Search
Search

연구성과물 검색 타이틀 이미지

HOME ICON HOME > Search by Achievements Type > Reports View

Reports Detailed Information

https://www.krm.or.kr/krmts/link.html?dbGubun=SD&m201_id=10006986&local_id=10014728
공급사슬에서의 생산 및 운송 계획의 동기화
Reports NRF is supported by Research Projects( 공급사슬에서의 생산 및 운송 계획의 동기화 | 2004 Year | 정정우(한양대학교) ) data is submitted to the NRF Project Results
Researcher who has been awarded a research grant by Humanities and Social Studies Support Program of NRF has to submit an end product within 6 months(* depend on the form of business)
사업별 신청요강보기
  • Researchers have entered the information directly to the NRF of Korea research support system
Project Number D00081
Year(selected) 2004 Year
the present condition of Project 종료
State of proposition 재단승인
Completion Date 2007년 04월 03일
Year type 결과보고
Year(final report) 2007년
Research Summary
  • Korean
  • 본 연구에서는 공급사슬 동기화를 위한 생산 및 운송 계획의 동기화를 다룬다. 본 연구의 동기화 대상은 공급자가 생산한 제품(부품)의 생산 종료 시점과 하위 생산자에게 운송이 시작되는 시점, 그리고 하위 생산자에게 제품(부품)이 도착하는 시점과 하위 생산자의 생산 시작 시점이다. 공급자가 생산한 원재료 혹은 제품은 생산 직후 제품 특성에 따라 규모의 경제를 적용 받는 운송 방법 혹은 적용 받지 않는 운송 방법에 의하여 구매자 혹은 하위 생산자에게 운송된다. 따라서 원재료의 생산에서 최종 제품에 이르는 모든 물적 흐름이 원활하도록 한다.
    이를 위하여 기존 생산 시스템에서 발견할 수 있는 no-wait 접근 방법을 적용한다. No-wait 접근 방법이 적용된 동기화 모형은 주기 시간의 길이를 동기화하는 cycle scheduling 접근 방법 (Vergara 외 2인, 2002; Khouja, 2003)과 비교되며, 생산 및 운송 리드타임과 공급사슬에서 발생하는 재고 유지 비용의 관점에서 분석된다. 리드타임의 관점에서 살펴본 결과 소량 다빈도 운송이 이루어지는 no-wait 접근 방법과 다량 소빈도 운송이 이루어지는 no-wait 접근 방법이 cycle scheduling 접근 방법에 비하여 짧은 리드타임을 보였다. 소량 다빈도 운송이 이루어지는 no-wait 접근 방법과 다량 소빈도 운송이 이루어지는 no-wait 접근 방법을 리드타임의 관점에서 비교하는 경우에는 작업 준비 시간 등의 모수의 크기에 따라 리드타임의 길이가 결정되기 때문에 특정 접근 방법이 우세하다고 할 수 없었다. 재고 유지 비용의 관점에서 살펴본 결과 소량 다빈도 운송이 이루어지는 no-wait 접근 방법이 다량 소빈도 운송이 이루어지는 no-wait 접근 방법과 cycle scheduling 접근 방법보다 우월했다. 또한 다량 소빈도 운송이 이루어지는 no-wait 접근 방법은 cycle scheduling 접근 방법보다 적은 재고 유지 비용을 발생시킬 수 있었다.
    다음으로 본 연구에서 제안하는 동기화 모형을 대상으로 공급사슬 총 비용을 최소화하는 작업 순서와 작업을 구성하는 생산 로트에서의 생산량을 구한다. 특정 작업순서가 존재하는 경우 최소의 공급사슬 총 비용을 갖는 각 생산 로트에서의 생산량을 구하는 문제와, 특정 생산량을 생산하는 경우 최소의 리드타임을 갖는 작업 순서를 결정하는 문제로 구성된 수리 모형을 개발한다. 문제의 크기가 커지면 최적해를 찾는데 많은 시간이 필요하기 때문에 적절한 시간 동안 최선해를 찾기 위하여 휴리스틱 알고리듬을 제안한다. 이후 개발된 알고리듬의 성과를 비교 분석한다.본 연구에서는 대표적인 메타휴리스틱 알고리듬인 simulated annealing과 genetic algorithm을 기반으로 다양한 휴리스틱 알고리듬을 결합하여 5개의 휴리스틱 알고리듬을 개발하였다. 다양한 예에 대한 반복 실험을 통하여 개발한 GA2는 다른 알고리듬에 비하여 작은 평균 절대 오차와 표준편차를 지님으로써 일관된 좋은 성능을 보였다.
    일반적으로 동기화 계획이 수립된 후 공급사슬을 구성하는 모든 공급자가 항상 동기화 계획을 정확히 수행하는 것은 어려운 일이다. 이는 생산 공정 및 운송의 지연으로 나타날 수 있는데 점차 시간의 흐름에 따라 감소하는 추세를 보인다. 따라서 생산 및 운송 지연 시간의 측정 및 예측을 위하여 본 연구에서는 과거에 수집된 자료로부터 반복적인 학습과정을 거쳐 자료에 내재되어 있는 패턴을 찾아내는 모델링 기법인 신경망 이론(neural network theory)의 사용을 제안한다. 신경망 이론을 통하여 예측된 지연 시간의 수준은 본 연구에서 가장 좋은 알고리듬으로 발견된 GA2와 결합되어 생산 및 운송 지연의 불확실성을 고려한 동기화 계획을 세우는데 사용될 것이다. 본 절에서는 수립된 동기화 계획을 수행할 때 나타날 수 있는 불확실성을 고려하여 공급사슬 동기화 계획을 수립하는 두 가지 방법인 NNGA1과 NNGA2를 제안하였다. 다양한 문제에 대하여 NNGA1과 NNGA2를 사용한 결과 NNGA2가 NNGA1 보다 더 나은 성능을 보였다.
  • English
  • There exist several suppliers, manufacturers, transporters, and retailers with the common goal in supply chains. Thus, it is necessary to integrate and optimize all the processes of partners to maximize the performance of supply chains. The synchronization concept has been attracted to solve the problem.
    In this study, a synchronization model using the no-wait approach is suggested for synchronizing various timing points found in the serial structure of supply chains with two timing points to produce and transport various products in supply chains. One is the timing for a supplier to complete its production and to begin to transport products to its downstream manufacturer. The other is the timing for a manufacturer to receive products from its supplier and to start consuming them to make its products.
    It is assumed that each order consists of several jobs, where each job includes several production lots. If the transportation mode which does not obey the economy of scale is used, the timing point for each production lot is synchronized. Otherwise, it is synchronized for the order.
    A comparative study has been conducted to compare the no-wait approach with frequent delivery in small amount(NWFS), the no-wait approach with infrequent delivery in large amount(NWIL), and the cycle scheduling approach(CSA) with respect to inventory holding cost and lead time. Both two approaches NWFS and NWIL using the no-wait approach showed better results with respect to lead time. With respect to inventory holding cost NWFS, NWIL, CSA in order showed better results.
    Also in this study the problem for finding optimal quantity for each production lot and job sequence with minimum supply chain total cost and lead time was handled. Moreover various types of transportation were considered. The allocation problem was used to develop a mathematical model for the optimal production quantity. The traveling salesman problem was used to build a mathematical model for the optimal job sequence.
    But it took enormous amount of time to find the optimal solution. Thus it is necessary to develop heuristic algorithms to find a good solution in the reasonable time. In this study, five heuristic algorithms were developed based on simulated annealing(SA) and genetic algorithm(GA). One of the modified GAs, GA2 showed the best robustness in various examples.
    Continuous control of an initial synchronization plan among partners is one of the most important activities for supply chain synchronization. But various uncertainties in supply chains create obstacles in successful implementation of a synchronization plan. Generally these uncertainties are realized as a delay in manufacturing or transportation. Moreover the ratio of amount of a delay to the initial synchronization plan is decreasing as time goes on. Two versions of methods, NNGA1 and NNGA2, integrated neural network theory with genetic algorithm were suggested to make a synchronization plan considering uncertainties. Among them NNGA2 using Holt’s approach in forecasting method showed better results.
Research result report
  • Abstract
  • 공급사슬에는 공동의 목표를 지닌 다수의 공급자, 생산자, 그리고 소매업자 들이 존재한다. 따라서 효율적인 공급사슬경영을 위하여 모든 구성 기업들 간의 프로세스들을 통합하여 최적화할 필요가 있다. 이를 위한 다양한 방법 중에서 동기화의 개념이 많은 관심을 받아 왔다.
    본 연구에서는 화학 및 철강 생산에서 사용되는 no-wait 접근 방법을 응용하여 공급사슬을 구성하는 모든 기업의 생산 및 운송 프로세스에서의 시점을 동기화하는 공급사슬 동기화 모형을 제시한다. 본 모형에서는 공급자의 생산 종료 시점과 하위 생산자에게 공급자가 생산한 제품의 운송 시작 시점을 동기화하고, 운송 완료 시점과 하위 생산자가 소비하는 시점을 동기화한다.
    모든 주문(order)은 여러 개의 작업(job)으로 구성되고, 각 작업은 여러 생산 로트(production lot)로 구성된다. 만약 규모의 경제를 고려하지 않는 운송 수단이 사용되는 경우에는 작업을 구성하는 생산 로트 별로 동기화를 시도하고, 규모의 경제를 적용 받는 운송 수단이 사용되는 경우에는 공급자가 수행하여야 하는 주문을 대상으로 동기화를 시도한다.
    본 연구에서 제시된 no-wait 접근 방법의 효과를 알아보고자 소량 다빈도 운송이 이루어지는 no-wait 접근 방법, 다량 소빈도 운송이 이루어지는 no-wait 접근 방법, 그리고 cycle scheduling 접근 방법을 사용하였을 때 재고 유지 비용의 수준과 리드타임의 길이를 비교하였다. 그 결과 no-wait 접근 방법을 사용하는 두 방법들은 모든 주문을 처리하는데 cycle scheduling 접근 방법보다 짧은 리드타임을 필요로 하였으며, 소량 다빈도 운송이 이루어지는 no-wait 접근 방법, 다량 소빈도 운송이 이루어지는 no-wait 접근 방법, 그리고 cycle scheduling 접근 방법의 순으로 재고 유지 비용이 증가하였다.
    다음으로 공급사슬 총 비용을 최소화하는 모든 생산 로트에 할당하는 생산량과 작업 순서를 결정하는 문제를 다루었다. 생산량 할당은 할당 문제로, 작업 순서 결정은 외판원 문제로 모형화하였다. 하지만, 이 문제들은 최적해를 찾는데 많은 시간이 걸리기 때문에 보다 빠른 시간에 최선의 해를 찾기 위한 휴리스틱 알고리듬들이 개발되었다. 메타휴리스틱 알고리듬인 simulated annealing과 genetic algorithm을 기반으로 5개의 휴리스틱 알고리듬을 개발하였으며, 그 중 수정된 염색체 선택 방법을 사용한 genetic algorithm인 GA2가 가장 일관된 좋은 성능을 보였다.
    생성된 공급사슬 동기화 계획은 기업들에게 엄격한 프로세스 관리를 필요로 한다. 그런데 불확실성으로 인하여 동기화 계획을 항상 정확하게 수행하는 것은 매우 어렵다. 불확실성은 생산 및 운송 시간의 지연으로 발생하는데, 동기화 계획에 대한 지연 시간의 비율은 시간의 흐름에 따라 감소하는 경향이 있다. 추세가 있는 경우 뛰어난 예측 성능을 보이는 신경망 이론과 일관된 좋은 성능을 보이는 GA2를 결합하여 불확실성을 고려한 공급사슬 동기화 계획을 세운다. 제안된 두 가지 방법 중에서 수요예측방법 중의 하나인 Holt’s 방법을 신경망 이론에 결합한 NNGA2가 좋은 성능을 보였다.
  • Research result and Utilization method
  • 많은 기업들은 물자의 원활한 흐름을 통하여 공급사슬 총 비용과 리드타임을 줄임으로써 고객의 요구를 최대한 충족시키고 기업의 자원을 효율적으로 관리할 수 있도록 많은 노력을 기울여왔다. 이를 위한 다양한 활동 중에서 공급사슬의 모든 프로세스들을 동기화 시키는 것은 공급사슬을 개선시키는데 중요한 개념으로 인식되어왔다.
    본 연구에서는 no-wait 접근 방법을 사용하여 규모의 경제를 적용 받지 않는 운송 수단이 사용되는 경우에는 공급자의 생산이 종료된 시점과 하위 공급사슬에 위치하는 생산자에게 공급자가 생산한 제품 혹은 부품의 운송을 시작하는 시점을 동기화하고, 운송이 완료되는 시점과 생산자가 소비하는 시점을 동기화함으로써 공급사슬 전체의 물적 흐름을 원활하게 하는 공급사슬 동기화 모형을 제시하였다. 만약 규모의 경제 법칙에 적용을 받는 운송 수단이 사용되는 경우에는 공급자의 모든 작업이 완료된 다음 규모의 경제 법칙에 적용을 받는 운송 수단으로 한번에 생산자에게 전달된다.
    No-wait 접근 방법의 효과를 살펴보기 위하여 소량 다빈도 운송이 이루어지는 no-wait 접근 방법, 다량 소빈도 운송이 이루어지는 no-wait 접근 방법, 그리고 규모의 경제 법칙을 따르는 운송 수단이 사용되는 경우 동기화 모형으로 사용되는 기존의 cycle scheduling 접근 방법을 소량 다빈도 운송 방법이 사용될 수 있는 경우 발생하는 재고 유지 비용과 리드타임의 길이를 비교하였다. 그 결과 소량 다빈도 운송이 이루어지는 no-wait 접근 방법과 다량 소빈도 운송이 이루어지는 no-wait 접근 방법이 cycle scheduling 접근 방법에 비하여 더욱 짧은 리드타임을 필요로 하였다. 또한 cycle scheduling 접근 방법은 다량 소빈도 운송이 이루어지는 no-wait 접근 방법에 비하여 큰 재고 유지 비용을 발생시키며, 소량 다빈도 운송이 이루어지는 no-wait 접근 방법이 다량 소빈도 운송이 이루어지는 no-wait 접근 방법에 비하여 적은 재고 유지 비용을 발생시켰다. 따라서 소량 다빈도 운송 방법이 사용될 때 소량 다빈도 운송이 이루어지는 no-wait 접근 방법을 사용하는 것은 재고 유지 비용과 리드타임의 길이를 줄일 수 있는 효과를 기대할 수 있다. 그래서 다양한 운송 방법을 사용하여 전 세계에 다양하게 분포한 공급자와 생산자의 물적 흐름을 관리할 필요가 있는 CKD/SKD 생산 방식을 사용하거나 철강 생산 및 식품과 관련하여 보다 짧은 리드타임이 필요한 경우 효과적으로 사용할 수 있을 것이다.
    이후 소량 다빈도 운송이 이루어지는 no-wait 접근 방법과 다량 소빈도 운송이 이루어지는 no-wait 접근 방법이 혼합하여 사용되는 경우에 필요한 공급사슬 총 비용을 최소화하는 각 작업의 생산 로트에 할당할 생산량과 작업 순서를 결정하는 문제를 다루었다. 생산량 결정은 할당 문제로 모형화할 수 있었고, 작업 순서를 결정은 외판원 문제로 모형화할 수 있었다. 다만 문제의 크기가 커지면 최적해를 찾는데 많은 시간이 걸리고, 규모의 경제 법칙에 따르는 운송 수단이 사용되는 경우에 할당된 생산량과 작업 순서가 최적해를 결정하는데 있어 상호 영향을 주기 때문에 휴리스틱 알고리듬이 필요하다. 그래서 본 연구에서는 대표적 메타휴리스틱 알고리듬인 simulated annealing과 genetic algorithm을 기반으로 다양한 휴리스틱을 결합하여 5개의 휴리스틱 알고리듬을 개발하였다. 다양한 문제를 대상으로 알고리듬들을 적용한 결과 genetic algorithm을 기반으로 하는 GA2가 가장 좋은 성능을 보였다.
    하지만 결정된 공급사슬 동기화 계획을 수행하기 위해서는 공급사슬을 구성하는 모든 공급자의 프로세스를 엄격하게 관리할 필요가 있다. 만약 생산 및 운송의 지연이 발생하는 경우에는 공급사슬 동기화 계획을 수행하기 어렵게 된다. 이러한 현상은 공급사슬 내외에 존재하는 다양한 불확실성에 의하여 발생한다. 그런데 생산 및 운송 지연 시간의 비율은 시간의 흐름에 따라 점차 감소하는 추세에 있다. 그래서 추세가 있는 경우 효과적인 신경망 이론의 뛰어난 예측 성능과 일관된 좋은 성능을 제시하는 GA2를 결합하여 지연 시간의 비율로 나타나는 불확실성이 존재할 때 공급사슬 동기화 계획을 세울 필요가 있다. 따라서 본 논문에서는 신경망 이론을 통하여 지연 시간의 비율을 예측하고, 그 결과와 함께 앞 절에서 가장 나은 성능을 보인 GA2를 결합하여 불확실성을 고려한 공급사슬 동기화 계획을 위한 두 개의 방법을 제시하였다. 그 중 Holt’s 방법과 신경망 이론을 결합하고 GA2를 통하여 공급사슬 동기화 계획을 세우는 NNGA2가 지연 시간 비율의 예측과 공급사슬 동기화 계획의 공급사슬 총 비용과 리드타임의 측면에서 더 나은 성능을 보였다.
  • Index terms
  • 동기화, 공급사슬경영, No-wait 접근 방법
  • List of digital content of this reports
데이터를 로딩중 입니다.
  • This document, it is necessary to display the original author and you do not have permission
    to use copyrighted material for-profit
  • In addition , it does not allow the change or secondary writings of work
데이터 이용 만족도
자료이용후 의견
입력
트위터 페이스북
NRF Daejeon
(34113) 201, Gajeong-ro, Yuseong-gu, Daejeon, Korea
Tel: 82-42-869-6114 / Fax: 82-42-869-6777
NRF Seoul
(06792) 25, Heonreung-ro, Seocho-gu, Seoul, Korea
Tel: 82-2-3460-5500 / Fax: 82-2-3460-5759
KRM Help Center
Tel : 042-869-6086 Fax : 042-869-6580
E-mail : krmcenter@nrf.re.kr