대체장비를 고려한 항공기 부품 생산라인의 ARENA …...대체장비를 고려한 항공기 부품 생산라인의 ARENA TM 시뮬레이션 모델링 방법론 제25권

http://doi.org/10.9709/JKSS.2016.25.4.001

ISSN 1225-5904 Vol. 25, No. 4, pp. 1-12 (2016. 12)

한국시뮬레이션학회 논문지

제25권 제4호 2016년 12월 1

대체장비를 고려한 항공기 부품 생산라인의 ARENATM

시뮬레이션 모델링

방법론

나상현 ･ 문덕희†

Simulation Modeling Method Using ARENATM Considering Alternative Machines in the Manufacturing System for Aircraft Parts

Sang Hyun Na ･ Dug Hee Moon†

ABSTRACT

The industry producing the parts of aircraft engines is a traditional order-made system with highly variety and

small quantity, and the manufacturing system is the typical job shop with identical or non-identical multiple

machines in a workstation. Furthermore, there are many alternative operations and alternative machines allowed

in machining processes, and tremendous routings and assembly operations should be considered. Usually

simulation is the most efficient technology to analyze such a complex system, and high modeling skills are

required for developing the simulation models. In this paper, a case study on a company which produces the parts

of aircraft engines is introduced, specially focused on simulation modeling methodologies for the complex system.

Key words : Simulation, Modeling Methods, Hybrid Job Shop, Alternative Machines, Aircraft Engine Parts

요 약

항공기 엔진부품을 생산하는 제조산업은 전통적인 주문형 제조방식을 따르며, 다품종 소량생산시스템이다. 또한 생산공장

의 배치는 유사한 기능을 가지는 병렬 기계들이 공정별 배치 형태로 구성되어 있고 조립공정이 포함되는 Hybrid Job Shop

이다. 더 나아가 다양한 대체장비를 가지고 있으며, 공정 경로도 다양하고, 조립공정도 포함되어 있다. 이와 같은 복잡한 시스

템의 생산능력을 검증하기 위해서는 시뮬레이션이 가장 우수한 방법이며, 정확한 모델의 개발을 위해 고도의 시뮬레이션 모

델링기술이 필요하다. 이 논문에서는 위에서 언급한 복잡한 특성을 가진 생산시스템을 효과적으로 모델링하기 위한 방법론을

소개하고, 실제 항공기부품 생산업체를 대상으로 시뮬레이션 연구를 수행한 사례에 대해 소개한다.

주요어 : 시뮬레이션, 모델링 방법, Hybrid Job Shop, 대체장비, 항공기 엔진 부품

Received: 16 May 2016, Revised: 3 November 2016,Accepted: 4 November 2016

Corresponding Author: Dug Hee Moon E-mail; [email protected] Changwon National University School of Industrial Engineering and Naval Architecture

1. 서론

1900년대 초 포드생산방식의 도입으로 시작된 소품종

대량생산 방식을 위한 흐름라인이 이미 많은 산업체에서

다품종 소량생산방식으로 전환되었다. 특히 전통적인 기

계 가공을 기반으로 하는 산업에서는 다양한 고객 요구

에 따른 제품의 다양성 확대와 자동화를 통한 생산성 향

상 요구로 인하여 유연성 있는 생산시스템에 대한 관심

이 높아지고 있다.

일반적으로 제조 시스템은 특성에 따라 Flow Shop

과 Job Shop으로 크게 구분한다. 이 때 각각의 시스템

에 적합한 배치방법은 공정별 배치(Process Layout)와

제품별 배치(Product Layout)의 두 가지 배치방법이다

(Tompkins et al., 2010). 대부분의 자동차 공장에서는 여

전히 흐름라인 방식의 제품별 배치방법을 선호하고 있지

만 과거와는 달리 한 라인에서 여러 종류의 차량을 생산

하는 혼류생산방식으로 바뀌었는데, 최근에는 하나의 차

체공장에서 지그(Jig)를 교체함으로써 3~4 종류의 차종

나상현 ･ 문덕희

2 한국시뮬레이션학회 논문지

을 혼류 생산하는 업체도 있다.

반면에 항공기 부품 가공공장은 대부분 전형적인 Job

Shop 방식으로 운영되고 있다. 본 연구의 대상은 항공기

엔진부품 가공공장으로 제품의 종류도 많고, 공정도 매우

복잡한 시스템이다. 이러한 복잡한 상황의 제조 시스템을

수리적인 방법으로 분석하고 평가하여 미래의 상황을 예

측하고, 그 결과에 따라 현재의 시스템을 변경하거나 조

정하는 것은 매우 어렵다. 그러므로 제품수명주기, 설비

투자, 인적자원 문제 등을 해결하고 원가절감을 이루기

위해 많은 기업들은 가상생산(Virtual manufacturing)기

술을 도입하고 있다.

가상생산은 제품설계 및 생산 전 과정에 걸쳐서 의사

결정의 질을 향상시키기 위한 통합화 된 모의환경이다.

이는 실제 제조환경과 흡사한 컴퓨터 모델을 구축하고,

이를 이용하여 실제 제조환경을 수정하고 제어함으로써,

제품의 개발 및 제조시간을 줄이기 위한 방법이라고 할

수 있으며, 제품의 설계 및 생산을 지원하기 위해 컴퓨터

모델이나 시뮬레이션을 사용하는 것을 말한다 (Iwata et

al., 1997; Moon et al., 2006).

이와 같은 가상생산의 핵심기술은 시뮬레이션 기술인

데, 시뮬레이션 기술을 활용하면 각 구성요소의 상호 관

련성을 효과적으로 모델링할 수 있고, 구성요소 사이의

관계를 모델로 구축함으로써 전체 시스템의 거동을 분석

할 수 있다. 더 나아가 모수의 간단한 변경으로 상황의

변화를 반영할 수 있으므로, 제조공정에 관련된 여러 응

용분야에 있어서 시뮬레이션 기법은 매우 실용성이 높은

기법이라고 할 수 있다.

생산시스템 설계 및 분석을 위해 시뮬레이션 기술을

적용한 사례는 수도 없이 많다. 하지만 동일한 생산시스

템이 존재하지 않듯이 동일한 시뮬레이션 모델도 존재

하지 않는다. 생산시스템과 관련된 시뮬레이션 연구는 적

용사례연구와 시뮬레이션 모델링 방법론에 대한 연구로

구분할 수 있다. 적용사례에 대한 연구는 자동차 산업, 반

도체 및 디스플레이산업, 조선산업, 항공산업, 방위산업,

수송산업, 서비스산업 등 다양한 분야의 사례가 발표된

바 있다.

시뮬레이션 모델링 방법론은 일반적인 방법론과 특정

시스템의 모델링에 유용한 방법론 등으로 선행연구들이

발표된 바가 있다. Ra와 Choi (2014) 는 개념 모델을 이

용한 Arena 시뮬레이션 모델 자동 생성에 관한 연구를

발표한 바가 있으며, Moon et al. (2012)은 서비스 공급

사슬을 위한 객체지향 시뮬레이션 모델링 방법론을 제시

한 바가 있다.

같은 공정에 재투입이 허용되는 경우는 대표적으로 반

도체 제조공정에서 많이 발생한다. 이러한 시스템에 대하

여 시뮬레이션을 이용한 연구로는 Lee et al. (2006),

Yang et al. (2014), Lee et al. (2016)의 연구가 있다.

하지만 이들 연구는 병렬기계의 개념이지 대체장비의 개

념이 아니며, 흐름생산을 다루고 있다.

대체장비가 허용되는 경우에 많은 연구가 수행된 분야

는 Job Shop이나 FMS(Flexible Manufacturing System)

에서의 스케줄링 분야다. Abdin (1986)은 장비고장이

있고, 대체장비가 있는 Job Shop 형태의 FMS에서 스케

줄링 문제를 시뮬레이션을 이용해 분석하였다. Nasr과

Elsayed (1990)은 일반적인 Job Shop에서 대체기계가

존재하는 경우에 평균체류시간을 최소화시키기 위한 수

리모형을 제시하고 스케줄링 알고리즘을 제시하였다. 유

사한 시스템의 스케줄링 문제에 대해 Rajabinasab와

Mansour (2011)은 복수의 에이전트 (Multi-agents) 방법

을 제시하였으며, Chaudhry (2012)는 유전자이론을 이용

한 방법을 제시하였다. 또한 Doh et al. (2014)은

Flexible Job Shop의 스케줄링 문제를 의사결정나무

(Decision Tree) 개념을 이용하여 해결한 논문을 발표하

였다. 하지만 위에서 언급한 선행연구들의 목적은 스케줄

링 방법을 제안하는 것이기 때문에 스케줄링 방법의 우

수성을 입증하기 위해 본 연구의 대상시스템과 같은 매

우 복잡한 상황을 고려하지는 않았다.

본 논문에서는 Kim et al. (2014)에서 소개한 항공기

엔진 생산업체의 공정을 대상으로 대체장비를 고려하는

시뮬레이션 모델 개발방법론에 대해 소개하고자 하며,

Na (2015)의 학위논문을 요약한 것이다. Kim et al.

(2014)에서는 QUESTTM를 이용하여 시뮬레이션 모델을

개발하였는데, QUESTTM에서는 대체장비를 반영하는 방

법이 쉽지 않기 때문에 유사설비를 그룹핑하는 방식으로

모델을 개발하였다. 따라서 본 논문에서는 Rockwell사의

ARENATM를 이용하여 조립공정이 있는 Job-Shop 생산

라인과 각 공정별로 허용되는 대체 설비를 반영하는 시

뮬레이션 모델링 방법에 대해 소개하고자 한다.

본 논문의 구성은 다음과 같다. 2절에서는 연구대상인

항공기 엔진부품 가공라인의 특징을 소개하고, 3절에서

는 시뮬레이션 모델링 방법을 소개한 후, 4절에서 실제

공장에 적용한 사례를 간단하게 설명하고, 5절에서 결론

을 기술하였다.

2. 항공기 엔진부품 가공라인의 특징

대체장비를 고려한 항공기 부품 생산라인의 ARENATM 시뮬레이션 모델링 방법론

제25권 제4호 2016년 12월 3

2.1 대상 제품

본 논문에서 대상으로 선정한 기업에서 생산하는 항공

기 엔진 부품은 Figure 1에 제시된 엔진부품 (이하 제품

이라 한다)을 포함하여 10여개의 제품군으로 구성된다.

또한 제품의 크기에 따라 대형제품과 소형제품으로 구분

한다. Figure 2는 이와 같은 한 제품의 제조 BOM

(Manufacturing Bill of Material)구조를 보여주는데, 레

벨(Level) 0가 제품을 의미하며, 레벨 0인 제품의 종류가

800여종이다. 또한 레벨 1 이하에 포함되는 주요 부분조

립품(Module) 및 주요 부품을 고려 대상으로 하면 약 3

천여 종의 부품이 존재하는 전형적인 다품종 소량생산이

다. 또한 해당 시스템은 사전 계약에 의하여 생산이 이뤄

지는 전형적인 주문생산방식(Make To Order)이다.

Fig. 1. Example of Aircraft Engine Parts

Fig. 2. BOM Structure (Kim et al. 2014)

2.2 생산 설비

대상 공장에서는 밀링, 선반, 드릴, 연삭, 용접, 블라스

팅(Blasting), 디버링(Deburring), 용접, 마킹(Marking)

등 다양한 종류의 설비가 4백여 대 이상 운영되고 있다.

이러한 설비들은 기능에 따라 분류되어 코드화 되어 있

으며, 설비별로 일련번호가 붙어 관리되고 있다. 예를 들

어 Figure 3에서 MA1은 5축 밀링 1호기라는 의미다. 이

와 같은 설비코드를 이용하여 공정계획이 작성된다.

이러한 설비들은 Figure 3과 같은 공정별 배치의 개념

에 따라 배치되어 있는데 공장이 오래 된 관계로 Figure

3보다는 훨씬 복잡한 배치를 가지고 있으나 본 논문에서

는 사례 기업의 보안문제 때문에 실제 배치안을 소개하

지는 않았다.

Fig. 3. Example of Process Layout (Kim et al. 2014)

2.3 공정경로

공정경로(Routings)는 Figure 2에서 사각형으로 표시

된 각 레벨의 제품, 모듈, 부품별로 각각 정의되어 있다.

따라서 총 10,000개 이상의 공정 경로가 존재하는데, 가

장 공정경로가 긴 부품의 경우 110개의 공정으로 구성되

는 등 공정이 매우 복잡한 시스템이다. 또한 반도체 생산

공정과 같이 동일한 설비에 반복적으로 투입이 되는 재

투입(Re-entering)의 특성도 가진다. Figure 4는 특정 부

품의 공정경로를 나타낸다.

Fig. 4. Samples of Process Routings

2.4 대체 장비

대상 작업장은 Hybrid Job Shop이기 때문에 유사한

기능을 가지는 여러 대의 기계가 존재한다. 따라서 특정

공정을 수행할 수 있는 장비가 여러 대 존재할 수 있는데

이것을 대체장비라 한다. 하지만 대체 설비가 유사한 모

든 기계에서 가능한 것은 아니다. 예를 들어 A, B, C 세

대의 기계가 동일한 장비일지라도 공정 1은 A, B, C에서



모두 수행이 가능하지만 공정 2는 A에서만 가능한 경우

가 있다. 그 이유는 항공산업의 특성상 공정의 제조 승인

을 받을 때 특정한 장비를 정해서 승인을 받는 경우가 있

기 때문이다. 이러한 제약조건이 추후 시뮬레이션 모델링

을 하는데 많은 어려움을 발생시킨다. Figure 5는 이러한

대체장비의 사례로 ‘Machine’이라는 열에 있는 장비가

해당공정의 대표장비이며, ‘Y1'열부터는 대표장비를 대

체할 수 있는 장비의 코드를 의미한다.

Fig. 5. Sample of Alternative Machines

2.5 조립 공정

Figure 2에서 ‘Module 1’은 ‘Part 1’과 ‘Part 2’로 구

성되기 때문에 ‘Module 1’의 공정경로에는 두 부품을 조

립하는 공정이 포함되어야 한다. 이 회사의 경우 BOM

설계에서 최대 5단계의 하위레벨까지 운영을 하고 있다.

3. 시뮬레이션 모델링

본 연구의 목표는 급증하는 생산량의 증가에 대비하여

현재 생산능력으로 감당할 수 있는 규모와 향후 생산능

력을 증가시켜야 하는 부분을 찾아내는 것이다. 하지만

총 생산제품의 품목수가 800여종이고, 중요 부품의 수가

3000여종이기 때문에 이를 시뮬레이션 모델에 그대로 반

영한다는 것은 무리다. 따라서 P-Q분석, ABC 분석 등을

통하여 제품 105품목, 주요 부품 747품목을 선정하였고,

설비는 338대를 선정하였다. 또한 1년간의 근무일정을

고려하여 Work Calenda를 구성하였다. 시뮬레이션 소프

트웨어는 Rockwell사의 ARENATM를 사용하였다.

3.1 ARENA를 이용한 일반적인 모델링 방법

위에서 설명한 특성을 가지는 Job Shop 생산시스템을

모델링할 때 가장 문제가 되는 것이 공정경로와 대체장

비를 설정하는 것이다. 이 문제의 난이도를 설명하기 위

해 다음과 같은 간단한 예제 시스템을 가정하도록 한다.

예제 시스템에서 각 공정의 대체장비는 Table 1과 같이

정의한다.

• 최종제품이 2종류이고 각각 제품1, 제품2로 명명한다.

• 공정은 3가지가 존재하며 각각 V, H, D 라고 한다.

• 공정에 따른 설비군은 총 3개로 VMC, HMC, DMC

로 명명한다.

• 같은 공정의 설비는 각각 2대 이다. (VMC1, VMC2

등.)

• 같은 공정에 대해서는 설비대체가 가능하나 대표설비

우선으로 작업한다.

• 제품1의 공정순서 : VMC1→HMC1→DMC1→ VMC2

• 제품2의 공정순서 : HMC2→VMC1→DMC2→ HMC2

Table 1. Alternative Machines in Simple Example

Part 1 Part 2

Oper. Main Alter. Oper. Main Alter.

OP-11 VMC1 VMC2 OP-21 HMC2 HMC1

OP-12 HMC1 HMC2 OP-22 VMC1 -

OP-13 DMC1 DMC2 OP-23 DMC2 DMC1

OP-14 VMC2 VMC1 OP-24 HMC2 HMC1

일반적으로 ARENATM에서 공정경로를 설정하기 위

해서는 Advanced Transfer 패널의 Sequence 기능을 사

용한다. 만일 이 예제에서 VMC1과 VMC2, HMC1과

HMC2, DMC1과 DMC2가 각각 100% 호환이 가능

하다면 각 자원(Resources)의 이름을 VMC1, VMC2

로 다르게 하는 대신에 VMC라는 대표이름으로 하고

용량(Capacity)을 2로 설정하면 간단히 해결된다. 하

지만 각 기계가 상황에 따라 호환될 수도 있고 호환이

되지 않을 수도 있기 때문에 이 방법을 사용할 수 없으

며, Figure 6과 같이 각 기계별로 별도의 Station을 정의

해서 Sequence를 정의해야 한다. 이 경우에 간단한 예제

에서는 6개의 Station 이 필요하며, 본 논문의 사례에서

는 338개의 Station이 필요하다.


제25권 제4호 2016년 12월 5

Fig. 6. Defining Routings Using Sequence

OP-11대체 설비를 지정하기 위해서는 Figure 7과 같

이 Process 모듈에서 Resource set을 이용하여 VMC1과

VMC2를 VMC1_Set으로 정의하여 사용하면 된다. 하지

만 이런 방법을 사용하는 경우 OP-22에서는 VMC2가

VMC1의 대체장비가 될 수 없기 때문에 문제가 발생한

다.

Fig. 7. Defining Alternative Machines Using Resource Set

따라서 Hybrid Job Shop에서 공정마다 서로 다른 대

체장비를 모델에 반영하기 위해서는 불가피하게 개별 공

정단위로 Station을 정의해 주어야 한다. 즉 Figure 8에

제시된 바와 같이 OP-11 부터 Op-24까지 8개의 공정을

각각 별도의 Station으로 정의하고 각 Station에서 대체장

비를 Resource Set으로 정의한 후, Sequence를 이용하면

가능하다. 이 경우 Resource Set도 8개가 필요하다.

Fig. 8. Traditional Modeling Method for Alternative Machines

위에서 언급한 방법을 이용하면 소규모의 제조시스템

에 대한 시뮬레이션 모델을 개발하는 데 큰 문제가 없다.

하지만 본 연구의 대상인 항공기 엔진부품 사업장과 같

이 복잡한 대규모의 제조시스템이고 모든 제품 및 부품

이 거치는 공정경로의 수가 약 1만개가 되는 경우에는 적

용이 불가능하다. 만일 한 공정경로에 포함된 공정의 수

가 평균 10개라면 Station의 수가 약 10만개가 필요하며,

Resource Set 또한 약 10만개가 필요하게 된다.

시뮬레이션을 위해 800여종의 제품과 3000여종의 주

요 부품 중에서 105품목의 제품과 747개의 부품을 선택

했다고 하더라도 최소 1만개 이상의 Station과 Resource

Set을 정의해야 한다. 따라서 현실적으로 모델에 사용되

는 블록의 숫자가 너무 많아지고, 대기행렬(Queue)도 필

요이상으로 많이 생성되는 등 모델의 크기가 커져 프로

그램의 부하가 많이 발생하며, 심지어 소프트웨어의 용량

이 초과되는 문제가 발생한다.

3.2 Expressions을 이용한 모델링 방법

3.1절에서 설명한 모델링 방법론의 문제점을 해결하

기 위해 스프레드시트 형태로 구축된 공정경로표와 대체

장비 목록을 그대로 사용하는 방법을 선택하였다. 먼저

설비별로 Figure 9와 같이 하나의 Station을 정의하고, 공

정이 완료된 개체는 Route_st으로 보낸다.

Figure 10은 다음 공정을 수행할 대표장비와 대체장비



를 검색하여 개체를 해당 장비로 보내는 역할을 하는

Station이다. 이 방법은 ARENATM의 Advanced Transfer

패널에 있는 Route-Station 모듈 및 Sequence 스프레드

시트를 이용하는 방법을 변형한 것으로 Figure 11과 같

이 Advanced Process 패널의 Expression을 이용하여

Table 1에 있는 공정순서와 각 공정별 장비의 Station 이

름을 정의한다. 이 행렬에서 1열은 해당공정의 대표장비,

2열은 대체장비를 의미하며, 0.0으로 표시된 것은 데이터

가 더 이상 없다는 것을 의미한다.

Fig. 9. Defining Station for Machine (Suggested Method)

Fig. 10. Expression in Route Module (Suggested Method)

Fig. 11. Defining Operation Routings and Alternative Machines Using Expression Module (Suggested Method)

개체가 Route Logic을 정해주는 Route_St (Figure

10)에 들어오면 Figure 12에 제시된 논리에 따라 진행된

다. Row_index는 공정 순서를 의미하는데, 행 값을 +1씩

증가시키면서 공정을 진행시킨다. 특정 공정 내에서는 설

비의 가용여부에 따라 Column_index, 즉 열의 값을 +1

씩 증가시키면서 대표장비나 대체장비를 찾고, 적합한

행, 열의 값이 정해지면 정해진 값이 해당하는 설비의

Station으로 부품을 Route시킨다.

만일 Column_index의 1번 공정의 설비가 가동 중이

거나 고장 및 유지보수로 인한 Inactive state일 경우,

Column_index 값을 +1 시켜주어 2번째 대체장비의 가

용여부를 검토한다. 만일 대체가능한 모든 설비가 가동

중이거나 Inactive state일 경우는 장비에 대기하는 부품

의 수가 가장 적은 설비의 Station으로 이동하도록 하였

으며, 같은 수의 부품이 대기할 경우는 가용한 장비들 중

에서 임의로 선택하도록 하였다. 부품이 다음 Station으로

이동할 때, Row_index의 값을 +1 시키고 Column_index

값을 1로 초기화 시킨다.

이 방법을 사용하면 설비별로 1개의 Station만 정의하

면 되고, 추가로 공정경로를 결정하기 위한 Station을

Figure 10과 같이 추가로 정의하면 된다. 따라서 본 예

제에서는 Station 수의 차이가 1개에 불과하지만 문제의

규모가 커지면 Figure 8에서 소개한 방법에 비해 Station

수의 감소폭이 기하급수적으로 증가한다. 또한 Queue도

각 Station에 하나씩만 존재하면 되므로 모델이 간단해진

다. 그리고 기존의 방식과는 달리 Expression의 여러 정

보들은 Microsoft Excel같은 상용 Tool을 사용하여 간단


제25권 제4호 2016년 12월 7

하게 추가 및 수정, 삭제가 용이하다는 장점도 있다.

10 Enter Station Route_St

20 ASSIGN Row_Index=Row_Index+1

Column_Index=1

30 DECIDE

STATE(eMC(Row_index,Column_index))

= idle_res

Yes : GOTO 80

No : ASSIGN Column_Index=Column_Index+1

GOTO 40

40 DECIDE eMC(Row_index,Column_index) = 0

Yes : ASSIGN Column_Index=1

GOTO 50

No : GOTO 30

50 DECIDE eMC(Row_index,Column_index) = 0

Yes

ASSIGN Column_Index

= DISC(1/dd,1,2/dd,2)

GOTO 80

No : ASSIGN dd=Column_index

Column_Index=Column_Index+1

GOTO 50

80 ROUTE eRouting(Row_index,Column_index)

Fig. 12. Process Logics of Route-St (Suggested Method)

3.3 모델링 방법의 비교

앞에서 살펴보았던 전통적인 모델링 방법(Resource

Set을 이용한 방법)과 본 논문에서 제시하는 Expression

을 이용한 방법을 사용하였을 때, 모델의 크기에 영향을

미치는 정도를 알아보았다. 이 실험을 위해서 Table 1의

OP-22에서 대체기계로 VMC2도 허용되는 것으로 입력

자료를 수정하였다. Figure 13은 두 가지 방법을 사용하

여 ARENATM 모델에 적용하였을 때, Station 모듈 수의

차이를 나타낸 그래프이다. 총 공정이 6개인 단순한 모델

의 경우 Resource Set 방법은 10개, Expression 방법은 9

개로 모듈 수가 1개 차이로 큰 차이는 나지 않았다. 하지

만, 본 연구의 대상 시스템에 대한 모델을 비교해보면

Resource Set 방법은 약 11,040개, Expression 방법은

385개로 Station 모듈 수가 약 1만개 차이가 난다.

Resource Set을 이용한 방법의 경우 시스템의 Route

수에 대응하여 Station 모듈 수가 증가하며 제품 수,

Route 수의 증가에 영향을 받는 것이 특징이다. Expression

을 이용한 모델링 방법의 경우 Station Module 수는 제품

수나 Route 수의 증가에는 크게 영향을 받지 않으며, 공

정(설비) 수에 대응하여 증가하며 추가적으로 시작, 출하,

조립 Station의 수만 추가로 필요하다.

이는 복잡하고 공정이 많은 제조 시스템을 시뮬레이션

으로 모델링 할 때 전통적인 모델링 방법을 사용한다면

현실적으로 시뮬레이션의 모델의 크기가 비정상적으로

커지며, 이 모델을 시뮬레이션 할 때 컴퓨터의 부하도 훨

씬 커지므로 시뮬레이션 실행시간도 많은 차이가 나게

된다.

Fig. 13. Comparison of Two Modeling Methods(Number of Station Modules)

다음은 두 가지 모델링방법이 시스템 성능에 차이를

발생시키는지 비교하기 위하여 3.1절에서 예시한 간단한

예제 문제에 대하여 제품의 도착시간간격 (Interarrival

Time)을 줄여가면서 실험을 실행하였다. Table 2는 두

모델링 방법에서 생산량을 비교한 것인데, 두 방법의 차

이가 거의 없었다. Table 3는 두 모델링 방법에서 각 기

계의 가동률을 비교한 것인데, 이 역시 두 방법의 차이가

거의 없었다.

참고로 도착시간간격이 1.5일 때 DMC1과 DMC2의

이론적 가동률은 66.67%이며, HMC1, HMC2, VMC1,

VMC2의 이론적 가동률은 100%다. 따라서 도착시간간

격을 1.5 이하로 줄이면 설비에 과부하가 걸려서 생산량

은 더 이상 증가되지 않고, 재투입의 영향으로 오히려 감

소한다. 반면에 기계의 가동률은 100%를 그대로 유지하

게 된다.



Table 2. Comparison of Throughputs between Two Modeling Methods

Interarrival Time

ExpressionResource

SetDEV.

2.00 5,001.3 5,000.9 -0.01%

1.75 5715.0 5,715.0 0.00%

1.50 6,595.2 6,619.8 0.37%

1.25 6,416.0 6,418.0 0.03%

1.00 6.095.1 6,096.0 0.01%

※ DEV=(Resource Set-Expression)/Expression ×100

Table 3. Comparison of Utilizations between Two Modeling Methods

Interarrival Time

Machine ExpressionResource

SetDEV,

2.00

DMC1 49.92 50.46 -1.08%

DMC2 50.07 49.54 1.06%

HMC1 75.28 74.41 1.16%

HMC2 75.09 75.61 -0.69%

VMC1 75.04 76.27 -1.64%

VMC2 74.60 73.71 1.19%

1.50

DMC1 65.86 66.03 -0.26%

DMC2 66.03 66.36 -0.50%

HMC1 99.14 99.42 -0.28%

HMC2 99.36 99.59 -0.23%

VMC1 99.04 99.29 -0.25%

VMC2 98.91 99.30 -0.39%

1.00

DMC1 60.87 60.90 -0.05%

DMC2 61.02 61.00 0.03%

HMC1 100.00 100.00 0.00%

HMC2 100.00 100.00 0.00%

VMC1 100.00 100.00 0.00%

VMC2 100.00 100.00 0.00%

※ DEV=(Resource Set-Expression)/Expression ×100

4. 적용사례

4.1 As-Is 분석

위에서 소개한 시뮬레이션 방법론을 이용하여 실제 항

공기 엔진부품 생산 공장에 대해 시뮬레이션 연구를 수

행하였다. 항공기 엔진부품의 경우 고객과의 계약이 장기

적으로 이뤄지기 때문에 향후 수년간의 수요를 사전에

어느 정도 예측할 수 있다. 사례 공장의 당면 문제는 향

후 2년 뒤에 수주물량이 30% 이상 증가할 것이며, 제품

별 점유율도 변경될 것이므로 선제적으로 공장의 대응방

향을 결정하는 것이다.

이 문제를 해결하기 위해 우선 현재 상황 (As-Is)에 대

한 시뮬레이션 모델을 개발하였다. 의 시뮬레이션 모델을

개발하였다. Table 4와 같이 대형제품, 소형제품 등 제품

105품목, 주요 부품 747품목을 선정하였다. 각 부품의 공

정 수는 대형부품의 경우 평균이 14.1 공정이며, 소형부

품의 경우 부품 12.3 공정이다. 공정 수가 가장 많은 부품

은 110개의 공정으로 구성되어 있다.

Table 4. Number of Products Considered

Size Big Small TotalEnd-Items 46 59 105

Major Parts 489 258 747

설비는 338대를 선정하여 모델에 반영하였는데 외주

업체도 각각 하나의 설비로 보아서 총 384대의 설비가

모델에 반영되었다. 설비별로 작업시간은 주간+잔업 2시

간, 주야 2교대, 주야 맞교대, 3교대, 24시간 연속 가동

등으로 구분하였다. 각 설비에는 부품 투입의 우선순위를

결정하기 위한 할당규칙 (Dispatching Rule)이 필요하

다. 이 시스템에서는 재투입이 허용되기 때문에 동일한

부품이 동일한 설비에 두 번 이상 들어올 수 있다. 따라

서 잔여공정 수가 작은 부품을 우선 투입하는 규칙을 사

용했다.

실험은 휴일을 제외하고 1년을 268일로 하여 10회 반

복 하였으며, Warm-up period는 1000 시간을 적용했다.

Figure 14는 사례연구를 위한 시뮬레이션 모델 화면이다.

실험결과에 의하면 대형제품과 소형제품의 생산수량

및 매출 규모는 Table 5와 같다. 또한 MA40, MB23,

MC71의 장비가동률이 각각 95.27%, 89.48% 84.86%

로 가동률이 높은 공정으로 분석되었다. 이 결과는 검증

과정을 거쳐 실제 공장의 실적과 유사하다고 판단되었다.

산출/투입비율(Throughput Ratio)는 시뮬레이션 모델에

투입된 수량과 생산된 수량의 비율을 의미하는데 이 값

이 100%가 되어야 이론적으로 시스템이 안정된 상태라

고 할 수 있다.

Table 5. Simulation Results of As-Is

Big Small TotalProduction Quantity

(EA)3,887 204,390 208,277

Throughput Ratio 99% 100% 100%Sales (Billion $) 202.4 108.9 311.3


제25권 제4호 2016년 12월 9

Fig. 14. Simulation Model of Case Study

위의 실험 결과를 바탕으로 사례 공장의 생산 수요 증

가에 대비하기 위한 여러 시나리오를 만들어 분석하였다.

4.2 시나리오 1

시나리오 1에서는 As-Is에서 제품의 총 생산수량은 그

대로 유지하면서 제품별 점유율도 변하는 경우 현재 상

태에서 생산가능한지 여부를 분석하였다. 분석결과 제품

별 생산비율이 변경되면 Table 6과 같이 생산수량이나

매출액 측면에서 모두 감소되는 것으로 분석되었다. 그

이유는 수요가 증가한 제품이 특정설비에 과부하를 일으

키기 때문이었고, 그 결과 당초 투입했던 수량을 모두 생

산하지 못했기 때문이다. 이러한 분석은 산출/투입 비율

이 대형제품의 경우 당초 99%에서 97%로 떨어졌고, 소

형제품의 경우 당초 100%에서 99%로 떨어졌다는 사실

에서 유추할 수 있다.

Table 6. Simulation Results of Scenario 1

Big Small Total

Production Quantity (EA)

3,818 202,069 207,388

Throughput Ratio 97% 99% 99%

Sales (Billion $) 196.0 108.2 304.1

4.3 시나리오 2

시나리오 1의 문제점을 해결하기 위해 설비 교체를 대

안으로 하였다. 기존의 노후화된 밀링기계와 수직형 선반

을 각각 20대, 13대 철거하고 새로이 16대, 13대를 신규

로 도입하는 경우를 가정하였는데, 이 때 신규로 도입되

는 장비가 고성능 장비이기 때문에 공정시간이 기존의

공정시간보다 20% 단축되는 것으로 가정하였다.

분석결과 변경된 생산비율에 따라 당초 의도대로 생산

이 진행될 수 있음을 알 수 있었다. Table 7에 제시된 바

와 같이 총 생산량이나 매출규모는 As-Is와 같은 결과를

얻었는데 신규투자를 했음에도 불구하고 생산량이나 매

출이 늘지 않은 이유는 투입량을 As-Is와 동일하게 유지

하고 제품별 생산비율만 변경했기 때문이다.


Big Small Total


3,890 204,395 208,284


Sales (Billion $) 202.6 108.9 311.5



4.4 시나리오 3

시나리오 3에서는 시나리오 2에서 제품별 생산비율은

유지한 상태에서 투입물량을 증가시켰을 때 영향을 분석

하였다. 이 공장은 매출액 기준으로 매년 20% 이상 성장

을 하고 있는 회사이기 때문에 향후 2년 후의 생산량이

대형제품은 40%, 소형제품은 70%정도 증가할 것으로

예측하고 있으며, 총 매출액 기준으로는 45% 정도 증가

할 것으로 예측하고 있다. 따라서 이 예측자료에 입각하

여 투입수량을 증가시켜 시뮬레이션을 수행하였다.

하지만 Table 8에 제시한 실험 결과와 같이 당초 목표

를 달성할 수 없는 것으로 분석되었다. 산출/투입 비율이

대형제품은 88%, 소형제품은 81%로 목표생산량에 미달

하였으며, 총 매출액도 22%만 증가하였다. 그 이유는 일

부 설비의 능력이 생산량 증가를 처리하기 부족하다는

점이다.


Big Small Total


4,628 256,655 261,283


Sales (Billion $) 222.3 150.4 371.6

4.5 시나리오 4

시나리오 4에서는 시나리오 3에서 분석된 문제점을 해

결하기 위해 설비의 생산능력을 증가시키는 방안을 검토

하였다. 설비능력을 증가시키는 방법으로는 애로 공정에

대해 신규 설비를 추가로 도입하거나 가동시간 을 늘여

서 해결하는 방법이 있다. 하지만 시나리오 2에서 이미

29대의 설비를 교체하는 것으로 하였기 때문에 단기간에

설비투자비가 급증하는 것을 방지하기 위해 본 시나리오

에서는 근무일정(Shift)을 변경하는 전략을 사용하였다.

그 결과 Table 9에 제시된 바와 같이 당초 계획했던 물량

을 처리할 수 있는 전략을 수립할 수 있었다.


Big Small Total


5,192 340,565 345,757


Sales (Billion $) 260.7 183.3 444.0

5. 결론

시뮬레이션을 이용하여 복잡한 시스템을 모델링할 때

다양한 모델링 기법을 사용할 수 있다. 이는 전적으로 모

델링을 하는 사람의 능력에 달려 있으며, 모델링 하는 기

법에 따라 원하지 않게 시스템의 성능에 미미한 차이가

존재할 수 있다. 따라서 시뮬레이션 모델링을 할 때는 사

용하는 도구의 특성에 대한 정확한 이해가 필요하다.

특히 본 연구의 대상이었던 항공기부품 생산라인과 같

이 전형적인 Job Shop 방식이고, 공정경로가 매우 복잡

하며, 동일 공정에 재투입이 허용되고, 다양한 대체장비

가 허용되는 경우와 같은 대규모 시스템에서는 주어진

시스템을 정확히 모델링하는 것도 중요하지만 모델의 크

기를 가급적 작게 만드는 것도 중요하다.

본 논문에서는 앞에서 언급했던 시스템을 모델링하는

과정에서 가장 큰 어려움에 직면했던 공정경로와 대체장

비 문제를 해결하기 위해 기존의 Resource Set을 이용하

는 방법 대신에 Expression을 이용하는 방법을 제시하였

다. 그 결과 본 논문에서 제시한 방법이 시뮬레이션 모델

의 크기를 대폭 줄여주는 것으로 판명되었으며, 시스템의

성능에도 차이가 없음을 확인하였다. 특히 대상 시스템의

규모가 커질수록 제시한 방법이 효과적이라는 것을 확인

하였다.

제시한 방법을 이용해 국내 A사의 실제 생산시스템을

시뮬레이션 모델로 개발하여 미래 수요 증가에 대비한

적정 설비확장계획을 성공적으로 수립할 수 있었다. 다만

시뮬레이션 사례 결과에 제시된 수치는 기업의 기밀사항

에 속하기 때문에 논문의 목적을 위배하지 않는 범위 내

에서 일정한 규칙에 따라 가공하였음을 밝혀둔다. 제시한

방법이 이와 유사한 시스템을 분석해야 하는 연구자들에

게 도움이 되었으면 좋겠다.

References

[1] Abdin, M.F. (1986) “Solution of scheduling problems

of job-shop type FMS with alternative machine

tools”, Computers & Industrial Engineering, 11(1-4),

241-245.

[2] Chaudhry, I.A. (2012) “Job shop scheduling problem

with alternative machines using genetic algorithms”,

Journal of Central South University, 19(5), 1322-1333.

[3] Doh, H.H., J.M. Yu, Y.J. Kwon, J.H. Shin, H.W.

Kim, S.H. Nam, and D.H. Lee (2014) “Decision


제25권 제4호 2016년 12월 11

tree based scheduling for flexible job shops with

multiple process plans”, International Journal of

Mechanical, Aerospace, Industrial, Mechatronic

and Manufacturing Engineering, 8(3), 621-627.

[4] Iwata, K.M., O.K. Teranmoto and S, Osaki (1997)

“Virtual manufacturing systems as advanced

information infrastructure for integrating

manufacturing resource and activities”, Annals of

the CIRP, 46(1), 335-338.

[5] Kim, H.J., J.H. Kim, S.H. Na, M.J. Song, D.S. Kim,

H.J. Choi, and D.H. Moon (2014) “A simulation

study for analyzing the capabilities of a factory

producing parts of aircraft engine”, Proceedings of

2014 Autumn Conference of the Korea Society for

Simulation, Ajou University, Korea, 77-80.

(김혜정, 김재훈, 나상현, 송민준, 김동수, 최해진, 문

덕희 (2014) “항공기 부품 제조업체의 생산능력 분석

을 위한 시뮬레이션 연구”, 한국시뮬레이션학회 2014

추계학술대회 논문집, 아주대학교, 대한민국, 77-80.)

[6] Lee, H.S., Y.S. Han, and C.G. Lee (2006) “Direct

carrier system based 300 mm FAB line simulation”,

Journal of the Korea Society for Simulation, 15(2),

51-57.

(이홍순, 한영신, 이칠기 (2006) “Direct 반송방식에

기반을 둔 300㎜ FAB Line 시뮬레이션”, 한국시뮬

레이션학회논문지, 제15권, 제2호, 51-57.)

[7] Lee, G.C., J.M. Hong, J.W. Kim and S.H. Choi

(2016) “A simulation study on capacity planning in

reentrant hybrid flow shops”, Journal of the Korea

Society for Simulation, Vol. 25(1), 45-52.

(이근철, 홍정만, 김정욱, 최성훈 (2016) “재투입이

존재하는 혼합흐름공정의 용량계획에 관한 시뮬레이

션 연구”, 한국시뮬레이션학회논문지, 제25권, 제1호,

45-52.)

[8] Moon, D.H., H.I. Cho and S.G. Baek (2006) “A

case study of the design of welding station in an

excavator factory using 3D simulation”, Journal of

the Korea Society for Simulation, 15(1), 51-58.

(문덕희, 조현일, 백승근 (2006) “굴삭기공장의 로봇

용접 작업장 설계에 대한 3D 시뮬레이션 사례연구”,

한국시뮬레이션학회논문지, 제15권, 제1호, 51-58.)

[9] Moon, J.H., Y.H. Lee and D.W. Cho (2012)

“Object-oriented simulation modeling for service

supply chain”, Journal of the Korea Society for

Simulation, 21(1), 55-68.

(문종혁, 이영해, 조동원 (2012) “서비스 공급사슬을

위한 객체지향 시뮬레이션 모델링”, 한국시뮬레이션

학회논문지, 제21권, 제1호, 55-68.)

[10] Na, S.H. (2015) Simulation Modeling Method

Considering Characteristics of Production Line

for Aircraft Engine Parts, M.S. Thesis, Changwon

National University, Korea.

(나상현 (2015) 항공기 엔진부품 생산라인의 특성

을 고려한 시뮬레이션 모델링 방법론, 공학석사학

위논문, 창원대학교, 대한민국.)

[11] Nasr, N. and E. A. Elsayed (1990) “Job shop

scheduling with alternative machines”,

International Journal of Production Research,

28(9), 1595-1609.

[12] Ra, H.W. and S.H. Choi (2014), “A study on the

automated generation of Arena simulation models

using conceptual models”, Journal of the Korea

Society for Simulation, 23(4), 21-29.

(라현우, 최성훈 (2014) “개념 모델을 이용한

Arena 시뮬레이션 모델 자동 생성에 관한 연구”,

한국시뮬레이션학회논문지, 제23권, 제4호, 21-29.)

[13] Rajabinasab, A. and S. Mansour (2011) “Dynamic

flexible job shop scheduling with alternative

process plans: An agent-based approach”, The

International Journal of Advanced Manufacturing

Technology, 54(9), 1091–1107.

[14] Tompkins, J.A., J.A. White, Y.A. Bozer and

J.M.A. Tanchoco (2010) Facilities Planning, 4th

Ed., John Wiley & Sons, U.S.A..

[15] Yang, G.R., Y.H. Chung, D.W. Kim and S.C.

Park, “Bottleneck Detection Framework Using

Simulation in a Wafer FAB”, Transactions of the

Society of CAD/CAM Engineers, Vol. 19, No. 3,

pp. 214-223, 2014.

(양가람, 정영호, 김대환, 박상철 (2014) “개념 모델

을 이용한 Arena 시뮬레이션 모델 자동 생성에 관

한 연구”, 한국CAD/CAM학회논문집, 제19권, 제3

호, 214-223.)



나 상 현 ([email protected])

2015 창원대학교 산업시스템공학과 공학석사 (학석사 연계과정)2016~현재 성우하이텍 근무

관심분야 : 생산시스템 분석, 시뮬레이션 응용

문 덕 희 ([email protected])

1984 한양대학교 산업공학과 공학사

1986 한국과학기술원 산업공학과 공학석사

1991 한국과학기술원 산업공학과 공학박사

1990~현재 창원대학교 산업조선해양공학부 교수

관심분야 : Facilities Planning, 시뮬레이션 응용, Scheduling

Documents

대체장비를 고려한 항공기 부품 생산라인의 ARENA …...대체장비를 고려한 항공기 부품 생산라인의 ARENA TM 시뮬레이션 모델링 방법론 제25권