1. 서 론
현대 제조업에서는 제조시스템의 운영 효율 극대화를 위해 다양한 제조지원시스템을 활용하고 있다[22]. 제조실행시스템(manufacturing execution system; MES)은 대표적인 제조지원시스템으로서 제조 현장에서 발생하는 각종 데이터를 실시간으로 수집, 분석함으로써 관련자 또는 관련 시스템에 신속하고 정확한 정보를 제공한다[9]. 제조실 행시스템은 생산관리 측면에서의 추적성 확보를 기반으로 설비와 원자재, 그리고 작업자 등에 대한 효율적 관리를 지원하며, 재공 및 재고에 기초한 생산계획 수립과 투입 관리를 통해 생산성 제고에 결정적인 역할을 한다[6]. MESA(MES Association International)는 제조실행시스템의 주요 기능을 다음과 같이 설명하고 있다. “제조실행시 스템은 주문받은 시점부터 최종 제품 완성에 이르는 모든 생산 활동에 효과적으로 활용할 수 있는 정보를 제공한다. 또한 실시간 데이터를 사용해 생산 현장에서의 활동을 지시하고 대응한다. 이를 통해 비생산적인 행위는 줄이고 작 업과 공정의 효율성을 높인다.”[16] 즉, 제조실행시스템은 제품의 생산 과정 전반에 관여하는 정보시스템이자 의사 결정 지원시스템이다. 최근에는 IoT(internet of things) 등 의 정보통신기술의 발달을 통해 실시간 제어시스템으로서의 역할도 수행한다[4].
생산시스템의 제어 구조는 중앙 집중형 구조에서부터 분산형 구조로 구분할 수 있다(<Figure 1>). 중앙 집중형 제어 구조에 기반하는 전통적인 제조실행시스템은 급변하는 시장 환경과 분산화되고 분권화된 제조시스템 환경에 적합하지 않은 면이 있다[2]. 중앙 집중식 제어시스템은 일반적으로 대규모 단일 소프트웨어 패키지를 기반으로 구현되며, 변화에 대한 동적 적응성 유지와 재구성에 많은 노력과 비용이 소요된다[20]. 그뿐만 아니라 중앙 제어기에서 발생한 하나의 단일 고장에 의해 시스템 전반이 동시에 정지되는 위험까지 안고 있다[2]. 다시 말해, 중앙 집중형 제어 구조는 전역 최적화를 통한 생산 효율성 제고에 유리하지만, 반면 변화에 대한 대응성과 유연성, 견고성 및 재구성력이 부족한 한계가 있다[11].
이에 따라 분산형 제어 구조를 갖는 제조실행시스템에 대한 연구가 활발히 진행되고 있다[17, 28]. 특히 에이전트 기반 모델링 및 구현 기술이 다양한 형태로 적용되어 활용되고 있다[7, 10, 11, 12, 13, 19]. 에이전트 기반 시스템은 개별 에이전트의 독립적인 의사결정 능력을 바탕으로 동적인 환경에서도 시스템 내·외부의 변화나 장애 발생에 신속한 대응이 가능하다[24]. 즉, 에이전트 기반 시스템은 자율적이며 변화에 대한 대응력과 유연성이 높아 급변하는 시장 환경에 적합하다[27].
본 연구는 에이전트 기반 제조실행 프레임워크 제안을 목표로 한다. 제안된 프레임워크는 제조실행 프로세스 전반을 에이전트들 간의 자율적인 협업을 통해 구현한다. 특히 작업물(WIP)과 공정설비, 그리고 자재취급설비 각각을 대행하는 독립된 에이전트들이 자율적으로 의사결정 프로세스를 수행한다. 또한 본 연구에서는 제조실행시스템의 주요 기능 중 하나인 디스패칭과 라우팅 프로세스를 에이전트 간의 협업 모델을 통해 제시한다. 그뿐만 아니라 제조실행시스템 운용에 필요한 데이터베이스 스키마를 함께 정의하여 제시한다. 마지막으로 국립한밭대학교 스마트팩토리 센터를 대상으로 시뮬레이션 테스트베드를 구축하여 실험함으로써 제안된 에이전트 기반 제조실행 프레임워크의 작동성과 유효성을 확인한다.
본 논문의 이후 구성은 다음과 같다. 제2장에서는 에이전트 기반 제조실행시스템 개발 동향을 고찰하고, 제3장에서는 에이전트 기반 제조실행 프레임워크와 주요 에이전트 간의 협업모델을 제안한다. 제4장에서는 주요 데이터베이스 스키마를 제시하며, 제5장에서는 시뮬레이션 테스트베드를 바탕으로 제안된 프레임워크의 유효성 확인을 다룬다. 마지막으로 제6장에서는 결론과 추후 연구 계획을 기술한다.
2. 관련 연구
Guo and Zhang[5]는 에이전트를 사람의 간섭없이 독립 적으로 작업을 완료할 수 있는 객체로 정의하며, 자율성(autonomy), 적응성(adaptability), 그리고 조정(coordination) 을 에이전트의 핵심 특성으로 설명한다. 자율성은 에이전트가 외부 간섭 없이 작업을 완료할 수 있음을 의미하고, 적응성은 외부 환경을 인식하고 스스로 학습할 수 있는 능력이다. 조정은 다중 에이전트 환경에서 에이전트들 간의 원활한 협업을 구현하는 핵심 특성이다. 이러한 맥락의 연장에서 Odell[18]은 에이전트가 환경에 적응하고 학습하여 진화할 수 있음을 주장한다.
에이전트는 능동적인 의사결정 객체로서 모듈식과 분산형, 그리고 변경 가능하며 복잡한 애플리케이션에 적합하다[21]. Parunak[21]에 따르면 에이전트는 중앙의 제어 시스템에 의존하지 않으며 자율적으로 환경을 모니터링 하고 상황에 맞는 조치를 독립적으로 수행한다. 또한, 모듈화 및 분산화를 통해 개별 시스템을 독립적으로 수정함으로써 한 모듈의 변경이 다른 모듈에 미치는 영향을 최소화할 수 있다. Albadawi et al.[1]은 에이전트 기술이 분산되고 적응성이 높은 지능형 제조시스템 구현에 적합하며, 다중 에이전트 시스템을 통해 제어의 분산화로 복잡성을 줄이고 적응성을 높일 수 있다고 주장한다. Lim and Zhang[14]는 경쟁적이고 역동적인 제조 환경에서 변화에 신속하게 대응하고 고객 요구를 충족할 수 있는 대응형 제조시스템 구축을 위한 에이전트 기반 프레임워크를 제안하고 있다.
제조시스템 분야에서 에이전트 기술은 다양한 응용 사례를 보이고 있다. Erol et al.[3]은 공정 설비와 AGV(automated guided vehicle)의 운영 스케줄 생성을 위한 다중 에이전트 기반 방법론 제안했다. 특히 논리적 에이전트와 물리적 에이전트로 구분되는 다양한 형태의 에이전트 모델을 적용하였다. Sahin et al.[23]은 유연한 기계 그룹과 자재 취급(material-handling) 시스템에 대한 동시 스케줄링을 위한 다중 에이전트 기반 시스템을 제안하였다. Lu et al.[15]는 분산 제어 구조를 갖춘 다중 에이전트 기반 생산 물류 시스템의 프레임워크를 제시하였고, Leng et al.[23] 는 회복성 있는 생산 제어를 위한 블록체인 기반 다중 에이전트 시스템을 구축하였다.
다중 에이전트 기반 제조시스템 연구는 대부분 다양한 형태의 물리적 에이전트와 논리적 에이전트의 조합으로 시스템을 구성한다. 반면, 본 연구는 작업물과 공정설비, 그리고 자재취급설비를 대행하는 물리적 에이전트를 중심으로 하는 시스템 구축을 목표한다. 이들 물리적 에이전트 간의 협업을 통해 제조실행 프로세스 전반이 구현되므로 논리적 에이전트의 역할과 비중이 최소화된다. 이를 통해 논리적 에이전트들에 대한 의존성을 낮춤으로써 시스템의 확장성과 적응성 제고가 가능할 것으로 기대한다.
3. 에이전트 기반 제조실행시스템
3.1 에이전트 기반 제조실행 프레임워크
본 연구에서 제안하는 제조실행 프레임워크는 <Figure 2>에 나타낸 바와 같이 제어 레벨(control level)과 실행 레벨(execution level)로 나누어 구성된다. 제어 레벨에는 WIPAgent와 PAgent(processing agent), MHAgent(materialhandling agent)를 중심으로 하는 에이전트 기반 제조실행 시스템이 위치한다. 이들 에이전트는 제조시스템의 주요 구성 객체인 WIP과 가공 설비, 자재 취급 설비를 각각 대행하여 의사결정 기능을 수행한다. 또한 에이전트들 간의 자율적인 협업에 기반하는 상호작용을 통해 각종 제조실행 프로세스가 구현된다. 예를 들어, 임의의 가공 설비에 투입할 WIP을 결정하거나 임의의 WIP을 가공할 설비를 결정하고, WIP을 이송하기 위한 경로를 결정하는 과정이 에이전트들 간의 상호작용을 통해 처리된다. 이렇게 수립된 각종 의사결정 결과는 제어 명령(control command)의 형태로 실행 레벨에 전달되며, 이에 따른 실행 결과(shop-floor state)는 다시 제어 레벨로 피드백되어 이후의 의사결정 과정에 반영된다.
본 연구는 에이전트 기반 제조실행시스템과 더불어 이의 검증 환경으로서 시뮬레이션 테스트베드 모형을 함께 제안한다. 데이터베이스를 매개로 현장에 대한 상태 정보를 동기화하며, 제조실행시스템에 대한 통신 인터페이스를 동일하게 구현함으로써 디지털 트윈으로서의 기능을 수행한다.
3.2 에이전트 구성
본 연구에서 제안하는 에이전트 기반 제조실행시스템의 주요 구성 요소는 <Table 1>에 정리된 바와 같다. 앞서 언급된 바와 같이 WIPAgent는 단일 단위의 WIP을 대행하여 의사결정을 수행하며, 해당 WIP의 공정 순서에 따라 적합한 가공 설비를 탐색하고 선택한다. PAgent는 가공 설비를 대행하여 의사결정을 수행하며, 대기하는 WIP 중에서 최적의 WIP을 탐색하여 선택한다. 또한 WIPAgent는 자재 취급 설비를 대행하는 MHAgent와의 협업을 통해 주어진 목적지까지의 이송 경로를 탐색하여 결정한다.
이러한 과정에 Dispatcher와 Router, FabMgr, DBMgr 등 의 다양한 기능 요소가 참여한다. Dispatcher는 WIPAgent 와 PAgent가 각각 최적의 가공 설비와 WIP을 탐색하고 결정하는 기능을 구현하며, Router는 WIPAgent가 이송 경로를 결정하는 기능을 구현한다. FabMgr는 제조 프로세스 전반을 모니터링하는 기능을 구현하며, 각종 가공 및 자재 취급 설비에 대한 목록과 주문 및 WIP의 목록 등을 관리 한다. DBMgr는 제조시스템 전반에 대한 각종 정보를 업데이트하고 검색하며, 외부의 접근을 통제하는 등의 관리 기능을 수행한다.
3.3 에이전트 협업 모델
본 연구에서 제안하는 제조실행 프레임워크는 주요 에이전트들 간의 상호작용을 통해 각종 의사결정 프로세스를 구현한다. 특히, 본 연구에서는 제조실행시스템의 주요 기능 중에서 디스패칭과 라우팅 문제에 대한 협업 프로세 스를 모델링하여 제시한다.
3.3.1 디스패칭
디스패칭 문제는 1) 주어진 가공 설비에 적절한 WIP을 할당(selectNextWIP)하는 문제와 2) 주어진 WIP을 적절한 가공 설비에 할당(selectNextStation)하는 문제 두 가지로 나누어 접근할 수 있다. 본 연구에서는 위 두 관점의 협업 모델을 WIPAgent와 PAgent의 상호작용 과정으로 표현한다.
(1) WIP 할당 문제
WIP을 할당하는 문제는 임의의 가공 설비에서 앞으로 처리할 WIP을 요청하는 LoadRequest 이벤트에 의해 시작된다. 전반적인 프로세스는 PAgent와 WIPAgent 간의 상호작용에 기반하며, PAgent가 최적의 WIP을 탐색하는 과정으로 전개된다(<Figure 3>). 먼저 PAgent가 FabMgr에게 가공 대기 중인 WIP들의 목록을 요청한다. FabMgr는 요청에 따라 가공 대기 중인 WIP 목록(wipList)을 생성하고, 이를 PAgent에게 회신한다. PAgent는 wipList에 포함된 모든 WIP에 대해 해당하는 WIPAgent에게 선택에 필요한 정보 조회를 요청한다. 이 과정이 끝나면 PAgent는 파악된 정보를 바탕으로 주어진 룰에 따라 wipList를 정렬함으로써 최적의 WIP을 선택한다. PAgent는 선택된 WIP의 할당 가능성을 WIPAgent를 통해 확인하고, 만약 할당이 불가능한 경우에는 차순위 WIP을 대상으로 할당 가능성을 확인한다. 할당이 가능한 경우에는 해당 WIP을 최종 선택하여 할당하고 프로세스를 종료한다.
(2) 가공 설비 할당 문제
가공 설비를 할당하는 문제는 하나의 단위 공정이 완료된 WIP의 입장에서 다음 단위 공정을 수행할 가공 설비를 요청하는 UnloadRequest 이벤트에 의해 시작된다. 전반적인 프로세스는 PAgent와 WIPAgent 간의 상호작용에 기반하며, WIPAgent가 최적의 가공 설비를 탐색하는 과정으로 전개된다(<Figure 4>). 먼저 WIPAgent는 현재 처리해야 할 단위 공정을 파악하고, FabMgr에게 해당 단위 공정을 처리할 수 있는 가공 설비의 목록(stationList) 생성을 요청하여 회신 받는다. WIPAgent는 stationList에 포함된 모든 가공 설비에 대해 해당하는 PAgent로부터 필요한 정보를 조회한다. 이 과정이 끝나면 WIPAgent는 파악된 정보를 바탕으로 주어진 룰에 따라 stationList를 정렬하고, 최적의 가공 설비를 선택한다. WIPAgent는 선택된 가공 설비의 작업 수행 가능성을 해당 PAgent를 통해 확인하고, 만약 수행이 불가능한 경우에는 차순위 가공 설비의 수행 가능성을 확인한다. 수행이 가능한 경우에는 해당 가공 설비를 최종 선택하여 할당하고 프로세스를 종료한다.
3.3.2 라우팅
라우팅은 주어진 WIP을 현재 위치에서 목적지로 이송하기 위한 경로를 결정하는 문제이다. 하나의 경로는 목적지에 도달하기 위해 순차적으로 거치는 기착지(waypoint) 의 목록으로 표현되며, 각각의 기착지는 동일한 목적지에 도달할 수 있는 또 다른 경로를 갖는다. 즉, WIPAgent는 해당 WIP이 임의의 기착지에 도착하면 변화된 주변 환경을 반영하여 목적지에 도달하기 위한 최적의 경로를 재산정할 수 있다. 이러한 맥락에서 본 연구는 라우팅 문제를 하나의 WIP이 현재 위치에서 목적지에 이송되기 위한 최적의 다음 기착지를 결정(selectNextLocation)하는 문제로 다룬다. 특히 이 과정은 WIPAgent와 MHAgent의 상호작용에 기반하는 협업 모델로 표현된다.
라우팅 문제는 WIP의 입장에서 다음 기착지 탐색을 요청하는 RouteRequest 이벤트에 의해 시작되며, WIPAgent가 최적의 이송 기착지를 탐색하여 결정하는 과정으로 전개된다(<Figure 5>). 먼저 WIPAgent가 FabMgr에게 현재 위치를 기준으로 목적지에 도달하기 위한 기착지 목록을 요청한다. FabMgr는 요청에 따라 기착지 목록 (locationList)을 WIPAgent에게 회신한다. WIPAgent는 locationList에 포함된 모든 기착지를 대상으로 해당하는 MHAgent에게 선택에 필요한 각종 정보의 조회를 요청한다. WIPAgent는 모든 기착지에 대한 정보가 확인되면, 파악된 정보를 바탕으로 주어진 룰에 따라 locationList를 정렬하고, 최적의 기착지를 선택한다. WIPAgent는 선택된 기착지에 대한 이송 가능성을 MHAgent를 통해 확인하고, 가능하지 않은 경우에는 차순위 기착지를 대상으로 가능성을 확인한다. 이송이 가능한 경우에는 해당 기착지를 최종 선택하고 프로세스를 종료한다.
4. 데이터베이스 스키마
본 연구에서 제안하는 에이전트 기반 제조실행 프레임워크는 1) 기준 정보와 2) 상태 정보, 그리고 3) 이력 정보로 구성되는 데이터 관리체계를 바탕으로 한다. <Figure 6>은 데이터 관리체계 전반에 대한 스키마를 개체 관계 다이어그램(ERD, entity-relationship diagram)으로 표현하고 있으며, 각 테이블에 대한 기본 명세는 <Table 2>에 나타낸 바와 같다.
4.1 기준 정보
기준 정보는 개별 생산 현장의 주요 속성을 의미하는 정적인 정보이다. 예를 들어, 보유하고 있는 생산 자원의 목록(RESOURCE_LIST)이나 생산 가능 제품의 목록 (PRODUCT_LIST), 수행 가능한 단위 공정의 목록 (OPERATION_LIST), 그리고 이송 목적지 혹은 경유지 목록(LOCATION_LIST) 등이 기준 정보를 구성하는 주요 테이블이다. 또한 QUALIFICATION_MATRIX는 생산 자원 별로 개별 단위 공정의 수행 능력에 대한 기본 정보(예, 공정 리드타임, 사이클 타임, 불량률 등)를 담는 테이블이며, 작업 할당과 일정 계획 수립 과정에서 주요 기준 자료를 제공한다.
4.2 상태 정보
상태 정보는 기준 정보와 달리 생산 현장의 상태 변화에 따라 동적으로 변화하는 테이블로 구성된다. 예를 들어, 주문 목록(ORDER_LIST)이나 재공 목록(WIP_LIST) 등의 테이블은 수시로 값이 변화하는 특성이 있으며, 상황에 따라 실시간 업데이트가 필요할 수도 있다. ORDER_LIST 테이블은 주문 ID와 주문 제품 ID(product_id), 주문 시점(release_date), 납기(due_date), 주문 수량(qty) 등의 정보를 저장한다. 또한 WIP_LIST 테이블은 WIP의 ID, 해당 주문 및 제품 정보 등의 속성 정보와 현재 진행 중인 단위 공정 정보(operation_id)와 설비 정보 (resource_id) 및 현재 위치 정보(loc_id), 그리고 할당된 다음 진행 설비 정보(next_resource_id)와 다음 위치 정보 (next_loc_id) 등의 상태 정보를 함께 저장한다.
4.3 이력 정보
이력 정보는 시간의 흐름에 따라 변화하는 데이터를 기록하는 테이블로 구성된다. 대표적인 이력 정보에는 이송 이력(MOVE_HISTORY), 공정 이력(PROCESS_HISTORY), 그리고 WIP 이력(WIP_HISTORY) 테이블 등이 있다. 모든 이력 정보는 미리 정의된 이벤트의 발생에 따라 테이블에 추가되며, 해당 테이블은 발생 이벤트 유형(event)과 발생 시점(time_stamp)을 기록하는 각각의 칼럼을 갖는다. <Table 3>은 각각의 이력 정보를 발생시키는 이벤트 목록을 나타내고 있다.
MOVE_HISTORY 테이블은 WIP의 단위 이송 정보를 저장하며, WIP의 이송 출발지(src_loc) 및 목적지(fin_loc), 현재 위치(from_loc) 및 다음 기착지(to_loc) 정보를 저장하는 칼럼으로 구성된다. 기본적으로 임의의 출발지에서 목적지에 도달하기 위해서는 여러 기착지(waypoint)를 거치게 되며, 여기서 현재 위치는 직전 기착지를 의미한다. 이러한 이송 이력 데이터는 WIP의 이송 경로별 리드타임 분석에 활용함으로써 경로 최적화의 기초 자료로 활용이 가능하다.
PROCESS_HISTORY 테이블은 개별 가공 설비의 공정 이력 정보를 저장하며, 처리한 WIP 정보(wip_id)와 공정 정보(operation_id) 칼럼으로 구성된다. PROCESS_HISTORY에 저장된 임의의 가공 설비에 대한 공정 이력 데이터는 공정 설비별 처리 속도 분석에 활용할 수 있다. 이를 통해 병목 공정을 식별하여 해당 공정 설비의 개선 조치 마련이 가능하다.
WIP_HISTORY 테이블은 WIP에 대한 처리 이력 정보를 저장하며, 발생 이벤트 정보와 더불어 이벤트 발생 위치(loc_id)를 주요 칼럼으로 갖는다. 이러한 WIP의 처리 상태 및 위치 이력 데이터를 통해 특정 위치에서의 병목, 생산 리드타임 분석에 활용할 수 있다.
5. 시뮬레이션 테스트베드
본 연구에서는 제안된 제조실행 프레임워크의 유효성 확인을 위해 시뮬레이션 테스트베드를 구축하여 활용한다. 즉, 개발된 에이전트 기반 제조실행 시스템 프로토타입을 실제 제조 현장이 아닌 시뮬레이션 테스트베드와 연동하여 작동성을 검증한다. 이때 시뮬레이션 테스트베드는 실제 제조 현장과 동일한 통신 인터페이스를 통해 제조 실행시스템과 연동하도록 구현되며, 현장 데이터베이스(shop-floor DB)를 매개로 제조 현장과의 동기화가 가능하다(<Figure 2>).
5.1 구현 대상
시스템 구현은 한밭 스마트팩토리 테스트베드(HBSF)를 대상으로 하며, HBSF는 <Figure 7>에 나타난 바와 같이 총 세 구역으로 구성된다. A 구역은 일종의 흐름생산 작업장(flow shop)이며, 7개의 세부 공정으로 구성된다. B 구역은 8종의 가공 설비와 비동기식 컨베이어 시스템으로 구성된 셀형 작업장(cellular shop)이며, 가공된 제품을 C 구역의 적재 창고에 보관하기에 앞서 추가적인 가공 및 이송을 시행하는 구역이다. C 구역은 최대 12개의 팔레트를 적재할 수 있는 적재 창고로 구성되며, 구역 간 제품 이송은 모바일 로봇이 수행한다.
5.2 시뮬레이션 검증
본 연구에서 검증에 활용된 시뮬레이션 테스트베드는 에이전트 기반 시뮬레이션 툴인 AnyLogicTM[29]를 기반으로 한다. 모형의 프로세스 흐름은 HBSF의 구성을 반영하여 <Figure 8>에 나타난 바와 같이 A, B, C, 세 구역으로 구분된다. 프로세스 흐름을 구성하는 각 블록에 대한 명세는 <Table 4>와 같다.
임의의 WIP에 대한 공정 투입이 결정되면, 해당 WIP은 A 구역에 진입한다. 이후에는 순차적으로 컨베이어를 통해 공정 설비로 이송되고, 처리되어 간이창고 블록에 적재되며, B 구역으로의 이송을 대기한다. B 구역으로의 이송이 결정되면, 해당 WIP은 B 구역에 진입한다. 이후에는 공정 순서에 따라 순차적으로 적절한 공정 설비를 거치며, 최종 공정을 완료하면 C 구역으로의 이송을 실시한다. C 구역에 진입한 WIP은 적재 창고에 적재된다.
검증은 앞서 설명한 시뮬레이션 모형을 활용하여 3종의 제품에 대해 제품 종류와 수량, 납기가 상이한 50건의 주문을 처리하는 시나리오로 진행된다. 검증 결과 개발된 제조실행시스템의 원활한 작동성을 확인할 수 있었으며, 시뮬레이션 테스트베드의 내장 데이터베이스와 실제 현장의 데이터베이스가 실시간으로 연동되는 것을 확인할 수 있다. <Figure 9>은 제안된 제조실행시스템의 시연 이미지를 보이고 있다. 제안된 시스템을 통해 공정 데이터의 실시간 수집 및 분석에 기반하여 생산 현장의 문제상황을 즉시 파악하고, 적시에 의사결정을 내릴 수 있다. 또한 잠재적인 문제를 조기에 발견하고, 이를 해결하기 위한 적절한 조치를 제안할 수도 있다.
6. 결 론
본 연구에서는 에이전트 기반 제조실행 프레임워크를 제안하였다. 특히 에이전트 3종(WIPAgent와 PAgent, MHAgent)과 기능 요소를 정의하였으며, 에이전트 간 협업에 기반하는 의사결정을 통한 디스패칭과 라우팅 프로세스를 모델링하였다. 또한, 제조실행시스템의 구현 및 운영에 필요한 데이터 구조 및 관계를 정의하였으며, 마지막으로 시뮬레이션 테스트베드를 통한 검증을 통해 작동성을 확인하였다. 본 연구에서 제안한 에이전트 기반 제조실 행 프레임워크는 분산 환경에서의 자동화 운영 시스템 구축의 기반으로 활용될 수 있다. 기존의 에이전트 기반 제조실행 시스템들은 다양한 기능 모듈(예, 스케줄링 에이전트, 디스패칭 에이전트 등)의 도입을 통해 분권화를 구현한다. 반면, 본 연구에서 제안하는 프레임워크는 에이전트 간의 협업에 기반하여 분권화된 의사결정을 수행하는 차이가 있다.
추후에는 보다 다양한 환경을 대상으로 제안된 시스템의 유효성 확인이 필요하다. 또한, 디스패칭과 라우팅 등 의 의사결정 기능의 고도화를 위해 적용되는 알고리즘의 지능화가 필요하다. 특히 최근 많은 관심이 집중되고 있는 강화학습 기법의 적극적인 활용을 검토할 필요가 있다. 그 뿐만 아니라 제안된 프레임워크에 기반하는 의사결정 메커니즘을 완성하고, 이를 바탕으로 기존 다양한 형태의 에이전트 기반 시스템들과의 정량적인 비교 및 검증 연구가 필요하다.
