셀 방식 조립생산라인의 레이아웃 설계에 대한 사례연구 · 성하여 레이아웃 설계를 실행하는 과정이다. 자원을 수행작업 군으로 분류하여

Journal of the Korean Institute of Industrial EngineersPublished Online, pp. 397-412, October 2017. © 2017 KIIEISSN 1225-0988 | EISSN 2234-6457 <Original Research Paper>

셀 방식 조립생산라인의 레이아웃 설계에 대한 사례연구

임정우1․박성 2†․배찬우2․반재만1․이 훈2

1SF사업1 , SK(주) C&C / 2연세 학교 산업공학과

A Case Study on Layout Design of Cellular Assembly Production Line

Joung Woo Lim1 Seong Hyeon Park2 Chan Woo Bae2 Jae Man Ban1 Young Hoon Lee2

1SF Business Team 1, SK Holdings2Department of Industrial Engineering, Yonsei University

In this paper, a case study is performed to redesign the layout of a printer production line. The production line followed a traditional mass-production layout, in which workers performed a simple and overly fragmented assembly process. In order to redesign the line to a cellular production line with the objective of improving productivity and flexibility, alternative layouts were created by optimizing design of cells using a line balancing mathematical model. Further, logistics evaluation indicators and simulated performance indicators have been developed to assess the layout alternatives. The resulting layout significantly improves the productivity and flexibility of the system. The results of this study provide useful guidelines as a basis for layout redesign for the transition to smart factory.†

Keywords: Cellular Layout Design, Assembly Production Line, Line Balancing, Layout Evaluation Indicator

1. 서 론

조립생산라인에 대한 생산성 향상 연구는 제조업의 부가가치

창출이 경제의 중심이 되어 온 이래 오랫동안 지속적으로 연구

되어 온 주제로서 컨베이어 벨트를 이용한 포드생산 생산방식

의 대량생산체제와 린 생산방식을 이용한 도요타 생산방식의

저스트인타임 생산체제의 운영을 통하여 혁신의 큰 축을 형성

하고 제조현장에서는 수많은 형태로 지속적으로 추구되고 있

는 테마이다. 기계를 통한 자동화와 정보통신기술을 이용한 정

보중심의 의사결정체계를 통하여 비약적으로 발전하였고 지

금도 모든 제조기업의 가장 중요한 핵심연구과제이다. 제조업

경쟁이 더욱 극심한 가운데 스마트 팩토리 및 Industry 4.0를 비

롯하여 중국의 제조 2025, 일본의 제조중흥 프로그램 등은 제

조업의 생산성을 획기적으로 발전시켜 줄 수 있는 혁신패러다

임으로 주목받고 있으며 이를 통하여 제조업이 새로운 산업의

주체로서 새로운 경제체계를 형성해 줄 것이라고 기대하고 있

다(Yang and Chang, 2016). 특히 3D 프린터의 등장으로 제조업

의 기본적인 조립형태의 산업형태가 근본적으로 변화할 것으

로 기대하지만 앞으로도 상당기간 조립형 생산형태는 제조업

의 근간을 유지할 것이며 이에 대한 생산성을 제고하기 위한 방

식의 개발과 실행은 지속될 것이다(Choi et al., 2014). 조립생산라인은 작업자에 의한 작업을 최소화하여 인적 비

용을 줄이고 정보통신기술과 기계장비를 이용한 자동화 및 최

적의 생산라인을 구축하여 최고의 생산성을 유지하는 한편 제

품의 변화, 수요의 변화에 최상의 적응성을 유지할 수 있도록

구축되어야 한다. 생산라인의 생산성을 결정하는 요인은 여러

가지가 있겠지만 첫째, 생산체계 및 레이아웃의 결정, 둘째, 생산운영방식의 결정 등이 가장 중요하며 특히 조립되는 제품의

특성에 따라 생산체계 및 이에 대한 레이아웃은 한 번 결정되면 새롭게 구성하거나 변경하는 것이 많은 비용을 초래하여 쉽지

†연락저자：박성현, 03722 서울특별시 서대문구 연세로 50, 연세대학교 산업공학과, Tel : 02-364-0860, Fax : 02-364-7807, E-mail : [email protected]

2017년 3월 25일 접수; 2017년 6월 7일 수정본 접수; 2017년 6월 25일 게재 확정.

398 임정우․박성현․배찬우․반재만․이영훈

않으며 또한 생산운영방식도 상위레벨의 생산체계 및 레이아

웃의 기반 위에 결정되어 적용되기 때문에 첫 번째 이루어지

는 전략적 차원의 의사결정이 더욱 중요하다고 할 수 있다

(Kim et al., 2012). 특히 스마트 팩토리의 운영이 장기적 생산

라인 운영의 목표라면 단계적으로 변화 및 발전시켜 나가기

위한 기본적 생산체계 결정과 이에 근거한 생산 레이아웃은 조

립라인의 생산성의 최적화를 결정짓는 핵심요소라고 할 수 있다.스마트 팩토리란 스스로 환경을 감지하고 지능화된 의사결

정을 내려 자동적으로 수행하는 자동화율이 높은 공장으로, 공장의 생산성 및 유연성을 높일 수 있다. 스마트 팩토리의 지능

화된 의사결정은 사전에 정해진 생산라인 레이아웃의 형태를

포함하는 환경 데이터에 기반하여 이루어지기 때문에, 스마트

팩토리 구축 단계에서 첫 번째로 이루어지는 의사결정인 기본

적 생산체계 결정 및 조립라인 레이아웃 최적화는 공장의 성능

에 근본적인 큰 영향을 끼친다. 자동화와 물류를 고려하여 생산

성 및 유연성을 향상시킬 수 있는 셀 레이아웃 설계 최적화는

스마트 팩토리가 최적의 성능을 낼 수 있는 발판이 된다. 본 연구는 조립형 생산라인의 최적 생산체계 및 레이아웃결

정을 체계적으로 진행하는 과정을 프린터생산라인을 대상으로

실행한 사례연구이다. 기존의 조립라인은 포드생산방식의 형

태를 취하면서 작업을 분담하여 일자형으로 진행하는 사람중

심의 작업형태를 취하고 있는데 이에 대해 생산성제고를 위해

자동반송장치와 셀 방식 형태의 생산체계를 도입하고 이를 최적

으로 구성하는 레이아웃을 만들어 가는 과정에 대한 연구이다. 조립생산라인의 설계과정에서 조립공정의 최적배치를 위하

여 동시에 고려되어야 할 사항으로는 생산목표 달성을 위한 단

위시간당 생산량의 결정과 작업공정의 적절한 배치 및 물류흐

름의 구성 등이 있다(Chung and Yun, 2015a). 이 과정에서 적절

한 운송수단이 결정되어야 하고 공정 또는 작업자간의 불균형

과 변동성을 최소화 할 뿐만 아니라 이를 흡수할 수 있는 적절

한 버퍼공간의 구성도 고려되어야 한다. 더욱이 현재의 생산라

인 레이아웃이 최상의 스마트 팩토리로서 언제든지 변화될 수

있도록, 설비 변동 최소화를 위한 단순한 물류동선, 자동화 대

체 가능성 등을 고려하는 동시에 생산라인의 생산성 및 유연성

을 최대화하고자 하였으며 이는 자동화 및 지능적 의사결정에

의한 생산라인의 운영이 전체 생산비용의 관점에서 경제성을

확보한 과정에 따라 단계적으로 진화할 수 있도록 하기 위함이다.

2. 조립생산라인 레이아웃 설계 및 관련연구

2.1 조립생산라인 레이아웃 설계단계

생산품의 조립라인의 효율적인 레이아웃을 결정하기 위한

과정은 여러 방식이 있을 수 있으나 크게 첫 단계로 전략적 의사

결정으로 제품과 생산과정의 특성에 따라 레이아웃의 기본적

타입을 결정하고 두 번째 단계로 전체공정을 상호연계성과 특

성에 따라 수행 작업군으로 분류하는 블록구분 및 배치, 세 번

째 단계로 각 블록 별로 생산라인을 형성하고 이에 대한 운송수

단 및 세부배치를 시행하는 세부 레이아웃 결정의 과정을 거쳐

진행한다(Chung and Yun, 2015a; Tompkins et al., 2010; Dolgui and Proth, 2010). 세부 레이아웃이 결정된 후에 이에 대한 각종

평가지표에 대해 분석하고 이를 개선하기 위한 피드백 및 조정

과정이 사후 레이아웃 설계 과정으로 진행되며 여러 방법론과

분석기법으로 평가하여 반복적인 조정작업을 진행한다. 이와

같이 순차적으로 또한 단계적으로 진행하는 이유는 전체 레이

아웃 설정에 대한 수많은 의사결정과정을 한 번에 수행하기에

는 문제의 구성이 크고 복잡하여 단계별로 진행하는 과정에 각

각 필요한 의사결정을 진행하고 이미 결정된 내용에 근거하여

단계적으로 다음 의사결정을 진행하는 절차를 따른 것이 효율

적이며 실행 가능한 방식이기 때문이다(Lee et al., 2016).조립라인 레이아웃의 전략적인 의사결정단계는 기초적인

생산제품의 정보와 제품의 수명, 생산량과 제품의 종류 및 제

품 특성변화 등을 종합적으로 고려하여 적절한 레이아웃 타입

을 결정하는 단계이다. 가장 대표적으로 선형 레이아웃(Linear Layout), 기능별 분류 레이아웃(Functional department layout), 및 셀형 레이아웃(cellular layout)으로 나눌 수 있는데 대부분

작업환경과 작업자 및 생산환경의 변화, 생산성 측면에서 셀

형 레이아웃의 형태를 취하고 있으며 다만 어떠한 형태의 셀

형 레이아웃을 설계 하는가가 주요 분석의 핵심이 되고 있다

(Dolgui and Proth, 2010). 본 연구는 기존 선형 레이아웃으로

구성되어 작업하고 있는 라인을 생산성제고의 목표를 가지고

셀형 레이아웃으로 변화하고자 시행된 분석의 일환으로 첫 전

략 단계의 분석은 셀형으로 결정하고 이에 대한 다양한 형태

의 셀형에서 어떠한 구조를 선택 하는가를 두 번째 블록 형성

과정에서부터 설계하고자 한다. 레이아웃의 전략적인 의사결정이 이루어진 후에 진행되는

블록설계는 낱개의 자원을 개별적으로 배치하는 것보다는 비

슷한 자원끼리 인접한 같은 공간에 배치하기 위한 블록을 형

성하여 레이아웃 설계를 실행하는 과정이다. 자원을 수행작업

군으로 분류하여 블록을 형성하는 것은 레이아웃 형태에 따라

다르게 진행되지만 기본적으로 주어진 자원 내에 블록을 적절

히 배치하여 향후 작업라인밸런싱을 이루는 것이 목표이며 이

를 근거로 세 번째 단계의 작업장과 작업 인원수를 결정하는

기초가 된다. 셀형 레이아웃에서 많이 사용되는 싱글패스 발

견적기법(Single Pass Heuristic)이나 기능별 분류 레이아웃에

서 사용되는 K-means 군집방법 등이 대표적인 블록형성 기법

으로 사용된다(Askin et al., 1993). 형성된 블록의 배치는 주어

진 공간과 제약조건 내에 실행 가능한 형태로 배치하는 것이

중요하며 대표적으로 위치할당 수리모형(Location Allocation Mathematical Model)을 응용할 수 있으며 이에 관련된 소프트

웨어를 사용하여 배치할 수도 있다(Askin et al., 1993).레이아웃 세부설계 단계에서는 블록 내 각 작업에 대한 공

간을 배정하고, 라인밸런싱 과정을 거쳐 비슷한 사이클타임을

가지고 있는 일련의 작업장을 연결한 라인을 생성한다. 이와

셀 방식 조립생산라인의 레이아웃 설계에 대한 사례연구 399

동시에 작업장간의 물류운송을 담당할 운송수단을 결정하고

운송의 동선을 고려하여 작업장과 운송수단의 공간배치과정

을 진행한다. 레이아웃 과정에서 중요한 의사결정과정 중의

하나는 생산의 배치사이즈를 결정하는 것이며 이와 연관되어

버퍼공간과 버퍼사이즈가 동시에 고려되어 복합적으로 이루

어지게 된다(Wallace, 2008). 셀 형태의 레이아웃에서 라인당

작업장 수를 결정하는 것은 작업장 별 작업의 배치와 이로 인

한 라인밸런싱의 최적상태를 도출해야 하므로 서로 연관되어

있다. 라인당 작업장 수는 수리모형을 사용하여 최소작업장수

를 결정하되 각 작업장의 최대 사이클타임과 공정의 선후행관

계, 작업장 내 공정간의 상호 제약조건에 관련된 제약조건 등

이 고려되어 구성할 수 있다(Askin et al., 1993).조립생산라인의 세부설계과정으로 하나의 안을 얻게 되면

이에 대한 평가를 진행하여 적절한지에 대한 분석을 실시한

다. 레이아웃의 적절성을 평가할 수 있는 평가기준은 제품과

비즈니스의 특성 및 경영 목표와 관련되어 있지만 가장 중요

한 지표는 생산성이며 작업의 손실 없이 적은 자원으로 최대

의 성과를 산출할 수 있는가에 관련된 지표들이 적용된다. 또한 생산성을 평가할 때 여러 가지 가변성이 존재할 때도 견고

하게 높은 생산성을 유지할 수 있는지에 대한 평가기준도 필

요하며 제품의 변화와 수요형태의 변화에 적응할 수 있는 유

연성도 평가되어야 한다. 본 연구에서는 향후 진화하는 조립

생산라인인 스마트 팩토리를 염두에 두고 작업의 자동화로 인

한 변경용이성도 고려한 여러 평가지표를 활용하여 레이아웃

자체를 최대한 단순화하여 실행하도록 하였다.

2.2 관련 연구

조립생산라인의 레이아웃 설계 전반에 대한 연구를 종합적

으로 다룬 문헌은 많지 않으며 대체적으로 특정생산라인에 대

한 사례연구 관련 문헌이 보고되고 있으며 레이아웃 설계의

부분 단계에서 적용할 수 있는 방법론에 대한 연구를 많은 문

헌에서 찾을 수 있다. Chung and Yun(2015b)은 기계공정의 중

소제조기업에 레이아웃 개선사례의 사례연구를 통하여 레이

아웃 설계 시 사용되는 방법론과 고려사항을 제시하고 있다. 기본적으로 식스시그마 방법론의 형식을 따라 생산리드타임

을 단축할 수 있는 레이아웃을 재설계하였으며 물류이동시간

과 생산리드타임을 획기적으로 단축하였다. Kim et al.(2012)는 반도체 부품생산라인의 레이아웃을 변경하여 개선안을 설

계하는데 시뮬레이션과 AHP/DEA 방법을 사용하였으며 다양

한 평가지표를 제시하고 이를 이용하여 평가분석을 실시하였

다. Park(2003)은 전자제품조립라인에서 컨베이어 라인을 변

경하여 U-라인으로 전환하는 설계 레이아웃의 과정에 대한 사

례연구를 통하여 생산량의 변화에 따른 작업인원의 소요와 구

현되는 사이클타임, 그리고 효율성을 분석하였다. 조립생산라인의 레이아웃 설계에서 전략적인 의사결정 과

정이 라인전체의 생산성에 큰 영향을 주고 있음을 다양한 형

태로 분석하고 있다. Kim et al.(2015)는 자동차 차체공장에서

조립방식의 선택에 따른 두 종류의 배치구조를 설명하였다. 조립방식은 레이어형 조립(Layered build)과 모듈형 조립(Modular build)으로 구분되는데 각각에 적절한 레이아웃을 설계하고 이

에 대한 시뮬레이션 비교분석을 실시하여 모듈형 조립 레이아웃

이 생산성 측면에서 우수함을 보고하였다. Parwananta et al.(2013)은 페어 단일열 형태의 레이아웃문제(Paired Single Facility Layout)에 대해 최적화 모형을 소개하고 두 단계의 유전자 알고리즘

으로 근사해를 구하여 일자형태의 동선에 작업공정을 효율적

으로 배치하는 방법을 제시하였다. 일자형태의 작업공정을 배

치하는 과정에 작업시간의 불균형으로 인하여 작업이 블로킹

되거나 유휴시간이 발생하게 되는데 이에 대한 해결책으로 온

라인 배치, 오프라인 배치 및 턴넬 형태의 배치 등의 전략을 제

시하고 이에 대한 생산성을 비교 분석하였다. 레이아웃 설계의 세부설계단계에서 중요한 의사결정 중의

하나는 배치크기의 결정인데 Koo and Koh(2007)는 배치크기에

따른 셋업 회수를 최소화하고 이로 인한 리드타임을 단축하여

이와 관련된 비용을 추산하여 비용최소화, 즉 이익을 최대화하

는 생산라인 구축방법을 제시하였다. 레이아웃의 기본형태를

결정하는 셀의 형성과정은 레이아웃 관련 연구에서 많은 관심

사이다. Chung and Yun(2015b)은 중소제조기업의 컨베이어 조

립라인의 생산성 향상 사례를 보고하면서 다기능 작업자를 컨

베이어에 배치하면서 생산리드타임을 단축할 수 있는 배치방

법을 제시하였다. Cho and Lee(2001)는 셀형 생산라인 설계시

제조 셀의 형성과 셀 배치에 대한 문제를 수리모형으로 제시하고 유전자 알고리즘을 통하여 해를 구하였다. Yim and Woo(2004)는 셀을 구성할 때 제조리드타임을 최소화하는 목표에 중점을

두고 이에 대한 수리모형을 제시하고 부분최적화 방식과 유전

자 알고리즘을 통한 해를 비교 분석하였다. Kaku et al.(2008)은

컨베이어를 이용한 조립생산라인을 셀형 레이아웃으로 바꾸

기 위한 셀 형성을 수리모형으로 해를 구하고 이에 적절한 배치

형성방법과 작업자 조합의 다양한 경우에 대한 비교분석을 제

시하였다. 셀형성은 전체 생산성을 극대화하는 것이 중요하지

만 또한 지속적 생산성 유지를 위한 셀 형성의 적절성 또한 중

요한 점이다. Yin et al.(2002)는 셀형 생산라인 설계에서 유사도

(Similarity coefficient)를 정의하고 이에 근거한 셀 형성 방법을

제시하였다. 통상적으로 셀을 형성함에 있어서 하나의 셀에 할

당된 작업은 한 명의 작업자가 수행하는 것을 전제로 하는데

Koo(2015)는 Bucket Brigade(BB)를 기반으로 하는 분산 자율형

조립셀 형성 방법을 소개하였다. 이는 하나의 셀 내에 순차적

작업을 수행하는 작업자의 후행 작업자가 자신의 작업이 완료

되면 선행작업자의 작업을 인계받되 각 작업자의 작업범위에

유연성을 두어 작업이 블로킹되거나 대기상태가 되지 않도록

하는 방식이다. 이는 셀 내에서 서로 작업의 숙련도에 따라 자율

적으로 조정되도록 하는 잇점이 있으나 고도의 유연성을 확보

해야 하는 단점도 있다. 이에 버퍼를 두는 Zoned BB 방식을 제시

하고 다양한 형태의 변동성 하에서의 생산성을 비교 분석하였다.

400 Joung Woo Lim Seong Hyeon Park Chan Woo Bae Jae Man Ban Young Hoon Lee

Table 1. Task ListTask code Task Definition Task Time

(sec)Task code Task Definition Task Time

(sec)1 Attach BUMPER FOOT 9.1 23 Gear 30T etc. 7.42 Attach Rating Label 9.5 24 Assemble Door Access 8.23 Attach Absorber-K etc. 9.5 25 SWEEPER etc. 9.84 Assemble OOPS_FLAG etc. 7.7 26 Backbone Ass’y etc. 8.45 Assemble OOPS sensor etc. 8.8 27 Screw 2pcs 7.46 Set Wire etc. 9.6 28 E-pass Scanning 6.47 Attach PAD-FRICTION 8.6 29 Assemble Flag Door etc. 6.68 Spread grease 8pts etc. 9.3 30 Assemble ASSY-MPCA_IA etc. 8.69 Spread grease 12pts 9.8 31 Assemble ANTI-SLIP etc. 8.4

10 Assemble separator etc. 9.8 32 Spread grease 8pts 10.011 Assemble FNH-Frame etc. 8.5 33 Fix E-Pass 3pts 8.412 Assemble COVER-OOPS etc. 7.8 34 Insert Connector etc. 8.013 Attach Name Plate etc. 6.2 35 Assemble B'DScrew etc. 9.414 Inject E-Pass etc. 8.2 36 Assemble PYRAMID etc. 6.215 Assemble Power Ass'y 9.4 37 Assemble main Screw etc. 9.416 Attach Tape etc. 7.7 38 Inspect inside 8.717 Assemble Paper Path etc. 8.8 39 Inject Scanner Ass’y 6.218 Assemble Retainer-Backbone 8.8 40 Insert FFC Cable 5.619 Assemble LIFTER-PICK_ARM 9.6 41 Assemble upper Screw etc. 9.020 Assemble Spring 7.8 42 Assemble under screw 7.021 Assemble PaperFeed ass'y 9.2 43 Assemble In put Tray 4.722 Assemble Gear Ass’y etc. 10.0 44 Assemble Out Put Tray 4.0

Figure 1. Original Printer Assembly Production Line

3. 프린터 조립생산라인의 레이아웃 설계 사례

3.1 프린터 조립라인의 현황

컴퓨터 프린터는 전형적인 수작업 조립을 통해 생산되는 제

품으로 주로 인건비가 저렴한 국가의 조립공장에서 수익을 창

출하고자 하는 대량생산의 형태를 취하고 있으며, 비슷한 형태

의 제품군이 조립되는 라인을 구성하고 최대한 모델변경을 최

소화함으로 생산성을 높이고자 한다. 본 사례연구에서 분석하

는 프린터 조립라인도 중국의 대표적 전자회사의 생산라인으

로서 미국, 한국 및 유럽의 전자회사의 제품을 OEM 형식으로

수주하여 조립하고 있다. 그러나 인건비의 상승은 모든 국가가

경험하고 있는 추세이고, 또한 제품이 다양성 및 제품의 라이프

사이클이 짧아지면서 자동화, 유연화의 필요성은 급증하고 있으며 특히 스마트 팩토리화하고 있는 추세에 맞춰 이에 대비하기 위

한 생산시스템의 재설계 및 레이아웃의 혁신을 추구하고 있다. 프린터조립라인의 주 조립공정은 <Table 1>과 같이 44개의

세부조립공정으로 이루어져 있으며 <Figure 1>처럼 44명의 조

립작업자기 일렬로 배치되어 컨베이어 벨트에 의해 이동되는

제품의 각자의 조립공정을 순차적으로 진행하는 인라인 흐름

(In-Line Flow) 방식을 취하고 있다. 또한 6개의 보조조립공정

이 별도로 있어 보조조립공정을 통해 조립되는 반제품이 주

조립공정의 해당 공정에 공급된다. 따라서 전체조립공정은 보

조조립공정과 주 조립공정으로 구성된 나무(Tree)모양의 조립

이동장치에 의해 연결되어 이동한다. 조립공정에 필요한 원자

재와 부품 및 반제품은 생산라인에 정기적으로 배치 형태로

공급되며 완성된 조립프린터는 제품의 성능평가검사과정을

거치고 각종 부자재(엑세서리)를 담아 포장과정을 거쳐 완성

품으로 반출하게 된다. 현재 생산라인의 가장 큰 문제점은 44개의 조립공정으로 과도하게 분업화하여 라인밸런싱(Line Balan-cing)의 한계가 있어 조립생산성의 한계가 있고 제품의 이동

외에는 자동화 과정이 극히 제한되어 있어 모든 조립과정이

작업자에 의존하고 있다는 점이다. 또한 단순조립공정의 반복

작업으로 실수와 피로도가 증가하고 있고 작업자의 숙련도를

높일 수 있는 가능성도 낮으며 작업자의 이직 등의 변화로 조

립라인 전체가 영향을 받고 있어 생산라인자체가 근본적으로

재설계해야 할 필요성이 있다.

A Case Study on Layout Design of Cellular Assembly Production Line 401

Figure 2. A Procedure of Layout Design of Cellular Assembly Production Line

기존 라인을 작업자 간 숙련도 및 공정 간 균형화를 통한 생

산성의 향상 및 제품 변경 등의 융통성 측면에서 우수한 셀 방

식 조립라인으로 변화시키기 위하여, 우선 전체 생산라인을

보조조립라인, 주조립라인, 성능평가검사라인, 및 포장라인의

네 개의 블록으로 구분했다. 각각의 블록에 대해서는 서로 융

합하지 않으며 각 블록내의 생산시스템설계에 대해 혁신적인

변화를 기획하고자 하였다. 성능평가검사라인과 포장라인은

많은 부분이 자동화 설비를 이용하여 새롭게 구성할 수 있고

이는 주로 설비투자비와 이에 대한 회수기간 등에 대한 경영

의사결정에 관한 문제이다. 본 사례연구는 주 조립라인의 성

능의 극대화를 추구하며, 주 조립라인의 운영을 위한 보조 조

립라인, 성능평가검사라인 및 포장라인의 성능 기준에 맞추어

설계하여 주 조립공정을 통해 생산되는 속도를 수용할 수 있

도록 설계한다. 따라서 본 사례연구에서는 주 조립라인의 개

선을 위한 재구조화에 대해 주로 다루기로 한다. 셀 방식 생산라인의 구성에서 첫 번째로 결정해야 할 사항

은 셀의 구성인원으로 하나의 셀을 담당할 작업자 수의 결정

이며 이에 따라 구성해야 할 셀의 수도 결정하게 된다. 본 생산

라인은 시간당 330개의 프린터조립을 목표로 하고 있기 때문

에 평균 10.9초의 택트타임을 가지는 생산라인이다. 셀의 수

및 셀 별 작업자의 수는 운송보조수단을 통한 원자재, 반제품

및 완제품의 물류흐름의 전반적인 내용을 결정하여 전체 생

산라인의 모양에 큰 영향을 끼치기 때문에 우선적으로 이에

대한 사전 생산성에 대한 평가를 통해 결정하게 된다. 이후 로

트 사이즈, 운송수단, 셀의 배치 및 작업자의 작업반경 등이

동시에 고려되어야 하고 이 모든 과정을 작업장의 물리적인

환경 예를 들면 물류의 출입 및 동선에 영향을 주는 기둥의 위

치, 가로세로 작업장의 크기 등과 함께 연계하여 결정하게 된

다. 이를 결정하기 위한 세부설계 단계에서는 첫 번째, 셀의

구성에 대한 결정, 두 번째, 이를 상호 연결하는 운송수단의

결정, 세 번째, 공간제약에 맞추어 셀과 운송수단의 배치, 마지막으로 버퍼사이즈 및 작업공간설계 등의 세부 결정을 순차

적으로 진행한다. 이러한 전체적인 설계 과정은 <Figure 2>에

도식화했다.


3.2 셀 라인 구성

하나의 셀은 하나 또는 다수의 작업장의 집합으로 구성되며

하나의 셀을 통해 작업이 완성되어 나오는 데 소요되는 시간 간

격을 사이클타임이라 부른다. 따라서 셀에 소속되어 있는 각각

의 작업장에 이루어지는 작업의 각각의 소요시간의 합이 사이

클타임이다. 여기서 작업장이라 함은 한 명의 작업자에게 할당

된 작업공간을 의미한다. 하나의 셀에 포함되는 작업을 작업장

별로 할당하고 작업공간을 구성하는 모든 과정은 작업자의 작업

환경 내에서 최대의 생산성을 달성할 수 있는 형태로 구성하며, 아울러 셀을 생성하는 단계에서는 셀 내에 작업장 별 공정할당

으로 인한 작업시간이 최대한 균형이 이루어지도록 해야 한다. 각 셀의 작업장 별 택트타임은 셀의 개수와 전체 라인의 택

트타임의 곱으로 계산되기 때문에, 셀 내부 작업장의 수는 생

산라인 내 필요한 셀의 개수를 바탕으로 결정하게 된다. 예를

들어 시간당 330개의 생산목표와 이로 인한 10.9초의 택트타

임을 가지는 프린터 생산라인에서 만약 10개의 셀을 구성하려

면, 109초의 택트타임을 달성하는 셀을 구성해야 한다. 따라서

셀 내 각각의 작업장의 평균 작업시간의 합이 109초 이하인 셀

을 구성하기 위해, 주 조립공정 44개의 작업을 109초 이내로

이루어지는 작업들의 조합으로 각 작업장에 할당하여야 한다. 이러한 과정에서 필요한 최소 작업장의 수가 결정되고, 전체

작업장의 수는 곧 전체 작업자의 수가 된다.기존의 순차적 분업형태의 작업형태에서 한 작업자가 여러

개의 복수 작업을 연계하는 작업 형태로 변화하는 셀을 구성하

는 경우에 고려해야 할 사항은, 공정 간 소요시간, 작업장 간 인

수인계 시간으로 인한 손실을 줄일 수 있고 연계 작업함으로써

각 공정에 필요한 작업시간이 감소되는 이점이 있는 반면에 단

순작업에서 복잡한 여러 작업을 한꺼번에 능숙하게 할 수 있는

숙련도 증가가 보장되어야 한다는 조건이 필요하다는 점이다. 또한 여러 작업을 한 작업자가 수행 가능하도록 원부자재가 적

절히 공급되고 관련 작업도구가 적절하게 배치되어야 하는 설

계의 변화가 필요하다. 조립공정의 특성상 단기간의 훈련에 의

해 연계작업의 통합은 작업시간의 획기적인 감소를 가져온다.셀 라인을 구성함에 있어서 셀의 수와 이로 인한 작업장의 수

는 곧 전체 필요한 작업자의 수를 결정하기 때문에 주어진 조건

내에서 적절한 셀의 수와 작업장 수의 조합을 찾는 과정이 필요

하다. 본 연구에서는 목표생산량을 달성하는 조건 내에서 작업

자 수를 최소화하여 인건비를 낮추고 인당 생산성을 높이고자

한다. 따라서 Askin et al.(1993)가 제시한, 목표 생산량을 달성

하는 제약 하에서 작업이 작업장에 할당됨으로 인한 총비용을

최소화하는 라인밸런싱 수리모형이 본 연구 목표와 부합하는

점이 많기에 이를 변형하여 활용했다. 목적함수를 총비용 최소

화에서 작업장 수 최소화로 변경하였으며, 작업장 별 사용되는

설비에 관련된 제약조건을 추가하여 아래와 같은 수리모델을

만들었다. 다양한 셀의 수에 대해 필요한 최소 작업장의 수를

구하는 이 수리모델의 최적해를 IBM ILOG CPLEX Optimization Studio 12.6을 사용하여 구했다.

Index : 작업 번호( ⋯ ) : 작업장 번호( ⋯ ) : 설비 번호( ⋯ )

Decision Variable : 이진변수로서 작업 가 작업장 에 할당되면 1,

아니면 0. : 이진변수로서 설비 이 작업장 에 할당되면 1,

아니면 0. : 이진변수로서 작업장 를 사용하면 1, 아니면 0.

Input Data {( ) : 작업 는 작업 의 선행작업} : 같은 작업장에 할당되어야 할 작업의 조합

: 같은 작업장에 할당되지 않아야 할 작업의 조합

: 이진변수로서 작업 가 설비 에서 이루어지면 1, 아니면 0.

: 사전 설정된 각 작업장의 최대 사이클타임

: 각 작업장에 할당될 수 있는 설비의 최대값

: 작업 의 작업시간

FormulationMinimize ∑

(1)

Subject to ∑

≤ ∀ (2)

∑ ∀ (3)

∑ ≤ ⋅ ∀ (4)

≤ ∀ ⋯ (5)

≤∑ ∀ ∀ ∈ (6)

∑ ∀ ∈ (7)

≤ ∀ ∀ ∈ (8)

∑ ≤ × ∀ (9)

∑ ≤ ∀ (10)

∈ ∀ (11)

위 수리모형은 주어진 작업 조건 내에서 작업장 수를 최소

화하는 것이 목적이며, 식 (1)이 이를 설명하고 있다. 식 (2)는

사전 설정된 최대 사이클타임을 만족하는 작업의 할당에 대한

제한조건이며, 식 (3)은 모든 공정이 할당되어야 함을 제약하고 있다. 식 (4)는 각 작업장에 하나의 작업이라도 할당되면 작업

장을 열어야 함을 나타내며, 식 (5)는 더 낮은 번호의 작업장을

먼저 사용해야 함을 제약하고 있다. 공정의 선후관계는 식 (6)


Table 2. Evaluation Result of Each Number of Cell by Mathematical ModelTarget

Production# Cell

(m)Cycle Time

(C) #Workstation #Worker Efficiency(E) Production per hour

Production per person

330 unit/hour

34 370.9sec 1 34 (0%) 0.98 (0%) 338(15%) 9.93 (0%)18 196.4sec 2 36 (6%) 0.92 (6%) 333(16%) 9.24 (7%)12 130.9sec 3 36 (6%) 0.92 (6%) 352(11%) 9.76 (2%)10 109.1sec 4 40(15%) 0.83(15%) 389 (2%) 9.72 (2%)8 87.3sec 5 40(15%) 0.83(15%) 397 (0%) 9.92 (0%)6 65.5sec 6 36 (6%) 0.69(29%) 338(15%) 9.38 (6%)4 43.6sec 10 40(15%) 0.69(29%) 357(10%) 8.93(10%)2 21.8sec 21 42(19%) 0.79(19%) 348(12%) 8.28(17%)1 10.9sec 43 43(21%) 0.77(21%) 360 (9%) 8.37(16%)

( ) : Difference from optimum value.

을 통해 만족해야 하며 한 작업장내 할당되어야 하거나 한 작

업장에 할당되지 말아야 하는 조건은 식 (7)과 식 (8)에서 제약

한다. 식 (9)은 작업이 어느 작업장에 할당되면 해당 작업을 수

행하는 설비도 동시에 작업자에 할당되어야 함을 나타내며 식

(10)은 각 작업장내에는 최대 사용 가능한 작업 설비 수를 나

타낸다. 식 (11)은 이진 결정변수를 나타낸다. 위 수리모형은 다양한 셀의 수(m)에 대해 각각 최소 작업장

수의 해를 구할 수 있다. 단위시간당 목표생산량이 P이고 셀의

수가 m이면 각 작업장의 목표 사이클타임을 CT = m/P로 계산

하여 수리모형에 입력하여, 목표 생산량을 달성하기 위해 필

요한 최소 작업장 수를 구할 수 있다. 그러나 수리모형을 통하

여 구한 최소 작업장의 수는 작업장 간 균형성의 측면에서 일

부 조정할 필요가 있다. 위 수리모형은 단순히 작업장의 수를

최소화하였기 때문에 각 작업장 별로 작업량의 균형을 이루는

해를 주지 못한다. 따라서 위 수리모형을 통하여 구한 최소작

업장의 수로 작업장을 제한한 가운데 다음과 같이 수리모형

을 변형하여 작업들을 작업장에 보다 균형적으로 할당할 수

있다. 위 수리모형에서 구한 최소작업장의 수를 라고 하고

∑ 라고 하면 위 수리모형의 목적함수

를 식 (12)와 같이 정의하고 모든 제약조건을 그대로 적용하여

해를 구하면, 생산효율성을 높이면서 동시에 균형적으로 작업

을 배분하는 해를 구할 수 있다.

Minimize

(12)

주어진 셀의 수에 대해 최소의 작업장 수를 구하고 작업 밸

런싱을 하고 나면, 이에 대해 다양한 평가지표를 통하여 분석

하고 가장 좋은 셀의 수를 결정한다. 각각의 경우에 대해 사용

할 수 있는 평가지표로는 필요한 총 작업자수, 시간당 생산량, 시간당 인당 생산량 및 효율성 등이 있다. 총 작업자수는 수리

모형을 통해 구한 셀 당 작업장의 수에 셀의 수를 곱하면 구할

수 있다. 시간당 생산량은 셀에 할당된 작업장 별로 총 작업시

간을 구했을 때 이 중 최대값에 의해 계산할 수 있다. 예를 들

면 10개의 셀을 가정하였을 때 3개의 작업장이 최소작업장이

라는 해를 얻었고 3개 작업장의 작업시간 중 최대 작업시간이

10.2초라면 시간당 3,600/10.2 = 350개의 생산량을 얻게 된다. 이는 또한 총 30개의 작업장 즉, 30명의 작업자가 할당되어 시

간당 인당 생산량은 350/30 = 11.67이다. 이후 시간당 인당 생

산량은 편의상 인당 생산량으로 지칭한다. 전체라인의 효율성

은 작업장 별 라인밸런싱의 정도를 나타내는 지수로서 다음과

같이 구할 수 있다.

효율성(E) ×

∑

여기서 는 작업 의 작업시간을 의미하며 K는 전체 작업

장수, C는 작업장의 최대 사이클타임을 의미하여 효율성은 전

체 주어진 시간 중에서 순수하게 작업에 사용된 시간의 비율, 즉 작업효율성을 의미한다. 사례연구에서 현장의 데이터를 사용하여 <Table 2>와 같은

결과를 얻었다. 총 작업자수의 측면에서는 셀의 수를 34개, 18개, 12개 또는 6개로 유지하는 것이 좋지만 시간당 생산성 측면

에서는 셀의 수가 10개 또는 8개일 때, 인당 생산성 측면에서는

셀의 수가 34개, 12개, 10개 또는 8개일 때 높은 우수한 값을 얻

을 수 있다. 또한 효율성의 측면에서는 셀의 수를 34개, 18개 또

는 12개로 유지하는 것이 적절하다고 판단할 수 있다. 평가지표

는 단순비교보다는 평가지표의 가중치를 두거나 또는 작업자

의 수에 따른 인건비 및 인당 생산량으로 인한 수익을 동시에

고려하여 선택할 수 있다. 특히 이와 같은 수리모형은 작업을

선후행조건에 따라 작업장 별로 할당한 결과이며 작업들이 어

떻게 조합되느냐에 따라 작업의 연계성이 높아져서 그로 인한

작업시간의 감소가 이루어질 수 있고 복잡도 증가로 작업시간

이 증가되는 경우도 발생할 수 있어 이에 대한 실증적인 검증을

통하면 수리모형을 통하여 구한 작업장의 수에 대한 보정이 이

루어져야 한다. 통상적으로는 작업이 합쳐져 한 작업자에 의해

작업되면 숙련도의 증가와 작업과정의 조정으로 작업시간이

감소하게 되며 이 경우 수리모형을 통하여 구한 해보다 작업장

의 수를 줄이고도 동일한 작업과정이 이루어질 수 있어 평가지

표의 수준이 많이 증가하는 사례를 발견할 수 있다.


Table 3. Evaluation Result of Two better Cases by Empirical VerificationTarget

Production# Cell

(m)Cycle Time

(C) # Workstation # Worker Efficiency(E) Production per hour

Production per person

330 unit/hour34 370.9 sec 1 34(13%) 0.98(0%) 338(6%) 9.93(17%)10 109.1 sec 3 30 (0%) 0.92(6%) 360(0%) 12.0 (0%)

Table 4. Logistics Evaluation IndicatorLogistics Evaluation Indicator Calculation formula

1 Space-efficient productivity Throughput/Area used2 WIP Average WIP3 Flexibility of Line Changeover Time spent to change over production line4 Logistics flow Raw material composition ratio in lot size×Moving distance

5 Complexity The number of times the product switches direction during production/The number of nodes at which the product can stop moving during production

사례연구에서 셀의 수를 결정할 때는 목표생산량 달성 자체

를 중요하게 고려하여 목표생산량을 초과하는 생산량에는 크

게 가중치를 두지 않았으며, 총 작업자수, 효율성 및 인당 생산

량의 3가지 평가지표에 높은 가중치를 두어 종합적으로 고려

하였다. 주요한 3가지 평가지표 측면에서 모든 경우 셀의 수가

34개일 때 가장 우수하며, 셀의 수가 12개일 때 역시 최대 6%의 근소한 차이로 우수한 결과를 보인다. 반면 시간당 생산량

은 셀의 수가 12개일 때가 34개일 때에 비해 약 4% 많다. 따라

서 셀의 수를 34개 또는 12개에 대해, 즉, 셀 내 작업장 수가 1개 또는 3개일 때의 실제 적용 및 검증을 진행했다.실제 적용 및 검증 과정에서, 3개의 작업장으로 1개 셀을 구

성한 경우에는 한 명의 작업자가 여러 공정을 하게 되면서 작

업자의 숙련도 증가로 여러 공정을 연계적으로 동시에 진행할

수 있게 된 점, 각 공정이 끝나고 재공을 다음 작업장으로 이동

시키는 시간이 제거된 점, 그리고 일부 작업과정을 효율적으

로 조정한 점으로 인해 작업시간을 상당히 단축할 수 있었다. 그 결과 각 작업장의 사이클타임이 기존 목표인 약 130초에서

평균 약 100초로 단축됨으로써, 동일한 생산량을 유지하면서

도 3개 작업장으로 구성된 셀의 수를 기존 12개에서 10개로 줄

일 수 있었다. 반면, 1개 작업장으로 구성된 셀은 1명의 작업자

가 전체 44개의 많은 공정을 담당하는 복잡성 때문에, 검증기

간 내 숙련도 증가로 인한 작업시간의 단축이 크게 이루어지

지 않았다. 따라서 실제 적용 및 검증 결과 두 종류의 셀을 비

교하면 <Table 3>과 같이, 셀 내 작업장 수가 3개로 구성된 10개의 셀로 생산라인을 구성하는 것이 1인 셀 34개로 구성하는

것보다 총 작업자 수, 시간당 생산량 그리고 인당 생산량 측면

에서 모두 우수하다. 따라서 이후 3개 작업장으로 구성된 10개

셀을 구성하여 레이아웃 시나리오 설계를 진행했다.

3.3 로지스틱스 설계

셀 라인구성을 통하여 작업공정의 배치구조를 결정한 이후

이에 대한 물류흐름의 전체 구조에 대한 결정을 하게 된다. 주어진 공간과 공간내의 제약조건을 반영하여 구성된 셀을 배치

하고 이에 대한 물류동선을 구성하는 과정이 레이아웃 및 로

지스틱스 설계 과정이다. 이 과정에서 작업공정 및 셀간의 이

동경로를 설계하고 모든 이동물의 운송을 담당할 운송수단에

대한 설계를 실시한다. 이 과정에 전체 작업공정의 생산성과

수요공급의 요구조건을 만족시키면서 운송수단의 능력이 감

당하기에 가능한 적절한 크기의 로트 사이즈에 대한 결정을

한다. 이러한 순차적인 설계 및 피드백을 통하여 연계성을 가

지고 결정되는 과정으로 다양한 시나리오를 생성하고 이에 대

한 정량적 및 정성적인 여러 평가지표에 대한 종합적인 평가

가 필요하다. 로지스틱스 설계에 필요한 평가지표는 <Table 4>와 같다.

공간생산성지표는 셀의 공간과 작업 중 원자재 및 제품의 보

관 및 대기장소, 운송수단의 동선 등에 사용되는 전체 사용면

적의 효율성에 대한 지표이다. 재공보유량 지표는 로트 사이

즈에 의한 작업중의 평균 재공량의 추정치로서 통상적으로 로

트 사이즈의 반을 평균재고량으로 가정한다. 라인 변경용이성

지표는 생산되는 제품 변경 시 효율성을 평가하는 지표로, 기존 작업 중인 제품을 완료하는 시간, 변경되는 작업 준비에 대

한 셋업 시간, 변경된 작업을 정상적인 속도로 가동하는 데까

지 소요되는 시간의 합으로 라인 변경 소요시간을 평가하는데

사용할 수 있다. 물류량 지표는 제품 한 단위의 용적량을 1로

가정하였을 때 완제품 조립에 필요한 총 이동거리를 나타내는

것으로 물류이동의 요구량으로 사용될 수 있다. 복잡도 지표

는 물류이동의 단순화를 평가하는 지표이며 라인 내 정지가능

노드 수 중 방향 전환 노드의 비율을 평가하는 지표이다. 통상

적으로 방향전환이 고장과 물류이동의 지체를 야기하는 주원

인이기 때문이다. 로지스틱스 평가지표는 셀의 배치와 로트사

이즈의 결정 및 물류운송수단의 결정으로 설계된 레이아웃에

대한 포괄적 물류효율성을 평가한 것으로 실제 생산라인의 구

축 및 운영을 통해 실현되는 효율성을 의미하지 않는다. 이는

설계단계에서 여러가지 대안시나리오를 설계하여 이에 대한

상호평가 및 전반적 효율성을 평가하기 위한 지표로서 수많은

대안시나리오에서 의미 있는 대안을 선택하는데 필요하다. 예를 들면 재공보유량 지표의 경우도 이론상 추정한 현재의 지


표와 시뮬레이션을 통하여 또는 실제 운영하면서 관측되는 재

공량 지표는 다를 수 있다. 주어진 공간 내의 셀의 배치는 조립과정 중 셀간 이동하는

물량의 수와 형태에 따라 필요한 공간을 설정하고 이에 필요

한 운송장비의 적절한 조합을 찾는 것이 필요하다. 기존의 생

산라인은 일자형 라인으로 조립중인 제품이 완제품 검사공정

을 향해 단계적으로 이동하여 대부분 작업자에 의해 단거리

이동을 하게 되므로 운송장비가 크게 필요하지 않으며 보조

조립공정 및 주 조립공정에 필요한 원자재 및 부품은 대부분

대형 배치사이즈로 운송작업자에 의해 공급되거나 작업자의

작업시간초기에 부품보관소에서 직접 운송하여 작업을 시작

하였다. 셀 방식은 동일한 부품을 필요로 하는 작업자가 셀마

다 존재하며 또한 필요한 원자재 및 부품의 종류가 많아 조립

의 효율성을 위해 이를 일정한 로트 사이즈의 키트박스화하여

공급되게 된다. 또한 기존 일자형 조립라인에서는 마지막 조

립작업자의 작업으로 완제품이 생산되고 바로 검사공정으로

이송하게 되지만 셀 방식은 모든 셀에서 완제품이 생산되고

이를 검사공정으로 이송하는 운송수단이 필요하다. 따라서 이

과정에 로트 사이즈와 셀의 배치, 운송수단이 복합적으로 상

호보완적으로 결정되어야 한다. 본 사례연구에서는 크게 2가지의 시나리오를 만들고 이에

대한 최적의 공간배치 및 운영을 설계하고자 한다. 기본적으

로 앞서 셀 라인 구성 단계에서 결정한대로 셀 내 작업자는 3명으로 전체 10개의 셀로 구성하되, 셀 방식 생산라인에서

대표적인 2가지 자재 운송수단 각각에 대해 가능한 최적의

시나리오를 만들어, AGV(Automatic Guided Vehicle)를 사용

하는 A 시나리오와 컨베이어를 사용하는 B 시나리오를 구성

했다.먼저 A 시나리오는 작업자별로 키트박스가 구성되어서 하

나의 셀 내에 세 종류의 키트박스가 각 작업자에게 각각 전달

되도록 하고, 6개의 로트 사이즈로 총 24개 제품 분량이 키트

박스 종류별로 4박스에 담겨, 총 12개의 키트 박스 단위로 키

트 AGV 에 의해 전달된다. 로트 사이즈 결정 방법은 다음과

같다. 셀 배치 특성 상 키트AGV가 1개의 셀에 자재를 공급하

고 돌아오는 데에 소요되는 시간이 약 150초이고 작업자 1명의 최대 싸이클타임이 109.1초 이내임을 고려하면, 1대의 키트

AGV의 평균 가동률을 1 미만으로 하기 위해서는 한 번에 최

소 14개 이상의 제품 분량을 이송해야 하며, 다른 AGV와의 동

선 겹침, 숙련도 향상으로 작업시간 단축, 그리고 작업시간 및

이송시간의 변동성 등을 고려하여 보다 적절한 낮은 가동률을

유지하기 위해서 한 번에 24개의 제품 분량을 이송한다. 또한

공간 상의 제약으로 1인 작업장의 크기가 폭 120cm로 제한되

며, 이로 인해 작업대 위에 올려놓을 수 있는 각 키트박스의 최

대 로트사이즈가 6개이며, 24가 6의 배수이므로 키트박스 종

류별로 각 4박스씩 총 24개의 제품분량을 이송할 수 있다는 점

도 로트사이즈 결정에 영향을 주었다.B 시나리오는 세 명의 작업자가 공동으로 사용하는 하나의

키트박스를 설계하여 순차적으로 키트박스의 부품을 사용하

여 작업하고 다음 작업자에게 전달되는 형태로서 로트 사이즈

는 1개이되 컨베이어를 통해 연속적으로 운송 공급된다. 컨베

이어 속도 및 크기를 고려했을 때, 로트 사이즈를 1개로 최소

화해도 모든 셀에 무리 없이 공급할 수 있기 때문에, 로트 사이

즈를 1개로 결정했다. 이렇게 설계한 A, B의 두 시나리오 각각에 대한 운영의 실효

성과 성능을 비교 분석하고자 한다. 셀 방식 생산라인을 운영

하면 크게 세 가지 종류의 운송요구가 발생하는데 첫째, 작업

자에게 전달되어야 할 원자재 및 부품을 담은 키트 박스, 작업

이 완료되면 회수되는 회수 키트박스, 그리고 조립이 완성된

완제품이다. A 시나리오와 B 시나리오의 가장 큰 차이점은 로

트 사이즈인데 6개의 로트사이즈로 운영되는 A 시나리오 경

우 한 번의 대량의 키트박스를 운송하기 때문에 운송횟수가

감소하는 이점과 이로 인한 운송무게가 증가하는 단점이 있

다. 무엇보다 셀 별로 12개의 키트박스를 보관해두어야 하는

공간이 필요하고 키트박스를 매번 작업공간으로 직접 옮기는

과정의 시간이 작업자에게 순수작업시간 외 필요하다는 단점

이 있다. 이러한 단점을 보완하는 방법은 B 시나리오에서 적

용한 방법같이 싱글 키트박스를 사용하는 방법인데 운송 및

보관에 필요한 공간을 줄일 수 있으나 운송회수가 증가하는

단점이 있다. 따라서 B 시나리오의 경우 싱글 로트 사이즈로

인해 증가하는 운송량을 수용 가능한 동선과 운송수단이 필요

하며 이를 반영한 공간배치가 필요하다.최종적으로 A 시나리오는 키트박스와 회수박스를 AGV가

담당하며 완제품은 2개 라인의 단 방향 트레버서가 담당하여

검사공정에 전달한다. B 시나리오의 경우 운송의 안정성을 위

해 가장 단순한 컨베이어를 사용하되 2개의 생산라인의 열 가

운데 2층 구조로 위치하여 키트박스, 회수박스 및 완제품을 각

각 목표방향으로 운송하며, 키트박스는 컨베이어에 위치한 디

버터에 의해 각 셀로 자동적으로 공급되도록 설계한다. 최종

적으로 결정된 생산라인 레이아웃 시나리오 A와 B의 특징은

<Table 5>에, 각 시나리오에 대한 셀의 배치와 운송수단의 동

선은 <Figure 3>에, 각 시나리오의 셀의 모습은 <Figure 4>에

나타냈다.

Table 5. The Comparison of the Layout Characteristics between A and B Scenarios

Layout Characteristics A Scenario B ScenarioNumber of workers per cell 3 3

Number of Cells 10 10Lot Size 6 1

# Finished goods/# Kitboxes 2 1The maximum buffer of a cell 24 4

Kitbox transportation AGV ConveyorEmpty kitbox transportation AGV Conveyor

Finished goods transportation Traverser ConveyorCell placement shape 2 Linear line 2 T-shape line


(a) A Scenario

(b) B ScenarioFigure 3. Layout of Main Assembly Line for Each Scenario

(a) A Scenario

(b) B ScenarioFigure 4. The Structure of Cell for Each Scenario

<Table 6>는 로지스틱스 지표에 의한 각 시나리오의 평가

결과를 나타낸다. 공간생산성 지표는 B 시나리오가 A 시나리

오보다 높은 값을 보이며, 이는 생산량 대비 B 시나리오의 공

간 효율이 우수하다는 것을 의미한다. 재공 보유량 지표의 경

우 A 시나리오가 B 시나리오에 비해 약 4배 가량의 큰 차이로

비효율성을 나타냈다. 이는 셀의 보유 재공이 많을수록 제품

변경이 빠르게 이루어지기 어렵기 때문에 라인 변경용이성에

도 영향을 끼친다. 라인 변경용이성 지표에서 A 시나리오가 B 시나리오에 비해 약 1.5배 가량 더 높게 나타난다. 물류량 지표

에서도 역시 A 시나리오가 B 시나리오보다 높은 수치를 나

타냈다. 복잡도지표는 A와 B 시나리오 간 큰 차이를 보이지

않았다.


Table 7. Input Data of Task TimeScenario Input Data List of Task time Input Value

Common Value-AddedTask Time

Workstation 1 TRIA(90, 100, 120)secWorkstation 2 TRIA(90, 100, 120)secWorkstation 3 TRIA(85, 95, 115)sec

A Scenario Non Value-Added Task Time

Time spent to carry a kitbox from the kit-station to the workstation (Occurs every 6 products are assembled) 6sec

Time spent to carry an empty kitbox from the workstation to the kit-station(Occurs every 6 products are assembled) 4sec

Time spent to push empty carriage sideways(Occurs every 24 products are assembled) 10sec

Time spent to bring the base or scanner carriage to the work area (Occurs every 24 products are assembled) 5sec

Table 8. Input Data of TransportationScenario Input Data List of Transportation Input Value

A Scenario

Traverser

Number of Traverser 2 Maximum speed 1.5m/secAcceleration/deceleration rate 0.8m/sec2

Loading/unloading Time 2 sec

Kit AGV

Number of Kit AGV 1 Maximum speed(Linear) 0.9m/secAcceleration/deceleration rate 0.4m/sec2

Rotation speed 10deg/secLoading/unloading Time 15sec

Base/ScannerAGV

Number of Base/Scanner AGV 4 Maximum speed(Linear) 0.8m/sAcceleration/deceleration rate 0.4m/s2

Rotation speed 15 deg/secLoading/unloading Time 7sec

B ScenarioConveyor Speed 0.4m/sDiverter Time spent redirecting kitbox 5sec

Table 6. Result of Logistics Evaluation

Logistics Evaluation Indicator A Scenario B ScenarioSpace-efficient productivity 0.7866 1.0233

WIP 270 65Flexibility of Line Changeover 36.3 25

Logistics flow 7830.6 6715.2Complexity 0.733 0.727

4. 프린터 조립생산라인 재설계 레이아웃의 성능분석 및 적용

4.1 시뮬레이션을 통한 성능평가분석

설계한 2개의 레이아웃 시나리오에 대한 시뮬레이션 분석을

통하여 주 조립공정의 생산성, 유연성 및 강건성을 최대화할 수

있는 레이아웃 설계 시나리오를 선택하고자 한다. 따라서 시뮬

레이션을 통해서 각 레이아웃 시나리오에 대한 여러 시뮬레이

션 성능평가 지표를 측정하고 분석하였으며, 뿐만 아니라 다양

한 이벤트가 발생함으로 인한 변동성을 측정하고 이에 대한 분

석을 실시하였다. 다양한 이벤트에는 숙련도 변화로 인한 작업

시간 증감, 개별 셀 고장, 운송수단 고장이 있으며, 이러한 다양한 이벤트가 평균 생산성 및 강건성 등에 끼치는 영향을 분석한다. 시뮬레이션 툴은 이산사건 시뮬레이션 소프트웨어인 ARENA

프로그램을 사용하였으며, warmup time 3시간, 공장 가동 시뮬

레이션 시간은 연속으로 21시간으로 설정하여 100번 반복실

험했다. 시뮬레이션에 사용된 작업시간과 관련된 입력 데이터

는 <Table 7>에, 운송수단과 관련된 입력 데이터는 <Table 8>에 정리했다. 작업자의 작업시간은, 새롭게 변경된 공정의 작

업시간 데이터가 많지 않다는 제한사항 때문에, 최소값, 최빈

값, 최대값 등 모집단에 대한 주관적인 경향을 파악하여 데이

터의 경향성을 단순하게 표현할 수 있는 수 있는 삼각분포를

사용했다. 그 외의 모든 기계적인 데이터는 현장의 담당전문

가로부터 얻은 기계 사양을 사용했다.


(a) A Scenario

(b) B ScenarioFigure 5. Simulation Model Implementation

작업시간 입력 데이터는, 실제로 조립 활동을 하여 제품에

가치를 더하는 순수작업시간(Value-added task time)과 키트 이

동 등과 같은 제품 조립과 무관한 부가적인 지원작업시간(Non value-added task time) 으로 구분하였다. 순수작업시간은 모든

시나리오에서 동일하며, 부가적인 지원작업시간은 시나리오

별로 레이아웃 특성에 따라 달라진다. 특히 시나리오 A에서는

주기적으로 키트 스테이션과 작업공간 사이에서 키트박스를

옮기는 시간 및 베이스 및 스캐너 대차를 옮기는 시간이 추가

적으로 필요하다. 시나리오 B의 경우, 컨베이어를 통해 자동

적으로 작업장까지 싱글 키트박스가 운송되므로 부가적인 지

원작업시간이 발생하지 않는다. 운송수단 입력 데이터는 모든 운송수단의 종류, 대수, 다양

한 속도 등을 반영했다. 시나리오 A에서는 공간 문제로 키트

AGV와 베이스/스캐너 AGV가 같은 경로를 사용하기 때문에, 앞 AGV가 멈춰서 작업 중이면 앞질러갈 수 없는 상황을 반영

했다. 마찬가지로 시나리오 B에서는 디버터가 작동하는 동안

다른 실 키트박스가 디버터를 앞질러 갈 수 없는 상황을 반영

했다. <Figure 5>와 같이 시나리오 별 시뮬레이션 모델을 제작

하였다. 시뮬레이션을 통한 시나리오 성능 분석에 사용한 평가지표

는 <Table 9>와 같다. 이 지표들은 시뮬레이션을 통해서 더욱

정확하게 구해질 수 있다. 사이클타임 지표는 제품생산과정에

서 발생하는 대기시간으로 인해 생산라인에 총 머무르는 시간

을 상대적인 비율로 평가하는 지표이다. 혼잡도 지표는, 특정

공정에 재공이 지나치게 많은 비율로 쌓임으로써 증가하는 혼

잡도를 측정한다. 재공회전율 지표는 재공의 회전속도를 통해

라인 내에 비교적 얼마나 많은 재공을 보유하고 있는 지 상대

적으로 측정하며, 생산성 지표는 여러 확률변수가 작용하는

시뮬레이션 상황에서 단위시간당 생산량을 측정한다. 시뮬레

이션을 통한 분석 결과는 <Table 10>에 정리했다.


Table 9. Simulated Performance IndicatorPerformance Indicator Calculation formula

1 Cycle time Average cycle time/Net production time2 Congestion Maximum WIP of process/Average WIP of process3 WIP turnover Total WIP of production line/Production per unit time4 Productivity Production per unit time

(a) Kitbox supply ratio : 7sec/lot

(b) Kitbox supply ratio : 10sec/lot

Figure 6. Impact of Task time change on Production

Table 10. Result of Simulated Performance of A and B ScenariosPerformance Indicator A Scenario B Scenario

Cycle time 5.33 2.35Congestion 1.23 1.80

WIP turnover 0.90 0.19Productivity 312.88 347.11

시나리오 별 성능평가 비교분석 결과, 전체적으로 시나리오

B가 시나리오 A보다 우수한 결과를 보인다. 사이클타임 지표

와 재공회전율 지표 측면에서, B 시나리오가 A 시나리오의

50% 이하의 작은 값을 가지며, 더 짧은 대기시간, 더 짧은 사이

클타임, 더 적은 재공 수준으로 효율적으로 라인을 가동할 수

있음을 보여준다. 혼잡도 지표에서는 A 시나리오가 B 시나리

오보다 더 작은 값을 가지며 공정 별 재공이 비율적으로 더 고

르게 퍼져있지만, B 시나리오 역시 우수한 값을 보이고 절대

적인 양 측면에서는 공정 별 재공 차이가 크지 않아 혼잡도가

낮다고 볼 수 있다. 또한 생산성 지표 측면에서도 B 시나리오

가 A 시나리오에 비해 단위시간당 생산량이 평균 10.9% 높다. 이러한 생산성의 차이는 자재공급의 원활성에서 주로 비롯되

었다. A 시나리오에서는 여러 셀에서 동시에 키트AGV를 요

청하는 경우, 자재공급이 늦어지는 경우가 발생한다. 1번 작업

자의 가동률이 A 시나리오는 90.81%, B 시나리오는 99.87%로, 약 9%의 가동률 차이가 나타나는 것을 통해 이러한 자재공급

의 원활성의 차이를 확인할 수 있다. 그 외에도 B 시나리오는

A 시나리오에 비해 부가적인 지원작업시간이 적어 전체적인

작업시간을 단축할 수 있었던 것도 하나의 요인이다. 다만 만

약 A 시나리오에서 키트AGV를 여러 대 운영하거나 키트가

다 떨어지기 전에 미리 이송하는 스케줄링을 사용할 수 있으

면 감소된 생산량 상당부분이 회복될 수 있을 것으로 보인다.숙련도 변화로 인한 작업시간 증감, 개별 셀 고장, 운송수단

고장과 같은 다양한 이벤트 시나리오가 평균 생산성과 강건성

등에 끼치는 영향에 대한 분석 역시 진행되었다. 셀 작업자의

순수작업시간은 작업자의 숙련도 향상 혹은 신규 작업자의 숙

련도 미숙 등의 요인으로 변화할 수 있다. <Figure 6>은 각각

보조조립라인의 생산속도가 다른 상황에서 시나리오 A와 B의

작업자 숙련도 변화에 따른 생산량 변화를 보여준다. 주 조립

라인 생산속도에 맞추어 보조 조립라인의 자재공급이 원활하

게 이루어지면 <Figure 6>의 (a)처럼 작업시간 변화에 비례하

여 생산량이 변화하나, 보조 조립라인의 자재공급 속도가 증

가하지 않는다면 주 조립라인 작업속도가 빨라져도 공급되는

키트박스 자재가 부족하여 <Figure 6>의 (b)처럼 주 조립라인

에서 더 높은 생산량을 만들 수 없으며, 두 시나리오가 같은 생

산량으로 수렴하게 된다. <Figure 7>은 각각 시나리오 A와 B에 대해서 고장 셀 개수 및

셀 고장 시간에 따른 생산량 변화를 나타낸다. 고장 셀이란 셀

구성 작업자나 작업장 일부가 가용할 수 없게 되어 생산이 중단

된 상태의 셀이다. 고장 시간은 10분, 30분, 60분으로 실험했으

며, 전체 21시간 가동 중 2번 고장을 발생시켰다. 그 결과, 모든

시나리오가 고장 셀의 개수와 시간이 증가할수록 생산량이 감

소한다. 그러나 절대적인 생산량 측면에서는 항상 시나리오 B가 시나리오 A보다 많은 생산량을 보인다. 고장 개수 및 시간에

대한 생산량의 강건성을 확인하기 위해, <Figure 8>과 같이 1개

셀의 고장시간 별로 고장시간비율 대비 생산손실비율을 분석

했다. 고장시간비율이란 셀의 하루 운영시간 중 고장시간이 차

지하는 비율을, 생산손실비율이란 고장이 없는 상황에서의 생

산량 대비 고장 상황에서의 생산량의 비율을 나타낸다. 고장시

간비율 대비 생산손실비율 값이 작을수록 고장에 대해 강건하

며, 특히 값이 1보다 작으면 생산량의 강건함 측면에서 우수하

다고 볼 수 있다. 시나리오 A는 대부분 고장시간비율 대비 생산

손실비율 값이 1 이하로 우수한 결과를 보여준다. 이는 시나리오

A에서 셀 고장이 발생하면, 정상 셀에 키트AGV의 자재공급이 더 원활히 이루어져 정상 셀의 가용률이 올라가기 때문에 생산량의 손실이 적기 때문이다. 따라서 시나리오 A는 시나리오 B에 비

해 생산량의 절대량은 적지만 셀 고장에 대해서는 덜 민감하다.


(a) A Scenario (b) B Scenario

Figure 7. Impact of Cell failure on Production

(a) 1 Cell Failure (b) 2 Cell Failure

Figure 8. Impact of Cell Failure on Production Loss Ratio over Failure Time Ratio

<Figure 9>, <Figure 10>, <Figure 11>은 자재공급 운송수단

고장시간에 따른 시나리오 A와 B의 생산량 변화를 나타낸다. A 시나리오와 B 시나리오의 자재공급 운송수단 고장상황을

10분, 30분, 60분 고장시간으로 나누어 실험했다. 시나리오 A의 경우 키트 AGV를, 시나리오 B에서는 주 컨베이어를 자재

공급 운송수단으로 정하여, 고장수리 완료 직후부터 안정상태

도달시점까지의 안정상태 회복시간을 분석하였다. 안정상태

도달시점이란 시스템이 고장의 충격에서 벗어나 비교적 일정

한 상태를 유지하는 시점으로써, A 시나리오에서는 고장 수리

완료 후 키트 AGV의 모든 주문이 처리되는 시점으로, B시나

리오에서는 고장수리 완료 후 모든 작업장의 모든 작업자가

자재를 공급받는 시점으로 정의하였다. 그 결과 <Figure 9>과

같이 A 시나리오의 경우 자재공급 운송수단(키트AGV)의 짧

은 고장 시 각 셀 내 보유 재공이 많아 생산량 손실이 적지만, 고장이 길어지면 자재공급속도가 느려 안정상태에 도달하기

까지 약 21분으로 오랜 시간이 소요된다. 반면 B 시나리오의

경우 자재공급 운송수단인 컨베이어 고장 시 보유하고 있던

모든 재공을 10분 내에 소진하여 작업이 중단되기 때문에 고

장시간과 무관하게 생산량 손실이 큰 반면, 자재공급 속도가

빠르기 때문에 고장 수리 이후 안정상태로 4.67분만에 빠르게

회복한다. 또한 <Figure 10>와 같이 운송수단 고장시간이 증가

할수록 생산량이 감소하는데, 그 정도가 <Figure 7>의 셀 고장

과 비교해서 더욱 큰 감소폭을 보인다. 고장시간비율 대비 생

산손실 비율 또한 <Figure 11>과 같이, <Figure 8>에서 나타난

셀 고장 시와 비교하여, 더 큰 생산손실이 발생하여 강건성 측

면에서도 운송수단 고장이 셀 고장보다 치명적인 영향을 끼치

는 것을 알 수 있다.

Figure 9. Impact of Transportation Failure on Recovery Time to Steady State

Figure 10. Impact of Transportation Failure on Production

Figure 11. Impact of Transportation Failure on Production Loss Ratio over Failure Time Ratio


즉, 시나리오 A와 B를 비교하면, 운송수단 고장 시 시나리오

B가 더 큰 생산량 손실을 가져오지만, 운송수단 고장수리 시 빠

르게 안정상태로 회복한다는 점과 정상상태에서의 생산량이

더 높은 점으로 인해 B 시나리오가 A 시나리오보다 더 높은 생

산량을 만들어낸다. 또한 A, B 모두 셀 고장에 비해 운송수단의

고장이 생산량에 훨씬 치명적인 영향을 끼치기 때문에, 운송수

단에 대한 고장관리가 상대적으로 중요하다는 점을 시사한다. 시뮬레이션 결과를 다시 종합하면, B 시나리오가 A 시나리

오에 비해 효율적인 자재공급과 공정구성을 통해 가용율을 높

이고 작업시간을 낮추어 평균적으로 높은 생산량을 보인다. 또한 셀 고장 및 운송수단 고장에 B 시나리오가 A 시나리오보

다 더 민감한 비율로 생산량이 떨어지기에 강건성이 떨어지지

만, 그럼에도 불구하고 빠르게 안정상태로 회복할 수 있으며

절대적인 생산량이 더 높아, A 시나리오보다 늘 더 높은 생산

량을 보인다. 따라서 최종적으로 B 시나리오의 레이아웃이 가

장 적합하다고 판단된다.

4.2 셀 방식 재설계 생산라인의 현장 적용

사례연구의 대상인 중국 전자회사의 프린터 제조라인 현장

에 A 시나리오 레이아웃이 실제로 적용되어 그 효용이 검증되

었다. 적용된 A 시나리오는 파일럿 라인에서 한 달 이상 운영

되고 평가되었으며, 기존 생산라인과 비교하여 여러 측면에서

개선되었다. 가장 주요한 것은 생산성과 유연성 측면의 개선

이다. A 시나리오는 시뮬레이션 결과 예상 시간당 생산량이

312.88이었으나, 작업자들의 숙련도 향상으로 시간당 330개의

목표 생산량이 달성되었다. 따라서 A 시나리오는 기존 생산라

인과 마찬가지로 시간당 330개의 생산량을 달성하는 동시에

작업 인원이 44명에서 30명으로 감소시킴으로써 인당 시간당

생산량을 7.5에서 11.0으로 46.7% 증가시켰다. 이는 라인의 효

율성이 기존 0.75에서 재설계 후 0.92로 상승한 것에서 알 수

있듯이, 효율적인 라인밸런싱 달성의 역할이 컸다. 또한 인라

인 생산에서 셀 단위 생산으로 변화하면서 동선이 복잡해지고

물류 이동량이 증가하는 단점이 있지만, 이를 AGV가 각 셀의

잔여 재공량을 센서로 인식하여 적절하게 자재를 자동으로 운

송을 함으로써 효과적으로 관리하였으며, 셀 단위의 생산제품

변경 등이 가능해져 유연성이 증가했다.A 시나리오가 파일럿 라인에 적용된 이후에 제안된 B 시나

리오는 향후 이를 현장에 적용하여 검증할 계획을 가지고 있

다. 비록 아직 현장 적용 전 단계이지만, A 시나리오의 예상 결

과와 실제 적용 결과가 상당히 유사하다는 점에서, B 시나리

오 역시 시뮬레이션 등을 통한 예상 결과와 유사하게 좋은 성

능을 낼 것으로 기대된다.

5. 결론 및 토의

본 연구에서는 중국의 대표적 전기회사의 프린터 제조생산라

인을 바탕으로 레이아웃 재설계 사례를 소개했다. 소개한 생

산라인은 기존에 44개의 조립공정으로 이루어진 인라인 방식

의 레이아웃을 취하고 있어 작업이 과도하게 분업화 되어있고

작업자에 지나치게 의존하는 경향을 보였다. 본 연구에서는

이러한 기존의 제조생산라인을 생산성과 유연성 향상 및 향후

스마트 팩토리로의 전향에 발판을 마련하기 위한 셀방식 제조

생산으로의 개선을 위해 다음과 같은 절차를 통해 생산시스템

과 레이아웃을 재설계하였다. 먼저, 생산성 및 효율성 향상을

위한 셀의 수 및 셀 내 작업장의 수를 최적화하였고, 이를 바탕

으로 적절한 로트사이즈와 운송수단의 조합을 도출하고 셀의

배치를 결정하고 원활한 운영을 위하여 적절한 버퍼의 크기

및 작업장 세부 조정을 한 뒤, 로지스틱스 지표로 분석 및 평가

하여 몇 가지 레이아웃 시나리오 후보군을 도출했다. 이를 시

뮬레이션으로 분석하고 성능평가 지표로 최종 평가하여, 최적

으로 판단된 총 10개의 3인 셀이 컨베이어로 싱글 로트사이즈

의 자재를 공급받는 방식의 제조생산라인을 구성함으로써 생

산성 및 유연성을 상당히 향상시킬 수 있음을 확인했다.추후 연구과제로, 셀 구성과정에서 3인 셀에 비해 시간당/인

당 생산량이 떨어져 배제했던 1인 셀을 새로운 레이아웃 대안

으로 고려해볼 수 있다. 1인 셀은 셀 구성과정에서 3인 셀 다음

으로 높은 효율성으로 우수한 생산량을 보였다. 또한 A와 B 시나리오와 같은 3인 셀의 경우 3명의 작업자간 숙련도의 차이

및 작업시간의 변동성으로 인해 비효율이 나타나는 반면, 1인

셀 생산라인의 경우 작업자간 숙련도의 차이가 비효율로 나타

나는 문제가 전혀 없는 이점을 가질 수 있기 때문이다. 다만 1인 셀의 경우 전체 조립공정을 담당할 수준의 숙련도가 요구

되므로, 더 오랜 작업자 교육시간 및 작업자의 잦은 이직을 줄

이기 위한 노력이 필요하며, 전체 공정을 수행할 수 있는 장비

들을 갖춘 새로운 작업장의 효율적인 설계가 필요하다. 본 연구는 다음과 같은 의미를 가진다. 첫째, 기존 포드생산

방식의 분업화된 일자형 조립라인에 셀 방식 형태의 생산체계

를 도입하고 이를 최적으로 구성하는 레이아웃을 만들어 가는

절차를 체계적으로 정리했다. 둘째, 목표생산량을 달성하면서

효율성 및 생산량을 최대화하는 셀 구성을 결정하는 수리모델

의 활용방안을 제시했다. 셋째, 여러 레이아웃 대안들을 비교

및 평가할 수 있는 다양한 평가지표를 제안했다. 넷째, 실제 프

린터 조립생산라인에 대해 유의미한 생산성과 유연성의 개선

을 이루어 낸 새로운 셀 방식 조립생산라인 레이아웃을 도출

함으로써 셀 방식 생산라인 설계 절차의 실효성을 검증했다.여전히 설계 진행단계상 정성적으로 결정해야 하는 여러 부

분들에 대한 도전적인 과제가 남아있으나, 본 연구가 향후 고

도화된 스마트 팩토리로의 전향을 위한 레이아웃 재설계의 밑

바탕으로 유용하게 활용될 것으로 기대한다.

참고문헌

Askin Ronald, G. and Standridge Charles, R. (1993), Modeling and Analysis of Manufacturing Systems, John Wiley & Sons Inc.,


Hoboken, U.S.Cho, K.-K. and Lee, B-U. (2001), Design of Manufacturing Cell and

Cellular Layout based on Genetic Algorithm, IE interfaces, 14(1), 20-29.

Choi, B.-K., Han, K.-H., Jun, C.-S., Lee, C.-S., and Park, S.-C. (2014), Review and Perspectives on the Research and Industrial Appli-cations of Manufacturing Systems Engineering in Korea for 40 Years, Journal of the Korean Institute of Industrial Engineers, 40(6), 555-567.

Chung, D.-K. and Yun, W.-Y. (2015a), A Case Study on Layout Improvement in Medium and Small-Sized Manufacturing Factories, Journal of the Korean Institute of Industrial Engineers, 41(4), 368-380.

Chung, D.-K. and Yun, W.-Y. (2015b), A Case Study on Productivity Improvement for Conveyor Assembly Production Line in Medium and Small-Sized Manufacturing Factories, Journal of the Korean Institute of Industrial Engineers, 41(2), 209-219.

Dolgui, A. and Proth, J. M. (2010), Supply Chain Engineering : Useful Methods and Techniques, Springer, London, U.K.

Kaku, I., Gong, J., Tang J., and Yin, Y. (2008), A Mathematical Model for Converting Conveyor Assembly Line to Cellular Manufac-turing, Industrial Engineering & Management Systems, 7(2), 160-170.

Kim, D.-S., Park, C.-S., and Moon, D.-H. (2012), Determination of New Layout in a Semiconductor Packaging Substrate Line using Simula-tion and AHP/DEA, IE Interfaces, 25(2), 264-275.

Kim, H.-S., Wang, G., Shin, Y.-W., and Moon, D.-H. (2015), Compa-rison of the Two Layout Structures in Automotive Body Shops Considering Failure Distributions, Journal of the Korean Institute of Industrial Engineers, 41(5), 470-480.

Koo, P.-H. (2015), A Decentralized Self-Control Strategy for Assembly Cell Using Bucket Brigade, Journal of the Korean Institute of

Industrial Engineers, 41(4), 330-337.Koo, P.-H. and Koh, S.-G. (2007), A Batch Sizing Model at a Bottle-

neck Machine in Production Systems, Journal of the Korean Insti-tute of Industrial Engineers, 33(2), 246-253.

Lee, Y.-H., Park, S.-H., Bae, C.-W., and Kim, Y.-E. (2016), Optimal design and efficiency analysis of process flow and layout of smart factory, Report.

Park, S.-H. (2003), The Design of the U-Shaped Assembly Line to Replace Conveyor Systems, IE interfaces, 16(2), 240-247.

Parwananta, H., Maghfiroh, M. F. N., and Yu, V. F. (2013), Two-Phase Genetic Algorithm for Solving the Paired Single Row Facility Lay-out Problem, Industrial Engineering & Management Systems, 12(3), 181-189.

Tompkins, J. A., White J. A., Bozer, Y. A., and Tanchoco J. M. A. (2010), Facilities Planning, (4th ed.), John Wiley & Sons Inc., Hoboken, U.S.

Wallace, J. H. (2008), Supply Chain Science, McGraw-Hill Irwin, New York, U.S.

Yang, H.-L. and Chang, T.-W. (2016), Exploring the Research Trend of Smart Factory in Korea by Journal Abstract Analysis, Proceeding of 2016 Fall Conference of the Korean Institute of Industrial Engineers, 412-424.

Yim, D.-S. and Woo, H.-S. (2004), Cell Formation Considering the Minimization of Manufacturing Leadtime in Cellular Manufac-turing Systems, Journal of the Korean Institute of Industrial Engi-neers, 30(4), 285-293.

Yin, Y. and Yasuda, K. (2002), Modification of Existing Similarity Coefficients by Considering an Operation Sequence Ratio in Desig-ning Cellular Manufacturing Systems, Industrial Engineering & Management Systems, 1(1), 19-28.

Documents

셀 방식 조립생산라인의 레이아웃 설계에 대한 사례연구 · 성하여 레이아웃 설계를 실행하는 과정이다. 자원을 수행작업 군으로 분류하여