로그인|회원가입|고객센터|HBR Korea
페이지 맨 위로 이동
검색버튼 메뉴버튼

BMW의 특정 생산 기지에 할당된 공급 계획의 에

85호 (2011년 7월 Issue 2)

장영재 장영재
장영재
카이스트 산업및시스템공학과 교수

필자는 MIT공대에서 박사학위를 받고 미국 반도체 메모리 제조사인 마이크론 테크놀로지(Micron Technology)에서 4년간 근무하며 공장 자동화 및 운영 관련 업무를 수행했다. 현재 카이스트 산업 및 시스템공학과 교수로 재직 중이며 카이스트 제조 피지컬 AI연구소장을 담당하고 있다. 스마트 팩토리, AI 기반 물류 자동화, 제조 디지털 트윈, 제조 피지컬 AI가 주요 연구 분야다. 2020년에 AI 기반 스마트팩토리 스타트업인 카이스트 연구소 기업 ‘다임 리서치’를 설립했다.
yjang@kaist.ac.kr
BMW의 특정 생산 기지에 할당된 공급 계획의 에

기업 경영에서 의사결정을 내릴 때 ‘최선’의 선택을 하려면 가능한 경우의 수를 모두 고려한 후 그중 가장 이상적인 안을 택하면 된다. 하지만 이는 현실성이 없을 때가 많다. 예를 들어 200여 개에 달하는 차종을 전 세계 9개 생산기지에서 생산해야 하는 BMW가 이 방법에 따라 공급계획을 도출하려면 무려 21800에 달하는 경우의 수를 고려해야 한다는 말인데 이는 거의 불가능하다.

이런 문제 때문에 많은 기업들이 ‘최선’의 선택 대신 과거의 ‘경험’과 ‘관행’에 의존해 의사결정을 내려왔다. 하지만 BMW는 여러 제약조건을 고려해 이 조건들 중 목적에 부합하는 최적의 답을 산출해내는 ‘수학적 최적화(Mathematical Optimization)’를 통해 ‘최선’의 선택을 이끌어냈다. 이처럼 과학적이고 객관적인 방법에 근거한 의사결정 방식은 비록 기업이 수학으로 산출된 결과를 최종 결정에 반영하지 않는다고 하더라도 의미가 있다. 기업 구성원들 간 신뢰 구축과 의사결정의 투명성을 제고하는 데 기여할 수 있기 때문이다.