WO2020159066A1 - 의류 생산 공장의 생산 및 가동 최적화 방법 및 시스템 - Google Patents

Abstract

의류 생산 및 공장 가동 최적화 방법dl 개시된다. 의류 생산에 관련된 한 가지 이상의 작업요소를 시간에 따라 측정한 작업요소 모니터링 데이터를 컴퓨터 장치에서 수집한다. 수집된 작업요소 모니터링 데이터를 이용하여 소정 포맷의 코드워드를 생성한다. 생성되는 코드워드를 데이터 저장소에 저장한다. 의류 생산에 관한 조건을 입력받는다. 의류 생산 정보 데이터 및 소정의 룰에 기초하여, 데이터 저장소에 저장되어 있는 코드워드들 중에서 상기 조건에 맞는 최적의 코드워드를 찾아내어 제시한다. 제시된 최적의 코드워드에 기초하여 최적의 작업자 및 장비를 선정하여 최적 생산라인의 구성 정보를 생성한다. 이에 따르면, 의류 공장 내에서 발생되는 다양한 복합 상황, 주문별 중요 요구 사항에 대한 최적의 생산 방안을 도출할 수 있다.

Description

의류 생산 공장의 생산 및 가동 최적화 방법 및 시스템

본 발명은 의류 생산 공장에서 의류의 생산 및 공장 가동을 최적화 할 수 있는 방법과 시스템에 관한 것이다.

의류 제조업은 전통적인 인력 집약적 산업으로, 인력에 의해 모든 작업이 이루어지고 있다. 현재 동남아시아 등으로 진출한 우리나라 의류생산업체의 생산 공장은 현지 근로자의 노동집약적 근무환경으로 사물 인터넷(IoT) 기반의 시스템으로 전환하는 대규모 투자는 불가한 상황이다. 작업의 효율성, 생산성을 극대화하고, 사고 예방 등을 위해서는 근로자들이 다루는 의류 생산 장비의 작업 상황 그리고 공장 내의 작업환경 등을 면밀히 모니터링 할 필요가 있다.

특정 디자인의 의류를 생산하는 데 드는 소요시간과, 필요한 장비 및 작업자 수의 관계는 원단의 재료(우븐, 니트), 옷의 스타일(상의, 하의 등), 그리고 같은 종에서의 작업 난이도 등에 따라서 결정된다. 봉재 생산 라인이 일자 라인 형태로 구성된 경우, 한 가지 스타일의 의류의 생산이 끝나고, 다른 스타일의 의류를 생산해야 하기 위해서는, 그 새로운 스타일에 맞추어 봉재 생산 라인의 레이아웃이 신규로 설계되어야 한다. 생산 라인의 레이아웃이 신규로 설계되어 생산 속도가 일정 수준까지 도달하기에는 많은 시간이 소요된다.

하나의 공장에서 여러 가지 종류의 의류를 생산하는 것이 일반적이다. 의류 생산 공장에서는 동시에 여러 가지 주문을 받아 각 주문의 조건에 맞게 동시 다발적으로 의류 생산 작업을 수행할 수 있다. 주문에 따라서는 중요한 요소가 다를 수 있다. 예컨대, 납기 준수가 가장 중요한 주문이 있을 수 있고, 납기 준수 보다는 비용 절감이 더 중요한 주문이 있을 수 있고, 경우에 따라서는 납기나 비용 절감보다 품질 보장이 가장 중요한 주문이 있을 수 있다. 작업자들의 작업 능력도 일률적이지 않다. 작업의 신속성과 불량 발생률에 있어서 작업자들 간에 편차가 클 수 있다. 가동 가능성, 고장 발생률, 처리 능력 등에 있어서 의류 생산 장비들 간에 편차가 있을 수 있다. 이러한 점들을 고려하여, 각 주문에서 중시하는 요소에 맞게 생산 라인을 탄력적으로 구축하지 않으면 특정 주문에 효과적으로 대응하기 어렵고, 생산성도 낮아질 수 있다.

그런데, 각 주문의 요구조건을 고려하여 그에 최적의 생산라인의 레이아웃을 설계하고, 최적의 장비와 작업자들을 정하는 것은 공장 내의 장비들과 작업자들에 관한 종합적인 정보를 필요로 한다. 기존의 의류 생산 공장은 단순한 자동화 내지 부분적인 자동화 환경은 갖추는 수준에 머물러 있기 때문에 그와 같은 종합적인 정보를 제공하지 못한다. 따라서 각 주문에 최적인 생산라인의 레이아웃을 정하고, 그것에 투입될 장비와 작업자를 정하는 것은 경험이 풍부한 관리자나 작업자의 경험에 바탕한 직관에 의해 이루어졌다. 직관에 의해 정해진 생산라인이 해당 주문의 요구조건과 공장의 생산정보 등에 최적인지는 알 수 없다. 해당 공장의 생산 여력을 정확하게 판단하는 데도 한계가 있기 때문에, 신규 수주에 관한 효과적인 대응을 하기 어려운 점도 있다.

본 발명은 다양한 수단을 활용하여 수집된 생산 장비들과 작업자들에 관한 정보를 코드화 하고, 기계학습 기법을 이용하여 특정 조건과 생산정보 등을 만족할 수 있는 최적의 생산라인과 작업 동선 정보 등을 자동으로 설계할 수 있는 의류 생산 및 공장 가동 최적화 방법과 이를 위한 시스템을 제공하기 위한 것이다.

본 발명이 해결하고자 하는 과제는 상술한 과제들에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

상기 목적을 달성하기 위한 본 발명의 실시예들에 따른 의류 생산 및 공장 가동 최적화 방법은, 다수의 작업자들이 의류생산용 다수의 장비들을 이용하여 의류를 생산하는 의류 생산 공장에 있어서, (a) 의류 생산에 관련된 작업자와 장비를 포함하는 복수의 작업요소들을 시간에 따라 측정한 작업요소 모니터링 데이터를 컴퓨터 장치에서 수집하는 모니터링 데이터 수집단계; (b) 상기 컴퓨터 장치에서, 수집된 작업요소 모니터링 데이터를 소정의 코드생성규칙에 기초하여 각각 코드화하여 조합한 상기 복수의 작업요소들에 관한 소정 포맷의 코드워드를 생성하는 코드워드 생성단계; (c) 상기 컴퓨터 장치에서, 상기 코드워드 생성단계에서 생성되는 코드를 데이터 저장소에 기 생성된 코드워드와 합쳐 코드워드들의 집합인 코드북을 구성하도록 저장하는 코드워드 저장단계; (d) 상기 컴퓨터 장치에서, 의류 생산에 관한 요구조건을 입력받는 요구조건 입력단계; 및 (e) 상기 컴퓨터 장치에서, 생산 정보 데이터 및 소정의 룰(rule)에 기초하여, 상기 데이터 저장소에 저장되어 있는 상기 코드북들 중에서 상기 요구조건에 맞는 최적의 코드워드를 찾아내어 제시하는 최적코드어드 제시단계를 포함한다. 상기 작업요소들에 관한 소정 포맷의 코드워드는 상기 의류 생산 공장에서 의류를 생산하는 데 필요한 작업요소들에 관한 작업요소별 모니터링 정보, 의류 생산을 위한 장비 및 작업자들의 상태 및 작업 내용에 관한 작업 상황 정보, 그리고 의류 생산을 위한 장비 및 작업자들의 작업수준 정보를 각각 표현한 코드들과, 그리고 해당 코드워드의 생성시간 정보를 나타내는 타임스탬프를 단일 데이터로 묶은 코드워드이다.

예시적인 실시예에 있어서, 의류 생산 및 공장 가동 최적화 방법은 (f) 상기 컴퓨터 장치에서, 상기 최적의 코드워드에 기초하여, 최적의 장비 배치 정보를 포함하는 생산라인 레이아웃과, 상기 생산라인 레이아웃에 투입될 최적의 작업자들의 배치 정보를 포함하는 최적 생산라인 정보를 생성하여 출력하는 최적 생산라인 생성단계를 더 포함할 수 있다.

예시적인 실시예에 있어서, 상기 최적 생산라인의 구성 정보는 최적 장비 조합의 배치를 포함하는 최적 생산라인 레이아웃 정보, 그리고 상기 최적 장비 각각에 대한 최적 작업자 배치 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 최적 생산라인의 구성 정보는 작업환경에 관한 정보, 작업 동선 배치에 관한 정보를 더 포함할 수 있다.

예시적인 실시예에 있어서, 상기 최적 생산라인 레이아웃 정보는, 최소생산시간을 보장하는 생산라인 레이아웃, 최소비용을 보장하는 생산라인 레이아웃, 최소 에너지 소모를 보장하는 생산라인 레이아웃, 생산되는 의류의 최고 품질을 보장하는 생산라인 레이아웃, 최소 재해발생을 보장하는 생산라인 레이아웃 중 적어도 어느 한 가지를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 작업요소별 모니터링 정보는, 모니터링 소스, 모니터링 대상, 그리고 모니터링 대상의 특성에 관한 정보를 포함하고; 상기 작업 상황 정보는 작업자의 고유번호와 상태정보, 장비의 고유번호와 상태 정보, 그리고 작업 내용에 관한 정보를 포함하고, 상기 작업수준 정보는 작업자와 장비 각각의 작업 수행능력의 수준에 관한 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 작업요소별 모니터링 정보는 각 장비별 에너지 모니터링 데이터를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 각 장비별 에너지 모니터링 데이터는 장비별 소비 전력량 정보, 장비의 상태에 관한 모니터링 정보, 장비의 작업시간 모니터링 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 작업요소별 모니터링 정보는 공장 내의 환경 관련 모니터링 데이터, 작업자의 작업행위 모니터링 데이터, 그리고 작업자 인식 데이터 중 적어도 한 가지를 더 포함할 수 있다.

예시적인 실시예에 있어서, 상기 '환경 관련 모니터링 데이터'는 상기 의류 생산 공장 내의 온도, 습도, 대기 오염도, 조도, 소음 중 적어도 어느 한 가지에 관한 모니터링 데이터를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 '작업자의 작업행위 모니터링 데이터'는 작업자의 손동작, 작업물의 움직임, 작업자의 생산라인내에서의 작업 동선에 관한 정보 중 적어도 일부를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 '작업자 인식 데이터'는 작업자의 인식(식별), 작업자와 장비 간의 공간적 매칭에 관한 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 요구 조건은 소정의 요구조건 입력요소 각각에 소정의 웨이트를 반영하여 정해지는 것이며, 상기 소정의 요구조건 입력요소는 납기 단축, 비용 절감, 에너지 절감 정책, 품질 보장, 재해 및 사고예방 중 적어도 일부를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 소정의 룰은 의류 생산 라인을 설계하는 데 필요한 최소한의 공정 정보를 적어도 포함하여 의류 생산 관리적 차원에서 정해지는 룰과, 법정 근로시간 정보를 적어도 포함하여 정책적 차원에서 정해지는 룰 중 적어도 어느 한 가지를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 생산 정보 데이터는 원부자재 현황, 생산 주문량, 납기, 공장 가동 일자, 목표 품질에 관한 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 최적 코드워드 제시단계는, 상기 코드북의 코드워드들을 상기 요구조건에 부합하는 코드워드 기준에 따라 분류하는 단계; 및 분류된 코드워드들을 다시 재정렬하여 상기 최적의 코드워드를 찾아서 제시하는 단계를 포함할 수 있다.

상기 목적을 달성하기 위한 본 발명의 실시예들에 따른 의류 생산 및 공장 가동 최적화 시스템은, 다수의 작업자들이 의류생산용 다수의 장비들을 이용하여 의류를 생산하는 의류 생산 공장에 있어서, 의류 생산에 관련된 작업자와 장비를 포함하는 복수의 작업요소들을 시간에 따라 측정하여 작업요소 모니터링 데이터를 생성하는 복수의 센서부; 상기 복수의 센서부로부터 무선통신을 통해 상기 작업요소 모니터링 데이터를 제공받아 의류의 생산 및 공장 가동의 최적화를 위한 생산라인을 제시하는 컴퓨터 장치를 포함한다. 상기 컴퓨터 장치는, (a) 상기 복수의 센서부가 생성하는 작업요소 모니터링 데이터를 수집하는 모니터링 데이터 수집부; (b) 수집된 작업요소 모니터링 데이터를 소정의 코드생성규칙에 기초하여 각각 코드화하여 조합한 상기 복수의 작업요소들에 관한 소정 포맷의 코드워드를 생성하는 코드워드 생성부; (c) 상기 코드 생성부로부터 생성된 코드워드를 전달받아 기 생성된 코드워드와 합쳐 코드워드들의 집합인 코드북을 구성하도록 저장하는 코드워드 저장부; (d) 의류 생산에 관한 요구조건을 입력받는 요구조건 입력부; (e) 생산정보 데이터 및 소정의 룰(rule)을 저장하는 생산정보 저장부; 및 (f) 상기 생산정보 데이터 및 상기 소정의 룰(rule)에 기초하여, 상기 코드워드 저장부에 저장되어 있는 상기 코드북에서 상기 요구 조건에 맞는 최적의 코드워드를 찾아내는 처리부를 포함한다. 상기 작업요소들에 관한 소정 포맷의 코드워드는 상기 의류 생산 공장에서 의류를 생산하는 데 필요한 작업요소들에 관한 작업요소별 모니터링 정보, 의류 생산을 위한 장비 및 작업자들의 상태 및 작업 내용에 관한 작업 상황 정보, 그리고 의류 생산을 위한 장비 및 작업자들의 작업수준 정보를 각각 표현한 코드들과, 그리고 해당 코드워드의 생성시간 정보를 나타내는 타임스탬프를 단일 데이터로 묶은 코드워드이다.

예시적인 실시예에 있어서, 상기 컴퓨터 장치는 상기 처리부가 찾아낸 상기 최적의 코드워드에 기초하여, 최적의 장비 배치 정보를 포함하는 생산라인 레이아웃과, 상기 생산라인 레이아웃에 투입될 최적의 작업자들의 배치 정보를 포함하는 최적 생산라인 정보를 생성하여 출력하는 결과전시부를 더 포함할 수 있다.

예시적인 실시예에 있어서, 상기 결과전시부는 상기 최적의 코드워드에 기초하여 공장 내의 최적 작업 환경 정보, 작업 공간의 배치 및 작업자와 작업물의 동선 정보를 더 생성하여 출력할 수 있다.

예시적인 실시예에 있어서, 상기 최적 생산라인 정보는, 최소생산시간을 보장하는 생산라인 레이아웃, 최소비용을 보장하는 생산라인 레이아웃, 최소 에너지 소모를 보장하는 생산라인 레이아웃, 생산되는 의류의 최고 품질을 보장하는 생산라인 레이아웃, 최소 재해발생을 보장하는 생산라인 레이아웃 중 적어도 어느 한 가지를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 작업요소별 모니터링 정보는 모니터링 소스, 모니터링 대상, 그리고 모니터링 대상의 특성에 관한 정보를 포함하고, 상기 작업 상황 정보는 작업자 정보, 장비 정보, 그리고 작업 내용을 포함하고, 상기 작업수준 정보는 작업자와 장비 각각의 작업 수행능력의 수준에 관한 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 작업요소별 모니터링 정보는, (i) 장비별 소비 전력량 정보, 장비의 상태에 관한 모니터링 정보, 장비의 작업시간 모니터링 정보를 포함하는 '각 장비별 에너지 모니터링 데이터', (ii) 상기 의류 생산 공장 내의 온도, 습도, 대기 오염도, 조도, 소음 중 적어도 어느 한 가지에 관한 모니터링 데이터를 포함하는 '공장 내의 환경 관련 모니터링 데이터', (iii) 작업자의 손동작 정보, 작업물의 움직임 정보, 작업자의 생산라인내에서의 작업 동선에 관한 정보 중 적어도 어느 한 가지를 포함하는 '작업자의 작업행위 모니터링 데이터', 그리고 (iv) 작업자의 인식(식별), 작업자와 장비 간의 공간적 매칭에 관한 정보를 포함하는 '작업자 인식 데이터' 중 적어도 한 가지를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 요구 조건은 소정의 요구조건 입력요소 각각에 소정의 웨이트를 반영하여 정해지는 것이며, 상기 소정의 요구조건 입력요소는 납기 단축, 비용 절감, 에너지 절감 정책, 품질 보장, 재해 및 사고예방 중 적어도 일부를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 소정의 룰은, 의류 생산 라인을 설계하는 데 필요한 최소한의 공정 정보를 적어도 포함하여 의류 생산 관리적 차원에서 정해지는 룰과, 법정 근로시간 정보를 적어도 포함하여 정책적 차원에서 정해지는 룰 중 적어도 어느 한 가지를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 생산 정보 데이터는 원부자재 현황, 생산 주문량, 납기, 공장 가동 일자, 목표 품질에 관한 정보를 포함할 수 있다.

예시적인 실시예에 있어서, 상기 처리부는 상기 코드워드 저장부에 저장된 상기 코드북의 코드워드들을 상기 요구조건에 부합하는 코드워드 기준에 따라 분류하고, 분류된 코드워드들을 다시 재정렬하여 최적의 코드워드를 찾아서 제시할 수 있다.

예시적인 실시예에 있어서, 상기 처리부는 백 오브 워드(BoW) 알고리즘을 응용한 기계학습과 워드 인식을 통해 상기 최적의 코드워드를 찾아낼 수 있다.

본 발명에 따른 의류 제조 방법과 시스템에 의하면, 에너지 모니터링, 환경 모니터링, 비전 모니터링, 작업자 웨어러블 장치 등 다양한 데이터 수집 수단을 이용하여 의류 생산 현장의 모든 신호를 효율적으로 수집할 수 있다. 수집된 데이터를 모신러닝 기법인 백 오브 워드(Bag of Words: BoW)를 이용하여 처리하여 입력된 조건에 가장 적합한 생산라인 레이아웃, 투입할 작업자와 장비의 구성 등에 관한 결과를 제시해줄 수 있다. 따라서 의류 공장 내에서 발생되는 다양한 복합 상황, 주문별 중요 요구 사항에 대한 최적의 생산 방안을 도출할 수 있다. 즉, 납기단축, 비용절감, 에너지 절감, 불량감소, 재해예방 등 의류 생산 현장에서 발생할 수 있는 다양한 요구사항에 대한 최적의 대안을 제시할 수 있다.

또한, 제품 생산에 관한 가변적인 요구 조건에 신속하고 탄력적이면서 체계적으로 대응하여 최상의 생산 라인을 구축할 수 있다. 기존의 직관에 의존하던 방식에 비해, 생산성은 크게 높일 수 있고, 비용은 줄일 수 있다. 주문의 요구조건을 가장 잘 만족시킬 수 있는 생산 환경을 구축할 수 있다.

도 1은 본 발명의 실시예에 따른 의류 생산 및 공장 가동 최적화 방법을 실시하기 위한 의류 공장의 전반적인 시스템 환경을 나타낸다.

도 2는 본 발명의 실시예에 따른 의류 생산 및 공장 가동의 최적화 방법의 실행 순서를 나타낸 흐름도이다.

도 3은 본 발명의 실시예에 따른 의류 생산 및 공장 가동의 최적화 시스템의 기능별 블록을 나타낸다.

도 4는 도 3에 도시된 데이터 수집부에서 수집되는 데이터를 분류한 모니터링 데이터 분류 체계도이다.

도 5는 본 발명의 실시예에 따라 데이터 수집부에서 수집되는 데이터를 코드화 하기 위한 코드 포맷을 예시한다.

도 6은 도 5의 코드 포맷으로 만들어진 코드 워드의 예를 나타낸다.

도 7은 도 3에 도시된 처리부에 입력되는 데이터를 체계적으로 나타낸다.

도 8은 공장의 작업자들을 작업 신속성과 품질 수준을 기준으로 분류한 작업자 카테고리 다이어그램이다.

도 9는 의류 생산에 관한 작업요소 조건과 코드워드의 앞의 세 자리 간의 연관 관계를 정리한 표이다.

도 10은 도 3의 결과 전시부에서 제공하는 최적 생산 라인의 레이아웃의 일 예를 나타낸다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1 은 본 발명의 실시예에 따른 의류 생산 및 공장 가동을 최적화 하기 위한 방법을 실시하기 위한 의류 공장의 전반적인 시스템 환경을 나타낸다.

의류 생산 공장에서는 섬유 원단을 디자인 안에 따라 재단하고, 재단된 원단 조각들을 재봉작업으로 이어 붙여 의류를 만든다. 이를 위해, 공장에는 많은 수의 전동 재봉기, 전동 원단 재단기 등과 같은 의류생산장비들이 설치되어 사용된다. 또한, 오리털이나 거위털을 원료로 사용하는 의류 생산의 경우, 털 패딩 세척기가 필요하며, 박음질 대신에 열을 가하여 두 원단을 이어붙이는 심 실링기, 그밖에 자동화 캠 재봉기 등과 같은 장비들도 설치, 운용될 수 있다. 도 1에는 이러한 의류생산장비들을 재봉기 모양으로 대표화 하여 도면부호 21번으로 나타내고 있다. 예컨대 어느 정도 규모가 큰 의류생산공장에는 전동 재봉기가 수 천대 이상 설치되고, 전동 원단 재단기도 수 십대 이상 설치될 정도로 많은 장비들이 있다.

도 1을 참조하면, 의류 생산 공장 시스템(10)은 각 의류생산장비(21)마다 설치되어 해당 의류생산장비(21)에서 소비되는 전기에너지를 모니터링 하기 위한 센서를 포함할 수 있다. 전기에너지(전력) 사용량은 전압을 알고 있는 조건에서는 시간에 따른 전류량을 측정하는 것을 통해 산출될 수 있다. 그러므로 상기 센서는 전류센서(22)일 수 있다. 전류센서(22)는 소켓과 의류생산장비(21)를 연결시켜주는 전선에 설치되어, 의류생산장비(21)로 공급되는 전류량을 측정할 수 있다.

예시적인 실시예에 따르면, 의류 생산 공장 시스템(10)은 전기에너지 사용에 관한 모니터링 외에, 의류 생산 작업에 영향을 미칠 수 있는 작업 관련 요소들을 더 모니터링 할 수 있다. 이를 위해, 의류 생산 공장 시스템(100)은 공장 내의 환경을 모니터링하기 위한 각종 환경 관련 센서들의 집합인 환경센서 유닛(30)과 작업자의 작업 상황을 모니터링 하기 위한 카메라 유닛(35)을 포함할 수 있다.

예시적인 실시예에 따르면, 의류 생산 공장 시스템(10)은 또한, 작업자 식별정보를 포함하는 RFID 태그나 칩이 내장되고 작업자가 착용할 수 있도록 구성된 웨어러블(wearable) 기기(25)와, 의류생산장비(21) 근처에 설치될 수 있고 웨어러블 기기(25)에 내장된 작업자 식별정보를 읽어낼 수 있도록 구성된 판독기(24)를 더 포함할 수 있다. 그 웨어러블 기기(25)를 착용한 작업자가 의류생산장비(21)에 위치하게 되면, 판독기(24)가 웨어러블 기기(25)로부터 작업자 식별정보를 읽어낼 수 있다. 이를 통해, 작업자의 작업 시간, 작업 특성을 측정할 수 있다.

환경센서유닛(30)은 온도 센서, 습도 센서, 조도 센서, 소음 센서, 대기 센서들(이산화탄소, 미세먼지, 공기 중 유해물질 검출 센서들)을 포함할 수 있다. 웨어러블 디바이스(25)는 작업자 식별 정보를 포함하는 RFID 태그 또는 칩을 내장하고 작업자의 손목이나 목에 거는 형태로 착용할 수 있는 웨어러블 디바이스일 수 있다. 작업자의 스마트폰이 웨어러블 디바이스(25)와 병행하여 또는 웨어러블 디바이스(25)를 대신하여 작업자의 식별 수단으로 이용될 수도 있다.

이들 센서기기(22, 24, 25, 30, 35)는 통신망을 통해 서버 컴퓨터(23)와 통신 가능하게 연결될 수 있다. 이를 위해, 센서기기(22, 24, 25, 30, 35)들은 자체적으로 별도의 통신모듈(비도시)을 갖추어 서버 컴퓨터(23)와는 직접 통신을 수행할 수 있거나, 또는 공용의 통신모듈(비도시)을 통해 컴퓨터 장치(23)와 통신을 수행할 수도 있다. 컴퓨터 장치(230)는 센서기기(22, 24, 25, 30, 35)로부터 의류생산장비(21)의 전력 소비, 고장 여부, 작업자의 작업 시간 등을 포함한 생산라인의 상태에 관한 정보를 실시간으로 획득할 수 있다.

컴퓨터 장치(23)는 공장에 구축된 통신망(37)을 통해 센서기기들(22, 24, 25, 30, 35)과 통신 가능하게 연결될 수 있다. 그 통신망(37)은 기존에 알려진 근거리 무선통신망(예컨대 와이파이 통신), 유선 통신망, 인터넷, 이동통신망 등을 적어도 일부 이용하여 구성될 수 있다. 컴퓨터 장치(23)는 센서기기들(22, 24, 25, 30, 35)로부터 전체 의류생산장비(21)의 전력 소모 및 고장 여부, 작업자의 작업 상태, 공장 내 환경, 작업자의 생산라인 투입 정보 등을 실시간으로 수신할 수 있다. 그리고 컴퓨터 장치(23)는 도 3을 참조하여 후술하는 여러 가지 처리를 수행하여, 요구 조건을 가장 잘 만족시킬 수 있는 최적의 생산라인 설계와 작업자 배치 등에 관한 정보를 자동으로 생성해낼 수 있다.

도 2는 본 발명의 실시예에 따른 의류 생산 및 공장 가동을 최적화 하기 위한 방법의 전반적인 실행 순서를 나타낸 흐름도이다.

본 발명의 예시적인 실시예에 따른 의류 생산 및 공장 가동을 최적화 방법에 따르면, 우선, 의류 생산에 관련된 한 가지 이상의 작업요소를 시간에 따라 센서기기들(22, 24, 25, 30, 35)을 이용하여 측정하고(S10), 그 측정된 작업요소 모니터링 데이터를 컴퓨터 장치(23)로 수집할 수 있다(S20).

컴퓨터 장치(23)에서는, 후술할 소정의 코드생성규칙에 기초하여, 그 수집된 작업요소 모니터링 데이터를 이용하여 소정 포맷의 코드를 생성할 수 있다(S30).

생성된 신규 코드는 기존에 같은 과정을 거쳐 생성된 기존 코드와 함께 컴퓨터 장치(230)의 데이터 저장소에 함께 저장될 수 있다. 그 저장된 코드들 각각은 코드워드가 되어 전체 코드워드들은 코드북을 구성하게 된다(S40).

코드북이 마련된 상태에서, 컴퓨터 장치(23)에서는 어떤 의류 생산에 관한 주문이 들어오면, 그 주문에 의해 정해지는 의류 생산에 관한 작업요소 조건을 입력받을 수 있다. 또한, 그 의류 생산에 필요한 생산 정보 데이터와 관리적/정책적 차원의 룰(rule) 정보 등을 더 입력 받을 수 있다(S50). 여기서, 관리적/정책적 차원의 룰(rule) 정보는 노사간에 합의한 근로시간, 법정 근로시간, 에너지 절약을 위한 국가적 차원의 제재 등이 그 예가 될 수 있다.

컴퓨터 장치(23)에서는, 입력된 생산 정보 데이터와 관리적/정책적 차원의 룰(rule) 정보 등에 기초하여, 주문에 의해 정해진 의류 생산에 관한 작업요소 조건에 맞는 최적의 코드워드를 찾아내기 위한 연산을 수행할 수 있다(S60). 그 연산은 예컨대 기계학습 기법 중의 하나인 백 오브 워드(Bag of Words)라는 알고리즘을 변형 응용하여 수행될 수 있다.

컴퓨터 장치(23)에서는, 연산을 통해 찾아낸 최적의 코드워드에 기초하여 그 작업요소조건에 최적인 작업자와 장비를 선정하고, 최적의 생산라인 레이아웃을 생성할 수 있다. 그렇게 생성된 정보를 사용자가 알 수 있도록 출력할 수 있다(S70). 이를 통해, 사용자는 특정 주문의 요구조건에 최적인 생산라인의 정보를 자동으로 확보할 수 있다. 그리고 그 최적 생산라인 정보는 컴퓨터 장치(23)에서 기계학습 기법에 기초한 연산을 통해 자동으로 생성되므로, 정확성과 신속성이 담보될 수 있어 최적 생산라인을 신속 정확하게 구축할 수 있다.

위에서 설명한 본 발명의 실시예에 따른 의류 생산 및 공장 가동의 최적화 방법은 이하에서 좀 더 구체적으로 설명될 것이다. 본 발명의 방법은 컴퓨터 장치(23)에 의해 실행할 수 있는 프로그램으로 구현될 수 있다. 그 프로그램은 컴퓨터 판독 가능한 기록 매체에 저장될 수 있다.

도 3은 본 발명의 실시예에 따른 의류 생산 및 공장 가동의 최적화 시스템(100)의 기능별 블록을 나타낸다.

도 3을 참조하면, 본 발명의 예시적인 최적화 시스템(100)은 기능적 측면에서 볼 때 데이터 수집부(110), 코드생성부(120), 코드 저장부(130), 생산정보 저장부(140), 조건입력부(150), 처리부(160), 그리고 결과전시부(170)를 포함할 수 있다. 이 최적화 시스템(100)은 의류생산공장에서 다양한 센서기기들(22, 24, 25, 30, 35)로부터 수집된 다양한 데이터를 소정 포맷의 코드 (예컨대, 숫자코드)로 생성하고, 그 코드들을 이용하여 머신러닝 기법중 하나인 BoW 기법에 기초하여 최적의 생산라인을 구성할 수 있는 방안을 제시할 수 있다.

데이터 수집부(110)는 다양한 센서기기들(22, 24, 25, 30, 35)이 생성하는 여러 가지 작업요소 모니터링 데이터를 수집할 수 있다. 도 4는 데이터 수집부(110)가 다양한 센서기기들(22, 24, 25, 30, 35)로부터 수집하는 작업요소에 관한 데이터들을 분류하는 모니터링 데이터 분류 체계도이다.

도 4를 참조하면, 데이터수집부(110)는 에너지 모니터링부(112), 환경 모니터링부(114), 카메라(35)와 같은 비전 모니터링부(116), 그리고 작업자 인식부(118)를 포함할 수 있다.

에너지 모니터링부(112)는 전류센서(22)를 통해 각 장비별 전력 소비에 관한 에너지 모니터링 데이터를 수집할 수 있다. 환경 모니터링부(114)는 환경 센서유닛(30)을 통해 공장 내의 환경에 관한 모니터링 데이터를 수집할 수 있다. 작업행위 모니터링부(116)는 카메라 유닛(35)을 이용한 비전 모니터링을 통해 작업자가 장비(21)를 이용하여 수행하는 작업행위에 관한 모니터링 데이터를 수집할 수 있다. 작업자 인식부(118)는 작업자 웨어러블 기기(25)나 모바일 입력장치 등과 같은 데이터 수집 장치를 이용하여 작업자 인식에 관한 데이터를 수집할 수 있다.

수집된 데이터는 모니터링 소스(후술할 코드의 첫째자리 숫자), 모니터링 대상(후술할 코드의 둘째자리 숫자), 모니터링 대상의 특성(후술할 코드의 셋째자리 숫자)으로 각각 세분화할 수 있다.

에너지 모니터링부(112)에 의한 에너지 모니터링(코드: 1)은 각 장비에 설치되어 있는 전류 센서(22)가 해당 장비에 공급되는 전류량을 검출하고, 그 전류 센서(22)를 포함하는 IoT 기반 스마트미터 등을 이용하여 전력량을 산출하는 것을 통해 이루어질 수 있다. 각 장비별 소비 전류량 및 전력량에 관한 정보로부터 해당 장비의 에너지 사용측정 정보(코드: 1-1), 장비상태 모니터링 정보(코드: 1-2), 작업시간 모니터링 정보(코드: 1-3), 작업자 특성 모니터링 정보(코드: 1-4)로 구분하여 추출할 수 있다. 이러한 모니터링 정보들은 도 4에 도시된 것과 같이 한 단계 더 세부적으로 분류되어 세 자리수의 코드가 부여될 수 있다.

예컨대 특정 장비(21)가 소비하는 시간에 따른 전류량 정보 즉, 에너지 사용측정 정보(코드: 1-1)로부터 좀 더 세부적인 정보들을 추출할 수 있다. 구체적으로, 그 재봉기(21)를 사용하여 수행하는 작업별 에너지 소비량(코드: 1-1-1), 대기 전력 소비량(코드: 1-1-1), 시간대별 전력 소비량(코드: 1-1-3), 일별 및 계절별 전력 소비량(코드: 1-1-4) 등에 관한 정보를 추출해낼 수 있다.

또한, 특정 장비(21)가 소비하는 시간에 따른 전류량 정보 또는 에너지 사용 정보를 통해 그 장비의 상태를 모니터링한 정보(코드: 1-2)를 추출할 수 있다. 좀 더 세부적으로는, 예를 들어 그 장비가 현재 양호한 상태인지 아니면 불량인 상태인지에 관한 정보(코드: 1-2-1), 정비가 필요한 시기에 관한 정보(코드: 1-2-2), 이상 징후를 나타내는지 여부 등에 관한 정보(코드: 1-2-3)를 추출해낼 수 있다. 즉, 작업 투입된 장비가 소정 시간 이상 전류를 사용하지 않은 것으로 모니터링 되면, 고장이 발생된 상태로 볼 수 있고, 작업에 투입된 총 누적 시간이 기준 시간에 도달하는 시점을 정비 필요 시점으로 산출할 수 있고, 전류 소비량의 패턴이 규칙적이지 않거나 정상적이지 않으면 이상 징후가 발생한 것으로 판단할 수 있다.

나아가, 전동 재봉기(21)가 시간에 따라 소비하는 전류량 또는 전력량 정보로부터 작업시간을 모니터링(코드: 1-3) 할 수도 있다. 구체적으로, 전동 재봉기는 전류를 소비하는 것을 통해 작업을 수행한다. 시간에 따른 전류량 정보로부터 시간당 단위작업 수량((코드: 1-3-1)을 산출할 수 있고, 어느 전동 재봉기(21)에서 하나의 작업 공정에서 다른 작업 공정으로 넘어갈 때에는 가동을 멈추게 되므로 전류 소비가 발생하지 않는 점에 착안하면, 작업 공정간 지연 시간에 관한 정보(코드: 1-3-2)도 추출할 수 있다.

전동 재봉기(21)가 소비하는 시간에 따른 전류량 정보로부터 작업자의 특성도 모니터링(코드: 1-4) 할 수 있다. 구체적으로 해당 장비에 작업자가 제대로 정위치 하고 있는지에 관한 인식(코드: 1-4-1), 시간대별로 작업자가 수행하는 작업 특성(코드: 1-4-2), 일자별 작업 특성(코드: 1-4-3), 그리고 작업별로 작업자 개인의 특성(코드: 1-4-4)에 관한 정보 등을 추출할 수 있다.

환경 모니터링부(114)에 의한 환경 모니터링(코드: 2)은 IoT 기반 환경 센서 유닛(30)을 이용하여 공장 내의 공기의 온도와 습도(코드: 2-1), 대기 오염의 정도(코드: 2-2), 조도(코드: 2-1), 소음(코드: 2-1)의 수준을 시간의 경과에 따라 측정할 수 있다. 측정된 데이터를 기존의 작업효율 데이터와 비교하여 최적의 작업효율 조건 정보(코드: 2-0-1), 안전위해 환경 정보(코드: 2-0-2), 그리고 건강위해 환경 정보(코드: 2-0-3) 등으로 분류할 수 있다.

작업행위 모니터링부(116)가 수집하는 비전 모니터링(코드: 3)은 각 장비(21)에 설치된 웹캠, CCTV 등과 같은 카메라유닛(35)로 촬영한 영상을 컴퓨터 비전 기술로 처리하여 작업물 모니터링 정보(코드: 3-1), 작업자 모니터링 정보(코드: 3-2), 작업물 및 작업자의 생산라인 내에서의 동선 모니터링 정보(코드: 3-3)를 추출할 수 있다. 이들 정보로부터 불량발생 조건, 사고발생 조건, 이동거리 등과 같은 보다 구체적인 정보를 추출할 수 있다.

구체적으로, 작업물 모니터링 정보(코드: 3-1)로부터 불량발생 조건(코드: 3-1-1), 사고발생 조건(코드: 3-1-2) 정보를 추출할 수 있다. 예컨대 전동 재봉기(21)로 봉제 작업을 수행할 때 옷감들의 움직임이나 박음질 상태 등을 영상을 통해 분석하여 정상적인지 여부를 판별할 수 있다. 즉, 촬영된 영상으로부터 박음질 작업의 불량이 발생하는 조건, 작업자에게 사고가 발생할 수 있는 조건에 해당하는지 등을 판별할 수 있다.

작업자 모니터링 정보(코드: 3-2)로부터 작업자 인식 정보(코드: 3-2-1), 불량발생 조건(코드: 3-2-2), 사고발생 조건(코드: 3-2-3)에 관한 정보를 추출할 수 있다. 즉, 작업자의 손동작을 촬영하여 작업자를 인식하고, 작업자의 손동작이 불량을 발생시킬 수 있는 손동작에 해당하는지, 사고가 발생할 수 있는 위험한 손동작에 해당하는지 등을 판별할 수 있다.

작업동선 모니터링 정보(코드: 3-3)로부터 작업자의 이동거리(코드: 3-3-1)와 사고발생 조건(코드: 3-3-2)을 추출할 수 있다.

작업자 인식부(118)는 특정 장비(21)에 투입된 작업자가 누구인지(코드: 4)를 알 수 있다. 구체적으로, 손목 또는 목걸이 형태의 웨어러블 기기(25)에 내장된 RFID 칩과 각 장비에 설치되어 있는 RFID 리더기(비도시)를 이용하여, 그 웨어러블 기기(25)를 착용한 작업자를 인식함으로써 장비(21)와 작업자의 매칭을 인식(코드: 4-0-1)하거나, 휴대폰 등의 모바일 장치에 앱 등을 이용하여 장비별 작업자 정보를 입력(코드: 4-0-2)하는 것에 의해 장비와 작업자의 매칭을 인식할 수 있다.

코드 생성부(120)는 데이터 수집부(110)에서 수집된 작업요소 모니터링 데이터를 소정의 코드생성규칙에 기초하여 소정 포맷의 코드로 생성할 수 있다. 도 5는 본 발명의 예시적인 실시예에 따른 코드 포맷을 예시한다. 도 6은 도 5의 코드 포맷으로 만들어진 코드 워드의 예를 나타낸다.

도 5를 참조하면, 예시적인 코드 포맷은, 모니터링 소스, 모니터링 대상, 그리고 모니터링 대상의 특성에 관한 정보를 포함하는 작업요소별 모니터링 정보, 작업자 정보, 장비 정보, 작업 내용에 관한 정보를 포함하는 작업 상황 정보, 작업자와 장비의 수준에 관한 정보를 포함하는 작업수준정보; 그리고 코드생성 시간정보를 포함하는 타임스탬프를 포함할 수 있다. 예시적인 실시예에 따르면, 코드는 숫자 코드일 수 있다. 각 항목별로 적정한 자리수가 부여될 수 있다.

구체적으로, 작업요소별 모니터링 정보를 구성하는 제1 단계의 모니터링 소스(119-1), 제2 단계의 모니터링 대상(119-2), 제3단계의 모니터링 대상의 특성(119-3) 각각에 대해서 한 자리수가 부여될 수 있다. 모니터링 소스(119-1)는 에너지 모니터링, 환경 모니터링, 작업행위 모니터링, 그리고 작업자 인식의 네 가지로 구분될 수 있고, 이 네 가지 소스는 한 자리수로 구분할 수 있다. 모니터링 대상(119-2)도 각 모니터링 소스(119-1)별로 최대 4가지로 구분되므로(예컨대, 에너지 모니터링의 경우, 에너지 사용측정, 장비상태 모니터링, 작업시간 모니터링, 작업자 특성 모니터링의 4가지), 모니터링 대상(119-2)도 한 자리수가 부여될 수 있다. 모니터링 대상의 특성(119-3)도 각 모니터링 대상(119-2)별로 최대 4가지로 구분되므로(예컨대, 에너지 모니터링-에너지 사용측정의 특성은 작업별 에너지 소모, 대기전력 소모, 시간대별 소모, 일자별 계절별 소모의 4가지), 한 자리수가 부여될 수 있다.

상기 작업상황 정보를 구성하는 작업자 정보는 제4단계의 작업자 식별정보(고유번호)와 제5단계의 작업자 상태정보를 포함할 수 있다. 상기 작업자 식별정보(고유번호)는 해당 공장의 최대 작업자 수와 최대 장비 수를 고려한 자리수가 부여될 수 있다. 예컨대, 작업자 수가 일만 명을 넘지 않는 경우에는 네 자리를 부여할 수 있다. 작업자 식별정보의 4자리에는 미리 지정된 작업자별 고유번호가 입력될 수 있다. 상기 작업자 상태정보는 가용, 작업중, 불가용과 같은 상태를 표현할 수 있으면 되므로 한 자리를 부여할 수 있다. 작업자 상태가 가용, 작업중, 불가용인 경우 숫자 1, 2, 3으로 각각 표현할 수 있다.

상기 작업상황 정보를 구성하는 장비 정보는 제6단계의 장비 식별정보(고유번호)와 제7단계의 장비 상태정보를 포함할 수 있다. 상기 장비 식별정보(고유번호) 또한 일만 대가 넘지 않는 경우에는 네 자리를 부여할 수 있다. 장비 식별정보의 4자리에는 미리 지정된 장비별 고유번호가 입력될 수 있다. 장비 상태정보도 가용, 작업중, 불가용, 정비 필요 등과 같은 상태정보를 표현할 수 있으면 되므로 한 자리수가 부여될 수 있다. 장비의 상태가 가용, 작업중, 불가용, 정비필요인 경우 숫자 1, 2, 3, 4로 각각 표현할 수 있다.

상기 작업상황 정보를 구성하는 제8단계의 작업 내용은 사전 지정된 의류생산작업의 세부 공정을 나타낼 수 있다. 의류생산작업의 세부공정의 종류는 최대 99가지를 넘지 않으므로, 제8단계의 작업 내용에는 두 자리수를 부여할 수 있다. 작업 내용의 두 자리에는 사전에 지정된 의류생산작업의 세부 공정 번호가 입력될 수 있다.

장비 및 작업자 수준 정보는 작업자 수준과 장비 수준을 포함할 수 있다. 또한, 작업자와 장비의 조합의 수준도 포함할 수 있다. 어떤 작업자가 사용하는 장비의 종류에 따라 작업 수준이 달라질 수 있음을 고려한 것이다. 제9단계의 작업자 수준, 제10단계의 장비 수준, 제11단계의 '작업자+장비 조합'의 수준 각각을 레벨 0부터 9까지 구분하여 표시하는 경우 한 자리수가 부여될 수 있다. 만약 수준을 좀 더 자세하게 나타낼 필요가 있다면, 한 자리수가 아니라 그보다 많은 자리수를 부여하면 될 것이다. 작업자, 장비, 작업자+장비 조합의 수준은 미리 지정된 제3단계의 모니터링 소스 및 대상별 특성의 수준일 수 있다. 데이터 수집부에서 다수의 모니터링 소스로부터 수집된 데이터가 보여주는 장비의 상태, 시간대별 작업자의 생산성, 사고발생 조건 등의 특성일 수 있으며, 예시적으로 장비의 상태는 가동불가 '0'로부터 최적 상태 '10'을 나타낼 수 있고, 작업자의 생산성은 최저수준 '0'으로부터 최상수준 '10'을 나타낼 수 있다.

타임스탬프는 해당 코드가 생성된 시점을 나타내는 정보로서, 예컨대 연월일시분초까지 표시하는 것으로 정하면, 14자리수가 부여될 수 있다.

도 6에 예시된 코드는 제1단계의 모니터링 소스부터 제11단계의 '장비+작업자 조합'의 수준까지 총 18자리의 숫자로 이루어진 코드이다. 편의상 도면에는 타임스탬프는 포함시키지 않았지만, 실제로는 코드의 일부로 포함된다. 도 6에 예시된 코드값은 '113123421234255576'이다. 이 코드값이 갖는 의미는 다음과 같다.

(i) 시간대별 에너지 사용 측정에 대한 코드(제1단계 1, 제2단계 1, 제3단계 3);

(ii) 1234번 작업자가 현재 작업을 진행하며 생성된 코드(제4단계 1234, 제5단계 2);

(iii) 1234번 장비로 55번 작업을 수행 중(제6단계 1234, 제7단계 2, 제8단계 55);

(iv) 작업자의 에너지 소비 수준은 중간 수준(제9단계 5);

(v) 장비의 에너지 소비 수준은 중상 수준(제10단계 7); 그리고

(vi) 작업자+장비 조합의 에너지 소비 수준은 중간보다 약간 더 높은 수준(제11단계 6).

다시, 도 3을 참조하면, 코드 저장부(130)는 코드생성부(120)에서 새로이 생성된 신규 코드와 기존에 이미 생성된 기존 코드를 함께 저장한다. 코드 저장부(130)에 저장된 각각의 코드는 백 오브 워드(BoW) 기법에서의 코드워드(Code-word)로 간주될 수 있다. 코드 저장부(130)는 이러한 코드워드들을 포함하고 있는 코드북(Code-book)으로 간주될 수 있다.

상기 코드 저장부(130)는 기존에 코드 생성부(120)로부터 생성된 코드와 신규로 생성되는 코드(코드워드)를 함께 저장할 수 있다. 기존의 코드와 신규 코드들과 함께 합친 코드워드 집합은 코드북 역할을 할 수 있다.

상기 생산정보 저장부(140)는 생산정보 데이터와 기타 데이터를 정보 및 룰(Rule)로 저장할 수 있다. 구체적으로, 생산정보 저장부(140)는 관리자가 MES 시스템과 연동하여 입력하는 원부자재 현황, 생산 주문량, 납기 및 가용일자, 목표 품질 등의 생산정보와 관련된 현황 정보를 저장할 수 있다. 또한, 생산정보 저장부(140)는 의류생산과 관련한 전문가의 자문 내지 관리자의 관찰결과를 '처리장치부'의 기준으로 적용할 수 있도록 '룰(Rule)'로 입력하여 저장할 수 있다. 생산정보 저장부(140)는 저장된 정보를 처리부(160)에 제공할 수 있다.

상기 조건 입력부(150)는 의류생산공장 생산 및 가동 최적화 요소 중 중점을 두어야 할 요소들에 관한 조건을 입력받을 수 있다. 조건 입력부(150)를 통해 입력되는 정보는 최적의 생산공정을 설계할 목표를 제시하는 정보이다. 예컨대, 최적화의 초점을 납기 단축에 온전히 집중할 것인지, 또는 비용절감 내지 품질보장에 어느 정도의 비율을 할당하여 최적화할 것인지 등과 같은 요구 조건을 입력할 수 있다. 조건은 사용자가 입력장치를 통해 입력할 수 있다. 즉, 공장의 관리자는 주문에 기초하여 정해지는 최적 생산 및 가동에 관한 조건을 조건 입력부(150)를 통해 입력할 수 있다. 조건 입력부(150)로 입력된 최적화 공정설계의 목표기준은 처리부(160)로 제공될 수 있다.

조건입력요소는 납기(시간) 단축, 비용 절감(최소라인 운영), 정책(에너지 절감 정책 등), 품질 보장(불량률 감소 등), 사고/재해 예방 등을 포함할 수 있다. 각 조건입력요소의 내용은 아래 표로 정리되어 있다.

조건요소	내용
납기 단축 (A)	생산시간을 단축시키는 방안을 요구하는 조건이다. 주문자가 단기간의 생산기간을 요구하였을 경우, 이 조건을 통해, 최단시간 내 요구 물량을 생산할 수 있는 결과 도출할 수 있다.
비용절감 (B)	경제적 공장운영을 위하여 라인운영을 최소화한 상태로 납기에 맞춰 의류를 생산할 수 있는 방안을 요구하는 조건이다. 이 조건을 통해, 필요 이상의 라인을 가동하여 생산비용이 증가하거나 물류창고의 재고율이 높아지지 않도록 조건 내에서 가장 경제적으로 공장이 운영되는 결과를 도출할 수 있다.
에너지 정책(C)	에너지 절감은 비용과도 관련이 있으나, 정부 및 지방자치단체의 정책 등으로 에너지 절감을 위한 방안을 시행하여야 할 경우, 이를 구현할 수 있는 방안을 요구하는 조건이다. 이 조건을 통해 에너지 절감 정책에 부응할 수 있는 라인 운영 결과를 도출할 수 있다.
품질 보장 (D)	불량률을 최소화하는 방안을 요구하는 조건이다. 이 조건을 통해, 작업자 중 불량 발생이 가장 낮은 작업자, 상태가 양호한 장비를 생산라인에 투입하고, 불량률을 낮출 수 있는 공장환경 조건 등을 제시하는 결과를 도출할 수 있다.
재해/사고 예방 (E)	의류생산공장 내 안전사고 및 재해를 최소화 하는 방안을 요구하는 조건이다. 이 조건을 통해 생산 과정에서 재해나 안전사고를 최소화할 수 있는 결과를 도출할 수 있다.

상기 조건들은 단일 조건으로 또는 복합 조건으로 입력될 수 있다. 복합 조건으로 입력하는 경우에는 조건별 가중치(weight)를 부여하여 입력될 수 있다. 예컨대 납기 단축(A)을 단일조건으로 입력하는 경우, A = 100%로 입력할 수 있다. 즉, 단일조건의 경우 가중치는 100%이다. 이와 달리, 예컨대 납기 단축(A), 비용 절감(B), 그리고 에너지 정책(C)의 세 가지 조건을 복합적으로 입력하는 경우에는 예컨대 A = 50%, B = 30%, C = 20%와 같이 각 조건에 관해 가중치를 부여할 수 있다.

상기 처리부(160)는 생산정보 저장부(140)의 정보와 룰에 기초하여 조건 입력부(150)로부터 전달받은 요구 조건에 가장 적합한 코드를 코드 저장부(130)로부터 찾아내어 그 최적의 코드를 제시할 수 있다. 예시적인 실시예에 따르면, 최적의 코드는 기본적으로 백 오브 워드(BoW) 알고리즘을 응용한 기계학습과 워드 인식을 통해 찾아낼 수 있다.

BoW 알고리즘은 문서를 자동으로 분류하기 위하여 문서에 포함된 단어들의 분포를 보고 어떤 종류의 문서인지를 분류하는 기법으로 알려진 기계학습 알고리즘 기법니다. BoW 알고리즘은 최근에는 영상처리, 컴퓨터 비전 쪽에서도 폭넓게 활용되고 있다. BoW 알고리즘의 수행 절차는 다음과 같다.

기존의 BoW 알고리즘은 대상의 특징(feature)을 추출하는 작업을 먼저 수행한다. 본 발명에서는 그 대상이 코드워드들인데, 코드워드들은 이미 특징을 포함하고 있으므로, 이 과정은 생략될 수 있다. 코드 저장부(130)에 저장되어 있는 코드북의 코드워드들의 값들을 특징(feature)으로 보고, 그 특징들에 대해 클러스터링(Clustering)을 수행하여 코드워드들을 찾아낸다. 통상적으로 k-means 클러스터링 기법을 사용할 수 있다. 클러스터링을 통해 찾아낸 코드워드들로 구성되는 새로운 코드북을 생성한다. 코드북에 포함된 각각의 코드워드들을 히스토그램으로 표현한다. 물체 클래스별 히스토그램 값을 확률로서 해석하여 물체를 분류하는 Bayesian 확률을 이용한 창성형 방법(generative method) 또는 히스토그램 값을 특징 벡터(feature vector)로 해석하여 서포트 벡터 머신(support vector machine: SVM) 등의 분류기에 넣고 클래스의 경계를 학습시키는 SVM 등의 분류기를 이용한 변별 방법(discriminative method) 등을 이용하여 BoW 기반의 학습 및 인식을 수행할 수 있다.

예시적인 실시예에 따르면, 처리부(160)는 이런 방법을 이용하여 코드 저장부(130)의 코드북에 저장된 코드워드 중 어떤 작업에 대한 각 작업자의 작업 능력을 예컨대 작업의 신속성과 작업품질 수준을 기준으로 분류할 수 있다. 작업자를 분류하여, 각 작업자를 카테고리 별로 재정렬할 수 있다. 도 8은 작업자들을 크게 4개 카테고리로 분류하여 재정렬한 다이어그램이다. 도 8을 참조하면, 작업 신속성과 품질 수준이 모두 높은 작업자들은 A 카테고리로 분류하고, 반대로 이 두 가지가 모두 낮은 작업자들은 D 카테고리로 분류할 수 있다. 품질 수준은 높으나 작업 신속성은 낮은 작업자들은 B 카테고리로 분류하고, 반대로 작업 신속성은 우수하나 품질 수준은 낮은 작업자들은 C 카테고리로 분류할 수 있다. 이렇게 작업자 카테고리가 확보된 상태에서, 조건 입력부(150)를 통해 입력된 조건이 시간(납기) 단축(납기 임박으로 신속한 작업 요구)과 품질보장 (높은 품질을 요구하는 맞춤형 제품 생산 필요)을 요구하였을 경우, 처리부(160)는 A 카테고리에 속한 작업자들을 생산라인에 우선적으로 배치할 대상으로 분류하여 결과전시부(170)로 제공할 수 있다.

장비들에 관해서도 동일한 방법으로 카테고리 분류를 하고, 입력된 조건에 최적인 장비들로 생산라인을 구성할 수 있다.

도 9는 코드 저장부(130)에 저장된 코드워드 중에서 조건 입력부(150)를 통해 입력된 요구 조건에 따라 우선적으로 분류되는 기준인 코드 워드 19자리 중 맨 앞의 3자리가 어떠한 조건에 연계된 것인가를 정리한 표이다.

도 9를 참조하면, 코드 중에서 예컨대 시간(납기)(A)와 관련된 코드 분류는 다음과 같다.

(i) 121 : 에너지 모니터링 - 장비상태 모니터링 - 장비의 양호 / 불량 여부

(ii) 131 : 에너지 모니터링 - 작업시간 모니터링 - 단위작업 수량 / 시간

(iii) 132 : 에너지 모니터링 - 작업시간 모니터링 - 공정간 지연 시간

(iv) 142 : 에너지 모니터링 - 작업자 특성 모니터링 - 시간대별 작업 특성

(v) 143 : 에너지 모니터링 - 작업자 특성 모니터링 - 일자별 작업 특성

(vi) 144 : 에너지 모니터링 - 작업자 특성 모니터링 - 작업별 개인 특성

(vii) 201 : 환경 모니터링 - 최적 작업효율 조건

(viii) 331 : 비전 모니터링 - 작업동선 모니터링 - 이동거리 계산

처리부(160)는 조건 입력부(150)를 통해 입력되는 요구조건에 부합하는 코드기준에 따라 코드를 분류하고 다시 재정렬하여 최적의 조건을 찾아내는 과정을 수행할 수 있다.

상기 결과 전시부(170)는 처리부(160)가 찾아낸 '요구 조건에 최적인 코드'에 기초하여, 최적의 장비들의 배치를 포함하여 설정된 생산라인 레이아웃과, 그 생산라인 레이아웃에 투입될 최적의 작업자들의 배치 정보를 포함하는 최적 생산라인 정보를 생성하여 출력할 수 있다. 또한, 결과전시부(170)는 상기 작업요소조건에 최적인 코드에 기초하여 공장 내의 최적 작업 환경 정보, 작업 공간의 배치 및 작업자와 작업물의 동선 정보를 상기 최적 생산라인 정보에 포함될 정보로서 더 생성하여 출력할 수 있다.

작업자의 작업 패턴, 불량률 등을 도출하고 작업자의 작업능력을 판단한 정보가 기초 자료로 주어질 수 있다. 그리고 판단된 작업자의 작업능력을 기초로 납기의 임박으로 신속한 작업이 필요한 경우, 혹은 높은 품질을 요구하는 소량의 맞춤형 제품을 생산하여야 하는 경우 등 특정 상황에 적합한 작업자들이 해당 공정에 배치될 수 있도록 투입될 대상 작업자를 제안할 수 있다.

결과 전시부(170)는 입력된 요구조건이 납기(시간)(A)인 경우, 최소 생산시간을 구현할 수 있는 생산라인 레이아웃, 작업자 배치, 작업동선, 작업환경 등을 제시할 수 있다. 마찬가지로, 입력된 요구조건이 비용 절감(B), 에너지 정책(C), 품질 보장(D), 그리고 재해/사고 예방(E) 중 단일 조건 또는 가중치가 부여된 복합조건으로 주어지는 경우, 결과 전시부(170)는 그런 요구 조건을 가장 잘 만족시킬 수 있는 최적의 생산라인 정보를 생성하여 제시할 수 있을 것이다.

예를 들어, 납기단축 100%에 최적화된 공정을 최종 결과물로 판단할 경우, 관리자는 조건입력장치부(150)에서 납기 단축 100% 라는 조건을 입력할 수 있다. 처리 부(160)는 납기 단축 100%에 관련된 필요 정보들을 생산정보 저장부(140)로부터 추출할 수 있다. 추출대상 정보는, 주문접수를 받은 부서로부터 입력된 주문량, 납기일자, 가용일자, 원부자재량 등에 관한 정보를 포함할 수 있다. '룰'로서는 해당 의류 생산라인을 설계하는데 필요한 최소한의 틀(반드시 거쳐야할 공정), 법정근로시간 등이 될 수 있다. 처리부(160)는 해당 의류를 제작하는 데 필요한 반드시 거쳐야할 공정에 대한 생산성이 가장 우수한 생산장비와 인원 정보 등 납기 단축에 영향을 줄 수 있는 시간적 요소와 관계된 모든 코드워드들을 추출하여 코드 저장부(130)의 코드북에서 찾아낼 수 있다. 그렇게 찾아낸 코드워드를 결과 전시부(170)로 제공할 수 있다. 결과전시부(170)는 납기 단축에 가장 탁월한 성과를 보이는 작업자들과 장비를 선정하여, 반드시 거쳐야 할 공정을 조합한 생산라인에 배치하는 설계 작업을 수행할 수 있다.

도 10은 결과 전시부(170)가 제공하는 최적 생산라인 정보의 일예이다.

도 10을 참조하면, 예시된 최적 생산라인 정보는 최적 생산라인의 레이아웃, 작업 동선 및 투입 작업자 수에 관한 정보를 포함한다. 생산하고자 하는 의류는 일자형 합복작업이 효율적인 의류이다. 제시된 최적 생산라인 레이아웃은 라이닝(lining) 작업, 후드 라이닝(hood lining) 작업, 후드 쉴(hood sheel) 작업, 심실링 및 크로스바 작업(seam sealing & crossbar) 작업, 백 앤드 슬리브(back & sleeve) 작업, 커프 앤드 탭(cuff & tabs) 작업, 핸드 포켓 앤드 프론트 (hand pocket & front) 작업, 조인(join) 작업, 플래킷 앤드 칼라(placket & collar) 작업, 조인 작업으로 이루어진다. 예컨대 라이닝 작업에는 7명의 작업자를 배치하고, 그 라이닝 작업의 1번 작업에는 고유번호가 1001번인 작업자를 배치하는 것을 제안한 생산라인이다.

나아가, 처리부(160)와 결과 전시부(170)는 센서기기들(22, 24, 25, 30, 35)로부터 수신된 데이터를 기존의 축적된 데이터와 비교 분석하여 불량률, 의류제작 상황별 장비의 배치 순서, 공정별 지연시간, 작업자별 작업 특성 등을 분석하여 실시간으로 최적의 전체 생산 공정을 생성하여 제시할 수 있다. 예컨대 공정별 불량률을 분석하여, 불량률이 최소화될 수 있도록 공정 순서를 조정하거나, 품질이 높은 장비 또는 작업 능력이 우수한 작업자로 교체될 수 있도록 제안할 수 있다. 예를 들어 불량 원인이 모듈화 공정 순서 문제일 경우, 공정 순서를 조정하는 것이 제안될 수 있으며, 장비 품질 또는 작업자의 능력 문제일 경우 품질이 높은 장비 또는 작업 능력이 우수한 작업자로 교체를 제안할 수 있다. 주문된 의복 디자인에 따른 의류생산장비(21) 또는 작업자의 최적 배치를 제안할 수 있다. 이 경우 재단기, 재봉기 등의 의류생산장비(21)가 유연하게 이동할 수 있도록 바퀴 또는 이동형 패널 위에 장착되는 것이 바람직하다. 이와 같이 의류생산장비(21)가 공장 내에서 유연하게 이동될 수 있음으로써, 빅데이터 기반의 인공지능에 의해 제안된 배치를 신속히 구성할 수 있다. 2 이상의 의복이 동시에 생산되는 경우, 각 의복 생산에 관한 요구 조건을 고려하여 의류생산장비(21) 및/또는 작업자의 최적 배치를 제안할 수 있다. 나아가, 공정별 지연시간을 분석하고, 상기 공정별 지연시간이 최소화 될 수 있도록 공정별 투입인원의 조정을 통해 최적 인력배치를 제안할 수 있다.

도 3의 최적화 시스템(10)이 포함하는 기능 블록들(110, 120, 130, 140, 150, 160, 170)은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.

예시적인 실시예에 따르면, 예컨대 데이터 수집부(110)는 각종 센싱기기들과 통신하여 그들로부터 데이터를 제공받을 수 있도록 구성된 통신수단과, 데이터 수집부(110)의 기능을 구현한 응용프로그램으로 구현될 수 있다. 예시적인 실시예에 따르면, 코드 저장부(130), 생산정보 저장부(130)는 데이터 저장소의 기능을 하는 비휘발성 저장매체(예컨대, 하드디스크 장치, 비휘발성 메모리 장치 등)와 저장매체에 대하여 데이터를 읽고 쓰는 동작을 수행하는 데 필요한 프로그램으로 구현될 수 있다. 예시적인 실시예에 따르면, 처리부(160)와 코드 생성부(120)는 연산처리를 수행할 수 있는 CPU, 프로세서, 마이크로프로세서 등과 같은 연산처리장치 및 연산처리공간을 제공하는 메모리와 같은 하드웨어와, 처리부(160)와 코드 생성부(120) 각각의 기능을 구현한 응용프로그램으로 구현될 수 있다. 예시적인 실시예에 따르면, 조건 입력부(150)는 키보드 등과 같은 입력수단과 조건 정보를 입력할 수 있도록 사용자 인터페이스 프로그램으로 구현될 수 있다. 예시적 실시예에 따르면, 결과 전시부(170)는 컴퓨터 모니터나 프린터와 같은 하드웨어와 결과 전시부(170)의 기능을 구현한 응용프로그램으로 구현될 수 있다.

이상의 설명에서 발명은 의류생산공장을 예로 하여 설명되었다. 하지만 본 발명은 의류생산공장뿐만 아니라 기계부품 생산공장 등 대부분의 제조생산공장에서 본 발명에 따른 방법과 시스템을 응용 적용하여 요구 조건에 가장 잘 맞는 최적의 공정시스템을 도출할 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (28)

1. 다수의 작업자들이 의류생산용 다수의 장비들을 이용하여 의류를 생산하는 의류 생산 공장에 있어서,

   (a) 의류 생산에 관련된 작업자와 장비를 포함하는 복수의 작업요소들을 시간에 따라 측정한 작업요소 모니터링 데이터를 컴퓨터 장치에서 수집하는 모니터링 데이터 수집단계;

   (b) 상기 컴퓨터 장치에서, 수집된 작업요소 모니터링 데이터를 소정의 코드생성규칙에 기초하여 각각 코드화하여 조합한 상기 복수의 작업요소들에 관한 소정 포맷의 코드워드를 생성하는 코드워드 생성단계;

   (c) 상기 컴퓨터 장치에서, 상기 코드워드 생성단계에서 생성되는 코드워드를 데이터 저장소에 기 생성된 코드워드와 합쳐 코드워드들의 집합인 코드북을 구성하도록 저장하는 코드워드 저장단계;

   (d) 상기 컴퓨터 장치에서, 의류 생산에 관한 요구조건을 입력받는 요구조건 입력단계; 및

   (e) 상기 컴퓨터 장치에서, 생산정보 데이터 및 소정의 룰(rule)에 기초하여, 상기 데이터 저장소에 저장되어 있는 상기 코드북에서 상기 요구조건에 맞는 최적의 코드워드를 찾아내어 제시하는 최적 코드워드 제시단계를 포함하고,

   상기 작업요소들에 관한 소정 포맷의 코드워드는 상기 의류 생산 공장에서 의류를 생산하는 데 필요한 작업요소들에 관한 작업요소별 모니터링 정보, 의류 생산을 위한 장비 및 작업자들의 상태 및 작업 내용에 관한 작업 상황 정보, 그리고 의류 생산을 위한 장비 및 작업자들의 작업수준 정보를 각각 표현한 코드들과, 그리고 해당 코드워드의 생성시간 정보를 나타내는 타임스탬프를 단일 데이터로 묶은 코드워드인 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
2. 제1항에 있어서, (f) 상기 컴퓨터 장치에서, 상기 최적의 코드워드에 기초하여, 최적의 장비 배치 정보를 포함하는 생산라인 레이아웃과, 상기 생산라인 레이아웃에 투입될 최적의 작업자들의 배치 정보를 포함하는 최적 생산라인 정보를 생성하여 출력하는 최적 생산라인 생성단계를 더 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
3. 제2항에 있어서, 상기 최적 생산라인의 구성 정보는 최적 장비 조합의 배치를 포함하는 최적 생산라인 레이아웃 정보, 그리고 상기 최적 장비 각각에 대한 최적 작업자 배치 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
4. 제3항에 있어서, 상기 최적 생산라인의 구성 정보는 작업환경에 관한 정보, 작업 동선 배치에 관한 정보를 더 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
5. 제3항에 있어서, 상기 최적 생산라인 레이아웃 정보는, 최소생산시간을 보장하는 생산라인 레이아웃, 최소비용을 보장하는 생산라인 레이아웃, 최소 에너지 소모를 보장하는 생산라인 레이아웃, 생산되는 의류의 최고 품질을 보장하는 생산라인 레이아웃, 최소 재해발생을 보장하는 생산라인 레이아웃 중 적어도 어느 한 가지를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
6. 제1항에 있어서, 상기 작업요소별 모니터링 정보는, 모니터링 소스, 모니터링 대상, 그리고 모니터링 대상의 특성에 관한 정보를 포함하고, 상기 작업 상황 정보는 작업자의 고유번호와 상태정보, 장비의 고유번호와 상태 정보, 그리고 작업 내용에 관한 정보를 포함하고, 상기 작업수준 정보는 작업자와 장비 각각의 작업 수행능력의 수준에 관한 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
7. 제6항에 있어서, 상기 작업요소별 모니터링 정보는 각 장비별 에너지 모니터링 데이터를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
8. 제7항에 있어서, 상기 각 장비별 에너지 모니터링 데이터는 장비별 소비 전력량 정보, 장비의 상태에 관한 모니터링 정보, 장비의 작업시간 모니터링 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
9. 제7항에 있어서, 상기 작업요소별 모니터링 정보는 공장 내의 환경 관련 모니터링 데이터, 작업자의 작업행위 모니터링 데이터, 그리고 작업자 인식 데이터 중 적어도 한 가지를 더 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
10. 제9항에 있어서, 상기 '환경 관련 모니터링 데이터'는 상기 의류 생산 공장 내의 온도, 습도, 대기 오염도, 조도, 소음 중 적어도 어느 한 가지에 관한 모니터링 데이터를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
11. 제9항에 있어서, 상기 '작업자의 작업행위 모니터링 데이터'는 작업자의 손동작, 작업물의 움직임, 작업자의 생산라인내에서의 작업 동선에 관한 정보 중 적어도 일부를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
12. 제9항에 있어서, 상기 '작업자 인식 데이터'는 작업자의 인식(식별), 작업자와 장비 간의 공간적 매칭에 관한 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
13. 제1항에 있어서, 상기 요구조건은 소정의 요구조건 입력요소 각각에 소정의 웨이트를 반영하여 정해지는 것이며, 상기 소정의 요구조건 입력요소는 납기 단축, 비용 절감, 에너지 절감 정책, 품질 보장, 재해 및 사고예방 중 적어도 일부를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
14. 제1항에 있어서, 상기 소정의 룰은 의류 생산 라인을 설계하는 데 필요한 최소한의 공정 정보를 적어도 포함하여 의류 생산 관리적 차원에서 정해지는 룰과, 법정 근로시간 정보를 적어도 포함하여 정책적 차원에서 정해지는 룰 중 적어도 어느 한 가지를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
15. 제1항에 있어서, 상기 생산 정보 데이터는 원부자재 현황, 생산 주문량, 납기, 공장 가동 일자, 목표 품질에 관한 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
16. 제1항에 있어서, 상기 최적 코드워드 제시단계는, 상기 코드북의 코드워드들을 상기 요구 조건에 부합하는 코드워드기준에 따라 분류하는 단계; 및 분류된 코드워드들을 다시 재정렬하여 상기 최적의 코드워드를 찾아서 제시하는 단계를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 방법.
17. 다수의 작업자들이 의류생산용 다수의 장비들을 이용하여 의류를 생산하는 의류 생산 공장에 있어서,

    의류 생산에 관련된 작업자와 장비를 포함하는 복수의 작업요소들을 시간에 따라 측정하여 작업요소 모니터링 데이터를 생성하는 복수의 센서부;

    상기 복수의 센서부로부터 무선통신을 통해 상기 작업요소 모니터링 데이터를 제공받아 의류의 생산 및 공장 가동의 최적화를 위한 생산라인을 제시하는 컴퓨터 장치를 포함하며,

    상기 컴퓨터 장치는,

    (a) 상기 복수의 센서부가 생성하는 작업요소 모니터링 데이터를 수집하는 모니터링 데이터 수집부;

    (b) 수집된 작업요소 모니터링 데이터를 소정의 코드생성규칙에 기초하여 각각 코드화하여 조합한 상기 복수의 작업요소들에 관한 소정 포맷의 코드워드를 생성하는 코드워드 생성부;

    (c) 상기 코드워드 생성부로부터 생성된 코드워드를 전달받아 기 생성된 코드워드와 합쳐 코드워드들의 집합인 코드북을 구성하도록 저장하는 코드워드 저장부;

    (d) 의류 생산에 관한 요구조건을 입력받는 요구조건 입력부;

    (e) 생산정보 데이터 및 소정의 룰(rule)을 저장하는 생산정보 저장부; 및

    (f) 상기 생산정보 데이터 및 상기 소정의 룰(rule)에 기초하여, 상기 코드워드 저장부에 저장되어 있는 상기 코드북에서 상기 요구조건에 맞는 최적의 코드워드를 찾아내는 처리부를 포함하고,

    상기 작업요소들에 관한 소정 포맷의 코드워드는 상기 의류 생산 공장에서 의류를 생산하는 데 필요한 작업요소들에 관한 작업요소별 모니터링 정보, 의류 생산을 위한 장비 및 작업자들의 상태 및 작업 내용에 관한 작업 상황 정보, 그리고 의류 생산을 위한 장비 및 작업자들의 작업수준 정보를 각각 표현한 코드들과, 그리고 해당 코드워드의 생성시간 정보를 나타내는 타임스탬프를 단일 데이터로 묶은 코드워드인 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
18. 제17항에 있어서, 상기 컴퓨터 장치는 상기 처리부가 찾아낸 상기 최적의 코드워드에 기초하여, 최적의 장비 배치 정보를 포함하는 생산라인 레이아웃과, 상기 생산라인 레이아웃에 투입될 최적의 작업자들의 배치 정보를 포함하는 최적 생산라인 정보를 생성하여 출력하는 결과전시부를 더 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
19. 제18항에 있어서, 상기 결과전시부는 상기 최적의 코드워드에 기초하여 공장 내의 최적 작업 환경 정보, 작업 공간의 배치 및 작업자와 작업물의 동선 정보를 더 생성하여 출력하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
20. 제18항에 있어서, 상기 최적 생산라인 정보는, 최소생산시간을 보장하는 생산라인 레이아웃, 최소비용을 보장하는 생산라인 레이아웃, 최소 에너지 소모를 보장하는 생산라인 레이아웃, 생산되는 의류의 최고 품질을 보장하는 생산라인 레이아웃, 최소 재해발생을 보장하는 생산라인 레이아웃 중 적어도 어느 한 가지를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
21. 제17항에 있어서, 상기 작업요소별 모니터링 정보는 모니터링 소스, 모니터링 대상, 그리고 모니터링 대상의 특성에 관한 정보를 포함하고, 상기 작업 상황 정보는 작업자 정보, 장비 정보, 그리고 작업 내용을 포함하고, 상기 작업수준 정보는 작업자와 장비 각각의 작업 수행능력의 수준에 관한 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
22. 제21항에 있어서, 상기 작업요소별 모니터링 정보는, (i) 장비별 소비 전력량 정보, 장비의 상태에 관한 모니터링 정보, 장비의 작업시간 모니터링 정보를 포함하는 '각 장비별 에너지 모니터링 데이터', (ii) 상기 의류 생산 공장 내의 온도, 습도, 대기 오염도, 조도, 소음 중 적어도 어느 한 가지에 관한 모니터링 데이터를 포함하는 '공장 내의 환경 관련 모니터링 데이터', (iii) 작업자의 손동작 정보, 작업물의 움직임 정보, 작업자의 생산라인내에서의 작업 동선에 관한 정보 중 적어도 어느 한 가지를 포함하는 '작업자의 작업행위 모니터링 데이터', 그리고 (iv) 작업자의 인식(식별), 작업자와 장비 간의 공간적 매칭에 관한 정보를 포함하는 '작업자 인식 데이터' 중 적어도 한 가지를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
23. 제17항에 있어서, 상기 요구 조건은 소정의 요구조건 입력요소 각각에 소정의 웨이트를 반영하여 정해지는 것이며, 상기 소정의 요구조건 입력요소는 납기 단축, 비용 절감, 에너지 절감 정책, 품질 보장, 재해 및 사고예방 중 적어도 일부를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
24. 제17항에 있어서, 상기 소정의 룰은, 의류 생산 라인을 설계하는 데 필요한 최소한의 공정 정보를 적어도 포함하여 의류 생산 관리적 차원에서 정해지는 룰과, 법정 근로시간 정보를 적어도 포함하여 정책적 차원에서 정해지는 룰 중 적어도 어느 한 가지를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
25. 제17항에 있어서, 상기 생산 정보 데이터는 원부자재 현황, 생산 주문량, 납기, 공장 가동 일자, 목표 품질에 관한 정보를 포함하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
26. 제17항에 있어서,

    상기 처리부는 상기 코드워드 저장부에 저장된 상기 코드북의 코드워드들을 상기 요구 조건에 부합하는 코드워드기준에 따라 분류하고, 분류된 코드워드들을 다시 재정렬하여 최적의 코드워드를 찾아서 제시하는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
27. 제17항에 있어서, 상기 처리부는 백 오브 워드(BoW) 알고리즘을 응용한 기계학습과 워드 인식을 통해 상기 최적의 코드워드를 찾아내는 것을 특징으로 하는 의류 생산 및 공장 가동 최적화 시스템.
28. 제1항 내지 제16항 중 어느 한 항에 기재된 의류 생산 및 공장 가동 최적화 방법을 수행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 실행가능 프로그램.

Images