[논문]이산사건 시뮬레이션 시스템을 활용한 생산성 개선 사례 연구

김상태; 신문수; 류광열; 조용주

doi:10.11627/jkise.2015.38.4.149

이산사건 시뮬레이션 시스템을 활용한 생산성 개선 사례 연구
A Case Study on Productivity Improvement by a Discrete Event-Driven Simulation System 원문보기

Journal of Korean Society of Industrial and Systems Engineering = 한국산업경영시스템학회지, v.38 no.4, 2015년, pp.149 - 158

김상태 (한밭대학교 산업경영공학과) , 신문수 (한밭대학교 산업경영공학과) , 류광열 (부산대학교 산업공학과) , 조용주 (한국생산기술연구원)

Abstract ▼ AI-Helper

Up-to-date manufacturing companies have faced a market-driven environment of pull production order. There should be a difference in operating manufacturing resources according to the type, quantity, and delivery time of manufactured products, because the process situation in pull production is changed by customer orders. And it should be taken into account from the stage of preparing for production such as process design and the placement and utilization of manufacturing resources. However, the feasibility of production plans is limited because most of small manufacturing businesses make production/supply plan of the parts and products assuming that equipment abilities in scheduling is sufficient without managing process standard information systemically. In this study, a discrete event simulation system based on BOM (bill of material), that is F-OPIS (online productivity innovation system), is introduced and a case study on application of the system leading to improving productivities is presented. F-OPIS deals with a decision-problem on production management and it is specialized for small-and- medium sized manufacturing companies. The target company of this case study is a typical small-and-medium sized manufacturing company in Korea, that produces various machined parts. The target company adopts make-to-stock production management to prevent tardy delivery because of fluctuations in demand. Therefore, it is required to apply an efficient inventory control solution for improving productivities. In this paper, based on the constraints of working capacity of manufacturing resources, the bottleneck process is analyzed as production conditions are changed. Consequently, an improvement plan is proposed, that eventually enhances overall utilization rates of resources in the bottleneck process and reduces overall production lead-time and inventory level.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 F-OPIS를 활용한 생산성 개선 사례연구를 제시함으로써 F-OPIS의 현장 적용에 대한 유효성을 검증하고자 한다. 이에 사례기업의 문제점을 파악하고, 개선안을 도출하고자 한다.
그러나 F-OPIS에서는 직관적 사용자 환경을 기반으로 BOM 기반 단위공정의 세부정보의 간단한 입력이 가능하다. 본 연구는 F-OPIS의 사용성을 검증하고자 공정에서 발생하는 문제점을 반영하여 모델링하였다. 병목 예상공정인 외주 후처리 공정에 전용설비를 지정하여 모형에 반영하였다.
중소 제조기업은 생산 공정에 필요한 기준정보의 관리가 체계적이지 못한 경우가 빈번하기 때문에 대안을 수립하여 개선된 시스템의 효과를 파악하는데 있어 데이터 조사, 입력공수 증가 등의 많은 어려움을 겪는다. 본 연구는 앞서 제시된 문제점을 해결하고자 기업의 기준정보를 수집하고 AS-IS 모형을 수립하여 실제공정과 같이 구현 되었는지 타당성을 검증하였다. 기존의 다른 시스템은 단위공정의 세부설정에 있어 시뮬레이션에 대한 기본 지식 없이 단위공정에 대한 세부 설정이 쉽지 않았다.
본 연구에서는 F-OPIS를 활용하여 사례기업의 제조운영 현황을 분석하고, 생산성 개선 방안을 수립 검증한다. 특히 외주가공 공정을 중심으로 공정 제약자원(critical resource)을 탐색하고 병목을 분석하고자 한다.
이를 위해 본 논문에서는 현재공정의 문제점을 F-OPIS를 활용하여 생산모형을 모델링하며, 개선안이 적용된 생산모형을 구축하여 비교한다. 비교한 결과를 분석하여 효과를 파악하고 향후 중소제조기업의 F-OPIS 도입의 방향을 제시하고자 한다. 본 논문의 이후 구성은 다음과 같다.
본 논문에서는 F-OPIS를 활용한 생산성 개선 사례연구를 제시함으로써 F-OPIS의 현장 적용에 대한 유효성을 검증하고자 한다. 이에 사례기업의 문제점을 파악하고, 개선안을 도출하고자 한다. 이를 위해 본 논문에서는 현재공정의 문제점을 F-OPIS를 활용하여 생산모형을 모델링하며, 개선안이 적용된 생산모형을 구축하여 비교한다.
본 연구에서는 F-OPIS를 활용하여 사례기업의 제조운영 현황을 분석하고, 생산성 개선 방안을 수립 검증한다. 특히 외주가공 공정을 중심으로 공정 제약자원(critical resource)을 탐색하고 병목을 분석하고자 한다. F-OPIS 기반 시뮬레이션을 활용함으로써 설비의 작업부하 평준화를 통해 병목을 해소하고 재공/재고를 줄일 수 있는 방안을 도출한다.

제안 방법

AS-IS 모형의 타당성을 검증하기 위해 병목공정인 외주 후처리 공정의 택트타임을 기준으로 비교 분석하였다. 실제 외주 후처리 공정을 진행하는데 22초의 택트타임이 발생하는 것으로 파악되었으며, AS-IS 모형의 시뮬레이션 결과상에서는 평균 21.
특히 외주가공 공정을 중심으로 공정 제약자원(critical resource)을 탐색하고 병목을 분석하고자 한다. F-OPIS 기반 시뮬레이션을 활용함으로써 설비의 작업부하 평준화를 통해 병목을 해소하고 재공/재고를 줄일 수 있는 방안을 도출한다.
이렇게 수기로 관리하는 데이터는 업데이트 시점에 따라 신뢰성 편차가 매우 크다. 따라서 시뮬레이션 모델 생성에 필요한 신뢰성 있는 기준정보 수집을 위해 현장에서 실측작업을 수행하였으며, 현장 관리자와의 협의를 통해 공정별/설비별 택트타임(tact time)과 공정리드타임, 작업준비시간, 설비간 이송 시간 등을 도출하였다.
사례기업의 기존 제조운영 현황을 분석하기 위해 2014년 5월 생산실적을 기준으로 AS-IS 모형을 수립하였다. 모형을 단순화하기 위해 개별 제품을 유형별로 묶어서 반영하였으며, 해당 시점을 기준으로 생산이력이 파악된 주력 제품만을 대상으로 모형을 설계하였다. [Table 1]에 나타난 바와 같이 유형 1과 2-1, 2-5가 주력 유형으로 파악되며, 각각의 유형은 시뮬레이션 모형 상에서 독립적인 워크스테이션으로 표현된다.
본 연구는 F-OPIS의 사용성을 검증하고자 공정에서 발생하는 문제점을 반영하여 모델링하였다. 병목 예상공정인 외주 후처리 공정에 전용설비를 지정하여 모형에 반영하였다. TO-BE 모형을 분석한 결과 설비의 균형 운용, 재공 재고의 감소, 생산 리드타임이 감소 등의 효과를 파악할 수 있었다.
이러한 이유로 기업은 생산모형을 구현하고 다양한 대안을 수립하고 현장에 적용하고자 노력한다. 본 연구는 반도체 생산설비의 부품을 생산하는 중소 제조기업의 실제 이산공정 시뮬레이션 모델을 F-OPIS로 구현하고 이를 통해 생산공정 분석을 수행하였다. 중소 제조기업은 생산 공정에 필요한 기준정보의 관리가 체계적이지 못한 경우가 빈번하기 때문에 대안을 수립하여 개선된 시스템의 효과를 파악하는데 있어 데이터 조사, 입력공수 증가 등의 많은 어려움을 겪는다.
또한 F-OPIS는 병목공정 탐색 알고리즘을 탑재하여 라인밸런싱을 위한 의사결정을 지원한다. 시뮬레이션을 통해 산출된 공정설비별 작업일정을 분석하여 워크스테이션별 사이클타임(cycle time)과 공정별 여유시간(slack time)을 계산하여 공정납기지연유무와 병목공정 여부를 판정한다. [Figure 5]는 병목공정 탐색을 위한 공정별 여유시간 산출 과정을 나타내고 있다.
자재와 BOM, 주문 관련 정보를 개별 제품을 기준으로 입력한다. 완제품을 구성하는 반제품과 원재료에 대한 자재정보를 입력하고, 이를 기준으로 완제품에 대한 BOM을 구성한다. 구성된 정보를 모델에 나타내기 위해 주문정보가 필요하며, 주문정보는 주문일자, 주문량 등을 입력하여 구성한다.
사례기업에서는 주문량이 가장 많은 유형 2-1 제품을 우선적으로 생산하고 이후 발생하는 유휴설비에 여러 제품의 작업을 할당한다. 이를 시뮬레이션 모형에서 구현하기 위해 유형 2-1 워크스테이션의 외주 레이저 가공(LAS)과 외주 후처리 가공에 운영되는 모든 설비를 우선 할당하였다. 따라서 유형 2-1 제품은 다른 유형의 제품에 비해 택트타임과 여유시간이 짧은 것을 확인할 수 있다.
이에 사례기업의 문제점을 파악하고, 개선안을 도출하고자 한다. 이를 위해 본 논문에서는 현재공정의 문제점을 F-OPIS를 활용하여 생산모형을 모델링하며, 개선안이 적용된 생산모형을 구축하여 비교한다. 비교한 결과를 분석하여 효과를 파악하고 향후 중소제조기업의 F-OPIS 도입의 방향을 제시하고자 한다.
따라서 여러 대의 설비에 작업을 할당하여 제품을 생산하는 것은 비효율적이라고 판단할 수 있다. 이를 해소하기 위해 AS-IS 모형에서는 외주 레이저 가공의 OUT01, OUT02, OUT03 설비를 범용으로 운영했지만 TO-BE 모형에서는 OUT02가 TYPE2-1만을 담당하도록 설계하였다.
주어진 수요정보에 대해 공정정보, BOM(bill of material), 재공 및 재고 수준 등을 바탕으로 개별 공정에 작업부하를 백워드(backward) 할당하는 필터링 시뮬레이션(filtering simulation)을 전개하며, 이를 통해 공정별 작업할당계획 목표생산량을 산출한다. 이후 우선순위 규칙과 설비정보, 이송정보 등을 바탕으로 설비에 단위작업을 포워드(forward)할당하는 간트차트 시뮬레이션(gantt-chart simulation)을 전개한다. 최종적으로 설비가동률, 설비별 작업이력, 자재 투입정보, 제품생산정보 등을 결과로 제시한다.
자재 관련 정보는 제조자원에 투입될 자재의 구성을 나타낸다. 자재와 BOM, 주문 관련 정보를 개별 제품을 기준으로 입력한다. 완제품을 구성하는 반제품과 원재료에 대한 자재정보를 입력하고, 이를 기준으로 완제품에 대한 BOM을 구성한다.
[Figure 1]은 F-OPIS의 구동 프레임워크를 보이고 있다. 주어진 수요정보에 대해 공정정보, BOM(bill of material), 재공 및 재고 수준 등을 바탕으로 개별 공정에 작업부하를 백워드(backward) 할당하는 필터링 시뮬레이션(filtering simulation)을 전개하며, 이를 통해 공정별 작업할당계획 목표생산량을 산출한다. 이후 우선순위 규칙과 설비정보, 이송정보 등을 바탕으로 설비에 단위작업을 포워드(forward)할당하는 간트차트 시뮬레이션(gantt-chart simulation)을 전개한다.
채종인, 박양병[1]은 병목공정에 대한 기계추가에 의한 라인 밸런싱을 대표적 범용 시뮬레이션 도구인 Arena로 검증하였다. 최광석 외[3]는 Arena 시뮬레이션을 활용한 기존 부품라인의 개선 및 설비 추가 도입에 따른 경제성 분석을 실시하였다. 권치명, 임상규[13]는 생산 공정 간 버퍼제약이 있는 흐름공장(flow shop) 시스템에 활동기간 기반 애로공정 발견기법을 적용하고, 범용 시뮬레이션 언어인 AweSim으로 타당성을 분석하였다.
이후 우선순위 규칙과 설비정보, 이송정보 등을 바탕으로 설비에 단위작업을 포워드(forward)할당하는 간트차트 시뮬레이션(gantt-chart simulation)을 전개한다. 최종적으로 설비가동률, 설비별 작업이력, 자재 투입정보, 제품생산정보 등을 결과로 제시한다.
AS-IS 모형에서 주요 병목공정으로 분석된 외주 후처리 공정(POS)의 택트타임을 감소시키고 설비 가동률을 높이기 위한 TO-BE 모형을 수립하였다. 특히 외주 레이저 공정(LAS) 설비의 일부를 유형 2-1 제품을 전용으로 생산할 수 있도록 하였다. 유형 2-1 제품은 주문량이 47,466개(95.
F-OPIS는 BOM을 기반으로 시뮬레이션 분석모형을 자동 구성하며, 원재료 혹은 반제품이 각각의 공정을 거치며 완제품으로 변환되는 과정에 대해 이산사건 시뮬레이션을 수행한다. 특히 확정적 시뮬레이션 기법을 적용함으로써 주어진 기간 동안의 생산흐름에 대해 간트차트 형태로 가시화된 직관적 결과를 제공한다. 하나의 분석모형은 BOM 상에 등록된 각각의 반제품을 가공처리하기 위한 단위공정의 집합체인 워크스테이션으로 구성된다.

대상 데이터

본 연구의 사례기업은 MCT(machining center) 가공 중심의 임가공 기업이며, 반도체 생산설비의 부품을 주력으로 생산하고 있다. 월 단위로 MTS(make-to-stock) 방식의 생산운영관리를 실시하고 있으나, 불규칙적인 주문으로 인해 수요예측에 대한 정확도 수준이 낮고 상대적으로 높은 수준의 재고를 운영하는 실정이다.

이론/모형

AS-IS 모형에서 주요 병목공정으로 분석된 외주 후처리 공정(POS)의 택트타임을 감소시키고 설비 가동률을 높이기 위한 TO-BE 모형을 수립하였다. 특히 외주 레이저 공정(LAS) 설비의 일부를 유형 2-1 제품을 전용으로 생산할 수 있도록 하였다.
사례기업의 기존 제조운영 현황을 분석하기 위해 2014년 5월 생산실적을 기준으로 AS-IS 모형을 수립하였다. 모형을 단순화하기 위해 개별 제품을 유형별로 묶어서 반영하였으며, 해당 시점을 기준으로 생산이력이 파악된 주력 제품만을 대상으로 모형을 설계하였다.

성능/효과

외주 후처리 공정(POS) 설비 OUT11, OUT12, OUT13의 가동률은 최대 66%, 최소 55%로 11%P의 차이를 보인다. AS-IS 모형에 비해 설비가동률의 최대값과 최소값의 차이를 기존 21%P에서 약 10%P 줄이며 설비의 균형적 운용을 가져왔다. 반면, 2차 검사 공정(INS2)의 경우 설비 INS04가 기존 가동률인 36%에서 38%로 2%P 증가하는 현상을 보였는데 이는 외주 후처리 공정 설비의 가동률이 평균적으로 증가했기 때문에 이후 진행되는 2차 검사공정의 작업량이 증가했기 때문으로 분석된다.
[Figure 10]은 AS-IS 모형과 TO-BE 모형에서의 주요공정에 대한 평균 재공(WIP) 수준을 보이고 있다. AS-IS 모형의 평균 재공 수준은 외주 레이저 공정(LAS) 29,500개, 1차 검사 공정(INS1) 3,645개, 외주 후처리 공정(POS) 4,624개, 2차 검사 공정(INS2) 2,461개로 나타났다. TOBE 모형에서 전용설비를 지정한 뒤 재공 수준은 각 공정별로 24,500개(16.
F-OPIS 분석 결과 사례기업의 병목공정은 1차 및 2차 검사 공정과 외주 후처리 공정(POS)으로 나타났다. 1차 및 2차 검사 공정에 해당하는 설비는 각각 INS01, INS04이며 33%, 36%의 가동률을 나타내고 있다.
병목 예상공정인 외주 후처리 공정에 전용설비를 지정하여 모형에 반영하였다. TO-BE 모형을 분석한 결과 설비의 균형 운용, 재공 재고의 감소, 생산 리드타임이 감소 등의 효과를 파악할 수 있었다. 특히 모형을 구축하는 것만으로 생산데이터를 수집하며 효율적 정보관리가 가능하다는 것을 확인할 수 있었다.
AS-IS 모형의 평균 재공 수준은 외주 레이저 공정(LAS) 29,500개, 1차 검사 공정(INS1) 3,645개, 외주 후처리 공정(POS) 4,624개, 2차 검사 공정(INS2) 2,461개로 나타났다. TOBE 모형에서 전용설비를 지정한 뒤 재공 수준은 각 공정별로 24,500개(16.95%), 1,881개(48.40%), 1,958개(57.66%), 2,238개(9.06%)로 감소하였다. TYPE 2-1의 제품 생산을 위한 주요 공정에서만 총 30,577개의 재공 수를 줄여 전체 23.
06%)로 감소하였다. TYPE 2-1의 제품 생산을 위한 주요 공정에서만 총 30,577개의 재공 수를 줄여 전체 23.99%의 재공 감소효과를 확인할 수 있었다. 또한 재공이 감소되어 제품 생산에 대한 여유버퍼를 가동할 수 있게 되어 긴급발주, 설비고장 등에 대비할 수 있을 것으로 기대된다.
AS-IS 모형의 타당성을 검증하기 위해 병목공정인 외주 후처리 공정의 택트타임을 기준으로 비교 분석하였다. 실제 외주 후처리 공정을 진행하는데 22초의 택트타임이 발생하는 것으로 파악되었으며, AS-IS 모형의 시뮬레이션 결과상에서는 평균 21.61초로 나타났다. 택트타임 측면에서 AS-IS 모형과 실제 공정 간의 오차는 약 1.
1차 및 2차 검사 공정에 해당하는 설비는 각각 INS01, INS04이며 33%, 36%의 가동률을 나타내고 있다. 외주 후처리 공정의 설비 OUT11, OUT12, OUT13은 각각 58%, 41%, 62%의 가동률을 보이고 있어, 전반적으로 외주 후처리 공정에서 설비의 불균형 운용현상을 보인다.
[Table 4]는 공정별 택트타임(tact time)과 여유시간(slack time)을 보이고 있다. 유형 1과 유형 2-5의 외주 후처리 공정(POS)과 2차 검사공정(INS2)의 택트타임은 평균 22초를 보이며 다른 공정에 비해 10초 이상 높게 나타나는 것을 확인할 수 있다. 사례기업에서는 주문량이 가장 많은 유형 2-1 제품을 우선적으로 생산하고 이후 발생하는 유휴설비에 여러 제품의 작업을 할당한다.
시뮬레이션 길이는 31일로 설정하였고, 초기 재공은 무시할 수 있는 수준이므로 준비기간(warm-up period)은 반영하지 않았다. 이를 종합하면 TO-BE 모형을 통해 평균 재공 수준을 24.0% 감소시키고, 설비 가동률을 9.6% 증가시킴으로써 평균 제조리드타임이 16.6% 감소됨을 확인할 수 있다. 이는 외주 레이저 공정에서 유형 2-1 제품에 대한 전용설비를 지정함으로써 범용 운용시의 잦은 제품 변경으로 인한 셋업시간 발생을 억제할 수 있었기 때문이다.
TO-BE 모형을 분석한 결과 설비의 균형 운용, 재공 재고의 감소, 생산 리드타임이 감소 등의 효과를 파악할 수 있었다. 특히 모형을 구축하는 것만으로 생산데이터를 수집하며 효율적 정보관리가 가능하다는 것을 확인할 수 있었다. 향후 연구 내용으로 제조비용을 반영하여 생산자원의 효율적 운용을 위한 경제성 분석을 고려하거나, SPT(shortest processing time), LPT(longest processing time) 등 우선순위규칙(dispatching rules)을 반영하여 기업에 맞는 생산계획을 수립하는 것이 필요하다.

후속연구

99%의 재공 감소효과를 확인할 수 있었다. 또한 재공이 감소되어 제품 생산에 대한 여유버퍼를 가동할 수 있게 되어 긴급발주, 설비고장 등에 대비할 수 있을 것으로 기대된다.
[Figure 4]는 F-OPIS 상에서 기준정보의 관리 구조를 나타내고 있으며, 제조에 필요한 모든 기준정보가 관리 도구를 통해 통합된다. 향후 새로운 공정관리 시스템을 구축할 때 기존에 수집된 정보를 이용하여 기준정보 입력에 대한 공수를 절감할 수 있으며, 공정모형을 구축하는 것만으로 해당 공정의 기준정보 대부분을 쉽게 관리할 수 있다.
특히 모형을 구축하는 것만으로 생산데이터를 수집하며 효율적 정보관리가 가능하다는 것을 확인할 수 있었다. 향후 연구 내용으로 제조비용을 반영하여 생산자원의 효율적 운용을 위한 경제성 분석을 고려하거나, SPT(shortest processing time), LPT(longest processing time) 등 우선순위규칙(dispatching rules)을 반영하여 기업에 맞는 생산계획을 수립하는 것이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	중소 제조기업이 대안을 수립하여 개선된 시스템의 효과를 파악하는데 있어 데이터 조사, 입력공수 증가 등의 많은 어려움을 겪는 이유는?	본 연구는 반도체 생산설비의 부품을 생산하는 중소 제조기업의 실제 이산공정 시뮬레이션 모델을 FOPIS로 구현하고 이를 통해 생산공정 분석을 수행하였다. 중소 제조기업은 생산 공정에 필요한 기준정보의 관리가 체계적이지 못한 경우가 빈번하기 때문에 대안을 수립하여 개선된 시스템의 효과를 파악하는데 있어 데이터 조사, 입력공수 증가 등의 많은 어려움을 겪는다. 본 연구는 앞서 제시된 문제점을 해결하고자 기업의 기준정보를 수집하고 AS-IS 모형을 수립하여 실제공정과 같이 구현 되었는지 타당성을 검증하였다.
	주문생산의 동태적 시장 환경에 대한 즉시 대응력을 확보하기 위해서 필요한 것은?	주문생산의 동태적 시장 환경에 대한 즉시 대응력을 확보하기 위해서는 각종 IT 기술의 활용이 필요하다[8]. 대다수 중소 제조기업의 경우 IT 기술에 대한 이해도와 활용도가 매우 낮으며 고가의 도입 및 유지보수 비용뿐 아니라 전문 인력 확보의 어려움 또한 존재한다.
	활용이 쉽고 체계적인 정보관리를 지원할 수 있는 생산성 분석 도구의 개발 및 활용이 필요한 이유는?	이처럼 시뮬레이션 기법을 활용한 생산성 개선 노력이 지속적으로 이루어져 왔음에도 불구하고 정보시스템에 대한 활용여건이 상대적으로 열악한 대다수의 중소 제조기업 환경에서 시뮬레이션 기법을 도입․활용하기에는 한계가 있다[18]. 이는 대다수의 중소기업이 현실적으로 시뮬레이션 전문 인력을 보유하지 못하고 있으며, 정보의 관리가 체계적이지 못할 뿐 아니라 정보시스템 자체에 대한 이해가 부족하기 때문이다. 따라서 활용이 쉽고 체계적인 정보관리를 지원할 수 있는 생산성 분석 도구의 개발 및 활용이 필요하다.

참고문헌 (27)

Chai, J.I. and Park, Y.B., A Study on Throughput Increase in Semiconductor Package Process of K Manufacturing Company Using a Simulation Model. Journal of the Korea Society for Simulation, 2010, Vol. 19, No. 1, pp. 1-11.
Chan, F.T.S., Bhagwat, R., and Wadhwa, S., Increase in flexibility : productive or counterproductive? A study on the physical and operating characteristics of a flexible manufacturing system. International Journal of Production Research, 2006, Vol. 44, No. 7, pp. 1431-1445.

상세보기
Choi, G.S., Park G.A., and Yoon, Y.S., A Methodology for Productivity Improvement using Simulation Technique in Small and Medium Enterprise. Journal of Industrial Economics and Business, 2011, Vol. 24, No. 4, pp. 1969-1987.
Choi, M.C., A Study on Heat-Treatment Process Scheduling for Heavy Forged Products using MIP. Korean Management Science Review, 2012, Vol. 29, No. 2, pp. 143-155.
Herrmann, C., Thiede, S., Kara, S., and Hesselbach, J., Energy oriented simulation of manufacturing systems- Concept and application. CIRP Annals-Manufacturing Technology, 2011, Vol. 60, No. 1, pp. 45-48.

상세보기
Jeong, Y.S., Yim, H.J., Jee, H.S., and Lee, K.K., A Manufacturing Line Optimization for Discrete Event Simulation and Genetic Algorithm. Transaction of the Society of CAD/CAM Engineers, 2008, Vol. 13, No. 1, pp. 67-75.
Jung, B.J. and Lee, Y.H., Capacity Planning and Control of Probe Process in Semiconductor Manufacturing. IE interfaces, 1997, Vol. 10, No. 3, pp. 15-22.
Kang, T.Y., Kwon, D.W., and Son, E.I., The Effect of Multiple Value Frames of IT Productivity on Business Performance. Journal of the Quality Management, 2003, Vol. 31, No. 4, pp. 203-218.
Kim, D.G., Kang, .M.K., Choi, J.Y., Park, K.J., and Kong, M.S., Improvement of the Waste Refrigerator Pre-processing Line in Metropolitan Recycling Center using Simulation. Journal of the Korea Society for Simulation, 2013, Vol. 22, No. 4, pp. 129-138.

원문보기 상세보기
Kim, D.S. and Moon, D.H., A Case Study of Comparing the Measuring Methods for Workloads of Resources in a Manufacturing Processes of Semiconductor-Parts. Journal of the Korea Society for Simulation, 2011, Vol. 20, No. 3, pp. 49-58.
Kitech OPIS_SIMULATION_FRAMEWORK. C-2012-006817.
Kitech, OPIS_SIMULATION_ENGINE. C-2012-006816.
Kwon, C.M. and Lim, S.G., Bottleneck Detection Based on Duration of Active Periods. Journal of the Korea Society for Simulation, 2013, Vol. 22, No. 3, pp. 35-41.

원문보기 상세보기
Lee, B.K., Variation Stack-Up Analysis Using Monte Carlo Simulation for Manufacturing Process Control and Specification. Journal of the Korean Society for Quality Management, 1994, Vol. 22, No. 4, pp. 79-101.

원문보기 상세보기
Lee, G.C., The information of dispatching rules for improving job shop performance. Journal of the Society of Korea Industrial and Systems Engineering, 2007, Vol. 30, No. 3, pp. 94-102.
Lee, J.Y., A Study on Lead-time Reduction Based on Advanced Planning and Scheduling(APS) System. Master thesis, Hanbat National University, 2015.
Lee, K.K., Yun, W.Y., Moon, I.K., Cho, H.S., and Cha, B.C., A Study on Improvement of a Production System in Small and Medium Sized Shoes Companies using Simulation. IE interfaces, 2005, Vol. 18, No. 1, pp. 35-43.
Lee, S.J., Cho, N.Y., Kim, B.S., and Cho, C.W., Identifying Promising IT Products for SMEs under the Concept of Business Ecosystem. Journal of the Korean Institute of Industrial Engineers, 2013, Vol. 39, No. 1, pp. 61-72.

원문보기 상세보기
Lim, K.H., Rule-based Process Control System for multiproduct, small-sized production. Journal of the Korea Industrial Information Systems Research, 2010, Vol. 15, No. 1, pp. 47-57.
Rosen, S.L., Harmonosky, C.M., and Traband, M.T., A simulation optimization method that considers uncertainty and multiple performance measures. European Journal of Operational Research, 2007, Vol. 181, No. 1, pp. 315-330.

상세보기
Shin, M.S., Ryu, K.Y., and Cho, Y.J., ISC process management simulation. Seoul : Korea Association of Machinery Industry, 2014.
Singholi, A., Ali, M., and Sharma, C., Impact of manufacturing flexibility on FMS performance : a simulation study. International Journal of Industrial and Systems Engineering, 2011, Vol. 10, No. 1, pp. 96-116.
Sohn, M.E., Kim, W., and Kang, S.J., A RFID-based Process Improvement Methodology : Packing Process of Medium size Enterprise. Journal of the Korea Society for Simulation, 2007, Vol. 16, No. 4, pp. 67-75.
Song, M.G., Jung, C.H., and Chi, S.D., A study of Cluster Tool Scheduler Algorithm which is Support Various Transfer Patterns and Improved Productivity. Journal of the Korea Society for Simulation, 2010, Vol. 19, No. 4, pp. 99-109.
Song, Y.J., Woo, J.H., Lee, D.K., and Shin, J.G., A Simulation Study for Evaluation of Alternative Plans and Making the Upper-limit for Improvement in Productivity of Flow-shop with Considering a Work-wait Time. Journal of the Korea Society for Simulation, 2008, Vol. 17, No. 2, pp. 63-74.
Standridge, C.R. and Marvel, J.H., Why lean needs simulation. In Proceedings of the 38th conference on Winter simulation, 2006, pp. 1907-1913.
Yoon, H.J. and Shen, W., Simulation-based real-time decision making for manufacturing automation systems : a review. International Journal of Manufacturing Technology and Management, 2006, Vol. 8, No. 1-3, pp. 188-202.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증