[논문]인공지능 기반의 중소기업 스마트팩토리 효율성 강화 모델 설계

정윤수

doi:10.22156/cs4smb.2019.9.3.016

인공지능 기반의 중소기업 스마트팩토리 효율성 강화 모델 설계
A Model Design for Enhancing the Efficiency of Smart Factory for Small and Medium-Sized Businesses Based on Artificial Intelligence 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.9 no.3, 2019년, pp.16 - 21

초록
AI-Helper

우리나라 중소기업은 현재 국내 외 다양한 환경 요인(경쟁력 확보 및 우수 제품 개발 등)으로 인하여 산업 구조가 과거에 비해 빠르게 변화하고 있는 상황이다. 특히, 인공지능과 관련된 다양한 장비가 제조현장에 투입되면서 스마트팩토리 환경에서 생산되는 데이터 수집 및 활용의 중요성이 점점 증가하고 있다. 본 논문에서는 최근 중소기업 제조 현장이 스마트팩토리화 되면서 제조 현장에서 생산되는 제품의 프로세스를 향상시키기 위한 인공지능 기반 스마트팩토리 모델을 제안한다. 제안 모델은 갈수록 치열해지는 제조 환경의 경쟁력 확보 및 생산 비용 절감을 최소화시키는 것이 목적이다. 제안 모델은 인공지능 기반의 스마트팩토리 현장에서 생산되는 제품의 정보뿐만 아니라 제품 생산에 소비되는 노동력, 노동 근무 시간 및 가동 공장기계 상태 등을 모두 고려하여 관리한다. 또한, 제안 모델에서 생산되는 데이터는 유사 기업과 시스템 연계 및 정보 공유가 가능하기 때문에 제조 현장 운영의 기업간 전략적 협력이 가능하다.

Abstract ▼ AI-Helper

Small and medium-sized Korean companies are currently changing their industrial structure faster than in the past due to various environmental factors (such as securing competitiveness and developing excellent products). In particular, the importance of collecting and utilizing data produced in smart factory environments is increasing as diverse devices related to artificial intelligence are put into manufacturing sites. This paper proposes an artificial intelligence-based smart factory model to improve the process of products produced at the manufacturing site with the recent smart factory. The proposed model aims to ensure the increasingly competitive manufacturing environment and minimize production costs. The proposed model is managed by considering not only information on products produced at the site of smart factory based on artificial intelligence, but also labour force consumed in the production of products, working hours and operating plant machinery. In addition, data produced in the proposed model can be linked with similar companies and share information, enabling strategic cooperation between enterprises in manufacturing site operations.

주제어

표/그림 (3)

표 Table 1. Factory automation vs. Smart Factory
그림 Fig. 1 Gathering and sharing information at manufacturing sites
그림 Fig. 2 Intelligent Smart Factory Model Process

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 중소·중견 기업의 제조 현장을 스마트팩토리화하기 위한 인공지능 기반의 스마트팩토리 효율성 강화 모델을 제안한다.
그리고, 중소기업은 생산 설비 비용 문제로 인하여 손쉽게 스마트팩토리를 구축하기는 쉽지 않은 상황이다. 본 논문에서는 중소기업 제조현장에서 생산되는 데이터 관리 효율성을 향상시키기 위해서 제조 현상에 센서를 부착한 기계장비를 통해 인공지능 기반의 스마트팩토리 모델을 제안하였다. 제안 모델은 제조 환경에서 생산되는 제품이 시장 진입 시간 및 비용을 줄일 수 있다.

제안 방법

제안 모델을 통해 제조 현장에서 실시간으로 수집된 정보는 제조 현장의 생산품 생산 효율성 향상뿐만 아니라 데이터 분석이 가능하다. 또한, 제조 현장에서 수집된 정보를 분석하여 제조 현장 각 공정에서 처리되는 제조 과정을 관리할 때마다 발생하는 혼란 등을 사전 예방한다.
제안 모델에서 중소기업의 제조현장에 인공지능 기반의 스마트팩토리를 구축하여 설치된 센서로부터 다양한 데이터를 수집하기 위한 데이터 수집모델을 Fig. 1과 같이 설계하였다. Fig.
제안 모델에서는 제조현장에서 생산되는 제품이 경 쟁력을 갖추기 위해서는 비용 및 시장 진입 시간 등에 유연한 제조 환경이 중요하다. 제안 모델에서는 인공지능 기반 스마트팩토리를 위해서 Fig. 2과 같이 제조 현장을 정의한다. Fig.
제안 모델은 기 구축된 데이터 분석 툴을 이용하여 데이터를 시각화 및 하둡 분석하기 위해서 제안 모델은 스마트팩토리에 구축된 다양한 센서로부터 수집된 데이터를 대용량의 데이터베이스에 로그 데이터로 저장함으 로써 Hive, Pig, Spark 등과 같은 소프트웨어를 사용한다. 데이터는 인공지능 기반으로 분석 및 파악되기 때문에 데이터 중복 없이 자동으로 시각 추출이 가능하다.
제안 모델은 제조 현장에 구축된 장비, 인력, 작업량 등을 실시간으로 수집하여 제조 현장에서 생산되는 데이터를 직접 액세스하여 제조 프로세스를 정의할 수 있다. 제조 부서에서는 제품 개발을 처리하기 위한 관리가 원활할 뿐만 아니라 제조 요구사항을 비롯한 엔지니어링 데이터까지도 재자용한다.
제안 모델은 제조 환경에서 생산되는 제품이 시장 진입 시간 및 비용을 줄일 수 있다. 제안 모델은 제조 현장에서 생산되는 제품 정보뿐만 아니라 제품 생산에 투입되는 노동령, 노동 근무 시간, 장비 상태 및 구동 시간 등을 모두 점검한다. 또한, 제안 모델에서 생산되는 모든 데이터는 유사 기업 에서 생산되는 제품 시스템과의 연계 및 공유가 가능하여 기업 간 전략적 협력이 가능하다.

대상 데이터

과거 중소기업은 생산되는 모든 제품을 대부분 수작업을 통해 생산하였지만, 최근 중소기업은 경영 및 생산 비용을 줄여 경영실적을 향상시키기 위해서 중소기업에서 생산되는 제품을 반자동화 또는 자동화 과정을 통해 생산되는 제품으로 바뀌어가고 있다. 지금까지 중소기업에서 사용되고 있는 공장 자동화와 스마트 팩토리는 제대로 구분하지 않고 현장에서 사용하였다[6]. 그러나, 스마트 팩토리와 공장 자동화는 사회구조적인 변화에 따라 제조업의 경쟁력 및 생산성 확보 그리고 효율성 증대에 따라 사용하는 의미가 많이 다르다[7].

성능/효과

넷째, 재조과정에서 발생할 수 있는 재작업 시간을 감소할 수 있다. 제안 모델은 제조 프로세스에서 정의한 내용과 작업 지침 간의 불일치를 최소화할 수 있어 잘못 된 제품 생산의 위협에서 벗어날 수 있다.
둘째, 제조과정을 통해 생산되는 생산 증대 및 생산량이 향상된다. 제조 부서로부터 적시적소에 피드백을 받아 초기에 설계되었던 내용을 파악하여 변경 작업 및 작업 변경 영향을 최소화할 수 있다.
제안 모델은 인공지능 기반의 스마트팩토리 현장에서 생산되는 제품의 정보뿐만 아니라 제품 생산에 소비되는 노동력, 노동 근무 시간 및 가동 공장기계 상태 등을 함께 사용하기 때문에 스마트팩토리에서 발생할 수 있는 다양한 요인들을 관리할 수 있다. 또한, 제안 모델에서 생산되는 데이터는 유사 기업과 시스템 연계 및 정보 공유가 가능하여 제조 현장 운영의 기업간 전략적 협조가 가능하다.
제안 모델은 제조 현장에서 생산되는 제품 정보뿐만 아니라 제품 생산에 투입되는 노동령, 노동 근무 시간, 장비 상태 및 구동 시간 등을 모두 점검한다. 또한, 제안 모델에서 생산되는 모든 데이터는 유사 기업 에서 생산되는 제품 시스템과의 연계 및 공유가 가능하여 기업 간 전략적 협력이 가능하다. 향후 연구에서는 본 연구의 모델을 임의의 제조 공정 프로세스에 적용하여 제조 현장에서 생산되는 제품의 생산량 및 관리 효율성을 시뮬레이션을 통해 결과를 비교분석하는 연구를 수행할 계획이다.
셋째, 제조 프로세스 과정중에 발생하는 제조 비용이 절감된다. 제조 부서로부터 요청받은 설계 내용을 적은 비용으로 효과적으로 의사결정을 수행할 수 있어 통합 프로세스 관리가 가능하다.
제안 모델에서는 중소기업 제조현장에 구축된 장비를 통해 수집되는 데이터 분석 결과를 활용하여 R&D, 교육 및 인력양성 사업화 컨설팅과의 지원 연계가 가능하다.
데이터는 인공지능 기반으로 분석 및 파악되기 때문에 데이터 중복 없이 자동으로 시각 추출이 가능하다. 제안 모델은 다양한 통계 라이브러리를 이용하여 적은 코드로 다양한 데이터 처리가 가능하다. 또한, 제안 모델은 유사 업종의 전문성 강화를 위해서 활용될 수 된다.
본 논문에서는 중소·중견 기업의 제조 현장을 스마트팩토리화하기 위한 인공지능 기반의 스마트팩토리 효율성 강화 모델을 제안한다. 제안 모델은 스마트팩토리 환경에서 새로 출시되는 제품을 보다 신속하게 설계할 뿐만 아니라 제품 생산 비용을 줄일 수 있다. 제안 모델은 인공지능 기반의 스마트팩토리 현장에서 생산되는 제품의 정보뿐만 아니라 제품 생산에 소비되는 노동력, 노동 근무 시간 및 가동 공장기계 상태 등을 함께 사용하기 때문에 스마트팩토리에서 발생할 수 있는 다양한 요인들을 관리할 수 있다.
제안 모델은 제조 현장에서 수집・처리・분석 과정에서 제조현장의 문제점 및 애로 사항에 대한 컨설팅이 수행가능하다. 또한, 제조현장에서 생산되는 데이터를 새로운 유통 체계로 소통할 수 있도록 재생산한다.
본 논문에서는 중소기업 제조현장에서 생산되는 데이터 관리 효율성을 향상시키기 위해서 제조 현상에 센서를 부착한 기계장비를 통해 인공지능 기반의 스마트팩토리 모델을 제안하였다. 제안 모델은 제조 환경에서 생산되는 제품이 시장 진입 시간 및 비용을 줄일 수 있다. 제안 모델은 제조 현장에서 생산되는 제품 정보뿐만 아니라 제품 생산에 투입되는 노동령, 노동 근무 시간, 장비 상태 및 구동 시간 등을 모두 점검한다.
제안 모델을 통해 제조 현장에서 실시간으로 수집된 정보는 제조 현장의 생산품 생산 효율성 향상뿐만 아니라 데이터 분석이 가능하다. 또한, 제조 현장에서 수집된 정보를 분석하여 제조 현장 각 공정에서 처리되는 제조 과정을 관리할 때마다 발생하는 혼란 등을 사전 예방한다.
1에서는 제조 현장에서 수집할 데이터를 효율적으로 수집하기 위해서는 다음과 같은 요구사항이 충족되어야 한다. 첫째, 제조 현장에 구축된 기존 설비 및 장비가 교체 또는 업그레이드가 가능한 연결 설을 가져야 한다. 둘째, 이기종 시스템의 연계가 가능한 프로토콜 및 통신 인터페이스가 구축되어야 한다.
첫째, 제조 현장에서 근무하는 엔지니어의 효율성을 향상시킬 수 있다. 제조 현장에 구축된 인공지능 기반 스마트팩토리 환경에서는 정확한 작업 지침을 통해 교육 시간을 단축시킬 수 있다.

후속연구

제안 모델은 다양한 통계 라이브러리를 이용하여 적은 코드로 다양한 데이터 처리가 가능하다. 또한, 제안 모델은 유사 업종의 전문성 강화를 위해서 활용될 수 된다.
또한, 제안 모델에서 생산되는 모든 데이터는 유사 기업 에서 생산되는 제품 시스템과의 연계 및 공유가 가능하여 기업 간 전략적 협력이 가능하다. 향후 연구에서는 본 연구의 모델을 임의의 제조 공정 프로세스에 적용하여 제조 현장에서 생산되는 제품의 생산량 및 관리 효율성을 시뮬레이션을 통해 결과를 비교분석하는 연구를 수행할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	공장자동화는 무엇인가?	공장자동화는 기계의 조작을 사람에 의존하지 않고 제어하는 생산시스템의 메커니즘으로써 대부분의 공정 을 기계를 통해 동작하는 무인공장(Unmanned Factory) 을 의미한다. 공장자동화는 보통 컨베이어, 자동 창고, 수치 제어 공작 기계, 품질 검사 장치 등과 같은 제어 시스템으로 구성되며, 다품종 소량생산에 따른 빈번한 공정변경에 적절한 컴퓨터 이용 설계, 컴퓨터 이용 제조, 컴퓨터 통합 제조 등의 분야에서 활용되고 있다.
	최근 중소기업이 스마트팩토리를 구축하려는 이유는 무엇인가?	최근 중소기업은 생산 혁신을 통한 생산 제품의 시간 단출, 기계고장 등의 사고를 최소화하여 생산 경쟁력을 갖추기 위해서 인공지능 기반의 스마트팩토리를 구축하려고 하고 있다. 그리고, 중소기업은 생산 설비 비용 문제로 인하여 손쉽게 스마트팩토리를 구축하기는 쉽지 않은 상황이다.
	저자가 제안한 스마트팩토리 효율성 강화 모델은 어떤 장점이 있는가?	본 논문에서는 중소·중견 기업의 제조 현장을 스마트 팩토리화하기 위한 인공지능 기반의 스마트팩토리 효율성 강화 모델을 제안한다. 제안 모델은 스마트팩토리 환 경에서 새로 출시되는 제품을 보다 신속하게 설계할 뿐만 아니라 제품 생산 비용을 줄일 수 있다. 제안 모델은 인공지능 기반의 스마트팩토리 현장에서 생산되는 제품의 정보뿐만 아니라 제품 생산에 소비되는 노동력, 노동 근무 시간 및 가동 공장기계 상태 등을 함께 사용하기 때문에 스마트팩토리에서 발생할 수 있는 다양한 요인 들을 관리할 수 있다. 또한, 제안 모델에서 생산되는 데이터는 유사 기업과 시스템 연계 및 정보 공유가 가능하여 제조 현장 운영의 기업간 전략적 협조가 가능하다.

참고문헌 (15)

R. N. Kanungo. (1982). Measurement of job and work involvement. Journal of Applied Psychology, 67(3), 341-349.

상세보기
B. J. Babin & J. S. Boles. (1996). The effects of perceived co-worker involvement and supervisor support on service provider role stress, performance and job satisfaction. Journal of retailing, 72(1), 57-75.

상세보기
S. S. Shin, Y. S. Jeong & Y. J. An. (2015). A Study of Analysis and Response and Plan for National and International Security Practices using Fin-Tech Technologies. Journal of Convergence Soceity for SMB, 5(3), 1-7.
Y. S. Jeong. (2016). A Study of An Efficient Clustering Processing Scheme of Patient Disease Information for Cloud Computing Environment. Journal of Convergence Soceity for SMB, 6(1), 33-38.

원문보기 상세보기
D. Ilic, S. Karnouskos, P. Silva & S. Detzler. (2014). A system for enabling facility management to achieve deterministic energy behaviour in the smart grid era. International Conference on Smart Grids and Green IT systems (Smart- Green 2014).
C. F. Lai, Y. X. Lai, L. T. Yang & H. C. Chao. (2012). Integration of IoT energy management system with appliance and activity recognition. 2012 IEEE International Conference on Green Computing and Communications (GreenCom), 66-71.
D. Ilic, S. Karnouskos & M. Wilhelm. (2013). A comparative analysis of smart metering data aggregation performance. 2013 11th IEEE International Conference on Industrial Informatics (INDIN), 434-439.
E. K. Kim & Y. M. Moon. (2016). The Fourth Industrial Revolution and Its Implications for Gyeonggi-Do. Gyeonggi Research Institute, 1-88.
S. H. Choi. (2017). Current Status of POSCO Smart Factory and Artificial Intelligence Application. Transactions of the Korean Society of Automotive Engineers, 143-153.
Y. S. Jeong. (2010). An Efficiency Management Scheme using Big Data of Healthcare Patients using Puzzy AHP. Journal of Digital Convergence, 13(4), 227-234.
Y. S. Jeong. (2016). Design of Prevention Model according to a Dysfunctional of Corporate Information. Journal of Convergence Soceity for SMB, 6(2), 11-17.

원문보기 상세보기
L. Raymond. (1985). Organizational Characteristics and MIS success in the Context of Small Business. MIS Quarterly, 37-52.
K. H. Han & Y. S. Jeong. (2017). Efficient Authentication Establishment Scheme between IoT Device based on Pascal Triangle Theory. Journal of the Korea Convergence Society, 8(7), 15-21.
Y. S. Jeong & K. H. Han. (2018). An efficient access control techniques between different IoT devices in a cloud environment. Journal of the Korea Convergence Society, 8(7), 15-21.
Y. S. Jeong, Y. T. Kim & G. C. Park. (2019). Designing an Automated Production Information Platform for Small and Medium-sized Businesses. Journal of Convergence for Information Technology, 9(1), 116-122.

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