고무압출 제조기업의 레거시 데이터를 활용한 FOM Solution 기반 생산관리 방법에 관한 연구

Q: 이 논문에서 정의한 FOM(Smart-Factory Operation Management)이란 무엇인가?

제조 현장에서 발생하는 다양한 데이터를 분석하고 최적화하여 생산성을 향상시키는 데이터 기반의 패키지 방법론을 의미한다. 이는 MES 시스템의 레거시 데이터와 통합되어 4M 데이터의 가시성을 확보하고 다차원적인 분석을 가능하게 하는 운영 관리 체계다.

Q: FOM 솔루션을 통한 4M 데이터 분석이 고무압출기업의 생산 관리에 어떤 영향을 미치는가?

연구 결과, FOM 솔루션과 레거시 데이터를 통합함으로써 설비, 작업자, 요인별로 생산 달성률을 정밀하게 분석할 수 있게 되었다. 이를 통해 특정 제품의 낮은 달성률 원인이 특정 작업자의 높은 점유율이나 설비 결함에 있음을 파악하여 운영 효율을 높인다.

김재하; 손경섭; 오상석; 임효재; 김수영

doi:10.7735/ksmte.2024.33.3.155

추천

검색

질문

자료유형: 학술저널

저자정보: 김재하 (Hoseo University) 손경섭 (Hoseo University) 오상석 (Inha Univerity) 임효재 (Hoseo University) 김수영 (Hoseo University)

저널정보: 한국생산제조학회 한국생산제조학회지 한국생산제조학회지 Vol.33 No.3

발행연도: 2024.6

수록면: 155 - 163 (9page)

DOI: 10.7735/ksmte.2024.33.3.155

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this study, the legacy data of the MES system of rubber extruder company A and the FOM solution are integrated and analyzed. Owing to the characteristics of the manufacturer, 4M changes that occur frequently in existing legacy data can only be managed to a certain extent. Therefore, in this study, the MES system and FOM solution are integrated to obtain the visibility of 4M data at the manufacturing side, and a systematic and multidimensional analysis based on code is performed. If the unit price values for more diverse products are defined, then more detailed loss costs can be calculated for all productivity inhibitors. By overcoming the limitations of MES data management and making decisions to effectively improve data-based productivity using the analysis results of this study, company A is expected to benefit factory operations management.

#4M(man, machine, material, method) #Legacy system(ERP, MES, POP etc) #FOM(smart-factory operation management) #Productivity analysis #Manufacturing big data #Loss cost

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)