제조업 특성을 반영한 스마트공장 진단모델 개발 및 중소기업 맞춤형 적용사례 Development of Smart Factory Diagnostic Model Reflecting Manufacturing Characteristics and Customized Application of Small and Medium Enterprises원문보기
This study is to develop a diagnostic model for the effective introduction of smart factories in the manufacturing industry, to diagnose SMEs that have difficulties in building their own smart factory compared to large enterprise, to identify the current level and to present directions for implement...
This study is to develop a diagnostic model for the effective introduction of smart factories in the manufacturing industry, to diagnose SMEs that have difficulties in building their own smart factory compared to large enterprise, to identify the current level and to present directions for implementation. IT, AT, and OT experts diagnosed 18 SMEs using the "Smart Factory Capacity Diagnosis Tool" developed for smart factory level assessment of companies. They analyzed the results and assessed the level by smart factory diagnosis categories. Companies' smart factory diagnostic mean score is 322 out of 1000 points, between 1 level (check) and 2 level (monitoring). According to diagnosis category, Factory Field Basic, R&D, Production/Logistics/Quality Control, Supply Chain Management and Reference Information Standardization are high but Strategy, Facility Automation, Equipment Control, Data/Information System and Effect Analysis are low. There was little difference in smart factory level depending on whether IT system was built or not. Also, Companies with large sales amount were not necessarily advantageous to smart factories. This study will help SMEs who are interested in smart factory. In order to build smart factory, it is necessary to analyze the market trends, SW/ICT and establish a smart factory strategy suitable for the company considering the characteristics of industry and business environment.
This study is to develop a diagnostic model for the effective introduction of smart factories in the manufacturing industry, to diagnose SMEs that have difficulties in building their own smart factory compared to large enterprise, to identify the current level and to present directions for implementation. IT, AT, and OT experts diagnosed 18 SMEs using the "Smart Factory Capacity Diagnosis Tool" developed for smart factory level assessment of companies. They analyzed the results and assessed the level by smart factory diagnosis categories. Companies' smart factory diagnostic mean score is 322 out of 1000 points, between 1 level (check) and 2 level (monitoring). According to diagnosis category, Factory Field Basic, R&D, Production/Logistics/Quality Control, Supply Chain Management and Reference Information Standardization are high but Strategy, Facility Automation, Equipment Control, Data/Information System and Effect Analysis are low. There was little difference in smart factory level depending on whether IT system was built or not. Also, Companies with large sales amount were not necessarily advantageous to smart factories. This study will help SMEs who are interested in smart factory. In order to build smart factory, it is necessary to analyze the market trends, SW/ICT and establish a smart factory strategy suitable for the company considering the characteristics of industry and business environment.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 스마트공장 수준평가는 대기업에 비해 자체적으로 스마트공장 추진에 어려움이 있는 중소기업을 지원하는목적에서 수행되었다. ① 신청접수 → ② 기업선정 → ③ 전문가 매칭 → ④ 스마트공장 수준진단 → ⑤ 스마트화 도입기술 검토 → ⑥ 추진과제 정립 → ⑦ 사업완료 및 사후관리의 절차에 따라 2018년 4~6월까지 총 3개월간 인천지역 내 18개 중소기업에 대해 5명의 IT(Information Tech- nology), AT(Automation Technology), OT(Operation Tech- nology) 전문가가 매칭되어 스마트공장 구축 역량진단을 실시하였다.
본 연구는 국내 제조업체가 스마트공장 구축함에 있어 도움이 될 수 있도록 진단모델을 제시하고 중소기업에 적용한 결과를 보여주고 있다. 참여기업들의 스마트공장 진단점수는 1000점 만점에 322점으로 1수준(점검)과 2수준(모니터링) 사이에 있었다.
본 연구를 통해 제조업의 기업운영 프로세스를 반영한스마트공장 진단모델을 개발하고 자체적으로 스마트공장추진이 어려운 중소기업에 대한 적용사례 및 현 수준을보여줌으로써 스마트공장을 도입코자 하는 중소기업에 실질적인 도움을 주고자 했다. 참여기업은 진단내용에 대해 전반적으로 만족하였으며(진단만족도 : 4.
본 진단모델은 스마트공장에 대한 올바른 개념인식과 정확한 구축방향 설정을 위한 객관적 진단 및 평가도구로써 기업 운영현황을 제대로 파악하고 스마트화 대상, 기간, 범위 등을 명확히 하는데 목적이 있다. 개발된 모델은 기존 진단모델과 2가지 차이점을 가지고 있다.
이에 본 연구에서는 제조업의 실효성 있는 스마트공장 도입을 위해 진단모델을 개발하고 대기업에 비해 자체적으로 스마트공장 도입에 어려움이 있는 중소기업을 진단하여 현 수준을 파악하고 추진방향을 제시코자 한다.
제안 방법
본 연구에 적용된 스마트공장 수준평가 진단모델은2018년까지 총 18개월에 걸쳐 개발되었으며 스마트공장전문가 그룹, 기업체 직무담당자, HW/SW 전문가 등 15여명이 21회 회의를 거쳤고 Pilot Test와 대기업 7개사, 중소기업 20개사 진단으로 유효성 검증을 완료하였다. 개발된진단모델은 [Table 5]와 같이 10개 대항목, 189개의 소항목으로 구성되며(전체 평가항목은 [별첨]으로 제공) 총1000점 만점으로 [Table 6]과 같이 종합점수에 따라 총5단계(시작-준비-진행-완료-고도화)수준으로 분류된다.
둘째, 스마트공장 구축 역량 진단시트를 기준으로 객관적 진단을 실시하였다. 기업 경영 전반의 운영 프로세스, 정보화 운영현황에 대해 전략, 공장 현장 기본, 설비자동화 등 10가지 항목으로 검토하고 진단항목별 점수를 합하여 종합적으로 현 수준을 평가하였다.
기업 내부 시스템 및 운영 프로세스 변화를 추구하여 기업 경쟁력을 높이고자 하였고 기업 상황에 맞는 전략과 로드맵 제시를 위한 IE-ICT 간 균형있는 융·복합 진단을 수행하였다.
기업맞춤형 스마트공장 추진을 위해 진단 전 [Table7]과 같이 기업 요청사항을 파악하여 내실 있는 진단이 될 수 있도록 하였다. MES 구축, 생산계획 체계, 병목공정 해소, 사내표준화, 자재관리, IT 시스템 도입, ERP 시스템 구축 등과 같은 생산관리 분야 요청사항이 78%로 스마트공장 구축에 있어 Value Chain 최적화가 큰 비중을 차지하고 있음을 알 수 있었다.
기업 내부 시스템 및 운영 프로세스 변화를 추구하여 기업 경쟁력을 높이고자 하였고 기업 상황에 맞는 전략과 로드맵 제시를 위한 IE-ICT 간 균형있는 융·복합 진단을 수행하였다. 둘째, 스마트공장 구축 역량 진단시트를 기준으로 객관적 진단을 실시하였다. 기업 경영 전반의 운영 프로세스, 정보화 운영현황에 대해 전략, 공장 현장 기본, 설비자동화 등 10가지 항목으로 검토하고 진단항목별 점수를 합하여 종합적으로 현 수준을 평가하였다.
진단항목은 [Table 5]와 같이 본 연구를 통해 개발된 “스마트공장 구축 역량 진단지”를 기반으로 참여기업의 규모/업종, 업무기능에 맞추어 범주와 평가항목을 1000점 만점으로 하여 구성되었다. 범주별 평가결과를 백분위점수로 환산하여 상대 비교가 가능토록 하였고 KS X9001-3에 제시된 스마트공장 성숙도에 따라 5단계로 나누어 기업이 현재 수준을 제시하였다.
① 신청접수 → ② 기업선정 → ③ 전문가 매칭 → ④ 스마트공장 수준진단 → ⑤ 스마트화 도입기술 검토 → ⑥ 추진과제 정립 → ⑦ 사업완료 및 사후관리의 절차에 따라 2018년 4~6월까지 총 3개월간 인천지역 내 18개 중소기업에 대해 5명의 IT(Information Tech- nology), AT(Automation Technology), OT(Operation Tech- nology) 전문가가 매칭되어 스마트공장 구축 역량진단을 실시하였다. 진단자에 의한 편차를 최소화하기 위해 사전워크숍을 실시하여 진단항목별 평가기준과 방법을 공유하였고 진단매뉴얼 제공으로 주관적 판단을 배제하였다.
진단항목은 [Table 5]와 같이 본 연구를 통해 개발된 “스마트공장 구축 역량 진단지”를 기반으로 참여기업의 규모/업종, 업무기능에 맞추어 범주와 평가항목을 1000점 만점으로 하여 구성되었다.
본 진단은 2가지 주안점을 가지고 진행되었다. 첫째, ICT기술 도입 위주의 스마트공장 구축이 아닌 내부 시스템 변화를 추구하였다. 기업 내부 시스템 및 운영 프로세스 변화를 추구하여 기업 경쟁력을 높이고자 하였고 기업 상황에 맞는 전략과 로드맵 제시를 위한 IE-ICT 간 균형있는 융·복합 진단을 수행하였다.
개발된 모델은 기존 진단모델과 2가지 차이점을 가지고 있다. 첫째, 각 진단항목별 구체적 판단기준을 제시하여 객관적평가를 통한 개선항목 도출이 가능토록 하였다. 둘째, 다양한 업종과 기업규모에 적용이 될 수 있도록 설계되었다.
평가결과의 경우 참여기업의 이해도와 수용도를 높이기 위해 본 진단모델의 수준별 내용을 통상적으로 많이 활용되는 KS X 9001-3에 있는 “스마트공장성숙도”에 맞추어 표현하였다.
하지만 실제 스마트공장 수준평가 시에는 범용·공용적 표준보다 현장에 맞는 구체적 사항이 필요하기에 항목별 목적, 내용, 판단기준, 평가참고사항 등 포함한 본 진단모델을 활용하여 평가하였다.
성능/효과
우리나라도 국가적 차원에서 중소 제조기업의 경쟁력 강화와 일자리 창출을 위해 2020년까지 스마트공장 1만개 도입을 목표로 하며 현재까지의 우수한 성과에 따라 2022년까지 2만 개에서 3만 개로 목표를 상향하여 보급·확산에 힘쓰고 있다. 2014~2018년까지 5년간 7,903개의 중소기업 대상으로 스마트공장을 구축하였으며 그 결과 생산성 30% 증가, 불량률 43.5% 감소, 고용창출 2.2명 증가 등 Q(Quality), C(Cost), D(Delivery), P(Productivity), S(Safety) 측면에서 획기적인 성과를 거두었다[12].
범주별 비교분석을 위해 백분율점수로 변환하여 IT 시스템 구축여부, 업태별로 보면 [Table 9]와 같다. IT 시스템(ERP) 구축업체(6社)는 31%, 비구축업체(12社)는 33%로 거의 차이가 없으며 IT 시스템 구축업체는 물류관리, 정보 시스템, Data 활용, IT 시스템 구축에서, 비구축업체는 현장기본, 품질관리, 설비관리에서 강점을 보였다. 또한 가공(7社)업체가 36%, 조립(11社)업체가 30%로 공정이 복잡한 가공업체의 스마트공장 수준이 약간 높았으며 가공업체는 현장기본, 설비 자동화, 생산관리, 품질관리, 설비관리에서, 조립업체는 정보 시스템, Data 활용에서 강점을 보였다.
기업맞춤형 스마트공장 추진을 위해 진단 전 [Table7]과 같이 기업 요청사항을 파악하여 내실 있는 진단이 될 수 있도록 하였다. MES 구축, 생산계획 체계, 병목공정 해소, 사내표준화, 자재관리, IT 시스템 도입, ERP 시스템 구축 등과 같은 생산관리 분야 요청사항이 78%로 스마트공장 구축에 있어 Value Chain 최적화가 큰 비중을 차지하고 있음을 알 수 있었다.
개발된 진단모델은 스마트공장구축․·운영 전략부터 업무 프로세스, 정보 시스템, 성과등의 전 영역에 걸친 종합적 진단 Tool이며 체계적인 항목분류(대분류-중분류-소분류)로 세부적 진단이 가능하기에 스마트공장의 공유 플랫폼 역할을 하는 다양한 정보시스템과의 연계로 기업에 실질적인 도움을 줄 수 있다.
0 추진을 위한 Readiness Model을 만들었다. 그 결과로 [Table 1]과 같이 6개범주(Strategy and Organization, Smart Factory, Smart Operations, Smart Products, Data-driven Services, Employees)와 18개 하위항목을 제시하였으며 이 중 스마트공장 범주에는 Digital Modeling, Equipment Infrastructure, Data Usage, ITSystem과 같이 4개 하위항목이 있다. 또한 각 범주별 준비도를 6단계 수준으로 제시하였는데 20명 이상의 종업원을 가진 268개 조사대상 기업들에 대한 연구결과 0~5까지의 6단계 중 평균 0.
셋째, HW/SW 간 연계성 없는 스마트공장 구축으로 설비와 정보 시스템 간의 발생할 수 있는 연결성 결여를 최소화하는 것이다. 넷째, 대부분의 기업이 스마트공장 구축을 외주업체에 의존하기에 진단을 통해 기업 특성에 맞도록 단계별 스마트공장 추진방안을 제시하는 것이다.
첫째, 각 진단항목별 구체적 판단기준을 제시하여 객관적평가를 통한 개선항목 도출이 가능토록 하였다. 둘째, 다양한 업종과 기업규모에 적용이 될 수 있도록 설계되었다. 기업 업무프로세스 중심으로 진단모델이 구성되어대상기업의 Value Chain에 맞추어 유연하게 평가항목을구성할 수 있게 하였다.
첫째, 스마트공장 구축에 있어 정보시스템만 구축되면 스마트공장이 된다는 인식을 개선하는 것이다. 둘째, 업무프로세스를 배제하고 산업, 제품, 업무특성을 무시한채 일률적인 자동화 설비/시스템 구축으로 발생하는 Loss를 방지하는 것이다. 셋째, HW/SW 간 연계성 없는 스마트공장 구축으로 설비와 정보 시스템 간의 발생할 수 있는 연결성 결여를 최소화하는 것이다.
IT 시스템(ERP) 구축업체(6社)는 31%, 비구축업체(12社)는 33%로 거의 차이가 없으며 IT 시스템 구축업체는 물류관리, 정보 시스템, Data 활용, IT 시스템 구축에서, 비구축업체는 현장기본, 품질관리, 설비관리에서 강점을 보였다. 또한 가공(7社)업체가 36%, 조립(11社)업체가 30%로 공정이 복잡한 가공업체의 스마트공장 수준이 약간 높았으며 가공업체는 현장기본, 설비 자동화, 생산관리, 품질관리, 설비관리에서, 조립업체는 정보 시스템, Data 활용에서 강점을 보였다.
본 연구에 적용된 스마트공장 수준평가 진단모델은2018년까지 총 18개월에 걸쳐 개발되었으며 스마트공장전문가 그룹, 기업체 직무담당자, HW/SW 전문가 등 15여명이 21회 회의를 거쳤고 Pilot Test와 대기업 7개사, 중소기업 20개사 진단으로 유효성 검증을 완료하였다. 개발된진단모델은 [Table 5]와 같이 10개 대항목, 189개의 소항목으로 구성되며(전체 평가항목은 [별첨]으로 제공) 총1000점 만점으로 [Table 6]과 같이 종합점수에 따라 총5단계(시작-준비-진행-완료-고도화)수준으로 분류된다.
둘째, 업무프로세스를 배제하고 산업, 제품, 업무특성을 무시한채 일률적인 자동화 설비/시스템 구축으로 발생하는 Loss를 방지하는 것이다. 셋째, HW/SW 간 연계성 없는 스마트공장 구축으로 설비와 정보 시스템 간의 발생할 수 있는 연결성 결여를 최소화하는 것이다. 넷째, 대부분의 기업이 스마트공장 구축을 외주업체에 의존하기에 진단을 통해 기업 특성에 맞도록 단계별 스마트공장 추진방안을 제시하는 것이다.
업종별로 보면[Table 8]과 같이 생활용품 < 기계 < 자동차부품 < 전기전자 순으로 진단점수가 높았고 업태별로는 조립 < 가공순으로 진단점수가 높은 양상을 보였다.
전체적인 진단결과를 보면 기업 평균점수은 322점(1000점 기준)으로 KS X 9001에서 제시한 스마트공장 성숙도측면에서 1수준(점검)과 2수준(모니터링)사이에 있으며 스마트공장 도입을 위한 준비 및 시작단계에 있다. 특히 스마트공장 전략, 설비 자동화, 설비관리, 정보·IT 시스템, 데이터 활용, 효과분석 등이 낮게 나왔다.
제조형태별로 보면 가공업종 7개, 조립업종 11개로 원자재·부품을 수급 받아 고객사에 전달하는 형태의 기업이 많았다. 정보시스템 구축여부를 살펴본 결과 현재 ERP를 구축하여 경영활동에 활용하고 있는 기업은 6개로 구축기업보다 구축하지 않은 기업이 더 많았다.
진단 전 기업요청사항을 보면 MES 구축, 생산계획 수립, 병목공정 해소, 사내표준화, 자재관리, IT 시스템 도입, ERP시스템 구축 등 생산관리 분야가 78%로 생산공정 최적화에 대한 요구가 다수였고 진단결과 또한 스마트공장구축을 위해서는 업무 프로세스 및 표준체계 정립, 기본적인 현장개선(정비)활동, 공장 Layout 재배치, 기업규모에 맞는 IT 시스템 구축 등이 선행되어야 하는 것으로 나타나 기업 요청사항과 많은 부분이 일치하였다. 기업들은 자사의 기업규모, 업종·업태를 고려하여 취약한 부분에 대해 현실적으로 실현가능한 과제를 먼저 추진해야할 것이다.
진단범주별로 보면스마트공장 전략, 설비 자동화, 설비관리, 정보·IT 시스템, 데이터 활용, 효과분석 등의 수준이 낮아 CEO의 스마트공장 구축전략, 자동화시스템 고도화, 프로세스 최적화, 현장데이터 및 IT 시스템 활용, 구축 후 효과 모니터링 등이 시급한 것으로 파악되었다.
진단모델 개발 시 특히 스마트공장 구축에 있어 인식전환이 필요한 몇 가지 사항을 중점적으로 고려하였다. 첫째, 스마트공장 구축에 있어 정보시스템만 구축되면 스마트공장이 된다는 인식을 개선하는 것이다. 둘째, 업무프로세스를 배제하고 산업, 제품, 업무특성을 무시한채 일률적인 자동화 설비/시스템 구축으로 발생하는 Loss를 방지하는 것이다.
후속연구
그러나 진단내용과 항목이 많기에 진단일수(3일)가 부족하여 5일정도로 늘리길 원하였다. 또한 본 진단결과를 스마트공장 추진전략 수립에 적극 활용할 예정으로, 실효성을 높이기 위해PI(프로세스 혁신), ISP(정보전략 수립), H/W와 S/W 인프라 구축, 인력양성 부분을 중점적으로 진단하면 좋을 것같다는 의견이 있어 향후 진단 시 진단기간, 중점항목 가중치에 대해 검토가 필요할 것으로 보여진다.
그렇기에 순차적으로 추진해야 할 개선과제가 무엇인지에 대한 검토가 필요하다. 또한 스마트 혁신문화 조성을 위해 조직간 협업으로 운영 시스템, 하드웨어, 소프트웨어를 융합해야 하며 궁극적으로 전사 가치사슬의 디지털화를 통해 스마트공장을 구현하고 새로운 사업모델을 창출해야 할 것이다.
본 연구의 한계로는 스마트공장 수준평가 분야가 학술적으로 정형화되지 않았고 기업별 업무프로세스도 상이하여 진단모델을 개별기업까지의 맞춤형으로 보기에 어려움이 있으며 진단 시 일부 주관적 판단이 포함된 경우가 있어 이후 많은 연구사례가 나오면 추가적인 비교·분석이 필요할 것으로 판단된다. 또한, 진단대상이 18社로 기업규모(매출액), 업종, 업태, IT 시스템 기 구축여부 등에 따라 구분했을 시 대표성 있는 결과값으로 부족한 부분이 있기에 이후 통계분석이 가능한 수준으로 대상기업을 확대하여 보완할 예정이다.
본 연구의 한계로는 스마트공장 수준평가 분야가 학술적으로 정형화되지 않았고 기업별 업무프로세스도 상이하여 진단모델을 개별기업까지의 맞춤형으로 보기에 어려움이 있으며 진단 시 일부 주관적 판단이 포함된 경우가 있어 이후 많은 연구사례가 나오면 추가적인 비교·분석이 필요할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
독일이 스마트공장 구현에 있어 국가표준로 제정한 것은?
중국의 경우 인터넷과 제조업의 융합을 위해 3단계의 중국제조 2025를 진행 중이다[15]. 특히 독일은 스마트공장 구현에 있어 표준의 중요성을 인식하여 HierarchyLevel, Life Cycle, Architecture와 같이 3개 축으로 구성된RAMI(Reference Architecture Model for Industry 4.0)을 국가표준으로 제정하여 보급․확산하고 있다. 우리나라의 경우도 2016년에 국가 차원에서 스마트공장 개념 정립 및산업계 확산을 위한 한국산업표준(KS, Korean IndustrialStandards)을 개발하였다.
중소기업에서 자동화 등 스마트공장을 추진하지 못하는 이유는?
국내 대기업의 경우 기존의 자동화와 ICT를 통해 실제제조현장의 Q(Quality), C(Cost), D(Delivery) 측면에서 고도화를 진행하고 있다. 그러나 대기업 1차 협력사를 제외한중소기업들은 설비/시스템 및 투자자금 부족, 유지보수 등의 사후관리 미흡, 구축시스템 활용인력에 대한 부담이 크기 때문에[10] 매출기여도에 대해서는 긍정적으로 생각하면서도 쉽게 추진하지 못하고 있다. 많은 기업들이 정부산하기관에서 시행하고 있는 각종 지원사업을 통해 스마트공장 구축을 시도하고 있지만 대부분 수작업에 의존하는기초수준(76.
스마트공장 구축에 있어 인식전환이 필요한 사항은?
진단모델 개발 시 특히 스마트공장 구축에 있어 인식전환이 필요한 몇 가지 사항을 중점적으로 고려하였다. 첫째, 스마트공장 구축에 있어 정보시스템만 구축되면 스마트공장이 된다는 인식을 개선하는 것이다. 둘째, 업무프로세스를 배제하고 산업, 제품, 업무특성을 무시한채 일률적인 자동화 설비/시스템 구축으로 발생하는 Loss를 방지하는 것이다. 셋째, HW/SW 간 연계성 없는스마트공장 구축으로 설비와 정보 시스템 간의 발생할 수 있는 연결성 결여를 최소화 하는 것이다. 넷째, 대부분의 기업이 스마트공장 구축을 외주업체에 의존하기에 진단을 통해 기업 특성에 맞도록 단계별 스마트공장 추진방안을 제시하는 것이다.
참고문헌 (17)
10.14329/isr.2017.19.2.095 Choi, Y.H. and Choi, S.H., A Study on the Factors Influencing the Competitiveness of Small and Medium Companies Applied with Smart Factory System, Information Systems Review , 2017, Vol. 19, No. 3, pp. 95-113.
Foundation for mechanical engineering, plant engineering, and information technology of Germany, Industrie 4.0 Readiness, 2015, https://www.industrie40-readiness.de/.
Gu, B.J., Lee, J.S., Lee, M.H., and Son, S.H., Domestic Smart Manufacturing Policy and Support Statusand Improvement Plan, KISTEP Issue Weekly , 2018, Vol. 1, ISSN 2586-2278.
Kim, Y.W., Jung, S.J., You, S.G., and Cha, S.G., Smart Factory International and Domestic Standardization Trend, Journal of Communications and Networks , 2015, Vol. 33, No. 1, pp. 30-36
Korean Agency for Technology and Standards, Smart Factory-Part 1 : Basic Concepts and Structure, KS X 9001-1, 2016.
Korean Agency for Technology and Standards, Smart Factory-Part 2 : Terminology, KS X 9001-2, 2016.
Korean Agency for Technology and Standards, Smart Factory-Part 3 : Operation Management System(Diagnostics and Assessment Model), KS X 9001-3, 2016.
10.18237/KDGW.2016.34.3.037 Kwon, J.H. and Lee, S.B., A Case Study of German Small and Medium Enterprises Introduction of ‘Industry 4.0’ and It’s Implication to Korea, Koreanische Zeitschrift fu¨r Wirtschaftswissenschaften, 2016, Vol. 34, No. 2, pp. 37-55
Lee, H.H. and Leem, C.S., SWOT Analysis for Small and Medium Enterprise in Smart Factory Introduction, Journal of the Korea Convergence Society , 2018, Vol. 9, No. 3, pp. 1-14.
Lee, H.Y. and Jang, J.Y., Smart Factory Status Analysis and Responding Strategy of SMEs in Southeast Region, The Journal of The Korean Institute of Communication Sciences , 2018, Vol. 35, No. 4, pp. 35-42.
Lee, J.C., Step by Step Implement Points for Smart Factory Building, Industrial Engineering Magazine , 2018, Vol. 25, No. 4, pp. 31-37.
Ministry of SMEs and Startups, Main Business of Ministry of SMEs and Startups in 2019, 2019, https://www.mss.go.kr/.
Park, J.P., Analysis on Success Cases of Smart Factory in Korea : Leveraging from Large, Medium, and Small Size Enterprises, Journal of Digital Convergence , 2017, Vol. 15, No. 5, pp. 107-115.
Sameer, M., Muztoba, A.K., David, R., and Thorsten, W., Smart Manufacturing : Characteristics, Technologies and Enabling Factors, In : Proceedings of the Institution of Mechanical Engineers, Part B : Journal of Engineering Manufacture , In Press, 2017, pp. 1-20.
So, A.Y., 4th Industrial Revolution and Domestic International Smart Factory Industry Trends, Convergence Weekly Tip, 2017, Vol, 57, pp. 1-8.
The Presidential Committee on the 4th industrial revolution, Strategies for Smart Factory Expansion and Advancement, 2018, https://www.4th-ir.go.kr/.
The Standish International. Inc, Standish Group 2015 CHAOS Report, 2015, https://www.standishgroup.com/.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.