지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박양병
- 발행연도
- 2014
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 고객들의 제품 구매량 및 배송·수거량의 증가와 바쁜 현대인들에게 시간약속의 중요성은 물류기업들에게 많은 부분의 과제로 남겨져 있다. 특히 다방면에서 배송요구가 늘어나면서 합리적인 차량경로의 필요성이 대두되고 있지만, 기존의 차량일정문제에서는 대부분 차량의 속도가 모든 경로 상에서 일정한 것으로 간주하며, 이동거리의 최소화가 되는 경로를 최적이라 여기고 있다. 하지만 실제 차량속도는 시간과 구역에 따라 변화하기 때문에 지점 간 이동시간은 일정하지 않다. 이를 위해서 시간을 목적으로 하는 차량의 동적환경과 고객이 원하는 서비스 시간대를 준수하는 좀 더 현실적인 요소를 반영할 필요가 있다. 하지만 차량속도 변화를 고려한 수리모형 혹은 Meta Heuristic을 활용한 많은 해법들은 계산적인 어려움으로 인하여 실제적인 적용이 제한적이다.
본 논문에서는 지점 간 차량 이동시간이 시간대에 따라 변화하는 상황에서 고객의 서비스 시간대를 엄격히 준수하는 차량일정문제를 다루고자 한다. 이를 위해 Moon and Song(2005)이 제안한 기존의 Penalties Algorithm을 다양한 환경에 적용 가능하도록 변형·발전시킨 Modified Penalties Algorithm (MPA)을 제안하였고, 성능평가를 위하여 동서울 우편집중국을 차고지로 하는 실제 관할지역 25개의 우체국을 수요지로 설정한 실험 문제에 적용하였다.
성능을 평가하기 위해, 대중적으로 많이 사용하고 있으며, 뛰어난 성능을 나타내는 Clarke and Wright(1964)의 Savings Algorithm을 같은 제약 조건으로 개량시킨 Modified Savings Algorithm(MSA)으로 발전시켜 비교대상으로 삼았다. 그 결과 MPA가 MSA보다 약 7~9%정도의 총 이동시간을 절약 할 수 있었으며, 약 2%정도의 차량대수 감소효과를 확인 할 수 있었다. 또한 이를 100개의 수요지 문제로 확장하였고, Random type, Clustered type, Centralized type의 3가지 분포형태로 다양화시켜 성능비교 실험을 실시하였다. 수요지들 간의 이동소요시간은 회귀분석에 의한 추정식을 통해 도출되었으며, ANOVA분석을 실시하여 총 이동소요시간에 영향을 주는 요인들 간의 관계를 분석하였다. 이를 바탕으로 고객의 서비스 시간을 준수함과 동시에 출·퇴근 시간대와 같은 도로 정체현상 및 교통상황을 반영한 더욱 현실적인 차량일정계획을 수립할 수 있을 것이라고 생각한다.
본 논문에서는 지점 간 차량 이동시간이 시간대에 따라 변화하는 상황에서 고객의 서비스 시간대를 엄격히 준수하는 차량일정문제를 다루고자 한다. 이를 위해 Moon and Song(2005)이 제안한 기존의 Penalties Algorithm을 다양한 환경에 적용 가능하도록 변형·발전시킨 Modified Penalties Algorithm (MPA)을 제안하였고, 성능평가를 위하여 동서울 우편집중국을 차고지로 하는 실제 관할지역 25개의 우체국을 수요지로 설정한 실험 문제에 적용하였다.
성능을 평가하기 위해, 대중적으로 많이 사용하고 있으며, 뛰어난 성능을 나타내는 Clarke and Wright(1964)의 Savings Algorithm을 같은 제약 조건으로 개량시킨 Modified Savings Algorithm(MSA)으로 발전시켜 비교대상으로 삼았다. 그 결과 MPA가 MSA보다 약 7~9%정도의 총 이동시간을 절약 할 수 있었으며, 약 2%정도의 차량대수 감소효과를 확인 할 수 있었다. 또한 이를 100개의 수요지 문제로 확장하였고, Random type, Clustered type, Centralized type의 3가지 분포형태로 다양화시켜 성능비교 실험을 실시하였다. 수요지들 간의 이동소요시간은 회귀분석에 의한 추정식을 통해 도출되었으며, ANOVA분석을 실시하여 총 이동소요시간에 영향을 주는 요인들 간의 관계를 분석하였다. 이를 바탕으로 고객의 서비스 시간을 준수함과 동시에 출·퇴근 시간대와 같은 도로 정체현상 및 교통상황을 반영한 더욱 현실적인 차량일정계획을 수립할 수 있을 것이라고 생각한다.
목차
1. 서론 11.1 연구배경 및 목적 11.2 연구내용 및 범위 21.3 문헌연구 42. 이론적 배경 72.1 차량경로문제(Vehicle Routing Problem : VRP)개요 72.2 VRP모형의 유형 93. Penalties Algorithm 113.1 기존의 Penalties Algorithm(PA) 113.2 Modified Penalties Algorithm(MPA) 183.3 PA와 MPA의 비교 244. Savings Algorithm 274.1 기존의 Savings Algorithm(SA) 274.2 Modified Savings Algorithm(MSA) 295. 성능평가 315.1 실험설계 335.2 결과 및 분석 345.2.1 Time Window가 존재하지 않는 경우(실험1) 345.2.2 Time Window가 존재하는 경우(실험2) 366. 계산실험 386.1 회귀모형 386.1.1 회귀모형 설계 386.1.2 회귀분석 416.2 수요지 분포 유형 436.3 결과 및 분석 447. 결론 및 향후과제 48참고문헌 49Abstract 54부록 Ⅰ 우체국들 간의 거리 56부록 Ⅱ 오전 시간대의 평균 이동 소요시간 57부록 Ⅲ 낮 시간대의 평균 이동 소요시간 58부록 Ⅳ 오후 시간대의 평균 이동 소요시간 59
최근 본 자료
댓글(0)
0