Industry 4.0's goal is the 'Smart Factory' that integrates and controls production process, procurement, distribution and service based on the fundamental technology such as internet of the things, cyber physical system, sensor, etc. Basic requirement for successful promotion of this Industry 4.0 is...
Industry 4.0's goal is the 'Smart Factory' that integrates and controls production process, procurement, distribution and service based on the fundamental technology such as internet of the things, cyber physical system, sensor, etc. Basic requirement for successful promotion of this Industry 4.0 is the large supply of semiconductor. However, company I who produces dicing blades has difficulty to meet the increasing demand and has hard time to increase revenue because its raw material includes high price diamond, and requires very complex and sensitive process for production. Therefore, this study is focused on understanding the problems and presenting optimal plan to increase productivity of dicing blade manufacturing processes. We carried out a study as follows to accomplish the above purposes. First, previous researches were investigated. Second, the bottlenecks in manufacturing processes were identified using simulation tool (Arena 14.3). Third, we calculate investment amount according to added equipments purchase and perform economic analysis according to cost and sales increase. Finally, we derive optimum plan for productivity improvement and analyze its expected effect. To summarize these results as follows : First, daily average blade production volume can be increased two times from 60 ea. to 120 ea. by performing mixing job in the day before. Second, work flow can be smoother due to reduced waiting time if more machines are added to improve setting process. It was found that average waiting time of 23 minutes can be reduced to around 9 minutes from current process. Third, it was found through simulation that the whole processing line can compose smoother production line by performing mixing process in advance, and add setting and sintering machines. In the course of this study, it was found that adding more machines to reduce waiting time is not the best alternative.
Industry 4.0's goal is the 'Smart Factory' that integrates and controls production process, procurement, distribution and service based on the fundamental technology such as internet of the things, cyber physical system, sensor, etc. Basic requirement for successful promotion of this Industry 4.0 is the large supply of semiconductor. However, company I who produces dicing blades has difficulty to meet the increasing demand and has hard time to increase revenue because its raw material includes high price diamond, and requires very complex and sensitive process for production. Therefore, this study is focused on understanding the problems and presenting optimal plan to increase productivity of dicing blade manufacturing processes. We carried out a study as follows to accomplish the above purposes. First, previous researches were investigated. Second, the bottlenecks in manufacturing processes were identified using simulation tool (Arena 14.3). Third, we calculate investment amount according to added equipments purchase and perform economic analysis according to cost and sales increase. Finally, we derive optimum plan for productivity improvement and analyze its expected effect. To summarize these results as follows : First, daily average blade production volume can be increased two times from 60 ea. to 120 ea. by performing mixing job in the day before. Second, work flow can be smoother due to reduced waiting time if more machines are added to improve setting process. It was found that average waiting time of 23 minutes can be reduced to around 9 minutes from current process. Third, it was found through simulation that the whole processing line can compose smoother production line by performing mixing process in advance, and add setting and sintering machines. In the course of this study, it was found that adding more machines to reduce waiting time is not the best alternative.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
한편 다방면의 문헌조사에도 불구하고 다이싱 블레이드의 공정개선과 관련된 논문은 찾아볼 수 없었다. 따라서 본 연구는 동종업계의 생산관리와 품질경영 발전에 크게 기여할 것으로 판단된다.
본 연구에서는 다이싱 블레이드 제조공정 개선을 통한 생산성향상 방안을 강구하였다. 시뮬레이션 기법을 이용하여 현 공정의 문제점을 파악하고 여러 대안을 경제적으로 검토, 최적방안을 선정하였다.
이에 본 연구에서는 I사 다이싱 블레이드 제조공정의 병목공정을 찾아내어 라인밸런스 효율을 높여 생산성 향상방안을 도출하고 개선된 공정의 기대효과를 분석하고자 한다.
가설 설정
작업이 시작된 후, 150분간의 작업이 이루어지고 있어 이로 인해 세팅작업이 늦게 시작되고 있었다. 이에 따라 믹싱작업을 전날 수행한다고 가정하여 시뮬레이션을 실시하였다. 그러나 믹싱작업을 전날 수행하기 위해서는 반제품의 보관에 필요한 항온 항습기 설치가 필요하다.
본 연구에서는 시뮬레이션을 수행하기 위해 다음과 같은 가정을 설정하였다. 첫째, 기계의 고장으로 인한 영향은 발생하지 않는다. 둘째, 작업자가 공정 및 기계 설정을 위해 이용되는 작업시간은 고려하지 않으나 각 공정 이동시간은 고려한다.
제안 방법
대부분 Batch 시스템으로 이루어지고 환경적인 문제점이 많은 염료생산업체에 대하여 환경성 및 경제성 평가를 통하여 공정상의 개선과 생산시스템의 변화에 대한 방향을 제시하였다. 그리고 순현재가치(NPV, Net Present Value)를 이용하여 제시한 대안에 대한 투자적합성 여부를 평가하였다.
넷째, 한 달 작업일수는 20일로 한다. 다섯째, 본 시뮬레이션을 통해 얻어진 가상개선에서 발생되어지는 기계의 재배치 비용이나 설비추가로 인한 비용을 고려하여 경제성 분석을 실시한다.
먼저 믹싱, 세팅, 소결, 래핑(황삭, 중삭, 정삭)의 작업 시간 데이터를 Arena의 Input Analyzer를 이용하여 각 공정시간별 분포를 추정하고 이렇게 추정된 각 공정별 시간분포에 대한 분포의 적합도와 유의성을 검정한 결과, [Table 2]와 같이 나타났다. 모든 공정에서 카이제곱 검정에서의 P-value가 유의수준 0.
Lee and Park[10]은 중소 작업장의 동작 및 생산흐름을 분석 및 개선하고 이를 통한 경제적인 효과를 평가하였다. 목걸이 체인 생산회사인 S기업의 각 단계별 제조공정에 대한 표준시간을 측정하고 비부가가치 동작 및 생산흐름을 개선하여 생산성향상에 따른 경제성의 평가를 실시하였다.
소결작업의 문제점을 해결하기 위해 현 공정과 동일한 소결기계를 한 대씩 추가하면서 시뮬레이션을 실시하였다.
본 연구에서는 다이싱 블레이드 제조공정 개선을 통한 생산성향상 방안을 강구하였다. 시뮬레이션 기법을 이용하여 현 공정의 문제점을 파악하고 여러 대안을 경제적으로 검토, 최적방안을 선정하였다. 지금까지 연구결과를 요약하면 다음과 같다.
[Table 19]는 상기의 4가지 가정에 따라 현 방법(대안 0), 믹싱공정개선(대안 1), 세팅공정개선(대안 2~4), 소결공정개선(대안 5~6), 정삭공정개선(대안 7), 복합개선(대안 8~15) 등 총 16개 대안에 대한 연간기대효과를 분석한 결과이다. 여기서 투자비용(연가)은 항온항습기 및 추가설비 비용을 연가로 환산한 것이고 연간매출액은 대기시간 감소로 증가된 생산량에 단가를 곱해 계산하였다. 그 결과, 16개의 방안 중 대안 2가 최적인 것으로 나타났다.
여기서는 믹싱작업을 하루 전에 실시하는 대안 1을 기본으로 하여 각각 세팅, 소결, 정삭 기계를 추가하는 대안 2, 3, 4를 포함한 복합대안 5에 대해 시뮬레이션을 실시하였다.
효과적인 믹싱공정 개선방안이 현 공정에 바로 적용 가능한 것으로 확인됨에 따라 세팅작업 대기시간 감소를 위한 세팅기계를 추가, 시뮬레이션을 실시하였다. 적절한 기계수의 설정을 위하여 1대씩 증설하여 시뮬레이션을 실시하였다.
첫 번째 대안은 세팅작업 하루 전에 믹싱작업을 하는 것이다. 이럴 경우 항온 항습기의 설치가 필요하다.
현 공정은 하나의 흐름공정으로 이루어지며, 6공정중 주요한 믹싱, 세팅, 소결, 래핑 공정을 이용해 모델링하였다.
효과적인 믹싱공정 개선방안이 현 공정에 바로 적용 가능한 것으로 확인됨에 따라 세팅작업 대기시간 감소를 위한 세팅기계를 추가, 시뮬레이션을 실시하였다. 적절한 기계수의 설정을 위하여 1대씩 증설하여 시뮬레이션을 실시하였다.
대상 데이터
제조공정의 문제점을 파악하기 위해 2015년 8월 3일부터 2016년 1월 31일까지 약 6개월간의 측정시간 데이터 중 50개를 랜덤하게 발췌하였다. 각 공정의 작업시간은 I사에서 다년간의 노하우를 통해 개선되어진 최적시간을 수집한 것이다.
주요제품으로는 메탈본드를 이용한 IDM(Innovation Diamond Metal), 레진본드를 이용한 IDR(Innovation Diamond Resin), 전주본드를 이용한 IDE(Innovation Diamond Electric), 메탈본드와 레진본드의 특장점만을 살린 융합제품인 IDH(Innovation Diamond Hybrid)가 있다.
데이터처리
Lee et al.[7]은 PCB(Printed Circuit Board)기반의 CNC(Computer Numerical Control) 드릴제품을 생산하는 S사의 공정분석을 위해 통계분석 프로그램(SPSS)을 활용한 회귀분석을 실시하였고, 납기수준 계수를 측정하고 각 변수의 가중치를 부여한 Arena 시뮬레이션과 타부서치(Tabu Search) 기법을 통해 최적 대안을 도출하는 연구를 수행하였다.
성능/효과
여기서 투자비용(연가)은 항온항습기 및 추가설비 비용을 연가로 환산한 것이고 연간매출액은 대기시간 감소로 증가된 생산량에 단가를 곱해 계산하였다. 그 결과, 16개의 방안 중 대안 2가 최적인 것으로 나타났다. 즉, I사에서는 항온항습기 및 세팅기계 1대 추가 도입하고 믹싱작업을하루 전날 실시하게 된다면 향후 5년간 매년 20,648만 원의 이익증대 효과를 거둘 수 있을 것으로 판단된다.
넷째, 일간 작업량으로 보아 정삭작업에는 크게 문제가 없지만 한 달 간의 누적대기시간을 확인한 결과, 한 달간 약 1,570분 정도의 대기시간이 발생하는 것으로 나타났다.
7분으로, 황삭 공정은 17분에서 11분으로 대기시간이 줄어들었으며 산출량도 60개에서 120개로 증가하였다. 넷째, 투자비용 대비 연간매출액 증가를 비교해 본 결과, 16개의 방안 중 믹싱공정은 사전에 실시하고 세팅기계를 1대 추가 설치하는 방안이 최적이며 향후 5년간 매년 20,648만원의 매출증가효과를 거둘 수 있을 것으로 나타났다. 이와 같은 결과는 공정 대기시간 감소를 위한 기계의 추가설치가 꼭 만능이 아니라는 것을 확인하였다.
첫째, 하루 9시간, 월간 20일을 기준으로 하여 계산되어진 생산량을 통해 연간 누적생산량을 예측하며 생산된 제품은 전량 판매된다. 둘째, 기계 한 대당 비용은 항온항습기 7,000만 원, 세팅기계 500만 원, 소결기계 6,000만 원, 래핑 정삭기계 5,000만 원, 장당 Blade 가격은 5만 원으로 산정한다. 셋째, 기계의 추가로 인해 발생될 수도 있는 작업자의 증가는 무시한다.
첫째, 약 2시간 30분 정도 소요되는 믹싱공정을 사전에 할 경우 대기시간의 차이는 크게 없는 것으로 나타났으나 전체 산출량에서 60개에서 120개로 증가하였다. 둘째, 세팅공정 개선에 비해 소결공정 개선이 효과적인 것으로 판단된다. 셋째, 복합적인 개선은 생산성향상과 리드타임 감소에 효과적인 것으로 판단된다.
[Table 9]와 같이 믹싱공정 개선방안은 현재 공정보다 블레이드 장당 대기시간이 크게 개선되지 않았지만 [Table 10]과 같이 하루 작업량이 60장에서 120장으로 증가되었고 한 달에 약 400장 정도 증가되는 것으로 나타났다. 따라서 본 개선방안은 현 공정에 추가비용 없이 프로세스의 순서개선을 통해 바로 적용 가능한 것으로 판단된다.
먼저 믹싱, 세팅, 소결, 래핑(황삭, 중삭, 정삭)의 작업 시간 데이터를 Arena의 Input Analyzer를 이용하여 각 공정시간별 분포를 추정하고 이렇게 추정된 각 공정별 시간분포에 대한 분포의 적합도와 유의성을 검정한 결과, [Table 2]와 같이 나타났다. 모든 공정에서 카이제곱 검정에서의 P-value가 유의수준 0.05보다 크므로 각 공정별로 추정한 공정시간에 대한 확률분포는 시뮬레이션에 적용 가능한 것으로 확인되었다.
상기와 같은 경제성분석 결과, 한 가지 간과해서는 안될 사항은 비록 단순한 개선방안일지라도 상당한 효과를 가져 올 수 있다는 점이다. 예컨대, 믹싱공정 개선은 단순한 아이디어이지만 월 평균 약 400장의 생산량 증가와 투자비용을 제외하고도 매년 약 20,403만 원 매출증가 효과를 거둘 수 있는 것으로 나타났기 때문이다.
시뮬레이션 결과, 기계의 증설에 따른 Blade 장당 대기시간은 [Table 11]과 같이 나타났다. 세팅공정 개선을 위해 3대의 세팅기계를 추가했을 경우 현 공정에서 평균 23분의 대기시간이 약 9분으로 감소됨을 알 수 있었다. 즉, 세팅기계 증설에 따라서 세팅대기시간이 줄어들었으나 그 감소폭은 작아졌으며 세팅작업이 빨라짐에 따른 소결작업의 대기시간 증가가 확인되었다.
둘째, 소결에서 대기시간이 발생하였다. 세팅에서 작업되어지는 블레이드의 수와 소결에서 작업되어지는 블레이드의 수가 기계 당 4장씩으로 동일하나, 소결의 작업시간이 세팅의 작업시간에 비해 평균적으로 길기 때문인 것으로 나타났다.
둘째, 기계 한 대당 비용은 항온항습기 7,000만 원, 세팅기계 500만 원, 소결기계 6,000만 원, 래핑 정삭기계 5,000만 원, 장당 Blade 가격은 5만 원으로 산정한다. 셋째, 기계의 추가로 인해 발생될 수도 있는 작업자의 증가는 무시한다. 넷째, 추가된 기계설비의 내용연수는 5년, 연간 이자율은 5%(평상시 대출이자)로 한다.
셋째, 래핑작업 중 황삭에서 블레이드 장당 대기시간이 약 17분 발생했다. 이는 소결에서 병목공정이 발생한 이후 추가적으로 발생한 것이다.
둘째, 세팅공정 개선에 비해 소결공정 개선이 효과적인 것으로 판단된다. 셋째, 복합적인 개선은 생산성향상과 리드타임 감소에 효과적인 것으로 판단된다. 세팅공정은 약 23분에서 16분으로, 소결공정은 약 7분에서 약 1.
둘째, 작업자가 공정 및 기계 설정을 위해 이용되는 작업시간은 고려하지 않으나 각 공정 이동시간은 고려한다. 셋째, 작업시간은 9시간으로 하며 휴무시간은 고려하지 않는다. 넷째, 한 달 작업일수는 20일로 한다.
소결기계의 증가는 래핑작업에도 영향을 주는 것으로 나타났다. 믹싱공정 개선만 했을 경우 약 17분이던 래핑 대기시간이 소결기계가 5대(2대 증설)가 설치되면 약 13분으로 줄어드는 것으로 나타났다.
시뮬레이션 결과 나타난 대안별 1일 평균 대기시간 및 생산량([Table 17])과 대안별 누적생산량([Table 18])을 보면 세팅공정, 소결공정, 정삭공정의 개별개선보다 복합적 개선대안들이 효과적인 것으로 나타났다. 특히 가장 효과적인 복합대안 3의 경우 현 생산 공정 보다 연간 4,500장 정도의 증산효과를 거두는 것으로 나타났다.
시뮬레이션 결과, [Table 13]과 같이 소결기계의 증설에 따른 Blade 장당 대기시간은 감소되며 특히 2대 증설할 경우 평균 7분의 대기시간이 0.1분으로 감소되는 것을 확인하였다.
세팅공정 개선을 위해 3대의 세팅기계를 추가했을 경우 현 공정에서 평균 23분의 대기시간이 약 9분으로 감소됨을 알 수 있었다. 즉, 세팅기계 증설에 따라서 세팅대기시간이 줄어들었으나 그 감소폭은 작아졌으며 세팅작업이 빨라짐에 따른 소결작업의 대기시간 증가가 확인되었다. 이러한 이유로 한 달 생산량에는 크게 변화가 없는 것으로 나타났다([Table 12] 참조).
첫 공정인 믹싱작업은 평균적으로 150분이 걸리는 것으로 실제 공정과 시뮬레이션을 통해 확인되었다. 작업이 시작된 후, 150분간의 작업이 이루어지고 있어 이로 인해 세팅작업이 늦게 시작되고 있었다.
첫째, 약 2시간 30분 정도 소요되는 믹싱공정을 사전에 할 경우 대기시간의 차이는 크게 없는 것으로 나타났으나 전체 산출량에서 60개에서 120개로 증가하였다. 둘째, 세팅공정 개선에 비해 소결공정 개선이 효과적인 것으로 판단된다.
지금까지 검토된 대기시간 감소방안에 대한 경제성 분석을 실시하기 위하여 다음과 같은 가정을 설정하였다. 첫째, 하루 9시간, 월간 20일을 기준으로 하여 계산되어진 생산량을 통해 연간 누적생산량을 예측하며 생산된 제품은 전량 판매된다. 둘째, 기계 한 대당 비용은 항온항습기 7,000만 원, 세팅기계 500만 원, 소결기계 6,000만 원, 래핑 정삭기계 5,000만 원, 장당 Blade 가격은 5만 원으로 산정한다.
시뮬레이션 결과 나타난 대안별 1일 평균 대기시간 및 생산량([Table 17])과 대안별 누적생산량([Table 18])을 보면 세팅공정, 소결공정, 정삭공정의 개별개선보다 복합적 개선대안들이 효과적인 것으로 나타났다. 특히 가장 효과적인 복합대안 3의 경우 현 생산 공정 보다 연간 4,500장 정도의 증산효과를 거두는 것으로 나타났다.
현 공정의 문제점을 파악하고자 시뮬레이션 결과로 나타난 entity당 waiting time([Table 5]), 공정별 waiting time([Table 6]), 공정별 하루 평균 in-out 작업량([Table 7]), 월간누적 waiting time([Table 8])을 살펴보면 각 공정에 있어 작업에 따른 대기가 발생하여 작업시간이 늦어지는 것을 확인할 수 있었다. 이와 관련한 문제점으로는 다음과 같이 파악되었다.
후속연구
이러한 문제를 해결하기 위해서는 본 공정에서 기계의 추가배치를 통한 공정개선이 필요한 것으로 파악되었다.
그 결과, 16개의 방안 중 대안 2가 최적인 것으로 나타났다. 즉, I사에서는 항온항습기 및 세팅기계 1대 추가 도입하고 믹싱작업을하루 전날 실시하게 된다면 향후 5년간 매년 20,648만 원의 이익증대 효과를 거둘 수 있을 것으로 판단된다. 그러나 수요처의 물량확대 요청이 있을 경우에는 대안 12(복합대안 5)도 신중히 검토할 필요가 있다고 본다.
향후 연구에서는 더욱 다양한 생산 공정에 적용하고, 작업자의 인건비 등 다양한 요인들을 고려하여 보다 정확한 결과를 도출할 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
다이싱 블레이드의 증가하는 수요에도 수익창출에 어려움을 겪는 이유는?
그러나 다이싱 블레이드 생산회사인 I사는 증가하는 수요에 부응하지 못하고 수익창출에도 어려움을 겪고 있다. 왜냐하면 다이싱 블레이드의 생산이 다이아몬드 등 고가의 원료를 사용하여 매우 복잡하고 예민한 공정을 거쳐야 하기 때문이다. 따라서 I사에서는 절삭공구 시장에서 다이싱 블레이드의 가격경쟁력 확보 및 품질수준 제고가 당면과제이다.
소결 작업에서 블레이드의 품질과 수명을 결정하는 중요한 요인은?
소결작업은 분말을 metal 및 carbon mold에 setting후 이를 하나의 결정체로 만들어 내는 과정을 의미한다. 따라서 본 공정에서는 피삭제에 따른 적절한 소결 온도 및 단위면적당 압력이 부여되는데 이는 곧 블레이드의 품질과 수명을 결정하는 중요한 요인이 된다. 소결작업 기계는 3대를 보유하고 있으며 1회 작업 시 완제품 4장 분량의 양이 투입되어진다.
다이싱 블레이드 제조 공정 중 믹싱작업의 과정은 어떻게 되는가?
믹싱작업은 다이싱 블레이드 제조에 있어 설계와 더불어 가장 중요한 역할을 하는 공정이다. 약 60분에서 240분 정도 공업용 다이아입자 및 그 외 금속분말, 합성수지, 각종 filler, 통전용 카본 등 각기 다른 비중을 가진 분말을 고른 분포로 섞이도록 하는 작업이다. 피삭제의 종류에 따라 약간씩 다르기는 하나 믹싱시간이 너무 길거나 짧으면 공업용 다이아입자 및 금속분말 등의 편석이 발생할 수 있다.
참고문헌 (14)
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.
Cho, J.J. and Koo, P.H., Comparison on Lot Sizing Decision Methods of Batch Process through Simulation Analysis, Korean Institute of Industrial Engineers Joint Conference, 2012, pp. 2701-2708.
Choi, J.H., Kwon, H.J., Woo, J.Y., and Park, P., A Case Study of Work Improvement Adapting Standard Time and Line Balancing on a Manufacturing Process, Journal of the Korean Institute of Plant Engineering, 1998, Vol. 3, No. 2, pp. 161-173.
Kelton, W.D., Simulation with ARENA, 6th edition, McGraw Hill, 2015.
Kim, H.J., A Study on Productivity Improvement Using Simulation Technique in Raw Material Processing Line, Hanbat National University, 2015.
Koo, P.H., Koh S.G., and Lee, W.S., Determination of Batch Size at Bottleneck Machines of Multi-product Production Systems, Korean Institute of Industrial Engineers Conference, 2009, pp. 270-276.
Lee, B.H., Yoon, S.W., and Jeong, S.J., Adaptive Process Decision-Making with Simulation and Regression Models, Journal of the Korea Society for Simulation, 2014, Vol. 23, No. 4, pp. 203-210.
Lee, D.H., Plant Engineering and Maintenance Management, Ewha Press, 2011.
Lee, G.C. and Choi, S.H., A Simulation Study on Capacity Planning in Hybrid Flowshops for Maximizing Throughput under a Budget Constraint, Journal of the Korea Society for Simulation, 2011, Vol. 20, No. 3, pp. 1-10.
Lee, K.P. and Park, J.I., A Case Study on the Economic Effect of Improved Working Environments, Korean Institute of Industrial Engineers Joint Conference, 2009, pp. 998-1004.
Moon, D.H. and Chang, K.K., A Simulation Model for Capacity Design of a Manufacturing Process for Bearing, Korea Society for Simulation Conference, 2001, pp. 20-24.
Park, K.H., A Study of LCA and TCA on a Manufacturing Process in Dye Industry, The University of Suwon, 2002.
Sim, H.Y. and Lee, D.H., Construction of Intelligent Production Information System for Efficient Plant Engineering, Journal of Society of Korea Industrial and Systems Engineering, 2014, Vol. 37, No. 3, pp. 16-23.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.