Transcript 슬라이드 제목 없음

ERP/SCM 현황 및
발전방향
박 진 우
서울대학교 공과대학
산업공학과 교수
목 차
1. ERP(Enterprise Resource Planning)란?
2. 확장 ERP(Extended ERP)란?
3. 무엇이 가장 큰 문제인가?
4. 차세대 ERP및 SCM은?
Mfg Automation & Integration Lab.
Seoul National University
2/104
2. 최적 제조 시스템이란?
CIM 시스템
• CIM System( Computer Integrated Manufacturing Systems ):
– '製造( Manufacturing )업무의 효율성 提高를 ( 목표 )'
– '컴퓨터( Computer )로 대별되는 자동화/정보처리 기술을 ( 도구 )'
– ' 모든 업무를 정보처리 시스템을 통하여 일체화( integration ) ( 철
학 )'
• CIM시스템을 통하여 선진기업은 '최소의 비용으로 24시간 3교대,
1년 365일 작업'을 수행하며 PQCDDSM 즉 생산량(Production),
품질(Quality), 원가(Cost), 납기(Delivery time), 제품개발기간
(Development time), 안전위생환경(Safety), 작업의욕(Morale)
등 제반 생산성 측정 요소에서 경쟁력 유지.
Mfg Automation & Integration Lab.
Seoul National University
3/104
CIM 시스템의 요소 기술
• 자동화 기술:
– Sensors, PLC, Field Bus, NC(CNC, DNC), APC/ATC
– AGV, AS/RS
• 정보처리 기술:
–
–
–
–
CAD, CAPP: Computer Aided Process Planning
MRP, ERP, DB, MIS
AI/ES,
Internet(TCP/IP) / www / EC / CALS/e-Business
• 시스템 기술 :
– GT, FMS
Mfg Automation & Integration Lab.
Seoul National University
4/104
ERP란?
• 1990년대 초 CIM시스템의 구축이 활성화됨에 따라 :
– 개방형 구조,
– 프로그래밍과 운영이 용이한,
– 표준 소프트웨어의 등장이 예상되어 왔었다.
• ERP(Enterprise Resource Planning)는 결국
그러한 요구조건을 갖춘 방대한 소프트웨어 패키지.
• 유명한 ERP 패키지 :
–
–
–
–
–
SAP R/3
Oracle Applications
Baan
JD Edwards
UniERP
Mfg Automation & Integration Lab.
Seoul National University
5/104
ERP의 발전과정- mrp, MRP(또는 mrpII), ERP
Mfg Automation & Integration Lab.
Seoul National University
6/104
R/3의 프로그램 모듈 구조
Mfg Automation & Integration Lab.
Seoul National University
7/104
Mfg Automation & Integration Lab.
Seoul National University
8/104
ERP 핵심개념
Order
Information
Released
Order
ERP
Master Data
Gantt chart
Mfg Automation & Integration Lab.
Seoul National University
9/104
1. ERP란?
ERP(MRP) System
자원계획
생산계획
수요관리
ERP의 목적은 적량의
소요 자재를 적시, 적소에
기준생산계획
Routing
B/M
제조 공정도
자재소요계획
제공하는 것. 그러나 기존
IR
재고 레코드
ERP는 소요자재와 설비
용량을 충분히 고려하지
못하여 실현 불가능한
상세용량계획
MRP 레코드
자재,용량계획 (결과)
계획이 산출되는 경우가
대부분. 따라서, APS
(Advanced Planning and
생산 지시
구매 지시
Scheduling) 시스템의
필요성이 대두됨.
Mfg Automation & Integration Lab.
Seoul National University
10/104
MRP 시스템 개요
기본 아이디어
“최종제품에 대한 MPS(대일정 생산계획: Master Production
Schedule)에 근거하여 소요 조립품, 반제품 또는 최초의 원자
재까지의 생산 계획(주로 주단위까지)을 수립하여 줌.”
MRP를 수행하기 위한 4가지의 필수 정보
•
•
•
•
MPS( 기준생산계획 )
B/M( 자재 명세서 : Bill of Material )
Routing( 제조공정도 )
IR( 재고 레코드 : Inventory Record )
Mfg Automation & Integration Lab.
Seoul National University
11/104
B/M(자재명세서:Bill of Material)
B/M
MPS
Routing
IR
LEVEL 0
0123
Carpet Cleaner
LEVEL 1
4651
2927
3804
1115
Handle
Assembly
Tank
Assembly
Housing
Assembly
Customer
Pack
3219
7114
2156
1959
Handle
Power
Cord
Trigger
Assembly
Instruction
Set
LEVEL 2
6221
Bottled
Concentrate
5319
1910
5746
4315
6111
1196
3215
Value
Assembly
Tank Subassembly
Hose
(10)
Brush
Assembly
(3)
Motor
Housing
Solution
Tank
LEVEL 3
또한, Level별 불량율, Level별 리드타임 등의 정보도 필요함.
Mfg Automation & Integration Lab.
Seoul National University
12/104
B/M
MPS
Routing
IR
MPS(기준생산계획)
(예) 총소요량의 산출. (Carpet Cleaner)
계획 週수
계획된 발주량
1
2
3
50
20
이번 계획 기간
중 추가 발주량
30
독립 수요량
10
총소요량
50
Mfg Automation & Integration Lab.
Seoul National University
4
40
5
6
7
40
8
60
30
10
20
70
10
60
13/104
Routing(제조 공정도)
B/M
MPS
Routing
IR
(예) 제조 공정도(Routing Sheet 또는 Operation Sheet)
제 품 명 : 연료 Pin
제품번호 : 12-562
원자재 : 1020 C.R.S
도면번호 : 12-562-D
자재 불출처 : ST-100작성일 : 91-12-4
변경여부 : N
공정 설계자 이름 : 홍 길 동
공정번호
내역
기계번호 치공구번호 Set-up 시간 개당 소요시간
10
Face
LT 100
V-200
40
0.15
15
Drill. Thread
DR 132
-
20
0.10
30
Grind
GR 83
30
0.30
80
Finishing
5
0.20
DB13
Mfg Automation & Integration Lab.
Seoul National University
14/104
Inventory Record(재고 레코드)
B/M
MPS
Routing
IR
• 기본 MRP 레코드
계획週수
총 소요량
1
2
3
4
5
6
7
8
40
0
50
0
0
60
0
60
90
90
30
30
-30
입고 예정량
재고량
120
60
20
20
계획오더발주량
90
100
– 총 소요량(Gross requirement)
: 각 기간별 제품의 예상 소요량
– 입고 예정량(Scheduled receipts) : 각 기간 초에 도착예정인 기존 발주량
– 재고량(Projected available balance) : 각 기간 말의 가용 재고량, 예전엔
"on-hand balance" 라고 불리웠다
– 계획오더발주량(Planned order release) : 각 기간 초의 계획발주량
Mfg Automation & Integration Lab.
Seoul National University
15/104
ERP
1997.3.5
MRP 부품 전개
Part No. : 123
Lead Time : 1 Week
MPS
Part No. : 3804
40
40
40
40
Lead Time : 2 Week
45
45
45
45
Order Qty : 60
Housing Assembly
1
2
3
4
5
6
7
8
Projected Gross
Requirement
40
40
40
45
45
45
45
45
40
0
-45
-30
15
30
-15
45
0
-45
15
60
60
60
60
60
60
6
7
8
Scheduled Receipt
Projected
Available Balance
Planned Order
Release
Part No. : 1196
60
60
20
Lead Time : 2 Week
Housing
1
Projected Gross
Requirement
2
3
4
60
60
60
60
60
60
-30
90
90
30
-30
90
30
Scheduled Receipt
Projected
Available Balance
Planned Order
Release
Order Qty : 120
5
*120
30
30
-30
120
30
120
Order Bill of Material (각 작업의 ID와 속성을 부여)
(예) 제조 공정도(Routing Sheet 또는 Operation Sheet) – 연료 핀 100개를 주문받았을 경우
제 품 명 : 연료 Pin
제품번호 : 12-562
원자재 : 1020 C.R.S
도면번호 : 12-562-D
자재 불출처 : ST-100
작성일 : 91-12-4
공정 설계자 이름 : 홍 길 동
공정번호
내역
기계번호 치공구번호 Set-up 시간
변경여부 : N
개당 소요시간
10
Face
LT 100
V-200
40
0.20
O-23576-12-562-10 / LT100, 240
15
Drill. Thread
DR 132
-
20
0.50
O-23576-12-562-15 / DR132, 520
30
Grind
GR 83
30
0.30
O-23576-12-562-30 / GR83, 330
80
Finishing
5
0.20
O-23576-12-562-80 / DB13, 205
DB13
Mfg Automation & Integration Lab.
Seoul National University
17/104
• 국내기업의 문제점:
생산관리 시스템의 미비와 정보의 불확실성
–
‘생산계획’ = ‘월별 또는 주별 생산량의 결정’ (?)
생산활동 진행보고, 공장 가동율, 작업자 임금계산, 제품의 원가계산
까지도 가능하게 하는 (이른바 Production Packet)까지를 준비하는 것.
– 정상적인 생산관리 업무에는 방대한 정보처리 업무가 수반됨
선진국은 컴퓨터의 발명이전에도 펀치카드를 이용한
집계기(Tabulating Machine)나 특수복사기(ORMIG 등)를 사용.
– 우리나라 기업의 경우 ? CPIM, CIRM(APICS, KPICS-ESfRM)
Mfg Automation & Integration Lab.
Seoul National University
18/104
생산관리 업무
MRP의 필요성
MRP 등장 이전에도 어느 정도까지의 소요량 계산은 반드시 수행하여야 함.
1
주문 B/M과 제조 공정도를 이용하여,
(생산관리용) 1회용 공정별 작업지시서를 만들어 내게 됨.
2
각 공정별 전체 주문량의 생산에 소요되는 시간 산출
= (표준작업시간/단위) * (주문 B/M에 나타난 생산수량) + 표준준비시간
3
각 반제품 또는 부품별 납기 산출
= 최종제품의 납기 - 각 공정별 소요시간 (역으로 삭감)
4
기계별 부하량 산출, 제조 원가 산출 :
일회용 공정별 작업지시서를 기계별로 집계하고, 투입 인건비를 합산.
이들 계산은 그 계산량이 방대하여 MRP와 같은 전산 프로그램이 없다면
수작업으로는 거의 불가능한 작업임.
Mfg Automation & Integration Lab.
Seoul National University
19/104
생산관리 업무
제조정보 시스템
설비정보
생산 관리
시간정보
공정정보
제품정보
제조지시
기존의
제조지시,
수요 예측,
수주정보
공정절차계획
일정계획
• 공정설계
• 대일정
• 제품정보,
생산계획
공정도, 시간
준비.
데이타의 수합. • 부하산정.
• 생산통제를
작업배정
• 생산 전표
발행.
• 작업배정
현황판 및
화일 유지
독촉
• 제조,
물자운반,판매
, 재고 관리의
연계
위한 전표 준비
수주 정보와 영구 원본 데이타를 이용하여 주문 B/M을 만든다.
현장관리에는 주문 B/M만 사용된다.
(예) 수주량이 100개이고 하나의 완제품당 4개의 반조립품이 필요하다면,
주문 B/M에는 400개의 반조립품을 소요량으로 표시.
Mfg Automation & Integration Lab.
Seoul National University
20/104
생산관리 업무
A-1 자재불출전표
• 필요한 자재의
출고를 위해
창고 관리인
에게보내진다.
A-2 제품식별표
• 식별표가 자재와
같이 이동한다.
B-1 작업전표
• 작업을 수행할
권한을 부여한다
• Control board를
갱신시키기위해
작업진행부서로 보내진다
B-2 시간전표
• 작업시간기록을
위해 개개인의
작업자에게
보내진다.
• 임금 관리 부서로
보내진다
B-3 이동전표
• 자재 이동권한을
부여한다.
B-4 공구불출전표
• 공구를 준비하고
반출하도록 공구저장소에
보내진다.
부품당
작업당
제조정보 시스템
B-5 검사전표
• 자재 재고 레코드를
고치기 위해 재고
관리 부서로 보내진다.
• 제품원가
계산을 위해
원가 부서로
보내진다.
• 제품원가
계산을 위해
원가 부서로
보내진다.
• 개인 실적화일
• 자재 검사 권한을
부여한다.
Mfg Automation & Integration Lab.
Seoul National University
21/104
생산관리업무
Mfg Automation & Integration Lab.
Seoul National University
Shop Packet
22/104
ERP와 그 이후
• ERP(Enterprise Resource Planning)는 선진 기업들이 경쟁력을
유지하고 있는 주된 이유 중의 하나.
• 과거 ERP의 구축 및 운영은 국제 경쟁력을 갖춘 기업의 충분조건,
현재는 국제적 기업의 필요조건에 불과.
• ERP는 기업정보에 대한 최적 인프라를 제공하기는 하지만,
아직 미흡한 부분이 많이 있음.
• 선진 기업들은 이제 이른바 확장ERP(Extended ERP 또는 ERP
II) 단계에서 더욱 경쟁력을 강화하여 나아가고 있음.
Mfg Automation & Integration Lab.
Seoul National University
23/104
확장 ERP
“BUY SIDE”
“IN SIDE”
“SELL SIDE”
Supply Chain
Management
Strategic Enterprise
Management
Customer
Relationship
Management
•Supply Chain
Execution
•Supply Chain
Planning
•e-Procurement
•Collaborative
Production
• Enterprise Portal
• Advanced Planning
and Scheduling
• Manufacturing
Execution System
• Knowledge
Management
• Business Intelligence
•Tele-, DB-, eMarketing
•Customer Care &
Service
•Call Center/ TeleBusiness
•e-business
“PLATFORM” : Database, Middleware, Security Tools,
VPN(Virtual Private Network), etc.
Mfg Automation & Integration Lab.
Seoul National University
24/104
ERP와 그 이후?
• 확장 ERP
•
Extended ERP = ERP +
- APS(Advanced Planning and Scheduling)
- MES(Manufacturing Execution System)
- CRM(Customer Relationship Management)
- KMS(Knowledge Management System)
- SCM(Supply Chain Management)
아직은 확장 ERP 단계에 이른 국내 기업은 그다지 많지 않다.
Mfg Automation & Integration Lab.
Seoul National University
25/104
Supply Chain Management 의 시작은?
( J. Forrester, “Industrial Dynamics”, 1961, MIT press)
T.C. Jones and D.W. Riley, “Using Inventory for Competitive Advantage through Supply Chain
Management,”Int’l Journal of Physical Distribution and Materials Management. v.15 n.1, 1985.
“Supply Chain Management” 라는 용어가 처음 사용된 것은 1982년, Oliver and Weber공저,
"Supply Chain Management: logistics catches up with strategy" 라는 책자에서.
Mfg Automation & Integration Lab.
Seoul National University
26/104
Bull Whip Effect: 10% 수요가 급증하였을 때 Retail, Distribution,Factory수준에서
의 재고, 주문, 판매량의 변동 추이(J. Forrester저, “Industrial Dynamics”, 1961,
MIT press)
Mfg Automation & Integration Lab.
Seoul National University
27/104
Supply Chain Management
Customers
Product and material flows
Information and financial flows
Retailers
1st Tier
suppliers
Strategic business units
Distribution Centers
Assembly/Mfg
1st Tier Suppliers
2nd Tier Suppliers
1st Tier Suppliers
2nd Tier Suppliers
Mfg Automation & Integration Lab.
Seoul National University
2nd Tier Suppliers
28/104
Supply Chain Management 팩키지의 중요 모듈
• 상세 생산 계획 및 현장 보고 시스템:
ATP(Available To Promise), CTP(Capable To Promise) 기능
• 수요예측 시스템: 제품 수명주기, 마켓팅 캠패인 효과,
현장 대리점의 예측보고, 채찍효과 등 고려)
• 공급망 설계
• 분배 관리
• 운송 설비 계획
Mfg Automation & Integration Lab.
Seoul National University
29/104
Supply Chain Management
네트워크
구성요소
선택 및 입력
네트워크 정보
관리
네트워크
구성요소의
계층적 관리
Mfg Automation & Integration Lab.
Seoul National University
30/104
SNP – SAP APO Supply Chain Cockpit(Courtesy: SAP AG)
• Graphic user interface to manage total supply chain
Mfg Automation & Integration Lab.
Seoul National University
31/104
Network Design
Design and Redesign your Supply Chain
Mfg Automation & Integration Lab.
Seoul National University
Courtesy: SAP AG
32/104
Geographical Location Assignment (1)
. ...
. ... .
. ..
.. .
. ..
Mfg Automation & Integration Lab.
Seoul National University
. . ..
. ... .
. ..
.. .
. ..
Courtesy: SAP AG
33/104
Geographical location assignment including new locations (2)
Selection of candidate sites for a new location
Select Voronoi node with
initial
candidate
.
. . .
... .
. .. .
. .
. . ..
.
a) largest weight
b) 2nd largest weight
c) 3rd largest weight
improve location:
solve Weber problem
.
. . .
... .
. .. .
. .
. . ..
.
new Voronoi diagram
Mfg Automation & Integration Lab.
Seoul National University
Courtesy: SAP AG
34/104
System Integration
Master Data APO
R/3
Demand Planning
Network Design
SEM
BW
Mfg Automation & Integration Lab.
Seoul National University
Supply Network
Planning
Courtesy: SAP AG
35/104
System Integration: Reporting with BW
Mfg Automation & Integration Lab.
Seoul National University
Courtesy: SAP AG
36/104
SCM 개념의 확장
원자재
재료
Oil field
재활용
철 판
노트북
자동차
철광석
반도체
모 래
Mfg Automation & Integration Lab.
Seoul National University
PDP
제품
37/104
생산스케쥴링 프로세스 – APS(Advanced Plan’g & Schedul’g)
• Scheduling process 는 planning process에서 제공되는 정보를
활용한다.
• 다음과 같은 최적해 문제를 풀어준다
– Minimize : cost, makespan, earliness/tardiness, maximum tardiness
mean flow time, total flow time
– Maximize : profit, resource utilization, customer satisfaction
• 다음과 같은 (수학적) 기법을 사용한다
–
–
–
–
–
–
Linear programming, integer linear programming
Dynamic programming, branch and bound
Tabu search, simulated annealing
Constraint satisfaction approach
Theory of constraint
Simulation
Mfg Automation & Integration Lab.
Seoul National University
38/104
생산스케쥴링 프로세스
• 스케쥴링 문제의 분류
–
–
–
–
–
–
–
Single machine sequencing problem
Parallel machine scheduling problem
Flow shop scheduling problem
Lot streaming problem
Group scheduling problem
Job shop scheduling problem
Project shop scheduling problem
Mfg Automation & Integration Lab.
Seoul National University
39/104
APS(Advanced planning and scheduling) 시스템
•
APS의 정의
– A new generation of planning and scheduling tools, which unlike MRP II,
includes constraint models that deal with both materials and capacity. These
technologies can be applied along a continuum extending from short-term
plant-floor scheduling to strategic planning of supply chains.
In many instances, the systems download data from ERP systems to a
dedicated server that does memory-resident processing for fast replanning,
or for evaluating alternative production scenarios for eventual re-integration
with the transactional, business-applications systems. In other cases, the
planning systems actually perform master-production scheduling, material
resources planning, capacity planning, or shop scheduling.
When applied to operations scheduling or short-term planning, the models
are as detailed as possible. Long-term plans, sometimes several years in
duration, are based on aggregate resources and product families. The latest
systems have the capacity to model not just a production plant's operations,
but an entire supply chain, including suppliers, multiple production plants,
and complex distribution chains.
Copyright © 2000
Cahners Business Information
Mfg Automation & Integration Lab.
Seoul National University
40/104
APS vs. ERP
• ERP System
–
–
–
–
Transaction oriented business processes
Sharing of common data and practices
Producing and accessing real time data
Limited decision support function (Infinite capacity assumption)
• APS System
– The brain over the ERP body
– Includes linear program, heuristic, theory of constraints, simulation
– Optimum with regard to customer service, cost, throughput, profit
• APS and ERP Systems are truly complementary.
Mfg Automation & Integration Lab.
Seoul National University
41/104
Production planning model의 예
Minimize :
N
M
 C  ( X
i 1 t 1
si
M
it
)  Cmi X it  CIi I it    CH H t  CF Ft  COOt  CRWt 
t 1
I i ,t 1  I it  X it  Dit
N
재고균형방정식
N
A1tWt  Ot   X it    i ( X it )  0
i 1
Ot  A2tWt  0
정규근무제약식
i 1
초과근무제약식
Wt  Wt 1  H t  Ft  0
1 if X it  0
 ( X it )  
0 if X it  0
Mfg Automation & Integration Lab.
Seoul National University
 Q ( X it )  X it  0
셋업제약식
노동력균형방정식
셋업정의
42/104
Constraint satisfaction approach의 예
• 실제 현장에서의 일정계획 문제는...
– 큰 규모의 문제...
– 다양한 Technical Constraint들...
– 빠른 응답시간
• 이러한 이유로 실제 규모의 현장문제에서 만족할 만한 시간 내에
최적해를 찾는 것은 불가능함.
• 따라서 적절한 시간 내에 제약을 만족하는 해를 찾는 것이 중요!
Mfg Automation & Integration Lab.
Seoul National University
43/104
The Production Scheduling in Steel Works
Steel Making Process
Charge Schedule
Basic oxygen furnace Secondary refinery
Casting Process
Continuous caster
Cast Schedule
Slab
Rolling Process
Hot Rolling Schedule
Hot strip mill
Reheating furnace
Hot-rolling schedule
Hot coil
Suh, M.S., A.
Lee,
Y.J. Lee, &
and
Y. K. Ko,Lab.
"Evaluation of Ordering Strategies for Constraint Satisfaction
Mfg
Automation
Integration
44/104
Reactive Scheduling",
Decision
Support Systems, Volume 22, Issue 2, February 1998, Pages 187-197
Seoul National
University
Constraint satisfaction approach의 예 : 제약조건들
•
Scheduling Features
– Single Machine Problem with below Constraints.
•
Technological Constraints
–
–
–
–
–
–
–
•
Roll단위 총 무게제한
동일 폭 Group 연속 압연량
동일 두께 연속 압연량
박물 연속 압연량
폭 바꿈 기준
두께 바꿈 기준
조정재사용기준
General Constraints
– Available Time
– Due time
•
Performance Constraint
Mfg Automation & Integration Lab.
Seoul National University
45/104
CSP (Constraint Satisfaction Problem)
• CSP = { V, D, C }
– V : a set of decision variables
– D : a set of domains for the variables in V
– C : a set of constraints on two or more variables in V
• Problem is defined to be a graph of variables and constraints.
– Nodes : variables that have finite domains.
– Arcs : N-ary constraints on variables.
“Knowledge Based Scheduling” by Mark S. Fox & Monte Zweben
Mfg Automation & Integration Lab.
Seoul National University
46/104
CSP(Constraint Satisfaction Problem)
• Problem Solution
– An assignment of values to every variable such that all constraints are
satisfied.
• Solution Method
– Search the space of assignments.
• Advantages of CSP
– Accommodation of more complex problem formulations.
– Support of a variety of systematic and local search techniques.
“Knowledge Based Scheduling” by Mark S. Fox & Monte Zweben
Mfg Automation & Integration Lab.
Seoul National University
47/104
x4
x2
x1
x5
x6
x3
x4 + x5 + x6 > c4
........
Mfg Automation & Integration Lab.
Seoul National University
x1 + a1x2 > b1
x1 + a2x3 > b2
x1 + a3x5 > b3
x2 + a4x4 > b4
x2 + a5x5 > b5
x3 + a6x4 > b6
x3 + a7x5 > b7
......
.......
x1 > c1
x2 > c2
x3 > c3
......
.......
48/104
Variables, Domains & Constraints of CSP
(Metric)
Quantitative
Unary
Binary
N-ary
Constraint
Qualitative
Point-to-Point
Interval-to-Point
1986
1989
Point-to-Interval
Variable
Point
Interval-to-Interval
1993
Interval
Domain
Discrete
Continuous
Mfg Automation & Integration Lab.
Seoul National University
“disjunctive constraint”
49/104
다단계 제품의 잡샵 일정계획
• 환경
– 생산되는 제품은 여러 단계의 품목들 (BOM)로 구성된다.
– 작업장은 여러 대의 동일한 기계들로 구성되어 있다.
•
•
•
•
Multi-capacitated job shop scheduling
Multi-processor job shop scheduling
Flexible job shop scheduling
General job shop scheduling
– 모든 품목은 다수 개의 공정을 거치면서 처리된다.
– 모든 품목의 소요량과 시작종료시간이 알려져 있다.
– 작업장의 용량은 시간에 따라 변동한다.
• 문제 정의
(P1): 품목간의 선후행 관계를 지키면서 모든 품목의 조기 완료 및 납
기 지연을 최소화하는 일정 계획 수립
(P2): 최종 품목의 종료 시간을 최종 기한(deadline)으로 준수하고, 품
목간의 선후행 관계를 지키는 일정계획 수립
Mfg Automation & Integration Lab.
Seoul National University
50/104
다단계 제품의 잡샵 일정계획
•
입력 자료
– 자재명세서 (BOM)
– 라우팅 (Routing)
– 주문 정보
Due Date
900
1200
2000
Mfg Automation & Integration Lab.
Seoul National University
51/104
다단계 제품의 잡샵 일정계획
• 표현
– Extended Disjunctive Graph
: Due dates, release dates, assembly structures, split structures,
overlapping operations, setup times, transportation times, parallel
machines and beginning inventory(WIP) 등의 데이터를 표현할 수 있
도록 Disjunctive graph 확장
•
•
•
•
•
Release Time(Available Time) : rij = L(0, ij)
Processing Time : arc length pij
Longest Path (=Critical Path) : makespan = L(0, *)
Duedate dij for operation ij : dij = L(0, *) - L(ij, *) + pij
pj + sij
Setup Time :
i
j
• Operation k is a critical operation iff L(0,k) + L(k,*) = L(0, *)
– prerequisite : calculation of all-pair shortest paths
• Due date of job j : insert a dummy node & a arc representing a travel time.
Mfg Automation & Integration Lab.
Seoul National University
52/104
다단계 제품의 잡샵 일정계획
•
Extended
Disjunctive
Graph
Mfg Automation & Integration Lab.
Seoul National University
53/104
일정계획 방법의 분류
Quality
of
Schedule
SBP, RHP
Heuristic Algorithms
Dynamic Programming
Branch & Bound
Stochastic
Optimization
(GA, SA,
Tabu Search)
Dispatching Rules
출처: 서울대학교 제조통합자동화연구실 정대영, 장양자
Mfg Automation & Integration Lab.
Seoul National University
Computation Time
54/104
잡샵 일정계획 해법
Shifting Bottleneck Procedure
•
•
SBP의 절차
Step 0: M0={}
Step 1: Identify the bottleneck resource m among resources M\M0, and calculate its
optimal sequence, given the partial schedule on resources M0. Set M0=M0{m}.
Step 2: Reoptimize successively the sequence of each resource k M0, given the partial
schedule on resources M0/{k}. If M0=M, then stop; else go to Step 1.
Multi-processor job shop에 대한 SBP와 기존 SBP의 차이
1. 기존 SBP의 step1에서 풀었던 문제가 head와 tail을 가진 single machine problem
이었으나, multi-processor job shop에서는 parallel machine problem이 된다.
single machine problem with head and tail 문제는 Carlier (1982)의 B&B를 사용
하였는데, parallel machine problem에 대해서도 Carlier (1987)의 B&B를 이용할
수 있지만 시간이 너무 오래 걸리는 단점이 있다.
그래서 longest tail heuristic을 사용하였다.
2. head and tail calculation
기존의 head, tail 계산에서 conjunctive, disjunctive predecessor와 successor를 고
려하도록 약간 변경되었다.
Mfg Automation & Integration Lab.
Seoul National University
55/104
잡샵 일정계획 해법
Shifting Bottleneck Procedure [10]
•
•
•
실험 데이터 생성
m: number of resources (50, 100)
n: number of jobs (100, 200)
l: number of levels in the bill of material (2,3)
o: number of operations to be performed on a part (3,5)
b: number of branches in an assembly (2,3)
processing time: 1..100
Probability of selecting resource k for an operation: Rk / Sum(Ri)
실험 데이터 셑
– 32개의 problem으로 구성된 4개의 problem set 구성
a: maximum number of units available of a resource (1,4)
objective: (min Cmax, min Lmax)
– 생성된 문제의 크기는 EDG의 노드수가 900~13000개까지였다.
Simple schedule generation procedure (SGP)는 19가지 dispatching rule을 사용하여
schedule을 생성하는 방법. 486 33MHz PC에서 SGP와 SBP를 비교 실험했다. SGP
의 best solution과 SBP의 solution을 비교한 결과 best SGP보다 항상 좋은 해를 얻었
다. 최대로 오래 걸린 시간이 5000초 미만이었다.
Mfg Automation & Integration Lab.
Seoul National University
56/104
잡샵 일정계획 해법
SBP to JSSP
•
Dauzere-Peres, Lasserre, 1993
– 지연 제약을 고려한 수정된 Carlier 알고리즘 제시. 지연제약을 고려했을 때 더
좋은 해를 더 짧은 시간 내에 구할 수 있었음.
•
Egon Balas, Jan Karel Lenstra, Alkis Vazacopoulos, 1995
– 단일 기계 문제 해법으로 분지한계법을 이용.
•
Amar Ramudhin, Phillippe Marier, 1996
– Open shop, assembly shop, 공정간의 부분적인 순서가 있는 경우의
풀기 위해 일반화된 SBP 제안.
•
문제를
Michael Pinedo, Marcos Singer, 1999
–
문제에 SBP를 적용.
– 단일 기계 문제 해법으로 분지한계법 이용.
J m / rj /  w jT j
Mfg Automation & Integration Lab.
Seoul National University
57/104
잡샵 일정계획 해법
Local Search
•
•
•
•
•
다양한 local search 기법들을 분석하고 계산 결과를 제시. SBP, SA, GA, TS,
variable-depth search
tabu search와 variable-depth search의 결과가 가장 좋았다.
solution quality는 Balas and Vazacopoulos(1998)의 ‘reiterated guided local search’가
가장 좋았다.
Nowicki and Smutnicki(1996)의 tabu search와 backtracking을 결합한 연구가 두번째
로 좋은 해를 나타냈고, 시간도 훨씬 적게 걸렸다.
SBP의 경우에도 Balas and Vazacopoulos가 reoptimization에서 variable-depth search
를 했던 경우를 제외하고는 성능이 썩 좋지 않았으며, SA, GA는 그다지 성능이 좋
지 않았다.
Mfg Automation & Integration Lab.
Seoul National University
58/104
잡샵 일정계획 해법
해법에 대한 평가
•
SBP에 대한 평가
–
–
•
Local Search에 대한 평가
–
–
•
parallel machine problem에 대하여 B&B를 사용하면 시간이 오래 걸리고, heuristic을 사용
하면 시간은 적게 걸리지만 해의 품질이 저하된다.
reoptimization 시간이 오래 걸린다.
정교하게 고안된 TS는 성공적이었으나, SA, GA는 그다지 성능이 좋지 않았다
보통 두 단계 정도로, 예를 들어 partial enumeration with big changes at the top level, and
local search with smaller changes at the bottom level 정도가 좋은 방법이라고 제안.
CSP에 대한 평가
–
–
–
–
Simonis(1996)에 의하면 CP가 성공적인 네 분야가 있다. Scheduling, Allocation,
Transportation, Rostering
원인: 전체 프로그램을 수정하지 않고 problem-specific constraint를 첨가하기 용이하고,
OR 기법에 기반을 둔 탐색 전략을 통합하기 용이하다.
CSP의 주요한 구성 요소인 Propagation rule, Search control heuristic, Search decision
retraction (backtracking)을 정교하게 할수록 시간이 오래 걸린다.
local search보다 오래 걸리지만 더 좋은 solution을 구한다. 따라서 두 가지를 통합하는 접
근법에 대한 요구가 존재한다.
Mfg Automation & Integration Lab.
Seoul National University
59/104
Combined Production and Distribution Planning using
Demand based mixed Genetic Algorithm in a Supply Chain
(presented at 17th ICPR Conf., Aug., 2003, Blacksburg, VA, USA)
2003, International Conference of Production Research
Sungwon Jung*, Jung Lim**, Hyung-sik Oh*, Jinwoo
Park*
*Department of Industrial Eng., Seoul National Univ., Korea
** Korea Institute for Defense Analyses
Mfg Automation & Integration Lab.
Seoul National University
60/104
Introduction
•
Bullwhip Effect
– The variance of orders at down streams is amplified at upstream in a supply chain
•
•
•
•
Main factors of bullwhip effect
Errors in demand forecasting
Batch ordering
Price fluctuation
Inflated orders
Information Sharing
Mfg Automation & Integration Lab.
Seoul National University
61/104
Classification of Research Papers on Supply Chain Problems
Level of Decision
Strategic
Pricing
Postponeme
nt
Capacity
allocation
Safety Stock
Tactical
Operational
Safety Stock
Pricing
Dyadic/Serial
Shipment
Plan
MRP
Inventory
Production
Allocation
Scheduling
Divergent
Mfg Automation & Integration Lab.
Seoul National University
Convergent
Facility
location
Production &
Distribution
planning
Vehicle
routing
Network
62/104
Model
Supplier a
Factory a
Warehouse a
Retaile
r
Retaile
r
Supplier b
Factory b
Warehouse b
Retaile
r
Supplier c
We try to find out an efficient algorithm useful to find good production and distribution
plan, altogether
Mfg Automation & Integration Lab.
Seoul National University
63/104
Model Description
• Formulation
Min ( siwYiwt  hiw I iwt )    sipYipt  hip I ipt  pip X ipt    sisYist  his I ist  pis X ist 
i
w
t
i
p
t
i
s
t
 tsiwcm Ziwctm  tpiwcmQiwctm    tsipwm Zipwtm  tpipwmQipwtm    tsispm Z isptm  tpispmQisptm 
i
w
c
t
m
i
• Constraint
Q
p
w
t
m
i
p
t
m
Minimize {Inventory Cost+Production Cost +Transportation Cost+Setup
Cost for Production+Setup Cost for Transportation}
 Dict
i  I , c  C , t  T
(1)
i  I , w  W , t  T
(2)
I ip (t 1)  X ipt  I ipt   Qipw (t lipwm )
i  I , p  P, t  T
(3)
I is (t 1)  X ist  I ist   Qisp (t lispm )
i  J , p  S , t  T
(4)
 Q
c I
i  I , j  j aij  0 , p  P, t  T
(5)
w  W , t  T , r  R
(6)
iwct
s
w
I iw(t 1)   Qipwtm  I iwt   Qiwc (t liwcm ) m
p
m
c
w
p
jsptm
s
m
m
m
 aij X ipt


m
iw iwt
i ( r )
 Awtr
c
X ipt  Aptr
p  P, t  T , r  R
(7)
c
X ist  Astr
p  S , t  T , r  R
(8)
ip
i ( r )
i ( r )
is
Q
Q
Q
iwctm
 Bwctm
w  W , c  C , t  T , m  M
(9)
ipwtm
 B pwtm
p  P, w  W , t  T , m  M
(10)
isptm
 Bsptm
s  S , p  P, t  T , m  M
(11)
i
i
i
X ipt  MYipt
i  I , p  P, t  T
(12)
X ist  MYist
i  I , s  S , t  T
(13)
Qiwctm  MZ iwctm
i  I , w  W , c  C , t  T
(14)
Qipwtm  MZ ipwtm
i  I , p  P, w  W , t  T
(15)
Q jsptm  MZ jsptm
j  J , s  S , p  P, t  T
(16)
Yipt , Z iwct , Z ipwt , Z jspt  0,1
Mfg Automation & Integration Lab.
Seoul National University
(17)
64/104
Model Description

Notation
I : set of products
C : set of customers
W : set of warehouses
P : set of plants
S : set of suppliers
T : set of time periods
M: set of trasport modes
R: set of resources
(r): set of items which use resource r
i : index of product
c : index of customer
w : index of warehouse
p : index of plant
s : index of supplier
t : index of time period
m: index of trasport mode
r : index of resource
A wtr : Maximum capacity of resouce r of warehouse w in period t
A ptr : Maximum capacity of resouce r of plant p in period t
A str : Maximum capacity of resouce r of supplier s in period t
Bwctm : Maximum capacity of transport mode m between warehouse w and client t in period t
Bpwtm : Maximum capacity of transport mode m between plant p and warehouse w in period t
Bsptm : Maximum capacity of transport mode m between supplier s and plant p in period t
Mfg Automation & Integration Lab.
Seoul National University
65/104
Model Description

Notation
siw : production setup cost of end product i in warehouse w
hiw : inventory holding cost of end product i in warehouse w
sip : production setup cost of end product i in plant p
hip : inventory holding cost of end product i in plant p
pip : production cost of end product i in plant p
sis : production setup cost of end product i in supplier s
his : inventory holding cost of end product i in supplier s
pis : production cost of end product i in supplier s
tsiwcm : transportation setup cost of end product i from warehouse w to customer c using transport mode m
tpiwcm : varialbe transportation cost of end product i from warehouse w to customer c using transport mode m
tsipwm : transportation setup cost of end product i from plant p to warehouse w using transport mode m
tpipwm : varialbe transportation cost of end product i from plant p to warehouse w using transport mode m
ts jspm : transportation setup cost of item j from supplier s to plant p using transport mode m
tp jspm : varialbe transportation cost of item j from supplier s to plant p using transport mode m
liwcm : lead time of itme i from warehouse w to customer c using transport mode m
lipwm : lead time of itme i from plant p to warehouse w using transport mode m
lispm : lead time of itme i from suppier s to plant p using transport mode m
Mfg Automation & Integration Lab.
Seoul National University
66/104
Model Description

Decision Variable
I iwt : inventory quantity of end product i in warehouse w at the end of period t
X ipt : production quantity of end product i in plant p at period t
I ipt : inventory quantity of end product i in plant p at the end of period t
X ist : production quantity of end subproduct i in supplier s at period t
I ist : inventory quantity of end subproduct i in supplier s at the end of period t
1,
Yipt  
0
1,
Yist  
0
Qiwctm : transportation quantity of end product i from warehouse w to customer c in period t using transport mode m
1,
Z iwctm  
0
Qipwtm : transportation quantity of end product i from plant p to warehouse w in period t using transport mode m
1,
Z ipwtm  
0
Qisptm : transportation quantity of item j from supplier s to plant p in period t using transport mode m
1,
Z isptm  
0
Mfg Automation & Integration Lab.
Seoul National University
67/104
Genetic Algorithm
•
Genetic algorithm is an algorithm hinted from natural evolution and can be
seen as an optimization method through probability search.
Decoding
New Generation
Encoding
Evaluation & Selection
Creating new population
Initial Population
Genetic operation
Applying the rule to
satisfy capacity constraint
Mfg Automation & Integration Lab.
Seoul National University
Meta Heuristic
68/104
Genetic Algorithm
•
Expression of solution
i
Handling Item
s
Chromosome
Site
Representation of solutions
1 If production decision is made
Time
i
t
V t,s,i = 0 or not
Handling Item
N t,n,i =
n
Network
Chromosome
1 If network is linked
0 or not
Time
t
Mfg Automation & Integration Lab.
Seoul National University
69/104
Genetic Algorithm
• Genetic Operation
– Selection : Roulette wheel method
– Crossover : One-point crossover along time axis
– Mutation : non-uniform mutation
Mfg Automation & Integration Lab.
Seoul National University
Example of crossover
70/104
Genetic Algorithm
•
How to meet capacity constraints at sites
Forward Method
Backward Method
Modified Mutation Method
LFL based creation of initial population
Mfg Automation & Integration Lab.
Seoul National University
71/104
Experiment
•
The purpose of the experiment
– To see if the proposed algorithm can find a solution to the problem of
the given size in a relatively short time
– To find how effective the LFL-based creation of initial population and
a modified mutation are in meeting production capacity constraints
SCM Solver Ver 1.0
Mfg Automation & Integration Lab.
Seoul National University
72/104
Experiment I
•
Optimal solution and comparative experiment
– Experiment model (3 models)
Model name
Model 1
Model 2
Model 3
Customer company
Logistics company
Plant
Supplier
Final product
Major part
Period
# of binary variables
2
1
2
2
2
2
12
312
2
2
2
2
2
2
18
613
6
2
3
4
3
3
12
1236
Mfg Automation & Integration Lab.
Seoul National University
73/104
Experiment I
•
Optimal solution and comparative experiment
Method
CPLEX
GA
CPLEX/GA
Time
114
111
1.03
CPLEX
Cost
311951
321001
0.97
Time
13210
137
96.42
Cost
452880
478013
0.95
Time
120262
339
354.76
Cost
839880
933404
0.9
GA
140000
120000
100000
80000
60000
40000
20000
0
Model1
Model2
Model3
Mfg Automation & Integration Lab.
Seoul National University
1000000
900000
800000
700000
600000
500000
400000
300000
200000
100000
0
CPLEX
GA
Model1
Model2
Model3
74/104
Experiment II
• Evaluation of techniques used to help meet production
capacity constraints
Me thods to he lp me e t produc tion c apac ity c onstraints
GA- FB
forward me thod, bac kward me thod.
GA- FBM forward me thod, bac kward me thod, modifie d mutation ope ration
GA- FBL
forward me thod, bac kward me thod, c re ation of LFL- base d initial population
GA- FBML forward me thod, bac kward me thod, modifie d mutation ope ration c re ation of LFL- base d initial population
•
Experiment model
– 22 models (Altering the problem size : M1 ~ M2)
• The number of entities
• Time period
Mfg Automation & Integration Lab.
Seoul National University
75/104
Experiment II
•
Evaluation of techniques used to help meet production capacity constraints
Algorithm
Mode l
M01
M02
M03
M04
M05
M06
M07
M08
M09
M10
M11
M12
M13
M14
M15
M16
M17
M18
M19
M20
M21
M22
Ave rage
GAFB
221080
310914
94378
264108
254793
399675
457947
448423
527507
347866
463659
615559
351686
960203
579512
647206
899523
662158
1147245
Inf
Inf
Inf
Inf
1
2
1
4
3
1
3
4
2
4
3
4
4
4
4
4
4
4
3
4
4
4
4
GAFBM
221102
310929
94504
263828
254453
399831
457884
444869
525693
347059
463913
614938
348867
913671
576895
631536
883321
656968
1095149
911605
1134977
1505003
593499
Mfg Automation & Integration Lab.
Seoul National University
3
2
2
2
2
2
2
2
1
3
4
3
3
3
3
2
3
3
2
3
1
2
2
GAFBL
221080
311107
94564
263742
255021
402132
457981
445063
529981
345108
462150
611638
347938
910960
573196
631854
881325
650617
1191424
903479
1145220
1509138
597487
1
4
3
1
4
3
4
3
3
2
2
1
1
2
1
3
1
1
4
1
3
3
3
GAFBML
221103
311020
94588
263942
253902
402226
457597
444244
531122
344456
460753
611881
348446
906896
574536
630293
881779
651083
1080998
908500
1137436
1501061
591721
4
3
4
3
1
4
1
1
4
1
1
2
2
1
2
1
2
2
1
2
2
1
1
76/104
CIM시스템 이후 --•
•
•
•
지능형 제조 시스템( IMS: Intelligent Mfg. System)
홀로닉(Holonic) 제조 시스템
민첩 제조 시스템 (AMS: Agile Manufacturing System)
광속의 商거래(CALS: Commerce At the Light Speed )
• 이들의 핵심개념은 CIM에서의 부분적인 확대 :
–
–
–
–
환경친화적
분산/소형화
컴퓨터 통신 기술을 최대한 활용
소비자의 개성화된 시장요구(mass customerization)에 민첩 대응
Mfg Automation & Integration Lab.
Seoul National University
77/104
• 최 근 Virtual Manufacturing, Digital Manufacturing, Virtual
Enterprise의 개념도 많이 대두되고 있다.
• IBM·모토로라 등 세계 메이저 IT기업들은 자체 생산공장을 매각
또 는 폐 쇄 하 고 생 산 부 문 을 EMS(Electronic Manufacturing
System) 기업에게 위탁(연간 매출액이 100억달러를 상회하는
Solectron, Flextronics 등 초대형 EMS기업이 등장).
• 한국은?
Mfg Automation & Integration Lab.
Seoul National University
78/104
3. 무엇이 가장 큰 문제인가?
• 우리나라와 같이 부존 자원이 적고, 인구밀도는 높고 땅이 좁은
나라가 현재 누리는 생활수준의 원천은 2차산업.
• 2차 산업(or 2.5차 산업)은 우리 민족의 장래와 밀접한 연관.
• 전통적으로 제조 강국들은 나름대로의 제조 시스템 또는 제조
철학을 가지고 독특한 산업경쟁력을 유지하여 왔다(미국의
Fordism, Taylorism, 독일의 Meister제도, 일본의 JIT생산시스템)
• 우리가 선진국으로 도약할 수 있는 방법 중의 하나는
“ 2.5차 산업 분야의 한국적 모델 또는 철학의 개발”이 될 것이다.
Mfg Automation & Integration Lab.
Seoul National University
79/104
문제점: 시스템의 부재로 인해 Plan이 어렵다
• 이른바 Internet의 보급, 활용 등 선진국보다 앞선 부분도 없지
않으나 시스템적인 측면에서 부족한 점이 너무도 많다. 책임소재
도 불분명한 부분이 너무도 많다. 의식하지도 못하는 경우도 허다
하다(정치 시스템? 시스템?).
• "여태까지는 사람이 첫째였다. 앞으로는 시스템이 우선하여야
한다. 그렇다고 우수한 인재가 필요치 않다는 의미는 결코 아니
다. 좋은 시스템 하에서는 훌륭한 인재는 더 빨리, 더 많은 일을
할 수 있게 될 것이다...."라는 말이 절실히 요구되는 것이 현실이
다(누가 그런 말을 했나?).
• 국내 일류기업의 경우에도 표준화 미비, 기술 및 설계 능력부족,
더 기본적으로는 "과학적 관리의 사고방식"이 미흡ERP 도입이 어려웠고 어렵다(Plan의 기본).
Mfg Automation & Integration Lab.
Seoul National University
80/104
4. 차세대 ERP및 SCM은?
• ERP 및 SCM은 제조업 그리고 그와 연관된 서비스업과 밀접한
연관이 있다. 따라서 미래 산업의 형태에 밀접하게 연관되어 있다.
• "미래의 주종산업은 어떤 형태의 것이 될 것인가?"에 대하여 명
확한 대답을 내리기는 쉽지 않지만 미래의 주종산업은 점점 더
2.5차 산업의 형태를 보일 것으로 예상된다.
• 미래의 제조 공장은 분산되고 독립적이며 고도의 합리적인 자동
화 기술을 이용할 것이고 또한 정보의 공유를 통하여 고도의 생
산성을 유지할 것으로 예상된다(Holonic Mfg System).
• 또한 미래의 공장은 인공지능을 최대한 활용하여 인간의 참여도
를 최소한으로 하면서(물론 인간의 의사결정의 중요도는 더 높
아지면서) program에 의하여 여러 종류의 제품을 생산하는 것이
가능한 형태로 바뀌지 않을까 생각된다.
• 따라서 최적화 부문과 시뮬레이션(3차원 그래픽)이 주요 기반기
술이 될 것이며 이에 덧붙여 여러 혁신적 아이디어들이 첨가될 것
이다.
Mfg Automation & Integration Lab.
Seoul National University
81/104
• 고유의 기업모델을 개념화하고 설계하는 것이 큰 도전과제가 되
고 있으며 이들 모델로부터 표준화된 hardware/software가 개발
되어 효과적인 차세대 기업 시스템이 구축될 수 있을 것이다.
• 미래의 기업 모델은 기본적으로 다음을 포함하여야 한다.
(1) Business Function의 제시
(2) 경영정보 DB(Database)의 통합
(3) 물자 또는 제품의 흐름의 제시
(4) 정보 흐름의 제시
(5) Interface 및 통신 프로토콜의 묘사
(6) 계층적 계획 및 통제 기능의 제시
(7) 시간 개념의 포함
Mfg Automation & Integration Lab.
Seoul National University
82/104
Esprit CIM-OSA Model
Mfg Automation & Integration Lab.
Seoul National University
83/104
* 미래의 생산 시스템 연구:
• 일본 IMS (10년간 1500억 Yen)- 이제 한국, 미국, 유럽, 호주, 카
나다를 포함하는 국제 프로젝트로 성장하였다.
• 미국 CALS ( 일본의 10배 규모)
• 유 럽 ESPRIT(European Strategic Program for Information
Technology)
• 한국 G7
Mfg Automation & Integration Lab.
Seoul National University
84/104
가장 최근에는 e-Manufacturing, Virtual Enterprise
Model, Rosettanet, XML 등에 대한 논의가 진행되고 있
다. 아직 표준도 정해지지 않은 상태이다.
Relevant Standards
(The B2B Standards War: Connect or Die! , Bill Harrelson, Oct., 2000)
Copyright ⓒ IntelligenceWare, Inc. 2000
All rights reserved.
Mfg Automation & Integration Lab.
Seoul National University
85/104
Rosetta Net solution(made in Korea)
Mfg Automation & Integration Lab.
Seoul National University
86/104
Scope of ee-Manufacturing
-Manufacturing
KMS
HR
SCM
Design & Manufacturing
CRM
Marketing
Quality Management
Virtual
Manufacturing
Product
Design
Production
Control
Design/Manufacturing
Information Management
Sales
Service
ERP
Production
Preparation
Product
Development
Manufacturing
& Assembly
Maintenance
PLM
Procurement
Logistics
Distribution
Finance
Account
한국과학기술연구원 C A D C A M 연구센터
 02 958 5647
하 성도
 136-791 서 울 시 성 북 구 하 월 곡 동 39-1
 02 958 5649
Mfg Automation & Integration Lab.
Seoul National University
 [email protected]
-4 -
한국과학기술연구원
CADCAM 연구센터
87/104
Flows in ee-Manufacturing
-Manufacturing System
information flow
suppliers
p
material flow
parts
F
SCM
o
customer
q
r
n
E
materials
ERP
a
m
l
B
A
CRM
b
D
C
Product
Development/Design
c
Production
Planning
Manufacturing
& Assembly
d
e
k
f
i
G
H
PLM
h
Operation
Management
products
waste
recyclables
g
j
customer
한국과학기술연구원 C A D C A M 연구센터
 02 958 5647
하 성도
 136-791 서 울 시 성 북 구 하 월 곡 동 39-1
 02 958 5649
Mfg Automation & Integration Lab.
Seoul National University
 [email protected]
-5 -
한국과학기술연구원
CADCAM 연구센터
88/104
혁신 제조 기업의 사례- ERP의 확장(?)
•
•
•
기업정보화는 기업경쟁력을 높이기 위한 하나의 수단일 뿐
기업정보화 그 자체가 목적은 아님.
국내 기업의 경우 정보화수준의 향상만으로도 큰 이득을 볼 수
있을 것으로 사료됨. 그러나 초우량 기업은 정보화 그 이상을
갖추어야 함.
1990년대 미국 기업의 사례
1. 자동화(CAD, CAM)
2. 정보기술의 활용(CIM)
3. 기업혁신(대 고객 서비스, 품질)
4. 유연성(프로세스, 노동시장)
5. 지속적 개선
Mfg Automation & Integration Lab.
Seoul National University
89/104
혁신 제조 기업의 사례(국내)
•
•
•
•
•
•
S전자 반도체 부문
L전자 DRM(Digital Recording Media)사업부
M㈜의 정보화
S전자 압력밥솥
Y폴리텍 플라스틱 부품
SH전자의 신호변환기
Mfg Automation & Integration Lab.
Seoul National University
90/104
혁신 제조 기업의 사례(국내)
Mfg Automation & Integration Lab.
Seoul National University
91/104
혁신 제조 기업의 사례(국내)
• Y 폴리텍㈜의 사례
1. 종업원 15인 정도에 년간 매출액 15억 정도
2. 플라스틱 사출성형제품의 판매
3. 현장인원은 3인, 하루 24시간 가동
4. Single PPM(사출기계의 stroke data를 이용하여
interlock으로 불량예측)
5. 200여 협력사들 중 평균 품질 1위.
Mfg Automation & Integration Lab.
Seoul National University
92/104
Mfg Automation & Integration Lab.
Seoul National University
93/104
혁신 제조 기업의 사례(국내)
• 이동 전화기용 부품
• 종업원 67명, 매출 20억
순익 2억
• 종업원 중 50명이
비정규직
• 업무 특성과 업무 표준에
대한 know-how
• 품질은 single PPM,
가격경쟁력은 중국 능가
Mfg Automation & Integration Lab.
Seoul National University
94/104
IMF 이후 최근 국내 여건의 변화
•
•
•
•
•
•
기업 경영의 투명성, 도덕성 증대
ERP 도입 성공사례의 급속 확대
정보화 시대의 도래
Fusion 제품의 대두(IT,BT,NT,ET,ST,CT)
e-Biz 시대의 대두(전자상거래 흑자기업 탄생)
환경에 대한 관심
Mfg Automation & Integration Lab.
Seoul National University
95/104
혁신 제조기업의 특징(국내)
•
•
•
•
•
•
•
시스템(4M – 업무표준)
충만한 동기부여
혁신기법의 숙지(IE,VE,TQM,TPM)
제안제도의 활성화
종업원의 자기개발 기회
외부 컨설팅의 활성화
정보화(ERP, SCM, CRM, KMS)
Mfg Automation & Integration Lab.
Seoul National University
96/104
한국의 현 상황
•
1.
2.
3.
4.
제조업 내부
대기업의 경우 확장 ERP 도입단계(SAP, Oracle, 등 외국사)
중소기업의 경우 한국형 SCM/KMS/CRM 개발 및 도입
30000개 중소기업 정보화 사업 착수
25개 공단 13000개 사의 디지털화 착수 단계
•
1.
2.
3.
4.
제조업 외부
1000만 초고속 인터넷, 3000만 핸드폰 인구
고객의 요구 사항:제품의 원격감시(Telematics, 에어컨, 보일러, ..)
세계 수준의 저렴한 전자상거래 관련 솔루션
신산업의 탄생
(예)애완견 관련(의류,가구,사진관,병원,보육원,시터)
Mfg Automation & Integration Lab.
Seoul National University
97/104
제조 기업의 발전 방향(정리)
•
•
•
•
•
•
•
정보화, 지능화(IMS)
확장된 제조 네트워크
(시간, 공간, 국경의 개념이 엷어지고 있음)
기업간 협력( Collaborative Production, Commerce)
가상 기업( Virtual Enterprise)
2.5차 산업의 대두( 제조업과 정보산업의 협업체제)
지식경영
NGMS(Next Generation Manufacturing System)?
Mfg Automation & Integration Lab.
Seoul National University
98/104
한국형 ERP/SCM/… ?
• 앞으로의 시대는 지식, 정보의 시대.
• 위기에 강한 민족성, 그리고 창의성(완벽한 문자체계인 한글을
발명한- 문자를 발명한 민족은 거의 없습니다 -, 그것도 1 세대
기간에 발명한 자랑스러운 선조를 가진 나라), 문화성(세계 최
초의 금속활자), …
• 우리의 약점인 객관성, 공평성, 부족한 EQ 지수?
• 시스템으로 이를 극복할 수 있다.
Mfg Automation & Integration Lab.
Seoul National University
99/104
Mfg Automation & Integration Lab.
Seoul National University
100/104