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
- 또한 제안된 CLSC 모델을 해결하기 위해 GA 접근법의 성능을 개선한 적응형혼합유전알고리즘(Adaptive Hybrid Genetic Algorithm: AHGA) 접근법을 개발한다. 개발된 AHGA 접근법의 수행도는 기존연구들에서 제안된 다양한 접근법들의 수행도와 비교 분석을 실시하여 그 우수성을 입증하고자 한다.
- 따라서 본 연구에서는 기존에 개발된 HGA 접근법의 문제인 모수설정을 자동화한 AHGA접근법을 제안한다. 제안된 AHGA 접근법은 전역적탐색을 위한 GA 접근법, 지역적탐색을 위한 CS(Cuckoo Search)을 함께 사용하고, 모수설정에 사용되는 교차변이율과 돌연변이율을 자동화한 접근법이다.
- 따라서 본 연구에서는 기존의 연구들의 분석에서 밝혀진 적용상의 한계점을 극복하기 위한 개선된 형태의 CLSC 모델을 제안한다. 제안된CLSC 모델에서는 모듈개념을 사용하여 제품을 생산하며, FL과 RL 단계를 연결하여 재사용, 재판매 및 폐기처분을 함께 고려하였다.
- 따라서 본 연구에서는 기존의 연구들의 분석에서 밝혀진 적용상의 한계점을 극복하기 위한 새로운 형태의 CLSC 모델을 제안하였다. 제안된CLSC 모델에서는 모듈개념을 사용하여 제품을 생산하며, FL과 RL 단계를 연결하여 재사용, 재판매 및 폐기처분을 함께 고려하였다.
- 제안된 수리모형의 목적함수는 FL 및 RL 각 단계에서 발생하는 업체(혹은 센터)의 총고정비용(Total Fixed Cost: TFC), 제품(혹은 부품)의총처리비용(Total Handling Cost: THC), 단계 간 총수송비용(Total Transportation Cost: TTC)의 합을 최소화하는 것이다. 이를 수식으로 표시하면 다음과 같다.
제안 방법
- Amin and Zhang [1]의 연구와 비슷한 방법론을 Chen et al. [3] 또한 제안하였다, 즉 이 연구에서는 FL 단계에서 수거되는 사용 후 제품을 적절한 처리과정을 통해 재사용 가능제품과 재사용 불가능제품으로 구분하고, 재사용 가능제품은 FL 단계로, 재사용 불가능제품은 RL 단계로 보내 각각 처리되는 방법론을 제안하였다.
- 2, 총세대수: 1,000이며, 각 접근법들의 수행에서 발생되는 각종 데이터의 랜덤성을 제거하기 위해 총 30회를 반복수행하였다. 또한 각 접근법의 수행도 비교분석을 위해 다섯 가지 형태의 수행도 척도를 사용한다. 먼저 Best Solution은 각 접근법들이 총 30회의 반복을 수행한 후 구해진 가장 우수한 결과를 말한다.
- 제안된CLSC 모델에서는 모듈개념을 사용하여 제품을 생산하며, FL과 RL 단계를 연결하여 재사용, 재판매 및 폐기처분을 함께 고려하였다. 또한 제안된 CLSC 모델을 해결하기 위해 GA 접근법의 성능을 개선한 AHGA 접근법을 개발하였다. 제안된 CLSC 모델은 수리모형으로 설계되었으며,설계된 수리모형은 AHGA 접근법을 통해 이행되었다.
- 제안된CLSC 모델에서는 모듈개념을 사용하여 제품을 생산하며, FL과 RL 단계를 연결하여 재사용, 재판매 및 폐기처분을 함께 고려하였다. 또한 제안된 CLSC 모델을 해결하기 위해 GA 접근법의 성능을 개선한 적응형혼합유전알고리즘(Adaptive Hybrid Genetic Algorithm: AHGA) 접근법을 개발한다. 개발된 AHGA 접근법의 수행도는 기존연구들에서 제안된 다양한 접근법들의 수행도와 비교 분석을 실시하여 그 우수성을 입증하고자 한다.
- 제안된 CLSC 모델은 수리모형으로 설계되었으며,설계된 수리모형은 AHGA 접근법을 통해 이행되었다. 수치실험에서는 다섯 가지 규모의 CLSC모델을 제시하였고, 본 연구에서 제안된 AHGA접근법과 기존 연구들에서 사용된 GA 및 HGA접근법을 적용하여 그 수행도를 비교 분석하였다. 비교분석결과는 다음과 같이 요약될 수 있다.
- 재사용 가능 제품은 회복센터(Recovery Center)로 보내 그 품질을 회복한 후 2차시장(Secondary Market)으로 보내 재판매되며, 재사용 불가능 제품은 다시 분해하여 재사용 가능 모듈(Reusable Module)과재사용 불가능 모듈(Unusable Module)로 구분한다. 재사용 가능 모듈은 FL 단계의 모듈제조업체로 보내서 재사용되도록 하고, 재사용 불가능 모듈은 폐기처리센터(Waste Disposal Center)로 보내 폐기처리 되도록 하였다. 이를 정리하면 Fig.
- 따라서 본 연구에서는 기존에 개발된 HGA 접근법의 문제인 모수설정을 자동화한 AHGA접근법을 제안한다. 제안된 AHGA 접근법은 전역적탐색을 위한 GA 접근법, 지역적탐색을 위한 CS(Cuckoo Search)을 함께 사용하고, 모수설정에 사용되는 교차변이율과 돌연변이율을 자동화한 접근법이다. AHGA 접근법의 구체적인 이행과정은 Fig.
- 따라서 본 연구에서는 기존의 연구들의 분석에서 밝혀진 적용상의 한계점을 극복하기 위한 개선된 형태의 CLSC 모델을 제안한다. 제안된CLSC 모델에서는 모듈개념을 사용하여 제품을 생산하며, FL과 RL 단계를 연결하여 재사용, 재판매 및 폐기처분을 함께 고려하였다. 또한 제안된 CLSC 모델을 해결하기 위해 GA 접근법의 성능을 개선한 적응형혼합유전알고리즘(Adaptive Hybrid Genetic Algorithm: AHGA) 접근법을 개발한다.
- GA, HGA, AHGA 접근법에서 사용되는 모수설정은 다음과 같다. 집단의 크기:50, 교차변이 비율: 0.5, 돌연변이 비율: 0.2, 총세대수: 1,000이며, 각 접근법들의 수행에서 발생되는 각종 데이터의 랜덤성을 제거하기 위해 총 30회를 반복수행하였다. 또한 각 접근법의 수행도 비교분석을 위해 다섯 가지 형태의 수행도 척도를 사용한다.
- Wang and Hsu [12]의 연구에서는 FL과 RL 각 단계에서 발생하는 제품 수송비용, 운영비용, 처리비용 등을 최소화하는 수리모형을 제안하였다. 특히 제안된 수리모형에서는 FL 단계 마지막에서 수거된 사용 후 제품(Used Product)을 효율적으로 처리하기 위한 다양한 처리방법, 예를 들어, 재사용가능여부에 따라 사용 후 제품을 분류하고 처리하는 방법을 함께 제시하였다. Amin and Zhang [1]의 연구에서는 FL 단계에서 부품을 이용한 제품생산과 RL 단계에서 수거된 사용 후 제품의 재사용(Reuse) 및 재판매(Resale)를 함께 고려한 CLSC모델을 구축하였다.
대상 데이터
- 40GHZ, Intel Core i7-3770, RAM: 8GB)에서 실행된다. 다만 LINGO의 경우는 3장에서 제시한 수리모형에 Table 1과 비용관련 데이터를 직접 적용하여 해를 구하였다. GA, HGA, AHGA 접근법에서 사용되는 모수설정은 다음과 같다.
- Table 1에서는 FL 및RL 각 단계에서 다양한 형태의 업체(혹은 센터)들이 고려되는 것을 알 수 있다. 또한 FL 및 RL각 단계에서 발생하는 수송비용, 고정비용 및 처리비용은 MicroSoft Excel을 이용하여 랜덤하게 발생시킨 데이터를 사용하였다. AHGA접근법의수행도 비교를 위해 기존의 GA, HGA, LINGO 접근법을 함께 사용한다.
이론/모형
- 또한 FL 및 RL각 단계에서 발생하는 수송비용, 고정비용 및 처리비용은 MicroSoft Excel을 이용하여 랜덤하게 발생시킨 데이터를 사용하였다. AHGA접근법의수행도 비교를 위해 기존의 GA, HGA, LINGO 접근법을 함께 사용한다. 먼저 GA 접근법은 Gen and Cheng[5]이 제안한 방법을 사용하며, Fig.
- AHGA접근법의수행도 비교를 위해 기존의 GA, HGA, LINGO 접근법을 함께 사용한다. 먼저 GA 접근법은 Gen and Cheng[5]이 제안한 방법을 사용하며, Fig. 2에서 제시한 Step 1의 절차와 동일하다. 둘째, HGA 접근법은 Kanagaraj et al.
- [7]가 제안한 방법으로 기존 GA와 CS 접근법을 사용하고 있다. 셋째, 최적화 문제 해결에 많이 사용되어온 LINGO[10]를 사용한다.
- 또한 제안된 CLSC 모델을 해결하기 위해 GA 접근법의 성능을 개선한 AHGA 접근법을 개발하였다. 제안된 CLSC 모델은 수리모형으로 설계되었으며,설계된 수리모형은 AHGA 접근법을 통해 이행되었다. 수치실험에서는 다섯 가지 규모의 CLSC모델을 제시하였고, 본 연구에서 제안된 AHGA접근법과 기존 연구들에서 사용된 GA 및 HGA접근법을 적용하여 그 수행도를 비교 분석하였다.
성능/효과
- - Average Time을 제외한 나머지 수행도 척도(Best Solution, Percentage Difference,Average Iteration, Average solution)에서AHGA 접근법의 수행도가 기존의 GA, HGA접근법의 수행도 보다 전반적으로 더 우수한 것을 알 수 있다. 이것은 AHGA 접근법에 사용된 탐색구조가 GA, HGA 접근법에 사용된 탐색구조 보다 더 우수하다는 것을 입증한다.
- 즉 AHGA 접근법이 가장 우수한 결과를 보여주었으며, HGA 접근법이 가장 열등한 결과를 보여주고 있다. AveragIteration의 결과에서는 AHGA, HGA, GA 접근법 순서로 우수한 결과를 보여주고 있다. Average Time의 경우에는 본 연구에서 제시한 AHGA 접근법의 수행도가 기존 GA, HGA 접근법의 수행도 보다 약 세 배 정도 더 느린 탐색속도를 보여주고 있는 것을 알 수 있다.
- Table 3의 Scale 4에서 수행도 척도인 Best Solution, Percentage Difference의 경우 AHGA 접근법의 수행도가 가장 우수하며, GA 접근법의 수행도가 가장 열등한 것을 알 수 있다.Average Iteration과 Average Solution에서는 AHGA 접근법의 수행도가 가장 우수하고, GA접근법의 수행도가 가장 열등한 것을 알 수 있다. 하지만 이전에 분석한 Scale 1, 2, 3의 경우와 마찬가지로 Average Time에 있어서는AHGA 접근법의 수행도가 가장 열등하다.
- Scale 2에서 Best Solution, Percentage Difference의 경우 GA, HGA, AHGA 접근법의 수행도가 동일하며, 이 수행도는 LINGO의 수행도 보다 더 우수하다. Average Solution과 Average Iteration에서는 AHGA 접근법이 각각 164,489, 12로 GA 접근법의 164,986, 27과 HGA접근법의 164,829, 22보다 더 우수한 것을 알 수 있다. Average Time의 경우에는 GA와 HGA 접근법이 AHGA 접근법 보다 약 두 배 정도 더 빠른 탐색속도를 나타내고 있다.
- AveragIteration의 결과에서는 AHGA, HGA, GA 접근법 순서로 우수한 결과를 보여주고 있다. Average Time의 경우에는 본 연구에서 제시한 AHGA 접근법의 수행도가 기존 GA, HGA 접근법의 수행도 보다 약 세 배 정도 더 느린 탐색속도를 보여주고 있는 것을 알 수 있다.
- 그 차이는 LINGO의 수행도를 기준으로 했을 때, GA 접근법의 수행도는 –0.15%, HGA 접근법의 수행도는 –0.16%, AHGA 접근법의 수행도는 –0.29%로 더 우수한 것을 알 수 있다.
- 첫째, 다양한 수행도 척도를 사용한 비교분석 결과 본 연구에서 제시한 AHGA 접근법의 수행 도가 기존 연구들에서 사용한 GA 및 HGA 접근법의 수행도 보다 더 우수하였다. 둘재, HGA와 AHGA 접근법 모두는 혼합형 접근법을 사용하고 있지만 사용되는 GA연산자의 적용비율을 자동화한 AHGA 접근법이 이를 자동화하지 않는HGA 접근법 보다 더 우수한 수행도를 보여 주었다.
- 첫째,CLSC 모델 구축의 핵심은 다양한 업체들로 구성된 FL과 RL 단계의 연계성이며, 기존 연구들 대부분이 이러한 연계성을 잘 표현하고 있다. 둘째, CLSC 모델을 효율적으로 운영하기 위해서는 FL과 RL 단계의 연계성도 중요하지만, 특히 RL단계에서의 사용 후 제품에 대한 재사용, 재판매 및 폐기처분과정을 효율적으로 관리하는 것이다. 즉 이러한 측면을 기존연구들이 적절하게 고려하였다.
- 모듈을 제품생산에 이용할 경우에는 제품의 생산속도 향상, 제품의 다양성 증대 등과 같은 많은 장점이 있기 때문에 자동차, 냉장고 등과 같은 조립산업에서는 지속적으로 모듈 개념이 사용되고 있는 것이 현실이다. 둘째, CLSC 모델의 핵심은 FL단계에서 생산되어 고객에게 판매된 제품을 RL단계에서 회수하여 재사용(Reuse), 재판매(Resale) 및 폐기처분(Waste Disposal)의 단계를 적절하게 거치도록 하여 자원의 낭비적인 요소를 줄이는 것이다[12]. 하지만 기존 연구들에서는 이러한 세 가지 측면(재사용, 재판매, 폐기처분)을 함께 CLSC모델에서 고려한 연구는 없었다.
- 첫째, 기존 연구들은 최근 제품 생산에서 많이 적용되고 있는 모듈(Module) 개념을 함께 고려한 CLSC 모델을 제시하지 않았다. 둘째, CLSC모델의 핵심은 회수된 제품을 RL단계에서 재사용, 재판매 및 폐기처분의 단계를 적절하게 거쳐 자원의 낭비를 줄이는 것이다. 하지만 기존 연구들에서는 이러한 세 가지 측면을 함께 CLSC 모델에서 고려한 연구는 없었다.
- 먼저 Best Solution은 각 접근법들이 총 30회의 반복을 수행한 후 구해진 가장 우수한 결과를 말한다. 둘째, Percentage Difference는 LINGO를 통해 구해진 Best Solution과 나머지 GA, HGA, AHGA 접근법들 가각의 Best Solution과의 차이를 %로 나타낸 값이다. 셋째,Average Iteration은 각 접근법들이 총 30회의 반복을 수행한 후 수렴된 총 세대수의 평균값을 말한다.
- 먼저 부품공급업체, 모듈제조업체, 제품제조업체, 물류센터, 수집센터, 회복센터는 오직 한 군데만 개설된다. 둘째, 소매업체/고객, 2차시장, 폐기처리센터는 고려되는 업체 모두가 개설된다.
- - Average Time을 제외한 나머지 수행도 척도(Best Solution, Percentage Difference,Average Iteration, Average solution)에서AHGA 접근법의 수행도가 기존의 GA, HGA접근법의 수행도 보다 전반적으로 더 우수한 것을 알 수 있다. 이것은 AHGA 접근법에 사용된 탐색구조가 GA, HGA 접근법에 사용된 탐색구조 보다 더 우수하다는 것을 입증한다.
- 이러한 수행도의 차이는 Average Solution의 결과에서도 나타난다. 즉 AHGA 접근법의 수행도는 166,008로 GA 접근법의 수행도 166,450, HGA 접근법의 수행도 166,690 보다 더 우수한 것을 알 수 있다. 하지만 Average Iteration의 경우에는 AHGA 접근법의 수행도는 64로 GA 접근법의 수행도 39와 HGA접근법의 수행도 42 보다는 열등한 것을 알 수 있다.
- 하지만 Average Solution에 있어서는 각 접근법들이 약간의 상이한 결과를 보여주고 있다. 즉 AHGA 접근법이 가장 우수한 결과를 보여주었으며, HGA 접근법이 가장 열등한 결과를 보여주고 있다. AveragIteration의 결과에서는 AHGA, HGA, GA 접근법 순서로 우수한 결과를 보여주고 있다.
- 이러한 차이는 다양한 수행도 척도를 이용한 실험분석에서 상이한 결과를 나타내고 있다. 즉 Average Time을 제외한 Best Solution, Percentage Difference, Average Iteration, Average Solution에서 AHGA 접근법이 HGA 접근법 보다 더 우수한 결과를 도출하였다. 결국 AHGA 접근법에서 사용된 GA 연산자의 자동화를 위한 탐색구조가 이를 사용하지 않은 HGA 접근법보다 더 우수하다는 것을 입증하고 있다.
- 하지만 이러한 특성에도 불구하고 기존연구들은 다음과 같은 적용상의 한계점을 가지고 있다. 첫째, 기존 연구들은 최근 제품 생산에서 많이 적용되고 있는 모듈(Module) 개념을 함께 고려한 CLSC 모델을 제시하지 않았다. 둘째, CLSC모델의 핵심은 회수된 제품을 RL단계에서 재사용, 재판매 및 폐기처분의 단계를 적절하게 거쳐 자원의 낭비를 줄이는 것이다.
- 첫째, 다양한 수행도 척도를 사용한 비교분석 결과 본 연구에서 제시한 AHGA 접근법의 수행 도가 기존 연구들에서 사용한 GA 및 HGA 접근법의 수행도 보다 더 우수하였다. 둘재, HGA와 AHGA 접근법 모두는 혼합형 접근법을 사용하고 있지만 사용되는 GA연산자의 적용비율을 자동화한 AHGA 접근법이 이를 자동화하지 않는HGA 접근법 보다 더 우수한 수행도를 보여 주었다.
- 하지만 본 연구는 다음과 같은 두 가지 측면에서 한계점을 가지고 있다. 첫째, 탐색속도 측면에서 AHGA 접근법이 기존의 GA 및 HGA 접근법보다 더 느리다. 따라서 탐색속도를 좀 더 빠르게 진행하기 위한 노력이 필요하다.
- 한 수렴현상을 보여주고 있지만, 그 이후의 세대부터는 더 이상의 수렴현상을 보여주고 있지 못한 것을 알 수 있다. 하지만 총 500 세대 전체로 보면 AHGA 접근법의 수행도가 GA, HGA 접근법의 수행도 보다 더 우수한 것을 알 수 있다. Fig.
후속연구
- 따라서 탐색속도를 좀 더 빠르게 진행하기 위한 노력이 필요하다. 둘째, 본 연구에서는 다섯 가지 규모의 CLSC 모델을 사용하였지만 좀 더 규모가 큰 CLSC 모델을 사용할 필요가 있으며, 만일 가능하다면 현실에서 실제 사용되고 있는 데이터를 활용하여 CLSC 모델을 구축하고 이를 비교분석하는 것이 필요할 것이다.
- 하지만 기존 연구들에서는 이러한 세 가지 측면을 함께 CLSC 모델에서 고려한 연구는 없었다. 셋째, CLSC 모델을 운영하기 위해 GA 접근법을 주로 사용하고 있지만 GA 접근법 자체만으로 전역적최적해를 구하는 것은 한계가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.