Ch9. 경영과학 — 데이터와 수학으로 의사결정하는 방법

경영과학이란

**경영과학(Management Science / Operations Research)**은 수학·통계·컴퓨터 모델링을 사용하여 복잡한 경영 문제의 최적 해결책을 찾는 학문입니다.

직관과 경험에 의존하는 의사결정의 한계를 보완합니다. 대규모 데이터와 복잡한 제약 조건이 있는 문제에서 위력을 발휘합니다.

경영과학의 적용 분야:

물류·재고 최적화 (어디에 창고를 두고, 재고를 얼마나 유지할 것인가)
프로젝트 일정 관리 (어떤 순서로 작업을 진행할 것인가)
인력 스케줄링 (어떤 직원을 언제 배치할 것인가)
금융 포트폴리오 최적화 (수익 극대화, 위험 최소화)

의사결정 분석

불확실성 하의 의사결정

현실에서 많은 의사결정은 미래 상태를 모르는 상황에서 이루어집니다.

의사결정 유형:

유형	특징	기준
확실성 하의 결정	결과를 알고 있음	최적 선택 단순
위험 하의 결정	확률을 알고 있음	기대값(EMV) 기준
불확실성 하의 결정	확률도 모름	maximin / maximax

기대화폐가치(EMV)

EMV = Σ (결과값 × 확률)

예시:

신제품 출시 여부 결정
시장이 호황(확률 0.6): 1억 원 이익
시장이 불황(확률 0.4): 3,000만 원 손실

EMV = 1억 × 0.6 + (–3,000만) × 0.4 = 6,000만 – 1,200만 = 4,800만 원

EMV > 0이므로 출시가 유리한 결정.

의사결정 나무 (Decision Tree)

연속적인 의사결정을 나무 구조로 시각화합니다.

             [호황: 0.6] → +1억
출시 ──────
             [불황: 0.4] → –3천만

미출시 ──── [확실] → 0원

의사결정 나무는 **역방향 계산(rollback)**으로 분석합니다. 끝에서부터 EMV를 계산해 올라오면서 각 분기점에서 최적 결정을 선택합니다.

선형계획법 (Linear Programming)

개념

여러 제약 조건 하에서 목적 함수를 최대화(또는 최소화)하는 방법.

“자원이 제한되어 있을 때 어떻게 배분하면 최대 이익인가?”

LP 기본 구조

최대화: Z = 5X + 4Y  ← 목적 함수 (이익)
제약 조건:
  6X + 4Y ≤ 24  ← 자원 A 사용 한도
  X + 2Y ≤ 6   ← 자원 B 사용 한도
  X, Y ≥ 0     ← 비음 조건

해법: 제약을 그래프로 표현하면 실현가능 영역(feasible region)이 생기고, 목적 함수의 최적값은 항상 꼭짓점(corner point) 중 하나에 존재합니다.

실무 적용

생산 계획: 제품 A, B를 생산할 때 기계·인력·재료 한도 내에서 이익 극대화
물류: 여러 창고에서 여러 수요지로 운송비 최소화 (수송 문제)
마케팅 예산 배분: 채널별 제약 내에서 노출 최대화

PERT / CPM — 프로젝트 일정 관리

개념

복잡한 프로젝트를 활동(activity)들의 네트워크로 나타내고, 전체 프로젝트 완료 시간을 계산합니다.

CPM(Critical Path Method): 각 활동 소요 시간이 확정적일 때
PERT(Program Evaluation and Review Technique): 소요 시간이 불확실할 때 (낙관·비관·최빈 추정치 사용)

주요 개념

주공정(Critical Path): 프로젝트 완료까지 가장 긴 경로. 이 경로의 지연 = 전체 완료 지연.

여유시간(Slack/Float): 전체 일정에 영향 없이 활동을 늦출 수 있는 시간.

Slack = 최늦시작시간(LS) - 최조시작시간(ES)

주공정 위의 활동은 Slack = 0.

PERT 시간 추정

낙관 추정(a), 비관 추정(b), 최빈 추정(m)으로 기대 시간을 계산합니다.

기대 시간 = (a + 4m + b) / 6
분산 = [(b - a) / 6]²

실무 활용

대규모 IT 프로젝트, 건설 프로젝트, 제조 라인 신설에서 자원 배분과 일정 최적화에 사용됩니다.

재고 관리 모델

EOQ(Economic Order Quantity) 재확인

(6강에서 소개) 연간 수요량 D, 1회 주문 비용 S, 단위당 보관 비용 H로 최적 주문량을 계산합니다.

EOQ = √(2DS / H)

안전재고와 재주문점

안전재고: 수요 변동에 대비한 여유 재고. 서비스 수준(stockout 확률)과 재고 비용의 트레이드오프.

재주문점(Reorder Point):

ROP = 리드타임 동안의 평균 수요 + 안전재고

재주문점에 도달하면 주문을 발행합니다.

대기 이론 (Queuing Theory)

고객이 서비스를 기다리는 상황의 수학적 모델입니다.

핵심 지표:

λ: 고객 도착률 (시간당 도착 수)
μ: 서비스율 (시간당 처리 수)
ρ = λ/μ: 서버 이용률

M/M/1 대기 모델 (단일 창구, 랜덤 도착, 랜덤 서비스):

평균 대기 시간 = ρ / [μ(1 - ρ)]
평균 시스템 내 고객 수 = ρ / (1 - ρ)

ρ가 1에 가까울수록 대기 시간이 폭발적으로 증가합니다.

실무 적용: 은행 창구 수 결정, 콜센터 상담사 배치, 병원 응급실 최적화.

시뮬레이션

몬테카를로 시뮬레이션

불확실성이 있는 복잡한 시스템을 무작위 난수를 사용해 수천 번 모의 실험합니다.

원리: 확률 분포에서 난수를 뽑아 결과를 계산 → 이를 수만 번 반복 → 결과의 분포와 기대값을 추정.

응용:

신제품 출시의 NPV 분포 추정 (수요·비용이 확률적)
건설 프로젝트의 기간·비용 초과 위험 평가
금융 포트폴리오의 VaR(위험가치) 계산

이산 사건 시뮬레이션

제조 라인, 물류 네트워크, 서비스 프로세스 등 복잡한 운영 시스템을 컴퓨터로 모의 실행합니다. 병목 찾기, 용량 계획, 규칙 변경 효과 사전 평가에 사용됩니다.

경영과학의 한계와 보완

경영과학 모델은 강력하지만 한계도 분명합니다.

한계:

모델은 현실의 단순화: 모든 변수를 포함하지 못함
가정에 민감: 수요 분포, 비용 구조 등 가정이 틀리면 결론도 틀림
데이터 품질 의존: 쓰레기 입력 → 쓰레기 출력 (Garbage In, Garbage Out)
인간·조직 요소 제외: 문화, 정치, 저항을 모델에 담기 어려움

보완 방법:

민감도 분석(sensitivity analysis): 핵심 가정이 바뀌면 결론이 어떻게 달라지는지 확인
시나리오 분석: 낙관·기준·비관 시나리오 각각 계산
모델 결과 + 경험적 판단의 결합

학습 체크리스트

EMV를 계산하여 기대값 기반 의사결정을 내릴 수 있다
선형계획법의 목적 함수와 제약 조건 구조를 설명할 수 있다
PERT/CPM에서 주공정과 여유시간을 구할 수 있다
재주문점 계산 방법을 설명할 수 있다
몬테카를로 시뮬레이션의 원리를 설명할 수 있다

핵심 개념 카드

리더십 이론 발전 흐름 ★★★★ : ① 특성이론(Trait Theory): 선천적 특성이 리더 결정 (초기, 단점: 상황 무시). ② 행동이론: 오하이오·미시간 연구, 관리격자(Blake-Mouton). ③ 상황이론: 피들러·허시-블랜차드(상황적 리더십). ④ 변혁적 vs 거래적 리더십. ⑤ 서번트·진성 리더십.

허시-블랜차드 상황적 리더십 ★★★★★ : 부하의 성숙도(능력+의지)에 따라 리더십 스타일 조정. S1(지시형, 저성숙): 높은 과업·낮은 관계. S2(코칭형): 높은 과업·높은 관계. S3(지원형): 낮은 과업·높은 관계. S4(위임형, 고성숙): 낮은 과업·낮은 관계. 암기 포인트: 성숙도 낮음→지시형, 높음→위임형

변혁적 vs 거래적 리더십 ★★★★ : 거래적 리더십: 보상·처벌로 부하 동기부여 (교환 관계, 현상 유지). 변혁적 리더십: 비전 제시·영감 고취·지적 자극·개별적 배려로 부하가 자발적으로 기대 이상 성과 (4I: 카리스마·영감·지적자극·개별배려).

실전 퀴즈

Q. 허시-블랜차드 모형: 능력↑의지↓인 부하에게 적합한 리더십 스타일은?

S3 지원형(Supporting). 능력은 있으나 자신감·의지 부족 → 과업 지시 최소, 관계(격려·지지) 강화.

OIYO 편집부