Estimation of reliable man-hours requirements for assemblies in manufacturing is an essential component for scheduling. We attempt to estimate the man-hours requirements for shipbuilding assemblies using artificial neural networks(ANN). Key factors considered are ship type, block type, block's physical characteristics, and assembly shop type.
First, we have validated the effectiveness of ANN approach in contrast to traditional unit estimation method (which is virtually a simple regression model through origin) and multiple regression. The ANN was superior.
Second, we have explored to build the best ANN model. For this purpose, we have adopted a stepwise regression model to filter out the input variables with a some contribution. According to our experiment, the filtered model outperforms the full model. The other effort we attempted is to find the best number of hidden nodes and epochs via simulation.
Third, the estimation for new kinds of ships are attempted. To reflect the proximity of the new ship types to existing ones, four measures are proposed and accommodated in the backpropagation algorithm. Among them the measure by maximum likelihood estimator performs best although the performance still needs enhancement.
The system DAS-MH is developed to implement the above idea as a part of scheduling expert system DAS that is developed for Daewoo Shipbuilding & Heavy Machinery Ltd(DSHM).
제조업에서의 조립물에 대한 신뢰성있는 작업소요공수(作業所要工數)의 추정은 스케줄링을 하는데 있어서의 필수 불가결한 요소이다. 따라서 본 연구에서는 신경회로망을 이용한 작업소요공수 추정에 관한 연구를 수행하였다. 배의 종류, 블럭(Block, 조립물)의 형태, 블럭의 물리적 특성, 그리고 작업할 공장과 같은 주요한 입력 요소(Factor)들이 함께 고려되었다.
본 연구에서 수행한 사항은 다음과 같이 3가지로 요약될 수 있다.
첫 번째로는 기존의 작업공수 추정방법인 원단위 추정법을 과연 신뢰성 있고, 우수하게 신경회로망으로 대체할 수 있는가에 대한 타당성 검토를 하였고, 그 결과 신경회로망이 기존의 원단위 추정법이나 다중회귀분석방법보다 좋은 결과를 예측할 수 있음이 입증되었다.
두 번째로는 신경회로망 모델을 어떻게 가장 좋게 구성할 수 있는 가였다. 이 목적을 위해, 본 연구에서는 입력변수를 걸러내기 위해 단계별 회귀방법(Stepwise Regression Method)을 도입하였고, 그 결과 전체모델에 대한 것보다 결과가 좋았다. 아울러, 최적의 은닉노드(Hidden Nodes)수와 학습 횟수(Training Cycles)를 찾기 위한 노력으로, 두 조건을 격자모양으로 분할하여 여러 가지 조건에서 실험을 수행하여 그 결과를 분석하였다.
세 번째로는 신규 선종이나 신규 작업물에 대한 예측을 위해 가중적인 오차측정을 신경회로망에 도입하였고, 그 결과 가중치를 최우추정법(Maximum Likelihood Method)으로 추정한 경우가 가장 좋은 결과로 나왔다.
끝으로, 이 시스템은 대우조선생산관리를 위한 전문가 시스템 프로젝트(DAS Project)의 일환으로 개발되어 적용되고 있다.I398
