[논문]식품계량 및 포장 공정 로봇 적용 자동화 시스템 개발을 위한 3D 시뮬레이션 연구

백승훈; 오승일; 권기현; 김태형

doi:10.17661/jkiiect.2023.16.5.230

[국내논문] 식품계량 및 포장 공정 로봇 적용 자동화 시스템 개발을 위한 3D 시뮬레이션 연구
3D Simulation Study to Develop Automated System for Robotic Application in Food Sorting and Packaging Processes 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.16 no.5, 2023년, pp.230 - 238

백승훈 (충남대학교 바이오시스템기계공학과) , 오승일 (한국식품연구원 안전유통연구단) , 권기현 (한국식품연구원 안전유통연구단) , 김태형

초록
AI-Helper

식품제조 중소기업들은 원물 투입부터 최종 팔렛타이징까지 대부분 노동집약적이고 수작업으로 구성되어 있다. 최근 로봇과 센서 데이터 기술요소 적용으로 스마트화 디지털화로 변화하는 추세이다. 본 연구에서는 식품제조기업에서 적용 설비 역량보다 작업자가 속도를 따라가지 못하는 반복작업 공정 2가지를 선정하였으며, 이를 3D 시뮬레이션을 활용하여 개선 효과성을 규명하고자 한다. 꼬치 조립 후 작업자들이 계량 후 포장하는 공정과 무작위로 공급되는 냉동식품류를 계량-내·외포장-팔렛타이징 일괄 수작업 공정 2개를 선정하였다. 가동률, 생산량, 투입 작업자 수를 검증 지표로 선정하였다. 3D 개선 공정 시뮬레이션 결과 생산량은 각각 기존보다 13.5%, 56.8% 증가했으며, 특히 팔렛타이징 로봇 적용 공정에서 높은 효과성을 보였다. 두 공정 모두 가동률과 투입인력 수는 감소함에 따라 작업자에게 피로도가 높은 공정을 로봇으로 대체 적용할 수 있어 작업 과부하를 개선할 수 있는 결과를 나타냈다. 본 연구 결과를 바탕으로 3D 시뮬레이션을 활용하여 식품계량 및 포정 공정에 로봇을 도입함으로써 개선된 공정의 성능을 정량적으로 사전 검증의 가능성을 확인할 수 있었다.

Abstract ▼ AI-Helper

Small and medium-sized food manufacturing enterprises are largely reliant on manual labor, from inputting raw materials to palletizing the final product. Recently, there has been a trend toward smartness and digitization through the implementation of robotics and sensor data technology. In this study, we examined the effectiveness of improvement through 3D simulation on two repetitive work processes within a food manufacturing company. These processes involve workers whose speed cannot match the capacity of the applied equipment. Two manual processes were selected: the weighing and packing process performed by workers after skewer assembly, and the manual batch process of counting randomly delivered frozen foods, packing (both internal and external), and palletizing. The production volume, utilization rate, and number of workers were chosen as verification indicators. As a result of the simulation for improving the 3D process, production increased by 13.5% and 56.8% compared to the existing process, respectively. This was particularly evident in the process of applying palletizing robots. In both processes, as the utilization rate and number of input workers decreased, robots could replace tasks with high worker fatigue, thereby reducing work overload. This study demonstrates the potential to visually compare the process flow improvement using 3D simulations and confirms the possibility of pre-validation for improvement.

Keyword

표/그림 (11)

그림 그림 1. 일련의 식품 제조과정 Fig. 1. The series of food manufacturing
그림 그림 2. 한국식품연구원(KFRI)의 테스트베드에서 Faro Focus3D로 획득한 포인트 클라우드 기반 실측값 전처리 를 통한 3D 모델링으로 생성 예시 Fig. 2. Example of create rendered with 3D solid modeling which preprocessing point cloud data acquired from a testbed at the Korea Food Research Institute(KFRI) with Faro Focus3D
그림 그림 3. 로봇 기반 3D 시뮬레이션에 사용된 3D 모델링. Fig. 3. 3D modeling used in robot-based 3D simulation.
그림 그림 4. 다수의 작업자가 투입된 개선 전 꼬치 '조립'공정 3D 시뮬레이션 모델링 Fig. 4. Previous 3D simulation modeling of skewer 'assembly' process with numerous workers.
그림 그림 5. 계량-포장 공정 후 팔레타이징 공정까지의 개선전 3D 시뮬레이션 Fig. 5. Previous 3D simulation modeling of 'palletizing process' after 'counting-packing process'
그림 그림 6. 가동률과 생산량 수작업 공정 분석 Fig. 6. Manual process analysis of utilization and throughput
그림 그림 7. 로봇 적용 식품소재 조립 및 포장공정 3D 시뮬 레이션 순서 Fig. 7. Sequence of 3D simulation modeling for application of robot in assemble and packing manufacturing process.
그림 그림 8. 3D 시뮬레이션을 활용한 로봇 적용 식품소재 조 립 개선 공정 가동률과 생산량 분석 Fig. 8. Throughput and utilization analysis using 3D simulation modeling for application of robot in assemble and packing manufacturing process
그림 그림 9. 로봇 적용 계량 및 포장 후 팔렛타이징 공정 3D 시뮬레이션 Fig. 9. Sequence of 3D simulation modeling for application of robot in sorting, packing, and palletizing process
그림 그림 10. 3D 시뮬레이션을 활용한 로봇 적용 계량 및 포 장 후 팔렛타이징 공정 가동률과 생산량 분석 Fig. 10. Throughput and utilization analysis using 3D simulation modeling for application of robot in sorting, packing, and palletizing process
표 표 1. 로봇 구현을 위한 3D 시뮬레이션 모델 부팅 속도, 출력 및 인력 대체 결과 요약 Table 1. Summary of 3D Simulation Model Boot Rate, Output, and Manpower Replacement Results for Robot Implementation

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 국내 식품 제조 중소기업의 열악한 제조 환경개선을 로봇 적용을 통해 개선하고자하였다. 다수의 작업자가 투입되어 수작업과 함께 반복 작업으로 구성된 2가지 공정을 선정하였다.

제안 방법

꼬치 조립을 위해 식품소재들을 직접 공급기에 투입하여 자동화로 조립되어 나오는 제품들을 작업자들이 직접 봉지에 포장하는 공정과 냉동제품들이 무작위로 작업자들에게 공급되어 계량부터 박스 포장까지 수작업으로 구성된 공정이다. 실제 생산량과 작업자 근로 스케줄을 기반으로 데이터를 측정 및 획득하였으며, 개선 전 데이터를 기반으로 2가지 로봇 적용 공정 시뮬레이션 모델을 제시하였다. 시뮬레이션 모델을 구현함으로써 실제 로봇을 공장에 적용하기 전에 얻을 수 있는 생산량 예측과 작업자에게 집중된 공정 피로도 등을 로봇 활용했을 때의 효과성 등을 예측할 수 있는 결과를 도출하였다.
선정한 공정은 ‘식품 가공소재 조립 후 배출 공정’, 그리고 ‘제품 계량 및 포장 후 팔렛타이징 공정’으로 식품 제조 기업에서 개선을 요청한 공정들로 선정하였다. 식품 공정 로봇 시뮬레이션 구축에 활용되는 입출력 데이터인 공정별 Layout, 공정 순서, 작업 근로 시간, 생산량 등 실제 식품 생산 공장을 방문하여 측정하였다. 로봇 도입 적용 가능성을 분석하고자 구축한 개선 시뮬레이션 공정을 활용하였다.
공정 시뮬레이션 구축을 위해 공정이 이루어지는 실제 현장의 크기를 측정하고자 Focus3D Premium 70레이저 스캐너(FARO, Lake Mary, FL, USA)를 활용하였다. 기존 현장 촬영 정보는 그림 2와 같이 클라우드 포인트 데이터로 획득하여 모델링 설계 소프트웨어와 연동을 할 수 있어 실측값을 기반으로 전처리 과정을 거친 후 3D 도면 설계에 직접 활용하여 기존 현장 시뮬레이션 모델을 구축하였다.
스캔하여 획득한 데이터를 기반으로 기존 현장에 활용하고 있는 장비들을 구축하고, 실제 생산 데이터를 시뮬레이션 대입하여 가동률 등을 획득하였다. 공정 개선 시뮬레이션에 활용하고 그림 3과 같이 산업용 로봇들(다관절 로봇, 스카라 로봇)과 컨베이어, 활용 그리퍼 등 주변 설비의 모델링을 구현하였다.
스캔하여 획득한 데이터를 기반으로 기존 현장에 활용하고 있는 장비들을 구축하고, 실제 생산 데이터를 시뮬레이션 대입하여 가동률 등을 획득하였다. 공정 개선 시뮬레이션에 활용하고 그림 3과 같이 산업용 로봇들(다관절 로봇, 스카라 로봇)과 컨베이어, 활용 그리퍼 등 주변 설비의 모델링을 구현하였다.
실제 현장에서 운영되는 일련의 프로세스를 작업자, 작업 위치 등 각각의 공정 단위로 세분화하여 검토하였다. 첫 번째 공정은 식품소재를 자동 꼬치 조립 및 배출 제품들에 대한 계량 포장공정(case 1)이다.
모든 작업자는 식품소재를 직접 계량과 동시에 포장용지를 열어 계량-투입하는 공정으로 구성되어 있다. 2차 공정은 포장용지에 계량 투입된 제품을 옮겨와 수작업 실링 포장기에 직접 실링 이후 박스 공급, 제품 적재, 박스 포장 및 팔렛타이징까지 일괄 수작업으로 이루어진 공정을 검토하였다. 공정에 투입된 작업자는 8명(현장 분석 당시)으로 제품은 분당 약 208개의 식품소재가 들어옴을 분석하였다.
기존 생산 측정값과 개선 전 시뮬레이션 데이터를 기반으로 작업자의 과부하가 가장 높은 작업에 로봇을 적용하는 것으로 선정하였다. 로봇을 배치하고 작업반경에 따른 안전 구역을 고려하였으며, 기존 공장의 작업 동선, 투입인력 재배치 등을 고려하여 최적 공정라인 레이아웃 설계를 검토하였다. 3D 시뮬레이션 분석에서 공정이 작동되는 모습을 시각적으로 분석하는 것 외에도 개선 전후 비교 및 검토하기 위한 평가지표로 생산량, 작업률, 공정 투입 작업자 수를 설정하였다.
로봇을 배치하고 작업반경에 따른 안전 구역을 고려하였으며, 기존 공장의 작업 동선, 투입인력 재배치 등을 고려하여 최적 공정라인 레이아웃 설계를 검토하였다. 3D 시뮬레이션 분석에서 공정이 작동되는 모습을 시각적으로 분석하는 것 외에도 개선 전후 비교 및 검토하기 위한 평가지표로 생산량, 작업률, 공정 투입 작업자 수를 설정하였다. 공통 설정 조건으로는 설비 이용률(Availability)과 작업 스케줄(Shift calendar)을 적용하였다.
본 연구에서 개선 적용한 3D 시뮬레이션 공정 모델은 다음과 같다. 첫번째 개선 공정은 기존 하나의 제품만 사용할 수 있고 식품소재가 변경될 때마다 고정 틀을 교체해야 하는 번거로움을 개선할 수 있는 공급 컨베이어를 적용하였다. 모둠꼬치의 다양한 식품소재들도 사용할 수 있도록 개선하였다.
그림 7과 작업자들은 식품소재 변경에 따른 틀을 교체하지 않아도 기존 공급 컨베이어 공급 틀에 투입하여 작업 중 중단 현상 등을 개선하였다. 로봇 한 대로 공급되는 꼬치들을 그립하여 최대 8개까지 자동 조립 후 용기 적재까지 하는 일괄 시스템으로 개선 적용하였다.
두 번째 공정은 무작위로 나오는 식품소재들을 단순 계량하여 공급 컨베이어에 투입하는 공정으로 기존 다양한 수작업 공정들이 복합적으로 얽혀 있던 공정을 일련의 순차적 공정으로 개선하였다. 기존 작업자들이 포장지와 함께 실링 등을 하는 모든 수작업 공정은 삼면 포장기를 적용하였으며, 외부에서 박스를 조립하여 제품을 인케이싱 및 팔렛타이징까지 수작업으로 이루어진 공정들을 제함기 및 봉함기와 함께 산업용 로봇인 스카라 로봇 1대와 다관절 로봇 1대를 적용하여 그림 9과 같이 공정을 개선하였다.
다수의 작업자가 투입되어 계량 포장 및 팔렛타이징 공정을 검토하고자 공급된 제품을 작업자 6인이 각 제품 5개를 내포장 인케이싱 실링공정 공급, 실링공정 작업자 1인이 외포장으로 공급하며 마지막 작업자 1인이 박스 인케이싱 및 제함 등 팔렛타이징까지 공정별 작업자의 부하를 그림 10과 같이 분석하였다.
본 연구는 식품 제조공정 중 가공한 식품소재들을 조립 및 계량 포장하여 팔렛타이징 공정까지 일련의 공정 중 노동집약적인 공정을 중심으로 개선이 필요한 공정을 선정하여 기존 생산량 및 작업 시간과 함께 현장 데이터를 획득하였다. 선정 공정에 대해 획득 데이터와 로봇을 적용해서 개선했을 때를 3D 시뮬레이션으로 비교하고자 하였으며, 개선 전후 공정 지표로 생산량과 가동률, 그리고 투입 작업자 수를 도출하여 효과성을 검증하였다.

대상 데이터

따라서 본 연구에서는 국내 식품 제조 중소기업의 열악한 제조 환경개선을 로봇 적용을 통해 개선하고자하였다. 다수의 작업자가 투입되어 수작업과 함께 반복 작업으로 구성된 2가지 공정을 선정하였다. 선정 공정들은 자동화 설비의 역량에 비해 작업자가 속도를 따라가지 못해 다수의 작업자가 투입되는 공정들로 구성되어 있다.
선정한 공정은 ‘식품 가공소재 조립 후 배출 공정’, 그리고 ‘제품 계량 및 포장 후 팔렛타이징 공정’으로 식품 제조 기업에서 개선을 요청한 공정들로 선정하였다
본 연구에서는 그림 1과 같이 원물을 가공한 식품소재들을 조립 및 계량 포장하여 팔렛타이징 공정까지 일련의 공정 중 수요기업에서 다수의 작업자가 투입되고 작업 부하가 높으며, 병목 현상이 많이 발생하는 2가지 공정을 선정하였다.
식품 공정 로봇 시뮬레이션 구축에 활용되는 입출력 데이터인 공정별 Layout, 공정 순서, 작업 근로 시간, 생산량 등 실제 식품 생산 공장을 방문하여 측정하였다. 로봇 도입 적용 가능성을 분석하고자 구축한 개선 시뮬레이션 공정을 활용하였다.
실제 현장에서 운영되는 일련의 프로세스를 작업자, 작업 위치 등 각각의 공정 단위로 세분화하여 검토하였다. 첫 번째 공정은 식품소재를 자동 꼬치 조립 및 배출 제품들에 대한 계량 포장공정(case 1)이다. 작업자들이 가공되어 나온 식품소재들을 그림 4와 같이 꼬치 자동화 장비 성형 틀에 직접 투입하고, 꼬치 조립 자동화 설비에서 조립되어 배출한 완제품을 작업자가 계량하여 포장공정 작업자에게 전달하여 포장지에 투입으로 이루어진 공정이다.
2차 공정은 포장용지에 계량 투입된 제품을 옮겨와 수작업 실링 포장기에 직접 실링 이후 박스 공급, 제품 적재, 박스 포장 및 팔렛타이징까지 일괄 수작업으로 이루어진 공정을 검토하였다. 공정에 투입된 작업자는 8명(현장 분석 당시)으로 제품은 분당 약 208개의 식품소재가 들어옴을 분석하였다.
기존 생산 측정값과 개선 전 시뮬레이션 데이터를 기반으로 작업자의 과부하가 가장 높은 작업에 로봇을 적용하는 것으로 선정하였다. 로봇을 배치하고 작업반경에 따른 안전 구역을 고려하였으며, 기존 공장의 작업 동선, 투입인력 재배치 등을 고려하여 최적 공정라인 레이아웃 설계를 검토하였다.
본 연구는 식품 제조공정 중 가공한 식품소재들을 조립 및 계량 포장하여 팔렛타이징 공정까지 일련의 공정 중 노동집약적인 공정을 중심으로 개선이 필요한 공정을 선정하여 기존 생산량 및 작업 시간과 함께 현장 데이터를 획득하였다. 선정 공정에 대해 획득 데이터와 로봇을 적용해서 개선했을 때를 3D 시뮬레이션으로 비교하고자 하였으며, 개선 전후 공정 지표로 생산량과 가동률, 그리고 투입 작업자 수를 도출하여 효과성을 검증하였다.
본 연구에서 도출 개선 공정 모델 case1과 case2는 각각 모둠꼬치 어묵과 냉동 돈가스 제품을 대상으로 공정을 분석하였으며, 실제 공장에서 제일 많이 생산하는 제품으로 선택하였다. 국내 식품공장은 연속생산을 하는 특성과 함께 다품종 소량생산을 하는 구조로 구성되어 있어 실증을 위해서는 B2B, B2C 조건에 따라 유연 생산이 가능하며, 다양한 제품 생산 적용에 따라 작업자 활용 방식이 변경되는 등 다양한 요소들에 대해 검토할 필요성이 있다.

데이터처리

실제 개선한 공정들 모두 기존 작업자의 과부하를 줄이는 효과를 나타냈으며, 특히 팔렛타이징 공정(case2)과 같은 공정은 큰 폭으로 감소함에 따라 매우 높은 효율성을 보였다. 선정 공정에서 작업자들을 기존 투입인력의 50% 이상을 대체 적용할 수 있었으며, 피로도와 과부하가 높은 공정들을 개선할 수 있는 효과를 표 1과 같이 결과를 분석하였다.

이론/모형

3D 시뮬레이션 분석에서 공정이 작동되는 모습을 시각적으로 분석하는 것 외에도 개선 전후 비교 및 검토하기 위한 평가지표로 생산량, 작업률, 공정 투입 작업자 수를 설정하였다. 공통 설정 조건으로는 설비 이용률(Availability)과 작업 스케줄(Shift calendar)을 적용하였다. 설비 이용률은 95%, 로봇이 고장 났을 때 수리 시간(Mean Time To Repair)은 1분으로 하였으며, 작업 스케줄은 주 5일 40시간을 기준으로 설정하였다.

성능/효과

실제 생산량과 작업자 근로 스케줄을 기반으로 데이터를 측정 및 획득하였으며, 개선 전 데이터를 기반으로 2가지 로봇 적용 공정 시뮬레이션 모델을 제시하였다. 시뮬레이션 모델을 구현함으로써 실제 로봇을 공장에 적용하기 전에 얻을 수 있는 생산량 예측과 작업자에게 집중된 공정 피로도 등을 로봇 활용했을 때의 효과성 등을 예측할 수 있는 결과를 도출하였다. 추후 본 연구에서 제안하는 로봇을 적용한 식품 계량 및 포장 자동화 시뮬레이션을 바탕으로 실제 현장에 적용함으로써 시뮬레이션의 성능을 검증할 수 있다.
기존 다수의 작업자가 투입되어 자동화 장비의 생산 속도를 맞추고자 하였으나, 본 개선 공정에서는 같이 작업자 2인을 기준으로 공정 가동률 및 생산량을 그림 8과 같이 검토하였다. 식품소재를 정렬 및 투입하는 작업자는 92.26%의 가동률을 나타내 작업 과부하 및 피로도가 높으며, 공장에서 3,496개의 제품을 한 라인에서 생산하는 결과를 도출하였다.
기존 작업자 2인이 조립 이후 포장하는 공정으로부터 식품소재 카트 공급 및 다른 병목 현상 공정에 투입과 함께 공급 컨베이어 개선을 통해 기존 작업자들은 동일한 업무를 하며 로봇의 가동률은 89.57%로 기존 2인의 계량 포장공정을 개선하여 약 13.5 %의 생산량을 증가시킬 수 있음을 분석하였다.
제품의 인케이싱, 팔렛타이징 공정에서 가동률은 52.7%로 고중량의 박스를 팔렛타이징하며, 일관성이 없는 공급 불균형으로 피로도가 누적됨을 분석하였다. 이를 로봇으로 대체 적용하였을 경우 로봇 가동률은 7.
7%로 고중량의 박스를 팔렛타이징하며, 일관성이 없는 공급 불균형으로 피로도가 누적됨을 분석하였다. 이를 로봇으로 대체 적용하였을 경우 로봇 가동률은 7.76%로 높은 효율성을 보였으며, 생산량 또한 기존 322 box에서 505 box로 약 56.8%의 높은 증가의 결과값을 도출하였다. 따라서 로봇을 적용함에 따라 높은 효율성과 함께 개선 전에 6명이 작업하던 공정을 4명으로 생산량 충분히 더 생산할 수 있음을 분석하였다.
8%의 높은 증가의 결과값을 도출하였다. 따라서 로봇을 적용함에 따라 높은 효율성과 함께 개선 전에 6명이 작업하던 공정을 4명으로 생산량 충분히 더 생산할 수 있음을 분석하였다. 투입 작업자 수는 기존 총 8인에서 4인으로 대체할 수 있음을 확인하였다.
꼬치 조립 후 계량 포장 공정(case 1)과 계량 포장 인케이싱 후 팔렛타이징 공정(case 2) 3D 시뮬레이션 결과 각각 공정 처리량은 13.5%, 56.8%로 기존보다 개선되었음을 보였으며, 특히 팔렛타이징 공정에서 높은 효과성을 보였다. 또한, 절묘한 기술이 필요한 꼬치 조립 공정도 생산량 증가에 따라 실제 가능성이 있음을 나타냈다.
또한, 절묘한 기술이 필요한 꼬치 조립 공정도 생산량 증가에 따라 실제 가능성이 있음을 나타냈다. 작업 가동률 분석에서도 높은 수작업으로 이루어지는 공정들에 대해 로봇으로 적용에 따라 개선하였음에도 높은 가동률을 보여 실제 작업자에게 과부하 및 피로도가 높은 개선 필요 공정임을 파악할 수 있었다. 실제 개선한 공정들 모두 기존 작업자의 과부하를 줄이는 효과를 나타냈으며, 특히 팔렛타이징 공정(case2)과 같은 공정은 큰 폭으로 감소함에 따라 매우 높은 효율성을 보였다.
작업 가동률 분석에서도 높은 수작업으로 이루어지는 공정들에 대해 로봇으로 적용에 따라 개선하였음에도 높은 가동률을 보여 실제 작업자에게 과부하 및 피로도가 높은 개선 필요 공정임을 파악할 수 있었다. 실제 개선한 공정들 모두 기존 작업자의 과부하를 줄이는 효과를 나타냈으며, 특히 팔렛타이징 공정(case2)과 같은 공정은 큰 폭으로 감소함에 따라 매우 높은 효율성을 보였다. 선정 공정에서 작업자들을 기존 투입인력의 50% 이상을 대체 적용할 수 있었으며, 피로도와 과부하가 높은 공정들을 개선할 수 있는 효과를 표 1과 같이 결과를 분석하였다.

후속연구

시뮬레이션 모델을 구현함으로써 실제 로봇을 공장에 적용하기 전에 얻을 수 있는 생산량 예측과 작업자에게 집중된 공정 피로도 등을 로봇 활용했을 때의 효과성 등을 예측할 수 있는 결과를 도출하였다. 추후 본 연구에서 제안하는 로봇을 적용한 식품 계량 및 포장 자동화 시뮬레이션을 바탕으로 실제 현장에 적용함으로써 시뮬레이션의 성능을 검증할 수 있다.
3D 시뮬레이션을 활용하여 실제로 개선한 공정이 정확하게 설계 및 구현이 되었는지 등을 시각적으로 비교할 수 있으며, 공정 개선에 대해 자유롭게 확인하고 검증을 할 수 있는 이점이 있어 수요기업이 공정의 스마트화 및 디지털화 도입하기 위한 타당성을 판단하는 데 도움이 될 수 있을 것으로 사료된다. 이처럼 도출한 개선 3D 시뮬레이션 공정과 함께 실제 실증 적용하기 위해서는 전-후방 공정과 함께 실제 다양한 요소들을 고려가 필요하다.
이처럼 도출한 개선 3D 시뮬레이션 공정과 함께 실제 실증 적용하기 위해서는 전-후방 공정과 함께 실제 다양한 요소들을 고려가 필요하다. 다양한 요소들을 적용하면 추후 단일 공정 시뮬레이션을 넘어 플랜트 시뮬레이션을 활용하여 원물의 투입과 함께 최종 제품 생산까지 생산량을 예측할 수 있는 전 공정 가상 환경 예측 시스템을 개발할 수 있을 것으로 판단된다.

참고문헌 (18)

R. Henry, "Innovations in agriculture and？food supply in response to the COVID-19？pandemic," Molecular plant, vol. 13, no. 8,？pp. 1095-1097, 2020

상세보기
J. Iqbal, R. U. Islam, S. Z. Abbas, A. A.？Khan, and S. A. Ajwad, "Automating？industrial tasks through mechatronic？systems-A review of robots in industrial？perspective," Tehnicki vjesnik/Technical？Gazette, vol. 23, no. 3, pp. 917-924, 2016.
F. Bader and S. Rahimifard, "Challenges for？industrial robot applications in food？manufacturing," Proceedings of the 2nd？international symposium on computer？science and intelligent control, pp. 1-8,？2018.
Z. Wang, S. Hirai, and S. Kawamura,？"Challenges and opportunities in robotic？food handling: A review. Frontiers in？Robotics and AI," Frontiers in Robotics and？AI, vol. 8, 2021.
S. Choi, G. Zhang, T. Fuhlbrigge, T.？Watson, and T. Tallian, "Applications and？requirements of industrial robots in meat？processing," IEEE International Conference on Automation Science and Engineering (CASE). IEEE, pp. 1107-1112, 2013.
E. Misimi, E. R. Oye, A. Eilertsen, J. R.？Mathiassen, O. B. Asebo, T. Gjerstad, J.？Bulijo, and O. Skotheim, "GRIBBOT-Robotic？3D vision-guided harvesting of chicken？fillets," Computers and Electronics in？Agriculture, vol. 121, pp. 84-100, 2016
W. D. Kelton, R. P. Sadowski and N. B.？Swets, "Simulation with Arena,"？McGraw-Hill, Inc., 2015
S. Bangsow, "Tecnomatix plant simulation",？Springer International publishing, 2016
J. S. Park, S. H. Park, J. W. Kim, "3D？Factory Simulation-based Process Pre-Study？for Smart Factory Operational Design,"？Journal of the Korean Institute of Industrial？Engineers, vol. 47, no. 1, pp. 117-129,

상세보기
D. S. Jo and J. W. Kim, "A survey on characteristics and application domains of？3D factory simulation technology," The？Journal of Information Systems, vol. 27, no. 4, pp. 35-70, 2018
G. H. Kim, K. H. Park and J. Y. Jung,？"Efficency of Mobile cobot in the？Manufacturing Process of Small quantity？batch production," Korean Society of？Mechanical Engineers conference, pp.？2223-2224, 2022
R. Accorsi, A. Tufano, A. Gallo, F. G.？Galizial, G. Cocchi, M. Ronzoni, A. Abbate？and R. Manzini, "An application of？collaborative robots in a food production？facility," Procedia Manufacturing, vol. 38,？pp. 341-348, 2022
K. A. M. Hansan, A. H. Kadhum and A. H.？Morad, "Evaluation of Yogurt Production？Line Simulation Using Arena Software,"？Al-Khwarizimi Engineering Journal, vol. 15, no. 4, pp. 71-78, 2019
S. S. S. Ahmad, A. S. A. Kasim, I. Masood,？F. H. Ho and H. Abdullah, "Capacity study？of a food processing company using Arena？simulation software," Research Progress in？Mechanical and Manufacturing Engineering,？vol. 2, no. 1, pp. 166-173,
G. Wu, L. Yao and S. Yu, "Simulation and？optimization of production line based on？FlexSim," 2018 Chinese Control And？Decision Conference (CCDC), IEEE, pp.？3358-3363, 2018
J. W. Park, D. Y. Kim and Y. J. Cho,？"Simulation-based process improvement of a food manufacturing system," Proceedings of？Society of CAD/CAM conference, pp.？160-163, 2015
International Federation of Robotics,？"Executive Summary World Robotics 2021？Industrial Robots," pp. 12-16, 2021
M. Miltenyi and L. Czege, "Simulation of？production processes with Plant Simulation,"？International Journal of Engineering and？Management Sciences, vol. 4, no. 4, pp.？10-16, 2019

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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