1. 서 론

고도의 첨단 기술이 집약된 항공기는 고객의 주문을 반영하여 오랜 기간에 걸쳐서 상세 설계와 생산이 진행되 는 대표적인 주문제작(build-to-order) 제품에 해당한다. 또 한 항공기용 각종 부품들은 품목의 다양성과 소요량의 제 한으로 인해서 대량생산 방식을 적용하기가 어렵기 때문 에 일반적으로 항공기 조립업체의 주문에 근거하여 다품 종 소량 개별생산(job shop) 방식으로 생산이 이루어진다. 그런데 다품종 소량 주문생산 시스템은 공정별 능력이나 부하의 균형이 맞지 않는 경우 리드타임(lead time)이 길 어져서 재공품재고가 증가하고, 인력 소요도 증가하는 문제 가 발생하는 것으로 알려져 있다. 유연생산시스템(flexible manufacturing system; FMS)은 흐름생산방식의 효율성과 주문생산방식의 유연성을 동시에 달성하기 위한 대안으 로 인식되어 다양한 분야로 적용이 확대되고 있다[9]. 본 논문에서는 항공기 부품을 생산하는 항공우주 산업체인 K사가 구축한 FMS의 가동률(utilization)을 최대화하는 팔 레트(pallet)의 수량을 결정하기 위한 시뮬레이션 모형의 개발 및 활용에 관한 문제를 다룬다.

FMS는 고객의 주문에 따라서 공정의 처리 순서와 시 간이 서로 다른 다양한 품목을 중․소량 생산하는 환경 에서, 생산 품목의 종류와 수량의 변화에 유연하게 대처 하기 위해 작업 준비시간을 단축하고 가동률 향상, 단위 당 생산비용 절감 등의 고효율 생산을 추구하는 컴퓨터 제어 기반의 자동화 생산 시스템이다[2, 4, 5, 10]. 이러 한 FMS를 설계하는 단계에서는 생산할 품목 배정, 가공 기계 및 물류장비의 선정, 제어 시스템의 구성 및 공장배 치 등의 의사결정 문제를 해결해야한다. 또한 FMS의 운 영 단계에서는 생산 품목의 종류와 수량, 생산 공정의 처 리순서 및 AGV(automated guided vehicle) 등 운반시스템 의 경로 결정 등의 의사결정이 필요하다[10]. 일반적인 FMS의 성능평가 도구로는 시뮬레이션 모형(simulation model)과 대기망(queueing network) 모형 등이 있으며[13], 시뮬레이션은 FMS의 최적 설계 및 운영과 관련된 다양 한 문제를 해결하는 도구로 많이 사용된다[12, 14].

일반적으로 팔레트는 FMS에서 생산이 진행되는 동안 물자의 운반과 보관에 사용되는 자원으로서 적절한 수량 이 확보되지 않으면 원활한 생산에 지장을 초래하여 리 드타임, 생산량 등의 운영성과에 악영향을 끼친다[6]. 그 러나 FMS에서 운용되는 팔레트가 많다고 해서 생산량이 비례적으로 증가하지 않을 뿐만 아니라 비용이나 공간적 제약으로 인해 팔레트의 수를 일정 수준 이상으로 늘리 기도 어렵다[9, 13]. 따라서 FMS의 효율적인 운영을 위 해서는 생산품목 및 공정의 특성, 물류 및 생산계획 상의 요구조건 등을 현실적으로 반영하여 리드타임, 생산량 등의 운영성과(performance)를 최적화할 수 있는 팔레트 의 수량을 결정해야 한다. 그리고 FMS의 팔레트 수량 결정에 관한 기존의 연구들은 대부분 생산 시스템에서 제품 생산이 완료될 때까지 제품별로 지정된 팔레트가 사용되는 경우를 대상으로 하고 있다[3, 6, 11, 15].

전투기, 헬기 등의 완제기와 타사로 납품하는 항공기 부품을 생산하는 항공우주 산업체 K사는 대형 항공기 날개용 부품인 윙립(wing rib)을 비롯한 다양한 항공기 부품을 효율적으로 생산하기 위해 TOC-DBR(theory of constraints-drum, buffer, rope) 기법을 운영원칙으로 활용 하는 신규 윙립 FMS(wing rib FMS; WFMS)를 구축하였 다[7]. WFMS에서 윙립 가공에 사용되는 치공구/팔레트 는 가공작업 시 작업물의 변형이 발생하지 않도록 정밀 한 공차를 유지해야 하고, 장비와 팔레트 간의 조립 정밀 도가 균일하게 유지되어야 하는 고가의 자원이다. 더구 나 WFMS의 가용공간이 제한되어 있기 때문에 길이가 6m에 달하는 팔레트를 적정 수량 이상으로 운용하는 것 은 바람직하지 않다.

그리고 WFMS에서 윙립이 완성되기 위해서는 황삭, 황․정삭 및 정삭 가공의 3단계 가공 공정이 순차적으로 진행되어야 하며, 각 공정에서는 미리 배정된 서로 다른 종류의 팔레트-치공구 조합(이후 팔레트로 표기)을 사용 한다(제 3.2.2절 참조). 윙립 가공이 진행되는 동안 WFMS 내부에서 구성요소(로딩 스테이션, 고속 가공기계, 팔레 트 저장소 등) 간에 발생하는 팔레트의 운반에는 2대의 전용 운송장치(RGV)가 사용된다. 따라서 WFMS의 각 공 정 단계에 배치된 팔레트 수량은 해당 공정의 산출율에 직접적인 영향을 끼친다. 그러나 순차적인 윙립 생산공정 의 특성으로 인해서 단계 1 혹은 2 공정에 적정 수량을 초 과하는 팔레트가 배치된 경우에는 해당 공정에서 가공이 완료된 윙립을 다음 공정으로 즉시 투입하지 못하고 버퍼 (buffer) 역할을 하는 팔레트 저장소로 운반 및 보관해야 하는 상황이 발생할 수 있다. 이러한 상황에서는 필연적 으로 RGV에 의한 운반 및 보관 등의 부대작업과 후속 공 정의 개시 전에 대기가 발생하게 됨으로써 팔레트 수량의 증가가 오히려 가공기계의 가동률이나 생산율을 저하시 키는 원인이 될 수도 있다. 이러한 WFMS의 특성으로 인 해서 팔레트 수량 결정에 관한 기존의 연구 결과를 직접 적용하는 것은 한계가 있다. 따라서 고객의 주문을 충족 하기 위해 설정된 WFMS의 운영 목표를 달성할 수 있고 투자비용을 최소화할 수 있는 팔레트 수량 결정에 대한 연구가 필요하다. 본 논문에서는 윙립의 공정별 가공 시 간과 주문 수량에 관한 자료를 이용하여 공정별 팔레트 수량의 대안을 구성하고, 이산사건(discrete event) 기반 시뮬레이션 기법을 사용하여 고객의 주문을 충족하기 위 한 윙립 생산용 WFMS의 최적 팔레트 수량을 결정하는 절차를 제시한다. 또한 주요 성과척도를 대상으로 시뮬레 이션 결과와 WFMS의 실제 운영결과를 비교⋅검토한다.

본 논문의 이후 구성은 다음과 같다. 제 2장에서는 팔레 트 수량 결정에 관한 기존의 연구 결과를 소개하고, 제 3장 에서는 WFMS의 시뮬레이션 모형을 제시하며, 제 4장에 서는 팔레트 수량 결정을 위한 공정별 팔레트 조합의 대안 을 구성하는 절차를 소개하고 시뮬레이션 실험 결과를 분 석한다. 그리고 제 5장에서는 실제 K사에 구축된 WFMS 의 운영성과를 제시하고, 제 6장에서는 본 연구의 결과를 요약하고 연구의 의의 및 향후 연구방향에 대해 기술한다.

2. 관련 연구

Solot[15]은 여러 종류의 부품을 생산하는 FMS를 대상 으로 평균 생산시간(throughput time) 요구조건을 만족하 는 최적 팔레트 수를 구하기 위한 휴리스틱 알고리즘 PANORAMA를 제안하였다. 그런데 PANORAMA는 생 산율을 추정하기 위해서 가공시간이 지수분포를 따르는 Multi-Q 대기행렬 네트워크를 사용해야 한다는 한계가 있다. Kang 등[6]은 MVA(mean value analysis) 알고리 즘을 이용하여 부품의 생산율(throughput)과 평균 생산 시간을 계산하고 최종 제품의 생산율과 재공품 재고의 가중합을 최대화하는 문제에 대한 Tabu 탐색 알고리즘 을 제시하였다. 그러나 이 연구는 고유의 팔레트를 필요 로 하는 여러 부품을 조립하여 완제품을 생산하는 FMS 의 경우로 제한되어 WFMS에 직접 활용하기에는 한계 가 있다.

Mashaei 등[11]은 일련의 제품들을 주기적으로 반복 생산하는 재구성형 제조시스템(reconfigurable manufacturing system)을 대상으로 사이클 시간을 최소화하기 위한 최적 팔레트 수를 제시하였으나, 치공구와 팔레트 조합 이 한 가지인 경우만을 다루고 있으며 일정계획에 종속 적인 방법을 제시하였다는 한계가 있다. Han 등[3]은 재 구성형 모듈러셀(reconfigurable manufacturing cell; RMC) 의 팔레트-치공구 할당 문제를 다루었으며, 실험을 통해 서 RMC의 시스템 구성과 주문의 특성을 복합적으로 고 려하여 팔레트 부족에 의한 유휴가 발생하지 않게 하는 수량을 의미하는 최소충분팔레트 수를 고려한 규칙이 생 산 수량을 고려한 규칙과 보완적으로 사용될 수 있음을 보였다.

본 연구의 대상인 WFMS는 제품별로 지정된 팔레트가 사용되는 경우[3, 6, 11]를 대상으로 하는 기존의 연구결 과와 달리 공정별로 서로 다른 종류의 팔레트가 순차적 으로 사용되는 경우로 차이가 있기 때문에 순차적인 3단 계 윙립 가공 공정의 특성(제 3.3.3절 참조)을 기존 연구 결과에 직접 적용하기에는 한계가 있다. 이러한 한계점 을 극복하기 위해서 본 연구에서는 항공기 윙립 가공 공 정의 처리 시간과 물량을 고려하여 공정별 팔레트 조합 대안을 구성하고, WFMS의 가공 및 물류 장비와 일정계 획 등의 운영 특성이 반영된 시뮬레이션 모델을 통해 각 대안의 생산량, 가동률, 재공품재고 등의 성과지표를 추 정함으로써 생산율 목표를 달성할 수 있는 최적의 공정 별 팔레트 수량을 결정하는 방법을 제안한다. 본 연구의 결과는 항공기 윙립과 같이 공정별로 서로 다른 종류의 팔레트가 순차적으로 사용되는 제품을 생산하기 위한 유 연생산시스템의 공정별 팔레트 수량을 결정하는 문제에 활용할 수 있을 것으로 기대된다.

3. WFMS의 시뮬레이션 모형

WFMS의 안정적 운영을 위해 최적의 팔레트 수량을 결 정하기 위한 시뮬레이션 모형을 개발하는데 먼저, 윙립 제 품의 특성 및 사양, 제조공정의 구성 및 흐름, 공정별 가공 시간(tact time) 등을 파악하는 제품 및 공정분석을 실시하 였다. 분석 결과는 윙립 품종의 투입순서, 팔레트 수량, 공 정별 소요시간 및 준비작업 시간 등의 매개변수를 포함하 는 이산사건 시뮬레이션 모형을 개발하는데 반영하였다.

3.1 제품 및 공정분석

3.1.1 윙립 제품분석

윙립(wing rib)은 항공기 주익의 하중을 지탱하는 구조 물로서 중량 절감을 위해서 대형화 및 일체화를 지향하여 설계되었으며, 생산기술 측면에서는 고속 5축 머시닝센 터를 이용하여 복잡한 형상을 정밀 가공하고 품질을 관 리하는 기술이 필요하다. 항공기의 좌⋅우익에는 크기와 형상이 서로 다른 16개의 립(rib)으로 구성된 윙립 세트 가 각각 1세트씩 사용되며(<Figure 1> 참조), 세트 구성 품 중 가장 큰 Rib 02는 폭 1.6m, 길이 5.4m, 무게는 약 120kg에 달한다. <Figure 1>은 WFMS에서 생산되는 32개 의 Rib으로 구성된 윙립 세트를 보여준다.

3.1.2 윙립 생산 공정분석

윙립 생산을 위한 WFMS를 구성하는 장비의 수량은 공 장의 레이아웃 설계 단계에서 제품의 가공시간과 장비의 가 동률을 고려하여 산출하였다[7]. 본 연구의 대상인 WFMS는 ➀ 원자재 보관용 자동창고 1식, ➁ 팔레트 운반용 RGV(rail guided vehicle) 2대, ➂ 5축 고속 가공기계 9대, ➃ 팔레트 저장소(pallet storage) 55개, ➄ 셋업 장치인 로딩 스테이션 (loading station) 4개로 구성된다. <Figure 2>는 K사 WFMS의 장비 구성(a)과 윙립 공정의 흐름(b)을 나타낸 것이다[7].

5축 가공공정을 중심으로 한 WFMS의 세부 장비구성 및 운영 데이터는 <Table 1>과 같다. 윙립 제품의 생산물량 은 고객사와의 계약에 따라 최대 12세트(384 ribs)/월에 달 하고, 이를 위해 K사는 WFMS의 1일 생산능력을 16 ribs/ 일(= 384/25)로 설계하였다. 또한 WFMS는 자동화된 물류 및 가동장비로 구성되어 1일 24시간, 월 25일 가동되므로, 판매계획 달성을 위한 5축 가공공정의 목표 가공시간(tact time)은 90분/rib(= 24시간/16ribs)로 설정할 수 있다.

<Table 1>에서 목표 리드타임은 WFMS에서 항공기 1 대 분의 윙립 1세트(32개)를 생산하여 출고하기까지 원 자재 창고(1일), 5축 가공공정(2일) 그리고 WFMS 이후 공정(1일)에서의 처리기간을 합한 것을 의미한다. 그리고 WFMS의 가동률 목표는 90%로 설정하였다.

3.2 시뮬레이션 모델

3.2.1 QUEST 모델

본 연구에서 WFMS의 팔레트 수량을 결정하는 데 활 용하는 시뮬레이션 모델은 K사가 WFMS의 레이아웃 설 계를 위해 구축했던 QUEST 패키지 기반 모델[7, 8]을 수 정하여 개발하였으며, <Figure 3>과 같이 4단계 절차에 따라 모델 구축과 실험을 실시하였다.

Step 1(입력데이터 분석을 통해 실험에 필요한 시나리 오 및 입력 값 정의) : 제품사양 분석, 프로세스 흐름 및 로직 분석, 물류장치 반송조건 분석, 시나리오별 투입규 칙에 대한 정의 등의 순서로 진행하였다.

Step 2(장비 및 설비의 3D 데이터 변환 및 로직에 대 한 라인 모델링) : 생산 및 물류 장비의 배치와 모델링, 반송장치의 기구학적 운동 정의 및 물류흐름 연결, 라우 팅로직(routing logic) 프로그래밍, 라인설비 및 생산제품 의 3D CAD 변환 작업 등의 순서로 진행하였다. 또한 가 공라인의 스케줄은 먼저 제약자원인 5축 가공장비의 작 업일정을 작성하고, 가공이 완료되어 장비가 유휴 상태 가 되면 로프에 의해 다음 제품의 투입 일정을 후진 방 식(backward)으로 결정하고, 보호버퍼(protective buffer)인 원자재 자동창고의 작업일정을 수립하는 DBR(drum buffer rope) 규칙을 활용하여 수립하였다.

Step 3(시뮬레이션 실험) : 실험의 목적을 반영하여 인 자 수준, 실험 횟수, 데이터 수집 및 분석 방법 등을 포 함하는 실험 설계를 진행하고 순서에 따라 시뮬레이션을 실시하였다. 모델의 환경변수로 작업공정, 작업경로, 제 품 투입순서, 팔레트 수량, 공정시간, 셋업시간 등을 정 의하고 각 변수의 기본 값을 이용하여 기준 모델을 설정 했다. 이후 본 연구의 결정변수인 팔레트 수량을 실험 시 나리오에 따라 변경하고 실험을 실시함으로써 대안을 비 교하였다.

Step 4(실험 결과 평가 및 최적안 도출) : 실험 결과 분석 및 평가를 통해서 팔레트 수량 대안별 운영성과를 평가하고, 생산라인에 적용 가능한 최적 팔레트 수량 조 합을 산출하였다. 평가척도로는 생산성에 영향을 미치는 요소와 실제 공장 운영 시 일반적으로 사용하는 척도를 활용하여 생산율, 가동률, 리드타임, 재공품 재고를 사용 하였다.

3.2.2 시뮬레이션 환경변수

생산 제품 사양, 공정 흐름 분석, 공정 레이아웃, 치공 구 및 팔레트, 제품 투입 순서, 근무 시간 등을 입력 데 이터 분석에서 정의하였다.

(1) 생산제품

<Figure 1>에 제시된 바와 같이 윙립은 총 32품목이며, 좌익 립(left wing rib) 16품목과 우익 립(right wing rib) 16 품목이 각각 1세트로 구성된다. 윙립 각각의 품목 정보는 Rib 번호로 부여되는데 번호가 작을수록 대형 품목이다.

(2) 공정흐름 및 작업시간

<Figure 4>는 WFMS의 공정 흐름을 나타낸 것이다. 윙 립의 가공은 Stage 1(황삭 가공), Stage 2(황․정삭 가공), Stage 3(정삭 가공) 등 3개의 공정(operation) 순서로 진행 된다. 그리고 각 공정은 로딩(loading), 기계가공(machining), 언로딩(unloading)의 3개 단위공정(unit operation)으로 구 성된다. 따라서 1개의 윙립은 ①번 로딩부터 ⑨번 언로딩 까지 총 9개의 단위공정을 거쳐서 완성된다. 각 단위공정 에서는 3~6번의 팔레트 이동이 발생되며, 2대의 RGV가 길이 135m인 레일(rail)을 왕복 주행하면서 9대의 5축 고속 가공기계와 4대의 로딩 스테이션에 팔레트를 공급한다. 각 RGV는 교착상태(deadlock)을 방지하기 위해서 정해진 구간 내에서 주행하며, RGV 간 팔레트 인수⋅인계는 팔 레트 저장소를 매개로 이뤄진다. 즉, RGV가 팔레트 인계를 위해서 저장소 구역에 진입하면 인수 RGV는 교착상태를 방지하기 위해서 반대편 구역으로 잠시 이동했다가 인계 RGV가 보관작업을 마치고 구역을 벗어난 이후에 저장소 구역으로 이동하여 팔레트를 인수한다.

윙립 1개 당 가공시간은 평균 11.6시간으로서 제품의 종류에 따라 최소 4시간에서 최대 23시간이 소요된다. 또 한 윙립이 완성되기까지 로딩 스테이션에서 총 4회의 셋업 작업이 발생하는데 평균 셋업시간은 33분, 표준편차는 9.7분이고, 제품에 따라서 최소 21분에서 최대 57분이 소 요된다.

(3) 공정 레이아웃

WFMS는 원자재 자동창고, 5축 기계가공 장비, 물류 장치, 팔레트 저장소, 셋업장치로 구성되며, 기계가공 장 비를 중심으로 앞쪽에 TOC-DBR의 제약버퍼(constraint buffer) 역할을 수행하는 원자재 자동창고를 배치하였다. 또한 재공품재고 관리 및 원활한 공정흐름을 유지하도록 로프(rope)를 설정하여 마지막 정삭가공이 완료되는 시 점에 신규 제품이 5축 가공공정으로 투입되도록 운영함 으로써 제약자원(drum)에 해당하는 5축 가공장비의 유휴 시간이 최소화되도록 하였다[7]. <Figure 5>는 WFMS의 공정 레이아웃을 나타낸 것이다.

(4) 치공구/팔레트(Fixture/Pallet)

치공구/팔레트는 <Figure 6>과 같이 가공공정의 단계 에 따라 3가지로 구분되는데, Stage 1과 2에서는 공용 치 공구/팔레트, Stage 3 정삭가공 공정에서는 윙립 제품별 로 지정된 전용 치공구/팔레트가 사용된다. 여기서 전용 치공구/팔레트의 수는 생산하는 품종 수에 해당하는 32 개로 결정되지만, 황삭 및 황⋅정삭 가공공정의 공용 치 공구/팔레트 수량은 생산율, 가동률, 리드타임 등 WFMS 의 운영목표를 달성하는 데 필요한 수량을 실험을 통해 서 결정하게 된다.

(5) 제품 투입순서

WFMS에서 32종 윙립 제품의 투입순서는 항공기 최종 조립공정에서 윙립이 사용되는 순서와 동일하게 항공기 좌 익용 윙립 세트를 먼저 투입하고, 세트를 구성하는 윙립 중에서는 대형 윙립을 먼저 투입하도록 결정하였다. 즉, WFMS에서 윙립 1세트는 Rib02L → Rib03L → … → Rib16L → Rib17L → Rib02R → Rib03R → … → Rib16R → Rib17R 순서로 투입 및 생산된다. <Figure 7>은 QUEST 로 구현한 WFMS의 3D 모델 중 일부를 보여주고 있다.

(6) 가동시간

WFMS는 평일 24시간 동안 3개 근무조가 교대로 운영 한다. 근무조별 식사시간은 A조 1시간(12:00~13:00), B조 30분(18:00~18:30), C조 30분(01:20~01:50)이며, 휴식시간 은 각각 10분씩이다(A조 : 09:50~10:00, B조 : 21:00~21:10, C조 : 04:50~05:00).

(7) 예방보전활동

WFMS에서 5축 가공장비는 황삭, 황⋅정삭 및 정삭 등 모든 단계의 공정을 수행하는데 활용될 수 있으므로, 모 든 5축 가공장비의 정도(정밀도와 정확도)가 동일한 수준 으로 유지되어야 한다. 이를 반영하기 위해 본 연구에서 개발한 시뮬레이션 모델에는 9대의 가공장비에 대한 주 기적인 정도점검 및 예방정비(preventive maintenance) 활 동이 포함되었고, 수행주기는 8시간/주로 설정되었다.

(8) RGV 주행 및 로딩/언로딩 시간

RGV의 주행시간은 RGV의 가․감속 시간과 이동 거 리에 따라서 결정되고, 팔레트 로딩/언로딩 작업은 APC (automatic pallet changer)에 의해 수행되며, 일정한 시간 (3분/회)이 소요된다. 구체적으로 빈 RGV가 호출 위치까 지 이동하는데 1~3분, 팔레트를 적재하는데 3분, 목적지 까지 운반하는데 1~3분, 목적지에 도착하여 팔레트를 하 역하는데 3분이 소요된다. 일반적으로 RGV의 목적지는 5축 가공장비 혹은 로딩 스테이션이 되지만, 해당 목적지 의 리소스(장비, 로딩스테이션)가 full 상태인 경우에는 대 기장소인 팔레트 저장소(pallet storage)로 설정된다.

4. 시뮬레이션 실험 및 결과 분석

WFMS에서 팔레트 운영 수량의 변화가 시스템의 운영 성과에 미치는 영향을 파악하기 위하여 앞서 기술한 시뮬 레이션 모델을 이용한 실험을 수행하였다. 실험을 통해서 WFMS의 팔레트 수량과 윙립 생산율, 가동률, 리드타임 그리고 재공품재고 간의 관계를 분석하여 최적 팔레트 수 량을 결정한다.

4.1 팔레트 조합 대안 생성

WFMS의 팔레트 수량을 결정하기 위해서 먼저 각 공 정에 배정할 팔레트 수량을 의미하는 팔레트 조합(pallet mix) 대안을 생성해야 한다. 다음으로 각 팔레트 조합 대 안별로 시뮬레이션 모형을 실행하여 생산율(throughput) 등의 성과지표를 평가하고, 성능 요구조건을 만족하는 가장 경제적인 대안을 최적 팔레트 조합으로 선정한다.팔레트 조합 대안을 생성하는데 사용되는 기호는 다음과 같다.

Stage 1과 2의 최소 팔레트 수 N₀는 고객 주문을 충족 하기 위한 목표 생산율과 각 공정의 팔레트 사용 시간으 로부터 식(1)과 같이 결정된다. 따라서 Stage 1과 Stage 2 에서 사용되는 총 팔레트 수는 N₀보다 작지 않은 정수 N 으로 결정된다. Stage 1과 Stage 2의 가용 팔레트 N개 중에서 Stage 1에 배정하는 팔레트 수 N₁의 하한값과 상 한값은 각각 식 (2)와 식 (3)과 같이 나타낼 수 있다. 여 기서 식 (2)는 팔레트 사용시간의 비율, 식 (3)은 윙립 처 리 물량의 비율에 따라서 가용한 팔레트 N을 공정별로 배분한 것이다. K사의 경우, 공정 특성상 p 1 + l 1 < p 2 + l 2 이므로 N 1 l < N 1 u 의 관계가 성립하고 Stage 1과 Stage 2에 서 처리하는 윙립의 수량은 동일하다.

따라서 N ≥ N₀인 총 팔레트 수 N에 대해서 식 (2)와 식 (3)을 이용하여 공정별 팔레트 조합 대안을 생성하고, 시뮬레이션 실험을 통해서 생산율 등 각 대안의 성과지 표를 평가함으로써 WFMS의 최적 팔레트 수를 결정할 수 있다. <Figure 8>은 공정별 팔레트 조합 대안을 구성 하고, 목표 생산율 조건을 충족하는 공정별 팔레트 수량 을 결정하는 흐름도이다.

예를 들어, K사 WFMS의 목표 생산율 T 는 16개/일이고, p₁ = 97.5분, p₂ = 243.7분, l₁ = 41.1분 그리고 l₂ = 35.9분 이다. 따라서 식 (1)에 의해서 Stage 1과 Stage 2의 총 팔레 트 수 N의 하한값 N₀는 5개로 결정된다. 그리고 Stage 1의 = N 1 u = 2팔레트 시용시간 비율이 33.1%이므로 N = 5인 경우 N 1 l =이고, 1개의 팔레트 조합 대안 (2, 3, 32)에 대해 서 시뮬레이션을 실행하게 된다. 마찬가지로 N = 12인 경 우에는 N 1 l = 4와 N 1 u = 6이므로 시뮬레이션 실험이 필요한 팔레트 조합 대안은 (4, 8, 32), (5, 7, 32) 그리고 (6, 6, 32) 등 3개가 된다.

4.2 실험설계

시뮬레이션 실험은 <Table 2>에 제시된 팔레트 수량 조합 대안별로 생산율 조건을 충족하는 팔레트 조합이 발 견될 때까지 순차적으로 실시하였다. 또한 WFMS 운영성 과에 관한 통계량 수집을 위하여 3교대 근무로 1개월(25 일) 동안 가동하는 경우를 대상으로 3회 반복해서 실험하 였다(초기 안정화 기간 15일은 제외).

4.2.1 실험인자

본 실험의 인자(factor)는 WFMS의 팔레트 수량으로 정 의하였고, 제 4.1절의 절차에 의해 <Table 2>에 제시된 총 26가지 조합을 시뮬레이션 실험 후보로 결정했으며, 각 공정의 팔레트 수는 5축 기계가공 장비 대수에 해당하는 9개를 초과하지 않는 범위에서 정하였다. 여기서 Stage 1 과 Stage 2에서 공용으로 사용되는 팔레트 수는 각각 2~ 9개의 범위에서 결정되지만, Stage 3은 윙립 제품별로 전용 팔레트를 사용하므로 32개로 고정된다. <Table 2>에서 번 호에 포함된 정수는 Stage 1과 Stage 2의 팔레트 수량을 의미한다. 예를 들어, pa0203에서 “0203”은 Stage 1 팔레 트 2개와 Stage 2 팔레트 3개를 의미하고, Stage 3의 전 용 팔레트 32개를 포함하여 총 37개의 팔레트를 사용하 는 경우를 의미한다.

4.2.2 운영성과 평가척도

WFMS 시뮬레이션 실험을 통해서는 팔레트 수량 대 안별로 생산율(throughput), 가동률(utilization), 리드타임 (lead time), 재공품재고(work in process) 등 시스템의 생 산성과 직접적인 관련성이 있는 4가지 평가척도에 관한 통계량을 수집한다[1]. 이들 4가지 척도는 K사에서 실제 로 생산시스템의 운영성과를 평가하는 도구로 활용되고 있다. <Table 3>은 각 평가척도의 의미를 정의한 것이다.

4.3 시뮬레이션 결과 분석

<Table 4>는 공정별 팔레트 조합 시나리오에 따라서 1 개월간 WFMS를 운영한 시뮬레이션 실험에 의해 수집된 평가척도별 통계량을 보여준다.

<Figure 9>는 팔레트 조합별 윙립 생산율과 WFMS의 목표 생산율을 비교한 것이다. 실험 대상 시나리오들 중 팔레트 수가 45개일 때, pa0508(5, 8, 32) 조합과 pa0607 (6, 7, 32) 조합의 경우에 목표 생산율 384개/월을 충족함 을 알 수 있다.

<Figure 10>은 팔레트 조합별 가동률(utilization)을 그 래프로 비교하여 나타낸 것이다. 전반적으로 공용 팔레 트의 수량이 증가함에 따라서 WFMS의 가동률도 높아짐 을 알 수 있다. 실험 대상 시나리오들 중에서는 총 팔레 트 수량이 45개(pa0607)인 경우의 가동률이 85.8%로서 가장 높은 것으로 나타났다. 또한 실험 결과에서 가동률 은 N₁ = N₂인 경우보다 N₁ < N₂인 경우에 상대적으로 높 게 나타났는데, 이로부터 Stage 1과 2의 공정별 팔레트 수를 동일하게 편성하는 대안은 바람직하지 않은 것으로 추정할 수 있다.

<Figure 11>은 목표 리드타임(4일)과 팔레트 조합별 리 드타임 통계량을 비교하여 나타낸 것이다. 리드타임 측면 에서는 총 팔레트 수량이 45개인 대안 pa0607이 목표를 만족하는 것으로 나타났다.

<Figure 12>는 재공품재고와 가동률에 대한 시뮬레이 션 결과를 그래프로 비교하여 나타낸 것이다. 시뮬레이 션 결과, 팔레트 수량이 43개 이상이 되면 공장 내에는 평균적으로 2세트 분(64개) 이상의 윙립이 재공품재고로 존재하게 되고, 가동률은 80% 이상을 유지하는 것으로 나타났다.

시뮬레이션 실험결과 분석을 통해서 파악한 시사점은 다음과 같다.

이상의 분석 결과를 종합하면, WFMS의 운영성과는 총 45개의 팔레트를 Stage 1에 6개, Stage 2에 7개, Stage 3에 32개를 배치하여 운영하는 pa0607 조합이 가장 효율 적이다.

5. 실증 평가

K사는 앞서 분석한 시뮬레이션 결과를 반영하여 총 45개의 팔레트와 (6, 7, 32) 공정별 조합으로 운영되는 WFMS를 구축하여 운영하고 있다. <Table 5>는 K사의 WFMS에 대한 시뮬레이션과 실제 운영실적으로부터 집 계한 성과를 비교해서 보여주고 있다. 실제 운영실적의 분석 기간은 1주일이고, 생산율, 가동률, 리드타임, 재공품 재고의 4가지를 비교하여 WFMS의 성능을 확인하였다.

이상의 실증 평가 결과를 종합해 보면, 시뮬레이션과 실제 운영실적 간에는 다소 차이가 있는 것으로 나타났 다. 이는 앞서 서술한 바와 같이 시뮬레이션 모델이 실제 운영 중에 발생되는 장비 고장 및 통신 오류 등을 정확히 반영하는데 한계가 있기 때문이다. 따라서 향후 WFMS를 구성하는 장비의 상태정보를 실시간으로 수집할 수 있는 IoT(internet of things) 기반의 CPS(cyber physical system) 를 구축할 필요가 있다.

6. 결 론

본 연구는 유연생산시스템의 운영 문제에 관한 것으 로 항공기 부품 공장의 유연생산시스템에서 목표 생산율 을 달성하는데 필요한 공정별 팔레트의 최적 수량을 결 정하기 위한 시뮬레이션 기법을 제시하였다. 공정의 특 징을 고려하여 가능한 공정별 팔레트 수량의 조합으로 대안을 구성하였고, 팔레트 수량이 시스템의 생산율, 가 동률, 리드타임 및 재공품재고 등 4가지 운영성과에 끼 치는 영향을 실험적으로 분석하여 최적 팔레트 수량을 결정하였다. 시뮬레이션 실험으로 결정된 공정별 팔레트 수량은 K사의 실제 윙립 생산라인에 적용되었으며, 공장의 운영성과와 시뮬레이션 결과를 비교․평가함으로써 시 뮬레이션 모델의 한계와 개선 방향을 도출하였다.

본 연구에서 개발된 항공기 부품가공용 WFMS 시뮬레 이션 모델은 장비 고장 및 통신 오류 현상 등을 정확히 반영하지 못함으로써 실제 생산시스템의 운영성과를 예 측하는데 불가피하게 오차가 발생하는 것으로 밝혀졌다. 따라서 향후에는 시뮬레이션 모델의 개선과 함께 WFMS 를 구성하는 장비의 상태정보를 실시간으로 수집하여 모 델에 반영할 수 있는 IoT 기반의 CPS를 구축하기 위한 연구를 수행할 필요가 있다.