수요 예측 AI 도입 가이드

수요 예측 AI는 예측 정확도 자체보다 예측값을 발주와 생산계획에 반영하는 구조가 있느냐로 성패가 갈립니다. 이 가이드는 품목·기간 범위 설정부터 수주·출하·재고 데이터 정리, ERP·WMS·MES 연결, 예측값의 재고관리 반영, 오차·재고 지표 검증까지 도입 단계를 정리합니다.

도입 요약

수요 예측 AI가 어려운 이유는 예측 모델의 정확도보다 예측값을 운영에 반영하는 구조가 없기 때문입니다. 예측값이 나와도 발주 기준, 안전재고 산식, 생산계획 우선순위에 연결되지 않으면 담당자는 기존 방식대로 발주하고 예측값은 참고 자료로만 남습니다.

처음부터 전 품목을 대상으로 하면 검증이 어렵습니다. 출하 빈도가 높고 재고 금액 비중이 큰 품목군(ABC 분석 A등급), 수요 변동성이 커서 결품과 과잉재고가 반복되는 품목군부터 시작해 예측 오차와 재고 지표를 함께 확인하는 방식이 현실적입니다.

• 수요 예측 AI는 발주·생산계획에 반영되어야 효과가 납니다.
• 품목과 기간 범위를 좁혀야 오차 검증이 가능합니다.
• ERP, WMS, MES 데이터 연결 상태가 예측 신뢰도를 좌우합니다.

수요 예측 AI는 운영 판단 도구입니다

수요 예측 AI는 다음 달, 다음 주 판매량 숫자만 알려주는 도구가 아닙니다. 제조업에서는 예측값이 재고 보충 시점, 발주 수량, 생산계획 우선순위, 납기 위험 판단으로 바로 이어져야 실질적인 효과가 있습니다.

예측 정확도가 높아도 발주 담당자가 여전히 과거 평균이나 경험으로 발주하고, 생산관리가 기존 우선순위대로 계획을 짜면 예측값은 숫자로만 존재합니다. 그래서 도입 전에 예측 결과를 누가(발주 담당, 생산관리, 영업), 어떤 시점(주간 발주 회의, 일일 생산계획 수립)에, 어떤 기준으로 반영할지 먼저 정해야 합니다.

• 예측값이 발주 수량과 생산계획 우선순위에 직접 연결되어야 합니다.
• 담당자별로 예측 결과를 보는 시점과 반영 기준을 정합니다.
• 예측 정확도와 재고 개선 효과를 함께 봐야 판단이 됩니다.

1단계. 예측 대상을 품목과 기간으로 좁혀야 합니다

처음부터 전 품목·전 기간을 예측하려고 하면 데이터 품질 검증과 운영 반영 설계가 동시에 복잡해져 어느 쪽도 제대로 되지 않습니다. 출하 빈도가 높거나 재고 금액이 큰 품목, 수요 변동폭이 커서 결품·과잉재고가 반복되는 품목부터 좁혀서 시작하는 것이 일반적입니다.

예측 기간은 발주 리드타임과 생산계획 주기에 맞춰야 의미가 있습니다. 일 단위 예측은 단납기·소량다품종 사출 품목처럼 생산 우선순위를 매일 조정하는 현장에 맞고, 주 단위는 정기 발주 품목, 월 단위는 원자재 구매 계획처럼 리드타임이 긴 의사결정에 맞습니다.

• 출하 빈도, 재고 금액 비중이 큰 품목부터 시작합니다.
• 예측 기간은 발주 리드타임, 생산계획 주기에 맞춥니다.
• 품목군 단위로 시작하면 오차 검증과 개선이 쉽습니다.

2단계. 수주 출하 재고 데이터를 먼저 정리해야 합니다

수요 예측에는 과거 수요 데이터가 필요하지만, 제조 현장에서는 수주, 출하, 재고 데이터가 각각 다른 기준으로 기록되는 경우가 많습니다. 수주는 입력되었지만 사급 지연으로 출하가 밀렸거나, 재고 수량은 있지만 품질 검사 대기 상태라 실제로는 출고할 수 없는 재고일 수 있습니다.

예측 모델에 어떤 데이터를 '수요'로 넣을지 먼저 정해야 합니다. 수주 시점 기준으로 볼지, 실제 출하 시점 기준으로 볼지, 고객 실소비 기준으로 볼지에 따라 예측 결과와 재고 반영 방식이 달라집니다. 재고도 가용재고, 예약재고(수주 할당분), 검사대기재고, 불량재고로 구분해 정리한 뒤 예측 모델에 연결해야 합니다.

• 수주, 출하, 실제 소비 기준 중 무엇을 수요로 볼지 정합니다.
• 재고를 가용, 예약, 검사대기, 불량으로 구분해 정리합니다.
• 결측과 이상치는 예측 모델에 넣기 전에 정리합니다.

3단계. ERP WMS MES 데이터를 연결해야 합니다

수요 예측은 ERP 데이터만으로 완결되지 않습니다. ERP에는 수주와 구매 계획이 있고, WMS에는 입출고 이력과 재고 이동, 로케이션 정보가 있으며, MES에는 생산계획, 작업지시, 실적과 불량 정보가 있습니다. 이 세 데이터가 연결되어야 예측값을 발주 시점, 생산 우선순위, 재고 보충 계획에 실제로 반영할 수 있습니다.

특히 품목 코드, LOT, 고객 코드, 납기, 생산 오더 번호 체계가 시스템마다 다르게 관리되면 연결 과정에서 매칭 오류가 발생합니다. ERP 품목코드와 MES 생산품목코드가 1:1로 매핑되지 않거나, WMS 로케이션 단위 재고와 ERP 품목 단위 재고의 집계 기준이 다르면 예측 모델에 들어가는 입력값 자체가 왜곡됩니다. 예측 모델 설계보다 데이터 매핑 정합성 확인이 선행 작업인 경우가 많습니다.

• ERP 수주·구매, WMS 재고 이동, MES 생산실적을 연결합니다.
• 품목 코드, LOT, 생산 오더 기준을 시스템 간 맞춥니다.
• 데이터 업데이트 주기와 기준 시점 차이를 먼저 확인합니다.

4단계. 예측값을 발주와 생산계획에 반영해야 합니다

예측값은 보고서나 대시보드에만 머물면 효과가 없습니다. 발주 수량 산정식, 안전재고 기준, 생산계획 우선순위, 납기 위험 알림 조건에 예측값이 어떻게 반영되는지 구체적으로 설계해야 합니다.

초기에는 AI가 발주량이나 생산 순서를 자동으로 확정하기보다, 추천값과 근거(과거 수요 추이, 계절성, 최근 변동)를 함께 보여주고 담당자가 승인·조정하는 방식이 안전합니다. 담당자가 예측값을 조정한 이유와 실제 결과를 다시 기록해 학습 데이터로 축적하면 예측 모델과 운영 반영 기준이 함께 개선됩니다.

• 예측 결과를 발주 산정식과 생산계획 우선순위에 연결합니다.
• 초기에는 자동 확정보다 추천-승인 방식으로 운영합니다.
• 담당자 조정 이유와 실제 결과를 다시 데이터로 남깁니다.

5단계. 오차와 재고 지표로 성과를 검증해야 합니다

수요 예측 AI의 성과를 MAPE 같은 예측 오차 지표만으로 판단하면 운영 개선 여부를 놓칠 수 있습니다. 과잉재고 금액, 결품 건수, 긴급 발주 횟수, 납기 지연 건수, 재고 회전율 같은 운영 지표가 함께 개선되어야 실질적인 도입 효과로 볼 수 있습니다.

예측 오차가 일정 수준 남아 있어도 결품이 줄고 재고 회전율이 높아졌다면 운영 관점에서는 의미 있는 성과입니다. 반대로 예측 오차가 개선되었더라도 그 값이 발주와 생산계획에 반영되지 않아 재고 지표에 변화가 없다면 도입 효과는 제한적이라고 판단해야 합니다. 성과 판단 기준은 도입 전에 미리 합의해두는 것이 좋습니다.

• 예측 오차(MAPE 등)와 재고 지표를 함께 봅니다.
• 결품률, 과잉재고, 긴급 발주, 재고 회전율 변화를 확인합니다.
• 성과 기준과 목표 수준은 도입 전에 합의해둡니다.

현장에서 HD 제조 AI Agent가 하는 일

여기까지 정리한 대로 예측값을 결품·발주·생산계획 판단으로 연결하는 흐름이 갖춰져 있다면, 실제 화면에서는 이런 식으로 동작합니다. HD 제조 AI Agent는 수요 예측 결과를 단순 리포트가 아니라 현장 담당자가 실제로 던지는 운영 질문 형태로 보여줍니다. 이번 주 결품 위험이 있는 품목, 발주 검토가 필요한 품목, 생산계획 조정이 필요한 품목을 자연어 질의로 확인할 수 있습니다.

HD-MES의 생산계획·실적 데이터와 ERP·WMS의 수주·재고 데이터가 연결되어 있으면, 예측값이 특정 품목의 결품 위험 알림이나 발주 검토 리스트로 바로 이어집니다. 예측 모델 자체보다 예측값이 실제 작업지시와 재고 운영으로 연결되는 흐름을 설계하는 것이 핵심입니다. 담당자가 추천값을 조정한 이력과 실제 결과는 다시 데이터로 남아 다음 예측에 반영됩니다.

• 예측 결과를 결품 위험, 발주 검토 질문 형태로 연결합니다.
• HD-MES 생산 데이터와 재고 데이터를 함께 반영해 생산계획에 연결합니다.
• 담당자 조정 이력과 실제 결과를 다시 학습 데이터로 남깁니다.

도입 전 체크리스트

도입 전에는 예측 대상 품목군과 기간, 수요 기준(수주·출하·소비), 재고 상태 구분 기준, 성과 지표를 먼저 문서로 정리해야 합니다. 이 기준 없이 예측 모델부터 만들면 결과값의 의미를 해석할 근거가 없어 담당자가 예측값을 신뢰하지 않게 됩니다.

처음에는 반복적으로 결품이나 과잉재고가 발생하는 품목군, 혹은 재고 금액 비중이 커서 재고관리 개선 효과가 바로 드러나는 품목군을 대상으로 작게 시작하는 것이 좋습니다.

• 예측 대상 품목군, 기간, 수요 기준을 문서로 확정했는지 확인합니다.
• ERP·WMS·MES의 품목 코드, LOT, 재고 상태 기준이 매핑되는지 확인합니다.
• 예측값을 반영할 담당자와 승인 절차(추천-승인 방식)를 정했는지 확인합니다.
• 결품률, 과잉재고, 재고 회전율 등 성과 지표와 목표 수준을 합의했는지 확인합니다.