APS / ERP시스템 정리

안녕하세요! 최근 많은 기업에서 디지털 트윈 기술을 활용해 공장 운영의 효율성을 높이고 있죠. 모니터링을 넘어 시뮬레이션 단계로 나아가기 위해서는 생산 공정의 핵심 개념들을 명확히 이해해야 합니다. 오늘은 생산 계획 및 물류 관리의 핵심인 APS와 ERP에 대해 알아보고, 이들이 어떻게 공장 디지털 트윈과 연결되는지 함께 살펴보겠습니다.

---

📌 APS, MRP, 와 ERP두 가지 핵심 개념 정리

시작하기 전 용어에 대해 정리하고 각각 용도를 설명하는것으로 시작하겠습니다.

APS (Advanced Palnning & Scheduling)

APS (Advanced Palnning & Scheduling) - 20여 년 전부터 기본 개념과 이를 구축한 시스템이 소개되어왔습니다.

• APS 주요 기능:
  • 계획: 수요, 생산, 자재 소요
  • 상세일: 유한 능력, 제약조건, 동시계획, 납기 예측 및 계획
  • 시뮬레이션 및 분석: What-if 시뮬레이션, 성과 KPI 분석, 시각적 차트(간트 차트) 결과 도출 

ERP ( Enterprise Resource Planning )

ERP ( Enterprise Resource Planning) - 전사적 자원 관리, 회사의 모든 부서(예: 재무, 회계, 인사, 영업, 구매, 생산, 재고 관리 등)의 업무를 하나의 시스템으로 통합하여 관리하는 소프트웨어. 

• ERP 주요 기능:
  • 재무/회계: 자금 흐름, 손익, 매출 관리
  • 영업/구매: 주문 및 계약 관리, 구매 요청 처리
  • 생산/재고: 자재 소요량 계획(MRP - Manufacturing Resource Planning), 재고 현황 파악
  • 인사/급여: 직원 정보, 급여 계산, 근태 관리

위의 두가지 요소를 통해 기업은 전체 비즈니스 현황을 실시간으로 파악하고, 부서 간 정보 공유를 원활하게 하여 효율적인 의사결정을 내립니다.

 

APS - ERP 관계: ERP가 도시의 전반적인 교통 흐름을 관리하는 종합 교통 정보 시스템이라면, APS는 특정 경로의 교통 체증을 실시간으로 분석해 가장 빠른 길을 찾아주는 내비게이션.

 

기업 공급망 관리 (SCM: Supply Chain Management)에 필요한 운영계획 산출 시트템을 APS (Advanced Planning & Scheduling)라 칭함. 수요관리, 공급관리, 구매 전 SCM 업무 영역에 걸쳐 단기 계획부터 중장기 계획을 관장하는 업무별로 시스템 모듈화.

 

활용 사례: 스마트 Factory, 자동화 생산 설비, 물류 설비 시설, 공항 인구 밀도 및 동선 분석 및

 

목표: MP(Master Planning) 생산목표 수립, FP(Factory Planning) 단기 공장 실행목표 수립, Production Scheduling, 생산 목표 수립.

 

APS 모듈들은 수요계획과 구매계획은 구분되어 있다.

- 수요관리 및 구매계획 모듈: 사용자의 계획관리 편의성, 타 시스템과의 데이터 통합 및 연계에 포커싱.

- 생산운영 모듈: 복잡한 공장을 모델링 하고 제약을 반영하여 계획을 수립하는 알고리즘이나 솔루션 엔진이 가장 중요한 차별 포인트.

 

APS와 ERP의 관계를 한 문장으로 정리하자면,

• ERP가 전체 회사의 자원을 파악하고 관리하는 거시적인 역할을 하며 MRP를 포함 할 수 있다.
• APS는 ERP의 데이터를 활용해 생산 계획을 구체적이고 효율적으로 수립하는 미시적인 역할을 수행합니다.

 

테이블 1. 각 시스템 유형 표

시스템	주요 초점	생산 능력 고려	계획 기간	유연성/적응성	주요 기능	관계
ERP	거래 데이터	종종 무한/개략적	단기 운영	더 경직됨/덜 적응적	판매 주문, 조달, 재무	기반 시스템, APS와 통합
MRP	자재 계획/재고 최적화	자재 중심	단기 자재	변화에 덜 유연함	자재 소요량, 재고	ERP의 핵심 구성 요소, APS와 통합
APS	제약 조건 전반의 생산 일정 최적화	유한 생산 능력/다중 제약	전략적(장기)에서 상세(단기)	높은 유연성/실시간 적응	수요 예측, 생산 스케줄링, 자원 할당, 시나리오 분석, 제약 조건 관리	ERP/MRP 위에 구축되어 최적화 기능 추가

---

📈 APS의 핵심 기능과 모듈

APS는 단순히 생산 계획을 세우는 것을 넘어, 다양한 기능을 통해 생산성을 극대화합니다.

 

1. 계획 및 상세 일정 수립

APS의 가장 중요한 기능은 수요 예측과 생산 계획 수립입니다. 수요 변화에 따라 필요한 자재와 생산량을 계산하고, 유한한 생산 능력과 다양한 제약 조건을 반영하여 현실적인 생산 일정을 세웁니다.

 

2. 시뮬레이션 및 분석

APS의 강력한 장점 중 하나는 시뮬레이션 기능입니다. '만약 특정 설비가 고장 나면 어떻게 될까?', '갑작스러운 주문이 들어오면 납기를 맞출 수 있을까?'와 같은 다양한 시나리오를 가상으로 시뮬레이션하여 최적의 의사결정을 돕습니다. 또한, KPI(핵심 성과 지표) 분석을 통해 계획의 효율성을 객관적으로 평가할 수 있습니다.

 

3. APS의 모듈 구분

APS는 크게 수요관리 및 구매계획 모듈과 생산운영 모듈로 나뉩니다.

• 수요관리 및 구매계획 모듈은 주로 사용자 편의성과 다른 시스템과의 데이터 통합에 중점을 둡니다.
• 생산운영 모듈은 복잡한 공장 상황을 모델링하고, 제약을 반영하여 최적의 계획을 세우는 고급 알고리즘이 핵심입니다. 이 알고리즘의 성능이 APS 솔루션의 차별성을 결정하는 중요한 요소가 됩니다.

---

APS 알고리즘 

알로리즘 적용은 특정 환경에서 요구되는 산출물을 도출하기 위해 사용되는 도구같은 것입니다. 아래와 같은 유형으로 나뉩니다.

 

1. Analytic Type (수리 모델링 기법) - 선형 계획법, 정수 계획법 - 제약조건 및 KPI를 수리모델로 표현하여 최적 해 산출

 

• 선형 프로그래밍 (LP - Linear Programming) - 선형 제약 조건에 따라 목적 함수를 최적화 한는데 사용. APS에 생산 및 스케줄링 최적화.  모든 변수가 연속적인 값을 가 질 수 있고, 석유 정제, 재정 포트폴리오 최적화, 생산량 및 자원 할당 계획에 사용됩니다. 

   예를 들어 한 공장에서 두 종류의 제품 A,B를 생산 할 때, 각 제품의 생산량 (x,y) 은 0 보다 크거나 같아야 하고, 재료와 인력에 대한 제약 조건 (예 - 2x + 3y <= 100) 과 같이 설정되었을 때 이윤을 최대화 하는 목적 함수 max(5x +7y)를 구하는 문제 일때 x 는 2.5, y는 3.7과 같이 도출되는 수치적 연산을 말합니다.

 

• 정수 프로그래밍 (IP - Integer programming) - 모든 변수가 정수(1, 2, 3)로 제한되는 방법. 활용 분야로는 배낭 채우기, 렉에 크기가 다른 박스 넣기 등과 같이 컴퓨터 알고리즘을 활용하여 Greedy Algorithm을 수행해 내는 알고리즘입니다. 

각 제품의 생산량 (x, y) 도출 

• 혼합 정수 선형 프로그래밍 (MILP - Multi Integer Linear Programming) - LP와 IP가 혼합되어서 일부 변수는 정수 값, 나머지는 연속적인 실수를 가지고 있어 이를 조합하여 결과물을 도출해 내는 방식입니다. 일반적으로 이산적인 결정(예: 특정 설비를 사용할지 말지)와 연속적인 결정(예: 생산량)에 의한 생산 스케줄링 및 자원 할당 최적화 하는데 사용됩니다. 

예를 들어   한 공장에서 저품 A와 B를 생산하는데, 제품 A는 100개 단위(정수)로 생산 가능하고 제품 B는 어떤 양으로든 생산이 가능할 때(연속, 무한) 이 문제를 풀 때 MILP에 해당 됩니다. 특정 설비나 장비를 사용할지 말지에 대한 선택도 MILP에 해당됩니다.

 

위 모델들은 강성 제약(반드시 충족)과 연성 제약(위반 시 패널티 부과)을 구분하여 모델의 해결 가능성을 부여합니다.

 

결과적으로 수학적 프로그래밍은 최적의 생산 계획 및 일정을 목표로 하지만 생산 스케줄링 - 품폭에대한 공간의 의존성 파악은 본질적으로 매우 힘들다고 파악합니다. 수학적 이론적으로는 가능하지만 실제로는 엄청난 복잡성(NP 난해)으로 인해 어려움이 존재하는 알고리즘입니다.

 

따라서 이를 현실적으로 해결하기 위해서는 다음과 같은 알고리즘들이 추가적으로 활용되어야 합니다.

 

2. 제약 프로그래밍 (Constraint Programming) - 이는 정해진 요인(교대 근무 시간, 휴식 시간, 장비 가용시간)에 의해 연속적인 수치 산정에 제약을 두게 만드는 모델입니다. 따라서 연속적인 수치 산정에 제약조건을 썪어 추가 로직에 의한 명확한 수치를 내놓습니다.

 

3. Heuristic (추정, 경험적 기법) - 메타 휴리스틱이라고도 불리우며, 탐색 공간을 도메인 지식에 따라 규칙과 로직에 의해 줄여 나가는 기법입니다. 정확한 계산을 활용하기에는 공수가 많이 들거나, 너무 복잡하여 수치적 분석을 하기 어려울 때 사용되는 경험적 수치 산정입니다. 특정 분야의 전문가가 필요하며 대처 유연성, 긴급 상황, 응급 상황과 같이 시뮬레이션으로 도출하기 어려운 비 주기적 요소를 넣어 효율성을 산정을 해 줍니다.

 

예시로는 자연 진화 과정을 모방한 유전 알고리즘(GA)가 있고 각 개체는 잠재적인 이벤트를 트리거 시켜 해당 상황에 대처하는 목표를 두고 경험적 대응 방안을 적용 시켜 효율성 비용 절감, 납품 목표를 채울 수 있는 방법론을 찾아내게 하여 최종 대안점을 도출 해 냅니다. 만약 시뮬레이션에서 학습을 지속적으로 시킨다면 경험적 방안보다 효율적인 이론을 제시 할 수도 있지만 100% 현실저긴 환경을 시뮬레이션에 제공하는 데에는 무리가 있다고 봅니다.

 

4. Simulation Type (시뮬레이션 기법) - 현장에서 발생하는 각종 이벤트를 대상으로 행태에 맞게 모델링. 현장 상황 모사하는 방법인데 이산 사건 시뮬레이션이라고도 합니다. 3번에서 언급한 시뮬레이션의 환경을 집중한 알고리즘인데 특정 이벤트 발생 이후 시간이 지남에 따라 어떻게 상호 작용하는지 모델링하여 제조 프로세스의 미묘한 부분을 세분화 되게 포착하기 위해 사용되는 알고리즘 입니다. 예상치 못한 중단 상황, 불확실성 파악 등 여러 요인에 사용되지만 여전히 시뮬레이션 환경이 필요하다는 단점이 있으며 실제 환경과 유사한 시뮬레이션이 필요 할 수도 있다는 단점이 있습니다. 가상 시나리오를 돌려 수요 변화, 공급망 문제, 기계 고장, 교대 근무 추가등 과 같은 여러가지 요인을 시뮬레이션 할 수 있습니다.

---

KPI 도출 시나리오

 

위의 알고리즘들을 알맞게 시스템의 모듈, 영역, 혹은 오브젝트 별로 적용하여 다음과 가은 이점을 얻을 수 있다고 봅니다.

 

KPI 도출 1. 최적화 된 생산 효율성 및 생산성

실시간 모니터링 ⇀ 데이터 저장, 정제 그리고 시계열 분리 ⇀ APS 알고리즘 적용(Analytic, Constraints) 수치화 ⇀ 일별, 월별 비교 분석 ⇀ KPI 도출(예: 특정 로직 또는 설비 배치 적용, 처리 속도 증가 및 레일 추가로 인한 생산성 증감, 오류 확율, 소요 시간 절감, 비용 발생, 전력 사용, 온도 변동, 고장 빈도 산출)

 

시뮬레이션 적용 ⇀ 모듈별 효율성 판단 (예: 선택한 스태커 크레인(SRM: Storage and Retreval Crane)의 적재 로직에 따른 효율성 판단) ⇀ KPI 생산성 도출(해당 로직으로 하적 실행 시 Travel 경로 거리 감소로 인해 시간 단축, 효율적 거리 이동으로 전력 사용량 감소)

 

시뮬레이션 적용 ⇀ 시뮬레이션 모니터링 ⇀ 돌방상황 적용 (이상 수치 값 적용 및 프로세스 중단 등) ⇀ 데이터 저장 및 분석 ⇀ KPI 도출(돌발 상황에 따른 대응 수칙 적용 시 비용 절감 측정, 혹은 긴급 상황 발생 시 발생되는 비용 측정)

 

KPI 도출 2. 비용 및 재고 수준 감소

 

물류 창고의 설비 배치에 따른 물류 최적화, 월별 일별 입출고 량에 따른 전략 선택 ⇀ 최대 최소 보유 기간 설정으로 재고 물품의 품질 변화 조사(유통기한, 감가상각 등) 분석, 혹은 공장의 온습도 똔느 기타 환경에 따른 물건 품질 변화 시뮬레이션 ⇀ 적절한 보관 기간과 보관 기준 설정 ⇀ 악성 재고 비율 감소 KPI 도출

 

KPI 도출 3. 시장 변화에 따른 대응력

 

새로운 주문에 따른 시나리오 분석 ⇀ 우선순위 변경, 기계고장, 공급업체 문제로 인한 APS 알고리즘 수치 재정의 ⇀ 공급망 변경으로 인한 효율성 비교 분석 (변경 비용 포함 분석) ⇀ 산정 된 각 대응법에 따른 KPI 수치 도출.

 

KPI 도출 4. 고객 만족도 및 정시 납품 개선

 

각기 다른 APS를 적용하여 실제 실행된 공정에 대한 고객의 피드백 조사 및 통계 산정 ⇀ KPI 도출

 

KPI 도출 5. 전략적 의사결정 지원 및 특정 시나리오에 대한 솔루션 선택지 증가 

 

KPI도출 1~4에서 상황에 따른 전략적 대응 기법의 정의 방법론을 제시하여 컨설팅 효율 개선과 고객신뢰 증가를 할 수 있는 결과물 산출. 

---

APS의 주요 과제

과제 범주	구체적인 과제	영향	완화 전략
데이터 및 모델링	부정확/불완전한 데이터, 결정론적 가정	비현실적인 일정, 최적이 아닌 계획	데이터 감사/정제, 병렬 실행, 견고한 데이터 공유
통합	원활한 데이터 흐름, 기존 시스템 호환성	부정확한 계획, 지연, 정보 손실	철저한 IT 평가, 단계별 통합, 사전 구축된 커넥터
인력 및 프로세스	사용자 저항, 학습 곡선, 문화적 변화	낮은 사용자 채택률, 가치 실현 실패	포괄적인 교육, 변화 관리, 슈퍼 사용자, 현실적인 기대
시스템 및 유연성	구성의 복잡성, 경직성 우려, 예외 처리	제한된 적응성, 계획의 "예술" 상실	구성 가능한 소프트웨어, 수동 재정의, 반복적 접근 방식, 단계별 배포

---

시뮬레이션의 한계, APS의 한계

시뮬레이션의 단점과 오차 - Human Error, Yeilding facotrs (최적화를 버리고 품질 우선, 품질을 버리고 효율 우선 등 상황이나 날씨에 따른 구동 전략 변경)

 

위의 시뮬레이션의 단점과 오차를 해결하기 위한 제시한 핵심 방향성: 모니터링을 통한 각종 데이터 수집을 통해 학습을 구현하고 위의 문제를 인공지능으로 학습시켜 경험적 시뮬레이션으로 대안을 내놓는 것 입니다.

 

비정형 데이터 발생 시 대응방안?

Human Error 발생 시 대응방안?

 

일반적인 경우, 현장에서는 현장 전문가의 노하우를 반영한 경험적 로직을 활용한다. 의사 결정이 필요 할 때 당장 실행 가능한 최소한의 계획을 수립. 그러나 정규 시스템 구축 보다는 수많은 데이터와 로직이 비정형 상태로 존재하는 Excel 및 매크로 프로그램 활용.

 

그러나 아무리 자동화가 완벽한 스마트 공장도 예외상황에는 인력투입이 요구되는데 여기에 들이는 인력비와 공수기간에 대한 정확한 산정이나 예측이 힘들다. 따라서 APS는 이런 예외적인 부분을 고려하기 힘들어 APS 추진과제가 힘들수 있다는점이 있다고 한다.

 

APS 구축은 비용이 많이들고 공수가 많이 드는 작업이며, 요구 수준이 설비마다 다 다르기 때문에 많은 시간과 자원이 소요되는 어려운 작업이다. 

 

Human Error 발생 시 - Hueristic 기법으로도 커버하기에 힘든 부분이다. 인위적 오류에도 너무 많은 상황과 불규칙 패턴성이 존재하고 사고 상황 발생시 공장이나 유형, 위치, 상황에 따라 소요기간 공장 중단 기간이 너무나도 다르기 때문에 정규화가 불가능 한 것은 어쩔 수 없습니다. 그러기 때문에 해당 오류는 최적,평균적 수치보다는 최악의 상황을 고려하고 해당 수치를 적용해 KPI를 산정 해내는것이 나을 수도 있을 것이다.

 

 

 

---

인공지능의 활용

아쉽게도 인공지능 또한 학습되지 않은 데이터에 대한 대안 제시를 하기 어려울 것이라 보인다. 여태까지는 인위적으로 산정되는 KPI와 대응법을 도출해 냈다면 이것을 자동화 해서 최대한 APS 공정 기간을 줄이고 수치적 APS의 정확도를 높이는 방향으로 가야 한다고 볼 수 밖에 없다고 본다.

 

이 다음으로  실제 산업별 APS 활용 사례와 인공지능을 어떻게 활용하면 APS의 KPI를 어떻게 도출 할 수 있는지를 확인해 보겠다.