KR20220009241A - 통합 제조 운영 관리 시스템 및 방법 - Google Patents
통합 제조 운영 관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220009241A KR20220009241A KR1020200087712A KR20200087712A KR20220009241A KR 20220009241 A KR20220009241 A KR 20220009241A KR 1020200087712 A KR1020200087712 A KR 1020200087712A KR 20200087712 A KR20200087712 A KR 20200087712A KR 20220009241 A KR20220009241 A KR 20220009241A
- Authority
- KR
- South Korea
- Prior art keywords
- production
- product
- smart factory
- management module
- smart
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 428
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007726 management method Methods 0.000 claims description 195
- 239000000047 product Substances 0.000 claims description 186
- 238000012544 monitoring process Methods 0.000 claims description 55
- 239000002994 raw material Substances 0.000 claims description 39
- 238000004088 simulation Methods 0.000 claims description 26
- 239000011265 semifinished product Substances 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000002950 deficient Effects 0.000 claims description 8
- 230000003362 replicative effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 8
- 230000004044 response Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000002537 cosmetic Substances 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013068 supply chain management Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009474 immediate action Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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] or 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] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
-
- 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] or computer integrated manufacturing [CIM]
- G05B19/4183—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] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- 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] or computer integrated manufacturing [CIM]
- G05B19/41875—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] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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] or computer integrated manufacturing [CIM]
- G05B19/41885—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] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- 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
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
본 발명은 통합 제조 운영 관리 시스템 및 방법에 관한 것으로, 특히 스마트 팩토리에서 생성된 데이터를 수집 및 분석하고, 이를 기반으로 스마트 팩토리에서의 인적, 물적 자원을 통합하여 효율적으로 운영할 수 있게 하는 통합 제조 운영 관리 시스템 및 방법에 관한 것이다.
Description
본 발명은 통합 제조 운영 관리 시스템 및 방법에 관한 것으로, 더욱 상세하게는 스마트 팩토리에서 생성된 데이터를 수집 및 분석하고, 이를 기반으로 스마트 팩토리에서의 인적, 물적 자원을 통합하여 효율적으로 운영할 수 있게 하는 통합 제조 운영 관리 시스템 및 방법에 관한 것이다.
최근 4차 산업 혁명이 전세계적으로 확산됨에 따라 제조업계도 스마트 팩토리로의 변신이 이루어지고 있으며, 그에 따라 단순히 생산량을 늘리는 것에서 첨단 IT 기술을 접목하여 데이터를 기반으로 하는 운영 최적화와 생산 프로세스의 관리를 통한 품질관리 및 물류 자동화까지 효율성 증대를 위한 노력에 집중하고 있다.
그러나 이전의 제조 효율 증대 방안은 완제품의 생산 효율을 관리하기 위해 ERP나 MES 솔루션을 도입하여 제조 현황의 파악과 함께 그에 필요한 조치를 판단하는 것에 그치고 있을 뿐, 제조 설비를 포함한 여러 생산 자원을 데이터화하여 이를 근거로 통합적으로 인적, 물적 자원을 관리하는 시스템은 제공하지 못하고 있다.
본 발명은 전술한 바와 같은 문제점을 해결하기 위한 것으로, 스마트 팩토리에서 생성된 데이터를 수집 및 분석하고, 이를 기반으로 스마트 팩토리에서의 인적, 물적 자원을 통합하여 효율적으로 운영할 수 있게 하는 통합 제조 운영 관리 시스템 및 방법을 제공하고자 한다.
이를 위해, 본 발명에 따른 통합 제조 운영 관리 시스템은 제품의 생산과정에 디지털 자동화 솔루션이 적용된 스마트 팩토리의 가동 상태를 감시하는 생산시점 관리모듈과; 상기 스마트 팩토리에서 생산되는 제품의 생산량과 불량율을 포함하는 수율(yield)을 감시하는 공정품질 관리모듈과; 제품 수주 현황과 주문된 제품을 제조하는데 이용되는 원재료나 반제품에 대한 재고를 관리하는 생산자원 관리모듈과; 상기 스마트 팩토리의 가동 상태에 따른 수율을 분석하여 상기 스마트 팩토리의 운영을 관리하는 제품생산 관리모듈과; 상기 제품 수주 현황과 재고 현황에 따라 상기 스마트 팩토리에서의 제품 생산 일정을 관리하는 생산공정 관리모듈; 및 상기 스마트 팩토리의 가동 현황을 운영자가 인식 가능한 포맷으로 변환하여 운영자 단말기로 전송하는 모니터링 모듈;을 포함하는 것을 특징으로 한다.
이때, 상기 생산시점 관리모듈은 상기 스마트 팩토리 내외의 이동형 장비에서 발생된 위치정보신호를 수집하여, 상기 이동형 장비의 동선이 포함된 위치정보를 상기 운영자 단말기로 전송하는 것이 바람직하다.
또한, 상기 이동형 장비는 배터리 충전전원에 의해 구동되는 전기식 작업장치를 포함하되, 상기 생산시점 관리모듈은 상기 전기식 작업장치가 충전기에 접속되면 충전중인 것을 감지하고, 상기 충전중인 전기식 작업장치를 대체할 수 있는 적어도 하나 이상의 장비 위치를 추출하여 상기 운영자 단말기로 전송하는 것이 바람직하다.
또한, 상기 생산시점 관리모듈은 다수의 제조설비 중 적어도 하나 이상에 설치된 센서 또는 로직 제어기(PLC) 로부터 감지값을 입력받아 상기 스마트 팩토리의 가동 상태를 감시하는 것이 바람직하다.
또한, 상기 생산시점 관리모듈은 서로 다른 지역에 설치된 다수의 스마트 팩토리에 설치된 제조설비들을 동시에 감시하여, 협력관계에 있는 다수의 스마트 팩토리들의 가동 상태를 동시에 감시하는 것이 바람직하다.
또한, 상기 제조설비와 동일한 환경을 소프트웨어로 복제하여 컴퓨팅 장치에서 구현되며, 상기 제조설비의 운영상황과 상기 제품 수주 정보를 시뮬레이션 모델에 적용하여 예측 현황을 생성하는 디지털 트윈 모듈을 더 포함하는 것이 바람직하다.
또한, 상기 디지털 트윈 모듈은 상기 스마트 팩토리의 제조설비와 동일한 환경을 소프트웨어로 복제하여 디지털 환경에 구현하는 가상 팩토리부와; 상기 가상 팩토리부에 구현된 제조설비의 운영 환경을 분석하기 위한 시뮬레이션 모델이 구축되는 모델링부; 및 상기 운영상황과 주문정보를 입력받아 상기 시뮬레이션 모델에 적용하여 상기 제조설비의 예측 현황을 생성하는 예측 관리부;를 포함하는 것이 바람직하다.
또한, 상기 디지털 트윈 모듈은 서로 다른 다수의 스마트 팩토리에 설치된 제조설비의 예측 현황을 각각 생성하고, 상기 제품생산 관리모듈은 상기 디지털 트윈 모듈로부터 각 스마트 팩토리의 제조설비 예측 현황을 제공받아 제품생산 운영을 결정하며, 상기 스마트 팩토리의 제조설비에서 생산 가능한 품목, 개수 및 생산 소요 시간을 예측하여 상기 제품생산 관리모듈에 제공하고, 상기 제품생산 관리모듈은 적어도 어느 하나의 스마트 팩토리에서 제품을 적기에 생산하지 못하는 경우 상기 디지털 트윈 모듈에서 제품을 적기에 생산 가능한 것으로 예측된 다른 스마트 팩토리로 생산 주문을 이전하는 것이 바람직하다.
또한, 상기 디지털 트윈 모듈은 다수의 스마트 팩토리들 중 공동작업이 가능한 다수의 스마트 팩토리에 각각 배치된 제조설비 모두를 통합한 환경을 소프트웨어로 복제하여 통합 디지털 환경에 구현하고, 상기 적기에 제품을 생산하지 못하는 스마트 팩토리를 포함하여 상기 통합 디지털 환경에서 실행되는 시뮬레이션 모델을 통해 상기 제품을 적기에 생산할 수 있는 스마트 팩토리들의 조합을 예측하여 상기 제품생산 관리모듈에 제공하는 것이 바람직하다.
또한, 상기 공정품질 관리모듈은 상기 생산시점 관리모듈에서 제공되는 상기 스마트 팩토리의 가동상태와 상기 제품의 수율간 상관관계를 기계 학습(machine learning)하여, 상기 수율 변화에 영향을 주는 상기 스마트 팩토리의 가동상태 정보를 상기 제품생산 관리모듈에 제공하는 것이 바람직하다.
또한, 상기 생산자원 관리모듈은 상기 원재료나 반제품의 보관 환경을 기록하되, 상기 보관 환경은 적어도 입고 날짜, 보관 장소, 원료 속성 및 온도와 습도를 비롯한 환경 정보 중 어느 하나 이상을 포함하며, 상기 생산 제품이 갖춰야 하는 속성 정보를 분석하여 상기 원재료나 반제품이 보관되는 상기 환경 정보에 대한 적부 평가를 수행하는 것이 바람직하다.
또한, 상기 제품생산 관리모듈은 상기 스마트 팩토리의 가동 상태에 따른 수율 및 상기 환경 정보에 대한 적부 평가를 분석하여 상기 스마트 팩토리의 운영을 관리하는 것이 바람직하다.
또한, 상기 생산공정 관리모듈은 생산 제품의 특성정보를 제공하는 제품정보 제공부와; 상기 스마트 팩토리에 설치된 제조설비의 생산용량을 기반으로 생산 가능한 각 품목별 제품생산능력을 관리하는 생산능력 관리부; 및 생산 주문 요청시, 상기 스마트 팩토리에서의 제품생산능력에 따라 상기 제품 생산 스케쥴을 관리하는 스케쥴 관리부;를 포함하는 것이 바람직하다.
또한, 상기 생산시점 관리모듈은 상기 스마트 팩토리에 구비된 각 전력 노드에서의 전력 사용량을 실시간 수집하여 상기 각 전력 노드별로 제품 생산시 사용되는 전력 사용 패턴을 분석하며, 정상적인 제품 생산시의 전력 사용 패턴과 비교하여 설정된 오차 범위를 벗어난 값으로 판독되는 경우 상기 생산 제품의 특성정보와 함께 상기 모니터링 모듈을 통해 알리는 것이 바람직하다.
또한, 상기 제품생산 관리모듈은 상기 수주 현황에 따라 상기 스마트 팩토리의 가동율을 조절하되, 상기 생산시점 관리모듈에서 제공되는 전력 사용 패턴을 입력받아, 상기 스마트 팩토리의 가동율이 감소하는 경우에는 전력 공급 중단이 가능한 제조설비들을 추출하여, 중단 순서를 선택하도록 전력 소모량이 큰 제조설비의 순서를 결정하고, 상기 스마트 팩토리의 가동율이 증가하는 경우에는 전력 공급 시작이 가능한 제조설비들을 추출하여, 공급 순서를 선택하도록 전력 소모량이 작은 제조설비의 순서를 결정하는 것이 바람직하다.
또한, 상기 모니터링 모듈은 상기 생산시점 관리모듈에 의해 감시된 제조설비의 가동 상태를 분석하여 상기 제조설비의 상태를 정상, 알람 및 위험으로 분류하고, 상기 제조설비의 모델에 각각 정상, 알람 및 위험 중 어느 하나를 표시하여 상기 운영자 단말기에 제공하되, 상기 정상 표시는 투명 또는 반투명의 배경에 투명 또는 반투명 상태의 정상 상태 표기가 이루어지는 것이 바람직하다.
한편, 본 발명에 따른 통합 제조 운영 관리 방법은 생산시점 관리모듈에서 제품의 생산과정에 디지털 자동화 솔루션이 적용된 스마트 팩토리의 가동 상태를 감시하는 가동 상태 감시단계와; 공정품질 관리모듈에서 상기 스마트 팩토리에서 생산되는 제품의 생산량과 불량율을 포함하는 수율(yield)을 감시하는 제품 품질 감시단계와; 생산자원 관리모듈에서 제품 수주 현황과 상기 주문된 제품을 제조하는데 이용되는 원재료나 반제품에 대한 재고를 관리하는 재고 관리단계와; 제품생산 관리모듈에서 상기 스마트 팩토리의 가동 상태에 따른 수율을 분석하여 상기 스마트 팩토리의 운영을 관리하는 운영 관리단계와; 생산공정 관리모듈에서 상기 제품 수주 현황과 재고 현황에 따라 상기 스마트 팩토리에서의 제품 생산 일정을 관리하는 생산 일정 관리단계; 및 모니터링 모듈에서 상기 스마트 팩토리의 가동 현황을 운영자가 인식 가능한 포맷으로 변환하여 운영자 단말기로 전송하는 감시 정보 제공단계;를 포함하는 것을 특징으로 한다.
이상과 같은 본 발명은 스마트 팩토리에서 생성된 데이터를 수집 및 분석하고, 이를 기반으로 스마트 팩토리에서의 인적, 물적 자원을 통합하여 효율적으로 운영할 수 있게 한다. 따라서, ERP, MES, SCM 및 MRP를 비롯한 여러 제조 운영 시스템을 통합하여 제공하고, 소비자와의 연계까지 가능하게 한다.
도 1은 본 발명에 따른 통합 제조 운영 관리 시스템의 적용 상태도이다.
도 2는 본 발명에 따른 통합 제조 운영 관리 시스템의 구성도이다.
도 3은 본 발명에 따른 통합 제조 운영 관리 시스템의 실시예를 나타낸 도이다.
도 4는 본 발명의 데이터베이스 서버를 통한 빅데이터 운영 상태를 나타낸 도이다.
도 5는 본 발명의 생산공정 관리모듈을 나타낸 구성도이다.
도 6은 본 발명의 모니터링 모듈을 나타낸 구성도이다.
도 7은 본 발명의 모니터링 모듈에 의해 운영자 단말에 제공하는 감시 화면을 나타낸 제1 실시예이다.
도 8은 본 발명의 모니터링 모듈에 의해 운영자 단말에 제공하는 감시 화면을 나타낸 제2 실시예이다.
도 9는 본 발명의 모니터링 모듈에 의해 운영자 단말에 제공하는 감시 화면을 나타낸 제3 실시예이다.
도 10은 본 발명의 디지털 트윈 모듈을 나타낸 구성도이다.
도 11은 본 발명에 따른 통합 제조 운영 관리 방법을 나타낸 흐름도이다.
도 2는 본 발명에 따른 통합 제조 운영 관리 시스템의 구성도이다.
도 3은 본 발명에 따른 통합 제조 운영 관리 시스템의 실시예를 나타낸 도이다.
도 4는 본 발명의 데이터베이스 서버를 통한 빅데이터 운영 상태를 나타낸 도이다.
도 5는 본 발명의 생산공정 관리모듈을 나타낸 구성도이다.
도 6은 본 발명의 모니터링 모듈을 나타낸 구성도이다.
도 7은 본 발명의 모니터링 모듈에 의해 운영자 단말에 제공하는 감시 화면을 나타낸 제1 실시예이다.
도 8은 본 발명의 모니터링 모듈에 의해 운영자 단말에 제공하는 감시 화면을 나타낸 제2 실시예이다.
도 9는 본 발명의 모니터링 모듈에 의해 운영자 단말에 제공하는 감시 화면을 나타낸 제3 실시예이다.
도 10은 본 발명의 디지털 트윈 모듈을 나타낸 구성도이다.
도 11은 본 발명에 따른 통합 제조 운영 관리 방법을 나타낸 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 통합 제조 운영 관리 시스템 및 방법에 대해 상세히 설명한다.
도 1과 같이, 본 발명에 따른 통합 제조 운영 관리 시스템(100)은 서버 상에서 적어도 하나 이상의 모듈이나 플랫폼 타입으로 구현될 수 있으며, 반응형 웹을 제공하는 웹 서버(210)를 통해 생산업체, 주문기업 및 소비자 등에 웹 서비스를 제공할 수 있다.
또한, 데이터베이스 서버(220)를 포함하여 빅데이터(BIG DATA) 서비스를 제공할 수 있으며, 적어도 하나 이상의 스마트 팩토리(10)와 연결되어 데이터를 수집 및 분석하며, 원료 공급처나 다른 제조업체 등 다양한 협력업체와도 협력이 가능하다.
이러한 본 발명에 의하면 스마트 팩토리(10)에서 생성된 데이터를 수집 및 분석하고, 이를 기반으로 스마트 팩토리(10)에서의 인적, 물적 자원을 통합하여 효율적으로 운영할 수 있게 한다.
또한, ERP(Enterprise Resource Planning), MES(Manufacturing Excution System), SCM(Supply Chain Management) 및 MRP(Material Requirement Planning)를 비롯한 여러 제조 운영 시스템을 통합한다.
구체적으로, 각종 IoT 기기나 PLC 등에서 생성된 제품 생산 관련된 데이터를 실시간 수집하여 이를 제공함으로써, 불량의 원인 및 문제점 파악을 가능하게 하고, 제품 생산이 설비의 관리를 가능하게 하며, 제품 이력을 추적할 수 있게 한다.
또한, 생산 현장에서의 제품 품질 추적 관리(Ts-SPC) 및 설비 품질 추적관리(PLC-SPC)를 가능하게 하는 빅데이터 관리 기술 플랫폼을 제공하며, 생산정보의 실시간 공유로 관리자와 작업자간 업무 효율을 향상시켜 신속하고 정확한 의사 결정을 가능하게 한다.
따라서, 기업의 제조, 운영에 필요한 시스템을 통합하여 기업 맞춤형으로 제공하고, 소비자와의 연계까지 가능하게 함으로써, 제조업체에서의 불필요한 기능을 최소화하고 제조업체에서의 시스템 운영에 대한 부담을 줄인다.
도 2 및 도 3과 같이, 본 발명에 따른 통합 제조 운영 관리 시스템(100)은 생산시점 관리모듈(110), 공정품질 관리모듈(120), 생산자원 관리모듈(130), 제품생산 관리모듈(140), 생산공정 관리모듈(150) 및 모니터링 모듈(160)을 포함한다. 또한, 바람직한 실시예로 디지털 트윈 모듈(170)을 더 포함한다.
여기서, 상기 생산시점 관리모듈(110)은 스마트 팩토리(10)의 가동 상태를 감시한다. 스마트 팩토리(10)는 제품의 생산과정에 디지털 자동화 솔루션이 적용된 공장으로 다양한 상황 변경에서도 효율적인 제조의 최적화 달성을 위한 사이버 물리 시스템(CPS)을 채택하며, 각종 품목의 제품을 자동화 방식으로 생산한다.
이러한 생산시점 관리모듈(110)에 의해 감시되는 스마트 팩토리(10)의 가동 상태에는 직접 제품 생산에 이용되는 제조설비(11), 센서를 포함한 각종 IoT 기기(12) 및 자동화를 위한 로직 제어기(PLC)(13) 뿐만 아니라 지게차와 같이 공장 내외에서 사용되는 이동형 장비(14)의 작동 상태를 포함한다.
센서 네트워크나 5G 통신망 등을 통해 생산시점 관리모듈(110)에 수집된 데이터는 그 자체로 또는 가공을 통해 스마트 팩토리(10)에서의 제품 생산에 대한 유효한 데이터로서 제공되며, 필요시 데이터베이스 서버(220)에 저장되어 빅데이터 모델을 구축하는데 사용된다.
특히, 생산시점 관리모듈(110)은 다수의 제조설비 중 적어도 하나 이상에 설치된 센서 또는 로직 제어기(PLC) 로부터 감지값을 입력받아 스마트 팩토리(10)의 가동 상태를 감시한다.
도 4와 같이, 감시된 정보는 후술하는 모니터링 모듈(160)을 통해 운영자 단말에 실시간 제공되며, 그와 동시에 데이터베이스 서버(220)에 기록되어 운영 현황을 예측하는데 이용되고, 웹 서버(210)를 통해 실시간 제공될 수 있다.
다만, 생산시점 관리모듈(110)은 서로 다른 지역에 설치된 다수의 스마트 팩토리(10)에 설치된 제조설비들을 동시에 감시하여, 협력관계에 있는 다수의 스마트 팩토리(10)들의 가동 상태를 동시에 감시하는 것이 바람직하다.
스마트 팩토리(10)는 기업별로 하나 또는 다수개로 구성될 수 있고, 스마트 팩토리(10)에서의 생산 제품은 서로 다른 종류이거나 일부는 동일할 수 있으며, 협의가 있는 경우 서로 다른 기업의 스마트 팩토리(10)들간 생산능력, 원재료 혹은 반제품 등의 사용을 협력할 수 있다.
또한, 생산시점 관리모듈(110)은 스마트 팩토리(10) 내외에서 운영되는 이동형 장비(14)에서 발생된 위치정보신호를 수집하여, 이동형 장비(14)의 동선이 포함된 위치정보를 운영자 단말기로 전송한다. 이를 위해 이동형 장비(14)는 GPS 신호 발생기나 근거리 무선통신 모듈을 탑재하여 위치 신호를 송신한다.
대표적인 이동형 장비(14)로는 지게차가 있으며 그 외 물품을 운반하는 화물 차량 등도 포함할 수 있다. 지게차의 경우 현재 작업 중인 위치를 운영자 단말기에 제공함으로써 작업 현황을 파악하는데 이용된다.
이때, 이동형 장비(14)는 배터리 충전전원에 의해 구동되는 전기식 작업장치를 포함하며, 생산시점 관리모듈(110)은 전기식 작업장치가 충전기에 접속되면 충전중인 것을 감지하고, 충전중인 전기식 작업장치를 대체할 수 있는 적어도 하나 이상의 장비 위치를 추출하여 운영자 단말기로 전송한다.
이동형 장비(14) 중 전기식 작업장치는 배터리 스택(battery stack)을 포함하여 전기 에너지로 구동이 가능하며, 이러한 전기식 작업장치가 작업을 멈추고 충전기에 단자에 연결되면 충전기나 전기식 작업장치에서 전기식 작업장치의 식별 아이디와 함께 충전 중이라는 신호를 운영자 단말기로 전송한다.
또한, 전기식 작업장치에 충전이 필요하여 운행을 멈춘 경우에는 동일한 작업을 수행할 수 있는 대체 수단의 존재 여부 및 그 현재 위치 정보를 제공한다. 예컨대, 어느 하나의 지게차가 충전중인 경우 이를 대체할 수 있는 다른 지게차의 정보를 제공한다.
공정품질 관리모듈(120)은 스마트 팩토리(10)에서 생산되는 제품의 생산량과 불량율을 포함하는 수율(yield)을 감시한다. 본 발명에서의 수율은 현재의 생산 현황을 포함하며, 제조설비(11)에 설치된 센서를 통해 각 제조설비의 가동 현황 데이터를 입력받아 분석한다.
이때 수집되는 데이터의 일부는 현장 관리자나 다른 감지장치에 의해 감시된 후 공정품질 관리모듈(120)에 제공될 수 있으며 이 경우 공정품질 관리모듈(120)은 이들 정보를 취합하여 사용한다.
실시예로 공정품질 관리모듈(120)은 다수의 제조설비 중 적어도 하나 이상에 설치된 센서나 제조설비(11)를 제어하는 로직 컨트롤러(13)로부터 감지값을 입력받는다. 센서는 IoT(Internet of Things)를 구성하는 IoT 망의 노드(node)를 구성하는 IoT 센서(21)일 수 있다.
또한, 공정품질 관리모듈(120)은 다수의 서로 다른 스마트 팩토리(10)에 각각 설치된 제조설비들을 감시하고, 각 스마트 팩토리(10)에서 감시된 제조설비의 운영상황 정보에 스마트 팩토리(10)를 특정하는 분류 코드를 결합할 수 있다.
센서나 관리자 등을 통해 획득한 제조설비의 운영상황이 포함된 데이터 스트림(Data stream)이나 패킷(packet) 데이터를 생성할 수 있으며, 그 헤더 파일(Header File)에 스마트 팩토리(10)를 구분하는 분류 코드를 첨부하여 전송할 수 있다. 이와 같이 분별되는 스마트 팩토리(10) 정보를 이용하여 여러 스마트 팩토리(10)의 수율을 종합하여 생산 계획을 세울 수 있게 된다.
또한, 공정품질 관리모듈(120)은 상기 생산시점 관리모듈(110)에서 제공되는 스마트 팩토리(10)의 가동상태와 제품의 수율간 상관관계를 기계 학습(machine learning)하여, 수율 변화에 영향을 주는 스마트 팩토리(10)의 가동상태 정보를 제품생산 관리모듈(140)에 제공한다.
일 예로 생산시점 관리모듈(110)이 제조설비(11)에 설치된 센서(12)나 로직 컨트롤러(13)로부터 해당 제조설비의 운전 정보를 수집하여 제공하고, 이와 같이 감시중인 제조설비의 운전 상황에 따른 수율을 기계 학습한다. 학습된 데이터는 장래의 제조설비 운전 계획에 반영될 수 있으며, 이상 발생이 예상되는 경우에는 즉시 가동 중단이나 유지 보수를 진행하게 된다.
생산자원 관리모듈(130)은 제품 수주 현황과 주문된 제품을 제조하는데 이용되는 원재료나 반제품에 대한 재고를 관리한다. 재고 관리는 잔여 물량은 물론, 창고에 설치된 RFID 리더(reader)를 통해 실시간 출입 현황도 포함된다.
특히, 본 발명에서 생산자원 관리모듈(130)은 원재료나 반제품의 보관 환경을 기록한다. 보관 환경은 적어도 입고 날짜, 보관 장소, 원료 속성 및 온도와 습도를 비롯한 환경 정보 중 어느 하나 이상을 포함한다.
이때, 생산자원 관리모듈(130)은 생산되는 제품이 갖춰야 하는 속성 정보를 제공받아, 분석된 생산 제품의 속성 정보를 기초로 해당 원재료나 반제품이 보관되는 환경 정보에 대한 적부 평가를 수행한다.
속성 정보에는 제품이 갖추어야 하는 기준치는 물론 배제되어야 하는 특성 등이 포함되며, 실시예로써 식품이나 화장품의 경우 맛, 효능, 물성 및 보존기간 등을 비롯하여 다양한 속성 정보를 제공될 수 있다.
제품생산 관리모듈(140)은 스마트 팩토리(10)의 가동 상태에 따른 수율을 분석하여 스마트 팩토리(10)의 운영을 관리하는 것으로, 기일(due date)을 포함한 수주 현황이나 수율 변화에 따라 제조설비의 선택, 작업 순서, 원재료 선택 및 작업 속도를 비롯하여 제품 생산과 관련된 프로세스를 조절한다.
다만, 제품생산 관리모듈(140)은 스마트 팩토리(10)의 가동 상태에 따른 수율 및 상기 생산자원 관리모듈(130)에 의해 관리되는 환경 정보에 대한 적부 평가를 분석하여 스마트 팩토리(10)의 운영을 관리하는 것이 바람직하다.
이와 같이 수율 이외에 생산자원 관리모듈(130)에서 제공하는 환경 정보에 대한 적부 평가 정보를 더 반영하면, 스마트 팩토리(10)에서의 작업 환경을 반영하여 최적의 조건으로 제품 생산을 가능하게 한다.
예컨대, 데이터베이스 서버(220)에 저장된 환경 정보를 읽어들여 제품 생산에 사용되는 원료가 저온 보관 상태에서 작업해야 하는 것으로 판독되면, 해당 원료를 저온 생산 라인에 투입하고, 또한 작업 속도를 상온에서보다 빠르게 진행시키는 등 환경 정보에 따라 제품 생산을 다르게 조절한다.
다만, 제품생산 관리모듈(140)에서의 생산 관리 모드와 관련하여, 상기 생산시점 관리모듈(110)은 스마트 팩토리(10)에 구비된 각 전력 노드(power node)에서의 전력 사용량을 실시간 수집하여 각 전력 노드별로 제품 생산시 사용되는 전력 사용 패턴을 분석한다. 전력 노드는 조명등이나 제조설비와 같은 전력 부하는 물론 콘센트나 차단기 등의 커넥터 계열도 포함한다.
또한, 정상적인 제품 생산시의 전력 사용 패턴을 데이터베이스화하여, 실시간 분석 결과에 따라 현재의 전력 사용 패터과 비교하고, 그 결과 설정된 오차 범위를 벗어난 값으로 판독되는 경우 생산 제품의 특성정보와 함께 모니터링 모듈(160)을 통해 운용자에게 알린다.
또한, 제품생산 관리모듈(140)은 수주 현황에 따라 스마트 팩토리(10)의 가동율을 조절하되, 위와 같이 생산시점 관리모듈(110)에서 제공되는 전력 사용 패턴을 입력받아 스마트 팩토리(10)의 가동율에 따라 제조설비를 차등 동작시킨다.
예컨대, 스마트 팩토리(10)의 가동율을 감소시킬 필요가 있는 경우에는 전력 공급 중단이 가능한 제조설비들을 추출하며, 중단 순서를 선택할 수 있도록 전력 소모량이 큰 제조설비의 순서를 결정한다.
반면 스마트 팩토리(10)의 가동율이 증가하는 경우에는 전력 공급 시작이 가능한 제조설비들을 추출하여, 공급 순서를 선택하도록 전력 소모량이 작은 제조설비의 순서를 결정한다. 이를 통해 전력 낭비를 방지하고 효율을 향상시킨다.
한편, 생산공정 관리모듈(150)은 제품 수주 현황과 재고 현황에 따라 스마트 팩토리(10)에서의 제품 생산 일정을 관리하는 것으로, 제품 생산량에서 불량율을 뺀 최종 수량을 파악하여 제품 생산 기일을 맞출 수 있도록 관리한다.
도 5와 같이, 생산공정 관리모듈(150)은 실시예로써 제품정보 제공부(151), 생산능력 관리부(152) 및 스케쥴 관리부(153)를 포함하며, 제품정보 제공부(151)에서는 데이터베이스 서버(220)에 저장된 데이터를 읽어들여 생산 제품의 특성정보를 제공한다.
생산능력 관리부(152)는 스마트 팩토리(10)에 설치된 제조설비의 생산용량을 기반으로 제조업체에서 생산 가능한 각 품목별 제품생산능력을 관리하며, 이때 생산 제품의 특성정보를 반영한다. 스케쥴 관리부(153)는 생산 주문 요청시, 스마트 팩토리(10)에서의 제품생산능력에 따라 제품 생산 스케쥴을 관리한다.
제품 수주 현황은 이미 수주를 마친 것 이외에 소비자의 반응에 따라 향후 예상되는 예상 수주량도 포함할 수 있으며, 재고 현황은 제품 원료의 잔여 수량에서 향후 원료가 들어올 시기 및 입고양을 고려한다.
예컨대, 화장품 제조업체의 경우 완제품, 반제품, 원료 및 가동 상태를 비롯한 여러 현황을 파악하고, 소비자의 주문에 따라 피부 상태를 반영하여 조제된 맞춤형 화장품을 스마트 팩토리(10)에서 실시간 생산할 수 있게 한다.
따라서, 본 발명은 소비자 반응을 실시간 수집하여 그 수집된 소비자 반응을 기반으로 품질 관리, 생산량 및 재고량을 예측할 수 있게 한다. 또한 소비자의 주문에 실시간 대응하고, 유연하고 탄력적인 생산 계획을 수립할 수 있게 한다.
소비자의 반응은 바람직하게는 소비자가 남긴 글을 구문 분석(syntactic analysis)하여 파악한다. 이를 위해 본 발명은 빅데이터와 함께 인공지능 기능을 더 포함하여 이를 이용할 수 있다.
구문 분석은 일 예로 제조, 제조업체나 판매업체의 게시판 및 각종 소셜 네트워크 등에 게시된 글을 웹 크롤러(crawler)를 통해 수집하여, 해당 제품에 대한 사용 후기에 대한 긍정/부정 반응 등을 추출하고, 이를 분류(classification)하는 방식을 적용할 수 있다.
도 6과 같이, 모니터링 모듈(160)은 스마트 팩토리(10)의 가동 현황을 운영자가 인식 가능한 포맷으로 변환하여 운영자 단말기로 전송하는 것으로, 정보 분류부(141), 사용자 인터페이스부(142) 및 통신 인터페이스부(143)를 포함한다.
구체적으로, 도 7 내지 도 9와 같이, 모니터링 모듈(160)은 생산시점 관리모듈(110)에서 수집한 제조설비(11)의 센싱 데이터 및 로직 컨트롤러(12)의 실행 데이터 등을 조합하여 설비 가동율, 생산량 및 불량율 등을 제공한다.
또한, 디지털 트윈 모듈(170)에 의한 예측 상황 정보를 비롯한 여러 정보를 운영자 단말기에 제공할 수 있다. 디지털 트윈 모듈(170)은 시뮬레이션 가능한 가상의 제조설비 환경을 제공하는 것으로 이에 대해서는 아래에서 다시 설명한다.
그 중 정보 분류부(141)는 생산시점 관리모듈(110) 및 디지털 트윈 모듈(170) 등에서 제공된 제조설비의 감시 및 예측 현황을 설정된 데이터 종류별로 분류한다. 예컨대, 감시 정보, 예측 정보 및 통계 정보 등을 종류별로 분류하여 제공한다.
또한, 정보 분류부(141)는 입고정보, 재고정보, 출하정보, 제조설비별 운전 정보, 생산량, 불량율, 종합 생산정보, 이동형 장비(14)의 위치나 동선 및 작업 인력의 효율 등을 제공한다.
이때, 입고정보, 재고정보 및 출하정보를 통해 제품의 생산량, 잔여량 및 이동 정보를 제공하고, 챠트나 그래프 형식 등으로 제공되는 제조설비별 생산정보나 종합 생산정보 등을 통해 제조 효율성을 실시간 판단할 수 있게 한다.
사용자 인터페이스부(142)는 정보 분류부(141)에 의해 분류된 예측 현황을 시각적으로 인식 가능한 정보로 변환하고, 통신 인터페이스부(143)는 사용자 인터페이스부(142)에 의해 생성된 제조설비 예측 현황 정보를 운영자 단말기로 전송한다.
다만, 사용자 인터페이스부(142)는 제조설비의 상태를 위험도에 따라 정상(normal), 알람(alarm) 및 위험(danger)으로 분류하고, 제조설비의 모델에 각각 정상, 알람 및 위험 중 어느 하나를 표시하여 운영자 단말기에 제공하는 것이 바람직하다.
따라서, 운영자는 운영자 단말기를 통해 제공되는 제조설비의 상태를 정상, 알람 및 위험을 포함한 단계별 정보로 제공받고, 정상을 제외한 알람이나 위험 상태의 경우에는 즉시 조치를 취할 수 있게 한다.
이때, 정상 표시는 투명 또는 반투명의 배경에 투명 또는 반투명 상태의 정상 상태 표기(예: '정상'이라는 문구 등)가 이루어지는 것이 바람직하다. 반면, 알람이나 위험은 각각 노란색과 빨간색 등의 불투명한 상태로 표현한다.
정상 상태를 투명 혹은 반투명하게 표시하고, 그에 반해 알람이나 위험의 경우에는 시인성이 높아지도록 불투명한 상태로 표시하면, 알람이나 위험한 상태의 제조설비를 상대적으로 정확하고 빠르게 찾을 수 있게 된다.
한편, 디지털 트윈 모듈(170)은 디지털 트윈(Digital Twin) 방식에 기반하여 CPS(Cyber Physical System)의 스마트 팩토리(10)를 운영한다.
디지털 트윈은 스마트 팩토리(10)의 제조설비와 동일한 환경을 소프트웨어로 복제하여 컴퓨팅 장치에서 구현되며, 제조설비의 운영상황과 제품 수주정보를 시뮬레이션 모델에 적용하여 예측 현황을 생성한다.
이러한 디지털 트윈 모듈(170)은 현실 세계의 제조설비나 기계 등과 같은 물리적 사물을 가상공간에 디지털(S/W)로 동일하게 구현하는 기술로서 3D로 구현된 가상세계에서 시뮬레이션을 통해 시스템의 상태를 이해하고 제조설비의 배치나 빠른 업무 결정 및 사전 작업을 통해 현장에서의 돌발 상황 및 변화에 대응하여 문제 해결 및 가치를 향상시키는 역할을 한다.
디지털 트윈을 구현하기 위해, 실시예로서 2D/3D로 설계된 데이터를 기반으로 사물을 디지털화하고 시뮬레이션 후 최적화된 설계로 제조설비의 배치 및 유지관리 등에 활용할 수 있으며, 이를 통해 계획-준비-설계-시공-유지 보수의 업무를 원활하게 진행시킬 수 있게 한다.
도 10과 같이, 디지털 트윈 모듈(170)은 가상 팩토리 생성부(171)와, 모델링부(172) 및 예측관리부(173)을 포함한다. 그 중 가상 팩토리 생성부(171)는 스마트 팩토리(10)의 제조설비와 동일한 환경을 소프트웨어로 복제하여 디지털 환경(예: 프로그램에 의해 실행되는 메모리)상에 구현한다.
모델링부(172)는 상기 가상 팩토리 생성부(171)에 구현된 제조설비(11)의 운영 환경을 분석하기 위한 시뮬레이션 모델을 구축한다. 예측관리부(173)는 운영상황과 주문정보를 입력받아 시뮬레이션 모델에 적용하며, 시뮬레이션 모델에 위 입력값들을 대입하면 제조설비의 예측 현황이 생성되고 이를 운영자에 제공한다.
제조설비의 감시를 통해 획득한 운영상황 및 주문(수주)정보를 소정의 시뮬레이션 모델에 적용하면, 현재 제조설비의 가동 상태에 기초하여 주문정보에 따른 향후 계획을 설계한 예측 현황을 제공할 수 있게 된다. 예컨대, 잔여 원재료, 원재료 주문, 제품생산 시간, 제품생산 가능 영부 등을 비롯한 여러 예측 현황을 제공할 수 있게 된다.
또한, 시뮬레이션 모델은 스마트 팩토리(10) 내에 설치된 제조설비의 용량이나 기능성 등과 현재 가동되는 상태를 비교하고, 그와 함께 각종 센서에서 감지한 제조설비의 운전 상태 정보를 함께 분석하여 해당 제조설비의 이상 발생 여부를 미연에 예측할 수 있게 된다.
다만, 디지털 트윈 플랫폼(130)은 서로 다른 다수의 스마트 팩토리(10)에 설치된 제조설비의 예측 현황을 각각 생성하는 것이 바람직한데, 하나의 디지털 트윈 플랫폼(130)에서 여러 스마트 팩토리(10: 10a, 10b)의 예측 현황을 제공하면 스마트 팩토리(10)들 간의 연동이 가능해 진다.
따라서, 제품생산 관리모듈(140)은 디지털 트윈 플랫폼(130)으로부터 각 스마트 팩토리(10)의 제조설비 예측 현황을 제공받아 제품생산을 결정할 수 있게 된다. 예컨대, 제조설비 현황에 따라 스마트 팩토리(10)들간 제품생산을 위한 업무를 분담하거나, 협력하거나 또는 이전할 수 있게 한다.
업무 분담, 협력 또는 이전의 대상이 되는 스마트 팩토리(10)는 시뮬레이션 모델에 의해 디지털 트윈 플랫폼(130)에서 제품을 적기에 생산 가능한 것으로 예측된 다른 스마트 팩토리(10)가 선택된다.
구체적으로, 디지털 트윈 플랫폼(130)은 각 스마트 팩토리(10)의 제조설비에서 생산 가능한 품목, 개수 및 생산 소요 시간을 예측하여 제품생산 관리모듈(140)에 제공한다.
이에 따라 제품생산 관리모듈(140)은 적어도 어느 하나의 스마트 팩토리(10)에서 제품을 적기에 생산하지 못하는 경우 다른 스마트 팩토리(10)로 생산 주문을 이전할 수 있게 한다. 여기에는 제조설비의 이상 발생이 예상되는 경우도 포함될 수 있다.
특히, 디지털 트윈 플랫폼(130)은 다수의 스마트 팩토리(10)들 중 공동작업이 가능한 다수의 스마트 팩토리(10)에 각각 배치된 제조설비 모두를 통합한 환경을 소프트웨어로 복제하여 통합 디지털 환경에 구현할 수 있다.
또한, 위와 같이 적기에 제품을 생산하지 못하는 스마트 팩토리(10)를 포함하여 통합 디지털 환경에서 실행되는 시뮬레이션 모델을 통해 제품을 적기에 생산할 수 있는 스마트 팩토리(10)들의 조합을 예측할 수 있다.
즉, 다수의 스마트 팩토리(10)에 각각 배치된 제조설비들을 모두 포함하는 디지털 환경에서, 다수의 스마트 팩토리(10) 모두의 제조설비들을 모델로 하는 시뮬에 의해 이들 자원 모두를 최적으로 활용하는 방안을 선택하고 이를 예측값으로 제공할 수 있다.
예측에는 제조설비 뿐만 아니라 각 스마트 팩토리(10) 마다 재고로 가지고 있는 원재료 및 반제품 등도 포함될 수 있다. 어느 곳은 부족하고 다른 곳은 여유가 있는 등 각 스마트 팩토리(10) 마다 현재 보유중인 원재료, 반제품 및 제조설비 등이 다르기 때문에 공동작업이 가능한 스마트 팩토리(10)들의 자원을 통합하여 가장 효율이 좋은 조합을 선택하는 것이다.
스마트 팩토리(10)들의 조합(cowork) 결과는 제품생산 관리모듈(140)에 제공되며, 운영관리 플랫폼(120)은 이를 근거로 적기에 제품을 생산하지 못하는 스마트 팩토리(10)의 생산을 다른 공동작업의 스마트 팩토리(10)로 이전하거나 함께 수행할 수 있게 된다.
다만, 스마트 팩토리(10)간 생산 주문 이전은 통상적이라면 동일한 기업 내에서 이루어지는 것이 대부분일 것이나, 경우에 따라서는 계약에 의해 협약이 이루어진 서로 다른 기업간에도 이루어질 수 있으며, 생산 주문의 이전은 완제품 전체 개수 중 일부나 전부는 물론, 원재료나 반제품의 이전도 포함될 수 있다.
이 경우 제품생산 관리모듈(140)은 생산 주문 이전시 원자재, 반제품 및 완제품 중 필요한 것에 대한 디지털 주문서를 생성하여 다른 스마트 팩토리(10)에 전송할 수 있으며, 비용 산출부(도시 생략)에 의해 이전에 따른 비용 처리를 자동으로 수행할 수 있다.
일 예로 완제품 중 일부나 전부를 이전하였으면 그 이전된 제품의 제조 비용을 산출하고, 원자재나 반제품을 이전하였으면 전체 완제품 제조비용 중 원자재나 이미 제작한 반제품의 비용을 제외하는 등 필요한 비용 산출을 통해 협력 관계에 있는 스마트 팩토리(10) 사이에 비용 분담을 명확히 할 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 통합 제조 운영 관리 방법에 대해 상세히 설명한다.
다만, 이하에서 설명하는 통합 제조 운영 관리 방법은 실시예로써 위에서 설명한 통합 제조 운영 관리 시스템에서 실행되므로 이하에서는 가급적 반복적인 설명은 생략한다.
도 11과 같이, 본 발명에 따른 통합 제조 운영 관리 방법은 가동 상태 감시단계(S110), 제품 품질 감시단계(S120), 재고 관리단계(S130), 운영 관리단계(S140), 생산 일정 관리단계(S150) 및 감시 정보 제공단계(S160)를 포함한다.
이러한 본 발명에 따른 통합 제조 운영 관리 방법은 각 단계가 순차로 진행되는 것이 바람직하나, 필요에 따라서는 각 단계가 동시에 진행되거나 일부 순서가 바뀌어 진행될 수 있다.
이때, 본 발명은 적어도 하나 이상의 모듈이나 플랫폼으로 구성된 서버에서 구현될 수 있으며, 반응형 웹을 제공하는 웹 서버(210)를 통해 생산업체, 주문기업 및 소비자 등에 웹 서비스를 제공할 수 있다.
또한, 데이터베이스 서버(220)와 연동되어 빅데이터 서비스를 제공할 수 있으며, 적어도 하나 이상의 스마트 팩토리(10)와 연결되어 데이터를 수집 및 분석하며, 원료 공급처나 다른 제조업체 등 다양한 협력업체와도 협력이 가능하다.
이러한 본 발명에 의하면 스마트 팩토리(10)에서 생성된 데이터를 수집 및 분석하고, 이를 기반으로 스마트 팩토리(10)에서의 인적, 물적 자원을 통합하여 효율적으로 운영할 수 있게 한다. 또한, ERP, MES, SCM 및 MRP를 비롯한 여러 제조 운영 시스템을 통합한다.
따라서, 기업의 제조, 운영에 필요한 시스템을 통합하여 기업 맞춤형으로 제공하고, 소비자와의 연계까지 가능하게 함으로써, 제조업체에서의 불필요한 기능을 최소화하고 제조업체에서의 시스템 운영에 대한 부담을 줄인다.
이를 위해, 상기 가동 상태 감시단계(S110)에서는 생산시점 관리모듈(110)을 통해 스마트 팩토리(10)의 가동 상태를 감시한다. 스마트 팩토리(10)는 제품의 생산과정에 디지털 자동화 솔루션이 적용된 공장으로 다양한 상황 변경에서도 효율적인 제조의 최적화 달성을 위한 사이버 물리 시스템(CPS)을 채택하며, 각종 품목의 제품을 자동화 방식으로 생산한다.
이러한 생산시점 관리모듈(110)에 의해 감시되는 스마트 팩토리(10)의 가동 상태에는 직접 제품 생산에 이용되는 제조설비(11), 센서를 포함한 각종 IoT 기기(12) 및 자동화를 위한 로직 제어기(PLC)(13) 뿐만 아니라 지게차와 같이 공장 내외에서 사용되는 이동형 장비(14)의 작동 상태를 포함한다.
특히, 생산시점 관리모듈(110)은 다수의 제조설비 중 적어도 하나 이상에 설치된 센서 또는 로직 제어기(PLC) 로부터 감지값을 입력받아 스마트 팩토리(10)의 가동 상태를 감시한다.
감시된 정보는 모니터링 모듈(160)을 통해 운영자 단말에 실시간 제공되며, 그와 동시에 데이터베이스 서버(220)에 기록되어 운영 현황을 예측하는데 이용되고, 웹 서버(210)를 통해 실시간 제공될 수 있다.
다만, 생산시점 관리모듈(110)은 서로 다른 지역에 설치된 다수의 스마트 팩토리(10)에 설치된 제조설비들을 동시에 감시하여, 협력관계에 있는 다수의 스마트 팩토리(10)들의 가동 상태를 동시에 감시하는 것이 바람직하다.
스마트 팩토리(10)는 기업별로 하나 또는 다수개로 구성될 수 있고, 스마트 팩토리(10)에서의 생산 제품은 서로 다른 종류이거나 일부는 동일할 수 있으며, 협의가 있는 경우 서로 다른 기업의 스마트 팩토리(10)들간 생산능력, 원재료 혹은 반제품 등의 사용을 협력할 수 있다.
또한, 생산시점 관리모듈(110)을 통해 스마트 팩토리(10) 내외에서 운영되는 이동형 장비(14)에서 발생된 위치정보신호를 수집하여 이동형 장비(14)의 동선이 포함된 위치정보를 운영자 단말기로 전송한다.
대표적인 이동형 장비(14)로는 지게차가 있으며 그 외 물품을 운반하는 화물 차량 등도 포함할 수 있다. 지게차의 경우 현재 작업 중인 위치를 운영자 단말기에 제공함으로써 작업 현황을 파악하는데 이용된다.
이때, 이동형 장비(14)는 배터리 충전전원에 의해 구동되는 전기식 작업장치를 포함하며, 생산시점 관리모듈(110)은 전기식 작업장치가 충전기에 접속되면 충전중인 것을 감지하고, 충전중인 전기식 작업장치를 대체할 수 있는 적어도 하나 이상의 장비 위치를 추출하여 운영자 단말기로 전송한다.
다음, 제품 품질 감시단계(S120)에서는 공정품질 관리모듈(120)을 통해 스마트 팩토리(10)에서 생산되는 제품의 생산량과 불량율을 포함하는 수율(yield)을 감시한다. 수율은 현재의 생산 현황을 포함하며, 제조설비(11)에 설치된 센서를 통해 각 제조설비의 가동 현황 데이터를 입력받아 분석한다.
실시예로 공정품질 관리모듈(120)은 다수의 제조설비 중 적어도 하나 이상에 설치된 센서나 제조설비(11)를 제어하는 로직 컨트롤러(13)로부터 감지값을 입력받는다. 센서는 IoT를 구성하는 IoT 망의 노드를 구성하는 IoT 센서(21)일 수 있다.
또한, 공정품질 관리모듈(120)은 다수의 서로 다른 스마트 팩토리(10)에 각각 설치된 제조설비들을 감시하고, 각 스마트 팩토리(10)에서 감시된 제조설비의 운영상황 정보에 스마트 팩토리(10)를 특정하는 분류 코드를 결합할 수 있다.
센서나 관리자 등을 통해 획득한 제조설비의 운영상황이 포함된 데이터 스트림이나 패킷(packet) 데이터를 생성할 수 있으며, 그 헤더 파일에 스마트 팩토리(10)를 구분하는 분류 코드를 첨부하여 전송할 수 있다. 이와 같이 분별되는 스마트 팩토리(10) 정보를 이용하여 여러 스마트 팩토리(10)의 수율을 종합하여 생산 계획을 세울 수 있게 된다.
또한, 제품 품질 감시단계(S120)에서 상기 생산시점 관리모듈(110)에서 제공되는 스마트 팩토리(10)의 가동상태와 제품의 수율간 상관관계를 기계 학습하여, 수율 변화에 영향을 주는 스마트 팩토리(10)의 가동상태 정보를 제품생산 관리모듈(140)에 제공할 수 있다.
일 예로 생산시점 관리모듈(110)이 제조설비(11)에 설치된 센서(12)나 로직 컨트롤러(13)로부터 해당 제조설비의 운전 정보를 수집하여 제공하고, 이와 같이 감시중인 제조설비의 운전 상황에 따른 수율을 기계 학습한다. 학습된 데이터는 장래의 제조설비 운전 계획에 반영될 수 있으며, 이상 발생이 예상되는 경우에는 즉시 가동 중단이나 유지 보수를 진행하게 된다.
다음, 재고 관리단계(S130)에서는 생산자원 관리모듈(130)을 통해 제품 수주 현황과 주문된 제품을 제조하는데 이용되는 원재료나 반제품에 대한 재고를 관리한다. 재고 관리는 잔여 물량은 물론, 창고에 설치된 RFID 리더(reader)를 통해 실시간 출입 현황도 포함된다.
특히, 본 발명에서 생산자원 관리모듈(130)은 원재료나 반제품의 보관 환경을 기록한다. 보관 환경은 적어도 입고 날짜, 보관 장소, 원료 속성 및 온도와 습도를 비롯한 환경 정보 중 어느 하나 이상을 포함한다.
이때, 생산자원 관리모듈(130)은 생산되는 제품이 갖춰야 하는 속성 정보를 제공받아, 분석된 생산 제품의 속성 정보를 기초로 해당 원재료나 반제품이 보관되는 환경 정보에 대한 적부 평가를 수행한다.
속성 정보에는 제품이 갖추어야 하는 기준치는 물론 배제되어야 하는 특성 등이 포함되며, 실시예로써 식품이나 화장품의 경우 맛, 효능, 물성 및 보존기간 등을 비롯하여 다양한 속성 정보를 제공될 수 있다.
다음, 운영 관리단계(S140)에서는 제품생산 관리모듈(140)을 통해 스마트 팩토리(10)의 가동 상태에 따른 수율을 분석하여 스마트 팩토리(10)의 운영을 관리하는 것으로, 기일(due date)을 포함한 수주 현황이나 수율 변화에 따라 제조설비의 선택, 작업 순서, 원재료 선택 및 작업 속도를 비롯하여 제품 생산과 관련된 프로세스를 조절한다.
다만, 제품생산 관리모듈(140)은 스마트 팩토리(10)의 가동 상태에 따른 수율 및 상기 생산자원 관리모듈(130)에 의해 관리되는 환경 정보에 대한 적부 평가를 분석하여 스마트 팩토리(10)의 운영을 관리하는 것이 바람직하다.
이와 같이 수율 이외에 생산자원 관리모듈(130)에서 제공하는 환경 정보에 대한 적부 평가 정보를 더 반영하면, 스마트 팩토리(10)에서의 작업 환경을 반영하여 최적의 조건으로 제품 생산을 가능하게 한다.
또한, 본 발명은 생산 관리 모드와 관련하여, 생산시점 관리모듈(110)을 통해 스마트 팩토리(10)에 구비된 각 전력 노드(power node)에서의 전력 사용량을 실시간 수집하여 각 전력 노드별로 제품 생산시 사용되는 전력 사용 패턴을 분석한다. 전력 노드는 조명등이나 제조설비와 같은 전력 부하는 물론 콘센트나 차단기 등의 커넥터 계열도 포함한다.
또한, 정상적인 제품 생산시의 전력 사용 패턴을 데이터베이스화하여, 실시간 분석 결과에 따라 현재의 전력 사용 패터과 비교하고, 그 결과 설정된 오차 범위를 벗어난 값으로 판독되는 경우 생산 제품의 특성정보와 함께 모니터링 모듈(160)을 통해 운용자에게 알린다.
이때, 제품생산 관리모듈(140)은 수주 현황에 따라 스마트 팩토리(10)의 가동율을 조절하되, 위와 같이 생산시점 관리모듈(110)에서 제공되는 전력 사용 패턴을 입력받아 스마트 팩토리(10)의 가동율에 따라 제조설비를 차등 동작시킨다.
예컨대, 스마트 팩토리(10)의 가동율을 감소시킬 필요가 있는 경우에는 전력 공급 중단이 가능한 제조설비들을 추출하며, 중단 순서를 선택할 수 있도록 전력 소모량이 큰 제조설비의 순서를 결정한다.
반면 스마트 팩토리(10)의 가동율이 증가하는 경우에는 전력 공급 시작이 가능한 제조설비들을 추출하여, 공급 순서를 선택하도록 전력 소모량이 작은 제조설비의 순서를 결정한다. 이를 통해 전력 낭비를 방지하고 효율을 향상시킨다.
다음, 생산 일정 관리단계(S150)에서는 생산공정 관리모듈(150)을 통해 제품 수주 현황과 재고 현황에 따라 스마트 팩토리(10)에서의 제품 생산 일정을 관리하며, 제품 생산량에서 불량율을 뺀 최종 수량을 파악하여 제품 생산 기일을 맞출 수 있게 한다.
이를 위해 생산공정 관리모듈(150)는 제품정보 제공부(151)를 통해 데이터베이스 서버(220)에 저장된 데이터를 읽어들여 생산 제품의 특성정보를 제공한다. 또한, 생산능력 관리부(152)에서 스마트 팩토리(10)에 설치된 제조설비의 생산용량을 기반으로 제조업체에서 생산 가능한 각 품목별 제품생산능력을 관리하며, 이때 생산 제품의 특성정보를 반영한다. 스케쥴 관리부(153)는 생산 주문 요청시, 스마트 팩토리(10)에서의 제품생산능력에 따라 제품 생산 스케쥴을 관리한다.
제품 수주 현황은 이미 수주를 마친 것 이외에 소비자의 반응에 따라 향후 예상되는 예상 수주량도 포함할 수 있으며, 재고 현황은 제품 원료의 잔여 수량에서 향후 원료가 들어올 시기 및 입고양을 고려한다.
따라서, 본 발명은 소비자 반응을 실시간 수집하여 그 수집된 소비자 반응을 기반으로 품질 관리, 생산량 및 재고량을 예측할 수 있게 한다. 또한 소비자의 주문에 실시간 대응하고, 유연하고 탄력적인 생산 계획을 수립할 수 있게 한다.
소비자의 반응은 바람직하게는 소비자가 남긴 글을 구문 분석(syntactic analysis)하여 파악한다. 이를 위해 본 발명은 빅데이터와 함께 인공지능 기능을 더 포함하여 이를 이용할 수 있다.
다음, 감시 정보 제공단계(S160)에서는 모니터링 모듈(160)을 통해 스마트 팩토리(10)의 가동 현황을 운영자가 인식 가능한 포맷으로 변환하여 운영자 단말기로 전송한다.
구체적으로, 모니터링 모듈(160)은 생산시점 관리모듈(110)에서 수집한 제조설비(11)의 센싱 데이터 및 로직 컨트롤러(12)의 실행 데이터 등을 조합하여 설비 가동율, 생산량 및 불량율 등을 제공한다.
또한, 디지털 트윈 모듈(170)에 의한 예측 상황 정보를 비롯한 여러 정보를 운영자 단말기에 제공할 수 있다. 디지털 트윈 모듈(170)은 위에서 설명한 바와 같이 시뮬레이션 가능한 가상의 제조설비 환경을 제공한다.
이때, 모니터링 모듈(160)의 정보 분류부(141)는 생산시점 관리모듈(110) 및 디지털 트윈 모듈(170) 등에서 제공된 제조설비의 감시 및 예측 현황을 설정된 데이터 종류별로 분류한다. 예컨대, 감시 정보, 예측 정보 및 통계 정보 등을 종류별로 분류하여 제공한다.
또한, 정보 분류부(141)는 입고정보, 재고정보, 출하정보, 제조설비별 운전 정보, 생산량, 불량율, 종합 생산정보, 이동형 장비(14)의 위치나 동선 및 작업 인력의 효율 등을 제공한다.
또한, 입고정보, 재고정보 및 출하정보를 통해 제품의 생산량, 잔여량 및 이동 정보를 제공하고, 챠트나 그래프 형식 등으로 제공되는 제조설비별 생산정보나 종합 생산정보 등을 통해 제조 효율성을 실시간 판단할 수 있게 한다.
사용자 인터페이스부(142)는 정보 분류부(141)에 의해 분류된 예측 현황을 시각적으로 인식 가능한 정보로 변환하고, 통신 인터페이스부(143)는 사용자 인터페이스부(142)에 의해 생성된 예측 현황을 운영자 단말기로 전송한다.
다만, 사용자 인터페이스부(142)는 제조설비의 상태를 위험도에 따라 정상(normal), 알람(alarm) 및 위험(danger)으로 분류하고, 제조설비의 모델에 각각 정상, 알람 및 위험 중 어느 하나를 표시하여 운영자 단말기에 제공하는 것이 바람직하다.
따라서, 운영자는 운영자 단말기를 통해 제공되는 제조설비의 상태를 정상, 알람 및 위험을 포함한 단계별 정보로 제공받고, 정상을 제외한 알람이나 위험 상태의 경우에는 즉시 조치를 취할 수 있게 한다.
이때, 정상 표시는 투명 또는 반투명의 배경에 투명 또는 반투명 상태의 정상 상태 표기(예: '정상'이라는 문구 등)가 이루어지는 것이 바람직하다. 반면, 알람이나 위험은 각각 노란색과 빨간색 등의 불투명한 상태로 표현한다.
한편, 본 발명은 바람직한 다른 실시예로써 디지털 트윈 모듈(170)을 통해 디지털 트윈(Digital Twin) 방식에 기반하여 CPS(Cyber Physical System)의 스마트 팩토리(10)를 운영할 수 있다.
디지털 트윈은 스마트 팩토리(10)의 제조설비와 동일한 환경을 소프트웨어로 복제하여 컴퓨팅 장치에서 구현되며, 제조설비의 운영상황과 제품 수주정보를 시뮬레이션 모델에 적용하여 예측 현황을 생성한다.
디지털 트윈 모듈(170)은 가상 팩토리 생성부(171)와, 모델링부(172) 및 예측관리부(173)을 포함한다. 그 중 가상 팩토리 생성부(171)는 스마트 팩토리(10)의 제조설비와 동일한 환경을 소프트웨어로 복제하여 디지털 환경(예: 프로그램에 의해 실행되는 메모리)상에 구현한다.
모델링부(172)는 상기 가상 팩토리 생성부(171)에 구현된 제조설비(11)의 운영 환경을 분석하기 위한 시뮬레이션 모델을 구축한다. 예측관리부(173)는 운영상황과 주문정보를 입력받아 시뮬레이션 모델에 적용하며, 시뮬레이션 모델에 위 입력값들을 대입하면 제조설비의 예측 현황이 생성되고 이를 운영자에 제공한다.
제조설비의 감시를 통해 획득한 운영상황 및 주문(수주)정보를 소정의 시뮬레이션 모델에 적용하면, 현재 제조설비의 가동 상태에 기초하여 주문정보에 따른 향후 계획을 설계한 예측 현황을 제공할 수 있게 된다. 예컨대, 잔여 원재료, 원재료 주문, 제품생산 시간, 제품생산 가능 영부 등을 비롯한 여러 예측 현황을 제공할 수 있게 된다.
또한, 시뮬레이션 모델은 스마트 팩토리(10) 내에 설치된 제조설비의 용량이나 기능성 등과 현재 가동되는 상태를 비교하고, 그와 함께 각종 센서에서 감지한 제조설비의 운전 상태 정보를 함께 분석하여 해당 제조설비의 이상 발생 여부를 미연에 예측할 수 있게 된다.
다만, 디지털 트윈 플랫폼(130)은 서로 다른 다수의 스마트 팩토리(10)에 설치된 제조설비의 예측 현황을 각각 생성하는 것이 바람직한데, 하나의 디지털 트윈 플랫폼(130)에서 여러 스마트 팩토리(10: 10a, 10b)의 예측 현황을 제공하면 스마트 팩토리(10)들 간의 연동이 가능해 진다.
따라서, 제품생산 관리모듈(140)은 디지털 트윈 플랫폼(130)으로부터 각 스마트 팩토리(10)의 제조설비 예측 현황을 제공받아 제품생산을 결정할 수 있게 된다. 예컨대, 제조설비 현황에 따라 스마트 팩토리(10)들간 제품생산을 위한 업무를 분담하거나, 협력하거나 또는 이전할 수 있게 한다.
특히, 디지털 트윈 플랫폼(130)은 다수의 스마트 팩토리(10)들 중 공동작업이 가능한 다수의 스마트 팩토리(10)에 각각 배치된 제조설비 모두를 통합한 환경을 소프트웨어로 복제하여 통합 디지털 환경에 구현할 수 있다.
또한, 위와 같이 적기에 제품을 생산하지 못하는 스마트 팩토리(10)를 포함하여 통합 디지털 환경에서 실행되는 시뮬레이션 모델을 통해 제품을 적기에 생산할 수 있는 스마트 팩토리(10)들의 조합을 예측할 수 있다.
즉, 다수의 스마트 팩토리(10)에 각각 배치된 제조설비들을 모두 포함하는 디지털 환경에서, 다수의 스마트 팩토리(10) 모두의 제조설비들을 모델로 하는 시뮬에 의해 이들 자원 모두를 최적으로 활용하는 방안을 선택하고 이를 예측값으로 제공할 수 있다.
예측에는 제조설비 뿐만 아니라 각 스마트 팩토리(10) 마다 재고로 가지고 있는 원재료 및 반제품 등도 포함될 수 있다. 어느 곳은 부족하고 다른 곳은 여유가 있는 등 각 스마트 팩토리(10) 마다 현재 보유중인 원재료, 반제품 및 제조설비 등이 다르기 때문에 공동작업이 가능한 스마트 팩토리(10)들의 자원을 통합하여 가장 효율이 좋은 조합을 선택하는 것이다.
스마트 팩토리(10)들의 조합(cowork) 결과는 제품생산 관리모듈(140)에 제공되며, 운영관리 플랫폼(120)은 이를 근거로 적기에 제품을 생산하지 못하는 스마트 팩토리(10)의 생산을 다른 공동작업의 스마트 팩토리(10)로 이전하거나 함께 수행할 수 있게 된다.
이 경우 제품생산 관리모듈(140)은 생산 주문 이전시 원자재, 반제품 및 완제품 중 필요한 것에 대한 디지털 주문서를 생성하여 다른 스마트 팩토리(10)에 전송할 수 있으며, 비용 산출부(도시 생략)에 의해 이전에 따른 비용 처리를 자동으로 수행할 수 있다.
일 예로 완제품 중 일부나 전부를 이전하였으면 그 이전된 제품의 제조 비용을 산출하고, 원자재나 반제품을 이전하였으면 전체 완제품 제조비용 중 원자재나 이미 제작한 반제품의 비용을 제외하는 등 필요한 비용 산출을 통해 협력 관계에 있는 스마트 팩토리(10) 사이에 비용 분담을 명확히 할 수 있다.
이상, 본 발명의 특정 실시예에 대하여 상술하였다. 그러나, 본 발명의 사상 및 범위는 이러한 특정 실시예에 한정되는 것이 아니라, 본 발명의 요지를 변경하지 않는 범위 내에서 다양하게 수정 및 변형 가능하다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이해할 것이다.
따라서, 이상에서 기술한 실시예들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이므로, 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 하며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
10: 스마트 팩토리
11: 제조설비
12: IoT 센서
13: 로직 컨르롤러(PLC)
14: 이동형 장비(지게차)
110: 생산시점 관리모듈
120: 공정품질 관리모듈
130: 생산자원 관리모듈
140: 제품생산 관리모듈
150: 생산공정 관리모듈
160: 모니터링 모듈
170: 디지털 트윈 모듈
11: 제조설비
12: IoT 센서
13: 로직 컨르롤러(PLC)
14: 이동형 장비(지게차)
110: 생산시점 관리모듈
120: 공정품질 관리모듈
130: 생산자원 관리모듈
140: 제품생산 관리모듈
150: 생산공정 관리모듈
160: 모니터링 모듈
170: 디지털 트윈 모듈
Claims (17)
- 제품의 생산과정에 디지털 자동화 솔루션이 적용된 스마트 팩토리(10)의 가동 상태를 감시하는 생산시점 관리모듈(110)과;
상기 스마트 팩토리(10)에서 생산되는 제품의 생산량과 불량율을 포함하는 수율(yield)을 감시하는 공정품질 관리모듈(120)과;
제품 수주 현황과 주문된 제품을 제조하는데 이용되는 원재료나 반제품에 대한 재고를 관리하는 생산자원 관리모듈(130)과;
상기 스마트 팩토리(10)의 가동 상태에 따른 수율을 분석하여 상기 스마트 팩토리(10)의 운영을 관리하는 제품생산 관리모듈(140)과;
상기 제품 수주 현황과 재고 현황에 따라 상기 스마트 팩토리(10)에서의 제품 생산 일정을 관리하는 생산공정 관리모듈(150); 및
상기 스마트 팩토리(10)의 가동 현황을 운영자가 인식 가능한 포맷으로 변환하여 운영자 단말기로 전송하는 모니터링 모듈(160);을 포함하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제1항에 있어서,
상기 생산시점 관리모듈(110)은,
상기 스마트 팩토리(10) 내외의 이동형 장비(14)에서 발생된 위치정보신호를 수집하여, 상기 이동형 장비(14)의 동선이 포함된 위치정보를 상기 운영자 단말기로 전송하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제2항에 있어서,
상기 이동형 장비(14)는 배터리 충전전원에 의해 구동되는 전기식 작업장치를 포함하되,
상기 생산시점 관리모듈(110)은,
상기 전기식 작업장치가 충전기에 접속되면 충전중인 것을 감지하고, 상기 충전중인 전기식 작업장치를 대체할 수 있는 적어도 하나 이상의 장비 위치를 추출하여 상기 운영자 단말기로 전송하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제1항에 있어서,
상기 생산시점 관리모듈(110)은,
다수의 제조설비 중 적어도 하나 이상에 설치된 센서 또는 로직 제어기(PLC) 로부터 감지값을 입력받아 상기 스마트 팩토리(10)의 가동 상태를 감시하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제4항에 있어서,
상기 생산시점 관리모듈(110)은,
서로 다른 지역에 설치된 다수의 스마트 팩토리(10)에 설치된 제조설비들을 동시에 감시하여, 협력관계에 있는 다수의 스마트 팩토리(10)들의 가동 상태를 동시에 감시하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제5항에 있어서,
상기 제조설비와 동일한 환경을 소프트웨어로 복제하여 컴퓨팅 장치에서 구현되며, 상기 제조설비의 운영상황과 상기 제품 수주 정보를 시뮬레이션 모델에 적용하여 예측 현황을 생성하는 디지털 트윈 모듈(170)을 더 포함하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제6항에 있어서,
상기 디지털 트윈 모듈(170)은,
상기 스마트 팩토리(10)의 제조설비와 동일한 환경을 소프트웨어로 복제하여 디지털 환경에 구현하는 가상 팩토리부(171)와;
상기 가상 팩토리부에 구현된 제조설비의 운영 환경을 분석하기 위한 시뮬레이션 모델이 구축되는 모델링부(172); 및
상기 운영상황과 주문정보를 입력받아 상기 시뮬레이션 모델에 적용하여 상기 제조설비의 예측 현황을 생성하는 예측 관리부(173);를 포함하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제7항에 있어서,
상기 디지털 트윈 모듈(170)은,
서로 다른 다수의 스마트 팩토리(10)에 설치된 제조설비의 예측 현황을 각각 생성하고, 상기 제품생산 관리모듈(140)은 상기 디지털 트윈 모듈(170)로부터 각 스마트 팩토리(10)의 제조설비 예측 현황을 제공받아 제품생산 운영을 결정하며,
상기 스마트 팩토리(10)의 제조설비에서 생산 가능한 품목, 개수 및 생산 소요 시간을 예측하여 상기 제품생산 관리모듈(140)에 제공하고, 상기 제품생산 관리모듈(140)은 적어도 어느 하나의 스마트 팩토리(10)에서 제품을 적기에 생산하지 못하는 경우 상기 디지털 트윈 모듈(170)에서 제품을 적기에 생산 가능한 것으로 예측된 다른 스마트 팩토리(10)로 생산 주문을 이전하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제8항에 있어서,
상기 디지털 트윈 모듈(170)은,
다수의 스마트 팩토리(10)들 중 공동작업이 가능한 다수의 스마트 팩토리(10)에 각각 배치된 제조설비 모두를 통합한 환경을 소프트웨어로 복제하여 통합 디지털 환경에 구현하고,
상기 적기에 제품을 생산하지 못하는 스마트 팩토리(10)를 포함하여 상기 통합 디지털 환경에서 실행되는 시뮬레이션 모델을 통해 상기 제품을 적기에 생산할 수 있는 스마트 팩토리(10)들의 조합을 예측하여 상기 제품생산 관리모듈(140)에 제공하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제1항에 있어서,
상기 공정품질 관리모듈(120)은,
상기 생산시점 관리모듈(110)에서 제공되는 상기 스마트 팩토리(10)의 가동상태와 상기 제품의 수율간 상관관계를 기계 학습(machine learning)하여, 상기 수율 변화에 영향을 주는 상기 스마트 팩토리(10)의 가동상태 정보를 상기 제품생산 관리모듈(140)에 제공하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제1항에 있어서,
상기 생산자원 관리모듈(130)은,
상기 원재료나 반제품의 보관 환경을 기록하되,
상기 보관 환경은 적어도 입고 날짜, 보관 장소, 원료 속성 및 온도와 습도를 비롯한 환경 정보 중 어느 하나 이상을 포함하며,
상기 생산 제품이 갖춰야 하는 속성 정보를 분석하여 상기 원재료나 반제품이 보관되는 상기 환경 정보에 대한 적부 평가를 수행하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제11항에 있어서,
상기 제품생산 관리모듈(140)은,
상기 스마트 팩토리(10)의 가동 상태에 따른 수율 및 상기 환경 정보에 대한 적부 평가를 분석하여 상기 스마트 팩토리(10)의 운영을 관리하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제1항에 있어서,
상기 생산공정 관리모듈(150)은,
생산 제품의 특성정보를 제공하는 제품정보 제공부(151)와;
상기 스마트 팩토리(10)에 설치된 제조설비의 생산용량을 기반으로 생산 가능한 각 품목별 제품생산능력을 관리하는 생산능력 관리부(152); 및
생산 주문 요청시, 상기 스마트 팩토리(10)에서의 제품생산능력에 따라 상기 제품 생산 스케쥴을 관리하는 스케쥴 관리부(153);를 포함하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제13항에 있어서,
상기 생산시점 관리모듈(110)은,
상기 스마트 팩토리(10)에 구비된 각 전력 노드에서의 전력 사용량을 실시간 수집하여 상기 각 전력 노드별로 제품 생산시 사용되는 전력 사용 패턴을 분석하며,
정상적인 제품 생산시의 전력 사용 패턴과 비교하여 설정된 오차 범위를 벗어난 값으로 판독되는 경우 상기 생산 제품의 특성정보와 함께 상기 모니터링 모듈(160)을 통해 알리는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제14항에 있어서,
상기 제품생산 관리모듈(140)은,
상기 수주 현황에 따라 상기 스마트 팩토리(10)의 가동율을 조절하되,
상기 생산시점 관리모듈(110)에서 제공되는 전력 사용 패턴을 입력받아,
상기 스마트 팩토리(10)의 가동율이 감소하는 경우에는 전력 공급 중단이 가능한 제조설비들을 추출하여, 중단 순서를 선택하도록 전력 소모량이 큰 제조설비의 순서를 결정하고,
상기 스마트 팩토리(10)의 가동율이 증가하는 경우에는 전력 공급 시작이 가능한 제조설비들을 추출하여, 공급 순서를 선택하도록 전력 소모량이 작은 제조설비의 순서를 결정하는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 제1항에 있어서,
상기 모니터링 모듈(160)은,
상기 생산시점 관리모듈(110)에 의해 감시된 제조설비의 가동 상태를 분석하여 상기 제조설비의 상태를 정상, 알람 및 위험으로 분류하고,
상기 제조설비의 모델에 각각 정상, 알람 및 위험 중 어느 하나를 표시하여 상기 운영자 단말기에 제공하되,
상기 정상 표시는 투명 또는 반투명의 배경에 투명 또는 반투명 상태의 정상 상태 표기가 이루어지는 것을 특징으로 하는 통합 제조 운영 관리 시스템. - 생산시점 관리모듈(110)에서 제품의 생산과정에 디지털 자동화 솔루션이 적용된 스마트 팩토리(10)의 가동 상태를 감시하는 가동 상태 감시단계(S110)와;
공정품질 관리모듈(120)에서 상기 스마트 팩토리(10)에서 생산되는 제품의 생산량과 불량율을 포함하는 수율(yield)을 감시하는 제품 품질 감시단계(S120)와;
생산자원 관리모듈(130)에서 제품 수주 현황과 상기 주문된 제품을 제조하는데 이용되는 원재료나 반제품에 대한 재고를 관리하는 재고 관리단계(S130)와;
제품생산 관리모듈(140)에서 상기 스마트 팩토리(10)의 가동 상태에 따른 수율을 분석하여 상기 스마트 팩토리(10)의 운영을 관리하는 운영 관리단계(S140)와;
생산공정 관리모듈(150)에서 상기 제품 수주 현황과 재고 현황에 따라 상기 스마트 팩토리(10)에서의 제품 생산 일정을 관리하는 생산 일정 관리단계(S150); 및
모니터링 모듈(160)에서 상기 스마트 팩토리(10)의 가동 현황을 운영자가 인식 가능한 포맷으로 변환하여 운영자 단말기로 전송하는 감시 정보 제공단계(S160);를 포함하는 것을 특징으로 하는 통합 제조 운영 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200087712A KR102419053B1 (ko) | 2020-07-15 | 2020-07-15 | 통합 제조 운영 관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200087712A KR102419053B1 (ko) | 2020-07-15 | 2020-07-15 | 통합 제조 운영 관리 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220009241A true KR20220009241A (ko) | 2022-01-24 |
| KR102419053B1 KR102419053B1 (ko) | 2022-07-08 |
Family
ID=80050042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200087712A KR102419053B1 (ko) | 2020-07-15 | 2020-07-15 | 통합 제조 운영 관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102419053B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115142187A (zh) * | 2022-07-06 | 2022-10-04 | 圣东尼（上海）针织机器有限公司 | 针织大圆机织造质量优化控制系统 |
| CN116862299A (zh) * | 2023-07-05 | 2023-10-10 | 杭州意博科技有限公司 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
| CN117539169A (zh) * | 2024-01-09 | 2024-02-09 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和系统 |
| KR102663860B1 (ko) * | 2023-06-13 | 2024-05-08 | (주)케이디제이시스템 | Pop 연계 기반 물류 자동화를 위한 창고 제어 처리 방법 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102626117B1 (ko) * | 2023-07-13 | 2024-01-17 | (주)알엠에이 | 물류환경에 따른 최적 생산 시뮬레이션 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090077601A (ko) * | 2008-01-11 | 2009-07-15 | (주)아이세미콘 | 수율 관리를 위한 다변량 인수의 관리 한계선 설정방법 |
| KR101022230B1 (ko) * | 2010-10-18 | 2011-03-16 | (주) 디지털팩토리 | 디지털 팩토리에서의 최적 생산 시나리오 구축방법 |
| KR20170069816A (ko) | 2015-12-11 | 2017-06-21 | (주)더부움 | 맞춤형 화장품을 제공하는 방법 및 장치 |
| KR20180025143A (ko) | 2016-08-31 | 2018-03-08 | 주식회사 톤28 | 사용자 맞춤형 화장품 제조장치 및 방법 |
| JP2019048689A (ja) * | 2017-09-08 | 2019-03-28 | 株式会社東芝 | 搬送システム、搬送装置及び搬送方法 |
| KR20190134879A (ko) * | 2018-05-03 | 2019-12-05 | 손영욱 | 클라우드 기반 인공지능 음성인식을 이용한 맞춤형 스마트팩토리 생산관리 통합 서비스 제공 방법 |
-
2020
- 2020-07-15 KR KR1020200087712A patent/KR102419053B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090077601A (ko) * | 2008-01-11 | 2009-07-15 | (주)아이세미콘 | 수율 관리를 위한 다변량 인수의 관리 한계선 설정방법 |
| KR101022230B1 (ko) * | 2010-10-18 | 2011-03-16 | (주) 디지털팩토리 | 디지털 팩토리에서의 최적 생산 시나리오 구축방법 |
| KR20170069816A (ko) | 2015-12-11 | 2017-06-21 | (주)더부움 | 맞춤형 화장품을 제공하는 방법 및 장치 |
| KR20180025143A (ko) | 2016-08-31 | 2018-03-08 | 주식회사 톤28 | 사용자 맞춤형 화장품 제조장치 및 방법 |
| JP2019048689A (ja) * | 2017-09-08 | 2019-03-28 | 株式会社東芝 | 搬送システム、搬送装置及び搬送方法 |
| KR20190134879A (ko) * | 2018-05-03 | 2019-12-05 | 손영욱 | 클라우드 기반 인공지능 음성인식을 이용한 맞춤형 스마트팩토리 생산관리 통합 서비스 제공 방법 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115142187A (zh) * | 2022-07-06 | 2022-10-04 | 圣东尼（上海）针织机器有限公司 | 针织大圆机织造质量优化控制系统 |
| KR102663860B1 (ko) * | 2023-06-13 | 2024-05-08 | (주)케이디제이시스템 | Pop 연계 기반 물류 자동화를 위한 창고 제어 처리 방법 |
| CN116862299A (zh) * | 2023-07-05 | 2023-10-10 | 杭州意博科技有限公司 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
| CN116862299B (zh) * | 2023-07-05 | 2024-02-23 | 杭州意博科技有限公司 | 一种用于智慧工厂的数据处理系统和数据处理方法 |
| CN117539169A (zh) * | 2024-01-09 | 2024-02-09 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和系统 |
| CN117539169B (zh) * | 2024-01-09 | 2024-04-26 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102419053B1 (ko) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102419053B1 (ko) | 통합 제조 운영 관리 시스템 및 방법 | |
| Huang et al. | Industry 4.0: Development of a multi-agent system for dynamic value stream mapping in SMEs | |
| Georgakopoulos et al. | Internet of Things and edge cloud computing roadmap for manufacturing | |
| EP3070548B1 (en) | Cloud-based industrial controller | |
| KR20190088581A (ko) | Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 | |
| KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
| CN106292580A (zh) | 一种智能集成式半导体制造执行系统 | |
| CN104144204A (zh) | 针对工业模拟使用基于云的数据 | |
| KR102523738B1 (ko) | 디지털 트윈 기반 스마트 팩토리 운영 시스템 및 방법 | |
| Cañas et al. | A conceptual framework for smart production planning and control in Industry 4.0 | |
| CN104914825A (zh) | 工厂环境中的自动维护评估 | |
| Papakostas et al. | Internet of things technologies in manufacturing: Application areas, challenges and outlook | |
| Putnik et al. | SMART OBJECTS EMBEDDED PRODUCTION AND QUALITY MANAGEMENT FUNCTIONS. | |
| KR20230017556A (ko) | 빅데이터 및 인공지능 기반의 제조 실행 시스템 및 이의 운영방법 | |
| Caiazzo et al. | An IoT-based and cloud-assisted AI-driven monitoring platform for smart manufacturing: design architecture and experimental validation | |
| CN112712314A (zh) | 一种基于物联网传感器的物流数据推荐方法 | |
| Chhotaray et al. | Enhancement of Manufacturing Sector Performance with the Application of Industrial Internet of Things (IIoT) | |
| Puviyarasu et al. | Smart Factory: From concepts to operational sustainable outcomes using test-beds | |
| Kaczmarczyk et al. | Revisiting the role of manufacturing execution systems in Industry 4.0 | |
| Chaplin et al. | Digital twins and intelligent decision making | |
| KR102636781B1 (ko) | 통합 제조 운영 관리를 위한 스마트 팩토리 시스템 | |
| Mohanraj et al. | IoT-enabled Condition Monitoring and Intelligent Maintenance System for Machine | |
| KR20240107509A (ko) | 통합 제조 운영 관리를 위한 스마트 팩토리 시스템 | |
| KR20240107512A (ko) | 비콘을 이용한 인력관리가 가능한 스마트 팩토리 시스템 | |
| KR20240107510A (ko) | 생산성 향상을 위한 스마트 팩토리 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |