제조업 생산 운영 업무의 주요 관심사는 아래와 같은 질문에 좋은 답을 찾는 일 입니다.

•  재고를 어디에 얼마만큼 확보해야 판매 실기를 줄일 수 있을까?

•  고객 주문, 생산목표를 만족시키기 위해 공장별로 어떤 제품을 언제 얼마 만큼 생산할 것인가?

•  효율적으로 생산목표를 달성하기 위해 각 자원 (장비, 작업자)은 어떤 작업 순서로 일을 하도록 할 것인가?

•  언제 어떤 장비의 작업 교체를 할 것인가?

찾아진 답을 기반으로 실행하고, 실행 시 발생하는 이슈를 개선하는 과정을 반복합니다. 제조 운영의 주요 목표는 이러한 과정을 통해 제조 운영 효율을 극대화하는 것입니다.

제조 운영 의사 결정의 어려운 점

기술이 빠르게 발전하고, 소비자의 요구가 다변화 됨에 따라 생산 제품의 생명 주기가 짧아졌습니다. 모바일 제품과 같은 전자 제품의 경우 3~6개월 마다 신제품을 만들어냅니다. 이에 따라 제조 공법, 사용되는 자원, 생산에 영향을 주는 요소의 변화 속도는 증가합니다. 이러한 환경변화는 제조 운영 의사 결정을 점점 더 어렵게 만듭니다. 의사 결정 할 사항은 많아지고 고려해야 하는 데이터 또한 증가하여 의사결정에 더 많은 시간이 소요됩니다. 이로 인해 적기에 올바른 의사결정을 내리는 것이 힘들어집니다. 또한 과거 데이터의 분석과 경험을 통한 의사 결정은 변화된 환경에서 좋은 결과를 보장하지 않습니다.

생산기술의 발전에 비해 현재까지도 제조 운영 의사 결정에 사용되는 가장 일반적인 도구는 엑셀이며 수작업을 통해 수행되는 경우가 많습니다. 이러한 방식이 잘못된 것은 아니지만 ERP, MES 와 같은 실행 시스템에서 처리되는 다양한 정보를 충분히 활용하여 의사 결정을 하기에는 여러가지 제약이 있는 것이 사실입니다.

시스템을 구축한 경우라고 하더라도 ad-hoc 한 환경에서 동작하며 모델의 변경이 어렵고 제한적인 경우가 많아 빠르게 변화하는 제조 환경에 적정한 속도로 대응하는 것은 매우 어려운 일입니다.

Data-Driven Factory Digital Twin?

Factory Digital Twin (FDT) 은 생산 현장의 물리적 구성 요소의 집합인 Physical Model 과 Physical Model 간 상호 운영 방식을 결정하고 실행하도록 처리하는 Control Model 로 구성됩니다. Physical Model 은 Factory Layout 상에 위치하는 장비와 작업물을 기본으로 하며 Factory Digital Twin의 사용 목적에 따라 작업물 이송을 처리하는 Vehicle, Stocker, Human 등의 물류 자원을 포함할 수 있습니다.

Figure 1: Component of Factory Digital Twin

FDT는 각 구성요소의 속성과 상태를 포함하는 데이터 집합이며, 메모리 위에 존재하는 실제 공장의 쌍둥이입니다. 더불어 FDT 를 구성하는 각 요소는 이산사건 시뮬레이션이 가능한 즉, 상태와 동작방식이 정의된 시뮬레이션 모델로 구성합니다.

FDT는 관리 가능한 수준에서 실제 공장의 데이터와 동기화된 상태를 유지 합니다. 또한 특정 시점의 공장 상태를 스냅샷으로 저장하고 배포할 수 있습니다. 이러한 공장의 쌍둥이 모형은 여러가지 목적으로 활용될 수 있습니다.

FDT 의 활용 방안

• 생산 운영 룰의 비교 평가

• 생산 정보의 변도에 따른 영향도 평가

• 미래 공장 상태 예측을 통한 의사 결정 지원

• 생산 운영 룰의 개선 및 최적화

결론

Industry 4.0 시대 제조업의 생산 문제를 해결하기 위해서는 급격한 생산환경의 변화에 신속하게 대응할 수 있는 의사결정 지원 체계가 필요합니다. 변화의 영향도를 빠르게 평가할 수 있어야 하며 데이터에 기반한 의사 결정을 할 수 있어야 합니다. FDT 는 Industry 4.0 시대 제조 운영에 핵심적인 요소로 반도체 제조와 같은 첨단 기술 제품 제조업들은 이미 다양한 형태의 FDT 를 구축 운영하고 있습니다. 공장 자동화와 IoT 를 통한 데이터 집계가 일반화됨에 따라 FDT 의 중요성은 더욱 가속화 될 것입니다.

Learn more: Resource Download