머신러닝을 이용한 다품종 소량생산 스케쥴 구현에 관한 연구

Abstract

"만들면 팔리는 시대는 끝이 났다.", 4차 산업혁명 시대가 도래 하면서, 인공지능, IOT, 클라우드, 빅데이터 기술이 발달하면서 많은 제조업 분야에서 기존의 아날로그 방식에서 디지털 방식으로 빠르게 전환이 이루어지고 있다. 21세기 들어 노동인구가 감소되고, 전통 방식을 유지해온 제조업은 한계에 부딪히고 있다. 기업은 기술적인 한계에 부딪히게 된다. 이러한 기업은 기존의 아날로그 방식에서 디지털 방식으로 전환이 이루어지고 있고, 설비, 인력 등에서 자동화를 통해 스마트 팩토리를 구현하여 경쟁력을 향상 시키고 있다. 본 논문에서는 최근 급격하게 성장한 다품종 소량생산 화장품 제조업 D사의 조직의 구조와 생산, 영업 업무 프로세스 분석, 다품종 소량생산에서 발생하는 문제점을 파악하여, 개선 사항을 제시한다. 다품종 소량 생산 스케쥴은 수동으로 작성되고 있고, 작업자의 의존도가 높기 때문에, 기존의 방식에서 머신러닝 기법을 융합하여 연구하였다. 다품종 소량생산의 생산 스케쥴에서 머신러닝기법을 반영하여 로직을 설계하기 위해서는 첫째, StandardScaler, MinMaxScale를 이용하여 Nomalizer를 진행한다. 스케일이 너무 다르면 모델 학습이 제대로 안되기 때문에, Scaling 작업을 진행해야 하였다. 이렇게 Nomalizer를 데이터를 이용하여, 생산라인 분류 머신러닝 모델을 XGBoost로 학습한다. 둘째, 과거 데이터를 학습하여 라인을 예측한다. 이때, 보관 데이터 수가 많을수록 정확한 예측 값을 얻을 수 있다. 셋째, 제약조건에 대한 후처리 우선순위 로직을 적용하여 설계한다. 해당 연구를 통해 1일차 81%이상의 결과를 얻을 수 있었고, 2일, 3일, 4일치 생산계획에서는 60%의 정확도를 얻을 수 있었다. 다품종 소량생산스케쥴 로직에서 머신러닝 기법을 이용하여, 과거 생산 데이터를 학습하고 이를 우선순위를 설정해서 스케쥴하는 방식은 기존에 없는 개념으로 차별성이 있다. 앞으로 이 분야에 대 더 연구되어야 하고, 복잡한 생산 환경에서 뛰어난 스케쥴링이 가능할 것이라 기대한다.