TL;DR

• Fill Rate는 일반 예측 정확도 지표가 아니라 공급망 운영 지표다.
• 고객이 주문하거나 요구한 수량 중 실제로 충족된 수량의 비율을 본다.
• 이 노트에서는 quantity fill rate와 OTIF(On-Time In-Full)를 구분해서 사용한다.

Fill Rate

Fill Rate는 고객이 주문하거나 요구한 수량 중 실제로 충족된 수량의 비율을 나타내는 공급망 운영 지표다. 핵심 목적은 예측값과 실제값의 거리 측정이 아니라, 실제 수요를 재고·공급으로 얼마나 충족했는지를 측정하는 것이다.

$$\mathrm{FillRate}=\frac{\text{Quantity fulfilled}}{\text{Total quantity requested}}\times 100$$

분자는 실제로 충족된 수량이고, 분모는 고객이 주문하거나 요구한 총 수량이다. 이 노트에서는 이 일반 정의를 quantity fill rate로 다룬다.

단, “제때 온전히 배송”까지 포함하면 OTIF(On-Time In-Full)에 가까운 정의가 된다. 따라서 Fill Rate를 사용할 때는 quantity fill rate인지, order fill rate인지, 또는 on-time in-full 조건을 포함한 지표인지 명시해야 한다.

수요 예측에서의 정의

Fill Rate는 “주문 수요의 몇 퍼센트를 충족했는가” 를 본다. 주문 수량이 100개이고 그중 92개를 충족했다면 Fill Rate는 92%다.

따라서 Fill Rate는 결품이나 부분 충족을 공급망 운영 성과로 드러내는 지표다. 지연 배송까지 포함해 평가한다면 일반적인 quantity fill rate보다 엄격한 OTIF 계열 지표로 해석해야 한다.

예를 들어 고객이 100개를 주문했고 92개를 출고했지만, 그중 88개만 약속 시점에 온전히 도착했다면 quantity fill rate는 92%이고 OTIF 기준 충족률은 88%다.

집계 수준에 따라 해석도 달라진다. SKU A에서 요청 1000개 중 980개를 충족하면 Fill Rate는 98%이고, SKU B에서 요청 50개 중 25개를 충족하면 50%다. 두 SKU를 합산하면 전체 Fill Rate는 $1005/1050\approx 95.7\%$이므로, SKU B의 결품 문제는 전체 수치에 가려질 수 있다.

일반 정확도 지표가 아니다

Fill Rate는 forecast와 actual의 거리 자체를 측정하지 않는다. 예측 모델이 정확했는지보다, 실제 운영에서 고객 주문을 얼마나 충족했는지를 측정한다.

일반 회귀·시계열 문제에서는 MAE, WAPE, Forecast Bias처럼 예측 오차를 직접 계산하는 지표와 구분해야 한다.

예측과의 관계

수요 예측은 Fill Rate에 간접적으로 영향을 준다. 과소예측은 재고 부족과 결품을 통해 Fill Rate를 낮출 수 있고, 과대예측은 Fill Rate 자체에는 직접 반영되지 않지만 과잉재고·폐기 비용을 키울 수 있다.

예측값을 그대로 발주량 또는 공급 가능량으로 실행한다고 가정하면, 다음 근사식으로 예측 기반 충족률을 계산할 수 있다.

$$\mathrm{ProxyFillRate}=\frac{{\sum }_t\min ({\hat{y}}_t,y_t)}{{\sum }_t{y}_t}$$

여기서 $y_t$는 실제 주문 수요, ${\hat{y}}_t$는 예측에 기반해 준비한 공급량이다. 이 식은 “예측이 실제 수요를 얼마나 맞혔는가”가 아니라, 예측을 공급 계획으로 실행했을 때 수요 중 얼마를 충족할 수 있었는가를 근사한다. 따라서 원래 Fill Rate 정의의 분자인 실제 충족 수량을 관측할 수 있을 때는 실제 운영 데이터로 계산해야 한다.

단, 시간 단위를 크게 집계하면 일별·시간별 결품을 숨길 수 있다. 실제 운영에서는 발주, 보충, 배송 의사결정이 일어나는 granularity에서 계산해야 한다.

따라서 수요 예측 모델을 운영 지표와 연결할 때는 Fill Rate를 MAE, WAPE, Forecast Bias, 재고 비용, 폐기율과 함께 봐야 한다.

수요 예측에서의 사용

• 재고·발주 문제에서 과소예측으로 인한 재고 부족 위험을 감시할 때 유용하다.
• 판매량 예측을 공급 계획에 연결할 때 운영 해석이 쉽다.
• 과대예측으로 생기는 폐기·과잉재고 비용은 별도 메트릭으로 봐야 한다.

한계

• 과대예측이나 초과 공급으로 생기는 비용은 Fill Rate에 직접 반영되지 않는다.
• Fill Rate만 높이려 하면 과잉재고를 감수하는 전략이 유리해질 수 있다.
• 예측 정확도 자체를 평가하는 지표가 아니므로 모델 비교에는 단독으로 쓰기 어렵다.
• 재고가 부족하면 관측 판매량은 실제 고객 수요가 아니라 “재고가 있어서 팔 수 있었던 수량”만 기록한다. 이 관측 판매량을 총 수요로 사용하면 Fill Rate의 분모가 실제보다 작아져, 결품이 있었는데도 지표가 높게 계산될 수 있다.
• 집계 수준이 너무 크면 특정 SKU, 매장, 일자에서 발생한 결품이 전체 Fill Rate에 가려질 수 있다.
• 실제 운영에서는 Forecast Bias, WAPE, 폐기율 또는 재고 비용과 함께 봐야 한다.

---

Connections

• Forecast Bias — 과대예측/과소예측 방향성을 본다.
• WAPE — 전체 수요 대비 절대 오차를 본다.
• MAE — 원래 단위의 평균 절대 오차를 본다.
• SKU (Stock Keeping Unit) — Fill Rate를 어떤 상품 단위에서 볼지 결정한다.

Related MOCs

• [[MOCs - Time Series Forecasting Metrics]]