본 연구에서는 현재 설계단계에 있는 대전 철도 차량 검수시설 중 도장장에 대한 시뮬레이션 모델링과 DEA기법을 이용하여 작업에 필요한 최적 인력배치방안을 연구하였다. 이를 위해 먼저, 열차 대기시간과 처리량, 그리고 주요설비의 가동률 등을 주요 반응변수로 선정하여 시스템을 시뮬레이션 하였다. 그 후 인력배치 정책과 작업인원수 및 숙련공비율 등의 다양한 의사결정요소들로 설계된 대안들을 DEA기법을 사용하여 필요인력과 그 배치방안을 설계하였다. 총 27개의 대안들 중 기술 및 규모의 효율성(SE)을 모두 만족시키는 4개의 최종 대안을 선정하였으며, 이를 의사결정자들에게 제시하고 인력수급 및 조직개편과 연계하여 추후 운영설계 시 고려하도록 하였다. 이러한 절차를 통해 신규시설 건설시 의사결정자들이 고려해야하는 다양한 요소들을 과학적인 절차를 통해 해결할 수 있는 연구방법을 제시하였다.
본 연구에서는 현재 설계단계에 있는 대전 철도 차량 검수시설 중 도장장에 대한 시뮬레이션 모델링과 DEA기법을 이용하여 작업에 필요한 최적 인력배치방안을 연구하였다. 이를 위해 먼저, 열차 대기시간과 처리량, 그리고 주요설비의 가동률 등을 주요 반응변수로 선정하여 시스템을 시뮬레이션 하였다. 그 후 인력배치 정책과 작업인원수 및 숙련공비율 등의 다양한 의사결정요소들로 설계된 대안들을 DEA기법을 사용하여 필요인력과 그 배치방안을 설계하였다. 총 27개의 대안들 중 기술 및 규모의 효율성(SE)을 모두 만족시키는 4개의 최종 대안을 선정하였으며, 이를 의사결정자들에게 제시하고 인력수급 및 조직개편과 연계하여 추후 운영설계 시 고려하도록 하였다. 이러한 절차를 통해 신규시설 건설시 의사결정자들이 고려해야하는 다양한 요소들을 과학적인 절차를 통해 해결할 수 있는 연구방법을 제시하였다.
This research suggests the calculation and analytic method of determining the proper numbers of manual workers with simulation and DEA methods. For this, first of all we designed and analysed the simulation model of real facility being built in Dea-Jun. Secondly, we find the solution with DEA among ...
This research suggests the calculation and analytic method of determining the proper numbers of manual workers with simulation and DEA methods. For this, first of all we designed and analysed the simulation model of real facility being built in Dea-Jun. Secondly, we find the solution with DEA among various alternatives built based on the results of the simulation analysis. In the simulation process, the waiting time, the number of painted trains, and utilization of main equipment are considered as main response variables. After simulation, we built DMUs(Decision Making Unit) consisting of combined results with the manpower assignment policies, the numbers of workers, and the rate of skilled operators, and calculated the efficiency of DMUs with the DEA method. Among 27 DMUs, 4 DMUs turned out efficient technically and on scale. In conclusion, through the suggested procedure, this research shows the way that decision makers can solve the problems with various factors they should concern, along the scientific process, when building a new facility.
This research suggests the calculation and analytic method of determining the proper numbers of manual workers with simulation and DEA methods. For this, first of all we designed and analysed the simulation model of real facility being built in Dea-Jun. Secondly, we find the solution with DEA among various alternatives built based on the results of the simulation analysis. In the simulation process, the waiting time, the number of painted trains, and utilization of main equipment are considered as main response variables. After simulation, we built DMUs(Decision Making Unit) consisting of combined results with the manpower assignment policies, the numbers of workers, and the rate of skilled operators, and calculated the efficiency of DMUs with the DEA method. Among 27 DMUs, 4 DMUs turned out efficient technically and on scale. In conclusion, through the suggested procedure, this research shows the way that decision makers can solve the problems with various factors they should concern, along the scientific process, when building a new facility.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 시뮬레이션을 이용해서 철도 차량 검수시설의 설계안을 분석해 보았다. 다음 절에서 시뮬레이션 모델링을 위한 도장 공정에 대해 좀 더 세부적인 설명을 하겠다.
다시 말해 인력을 효율적으로 배치함으로서 차량 검수시설의 전체성과를 높일 수 있을 것이다. 본 논문에서는 DEA(Data Envelopment Analysis)를 통하여 철도 차량 검수시설의운영 안 선택에 있어서 공정 시간을 결정하는 중요한 요소인 설비관리 인력에 대해서 효율적인 배치 방안을 찾고자 한다. 그림 1은 본 연구에서 제시한 최적 설비관리인력 배치방안을 수립하기 위한 연구절차를 도식화 한것이다.
본 논문에서는 시뮬레이션을 통해서 설계단계의 철도차량 검수시설 내 도장설비의 설계안을 바탕으로 검수용량을 평가하고, 이를 근간으로 수작업 설비에 적합한인력배치 방안을 찾고자 한다. 도장 공정의 특성상 인력배치 방안에 따라 설비 별 공정 시간이 달라지고 결과적으로 시스템 전체성과에 영향을 받게 된다.
이것은 차량이 공정 내 머무르는 시간 중 공정 시간을 뺀순수 대기 시간으로 시스템의 효율성 및 품질을 평가 할수 있는 척도가 될 것이다. 본 연구에서는 대기시간을 역수로 계산하여 각 단위(Unit)들의 효율성을 산출하였다. 총 처리량은 시뮬레이션 결과 연간 도장시설이 처리 할수 있는 철도 차량의 개수이고 이 시스템의 처리 가능 용량을 예측할 수 있을 것이다.
이상설 등은 철도차량정비공장의 최적 설비 배치에 관한 연구를 하였다[7]. 이 연구에서는 철도 차량 검수시설을 합리적으로 시행하기 위한 정비창의 각공장의 배치나 설비를 수선 계획 공정에 맞게 배치하는연구를 하였다.
수 있다. 이에 본 연구에도 전통적인 정책에서부터 도출된 인력할당 시나리오를 설정하고 실험을 실시하였다. 먼저 공정별 그 중요도를 살펴보면, 본 도장 공정에서는 “소지2” 작업장에서 소지, 연마 및 최종 하부도장까지총 3가지의 작업이 동시에 수행하고 있어 가장 중요한 공정이라 할 수 있다.
따라서 검수 프로세스에서는 ''얼마나 그리고 어떻게 설비관리 인력을 배치할 것인가''가 작업성과 및 서비스 수준에 중대한 영향을 미치게 된다. 이에 본 연구에서는 철도 차량 검수시설 중에서도 자동 및 수동설비가 혼재해 있는 도장 공정에서의 최적 설비관리 인력 배치 안을 시뮬레이션과 DEA 기법을이용하여 수립하고자 한다.
작업자 할당을 추가적으로 실시하였다. 일반적인 라이밸런스 문제에서 이용률이 가장 높은 공정을 병목공정으로 보고 이를 우선 관리하여 전체 공정의 효율성을 향상시키는 것을 그 목표로 한다. 마지막으로 위의 예비결과를 기준으로 병목공정을 정리해보면 박막1 > 소지2 > 박막2 > 소지1 > 도장 > 마스킹 > 건조 순으로 정리할수 있다.
가설 설정
비용 문제를 고려하였을 때 투입 인원은 적을수록 효율성이 높을 것이고 숙련공의 임금이 비숙련공 보다 높기 때문에 숙련공의 비율은 낮을수록 효율성이 높을 것이다. 산출 결과는 대기 시간, 총 처리량 그리고 도장공정의 사이클 타임(Cycle Time)이 56시간 이내로 처리된 차량 비율이다.
제안 방법
5.1에서 설계한 DMU 별 시뮬레이션 결과를 BCC 투입지향 모형을 적용하여 인력배치 대안들의 효율성을 평가해보았다. 분석은 효율성 및 생산성 분석 도구인 EnPAS[ll]를 이용하였고 결과는 표 5와 같다.
도장설비의 인력배치 방안 설계 및 실험에 앞서 기본모형으로 웜업(Warm up) 및 병목공정(bottle-neck) 등 선행(plot) 분석을 실행하였다.
이러한 복잡성을 반영하기 위해 3D 시뮬레이션 툴인 AutoMod를 활용하여 시스템을 모델링하고 인력배치 정책 및 할당 시나리오에 따라 그 성과를 분석하였다. 또한 시뮬레이션 분석 결과를 토대로상황에 맞는 최적의 인력배치 안을 찾기 위해 DEA 모형으로 27개의 의사결정대안들을 설계하여 기술 및 규모의효율성(SE)을 모두 만족시키는 4개의 최종 대안을 선정하였다. 4개의 최종 대안으로 인원 배치가 이루어지는 것이 가장 효율적인 운영 방안이 되겠지만, 인력 수급 상황이 여의 치 않을 경우엔 표 5의 DEA 분석 결과를 토대로제한된 조건하에서의 최적 배치 방안을 찾을 수 있을 것이다.
본 논문에서는 건설예정인 대전 철도 차량 검수시설내 도장설비의 설계 안을 가지고 시뮬레이션 기법을 사용하여 해당시스템을 모델링하고 그 용량 및 성과평가를수행한 후 DEA 모형으로 상황별 최적 인력 배치 방안을수립하였다.
분석은 효율성 및 생산성 분석 도구인 EnPAS[ll]를 이용하였고 결과는 표 5와 같다. 분석결과는 DMU별 규모수익불변(CRS)을 가정한 CCR효율성, 규모수익가변(VRS)를 가정한 BCC효율성, CCR과 BCC의효율성에 의해 구한 규모의 효율성(SE=CCR旧CC), BCC 모형의 결과에 의한 투입변수에 대한 투입과다분으로 구성되어 있다. 그림 6을 보면 직선 그래프는 CCR모형의효율이 1 인 선을 나타내고 꺾은선 그래프는 BCC모형의효율이 1인 선이다.
우선 다음절에서 DEA모형에 대하여 간략하게 고찰을하고 5.1 절에서 설계된 DMU에 대해 DEA를 적용하여 효율적인 설계 대안을 찾도록 하겠다.
특히, 도장설비의 첫 공정인 박막공정과하부도장 공정을 겸하고 있는 “소지2” 공정에서 높은 이용률을 보이고 있음을 확인할 수 있었다. 이 예비분석결과를 토대로 작업자 할당 및 재 작업율 등을 고려하여작업자 할당 시나리오를 수립하였다.
내포하고 있다. 이러한 복잡성을 반영하기 위해 3D 시뮬레이션 툴인 AutoMod를 활용하여 시스템을 모델링하고 인력배치 정책 및 할당 시나리오에 따라 그 성과를 분석하였다. 또한 시뮬레이션 분석 결과를 토대로상황에 맞는 최적의 인력배치 안을 찾기 위해 DEA 모형으로 27개의 의사결정대안들을 설계하여 기술 및 규모의효율성(SE)을 모두 만족시키는 4개의 최종 대안을 선정하였다.
2장에서는 본 연구의대상이 되는 철도 차량 검수시설에 관한 선행연구 및 그한계점에 대해 자세히 알아보고, 3장에서는 철도 차량 검수시설의 검수 및 도장 프로세스에 대해 자세히 설명한다. 이후 4장에서는 현재 건설예정인 대전 철도 차량 검수시설 내 도장장의 시뮬레이션 모형을 설계하고 각 시나리오 별 분석내용을 평가해 본다. 그 후 5장에서는 각운영 안에 대한 의사결정단위(DMU : Decision Making Units)를 설계하고 DEA를 통하여 최적 설비 인력 배치안을 제시한 후 마지막으로 결론으로 구성된다.
숙련공의 비율이 높을수록 재작업율은 낮아지고 그만큼 작업시간은 줄어들게 된다. 인력 충원에 의한 인력의 재배치를 4장에서 설명한 배치 정책에 따라 설계하였고 각 인력 배치 방안을 DMU로설정하였다. 각 DMU에 대한 시뮬레이션 실험을 통하여표 4와 같은 결과 값을 얻었다.
시간은 1。일로 추정하였고, 웜업 시간을 제외한 1년을 시뮬레이션 실험 시간으로 하여 결과를 산출하고 분석하였다. 웜업 그래프는 그림 5와 같다.
작업자 할당 정책 및 재 작업율 등의 세부요소들의 반영에 앞서 4장 1절에서 분석한 개괄적인 정보를 가지고예비 실험을 실시하였다. 일반적인 상황 하에서의 시뮬레이션 결과는 표 3과 같다.
1 을 사용하였다. 정확한 설계와 분석을 위해 실적과 동일한 AutoCAD 도면과 실제 차량 및 설비 크기를 시뮬레이션 에 반영하여 모델링을 수행하였다. 그림 4는 AutoMod를 이용한 실제 도장설비의 시뮬레이션 모형이다.
대상 데이터
시뮬레이션 모형의 설계 시 현재 운영 중인 철도 차량검수시설의 설비 및 운영시나리오를 기준으로 하였으며, 건설 예정인 시설 및 설비는 발주처에서 제공된 설비 사향 및 설계 시 고려한 2015년 설비 운영 안을 반영하였다.
이론/모형
도장설비 웜업 분석을 위해 각 세부 공정의 이용률(Utilization)을 이용하였다. 분석 도구로는 Autostat 4.
도장설비 웜업 분석을 위해 각 세부 공정의 이용률(Utilization)을 이용하였다. 분석 도구로는 Autostat 4.4를 이용하였다.
1에서 설계한 DMU 별 시뮬레이션 결과를 BCC 투입지향 모형을 적용하여 인력배치 대안들의 효율성을 평가해보았다. 분석은 효율성 및 생산성 분석 도구인 EnPAS[ll]를 이용하였고 결과는 표 5와 같다. 분석결과는 DMU별 규모수익불변(CRS)을 가정한 CCR효율성, 규모수익가변(VRS)를 가정한 BCC효율성, CCR과 BCC의효율성에 의해 구한 규모의 효율성(SE=CCR旧CC), BCC 모형의 결과에 의한 투입변수에 대한 투입과다분으로 구성되어 있다.
시뮬레이션 설계 및 분석을 위하여 본 논문에서는 3D 시뮬레이션 전문 툴인 AutoMod version 12.1 을 사용하였다. 정확한 설계와 분석을 위해 실적과 동일한 AutoCAD 도면과 실제 차량 및 설비 크기를 시뮬레이션 에 반영하여 모델링을 수행하였다.
성능/효과
한다. (4) 트레버서의 고장은 고려하지 않으며, 상차(Loa血g) 와 하차(Unloading) 시의 견인차 이동속도는 동일하다.
본 연구에서 DEA를 적용한 DMU 중에서 CCR모형과 BCC모형에서 효율성 점수가 모두 1이 되면서 규모의 효율성(SE)이 1 인 DMU가 가장 효율적인 대안이라고 할 수있겠다. 투입과다분은 비효율적인 DMU가 효율적인 DMU가 되기 위해서 감소시켜야 할 투입요소의 초과분을 나타낸다.
이와 같이, 인력의 수급 및 배치에 따라 자원의 낭비가발생할 수 있으며, 또한 투입된 자원에 따른 적절한 규모를 유지해야 만이 성과를 극대화하고 서비스 품질을 확보할 수 있음을 확인할 수 있다.
작업장별 이용률 분석결과 전체적으로 수작업 공정이높게 나타났다. 특히, 도장설비의 첫 공정인 박막공정과하부도장 공정을 겸하고 있는 “소지2” 공정에서 높은 이용률을 보이고 있음을 확인할 수 있었다.
나타났다. 특히, 도장설비의 첫 공정인 박막공정과하부도장 공정을 겸하고 있는 “소지2” 공정에서 높은 이용률을 보이고 있음을 확인할 수 있었다. 이 예비분석결과를 토대로 작업자 할당 및 재 작업율 등을 고려하여작업자 할당 시나리오를 수립하였다.
후속연구
도장 공정의 특성상 인력배치 방안에 따라 설비 별 공정 시간이 달라지고 결과적으로 시스템 전체성과에 영향을 받게 된다. 다시 말해 인력을 효율적으로 배치함으로서 차량 검수시설의 전체성과를 높일 수 있을 것이다. 본 논문에서는 DEA(Data Envelopment Analysis)를 통하여 철도 차량 검수시설의운영 안 선택에 있어서 공정 시간을 결정하는 중요한 요소인 설비관리 인력에 대해서 효율적인 배치 방안을 찾고자 한다.
있을 것이다. 또한, 이와 같은 효율적인 인력관리를 지속적으로 추진하여 상황에 맞는 인력배치 시나리오를 지식으로 축척한다면 육상운송 분야에서 경쟁력 향상 뿐아니라, 현재 철도정비 인력의 고령화에 따른 신진 인력양성계획의 기초자료로도 활용될 수 있을 것이다.
본 연구에서는 대기시간을 역수로 계산하여 각 단위(Unit)들의 효율성을 산출하였다. 총 처리량은 시뮬레이션 결과 연간 도장시설이 처리 할수 있는 철도 차량의 개수이고 이 시스템의 처리 가능 용량을 예측할 수 있을 것이다. 사이클 타임이 56시간 이내로 처리된 차량 비율은 전체 차량 중 7일 이내로 처리된차량의 비율로서 7일 납기 기준을 얼마나 충족시킬 수 있는지 판단함으로서 도장 공정의 납기서비스 수준을 판단할 수 있을 것이다.
하지만, 장기적으로 글로벌 경쟁력을 키우기 위해서이를 근간으로 기업의 인력 수급과 배치정책에 알맞은적절한 설비관리 방안을 수립함으로써 과잉투입에 따른손실을 최소화하여 정비의 효율성과 비용의 절감을 꾀할수 있을 것이다. 또한, 이와 같은 효율적인 인력관리를 지속적으로 추진하여 상황에 맞는 인력배치 시나리오를 지식으로 축척한다면 육상운송 분야에서 경쟁력 향상 뿐아니라, 현재 철도정비 인력의 고령화에 따른 신진 인력양성계획의 기초자료로도 활용될 수 있을 것이다.
참고문헌 (14)
Yasmina Hani, Lionel Amodeo, Farouk Yalaoui, Haoxun Chen, "Simulation based optimization of a train maintenance facility", Journal of intelligent manufacturing, Vol. 19 No.3, pp. 293-300, 2008.
이상설, 안도만, 강희정, "철도차량 정비공장의 설비예측 개선에 관한 연구" 공업경영학회지, 제22권, 제49호, pp. 89-98, 1999.
Frederick S.Hillier, Gerald J. Lieberman, 1995, "Introduction to Operations Research Sixth Edition", McGRAW-HILL, pp. 453.
Sheldon M.Ross, "Introduction to Probability Models 9th edition", ACADEMIC PRESS, pp. 663, 2007.
Averill M.Law, W. David Kelton, "SIMULATION MODELING AND ANALYSIS 3rd Edition", McGraw-Hill, pp.118, 2007.
박만희., "효율성과 생산성 분석", 한국학술정보, pp. 52-192, 2008
Charnes, A., W. W. Cooper, and E. L. Rhodes, "Measuring the Efficiency of Decision Making Units", European Journal of Operational Research, Vol. 2, No. 6, pp. 429-444, 1978.
Sueyoshi, Toshiyuki, "DEA Duality on Returns to Scale (RTS) in Production and Cost Analyses: An Occurrence of Multiple Solutions and Differences between Production-Based and Cost-Based RTS Estimates", Institute of Management Sciences, Vol. 45, No. 11 , pp. 1593-1608, 1999.
Banker, R. D., A., Charnes and W. W., Cooper, "Some Models for Estimating Technical and Scale Efficiency in Data Envelopment Analysis", Management Science, Vol. 30, No.9, pp. 1078-1092, 1984.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.