WO2022015059A1 - 생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법 - Google Patents

생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법 Download PDF

Info

Publication number
WO2022015059A1
WO2022015059A1 PCT/KR2021/009061 KR2021009061W WO2022015059A1 WO 2022015059 A1 WO2022015059 A1 WO 2022015059A1 KR 2021009061 W KR2021009061 W KR 2021009061W WO 2022015059 A1 WO2022015059 A1 WO 2022015059A1
Authority
WO
WIPO (PCT)
Prior art keywords
production line
worker
time
optimization
production
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2021/009061
Other languages
English (en)
French (fr)
Inventor
박용철
안성훈
서은석
정우균
송영욱
이재원
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HOJEON Ltd
SNU R&DB Foundation
Original Assignee
HOJEON Ltd
Seoul National University R&DB Foundation
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 HOJEON Ltd, Seoul National University R&DB Foundation filed Critical HOJEON Ltd
Publication of WO2022015059A1 publication Critical patent/WO2022015059A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Definitions

  • the present invention relates to a production line optimization simulation technology, and more particularly, to derive an optimal worker arrangement sequence in consideration of the skill level of workers disposed on a clothing production line and the difficulty of each process, and simulate this to optimize production It relates to a predictable simulator and a simulation method for optimizing a garment production line using the same.
  • Product delivery and predicting production are important to the operation of a plant. It is very important to optimize the production line to get the best output. However, even these tasks are being performed based on the empirical judgment of the field work manager without quantitative indicators and objective methods. In relation to product production, it is not possible to know the current exact status, and it is difficult to accurately predict whether the target quantity can be produced within the delivery period. A situation in which the forecast of production is ambiguous may interfere with the judgment of supply and demand of raw materials and delivery time. In addition, it may make it difficult to efficiently operate production resources. As a result, competitiveness with other companies may be lowered.
  • One object of the present invention is to automatically derive an optimal arrangement plan for workers to be put into a production line based on objective data on the skill level of the workers and the difficulty of the work process, and to increase product production through simulation based on the optimal arrangement plan It is to provide a computer-based production line optimization simulator that can accurately predict.
  • Another object of the present invention is to provide an optimization simulation method capable of automatically optimizing the operator configuration and arrangement sequence of a production line using the above computer-based production line optimization simulator.
  • a production line optimization simulator includes an optimization simulation unit and an operator sequence optimization unit.
  • the optimization simulation unit assumes that the production line is built in the optimal worker arrangement order, and the built-up production line and predetermined input information are used to produce the work, the work process time and the waiting time including the waiting time.
  • the worker order optimization unit continuously generates a new worker population until a predetermined conformity evaluation end criterion is satisfied by using the conformity evaluation basic information for the initial worker order and a part of the predetermined input information, and for the new worker population It is configured to derive an optimal worker arrangement order that satisfies the conformity evaluation end criterion through iteratively performing conformity evaluation and provide it to the optimization simulation unit.
  • the predetermined input information includes the initial process sequence of the production line, work time for each work process, skill level for each worker, difficulty for each work process to be performed, simulation speed and/or period, and suitability evaluation It may include information on simulation performance conditions including information on termination criteria.
  • the predetermined conformity evaluation basic information may include a skill level for each worker, a difficulty level for each work process to be performed, information about a work time for each work process, and information about a conformity evaluation end criterion.
  • the conformity evaluation termination criterion is a predetermined allowable rate at which the total production time required for the production line composed of the current worker population to complete a predetermined unit operation can buffer the production delay situation. It may have the same value as the total production time determined by Standard Minute Value (SMV) without applying .
  • SMV Standard Minute Value
  • the total production time is the sum of the working hours (total process time) of each process based on the standard working time (SMV) and the sum of the time moving from one working process to the next ( total travel time).
  • SMV standard working time
  • the simulation result generated by the optimization simulation unit is the production amount in the production line according to the present and/or future time, the bottleneck of the production line, and the It may include information about the input quantity and output quantity, the workload for each work process, the availability rate for each work process, and the optimal worker arrangement order of the production line.
  • the worker sequence optimization unit performs the suitability evaluation on the basis of calculating the total production time required for the production line composed of the current worker population to complete one predetermined unit operation, and the suitability evaluation When the total production time calculated as a result finally satisfies the suitability evaluation end criterion, the worker arrangement order at that time may be determined as the optimal worker order and returned to the optimization simulation unit.
  • the worker sequence optimizing unit selects a new worker population using a genetic algorithm and performs crossover and mutation processes for the selected worker population can be configured to create a new population through
  • the predetermined input information includes the initial process sequence of the production line, work time for each work process, skill level for each worker, difficulty for each work process to be performed, simulation speed and/or period, and optimization iteration It may include information about the number of times.
  • the predetermined suitability evaluation basic information may include information on the skill level for each worker, the difficulty for each work process to be performed, information on the working time for each work process, and information on the number of repetitions of optimization (conformity assessment).
  • the production line may be a line for producing a sewing work for garment production in a garment sewing factory.
  • the production line optimization simulation method is a method implemented as a computer program that can be executed in a computer device, comprising: receiving predetermined information required for optimization simulation; By using the initial worker sequence and a part of the predetermined input information as basic information for conformity assessment, a new worker population is continuously created until a predetermined conformity assessment end criterion is satisfied, and the suitability assessment for the new worker population is repeatedly performed to do; deriving an optimal worker arrangement sequence that satisfies the suitability evaluation end criterion through the suitability evaluation for the worker population; And assuming that the production line is built in the derived optimal worker arrangement order, the work moving time including the work process time and waiting time required for the work production using the established production line and predetermined input information It may include generating a simulation result by performing a simulation to calculate the.
  • the predetermined input information includes the initial process sequence of the production line, work time for each work process, skill level for each worker, difficulty for each work process to be performed, simulation speed and/or period, and suitability It may include information on simulation performance conditions including information on evaluation termination criteria.
  • the predetermined conformity evaluation basic information may include information about a skill level for each worker, a difficulty level for each work process to be performed, information about a work time for each work process, and information about a conformity evaluation end criterion. .
  • the conformity assessment end criterion is a predetermined allowable amount of total production time required for a production line composed of a current worker population to complete a predetermined unit operation to buffer a production delay situation. It may be equal to the total production time determined in standard working hours (SMV) without applying a rate.
  • SMV standard working hours
  • the repeating of the suitability assessment may include calculating the total production time required for a production line composed of a current worker population to complete a predetermined unit task. to do; When the total production time calculated as a result of the conformity evaluation finally satisfies the conformity evaluation end criterion, determining the order of worker arrangement at that time as the optimal order of workers and providing it for the simulation; If the calculated total production time does not finally satisfy the above conformity evaluation termination criteria, a new population of workers is selected using a genetic algorithm, and a new population is generated through the crossover and mutation process for the selected worker population for the conformity evaluation It may include the step of providing
  • an optimization simulation using a computer program may be performed in a computer device to automatically derive an optimal manpower arrangement order. Based on the derived results, it is possible to perform production line optimization, such as designing a new production line having an optimal worker arrangement, or relocating workers to improve the efficiency of an existing production line.
  • production line optimization such as designing a new production line having an optimal worker arrangement, or relocating workers to improve the efficiency of an existing production line.
  • the embodiments of the present invention can be applied to the optimization design and adjustment of the production line, and can be utilized to predict and improve productivity and efficiency.
  • the present invention is particularly suitable to be applied to a labor-intensive field in which products are produced by a large number of workers, such as a garment sewing field, and the application utility can also be greatly exhibited.
  • the present invention enables decision-making based on data reflecting an objective and quantified reference scale for improving productivity when designing and adjusting a garment sewing production line.
  • Optimization simulation according to the present invention can be made based on the objective data quantified and accumulated through measurement, that is, data to which the process time for each worker, the skill level of the workers, the difficulty of the process work, etc. are applied. Therefore, the present invention can greatly overcome the limitation of the method of deriving the order of worker arrangement performed by the empirical judgment of the existing professional manager. By performing optimization algorithms and simulations using a computer based on quantified objective data, the predictability of production within the delivery period can be increased, and the productivity of the plant and the efficiency of plant operation can be improved.
  • 1 is a view showing the outline of decision making in the clothing production process in comparison with the conventional method and the present invention.
  • FIG. 2 illustrates input information and output of a production line optimization simulator according to an exemplary embodiment of the present invention.
  • Fig. 3 schematically shows a processing process of an optimization simulator for a garment sewing operation line according to an exemplary embodiment of the present invention.
  • FIG. 4 schematically shows a processing process of an optimization simulator for a garment sewing operation line according to another exemplary embodiment of the present invention.
  • FIG. 5 illustrates a production process operation flow of an optimization simulator according to an exemplary embodiment of the present invention.
  • FIG. 6 is an exemplary diagram of a process configuration of a garment production line according to an exemplary embodiment of the present invention.
  • FIG. 7 is a graph comparing the reference workload rate of each process and the workload rate derived using the optimization simulator according to an exemplary embodiment of the present invention.
  • FIG. 8 illustrates an optimization result performed using an optimization simulator according to an exemplary embodiment of the present invention.
  • the present invention is not particularly limited to the production of a specific product and can be widely applied to the production of various products.
  • clothes production which is a typical applicable field among them, will be described as an example.
  • FIG. 1 there is a contrast between the existing method described above and the production line optimization method to which the production line optimization simulator 100 proposed in the present invention is applied in the clothing production process.
  • Clothing production largely goes through the following processes. First, establishment of a production plan (S10) considering the design of the product to be produced, material supply, production quantity, etc., production line design that analyzes the work process to determine the layout of the production line, and production that arranges production equipment and workers as designed The procedure of line configuration (S30) is followed. After these procedures, the configured production line is operated to produce a clothing product (S40), and finally, the product is packaged through a quality inspection of the produced clothing product (S50).
  • S10 production plan
  • S40 clothing product
  • S50 quality inspection of the produced clothing product
  • the arrangement of the production line for the design of the production line and the arrangement of the sewing maker and the sewing machine for the configuration of the production line are important processes that determine the efficiency of production. As previously described, this process is determined by intuition based on unquantified experiences of production managers. In addition, a work bottleneck may occur due to mismatch in work speed between production lines in the garment production process. Resolving bottlenecks occurring in the production line is also being adjusted in the form of temporary distribution of work according to the judgment of the production manager.
  • Simulation can be used between the design of the production line and the preparation for production to determine the configuration of the production line and the arrangement of workers and sewing machines.
  • more reliable judgment can be made by reflecting the theoretical working time such as SMV (Standard Minute Value) or the quantified data such as the working time for each process measured through a sensor, the difficulty of each sewing job, and the skill level of each sewing maker. have.
  • a production line that is already in operation can become a bottleneck for some reason.
  • the bottleneck problem that occurs in the production process can be solved through the balanced distribution of the workload among the production lines.
  • the optimal sewing maker relocation sequence can be derived and applied to the line through optimization simulation.
  • the production line optimization simulator 100 includes a function capable of proposing the optimal operation of the clothing production line in order to assist such data-based decision-making.
  • the configuration of the sewing line may be optimized using the production line optimization simulator 100 .
  • FIG. 2 illustrates a schematic configuration of a production line optimization simulator according to an exemplary embodiment of the present invention, and input information and output.
  • input information 50 provided to the production line optimization simulator 100 is a process sequence (first time), time for each process, skill level for each operator, difficulty for each process, and simulation speed (eg, 1 - 1,000). ship), simulation application period (1 hour - 1 year), etc.
  • the production line optimization simulator 100 performs a predetermined simulation for calculating the movement time (work process time + waiting time) of the work (clothing) using this input information 50 (details about this will be described later). performed to output a predetermined simulation result 60 .
  • the simulation result 60 is, for example, production information for each production line (eg, current real-time production amount, expected production information for a predetermined period in the future), bottleneck point information for each production line, and production information for each work process (input/output, work load, availability, etc.), and optimal worker arrangement order for each production line.
  • production information for each production line eg, current real-time production amount, expected production information for a predetermined period in the future
  • bottleneck point information for each production line e.g., production information for each work process
  • production information for each work process input/output, work load, availability, etc.
  • the production line optimization simulator 100 may be implemented as a hardware component, a software component, and/or a combination of a hardware component and a software component.
  • the hardware for the production line optimization simulator 100 includes, for example, a computing device capable of executing and responding to instructions, for example, resources for computational processing such as a central processing unit (CPU) and memory, a data storage, It may include an input device, an output device, and the like.
  • the production line optimization simulator 100 may be implemented using one or more general purpose computers or special purpose computers including these hardware resources.
  • the computer device may be a local server computer installed and operated independently at the site where the work is performed, or a cloud server computer accessible through Internet communication.
  • the production line optimization simulator 100 may also include an application program that is written to perform various processes to be described later and can be executed through various computing devices.
  • the computing device may run an operating system (OS) and execute the application program on the operating system.
  • the computing device may also access, store, manipulate, process, and generate data in response to execution of the application program.
  • OS operating system
  • the application program constituting the production line optimization simulator 100 is an optimization simulation unit 110 that simulates production in real time according to the worker batch order, and worker order optimization that derives the optimal batch order of workers
  • the unit 120 may be included.
  • the application program may be made in the form of an executable file and stored in a data storage of a computer device, and may be executed by a processing device.
  • the application program of the production line optimization simulator 100 may be recorded in a computer-readable recording medium.
  • the method of the present invention can be performed when the processor of the computing device reads and executes the computer program stored in the recording medium.
  • the recording medium may function as a data storage of the computer device.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • FIG. 3 schematically illustrates a processing process of an optimization simulator of a production line for sewing clothes according to an exemplary embodiment of the present invention.
  • the configuration and execution procedure of the production line optimization simulator 100 and the sewing line optimization method using the same will be described in detail with reference to FIGS. 2 and 3 together.
  • the optimization simulator 100 may receive information required for simulation.
  • information such as the initial process sequence of the production line, work time for each work process, skill level for each worker, difficulty for each work process to be performed, simulation performance conditions (simulation speed and period), etc. are stored in the production line optimization simulator ( 100) may be provided as input information (S60).
  • the optimization simulation unit 110 may perform an optimization simulation based on the initially input information and output a simulation result (S70).
  • the simulation result is the current and/or future time (hourly/daily) production line by production line, bottleneck point by production line, input quantity and output quantity for each work process, and work for each work process. It may include information about the load, the availability rate for each work process, and the optimal worker arrangement order for each production line.
  • the calculated initial simulation information may be stored in a data storage.
  • the optimization simulation unit 110 may provide information about the initial worker arrangement order applied to the initial simulation to the worker order optimization unit 120 .
  • the worker order optimization unit 120 may receive the skill level for each worker, the difficulty of the work process to be performed, and time information for each work process as input information. In addition, the worker order optimization unit 120 may receive information about the initial worker order from the optimization simulation unit 100 as input information (S90).
  • the worker order optimization unit 120 may initialize the worker population ( S100 ).
  • the worker order optimizer 120 generates the worker population in the initial worker order input for initialization of the worker population.
  • the worker order optimizer 120 may evaluate the suitability of the initialized population ( S110 ).
  • the suitability evaluation of the worker population may be performed using a genetic algorithm, which is one of optimization algorithms, based on the initialized worker population.
  • the genetic algorithm is presented as an example of the optimization algorithm, and the optimization algorithm may be changed to an algorithm other than the genetic algorithm.
  • the worker sequence optimization unit 120 continuously generates a new worker population (S160) until the suitability evaluation result satisfies a predetermined termination criterion (S120), and performs a suitability evaluation (S110) again for the generated worker population
  • the suitability evaluation for the worker population may be performed in this way (S120 - S160).
  • the predetermined termination criterion may be a condition capable of minimizing the total production time required for the production line composed of the current worker population to complete one predetermined unit operation.
  • SMV 'Standard Minute Value
  • the production time it takes to produce one piece of clothing is calculated as the sum of the Standard Minute Value (SMV) and the time taken to move from one work process to the next (total transit time).
  • SMV Standard Minute Value
  • SMV can be defined as the sum of the working hours of each process (total process time) based on the time required for a qualified worker to perform a given job as 'standard performance'.
  • an allowable rate eg, 10%
  • a 10% allowable rate may be applied to determine the total production time for each piece of clothing as 110 seconds.
  • the optimizer 120 may evaluate the suitability of the current worker population and re-evaluate whether or not the end criterion is satisfied ( S120 ). Since the termination criterion is set to the production time reflecting the allowable rate in the total production time, the conformity assessment is a method of calculating the total production time required to complete one unit of work when the production line is configured with the current worker population. thing can be If the total production time calculated as a result of the suitability evaluation finally satisfies the termination criterion, the worker order optimization unit 120 determines the worker arrangement order at that time as the optimal worker order and returns it to the optimization simulation unit 110 . have.
  • the worker sequence optimizing unit 120 selects a new worker population (S130) and performs the crossover and mutation process for the selected worker population It is possible to create a new population through the (S140, S150, S160).
  • intersection is a process of generating new features by partially combining features of a newly selected worker population and an existing worker population. That is, by selecting a single point, the front part of the selected point may apply the characteristics of the existing population, and the newly selected worker population may be applied to the rear part. Characteristics of the selected worker population may also be applied.
  • Mutations change some of the characteristics in the population generated through intersection, applying a low probability random number to have properties not present in the existing and newly selected worker populations, or giving new characteristics by swapping random positional permutations to create a new population. It is the process of creating
  • the optimizer 120 may continuously generate a new population until the termination criterion is satisfied and perform a suitability evaluation.
  • the worker order optimization unit 120 may reduce the worker arrangement order (optimal worker order) that finally satisfies the termination criterion to the optimization simulation unit 110 .
  • the optimization simulation unit 110 may perform the optimization simulation by applying the previously inputted input information and the new optimal worker arrangement order provided by the optimization unit 120 ( S70 ).
  • the optimization simulation unit 110 may calculate production information that can be obtained from the production line when the production line is built in the optimal worker arrangement order through the simulation.
  • the production information may be calculated for a predetermined period now and/or in the future.
  • information on the point at which a bottleneck occurs through simulation, and production-related information for each work process of the production line such as the input and output quantity of the work for each work process, the workload for each work process, the availability rate for each work process, etc. information can be calculated.
  • the optimization simulation unit 110 is not limited to the optimal worker arrangement order, and may perform a simulation on a production line configured in an arbitrary worker arrangement order to calculate various types of information as described above.
  • the optimization simulation unit 110 may output the simulation result obtained through the simulation together with the corresponding worker arrangement order information (S180).
  • the simulation information provided as output may relate to a production line configured in an optimal operator placement sequence and/or configured in an arbitrary operator placement sequence.
  • the optimization simulation unit 110 is a simulation result performed, production information (eg, expected production information for a specific period in the present and future) of the production line according to time (eg, by date and time), each work process of the corresponding production line It is possible to provide specific production information (eg, input quantity and output quantity for each work process, workload and availability rate for each work process), information on bottlenecks in the production line, and the like.
  • the point at which the current process is performed may become a bottleneck.
  • the workload of the previous process is less than 98%, but the workload of the current process is 99%, the current process can be viewed as a bottleneck.
  • the optimal worker arrangement sequence constituting the corresponding production line may also be provided as the simulation result.
  • FIG. 4 shows a processing process of an optimization simulator for a garment sewing operation line according to another exemplary embodiment of the present invention.
  • this embodiment is different from the previous embodiment in a method of determining an optimal worker arrangement order. That is, in the previous embodiment, the allowable rate of a predetermined size is applied as the conformity evaluation end criterion, but in this embodiment, instead of applying such an allowable rate, the number of iterations of the optimization evaluation is set in advance, and the optimization evaluation is performed as many times as the number of iterations. It follows the method of determining the optimal worker placement sequence based on the evaluation result. That is, in this embodiment, the end criterion of the optimization evaluation routine may be designated as the number of optimization iterations (eg, 100 iterations).
  • the worker sequence optimization unit 120 receives information on the skill level of each worker, the difficulty of the work process to be performed, and the time for each work process as input information, as well as the number of optimization repetitions (eg, 100 times) as input information. more can be provided.
  • the worker order optimization unit 120 may also receive information about the initial worker order from the optimization simulation unit 100 as input information (S200).
  • the worker order optimization unit 120 initializes the worker population (S210) and then optimizes the suitability evaluation loops (S220, S230, S240, S250, S260) for determining the optimal worker arrangement order using the received input information. It can be repeated as many times as the number of iterations.
  • the worker population initialization and suitability evaluation may be performed using a genetic algorithm, which is one of the optimization algorithms. That is, after performing the suitability evaluation on the initialized worker population (S220), and then performing the suitability evaluation again by generating a new worker population (S220), the preset number of optimization iterations may be repeatedly performed. In order to generate a new worker population, a new worker population is selected according to a genetic algorithm, and crossover (S240) and mutation (S250) processing are performed on the selected worker population.
  • the optimal worker arrangement order may be determined according to a predetermined criterion ( S220 ).
  • an optimal worker arrangement order may be determined as an optimal worker arrangement order indicating the highest productivity, that is, the maximum yield.
  • the optimal worker arrangement order determined in this way is the worker arrangement order with the shortest total production time within at least the number of optimization iterations.
  • FIG 5 illustrates a production process operation flow of the production line optimization simulator 100 according to an exemplary embodiment of the present invention.
  • the production process operation flow of the production line optimization simulator 100 can be typically divided into a linear continuous production process (see FIG. 5A ) and an assembly production process (see FIG. 5B ).
  • the actual garment production line may further include, in addition to the linear continuous production process and the assembly production process, a multi-stage assembly production process and closed and overlapping linear continuous production processes, which are extensions thereof. These production processes may be combined as needed.
  • each unit production process consists of a sewing machine (m i , m ij ) and a sewing machine (O i , O ij ) with equipment (M i , M ij ) and a standby position before input to the next process It may be composed of B i , B ij .
  • the cutting material flowing into the unit process or the work performed in the preceding process can stay in the process for the sum of the basic working time and the working time in the process (M i delay time).
  • the working time within the process (M i delay time) may be an expected working time by reflecting the difficulty of the process and the skill level of the worker.
  • the total waiting time (B i ) which is the sum of the movement time according to the movement distance of the workpiece and the waiting time due to the operation progress of the operator, waits. After going through this waiting period, it can be switched to the next process.
  • the simulator 100 Through the simulator 100, the work in each process from the initial work input to the end point of the garment production line by continuously calculating the inflow quantity of each process, the working time in the process, the outgoing quantity of each process, and the waiting position delay time simulation can be performed.
  • the assembly production process is a case in which two or more linear continuous production processes are combined into one new linear continuous production process at the end of each process, as illustrated in FIG. 5B .
  • a process of assembling a front plate and a back plate together or a module of an arm part with a body part may be an example.
  • the actual garment production line 200 consists of a linear continuous production process 210, a first-stage assembly production process 220, a multi-stage assembly production process, a closed linear continuous production process, and an overlapping linear continuous production process 230 as shown in FIG. It may be complex. Model the configuration and flow of the example line using the production line optimization simulator 100, and input information such as the process sequence, process difficulty, skill level for each worker, work time for each process, simulation speed and period based on initial worker placement so that the simulation can be performed.
  • FIG. 7 illustrates a graph comparing the reference workload rate of each process and the workload rate derived using the production line optimization simulator according to an exemplary embodiment of the present invention.
  • the workload rate derived using the production line optimization simulator 100 according to the present invention is substantially 100% consistent with the reference workload rate of each process.
  • FIG. 8 illustrates an optimization result performed using a production line optimization simulator according to an exemplary embodiment of the present invention.
  • optimization was performed 10 times for the following five conditions.
  • Standard #1 Optimize the time required for each unit process by applying theoretical reference time (SMV) rather than real-time data
  • Criterion #2 Optimization by applying real-time sensor measurement data without constraints
  • Constraint #1 Optimization only for the linear section (Example line process 20-->37 in Fig. 6) except for the modular complex section
  • Constraint #2 Optimized except for the cutting material input point where the process of each module starts ( Figure 6 example line process 1, 9, 10, 12, 14, 15, 16, 17, 20)
  • Constraint #3 Optimize by placing workers with a higher skill level than the process difficulty in each process, and placing workers with higher skill levels in time-consuming unit processes
  • productivity improvement can be achieved only by adjusting the arrangement order of the workers based on the optimization result applying the theoretical time.
  • the productivity improved by about 46.4%, and in the case of optimization only in the linear section as a constraint (Constraint #1), it was about 29.5 % of productivity is improved.
  • the production line optimization simulator 100 repeatedly performs optimization algorithms and simulations in consideration of the work time for each process, the skill level for each worker, the difficulty level for each process, etc. can do. Through this, it is possible to obtain an optimal sewing worker arrangement order and production prediction results accordingly. Based on the simulation result, it is possible to configure an optimized sewing line by arranging workers to maximize production efficiency.
  • the present invention can replace the existing method that relied on the empirical judgment of the production line manager.
  • the present invention is applied not only to the clothing manufacturing industry but also to various manufacturing industries, and can be utilized as a means of optimizing a production line and predicting production, etc.
  • the present invention can be utilized in manufacturing factories (eg, garment sewing factories, etc.) to determine production costs and delivery dates, and to predict production volumes for shortening production periods.

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법이 개시된다. 최적화 시뮬레이터는 작업자 순서 최적화부와 최적화 시뮬레이션부를 포함한다. 최적화 시뮬레이션부는 최적 작업자 배치순서로 생산라인을 구축하는 것을 가정하여, 그 구축된 생산라인과 소정의 입력정보를 이용하여 작업물 생산에 소요되는 작업 공정시간과 대기시간을 포함하는 작업물 이동시간을 산출하는 시뮬레이션을 수행하여 시뮬레이션 결과를 생성한다. 작업자 순서 최적화부는 최초 작업자 순서와 상기 소정의 입력정보의 일부를 적합성 평가 기본정보를 이용하여, 소정의 적합성 평가 종료기준을 만족할 때까지 지속적으로 신규 작업자 개체군을 생성하고, 그 신규 작업자 개체군에 대한 적합성 평가를 하는 것을 반복적으로 수행하는 것을 통해 상기 적합성 평가 종료기준을 만족하는 최적 작업자 배치 순서를 도출하여 상기 최적화 시뮬레이션부에 제공한다.

Description

생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법
본 발명은 생산라인 최적화 시뮬레이션 기술에 관한 것으로서, 보다 상세하게는 의류 생산라인에 배치된 작업자의 기술 수준과 각 공정의 난이도를 고려하여 최적의 작업자 배치 순서를 도출하고, 이를 시뮬레이션하여 최적의 생산량을 예측할 수 있는 시뮬레이터와 이를 이용한 의복 생산라인 최적화 시뮬레이션 방법에 관한 것이다.
의류 산업은 세계 반도체 시장에 버금가는 규모의 글로벌 시장 규모를 가지고 있으나, 대표적인 노동 집약적 산업분야이다. 의류 제조를 위한 대부분의 작업들은 인력에 의해 이루어지고 있는 실정이다. 특히, 기존에는 의류 생산 공장에서 생산성을 향상시키기 위한 작업자 배치 등과 같은 생산라인의 설계와 조정 등이 경험 많은 현장 작업 관리자의 경험에 기초한 직관적 판단에 대부분 의존하고 있다.
제품의 납기 준수와 생산량을 예측하는 일은 공장의 운영에 중요하다. 최상의 생산량을 얻기 위해 생산라인을 최적화하는 작업이 매우 중요하다. 그런데 이러한 일들도 정량적인 지표와 객관화된 방법 없이 현장 작업 관리자의 경험적 판단에 기반하여 수행되고 있다. 제품 생산과 관련하여 현재의 정확한 상태를 알 수 없을 뿐만 아니라 납기 내 목표 물량의 생산 가능 여부를 정확하게 예측하기가 어렵다. 생산량의 예측이 모호한 상황은 원자재의 수급과 납기의 판단에 지장을 초래할 수 있다. 또한, 효율적인 생산 자원의 운영을 어렵게 할 수 있다. 결과적으로, 타 업체와의 경쟁력을 저하시킬 수 있다.
이러한 상황에서, 의류 생산라인을 구축하고 생산량을 예측함에 있어서 관리자의 경험에 기초한 직관적 판단을 뛰어넘을 수 있는 좀 더 객관적이고 과학적인 방안이 강구될 필요가 있다.
본 발명의 일 목적은 작업자들의 기술 수준과 작업공정의 난이도에 관한 객관적인 데이터에 근거하여 생산라인에 투입되는 작업자들의 최적 배치 방안을 자동으로 도출하고, 그 최적 배치 방안에 기초한 시뮬레이션을 통해 제품 생산량을 정확하게 예측할 수 있는 컴퓨터 기반 생산라인 최적화 시뮬레이터를 제공하는 것이다.
본 발명의 다른 목적은 위와 같은 컴퓨터 기반 생산라인 최적화 시뮬레이터를 이용하여 생산라인의 작업자 구성과 배치 순서를 자동으로 최적화할 수 있는 최적화 시뮬레이션 방법을 제공하는 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 본 발명의 일 목적을 실현하기 위한 실시예들에 따른 생산라인 최적화 시뮬레이터는 최적화 시뮬레이션부와 작업자 순서 최적화부를 포함한다. 상기 최적화 시뮬레이션부는 최적 작업자 배치순서로 생산라인을 구축하는 것을 가정하여, 그 구축된 생산라인과 소정의 입력정보를 이용하여 작업물 생산에 소요되는 작업 공정시간과 대기시간을 포함하는 작업물 이동시간을 산출하는 시뮬레이션을 수행하여 시뮬레이션 결과를 생성하도록 구성된다. 상기 작업자 순서 최적화부는 최초 작업자 순서와 상기 소정의 입력정보의 일부를 적합성 평가 기본정보를 이용하여, 소정의 적합성 평가 종료기준을 만족할 때까지 지속적으로 신규 작업자 개체군을 생성하고, 그 신규 작업자 개체군에 대한 적합성 평가를 하는 것을 반복적으로 수행하는 것을 통해 상기 적합성 평가 종료기준을 만족하는 최적 작업자 배치 순서를 도출하여 상기 최적화 시뮬레이션부에 제공하도록 구성된다.
예시적인 실시예에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 적합성 평가 종료기준에 관한 정보를 포함하는 시뮬레이션 수행 조건에 관한 정보를 포함할 수 있다.
예시적인 실시예에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 적합성 평가 종료기준에 관한 정보를 포함할 수 있다.
예시적인 실시예에 있어서, 상기 적합성 평가 종료기준은 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간이, 생산 지연 상황을 완충할 수 있는 소정의 허용율을 적용하지 않고, 표준작업시간(Standard Minute Value: SMV)으로 정해지는 총 생산시간과 같은 값을 가지는 것일 수 있다.
예시적인 실시예에 있어서, 상기 총 생산시간은 표준작업시간(SMV)을 기준으로 각 공정의 작업시간의 총합(총 공정시간)과 하나의 작업공정에서 다음의 작업공정으로 이동하는 시간의 총합(총 이동시간)을 합친 시간일 수 있다.
예시적인 실시예에 있어서, 상기 최적화 시뮬레이션부에서 생성되는 상기 시뮬레이션 결과는 현재 및/또는 미래의 시간에 따른 상기 생산라인에서의 생산량, 그 생산라인의 병목지점, 그 생산라인의 작업공정별 작업물의 입력수량 및 출력수량, 작업공정별 작업부하, 작업공정별 가용율, 그 생산라인의 최적 작업자 배치순서에 관한 정보를 포함할 수 있다.
예시적인 실시예에 있어서, 상기 작업자 순서 최적화부는 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간을 산출하는 것에 기초하여 상기 적합성 평가를 하고, 상기 적합성 평가 결과로 산출되는 총 생산시간이 최종적으로 상기 적합성 평가 종료기준을 만족하면 그 때의 작업자 배치 순서를 최적 작업자 순서로 판단하여 상기 최적화 시뮬레이션부로 환원하도록 구성될 수 있다.
예시적인 실시예에 있어서, 상기 작업자 순서 최적화부는 산출된 총 생산시간이 상기 소정의 종료기준을 만족하지 못할 경우, 유전 알고리즘을 이용하여 작업자 개체군을 새로 선택하여 그 선택된 작업자 개체군에 대한 교차 및 변이 과정을 통해 신규 개체군을 생성하도록 구성될 수 있다.
예시적인 실시예에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 최적화 반복 횟수에 관한 정보를 포함할 수 있다.
예시적인 실시예에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 최적화(적합성 평가) 반복 횟수에 관한 정보를 포함할 수 있다.
예시적인 실시예에 있어서, 상기 생산라인은 의류 봉제공장에서 의류 생산을 위한 봉제 작업물을 생산하는 라인일 수 있다.
한편, 상기 본 발명의 일 목적을 실현하기 위한 실시예들에 따른 생산라인 최적화 시뮬레이션 방법은, 컴퓨터 장치에서 실행될 수 있는 컴퓨터 프로그램으로 구현되는 방법으로서, 최적화 시뮬레이션에 필요한 소정의 정보를 입력받는 단계; 최초 작업자 순서와 상기 소정의 입력정보의 일부를 적합성 평가 기본정보로 이용하여, 소정의 적합성 평가 종료기준을 만족할 때까지 지속적으로 신규 작업자 개체군을 생성하여 그 신규 작업자 개체군에 대한 적합성 평가를 반복적으로 수행하는 단계; 작업자 개체군에 대한 상기 적합성 평가를 통해 상기 적합성 평가 종료기준을 만족하는 최적 작업자 배치 순서를 도출하는 단계; 그리고 도출된 상기 최적 작업자 배치 순서로 생산라인을 구축하는 것을 가정하여, 그 구축된 생산라인과 소정의 입력정보를 이용하여 작업물 생산에 소요되는 작업 공정시간과 대기시간을 포함하는 작업물 이동시간을 산출하는 시뮬레이션을 수행하여 시뮬레이션 결과를 생성하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 적합성 평가 종료기준에 관한 정보를 포함하는 시뮬레이션 수행 조건에 관한 정보를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 적합성 평가 종료기준에 관한 정보를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 적합성 평가 종료기준은 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간이, 생산 지연 상황을 완충할 수 있는 소정의 허용율을 적용하지 않고, 표준작업시간(SMV)으로 정해지는 총 생산시간과 같은 것일 수 있다.
예시적인 실시예에 있어서, 상기 적합성 평가를 반복적으로 수행하는 단계는, 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간을 산출하는 것에 기초하여 상기 적합성 평가를 하는 단계; 상기 적합성 평가 결과로 산출되는 총 생산시간이 최종적으로 상기 적합성 평가 종료기준을 만족하면 그 때의 작업자 배치 순서를 최적 작업자 순서로 판단하여 상기 시뮬레이션용으로 제공하는 단계; 산출되는 총 생산시간이 최종적으로 상기 적합성 평가 종료기준을 만족하지 못하면, 유전 알고리즘을 이용하여 작업자 개체군을 새로 선택하여 그 선택된 작업자 개체군에 대한 교차 및 변이 과정을 통해 신규 개체군을 생성하여 상기 적합성 평가용으로 제공하는 단계를 포함할 수 있다.
본 발명의 예시적인 실시예들에 따르면, 제품의 생산라인의 설계 시 컴퓨터 장치에서 컴퓨터 프로그램을 이용한 최적화 시뮬레이션을 수행하여 최적의 인력 배치 순서를 자동으로 도출할 수 있다. 그 도출된 결과에 기초하여 최적의 작업자 배치를 갖는 생산라인을 신규로 설계하거나, 또는 기 구축된 생산라인의 효율성 제고를 위해 작업자를 재배치하는 등의 생산라인 최적화를 수행할 수 있다. 이렇게 본 발명의 실시예들은 생산라인의 최적화 설계와 조정에 적용하여, 생산성과 효율성을 예측하고 향상시키는 데 활용할 수 있다.
본 발명은 특히 의류 봉제분야와 같이 다수의 작업자들에 의해 제품이 생산되는 노동집약적인 분야에 적용되기에 적합하고, 적용 효용성도 크게 나타날 수 있다. 또한, 본 발명은 의류 봉제 생산라인의 설계 및 조정 시 생산성 향상을 위한 객관적이고 정량화된 기준 척도를 반영한 데이터에 기반한 의사결정을 가능하게 해준다.
본 발명에 따른 최적화 시뮬레이션은 측정을 통하여 정량화되고 축적된 객관적인 데이터 즉, 각 작업자별 공정시간, 작업자들의 기술 수준, 공정 작업의 난이도 등이 적용된 데이터를 기반으로 이루어질 수 있다. 따라서 본 발명은 기존의 전문 관리자의 경험적 판단에 의해 수행되던 작업자 배치 순서 도출 방식의 한계를 크게 뛰어넘을 수 있다. 수치화된 객관적인 데이터를 기반으로 컴퓨터를 이용하여 최적화 알고리즘 및 시뮬레이션을 통해 수행함으로써 납기 내 생산량 예측 가능성을 높일 수 있고, 공장의 생산성과 공장 운영의 효율성이 향상될 수 있다.
도 1은 의류생산과정에서의 의사결정 개요를 종래 방법과 본 발명을 대비하여 나타낸 도면이다.
도 2는 본 발명의 예시적인 실시예에 따른 생산라인 최적화 시뮬레이터의 입력정보 및 출력물을 예시한다.
도 3은 본 발명의 예시적인 일 실시예에 따른 의류 봉제 작업 라인의 최적화 시뮬레이터의 처리 과정을 개략적으로 나타낸다.
도 4는 본 발명의 다른 예시적인 실시예에 따른 의류 봉제 작업 라인의 최적화 시뮬레이터의 처리 과정을 개략적으로 나타낸다.
도 5는 본 발명의 예시적인 실시예에 따른 최적화 시뮬레이터의 생산 공정 연산 흐름을 예시한다.
도 6은 본 발명의 예시적인 실시예에 따른 의류 생산라인의 공정 구성의 예시도이다.
도 7은 각 공정의 기준 작업 부하율과 본 발명의 예시적인 실시예에 따른 최적화 시뮬레이터를 이용하여 도출된 작업부하율을 비교한 그래프이다.
도 8은 본 발명의 예시적인 실시예에 따른 최적화 시뮬레이터를 이용하여 수행한 최적화 결과를 예시한다.
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.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것이다. 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며, 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 안 된다. 즉, 본 발명은 다양한 변경을 가할 수 있고, 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명은 특정 제품의 생산에 특별히 한정되는 것은 아니고 다양한 제품의 생산에 널리 적용될 수 있다. 이하에서는 그 중에서도 대표적인 적용 가능 분야인 의류 생산을 예로 하여 설명하기로 한다.
도 1에는 의류생산과정에서의 일반적인 의사결정 절차의 개요가 예시되어 있다.
도 1을 참조하면, 의류 생산 과정에서 앞서 기술한 기존 방법과 본 발명에서 제안하는 생산라인 최적화 시뮬레이터(100)를 적용한 생산라인 최적화 방법이 어떻게 관여되는지가 대비되어 있다. 의류의 생산은 크게 다음과 같은 과정을 거친다. 우선, 생산할 제품의 설계와 재료 공급, 생산수량 등을 고려한 생산계획의 수립(S10), 작업 공정을 분석하여 생산라인의 배치를 판단하는 생산라인 설계, 그리고 설계된 대로 생산장비와 작업자를 배치하는 생산라인 구성(S30)의 절차를 밟는다. 이러한 절차를 거친 후, 그 구성된 생산라인을 가동하여 의류 제품을 생산하고(S40), 최종적으로는 그 생산된 의류 제품의 품질 검사를 거쳐 제품 포장을 하게 된다 (S50).
이러한 의류생산 과정에서, 생산라인의 설계를 위한 생산라인의 배치 판단과 생산라인의 구성을 위한 봉제작업자 및 재봉틀의 배치는 생산의 효율성을 결정하는 중요한 과정이다. 이 과정이 기존에는 앞서 설명한 바와 같이 생산 관리자의 정량화되지 않은 경험에 기반한 직관으로 결정되고 있다. 또한, 의류생산 과정에서 생산라인들 간의 작업속도 미스매치 등으로 인한 작업 병목현상이 발생할 수 있다. 생산라인에서 발생하는 병목현상의 해소도 생산 관리자의 판단에 따라 임시적으로 작업을 분배하는 형태로 조정되고 있다.
경험에 기반한 현장 관리자(전문가)의 결정 방식은 여러 가지 문제가 있다. 첫째, 전문가의 판단에 전적으로 의존하기 때문에 전문가가 없을 시에는 판단이 불가능하고, 둘째, 전문가의 주관적인 의견과 판단이 반영된다는 점이다. 또한 무엇보다 중요한 문제점은 객관적이고 정량화된 데이터에 기반한 의사결정이 아니어서 전문가의 결정이 최적화된 것인지에 대한 검증이 불가능하다는 한계도 있다.
이를 보완하기 위해서는 '데이터 기반'의 의사결정이 필요하다. 생산라인의 설계 및 생산준비 간에 시뮬레이션을 이용하여 생산라인의 구성과 작업자 및 재봉틀의 배치를 판단할 수 있다. 이때 SMV(Standard Minute Value)와 같은 이론적 작업시간 또는 센서를 통하여 측정한 공정별 작업시간과 각 봉제작업별 난이도, 각 봉제작업자의 기술수준 등의 정량화된 데이터를 반영하면 더욱 신뢰성 있는 판단을 할 수 있다.
또한, 이미 가동 중인 생산라인에서 어떤 이유로 인해 병목현상이 발생할 수 있다. 생산과정에서 발생하는 병목현상의 문제는 생산라인들 간의 작업부하의 균형 잡힌 분산을 통해 해소할 수 있다. 균형 잡힌 작업부하의 분산을 위해, 최적화 시뮬레이션을 통하여 최적의 봉제작업자 재배치 순서를 도출하여 라인에 적용할 수 있다.
본 발명의 예시적인 실시예에 따른 생산라인 최적화 시뮬레이터(100)는 이와 같은 데이터 기반 의사결정을 보조하기 위하여 의류 생산라인의 최적 운영을 제안할 수 있는 기능을 포함한다. 생산라인 최적화 시뮬레이터(100)를 이용하여 봉제 라인의 구성을 최적화할 수 있다.
도 2에는 본 발명의 예시적인 실시예에 따른 생산라인 최적화 시뮬레이터의 개략적인 구성과 입력정보 및 출력물이 예시되어 있다.
도 2를 참조하면, 생산라인 최적화 시뮬레이터(100)에 제공되는 입력정보(50)는 공정 순서(최초), 각 공정별 시간, 작업자별 기술수준, 공정별 난이도, 시뮬레이션 속도(예: 1 - 1,000배), 시뮬레이션 적용 기간 (1시간 - 1년) 등에 관한 정보를 포함할 수 있다. 생산라인 최적화 시뮬레이터(100)는 이러한 입력정보(50)를 이용하여 작업물(의류)의 이동시간(작업 공정시간 + 대기시간) 등을 산출하는 소정의 시뮬레이션(이에 관한 자세한 사항은 후술함)을 수행하여 소정의 시뮬레이션 결과(60)를 출력할 수 있다. 그 시뮬레이션 결과(60)는 예컨대, 생산라인별 생산 정보(예: 현재의 실시간 생산량, 미래 소정 기간 동안의 예상 생산량 정보), 생산라인별 병목 지점 정보, 작업 공정별 생산 정보(입력/출력, 작업 부하, 가용율 등), 그리고 생산라인별 최적 작업자 배치 순서 등을 포함할 수 있다.
생산라인 최적화 시뮬레이터(100)는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 생산라인 최적화 시뮬레이터(100)를 위한 하드웨어는 예를 들어, 명령을 실행하고 응답할 수 있는 컴퓨팅 장치, 예컨대, 중앙연산처리장치(CPU) 및 메모리와 같은 연산처리를 위한 자원들과, 데이터 저장소, 입력 장치와 출력 장치 등을 포함할 수 있다. 예시적인 실시예로서, 생산라인 최적화 시뮬레이터(100)는 이들 하드웨어 자원을 포함하는 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 그 컴퓨터 장치는 작업이 수행되는 현장에 설치되어 독립적으로 운용되는 로컬 서버 컴퓨터이거나 또는 인터넷 통신을 통해 접근할 수 있는 클라우드 서버 컴퓨터일 수 있다.
생산라인 최적화 시뮬레이터(100)는 또한 후술하는 여러 가지 처리를 수행하도록 작성되어 다양한 컴퓨팅 장치를 통하여 실행될 수 있는 애플리케이션 프로그램을 포함할 수 있다. 상기 컴퓨팅 장치는 운영 체제(OS)를 실행하고, 그 운영 체제 상에서 상기 애플리케이션 프로그램을 수행할 수 있다. 또한, 그 컴퓨팅 장치는 그 애플리케이션 프로그램의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.
예시적인 실시예에서, 생산라인 최적화 시뮬레이터(100)를 구성하는 애플리케이션 프로그램은 작업자 배치순서에 따른 생산량 등을 실시간으로 시뮬레이션 하는 최적화 시뮬레이션부(110), 그리고 작업자들의 최적 배치순서를 도출하는 작업자 순서 최적화부(120)를 포함할 수 있다. 그 애플리케이션 프로그램은 실행파일 형태로 만들어져 컴퓨터 장치의 데이터 저장소에 저장될 수 있고, 처리장치에 의해 실행될 수 있다.
생산라인 최적화 시뮬레이터(100)의 애플리케이션 프로그램은 컴퓨터 판독 가능 기록매체에 기록될 수 있다. 컴퓨팅 장치의 프로세서가 그 기록 매체에 저장된 그 컴퓨터 프로그램을 읽어 들여 실행하는 것에 의해 본 발명의 방법을 수행할 수 있다. 그 기록매체는 상기 컴퓨터 장치의 데이터 저장소의 기능을 할 수도 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
도 3에는 본 발명의 예시적인 일 실시예에 따른 의류 봉제를 위한생산라인의 최적화 시뮬레이터의 처리 과정이 개략적으로 예시되어 있다. 도 2 및 3을 함께 참조하면서 생산라인 최적화 시뮬레이터(100) 및 이를 이용한 봉제 라인 최적화 방법의 구성 및 수행절차를 구체적으로 설명한다.
도 3을 참조하면, 최적화 시뮬레이터(100)는 시뮬레이션에 필요한 정보를 입력받을 수 있다. 예시적인 실시예에서, 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 수행 조건 (시뮬레이션 속도 및 기간) 등의 정보가 생산라인 최적화 시뮬레이터(100)에 입력정보로서 제공될 수 있다(S60).
최적화 시뮬레이션부(110)에서는 그 최초 입력된 정보를 기반으로 최적화 시뮬레이션을 수행하여 시뮬레이션 결과를 출력할 수 있다(S70). 그 시뮬레이션 결과는 현재 및/또는 미래의 시간에 따른 (시간 단위(hourly)/일 단위(daily)) 생산라인별 생산량, 생산라인별 병목지점, 작업공정별 입력수량 및 출력수량, 작업공정별 작업부하, 작업공정별 가용율, 생산라인별 최적 작업자 배치순서 등에 관한 정보를 포함할 수 있다. 그 산출된 최초 시뮬레이션 정보는 데이터 저장소에 저장될 수 있다. 최적화 시뮬레이션부(110)는 최초 시뮬레이션에 적용한 최초 작업자 배치 순서에 관한 정보를 작업자 순서 최적화부(120)로 제공할 수 있다.
작업자 순서 최적화부(120)는 각 작업자별 기술수준, 수행할 작업공정의 난이도, 각 작업공정별 시간 정보를 입력정보로 제공받을 수 있다. 또한, 작업자 순서 최적화부(120)는 최적화 시뮬레이션부(100)로부터 최초 작업자 순서에 관한 정보도 입력정보로서 제공받을 수 있다(S90).
작업자 순서 최적화부(120)는 작업자 개체군의 초기화를 할 수 있다(S100). 예시적인 실시예에서, 작업자 순서 최적화부(120)는 작업자 개체군의 초기화를 위해 입력된 최초 작업자 순서로 작업자 개체군을 생성한다.
그런 다음, 작업자 순서 최적화부(120)는 초기화된 개체군의 적합성을 평가할 수 있다(S110). 일예로, 초기화된 작업자 개체군을 기반으로 최적화 알고리즘의 하나인 유전 알고리즘을 이용하여 작업자 개체군의 적합성 평가를 수행할 수 있다. 유전 알고리즘은 최적화 알고리즘의 일예로서 제시된 것이고, 최적화 알고리즘은 유전 알고리즘이 아닌 다른 알고리즘으로 변경할 수 있다.
작업자 순서 최적화부(120)는 그 적합성 평가 결과가 소정의 종료기준을 만족할 때까지(S120) 지속적으로 신규 작업자 개체군을 생성하고(S160), 그 생성된 작업자 개체군에 대하여 다시 적합성 평가(S110)를 수행하는 방식으로 작업자 개체군에 대한 적합성 평가를 수행할 수 있다(S120 - S160). 여기서, 상기 소정의 종료기준은 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간을 최소화할 수 있는 조건일 수 있다. 통상적으로, 의류생산라인 설계 시에는 '표준작업시간(Standard Minute Value: SMV)+소정의 허용율을 감안한 여유작업시간'을 총 생산시간으로 적용할 수 있다. 예컨대, 한 벌의 옷을 생산하는 데 걸리는 생산시간은 표준작업시간(Standard Minute Value: SMV)과 어떤 작업공정에서 그 다음의 작업공정으로 이동하는 시간의 총합(총 이동시간)을 합친 시간으로 산출될 수 있다. 여기서 SMV는 자격을 갖춘 작업자가 '표준성과'로 주어진 작업을 수행하는 데 필요한 시간을 기준으로 각 공정의 작업시간의 총합(총 공정시간)으로 정의될 수 있다. 또한, 의류생산 공정의 설계 시에는 생산라인에서 발생할 수도 있는 생산지연 상황을 대비할 수 있도록 그 생산시간에 소정 크기의 허용율(예: 10%)을 적용하는 것이 일반적이다. 일례로 한 벌의 옷에 대해 SMV를 기준으로 100초의 생산시간을 가지는 생산라인의 경우 10%의 허용율을 적용하여 그 한 벌당 총 생산시간을 110초로 정할 수 있다.
도 3에 도시된 실시예에서, 만약 총 생산시간이 SMV만으로 정해지는 상황은 허용율이 적용되는 상황이 발생하지 않는다는 가정 하에 가능하다. 이는 허용율이 포함하고 있는 공정 간의 지연으로 인한 대기시간이 없는 상태이므로 현재의 상태에서는 최적화 되었다고 볼 수 있디. 그러므로 이러한 허용율(예: 10%)을 적용하지 않아도 되는 최적의 생산시간을 확보할 수 있는 작업자 배치 순서를 작업자 순서 최적화 루틴의 종료기준으로 판단할 수 있다.
최적화부(120)에서는 현재의 작업자 개체군의 적합성을 평가하고 종료기준에 만족하는지를 재평가할 수 있다(S120). 종료기준이 총 생산시간에 허용율을 반영한 생산시간으로 설정되어 있으므로, 적합성 평가는 현재의 작업자 개체군으로 생산라인을 구성하였을 때, 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간을 산출하는 것이 될 수 있다. 작업자 순서 최적화부(120)는 적합성 평가 결과로 산출되는 총 생산시간이 최종적으로 상기 종료기준을 만족하면, 그 때의 작업자 배치 순서를 최적 작업자 순서로 판단하여 최적화 시뮬레이션부(110)로 환원할 수 있다.
만약 단계 S120에서, 산출된 총 생산시간이 상기 소정의 종료기준을 만족하지 못할 경우, 작업자 순서 최적화부(120)는 작업자 개체군을 새로 선택하여(S130) 그 선택된 작업자 개체군에 대한 교차 및 변이 과정을 통해 신규 개체군을 생성할 수 있다(S140, S150, S160). 여기서, 교차는 새로 선택된 작업자 개체군과 기존 작업자 개체군의 특징을 부분 결합하여 새로운 특징을 생성하는 과정이다. 즉, 단일 지점을 선정하여 선정된 지점의 앞 부분은 기존 개체군의 특징을, 뒷 부분은 새로 선택된 작업자 개체군을 적용할 수도 있고, 두 개의 지점을 선정하여 기존 개체군에 선정된 두 개의 지점 구간에만 새로 선택된 작업자 개체군의 특징을 적용할 수도 있다. 이를 통해서 새로 선택된 작업자 개체군이 기존 작업자 개체군의 특징을 유지하면서 부분적으로 변형되어 신규 개체군으로 생성될 때 기존 개체군의 좋은 특성을 유지하도록 한다. 변이는 교차를 통해 생성된 개체군에서 특성의 일부분을 변경시켜 기존 및 새로 선택된 작업자 개체군에 없는 속성을 가지도록 낮은 확률의 난수를 적용하거나 임의 위치의 순열을 서로 바꿈으로써 새로운 특성을 부여하여 신규 개체군을 생성하는 과정이다.
이렇게 최적화부(120)에서는 상기 종료기준을 만족할 때까지 지속적으로 신규 개체군을 생성하여 적합성 평가를 수행할 수 있다. 이를 통해, 작업자 순서 최적화부(120)는 최종적으로 종료기준을 만족하는 작업자 배치 순서(최적 작업자 순서)를 최적화 시뮬레이션부(110)로 환원할 수 있다.
예시적인 실시예에서, 최적화 시뮬레이션부(110)는 기 입력된 입력정보와 최적화부(120)에서 제공해준 새로운 최적 작업자 배치 순서를 적용하여 최적화 시뮬레이션을 수행할 수 있다(S70). 최적화 시뮬레이션부(110)는 그 시뮬레이션을 통해 최적 작업자 배치 순서로 생산라인을 구축하였을 경우 그 생산라인에서 얻을 수 있는 생산량 정보를 산출할 수 있다. 그 생산량 정보는 현재 및/또는 미래의 소정 기간 동안에 대해서 산출할 수도 있다. 또한, 시뮬레이션을 통해 병목현상이 생기는 지점에 관한 정보, 그리고 그 생산라인의 작업공정별 생산 관련 정보 예컨대, 작업공정별 작업물의 입력 및 출력 수량, 작업공정별 작업부하, 작업공정별 가용율 등에 관한 정보 등을 산출할 수 있다.
예시적인 실시예에서, 최적화 시뮬레이션부(110)는 그 최적 작업자 배치 순서에 국한되지 않고 임의의 작업자 배치 순서로 구성되는 생산라인에 대하여도 시뮬레이션을 수행하여 위와 같은 여러 가지 정보를 산출할 수 있다.
예시적인 실시예에서, 최적화 시뮬레이션부(110)는 시뮬레이션을 통해 얻어진 시뮬레이션 결과를 해당 작업자 배치순서 정보와 함께 출력할 수 있다(S180). 출력으로 제공되는 시뮬레이션 정보는 최적 작업자 배치 순서로 구성되거나 및/또는 임의의 작업자 배치 순서로 구성된 생산라인에 관한 것일 수 있다. 최적화 시뮬레이션부(110)는 수행된 시뮬레이션 결과로서, 시간에 따른 (예: 일자별 및 시간별) 생산라인의 생산정보(예컨대 현재 및 장래의 특정 기간 동안의 예상 생산량 정보), 해당 생산라인의 각 작업공정별 생산 정보(예컨대 작업공정별 입력 수량 및 출력수량, 작업 공정별 작업 부하 및 가용율), 생산라인 내에서의 병목지점에 관한 정보 등을 제공할 수 있다. 일예로, 현재 공정의 작업부하가 이전 공정의 작업부하에 비해 더 높은 경우, 그 현재 공정을 수행하는 지점이 병목지점이 될 수 있다. 예컨대 이전 공정에서는 작업부하가 98% 미만이나 현재 공정의 작업부하가 99%인 경우 현재 공정은 병목지점으로 볼 수 있다. 또한, 해당 생산라인을 구성하는 최적 작업자 배치 순서도 그 시뮬레이션 결과로서 함께 제공할 수 있다.
도 4에는 본 발명의 다른 예시적인 실시예에 따른 의류 봉제 작업 라인의 최적화 시뮬레이터의 처리 과정이 도시되어 있다.
도 4를 참조하면, 이 실시예는 앞선 실시예와는 최적 작업자 배치 순서를 결정하는 방법에서 차이가 있다. 즉, 앞선 실시예는 소정 크기의 허용율을 적합성 평가 종료기준으로 적용하는데 비해, 이 실시예는 그러한 허용율을 적용하는 대신 최적화 평가 반복 횟수를 미리 설정하고 그 반복 횟수만큼 최적화 평가를 실행한 후 평가 결과에 기초하여 최적 작업자 배치 순서를 결정하는 방식을 따른다. 즉, 이 실시예에서는 최적화 평가 루틴의 종료기준을 최적화 반복 횟수(예: 100회 반복)로 지정할 수 있다.
구체적으로, 작업자 순서 최적화부(120)는 각 작업자별 기술수준, 수행할 작업공정의 난이도, 각 작업공정별 시간에 관한 정보를 입력받는 것 외에도 최적화 반복횟수(예: 100회)를 입력정보로 더 제공받을 수 있다. 또한, 작업자 순서 최적화부(120)는 최적화 시뮬레이션부(100)로부터 최초 작업자 순서에 관한 정보도 입력정보로서 제공받을 수 있다(S200).
작업자 순서 최적화부(120)는 작업자 개체군의 초기화를 한 다음(S210), 제공받은 입력정보를 이용하여 최적 작업자 배치순서를 결정하기 위한 적합성 평가 루프(S220, S230, S240, S250, S260)를 최적화 반복횟수 만큼 반복적으로 수행할 수 있다.
작업자 개체군 초기화와 적합성 평가는 최적화 알고리즘의 하나인 유전 알고리즘을 이용하여 수행될 수 있다. 즉, 초기화된 작업자 개체군에 대하여 적합성 평가를 수행한 다음(S220), 새로운 작업자 개체군을 생성하여 다시 적합성 평가를 수행하는 것(S220)을 미리 설정된 최적화 반복횟수 만큼 반복적으로 수행할 수 있다. 새로운 작업자 개체군을 생성하기 위해, 유전 알고리즘에 따라 새로운 작업자 개체군을 선택하고, 그 선택된 작업자 개체군에 대한 교차(S240) 및 변이(S250) 처리를 거친다.
지정된 최적화 반복횟수 만큼 적합성 평가를 수행하여 얻어지는 적합성 평가 결과들에 대하여 소정의 기준에 따라 최적 작업자 배치 순서를 결정할 수 있다(S220). 예시적인 실시예에서, 최고의 생산성 즉, 최대의 생산량을 나타내는 작업자 배치순서를 최적 작업자 배치순서로 정할 수 있다. 이렇게 정한 최적 작업자 배치순서는 적어도 최적화 반복 횟수 내에서 총 생산시간이 가장 짧은 작업자 배치순서이다.
도 5에는 본 발명의 예시적인 실시예에 따른 생산라인 최적화 시뮬레이터(100)의 생산공정 연산 흐름이 예시되어 있다.
도 5를 참조하면, 생산라인 최적화 시뮬레이터(100)의 생산공정 연산 흐름은 대표적으로 선형 연속 생산공정(도 5의 (A) 참조)과 조립 생산공정(도 5의 (B) 참조)으로 구분할 수 있다. 실제 의류 생산라인은 선형 연속 생산공정 및 조립 생산공정 외에 이의 확장 형태인 다단계 조립생산공정과 폐쇄 및 중복 선형 연속 생산공정을 더 포함할 수 있다. 이들 생산공정들은 필요에 따라 복합적으로 구성될 수 있다.
선형 연속생산공정에 있어서, 각 단위 생산공정은 재봉틀(mi, mij)과 봉제작업자(Oi, Oij)로 구성된 장비(Mi, Mij)와, 다음 공정으로 투입되기 전 대기 위치인 Bi, Bij로 구성될 수 있다. 해당 단위공정으로 유입되는 재단물 또는 선행 공정에서 수행한 작업물은 기본 작업시간과 공정 내 작업시간(Mi 지연시간)이 합산된 시간 동안 해당 공정에 체류할 수 있다. 여기서, 그 공정 내 작업시간(Mi 지연시간)은 해당 공정의 난이도와 해당 작업자의 기술수준이 반영되어 예상되는 작업시간일 수 있다.
이후, 현재 공정에서 다음 공정으로 이동하기 전에 작업물의 이동거리에 따른 이동시간과, 이후 작업자의 작업 진행으로 인한 대기시간 등을 합한 총 대기시간(Bi)만큼 대기한다. 이런 대기를 거친 후, 다음 공정으로 전환될 수 있다.
각 공정의 유입 수량, 공정 내 작업시간, 각 공정의 반출 수량, 대기 위치 지연 시간을 연속적으로 계산하여 최초 작업 투입으로부터 의류생산라인의 종료지점까지 각 공정에서의 작업물을 시뮬레이터(100)를 통해 시뮬레이션을 수행할 수 있다.
조립생산 공정은, 도 5의 (B)에 예시된 것처럼, 두 개 이상의 선형 연속 생산 공정이 각 공정의 끝단에서 새로운 하나의 선형 연속 생산 공정으로 합쳐지는 경우이다. 예컨대, 후드 자켓을 생산하는 라인의 경우, 앞판과 뒷판을 합치거나 팔 부분의 모듈을 몸통 부분에 합쳐 조립하는 공정이 그 예일 수 있다.
도 6에는 실제 의류 생산라인을 대상으로 삼아 분석한 의류 생산라인의 공정 구성이 예시되어 있다.
도 6을 참조하면, 본 발명의 실시예에 따른 생산라인 최적화 시뮬레이터(100)를 이용하여 실제 의류 생산라인(200)을 대상으로 의류 생산라인의 최적화를 수행하는 것이 예시되어 있다. 실제 의류생산라인(200)은 도 6과 같이 선형 연속 생산공정(210), 1단계 조립 생산공정(220), 다단계 조립 생산공정, 폐쇄 선형 연속 생산공정 및 중복 선형 연속 생산공정(230)들로 복잡하게 구성되어 있을 수 있다. 생산라인 최적화 시뮬레이터(100)를 이용하여 예시 라인의 구성과 흐름을 모델링하고, 최초 작업자 배치에 기반한 공정순서, 공정 난이도, 작업자별 기술수준, 공정별 작업시간, 시뮬레이션 속도와 기간 등의 정보를 입력하여 시뮬레이션을 수행할 수 있다.
도 7에는 각 공정의 기준 작업 부하율과 본 발명의 예시적인 실시예에 따른 생산라인 최적화 시뮬레이터를 이용하여 도출된 작업 부하율을 비교한 그래프가 예시되어 있다.
도 7을 참조하면, 전체 공정에 걸쳐, 본 발명에 따른 생산라인 최적화 시뮬레이터(100)를 이용하여 도출된 작업부하율이 각 공정의 기준 작업 부하율과 실질적으로 거의 100% 일치되는 것을 확인할 수 있다.
도 8에는 본 발명의 예시적인 실시예에 따른 생산라인 최적화 시뮬레이터를 이용하여 수행한 최적화 결과가 예시되어 있다.
도 8을 참조하면, 최적화 수행은 아래의 5개 조건에 대하여 10회에 걸쳐 진행하였다.
(i) 기준 #1 : 각 단위공정 소요시간을 실시간 데이터가 아닌 이론적 기준시간(SMV)을 적용하여 최적화
(ii) 기준 #2 : 제약조건 없이 센서측정 실시간 데이터를 적용하여 최적화
(iii) 제약 #1 : 모듈 형태의 복합구간을 제외하고 선형 구간(도 6 예시 라인 공정 20-->37)에 대해서만 최적화
(iv) 제약 #2 : 각 모듈의 공정이 시작되는 재단물 투입지점(도 6 예시 라인 공정 1, 9, 10, 12, 14, 15, 16, 17, 20)을 제외하고 최적화
(v) 제약 #3 : 각 공정에 공정 난이도 보다 높은 기술수준의 작업자를 배치하고, 시간이 많이 소요되는 단위공정에 높은 기술수준의 작업자를 배치하여 최적화
생산라인 최적화 시뮬레이터(100)를 이용하여 상기의 2개 기준조건과 3개 제약조건을 반영한 최적화 시뮬레이션을 수행해보았다. 시뮬레이션 결과, 이론적 시간을 적용한 최적화(기준#1)가 가장 낮은 결과를 보였고, 센서시간을 적용하고 다른 제약조건을 반영하지 않은 최적화(기준#2)가 가장 좋은 최적화 결과를 보였다. 3개의 제약조건을 반영한 경우에는 생산량이 월등히 증가하지는 않았지만, 10회 모두 가장 안정적인 최적화 결과를 보였다.
도 8에 예시된 최적화 결과에 따르면, 이론적 시간을 적용한 최적화 결과를 기준으로 할 때, 작업자의 배치 순서를 조정하는 것만으로 생산성 향상을 달성할 수 있음을 알 수 있다. 실시간 데이터를 기반으로 제약조건이 없는 작업자 배치 순서의 최적화의 경우(기준#2)는 약 46.4%의 생산성이 향상되었고, 선형구간에서만의 최적화를 제약조건으로 한 경우(제약#1)는 약 29.5%의 생산성이 향상되었다.
또한, 최적화를 실시하지 않은 경우의 시뮬레이션 생산량인 218벌을 고려 시, 제약#1의 경우 8.7%, 기준#2의 경우 22.9%의 생산성 향상을 확인할 수 있었다.
이상에서 설명한 바와 같이, 의류 생산공장에서 의복 봉제 작업을 수행함에 있어서 생산라인 최적화 시뮬레이터(100)는 공정별 작업시간, 작업자별 기술수준, 공정별 난이도 등을 고려하여 최적화 알고리즘과 시뮬레이션을 반복적으로 수행할 수 있다. 이를 통해, 최적의 봉제 작업자 배치 순서와 이에 따른 생산 예측 결과를 얻을 수 있다. 그러한 시뮬레이션 결과에 기초하여, 생산 효율이 최대화 되도록 작업자를 배치하여 최적화된 봉제 라인을 구성할 수 있다. 본 발명은 생산라인 매니저의 경험적 판단에 의존하던 기존의 방법을 대체할 수 있다.
이상에서는 의복 생산을 위한 봉제 작업 라인을 예로 하여 설명하였다. 그런데 본 발명은 의류 제조공장에만 국한되는 것이 아니라, 노동 집약적인 다양한 제조설비공장으로 확대 적용 될 수 있다.
본 발명은 의류 제조산업 뿐만 아니라 다양한 제조산업에 적용되어 생산라인의 최적화와 생산량 등의 예측 수단으로 활용될 수 있다. 본 발명은 제조공장(예컨대, 의류 봉제공장 등)의 생산 원가 및 납기 판단, 생산기간 단축을 위한 생산량 예측 등에 활용될 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 (21)

  1. 최적 작업자 배치순서로 생산라인을 구축하는 것을 가정하여, 그 구축된 생산라인과 소정의 입력정보를 이용하여 작업물 생산에 소요되는 작업 공정시간과 대기시간을 포함하는 작업물 이동시간을 산출하는 시뮬레이션을 수행하여 시뮬레이션 결과를 생성하도록 구성된 최적화 시뮬레이션부; 및
    최초 작업자 순서와 상기 소정의 입력정보의 일부를 적합성 평가 기본정보를 이용하여, 소정의 적합성 평가 종료기준을 만족할 때까지 지속적으로 신규 작업자 개체군을 생성하고, 그 신규 작업자 개체군에 대한 적합성 평가를 하는 것을 반복적으로 수행하는 것을 통해 상기 적합성 평가 종료기준을 만족하는 최적 작업자 배치 순서를 도출하여 상기 최적화 시뮬레이션부에 제공하도록 구성된 작업자 순서 최적화부를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  2. 제1항에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 적합성 평가 종료기준에 관한 정보를 포함하는 시뮬레이션 수행 조건에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  3. 제1항에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 적합성 평가 종료기준에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  4. 제1항에 있어서, 상기 적합성 평가 종료기준은 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간이, 생산 지연 상황을 완충할 수 있는 소정의 허용율을 적용하지 않고, 표준작업시간(Standard Minute Value: SMV)으로 정해지는 총 생산시간과 같은 값을 가지는 것인 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  5. 제4항에 있어서, 상기 총 생산시간은 표준작업시간(SMV)을 기준으로 각 공정의 작업시간의 총합(총 공정시간)과 하나의 작업공정에서 다음의 작업공정으로 이동하는 시간의 총합(총 이동시간)을 합친 시간인 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  6. 제1항에 있어서, 상기 최적화 시뮬레이션부에서 생성되는 상기 시뮬레이션 결과는 현재 및/또는 미래의 시간에 따른 상기 생산라인에서의 생산량, 그 생산라인의 병목지점, 그 생산라인의 작업공정별 작업물의 입력수량 및 출력수량, 작업공정별 작업부하, 작업공정별 가용율, 그 생산라인의 최적 작업자 배치순서에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  7. 제1항에 있어서, 상기 작업자 순서 최적화부는 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간을 산출하는 것에 기초하여 상기 적합성 평가를 하고, 상기 적합성 평가 결과로 산출되는 총 생산시간이 최종적으로 상기 적합성 평가 종료기준을 만족하면 그 때의 작업자 배치 순서를 최적 작업자 순서로 판단하여 상기 최적화 시뮬레이션부로 환원하도록 구성된 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  8. 제7항에 있어서, 상기 작업자 순서 최적화부는 산출된 총 생산시간이 상기 소정의 종료기준을 만족하지 못할 경우, 유전 알고리즘을 이용하여 작업자 개체군을 새로 선택하여 그 선택된 작업자 개체군에 대한 교차 및 변이 과정을 통해 신규 개체군을 생성하도록 구성된 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  9. 제1항에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 최적화 반복 횟수에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  10. 제1항에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 최적화(적합성 평가) 반복 횟수에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  11. 제1항에 있어서, 상기 생산라인은 의류 봉제공장에서 의류 생산을 위한 봉제 작업물을 생산하는 라인인 것을 특징으로 하는 생산라인 최적화 시뮬레이터.
  12. 컴퓨터 장치에서 실행될 수 있는 컴퓨터 프로그램으로 구현되는 방법으로서,
    최적화 시뮬레이션에 필요한 소정의 정보를 입력받는 단계;
    최초 작업자 순서와 상기 소정의 입력정보의 일부를 적합성 평가 기본정보로 이용하여, 소정의 적합성 평가 종료기준을 만족할 때까지 지속적으로 신규 작업자 개체군을 생성하여 그 신규 작업자 개체군에 대한 적합성 평가를 반복적으로 수행하는 단계;
    작업자 개체군에 대한 상기 적합성 평가를 통해 상기 적합성 평가 종료기준을 만족하는 최적 작업자 배치 순서를 도출하는 단계; 그리고
    도출된 상기 최적 작업자 배치 순서로 생산라인을 구축하는 것을 가정하여, 그 구축된 생산라인과 소정의 입력정보를 이용하여 작업물 생산에 소요되는 작업 공정시간과 대기시간을 포함하는 작업물 이동시간을 산출하는 시뮬레이션을 수행하여 시뮬레이션 결과를 생성하는 단계를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  13. 제12항에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 적합성 평가 종료기준에 관한 정보를 포함하는 시뮬레이션 수행 조건에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  14. 제12항에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 적합성 평가 종료기준에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  15. 제12항에 있어서, 상기 적합성 평가 종료기준은 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간이, 생산 지연 상황을 완충할 수 있는 소정의 허용율을 적용하지 않고, 표준작업시간(SMV)으로 정해지는 총 생산시간과 같은 것인 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  16. 제15항에 있어서, 상기 총 생산시간은 표준 작업시간(SMV)을 기준으로 각 공정의 작업시간의 총합(총 공정시간)과 하나의 작업공정에서 다음의 작업공정으로 이동하는 시간의 총합(총 이동시간)을 합친 시간인 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  17. 제12항에 있어서, 상기 적합성 평가를 반복적으로 수행하는 단계는, 현재의 작업자 개체군으로 구성된 생산라인이 소정의 한 단위 작업을 완성하는 데 소요되는 총 생산시간을 산출하는 것에 기초하여 상기 적합성 평가를 하는 단계; 상기 적합성 평가 결과로 산출되는 총 생산시간이 최종적으로 상기 적합성 평가 종료기준을 만족하면 그 때의 작업자 배치 순서를 최적 작업자 순서로 판단하여 상기 시뮬레이션용으로 제공하는 단계; 산출되는 총 생산시간이 최종적으로 상기 적합성 평가 종료기준을 만족하지 못하면, 유전 알고리즘을 이용하여 작업자 개체군을 새로 선택하여 그 선택된 작업자 개체군에 대한 교차 및 변이 과정을 통해 신규 개체군을 생성하여 상기 적합성 평가용으로 제공하는 단계를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  18. 제12항에 있어서, 상기 소정의 입력정보는 상기 생산라인의 최초 공정순서, 각 작업공정별 작업시간, 작업자별 기술수준, 수행할 작업공정별 난이도, 시뮬레이션 속도 및/또는 기간, 그리고 최적화 반복 횟수에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  19. 제12항에 있어서, 상기 소정의 적합성 평가 기본정보는 작업자별 기술수준, 수행할 작업공정별 난이도, 작업공정별 작업시간에 관한 정보, 그리고 최적화(적합성 평가) 반복 횟수에 관한 정보를 포함하는 것을 특징으로 하는 생산라인 최적화 시뮬레이션 방법.
  20. 제12항 내지 제19항 중 어느 한 항에 기재된 생산라인 최적화 시뮬레이션 방법을 수행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 실행가능 프로그램.
  21. 제12항 내지 제19항 중 어느 한 항에 기재된 생산라인 최적화 시뮬레이션 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
PCT/KR2021/009061 2020-07-15 2021-07-14 생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법 Ceased WO2022015059A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200087683 2020-07-15
KR10-2020-0087683 2020-07-15

Publications (1)

Publication Number Publication Date
WO2022015059A1 true WO2022015059A1 (ko) 2022-01-20

Family

ID=79555747

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/009061 Ceased WO2022015059A1 (ko) 2020-07-15 2021-07-14 생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법

Country Status (2)

Country Link
KR (1) KR20220009348A (ko)
WO (1) WO2022015059A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114881301A (zh) * 2022-04-20 2022-08-09 深圳市渠印包装技术有限公司 生产线的仿真排产方法、系统、终端设备及存储介质
CN115907684A (zh) * 2022-12-19 2023-04-04 重庆忽米网络科技有限公司 一种基于数字孪生建模的电视机生产线管理方法
CN116430805A (zh) * 2023-02-13 2023-07-14 三一重机有限公司 车间调度控制方法及装置、生产线、作业机械
CN116540648A (zh) * 2023-05-05 2023-08-04 上海依蕴宠物用品有限公司 一种宠物膨化食品生产工艺的优化方法及系统
CN118673719A (zh) * 2024-06-28 2024-09-20 江苏虎豹集团有限公司 一种用于免烫衬衫的生产工艺优化方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7829374B2 (ja) * 2022-03-23 2026-03-13 株式会社東芝 作成システム、作成方法、プログラム、及び記憶媒体
KR102837169B1 (ko) * 2023-11-27 2025-07-23 주식회사 시제 최적 의류 생산 계획을 제공하는 방법 및 장치
KR102725494B1 (ko) * 2024-08-06 2024-11-04 주식회사 대한글로벌디에스 생산 작업 확인용 포터블 기기

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100238738B1 (ko) * 1996-06-07 2000-01-15 가네꼬 히사시 처리 순서의 예측 및 작업의 할당을 행하는 작업 관리 장치 및 방법
JP2004288011A (ja) * 2003-03-24 2004-10-14 Sharp Corp 作業者配置決定方法、作業者配置決定装置、および作業者配置決定システム
JP2009099039A (ja) * 2007-10-18 2009-05-07 Nissan Motor Co Ltd 生産計画評価装置、およびその方法
JP4581252B2 (ja) * 2001-01-19 2010-11-17 いすゞ自動車株式会社 作業配分表作成支援システム
JP2018128766A (ja) * 2017-02-07 2018-08-16 Ｊｆｅスチール株式会社 作業工程計画作成方法、作業工程計画作成装置及び作業工程計画作成プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130124208A (ko) 2012-05-04 2013-11-13 주식회사 썬스타 봉제 생산 공정 컨설팅 장치와 방법 및 컴퓨터 판독 가능한 기록 매체
KR101995275B1 (ko) 2019-01-29 2019-07-03 호전실업 주식회사 의류 생산 공장의 생산 및 가동 최적화 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100238738B1 (ko) * 1996-06-07 2000-01-15 가네꼬 히사시 처리 순서의 예측 및 작업의 할당을 행하는 작업 관리 장치 및 방법
JP4581252B2 (ja) * 2001-01-19 2010-11-17 いすゞ自動車株式会社 作業配分表作成支援システム
JP2004288011A (ja) * 2003-03-24 2004-10-14 Sharp Corp 作業者配置決定方法、作業者配置決定装置、および作業者配置決定システム
JP2009099039A (ja) * 2007-10-18 2009-05-07 Nissan Motor Co Ltd 生産計画評価装置、およびその方法
JP2018128766A (ja) * 2017-02-07 2018-08-16 Ｊｆｅスチール株式会社 作業工程計画作成方法、作業工程計画作成装置及び作業工程計画作成プログラム

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114881301A (zh) * 2022-04-20 2022-08-09 深圳市渠印包装技术有限公司 生产线的仿真排产方法、系统、终端设备及存储介质
CN114881301B (zh) * 2022-04-20 2025-07-18 深圳市金豪彩色印刷有限公司 生产线的仿真排产方法、系统、终端设备及存储介质
CN115907684A (zh) * 2022-12-19 2023-04-04 重庆忽米网络科技有限公司 一种基于数字孪生建模的电视机生产线管理方法
CN116430805A (zh) * 2023-02-13 2023-07-14 三一重机有限公司 车间调度控制方法及装置、生产线、作业机械
CN116540648A (zh) * 2023-05-05 2023-08-04 上海依蕴宠物用品有限公司 一种宠物膨化食品生产工艺的优化方法及系统
CN118673719A (zh) * 2024-06-28 2024-09-20 江苏虎豹集团有限公司 一种用于免烫衬衫的生产工艺优化方法

Also Published As

Publication number Publication date
KR20220009348A (ko) 2022-01-24

Similar Documents

Publication Publication Date Title
KR20220009348A (ko) 생산라인 최적화 시뮬레이터 및 이를 이용한 생산라인 최적화 시뮬레이션 방법
Su et al. Algorithms for solving assembly sequence planning problems
Amiri et al. Multi-objective simulation optimization for uncertain resource assignment and job sequence in automated flexible job shop
Narahari et al. Performance analysis of scheduling policies in re-entrant manufacturing systems
Lin et al. A simulation-based optimization approach for a semiconductor photobay with automated material handling system
Khan et al. Parallel adaptive mesh generation
CN118229039A (zh) 一种多目标智能优化的aps排产方法及系统
Zamani et al. A high-performance heterogeneous critical path analysis framework
CN114186519A (zh) 时序瓶颈探查方法、装置、终端设备及存储介质
CN119597363A (zh) 基于微服务的企业软件系统构建方法及装置
Talukdar et al. Asynchronous procedures for parallel processing
CN114579268B (zh) 资源调度方法以及装置
CN112463532B (zh) 构建snn工作负载自动映射器的方法及自动映射器
ElMaraghy et al. On-line simulation and control in manufacturing systems
Alves et al. A multi-objective approach for manufacturing systems with multiple production routes based on supervisory control theory and heuristic algorithms
CN117311801B (zh) 一种基于网络化结构特征的微服务拆分方法
Lin et al. A topology-aware performance prediction model for distributed deep learning on gpu clusters
Wang et al. Fast Approximation to Discrete-Event Simulation of Markovian Queueing Networks
Zeng et al. Production‐Logistics Synchronisation Mechanism and Method of Cellular Assembly Systems Based on Digital‐Twin and Out‐of‐Order Execution
Ushakova Application of computer agent modeling for optimization of the assembly process
JP7762466B1 (ja) 生産シミュレーションシステム、生産シミュレーション方法及びプログラム
Yu et al. A new approach for the forward and backward substitutions of parallel solution of sparse linear equations based on dataflow architecture
Tonegawa GENERALIZED STOCHASTIC NETWORKS AND GENERALIZED NETWORK SIMULATOR.
JPH06151282A (ja) 荷電粒子線露光装置のデータ変換方法
Igawa et al. A design support method for automation system configuration using model-based simulation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21841621

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21841621

Country of ref document: EP

Kind code of ref document: A1