안전재고와 발주점 — 얼마를 언제 주문해야 하나
품절도 과잉재고도 손해다. 안전재고와 발주점의 개념, 리드타임과 수요변동을 반영한 계산 방식, 그리고 AI 발주 추천의 원리를 정리한다.
재고 관리의 영원한 딜레마는 두 가지다. 너무 적으면 품절로 생산이 멈추고, 너무 많으면 과잉재고로 자금이 묶이고 폐기가 난다. 이 둘 사이의 균형을 잡는 개념이 안전재고와 발주점이다. 이 글은 얼마를, 언제 주문해야 하는지 정리한다.
발주점 — 언제 주문하나
발주점(Reorder Point) 은 “재고가 이 수준까지 떨어지면 주문한다”는 기준선이다. 핵심 변수는 리드타임(주문 후 입고까지 걸리는 시간) 이다.
발주점의 기본 개념은 이렇다.
발주점 = (리드타임 동안의 평균 소비량) + 안전재고
예를 들어 하루 20개를 쓰고 리드타임이 5일이면, 주문 후 입고까지 100개가 소비된다. 재고가 100개 + 안전재고까지 떨어지면 주문해야 입고 시점에 품절이 안 난다.
안전재고 — 얼마를 여유로 두나
안전재고(Safety Stock) 는 예상치 못한 수요 증가나 입고 지연에 대비한 여유분이다. 수요와 리드타임이 항상 일정하면 안전재고가 필요 없지만, 현실은 변동한다.
안전재고를 정하는 데는 두 가지가 작용한다.
- 수요 변동 — 소비가 들쭉날쭉할수록 여유를 더 둔다.
- 리드타임 변동 — 입고가 늦어질 위험이 클수록 여유를 더 둔다.
너무 크게 잡으면 과잉재고, 너무 작게 잡으면 품절 위험이다. 과거 소비·리드타임 데이터를 근거로 정하고, 실제 품절·과잉 상황을 보며 조정한다.
얼마를 주문하나 — 발주량
발주량은 한 번에 얼마를 시키느냐다. 자주 조금씩(재고 비용↓, 발주 비용↑) vs 가끔 많이(반대) 사이의 균형이다. 최소발주량(MOQ)·단가 할인·보관 비용을 함께 본다. 정교하게는 경제적 발주량(EOQ) 같은 개념을 쓰지만, 실무에서는 과거 소비 패턴과 공급 조건으로 현실적 발주량을 정하는 경우가 많다.
손으로는 왜 어려운가
품목이 수십·수백 개면, 각각의 소비율·리드타임·변동을 사람이 매일 계산해 발주점을 관리하기는 불가능하다. 그래서 대부분은 감으로 시키다가 품절 아니면 과잉이 반복된다.
여기가 AI 재고예측·발주 추천이 값을 내는 지점이다. 과거 소비 패턴과 리드타임을 학습해 “무엇을 언제 얼마나 주문하라”를 자동으로 제안한다. 사람은 추천을 검토·승인만 하면 되므로, 수백 품목의 발주 판단이 관리 가능해진다.
숫자로 보는 발주점
하루 평균 20개를 쓰고, 리드타임이 5일, 안전재고를 40개로 잡은 품목을 보자.
- 리드타임 동안 소비량 = 20 × 5 = 100개
- 발주점 = 100 + 안전재고 40 = 140개
재고가 140개까지 떨어지면 주문한다. 그러면 입고까지 5일 동안 100개를 쓰고, 입고 시점에 안전재고 40개가 남는다. 만약 그사이 소비가 늘거나 입고가 하루 늦어도, 이 40개가 완충 역할을 한다. 안전재고가 없다면(발주점 100개), 조금만 변동이 생겨도 바로 품절이다.
과잉재고의 비용도 잊지 않기
품절만 무서워 안전재고를 크게 잡으면 반대 문제가 생긴다.
- 자금이 묶인다 — 재고는 팔리기 전까지 현금이 잠긴 것이다.
- 보관 비용 — 창고 공간·관리 인력.
- 폐기 위험 — 특히 유통기한 있는 품목은 과잉이 곧 폐기.
그래서 안전재고는 “많을수록 안전”이 아니라, 품절 비용과 보유 비용이 균형을 이루는 지점으로 잡는다. 이 균형점은 품목마다 다르고, 소비·리드타임이 바뀌면 함께 바뀐다. 그래서 한 번 정하고 방치하지 않고, 실제 품절·과잉 상황을 보며 조정한다.
자주 묻는 질문
Q. 안전재고 공식이 여러 개던데 뭘 써야 하나요? A. 통계적 공식(수요·리드타임의 표준편차, 서비스수준 등)이 있지만, 데이터가 부족하면 우선 과거 최대 소비·최대 리드타임을 기준으로 여유를 잡고 운영하며 조정하는 실무적 접근도 유효하다.
Q. 계절성이 큰 품목은 어떻게 하나요? A. 평균만 보면 성수기에 품절, 비수기에 과잉이 난다. 계절 패턴을 반영해 시기별로 발주점·안전재고를 달리 잡아야 한다. 이런 패턴 반영은 AI 예측이 특히 유리하다.
정리하면 발주점은 “언제”, 발주량은 “얼마를”, 안전재고는 “여유를 얼마나”의 문제이며, 핵심 변수는 리드타임과 변동성이다. 품목이 많아지면 사람이 감당 못 하므로, 과거 데이터 기반의 자동 발주 추천이 품절과 과잉을 동시에 줄이는 현실적 해법이다.