초록
제조 분야에서 적정한 생산량을 분석하기 위해서는 제조 라인 내 레이아웃 설계, 설비 성능, 투입 작업자 수 등 변경 요인 간의 관계를 포함한 공학적 분석이 필요하다. 본 논문은 식품 제조에서 생산량 증대를 위해 기존 시나리오를 분석하여 문제점을 도출하고, 변경 요인들을 제어하여 생산량이 단계적으로 확장되는 시나리오를 고려한 시뮬레이션 방법을 제안한다. 대상 시스템은 식품 가공공장으로 생산 프로세스는 입고, 가공, 소분, 포장, 검수, 적재, 보관 공정으로 구성된다. 먼저, 대상 시스템 분석을 통해 공정 프로세스별 설비와 작업자를 실제 레이아웃 배치에 따라 모델을 설계한다. 이후 대상 시스템에서 도출한 실데이터를 기반으로 작업자의 작업시간과 설비 처리 시간 등을 모델에 반영하여 시뮬레이션 실증을 수행한다. 제안 모델의 목표는 시나리오를 확장해 가며 단계별 시나리오 간 비교 분석을 통해 생산량 증대를 위한 최적의 요인 값을 분석 및 제시하는 것이다. 이를 위해 생산량 증대에 가장 중요한 소분, 포장공정의 설비 및 작업자 모델을 확장하여 총 세 단계의 시뮬레이션 실험을 수행하였다. 시뮬레이션 실험 결과 고숙련 작업자와 열성형 포장기 설비의 배치에 따라 생산성이 달라짐을 확인하였다. 본 연구에서 제안한 시뮬레이션 방법이 실제 현업에서 목표 생산량에 적합한 요인 조합을 제시하여 최적의 의사결정을 지원할 수 있을 것으로 기대한다.
In manufacturing productivity analysis, understanding the intricate interplay among factors like facility performance, layout design, and workforce allocation within the production line is imperative. This paper introduces a simulation-based methodology tailored to food manufacturing, progressively expanding scenarios to analyze production enhancement. The target system is a food processing plant, encompassing production processes, including warehousing, processing, subdivision, packaging, inspection, loading, and storage. First, we analyze the target system and design a simulation model according to the actual layout arrangement of equipment and workers. Then, we validate the developed model reflecting the real data obtained from the target system, such as the workers' working time and the equipment's processing time. The proposed model aims to identify optimal factor values for productivity gains through incremental scenario comparisons. To this end, three stages of simulation experiments were conducted by extending the equipment and worker models of the subdivision and packaging processes. The simulation experiments have shown that productivity depends on the placement of skilled workers and the performance of the packaging machine. The proposed method in this study will offer combinations of factors for the specific production requirements and support optimal decision-making in the real-world field.
