A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory

현대적인 공장의 북적이는 중심부에서, 생산의 리듬은 종종 보이지 않는 손인 일정에 의해 결정됩니다. 이 일정은 어떤 기계가 어떤 부품을 언제 작업할지를 결정하는 계획으로, 제품을 최대한 빠르고 저렴하게 완성하는 것을 목표로 합니다. 수십 년 동안 이러한 계획들은 몇 가지 가설에 의존해 왔습니다. 즉, 모든 작업이 공장을 통과하며 엄격하고 변경 불가능한 경로를 따른다는 것과, 작업을 완료하는 데 걸리는 시간이 사전에 알려진 고정된 숫자라는 가정입니다. 하지만 현실 세계는 좀처럼 그렇게 질서 정연하지 않습니다. 기계는 고장 나고, 작업자는 휴식을 취하며, 생산 속도는 시간대나 요일에 따라 변화합니다. 일정이 이러한 변동을 무시할 때, 병목 현상과 시간 낭비, 그리고 납기 지연이 발생합니다. 엔지니어들의 과제는 이러한 변화를 발생하는 즉시 포착하고 계획을 즉각적으로 조정하여, 경직된 청사진을 유연하고 살아있는 전략으로 바꾸는 시스템을 만드는 것입니다.

이를 해결하기 위해 홍콩 대학교의 연구진은 중국 화이지에 위치한 한 실제 공장을 주목했습니다. 이곳의 자동차 엔진 밸브 제조 기업은 이미 무선 주파수 식별, 즉 RFID 태그 네트워크를 설치한 상태였습니다. 조립 라인을 통과하는 부품에 부착된 이 작은 전자 칩들은 디지털 여권처럼 작동하여, 제품이 거치는 모든 단계와 누가 이를 다루었는지, 그리고 정확히 언제 작업을 마쳤는지를 자동으로 기록합니다. 연구진은 이 활동에 대한 41만 3천 개 이상의 기록을 수집함으로써, 공장이 이론적으로 어떻게 작동해야 하는지가 아니라 실제로 어떻게 운영되는지에 대한 보기 드문 고해상도의 시각을 확보했습니다. 그들은 이 방대한 데이터 스트림을 사용하여 전통적인 계획 방식이 놓치는 두 가지 결정적인 진실을 밝혀냈습니다. 첫째, 작업자들이 특정 단계를 수행하는 순서는 고정되어 있지 않다는 점을 발견했습니다. 특정 엔진 밸브에 대해 연구팀은 작업자들이 밀링과 드릴링 같은 작업 순서를 품질에 영향을 주지 않으면서도 자주 바꾸어 수행한다는 사실을 찾아냈습니다. 둘째, 작업 완료에 걸리는 시간은 단일 숫자가 아니라 시간대, 주말 여부, 사용 중인 특정 기계와 같은 요인에 따라 변하는 변수라는 점을 깨달았습니다.

이러한 통찰력을 바탕으로 연구진은 정적인 규칙에 의존하는 대신 데이터로부터 학습하는 새로운 종류의 스케줄링 시스템을 구축했습니다. 그들은 발견한 패턴들, 즉 유연한 순서와 가변적인 속도를 심층 강화 학습 기반의 컴퓨터 프로그램에 입력했습니다. 이는 복잡한 비디오 게임을 숙달하는 플레이어처럼 시행착오를 통해 배우는 인공지능의 한 종류입니다. 이 경우, "게임"은 공장 바닥입니다. AI 에이전트는 화이지 공장의 가상 시뮬레이션 안에 배치되었으며, 기계와 작업의 실시간 상태를 부여받았습니다. 이 에이전트는 특정 작업을 특정 기계에 할당하거나 더 나은 기회를 기다리는 등의 결정을 내릴 수 있었습니다. 결정을 내릴 때마다, 에이전트는 그 선택이 모든 작업을 최단 시간에 완료하는 데 얼마나 도움이 되었는지에 따라 피드백을 받았습니다. 수천 번의 시뮬레이션 실험을 거치며, 시스템은 실제 공장의 혼란을 헤쳐 나가기 위한 정교한 전략을 학습했으며, 관찰된 변화하는 조건에 맞춰 자신의 결정을 적응시켰습니다.

이 접근 방식의 결과는 작업이 도착한 순서대로 처리되는 "선입선출"과 같은 단순한 규칙부터 더 발전된 컴퓨터 알고로리즘에 이르기까지, 현재 업계에서 사용되는 방법들과 비교 테스트되었습니다. 시뮬레이션에서 RFID 데이터와 학습 모델의 안내를 받은 이 새로운 시스템은 다른 방식들을 지속적으로 능가했습니다. 이 시스템은 20개의 작업 묶음을 476분 만에 완료하여, 485분이 걸린 차순위 방식보다 앞섰습니다. 차이가 작아 보일 수 있지만, 고용량 제조의 세계에서 배치당 단 몇 분을 절약하는 것은 효율성 증대와 비용 절감이라는 상당한 이득으로 이어집니다. 이 연구는 스케줄링 시스템이 이상적인 가정에 의존하는 대신 데이터를 통해 공장 바닥의 실제적이고 무질서한 현실을 보게 함으로써, 더 똑똑하고 빠른 생산 계획을 만드는 것이 가능하다는 것을 입증했습니다. 이 작업은 스마트 제조의 미래가 단순히 기계를 자동화하는 것뿐만 아니라, 의사결정 과정 자체를 자동화하여 공장이 생산의 자연스러운 밀물과 썰물에 맞서 싸우는 것이 아니라 그 흐름에 몸을 맡길 수 있도록 하는 데 있음을 시사합니다.