스마트 공장 도입으로 인한 하청제조기업의 운영 성과 향상 추정

Abstract

스마트 공장 (smart factory)은 현재 제조업 전반에 확산되고 있는 ‘현장 지능화 운동’ 이다. 정부에서는 디지털 전환 (digital transformation)의 시대에 발맞춰 제조업 경쟁력을 강화하고자 ‘스마트제조혁신추진단’을 매개로 하는 스마트 공장 구축 지원 사업을 진행하고 있다. 한편, '하청제조업'은 자동차, 조선, 전자 산업에서 흔히 발견되고 있는 업태로서 중소 기업 숫자 중 상당 비율을 차지한다. '사급자재'를 취급한다는 점, 판매가격 및 수량을 결정하지 못하는 공급사슬내 위상 등의 요인이 수익성을 제약한다. 이러한 특성으로 인하여 하청제조기업은 비용절감과 매출확대에 구조적 한계가 있으며 이는 대규모의 정보기술 투자를 (예, ERP, 스마트 공장) 어렵게 한다. 본 연구의 목적은 하청제조기업이 스마트 공장을 추진하고자 할 때 기대할 수 있는 운영 상의 성과를 추정하고 재무적으로 환산하는 프레임워크를 제시하는 것이다. 이를 통해 비용효과적인 스마트 공장 프로젝트를 선택하도록 돕고자 한다. 연구의 목적을 달성하기 위해 제조기업에 해당하는 디지털 전환 후 운영성과를 산정하는 프레임워크를 제시하였다. 프레임워크에 기반하여 어느 하청제조기업의 운영 시스템을 수리적으로 모형화하고 운영 성과척도를 정립한 결과, 스마트 공장 도입 이후 운영 성과의 향상 정도를 정량적으로 산출할 수 있는 시뮬레이션 모델을 개발할 수 있었다. 시뮬레이션 모델은 스마트 공장의 구축으로 운영 시스템의 모수가 변화한다면 운영 성과척도에 어떤 변화가 있는지 예측할 수 있도록 만들어졌다. 본 연구는 실제 기업의 데이터를 이용해 프레임워크의 적용 사례를 제시하였으며 그 결과 스마트 공장 구축으로 인해 발생한 운영 성과가 재무적 성과에 이르는 과정을 명확히 보여줄 수 있었다. 따라서 다른 하청제조기업도 본 연구의 사례를 참고하면 스마트 공장 구축의 기대효과를 정량적으로 추정할 수 있을 것이다. 다양한 연구 방법들이 본 연구의 목적을 달성하기 위해 사용되었다. 먼저, 프레임워크 개발을 위해서는 정보기술의 (IT) 기업성과 관련 문헌연구를 진행하였고 운영모델의 수립을 위해서는 운영분야 수리모델에 관한 문헌을 참고하였다. 또한, 사례 개발을 위해서는 사례기업 관리자 인터뷰, 워크숍, 관찰 등을 실시하여 정성적 데이터와 생산실적 데이터 등을 수집, 분석하였다. 마지막으로 예측모델의 개발에는 시스템다이내믹스 시뮬레이션이 사용되었다. 본 연구를 통해 살펴본 바 하청제조기업이 스마트 공장 구축을 통해 기대할 수 있는 추가적인 이익은 재무적으로 크다고 할 수 없었다. 이는 장기간 사업을 영위해 온 하청제조기업의 경우 기존에 확립된 프로세스를 오랜 기간 반복, 개선하면서 이미 상당한 운영성과를 달성했기 때문에 스마트 공장 구축을 통해 추가적인 개선의 여지가 크다고 볼수 없는 것으로 설명할 수 있다. 본 연구에서는 스마트 공장의 도입 후에도 기업이 기존의 운영 방식을 유지한다고 가정하였다. 그러므로 도입 효과는 운영모델의 모수 변화에 집중되었다. 따라서 장기간 운영해온 하청제조기업의 경우 모수의 변화를 일으키는 정도의 프로젝트로는 큰 구축 효과를 기대하기 어렵다는 점을 알게 되었다. 추가적으로 본 연구의 결과물인 시뮬레이션 모델을 활용하면 모수 변화에 따라 운영 성과 척도의 변화를 파악할 수 있으므로 공장관리자는 관리지표 간 상관관계에 대한 통찰력을 향상할 수 있을 것으로 기대된다. 본 연구는 기존 중소벤처기업의 연구에서 더 나아가 하청제조기업의 일반적인 운영모델과 운영 성과 척도를 정립하였으며, 제시한 운영모델의 시뮬레이션을 통해 디지털 전환에 따른 운영 성과의 재무적 효과를 확인할 수 있는 방법을 제시하였다는 점에서 학문적 의의가 있다고 할 것이다.|Smart Factory is smartization movement of manufacturing shop floors. Responding to the imperative of digital transformation the government established and endowed a private-public joint corporation with the authority to subsidize small and medium enterprises (SMEs) Smart Factory projects. Meanwhile, subcontract manufacturing is a popular business model in such industries as automotive, shipbuilding, electronics and accounts for a significant portion of SMEs in its number. Its profitability is constrained not only by its hierarchical position to accept given price and quantity of jobs set from the user companies but also user-supplied material handling. These business characteristics set structural limitations on subcontract manufacturers’ effort of reducing cost and increasing sales to discourage large-scale IT investment (e.g., Smart Factory, Enterprise Resource Planning). The purpose of this study is to help subcontract manufacturers select cost-effective Smart Factory projects by providing a framework called Digital Transformation - Operation Performance Estimation Framework (DT-OP Estimation Framework) for estimating the financial equivalent of operational performance increase from operation system configuration change that would follow successful implementation. In order to achieve the purpose DT-OP Estimation Framework for estimating the expected operational performance measures of post-digital transformation is suggested. Under the guidance of this framework, close observation of a subcontract manufacturer captured a daily operation decision process which was reflected in the subcontractor-unique mathematical model. Followed by mathematical model building operational performance measures for the subcontract manufacturer were defined. A simulation model was developed so that the change in the parameters of the operation system could result in the change in the operation performance measure. Consequently, this study shows the change in the operational performance measures can be converted into the expected financial performance change. In order to address the applicability of the DT-OP estimation framework, this study features an analysis of historical operational data to show a numerical example with which other subcontract manufacturers can follow the same course of analysis and simulation to obtain their own expected Smart Factory performance estimation. This research used various methodologies to model subcontract manufacturing operations to present the quantitative effect of Smart Factory investment. For the conceptualization of the framework, past researches regarding the enterprise IT value were reviewed, and for the mathematical models, relevant mathematical models of the production and inventory operation discipline were evaluated. To collect and analyze qualitative data describing business processes and quantitative data regarding operation performance, a series of unstructured manager interviews, workshops, and case study development were performed. For simulation, a system dynamics approach was used to reflect operation managers’ daily decision-making under certain configuration settings. The result of the study argues that the expected monetary surplus which subcontractors could gather from the implementation of Smart Factory is not likely to be large, nor neglectable. This expectation can be attributed to the readily diminished gap between the best possible performance and performance status quo., achieved through repeating the established business processes over a long time. In other words, smartization project of existing business processes alone is not expected to bring about a substantial value increase. because the project would only be able to change parameters of current configurations of operations. Managerial implications can be found by operation managers while running the simulation model. Operation managers can expect to improve their insight into the relationship between parameters and operational performances over time as well as the relationship among operational performance measures. Production and inventory literature can be richer with this study because operation models and the data of daily total in-flow from upstream and daily production quantity both obtained from real subcontractor manufacturing companies are scarce. So this research is expected to expand the boundary of existing studies of SMEs and start-ups’ operations whose shop floors do not tend to leave enough amount of data that are inevitable to data transparency and traceability. By presenting the result of the simulation run with historical data obtained from the focal firm, this study can also contribute to the variety of quantifying methodologies calculating the economic value of Smart Factory.