중소 제조업체를 위한 제조 데이터 분석시스템의 구현 성과에 대한 연구: 소성업종을 중심으로 The Study on the Implementation Performance of Manufacturing Data Analysis System for SMEs Manufacturers : Focusing on The Burning Industry원문보기
현재 세계는 산업과 정보통신기술 융합의 4차 산업혁명 시대에 진입하고 있다. 4차 산업혁명은 가치사슬 전반의 다양한 사물이 네트워크로 연결되고 소통하면서 산업 전반의 혁신을 이루어내는 것을 말한다. 제조업에서 4차 산업혁명의 적용은 스마트 제조 혁신에 있다. 스마트 제조 혁신은 생산 현장의 정보를 모두 데이터화하여, 이를 기반으로 제조의 지능적 운영을 달성하는 것이다. 생산 현장에서 발생하는 현상과 문제들에 대한 상관관계를 분석하고, 분석 결과를 생산 현장에 적용 및 제어하여 최적의 생산 운영으로 생산성을 향상시키게 된다. 하지만, 중소 제조업체에 있어서 스마트 제조 혁신의 적용은 많은 어려움이 존재한다. ...
현재 세계는 산업과 정보통신기술 융합의 4차 산업혁명 시대에 진입하고 있다. 4차 산업혁명은 가치사슬 전반의 다양한 사물이 네트워크로 연결되고 소통하면서 산업 전반의 혁신을 이루어내는 것을 말한다. 제조업에서 4차 산업혁명의 적용은 스마트 제조 혁신에 있다. 스마트 제조 혁신은 생산 현장의 정보를 모두 데이터화하여, 이를 기반으로 제조의 지능적 운영을 달성하는 것이다. 생산 현장에서 발생하는 현상과 문제들에 대한 상관관계를 분석하고, 분석 결과를 생산 현장에 적용 및 제어하여 최적의 생산 운영으로 생산성을 향상시키게 된다. 하지만, 중소 제조업체에 있어서 스마트 제조 혁신의 적용은 많은 어려움이 존재한다. IT인프라 구축에 필요한 많은 시간과 비용, 대기업 위주의 스마트 공장 솔루션, 도입 목적을 잊고 데이터 수집에만 초점이 맞추어져 있는 현상 등이 큰 장벽으로 나타나고 있다. 본 논문은 중소 제조업체의 스마트 제조 혁신의 적용을 위한 제조 데이터 자동 수집 및 분석 시스템을 구현하고 성과를 측정하였다. 생산성 향상을 위한 목표 지표를 수립하고, 그에 따른 제조 데이터를 수집하였고, ERP 시스템과 통합하여 다른 정보들과 함께 분석될 수 있도록 하였다. 설계된 시스템은 소성 업종의 중소 제조업체에 구현하여, 구현 전과 후의 생산성 지표를 측정하였고, 소성 공정을 포함하는 24개 중소 제조업체를 상대적 효율성을 DEA 기법에 의하여 분석하여 구현 성과를 검정하였다. 본 논문에서 구현하고자 하는 시스템을 위해 2장에서 선행연구 및 이론적인 검토를 진행하였다. 2장의 1절에서는 문헌 연구를 통하여 생산 운영 관리와 제조 생산성에 대한 개념과 종류에 대해 고찰하였으며, 2절에서는 제조 데이터의 의미와 제조 데이터의 가치와 활용에 대한 선행 연구를 탐구하였다. 3절에서는 시스템 구현 성과 분석을 위한, 상대적 평가 방법인 DEA 기법에 대하여 고찰하였다. 4절에서 시스템의 관련 기술인 디지털 전환, 사물인터넷, OPC-UA, ERP 시스템에 대한 관련 자료와 선행 연구들을 탐구하였다. 제 3장에서는 선행연구와 이론적인 검토를 토대로 시스템을 설계하여, 소성 업종의 중소 제조업체에 구현하였다. 시스템은 크게 데이터 수집/축적/분석의 세 단계 Layer로 구성되어 있으며, 제조 데이터 기준 체계를 통해 데이터 수집과 축적이 이루어지도록 설계되었다. 확보된 데이터는 ERP 시스템의 기준정보와 연결되어, 분석 및 활용할 수 있도록 하였다. 제 4장에서는 시스템 구현 전과 후의 생산성 지표를 비교하여 직ˑ간접적인 영향으로 목표한 생산성지표가 모두 향상된 것을 확인할 수 있었으며, DEA 기법으로 실행된 통계적 성과 평가를 실행한 결과 제조 데이터 수집 및 분석 시스템은 경영성과에 유의미한 영향이 있는 것으로 나타났다. 본 논문의 결론은 다음과 같다. 첫 번째는 생산 현장의 정보를 ERP 시스템까지 연계된 시스템을 구현하여 생산성 향상에 활용하였다는 점이다. 두 번째는 단기적이고, 가시적인 목표에 따른 단계적인 스마트 제조 혁신의 방안을 마련했다는 점이다. 세 번째는 제조 데이터의 수집 및 분석이 기업 생산성을 향상시키며, 경영성과에 긍정적인 영향을 줄 수 있다는 것을 실증적으로 증명했다는 점이다. 본 연구를 통하여 기간업무시스템인 ERP 시스템에 연계되는 제조데이터를 수집하여 분석할 수 있는 제조실행시스템은 생산성과 효율성에서 성과가 있음을 증명하였다. 제조현장에서의 지속적인 개선활동을 위해서는 딥러닝 데이터 학습모듈에 의한 인공지능 알고리즘의 적용으로 제조최적화를 기할 수 있는 실험적 연구가 향후 계속 이루어져야 할 것이다.
현재 세계는 산업과 정보통신기술 융합의 4차 산업혁명 시대에 진입하고 있다. 4차 산업혁명은 가치사슬 전반의 다양한 사물이 네트워크로 연결되고 소통하면서 산업 전반의 혁신을 이루어내는 것을 말한다. 제조업에서 4차 산업혁명의 적용은 스마트 제조 혁신에 있다. 스마트 제조 혁신은 생산 현장의 정보를 모두 데이터화하여, 이를 기반으로 제조의 지능적 운영을 달성하는 것이다. 생산 현장에서 발생하는 현상과 문제들에 대한 상관관계를 분석하고, 분석 결과를 생산 현장에 적용 및 제어하여 최적의 생산 운영으로 생산성을 향상시키게 된다. 하지만, 중소 제조업체에 있어서 스마트 제조 혁신의 적용은 많은 어려움이 존재한다. IT 인프라 구축에 필요한 많은 시간과 비용, 대기업 위주의 스마트 공장 솔루션, 도입 목적을 잊고 데이터 수집에만 초점이 맞추어져 있는 현상 등이 큰 장벽으로 나타나고 있다. 본 논문은 중소 제조업체의 스마트 제조 혁신의 적용을 위한 제조 데이터 자동 수집 및 분석 시스템을 구현하고 성과를 측정하였다. 생산성 향상을 위한 목표 지표를 수립하고, 그에 따른 제조 데이터를 수집하였고, ERP 시스템과 통합하여 다른 정보들과 함께 분석될 수 있도록 하였다. 설계된 시스템은 소성 업종의 중소 제조업체에 구현하여, 구현 전과 후의 생산성 지표를 측정하였고, 소성 공정을 포함하는 24개 중소 제조업체를 상대적 효율성을 DEA 기법에 의하여 분석하여 구현 성과를 검정하였다. 본 논문에서 구현하고자 하는 시스템을 위해 2장에서 선행연구 및 이론적인 검토를 진행하였다. 2장의 1절에서는 문헌 연구를 통하여 생산 운영 관리와 제조 생산성에 대한 개념과 종류에 대해 고찰하였으며, 2절에서는 제조 데이터의 의미와 제조 데이터의 가치와 활용에 대한 선행 연구를 탐구하였다. 3절에서는 시스템 구현 성과 분석을 위한, 상대적 평가 방법인 DEA 기법에 대하여 고찰하였다. 4절에서 시스템의 관련 기술인 디지털 전환, 사물인터넷, OPC-UA, ERP 시스템에 대한 관련 자료와 선행 연구들을 탐구하였다. 제 3장에서는 선행연구와 이론적인 검토를 토대로 시스템을 설계하여, 소성 업종의 중소 제조업체에 구현하였다. 시스템은 크게 데이터 수집/축적/분석의 세 단계 Layer로 구성되어 있으며, 제조 데이터 기준 체계를 통해 데이터 수집과 축적이 이루어지도록 설계되었다. 확보된 데이터는 ERP 시스템의 기준정보와 연결되어, 분석 및 활용할 수 있도록 하였다. 제 4장에서는 시스템 구현 전과 후의 생산성 지표를 비교하여 직ˑ간접적인 영향으로 목표한 생산성지표가 모두 향상된 것을 확인할 수 있었으며, DEA 기법으로 실행된 통계적 성과 평가를 실행한 결과 제조 데이터 수집 및 분석 시스템은 경영성과에 유의미한 영향이 있는 것으로 나타났다. 본 논문의 결론은 다음과 같다. 첫 번째는 생산 현장의 정보를 ERP 시스템까지 연계된 시스템을 구현하여 생산성 향상에 활용하였다는 점이다. 두 번째는 단기적이고, 가시적인 목표에 따른 단계적인 스마트 제조 혁신의 방안을 마련했다는 점이다. 세 번째는 제조 데이터의 수집 및 분석이 기업 생산성을 향상시키며, 경영성과에 긍정적인 영향을 줄 수 있다는 것을 실증적으로 증명했다는 점이다. 본 연구를 통하여 기간업무시스템인 ERP 시스템에 연계되는 제조데이터를 수집하여 분석할 수 있는 제조실행시스템은 생산성과 효율성에서 성과가 있음을 증명하였다. 제조현장에서의 지속적인 개선활동을 위해서는 딥러닝 데이터 학습모듈에 의한 인공지능 알고리즘의 적용으로 제조최적화를 기할 수 있는 실험적 연구가 향후 계속 이루어져야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.