[논문]생산 라인에서의 실시간 배치 크기 결정

나기현; 김민제; 이종환

doi:10.11627/jkise.2019.42.1.055

생산 라인에서의 실시간 배치 크기 결정
Real-Time Batch Size Determination in The Production Line 원문보기

Journal of Korean Society of Industrial and Systems Engineering = 한국산업경영시스템학회지, v.42 no.1, 2019년, pp.55 - 63

나기현 (금오공과대학교 대학원 산업공학과) , 김민제 (금오공과대학교 대학원 산업공학과) , 이종환 (금오공과대학교 대학원 산업공학과)

Abstract ▼ AI-Helper

This paper develops an algorithm to determine the batch size of the batch process in real time for improving production and efficient control of production system with multiple processes and batch processes. It is so important to find the batch size of the batch process, because the variability arising from the batch process in the production system affects the capacity of the production. Specifically, batch size could change system efficiency such as throughput, WIP (Work In Process) in production system, batch formation time and so on. In order to improve the system variability and productivity, real time batch size determined by considering the preparation time and batch formation time according to the number of operation of the batch process. The purpose of the study is to control the WIP by applying CONWIP production system method in the production line and implements an algorithm for a real time batch size decision in a batch process that requires long work preparation time and affects system efficiency. In order to verify the efficiency of the developed algorithm that determine the batch size in a real time, an existed production system with fixed the batch size will be implemented first and determines that batch size in real time considering WIP in queue and average lead time in the current system. To comparing the efficiency of a system with a fixed batch size and a system that determines a batch size in real time, the results are analyzed using three evaluation indexes of lead time, throughput, and average WIP of the queue.

주제어

AI 본문요약
AI-Helper

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

문제 정의

대표적인 Pull 시스템 방식인 CONWIP 생산 시스템방식을 적용하여 제품의 생산량을 최대로 하면서 WIP을 최소로 유지하도록 제어한다. 그리고, 긴 작업준비시간이 존재하는 배치 공정에서는 현재 제조공정의 제품들의 정보를 고려하여 추가주문이 필요한지 현재주문에 대하여 배치 작업을 실시할 것인지에 대한 의사결정을 도울 수 있는 알고리즘을 개발한다.
본 연구에서는 CONWIP 시스템 내 배치 공정의 실시간 배치 크기에 대한 의사결정에 도움을 줄 수 있는 알고리즘을 제시하는데 목적을 두고 있다.
본 연구에서는 CONWIP 시스템 내 배치 공정의 실시간 배치 크기에 대한 의사결정에 도움을 줄 수 있는 알고리즘을 제시하는데 목적을 두고 있다.

가설 설정

배치생산 공정은 일단 작업이 시작되면 중단 없이 작업이 진행되며 작업 중간에는 제품이 새롭게 추가되거나 공정에서 빠져 나올 수 없고 모든 제품이 동시에 작업을 마치게 된다. 모든 공정은 고장이 발생하지 않으며 단일 경로의 단일 제품을 생산 하도록 가정하였고 공정의, 대기행렬에 기다리는 제품만 WIP으로 간주하는 것이 아닌 공정에서 작업 중인 제품도 WIP으로 간주하였다.
배치 생산 공정을 시스템 내 존재하도록 하기 위해 긴 작업 준비시간이 있도록 가정하였으며, 다른 일반 공정에 비해 작업시간이 더 크도록 가정하여 배치 공정이 병목공정이 되도록 하였다. 병목 공정이 되었기 때문에 배치공정의 배치 크기 수준은 1보다 클 때 Cycle Time을 줄일 수 있다.
생산 시스템 내 공정의 수는 일반 공정 9개와 배치 공정1개로 총 10개의 공정으로 이루어져 있다고 가정한다. 총10개의 공정 중 배치 공정은 가장 마지막에 위치하고 있다.
제품이 생산되는 생산 시스템 내의 WIP을 제어하기위해 CONWIP 생산 시스템 방식을 적용하여 생산량을 최대로 하면서 WIP을 최소로 유지하도록 함과 동시에 긴 작업준비시간이 존재하는 배치 공정을 생산 시스템 내에 적용하여 배치 공정의 배치 크기 수준을 결정해야하는 문제가 발생하도록 가정하였다.

제안 방법

Batch Size 14까지의 고정된 배치크기의 알고리즘과 실시간 배치 크기의 알고리즘을 구현하여 Lead Time, Throughput, 대기행렬 평균 WIP의 결과값을 도출했다. 실시간 배치 크기에서 고정된 배치 크기보다 생산성 향상에 효과가 있었다.
시간의 단위는 분(min)이며, 첫 번째 시간 1은 가상의 준비시간이고 두 번째 시간 1은 실제 시간을 나타낸다. 가상의 준비 시간은 실제 시간이 일어나기 전 공정의 대기행렬과 작업 유무 상태와 제품의 이동 상태를 나타내기 위해 사용하였다.
기존의 선행 연구에서는 제품이 배치 공정으로 투입되는 도착률을 확률분포로 사용하였지만, 본 논문에서는 CONWIP 시스템을 사용하여 생산 시스템의 WIP 수준에 의해 배치 공정으로 제품이 투입되어 배치 공정으로의 제품 도착률이 더욱 현실에 가까워지도록 구현하였다.Batch Size 10에서
또한, 배치 공정의 배치 크기가 증가하게 되면 Lead Time과 대기행렬의 길이가 모두 감소하기 때문에 기존의 선행 연구에서는 배치 공정의 가동률, 제품에 대한 대기행렬의 평균 길이, Lead Time 최소화 등의 척도 중 한가지만을 고려하여 연구하였지만, 본 연구에서는 허용할 수 있는 평균 Lead Time의 범위 내에서 평균 대기행렬의 길이가 최소에 가까워질 수 있는 절충점을 찾도록 배치 크기를 실시간으로 결정하는 알고리즘을 구현한다. 따라서 시스템 내 WIP을 제어함과 동시에 현 시스템 내 제품의 정보를 이용하여 총 대기시간이 최소가 되는 시점과 가정된 Lead Time을 충족시킬 수 있는 배치 크기로 배치 작업을 실시하는 전략을 수행한다.
기존 선행 연구들과의 차별점은 제품이 배치 공정으로 투입되는 도착률을 확률 분포를 사용하지 않고, CONWIP 생산 시스템의 WIP 수준에 의해 배치 공정으로 제품이 투입되도록 적용하여 배치 공정의 제품 도착률이 더욱 현실에 가까워지도록 하였다. 또한, 배치 공정의 배치 크기가 증가하게 되면 Lead Time과 대기행렬의 길이가 모두 감소하기 때문에 기존의 선행 연구에서는 배치 공정의 가동률, 제품에 대한 대기행렬의 평균 길이, Lead Time 최소화 등의 척도 중 한가지만을 고려하여 연구하였지만, 본 연구에서는 허용할 수 있는 평균 Lead Time의 범위 내에서 평균 대기행렬의 길이가 최소에 가까워질 수 있는 절충점을 찾도록 배치 크기를 실시간으로 결정하는 알고리즘을 구현한다. 따라서 시스템 내 WIP을 제어함과 동시에 현 시스템 내 제품의 정보를 이용하여 총 대기시간이 최소가 되는 시점과 가정된 Lead Time을 충족시킬 수 있는 배치 크기로 배치 작업을 실시하는 전략을 수행한다.
배치 공정의 작업준비시간은 배치 공정의 배치 크기에 따라 시간이 증가하도록 하였다. 배치 크기가 10이면 작업준비시간은 20분(Min), 배치 크기가 14이면 28분(Min)과 같이 설정하여 실험을 진행하였다.
생산 라인 내 긴 작업준비시간을 필요로 하는 배치 공정이 존재하면 큰 변동성이 발생하여 장기 대기시간이라는 결과를 초래 하게 되어 Lead Time과 대기행렬의 WIP에 영향을 주게 된다. 변동성을 줄이기 위해서 본 연구에서는WIP을 제어하기 위한 수단으로 CONWIP 시스템을 도입하였으며, 긴 작업준비시간을 가지는 배치 공정의 배치 크기를 결정하였다.
본 연구는 생산 시스템 내로 제품이 투입되어 생산되는 생산 라인에서 중요한 생산성 지표인 WIP을 제어하는 Push 시스템과 Pull 시스템 중 Pull 시스템을 적용한다. 대표적인 Pull 시스템 방식인 CONWIP 생산 시스템방식을 적용하여 제품의 생산량을 최대로 하면서 WIP을 최소로 유지하도록 제어한다.
본 연구에서 실시간 배치 크기 알고리즘의 배치 형성과정의 조건으로 시스템 내 제품의 시스템 내 체류시간의 총합과 대기 행렬의 WIP 수를 고려하여 배치 공정으로 제품이 도착할 때마다 작업을 실시할 것인지, 말 것인지를 실시간으로 결정하게 하였다. 실시간 배치 크기의 의사결정을 거친 알고리즘을 통하여 실험 결과 척도로써 Lead Time과 Throughput, 대기행렬의 평균 WIP에 어떤 영향을 미치는지 확인하였고 결과값은 [Table 6]에서 볼 수 있다.
본 연구에서는 배치 공정을 포함하는 반도체 산업, 열처리 공정 등의 분야에서 배치 생산 공정의 실시간 배치크기에 대해 의사결정을 도울 수 있는 알고리즘을 제시하고 Simulation을 통하여 Lead Time, Throughput, 대기행렬의 평균 WIP을 비교․분석하였다.
배치 크기가 10이면 작업준비시간은 20분(Min), 배치 크기가 14이면 28분(Min)과 같이 설정하여 실험을 진행하였다. 실시간 배치 크기알고리즘의 배치 형성 과정의 조건은 시스템 내 제품의 시스템 내 체류시간의 총합, 대기 행렬의 WIP, 배치 크기에 따른 작업준비시간을 고려하여 배치 공정으로 제품이도착할 때마다 작업에 대한 실시여부를 실시간으로 결정하도록 설정하였다.
실험은 동일한 생산 환경 조건에서 최대 배치 크기 수준의배치 공정, 최소 배치 크기 수준의 배치 공정, 실시간 배치크기 수준의 배치 공정을 구현한 알고리즘을 1,000개의 제품이 생산될 때까지 Simulation하고 결과값을 비교․분석한다.
중복되는 생산 스케줄을 해결하기 위하여 네트워크구조의 반복되는 계산식을 풀기 위하여 개미 군집 최적화(Ant Colony Optimization)를 사용하여 기계의 유휴시간, 기다리는 시간, 지연시간을 최소화하였다[4]. 이송배치 문제 해결을 위하여 유전 알고리즘을 적용하여 각 작업을 위한 이송배치 크기를 증가시키고, makespan 요소를 고려하여 최종 스케줄링을 하였다[11]. 유전 알고리즘이나 개미 군집 최적화 알고리즘을 사용한 연구들은 계산적인 효율성을 높이기는 하였으나, 매일 반복되는 동적인 배치 크기의 결정 문제를 풀기에는 제약이 있다.
제조 시스템의 조건은 동일한 생산 환경에서 각기 다른 배치 크기를 알고리즘으로 구현하여 비교․분석한다. 고정된 배치 크기 수준의 배치 공정과 실시간 배치 크기수준에 따라 알고리즘을 Matlab으로 구현하고, 생산 시스템의 생산성을 비교하기 위해 Lead Time, Throughput,대기행렬의 평균 WIP 3가지 평가척도를 이용하여 결과를 비교․분석한다.
중복되는 생산 스케줄을 해결하기 위하여 네트워크구조의 반복되는 계산식을 풀기 위하여 개미 군집 최적화(Ant Colony Optimization)를 사용하여 기계의 유휴시간, 기다리는 시간, 지연시간을 최소화하였다[4]. 이송배치 문제 해결을 위하여 유전 알고리즘을 적용하여 각 작업을 위한 이송배치 크기를 증가시키고, makespan 요소를 고려하여 최종 스케줄링을 하였다[11].

데이터처리

제조 시스템의 조건은 동일한 생산 환경에서 각기 다른 배치 크기를 알고리즘으로 구현하여 비교․분석한다. 고정된 배치 크기 수준의 배치 공정과 실시간 배치 크기수준에 따라 알고리즘을 Matlab으로 구현하고, 생산 시스템의 생산성을 비교하기 위해 Lead Time, Throughput,대기행렬의 평균 WIP 3가지 평가척도를 이용하여 결과를 비교․분석한다.

이론/모형

하지만 이송되는 빈도가 많아질 수도 있어 최적의 배치크기를 결정하는 것은 중요하다[3]. 최적의 이송 배치크기를 결정하기 위하여 기존에 알려진 최적화 알고리즘이 아닌 동적인 배치크기를 정하는 방법론인 인공 신경망(Artificial Neural Network)을 이용하여 변화가 많은 생산환경 에서 동적인 배치크기를 결정하였다[14].

성능/효과

로트 스트리밍(Lot Streaming)이라는 동적인 배치 크기 결정방법론으로 제품의 생산량이 많을 경우 작은 사이즈의 로트로 나눈 다음 연속적으로 제품을 생산하여 기다리는 시간을 최소화하여 Cycle Time을 줄였다[12]. 로트 스트리밍의 조건하에 유전 알고리즘(Genetic Algorithm)을 이용하여 잡샵(Job Shop) 스케줄링 문제의 전체 Cycle Time을 최소화하였고 여러 가지 복합적인 지표를 만족시키는데 유효함을 보였다[1].
Batch Size 14까지의 고정된 배치크기의 알고리즘과 실시간 배치 크기의 알고리즘을 구현하여 Lead Time, Throughput, 대기행렬 평균 WIP의 결과값을 도출했다. 실시간 배치 크기에서 고정된 배치 크기보다 생산성 향상에 효과가 있었다.
이송배치의 크기를 줄이는 것은 제품 생산의 Cycle Time을 줄이는데 효과적임을 증명되었다. 로트 스트리밍(Lot Streaming)이라는 동적인 배치 크기 결정방법론으로 제품의 생산량이 많을 경우 작은 사이즈의 로트로 나눈 다음 연속적으로 제품을 생산하여 기다리는 시간을 최소화하여 Cycle Time을 줄였다[12].
제품의 Lead Time이 줄어들면 대기행렬의 평균 WIP과Throughput도 같이 줄어드는 모습을 볼 수 있었으며, 시스템 내 모든 제품과 대기행렬의 평균 WIP 수를 허용하는 범위를 넘지 않는 조건으로 설정하여 실시간 배치 크기결정 알고리즘으로 실험을 했을 때 Lead Time은 170.4970분(Min), 대기행렬의 평균 WIP은 29.5560개의 수치를 보여주어, 이 수치는 고정된 배치 크기 알고리즘의 결과값보다 더 효과적이라는 것을 확인 할 수 있다.

후속연구

물론 이송배치가 작을수록 더 많은 자재 취급이 필요할 것이며, 이는 “이송 설비에 대기할 필요가 없는 경우에 해당 한다 ”는 룰에 저촉될 가능성이 크다. 만일 작업장 간의 부품이동이 잦아져서 이송 설비에 더 많이 기다려야 한다면, 추가 대기시간은 배치 형성 대기시간의 절감분을 일부 상쇄할 것이다. 따라서 이송 배치 법칙은 자재취급설비가 충분하여 대기 없이 부품이 이동 가능하다는 가정 하에서, 이송 배치를 줄임으로써 Cycle Time을 줄일 수 있음을 설명한다[8].
본 연구에서는 작업 배치 중 병렬 배치에 대해서만 연구하였지만, 현업에 가까운 실험을 위해 병렬 배치와 직렬 배치가 모두 포함된 생산 시스템에서 유동적인 실시간 배치 크기를 연구할 필요가 있으며, 본 연구에서 가정한 생산시스템은 배치공정을 마지막 공정으로 설정하였으나, 배치 공정이 일반 공정들 사이에 위치하게 되면 어떤 영향을 미치는지 확인해 볼 필요가 있으며, 배치 공정이 한 개가 아닌 다수의 배치 공정이 포함된 생산 시스템에서도 실시간 배치 크기 결정이 적용될 수 있는지에 관한 지속적인 연구와 개선이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	생산 라인 내 긴 작업준비시간은 무엇에 영향을 주게 되는가?	생산 라인 내 긴 작업준비시간을 필요로 하는 배치 공정이 존재하면 큰 변동성이 발생하여 장기 대기시간이라는결과를 초래 하게 되어 Lead Time과 대기행렬의 WIP에영향을 주게 된다. 변동성을 줄이기 위해서 본 연구에서는WIP을 제어하기 위한 수단으로 CONWIP 시스템을 도입하였으며, 긴 작업준비시간을 가지는 배치 공정의 배치 크기를 결정하였다.
	본 논문에서 CONWIP 시스템을 도입함으로써 무엇을 구현하였는가?	기존의 선행 연구에서는 제품이 배치 공정으로 투입되는 도착률을 확률분포로 사용하였지만, 본 논문에서는CONWIP 시스템을 사용하여 생산 시스템의 WIP 수준에의해 배치 공정으로 제품이 투입되어 배치 공정으로의 제품 도착률이 더욱 현실에 가까워지도록 구현하였다.Batch Size 10에서
	기존 선행 연구들과의 차별점에서 알고리즘은 어떻게 다른가?	기존 선행 연구들과의 차별점은 제품이 배치 공정으로투입되는 도착률을 확률 분포를 사용하지 않고, CONWIP생산 시스템의 WIP 수준에 의해 배치 공정으로 제품이투입되도록 적용하여 배치 공정의 제품 도착률이 더욱현실에 가까워지도록 하였다. 또한, 배치 공정의 배치 크기가 증가하게 되면 Lead Time과 대기행렬의 길이가 모두 감소하기 때문에 기존의 선행 연구에서는 배치 공정의가동률, 제품에 대한 대기행렬의 평균 길이, Lead Time최소화 등의 척도 중 한가지만을 고려하여 연구하였지만, 본 연구에서는 허용할 수 있는 평균 Lead Time의 범위 내에서 평균 대기행렬의 길이가 최소에 가까워질 수있는 절충점을 찾도록 배치 크기를 실시간으로 결정하는알고리즘을 구현한다. 따라서 시스템 내 WIP을 제어함과 동시에 현 시스템 내 제품의 정보를 이용하여 총 대기시간이 최소가 되는 시점과 가정된 Lead Time을 충족시킬 수 있는 배치 크기로 배치 작업을 실시하는 전략을수행한다.

참고문헌 (14)

Chan, F.T.S., Wong, T.C., and Chan, L.Y., The application of genetic algorithm to lot streaming in a job shop scheduling problem, International Journal of Production Research, 2009, Vol. 47, No. 12, pp. 3387-3412.
Che, Z.H., A multi-objective Optimization Algorithm for Solving the Supplier Selection Problem with Assembly Sequence Planning and Assembly Line Balancing, Computers & Industrial Engineering, 2017, Vol. 105, pp. 247-259.

상세보기
Hopp, W.J. and Spearman, M.L., Factory Physics, Hankyungsa, 2005, pp. 163-418.
Huang, R.-H. and Yang, C.-L., Overlapping production scheduling planning with multiple objectives-An ant colony approach, International Journal of Production Economics, 2008, Vol. 115, No. 1, pp. 163-170.

상세보기
Hwang, I.H., Noh, J., Lee, K.K., and Shin, J., Short-Term Scheduling Optimization for Subassembly Line in Ship Production Using Simulated Annealing, Journal of The Korea Society for Simulation, 2010, Vol. 19, No. 1, pp 73-82.
Kim, H.N., A Study on Optimization of Manufacturing Flow Line, Using TOC and Pull-Push System, Chungnam National University, 2008.
Kim, J., Jung, J.Y., and Lee, J., Optimizing Work-In-Process Parameter using Genetic Algorithm, Journal of Society of Korea Industrial and Systems Engineering, 2017, Vol. 40, No. 2, pp. 79-86.
Kim, T.H., The Establishment of JIT Production Systems in Korea Manufacturing Circumstance, Myungji University, 1996.
Kim, W.K., Comparison and Analysis of performance values for CONWIP Systems and Kanban Systems, Kung Hee University, 2007.
Koo, P.H., A Real-Time Loading Strategy of Batch Processing Machines for Average Tardiness Minimization, Journal of the Korean Institute of Industrial Engineers, 2014, Vol. 40, No. 2, pp. 215-222.
Millas, V.S. and Vosniakos, G.-C., Transfer batch scheduling using genetic algorithm, International Journal of Production Research, 2008, Vol. 46, No. 4, pp. 993-1016.
Ramasesh, R.V., Fu, H., Fong, D.K.H., and Hayya, J.C., Lot Streaming in Multistage Production System, International Journal of Production Economics, 2000, Vol. 66, No. 3, pp. 199-211.
Ryoo, I., Lee, J.-H., and Lee, J., Production Control in Multiple Bottleneck Processes using Genetic Algorithm, Journal of Society of Korea Industrial and Systems Engineering, 2018, Vol. 41, No. 1, pp. 102-109.
Yang, T. and Shen, Y.-A., The Dynamic Transfer Batch size Decision for Thin Film Transistor-liquid Display Array Manufacturing by Artificial Neural-network, Computers & Industrial Engineering, 2011, Vol. 60, No. 4, pp. 769-776.

저자의 다른 논문 :

LOADING...

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

생산 라인에서의 실시간 배치 크기 결정
Real-Time Batch Size Determination in The Production Line 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

생산 라인에서의 실시간 배치 크기 결정 Real-Time Batch Size Determination in The Production Line 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

이종환 (28)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

생산 라인에서의 실시간 배치 크기 결정
Real-Time Batch Size Determination in The Production Line 원문보기

AI 본문요약
AI-Helper