RTLS 기반 흐름 생산 제조 공정의 운영 진단 및 지연 이상 탐지

국문 초록 (Abstract)

본 연구는 제조실행시스템(Manufacturing Execution System, MES)과 실시간 위치 추적 시스템(Real-Time Location System, RTLS)이 통합된 실행 로그 데이터를 활용하여, 흐름 생산 공정의 실제 운영 패턴을 분석하고 이상 탐지 결과를 운영 개선으로 연결하는 통합 분석 절차를 제시하는 것을 목적으로 한다.
먼저 공정 흐름 분석 단계에서는 프로세스 마이닝 기법을 적용하여 실제 생산 현장에서 수행된 공정 흐름을 재구성하였다. 귀납적 프로세스 마이닝 기법(Inductive Miner)을 활용해 전체 실행 로그를 반영한 프로세스 모델을 도출하고, 이를 설계 단계에서 정의된 표준 공정과 비교하기 위해 정렬(alignment) 기반 정합성 평가를 수행하였다. 이후 로트(lot) 단위로 실행된 공정경로를 기준으로 로그를 여러 흐름 유형으로 분류하고, 각 흐름 유형의 발생 빈도와 모델 대비 적합성 지표를 분석함으로써 표준 공정 대비 정상 경로, 부분 이탈 경로, 심각 이탈 경로로 구분되는 운영 패턴을 도출하였다. 이러한 분석 결과를 바탕으로 정상 공정 흐름과 허용 가능한 시간 범위를 정의하였으며, 이는 이후 이상 탐지 모델 학습을 위한 기준으로 활용되었다.
운영 특성 분석 단계에서는 공정 단위 운영 지표를 활용하여 제품군을 구조화하고, 제품군별 공정 특성과 시간 구조의 차이를 분석하였다. 체류 시간 변동계수, 공정 단계별 시간 비중과 같은 지표를 통해 생산 성능을 구분하는 주요 요인을 도출하였으며, 라우팅 단위 운영 지표를 다기준 의사결정 기법인 TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)를 적용하여 평가함으로써 개선이 요구되는 제품을 선정하였다. 해당 분석 결과는 이상 탐지 단계에서 사용되는 입력 특성 구성에 반영되었다.
이상 탐지 단계에서는 정상 공정 패턴과 제품군별 운영 특성을 동시에 고려할 수 있도록 이중 디코더 구조의 오토인코더(Dual-Decoder Autoencoder)를 적용하였다. 이를 통해 공정 단위 체류 시간 이상을 나타내는 공정 이상 점수(Process Anomaly Score, PAS)를 산출하고, 리드타임 예측 오차를 기반으로 지연에 대한 조기 경고를 수행하였다.
마지막으로 운영 개선 단계에서는 이상 탐지 결과를 바탕으로 지연 발생에 취약한 공정을 식별하고, 공정별 작업자 조합에 따라 운영 성과가 상이하게 나타난다는 점에 주목하였다. 작업자 단위 운영 특성을 시간당 생산량(Unit Per Hour, UPH), 작업자 1인당 시간당 생산량(Unit Per Person Hour, UPPH), 시간당 생산량 변동계수(Coefficient of Variation of Unit Per Hour, CV UPH) 등의 지표를 활용하여 평가하였다. 로그 분석 결과, 일부 공정에서는 비효율적인 작업자 조합이 반복적으로 투입되고 있는 것으로 확인되었다. 이에 따라 운영 목적에 따라 납기 중심 또는 효율 중심의 작업자 조합과 라우팅 단위 작업 그룹 전략을 제안하였으며, 제안 전략의 효과는 몬테카를로 시뮬레이션(Monte Carlo Simulation)을 통해 정량적으로 검증하였다.
본 연구는 공정 흐름 분석, 운영 특성 구조화, 이상 탐지, 작업자 운영 의사결정으로 이어지는 일련의 분석 절차를 통합적으로 제시함으로써, 제조 현장에서 활용 가능한 데이터 기반 운영 최적화 방안을 제안한다.

다국어 초록 (Multilingual Abstract)

Flow-shop manufacturing systems are highly sensitive to local disturbances, as small variations in processing time or resource allocation can rapidly propagate downstream and lead to significant lead-time delays. While Manufacturing Execution Systems (MES) provide structured event logs, they often fail to capture actual movement, waiting, and routing deviations occurring on the shop floor. Recently, Real-Time Locating Systems (RTLS) have emerged as a promising data source for observing fine-grained operational behaviors; however, systematic analytical frameworks that integrate RTLS data with process mining and anomaly detection remain limited.
This study proposes an integrated diagnostic framework that combines process mining and a Dual-Decoder Autoencoder to analyze RTLS·MES integrated execution logs in a flow-shop manufacturing environment. First, process mining techniques are applied to identify variant-level deviations, conformity issues, and performance bottlenecks based on discovered process models. Next, a Dual-Decoder Autoencoder is designed to simultaneously reconstruct process-level sojourn times and predict routing-level lead times, enabling the detection of both local process anomalies and cumulative delay risks. A soft-freeze fine-tuning strategy is introduced to preserve stable reconstruction boundaries while enhancing lead-time prediction performance.
The proposed framework is validated using one year of real manufacturing data collected from a labor-intensive flow-shop line. Experimental results demonstrate that the proposed approach effectively identifies abnormal process behaviors, early-stage lead-time risks, and bottleneck-forming processes. Furthermore, the analytical outcomes are linked to worker-combination evaluation and simulation-based validation, providing actionable insights for operational decision support. The results highlight the practical value of integrating RTLS data, process mining, and deep learning for robust manufacturing diagnostics and data-driven process improvement.

목차 (Table of Contents)

• Ⅰ. 서론
• 1.1 연구 배경 및 필요성
• 1.2 연구 목적
• 1.3 연구 구성
• Ⅱ. 이론적 배경 및 관련 문헌 연구
• 2.1 흐름 생산 제조 공정 특성
• 2.2 RTLS 데이터를 활용한 제조 공정 분석
• 2.3 프로세스 마이닝 기반 흐름 분석
• 2.4 제조 공정 이상 탐지
• 2.5 선행 연구 및 차별점
• Ⅲ. 연구 방법
• 3.1 연구 프레임워크
• 3.2 데이터 설명 및 전처리
• 3.3 프로세스 흐름 발견 및 정합성 평가
• 3.4 공정 운영 특성 분석
• 3.5 이상 탐지 모델 구현 및 제안
• Ⅳ. 공정 흐름 및 지연 이상 통합 분석
• 4.1 공정 흐름 분석
• 4.2 공정 운영 특성 기반 제품군 구조화
• 4.3 이상 탐지 모델 적용 및 성능 분석
• 4.4 이상 탐지 기반 작업자 조합 운영 분석
• Ⅴ. 연구 결론
• 5.1 연구 요약
• 5.2 연구 한계점 및 향후 연구 방향
• 참고문헌
• Abstract