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
- 일반적인 CRS는 4~6개 저장 레인 및 1개 회송 레인을 가지고 있음을 고려할 때, 셋업 비용을 줄이기 위한 차체간 순서 변화(resequencing)를 위한 CRS로서 해당 공정의 저장공간을 사용시 셋업 감소 효과가 전용 CRS 대비 상대적으로 작다. 따라서 본 연구에서는 추가적인 셋업 감소 효과(즉, resequencing 유연성 추가 획득)를 위해 도장 공정내 각 컨베이어 연결점에서의 운영 알고리즘 변화시의 예상 그룹화 효율 향상 효과를 검토하였다.
- 본 사례연구 논문은 자동차 조립 공장의 도장 공정에서의 자동차 색상 변경 횟수 최소화를 통한 원가 절감 및 환경 보호를 목적으로 컴퓨터 시뮬레이션 모델 기법을 적용해 분석하였다. 또한 본 연구의 동기가 된 도장 공정에서의 색상 변경 최소화 프로젝트 및 도장 공장 현황에 대해 설명하였다.
- 본 논문이 선행 논문들과 다른 점은 별도의 CRS 설치를 통해서가 아닌 기존에 생산 라인에 공통으로 존재하는 설비를 이용한 그룹화 효율 향상에 대해 다룬 점이다. 구체적으로, 컨베이어의 연결점(junction point)에서 어떤 차량을 먼저 인입 혹은 인출하는가에 따라 연결점 전과 연결점 후의 그룹화 효율이 바뀌는 사실을 이용하여, 상도 부스 이전의 여러 연결점에서의 적절한 컨트롤 로직의 변경을 통하여 CRS 설치와 관련한 추가 투자 없이 그룹화 효율이 향상될 수 있음을 보였다.
- 본 사례연구 논문은 자동차 조립 공장의 도장 공정에서의 자동차 색상 변경 횟수 최소화를 통한 원가 절감 및 환경 보호를 목적으로 컴퓨터 시뮬레이션 모델 기법을 적용해 분석하였다. 또한 본 연구의 동기가 된 도장 공정에서의 색상 변경 최소화 프로젝트 및 도장 공장 현황에 대해 설명하였다.
- 본 연구에서 다뤄진 도장 공정 상세 내용은 한 자동차 조립 공장과의 현장 개선 프로젝트를 통해 도출된 것이다. 프로젝트는 다음과 같이 진행되었다.
제안 방법
- 공장 도면 AutoCAD 파일 및 해당 공장에서의 생산 차량별(본 공장에서는 2종류의 차체 생산중) CATIA 파일을 각각 JPG 파일로 변환 후 AutoMod상에서 import 하여 사용함으로써 공장 레이아웃 및 차체 치수(dimension)정합성을 확보하였다. 컨베이어에 의한 차체 운동거리 및 속도에 대해서도 공장 도면을 참조한 후 각 컨베이어 섹션별로 현장 운용 상태 및 데이터를 실제로 실측하여 시뮬레이션 모델의 입력 데이터로 사용하였다.
- 본 프로젝트의 목적 및 대상 공장의 레이아웃을 감안하여 시뮬레이션 모델링의 대상과 범위는 sealer gel 오븐에서 상도 오븐까지의 전 공정(sealer gel 오븐 → 중도 → 중도 오븐 → 저장 공간 → prime scuff → 상도 → 상도 oven)으로 설정하였다. 구체적으로는 컨베이어에 대한 모델링, 각 컨베이어 연결점에 대한 인입 및 인출 알고리즘, 상도 공정에서의 세정 여부 판단 및 세정 횟수를 산출하는 알고리즘 및 모델을 개발하였다.
- 두 번째 방법은 시뮬레이션을 시작할 때 적당량의 개체(entity)를 자원에 미리 할당하는 방법이다. 두 번째 방법을 사용할 경우 사전에 할당해야 하는 개체 수량을 추정하기 어려우므로 본 연구에서는 첫 번째 방법을 사용하였으며, warm-up 기간으로 1 shift(=9.5시간), 시뮬레이션 수행 기간으로 10일(차량 대수 기준 9,340개)을 적용하였다. 시뮬레이션 분석은 연결점 1, 2, 6에 개선 알고리즘을 적용할 경우 각각에 대해 10회씩 시뮬레이션을 수행한 결과의 평균치를 사용하였으며, 그 결과가 표 2와 같다.
- 정수계획법 모델을 통한 최적해 산출 및 현장 적용 가능성을 검증하기 위한 시뮬 레이션 모델 구축을 병행하기로 최종 결정하고, 유사 사례에 대한 기존 연구 성과 검색, 시뮬레이션 모델 구축, 시뮬레이션 모델에 필요한 데이터 요청, 획득, 데이터 검증을 병행하였다. 또한 본 프로젝트에 대한 공장 내 담당자와의 정기적인 회의를 통해 프로젝트 진행 상황 공유, 담당자로부터의 피드백을 통한 시뮬레이션 모델의 정합성 향상, 현장 요구사항 갱신 및 현장에 필요한 사항 요청 등의 작업이 이루어졌다. 시뮬레이션 모델이 최종 완성된 후, 실제 공장 데이터를 사용시의 시뮬레이션 예상치와 실제 결과치와의 일치도 비교를 통해 시뮬레이션 모델의 정합성을 검증하고 프로젝트 고객의 시뮬레이션 모델에 대한 신뢰도를 향상시켰다.
- 따라서 24시간 이후의 구간에 대한 시뮬레이션 입력 데이터로는 표 1의 차량 색상별 평균 점유율 정보를 이용하여 이산형 확률분포에 의해 생성된 random 데이터를 사용하였다. 또한 차량간 시간 간격에 대한 시뮬레이션 입력 데이터로는 처음 24시간에 대해서는 수동으로 집계한 실적 자료를 사용하고, 이후 구간에 대해서는 생산라인 설계시 설정한 최대 JPH(Job Per Hour) 값의 역수를 최소값, 처음 24시간동안의 평균 JPH를 최빈값,(이상치 제거를 위해) 공장 관리자에 의해 확인된 최소 JPH를 최대값으로 하는 삼각분포에 의해 random 데이터를 생성 후 사용하였다.
- 프로젝트는 다음과 같이 진행되었다. 먼저, 현장 총책임자(프로젝트 발주자)와의 인터뷰를 통해 프로젝트의 목표(도장 공정의 색상 변경 횟수 최소화를 통한 비용 절감 및 환경 보호) 및 제약 사항(비용 및 공간 문제로 인한 CRS 신규 도입 불가)을 명확히 하고 현장 실무자들과의 지속적인 인터뷰를 통해서 현장 상황에 대한 이해도를 점진적으로 향상시켰다(현장 실무자들과의 인터뷰는 프로젝트 중반까지 지속적으로 수행됨). 정수계획법 모델을 통한 최적해 산출 및 현장 적용 가능성을 검증하기 위한 시뮬 레이션 모델 구축을 병행하기로 최종 결정하고, 유사 사례에 대한 기존 연구 성과 검색, 시뮬레이션 모델 구축, 시뮬레이션 모델에 필요한 데이터 요청, 획득, 데이터 검증을 병행하였다.
- 본 프로젝트의 목적 및 대상 공장의 레이아웃을 감안하여 시뮬레이션 모델링의 대상과 범위는 sealer gel 오븐에서 상도 오븐까지의 전 공정(sealer gel 오븐 → 중도 → 중도 오븐 → 저장 공간 → prime scuff → 상도 → 상도 oven)으로 설정하였다.
- 또한 본 프로젝트에 대한 공장 내 담당자와의 정기적인 회의를 통해 프로젝트 진행 상황 공유, 담당자로부터의 피드백을 통한 시뮬레이션 모델의 정합성 향상, 현장 요구사항 갱신 및 현장에 필요한 사항 요청 등의 작업이 이루어졌다. 시뮬레이션 모델이 최종 완성된 후, 실제 공장 데이터를 사용시의 시뮬레이션 예상치와 실제 결과치와의 일치도 비교를 통해 시뮬레이션 모델의 정합성을 검증하고 프로젝트 고객의 시뮬레이션 모델에 대한 신뢰도를 향상시켰다. 프로젝트 마지막 단계로, 개발된 시뮬레이션 모델을 사용하여 개선 알고리즘 적용시의 예상 그룹화 효율과 기존 로직 적용시의 그룹화 효율을 비교하였다.
- 먼저, 현장 총책임자(프로젝트 발주자)와의 인터뷰를 통해 프로젝트의 목표(도장 공정의 색상 변경 횟수 최소화를 통한 비용 절감 및 환경 보호) 및 제약 사항(비용 및 공간 문제로 인한 CRS 신규 도입 불가)을 명확히 하고 현장 실무자들과의 지속적인 인터뷰를 통해서 현장 상황에 대한 이해도를 점진적으로 향상시켰다(현장 실무자들과의 인터뷰는 프로젝트 중반까지 지속적으로 수행됨). 정수계획법 모델을 통한 최적해 산출 및 현장 적용 가능성을 검증하기 위한 시뮬 레이션 모델 구축을 병행하기로 최종 결정하고, 유사 사례에 대한 기존 연구 성과 검색, 시뮬레이션 모델 구축, 시뮬레이션 모델에 필요한 데이터 요청, 획득, 데이터 검증을 병행하였다. 또한 본 프로젝트에 대한 공장 내 담당자와의 정기적인 회의를 통해 프로젝트 진행 상황 공유, 담당자로부터의 피드백을 통한 시뮬레이션 모델의 정합성 향상, 현장 요구사항 갱신 및 현장에 필요한 사항 요청 등의 작업이 이루어졌다.
- 참고로 셋업 발생 빈도를 측정을 위해 총 세정 비용, 총 세정 횟수, 그룹화 효율(Grouping Ratio) 등 여러 지표정의가 가능하지만, 본 연구에서는 CRS의 효율을 평가하는데 일반적으로 사용되는 그룹화 효율을 사용하기로 한다. 그룹화 효율은 통과 차량 수 / 세정 횟수로 정의되며, 알고리즘간 퍼포먼스 비교가 용이하고 자동차산업 외 기타 산업에도 적용 가능한 장점을 가지고 있다.
- 시뮬레이션 모델이 최종 완성된 후, 실제 공장 데이터를 사용시의 시뮬레이션 예상치와 실제 결과치와의 일치도 비교를 통해 시뮬레이션 모델의 정합성을 검증하고 프로젝트 고객의 시뮬레이션 모델에 대한 신뢰도를 향상시켰다. 프로젝트 마지막 단계로, 개발된 시뮬레이션 모델을 사용하여 개선 알고리즘 적용시의 예상 그룹화 효율과 기존 로직 적용시의 그룹화 효율을 비교하였다.
- 원인 확인 결과, 본 공장이 동사 내 여러 자동차 조립 공장 중 상대적으로 노후화된 공장인데다 경기 불황으로 인해 상당 기간 동안 생산에 필수 불가결한 부분에 대해서만 투자가 집행되었기 때문으로 파악되었다. 하지만 정확한 시뮬레이션 결과를 위해서는 각 차량별 입/출력 시간 및 색상 데이터가 필수적이므로, 수동으로 총 24시간 동안 각 차량별 입/출력시 소요되는 시간 및 차량별 색상을 측정한 후 시뮬레이션 모델에 입력 데이터로 사용하였다. 참고로 본 도장 공정의 경우 표 1에서와 같이 총 10가지 색상의 도료를 사용중이며 차량 색상별 점유율은 그림 2에서와 같이 일부 구간을 제외하고는 시간 경과에 따른 경향성을 보이지 않았다.
대상 데이터
- 참고로 본 도장 공정의 경우 표 1에서와 같이 총 10가지 색상의 도료를 사용중이며 차량 색상별 점유율은 그림 2에서와 같이 일부 구간을 제외하고는 시간 경과에 따른 경향성을 보이지 않았다. 따라서 24시간 이후의 구간에 대한 시뮬레이션 입력 데이터로는 표 1의 차량 색상별 평균 점유율 정보를 이용하여 이산형 확률분포에 의해 생성된 random 데이터를 사용하였다. 또한 차량간 시간 간격에 대한 시뮬레이션 입력 데이터로는 처음 24시간에 대해서는 수동으로 집계한 실적 자료를 사용하고, 이후 구간에 대해서는 생산라인 설계시 설정한 최대 JPH(Job Per Hour) 값의 역수를 최소값, 처음 24시간동안의 평균 JPH를 최빈값,(이상치 제거를 위해) 공장 관리자에 의해 확인된 최소 JPH를 최대값으로 하는 삼각분포에 의해 random 데이터를 생성 후 사용하였다.
- 하지만 정확한 시뮬레이션 결과를 위해서는 각 차량별 입/출력 시간 및 색상 데이터가 필수적이므로, 수동으로 총 24시간 동안 각 차량별 입/출력시 소요되는 시간 및 차량별 색상을 측정한 후 시뮬레이션 모델에 입력 데이터로 사용하였다. 참고로 본 도장 공정의 경우 표 1에서와 같이 총 10가지 색상의 도료를 사용중이며 차량 색상별 점유율은 그림 2에서와 같이 일부 구간을 제외하고는 시간 경과에 따른 경향성을 보이지 않았다. 따라서 24시간 이후의 구간에 대한 시뮬레이션 입력 데이터로는 표 1의 차량 색상별 평균 점유율 정보를 이용하여 이산형 확률분포에 의해 생성된 random 데이터를 사용하였다.
- 공장 도면 AutoCAD 파일 및 해당 공장에서의 생산 차량별(본 공장에서는 2종류의 차체 생산중) CATIA 파일을 각각 JPG 파일로 변환 후 AutoMod상에서 import 하여 사용함으로써 공장 레이아웃 및 차체 치수(dimension)정합성을 확보하였다. 컨베이어에 의한 차체 운동거리 및 속도에 대해서도 공장 도면을 참조한 후 각 컨베이어 섹션별로 현장 운용 상태 및 데이터를 실제로 실측하여 시뮬레이션 모델의 입력 데이터로 사용하였다.
데이터처리
- 5시간), 시뮬레이션 수행 기간으로 10일(차량 대수 기준 9,340개)을 적용하였다. 시뮬레이션 분석은 연결점 1, 2, 6에 개선 알고리즘을 적용할 경우 각각에 대해 10회씩 시뮬레이션을 수행한 결과의 평균치를 사용하였으며, 그 결과가 표 2와 같다.
이론/모형
- 연결점 5는 중도 오븐 공정의 특성상 선입 선출 로직 변경이 불가능하고, 연결점 3, 4는 관련 연구(다수의 인입 컨베이어와 다수의 인출 컨베이어가 존재시의 알고리즘 연구)가 아직 미비하여 연결점 1, 2, 6에 대해서만 운영 알고리즘 개선시의 효과를 점검하였다. 구체적으로, 연결점 2는 수렴점이므로 인출 차량 선택 알고리즘은 문덕희 외(2003)에서 제시한 CRS으로부터의 출고 알고리즘을 사용하였으며, 해당 알고리즘은 현재 연결점 4에 적용중인 알고리즘과 상당 부분 유사하므로 본 논문에서의 설명은 생략한다. 마지막으로 분기점인 연결점 1, 6에 대한 인출 컨베이어 선택 알고리즘은 Han(2004)에서 제시한 할당(assignment) 문제로의 모델링 방법을 사용하였다.
- 구체적으로, 연결점 2는 수렴점이므로 인출 차량 선택 알고리즘은 문덕희 외(2003)에서 제시한 CRS으로부터의 출고 알고리즘을 사용하였으며, 해당 알고리즘은 현재 연결점 4에 적용중인 알고리즘과 상당 부분 유사하므로 본 논문에서의 설명은 생략한다. 마지막으로 분기점인 연결점 1, 6에 대한 인출 컨베이어 선택 알고리즘은 Han(2004)에서 제시한 할당(assignment) 문제로의 모델링 방법을 사용하였다. 구체적으로, 하기와 같이 변수를 정의한다.
성능/효과
- 시뮬레이션 모델 개발과 실행을 위한 소프트웨어로 AutoMod가 사용되었으며 컨베이어 컨트롤 로직 구현을 포함한 시뮬레이션 모델 customization은 AutoMod에서 제공하는 내부 프로그래밍 언어(Pascal과 유사)를 사용하여 작성되었다. AutoMod, ProModel 등의 전문 시뮬레이션 모델링 언어를 통한 시뮬레이션 모델 구축 및 적용은 사내 자체 솔루션(In-House Solution)에 비해 프로그래밍 시간 및 모델 개발 시간을 단축시켜 결과적으로 전체적인 프로젝트 완료 일정을 앞당기고 향후 유지 보수를 용이하게 하는 효과가 있다. 또한 3-D 효과, 애니메이션 효과 등의 강력한 시각화(Visualization) 능력을 통해 경영진의 의사결정 과정을 지원하고 프로젝트 추진시의 경영진의 지원을 얻는 데 유용하다.
- Park 등(1998)은 대규모의 동일 색상의 차량 블록의 형성 관련 연구를 논하였다. 구체적으로, 원하는 위치의 차량의 인입 및 인출이 자유로운 자동창고를 이용시 간단한 블록 보호 규칙의 준수만으로도 셋업 개수를 상당히 줄일 수 있음을 시뮬레이션을 통해 보였다. 상기 언급된 논문(Morley 등(1993) 및 후속 논문, Campos 등(2001), Gambardella 등(2000), Atassi(1996), Park 등(1998))은 모두 인공지능 기법을 사용하였는데, 이러한 인공지능 기법을 이용한 접근 방법은 현장에 적용하기 쉽고 예기치 못한 공장 비가동 등의 시스템 변동에 효율적으로 대응 가능한 장점이 있는 반면, 해의 품질에 대한 보증이 불가능한 약점을 가지고 있다.
- 본 논문이 선행 논문들과 다른 점은 별도의 CRS 설치를 통해서가 아닌 기존에 생산 라인에 공통으로 존재하는 설비를 이용한 그룹화 효율 향상에 대해 다룬 점이다. 구체적으로, 컨베이어의 연결점(junction point)에서 어떤 차량을 먼저 인입 혹은 인출하는가에 따라 연결점 전과 연결점 후의 그룹화 효율이 바뀌는 사실을 이용하여, 상도 부스 이전의 여러 연결점에서의 적절한 컨트롤 로직의 변경을 통하여 CRS 설치와 관련한 추가 투자 없이 그룹화 효율이 향상될 수 있음을 보였다. 참고로 컨베이어 연결점은 분기점(diverging point, 1개의 인입 컨베이어에서 다수의 인출 컨베이어로 차량이 인출)과 수렴점(merging point, 다수의 인입 컨베이어에서 1개의 인출 컨베이어로 차량이 인출)으로 구분되며, 적용되는 알고리즘도 다르다.
- 세정 횟수 감소를 위한 최적 알고리즘 검증 목적의 자동차 도장 공정의 시뮬레이션 모델 구축을 위해서는 컨베이어 위치 및 연결 방식, 차체 이동 순서, 각 컨베이어내 설비별 가공 시간, 현재의 컨베이어 컨트롤 로직, 컨베이어 이동 시간 등의 상대적으로 자세한 / 하위 레벨의 데이터가 필요하다. 따라서 본 연구에 기술된 시뮬레이션 모델을 위한 데이터의 수집 및 정합성 확보에 상대적으로 많은 시간이 소요되었다.
- 시뮬레이션 분석 결과, 별도의 설비 투자 없이 운영 알고리즘의 개선만으로 38%의 그룹화 효율 향상 효과가 있으며, 알고리즘 변경시 JPH의 감소도 거의 없음을 확인하였다. 또한 상도 공정에서 가까운 연결점일수록 알고리즘 개선에 의한 효과가 큰 반면, 상도 공정에서 먼 연결점일 수록 알고리즘 변경에 의한 그룹화 효율 향상 효과는 미미한 것으로 나타났다. 알고리즘 변경에 따른 소프트웨어 개발비 산정이 곤란한 관계로 별도 경제성 평가는 실시하지 않았으나, 기존 연구에 의하면 도장 공장별 총 세정 비용이 연간 수억원대 - 24만대 생산 기준 5억 7천만원(문덕희 외(2003)) - 이고 세정 횟수 감소에 따른 부수 효과- 불량 방지, 작업자 피로 감소, 불량 발생시의 라인 운영 유연성 증가 등 - 감안시 원안의 투자 자본 회수 기간은 매우 짧으리라(최대 1년) 예상된다.
- 5대 수준으로 향상시킬 수 있음을 알 수 있었다. 선행 연구들의 사례에서 CRS를 설치할 경우 그룹화 효율이 3~5대 수준까지 향상되나, 본 연구는 컨베이어 운영 알고리즘의 변경만으로도 그룹화 효율의 향상 효과를 거두었고, CRS 설치와 병행 적용할 수 있는 이점을 가지고 있다. 아울러 상도 공정에서 가까운 연결점일수록 알고리즘 개선에 의한 효과가 큼을 확인하였다.
- 시뮬레이션 결과 컨베이어 연결점에서의 운영 알고리즘 개선시 현재 1.8대의 그룹화 효율을 2.5대 수준으로 향상시킬 수 있음을 알 수 있었다. 선행 연구들의 사례에서 CRS를 설치할 경우 그룹화 효율이 3~5대 수준까지 향상되나, 본 연구는 컨베이어 운영 알고리즘의 변경만으로도 그룹화 효율의 향상 효과를 거두었고, CRS 설치와 병행 적용할 수 있는 이점을 가지고 있다.
- 시뮬레이션 모델은 분석적 모델 대비 현장 상황 및 시간 제약, 컨트롤 로직, 동시 처리, 공용 자원, 다양한 확률 분포 등의 실행상의 제약 요소의 자세한 반영이 가능하다. 본 프로젝트의 목적 및 대상 공장의 레이아웃을 감안하여 시뮬레이션 모델링의 대상과 범위는 sealer gel 오븐에서 상도 오븐까지의 전 공정(sealer gel 오븐 → 중도 → 중도 오븐 → 저장 공간 → prime scuff → 상도 → 상도 oven)으로 설정하였다.
- 시뮬레이션 분석 결과, 별도의 설비 투자 없이 운영 알고리즘의 개선만으로 38%의 그룹화 효율 향상 효과가 있으며, 알고리즘 변경시 JPH의 감소도 거의 없음을 확인하였다. 또한 상도 공정에서 가까운 연결점일수록 알고리즘 개선에 의한 효과가 큰 반면, 상도 공정에서 먼 연결점일 수록 알고리즘 변경에 의한 그룹화 효율 향상 효과는 미미한 것으로 나타났다.
- 선행 연구들의 사례에서 CRS를 설치할 경우 그룹화 효율이 3~5대 수준까지 향상되나, 본 연구는 컨베이어 운영 알고리즘의 변경만으로도 그룹화 효율의 향상 효과를 거두었고, CRS 설치와 병행 적용할 수 있는 이점을 가지고 있다. 아울러 상도 공정에서 가까운 연결점일수록 알고리즘 개선에 의한 효과가 큼을 확인하였다.
- 연구의 대상이 된 공장의 경우, 자동차 조립 공장에서 일반적으로 집계되어지고 있는 데이터인 상도 공정 및 중도 공정에서의 각 차량별 입/출력 데이터가 집계되고 있지 않았다(정확히는, 센서에서 실시간으로 데이터가 생산 및 사용되지만 데이터베이스 형태로의 데이터 저장은 raw 데이터가 아닌 요약된 형태로 저장됨). 원인 확인 결과, 본 공장이 동사 내 여러 자동차 조립 공장 중 상대적으로 노후화된 공장인데다 경기 불황으로 인해 상당 기간 동안 생산에 필수 불가결한 부분에 대해서만 투자가 집행되었기 때문으로 파악되었다. 하지만 정확한 시뮬레이션 결과를 위해서는 각 차량별 입/출력 시간 및 색상 데이터가 필수적이므로, 수동으로 총 24시간 동안 각 차량별 입/출력시 소요되는 시간 및 차량별 색상을 측정한 후 시뮬레이션 모델에 입력 데이터로 사용하였다.
- 해당 공장에는 별도 CRS가 설치되어 있지 않은 대신 CRS의 기능을 일부 수행할 수 있는 저장 공간(prime storage)이 중도 오븐 공정 이후에 배치되어 있다. 총 86대의 차량을 수용할 수 있는 본 저장 공간의 주된 기능은 중도 오븐에서 나오는 차량의 임시 보관 기능 및 도장 공정 전체의 완충 기능(즉, 도장 공정 이전의 차체공정과 도장 공정 이후의 조립 공정간 완충 작용)이다. 참고로 본 공장에서는 shift당 9.
후속연구
- 향후 추진 가능한 사안으로는 다수의 인입 컨베이어와 다수의 인출 컨베이어가 존재하는 컨베이어 연결점(그림 1의 연결점 4의 경우)에서의 적용 알고리즘 개선 및 컨베이어의 수렴점에서의 적용 알고리즘 개선(SOP 문제의 최적해 사용 등)을 통한 그룹화 효율 추가 향상을 기대할 수 있다. 또한 수리된 차체의 도장 공정 재진입 전용 목적으로 사용되는 저장 공간내 1개 레인을 CRS의 resequencing 목적으로 사용 가능한 지에 대해 시뮬레이션 모델 분석을 통한 검토가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.