셋업 매트릭스 최적화를 활용한 자동화된 생산 라인 전환 시퀀싱

여러 제품을 운영하는 생산 라인에서 제품 간 전환 시간은 어떤 제품에서 어떤 제품으로 변경하는지에 따라 다릅니다. 제품 A에서 제품 B로 전환하는 데 30분이 걸릴 수 있지만, B에서 A로 전환하는 데는 다른 청소 또는 조정 요구사항 때문에 60분이 걸릴 수 있습니다. 이러한 비대칭 전환 시간은 대부분의 제조업체가 놓치는 최적화 기회를 만듭니다.

셋업 매트릭스는 이러한 쌍별 전환 시간을 캡처하며, AI는 이를 사용하여 일정 기간 동안 예정된 모든 제품에 걸쳐 총 전환 시간을 최소화하는 생산 시퀀스를 찾습니다.

셋업 매트릭스

셋업 매트릭스는 각 행이 변경하는 출발 제품이고 각 열이 변경하는 도착 제품인 표입니다. 셀에는 해당 특정 전환에 대한 전환 시간이 포함됩니다. 20개 제품을 운영하는 라인의 경우, 이는 20x20 매트릭스로 380개의 잠재적으로 다른 전환 시간이 있습니다(전환이 필요 없는 대각선 제외).

이러한 시간은 합당한 이유로 다릅니다. 어두운 색상 제품에서 밝은 색상 제품으로 변경하려면 그 반대보다 더 많은 청소가 필요합니다. 작은 부품에서 큰 부품으로 변경하려면 그 반대와는 다른 픽스처 조정이 필요합니다. 일부 제품 쌍은 도구를 공유하여 전환을 최소화하는 반면, 다른 쌍은 완전한 도구 변경이 필요합니다.

AI가 최선의 시퀀스를 찾는 방법

총 전환 시간을 최소화하는 시퀀스를 찾는 것은 외판원 문제(Traveling Salesman Problem)의 변형으로, 많은 수의 제품에 대해 계산적으로 어렵습니다. AI 최적화 알고리즘은 유전 알고리즘, 시뮬레이티드 어닐링, 개미 군집 최적화와 같은 기법을 사용하여 거의 최적의 솔루션을 빠르게 찾습니다.

AI는 전환 시간뿐만 아니라 생산 제약 조건도 고려합니다. 납기일은 특정 제품이 특정 시간 전에 생산되어야 함을 요구합니다. 로트 크기는 다음 전환 전에 각 제품의 몇 단위가 생산되는지 결정합니다. 장비 가용성과 유지 보수 윈도우는 특정 시퀀스가 실행 가능한 시기를 제약합니다.

실제 데이터로부터 학습

엔지니어링 추정에 기반한 셋업 매트릭스는 종종 부정확합니다. AI 시스템은 생산 중에 기록된 실제 전환 시간을 분석하여 매트릭스를 개선합니다. 그들은 특정 전환이 일관되게 추정보다 더 오래 걸린다는 것을 발견하는데, 아마도 픽스처 조정이 예상보다 까다롭기 때문일 것이며, 그에 따라 매트릭스를 업데이트합니다.

그들은 또한 전환 개선의 기회를 식별합니다. 유사한 전환에 비해 불균형적으로 긴 전환은 표적 SMED(Single Minute Exchange of Die) 개선 노력의 혜택을 받을 수 있습니다. AI는 이러한 기회를 식별하고 개선으로 인한 시간 절감을 정량화합니다.

캠페인 스케줄링

일부 생산 라인의 경우, 유사한 제품을 캠페인으로 그룹화하면 총 전환을 더욱 줄입니다. AI는 셋업 특성을 공유하는 제품 클러스터를 식별하고 블록으로 스케줄링합니다. 각 블록 내에서 시퀀스는 최소 전환을 위해 최적화됩니다. 블록 간에는 주요 전환이 발생합니다. AI는 납품 요구사항을 충족하면서 총 전환 시간을 최소화하는 블록 크기와 시퀀스를 찾습니다.

제조업의 AI 스케줄링에 대한 자세한 내용은 FirmAdapt 제조업 분석 페이지를 방문해 주세요.