PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안

 1  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-1
 2  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-2
 3  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-3
 4  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-4
 5  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-5
 6  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-6
 7  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-7
 8  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-8
 9  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-9
 10  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-10
 11  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-11
 12  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-12
 13  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-13
 14  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-14
 15  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-15
 16  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-16
 17  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-17
 18  PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안-18
※ 미리보기 이미지는 최대 20페이지까지만 지원합니다.
  • 분야
  • 등록일
  • 페이지/형식
  • 구매가격
  • 적립금
자료 다운로드  네이버 로그인
소개글
PULL 흐름라인의 산출량 변동성을 최소화하는 작업자 배정안에 대한 자료입니다.
목차
1. 서론

2. Pull 흐름라인의 개요

3. ALM기법을 이용한 수치해석 모형

4. 변동성전파원리 : 정의․성립요건․의의

5. 제안하는 작업자 배정안(규칙) : (RULE 1)

6. 작업자 배정에 대한 사례분석

6.1. 배정규칙

7. 결론

본문내용
1. 서론

본 연구에서 고려되는 생산시스템은 한 종류의 제품만 생산하는 단일경로․다단계(single line․multiple stage)로 구성되는 확률적(stochastic) pull 흐름라인이다. Pull 생산시스템은 빠른 생산교체(changeovers)와 적은 롯트를 위해서 다기능 작업자(multi-function worker)를 요구한다. 이를 위해 작업자는 다양한 분야에 걸쳐 교육을 받는다. 전체 pull 생산시스템은 작업자에 의해 밀접하게 조정되어야 한다. 즉, 모든 작업자가 여러 가지 작업을 소화할 수 있을 것을 요구한다.(정 충영(2000), 262) 따라서, pull 생산시스템에 투입되는 작업자들은 경험이나 경력 등의 개인적 특성에 따라 각 작업에 대해서 서로 다른 작업률을 나타낼 수 있고, 각 작업자는 여러 작업들 중에서 특정 작업에 대해서 상대적으로 높은 작업률을 보유할 수도 있을 것이다. 이러한 이유로 각 작업자가 각각의 작업(장)에 대해서 서로 다른 작업률을 가질 수 있으므로, 각 작업(장)에 어떤 작업자를 배정하느냐에 따라 그 작업(장)에서 수행되는 작업들의 효율과 성과가 달라진다.
이러한 배정문제에 작업시간과 수요발생 간격시간의 확률적 성격이 포함되면, 그 해법이 실제로 용이하지 않다. 이런 경우에, 선행연구에서는 어떤 구조적 특성을 도출하여 문제를 해결하는 접근법을 시도하였다. 일반적으로, 구조적 특성은 pull 흐름라인에 존재하는 불확실성을 분석하는 어떤 문제에 대한 해법의 이론적 토대로 제시된다. Pull 흐름라인의 불확실성은 성과변수들의 변동성․작업물출발 간격시간의 변동성․회수주문도착 간격시간의 변동성 등으로 구분될 수 있고, 작업시간과 수요발생 간격시간의 확률적 성격은 이러한 불확실성을 유발시키는 주요 원인이다. 이러한 3 가지 유형의 불확실성은 작업물출발 간격시간의 변동성 하나로 충분히 대변할 수 있다. 결국 작업물출발 간격시간의 변동성을 이용하면, 어떤 근본적인 구조적 특성을 도출할 수 있다고 예측할 수 있다.

오늘 본 자료
더보기
  • 오늘 본 자료가 없습니다.
해당 정보 및 게시물의 저작권과 기타 법적 책임은 자료 등록자에게 있습니다. 위 정보 및 게시물 내용의 불법적 이용,무단 전재·배포는 금지되어 있습니다. 저작권침해, 명예훼손 등 분쟁요소 발견 시 고객센터에 신고해 주시기 바랍니다.