선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 연구가 앞서 수행되었다. AGV 배차의 목표는 QC의 작업지연을 최소화하고 AGV의 주행비용(연료, 시간 등)을 줄일수 있도록 각 AGV에 컨테이너 운반 작업을 할당하는 것이다. 기존 연구 중에는 AGV 배차 문제를 혼합정수계획법(mixed integer programming)으로 수식모델을 세우고 그로부터 최 적해를 구하려는 시도가 있었다.
- LWF는 4장에서 설명한, 평가 시뮬레이션 중에 AGV에 작업을 할당할 때 사용하는 휴리스틱 배차방안이다. 또한, 정적 시뮬레이션 기반 AGV 배차(DDS; Dispatching with Deterministic Simulation)의 성능을 제안방안(DSS)과 비교하여 확률적 시뮬레이션의 효과를 검증하고자 한다. DDS는 정적인 환경을 가정하고 평가 시뮬레이션을 수행한 후 QC 지연이 가장 짧은 작업을 AGV에 할당한다.
- 본 논문에서는 불확실성이 있는 작업환경에서 AGV를 효율적으로 배차하기 위해 확률적 시뮬레이션에 기반한 AGV 배차 알고리즘을 제안하였다. 제안방안은 QC와 ASC의 작업시간의 불확실성을 정규분포를 따르는 단순한 모델로 가정하고 이를 바탕으로 확률적 시뮬레이션을 수행하여 AGV 작업 할당결과를 평가하였다.
- 제안방안은 QC와 ASC의 작업시간의 불확실성을 정규분포를 따르는 단순한 모델로 가정하고 이를 바탕으로 확률적 시뮬레이션을 수행하여 AGV 작업 할당결과를 평가하였다. 이를 통해 AGV에 할당 가능한 후보 작업을 평가할 때 불확실성이 평가에 미치는 영향을 줄이고자 하였다. 시뮬레이션 실험을 통해 제안방안을 검증한 결과 크레인 작업에 불확실성이 존재하는 작업환경에서는 불확실성을 고려하여 AGV를 배차하는 것이 QC 지연시간을 줄이는데 효과적임을 확인할 수 있었다.
가설 설정
- 유전자 알고리즘(genetic algorithm)을 이용한 오프라인(off-line) 탐색을 통해 개별 휴리스틱을 취합하기 위한 가중치를 최적 화하였다. 그러나 LADP, GMCA 두 방안 모두 정적인 작업환경을 가정하였으며 AGV 사이의 물리적인 간섭이나 가감속 운동 등은 고려하지 않고 있다.
- 특히 ASC의 경우 재취급작업과 다른 ASC와의 간섭에 의한 지연이 작업시간에 큰영향을 미치므로 이를 반영하는 모델 수립이 필요하다. 또한, 제안 방안의 확률적 시뮬레이션은 작업환경의 불확실성을 정확하게 반영한다는 가정에 따라 작업환경과 동일한 모델을 사용하였다. 그러나 실제 터미널에서 AGV 작업에 영향을 주는 요인은 매우 다양하기 때문에 실제 환경의 불확실성을 완전히 반영하는 모델을 구축하는 것은 거의 불가능하다.
- 본 논문에서는 QC의 작업은 미리 주어진 양/적하 계획에 따라 진행된다고 가정한다. QC는 계획에 따라 순서대로 컨테이너를 싣고 내린다.
- Table 1에서 이벤트 Ei, E2, &는 AGV를 제어하기 위한 이벤트이다. 본 논문에서는 이와 같은 이벤트의 처리가 실시간에 이루어진다고 가정한다. 따라서 이러한 이벤트의 발생시각은 해당 이벤트를 생성한 이벤트의 발생시각에 시뮬레이션의 단위시간 九를 합하여 계산한다.
- 각 장치장 블록은 41 개의 베이(bay)로 구성된다. 시뮬레이션 시나리오는 9대의 AGV을 이용하여 적하 작업을 수행 중인 것으로 가정하였다. 적하 컨테이너의 장치위치는 블록을 삼둥분했을 때 해측 3분의 1영역 안에서 무작위로 결정하였다.
- 2절에서 설명한 크레인 작업 시간 모델에 의해 결정된다. 즉, DSS의 확률적 시뮬레이션의 크레인 작업의 불확실성 모델은 작업환경의 불확실성을 완벽히 반영할 수 있다고 가정하였다. 대상 터 미 널은 선석 이 하나 있고 선석 내부에는 QC 3대, 장치장블록이 7개 있는 터미널로 설정하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.