조선 생산 리드타임 예측을 위한 기계학습 방법론에 관한 연구

Abstract

In recent years, big data technology, which is one of the biggest issues in IT field, has been applied in various fields as data has increased exponentially compared to the past, however, in the shipbuilding and offshore industries, the use of big data related technology is relatively rare compared to other manufacturing industries such as automobile and electronics industries. But, shipbuilding and offshore industry is one-piece manufacturing industry, and statistics-based analysis such as the Big Data methodology can be very effective because vast amounts of data are generated throughout the entire life cycle and are highly variable in the manufacturing environment. As a result, the big data-based machine learning research is progressing slowly in the shipbuilding industry. However, this is limited to the design field that manages the fixed variables and it is difficult to apply it in terms of production management such as lead time which is the basis of construction activity. In particular, the standard data such as production lead time is highly variable due to various process variables so, it is necessary to study changing from causation viewpoint to correlation to solve it.

Therefore, in this paper, I has constructed a prediction model applying machine learning and deep learning algorithm to improve the standard data for the time factor of production lead time. In order to predict the variable lead time considering the various properties of the product in comparison with the standard lead time, I collect data from several shipyards and apply various machine learning and deep learning algorithms to predict the production lead time according to the process. Respectively. To analyze the data, open source such as R and Python language was used and a lead time prediction model based on the algorithm was created. Various evaluation indices were used to evaluate the prediction model generated by the analysis algorithm. In addition, I compared the results of machine learning and deep learning algorithms with those of previous studies, and the decision support for the establishment of standard information according to various process variables is made possible.

| 최근 IT 분야에서 가장 큰 화두인 빅데이터 기술은 과거에 비해 데이터가 기하급수적으로 증가함에 따라 다양한 분야에서 적용되고 있지만 자동차, 전자 업종 등의 다른 제조업에 비해 조선 및 해양산업에서는 빅데이터 관련 기술의 활용사례가 상대적으로 드문 실정이다. 하지만 조선 및 해양산업은 일품 제조 산업으로 영업, 설계, 건조, 유지 보수 등 전체 수명 주기에서 방대한 데이터가 생성되고, 제조 환경에 따라 변동성이 크기 때문에 빅데이터 방법론과 같은 통계 기반 분석이 큰 효과를 발휘할 수 있다. 이로 인해 빅데이터 기반의 기계학습 연구는 조선업에서도 서서히 진행되고 있으나 이는 고정변수를 관리하는 설계 분야에 한정되어 있으며 건조 활동의 근간이 되는 기준 정보, 즉 원단위나 시수, 리드타임 등의 생산관리 관점에서는 적용에 어려움을 겪고 있다. 특히 생산 리드타임이라는 기준정보는 다양한 공정변수로 인한 변동성이 크기 때문에 이를 해결하기 위해서 현실적으로 한계가 있는 영역에 대해 Causation에서 Correlation 관점에 따른 연구가 필요하다고 본다.

따라서 본 논문에서는 생산 리드타임이라는 시간요소에 대한 기준정보 체계 개선을 위해 기계학습 및 딥러닝 알고리즘을 적용한 예측모델을 구축하였다. 기존에 관리되는 조선소의 표준 리드타임에 대비하여 제품의 다양한 속성을 고려한 변동 리드타임을 예측하기 위해 여러 조선소의 데이터를 수집하였고 공정에 따른 생산 리드타임을 예측하기 위한 다양한 기계학습 및 딥러닝 알고리즘을 적용하였다. 데이터를 분석하기 위해서 R과 Python 언어 등의 오픈소스를 활용하였으며 알고리즘에 따른 리드타임 예측모델을 생성하였다. 분석 알고리즘에 따라 생성된 예측모델의 평가를 위해 여러 가지 평가지표를 활용하였다. 또한, 기존연구 결과에 비해 기계학습과 딥러닝 알고리즘에 따른 유의미한 결과를 비교하여 조선소에서의 활용성을 검토해보고 다양한 공정변수에 따른 기준정보 수립에 대한 의사결정 지원을 가능하도록 하였다.