MAI LAB.

1. QFD(Quality Function Deployment)와 인공지능기법을 이용한 사출금형의 견적지원시스템 2003. 05. 09 MAI LAB Kim KunHee MAILAB.

2. 목차 • Introduction • Literature Review • System Modeling • Example • Conclusion MAI LAB 2003

3. INTRODUCTION Mold Industries 특징 ETO (Engineering To Order) 산업 : 견적가 책정의 중요성 제약조건 초기 단계에 견적을 내야 함 : 신속함과 정확성이 필요 견적과정 (1) 제품정보에 맞게 기초 설계, (2) 재료와 부품들의 비용 산정, (3) 금형제작과정 설계, (4) 인력과 기계 필요시간 계산, (5) 외부요소의 비용 산출 현황 금형 전문가의 개별적인 지식과 과거 기록에 의존 문제점 주관적, 체계적이지 못함, 금형전문가의 부족현상 MAI LAB 2003

4. INTRODUCTION Mold Cost Estimation • Plastic data book • Standard mold element catalog • M/C specifications • M/C condition data book • Company constraints • Sub-contractor constraints • Past experiences & records Customer Requirement, Offer & Information Injection Mold Cost Estimation Process Cost • - prototype • photograph • technical drawing • specification Product design, Mold Design, Mold-making, Production, Marketing & Sales Purchasing, Engineering MAI LAB 2003

5. LITERATURE REVIEW Cost Estimation Review Generative (창성형) Variant (변성형) • 제품의 원가를 추정할 때, 원가에 영향을 요인을 분석하여 요인에 의하여 원가를 산출해내는 방법 • 일반적으로 원가는 필요로 하는 공정에 따라 좌우된다는 사실에 근거하여 공정을 분석하여 원가를 산출한다. • 상세한 자료 필요, 많은 시간 소요 • 유사제품이 없는 새로운 제품에 주로 적용 • 제품의 원가를 추정할 때, 과거의 자료를 사용하여 비슷한 제품을 추출하고 그 제품에 추정된 원가를 그대로 적용하거나 변경하여 적용하는 방법 • 과거에 생산된 제품의 실적자료가 유사한 제품의 원가 계산을 위한 기준 자료로 쓰임 • 신속한 추정 MAI LAB 2003

6. LITERATURE REVIEW Mold Cost Estimation Review K. Chin and T.N. Wong, "An Expert System for Injection Mold Cost Estimation," Advanced in Polymer Technology, Vol.14, No.4, 303-314, 1995. • 사출금형의 원가추정을 위한 전문가시스템 개발 • 원가추정을 위한 제품의 정보가 입력되면, 이 정보들을 특정한 규칙에 의하여 비용을 결정할 요소값으로 변환하고 원가를 산출. S.B. Park, "An Expert System of Estimate for the Dies and Moulds," '99 한국 CAD/CAM 학회 학술발표회 논문집, pp.217-222, 1999. • 금형견적산출 전문가시스템 개발 • 금형도면과 가공에 필요한 NC 데이터 파일을 이용하여 주문된 금형에 대한 견적이 자동으로 산출 MAI LAB 2003

7. 고객주문정보 (고객 주문서) 연관성 scoring (HOQ) 요소값 결정 (가중평균) 금형사양서 작성 금형제작정보 (금형 사양서) 금형제작비용 추정 (NN or CBR) 제작비용 조정 금형제작비용 추정 금형제작비용 최종 견적가 외부 조건 견적가 결정 SYSTEM MODELING Procedure MAI LAB 2003

8. 금형제작정보 3 Relationship Y1 Y2 Y3 Y4 Y5 Y6 1 2 3 4 5 3 X1 4 5 5 4 2 Weak Strong X2 2 1 5 고객의 주문정보 X3 X4 2 2 4 3 4 4 X5 3 3 4 5 2 2 A B C D E 중요도 X1 4 5 5 2 3 2 X2 2 1 2 5 4 5 X3 1 2 2 3 4 5 4 3 3 2 3 3 X4 38 합계 36 29 36 35 SYSTEM MODELING 금형사양서 작성 • 고객의 주문정보를 바탕으로 금형제작정보를 추출하여 금형사양서를 작성한다. 고객의 주문정보를 X값으로 사용하고 금형제작정보를 Y값으로 사용하여 HOQ(House Of Quality)를 작성한다. HOQ 작성 작성된 HOQ를 바탕으로 하여 각 Y에 가능한 대안들을 추출 대안 추출 가중평균을 사용하여 대안들 중에 가장 합리적인 것을 선택 대안 선택 X : 고객의 주문정보 Y : 금형제작 정보 A,B,C… : 대안들 예) 크기, 수지명, 표면상태… 예) 금형타입, 금형재료… 예) 2단형, 3단형… MAI LAB 2003

9. SYSTEM MODELING 금형제작비용 추정 • 금형제작정보를 입력변수로 하여 인공신경망과 사례기반 추론을 사용하여 원가를 추정한다. < 인공신경망 (Artificial Neural Network) > ※ 1-of-C cording 범주형 변수를 처리하는 방법 범주의 개수만큼의 입력변수로 확장 예) 무지개의 색 -> 7개의 변수사용 주황 : 0 n 0 0 0 0 0 보라 : 0 0 0 0 0 0 n 데이터 수집 금형사양서와 견적가 수집 데이터 분석 및 변환 1-of –C Cording, 정규화 ※ Bagging 주어진 데이터를 bootstrap하여 여러 개의 학습 데이터를 만들고 각 신경망을 서로 다른 학습 데이터로 학습한 후, 이들의 결과를 결합하는 방법 [Breiman, 1994] 레이어 수와 히든 노드 수 결정 앙상블기법 중에 bagging 사용 모델 구축 성능 평가 가장 좋은 모델 선정 MAI LAB 2003

10. SYSTEM MODELING 금형제작비용 추정 • 금형제작정보를 입력변수로 하여 인공신경망과 사례기반 추론을 사용하여 원가를 추정한다. < 인공신경망 (Artificial Neural Network) > ※ Bagging 주어진 데이터를 bootstrap하여 여러 개의 학습 데이터를 만들고 각 신경망을 서로 다른 학습 데이터로 학습한 후, 이들의 결과를 결합하는 방법 [Breiman, 1994] 데이터 Set1 1 복원추출 데이터 Set2 데이터 = 2 i . . . . . . . . . 데이터 SetN n MAI LAB 2003

11. SYSTEM MODELING 금형제작비용 추정 • 금형제작정보를 입력변수로 하여 인공신경망과 사례기반 추론을 사용하여 원가를 추정한다. < 사례기반추론 (Case-Based Reasoning) > • ※ Nearest Neighbor • 입력 변수로 사용되는 모든 변수에 대하여 거리를 계산하여 가장 가까운 사례를 찾는 방법 • 일치하는 항목의 개수 • 범주형 변수를 사용할 경우 주로 사용 • 2) 거리계산 • 연속형 변수에 사용 Nearest Neighbor 사례 선택 해의 수정 인공신경망 사용 ※ 해의 수정 (인공신경망) 사례기반추론의 약점을 보완하기 위하여, 가장 가까운 사례와의 거리를 계산하여 거리에 따른 값을 보정해주는 역할 1) 사례 선택 2) 해의 수정 MAI LAB 2003

12. SYSTEM MODELING 금형제작비용 조정 및 최종견적가 결정 • 앞에서 얻어진 금형제작비용을 조정하고 이를 바탕으로 최종견적가를 결정한다. ※ 독립적 요소 다른 요소들과 무관하게 금형원가에 독립적으로 영향을 미치는 요소들을 추가로 고려하여 비용을 산출 예) 제작구분 : 신작, 시작, 재제작 등 CAD data : 유/무, 2D, 3D 독립적인 요소 금형제작비용 조정 최종견적가 결정 외부 요소 ※ 외부 요소 금형제작비용 이외의 외부 환경에 따른 가격의 변동을 고려 예) 주문납기일, 공장의 오더상태, 고객에 따른 가격정책 MAI LAB 2003

13. EXAMPLE 고객주문서 • 고객의 요구사항을 바탕으로 하여 고객주문서를 작성한다. 고객주문서는 필수항목, 선택항목, 기타요구사항으로 나누어져 있다. MAI LAB 2003

14. EXAMPLE 고객주문서 MAI LAB 2003

15. EXAMPLE 4 5 HOQ 5 3 3 4 Relationship 5 1 2 3 4 5 금형제작정보 Weak Strong 금형타입 금형냉각 금형재료 표면처리 게이트 언더컷 이젝터 열처리 러너 고객의 주문정보 크기 2 3 3 3 3 1 2 평균두께 4 5 5 3 3 5 4 4 3 모양 성형품 조건 형상난이도 4 5 5 1 수지명 2 5 4 4 3 4 4 2 2 생산량 4 4 3 4 4 2 4 3 3 3 3 5 표면상태 제품취출방식 5 4 3 성형기 조건 5 3 4 러너취출방식 금형조건 캐비티 수 2 5 2 3 1 4 3 2 4 2 2 2 2 정밀도 1 4 3 1 3 2 2 2 3 외관 기타 요구 사항 1 3 2 2 3 2 4 1 2 변형정도 4 4 3 3 1 4 2 1 2 금형가격 5 4 3 3 5 3 5 4 1 성형속도 MAI LAB 2003

16. EXAMPLE 금형사양서 • 앞의 HOQ를 사용하여 선택될 수 있는 대안들을 줄이고 줄어든 대안은 고객의 요구사항에 맞추어 선택하게 된다. MAI LAB 2003

17. EXAMPLE 인공신경망 • 금형사양서가 작성되면 그 값들을 인공신경망의 입력변수로 사용하여 비용을 추정한다. 변수 값 • ※ 1-of-C cording • 먼저 복합적인 변수는 각 성격에 따라 분리한다. 러너시스템의 경우 러너, 노즐, 형상으로 분리된다. • 분리된 변수가 범주형이므로 가능한 대안의 수로 변수를 확장한다. • 선택된 변수의 값을 n으로 선택되지 않은 변수의 값을 0으로 하고 가장 합리적인 n값을 찾는다. 러너 콜드 러너, 롱 노즐, 원형 러너 콜드 러너 노즐 롱 노즐 형상 원형 형상 핫 러너 0 콜드 러너 n 숏 노즐 0 롱 노즐 n 원형 n U형 0 반원형 0 사다리형 0 MAI LAB 2003

18. EXAMPLE 사례기반추론 • 금형사양서가 작성되면 그 값들을 사례기반추론 모델의 입력변수로 사용하여 비용을 추정한다. < 사례 선택 > 일치하는 항목 수 가까운 거리 MAI LAB 2003

19. EXAMPLE 사례기반추론 < 해의 수정 > 기존 데이터의 차이를 새로운 학습데이터로 사용하여 인공신경망을 구축하고 비용을 추정 MAI LAB 2003

20. EXAMPLE 최종견적가 결정 • 앞에서 구한 제작비용을 조정하고, 외부요소를 고려하여 최종견적가를 산출한다. MAI LAB 2003

21. EXAMPLE 결론 • 사출금형의 견적을 체계적으로 낼 수 있는 견적지원시스템 제시 • 창성형 방법이 아닌 변성형 방법을 제시함으로써 보다 빠르고 정확한 견적 가능 • QFD를 사용함으로써 고객 요구사항을 체계적으로 반영 • 앙상블 기법을 사용하여 보다 정확한 추정가능 • 요소의 변화가 가격에 어떠한 영향을 미칠 수 있는지 민감도 분석을 가능케 함 • 표준원가를 정착시킬 수 있음 • 비숙련공이 숙련공만큼의 역할을 할 수 있음 MAI LAB 2003

22. EXAMPLE 추후 연구방향 • 데이터 수집 • 설계비, 재료비, 가공비 등으로 모델을 구체화 • SVM(Support Vector Machine) 등의 최신 인공지능기법 도입 • QFD를 사용하여 체계적인 금형사양서 작성 모델 보완 필요 MAI LAB 2003