유전자 알고리즘을 이용한 IT 서비스 담당자 할당 최적화 모델 연구 :A Study of an Optimization Model of the IT Service Engineer Assignment Using Genetic Algorithm

류기동

추천

검색

자료유형: 학위논문

저자정보: 류기동 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 김우제

발행연도: 2013

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2014

유전자 알고리즘을 이용한 IT 서비스 담당자 권역할당 최적화 모델 연구

류기동 , 김우제 한국정보기술학회논문지 2014.12 학술저널

2013

유전자 알고리즘을 이용한 IT 서비스 담당자 할당 최적화 모델 연구

류기동 2013.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 공공분야를 비롯하여 IT분야에서 시스템 유지보수 및 운영에 대한 서비스 지원의 비중이 높아지고 있다. 이에 많은 IT서비스 업체 및 정보시스템 제공 업체들은 서비스 활동을 지원하기 위해 많은 인력을 보유 하고 있으며 그들의 가용성을 최대화 시키면서 고객의 만족도를 향상시키기 위해 많은 고심을 하고 있다. 다수의 수요처에 대한 한정된 지원 인력 리소스로 최대한의 서비스 성과를 내기 위해서는 최소의 인원으로 다수의 수요처를 담당할 수 있도록 해야 한다. 하지만 적은 인원이 다수의 수요처를 무리하게 담당할 경우 서비스 담당자의 피로 누적 및 업무 가중으로 인한 서비스 품질의 저하가 발생할 수 있다. 그렇기 때문에 서비스 담당자들 간의 수요처에 대한 적절한 분배가 필요하며 이는 단순히 수요처의 개수만으로 가늠할 수 없다.
본 논문은 사이트별 서비스 담당자 지정을 위해 서비스 담당자별 부하균등, 담당자 이동거리 균등, 기존 담당자 우선 배정 조건과 서비스 수준에 따른 담당자 제약, 수요처 기술 사양에 따른 담당자 배정을 조건으로 하여 유전자 알고리즘을 이용하여 서비스 담당자 지정 최적화 모델을 구현하는 것에 대한 연구이다.
유전자 알고리즘은 발견적 귀납법 알고리즘의 하나로써 환경에 잘 적응한 개체가 좀더 많은 자손을 남기는 자연선택과정과 유전시의 변화를 통해서 개체가 좋은 방향으로 발전해 나간다는 ‘자연진화’과정을 모방하여 컴퓨터로 모의 수행을 하는 최적화 알고리즘이다. 서비스 담당자 지정 문제를 유전자 알고리즘에 적용하기 위해 본 연구에서는 담당자별 부하균등, 이동거리 균등에 대한 수리 모델을 위해 표준편차를 이용하였으며, 개별 조건에 대한 가중치를 구하기 위해 AHP(Analytic Hierarchy Process)를 활용하였다.
그리고 설계된 모델을 E사와 Y사에 적용하여 유전자 알고리즘 적용을 위한 해집단의 크기, 모집단 생성 전략, 교배 기법 등에 대한 최적 파라미터 설정을 통해 설계한 모델의 유전자 알고리즘 적용에 대해서 실험하였다.
결론적으로 본 연구는 선형계획법이나 TSP(Traveling Salesman Problem)등의 문제로 해결할 수 없는 서비스 담당자 지정 최적화 문제를 해결하기 위한 효율적인 모델을 유전자 알고리즘을 통해 제시함으로써 IT서비스 기업의 경쟁력 강화에 기여를 할 수 있을 것으로 기대한다.

Over the last few years, the service activity for system maintenance and operation has put great emphasis on IT environment. Many IT service providers are trying their best to satisfy their customer by increasing man power and enhancing their availability to work.
However, in reality, IT service providing companies are experiencing limitations in increasing human resource either by having a hard time to manage its overwhelming labor cost or by having a hard time to recruit the right engineer. In order to perform their best result for many customers with such limited supporting human resource, IT service providing companies need to take care of customers with only the few eligible chosen engineers. However, in the long term, this can lower the service quality due to the service engineer’s fatigue. To ease their workload at least, it is critical to assign appropriate service engineers to their appropriate customer site. However, this cannot be planned by just dividing the total number of customer sites. Therefore, I have come out with the solution obtained by the genetic algorithm (GA), one of the heuristic inductive algorithms, in order to solve the problem when assigning service engineers.
In this study, the objective conditions of GA are 1) load balancing of workload, 2) moving distance per service engineer, 3) priority assignment of current personnel-in-charge, 4) constraint of personnel according to service level and customer''s technical specification. The mathematical model of this study has the standard deviation of the load balancing factors and an absolute value of other factors.
A service engineer assignment problem is a difficult problem to solve using general linear programming and nonlinear programming since the mathematical model includes the absolute value and the standard deviation formula.
In this paper, It is proven that the proposed Genetic Algorithm model is more effective than other conventional service engineer assignment methods by applying the model to two existing companies: Company “E” and Company “Y”.

In conclusion, this study will contribute to strengthen the competitiveness of IT service companies by suggesting a more effective model when optimizing an assignment method for service engineers, which could not be solved by TSP or Linear Programming.

#유전자 알고리즘 #GA #담당자 할당 모델

I. 서 론 1
1. 연구 배경 및 목적 1
2. 연구 방법 및 구성 5
II. 이론적 배경 및 관련 연구 6
1. 유전자 알고리즘 개념 6
2. 선행 연구 검토 7
III. IT 서비스 담당자 할당 문제 12
1. IT서비스 담당자 할당 문제 12
2. 목표 및 제약 조건 12
3. 수리 모델 14
IV. 유전자 알고리즘 설계 22
1. 해표현 22
2. 적합도 함수 22
3. 초기해 생성 전략 25
4. 선택 전략 25
5. 교배 26
6. 돌연변이 27
7. 유전자 알고리즘 전체 흐름도 27
V. 실험결과 29
1. 유전자 알고리즘 구현 29
2. E사의 유전자 알고리즘 적용 사례 30
3. 유전자 알고리즘 파라미터 설정 31
4. 최적 유전 알고리즘 설정과 실험결과 39
5. 두 번째 사례 실험결과 42
VI. 결 론 45
1. 연구결과의 요약 및 의의 45
2. 향후 연구 방향 45
참고문헌 47
영문초록(Abstract) 50

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)