시뮬레이션과 순차 패턴을 이용한 FMC 로봇의 효율적 작업 순서 설계 및 분석 Design and Analysis of Efficient Operation Sequencing in FMC Robot Using Simulation and Sequential Patterns원문보기
본 논문에서는 FMC 로봇의 생산성 향상을 위해 시뮬레이션과 순차 패턴 기법을 이용해 로봇의 패턴을 분석하고 최적의 로봇 작업 우선순위규칙(Dispatching Rule)을 설계하는 방법을 제시하였다. 이를 위해, 먼저 FMC를 시뮬레이션으로 설계하고 각 설비가 로봇에게 요청하는 신호를 추출 해 이를 로그(Log) 형태로 생성, 저장하였다. 그 후, 이 로그를 데이터 마이닝 기법 중 하나인 순차 패턴 분석을 이용해 설비의 신호와 로봇간의 연관된 순서를 분석 하여 로봇의 최적 이동 경로를 도출하는 방법을 제시하였다. 또한, 사례연구를 통하여 FMC의 적용성에 대한 효율성 을 입증하였다. 도출된 최적의 패턴을 국내 A사 생산라인에 적용한 결과 작업물 대기시간(Loss Time)의 감소와 로봇 이용률의 향상, 작업물의 총 처리량의 증가와 평균 처리시간 감소를 가져왔다. 또한, 이러한 신호의 패턴을 이용한 분석 방법은 신호와 동작간의 로그를 저장, 데이터베이스화하여 시스템 상에서 로봇의 작업 우선순위규칙을 도출할 수 있게 하므로, 작업자의 오랜 노하우(Know-How) 없이도 로봇 운영의 문제점을 파악하고 그 개선안을 제시할 수 있다. 이러한 방법을 통해 FMC 뿐만이 아닌 로봇을 사용하는 모든 분야에 설비의 신호와 로봇 동작간의 그 연관관계를 분석하고 최적의 운영법칙을 설계, 운영하여 생산성 향상에 크게 기여할 것으로 기대된다.
본 논문에서는 FMC 로봇의 생산성 향상을 위해 시뮬레이션과 순차 패턴 기법을 이용해 로봇의 패턴을 분석하고 최적의 로봇 작업 우선순위규칙(Dispatching Rule)을 설계하는 방법을 제시하였다. 이를 위해, 먼저 FMC를 시뮬레이션으로 설계하고 각 설비가 로봇에게 요청하는 신호를 추출 해 이를 로그(Log) 형태로 생성, 저장하였다. 그 후, 이 로그를 데이터 마이닝 기법 중 하나인 순차 패턴 분석을 이용해 설비의 신호와 로봇간의 연관된 순서를 분석 하여 로봇의 최적 이동 경로를 도출하는 방법을 제시하였다. 또한, 사례연구를 통하여 FMC의 적용성에 대한 효율성 을 입증하였다. 도출된 최적의 패턴을 국내 A사 생산라인에 적용한 결과 작업물 대기시간(Loss Time)의 감소와 로봇 이용률의 향상, 작업물의 총 처리량의 증가와 평균 처리시간 감소를 가져왔다. 또한, 이러한 신호의 패턴을 이용한 분석 방법은 신호와 동작간의 로그를 저장, 데이터베이스화하여 시스템 상에서 로봇의 작업 우선순위규칙을 도출할 수 있게 하므로, 작업자의 오랜 노하우(Know-How) 없이도 로봇 운영의 문제점을 파악하고 그 개선안을 제시할 수 있다. 이러한 방법을 통해 FMC 뿐만이 아닌 로봇을 사용하는 모든 분야에 설비의 신호와 로봇 동작간의 그 연관관계를 분석하고 최적의 운영법칙을 설계, 운영하여 생산성 향상에 크게 기여할 것으로 기대된다.
This paper suggested the method to design and analyze FMC robot's dispatching rule using the Simulation and Sequential Patterns. To do this, first of all, we built FMC using simulation and then, extracted signals that facilities call a robot, saved it as the log type. Secondly, we built robot's opti...
This paper suggested the method to design and analyze FMC robot's dispatching rule using the Simulation and Sequential Patterns. To do this, first of all, we built FMC using simulation and then, extracted signals that facilities call a robot, saved it as the log type. Secondly, we built robot's optimal path using the Sequential Pattern Mining with the results of analyzing the log and relationship between machine and robot actions. Lastly, we adapted it to the A corp.'s manufacturing line for verifying its performance. As a result of applying the new dispatching rule in FMC, total throughput and total flow time decrease because of decreasing material loss time and increasing robot utility. Furthermore, because this method can be applied for every manufacturing plant using simulation, it can contribute to advance total FMC efficiency as well.
This paper suggested the method to design and analyze FMC robot's dispatching rule using the Simulation and Sequential Patterns. To do this, first of all, we built FMC using simulation and then, extracted signals that facilities call a robot, saved it as the log type. Secondly, we built robot's optimal path using the Sequential Pattern Mining with the results of analyzing the log and relationship between machine and robot actions. Lastly, we adapted it to the A corp.'s manufacturing line for verifying its performance. As a result of applying the new dispatching rule in FMC, total throughput and total flow time decrease because of decreasing material loss time and increasing robot utility. Furthermore, because this method can be applied for every manufacturing plant using simulation, it can contribute to advance total FMC efficiency as well.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 수리적 기법이 아닌 시뮬레이션을 이용하여 복잡한 시스템을 쉽게 구현할 수 있고, 실제 사용되는 작업장을 모델로 사용하여 현실적으로 적용 가능한 방법을 제시하였다. 또한 많은 시간이 걸리는 기존 연구에 비해 단시간에 패턴을 추출하여 분석할 수 있고 작업자의 오랜 노하우가 없이도 작업장의 환경을 파악할 수 있다.
로봇은 현재 작업을 완료한 후 대기상태가 되었을 때 각 기계에서 작업 완료 신호가 발생했는지 파악한다. 하나의 신호가 발생하였을 경우는 해당 작업을 수행하고 두 개 이상의 신호가 발생하였을 경우에는 어떤 작업을 우선 처리해야 하는지 결정해야 한다.
본 논문에서는 한 대의 로봇에 의해 제어되는 로봇 중심 FMC에서 로봇이 대기상태가 되었을 때 작업 우선순위규칙 방법으로 순차 패턴을 이용하여 로봇의 작업물 선택 방법을 제시하였다.
본 실험의 주목적은 한 대의 로봇을 중심으로 운영되는 FMC에서 로봇의 작업 우선순위규칙에 따른 수행도를 비교 평가하여 제시한 방법의 유효성을 검증하기 위한 것이다. 본 논문에서는 제시한 방법의 유효성을 검증하기 위해서 A사의 작업 우선순위규칙과 비교 하였다.
제안 방법
FMC에서 요청하는 신호는 시간의 흐름에 따라 달라지기 때문에 연관규칙보다는 순차 패턴 마이닝을 적용하여 패턴을 도출하였다. 우선 순차 패턴 마이닝 알고리즘은 정렬(Sort), 빈발항목발견(Litemset), 변형(Transformation), 빈발 시퀀스, 최대 빈발 시퀀스로 구성된다[13].
ID는 입구 컨베이어에 작업물이 도착하면 로봇에 의해 이동되고 로봇은 각각의 작업을 수행한 후 다시 입구 컨베이어로 돌아오는 것을 한 주기(Cycle), 즉 ID로 정의하였다. Time은 ID별로 소요된 시간을 나타내고 로봇 동작은 시간 순서로 정렬하여 실질적으로 필요한 데이터, 즉 로봇이 작업물을 운반한 후 어떤 작업물을 선택하였는가를 알 수 있는 데이터를 묶어서 그룹화 하였다. 이렇게 정렬된 데이터를 바탕으로 각각의 로봇 액션을 표 3과 같이 숫자로 대응시켰다.
순차 패턴을 이용하여 완료된 작업물이 없을 때 그 위치에서 다음 작업 완료 신호가 발생할 때까지 대기하지 않고 순차 패턴으로 도출 해낸 방식으로 로봇의 다음 위치를 결정하여 먼저 행동할 수 있는 방법에 대해 논하고 작업을 완료한 후 두 개 이상의 신호가 발생되어 있는 경우도 패턴 인식을 통해 우선순위를 결정하여 작업하는 방법에 대하여 논한다. 그리고 제시한 방법을 시뮬레이션을 통하여 신호가 발생 하였을 때 반응하는 방법 등의 다른 대안들과 비교 검토하고 효과를 검증한다.
하지만, 실제 FMC에서는 다양한 작업물과 복잡한 공정으로 인해 무수한 형태의 패턴이 도출되므로, 아무리 중요한 공정패턴이라도 전체공정에서 차지하는 그 빈도는 매우 미미하다. 그리하여 본 논문에서는 지지도를 기반으로 패턴을 추출하는 것이 아닌 신뢰도를 기반으로 추출된 패턴을 가지고 로봇의 작업 우선순위규칙을 정하였다.
두 번째로는 새로운 작업 우선순위규칙을 만들어 기존의 작업 우선순위규칙과 비교를 하였다. Kizil[7]등은 부품이 거쳐야 할 작업장 수가 가장 적은 것을 우선 서비스 하는 방식인 MNP방식을 개발하여 기존의 5가지 작업 우선순위규칙과 비교하여 AGV이용률을 향상시키고 대기시간을 줄였다.
예를 들어 로봇은 입구 컨베이어와 출구 컨베이어를 포함하여 총 7개의 작업장을 관할하고 있다. 로봇의 작업물 선택 패턴을 도출하기 위해 기존 작업 우선순위규칙에 따라 작업물을 선택하고 운반하는 로봇의 이동 로그를 추출하고 순차 패턴 마이닝을 이용해 로봇의 이동 패턴을 도출하였다. 3장에서 언급한 순차 패턴 도출 알고리즘을 이용하였다.
우선 순차 패턴 마이닝 알고리즘은 정렬(Sort), 빈발항목발견(Litemset), 변형(Transformation), 빈발 시퀀스, 최대 빈발 시퀀스로 구성된다[13]. 본 논문에서는 시뮬레이션을 이용해 로봇 패턴을 도출하여 새로운 작업 우선순위규칙을 적용하였다. 시간의 변화에 따른 로봇 이동을 기록하여 순차 패턴 도출 순서에 따라 순차 패턴을 도출 하였다.
현재 A 사에 적용하고 있는 작업 우선순위규칙은 선입선출(FIFO)로 먼저 발생된 신호를 우선 처리하는 방법을 사용하고 있다. 본 논문에서는 제시한 방법의 유효성을 검증하기 위해 선입선출 뿐만 아니라 가장 많이 이용되는 두 가지 작업 우선순위규칙을 (최소이동시간우선, 최대잔여가공시간우선) 적용한 모델과 비교하였다. 최소 이동시간 우선(MITT)규칙은 현재 위치에서 다음 공정의 기계 또는 출력 컨베이어로 이동하는 시간이 가장 짧은 작업물을 우선 서비스하는 것이며, 최대 잔여가공시간 우선(MXRP)규칙은 잔여 공정에서 소요되는 가공시간의 합이 가장 긴 작업물을 우선 서비스하는 것을 말한다.
본 실험의 주목적은 한 대의 로봇을 중심으로 운영되는 FMC에서 로봇의 작업 우선순위규칙에 따른 수행도를 비교 평가하여 제시한 방법의 유효성을 검증하기 위한 것이다. 본 논문에서는 제시한 방법의 유효성을 검증하기 위해서 A사의 작업 우선순위규칙과 비교 하였다. 현재 A 사에 적용하고 있는 작업 우선순위규칙은 선입선출(FIFO)로 먼저 발생된 신호를 우선 처리하는 방법을 사용하고 있다.
본 논문에서는 제안한 방법론의 유효성을 검토하기 위하여 A사의 생산라인을 시뮬레이션으로 설계하였다. 이를 위하여 추가적으로 FMC에서 생산되는 작업물과 설비, 로봇 등에 관한 추가적인 분석이 요구된다.
본 연구에서는 데이터 마이닝 기법 중 하나인 순차 패턴 마이닝을 이용하여 로봇 이동에 대한 패턴을 도출하였다. 데이터 마이닝은 방대한 양의 데이터 속에서 직접, 혹은 간접적인 방법으로 정제과정(Mining)을 통하여 의미 있는 패턴이나 규칙을 탐색하고 분석하는 방법이다[12].
순차 패턴을 이용하여 완료된 작업물이 없을 때 그 위치에서 다음 작업 완료 신호가 발생할 때까지 대기하지 않고 순차 패턴으로 도출 해낸 방식으로 로봇의 다음 위치를 결정하여 먼저 행동할 수 있는 방법에 대해 논하고 작업을 완료한 후 두 개 이상의 신호가 발생되어 있는 경우도 패턴 인식을 통해 우선순위를 결정하여 작업하는 방법에 대하여 논한다. 그리고 제시한 방법을 시뮬레이션을 통하여 신호가 발생 하였을 때 반응하는 방법 등의 다른 대안들과 비교 검토하고 효과를 검증한다.
본 논문에서는 시뮬레이션을 이용해 로봇 패턴을 도출하여 새로운 작업 우선순위규칙을 적용하였다. 시간의 변화에 따른 로봇 이동을 기록하여 순차 패턴 도출 순서에 따라 순차 패턴을 도출 하였다. 로봇이 반송 작업을 마치고 난 후 다음에 발생하는 신호에 따라 이동하는 것을 표 1과 같이 정의하였다.
시뮬레이션을 통해 추출된 데이터(Data)를 바탕으로 위의 다섯 단계를 통해 패턴을 추출하였다. 처음 정렬 단계에서는 시간에 의해 정렬된 데이터를 ID별로 구분하여 로봇의 이동 경로를 아래 표 2와 같이 정렬하였다.
2를 이용해 순차 패턴을 도출한 실행화면이다. 신뢰도를 기반으로 도출된 패턴을 통해 기존 작업 우선순위규칙에 패턴을 적용하였다.
이러한 순차 패턴 마이닝을 이용해 FMC 내 로봇의 이동 경로를 통해 순차 패턴 마이닝 알고리즘을 적용하여 패턴을 도출하였다.
이를 위해 국내 A사의 생산라인을 시뮬레이션으로 모델링하여, 로봇의 패턴을 로그형태로 추출한 후 순차패턴 마이닝 방법을 이용하여 그 로봇의 패턴을 추출하였다. 이후 효율적인 로봇의 작업순서를 설계하기 위해 도출된 패턴을 로봇의 작업 우선순위를 결정하는데 사용하였고, 실험결과 기존 설비에서 주로 사용하는 작업 우선순위규칙(선입선출, 최소이동시간우선, 최대잔여가공시간우선)보다 전체적으로 향상된 결과를 가져왔다.
현재까지 연구된 로봇의 의사결정 방법은 간단한 시스템의 몇 개의 요소만을 고려한 수학적인 기법을 사용하였거나 많은 가정을 두어 현실적으로 적용하기 어려웠다. 하지만 본 논문에서는 다양한 작업환경에서도 실제 FMC를 시뮬레이션을 통해 구현한 후 순차 패턴 마이닝을 이용하여 패턴을 도출하여 설비의 신호와 로봇 동작간의 그 연관관계를 분석하고 최적의 운영법칙을 설계, 적용할 수 있기 때문에 라인 균형화(Line Balancing)를 할 수 있는 효율적인 작업 우선순위규칙 방법을 제시하여 기존 방법과 차별화 하였다. 또한 FMC내 새로운 장비가 추가되거나 설비의 향상이 이루어졌을 경우 로봇의 패턴의 변화를 통해 새로운 작업 환경을 구현하는데 용이할 것이다.
변환 단계 후 효율적으로 패턴을 도출하기 위하여 Apriori 알고리즘을 이용하였다. 후보 항목집합을 생성할 때 최소 신뢰도를 만족하지 않은 후보 항목집합을 카운트 하지 않고 제거함으로써 더 빠르게 최대 시퀀스를 발견하여 로봇의 이동 패턴을 도출하였다.
대상 데이터
본 논문에서 구성한 모델은 국내 A사의 생산라인의 일부인 FMC를 대상으로 패턴을 분석하였다. FMC의 배치는 그림 1과 같고 입·출력 컨베이어와 총 5대의 기계들이 로봇 몸체를 중심으로 일정한 간격으로 배치되어 있고 몸체로부터 작업대까지의 거리는 모두 일정하다.
이론/모형
로봇의 작업물 선택 패턴을 도출하기 위해 기존 작업 우선순위규칙에 따라 작업물을 선택하고 운반하는 로봇의 이동 로그를 추출하고 순차 패턴 마이닝을 이용해 로봇의 이동 패턴을 도출하였다. 3장에서 언급한 순차 패턴 도출 알고리즘을 이용하였다. 추출된 로그를 ID와 시간, 그리고 로봇 동작으로 분리하여 최소신뢰도를 만족하는 로봇의 동작을 추출할 수 있다.
Apriori 알고리즘을 이용하여 표 4와 같은 로봇 이동의 최대 시퀀스를 발견하여 패턴을 도출하였다.
또한 로봇이 작업을 완료한 후 다음 작업물을 선택하는데 있어 완료된 작업물이 없는 경우 다음에 발생될 작업물을 미리 예측하여 다음 공정과정에 로봇 팔을 어느 지점으로 위치 시키냐에 따라 FMC 수행도에 큰 영향을 미친다. 따라서 본 논문에서는 대용량의 데이터에서 패턴을 빠른 시간에 추출 할 수 있는 데이터 마이닝 기법 중 하나인 순차 패턴 마이닝을 이용하였다. 순차 패턴 마이닝은 빠른 시간 내 유효한 패턴을 추출 할 수 있고 또한 시간의 연관성을 고려 할 수 있어 시계열적으로 움직이는 로봇의 패턴을 추출할 수 있다.
또한 빠른 시간에 패턴을 도출하기 위해서 Apriori 알고리즘을 사용하였다. Agrawal[11] 등은 기존의 AIS 알고리즘과 SETM 알고리즘은 빈도가 낮은 항목인 경우에도 후보 항목을 생성하여 카운트하고 검사를 하기 때문에 많은 시간이 소요된다.
변환 단계 후 효율적으로 패턴을 도출하기 위하여 Apriori 알고리즘을 이용하였다. 후보 항목집합을 생성할 때 최소 신뢰도를 만족하지 않은 후보 항목집합을 카운트 하지 않고 제거함으로써 더 빠르게 최대 시퀀스를 발견하여 로봇의 이동 패턴을 도출하였다.
이러한 방법을 적용하여 기존에 많이 발생하는 작업물 대기 시간을 줄일 수 있었다. 시뮬레이션 tool로는 AutoMod 12.1을 사용하였다.
성능/효과
16분)을 제외하면 작업물이 완료된 후 로봇에 의해 운반되기 전까지 대기한 시간이 현저하게 줄었음을 확인할 수 있다. 또한 입구 컨베이어의 평균 대기 작업물의 수도 1.5배의 차이를 보였고 총 처리량도 11개 차이가 나는 것으로 확인 되었다. 로봇 가동률의 경우기존 규칙에 비해 늘어난 것을 확인할 수 있는데 이는 선 작업을 수행한 후 작업 완료 신호가 발생하지 않은 경우 다음 작업물을 선택하여 미리 그 위치로 이동하여 대기함으로서 높은 결과가 나타난 것으로 사료된다.
또한 현재 A사가 적용하고 있는 선입선출 규칙에 비해 최소 이동시간 우선규칙을 적용하였을 때 작업물의 총 처리량이 증가하고 평균 체류시간이 감소하였다. 이는 A사의 FMC에 최소 이동시간 우선 규칙을 적용하는 것이 더 효율적인 것으로 입증되었고 본 논문에서 제시한 순차패턴 최소 이동시간 우선규칙(SP_MITT)규칙을 A사의 FMC에 적용하는 것이 가장 효율적인 것으로 판단된다.
5배의 차이를 보였고 총 처리량도 11개 차이가 나는 것으로 확인 되었다. 로봇 가동률의 경우기존 규칙에 비해 늘어난 것을 확인할 수 있는데 이는 선 작업을 수행한 후 작업 완료 신호가 발생하지 않은 경우 다음 작업물을 선택하여 미리 그 위치로 이동하여 대기함으로서 높은 결과가 나타난 것으로 사료된다.
비교결과 현재 A사에서 적용하고 있는 작업 우선순위규칙인 선입선출에 비해 순차 패턴을 적용한 순차패턴선입선출(SP_FIFO)규칙이 작업물의 평균 체류시간이 6.47분 줄었음을 확인 할 수 있다. 이는 작업물이 FMC에 투입되어 모든 공정을 마칠 때 까지 설비별 최대가공시간(29분)과 로봇에 의해 운반되는 시간(3.
또한 현재 A사가 적용하고 있는 선입선출 규칙에 비해 최소 이동시간 우선규칙을 적용하였을 때 작업물의 총 처리량이 증가하고 평균 체류시간이 감소하였다. 이는 A사의 FMC에 최소 이동시간 우선 규칙을 적용하는 것이 더 효율적인 것으로 입증되었고 본 논문에서 제시한 순차패턴 최소 이동시간 우선규칙(SP_MITT)규칙을 A사의 FMC에 적용하는 것이 가장 효율적인 것으로 판단된다.
47분 줄었음을 확인 할 수 있다. 이는 작업물이 FMC에 투입되어 모든 공정을 마칠 때 까지 설비별 최대가공시간(29분)과 로봇에 의해 운반되는 시간(3.16분)을 제외하면 작업물이 완료된 후 로봇에 의해 운반되기 전까지 대기한 시간이 현저하게 줄었음을 확인할 수 있다. 또한 입구 컨베이어의 평균 대기 작업물의 수도 1.
이를 위해 국내 A사의 생산라인을 시뮬레이션으로 모델링하여, 로봇의 패턴을 로그형태로 추출한 후 순차패턴 마이닝 방법을 이용하여 그 로봇의 패턴을 추출하였다. 이후 효율적인 로봇의 작업순서를 설계하기 위해 도출된 패턴을 로봇의 작업 우선순위를 결정하는데 사용하였고, 실험결과 기존 설비에서 주로 사용하는 작업 우선순위규칙(선입선출, 최소이동시간우선, 최대잔여가공시간우선)보다 전체적으로 향상된 결과를 가져왔다. 이 방법을 제조 부분에 적용한다면 생산성 향상을 가져올 것이다.
후속연구
하지만 본 논문에서는 다양한 작업환경에서도 실제 FMC를 시뮬레이션을 통해 구현한 후 순차 패턴 마이닝을 이용하여 패턴을 도출하여 설비의 신호와 로봇 동작간의 그 연관관계를 분석하고 최적의 운영법칙을 설계, 적용할 수 있기 때문에 라인 균형화(Line Balancing)를 할 수 있는 효율적인 작업 우선순위규칙 방법을 제시하여 기존 방법과 차별화 하였다. 또한 FMC내 새로운 장비가 추가되거나 설비의 향상이 이루어졌을 경우 로봇의 패턴의 변화를 통해 새로운 작업 환경을 구현하는데 용이할 것이다.
본 논문에서 제시한 방법은 현재 산업 분야 중에서 LCD생산 공정과 같이 거의 모든 공정이 반송용 로봇에 의해 구성되어 있는 장치 산업분야에서 사용한다면 큰 효과를 얻을 수 있을 것으로 사료된다.
이후 효율적인 로봇의 작업순서를 설계하기 위해 도출된 패턴을 로봇의 작업 우선순위를 결정하는데 사용하였고, 실험결과 기존 설비에서 주로 사용하는 작업 우선순위규칙(선입선출, 최소이동시간우선, 최대잔여가공시간우선)보다 전체적으로 향상된 결과를 가져왔다. 이 방법을 제조 부분에 적용한다면 생산성 향상을 가져올 것이다.
본 논문에서는 제안한 방법론의 유효성을 검토하기 위하여 A사의 생산라인을 시뮬레이션으로 설계하였다. 이를 위하여 추가적으로 FMC에서 생산되는 작업물과 설비, 로봇 등에 관한 추가적인 분석이 요구된다.
질의응답
핵심어
질문
논문에서 추출한 답변
FMC는 대부분 어떤 기계 배치 구조를 가지는가?
FMS의 구성요소 중 공정기계의 대수와 배치에 따라서 여러 가지 형식으로 분류 될 수 있는데 그 중 유연 생산 셀(FMC : Flexible Manufacturing Cell)은 작업물의 상차, 하차를 위한 한 대의 로봇과 자재 운반 작업을 위한 팔레트(Pallet) 혹은 컨베이어(Conveyor)와 하나 혹은 그 이상의 공정기계들로 구성되어 있는 소규모 작업센터를 말한다. FMC는 한 대의 로봇을 중심(Robot-Centered Cells)으로 시스템이 제어되기 때문에 대부분 원형, 직선형, U형 등의 기계 배치 구조를 가지고 이에 따라 공정기계간 작업물의 운반 방법이 결정 된다[1]. FMC는 그룹 테크놀로지(Group Technology)를 적용하여 구성된 부품 패밀리(Part Family)에 속하는 부품들을 가공하는 기계 셀의 기능을 가지기도 한다.
부품가공 유연 제조시스템은 어떻게 구성되는가?
이에 다품종 소(중)량 생산에서 비교적 높은 생산성을 유지할 수 있는 자동생산 시스템으로서 등장한 것이 유연 제조시스템(FMS : Flexible Manufacturing System)이다[1]. FMS는 부품가공 시스템을 가리키는 경우가 많은데, 부품가공 FMS는 머시닝 센터 등의 설비(Machine), 가공 대상물의 상차(Loader), 하차(Unloader), AGV(Automated Guided Vehicle), 자동창고(AS/RS), 제어용 컴퓨터 등의 하드웨어로 구성된다. 이러한 하드웨어는 생산계획 프로그램, 기계제어 프로그램 등에 의해 관리된다[2].
유연 생산 셀이란 무엇인가?
이러한 하드웨어는 생산계획 프로그램, 기계제어 프로그램 등에 의해 관리된다[2]. FMS의 구성요소 중 공정기계의 대수와 배치에 따라서 여러 가지 형식으로 분류 될 수 있는데 그 중 유연 생산 셀(FMC : Flexible Manufacturing Cell)은 작업물의 상차, 하차를 위한 한 대의 로봇과 자재 운반 작업을 위한 팔레트(Pallet) 혹은 컨베이어(Conveyor)와 하나 혹은 그 이상의 공정기계들로 구성되어 있는 소규모 작업센터를 말한다. FMC는 한 대의 로봇을 중심(Robot-Centered Cells)으로 시스템이 제어되기 때문에 대부분 원형, 직선형, U형 등의 기계 배치 구조를 가지고 이에 따라 공정기계간 작업물의 운반 방법이 결정 된다[1].
참고문헌 (13)
박양병. "로보트 중심 FMC에서 최적 로보트 서비스 이동정책을 위한 연구.", 한국시뮬레이션학회 논문지, 제1권, 제1호, pp. 55-63, 1992.
F.T.S.Chan. "Effects of Dispatching and routing Decisions on the Performance of a Flexible Manufacturing System.", International journal of advanced manufacturing technology ,v.21 no.5 ,pp.328-338 ,2003.
Stecke K. E, Solberg J. J. "Loading and control policies for a flexible manufacturing system.", International Journal of Production Research, Vol19, pp. 481-90, Sept.-Oct, 1981.
Slalanil m, sarker bhaba r and waikaravinash m. "Comparative study of some priority dispatching rules under different shop load.", Production planning & control, v.6, no.4, ,pp.301-310, 1995.
M. Kizil, M. Ozbayrak, T.C. Papadopoulou. "Evaluation of dispatching rules for cellular manufacturing.", International journal of advanced manufacturing technology, v.28, no.9, pp.985-992, 2006.
Jayamohan M.S, Rajendran C. "Development and analysis of cost-based dispatching rules for job shop scheduling.", European journal of operational research , v.157, no.2, pp.307-321, 2004.
Restrepo, Indira Molina and Balakrishnan S. "Fuzzy-based methodology for multi-objective scheduling in a robot-centered flexible manufacturing cell.", Journal of intelligent manufacturing, v.19, no.4, pp.421-432, 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.