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
- 또한 궁극적으로 블록준비율에 의해 발생한 변동성에 따른 Main Event 준수율을 정도를 확인하고, Main Event 준수를 위한 탑재블록들 간의 최적의 Pitch값을 산정하고자 한다.
- 본 연구에서는 계획대비 일정 지연 및 추가 작업의 발생을 최소화하고자 탑재블록의 블록준비율의 변동성을 고려하여 모델링 및 시뮬레이션을 진행하고, 한정된 리소스를 가지고 최소한의 리드타임을 가지는 탑재프로세스 일정을 재정립하고자 한다
제안 방법
- 다음으로 리소스 조건과 블록준비율을 고려한 시뮬레이션의 경우 실제 조선소에서 탑재프로세스를 진행하면서 발생하는 계획 변경을 예측하기 위한 방식으로 수행되었다. 탑재 네트워크를 분석하여 블록 별 순방향 Pitch와 편차를 이용하여 블록준비율을 계산하고, 이를 시뮬레이션 순방향 Pitch와 비교하여 탑재 일정을 재검토하였다.
- 시뮬레이션을 통해 Main Event가 착수 계획일에서 일정 범위 내에 들어갈 수 있도록 탑재블록의 최적의 편차를 계산한다. 또한 블록준비율과 선표 단계에서 작성된 탑재 네트워크를 바탕으로 계획된 Main Event 준수율과 Main Event 준수를 위한 최적 Pitch값, 블록 적치 기간, 마지막으로 탑재프로세스의 총 건조 기간 등을 알 수 있는 모델을 제작하였다. 이를 정리하면 Table 2와 같이 표현할 수 있다.
- 리소스 제약조건은 탑재공정에 사용되는 리소스를 정의하여 제약조건으로 시뮬레이션을 수행하였다. 이는 한정된 리소스 사용으로 인해 일정의 지연정도를 파악할 수 있다.
- 본 연구에서는 DES(Discrete Event Simulation) 기반으로 탑재 공정에 발생할 수 있는 변동성 및 리소스 제약조건을 적용한 시뮬레이션을 수행하였다. 변동성의 가장 주요한 요소로 블록의 준비율을 적용하였으며 이는 기존의 실적 데이터를 바탕으로 산정하였다. 블록 준비율로 인해 계획단계에서 수립하였던 탑재 일정이 지연되는 것을 확인할 수 있었으며 이는 계획대비 실적에 더 근사한 결과라 할 수 있다.
- 본 연구에서는 DES(Discrete Event Simulation) 기반으로 탑재 공정에 발생할 수 있는 변동성 및 리소스 제약조건을 적용한 시뮬레이션을 수행하였다. 변동성의 가장 주요한 요소로 블록의 준비율을 적용하였으며 이는 기존의 실적 데이터를 바탕으로 산정하였다.
- 탑재 네트워크로 시뮬레이션을 수행하는 경우 선행 블록의 탑재 작업이 완료된 후 후행 블록의 탑재가 진행되는지 확인을 하였고, 각 블록의 탑재에 소요되는 시간이 바르게 적용되는지 확인하기 위해 검증을 수행하였다. 로직 검증을 위해 K/L(Keel Laying)에서 S/F(Shifting) 구간까지의 축소 모델을 생성하였고(Fig.
- 탑재 일정계획을 기준으로 선행공정의 일정 계획을 시뮬레이션 방법을 이용하여 일관된 형태로 수립하는 과정에 대한 연구를 진행하였는데, 선행공정의 일정계획에 대한 부하분포를 판단함으로써 탑재 일정이 전체 공정 부하에 미치는 영향을 분석하였다(Lim et al., 1997).
데이터처리
- 또한 Main Event 일정 준수를 위한 적정 Buffer 일수를 산정하였다. 10회의 시뮬레이션 결과를 바탕으로 블록 별 평균 Buffer 일수를 측정하였고, 해당 블록의 평균 지연 정도를 확인하였다. 시뮬레이션 확인 결과 블록의 Buffer의 경우 탑재프로세스의 선, 후행 관계와 블록준비율에 따라 달라졌으며, Buffer가 발생하지 않는 블록도 존재하였다.
- 로직 검증을 위해 K/L(Keel Laying)에서 S/F(Shifting) 구간까지의 축소 모델을 생성하였고(Fig. 2), PERT/CPM 기법을 이용한 결과와 시뮬레이션 결과를 비교하였다.
- Main Event 준수율의 경우 한 번의 시뮬레이션 결과로 확인이 어렵다고 판단하여 10회 반복 시뮬레이션을 수행하였으며, 각 시뮬레이션은 독립적으로 수행되었다. Table 4는 Main Event가 시작되는 계획일과 시뮬레이션을 통한 실제 탑재프로세스의 일정을 나타낸 것이다.
- 먼저 리소스 조건을 고려하지 않은 시뮬레이션의 경우 앞서 샘플 모델을 검증하기 위해 수행한 PERT/CPM 방식으로, 전체 탑재 네트워크에 대해 계산하여 구해진 결과와 시뮬레이션의 결과의 차이를 확인하기 위해 수행하였다.
- 탑재프로세스는 선표 단계에서 계획한 탑재 네트워크를 기준으로 DES(Discrete Event Simulation) 프로그램인 DELMIA QUEST로 모델링하였다. 우선 시뮬레이션을 위해 탑재블록과 Main Event들의 착수일과 탑재 순서가 포함되어 있는 탑재 네트워크를 분석하였다. 액티비티의 형태는 최소착수일, 최대착수일, 탑재블록명, 순방향 Pitch, 역방향 Pitch로 구성되어 있다.
- 다음으로 리소스 조건과 블록준비율을 고려한 시뮬레이션의 경우 실제 조선소에서 탑재프로세스를 진행하면서 발생하는 계획 변경을 예측하기 위한 방식으로 수행되었다. 탑재 네트워크를 분석하여 블록 별 순방향 Pitch와 편차를 이용하여 블록준비율을 계산하고, 이를 시뮬레이션 순방향 Pitch와 비교하여 탑재 일정을 재검토하였다. 본 연구에서는 리소스 사용시간에 이동시간까지 포함하여 시뮬레이션을 진행하였으며, 상세한 이동 시간 및 최적의 경로의 고려는 추후 연구에서 진행하도록 하겠다.
- 탑재 네트워크를 분석하여 블록 별 표준 Pitch와 선행 작업의 수를 확인하고, 실적 데이터를 바탕으로 검출된 블록 별 편차를 이용하여 블록준비율을 계산하였다. Table 3은 시뮬레이션에 사용된 탑재 네트워크의 대상 블록 중 일부분에 대한 표준 Pitch, 편차, 선행 작업의 수를 나타낸다.
이론/모형
- 본 연구의 대상 조선소는 Skid Berth 방식을 사용하여 탑재프로세스를 진행한다. Skid Berth 방식은 Skid 레일을 이용한 건조 방식으로 도크 시설을 구축하지 않고도 여러 장소에서 동시에 선박을 건조할 수 있으며, 필요한 공정을 선행할 수 있어 작업 공수가 절감된다.
- 생성된 탑재 네트워크를 통해 탑재가 시작되는 일정을 결정할 수 있고 탑재 블록의 선, 후행 관계를 파악할 수 있다. 탑재 작업일을 계산하기 위해 CPM 방식을 사용하여 시작일을 기준으로 한 Forward 계산을 통해 탑재 블록 별 ES(Earliest Start time)와 EF(Earliest Finish time)를 결정하고, 종료일을 기준으로 한 Backward 계산을 통해 탑재 블록 별 LS(Latest Start time)와 LF(Latest Finish time)을 결정한다. ES와 LS(또는 EF와 LF)의 차이를 S(Slack, 여유일정)으로 나타낼 수 있는데, Slack이 0인 블록이 Critical Path에 포함된다.
- 탑재프로세스는 선표 단계에서 계획한 탑재 네트워크를 기준으로 DES(Discrete Event Simulation) 프로그램인 DELMIA QUEST로 모델링하였다. 우선 시뮬레이션을 위해 탑재블록과 Main Event들의 착수일과 탑재 순서가 포함되어 있는 탑재 네트워크를 분석하였다.
성능/효과
- 축소 모델 시뮬레이션 진행을 통해 선행 액티비티가 종료된 이후에 후행 액티비티가 진행되는지 확인하였고, 시뮬레이션을 통해 얻어진 Buffer 기간이 PERT/CPM에서 구한 Buffer와 같은지 확인하였다. 또한, PERT/CPM에서 구한 K/L~S/F까지의 리드타임과 시뮬레이션을 통한 리드타임을 비교 하였고, 변동성이 고려되지 않아 두 가지 경우의 결과가 정확히 일치하는 것을 알 수 있었다.
- 하지만 추후 연구사항으로 현업에 맞춰 하나의 Skid Berth에서 여러 척의 선박을 건조하는 경우 리소스 가용 시간은 제약조건으로써 계획대비 지연에 영향을 미칠 것이다. 본 연구에서는 이러한 리소스 제약조건을 적용한 시뮬레이션 기반을 마련하였다.
- 이는 한정된 리소스 사용으로 인해 일정의 지연정도를 파악할 수 있다. 본 연구에서는 하나의 Skid Berth에서 하나의 선박을 건조하는 것으로 가정하고 블록 탑재 시 블록 당 리소스 사용 시간이 미소하여 제약조건으로의 영향은 부족하다고 할 수 있다. 하지만 추후 연구사항으로 현업에 맞춰 하나의 Skid Berth에서 여러 척의 선박을 건조하는 경우 리소스 가용 시간은 제약조건으로써 계획대비 지연에 영향을 미칠 것이다.
- 변동성의 가장 주요한 요소로 블록의 준비율을 적용하였으며 이는 기존의 실적 데이터를 바탕으로 산정하였다. 블록 준비율로 인해 계획단계에서 수립하였던 탑재 일정이 지연되는 것을 확인할 수 있었으며 이는 계획대비 실적에 더 근사한 결과라 할 수 있다. 시뮬레이션 결과의 의의는 블록 탑재 일정 예측과 생산계획에 따른 블록 적치기간 예측으로 크게 두 가지로 구분할 수 있다.
- 시뮬레이션 결과의 의의는 블록 탑재 일정 예측과 생산계획에 따른 블록 적치기간 예측으로 크게 두 가지로 구분할 수 있다. 탑재 일정 예측 측면에서는 향상된 리드타임 예측으로 인해 일정 지연으로 발생하는 손실 및 배원 계획 변경으로 인한 금전적 손실을 감소시킬 수 있다. 또한 블록 적치기간 예측 측면에서는 적치로 인한 공간 소요를 파악할 수 있어 한정적인 공간의 활용 방안을 검토하는 보조수단이 될 수 있다.
후속연구
- 탑재 네트워크를 분석하여 블록 별 순방향 Pitch와 편차를 이용하여 블록준비율을 계산하고, 이를 시뮬레이션 순방향 Pitch와 비교하여 탑재 일정을 재검토하였다. 본 연구에서는 리소스 사용시간에 이동시간까지 포함하여 시뮬레이션을 진행하였으며, 상세한 이동 시간 및 최적의 경로의 고려는 추후 연구에서 진행하도록 하겠다.
- 본 연구에서는 하나의 Skid Berth에서 하나의 선박을 건조하는 것으로 가정하고 블록 탑재 시 블록 당 리소스 사용 시간이 미소하여 제약조건으로의 영향은 부족하다고 할 수 있다. 하지만 추후 연구사항으로 현업에 맞춰 하나의 Skid Berth에서 여러 척의 선박을 건조하는 경우 리소스 가용 시간은 제약조건으로써 계획대비 지연에 영향을 미칠 것이다. 본 연구에서는 이러한 리소스 제약조건을 적용한 시뮬레이션 기반을 마련하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.