[논문]6-도메인 스마트팩토리 성숙도 평가 모델 기반 도입기업 군집분석

정도현; 안정현; 최상현

doi:10.15207/jkcs.2020.11.9.219

6-도메인 스마트팩토리 성숙도 평가 모델 기반 도입기업 군집분석
Cluster analysis of companies introducing smart factory based on 6-domain smart factory maturity assessment model 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.9, 2020년, pp.219 - 227

정도현 (충북대학교 경영정보학과) , 안정현 (충북대학교 빅데이터학과) , 최상현 (충북대학교 경영정보학과)

초록
AI-Helper

스마트팩토리는 가장 빠르게 발전하고 변화하는 4차 산업혁명 분야 중 하나이다. 스마트팩토리에서 도입정도와 성숙도 수준 평가는 중요한 부분에 해당한다. 본 논문에서는 국내 스마트팩토리를 도입한 중소기업들을 대상으로 설문 조사를 진행한 데이터를 바탕으로 스마트팩토리 도입 현황과 새로운 성숙도 평가 모델 기반 군집분석을 진행하였다. 설문에 응한 스마트팩토리 도입 기업의 약 68% 기업들이 기초수준에 해당하였고, 21% 정도만이 중간1 수준이었다. 대다수 중소기업들이 중간1로 진입하지 못한 가장 큰 이유로 자금부족을 꼽았다. 군집분석 결과, 군집별 패턴은 유사하지만 정도의 차이에 따라 '상, 중, 하' 3개로 군집됨을 확인할 수 있었고, 6 도메인 중 프로세스가 상대적으로 성숙도가 가장 높았고, 데이터가 가장 낮은 수준을 보였다. 이를 통해 6개 도메인 기반 새로운 스마트팩토리 성숙도 평가 모델을 활용하여, 보다 구체적이고 정량적인 성숙도 수준 측정 및 분석이 가능함을 보였다.

Abstract ▼ AI-Helper

Smart Factory is one of the fastest developing and changing fourth industrial revolution fields. In particular, the degree of introduction and maturity level in the smart factory is an important part. In this paper, a cluster analysis of companies introduced smart factory was performed based on a new maturity assessment model. The 68% of 193 companies surveyed were at the basic level, with only 21% being the middle one. Most SMEs cited lack of funds as the main reason for not entering the middle one. As a result of the cluster analysis, it was found that all clusters had similar patterns but grouped into one of three levels of high, middle, and low depending on maturity level of smart factory operation, and process domain had the highest maturity and data domain was lowest among the 6 domains. Through this, analysis of more specific and quantified maturity levels can be performed using 6-domain smart factory maturity evaluation model.

주제어

표/그림 (13)

그림 Fig. 1. Six levels of Industrie 4.0 Readiness Model Source: Industrie 4.0 Readiness 2015
그림 Fig. 2. KPC Smart Factory Maturoty Model Source: KPC Smart Factory Team, Nov, 2015
그림 Fig. 3. Smart Factory Platform (KITA 2016) Source: Guidance for SME's Smart Factory Implementation
그림 Fig. 4. Frequency by Adaptation System
그림 Fig. 5. Satisfaction Rate after System Adaptation
그림 Fig. 6. Frequency by Maturity Level with Self Evaluation
표 Table 1. Smart Factory Maturity Model by Choi
그림 Fig. 7. Troubles for Next Stage
그림 Fig. 8. Multi-dimensional K-means Clustering Analysis by 6 Domains
그림 Fig. 9, Mean Values by Domain
표 Table 2. Support Types for Introducing Smart Factory
표 Table 3. Relation between Sales and Maturity Level
표 Table 4. Relation between Number of Employee and Maturity Level

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 중소기업을 위한 스마트팩토리의 포괄적인 수준 측정이 어려운 기존 스마트팩토리 성숙도 평가 모델의 한계를 극복하기 위해 새로운 성숙도 평가 모델을 사용하여 군집분석을 진행하였다.
본 연구에서는 새롭게 제안된 6-Domains 수준평가 모델에 따라 조사한 국내 스마트팩토리 도입 중소기업 성숙도 수준 현황을 기반으로 군집분석을 통해 성숙도 수준별 영향요인을 탐색하였다. 이러한 새로운 수준평가 모델 기반의 평가 및 분석은 중소기업들이 스마트팩토리 도입에 있어 중요한 판단 기준을 제공할 것으로 기대한다.

제안 방법

그 다음으로 조직참여, 기술부족, 전문가부족 등이 뒤따랐다. 이러한 현실적 한계에 대한 지원부분 및 지원정도에 대한 설문조사를 시행하였다.
오승철(2019)은 SCOR(Supply Chain Operations Reference Model)과 SPICE(Software Process Imporvement and Capability dEtermination) 모델을 종합하여 새로운 스마트팩토리 수준 진단 지표를 개발 했다[20]. 해당 모델은 스마트팩토리 수준은 공장을 종합적인 관점에서 평가하며 스마트팩토리 추진방향으로 최적화, 자동화, 디지털화, 연결화, 지능화를 제시하였다.

대상 데이터

군집분석의 입력데이터는 레코드가 설문조사에 응한 중소기업이며 193개의 값을 갖고, 필드는 도메인으로 총 필드 개수는 6개이다. Fig.
본 연구에서 사용하는 새로운 스마트팩토리 운영성숙도 평가 모델은 6개의 주요 도메인(조직, 데이터, 프로세스, 설비, 통합, 시스템)과 41개 요소들을 포함하며, 열처리(heat treatment), 사출성형(injection molding), 단조 화장품(forging, cosmetic), 의약(medical) and 자동차(automobile)와 같은 다양한 제조 분야의 100개 이상의 중소기업을 대상으로 평가한 경험에 기반하고 있다[5].

이론/모형

본 논문에서는 최영환(2019)이 제시한 성숙도 평가 수준의 핵심개념인 6개 도메인(Organization, System, Process, Integration, Equipment, Data)에 따라 193개 기업을 군집화하였다. 기법은 K-means 알고리즘을 활용하였고, 파라미터인 클러스터 개수 k값은 3으로 설정하였다.
본 논문에서는 최영환(2019)이 제시한 성숙도 평가 수준의 핵심개념인 6개 도메인(Organization, System, Process, Integration, Equipment, Data)에 따라 193개 기업을 군집화하였다. 기법은 K-means 알고리즘을 활용하였고, 파라미터인 클러스터 개수 k값은 3으로 설정하였다.

성능/효과

6개 도메인에 따른 군집화 결과, 193개 기업은 성숙도 수준에 따라 ‘상, 중, 하’ 3개로 군집 되었고, 군집 별각 도메인에 대한 평균은 Process가 가장 높고, Data가 가장 낮았다. 6개 도메인별 군집별 평균 결과, 6개 도메인 중 Process, Integration, Equipment 3개의 도메인이 군집을 구분하는 결정적 역할을 하는 것을 확인할 수 있었다. 예를 들어 Process가 30 이상이고 Integration, Equipment가 15 이상이면 대략 ‘상’이라고 판단할 수 있다.
6개 도메인에 따른 군집화 결과, 193개 기업은 성숙도 수준에 따라 ‘상, 중, 하’ 3개로 군집 되었고, 군집 별각 도메인에 대한 평균은 Process가 가장 높고, Data가 가장 낮았다.
4는 설문조사에 참여한 국내 중소기업이 이미 도입한 스마트팩토리 관련 시스템 비율을 나타낸 것이다. MES가 52%로 가장 높았고, 그다음 ERP가 29%, 아무 시스템도 도입하지 않은 기업이 9%를 차지했다. 스마트 펙토리 도입에 대한 만족도는 3점이 43%, 4점 이상이 40%로 전반적으로 만족하였다.
결과적으로 조사에 응한 193개 기업은 성숙도 수준에 따라 ‘상, 중, 하’ 3개로 군집됨을 확인 할 수 있다.
6은 193개의 중소기업에서 새로운 성숙도 평가 기준 설문조사 항목을 자체평가한 결과를 나타낸 것이다. 그 결과, 설문조사에 응한 중소기업 중 2/3에 해당하는 68%가 기초수준에 해당하였고, 21%가 중간1 수준이었다.
Table 3을 보면, 전년도매출은 군집과 상관없이 "<5B (50억원 미만)" 클래스 빈도가 가장 높다. 그리고 전년도매출이 높아질수록 성숙도수준이 낮은 cluster0보다 성숙도 수준이 높은 군집에 해당하는 비율이 높아짐을 확인할 수 있다.
또한, 임직원 수와 성숙도 수준 간의 관계 분석결과, 임직원 수가 많을수록 ‘하’(cluster0), ‘중’(cluster1) 수준에 속할 확률이 작아지는 반면에, ‘상’ 수준(cluster2) 같은 경우는 임직원 수의 크기에 크게 영향을 받지 않았다.
본 연구 군집분석 결과 군집 간 명확한 경계를 갖는 것을 확인할 수 있었다. 이는 새로운 성숙도 수준 설문조사 결과를 활용하여 ‘상, 중, 하’ 등급으로 구분할 수 있음을 시사한다.
본 연구에서는 제시된 6개 도메인 기반 새로운 스마트 팩토리 성숙도 수준을 활용한 평가 모델을 활용하여, 보다 구체적이고 정량적인 성숙도 수준 측정 및 분석이 가능함을 보였다. 본 연구에서 제시한 새로운 성숙도 평가 모델 기반 분석 방법은 중소기업이 스마트팩토리를 도입하거나 운영하는데 있어서 보다 효과적인 평가기준 및 방법론을 제공할 것으로 기대된다.
분석 결과, 군집별 패턴은 유사하지만 정도의 차이에 따라 ‘상, 중, 하’ 3개로 군집됨을 확인할 수 있었고, 6 도메인 중 Process가 상대적으로 성숙도가 가장 높았고, Data가 가장 낮은 수준을 보였다.
설문조사 통계분석 결과 중소기업에서 도입한 스마트 팩토리 시스템은 MES가 52%로 가장 높았고, 그다음 ERP가 29%로 뒤따랐다. 시스템 도입에 대한 만족도는 3점이 43%, 4점 이상이 40%로 전반적으로 만족하였다.
MES가 52%로 가장 높았고, 그다음 ERP가 29%, 아무 시스템도 도입하지 않은 기업이 9%를 차지했다. 스마트 펙토리 도입에 대한 만족도는 3점이 43%, 4점 이상이 40%로 전반적으로 만족하였다.
설문조사 통계분석 결과 중소기업에서 도입한 스마트 팩토리 시스템은 MES가 52%로 가장 높았고, 그다음 ERP가 29%로 뒤따랐다. 시스템 도입에 대한 만족도는 3점이 43%, 4점 이상이 40%로 전반적으로 만족하였다.
전년도매출과 성숙도 수준 간의 관계를 분석한 결과, 전년도매출이 많을수록 성숙도 수준이 높은 군집에 해당할 비율이 높아짐을 확인할 수 있었다. 또한, 임직원 수와 성숙도 수준 간의 관계 분석결과, 임직원 수가 많을수록 ‘하’(cluster0), ‘중’(cluster1) 수준에 속할 확률이 작아지는 반면에, ‘상’ 수준(cluster2) 같은 경우는 임직원 수의 크기에 크게 영향을 받지 않았다.

후속연구

또한 이와 같은 정량적 스마트팩토리 수준 진단 모델을 기반으로 자가 진단 시스템을 구축한다면 각 기업들의 스마트팩토리 담당자들이 시스템을 통해서 쉽게 스마트팩토리 수준을 파악할 수 있을 것으로 기대된다.
본 연구에서는 제시된 6개 도메인 기반 새로운 스마트 팩토리 성숙도 수준을 활용한 평가 모델을 활용하여, 보다 구체적이고 정량적인 성숙도 수준 측정 및 분석이 가능함을 보였다. 본 연구에서 제시한 새로운 성숙도 평가 모델 기반 분석 방법은 중소기업이 스마트팩토리를 도입하거나 운영하는데 있어서 보다 효과적인 평가기준 및 방법론을 제공할 것으로 기대된다.
본 연구의 한계점은 응답기업을 산업군별로 분류하고 연구를 진행하지 않았다는 점이며, 따라서 향후 연구에서는 데이터를 추가로 확보하고 응답기업의 산업군이나 업종에 따른 분류를 먼저 진행한다면 해당 분야에 특화된 연구 결과를 얻을 수 있을 것으로 기대된다.
본 연구에서는 새롭게 제안된 6-Domains 수준평가 모델에 따라 조사한 국내 스마트팩토리 도입 중소기업 성숙도 수준 현황을 기반으로 군집분석을 통해 성숙도 수준별 영향요인을 탐색하였다. 이러한 새로운 수준평가 모델 기반의 평가 및 분석은 중소기업들이 스마트팩토리 도입에 있어 중요한 판단 기준을 제공할 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대한민국의 스마트팩토리 지원사업을 책임지고 있는 스마트제조혁신추진단에서는 스마트팩토리를 어떻게 정의하고 있는가?	또한 대한민국의 스마트팩토리 지원사업을 책임지고 있는 스마트제조혁신추진단(KOSMO)에서는 스마트팩토리를 제품의 기획부터 판매까지의 모든 생산과정을 정보통신 기술로 통합해 최소 비용과 시간으로 고객 맞춤형 제품을 생산하는 인간 중심의 첨단 지능형 공장으로 정의하고 있다[7].
	6개의 주요 도메인을 포함하는 스마트팩토리 운영성숙도 평가 모델은 어떤 연관 요소를 다루고 있는가?	이는 보다 구체적이고 정량적인 측정 및 분석이 가능함을 의미한다. 또한, MES, ERP, PLM, SCM과 같은 기업용 시스템뿐만 아니라 빅데이터 준비도, 설비 인터페이스, 시스템 통합, 프로세스 그리고 조직적 리더십, 협력과 같은 연관 요소들까지 다루고 있다. 구체적인 새로운 성숙도 정의는 Table 1과 같다[5].
	스마트팩토리 운영성숙도 평가 모델 6개의 주요 도메인에는 어떤 항목이 있는가?	본 연구에서 사용하는 새로운 스마트팩토리 운영성숙도 평가 모델은 6개의 주요 도메인(조직, 데이터, 프로세스, 설비, 통합, 시스템)과 41개 요소들을 포함하며, 열처리(heat treatment), 사출성형(injection molding), 단조 화장품(forging, cosmetic), 의약(medical) and 자동차(automobile)와 같은 다양한 제조 분야의 100개 이상의 중소기업을 대상으로 평가한 경험에 기반하고 있다[5].

참고문헌 (23)

K. Schwab. (2016). The Fourth Industrial Revolution. World Economic Forum.
C. S. Bae & S. C. Goh. (2019). Case Study on Security Enhancement of Smart Factory. Journal of The Korea Institute of Information Security & Cryptology, 29(3), 675-684.
KOSF. (2014). Reference Model of Smart Factory.
KOSMO. (2020.06.05.). Announcement on the revision of detailed management standards for smart factory supply and expansion projects. www.smart-factory.kr
Y. H. Choi. (2019). A Model to Evaluate the Maturity Level of SME Smart Factory Operation. Chungbuk National University.
B. Cornelius & W. Dominik. (2015). Manufacturings next act. McKinsey & Company, 1-5.
KOSMO. Introduction of Smart Factory. www.smart-factory.kr/smartFactoryIntro
KOSF. (2017). Guidebook for 2017 Smart Factory. Korea Smart Factory Foundation, 5-56.
Ministry of Small and Medium Business. Statistics DB. (2020.01.21.) stat.mss.go.kr:8443/statHtml/statHtml.do?orgId142&t blIdDT_F40008
Ministry of Small and Medium Business. Statistics DB. (2020.01.21.) stat.mss.go.kr:8443/statHtml/statHtml.do?orgId142&t blIdDT_F40009#
B. Sauser et al. (2006). From TRL to SRL (The Concept of Systems Readiness). Stevens Institute of Technology, 1-10.
F. Joseph A. (2010). Contextual Role of TRLs and MRLs in Technology Management. Sandia National Laboratories, 7-20.
MRL Working Group. (2011). Manufacturing Readiness Level (MRL) Deskbook. OSD Manufacturing Technology Program, 7-32.
C. Machado & J. P. Davim. (2020). "Maturity level assessment for industry 4.0 integration into Lean Manufacturing", Industry 4.0: Challenges, Trends, and Solutions in Management and Engineering, 191-240. ISBN-13: 978-0815354406, ISBN-10: 0815354401
KPC. (2015). A study of institutionalizing the smart factory. Korea Productivity Center, 10-200.
E. Rauch et al. (2020). A Maturity Level-Based Assessment Tool to Enhance the Implementation of Industry 4.0 in Small and Medium-Sized Enterprises. MDPI, 12(9), 1-18 DOI: 10.3390/su12093559
K. W. Jung et al. (2016). A Reference Activity Model for Smart Factory Design and Improvement. NIST, 1-31.
Y. J. Cho. (2016). The suggestion of Implementing Smart Factory System for SMEs. Korea International Trade Association, 5-34.
J. C. Lee et al. (2017). A Smartness Assessment Framework for Smart Factories Using Analytic Network Process. MDPI, 9(5), 1-15. DOI: 10.3390/su9050794
S. C. Oh & Y. H. Ahn. (2019). A Study on the Diagnosis Measurement for the Smart Factory Level in the 4th Industrial Revolution. Korea Logistics Review, 29(6), 149-162. DOI: 10.17825/klr.2019.29.6.149

상세보기
R. Le & S. K. Chae. (2020). The Effects of Smart Factory Technologies on Quality and Innovation Performance in SME. Asia-Pacific Journal of Business Venturing and Entrepreneurship, 15(3), 59-71. DOI: 10.16972/apjbve.15.3.202006.59

원문보기 상세보기
J. H. Oh & J. D. Kim. (2019). A Study on Strategic Utilization of Smart Factory: Effects of Building Purposes and Contents on Continuous Utilization. Asia Pacific Journal of Small Business, 41(4), 1-36. DOI: 10.36491/APJSB.41.4.1
H. G. Kim. (2020). A Study on the Factors Influencing on the Intention to Continuously Use a Smart Factory. Journal of the Korea Industrial Information Systems Research, 25(2), 73-85. DOI: 10.9723/jksiis.2020.25.2.073

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