1,200건 발주 중 96건(8%)이 지연되는 공장을 가정해 보겠습니다. 위험도 상위 10%인 120건을 확인 대상으로 정했을 때, 기준선이 지연 건 40건을 잡는다면 재현율은 약 42%, 정밀도는 약 33%입니다. 모델이 같은 120건 안에서 60건을 잡는다면 재현율은 62.5%, 정밀도는 50%가 됩니다. 여기에 "납기 며칠 전에 경고했는가"를 함께 봐야 실제로 대응할 시간이 있었는지 판단할 수 있습니다.
예측을 행동으로 연결하기
위험 발주 목록과 확인 워크플로
예측 결과는 구매 담당자가 매일 아침 보는 위험 발주 목록으로 제공합니다. 각 건에는 위험도와 함께 "최근 이 협력사의 지연율 상승", "긴급 발주" 같은 주요 사유를 표시해야 담당자가 결과를 신뢰합니다.
위험도에 따른 조치
조치 결과의 회수
담당자가 어떤 조치를 했고 결과가 어땠는지를 기록으로 남겨야 합니다. 사전 확인으로 지연을 막은 건과 조치 없이 지연된 건이 구분되어야 다음 학습에서 모델이 왜곡되지 않습니다.
시작 범위와 POLYGLOTSOFT 접근
처음부터 전 품목을 다룰 필요는 없습니다. 결품 영향이 큰 상위 품목과 협력사 20~30곳으로 파일럿을 시작해 3개월간 기준선 대비 성과를 확인하는 방식이 현실적입니다. 효과가 확인되면 대상을 넓히고 생산계획 시스템과의 연계를 추가합니다.
POLYGLOTSOFT는 ERP 발주·입고 데이터 정비부터 예측 모델 개발, 위험 발주 대시보드, 구매 담당자 확인 워크플로까지 한 흐름으로 구축합니다. MES·ERP 연동 경험을 바탕으로 예측이 보고서에 머물지 않고 현장의 조치로 이어지도록 설계합니다. 반복되는 납기 지연을 줄이고 싶으시다면 POLYGLOTSOFT에 문의해 주십시오.