KR20210032725A - 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체 - Google Patents

조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체 Download PDF

Info

Publication number
KR20210032725A
KR20210032725A KR1020190114106A KR20190114106A KR20210032725A KR 20210032725 A KR20210032725 A KR 20210032725A KR 1020190114106 A KR1020190114106 A KR 1020190114106A KR 20190114106 A KR20190114106 A KR 20190114106A KR 20210032725 A KR20210032725 A KR 20210032725A
Authority
KR
South Korea
Prior art keywords
panel assembly
execution plan
simulation
shipyard
unit
Prior art date
Application number
KR1020190114106A
Other languages
English (en)
Inventor
김지윤
오형순
Original Assignee
대우조선해양 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대우조선해양 주식회사 filed Critical 대우조선해양 주식회사
Priority to KR1020190114106A priority Critical patent/KR20210032725A/ko
Publication of KR20210032725A publication Critical patent/KR20210032725A/ko

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • G06Q10/10—Office automation; Time management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은, 조선용 판넬조립 실행계획을 수립하는 실행계획 수립부(110)와, 판넬조립 실행계획을 전송받아 가상의 판넬조립공정의 시뮬레이션모델을 통해 실행과 보상을 반복 수행하는 시뮬레이션 수행부(120)와, 심층 신경망으로 구성된 심층강화학습부(130)로 구성되어, 시뮬레이션 수행부(120)에 의한 가변하는 작업물량 점유상태를 반영하여 심층강화학습부(130)에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립할 수 있는, 조선소 판넬조립공장 최적 실행계획 수립 시스템을 개시한다.

Description

조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체{SYSTEM AND METHOD FOR DEVISING OPTIMAL ACTION PLAN IN PANEL BUILDING SHOP OF SHIPYARD AND COMPUTER READABLE STORAGE MEDIUM STORING FOR THE SAME}
본 발명은, 생산요소와 공정상태가 적용된 머신러닝기법을 활용하여서, 최적 생산을 위한 실행계획을 수립하여 생산 효율성을 극대화할 수 있는, 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체에 관한 것이다.
일반적으로, 조선소에서 선박을 건조하기 위해서는 수주된 선박의 종류 또는 배수량에 따라 영업설계를 수행하고, 이후 생산계획에서 대일정 계획을 수립하고, 영업설계가 수립되면 상세설계를 하여 이에 따른 구매일정을 수립하고, 다시 구매일정과 연동하도록 중일정계획을 수립한다.
후속하여, 상세설계 및 중일정계획이 수립되면 다시 생산에 필요한 생산설계를 하여 생산에 필요한 소일정 계획을 부서별, 공정별로 수립한 후, 구매자재가 입고되고, 생산을 실행하게 된다.
한편, 조선소의 판넬조립공장(PBS;Panel Building Shop)의 최적생산을 위한 실행계획을 수립하는데 일반적으로 생산 관리자의 경험을 바탕으로 복수의 실행계획안을 수작업으로 점검하여 최종 실행계획을 수립하게 된다.
이러한 방법으로 수립된 생산 실행계획은 생산 관리자의 경험과 주관에 따라 일관적이지 않고 각 실행계획안의 적합성에 대한 평가가 객관적이지 못하여, 판넬조립공장의 생산 효율성을 극대화하는데 한계가 있다.
이에, 판넬조립의 생산계획 수립에 주관적 경험을 배제하고, 최적 생산을 위한 실행계획을 수립하여 생산 효율성을 극대화할 수 있는 기술이 요구된다.
한국 공개특허공보 제2014-0083463호 (운반수단을 이용한 컨테이너선 블록 조립 방법,2014.07.04) 한국 공개특허공보 제2019-0057908호 (비정형 자료를 기반으로 한 선박수주 지원 시스템 및 그 방법) 한국 등록특허공보 제1547120호 (생산일정 예측 및 관리를 위한 계층적 이산사건 시뮬레이션 방법, 2015.08.25)
본 발명의 사상이 이루고자 하는 기술적 과제는, 판넬조립의 생산계획 수립에 주관적 경험을 배제하고 생산요소와 공정상태가 적용된 머신러닝기법을 활용하여서, 최적 생산을 위한 실행계획을 수립하여 생산 효율성을 극대화할 수 있는, 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체를 제공하는 데 있다.
전술한 목적을 달성하고자, 본 발명의 제1실시예는, 조선용 판넬조립 각 공정별로 투입되는, 초기 작업물량 점유상태와 생산요소를 고려하여 작업물량 투입순서와 배량의 판넬조립 실행계획을 수립하는, 실행계획 수립부; 상기 판넬조립 실행계획을 전송받아 가상의 판넬조립공정의 시뮬레이션모델을 통해 각 공정별 시뮬레이션을 수행하여 각 공정별 작업물량 점유상태를 포함하는 시뮬레이션 결과정보를 생성하고, 상기 시뮬레이션 결과정보에 상응하는 보상정보를 생성하는, 실행과 보상을 반복 수행하는, 시뮬레이션 수행부; 및 상기 보상정보를 전송받아 보상값을 최대화하는 방향으로 강화되도록 하는 알고리즘으로 구현된 심층 신경망으로 구성된 심층강화학습부;를 포함하여, 상기 시뮬레이션 수행부에 의한 가변하는 작업물량 점유상태를 반영하여 상기 심층강화학습부에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 상기 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템을 제공한다.
한편, 상기 보상값은 각 공정별 지연일수의 변화에 따라 정의될 수 있다.
여기서, 상기 보상값은 (1/전체 공정의 지연일수 총합)으로 정의될 수 있다.
또한, 상기 생산요소는 장비 부하율과 작업자의 가용시수를 포함할 수 있다.
또한, 상기 가상의 판넬조립공정의 시뮬레이션모델로는 지멘스사의 플랜트시뮬레이션 상용툴이 적용될 수 있다.
또한, 상기 판넬조립 실행계획의 규칙은 배량 규칙과 공기와 입출고 일정의 규칙으로 구성될 수 있다.
본 발명의 제2실시예는, 실행계획 수립부에서, 조선용 판넬조립 각 공정별로 투입되는, 초기 작업물량 점유상태와 생산요소를 고려하여 작업물량 투입순서와 배량의 판넬조립 실행계획을 수립하는 단계; 상기 판넬조립 실행계획을 시뮬레이션 수행부로 전송하는 단계; 상기 시뮬레이션 수행부에서, 가상의 판넬조립공정의 시뮬레이션모델을 통해 각 공정별 시뮬레이션을 수행하여 각 공정별 작업물량 점유상태를 포함하는 시뮬레이션 결과정보를 생성하고, 상기 시뮬레이션 결과정보에 상응하는 보상정보를 생성하는, 실행과 보상을 반복 수행하는 단계; 상기 보상정보를 심층강화학습부로 전송하는 단계; 및 상기 시뮬레이션 수행부에 의한 가변하는 작업물량 점유상태를 반영하여 상기 심층강화학습부에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립하는 단계;를 포함하되, 상기 심층강화학습부는 보상값을 최대화하는 방향으로 강화되도록 하는 알고리즘으로 구현된 심층 신경망으로 구성되는, 조선소 판넬조립공장 최적 실행계획 수립 방법을 제공한다.
한편, 상기 보상값은 각 공정별 지연일수의 변화에 따라 정의될 수 있다.
여기서, 상기 보상값은 (1/전체 공정의 지연일수 총합)으로 정의될 수 있다.
또한, 상기 생산요소는 장비 부하율과 작업자의 가용시수를 포함할 수 있다.
또한, 상기 가상의 판넬조립공정의 시뮬레이션모델로는 지멘스사의 플랜트시뮬레이션 상용툴이 적용될 수 있다.
또한, 상기 판넬조립 실행계획의 규칙은 배량 규칙과 공기와 입출고 일정의 규칙으로 구성될 수 있다.
또한, 전술한 조선소 판넬조립공장 최적 실행계획 수립 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 기록매체를 제공한다.
본 발명에 의하면, 지속적으로 가변하는 각 공정의 해당 생산요소인 장비 부하율과 작업자의 가용시수에 따라 변경되는 생산계획 프로세스에 심층강화학습의 알고리즘으로 구현된 머신러닝기법을 적용하여, 조선소의 판넬조립공장의 생산 실행계획을 체계적으로 수립하고 최적화하여서, 판넬조립의 생산계획 수립에 주관적 경험을 배제하고 패널조립의 생산 효율성을 극대화할 수 있는 효과가 있다.
도 1은 본 발명의 제1실시예에 의한 조선소 판넬조립공장 최적 실행계획 수립 시스템의 개략적인 구성도를 도시한 것이다.
도 2는 도 1의 조선소 판넬조립공장 최적 실행계획 수립 시스템의 최적 실행계획 수립과정을 예시한 것이다.
도 3은 본 발명의 제2실시예에 의한 조선소 판넬조립공장 최적 실행계획 수립 방법의 개략적인 흐름도를 도시한 것이다.
도 4는 도 1 및 도 3의 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 그 방법에 적용되는 마르코프 결정 프로세스를 예시한 것이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 발명의 제1실시예에 의한 조선소 판넬조립공장 최적 실행계획 수립 시스템은, 조선용 판넬조립 실행계획을 수립하는 실행계획 수립부(110)와, 판넬조립 실행계획을 전송받아 가상의 판넬조립공정의 시뮬레이션모델을 통해 실행과 보상을 반복 수행하는 시뮬레이션 수행부(120)와, 심층 신경망으로 구성된 심층강화학습부(130)로 구성되어, 시뮬레이션 수행부(120)에 의한 가변하는 작업물량 점유상태를 반영하여 심층강화학습부(130)에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립하는 것을 요지로 한다.
본 발명의 제2실시예에 의한 조선소 판넬조립공장 최적 실행계획 수립 방법은, 판넬조립 실행계획 수립 단계(S110)와, 판넬조립 실행계획 전송 단계(S120)와, 각 공정별 시뮬레이션 수행 단계(S130)와, 보상정보 전송 단계(S140)와, 공정상태 전송 단계(S150)와, 판넬조리 실행계획 수정 단계(S160)로 구성되어, 시뮬레이션 수행부(120)에 의한 가변하는 작업물량 점유상태를 반영하여 심층강화학습부(130)에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립하는 것을 요지로 한다.
도 1 내지 도 4를 참조하여, 본 발명의 실시예에 의한 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 그 방법을 상술하면 다음과 같다.
우선, 실행계획 수립부(110)는, 상세설계 또는 생산설계 후, 조선용 판넬조립을 위한 각 공정별로 투입되는, 초기 작업물량 점유상태와 생산요소를 고려하여 작업물량 투입순서와 배량(assignment)의 초기 판넬조립 실행계획을 수립하고(S110), 시뮬레이션 수행부(120)에 의해 시뮬레이션 결과를 제공하고 보상이 적용된 심층강화학습부(130)에 의해 초기 판넬조립 실행계획을 수정하여서, 후속 판넬조립 실행계획을 반복하여 수정하도록 한다.
한편, 생산요소는 지속적으로 가변되는 장비 부하율과 작업자의 가용시수로 정의될 수 있다.
다음, 시뮬레이션 수행부(120)는, 실행계획 수립부(110)로부터 판넬조립 실행계획을 전송받아(action)(S120) 가상의 판넬조립공정의 시뮬레이션모델을 통해 각 공정별 시뮬레이션을 수행하여(S130) 각 공정별 작업물량 점유상태를 포함하는 시뮬레이션 결과정보를 생성하고, 시뮬레이션 결과정보에 상응하는 보상정보(Reward)를 생성하는, 실행과 보상을 반복 수행한다.
여기서, 선택된 생산 실행계획에 따라 작업물량을 투입하고 시뮬레이션 모델을 통해 공정별 생산 시뮬레이션을 수행한 후, 각 공정의 지연일수의 변화에 따라 보상을 정의할 수 있는데, 보상정보에 포함된 보상값은 각 공정별 지연일수의 변화에 따라 정의될 수 있다. 여기서 보상값은 (1/전체 공정의 지연일수 총합)으로 정의되어서, 전체 공정의 지연일수가 최소화되도록 하는 보상값을 심층강화학습부(130)로 제공한다.
또한, 가상의 판넬조립공정의 시뮬레이션모델로는 성능이 검증된 상용툴, 예를 들면, '지멘스사'의 '플랜트시뮬레이션'이 적용되어서, 시뮬레이션 결과의 신뢰성을 확보할 수 있다.
참고로, '플랜트시뮬레이션'은 학습기능 내장이 불가하여 심층강화학습부(130)를 별도로 분리구성하여서, 시뮬레이션 수행부(120)는 통신을 통해서 판넬조립 실행계획(action)을 전송받고, 보상정보(Reward)를 심층강화학습부(130)로 전송한다.
다음, 심층강화학습부(DQN;Deep Q Network)(130)는, 시뮬레이션 수행부(120)로부터 보상정보를 전송받아(S140) 보상값을 최대화하는 방향으로 강화되도록 하는 알고리즘으로 구현된 심층 신경망으로 구성된다.
이에, 시뮬레이션 수행부(120)에 의한 가변하는 공정상태인 작업물량 점유상태(State)를 반영하여(S150) 심층강화학습부(130)에 의해 학습된 판넬조립 실행계획을 수정하는(S160) 루틴을 반복 수행하는 머신러닝기법에 의해서, 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립할 수 있다.
한편, 도 2 및 도 4를 참고하면, 마르코프 결정 프로세스(Markov decision process)가 적용된 조선소 판넬조립공장 최적 실행계획 수립 시스템에서, 실행계획 수립부(110)와 심층강화학습부(130)는 포괄적으로 마르코프 결정 프로세스의 에이전트(Agent)에 상응하고, 시뮬레이션 수행부(120)의 시뮬레이션 모델은 마르코프 결정 프로세스의 엔바이런먼트(Environment)에 상응한다.
즉, 마르코프 결정 프로세스는 실행과 보상을 반복 수행하기 위해, 가상의 엔바이런먼트와 선택된 정책에 따라 엔바이런먼트에 액션을 수행하고 액션의 결과를 평가받는 시스템으로서, 세부적으로, 판넬조립 실행계획은 정책(policy)에 해당하고, 심층강화학습부(130)는 DQN에 해당하고, 초기 수립된 정책 또는 수정된 정책의 통신을 통한 시뮬레이션 수행부(120)로의 전송은 액션(action)에 상응하고, 시뮬레이션 결과에 따른 통신을 통한 공정상태의 실행계획 수립부(110)로의 전송은 스테이트(State)에 상응하고, 시뮬레이션 수행부(120)로부터 심층강화학습부(130)로 보상(Reward)이 전송되고, 심층강화학습부(130)에 의해 보상값이 최대화되도록 판넬조립 실행계획인 정책을 수정하게 된다.
참고로, DQN은 딥러닝(deep learning) 강화학습을 위해 구글 딥마인드(deep mind)가 개발한 딥러닝 인공지능 알고리즘이다.
참고로, 다음의 표 1은 판넬조립 실행계획 수립에 영향을 주는 의사결정요소를 예시한 것이다.
강화학습요소 실행계획(생산계획)


환경적 요소		 보상 KPI 달성률로 보상


상태공간		 현재 투입되는 물량에 따라 전체 공정의 KPI가 변화

-후속 공정으로의 배량은 전체 공정의 현재 상태정보만으로 결정가능
-유한상태

전략적 요소
 생산계획
- 물량 투입 순서
- 배량
규칙적 요소
 생산계획 규칙
-배량 규칙
-공기 및 입출고 일정
즉, 보상은 KPI(Key Performance Indicator)는 핵심성과지표로서 전체 공정의 지연일수가 최소화되도록 하는 보상값 달성률로 정의될 수 있고, 생산계획은 마르코프 결정 프로세스에서 학습해야 할 대상이고, 판넬조립 실행계획의 규칙은 배량 규칙과 공기와 입출고 일정의 규칙으로 구성될 수 있다.
한편, 본 발명의 다른 실시예로서, 앞서 언급한 조선소 판넬조립공장 최적 실행계획 수립 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 기록매체를 제공한다.
따라서, 전술한 바와 같은 조선소 판넬조립공장 최적 실행계획 수립 시스템의 구성에 의해서, 지속적으로 가변하는 각 공정의 해당 생산요소인 장비 부하율과 작업자의 가용시수에 따라 변경되는 생산계획 프로세스에 심층강화학습의 알고리즘으로 구현된 머신러닝기법을 적용하여, 조선소의 판넬조립공장의 생산 실행계획을 체계적으로 수립하고 최적화하여서, 판넬조립의 생산계획 수립에 주관적 경험을 배제하고 패널조립의 생산 효율성을 극대화할 수 있다.
이상, 본 발명을 도면에 도시된 실시예를 참조하여 설명하였다. 그러나, 본 발명은 이에 한정되지 않고 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명과 균등한 범위에 속하는 다양한 변형예 또는 다른 실시예가 가능하다. 따라서, 본 발명의 진정한 보호범위는 이어지는 특허청구범위에 의해 정해져야 할 것이다.
110 : 실행계획 수립부 120 : 시뮬레이션 수행부
130 : 심층강화학습부

Claims (13)

  1. 조선용 판넬조립 각 공정별로 투입되는, 초기 작업물량 점유상태와 생산요소를 고려하여 작업물량 투입순서와 배량의 판넬조립 실행계획을 수립하는, 실행계획 수립부;
    상기 판넬조립 실행계획을 전송받아 가상의 판넬조립공정의 시뮬레이션모델을 통해 각 공정별 시뮬레이션을 수행하여 각 공정별 작업물량 점유상태를 포함하는 시뮬레이션 결과정보를 생성하고, 상기 시뮬레이션 결과정보에 상응하는 보상정보를 생성하는, 실행과 보상을 반복 수행하는, 시뮬레이션 수행부; 및
    상기 보상정보를 전송받아 보상값을 최대화하는 방향으로 강화되도록 하는 알고리즘으로 구현된 심층 신경망으로 구성된 심층강화학습부;를 포함하여,
    상기 시뮬레이션 수행부에 의한 가변하는 작업물량 점유상태를 반영하여 상기 심층강화학습부에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 상기 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템.
  2. 제 1 항에 있어서,
    상기 보상값은 각 공정별 지연일수의 변화에 따라 정의되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템.
  3. 제 2 항에 있어서,
    상기 보상값은 (1/전체 공정의 지연일수 총합)으로 정의되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템.
  4. 제 1 항에 있어서,
    상기 생산요소는 장비 부하율과 작업자의 가용시수를 포함하는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템.
  5. 제 1 항에 있어서,
    상기 가상의 판넬조립공정의 시뮬레이션모델로는 지멘스사의 플랜트시뮬레이션 상용툴이 적용되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템.
  6. 제 1 항에 있어서,
    상기 판넬조립 실행계획의 규칙은 배량 규칙과 공기와 입출고 일정의 규칙으로 구성되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 시스템.
  7. 실행계획 수립부에서, 조선용 판넬조립 각 공정별로 투입되는, 초기 작업물량 점유상태와 생산요소를 고려하여 작업물량 투입순서와 배량의 판넬조립 실행계획을 수립하는 단계;
    상기 판넬조립 실행계획을 시뮬레이션 수행부로 전송하는 단계;
    상기 시뮬레이션 수행부에서, 가상의 판넬조립공정의 시뮬레이션모델을 통해 각 공정별 시뮬레이션을 수행하여 각 공정별 작업물량 점유상태를 포함하는 시뮬레이션 결과정보를 생성하고, 상기 시뮬레이션 결과정보에 상응하는 보상정보를 생성하는, 실행과 보상을 반복 수행하는 단계;
    상기 보상정보를 심층강화학습부로 전송하는 단계; 및
    상기 시뮬레이션 수행부에 의한 가변하는 작업물량 점유상태를 반영하여 상기 심층강화학습부에 의해 학습된 판넬조립 실행계획을 수정하는 루틴을 반복 수행하는 머신러닝기법에 의해서, 보상값을 최대화하도록 하여 생산 효율성을 극대화하는 최적 실행계획을 수립하는 단계;를 포함하되,
    상기 심층강화학습부는 보상값을 최대화하는 방향으로 강화되도록 하는 알고리즘으로 구현된 심층 신경망으로 구성되는, 조선소 판넬조립공장 최적 실행계획 수립 방법.
  8. 제 7 항에 있어서,
    상기 보상값은 각 공정별 지연일수의 변화에 따라 정의되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 방법.
  9. 제 8 항에 있어서,
    상기 보상값은 (1/전체 공정의 지연일수 총합)으로 정의되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 방법.
  10. 제 7 항에 있어서,
    상기 생산요소는 장비 부하율과 작업자의 가용시수를 포함하는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 방법.
  11. 제 7 항에 있어서,
    상기 가상의 판넬조립공정의 시뮬레이션모델로는 지멘스사의 플랜트시뮬레이션 상용툴이 적용되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 방법.
  12. 제 7 항에 있어서,
    상기 판넬조립 실행계획의 규칙은 배량 규칙과 공기와 입출고 일정의 규칙으로 구성되는 것을 특징으로 하는, 조선소 판넬조립공장 최적 실행계획 수립 방법.
  13. 제 7 항 내지 제 12 항 중 어느 한 항의 조선소 판넬조립공장 최적 실행계획 수립 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 기록매체.
KR1020190114106A 2019-09-17 2019-09-17 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체 KR20210032725A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190114106A KR20210032725A (ko) 2019-09-17 2019-09-17 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190114106A KR20210032725A (ko) 2019-09-17 2019-09-17 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체

Publications (1)

Publication Number Publication Date
KR20210032725A true KR20210032725A (ko) 2021-03-25

Family

ID=75222738

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190114106A KR20210032725A (ko) 2019-09-17 2019-09-17 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체

Country Status (1)

Country Link
KR (1) KR20210032725A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221449A (zh) * 2021-04-27 2021-08-06 中国科学院国家空间科学中心 一种基于最优策略学习的船舶航迹实时预测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140083463A (ko) 2012-12-26 2014-07-04 대우조선해양 주식회사 운반수단을 이용한 컨테이너선 블록 조립 방법
KR101547120B1 (ko) 2014-02-06 2015-08-25 한국과학기술원 생산일정 예측 및 관리를 위한 계층적 이산사건 시뮬레이션 방법
KR20190057908A (ko) 2017-11-21 2019-05-29 (주)마린소프트 비정형 자료를 기반으로 한 선박수주 지원 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140083463A (ko) 2012-12-26 2014-07-04 대우조선해양 주식회사 운반수단을 이용한 컨테이너선 블록 조립 방법
KR101547120B1 (ko) 2014-02-06 2015-08-25 한국과학기술원 생산일정 예측 및 관리를 위한 계층적 이산사건 시뮬레이션 방법
KR20190057908A (ko) 2017-11-21 2019-05-29 (주)마린소프트 비정형 자료를 기반으로 한 선박수주 지원 시스템 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221449A (zh) * 2021-04-27 2021-08-06 中国科学院国家空间科学中心 一种基于最优策略学习的船舶航迹实时预测方法及系统
CN113221449B (zh) * 2021-04-27 2024-03-15 中国科学院国家空间科学中心 一种基于最优策略学习的船舶航迹实时预测方法及系统

Similar Documents

Publication Publication Date Title
Kleijnen Supply chain simulation tools and techniques: a survey
WO2018154799A1 (ja) 業務計画最適化装置及び業務計画最適化方法
CN105701273A (zh) 一种基于主体的组件化物流系统仿真计算方法
Shang et al. Coordination mechanisms in decentralized serial inventory systems with batch ordering
US20230004149A1 (en) Digital twin modeling and optimization of production processes
Lagemann et al. Robust capacity planning for the delivery of industrial product-service systems
Niehues et al. Adaptive job shop control based on permanent order sequencing: Balancing between knowledge-based control and complete rescheduling
Ahmarofi et al. Predicting completion time for production line in a supply chain system through artificial neural networks
KR20210032725A (ko) 조선소 판넬조립공장 최적 실행계획 수립 시스템 및 방법과 그를 저장하는 컴퓨터 판독 가능한 기록매체
Wilberg et al. Using a systemic perspective to support engineering change management
Schutz et al. An integrated strategy for efficient business plan and maintenance plan for systems with a dynamic failure distribution
Saad et al. A DES approach for the contextual load modelling of supply chain system for instability analysis
Roa et al. Directive mode for the semi-heterarchical control architecture of a flexible manufacturing system
Sun et al. Selective maintenance on a multi‐state system considering maintenance task assignment and operating cost
Solomon et al. Using integrated simulation-optimisation to optimise staffing decisions in a service supply chain
Naim et al. Supply chain dynamics
Solomon et al. Multiperiod stochastic resource planning in professional services organizations
Poeting et al. A combined simulation optimization framework to improve operations in parcel logistics
Albalghouni et al. Challenges of implementing ISO 55000: a case study from an educational institute
van Heeswijk et al. An approximate dynamic programming approach to urban freight distribution with batch arrivals
Halevi Restructuring the manufacturing process applying the matrix method
Mutingi et al. Healthcare staff scheduling: emerging fuzzy optimization approaches
Krishnamurthy et al. Decentralized inventory control for large-scale reverse supply chains: A computationally tractable approach
KR100586503B1 (ko) 신경망을 이용한 소프트웨어 프로세스 테일러링 시스템 및방법
Abİdİn et al. Rule-based genetic algorithm for in-service training curriculum plan

Legal Events

Date Code Title Description
A201 Request for examination