중소기업을 위한 RMS의 적합성 평가방법

1. 연구 개요

세계적으로 4차 산업혁명(Industry 4.0)의 추진 기조아래 스마트공장을 지향하는 대기업들의 제조 부문별 재구성가능제조시스템(RMS) 구축에 대한 선진솔루션의 접목과 기술혁신 사례가 일부 있으나, 국내경우 연구개발의 초기상태로 일부 시스템의 단기적 시현 자체만을 우선시하거나 실용성 및 타당성에 대한 사전검증이 미흡한 상황이다.

특히 중소제조업 경우 기술접목을 위한 현장 맞춤형의 실용적 가이드나 러닝포인트를 접하기도 쉽지 않다. 설계변경 및 생산계획 변동에 대한 신속한 대응과 비용저감을 위한 최적의 RMS 설계에 제품수명주기상의 적합성평가와 그 평가체계 구축이 필수적이다. 특히 제조혁신과 검증 여력이 부족한 국내 중소 기업들이 공정 및 라인과 생산시스템을 재설계 및 재구성하는 경우, 초기 설계단계부터 제조자원 재구성의 적합성 여부 판단과 최적 의사결정을 할 수 있도록 맞춤형 방법론 및 기본 툴의 개발과 지원이 시급하다.

이 논문은 RMS의 적합성 평가를 위한 모델링과 프레임, 상세 포맷과 관련요소를 개발하고 적용사례를 통해 실질적 가이드를 제시하여 중소제조업 기술력 및 수익성 개선에 실용적 도움을 주고 실질적인 국가 제조경쟁력 향상에 기여하고자 한다.

2. 연구동향

3. 제안 모델

RMS 적합성평가를 위한 선택적 방법론으로 관련요소 및 방법들과 KPI 풀을 형성하는 과정과 구조를 Fig. 1의 6개 주요단계로 제시한다.

Fig. 1

Main steps for RMS evaluation

1단계에서는 재구성을 위한 전략적 목적과 요소들, 목적 달성을 위한 자원의 상태를 식별하고 조합한다.

2단계에서는 계층화 분석(AHP)과 데이터구조화 매트릭스(DSM) 방법으로 영향요소와 자원의 가용상태를 체크한다.

3단계에서는 평가의 핵심영향 요소와 평가방법이 선택 구성되고 여과된 KPI 풀과 통합 구조로 모형화 한다.

4단계는 실용적 평가에서 가장 중요한 단계로 재구성 전후 성능 데이터의 존재나 획득이 전제 되거나 가용해야 하며, 신뢰성 있는 데이터 획득을 위해 기존 혹은 예측 및 추정 가능환경에서 데이터를 측정하고 채집한다.

5단계는 관련 컴포넌트의 재구성 적합성과 핵심요소나 자원을 가시화하기 위한 단계로 수준별 생산운영시스템과의 연계나 독립 시스템으로 구성한다. 이런 시스템은 다양한 자원명세형태(BOR)를 기반으로 플러그 인 즉시 생산시스템 구성을 위한 관리수준별 오브젝트 제어기능으로 설계한다.

6단계에서 비교평가 알고리즘은 기계지능이나 전문가 지식기반의 맞춤형 의사결정 메커니즘을 포함하며 그 기본은 맞춤형 가중치 요소와 기준 혹은 선호요소와 비용요소에 의한 비교행위이다. 상황과 시간기반의 시뮬레이션 방법의 추가 선택이 가능하며, 예산과 비용 대 효과 측면에서 시뮬레이션의 규모가 결정된다.

3.1 재구성 요소 식별

제조시스템의 재구성 목적과 전략은 주로 저 비용, 고품질, 생산능력 변동에 대한 신속한 대응 능력과 시간요소들로 구성된다. RMS 모델링을 위한 영향요소와 지표들은 Fig. 2와 같이 도출되며 재구성 특성, 적합성, 적절성, 유연성, 다양성, 제품수율, 생산능력, 기민성, 지속가능성, 디자인, 합리성, 입증 및 검증, 사이클 시간 및 이송비용, 구조 및 경제적 KPI, 자원의 량, 재구성 머신 및 컴포넌트의 개수, 재구성 시간 및 비용, 의사결정 지표 등으로 요약된다.

Fig. 2

Factor and indicators for reconfigurability evaluation

3.2 재구성 Mapping

RMS 설계요소의 Mapping은 DSM과 AHP를 활용한다. 제품 및 공정 재구성 설계의 목적성과 대안에 따라 Fig. 3과 같이 재구성 자원 객체들간의 관계를 제품 및 공정의 설계변수와 요구기능 및 공정변수 등의 Matrix로 분석하고 재구성 이벤트와 자원구성을 시간구간과 시점 별 형태로 구성한다.

Fig. 3

DSM architecture for reconfiguration

복합적 DSM 형태는 다중 데이터의 구조로 구성된다. Fig. 4와 같이 AHP 방식으로 구성 요소의 전략적 선택이 가능하며, 생산 방식 별 적합성 평가를 위해 KPI와 맞춤형 전략에 맞게 AHP 요소들을 조합하여 시나리오와 대안들을 산출하고 구조화할 수 있다.

Fig. 4

Design elements and routing in AHP modeling

3.3 모델링과 방법

종래의 AHP 방식에서 고려되지 않거나 비중이 적었던 경제적 KPI 영향요소로 품질실패, 교체, 기술습득, 재고 등의 비용과 투자회수율과 이익을 강조한다. 특히 재구성평가의 실무적 맞춤적용 가능성을 최대화 하기 위해 기존 지원시스템과의 갭을 최소화하고 기존체계와의 연계를 필요로 하거나 새롭게 구현해야 할 환경평가요소로, BOR, 평가운영 소프트웨어와 툴, 데이터 측정 및 수집 툴, 활동기반원가(Activity Based Cost, ABC) 체계나 비용 원단위, 운영인력 수준 등을 전략적 필수 고려요소로 새롭게 제시한다.

KPI 평가 모델링과 프로세스는 Fig. 5에서와 같이 목표와 계획에 따른 KPI 스키마 구축과 측정치 정의, 측정 및 계산과 기준설정, 측정 결과의 타당성검증, 제품수명주기상의 반복적 재구성 관리의 5단계로 구성되며 KPI 및 비용과 평가확정 UI 형태로 구성된다. KPI 스키마와 산식, KPI Pool은 DB와 파일형태로 구성된다. 맞춤형 KPI와 의사결정 기준은 Fig. 6과 같이 KPI Pool로부터 도출되며 제시된 KPI 항목의 선택, 결합, 확장, 통합, 추가를 통해 맞춤형 기준으로 수렴된다.

Fig. 5

Evaluation scheme for KPI modeling and processing

Fig. 6

Decision norm extracted from KPI pool

3.4 가시화와 KPI 평가

재구성 평가를 위한 재구성 이벤트의 가시화는 Fig. 3의 재구성 대안 별 연관구조 매핑(Mapping)을 통해 Fig. 7과 같이 특정 이벤트를 구성하는 부품 및 조립 모듈의 계통과 트리 형태의 하부 구성객체로 구성 되며, 재구성 이벤트 관련 각 객체정보는 부품 및 모듈 조립과 관련된 통합 BOR과 공정 DB, 혹은 원가 DB로 부터 인터페이스 화면에 표시된다.

Fig. 7

Reconfiguration event information

RMS 플랫폼의 화면 인터페이스는 생산모델 및 부품변동, 공정 및 라인변동에 대응하는 재구성 객체의 신속 정확한 구성과 준비를 위해 그래픽 기반의 Drag & Drop 기능으로 부품 및 모듈 라이브러리와 저장소에서 객체정보를 생성 및 조회하고 대안비교가 가능하도록 Fig. 8과 같이 모듈구성 가시화 인터페이스를 포함하고 있다. 가시화 모듈 구성(Configuration) 기능은 재구성 준비를 위해 화면에서 각 공정의 모듈 및 부품 등록 정보로부터 재구성 이벤트정보를 재구성한다.

Fig. 8

Module composition by drag & drop

최상위 객체정보는 Fig. 7에 제시된 것처럼 이벤트 발생시점에 따라 구성되는 재구성 이벤트정보의 묶음이며 객체 식별을 위한 객체 ID, 재구성 ID, 재구성타입, 모듈 및 부품 정보, 재구성 목적 및 내용, 부품 수, 부품 원가 등을 포함한다. 재구성 이벤트 정보의 검증 및 준비상태 확인과 공정과 라인 재구성 실행을 통해 재구성 이벤트가 완료된다.

재구성 이벤트와 구성방법 및 가시화 툴은 기업상황에 대한 맞춤전략과 가용예산 범위에 따라 다양하게 설계될 수 있다. 설계에서 중요한 것은 재구성관련 그래픽 정보와 데이터의 수집이며, 개발 및 제조 자원의 명세뿐만 아니라 제조장비나 정비자원 명세등과의 연계를 통해 효율성을 증가시킬 수 있다. UI 화면에서 평가 대안구성을 의한 자동 끌어놓기 기능으로 특정 이벤트관련 요소들을 가용예산 범위 내에서 시뮬레이션 한다.

실용적 적합성평가를 위해 제시된 경제적 KPI인 RMS 재구성 비용 산출구조는 Fig. 9에서와 같이 재구성 이벤트와 모듈구성 정보 DB에서 정지기간, 노무, 재료, 머신 비용 등의 도출로 시작되는 구조이며 정지시간의 영향에 의한 직간접 비용으로 구분 산출 및 배분되는 구조이다.

Fig. 9

Cost calculation structure for reconfiguration

경제적 KPI는 재구성 이벤트에 의해 야기되는 직간접비용의 전체 혹은 부분비용을 포함한다. 재구성 기간의 직간접비용 이외 에너지, 물류, 연계시스템 변경, 교체 및 설치, 폐기 및 감가상각 등 누락 없는 재구성비용 산출을 위해 재구성 전후기간에 제시되는 총 직간접 비용 드라이버는 재구성 모델링의 평가목표에 따라 기업 맞춤형으로 유용하게 사용될 수 있다. 제품 수명주기상에서 이벤트들의 총비용은 순 현가(Net Present Value)로 환산되어 다양한 비즈니스 의사 결정에 사용된다. 구조 및 경제적 KPI는 단독 혹은 결합되어 사용된다. 특히 간접비 드라이버는 재구성의 목적성에 따라 유용하게 사용될 수 있다. 재구성만을 위해 비용산출 시스템의 별도구축이 반드시 필요한 전제는 아니나 기존의 비용회계 시스템이나 활동원가 시스템과의 연계가 중요하다.

KPI 평가 포맷은 실무적으로 사용이 쉽도록 Figs. 5와 6의 KPI 모델링 및 프로세스와 Pool에서 드라이버를 통해 선택 및 설정되는 메커니즘과, Fig. 9의 비용산출 메커니즘, Fig. 10과 같은 평가 메커니즘과 포맷 등으로 요약 제시된다.

Fig. 10

Formal format for KPI evaluation

재구성 평가를 위해 산업별, 기업별 적용 영역별로 구조 및 경제적 KPI들을 선택 조합하거나 의사결정자의 선호 기준 및 비중을 반영하여 대안 별 성과 및 비용을 계산한다. 각 KPI는 Fig. 6의 KPI 드라이버에 의해 도출되는 표준적 산식 및 기준에 의해 산출되며, 경제적 KPI인 비용은 Fig. 9의 상세 스키마에 따른 비용산출 프로그램과 데이터 베이스로부터 산출된다. 표준적 산식 및 기준은 Fig. 2의 재구성 평가요소 및 지표들의 계산을 위한 옵션 프로그램으로 구성된다.

Fig. 10에서 평가요소 및 지표(F_i)는 복수의 옵션 선택이 가능하다. F_i 우측의 지표계산 요소는 적합성의 정도(Degree of Conformity)를 나타내는 정량화 요소들을 의미한다. 개별 F_i의 단일 및 복수 조합에 의해 적합성 평가가 가능하나 동종 산업표준이나 유사규모 제조기업들과의 상대비교 기준이 부재하거나 미흡한 경우 정량화 지표 자체만으로 적합성 여부 판단이 어려우며, 반대 경우라도 기업의 제조환경과 목표수준, 재구성 시점에 따라 적절한 적합성 평가기준이 아닐 수 있다. 따라서 최적 적합성여부 평가는 개별기업의 RMS 구축목적성에 따라 해당기업의 맞춤형 정량화 요소에 대한 향상 및 달성 정도를 절대비교 기준으로 하되 제조환경의 가변성에 따른 적응기준과 의사결정자의 경험 및 선호 비중을 반영하도록 설계된다. Fig. 10의 가장 우측 표 안의 숫자는 대안(A_j) 및 F_i 별 정량화 요소의 정규화 점수를 나타내며, 점수를 기반으로 F_i 별 대안선택(C_i) 다빈도 순위, A_j 별 점수합계 (Σ_j) 순위, 혹은 선호 등급을 통해 최적 대안을 선택하는 메커니즘을 나타낸다. 즉 Σ_j 점수 순위 상 두 번째 대안 b(A₂)를 선택하고 F_i 별 대안선택(C_i) 다빈도 순위로는 대안 a를 선택한다. 이와 같은 적합성 평가를 통한 재구성 대안의 선택 방법은, 구조 및 경제적 KPI에 대한 개별 및 조합 Fi 선택과 행, 열 기반의 점수 등급화를 통해 적합성의 정도를 기업 맞춤형으로 평가할 수 있도록 옵션선택 체계와 정량화 점수테이블을 제시하고, 실질적 RMS 평가가이드를 제시함에 특징과 가치가 있다.

최종적인 대안선택과 재구성 이벤트의 시나리오에 맞게 KPI별 기준과 가중치 삽입이 가능하고 선호 등급화나 점수부과 등의 부가적 작업도 UI에서 선택사항으로 처리되어 자동 계산되도록 한다. 이와 같은 참조모델은 예시이며 재구성 전후 평가 시점이나 기간에 따라 실적 치나 예상치 및 추정치를 수정하여 활용한다. 향후 투자 수익과 투자회수기간 비교, 수학적 정수 프로그래밍과 시뮬레이션을 통한 타당성 검증 기능은 선택적으로 개발 사용될 수 있다.

4. 사례 연구

논문에서 개별적 KPI 채택에 의한 특정 평가모델의 검증보다 적용사례를 통해 평가방법의 실무적 유용성을 제시하는 이유는 차기 연구에서 실증 데이터의 확보 이후 검증을 통해 이종 산업의 제조영역에 확산하기 위함이다. 예시된 자동차 부품제조 및 조립공장에서의 RMS 적합성 평가방법에 대한 사례연구의 핵심가치는 RMS 구축내용의 예시보다 새로운 평가방법을 제시한 것에 있다. 이 사례에서 예시된 RMS 구축은 시스템 효율화와 비용저감에 목적을 두고 있으며 1차적으로 Fig. 11과 같이 재구성가능 조립모듈(RAM)과 재구성가능라인(RRL)의 자원 객체들에 대한 자동구성과 구성객체들의 제어를 위한 UI를 개발하고 있다. RAM과 RRL, 검사라인 작업대 등의 재구성 절차는 Fig. 12와 같이 예시된다. 이 과정에서 제조 공정 변동정보와 검사라인 재구성 정보에 의한 조립모듈과 라인의 재구성 이벤트구성과 전체 평가과정이 작업자나 관리자 화면에서 제어되며 최적 의사결정 기반의 재구성 행위가 실행된다.

Fig. 11

Application process of project

Fig. 12

Reconfiguration process of RAM, RRL, inspection line

제시된 RMS 평가 방법론의 스키마와 프레임에 따른 적용절차에 따라 RMS 구축 시나리오 이행기간이나 투자회수기간(ROI)에 따른 자원제약 조건과 변동환경, 의사결정 그룹과 최고 의사결정자의 선호를 반영하여 특정 시점에서의 최종 RMS 평가 예를 Fig. 13에 제시한다. 재구성 반복성을 고려하지 않은 초기 설계단계보다 반복적 재구성일 경우 학습에 의해 사용자의 평가과정은 더 간편해 질 수 있다. Fig. 10의 구조 및 경제적 KPI 기반 SW에 대한 정형적 포맷이나 자동화 정보처리 시스템의 구축이 어렵거나 여력이 부족한 중소기업의 경우, 혹은 추가적으로 경제성공학에 의한 사례의 검증이 필요한 경우, Fig. 13과 같이 축약적인 성과와 선택적 비용기반의 KPI나 간편지표 및 생애주기간(Life Cycle) 총비용(TCO)에 의한 ROI 시나리오를 통해 RMS 평가와 실행여부 결정이 상대적으로 신속해질 수 있다.

Fig. 13

Calculation results for KPI evaluation

즉 축약적 성과 KPI로 장비수명, 산출량, 수율, 효용성(가용성, 효율, 품질)등에 의한 양품 수량(GU)을 성과로 계산하며, 비용 KPI로는 변고정비와 수율 손실비용을 더한 TCO를 GU로 나눈 양품의 단위비용을 산출하여 적합성평가 비교기준으로 설정한다. 또한 간편 구조 KPI로 총 부품 수(TN) 중 재구성부품 수(NA)나 NA중 연결부품 수(NC)의 증감과, 경제적 KPI로 직 간접비와 정지시간(Downtime) 비용의 증감 등으로 적합성 평가기준을 설정한다. 상기 두 방법은 Fig. 10 대비 평가 신속성과 간편성을 제공할 수 있으나 정확성 및 신뢰성과의 Trade-Off가 필요하다. Figs. 10 및 13에서의 KPI 방법들에 대한 개별적 혹은 대체 및 보완적 적용은 선택 사항이다.

종래 평가연구와의 차별성은 성능지표와 함께 상세비용의 구분과 조합에 의한 실용성을 높이고, 이를 기반으로 전체 및 부분 최적의 목적 달성과 수준에 맞는 맞춤형 솔루션을 찾도록 발견적 기법을 확대 제시하고 있다는 점이다. 본고의 중소기업 사례적용에서 의사결정자의 선호에 대한 기본적 논리는 신속성과 간편성이다. 전체적으로 재구성 적합 수량이나 빈도에 의한 복잡도가 상대적으로 적고 생산 정지시간에 의한 전체 영향도가 적은 대안에 비중이 있다.

실무적 주안점은 RMS 구현 전체 직접 비용이 시스템구축 이후 3년 이내에 회수가 가능한지 여부, 제조 성과 및 성능 30% 증가와 생산 능력 2배 이상 실현 목표에 대한 달성가능 여부와 가용예산 범위에 근접 하는지 여부이다. 제시된 데이터는 재구성 RMS 설계 일부 단계의 실제 및 추정결과의 예시이며, 시나리오는 재구성 이벤트에 따라 변동된다. 최종 실행 안은 Fig. 10의 방법에 의해 대안 a가 선택되었고 Fig. 13의 간편 계산방법 1과 시나리오 B에 의해 검증과 To-Be 목표가 설정되었고 반복추진 및 구현과정에서 적합성을 향상시키고 있다.

예시사례에서 조립모듈, 재구성 라인, 검사부품, Jig 구성 등을 대상으로 RMS 적합도평가가 반복 실행되고 있다. 평가시간은 일단위에서 시간 단위로 단축되고 있으며 시스템이 완성될 경우 분단위 동기화가 예상된다. 적합도 향상이 진행 중이며 최근 시점에서의 목표 수정치는 조립 모듈의 변경경우 대응은 30초 이내, 모델변경은 30분 이내, 라인의 경우 품목변경 10분 이내, 모델변경 1시간 이내, 대응모델 수 5종 이상, 검사작업대 경우 설치준비 시간 1분 이내, 모델 변경 대응 30초 이내, Jig 경우 변경 대응시간 1분 이내 등으로 실증 및 검증에 집중하고 있다.

5. 결론

본 논문에서는 중소기업의 RMS 구축 평가에 있어 발견적 기법 기반의 KPI 계산이나 의사결정 과정에서 확정적 기준이나 인공적 가중치 부여방법보다 현재상태와 현장요구를 최대한 반영하는 맞춤형 시나리오와 투자대안을 도출하고 수준별 적용가능 KPI를 다면적으로 평가하는 방법을 제시하였다. 중소기업이 RMS 평가를 위한 충분한 SW 툴이나 필수적인 데이터 제공을 지원할만한 기본시스템을 갖고 있지 않다면 재구성 대상의 부품적합 수량과 정지시간의 빈도 혹은 비율같이 간편 KPI를 사용하는 평가가 바람직하다.

논문에서 제시된 다양한 KPI 지표들을 이론상 제한 없이 채택하여 평가시스템을 구축할 수 있으나, RMS 구축만이 최적 적합성을 보장하는 것은 아니다. 툴과 지원시스템의 구비여력이 없이 하드웨어 중심적인 재구성 시스템을 우선적으로 구축하는 경우 구축 이후의 직간접 비용의 증가로 목적달성이나 수익적 운영이 어렵게 되는 경우가 있기 때문이다. 또한 의사결정 과정에서 성능 혹은 비용 KPI의 증감이나 향상 자체가 기업의 평가기준이나 선호에 따른 등급 및 점수화 지표가 될 수 있으나 재구성 과정에서 기업전체의 성능과 성과의 균형적 최적화를 반드시 보장하는 것은 아니다.

따라서 평가도구의 공급자 측면에서는 제시된 방법과 메커니즘과 관련하여 보급형 SW 도구의 개발과 시뮬레이션에 도구의 개발과 플랫폼 연계 개발, 정수프로그래밍에 의한 기업 전반의 수익최적화 관련 RMS 대안의 우선순위 선별 같은 추가연구가 필요하다. 수요자 측면에서는 제시된 평가 알고리즘을 To-Be수준에 맞게 적용하되 기업 내 정보자동화 수준에 맞추어 확장특성을 가지고 구축해 갈 것을 주문한다.

이 논문은 실무적 적용이 용이한 새로운 RMS 평가방법을 제시하였으므로 반복적 사례적용에 의해 유용성 입증이 가속화될 것이다. 4차 산업혁명 지향의 제조업과 스마트공장 구축의 지향성을 가진 기업, 특히 중견 및 중소기업에서의 적용과정에 실용적 효과가 극대화되기를 기대한다.

Acknowledgments

이 연구는 미래창조과학부의 과학기술진흥 기금과 복권기금출연사업인 한국과학기술정보 연구원 ReSEAT 프로그램의 지원으로 수행된 내용의 일부를 포함한다.

REFERENCES

• Huettemann, G., Gaffry, C., and Schmitt, R. H., “Adaptation of Reconfigurable Manufacturing Systems for Industrial Assembly–Review of Flexibility Paradigms, Concepts, and Outlook,” Procedia CIRP, Vol. 52, pp. 112-117, 2016. [https://doi.org/10.1016/j.procir.2016.07.021]
• Ahmad, M., Ahmad, B., Alkan, B., Vera, D., Harrison, R., et al., “Hydrogen Fuel Cell Pick and Place Assembly Systems: Heuristic Evaluation of Reconfigurability and Suitability,” Procedia CIRP, Vol. 57, pp. 428-433, 2016. [https://doi.org/10.1016/j.procir.2016.11.074]
• ElMaraghy, H. A., “Flexible and Reconfigurable Manufacturing Systems Paradigms,” International Journal of Flexible Manufacturing Systems, Vol. 17, No. 4, pp. 261-276, 2005. [https://doi.org/10.1007/s10696-006-9028-7]
• Koren, Y., Heisel, U., Jovane, F., Moriwaki, T., Pritschow, G., et al., “Reconfigurable Manufacturing Systems,” CIRP Annals-Manufacturing Technology, Vol. 48, No. 2, pp. 527-540, 1999. [https://doi.org/10.1016/S0007-8506(07)63232-6]
• Harms, R., Fleschutz, T., and Seliger, G., “Knowledge Based Approach to Assembly System Reuse,” Proc. of the 9th Biennial ASME Conference on Engineering Systems Design and Analysis, pp. 295-302, 2008. [https://doi.org/10.1115/ESDA2008-59247]
• Reinhart, G. and Wünsch, G., “Economic Application of Virtual Commissioning to Mechatronic Production Systems,” Production Engineering, Vol. 1, No. 4, pp. 371-379, 2007. [https://doi.org/10.1007/s11740-007-0066-0]
• Mehrabi, M. G., Ulsoy, A. G., and Koren, Y., “Reconfigurable Manufacturing Systems: Key to Future Manufacturing,” Journal of Intelligent Manufacturing, Vol. 11, No. 4, pp. 403-419, 2000. [https://doi.org/10.1023/A:1008930403506]
• Koren, Y., “General RMS Characteristics. Comparison with Dedicated and Flexible Systems,” Reconfigurable Manufacturing Systems and Transformable Factories, Vol. 3, pp. 27-45, 2006. [https://doi.org/10.1007/3-540-29397-3_3]
• Koren, Y. and Shpitalni, M., “Design of Reconfigurable Manufacturing Systems,” Journal of Manufacturing Systems, Vol. 29, No. 4, pp. 130-141, 2010. [https://doi.org/10.1016/j.jmsy.2011.01.001]
• Siltala, N., “Formal Digital Description of Production Equipment Modules for Supporting System Design and Deployment,” Tampere University of Technology, pp. 1-231, 2016.
• Giret, A. and Botti, V., “Engineering Holonic Manufacturing Systems,” Computers in Industry, Vol. 60, No. 6, pp. 428-440, 2009. [https://doi.org/10.1016/j.compind.2009.02.007]
• Frei, R., Barata, J., and Onori, M., “Evolvable Production Systems Context and Implications,” Proc. of International Symposium in Industrial Electronics, pp. 3233-3238, 2007. [https://doi.org/10.1109/ISIE.2007.4375132]
• Akillioglu, H., “Evolvable Production Systems: Demand Responsive Planning,” KTH Royal Institute of Technology, pp. 31-37, 2011. [https://doi.org/10.1109/ISAM.2011.5942328]
• Kuzgunkaya, O. and ElMaraghy, H. A., “Economic and Strategic Justification of Changeable, Reconfigurable and Flexible Manufacturing,” Changeable and Reconfigurable Manufacturing Systems, pp. 303-320, 2009. [https://doi.org/10.1007/978-1-84882-067-8_17]
• Nassehi, A., Newman, S., Dhokia, V., Zhu, Z., and Asrai, R. I., “Using Formal Methods to Model Hybrid Manufacturing Processes,” Enabling Manufacturing Competitiveness and Economic Sustainability, pp. 52-56, 2012. [https://doi.org/10.1007/978-3-642-23860-4_8]
• Yan, P., Zhou, M., and Caudill, R., “A Life Cycle Engineering Approach to FMS Development,” Proc. of the International Conference in Robotics and Automation, pp. 395-400, 2000.
• Lafou, M., Mathieu, L., Pois, S., and Alochet, M., “Manufacturing System Flexibility: Product Flexibility Assessment,” Procedia CIRP, Vol. 41, pp. 99-104, 2016. [https://doi.org/10.1016/j.procir.2015.12.046]
• Spicer, P., Yip-Hoi, D., and Koren, Y., “Scalable Reconfigurable Equipment Design Principles,” International Journal of Production Research, Vol. 43, No. 22, pp. 4839-4852, 2005. [https://doi.org/10.1080/00268970500183042]
• Abdi, M. R. and Labib, A. W., “A Design Strategy for Reconfigurable Manufacturing Systems (RMSS) Using Analytical Hierarchical Process (AHP): A Case Study,” International Journal of Production Research, Vol. 41, No. 10, pp. 2273-2299, 2003. [https://doi.org/10.1080/0020754031000077266]
• Abdi, M. R. and Labib, A. W, “Feasibility Study of the Tactical Design Justification for Reconfigurable Manufacturing Systems Using the Fuzzy Analytical Hierarchical Process,” International Journal of Production Research, Vol. 42, No. 15, pp. 3055-3076, 2004. [https://doi.org/10.1080/00207540410001696041]
• Farid, A. M. and McFarlane, D. C., “An Approach to the Application of the Design Structure Matrix for Assessing Reconfigurability of Distributed Manufacturing Systems,” Proc. of IEEE Workshop in Distributed Intelligent Systems: Collective Intelligence and Its Applications, pp. 121-126, 2006.
• Hasan, F., Jain, P., and Kumar, D., “Machine Reconfigurability Models Using Multi-Attribute Utility Theory and Power Function Approximation,” Procedia Engineering, Vol. 64, pp. 1354-1363, 2013. [https://doi.org/10.1016/j.proeng.2013.09.217]
• Heilala, J., Montonen, J., and Väätäinen, O., “Life Cycle and Unit-Cost Analysis for Modular Reconfigurable Flexible Light Assembly Systems,” Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, Vol. 222, No. 10, pp. 1289-1299, 2008. [https://doi.org/10.1243/09544054JEM1034]
• Kuo, C.-H., “Resource Allocation and Performance Evaluation of the Reconfigurable Manufacturing Systems,” Proc. of the International Conference in Systems, Man, and Cybernetics, pp. 2451-2456, 2001.
• Puik, E., Telgen, D., van Moergestel, L., and Ceglarek, D., “Assessment of Reconfiguration Schemes for Reconfigurable Manufacturing Systems Based on Resources and Lead Time,” Robotics and Computer-Integrated Manufacturing, Vol. 43, pp. 30-38, 2017. [https://doi.org/10.1016/j.rcim.2015.12.011]
• Colledani, M., Yemane, A., and Tognetti, A., “Analysis of In-Line Quality-Oriented Assembly Strategies in the Production of Electric Drives,” Procedia CIRP, Vol. 50, pp. 784-789, 2016. [https://doi.org/10.1016/j.procir.2016.05.032]
• Michalos, G., Sipsas, P., Makris, S., and Chryssolouris, G., “Decision Making Logic for Flexible Assembly Lines Reconfiguration,” Robotics and Computer-Integrated Manufacturing, Vol. 37, pp. 233-250, 2016. [https://doi.org/10.1016/j.rcim.2015.04.006]
• Wang, G. X., Huang, S. H., Yan, Y., and Du, J. J., “Reconfiguration Schemes Evaluation Based on Preference Ranking of Key Characteristics of Reconfigurable Manufacturing Systems,” International Journal of Advanced Manufacturing Technology, Vol. 89, Nos. 5-8, pp. 2231-2249, 2017. [https://doi.org/10.1007/s00170-016-9243-7]
• Dombrowski, U., Krenkel, P., and Ebentreich, D., “Adaptability within a Multi-Variant Serial Production,” Procedia CIRP, Vol. 17, pp. 124-129, 2014. [https://doi.org/10.1016/j.procir.2014.01.047]
• Bejlegaard, M., Brunoe, T. D., Bossen, J., Andersen, A.-L., and Nielsen, K., “Reconfigurable Manufacturing Potential in Small and Medium Enterprises with Low Volume and High Variety: Pre-Design Evaluation of RMS,” Procedia CIRP, Vol. 51, pp. 32-37, 2016. [https://doi.org/10.1016/j.procir.2016.05.055]
• Michael, N. and Engelbert, W., “Method for a Situation-Based Adaptation and Validation of the Manufacturing Capability of Assembly Systems,” Procedia CIRP, Vol. 17, pp. 118-123, 2014. [https://doi.org/10.1016/j.procir.2014.01.037]
• Zaeh, M. F., Reinhart, G., Lindemann, U., Karl, F., and Biedermann, W., “DSM-Based Evaluation of Assembly Manufacturing Ressources,” Proc. of the 13th International Dependency and Structure Modelling Conference, pp. 435-448, 2011.
• Neves, P., “Reconfiguration Methodology to Improve the Agility and Sustainability of Plug and Produce Systems,” KTH Royal Institute of Technology, pp. 1-202, 2016.