1 |
1
수주 물량을 입력 받아 작업 계획을 수립하는 작업 계획 최적화 모듈; 상기 작업 계획 최적화 모듈로부터 수립된 상기 작업 계획을 전달 받아 비용 예측 모형 기반 시뮬레이션을 통해 도출한 예상 소요 시간 및 에너지 사용량으로 평가 후, 평가 결과를 상기 작업 계획 최적화 모듈로 전달하는 작업 계획 평가 모듈; 및 지속적으로 누적되는 공정 데이터를 이용하여 상기 작업 계획 평가 모듈의 비용 예측 모형을 갱신하는 공정 비용 예측 모형 관리 모듈을 포함하고, 상기 작업 계획 최적화 모듈과 상기 작업 계획 평가 모듈을 이용하여 최적의 상기 작업 계획을 수립하고, 상기 작업 계획 최적화 모듈은, 실시간 공정 모니터링 시스템과 연동하여 설비별 작업 상황 및 에너지 사용 현황을 획득하고, 상기 설비별 작업 상황 및 에너지 사용 현황을 반영하여 상기 작업 계획을 수립하며, 상기 공정 비용 예측 모형 관리 모듈은, 예측 오차 또는 물량 변경 사항을 반영하기 위해 적용 중인 최적의 상기 작업 계획을 갱신하여, 주기적으로 작업 계획을 갱신하는 롤링 호라이즌(rolling horizon) 방식으로 최적의 상기 작업 계획을 수립하도록 하고, 상기 작업 계획 평가 모듈은, 가열로에 장입할 원소재의 조합이 결정되면 상기 비용 예측 모형 기반 시뮬레이션을 통해 후단 공정의 작업 계획을 수립하고, 상기 비용 예측 모형 기반 상기 시뮬레이션이 종료되면 전 공정의 상기 작업 계획과 공정의 상기 예상 소요 시간 및 에너지 사용량이 도출되고, 상기 비용 예측 모형은, 가열 소요 시간 예측 모형, 가열 가스 사용량 예측 모형, 재 가열 소요 시간 예측 모형, 재가열 가스 사용량 예측 모형, 가열로 유지 가스 사용량 예측 모형, 절단 시간 예측 모형, 단조 시간 예측 모형, 열처리 소요 시간 예측 모형 및 가스 사용량 예측 모형을 포함하고, 상기 가열 소요 시간 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수 및 설비 번호를 이용하여 갱신되고, 상기 가열 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수 및 가열 시간을 이용하여 갱신되고, 상기 재 가열 소요 시간 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량 및 총 ingot 개수를 이용하여 갱신되고,상기 재 가열 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수 및 가열 시간을 이용하여 갱신되고,상기 가열로 유지 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수, 설비 번호 및 가열 시간을 이용하여 갱신되고,상기 절단 시간 예측 모형은, 상기 공정 데이터 중 초기 중량, 절단 제품 수, ingot 코드, ingot 종류 및 제품 이름을 이용하여 갱신되고, 상기 단조 시간 예측 모형은, 상기 공정 데이터 중 중량, 총 단조 횟수, 현재 단조 횟수 및 제품 이름을 이용하여 갱신되고,상기 열처리 소요 시간 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수, 강종 종류의 수, 최대 중량의 강종 종류, 총 생산 제품의 수 및 설비 번호를 이용하여 갱신되고, 상기 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수, 강종 종류의 수, 최대 중량의 강종 종류, 총 생산 제품의 수 및 가열 소요 시간을 이용하여 갱신되는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 시스템
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 작업 계획 최적화 모듈은, 작업자로부터 수주를 받을 때마다 상기 수주 물량을 직접 입력 받거나 전사적자원관리(Enterprise Resource Planning, ERP) 시스템과 연동하여 상기 수주 물량을 획득하는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 시스템
|
4 |
4
삭제
|
5 |
5
제1항에 있어서, 상기 작업 계획 최적화 모듈은, 입력 받은 상기 수주 물량 중 우선순위가 높은 일정량의 물량을 선택하여 상기 작업 계획을 수립하는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 시스템
|
6 |
6
삭제
|
7 |
7
제1항에 있어서, 상기 비용 예측 모형은 공정 데이터를 기반으로 기계 학습 알고리즘을 이용하여 학습되는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 시스템
|
8 |
8
삭제
|
9 |
9
제1항에 있어서, 상기 작업 계획 평가 모듈은, 가열로의 작업 계획에 따라 상기 가열로에 원소재를 투입하고, 가열 공정의 소요 시간 예측 모형을 이용하여 가열이 완료되는 예상 시점을 찾으며, 다음 처리할 작업의 결정이 필요한 설비는 상기 가열이 완료되어 취출이 가능한 후보 작업 중 우선순위가 높은 작업을 선택하여 처리하고, 설비별 공정의 상기 소요 시간 예측 모형 및 에너지 사용량 예측 모형을 통해 각 설비의 공정 처리의 예상 소요 시간 및 에너지 사용량을 예측하며, 모든 제품이 완성될 때까지 반복하여 시뮬레이션하는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 시스템
|
10 |
10
열간 자유단조 공정의 작업 계획 최적화 시스템의 작업 계획 최적화 모듈은 수주 물량을 입력 받는 단계; 상기 작업 계획 최적화 모듈은 입력 받은 상기 수주 물량에 대해 작업 계획을 수립하는 단계; 상기 작업 계획 최적화 시스템의 작업 계획 평가 모듈은 수립된 상기 작업 계획을 비용 예측 모형 기반 시뮬레이션을 통해 도출한 예상 소요 시간 및 에너지 사용량으로 평가하는 단계; 및 평가가 종료되는 경우, 상기 작업 계획 최적화 모듈은 상기 작업 계획 평가 모듈로부터 평가 결과를 전달 받아 최적의 상기 작업 계획을 적용하는 단계를 포함하고, 상기 작업 계획 최적화 시스템의 공정 비용 예측 모형 관리 모듈은 지속적으로 누적되는 공정 데이터를 이용하여 상기 작업 계획 평가 모듈의 비용 예측 모형을 갱신하고, 예측 오차 또는 물량 변경 사항을 반영하기 위해 적용 중인 최적의 상기 작업 계획을 갱신하는 단계를 더 포함하고, 상기 작업 계획 최적화 모듈에서 실시간 공정 모니터링 시스템과 연동하여 설비별 작업 상황 및 에너지 사용 현황을 획득하는 단계를 더 포함하고,상기 입력 받은 상기 수주 물량에 대해 작업 계획을 수립하는 단계는,상기 설비별 작업 상황 및 에너지 사용 현황을 반영하여 상기 작업 계획을 수립하고, 상기 적용 중인 최적의 상기 작업 계획을 갱신하는 단계는, 주기적으로 작업 계획을 갱신하는 롤링 호라이즌(rolling horizon) 방식으로 최적의 상기 작업 계획을 수립하며, 상기 작업 계획을 비용 예측 모형 기반 시뮬레이션을 통해 도출한 예상 소요 시간 및 에너지 사용량으로 평가하는 단계는, 가열로에 장입할 원소재의 조합이 결정되면, 상기 작업 계획 평가 모듈은 상기 비용 예측 모형 기반 시뮬레이션을 통해 후단 공정의 작업 계획을 수립하는 단계를 포함하고, 상기 비용 예측 모형 기반 상기 시뮬레이션이 종료되면 전 공정의 상기 작업 계획과 공정의 상기 예상 소요 시간 및 에너지 사용량이 도출되고, 상기 비용 예측 모형은, 가열 소요 시간 예측 모형, 가열 가스 사용량 예측 모형, 재 가열 소요 시간 예측 모형, 재가열 가스 사용량 예측 모형, 가열로 유지 가스 사용량 예측 모형, 절단 시간 예측 모형, 단조 시간 예측 모형, 열처리 소요 시간 예측 모형 및 가스 사용량 예측 모형을 포함하고, 상기 가열 소요 시간 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수 및 설비 번호를 이용하여 갱신되고, 상기 가열 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수 및 가열 시간을 이용하여 갱신되고, 상기 재 가열 소요 시간 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량 및 총 ingot 개수를 이용하여 갱신되고,상기 재 가열 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수 및 가열 시간을 이용하여 갱신되고,상기 가열로 유지 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수, 설비 번호 및 가열 시간을 이용하여 갱신되고,상기 절단 시간 예측 모형은, 상기 공정 데이터 중 초기 중량, 절단 제품 수, ingot 코드, ingot 종류 및 제품 이름을 이용하여 갱신되고, 상기 단조 시간 예측 모형은, 상기 공정 데이터 중 중량, 총 단조 횟수, 현재 단조 횟수 및 제품 이름을 이용하여 갱신되고,상기 열처리 소요 시간 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수, 강종 종류의 수, 최대 중량의 강종 종류, 총 생산 제품의 수 및 설비 번호를 이용하여 갱신되고, 상기 가스 사용량 예측 모형은, 상기 공정 데이터 중 총 중량, 최대 중량, 총 ingot 개수, 강종 종류의 수, 최대 중량의 강종 종류, 총 생산 제품의 수 및 가열 소요 시간을 이용하여 갱신되는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 방법
|
11 |
11
제10항에 있어서, 상기 수주 물량을 입력 받는 단계는, 상기 작업 계획 최적화 모듈에서 작업자로부터 수주를 받을 때마다 상기 수주 물량을 직접 입력 받거나 전사적자원관리(Enterprise Resource Planning, ERP) 시스템과 연동하여 상기 수주 물량을 획득하는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 방법
|
12 |
12
삭제
|
13 |
13
제10항에 있어서, 상기 작업 계획 최적화 모듈에서 상기 작업 계획을 수립하기 이전에, 입력 받은 상기 수주 물량 중 우선순위가 높은 일정량의 물량을 선택하는 단계를 더 포함하고, 상기 입력 받은 상기 수주 물량에 대해 작업 계획을 수립하는 단계는, 선택된 상기 우선순위가 높은 일정량의 물량에 대해 상기 작업 계획을 수립하는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 방법
|
14 |
14
삭제
|
15 |
15
제10항에 있어서, 상기 비용 예측 모형은 공정 데이터를 기반으로 기계 학습 알고리즘을 이용하여 학습되는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 방법
|
16 |
16
삭제
|
17 |
17
제10항에 있어서, 상기 비용 예측 모형 기반 시뮬레이션을 통해 후단 공정의 작업 계획을 수립하는 단계는, 가열로의 작업 계획에 따라 상기 가열로에 원소재를 투입하는 단계; 가열 공정의 소요 시간 예측 모형을 이용하여 가열이 완료되는 예상 시점을 찾는 단계; 다음 처리할 작업의 결정이 필요한 설비는 상기 가열이 완료되어 취출이 가능한 후보 작업 중 우선순위가 높은 작업을 선택하여 처리하는 단계; 설비별 공정의 상기 소요 시간 예측 모형 및 에너지 사용량 예측 모형을 통해 각 설비의 공정 처리의 예상 소요 시간 및 에너지 사용량을 예측하는 단계; 및 모든 제품이 완성될 때까지 반복하여 시뮬레이션하는 단계를 포함하는, 열간 자유단조 공정의 작업 계획 최적화 방법
|
18 |
18
제10항에 있어서, 상기 가열로에 장입할 원소재의 조합은, 유전 알고리즘(Genetic Algorithm)을 이용하여 작업 계획을 최적화하여 상기 가열로에 함께 장입할 원소재의 조합을 결정하는 것을 특징으로 하는, 열간 자유단조 공정의 작업 계획 최적화 방법
|
19 |
19
삭제
|