본 최근 철도 산업이 국가 중심 산업으로 부상하면서 이 분야의 학문적 관심이 높아지고 있다. 특히, 철도 산업의 규모가 커짐에 따라 승객과 화물의 안전한 수송이 강조되고 있으며 이를 위해 철도 차량의 정기적인 검수 및 청소를 담당하는 차량기지의 건설이 증가하고 있다. 하지만 철도 차량기지 건설은 막대한 투자비용과 시간이 소요되며 효율적인 설계 및 시공을 위해 고려해야 할 조건이 많다. 따라서 본 논문에서는 복수의 차량기지 설계 대안들 중 가장 효율적인 설계안을 찾기 위해 시뮬레이션을 사용하여 분석하였다. 시뮬레이션 분석은 시설의 목적을 최대한 반영 할 수 있는 종속 변수를 선정 후 Warm-up 분석을 하였고, 분석 이후 안정화 상태의 종속 변수 평가치를 대안 별로 추출하였다. 그리고 시뮬레이션 실험에 의해 얻어진 각 종속 변수의 평가치는 다 속성 의사 결정 방법을 통해 대안 선정에 사용 되는데, 기존의 다 속성 의사 결정 방법은 절차적으로 복잡하거나 의사 결정자의 주관적인 능력에 기대는 단점을 가진다. 그러나 엔트로피 척도를 활용한 대안 선정은 의사 결정자에게 신속하고 객관적인 방법으로 대안 선정을 할 수 있게끔 도와준다. 따라서 본 연구에서는 철도 차량기지 설계의 신속한 최적 설계안 도출을 위해 엔트로피 척도를 이용하였으며 이는 차량기지 설계 프로젝트처럼 신속하고 객관적인 의사결정이 필요한 상황에서 매우 유용함을 보여주었다.
본 최근 철도 산업이 국가 중심 산업으로 부상하면서 이 분야의 학문적 관심이 높아지고 있다. 특히, 철도 산업의 규모가 커짐에 따라 승객과 화물의 안전한 수송이 강조되고 있으며 이를 위해 철도 차량의 정기적인 검수 및 청소를 담당하는 차량기지의 건설이 증가하고 있다. 하지만 철도 차량기지 건설은 막대한 투자비용과 시간이 소요되며 효율적인 설계 및 시공을 위해 고려해야 할 조건이 많다. 따라서 본 논문에서는 복수의 차량기지 설계 대안들 중 가장 효율적인 설계안을 찾기 위해 시뮬레이션을 사용하여 분석하였다. 시뮬레이션 분석은 시설의 목적을 최대한 반영 할 수 있는 종속 변수를 선정 후 Warm-up 분석을 하였고, 분석 이후 안정화 상태의 종속 변수 평가치를 대안 별로 추출하였다. 그리고 시뮬레이션 실험에 의해 얻어진 각 종속 변수의 평가치는 다 속성 의사 결정 방법을 통해 대안 선정에 사용 되는데, 기존의 다 속성 의사 결정 방법은 절차적으로 복잡하거나 의사 결정자의 주관적인 능력에 기대는 단점을 가진다. 그러나 엔트로피 척도를 활용한 대안 선정은 의사 결정자에게 신속하고 객관적인 방법으로 대안 선정을 할 수 있게끔 도와준다. 따라서 본 연구에서는 철도 차량기지 설계의 신속한 최적 설계안 도출을 위해 엔트로피 척도를 이용하였으며 이는 차량기지 설계 프로젝트처럼 신속하고 객관적인 의사결정이 필요한 상황에서 매우 유용함을 보여주었다.
The scholarly concern of train industry has been improved, since country focuses on this field. Especially, train maintenance facility has been studied for construction, because the facility is important to inspect the train that transports passenger and cargo. Various operation plans and criteria a...
The scholarly concern of train industry has been improved, since country focuses on this field. Especially, train maintenance facility has been studied for construction, because the facility is important to inspect the train that transports passenger and cargo. Various operation plans and criteria are considered to build train maintenance facility. In this paper, the decision making of train maintenance facility for construction is studied and analyzed with simulation, because mathematical theory is restricted to consider various operation plans and criteria. Through simulation, we analyze warm-up after selecting dependent factors, and extract data. The data is used to select a alternative in this problem, Multiple Attribute Decision Making(MADM). Previous study is difficult, complex and subjective for decision making. However, entropy measurement we used help decision maker for decision making, easily, simply, and objectively. This method can have decision maker choose the best alternative in case the train maintenance facility construction is fast revitalized.
The scholarly concern of train industry has been improved, since country focuses on this field. Especially, train maintenance facility has been studied for construction, because the facility is important to inspect the train that transports passenger and cargo. Various operation plans and criteria are considered to build train maintenance facility. In this paper, the decision making of train maintenance facility for construction is studied and analyzed with simulation, because mathematical theory is restricted to consider various operation plans and criteria. Through simulation, we analyze warm-up after selecting dependent factors, and extract data. The data is used to select a alternative in this problem, Multiple Attribute Decision Making(MADM). Previous study is difficult, complex and subjective for decision making. However, entropy measurement we used help decision maker for decision making, easily, simply, and objectively. This method can have decision maker choose the best alternative in case the train maintenance facility construction is fast revitalized.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
철도 차량기지 시설의 검수 및 청소 체계는 차량 종류, 주행 거리 등에 따라 나뉘며, 각 업무 장소에 따른 작업 시간, 운영 계획 및 작업자 교대 시간이 경우에 따라 다양하여 시설의 설계 및 분석은 수리적 모델로 분석하기에 어려움이 따른다. 따라서 본 연구에서는 시뮬레이션 방법을 통하여 차량기지 시설을 분석하려 한다. 수많은 비용과 시설 투자를 하는 만큼 하나의 대안만을 갖고 분석하지는 않고, 보통 복수의 대안으로 이루어진 경우가 대부분이며, 그에 따른 대안 별 수많은 속성 데이터가 존재한다.
본 논문에서는 효율적인 철도 차량기지 설계를 위하여 시뮬레이션 분석에 이은 엔트로피 척도를 활용한 최적설계안 선정을 하였다. 시뮬레이션 분석으로는 종속 변수를 선정하여, Warm-up 분석 후 안정화 상태의 데이터를 추출하여 대안 별 비교, 평가하였다.
이 방법은 의사 결정자의 주관적인 능력이 배제하고, 절차의 간소화로 어떤 의사 결정자도 쉽고 빠르게 대안선정이 가능하고, 추가 연구를 통해 속성의 목표가 최대화이든 최소화이든 모두 고려하여 철도 차량기지 건설의 최적 설계 대안 선정을 할 수 있다. 본 연구에서 설명한 방법으로 한정된 시간 내 빠르게 진행되고 있는 실제 철도 차량기지 대안 선정에 큰 도움을 줄 수 있을 것으로 기대되는 바이다.
본 연구에서는 시뮬레이션을 통해 얻어진 대안별 데이터를 위 방법론을 인용하여 다 속성 의사 결정 문제를 해결하려 한다.
가설 설정
시뮬레이션 가정은 시뮬레이션 실시 전 모델링의 일관되고 효율적인 구축을 위해 설정하는 가정이라고 할 수 있다. 세부 사항은 아래와 같다.
시뮬레이션 모델링에 앞서 철도 차량기지 시스템을 정확히 이해하고, 이에 맞는 시뮬레이션 가정을 정의해야 한다. 본 연구에서 기술한 사례 연구 자료는 실제 차량기지 설계 대안 및 운영 계획을 통하여 실험 하였다.
제안 방법
그리고 안정화 상태 이후에 대안 별 종속 변수의 데이터를 추출하여 분석한다. 그 후, 얻어진 각 속성데이터를 바탕으로 엔트로피 척도를 활용하여 여러 대안 중 최적 대안을 결정한다. 그림 1은 철도 차량기지 시설의 시뮬레이션 및 분석 방법에 관한 순서도이다.
시뮬레이션 분석 방법은 먼저, 종속 변수를 선정한 후 Warm-up 분석을 수행하였다. 그리고 안정화 상태 이후에 대안 별 종속 변수의 데이터를 추출하여 분석한다. 그 후, 얻어진 각 속성데이터를 바탕으로 엔트로피 척도를 활용하여 여러 대안 중 최적 대안을 결정한다.
대안의 분석에서는 위의 종속 변수에 관한 데이터 분석을 실시하였다. 각 분석 결과 데이터에 관한 요약은 다음과 같다.
따라서 Warmup Period 30일 이후 60개월(5년)을 하나의 Scenario로 5회씩 반복한 결과를 대안의 분석 결과로 사용하였다.
게다가, 속성 간 비교 시 의사결정자 주관적인 능력에 따른다는 점에서 대안 선정의 한계가 있다. 따라서 본 연구에서는 의사 결정자가 좀 더 이해하기 쉬우면서 합리적인 과정을 통해 가중치를 결정할 수 있어야 하는 측면에서 엔트로피 척도[3]를 다 속성 의사 결정에 적용하였다.
시뮬레이션 모델링에 앞서 철도 차량기지 시스템을 정확히 이해하고, 이에 맞는 시뮬레이션 가정을 정의해야 한다. 본 연구에서 기술한 사례 연구 자료는 실제 차량기지 설계 대안 및 운영 계획을 통하여 실험 하였다.
시뮬레이션 실행 시, 항상 초기 상태부터 실행이 되기 때문에 초기 데이터부터 분석에 포함하기에는 무리이다. 이에 Warm-up 분석을 통해 시뮬레이션실행상태가 안정화상태(Steady-State)에 도달하는 시간을 분석 하여, 해당 시간만큼 얻어진 자료를 분석 자료에서 제거하기 위하여 Warm-up분석을 한다.[1]
시뮬레이션 종속 변수의 선정은 시스템을 평가하는 기준이 되는 변수로서, 현 시스템에서 가중 큰 영향을 주는 변수를 선정하여야 한다. 종속 변수로는 각 작업장 별 이용률, 싸이클 타임, 대기 시간 그리고 이동 시간으로 선정하였다. 각 작업장 별 이용률은 각 설비 별 이용률로서, 동일한 작업을 처리하는데 있어서 낮은 이용률로 처리가 가능하다면 더 좋은 방법이지만, 적정 수준의 이용률을 가지는 것이 좋은 시스템이라고 할 수 있다.
데이터처리
본 논문에서는 효율적인 철도 차량기지 설계를 위하여 시뮬레이션 분석에 이은 엔트로피 척도를 활용한 최적설계안 선정을 하였다. 시뮬레이션 분석으로는 종속 변수를 선정하여, Warm-up 분석 후 안정화 상태의 데이터를 추출하여 대안 별 비교, 평가하였다. 이후 다 속성 의사결정을 위해 엔트로피 척도를 이용하여 대안 별 속성 평가치의 차이가 클수록 해당 속성에 높은 가중치를 주었다.
차량기지 설계안은 설계 배치와 운영 프로세스에 따라 그림 2 와 같이 총 4개의 대안이 고려되었으며 각각 시뮬레이션 모형을 구축하여 상호 비교분석하였다. 대안 별 설계상 차이점으로 대안1과 대안2은 두단식이며, 대안3과 대안4은 관통식이다.
이론/모형
본 실험에서는 AutoMOD의 PlugIn Tool인 AutoStat 4.4를 이용하여 차량기지 시뮬레이션 에 관한 Warm-Up Graph를 아래 그림과 같이 산출 할 수 있었다. 이 그래프를 통해 시뮬레이션 실행 처음부터 대부분의 결과 값이 일정한 주기에 맞추어 도출되는 것을 알 수 있는데, 이는 시뮬레이션 처음부터 안정화 상태에 이르기 때문에 Warmup Period가 필요 없다 할 수 있다.
위에서 정의한 내용을 토대로 각 대안별 시뮬레이션 모델링을 수행하였다. 시뮬레이션 모델링을 위해 AutoMOD 라는 3D Simulation Tool을 사용하였다. 그림3 시뮬레이션 모델 전체 및 경수선 정비 시설 화면이다.
시뮬레이션 분석 방법은 먼저, 종속 변수를 선정한 후 Warm-up 분석을 수행하였다. 그리고 안정화 상태 이후에 대안 별 종속 변수의 데이터를 추출하여 분석한다.
성능/효과
시뮬레이션 분석으로는 종속 변수를 선정하여, Warm-up 분석 후 안정화 상태의 데이터를 추출하여 대안 별 비교, 평가하였다. 이후 다 속성 의사결정을 위해 엔트로피 척도를 이용하여 대안 별 속성 평가치의 차이가 클수록 해당 속성에 높은 가중치를 주었다. 이 방법은 의사 결정자의 주관적인 능력이 배제하고, 절차의 간소화로 어떤 의사 결정자도 쉽고 빠르게 대안선정이 가능하고, 추가 연구를 통해 속성의 목표가 최대화이든 최소화이든 모두 고려하여 철도 차량기지 건설의 최적 설계 대안 선정을 할 수 있다.
후속연구
이후 다 속성 의사결정을 위해 엔트로피 척도를 이용하여 대안 별 속성 평가치의 차이가 클수록 해당 속성에 높은 가중치를 주었다. 이 방법은 의사 결정자의 주관적인 능력이 배제하고, 절차의 간소화로 어떤 의사 결정자도 쉽고 빠르게 대안선정이 가능하고, 추가 연구를 통해 속성의 목표가 최대화이든 최소화이든 모두 고려하여 철도 차량기지 건설의 최적 설계 대안 선정을 할 수 있다. 본 연구에서 설명한 방법으로 한정된 시간 내 빠르게 진행되고 있는 실제 철도 차량기지 대안 선정에 큰 도움을 줄 수 있을 것으로 기대되는 바이다.
질의응답
핵심어
질문
논문에서 추출한 답변
철도의 가장 큰 목적은 무엇인가?
철도의 가장 큰 목적은 승객과 화물을 정확하고 안정하게 이동시켜 주는 거점 운송 수단으로 그 역할을 하고 있다. 철도 시스템은 차량, 선로, 통신, 신호, 정비 등 여러 가지 기술의 복합체로 구성되는데 그중에서도 안전성과 관련된 역할을 하는 시스템으로 철도 차량기지 시설이 있다[1].
철도 시스템은 어떻게 구성되는가?
철도의 가장 큰 목적은 승객과 화물을 정확하고 안정하게 이동시켜 주는 거점 운송 수단으로 그 역할을 하고 있다. 철도 시스템은 차량, 선로, 통신, 신호, 정비 등 여러 가지 기술의 복합체로 구성되는데 그중에서도 안전성과 관련된 역할을 하는 시스템으로 철도 차량기지 시설이 있다[1].
다 속성 의사 결정 문제를 해결하기 위한 연구 방법에는 무엇이 있는가?
이를 해결하기 위하여 가장 중요한 것이 각 결과 데이터 속성별 중요도 즉, 가중치를 어떻게 주느냐에 따라 결과가 달라지는 것인데 현재 이런 다 속성 의사 결정(MADM) 문제를 해결하기 위해 많은 연구되고 있다. 그 예로는 의사결정자의 선호구조(preference structure)에 제약을 가하는 수리적 접근방법(mathematical approaches)과 의사 결정자에게 반복적으로 대안이나 속성 간 쌍대 비교(pairwise comparison)의 선호 정보를 요구하는 대화형 접근 방법(Interactive approaches)으로 크게 구분할 수 있다[3]. 후자의 대표적인 예가 Analytic Hierarchy Process(AHP)라 할 수 있다.
참고문헌 (9)
엄인섭, "열차 중수선 시설의 최적 설계를 위한 시뮬레이션 분석 방법", 한국철도학회 논문지, 제12권, 제2호, pp. 291-301, 2009.
이강인, "엔트로피 척도를 이용한 MADM 문제의 선호 대안 선정", Journal of the Society of Korea Industrial and Systems Engineering, 제26권, 제2호, pp. 55-61, 2003.
전병학, "시뮬레이션 기법을 이용한 철도차량 중정비공장 설계검증", 한국시뮬레이션학회 논문지, 제18권, 제3호, pp. 23-34, 2009.
Addison Wesley, "DATA MINING", 2007.
Yasmina Hani, "Simulation based optimization of a train maintenance facility", Journal of Intelligent Manufacturing, 제19호, pp. 293-300, 2008
Zhi-Ping Fan, "A multiple attributes decision making method using individual and collaborative attribute data in a fuzzy environment", Information Sciences, 제179호, pp. 3603-3618, 2009.
Wei-Jaw Deng, "Evaluating Service System Alternatives via a Computer Simulation-enabled MCDM Framework", The Asian journal on quality, 제8권, 제2호, pp. 100-114, 2007.
KumarA., "Attribute based specification, comparison and selection of electroplating system using MADM approach", Expert systems with applications, 제36권, 제8호, pp. 10815-10827, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.