슬로팅 수행

Objective

After completing this lesson, you will be able to 슬로팅 프로세스를 수행합니다.

슬로팅

슬로팅의 목적은 반입 시 자재에 가장 적합한 저장 빈을 결정하는 데 도움이 되는 것입니다. 자재에 가장 적절한 빈은 해당 자재가 고회전 품목, 저회전 품목 등인지 여부와 같은 요소에 따라 달라집니다. 잘 배치된 창고에서는 피킹 프로세스가 보다 쉽게 진행됩니다.

슬로팅은 특정 창고의 제품에 대한 저장 유형, 저장 섹션, 빈 유형 등의 이상적인 반입 매개변수를 결정합니다. 이 정보는 창고 제품에 저장됩니다.

다음은 반입을 결정하기 위해 슬로팅 프로세스에서 사용하는 데이터의 예입니다.

  • 제품 데이터

  • 저장 요구사항 데이터

  • 포장 데이터

  • SAP APO(SAP Advanced Planning and Optimization)의 수요 예측 또는 과거 데이터

슬로팅 중에 시스템에서 다음 저장 매개변수가 결정됩니다.

  1. 반입 관리 지시자(및 선택적으로 재고 반출 관리 지시자)

  2. 저장 유형의 최대 수량

  3. 저장 섹션 지시자

  4. 저장 빈 유형

시스템에서는 항상 1단계를 수행합니다. 2~4단계는 선택사항입니다. 1, 3, 4단계는 조건 기법을 사용하여 수행됩니다. 4단계는 저장 빈 유형 결정 규칙을 사용하여 수행할 수도 있습니다.

슬로팅 중 시스템에서는 저장 매개변수를 결정하여 창고 제품에 저장합니다. 저장 매개변수는 (향후 사용할 수 있도록) 계획 값으로 저장됩니다. 아니면 즉시 창고 제품을 업데이트할 수 있습니다.

제품 관련 데이터

다음은 슬로팅의 입력으로 사용할 수 있는 제품 관련 데이터의 예입니다.

슬로팅에 사용되는 제품 관련 데이터

필드금액
저장 조건3(외부 아님)
도난 발생 가능성N
취급 코드200(금속)
수요량700(월별)
오더 라인 수50
권장 저장 수량2100
저장 분류13(불연성 고체)
수질 오염 분류1(최소 수질 오염 위험)
중첩 계수0.5
패키지 유형기본 포장재(목재 팔레트)
자재 길이0.05m
자재 너비0.01m
자재 높이0.01m
자재 중량10g
포장 길이0.80m
포장 너비1.0m
포장 높이1.0m
포장 중량75kg

매개변수 계산

저장 유형의 최대 수량과 같은 매개변수를 계산하려면 슬로팅 시 제품 소요량 데이터 또는 관련 제품의 예측 수요가 필요합니다.

수요 데이터는 고회전 또는 저회전 제품인지 여부를 기준으로 제품을 재배치하는 데 슬로팅을 사용할 때 유용합니다.

SAP Advanced Planning and Optimization(APO)에서 제공되는 이 소요량이나 수요 데이터는 직접 입력하거나 일괄 유지보수를 통해 입력할 수 있습니다. SAP Extended Warehouse Management(EWM)는 이 정보를 로컬에서 창고 제품(소요량/수요 데이터 영역의 슬로팅 탭)에 저장합니다.

SAP APO 계획 데이터를 사용하는 경우 SAP APO와 SAP EWM이 서로 다른 조직 레벨에서 소요량 데이터를 관리한다는 점을 이해하는 것이 중요합니다. SAP APO는 플랜트 유형의 저장 장소에 대한 계획 프로세스를 수행하는 반면 SAP EWM은 창고 번호 레벨에서 소요량 데이터를 저장합니다. 슬로팅에서는 SAP APO 위치와 SAP EWM 창고 번호 간에 일대일 관계가 있다고 가정합니다. 일대일 관계가 아니라면 비즈니스 애드인(BAdI)을 사용해 전환해야 합니다.

슬로팅 프로세스

다음 그림은 전체 슬로팅 프로세스를 보여줍니다.

슬로팅 프로세스

슬로팅을 위한 제품 마스터 데이터 업데이트

제품 마스터 데이터의 업데이트 여부, 그리고 값이 활성 값이나 계획 값으로 조정되는지 여부는 슬로팅 시 사용하는 저장 모드에 따라 다릅니다. 다음과 같이 세 가지 옵션이 제공됩니다.

  • 결과 저장 안 함

  • 결과 저장

  • 결과 저장 후 활성화

결과 저장 안 함: 대화형으로 슬로팅을 수행하고 결과를 분석하려면 이 옵션을 사용해야 합니다. (백그라운드에서 슬로팅을 수행한 경우에는 로그를 분석할 수 있지만 결과가 바로 표시되지 않습니다.)

저장 결과: 저장 빈과 재고 상황에 따라 슬로팅 결과를 계획 값으로만 저장하는 것이 유용할 수 있습니다. 시스템에는 활성화에 사용 가능한 계획 값만 저장되며, 이 값이 저장 프로세스에 사용되지는 않습니다. (시스템은 창고 제품의 계획 값만 업데이트합니다.)

저장 후 결과 활성화: 창고 제품의 계획 값과 활성 값에 대한 필드에서 슬로팅 결과가 업데이트됩니다. 이 새로운 값은 모든 저장 프로세스에서 즉시 사용 가능합니다. (시스템은 창고 제품의 계획 값과 활성 값을 모두 업데이트합니다).

기계 학습별 슬로팅

기계 학습별 슬로팅을 통해 기존 제품의 창고 제품 마스터 설정을 분석하고 신규 제품 또는 변경된 제품에 대한 저장 개념을 제안할 수 있습니다. 이렇게 하면 창고 설정 및 제품 마스터에서 슬로팅 규칙을 자동으로 파생하는 구현 노력을 줄여 초기 설정 작업을 줄일 수 있습니다. 창고 프로세스 및 설정의 변경으로 인해 슬로팅 규칙을 조정할 필요가 없습니다.

제품 슬로팅을 위한 기계 학습 워크플로우에서는 이력 데이터를 사용하여 모델을 훈련하고 재훈련합니다. 이 워크플로우는 최적화된 슬로팅 및 수요 계획을 위해 마스터 데이터를 추론합니다.

기계 학습 알고리즘은 대표 입력 데이터에서 통계 기반 모델을 생성합니다. 모델 생성을 훈련이라고 합니다. 특정 입력 값이 변경된 후에 모델을 재훈련하여 모델이 반복적으로 개선됩니다.

기계 학습별 슬로팅 중 시스템에서 다음 저장 매개변수가 결정됩니다.

  • 반입 관리 지시자
  • 재고 반출 관리 지시자
  • 저장 섹션 지시자

ABC 분석

SAP Extended Warehouse Management(EWM)의 ABC 분석을 사용하면 확인된 (제품) 창고 태스크를 기준으로 제품의 중요도를 분류할 수 있습니다.

ABC 분석 테이블은 빈도에 따라 제품을 분류하며, 몇 가지 항목이 대부분의 활동을 설명하는 방법을 강조합니다. 시각적으로는 데이터 기반 인사이트를 제안합니다.

노트

ABC 분석은 복잡한 BI 기법을 사용하지 않고도 프로세스 및 창고 운영을 관리하는 용도로 사용되며, 슬로팅과 함께 사용할 수 있습니다. SAP EWM에서 분류에 사용하는 주요 기능을 슬로팅에도 사용할 수 있습니다.

ABC 분석의 장점은 조건 레코드가 필요하지 않고 과거 데이터를 기반으로 한다는 것입니다. 슬로팅은 APO 수요 계획에서 수요 데이터를 읽지만, 그렇기 때문에 다른 정보를 사용하여 더 많은 지시자와 매개변수를 업데이트할 수도 있습니다.