오피킹이 늘었다는 걸 알아도 “왜 늘었는지”를 모르면 대응이 안 된다. 오피킹 건수를 그냥 세는 게 아니라, 어떤 SKU에서, 누가, 어떤 시간대에 만드는지를 쪼개야 원인이 보인다. COUNTIFS 함수 하나면 충분하다.
오피킹 데이터를 어떻게 모을 것인가
오피킹이 발생했을 때 구두로만 처리하면 데이터가 쌓이지 않는다. 최소한 날짜, 오더 번호, 해당 SKU, 담당 작업자, 발생 시간, 오류 유형을 기록하는 구글 폼이나 엑셀 로그가 있어야 한다. 이 기록이 없으면 분석 자체가 불가능하다.
SKU별 오피킹 빈도
=COUNTIFS(SKU열, "SKU-001", 유형열, "오피킹")
특정 SKU에서 오피킹이 반복된다면 로케이션 라벨이 훼손됐거나, 비슷하게 생긴 SKU와 혼재돼 있거나, 로케이션 자체가 잘못 등록된 경우가 많다. 현장에서 직접 확인하면 대부분 눈에 바로 보인다.
작업자별 오피킹 빈도
=COUNTIFS(작업자열, "이름", 유형열, "오피킹")
특정 작업자에게 오피킹이 집중된다면 교육 문제일 수도 있고, 그 작업자가 주로 담당하는 구역의 로케이션 문제일 수도 있다. 단순히 “저 사람이 자주 틀린다”로 끝내면 해결이 안 된다. 같은 구역을 다른 작업자가 담당했을 때도 비슷한 오류가 나는지를 확인해봐야 사람 문제인지 구역 문제인지 구분된다.
시간대별 오피킹 빈도
=COUNTIFS(시간대열, "09-12", 유형열, "오피킹")
오전 피크 시간에 오피킹이 집중된다면 속도 압박이 원인일 가능성이 크다. 오후 저물량 시간에 집중된다면 집중력 저하나 인력 배치 문제를 의심한다. 시간대별 오피킹과 시간대별 처리 건수를 같이 보면 오피킹률을 시간대별로 계산할 수 있다.
분석 결과를 어떻게 쓸 것인가
COUNTIFS로 뽑은 숫자들을 보면 원인이 하나로 수렴하는 경우가 많다. “이 3개 SKU에서만 오피킹의 40%가 나온다”거나 “이 작업자의 오피킹 건수가 팀 전체의 30%다”처럼. 이 숫자를 가지고 현장을 다시 보면 해결책이 보인다.
데이터 없이 “전반적으로 주의를 기울이자”는 말로 오피킹을 줄이려 하면 안 줄어든다. 어디서 나오는지를 특정하고, 그 지점만 집중해서 개선하는 게 훨씬 빠르다.