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
- 블록의 수가 15개인 예제의 경우에도 LINGO에서 실험하였을 때 24시간이 경과한 후까지 답을 구할 수 없어 프로그램을 강제로 종료할 수밖에 없었다. 따라서 본 연구에서는 적정한 시간 안에 최적해에 가까운 해를 구하기 위하여 유전알고리즘(GA; Genetic Algorithm) 기반의 휴리스틱 알고리즘을 설계하고자 한다.
- 결국 주어진 넓이의 작업장 안에 메가블록들을 가능하면 많이 배치하여 작업을 수행하는 것이 이 작업장의 생산성을 제고하는 가장 우선적인 수단이 되는 것이다. 따라서 본 연구에서는 주어진 계획기간에 납기(도크 탑재일)를 가진 메가블록들을 작업장 안에 가장 효율적으로 배치하는 공간계획(Spatial Scheduling) 방법을 찾고자 한다.
- 플로팅 도크에서 선박을 건조하는 경우 메가블록을 사용함으로써 도크의 회전율을 높이게 된다. 본 연구에서는 메가블록 조립작업장의 효율적인 사용을 위한 모형을 개발하였다. 선박 접안스케줄링 문제에 기초를 두고 메가블록 조립작업장에서 요구되는 제약조건 및 목적함수를 고려한 새로운 모형을 만들고 상업용 최적화 소프트웨어를 사용해 그 타당성을 검증하였다.
- 해를 표현하는 방법을 결정하는 것은 유전알고리즘의 개발에 있어 가장 핵심적인 부분이다. 본 연구에서는 염색체를 이용해 계획대상 블록들의 배치순서를 표시하고자 한다. 순서를 표현하는 방법은 매우 많지만 본 연구에서는 0과 1사이의 랜덤 수를 이용한 Random Keys 표현방법을 사용한다.
- 이 그림에서는 한 개이지만 실제로 계획대상블록은 여러개 있으며 이 계획대상 직사각형들을 서로 겹치지 않게 배치하는 것이 본 연구의 주된 과제이다. 이 목적을 달성하기 위해 본 연구에서는 우선 수리적 최적화 모형을 개발한다.
- 이와 같은 차이를 반영하여 본 연구에서는 메가블록 조립계획을 위한 새로운 모형을 개발한다. 선박접안스케줄링 문제와 유사한 형태이지만 메가블록 조립작업장에서 요구되는 제약 조건 및 목적함수를 고려한 새로운 모형을 만들고 그 타당성을 검증한다.
- 또한 세대를 진행함에 있어 “Elitist strategy”를 적용하였다. 즉, 각 세대별로 가장 우수한 몇 개의(본 연구에서는 두 개) 염색체를 유전연산(교배 및 돌연변이) 없이 바로 다음 세대로 복제하는 것이다. 이렇게 함으로써 지금까지 발견된 가장 우수한 두 개의 해는 확실하게 다음 세대로 전달되는 것을 보장할 수 있게 된다.
- 특히 선박은 매우 고가이므로 납기지연 위약금이 매우 크고, 따라서 작업장의 효율적인 사용을 통해 작업일정을 단축하는 것은 다른 일반적인 제조업에 비해 파급효과가 훨씬 크다고 할 수 있다. 즉, 메가블록 조립작업장의 효율적인 사용계획을 통해 조선생산성을 제고하고 나아가 조선경쟁력을 강화할 수 있도록 하는 것이 본 연구의 궁극적인 목적이다.
가설 설정
- (1) 계획대상 메가블록들은 착수가능시간(ai)이 0이상이고 지연착수시간(bi)이 T 이하이다.
- (2) 일단 배치된 블록은 반출시까지 위치를 변경할 수 없다.
- 1) 납기고정 및 공기단축 : 납기지연 페널티가 매우 비싼 선박의 특성으로 인해 도크에서의 탑재일은 반드시 지켜져야 하는 조건이다. 따라서 메가블록의 조립완료일(= 탑재일)은 고정되어 있다.
- 우선 Lim(1998)은 계획기간 내 필요한 안벽길이를 최소화하기 위한 접안스케줄 알고리즘을 개발하였다. 이 알고리즘은 선박이 항구에 도착하면 바로 접안하여야 하고, 일단 접안하면 작업이 끝날 때까지 이동이 불가능한 상황을 가정하였다. Park and Kim(2002)은 각 선박의 지연출항비용을 최소화하는 모형을 개발하고 Subgradient optimization 방법으로 해를 구하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.