본 논문에서는 산업공장 내의 생산 효율을 높이기 위하여 제조공정 자원을 예측하고 위험 관리를 효율적으로 이행하는 자원예측 및 위험관리를 위한 의사결정 시스템을 제안하였다. 각 공정에서 발생되는 다양한 정보들을 효율적으로 관리하는 세부 공정별 시나리오 생성이 어렵고, 동일한 공정 내에서도 다양한 제품의 생산하기 위해 제조 설비의 조건 변경이 빈번하다. 제품의 생산 주기 또한 일정하지 않아 연속되지 않은 데이터가 발생하여 소량의 데이터로 변동을 확인해야 하는 문제점이 있다. 이러한 문제점을 해결하기 위해서는 제조공정의 데이터 일원화, 공정 자원 예측, 위험 예측, 공정 현황 모니터링을 통하여 문제 발생시 즉각 조치가 가능하여야 한다. 본 논문에서는 설계도면 변경 범위, 자원 예측, 공정 완료 예정일을 회귀알고리즘을 이용하여 수식을 도출하였으며, 분류 트리 기법, 경계값 분석을 통하여 3단계로 의사결정 시스템을 제안하였다.
본 논문에서는 산업공장 내의 생산 효율을 높이기 위하여 제조공정 자원을 예측하고 위험 관리를 효율적으로 이행하는 자원예측 및 위험관리를 위한 의사결정 시스템을 제안하였다. 각 공정에서 발생되는 다양한 정보들을 효율적으로 관리하는 세부 공정별 시나리오 생성이 어렵고, 동일한 공정 내에서도 다양한 제품의 생산하기 위해 제조 설비의 조건 변경이 빈번하다. 제품의 생산 주기 또한 일정하지 않아 연속되지 않은 데이터가 발생하여 소량의 데이터로 변동을 확인해야 하는 문제점이 있다. 이러한 문제점을 해결하기 위해서는 제조공정의 데이터 일원화, 공정 자원 예측, 위험 예측, 공정 현황 모니터링을 통하여 문제 발생시 즉각 조치가 가능하여야 한다. 본 논문에서는 설계도면 변경 범위, 자원 예측, 공정 완료 예정일을 회귀알고리즘을 이용하여 수식을 도출하였으며, 분류 트리 기법, 경계값 분석을 통하여 3단계로 의사결정 시스템을 제안하였다.
In this paper, in order to increase the production efficiency of the industrial plant, and predicts the resources of the manufacturing process, we have proposed a decision-making system for resource implementing the risk management effectively forecasting and risk management. A variety of informatio...
In this paper, in order to increase the production efficiency of the industrial plant, and predicts the resources of the manufacturing process, we have proposed a decision-making system for resource implementing the risk management effectively forecasting and risk management. A variety of information that occurs at each step efficiently difficult the creation of detailed process steps in the scenario you want to manage, is a frequent condition change of manufacturing facilities for the production of various products even within the same process. The data that is not contiguous products production cycle also not constant occurs, there is a problem that needs to check the variation in the small amount of data. In order to solve these problems, data centralized manufacturing processes, process resource prediction, risk prediction, through a process current status monitoring, must allow action immediately when a problem occurs. In this paper, the range of change in the design drawing, resource prediction, a process completion date using a regression algorithm to derive the formula, classification tree technique was proposed decision system in three stages through the boundary value analysis.
In this paper, in order to increase the production efficiency of the industrial plant, and predicts the resources of the manufacturing process, we have proposed a decision-making system for resource implementing the risk management effectively forecasting and risk management. A variety of information that occurs at each step efficiently difficult the creation of detailed process steps in the scenario you want to manage, is a frequent condition change of manufacturing facilities for the production of various products even within the same process. The data that is not contiguous products production cycle also not constant occurs, there is a problem that needs to check the variation in the small amount of data. In order to solve these problems, data centralized manufacturing processes, process resource prediction, risk prediction, through a process current status monitoring, must allow action immediately when a problem occurs. In this paper, the range of change in the design drawing, resource prediction, a process completion date using a regression algorithm to derive the formula, classification tree technique was proposed decision system in three stages through the boundary value analysis.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 이유로, 통계적으로 유의한 수준을 판단하기에 데이터가 부족한 경우도 발생하여 엔지니어의 경험 지식에 의존해야 하는 경우가 발생한다. 따라서 본 논문에서는 이러한 문제들을 해결하기 위해서 제조 공정에서 자원을 예측하고 위험관리를 위한 의사결정 시스템을 제안하였다.
이러한 이유로, 통계적으로 유의한 수준을 판단하기에 데이터가 부족한 경우도 발생하여 엔지니어의 경험 지식에 의존해야 하는 경우가 발생한다[3]. 따라서 본 논문에서는 이러한 문제들을 해결하기 위해서 제조 공정에서 자원을 예측하고 위험관리를 위한 의사결정 시스템을 제안한다.
위험 관리를 위한 의사결정 프로세스는 두 가지의 분류로 나누어서 진행하였다. 첫 번째는 분류 트리 기법을 활용한 의사결정 프로세스, 두 번째는 경계값 분석을 활용한 의사결정 프로세스로 자원 예측 및 공정 관리 프로세스에서 위험이 발생하지 않더라도 위험 관리를 위한 의사결정 프로세스에서 2차적으로 문제점 발생 여부를 확인하기 위하여 진행하였다.
제안 방법
본 논문에서는 제조공정 의사결정 시스템을 위해 1) 의사결정 시스템 순서도, 2) 의사결정 시스템 UML 설계, 3) 자재 예측 프로세스, 4) 공정 관리 프로세스, 5) 분류 트리 기법을 활용한 의사결정 프로세스, 6) 경계값 분석을 통한 의사결정 프로세스를 제안하였다.
경계값 분석을 하기 위하여 공정 완료일을 기준으로 변수를 설정하였으며, 변수는 공정 시작일(S), 공정 검사 (res), 공정 완료일(E)로 정의하여 제조공정 의사결정 위해서 수식 10과 같이 주어진 함수를 사용하였다.
경계값을 설정하기 위하여 공정 완료일, 납품해야 할 가공 완료 개수의 데이터를 기반으로 정의하였다.
자재 예측 프로세스는 자재 현황 확인 순서로 작성 하였다. 기존 작업공정에서 자재를 확인하는 방법에서 본 논문에서 제안한 자재 관리 예측을 추가하여 자재 예측을 할 수 있도록 하였으며, 공정 진행시 기존의 공정과 유사한 공정에서 사용되어진 자재 및 사용된 자재의 수량을 확인하고, 진행되어질 공정에서 사용할 자재의 현황 및 수량을 예측할 수 있으며, 자재 예측 프로세스는 표 3과 같다.
분류 트리 기법을 활용하여 공정 단계를 세분화하고, 검사범위를 정의하고, 경계값 분석을 통하여 예측한 정보 및 공정 현황을 비교하여 일정 지연 및 자재 수급 확인, 장비의 현황을 파악하여 위험발생 전 의사결정을 통하여 문제점을 사전에 예방 가능하도록 구성하였다.
분류 트리 항목 중 Composition, Classification을 활용하여 분류하였다. 본 논문에서 제안한 제조공정의 자원 예측 및 위험관리를 위한 의사결정을 하기 위하여 Classification의 정의는 Sub System이며, 분류는 설계도 면, 자원관리, 공정관리로 정의하였다.
설계도면은 기존의 도면을 활용하여 작업을 진행하기 전 도면의 변경되는 부분(Dr), 도면의 요소(Element), 신규(DN), 보완(Ds), 변경(DC)로 정의하였다.
위험 관리 시스템은 입력되어진 데이터와 제조공정의 작업 번호로 조회하여 공정 완료일, 일별 공정 현황, 납기 완료일, 자재 확인을 통하여 제조 현황 및 문제점을 즉시 파악하고 문제를 해결할 수 있으며, 모니터링 시스템을 활용하여 공정의 진행현황을 작업자와 관리자가 확인할 수 있도록 하였다.
위험 관리를 위한 의사결정 프로세스는 두 가지의 분류로 나누어서 진행하였다. 첫 번째는 분류 트리 기법을 활용한 의사결정 프로세스, 두 번째는 경계값 분석을 활용한 의사결정 프로세스로 자원 예측 및 공정 관리 프로세스에서 위험이 발생하지 않더라도 위험 관리를 위한 의사결정 프로세스에서 2차적으로 문제점 발생 여부를 확인하기 위하여 진행하였다.
의사결정 시스템을 sub System 및 Class를 분류 트리 기법을 활용하여 정의하며, 표 5는 표 1을 바탕으로 의사 결정 시스템에 대한 분류 트리 다이어그램 항목의 요소로 정의하였다.
의사결정을 위하여 공정관리 중심으로 프로세스를 정의하고, 회귀알고리즘을 활용하여 설계도면 변경 범위, 자재의 현황 및 자재 예측, 공정 예측을 위하여 회귀알고리즘에 기반하여 수식을 정의하였다.
자동차 제조 산업의 비즈니스를 분석하여 정보 자산 식별, 자산의 위험 분석 평가, 평가요소에 따른 위험관리 대책을 수립하고 이에 따른 위험관리 체계에 대한 프레임워크를 제안하였다[1]. 장점으로는 평가 요소에 따른 위험관리 대책을 수립하고, 이에 따른 위험관리체계에 대한 문제 해결이 용이한 장점이 있다.
자원 예측 및 공정 관리 프로세스를 통하여 1차적으로 문제점을 확인한 후 공정의 문제점을 해결하도록 하였으며, 1차적으로 프로세스를 진행하였을 때 문제가 생기지 않더라도 2차적으로 의사결정을 하기 위하여 경계값을 임의로 지정하여 프로세스의 위험 요인을 확인할 수 있도록 프로세스를 도출하였다.
자원관리는 설계도면에서 정의한 도면으로 시작일(S), 투입 자재(IM), 투입 인력(IP), 투입 장비(IQ), 투입 기간 (IT), 자재 현황(MST), 자재 추가 투입(MAI)로 정의하였다.
자재 예측 프로세스는 자재 현황 확인 순서로 작성 하였다. 기존 작업공정에서 자재를 확인하는 방법에서 본 논문에서 제안한 자재 관리 예측을 추가하여 자재 예측을 할 수 있도록 하였으며, 공정 진행시 기존의 공정과 유사한 공정에서 사용되어진 자재 및 사용된 자재의 수량을 확인하고, 진행되어질 공정에서 사용할 자재의 현황 및 수량을 예측할 수 있으며, 자재 예측 프로세스는 표 3과 같다.
후속연구
본 논문에서 제안한 공정 프로세스 정의, 회귀알고리즘에 기반한 수식, 분류 트리 기법, 경계값 분석을 통하여 제조공정의 납품 일정 지연, 자재 수급여부, 공정의 위험을 예방하여 제품의 품질 향상 및 공정 기간이 단축될 것으로 기대된다.
향후 의사결정의 프로세스를 세분화하여 제조공정 도메인이 아닌 다른 도메인에서도 재사용이 가능하도록 객체 지향적 설계, 구현할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
선형회귀분석이란?
선형회귀분석은 독립변수, 종속변수들 간의 관련성이 있고 또한 관련이 있다면 어느 정도인지를 정량적으로 나타내고 타당성이 있는지를 확인하는 분석법이다. 즉, 연속된 변수들에 대한 분석 후 타당성이 있는 회귀모형이 만들어졌을 때에는 독립 변수의 값을 기초로 하여 종속변수의 값이 예측되는 분석방법이다.
기존의 제조 공정관리시스템의 세가지 문제점은 무엇인가?
기존의 제조 공정관리시스템에는 세 가지 문제점들이 있다. 첫 번째는 비효율적인 데이터 축적, 두 번째는 데이터의 중복 마지막 문제점은 각기 다른 사용자와 업무적 특성에 따라 조회하고자 하는 데이터가 서로 다른 경우가 발생하는 문제가 있다.
비즈니스 위험을 관리하기 위한 필수적인 요소는?
또한 IT가 모든 비즈니스의 중추적인 역할로 자리매김하고 있다. 비즈니스 위험을 관리하기 위하여 위험의 측정, 위험의 평가 그리고 활동의 계획 및실행 등은 성공을 위한 필수적인 요소들이다[1].
참고문헌 (12)
Joon-Taik Lee, Yang-Hoon Kim, Young-Sub Na, Hang-Bae Chang, "A Study on IT Based Risk Management System Development for Business Continuity Management : Centering on Cases at Automobile Manufacturing Industry", The Journal of Society for e-Business Studies, Vol. 18 No. 2, pp.69-79, 2013,
Tae-Hoon Kim, Chang-Bae Moon, Byeong-Man Kim, Hyun-Ah Lee, Hyun-Soo Kim, "Construction of Information Management System for User Customized Manufacturing Process", Korea Society of Industrial Information Systems, Vol. 17, No. 2, pp.45-55, 2012.
Jeong-Il Ahn, "Study on the Analysis System for Quality Management in Automation Manufacturing Process", Graduate School of Business Administration Soongsil University academic thesis, 2015.
Bong-Woo Nam, Kyung-Bin Song, Kyu-Ho Kim, Jun-Min Cha, "The Spatial Electric Load Forecasting Algorithm using the Multiple Regression Analysis Method", The Korean Institute of Illuminating and electrical Installation Engineers, Journal of the Korean Institute of Illuminating and Electrical installation Engineers, Vol. 22, No 2, pp63-70, 2008.
Sung-Ho Jo, Tai-Woo Chang, Ki-Tae Shin, Hong-Bum Na, Jin-Woo Park, "Continuous improvement plan of manufacturing process through real-time data acquisition", Korea Society of Industrial Information Systems, Vol. 14, No. 4, pp.75-90, 2009. 12.
In-Ho Lee, Cheol-Woo Lee, Tae-Woo Park, Hae-Sung Nam, Ho-Sin Kang, Eui-Whan Kim, "The Generaton of Test Case Flow Using Classification Tree Method and Functional Analysis for River Crossing of Wheeled-Vehicle", Korean Society of System Engineering, Journal of the Korea Society of Systems Engineering, Vol. 10, No. 1, pp.73-80, 2014.
Software Process Improvement Center, Korea Advanced Institute of Science and Technology (KAIST), "Testing techniques and Analysis tools", pp.20-21, 2003.
Kwang-Hyuk Im, "Rule-based Process Control System for multi-product, small-sized production", Korea Society of Industrial Information Systems, Vol. 15, No. 1, pp.47-57, 2010.
Dae-Hong Park, Jae-Jun Kim, Hyun-Soo Lee, "A Study on Resource-forecasting System of Construction Project", Architectural Institute of Korea, Journal of the Architectural Institute of Korea Structure & Construction, Vol. 17, No. 11, pp.97-105, 2001.
Tai-Dal Kim, Hyung-Won Lee, "The research regarding an information system risk management process characteristics", Korea Information Processing Society, Journal of the Information Processing Society, Vol. 14-D, No. 3, pp.303-310, 2007.
Ju-Bong Park, Seung-Jung Shin, "A proposition on Elevator Safety System using Expert's Decision", The Institute of Internet, Broadcasting and Communication, The journal of the institute of internet, broadcasting and communication, Vol. 14, No. 4, pp.121-125, 2014.
Gyoo-Seok Choi, In-Kyu Par, "Uncertainty Improvement of Incomplete Decision System using Bayesian Conditional Information Entropy", The institute of Internet, Broadcasting and Communication, The journal of the institute of Internet, broadcasting and communication, Vol. 14, No. 6, pp.47-54, 2041.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.