KR101022230B1 - 디지털 팩토리에서의 최적 생산 시나리오 구축방법 - Google Patents
디지털 팩토리에서의 최적 생산 시나리오 구축방법 Download PDFInfo
- Publication number
- KR101022230B1 KR101022230B1 KR1020100101482A KR20100101482A KR101022230B1 KR 101022230 B1 KR101022230 B1 KR 101022230B1 KR 1020100101482 A KR1020100101482 A KR 1020100101482A KR 20100101482 A KR20100101482 A KR 20100101482A KR 101022230 B1 KR101022230 B1 KR 101022230B1
- Authority
- KR
- South Korea
- Prior art keywords
- human
- product
- data
- production
- manufacturing
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 280
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000000463 material Substances 0.000 claims abstract description 50
- 230000001502 supplementing effect Effects 0.000 claims abstract description 4
- 238000010276 construction Methods 0.000 claims description 15
- 238000010835 comparative analysis Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004904 shortening Methods 0.000 claims description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 14
- 239000000047 product Substances 0.000 description 139
- 239000002699 waste material Substances 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
본 발명은 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 관한 것으로서, 최적의 생산 및 제조 시나리오를 구축할 수 있도록 하는 것을 목적으로 한다.
이러한 본 발명은, a) 인적, 물적 제원(諸元)들의 데이터를 측정하고 수집하는 단계와, b) 측정되고 수집된 인적, 물적 제원의 데이터를 기계설비별, 작업자별, 재료종류별, 제조방법별로 분류하여 데이터 베이스화하는 단계와, c) 데이터 베이스화된 데이터를 토대로 인적, 물적 제원을 모델링하는 단계와, d) 모델링된 인적, 물적 제원 중 특정의 것들을 선택하여 가상의 디지털 팩토리를 구축하는 단계와, e) 구축된 가상의 디지털 팩토리를 가동시키는 단계와, f) 선택된 인적, 물적 제원들의 성능데이터를 데이터 베이스에서 검출하여 제품의 생산관련정보를 연산 및 산출하는 단계와, g) 연산 및 산출된 제품의 생산관련정보를 근거로 인적, 물적 제원별 성능차이를 비교 분석하는 단계와, h) 연산 및 산출된 제품의 생산 관련 정보와 비교 분석된 제원별 성능차이를 디스플레이하는 단계를 포함하는 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 있어서, g) 단계에서 비교 분석된 인적, 물적 제원들의 성능데이터를 b) 단계로 피드백시켜, b) 단계에서 데이터 베이스화된 인적, 물적 제원의 성능데이터를 수정 및 보완하는 단계(g-1)를 더 구비한다.
이러한 본 발명은, a) 인적, 물적 제원(諸元)들의 데이터를 측정하고 수집하는 단계와, b) 측정되고 수집된 인적, 물적 제원의 데이터를 기계설비별, 작업자별, 재료종류별, 제조방법별로 분류하여 데이터 베이스화하는 단계와, c) 데이터 베이스화된 데이터를 토대로 인적, 물적 제원을 모델링하는 단계와, d) 모델링된 인적, 물적 제원 중 특정의 것들을 선택하여 가상의 디지털 팩토리를 구축하는 단계와, e) 구축된 가상의 디지털 팩토리를 가동시키는 단계와, f) 선택된 인적, 물적 제원들의 성능데이터를 데이터 베이스에서 검출하여 제품의 생산관련정보를 연산 및 산출하는 단계와, g) 연산 및 산출된 제품의 생산관련정보를 근거로 인적, 물적 제원별 성능차이를 비교 분석하는 단계와, h) 연산 및 산출된 제품의 생산 관련 정보와 비교 분석된 제원별 성능차이를 디스플레이하는 단계를 포함하는 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 있어서, g) 단계에서 비교 분석된 인적, 물적 제원들의 성능데이터를 b) 단계로 피드백시켜, b) 단계에서 데이터 베이스화된 인적, 물적 제원의 성능데이터를 수정 및 보완하는 단계(g-1)를 더 구비한다.
Description
본 발명은 디지털 팩토리(Digital Factory)에서의 최적 생산 시나리오 구축방법에 관한 것으로, 보다 상세하게는, 다양한 정보와 자료를 지속적으로 보완 및 수정하도록 구성함으로써, 정확도와 신뢰도가 높은 비교 분석 데이터를 도출할 수 있고, 이를 바탕으로 최적의 생산 및 제조 시나리오를 구축할 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 관한 것이다.
최근 들어, 가상의 디지털 팩토리를 이용하여 제품의 생산성을 높이는 기술이 다양하게 제안되고 있다. 그 일례로서, 본 출원인이 출원한 국내특허 제2008-93296호의 "디지털 팩토리를 이용한 기업 맞춤형 디지털 생산시스템 구축방법"이 있다.
이 기술은, 인적, 물적 제원의 데이터를 기계설비별(Machine), 작업자별(Man), 재료종류별(Material), 제조방법별(Method)로 분류하여 데이터 베이스화한 다음, 데이터 베이스화된 데이터를 토대로 인적, 물적 제원을 모델링하고, 모델링된 인적, 물적 제원 중 특정의 것들을 선택하여 가상의 디지털 팩토리를 구축한다.
그리고 구축된 가상의 디지털 팩토리를 가동시킨 후, 선택된 인적, 물적 제원들의 성능 데이터를 근거로 제품의 생산 관련 정보를 연산 및 산출하고, 연산 및 산출된 제품의 생산 관련 정보를 근거로 상기 인적, 물적 제원별 성능 차이를 비교 분석하며, 비교 분석된 데이터를 통해 제품의 생산 및 제조시 발생되는 불필요한 낭비요소를 추적한다.
그리고 추적한 각종 낭비요소를 이용하여 최적의 생산 및 제조 시나리오를 도출하고, 도출된 생산 및 제조 시나리오를 바탕으로 생산 및 제조공정을 최적의 상태로 개선시킨다. 이로써, 제품의 생산성과 품질을 향상시키는 기술이다.
그런데, 이러한 종래의 기술은, 디지털 팩토리를 이용하여 제품의 생산 및 제조시에 발생되는 불필요한 낭비요소를 사전에 찾아낼 수 있다는 장점은 있으나, 그 정확도가 다소 떨어진다는 단점이 있다.
특히, 실제 제품의 생산 및 제조시 발생되는 각종 변수, 예를 들면, 시간별·작업부하별 작업자 능력 변화, 예상치 못한 작업자와 물류의 동선 변화, 기계설비의 고장 및 손상으로 인한 작업처리속도 변화 등과 같은 각종 변수가 고려되지 않는 구조이므로, 도출된 각종 비교 분석 데이터의 정확도가 떨어진다는 단점이 있다.
그리고 이러한 단점 때문에, 각종 비교 분석 데이터를 통해 얻어진 낭비요소의 정확도와 신뢰도가 현저하게 떨어진다는 문제점이 있다. 그 결과, 제품의 생산성과 품질을 향상시키기에 한계가 있다는 결점이 지적되고 있다.
이 밖에도, 종래의 기술은, 미리 선택된 인적, 물적 제원들을 기준으로하여 최적의 생산 및 제조공정을 도출하는 구조이므로, 한정된 데이터를 가지고 최적의 생산 및 제조공정을 도출할 수 밖에 없다는 단점이 있으며, 이러한 단점 때문에 최적의 생산 및 제조공정을 도출해내기에 한계가 있다는 문제점이 있다. 특히, 최적의 생산 및 제조공정을 도출해내기에 한계가 있으므로, 제품의 생산성과 품질을 향상시키기에도 한계가 있다는 결점이 지적되고 있다.
또한, 종래의 기술은, "제품의 생산성 향상"만을 최종 목표로하여 최적의 생산 및 제조공정을 도출해내는 구조이므로, "제품의 생산성 향상" 이외의 목적을 위해 최적의 생산 및 제조공정을 도출할 필요가 있는 경우, 이에 대응할 수 없다는 단점이 있다.
즉, "제품의 생산성 향상"을 최종 목표로하여 최적의 생산 및 제조공정을 도출할 수도 있지만, 경우에 따라, "작업자의 효율성 향상", "생산 설비의 효율성 향상", "제품의 납기기간 단축", "제품의 경제성 향상", 등과 같은 목적을 위해 최적의 생산 및 제조공정을 도출할 필요도 있다.
그런데, 종래의 기술은, 오직 "제품의 생산성 향상"만을 최종 목표로하여 각종 낭비요소를 추적하고 최적의 생산 및 제조공정을 도출하는 구조이므로, 상기와 같은 "제품의 생산성 향상" 이외의 목표를 위해, 각종 낭비요소를 추적하고 최적의 생산 및 제조공정을 도출할 수 없다는 단점이 있으며, 이러한 단점 때문에 그 효용성이 떨어진다는 문제점이 있다.
본 발명은 상기와 같은 종래의 문제점을 해결하기 위해 안출된 것으로서, 그 목적은, 제품의 생산 및 제조과정에서 발생되는 각종 변수를 고려하여 각종 비교 분석 데이터와 낭비요소를 도출할 수 있도록 구성함으로써, 도출된 각종 비교 분석 데이터와 낭비요소의 정확도와 신뢰도를 높일 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 제공하는 데 있다.
본 발명의 다른 목적은, 도출된 각종 비교 분석 데이터와 각종 낭비요소의 정확도와 신뢰도를 높일 수 있도록 구성함으로써, 최적의 생산 및 제조 시나리오를 도출해낼 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 제공하는 데 있다.
본 발명의 또 다른 목적은, 최적의 생산 및 제조 시나리오를 도출해낼 수 있도록 구성함으로써, 최적의 생산 및 제조공정을 도출해낼 수 있고, 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산성을 최대한 향상시킬 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 제공하는 데 있다.
본 발명의 또 다른 목적은, 다양한 인적, 물적 제원들을 가지고 최적의 생산 및 제조공정을 도출할 수 있도록 구성됨으로써, 종래와 같이 한정된 데이터를 가지고 최적의 생산 및 제조공정을 도출하는 문제점을 해소할 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 제공하는 데 있다.
본 발명의 또 다른 목적은, 최적의 생산 및 제조공정을 목표별로 다양하게 도출할 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 제공하는 데 있다.
본 발명의 또 다른 목적은, 최적의 생산 및 제조공정을 여러 가지 목표별로 다양하게 도출할 수 있도록 구성함으로써, 사용자에게 보다 많은 정보를 제공할 수 있고, 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산 및 제조효율을 최대한 향상시켜줄 수 있는 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 제공하는 데 있다.
이러한 목적을 달성하기 위한 본 발명의 디지털 팩토리에서의 최적 생산 시나리오 구축방법은, a) 인적, 물적 제원(諸元)들의 데이터를 측정하고 수집하는 단계와, b) 측정되고 수집된 인적, 물적 제원의 데이터를 기계설비별, 작업자별, 재료종류별, 제조방법별로 분류하여 데이터 베이스화하는 단계와, c) 데이터 베이스화된 데이터를 토대로 인적, 물적 제원을 모델링하는 단계와, d) 모델링된 인적, 물적 제원 중 특정의 것들을 선택하여 가상의 디지털 팩토리를 구축하는 단계와, e) 구축된 가상의 디지털 팩토리를 가동시키는 단계와, f) 선택된 인적, 물적 제원들의 성능 데이터를 데이터 베이스에서 검출하여 제품의 생산 관련 정보를 연산 및 산출하는 단계와, g) 연산 및 산출된 제품의 생산 관련 정보를 근거로 상기 인적, 물적 제원별 성능 차이를 비교 분석하는 단계와, h) 연산 및 산출된 제품의 생산 관련 정보와, 비교 분석된 제원별 성능 차이를 디스플레이하는 단계를 포함하는 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 있어서, 상기 g) 단계에서 비교 분석된 인적, 물적 제원들의 성능 데이터를 상기 b) 단계로 피드백시켜, 상기 b) 단계에서 데이터 베이스화된 인적, 물적 제원의 성능 데이터를 수정 및 보완하는 단계(g-1)를 더 포함하는 것을 특징으로 한다.
바람직하게는, 상기 b) 단계 전에, b-1) 실제 제품의 생산 및 제조 과정을 모니터링하는 단계와; b-2) 모니터링된 데이터를 처리하여 실제 제품의 생산 및 제조 과정에서 발생되는 인적, 물적 제원의 성능 데이터를 분석하는 단계와; b-3) 분석된 인적, 물적 제원의 성능 데이터를 상기 b) 단계로 도입시켜 데이터 베이스화하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명에 따른 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 의하면, 실제 제품의 생산 및 제조과정을 모니터링하고 분석한 다음, 분석된 자료를 디지털 팩토리의 데이터 베이스에 계속적으로 수정 및 보완하는 구조이므로, 데이터 베이스에 저장된 인적, 물적 제원을 통해 가상의 제품을 생산 및 제조할 경우와, 실제 제품을 생산 및 제조할 경우에 발생되는 오차와 변수를 줄여준다.
따라서, 디지털 팩토리를 이용하여 최적의 생산 및 제조 시나리오를 도출할 시에, 도출된 생산 및 제조 시나리오의 정확도와 신뢰도가 높아진다. 그 결과, 최적의 생산 및 제조 시나리오를 도출해낼 수 있는 효과가 있다.
또한, 최적의 생산 및 제조 시나리오를 도출하는 과정에서 얻어지는 각종 데이터들을 메인서버에 피드백시켜 상기 메인서버의 데이터 베이스에 저장된 인적, 물적 제원의 성능 데이터를 계속해서 수정 및 보완하는 구조이므로, 디지털 팩토리를 이용하여 최적의 생산 및 제조 시나리오를 도출할 시에, 도출된 생산 및 제조 시나리오의 정확도와 신뢰도를 높일 수 있다. 그 결과, 최적의 생산 및 제조 시나리오를 도출해낼 수 있는 효과가 있다.
또한, 최적의 생산 및 제조공정을 목표별로 다양하게 도출할 수 있는 구조이므로, 다양한 인적, 물적 제원들을 가지고 최적의 생산 및 제조공정을 도출할 수 있다. 따라서, 사용자에게 보다 많은 정보를 제공할 수 있고, 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산 및 제조효율을 최대한 향상시켜줄 수 있는 효과가 있다.
도 1은 본 발명에 따른 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 구현하는 데 적합한 하드웨어가 도시된 블록도,
도 2는 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 데이터를 나타내는 도면으로서, 설비타입별 최적의 설비배치와 작업인원 및 작업동선을 비교하여 나타낸 도면,
도 3은 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 데이터를 나타내는 도면으로서, 자동화와 수동화별 최적의 작업인원 및 설비배치를 나타낸 도면,
도 4와 도 5는 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 데이터를 나타내는 도면으로서, 도출된 데이터를 2차원과 3차원으로 모델링하여 나타낸 도면,
도 6은 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 최적의 생산 및 제조 시나리오를 나타내는 도면,
도 7은 본 발명에 따른 디지털 팩토리에서의 최적 생산 시나리오 구축방법의 각 단계를 나타내는 흐름도이다.
도 2는 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 데이터를 나타내는 도면으로서, 설비타입별 최적의 설비배치와 작업인원 및 작업동선을 비교하여 나타낸 도면,
도 3은 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 데이터를 나타내는 도면으로서, 자동화와 수동화별 최적의 작업인원 및 설비배치를 나타낸 도면,
도 4와 도 5는 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 데이터를 나타내는 도면으로서, 도출된 데이터를 2차원과 3차원으로 모델링하여 나타낸 도면,
도 6은 본 발명에 따른 최적 생산 시나리오 구축방법에 의해 도출된 최적의 생산 및 제조 시나리오를 나타내는 도면,
도 7은 본 발명에 따른 디지털 팩토리에서의 최적 생산 시나리오 구축방법의 각 단계를 나타내는 흐름도이다.
이하, 본 발명에 따른 디지털 팩토리에서의 최적 생산 시나리오 구축방법의 바람직한 실시예를 첨부된 도면에 의거하여 상세하게 설명한다.
먼저, 본 발명에 따른 디지털 팩토리에서의 최적 생산 시나리오 구축방법을 살펴보기에 앞서, 최적 생산 시나리오 구축방법을 구현하는 데 필요한 디지털 팩토리에 대해 도 1을 참조하여 살펴본다.
디지털 팩토리는, 디지털 팩토리 구축부(10)를 구비하며, 디지털 팩토리 구축부(10)는 데이터 측정기(12)들을 포함한다.
데이터 측정기(12)들은, 가상의 디지털 팩토리를 구축하기 위한 인적(人的), 물적(物的) 제원(諸元)들의 데이터를 측정하고 수집하기 위한 것으로, 기계설비별 성능 측정기(14)와, 작업자별 능력 측정기(16) 등을 포함한다.
기계설비별 성능 측정기(14)는, 계수기, 스톱워치 등으로 구성되며, 기계설비별 성능, 예를 들어, 기계설비별 분당 부품 처리개수와, 기계설비별 부품 처리속도 등을 세밀하게 측정한다.
작업자별 능력 측정기(16)는, 계수기, 스톱워치 등으로 구성되며, 작업자별 작업능력, 예를 들어, 작업자 개인별 분당 부품 처리개수, 작업자 개인별 부품 처리속도 등을 세밀하게 측정한다.
그리고 데이터 측정기(12)는, 작업자와 물류의 동선, 기계설비의 사이즈와 각 부품의 사이즈 등을 다양한 방법으로 측정할 수 있는 다양한 계측기를 갖추고 있다.
그리고 본 발명의 디지털 팩토리 구축부(10)는, 메인서버(18)를 구비한다. 메인서버(18)는, 인터페이스 장치(Interface Device)(18a), 예를 들면, 키보드, 마우스, 조이스틱, 스캐너 등을 통해 사용자와 연결된다.
그리고 메인서버(18)는, 서버 제어부(20)와, 다수의 데이터 베이스(22, 24, 26, 28)를 갖추고 있다.
서버 제어부(20)는, 인터페이스 장치(18a)를 통해 입력된 인적, 물적 제원의 데이터, 예를 들면, 데이터 측정기(12)에 의해 측정된 "기계설비별 성능 데이터", "작업자 개인별 작업능력 데이터"를 해당하는 데이터 베이스(22, 24)에 저장한다.
이 밖에도, 서버 제어부(20)는, 인터페이스 장치(18a)를 통해 입력된 "제품의 재료종류 데이터" 및, "제품의 제조방법 데이터" 등을 해당하는 데이터 베이스(26, 28)에 저장한다.
데이터 베이스(22, 24, 26, 28)는, 기계설비 데이터 베이스(22)와, 작업자 데이터 베이스(24)와, 재료 데이터 베이스(26)와, 제조방법 데이터 베이스(28)를 갖추고 있다.
기계설비 데이터 베이스(22)는, 제품을 제조하기 위한 각종 기계설비의 제원과, 기계설비별 성능 데이터, 예를 들면, 부품의 분당 처리개수, 처리속도 등이 기계설비별로 분류되어 저장되어 있다.
작업자 데이터 베이스(24)는, 제품을 조립하고 제조하기 위한 작업자 개인별 작업능력 데이터, 예를 들면, 부품별 분당 처리개수, 처리속도 등이 개인별로 분류되어 저장되어 있다.
재료 데이터 베이스(26)는, 제조하기 위한 제품의 재료가 종류별로 분류되어 저장되어 있다. 그리고 재료의 입고에서 출고 시까지의 물류의 흐름, 예를 들면, 물류공급, 물류저장, 물류이동 등이 다양하게 저장되어 있다.
제조 방법 데이터 베이스(28)는, 제품의 제조방법, 예를 들어, 작업루트 교체시간, 조립순서, 조립방법 등이 종류별로 분류되어 저장되어 있다.
그리고 본 발명의 디지털 팩토리 구축부(10)는, 진단하고자 하는 공장을 모델링하기 위한 모델링 툴(30)을 구비한다.
모델링 툴(30)은, 통상의 개인용 컴퓨터(PC: Personal Computer)로 구성되며, 모델링 툴 프로그램을 내장하고 있다.
모델링 툴 프로그램은, 오토캐드(Auto CAD), 쓰리디 맥스(3D MAX), 프로이(Pro-E)등 2D, 3D모델링 프로그램과 퀘스트(QUEST), 이엠플랜트(eM-Plant), 아레나(ARENA)등 시뮬레이션 프로그램 등이 있으며, 이들 프로그램들은, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 데이터를 근거로 하여 상기 인적, 물적 제원, 예를 들면, 부품과 기계설비와 작업자 등을 2차원(2D: Two-Dimensional)과 3차원(3D: Three -Dimensional)으로 모델링한다.
또한, 모델링 툴 프로그램은, 진단하고자 하는 공장의 전체적인 레이아웃(Layout)도 2차원(2D)과 3차원(3D)으로 모델링한다. 특히, 기계설비의 배열위치와 작업자의 작업위치 및 작업자와 물류의 동선 등을 실제와 같이 정확하게 모델링한다.
한편, 2차원(2D)과 3차원(3D)으로 모델링화된 인적, 물적 제원의 각 모델링 데이터들은, 해당하는 데이터 베이스(22, 24, 26, 28)에 분류되어 저장된다.
다시, 도 1을 참조하면, 디지털 팩토리는, 디지털 팩토리 진단부(50)를 구비한다.
디지털 팩토리 진단부(50)는, 미리 구축된 디지털 팩토리를 이용하여 실제의 공장을 가상 진단하기 위한 부분으로서, 입력부(52)와 제어부(54)를 구비한다.
입력부(52)는, 통상의 인터페이스 장치(Interface Device), 예를 들면, 키보드, 마우스, 조이스틱, 스캐너 등으로 구성된다.
이러한 입력부(52)는, 사용자로 하여금 디지털 팩토리의 구축에 필요한 인적, 물적 제원, 예를 들면, 디지털 팩토리에서 생산하고자 하는 제품의 종류와, 생산기간, 생산량, 제품의 생산에 필요한 기계설비의 종류 및, 작업자의 인원, 특정한 작업자 등을 선택할 수 있게 한다.
특히, 디지털 팩토리 구축부(10)의 데이터 베이스(22, 24, 26, 28)에 미리 저장된 제품의 종류와, 기계설비의 종류 및, 작업자 등을 선택할 수 있게 하며, 그 결과, 제품의 생산에 필요한 가상의 디지털 팩토리를 구축할 수 있게 한다.
제어부(54)는, 마이크로 프로세서를 내장하고 있는 것으로, 입력부(52)로부터 입력된 인적, 물적 제원의 선택 신호에 대응하여 데이터 베이스(22, 24, 26, 28)에 기저장된 인적, 물적 제원을 등을 검출한다. 예를 들면, 제품의 종류와, 기계설비의 종류 및, 작업자 등을 검출한다.
그리고 인적, 물적 제원에 의거하여 가상의 디지털 팩토리를 구축한다. 특히, 미리 2차원(2D)과 3차원(3D)으로 모델링화된 인적, 물적 제원, 즉, 기계설비와 작업자와 제품과 공장의 레이아웃에 의거하여 가상의 디지털 팩토리를 구축한다. 따라서, 가상의 디지털 팩토리가 2차원(2D)과 3차원(3D)으로 표시될 수 있게 한다.
그리고, 제어부(54)는, 내부의 연산부(56)와 비교분석부(58)와 데이터 재생부(60)를 갖추고 있다.
연산부(56)는, 입력부(52)로부터 디지털 팩토리의 가동신호가 입력되면, 미리 구축된 인적, 물적 제원들의 성능 데이터, 예를 들면, 기계설비들과 작업자들의 성능 데이터와 작업능력 데이터를 데이터 베이스(22, 24, 26, 28)에서 검출한다.
그리고 검출된 데이터를 근거로 하여 제품의 생산관련 정보, 예를 들면, 생산량, 생산기간을 연산 및 산출한다. 특히, 특정기간에 대한 제품의 총생산량, 특정기간에 대한 생산라인별 제품 생산량, 특정기간에 대한 기계설비별 제품 생산량, 특정기간에 대한 작업자 개인별 제품 생산량, 특정 생산량에 대한 제품의 생산기간 등을 연산 및 산출한다.
비교분석부(58)는, 연산부(56)에서 연산된 결과를 근거로 인적, 물적 제원들간의 성능 차이, 예를 들면, 기계설비간의 제품 처리량과 처리속도 차이와, 작업자간의 제품 처리량과 처리속도 차이를 비교 분석하고, 그 결과를 출력한다.
데이터 재생부(60)는, 연산부(56)에서 연산된 제품의 생산 관련 정보, 예를 들면, 특정기간에 대한 제품의 총생산량, 특정기간에 대한 생산라인별 제품 생산량, 특정기간에 대한 기계설비별 제품 생산량, 특정기간에 대한 작업자 개인별 제품 생산량, 특정 생산량에 대한 제품의 생산기간 등을 처리하여 디스플레이부(62)를 통해 출력한다. 특히, 처리 결과를 그래프, 도표 등으로 표시하도록 제어한다.
또한, 데이터 재생부(60)는, 비교분석부(58)에서 출력된 제원별 성능 차이, 예를 들면, 기계설비간의 제품 처리량과 처리속도 차이와, 작업자간의 제품 처리량과 처리속도 차이 등을 처리하여 디스플레이부(62)를 통해 출력한다.
특히, 기계설비간의 제품 처리량과 처리속도 차이와, 작업자간의 제품 처리량과 처리속도 차이 등을 그래프, 도표 등으로 표시하도록 제어하거나 또는 2차원(2D)과 3차원(3D)으로 모델링된 가상의 디지털 팩토리에 표시되도록 제어한다. 그 결과, 최적의 생산 및 제조 시나리오를 제공한다.
다시, 도 1을 참조하면, 디지털 팩토리는, 현장 모니터링부(70)와, 현장 데이터 분석부(72)를 더 구비한다.
현장 모니터링부(70)는, 영상 촬영용 카메라(70a)로 구성되며, 실제 제품의 생산 및 제조 과정을 촬영한다. 따라서, 실제 제품의 생산 및 제조 과정을 영상데이터로 획득한다.
현장 데이터 분석부(72)는, 데이터 분석툴(74)을 구비한다. 데이터 분석툴(74)은 통상의 컴퓨터(Computer)로 구성되며, 분석부(74a)와 연산부(74b)를 포함한다.
분석부(74a)는, 현장 모니터링부(70)에서 입력된 영상데이터를 처리하여 실제 제품의 생산 및 제조 과정에서 발생되는 인적, 물적 제원의 성능 데이터를 분석한다. 특히, 실제 제품을 생산 및 제조하는 과정에서의 기계설비별 성능 데이터, 작업자별 능력 데이터 등을 세밀하게 분석한다.
예를 들면, 작업자 개인별 분당 부품 처리개수와, 작업자 개인별 부품 처리속도와, 기계설비별 분당 부품 처리개수 및, 기계설비별 부품 처리속도 등을 세밀하게 측정한다.
이러한 분석부(74a)는, 영상데이터를 처리하여 인적, 물적 제원의 동작을 분석하는 동작분석 프로그램을 내장하고 있으며, 이러한 동작분석 프로그램을 통해 인적, 물적 제원의 성능데이터를 분석한다. 동작분석 프로그램은 공지된 기술이므로 그에 대한 상세한 설명은 생략하기로 한다.
경우에 따라, 분석부(74a)는, 현장 모니터링부(70)에서 입력된 영상데이터를 사용자가 직접 육안으로 확인하면서 계수기, 스톱워치 등으로 인적, 물적 제원의 성능데이터를 수작업으로 측정하여 분석하는 경우도 있다.
연산부(74b)는, 분석부(74a)에서 분석된 인적, 물적 제원의 성능 데이터와, 메인서버(18)의 데이터 베이스(22, 24, 26, 28)에 기저장된 인적, 물적 제원의 성능 데이터를 비교 처리하여 평균 성능 데이터를 연산한 다음, 연산된 평균 성능 데이터를 메인서버(18)의 데이터 베이스(22, 24, 26, 28)를 입력시킨다.
따라서, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 성능 데이터를 실제 제품의 생산 및 제조 실정에 맞게 수정 및 보완한다. 이로써, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원을 통해 가상의 제품을 생산 및 제조할 경우와, 실제 제품을 생산 및 제조할 경우에 발생되는 오차와 변수를 줄여준다.
그 결과, 디지털 팩토리 진단부(50)에 의해 도출된 각종 비교 분석 데이터와 각종 낭비요소의 정확도와 신뢰도를 높여준다. 이에 따라, 최적의 생산 및 제조 시나리오를 도출해낼 수 있게 한다. 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산성이 최대한 향상될 수 있게 한다.
다시, 도 1을 참조하면, 디지털 팩토리는, 디지털 팩토리 진단부(50)의 입력부(52)를 구비하되, 상기 입력부(52)는 다수의 목표설정버튼(53)들을 더 구비한다.
다수의 목표설정버튼(53)은, "작업자 효율성 설정버튼(53a)"과 "설비 효율성 설정버튼(53b)"과 "제품 제조기간 설정버튼(53c)"과 "제품 경제성 설정버튼(53d)" 및 "제품 생산성 설정버튼(53e)"들을 더 포함한다.
작업자 효율성 설정버튼(53a)은, 디지털 팩토리 진단부(50)에 의해 도출된 최적의 생산 및 제조 시나리오가 작업자의 효율성 향상에 초점을 맞춰 도출될 수 있도록 설정하기 위한 버튼이다. 예를 들면, 어떤 작업자와 몇 명의 작업자를 투입해야만 선택된 제품을 효율좋게 생산 및 제조할 수 있는지를 도출해내기 위해 설정하기 위한 버튼이다.
설비 효율성 설정버튼(53b)은, 디지털 팩토리 진단부(50)에 의해 도출된 최적의 생산 및 제조 시나리오가 설비의 효율성 향상에 초점을 맞춰 도출될 수 있도록 설정하기 위한 버튼이다. 예를 들면, 어느 종류의 설비를 사용해야만 선택된 제품을 효율좋게 생산 및 제조할 수 있는지를 도출해내기 위해 설정하기 위한 버튼이다.
제품 제조기간 설정버튼(53c)은, 디지털 팩토리 진단부(50)에 의해 도출된 최적의 생산 및 제조 시나리오가 제품의 제조기간 단축에 초점을 맞춰 도출될 수 있도록 설정하기 위한 버튼이다. 예를 들면, 어떤 작업자와 어느 종류의 설비와 어떤 재료와 어떤 제조방법을 사용해야만 선택된 제품의 제조기간이 단축될 수 있는지를 도출해내기 위해 설정하기 위한 버튼이다.
제품 경제성 설정버튼(53d)은, 디지털 팩토리 진단부(50)에 의해 도출된 최적의 생산 및 제조 시나리오가 제품의 경제성 향상에 초점을 맞춰 도출될 수 있도록 설정하기 위한 버튼이다. 예를 들면, 어느 종류의 설비와 어떤 종류의 재료와 제조방법 및 어떤 작업자를 선택해야만 선택된 제품을 최저단가로 생산 및 제조할 수 있는지를 도출해내기 위해 설정하기 위한 버튼이다.
제품 생산성 설정버튼(53e)은, 디지털 팩토리 진단부(50)에 의해 도출된 최적의 생산 및 제조 시나리오가 제품의 생산성 향상에 초점을 맞춰 도출될 수 있도록 설정하기 위한 버튼이다. 예를 들면, 어느 종류의 설비와 어떤 종류의 재료와 제조방법 및 어떤 작업자를 선택해야만 설정된 제품을 다량으로 빠르게 생산 및 제조할 수 있는지를 도출해내기 위해 설정하기 위한 버튼이다.
다시, 도 1을 참조하면, 디지털 팩토리는, 디지털 팩토리 진단부(50)의 제어부(54)를 구비하되, 상기 제어부(54)는 목표설정버튼(53)들을 통해 특정의 목표가 구체적으로 설정되면, 예를 들어, "작업자 효율성 향상", "설비 효율성 향상", "제품 제조기간 단축", "제품 경제성 향상", "제품 생산성향상" 등의 목표가 구체적으로 설정되면, 데이터 베이스(22, 24, 26, 28)에 저장된 모든 인적, 물적 제원을 순차적으로 검출한 다음, 검출된 인적, 물적 제원의 성능 데이터를 이용하여 디지털 팩토리를 구축하고, 구축된 디지털 팩토리를 가동시킨다.
그리고 검출된 인적, 물적 제원의 성능 데이터를 근거로 하여 제품의 생산관련 정보를 연산 및 산출한다. 특히, 설정된 목표(이하, "설정목표"라 칭함), 예를 들어, "작업자 효율성 향상", "설비 효율성 향상", "제품 제조기간 단축", "제품 경제성 향상", "제품 생산성향상" 등의 목표를 도출하기 위한 관련 정보들을 연산 및 산출한다.
그리고 산출된 관련 정보를 근거로하여 인적, 물적 제원들간의 성능 차이, 예를 들면, 기계설비간의 제품 처리량과 처리속도 차이와, 작업자간의 제품 처리량과 처리속도 차이를 비교 분석하고, 그 결과를 출력한다.
그 결과, "설정목표"를 이루기 위한 최적의 생산 및 제조 시나리오를 도출해낼 수 있게 한다. 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산성이 최대한 향상될 수 있게 한다.
한편, 제어부(54)는, 도출된 최적의 생산 및 제조 관련 정보와 시나리오를 디스플레이부(62)를 통해 출력한다. 특히, 도출된 최적의 생산 및 제조 관련정보를 도 2 내지 도 6에 도시된 바와 같이, 도표, 그래픽, 그래프 등으로 표시하도록 제어한다.
여기서, 도 2 내지 도 6은, LCD 패널용 백라이트 유닛의 검사 및 세정라인의 관련정보를 나타내는 것으로, 도 2는 설비타입별 최적의 설비배치와 작업인원 및 작업동선을 비교하여 나타낸 도면이고, 도 3은 자동화와 수동화별 최적의 작업인원 및 설비배치를 나타낸 도면이다.
그리고 도 4와 도 5는, 백라이트 유닛의 검사 및 세정라인 전체에 대한 최종 분석 결과를 2차원과 3차원으로 모델링하여 나타낸 도면이고, 도 6은 최종 분석을 통해 도출된 최적의 생산 및 제조 시나리오를 나타내는 도면이다.
다시, 도 1을 참조하면, 데이터 피드백 제어부(80)를 더 구비한다.
데이터 피드백 제어부(80)는, 디지털 팩토리 진단부(50)에 의해 도출된 제품의 생산 및 제조관련 정보를 디지털 팩토리 구축부(10)의 메인서버(18)에 피드백시킨다.
특히, 디지털 팩토리 진단부(50)에 의해 도출된 인적, 물적 제원들 간의 성능 비교·분석 데이터를 메인서버(18)의 해당 데이터 베이스(22, 24, 26, 28)에 피드백시킨다. 따라서, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 성능 데이터를 수정 및 보완한다.
그 결과, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원을 통해 가상의 제품을 생산 및 제조할 경우와, 실제 제품을 생산 및 제조할 경우에 발생되는 오차를 줄여준다.
다음으로, 이와 같은 구성의 디지털 팩토리를 통해서 구현되는 최적 생산 시나리오 구축방법을 도 1과 도 7을 참조하여 설명한다.
먼저, 본 발명의 최적 생산 시나리오 구축방법은, 도 7과 도 1에 도시된 바와 같이, 디지털 팩토리를 구축하기 위한 인적, 물적 제원의 데이터를 측정하고 수집하는 단계를 포함한다(S101).
그리고 데이터의 측정과 수집이 완료되면, 측정되고 수집된 인적, 물적 제원의 데이터를 메인서버(18)에 종류별로 데이터 베이스화한다(S103). 이때, 수집된 데이터를 기계설비별(Machine), 작업자별(Man), 재료종류별(Material), 제조방법별(Method)로 분류하여 데이터 베이스화시킨다.
그리고 데이터의 데이터 베이스화가 완료되면, 데이터 베이스에 저장된 인적, 물적 제원의 데이터를 근거로 하여 인적, 물적 제원을 2차원 또는 3차원 또는 2차원과 3차원 모두로 모델링한다(S105).
그리고 제원의 모델링이 완료되면, 모델링된 인적, 물적 제원을 선택하여 가상의 디지털 팩토리를 구축하고, 구축된 디지털 팩토리를 가동시켜 가상의 제품을 제조한다.
즉, 생산하고자 하는 제품에 맞춰서 특정의 인적, 물적 제원을 선택한다(S107). 예를 들면, 제품의 생산에 필요한 기계설비의 종류와, 작업자의 인원, 특정한 작업자 등을 선택한다.
그러면, 제어부(54)는, 선택된 인적, 물적 제원에 대응하여 데이터 베이스(22, 24, 26, 28)에 기저장된 인적, 물적 제원을 검출하고(S109), 검출된 결과에 의거하여 가상의 디지털 팩토리를 2차원과 3차원으로 구축한다(S111).
한편, 가상의 디지털 팩토리의 구축이 완료되면, 가상의 디지털 팩토리를 가동시킨다(S113). 그러면, 데이터 베이스(22, 24, 26, 28)에 기저장된 데이터에 따라 가상의 디지털 팩토리가 가동되기 시작한다.
이때, 제어부(54)의 연산부(56)는, 디지털 팩토리를 구축하는 인적, 물적 제원의 성능 데이터, 즉, 기계설비들과 작업자들의 성능 데이터와 작업능력 데이터를 데이터 베이스(22, 24, 26, 28)에서 검출한다(S115).
그리고 검출된 데이터를 근거로 하여 제품의 생산관련 정보, 예를 들면, 생산량, 생산기간을 연산 및 산출한다(S117). 특히, 특정기간에 대한 제품의 총생산량, 특정기간에 대한 생산라인별·기계설비별·작업자 개인별 제품 생산량, 특정 생산량에 대한 제품의 생산기간 등을 연산 및 산출한다.
그리고 제어부(54)의 비교분석부(58)는, 연산부(56)에서 연산된 결과를 근거로 인적, 물적 제원들간의 성능 차이, 예를 들면, 기계설비간의 제품 처리량과 처리속도 차이와, 작업자간의 제품 처리량과 처리속도 차이 등을 비교 분석한다(S119).
그리고 제어부(54)의 데이터 재생부(60)는, 연산부(56)에서 연산된 제품의 생산 관련 정보, 예를 들면, 특정기간에 대한 제품의 총생산량, 특정기간에 대한 기계설비별·생산라인별·작업자 개인별 제품 생산량, 특정 생산량에 대한 제품의 생산기간 등을 처리하여 디스플레이부(62)를 통해 출력한다.
그러면, 디스플레이부(62)는, 연산부(56)에서 처리된 제품의 생산관련 정보, 즉, 특정기간에 대한 제품의 총생산량, 특정기간에 대한 기계설비별·생산라인별·작업자 개인별 제품 생산량, 특정 생산량에 대한 제품의 생산기간 등을 그래프, 도표 등으로 표시한다(S121).
그 결과, 사용자는 제품의 생산 및 제조 상황과 현황을 한눈에 파악할 수 있다. 따라서, 사용자로 하여금 실제 공장에서의 제품 생산과 제조시에 발생되는 각종 상황을 사전에 파악할 수 있게 한다. 특히, 제품의 생산과 제조시에 발생되는 각종 낭비요소를 사전에 파악하고 분석할 수 있게 한다.
그리고 데이터 재생부(60)는, 비교분석부(58)에서 출력된 인적, 물적 제원별 성능 차이, 예를 들면, 기계설비간의 제품 처리량과 처리속도 차이, 작업자간의 제품 처리량과 처리속도 차이 등을 처리하여 디스플레이부(62)를 통해 출력한다.
그러면, 디스플레이부(62)는, 처리된 결과를 그래프, 도표로 표시하거나 또는 3차원(3D)으로 모델링된 가상의 디지털 팩토리에 표시한다(S123). 그 결과, 사용자는 제품의 생산 및 제조시에 발생되는 기계설비간의 성능차이, 작업자 개인별 능력차이 등을 한눈에 파악할 수 있게 된다.
따라서, 실제 공장에서의 제품 생산과 제조시, 기계설비간의 성능차이, 작업자 개인별 능력차이 등으로 인해 발생하는 각종 손실과 낭비요소를 사전에 파악하고 분석할 수 있게 하며, 그 결과, 분석된 낭비요소와 손실요소를 바탕으로 제품의 작업공정을 최적의 상태로 개선할 수 있게 한다.
그리고 인적, 물적 제원별 성능 차이의 표시가 완료되면, 작업자는 상기 인적, 물적 제원별 성능 차이를 근거로 하여 인적, 물적 제원을 평가한다(S125).
그리고 나서, 평가된 결과에 따라 인적, 물적 제원을 재선택한다(S127). 그러면, 재선택된 인적, 물적 제원에 대응하여 데이터 베이스(22, 24, 26, 28)에 기저장된 인적, 물적 제원을 다시 검출하고(S109), 검출된 결과에 의거하여 가상의 디지털 팩토리를 구축하며(S111), 구축된 가상의 디지털 팩토리를 가동시킨다(S113).
그리고 가동되는 디지털 팩토리는, 상술한 바와 같은 일련에 단계(S115∼S123)에 따라 새로운 제품의 생산관련 정보를 연산 및 산출하고, 그에 대한 인적, 물적 제원들간의 성능 차이를 새롭게 분석하고 표시하게 된다.
한편, 인적, 물적 제원들 간의 성능 차이를 비교 분석하는 단계(S119) 후에, 비교 분석된 인적, 물적 제원들 간의 성능 데이터 차이 등을, 인적, 물적 제원의 데이터를 데이터 베이스화하는 단계(S103)로 피드백시킨다(S129).
그러면, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 성능 데이터가 수정 및 보완된다. 이로써, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 정보량은 대폭적으로 증가된다.
그 결과, 데이터 베이스(22, 24, 26, 28)의 인적, 물적 제원을 이용하여 가상의 제품을 생산 및 제조해보고, 이를 통해 최적의 생산 및 제조 시나리오를 도출할 시에 그 정확성과 신뢰성이 높아진다. 이로써, 실제 제품을 생산 및 제조할 시에 발생되는 각종 낭비요소를 정확하게 예측할 수 있게 된다.
다시, 도 7과 도 1을 참조하면, 인적, 물적 제원의 데이터를 데이터 베이스화하는 단계(S103)전에, 실제 제품의 생산 및 제조 과정을 모니터링한다(S131). 이때의 모니터링방법은 실제 제품의 생산 및 제조 현장을 카메라로 촬영하여 영상데이터로 획득함에 따라 이루어진다.
한편, 실제 제품의 생산 및 제조 과정의 모니터링이 완료되면, 모니터링된 데이터를 처리하여 실제 제품의 생산 및 제조 과정에서 발생되는 인적, 물적 제원의 성능 데이터를 분석한다(S133). 특히, 실제 제품을 생산 및 제조하는 과정에서의 기계설비별 성능 데이터, 작업자별 능력 데이터 등을 세밀하게 분석한다.
그리고 인적, 물적 제원의 성능 데이터 분석이 완료되면, 분석된 인적, 물적 제원의 성능 데이터를 데이터 베이스화하는 단계(S103)로 도입시킨다(S135).
그러면, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 성능 데이터가 수정 및 보완된다. 이로써, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 정보량은 대폭적으로 증가된다.
그 결과, 데이터 베이스(22, 24, 26, 28)의 인적, 물적 제원을 이용하여 가상의 제품을 생산 및 제조해보고, 이를 통해 최적의 생산 및 제조 시나리오를 도출할 시에 그 정확성과 신뢰성이 높아진다. 이로써, 실제 제품을 생산 및 제조할 시에 발생되는 각종 낭비요소를 정확하게 예측할 수 있게 된다.
다시, 도 7과 도 1을 참조하면, 인적, 물적 제원을 선택하는 단계(S107)에서, 상기 특정의 인적, 물적 제원을 직접 선택하지 않고, 경우에 따라 입력부(52)의 목표설정버튼(53)을 통해서, 도출하고자 하는 최적의 생산 및 제조 시나리오의 목표를 개별적으로 선택할 수도 있다(S137).
이러한 경우, 제어부(54)는, 데이터 베이스(22, 24, 26, 28)에 저장된 모든 인적, 물적 제원을 순차적으로 검출(S139)한 다음, 검출된 인적, 물적 제원의 성능 데이터를 이용하여 디지털 팩토리를 구축하고(S111), 구축된 디지털 팩토리를 가동시킨다(S113).
그리고 디지털 팩토리를 구축하는 인적, 물적 제원의 성능 데이터, 즉, 기계설비들과 작업자들의 성능 데이터와 작업능력 데이터를 데이터 베이스(22, 24, 26, 28)에서 검출한다(S115).
그리고 검출된 인적, 물적 제원의 성능 데이터를 근거로 하여 제품의 생산관련 정보를 연산 및 산출한다(S117). 특히, "설정목표", 예를 들어, "작업자 효율성 향상", "설비 효율성 향상", "제품 제조기간 단축", "제품 경제성 향상", "제품 생산성향상" 등의 목표를 도출하기 위한 관련 정보들을 연산 및 산출한다.
그리고 산출된 관련 정보를 근거로하여 인적, 물적 제원들간의 성능 차이, 예를 들면, 기계설비간의 제품 처리량과 처리속도 차이와, 작업자간의 제품 처리량과 처리속도 차이를 비교 분석한다(S119).
그 결과, "설정목표"를 이루기 위한 최적의 생산 및 제조 시나리오를 도출해낼 수 있게 한다. 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산성이 최대한 향상될 수 있게 한다.
한편, 제어부(54)는, 도출된 최적의 생산 및 제조 관련 정보와, 최적의 시나리오를 디스플레이부(62)를 통해 표시한다(S121).
이와 같은 구성을 갖는 본 발명에 의하면, 실제 제품의 생산 및 제조과정을 모니터링하고 분석한 다음, 분석된 자료를 디지털 팩토리의 데이터 베이스(22, 24, 26, 28)에 계속적으로 수정 및 보완하는 구조이므로, 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원을 통해 가상의 제품을 생산 및 제조할 경우와, 실제 제품을 생산 및 제조할 경우에 발생되는 오차와 변수를 줄여준다.
따라서, 디지털 팩토리를 이용하여 최적의 생산 및 제조 시나리오를 도출할 시에, 도출된 생산 및 제조 시나리오의 정확도와 신뢰도가 높아진다. 그 결과, 최적의 생산 및 제조 시나리오를 도출해낼 수 있다.
또한, 최적의 생산 및 제조 시나리오를 도출하는 과정에서 얻어지는 각종 데이터들을 메인서버(18)에 피드백시켜 상기 메인서버(18)의 데이터 베이스(22, 24, 26, 28)에 저장된 인적, 물적 제원의 성능 데이터를 계속해서 수정 및 보완하는 구조이므로, 디지털 팩토리를 이용하여 최적의 생산 및 제조 시나리오를 도출할 시에, 도출된 생산 및 제조 시나리오의 정확도와 신뢰도를 높일 수 있다. 그 결과, 최적의 생산 및 제조 시나리오를 도출해낼 수 있다.
또한, 최적의 생산 및 제조공정을 목표별로 다양하게 도출할 수 있는 구조이므로, 다양한 인적, 물적 제원들을 가지고 최적의 생산 및 제조공정을 도출할 수 있다.
따라서, 사용자에게 보다 많은 정보를 제공할 수 있고, 이로써, 실제의 제품을 생산 및 제조할 시에 제품의 생산 및 제조효율을 최대한 향상시켜줄 수 있게 된다.
이상에서는 본 발명의 바람직한 실시예를 예시적으로 설명하였으나, 본 발명의 권리범위는 이와 같은 특정 실시예에만 한정되는 것은 아니며, 특허청구범위에 기재된 범주내에서 적절하게 변경 가능한 것이다.
10: 디지털 팩토리 구축부 12: 데이터 측정기
18: 메인서버(Main Server) 18a: 인터페이스(Interface) 장치
20: 서버 제어부 22: 기계설비 데이터 베이스
24: 작업자 데이터 베이스 26: 재료 데이터 베이스
28: 제조방법 데이터 베이스 30: 모델링 툴(Modelling Tool)
50: 디지털 팩토리 진단부 52: 입력부
53: 목표설정버튼 53a: 작업자 효율성 설정버튼
53b: 설비 효율성 설정버튼 53c: 제품 제조기간 설정버튼
53d: 제품 경제성 설정버튼 53e: 제품 생산성 설정버튼
54: 제어부 56: 연산부
58: 비교분석부 60: 데이터 재생부
62: 디스플레이부(Display) 70: 현장 모니터링부
72: 현장 데이터 분석부 74: 데이터 분석툴
74a: 분석부 74b: 연산부
80: 데이터 피드백 제어부
18: 메인서버(Main Server) 18a: 인터페이스(Interface) 장치
20: 서버 제어부 22: 기계설비 데이터 베이스
24: 작업자 데이터 베이스 26: 재료 데이터 베이스
28: 제조방법 데이터 베이스 30: 모델링 툴(Modelling Tool)
50: 디지털 팩토리 진단부 52: 입력부
53: 목표설정버튼 53a: 작업자 효율성 설정버튼
53b: 설비 효율성 설정버튼 53c: 제품 제조기간 설정버튼
53d: 제품 경제성 설정버튼 53e: 제품 생산성 설정버튼
54: 제어부 56: 연산부
58: 비교분석부 60: 데이터 재생부
62: 디스플레이부(Display) 70: 현장 모니터링부
72: 현장 데이터 분석부 74: 데이터 분석툴
74a: 분석부 74b: 연산부
80: 데이터 피드백 제어부
Claims (4)
- 삭제
- 삭제
- 삭제
- a) 인적, 물적 제원(諸元)들의 데이터를 측정하고 수집하는 단계와, b) 측정되고 수집된 인적, 물적 제원의 데이터를 기계설비별, 작업자별, 재료종류별, 제조방법별로 분류하여 데이터 베이스화하는 단계와, c) 데이터 베이스화된 데이터를 토대로 인적, 물적 제원을 모델링하는 단계와, d) 모델링된 인적, 물적 제원을 바탕으로 가상의 디지털 팩토리를 구축하는 단계와, e) 구축된 가상의 디지털 팩토리를 가동시키는 단계와, f) 선택된 인적, 물적 제원들의 성능 데이터를 데이터 베이스에서 검출하여 제품의 생산 관련 정보를 연산 및 산출하는 단계와, g) 연산 및 산출된 제품의 생산 관련 정보를 근거로 상기 인적, 물적 제원별 성능 차이를 비교 분석하는 단계와, h) 연산 및 산출된 제품의 생산 관련 정보와, 비교 분석된 제원별 성능 차이를 디스플레이하는 단계를 포함하는 컴퓨터상에 구현된 디지털 팩토리에서의 최적 생산 시나리오 구축방법에 있어서,
상기 b) 단계 전에,
b-1) 실제 제품의 생산 및 제조 현장을 영상 카메라로 촬영하여 상기 실제 제품의 생산 및 제조 과정을 모니터링하는 단계와;
b-2) 상기 카메라로부터 촬영된 영상데이터에 의해 인적, 물적 제원의 성능데이터를 분석하고, 모니터링된 데이터를 처리하여 실제 제품의 생산 및 제조 과정에서 발생되는 인적, 물적 제원의 성능 데이터를 분석하는 단계와;
b-3) 분석된 인적, 물적 제원의 성능 데이터를 상기 b) 단계로 도입시켜 데이터 베이스화하는 단계를 더 포함하고,
상기 g) 단계에서 비교 분석된 인적, 물적 제원들의 성능 데이터를 상기 b) 단계로 피드백시켜, 상기 b) 단계에서 데이터 베이스화된 인적, 물적 제원의 성능 데이터를 수정 및 보완하는 단계(g-1)를 더 포함하며,
상기 f) 단계에서 연산 및 산출된 제품의 생산 관련 정보는, 작업자의 효율성 향상을 위한 정보와, 설비의 효율성 향상을 위한 정보와, 제품의 제조기간 단축을 위한 정보와, 제품의 경제성 향상을 위한 정보와, 제품의 생산성 향상을 위한 정보를 포함하는 것을 특징으로 하는 컴퓨터상에 구현된 디지털 팩토리에서의 최적 생산 시나리오 구축방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100101482A KR101022230B1 (ko) | 2010-10-18 | 2010-10-18 | 디지털 팩토리에서의 최적 생산 시나리오 구축방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100101482A KR101022230B1 (ko) | 2010-10-18 | 2010-10-18 | 디지털 팩토리에서의 최적 생산 시나리오 구축방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101022230B1 true KR101022230B1 (ko) | 2011-03-16 |
Family
ID=43938936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100101482A KR101022230B1 (ko) | 2010-10-18 | 2010-10-18 | 디지털 팩토리에서의 최적 생산 시나리오 구축방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101022230B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180064955A (ko) * | 2016-12-06 | 2018-06-15 | 주식회사 에스.제이테크 | 제조공정 설계 및 검증 향상 시스템 |
| KR20180064954A (ko) * | 2016-12-06 | 2018-06-15 | 주식회사 에스.제이테크 | 제조공정 관리 향상 시스템 |
| KR102201303B1 (ko) * | 2019-07-10 | 2021-01-12 | 한국생산기술연구원 | 시각장치를 이용한 공장 로직 모델 생성 방법 |
| KR20220009241A (ko) * | 2020-07-15 | 2022-01-24 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
| WO2022208652A1 (ja) * | 2021-03-30 | 2022-10-06 | 三菱電機株式会社 | 作業支援装置、作業支援システム、および、作業支援方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090082644A (ko) * | 2008-01-28 | 2009-07-31 | 현대자동차주식회사 | 통합 관리 장치 |
| KR20100034258A (ko) * | 2008-09-23 | 2010-04-01 | 김수영 | 디지털 팩토리를 이용한 기업 맞춤형 디지털 생산시스템 구축방법 |
| KR20100041112A (ko) * | 2008-10-13 | 2010-04-22 | (주) 디지털팩토리 | 디지털 팩토리를 이용한 공장 신축 방법 |
-
2010
- 2010-10-18 KR KR1020100101482A patent/KR101022230B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090082644A (ko) * | 2008-01-28 | 2009-07-31 | 현대자동차주식회사 | 통합 관리 장치 |
| KR20100034258A (ko) * | 2008-09-23 | 2010-04-01 | 김수영 | 디지털 팩토리를 이용한 기업 맞춤형 디지털 생산시스템 구축방법 |
| KR20100041112A (ko) * | 2008-10-13 | 2010-04-22 | (주) 디지털팩토리 | 디지털 팩토리를 이용한 공장 신축 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 한국산업경영시스템학회(2008) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180064955A (ko) * | 2016-12-06 | 2018-06-15 | 주식회사 에스.제이테크 | 제조공정 설계 및 검증 향상 시스템 |
| KR20180064954A (ko) * | 2016-12-06 | 2018-06-15 | 주식회사 에스.제이테크 | 제조공정 관리 향상 시스템 |
| KR101951332B1 (ko) * | 2016-12-06 | 2019-02-22 | 주식회사 에스.제이테크 | 제조공정 관리 향상 시스템 |
| KR101951339B1 (ko) * | 2016-12-06 | 2019-02-22 | 주식회사 에스.제이테크 | 제조공정 설계 및 검증 향상 시스템 |
| KR102201303B1 (ko) * | 2019-07-10 | 2021-01-12 | 한국생산기술연구원 | 시각장치를 이용한 공장 로직 모델 생성 방법 |
| KR20220009241A (ko) * | 2020-07-15 | 2022-01-24 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
| KR102419053B1 (ko) * | 2020-07-15 | 2022-07-08 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
| WO2022208652A1 (ja) * | 2021-03-30 | 2022-10-06 | 三菱電機株式会社 | 作業支援装置、作業支援システム、および、作業支援方法 |
| JPWO2022208652A1 (ko) * | 2021-03-30 | 2022-10-06 | ||
| JP7412633B2 (ja) | 2021-03-30 | 2024-01-12 | 三菱電機株式会社 | 作業支援装置、作業支援システム、および、作業支援方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101022230B1 (ko) | 디지털 팩토리에서의 최적 생산 시나리오 구축방법 | |
| Bauters et al. | Automated work cycle classification and performance measurement for manual work stations | |
| CN112084646B (zh) | 一种基于数字孪生的模块化产品定制方法 | |
| JP6880843B2 (ja) | 管理装置および管理プログラム | |
| CN108121295A (zh) | 预测模型建立方法及其相关预测方法与计算机程序产品 | |
| JP2019016226A (ja) | 作業データ管理システム及び作業データ管理方法 | |
| CN103917708B (zh) | 刺绣设计生产管理设备和方法 | |
| CN106873549A (zh) | 模拟装置以及模拟方法 | |
| US10423669B2 (en) | Manufacturing process visualization apparatus and method | |
| US10775780B2 (en) | Causal relation model building system and method thereof | |
| US11138805B2 (en) | Quantitative quality assurance for mixed reality | |
| US11776419B2 (en) | Skill evaluation device, skill evaluation method, and storage medium | |
| TWI756628B (zh) | 營運評估裝置、營運評估方法、及程式 | |
| JP2020135758A (ja) | 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム | |
| KR20100034258A (ko) | 디지털 팩토리를 이용한 기업 맞춤형 디지털 생산시스템 구축방법 | |
| JP7004218B2 (ja) | 動作分析装置、動作分析方法、動作分析プログラム及び動作分析システム | |
| US11790579B2 (en) | Production efficiency improvement assisting system | |
| US20220137609A1 (en) | Production information management system and production information management method | |
| JP7360925B2 (ja) | 分析システム | |
| Kang et al. | A methodology for production analysis based on the RFID-collected manufacturing big data | |
| JP7474303B2 (ja) | 管理システム | |
| KR20050015966A (ko) | 작업시간 파악시스템 및 작업지시 작성시스템 | |
| CN112236798A (zh) | 用于在生产产品的情形中的质量保证的方法以及计算设备和计算机程序 | |
| KR20100102086A (ko) | 디지털 팩토리를 이용한 기업 맞춤형 디지털 생산시스템 구축방법 | |
| JP2000024850A (ja) | 人手組み立てラインの効率評価装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140110 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20141226 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160225 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20170308 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20180305 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20191128 Year of fee payment: 9 |
|
| R401 | Registration of restoration | ||
| FPAY | Annual fee payment |
Payment date: 20200309 Year of fee payment: 10 |