시장환경이 치열해지고 세계화됨에 따라 많은 기업에서는 효율적인 운영을 위하여 많은 변화를 추구하고 있다. 이러한 경쟁적 환경에서 경쟁력의 우위를 확보하기 위한 기술로서 공급사슬스케줄링(Supply chain Scheduling)에 대한 많은 연구가 진행되고 있다.공급사슬 (Supply Chain)은 공급자, 생산자, 유통업자, 소매업자 그리고 고객들이 서로 유기적 관계를 맺으면서 원자재를 구매하고 이를 이용 최종 생산품으로 생산하여 최종소비자에게 공급하는 일련의 활동과 네트워크로 정의할 수 있다. 원자재를 공급자로부터 공급을 받아 제품을 생산하기 위한 생산스케줄과 생산된 제품을 신속하게 고객에게 전달하기 위한 배송스케줄을 수립하여 고객의 만족을 극대화 하기 위한 연구이다.기존의 많은 연구들이 공급망내에 존재하는 복잡성과 불확실성으로 인해 생산과 배송을 동시에 고려하는 모델이 아닌 독립적으로 존재하는 모델의 ...
시장환경이 치열해지고 세계화됨에 따라 많은 기업에서는 효율적인 운영을 위하여 많은 변화를 추구하고 있다. 이러한 경쟁적 환경에서 경쟁력의 우위를 확보하기 위한 기술로서 공급사슬스케줄링(Supply chain Scheduling)에 대한 많은 연구가 진행되고 있다.공급사슬 (Supply Chain)은 공급자, 생산자, 유통업자, 소매업자 그리고 고객들이 서로 유기적 관계를 맺으면서 원자재를 구매하고 이를 이용 최종 생산품으로 생산하여 최종소비자에게 공급하는 일련의 활동과 네트워크로 정의할 수 있다. 원자재를 공급자로부터 공급을 받아 제품을 생산하기 위한 생산스케줄과 생산된 제품을 신속하게 고객에게 전달하기 위한 배송스케줄을 수립하여 고객의 만족을 극대화 하기 위한 연구이다.기존의 많은 연구들이 공급망내에 존재하는 복잡성과 불확실성으로 인해 생산과 배송을 동시에 고려하는 모델이 아닌 독립적으로 존재하는 모델의 최적화에 주안점을 두고 연구를 수행하였다. 그러나 생산과 배송스케줄은 실시간으로 계획의 변경과 조정이 수행되어야 하는 공급사슬상의 환경에서 매우 중요하고 어려운 분야이다. 과거의 많은 연구들은 복잡하고 불확실한 공급사슬에서 많은 가정사항을 두고 제한된 범위에서 생산계획과 배송계획을 수립하였다. 따라서 생산스케줄과 배송스케줄을 동시에 통합적으로 고려 한다는 것은 더욱 어려운 문제일 것이다.본 논문의 목적은 공습사슬에 존재하는 불확실성에 대한 고려를 통해 고객의 납기에 대한 요구에 현실성 있게 대응할 수 생산스케줄과 생산배송스케줄을 수립하는데 있다. 생산스케줄을 위하여 대체 가능한 기계를 소유한 공장에서 제품의 생산을 수행할 잡(Job)과 기계의 선정과 이에 대한 작업순서를 결정하는 스케줄을 수립한다. 또한 생산배송스케줄을 위하여서는 공장에서 생산된 제품을 운송이 가능한 트럭을 이용하여 고객에 배송하는 생산에서부터 배송까지 전 과정을 동시에 고려하여 스케줄을 수립한다.이를 위하여 시뮬레이션과 유전알고리즘을 이용한 하이브리드방법을 제안한다. 공급망내에 존재하는 불확실성을 표현하기 위하여 시뮬레이션을 이용하여 설계하고 유전알고리즘은 생산계획과 배송계획에 있어 현실성 있는 스케줄을 신속하게 제시하기 위해 적용되었다. 유전알고리즘에서 제시한 스케줄링은 현실의 공급사슬에서 존재하는 많은 가정사항과 고장 그리로 수리와 같은 불확실성으로 현실성 있는 스케줄을 수립하는데 많은 문제가 있다. 따라서, 시뮬레이션은 유전알고리즘에서 제시한 생산과 배송스케줄을 이용하여 현실상황을 적절하게 반영하도록 모델링하여 계획된 최종작업을 수행되는데 소요되는 완료시간을 최소화하기 위하여 적용하였다.개발된 하이브리드 방법론의 유효성을 검증하기 위하여 실험적 예제를 설계하고 이를 컴퓨터 실험하였으며 이에 대한 결과를 분석하였다. 실험결과 복잡한 공급사슬계획문제를 해결하는데 있어 본 논문에서 제안한 하이브리드 방법이 현실성있고 실현 가능한 생산배송스케줄을 빠른 시간내에 제시함을 보여주었다. 본 논문에서 개발한 방법론을 이용하여 생산과 배송시간을 최소화하며 동시에 설비와 기계의 효율적인 운영과 납기준수 등을 통한 고객의 만족도를 높이기 위한 생산계획과 배송스케줄의 수립이 가능할 것이다.
시장환경이 치열해지고 세계화됨에 따라 많은 기업에서는 효율적인 운영을 위하여 많은 변화를 추구하고 있다. 이러한 경쟁적 환경에서 경쟁력의 우위를 확보하기 위한 기술로서 공급사슬스케줄링(Supply chain Scheduling)에 대한 많은 연구가 진행되고 있다.공급사슬 (Supply Chain)은 공급자, 생산자, 유통업자, 소매업자 그리고 고객들이 서로 유기적 관계를 맺으면서 원자재를 구매하고 이를 이용 최종 생산품으로 생산하여 최종소비자에게 공급하는 일련의 활동과 네트워크로 정의할 수 있다. 원자재를 공급자로부터 공급을 받아 제품을 생산하기 위한 생산스케줄과 생산된 제품을 신속하게 고객에게 전달하기 위한 배송스케줄을 수립하여 고객의 만족을 극대화 하기 위한 연구이다.기존의 많은 연구들이 공급망내에 존재하는 복잡성과 불확실성으로 인해 생산과 배송을 동시에 고려하는 모델이 아닌 독립적으로 존재하는 모델의 최적화에 주안점을 두고 연구를 수행하였다. 그러나 생산과 배송스케줄은 실시간으로 계획의 변경과 조정이 수행되어야 하는 공급사슬상의 환경에서 매우 중요하고 어려운 분야이다. 과거의 많은 연구들은 복잡하고 불확실한 공급사슬에서 많은 가정사항을 두고 제한된 범위에서 생산계획과 배송계획을 수립하였다. 따라서 생산스케줄과 배송스케줄을 동시에 통합적으로 고려 한다는 것은 더욱 어려운 문제일 것이다.본 논문의 목적은 공습사슬에 존재하는 불확실성에 대한 고려를 통해 고객의 납기에 대한 요구에 현실성 있게 대응할 수 생산스케줄과 생산배송스케줄을 수립하는데 있다. 생산스케줄을 위하여 대체 가능한 기계를 소유한 공장에서 제품의 생산을 수행할 잡(Job)과 기계의 선정과 이에 대한 작업순서를 결정하는 스케줄을 수립한다. 또한 생산배송스케줄을 위하여서는 공장에서 생산된 제품을 운송이 가능한 트럭을 이용하여 고객에 배송하는 생산에서부터 배송까지 전 과정을 동시에 고려하여 스케줄을 수립한다.이를 위하여 시뮬레이션과 유전알고리즘을 이용한 하이브리드방법을 제안한다. 공급망내에 존재하는 불확실성을 표현하기 위하여 시뮬레이션을 이용하여 설계하고 유전알고리즘은 생산계획과 배송계획에 있어 현실성 있는 스케줄을 신속하게 제시하기 위해 적용되었다. 유전알고리즘에서 제시한 스케줄링은 현실의 공급사슬에서 존재하는 많은 가정사항과 고장 그리로 수리와 같은 불확실성으로 현실성 있는 스케줄을 수립하는데 많은 문제가 있다. 따라서, 시뮬레이션은 유전알고리즘에서 제시한 생산과 배송스케줄을 이용하여 현실상황을 적절하게 반영하도록 모델링하여 계획된 최종작업을 수행되는데 소요되는 완료시간을 최소화하기 위하여 적용하였다.개발된 하이브리드 방법론의 유효성을 검증하기 위하여 실험적 예제를 설계하고 이를 컴퓨터 실험하였으며 이에 대한 결과를 분석하였다. 실험결과 복잡한 공급사슬계획문제를 해결하는데 있어 본 논문에서 제안한 하이브리드 방법이 현실성있고 실현 가능한 생산배송스케줄을 빠른 시간내에 제시함을 보여주었다. 본 논문에서 개발한 방법론을 이용하여 생산과 배송시간을 최소화하며 동시에 설비와 기계의 효율적인 운영과 납기준수 등을 통한 고객의 만족도를 높이기 위한 생산계획과 배송스케줄의 수립이 가능할 것이다.
Today’s business environment may be defined as an era of expansion and globalisation of companies. Many of companies have made significant improvements for efficient supply chain management. The coordination of activities along different stages of a supply chain has received many attentions in the a...
Today’s business environment may be defined as an era of expansion and globalisation of companies. Many of companies have made significant improvements for efficient supply chain management. The coordination of activities along different stages of a supply chain has received many attentions in the area of production and operation management research.The purpose of this dissertation is to generate realistic production scheduling in the supply chain. The scheduling model determines the best schedule using operation sequences and machines. The model is NP-hard in the strong sense in general. And, real system can be happened various kinds of uncertain factors such as queuing, breakdowns and repairing time in the manufacturing supply chain. To solve this problem a hybrid approach involving a genetic algorithm (GA) and computer simulation is proposed. Such an approach has not been found during in the literature survey. The GA is employed in order to quickly generate feasible production and delivery schedules. But, the feasible solution in a GA procedure cannot correctly represent the stochastic behaviour of a real operation. The simulation is used to minimize the maximum completion time for the production and delivery plan with last sequence with fixed schedules from the GA model. More realistic production and delivery schedules can be obtained by performing the approach repeatedly. This proposed approach is for: (1) selecting the best machine for each operation, (2) deciding the sequence of operation to product and route to deliver, and (3) minimizing the makespan for each order.The results of computational experiments for a simple example of the supply chain are given and discussed to validate the proposed approach. It has been shown that the hybrid approach is powerful for complex production -delivery scheduling in the manufacturing supply chain. The analysis of variance (ANOVA) test results clearly indicate that all the factors have significant effect on the outputThe proposed approach can be used to generate realistic production- delivery schedules considering stochastic natures in the actual supply chain of manufacturing.
Today’s business environment may be defined as an era of expansion and globalisation of companies. Many of companies have made significant improvements for efficient supply chain management. The coordination of activities along different stages of a supply chain has received many attentions in the area of production and operation management research.The purpose of this dissertation is to generate realistic production scheduling in the supply chain. The scheduling model determines the best schedule using operation sequences and machines. The model is NP-hard in the strong sense in general. And, real system can be happened various kinds of uncertain factors such as queuing, breakdowns and repairing time in the manufacturing supply chain. To solve this problem a hybrid approach involving a genetic algorithm (GA) and computer simulation is proposed. Such an approach has not been found during in the literature survey. The GA is employed in order to quickly generate feasible production and delivery schedules. But, the feasible solution in a GA procedure cannot correctly represent the stochastic behaviour of a real operation. The simulation is used to minimize the maximum completion time for the production and delivery plan with last sequence with fixed schedules from the GA model. More realistic production and delivery schedules can be obtained by performing the approach repeatedly. This proposed approach is for: (1) selecting the best machine for each operation, (2) deciding the sequence of operation to product and route to deliver, and (3) minimizing the makespan for each order.The results of computational experiments for a simple example of the supply chain are given and discussed to validate the proposed approach. It has been shown that the hybrid approach is powerful for complex production -delivery scheduling in the manufacturing supply chain. The analysis of variance (ANOVA) test results clearly indicate that all the factors have significant effect on the outputThe proposed approach can be used to generate realistic production- delivery schedules considering stochastic natures in the actual supply chain of manufacturing.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.