선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 재공품 재고 WIP의 최소화, 생산율 (Production Rate)의 최대화, 물류장비 사용률의 최대화, 시스템 가용도(System Availability)의 최대화 및 시스템 비용(Cost) 의 최소화 등이 있으며 이러한 결정문제들은 시스템성능에 큰영향을 미칠 수 있다. 본 연구에서는 최적의 자동차 차체조립공정설계를 위하여 시뮬레이션 방법 및 자체 개발한 생산 시스템 성능평가 프로그램을 이용한 비교 연구를 수행하였다. 이를 위하여 먼저 자체 개발한 시스템 성능산정 방법으로 시스템의 초기 해를 산정하고 세부 생산라인의 고장Data와 조립라인의 구성 및 운반장비 등의 다양한 패러메터들을 고려하기위하여 물류 시뮬레이션 Package인 FACTOR/AIM (Pritsker Co.
가설 설정
- 이를 위해 본 시스템의 고장 데이터를 과거의 데이터로부터 차체조립 공장에 사용되는 설비들의 고장 및 수리 시간을 지수분포로 추정하고, 단위설비 간 고장은 서로 관련이 없음을 가정하여 추정 평균값을와 같이 구하였다.
제안 방법
- 2차 개선을 위하여 각 라인의 고장률을 고려하였다. 본 시뮬레 이션 모델에 고려한 조립 라인은 직 렬 결합형 태이므로 각 라인의 고장률을 각각 계산하여 라인 간의 관계를<그림 6>과 같이 FTA(Fault Tree Analysis)로 나타내었다.
- 3차 개선을 위한 시뮬레이션에서는 각 생산라인의 라인 밸런싱을 고려하여 작업시간을 단축하기 위한 개 선으로 작업 시간을 다음과 같이 조정 하였다.
- FACTOR/AIM을 이용하여 차체조립공정의 성능 분석을 위하여 차체조립 시스템을 재구축하고 이에 소요되는 각종 Data 를 분석하였다. 본 차체조립 공정은 다음 가정 사항에 따라 운행이 된다.
- 각 생산라인의 고장은 단일설비 고장시 각 생산라인의 전체가동이 중지되므로 생산라인의 고장은 직렬결합 시스템으로구성하고, 이에 따른 신뢰도를 산정 하였다. 시뮬레이션 모델링 후 시뮬레이션 수행 시 1회 작업수행 시 간은 696시 간, 반복횟수는 5회, 총 수행된 시뮬레이션 시간은 3120시간이고, 1 회수행시간 696시간 중에서 처음 72시간이후 결과값이 안정상태(Steady State)가 되므로 처음 72시간을 전체 시뮬레이션 시간에서 제외시켰다.
- 그리고 시간당 평균 생산량은 64.169개/시간으로 목표 생산요구량, 70개/시간을 달성하지 못하여 목표 생산량을 만족시키기 위한 대안을 다음과 같이 1~3차의 개선대안을 제시하였다.
- 단계 1에서 구한 초기해로부터 실제 제조공정의 환경문제들을 고려하고 고장 Data 분석을 하기 위해 ExpertFit(Averill, 1995)를사용하였으며 고장분포를 산정한 후 초기 시스템 구축 및 목표 생산능력을 만족하는 시스템을 구하기 위해 단계별로시뮬레이션을 수행하여 생산라인을 변화시킴으로써 요구되는 시스템을 구축하는 분석적 방법을 사용하였으며 K자동차회사의 목표 생산량 70대/시간을 만족하는 시스템을 구축하기위한 개선방안들을 순차적으로 제시하였다.
- 즉, 단계 1에서는 분석적인 방법(CQN)으로 RAM을 고려하지 않은 상태에서 요구되는 시스템성능을 만족하는 초기 해를 구하였으며, 이를 위하여 CAN-Q를 확장하여 개발한 CAN-WIP 모델을 사용하였다. 단계 2에서는 단계 1에서 구한 초기해로부터 실제 제조공정에 고려해야할 환경을 고려할 수 있는 시뮬레이션(FACTOR/AIM) 방법을 사용하여 각 단계마다 시스템개선 기준을 설정하고 시스템 설계를 변화시킴으로써 주어진시스템을 개선하였다. 위의 분석과정을 위하여 전산프로그램을 개발하고 Simulator를 사용하는 과정을 보였으며, 이를 K 자동차 회사의 신설 차체공장의 문제에 응용하고 목표 성능 70대/시간을 만족하는 조립공정설계를 위한 기본 자료를 구하였다.
- 먼저 CAN-WIP에서 산정된 생산라인의 캐리어, 즉 생산량 증대를 위하여 임시 저장공간을 증가시켰다. 초기 시스템의 생산라인에서 발생하는 평균 중간재고의 수를 기본적으로 제공하는 캐리어 대수를 사용률이 낮은 구간에는 캐리어 대수를 증가하지 않았으며 사용률이 큰 구간에 캐리어 대수를 증가 시켜 개선안을 구하였다.
- 목표 생산능력 및 비용을 만족하는 최적시스템을 구하기 위하여 각 단계마다 애로공정의 설비의 수를 한 단위씩 증가시키면서 목표 생산능력을 만족하는 시스템을 구축하였다. 본 연구에서 사례로 분석한 K 자동차회사의 차체생산조립라인의 공정설계 예제를 들어 본 모델을 이용하여 목표 생산량 70대/시간을 만족하는 초기 해를 구하였으며, <그림 3>과같은 차체조립 흐름도를 사용하였다.
- 목표 생산량을 만족하는 시스템을 구하기 위하여 주어 진조건들을 고려하여 다음과 같이 3개 단계에 걸쳐서 개선하였다.
- 본 시뮬레 이션 모델에 고려한 조립 라인은 직 렬 결합형 태이므로 각 라인의 고장률을 각각 계산하여 라인 간의 관계를과 같이 FTA(Fault Tree Analysis)로 나타내었다.
- 본 연구는 자동차 차체조립 공정의 설계에서 주어진 목표 생산량을 만족하기 위한 2단계의 접근 방법을 사용하였다. 즉, 단계 1에서는 분석적인 방법(CQN)으로 RAM을 고려하지 않은 상태에서 요구되는 시스템성능을 만족하는 초기 해를 구하였으며, 이를 위하여 CAN-Q를 확장하여 개발한 CAN-WIP 모델을 사용하였다.
- 본 연구에서 사례로 분석한 K 자동차회사의 차체생산조립라인의 공정설계 예제를 들어 본 모델을 이용하여 목표 생산량 70대/시간을 만족하는 초기 해를 구하였으며, 과같은 차체조립 흐름도를 사용하였다.
- 본 연구에서는 차체조립 공정의 분석방법으로과 같이 2단계 접근방법을 사용하였으며 단계 1에서 초기 해를 구하기 위하여 CAN-Q 모델(Solberg, 1980)로부터 확장 개발한 CAN-WIP 모델을 이용하였으며, 단계 2에서 실제 제조환경을고려한 시뮬레이션 방법을 사용하여 목표 성능을 만족하는 최적시스템을 구성하기 위한 개선 방법을 제시하였다.
- 본 예제의 차체조립 시스템에서는 최대 케리어 대수를 30대로 제한하였으므로 각 공정 에 30대 모두 할당하고 시뮬레이션결과 출력된 평균 캐리어 사용 대수와 그 표준 편차를 고려하여 조정하였다. 시뮬레이션 결과의 케리어 평균대수와 편차를 고려하여 데이터를 모두 만족시킬 수 있는 캐리어 대수를선정시, 1차 개선라인의 평균 생산량은 66.
- 앞에서 제시한 수식들을 이용한 계산을 위해 CAN-WIP 모델을 개발하여 사용하였으며, 이를 이용하여의 모델흐름도 중 단계 1의 초기시스템의 결정을 위해 우선 설비를 각 라인에 한 대씩만 배치시키는 것을 가정하고, 충분한 완충 저장시설(Buffer Size)을 가지는 조건하에서 초기시스템을 구하였다.
- 여기서와 같은 공정도를 따라 초기해로 부터 각 개선모델을 구하기 위하여 개선기준을 만들어 최선의 대안을 구하였다.
- 위에서 제시한 자동차 차체 공장의 초기시스템은 각 라인별로 한 대의 설비가 배치된 총 9대의 설비로 시작하여 CAN-WIP 모델을 이용하여 각 단계마다 애로공정의 라인 내에 장비를 한 단위씩 증가시키면서 시스템의 목표성능(예 : 70개/시간)을 만족하는 시스템을 구축하였다. 이와 같이 각 라인에 배치되는 설비의 수를 증가시키면서 시스템의 생산율(개/ 시간)과 사용률이 최대가 되고 각 완충 저장시설의 부하량이최소가 되는 개선 대안을 구하였으며 예제 시스템의 목표량을만족하는 단계 1의 최종시스템을 구축하였다.
- 단계 2에서는 단계 1에서 구한 초기해로부터 실제 제조공정에 고려해야할 환경을 고려할 수 있는 시뮬레이션(FACTOR/AIM) 방법을 사용하여 각 단계마다 시스템개선 기준을 설정하고 시스템 설계를 변화시킴으로써 주어진시스템을 개선하였다. 위의 분석과정을 위하여 전산프로그램을 개발하고 Simulator를 사용하는 과정을 보였으며, 이를 K 자동차 회사의 신설 차체공장의 문제에 응용하고 목표 성능 70대/시간을 만족하는 조립공정설계를 위한 기본 자료를 구하였다. 본 연구는 추후 보완 개발될 경우 차체조립 공정개선에유용하게 활용 될 수 있을 것이다.
- 본 시뮬레 이션 모델에 고려한 조립 라인은 직 렬 결합형 태이므로 각 라인의 고장률을 각각 계산하여 라인 간의 관계를<그림 6>과 같이 FTA(Fault Tree Analysis)로 나타내었다. 이 FTA 분석결과를 이용하여 (라인 간의 관계와 어느 라인부터 2차 개선사항을적용시킬지를 보여주고 있음) 고장률이 큰 라인부터 2차 개선사항을 적용시켰다. FTA분석에 따른 조립라인의 평균 생산량은 69.
- 3) 작업순서를 FIFO 정책에 따라 이루어지고 있으며 다른 작업순서 정책을 고려할 경우는 그 결과가 다르게 될 가능성이 크다. 이를 보완하기 위하여 단계 2에서 설명 될 FACTOR/AIM을 이용한 시뮬레 이 션 방법으로 구한 분석결과를 보였다.
- 본 연구에서는 최적의 자동차 차체조립공정설계를 위하여 시뮬레이션 방법 및 자체 개발한 생산 시스템 성능평가 프로그램을 이용한 비교 연구를 수행하였다. 이를 위하여 먼저 자체 개발한 시스템 성능산정 방법으로 시스템의 초기 해를 산정하고 세부 생산라인의 고장Data와 조립라인의 구성 및 운반장비 등의 다양한 패러메터들을 고려하기위하여 물류 시뮬레이션 Package인 FACTOR/AIM (Pritsker Co., 1993)을 이용하여 요구되는 생산 능력을 만족하는 시스템의 구성 및 성능 평가를 한 결과를 비교하여 보였다.
- 장비를 한 단위씩 증가시키면서 시스템의 목표성능(예 : 70개/시간)을 만족하는 시스템을 구축하였다. 이와 같이 각 라인에 배치되는 설비의 수를 증가시키면서 시스템의 생산율(개/ 시간)과 사용률이 최대가 되고 각 완충 저장시설의 부하량이최소가 되는 개선 대안을 구하였으며 예제 시스템의 목표량을만족하는 단계 1의 최종시스템을 구축하였다. 이렇게 구축된시스템을 통해 산정된 출력 자료를요약하면<표2>와 같다.
- 위하여 임시 저장공간을 증가시켰다. 초기 시스템의 생산라인에서 발생하는 평균 중간재고의 수를 기본적으로 제공하는 캐리어 대수를 사용률이 낮은 구간에는 캐리어 대수를 증가하지 않았으며 사용률이 큰 구간에 캐리어 대수를 증가 시켜 개선안을 구하였다.
이론/모형
- (Expected Production Function)로 정의하고 CQN 모델을 성능평가에 활용하였다. CQN 모델을 이용한 통합생산 시스템의 성과측정을 위하여 다음과 같이 수식을 전개하였다.
- 본 연구에서 고려된 통합 자동생산 시스템성능의 최적화를 위하여와 같이 CQN(Gordon, W. J. and Newell, G. F„ 1967)으로 표시된 통합생산 시스템을 고려하였다.
- 본 연구에서는에서와 같이 2 단계의 접근 방법을 사용하였으며 단계 1에서 CQN(이osed Queueing Network) (Solberg J„ 1980) 방법으로 RAM을 고려하지 않은 상태에서 요구되는 시스템 성능을 만족하는 초기 해를 산정하고, 단계 2 에서는 시스템의 RAM을 고려한 해를 구하기 위하여 FACTOR/AIM을 이용한 시뮬레이션 방법을 사용하였다.
- 즉, 단계 1에서는 분석적인 방법(CQN)으로 RAM을 고려하지 않은 상태에서 요구되는 시스템성능을 만족하는 초기 해를 구하였으며, 이를 위하여 CAN-Q를 확장하여 개발한 CAN-WIP 모델을 사용하였다. 단계 2에서는 단계 1에서 구한 초기해로부터 실제 제조공정에 고려해야할 환경을 고려할 수 있는 시뮬레이션(FACTOR/AIM) 방법을 사용하여 각 단계마다 시스템개선 기준을 설정하고 시스템 설계를 변화시킴으로써 주어진시스템을 개선하였다.
성능/효과
- 이는 작업시간 (Processing Time), 대 기시간(Waiting Time) 및 운반시간(Travel Time)의 합으로 산정되나 이들 시간들은 실제로는 작업지점 간의 거리, 가공제품의형태(Type) 및 가공순서 등에 따라 상이하나본 모델에서는 충분히 고려되지 못하였다. 2) 본 모델은 CQN 시스템으로서 한기계에서 작업이 끝나야 다른 작업이 시작된다. 이 과정에서후속작업으로 전환이 가능하지 못할 경우에 일반적으로 발생되는 작업차단(Blocking), 작업정지(Locking) 및 작업고갈 현상(Starving) 등이 고려되지 않았으므로 생산능력 이 과다 평가될 가능성이 크다.
- 이 과정에서후속작업으로 전환이 가능하지 못할 경우에 일반적으로 발생되는 작업차단(Blocking), 작업정지(Locking) 및 작업고갈 현상(Starving) 등이 고려되지 않았으므로 생산능력 이 과다 평가될 가능성이 크다. 3) 작업순서를 FIFO 정책에 따라 이루어지고 있으며 다른 작업순서 정책을 고려할 경우는 그 결과가 다르게 될 가능성이 크다. 이를 보완하기 위하여 단계 2에서 설명 될 FACTOR/AIM을 이용한 시뮬레 이 션 방법으로 구한 분석결과를 보였다.
- 169개/시 간이고, 2차 개선 단계에서 생산량의 증대량이 가장 크다. 3차 개선, 즉 라인밸런싱을 고려한 작업시간 단축을 통해 목표 생산량을 만족할 수 있었다. 그리고 평균 재공품 재고도 초기시스템에서는 51.
- 이러한 각 단계의 개선결과를 요약하면<표 9>와 같다. FACTOR/AIM으로 구축한 초기 생산량은 64.169개/시 간이고, 2차 개선 단계에서 생산량의 증대량이 가장 크다. 3차 개선, 즉 라인밸런싱을 고려한 작업시간 단축을 통해 목표 생산량을 만족할 수 있었다.
- 3차 개선, 즉 라인밸런싱을 고려한 작업시간 단축을 통해 목표 생산량을 만족할 수 있었다. 그리고 평균 재공품 재고도 초기시스템에서는 51.8개에서 최종시스템은 32.143개로 38 %가 감소되었다.
- 본 예제에서 가능한 개선의 절차들을 순차적으로 초기 시스템에 적용시켜 해를 Factor/Aim을 이용하여 3차에 걸쳐 개선한 결과, 목표 생산능력 70대/시간을 만족하는 시스템 대안을구하였다.
- 이에 따른 신뢰도를 산정 하였다. 시뮬레이션 모델링 후 시뮬레이션 수행 시 1회 작업수행 시 간은 696시 간, 반복횟수는 5회, 총 수행된 시뮬레이션 시간은 3120시간이고, 1 회수행시간 696시간 중에서 처음 72시간이후 결과값이 안정상태(Steady State)가 되므로 처음 72시간을 전체 시뮬레이션 시간에서 제외시켰다. 위에서 설정된 설계 패러메터들과 고장시간분포 등을 고려하여 구축한 FACTOR/AIM의 자동차 차체조립라인 구성도를<그림 5>와 같이 표시하였다.
- 97 비율로 조정하였다. 즉, 3 %씩 각각의 공정 사이클 타임을 단축시켰을 경우, 평균생산량은 71.572개로 목표 생산량을 만족하게 되었다. 시뮬레이션에 의한 3차 개선결과를 요약하면<표 8>과 같다.
후속연구
- 위의 분석과정을 위하여 전산프로그램을 개발하고 Simulator를 사용하는 과정을 보였으며, 이를 K 자동차 회사의 신설 차체공장의 문제에 응용하고 목표 성능 70대/시간을 만족하는 조립공정설계를 위한 기본 자료를 구하였다. 본 연구는 추후 보완 개발될 경우 차체조립 공정개선에유용하게 활용 될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.