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
- 申門洙
- 발행연도
- 2018
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수3
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 스마트팩토리는 제조업의 변화를 주도하고 지속적인 제조업의 발전을 이루기 위한 새로운 패러다임으로 인식되고 있다. 그러나 중소 제조기업의 경우, 자본의 한계로 인해 스마트팩토리의 도입이 현실적으로 어려운 실정이다. 이에 스마트팩토리의 기반 기술로서 중소기업 맞춤형 생산계획 및 일정계획 연구가 활발히 이루어지고 있다. 생산계획은 기업이 가지고 있는 설비와 인력의 낭비를 최소화하고 생산 능력을 효율적으로 활용하기 위해 매우 중요하다. 작업순서에 따라 필요한 생산 능력이 달라지므로 생산계획 이전에 생산 능력의 확보를 위해서는 작업순서 결정이 우선적으로 이루어져야 한다.
이전 연구에서는 한 대의 기계에서 한 가지 작업만을 수행하는 현장을 대상으로 수행한 연구가 대부분이었으며, 설비의 수명을 고려한 연구는 거의 찾아볼 수 없었다. 이에 본 연구에서는 다중작업을 수행하는 단일기계의 작업순서를 결정하는 문제를 MOSM(multi-operation on single machine) 문제라고 정의하고, 이를 해결하고자 하였다. 문제 해결을 위해 한 대의 기계에서 두 개의 작업을 수행하는 와이어링 하네스 제조 공정을 대상으로 연구를 수행하였다.
본 연구에서는 금형의 셋업횟수를 최소화하는 작업순서 결정을 위해 소모성 장비인 금형을 최대로 활용하는 위한 휴리스틱 알고리즘을 개발하였다. 제안하는 휴리스틱 알고리즘을 평가하기 위해 주문 정보를 난수로 발생시킨 후 시뮬레이션을 수행하고, 유전자 알고리즘에 의한 결과와 비교하여 검증하였다.
실험 결과, 대부분의 실험 셋에서 휴리스틱 알고리즘과 유전자 알고리즘의 셋업횟수가 동일하게 나타났다. 차이가 나타난 실험 셋은 전체 실험 셋의 16%로, 셋업횟수 1회의 차이이며 2회 이상 차이나는 경우는 없었다. 수행 시간 측면에서는, 휴리스틱 알고리즘이 유전자 알고리즘보다 최대 18000배 이상 짧은 수행 시간을 요구했다. 두 알고리즘의 해의 차이는 금형의 연속사용을 위한 조건으로 인해 나타나고 있었다. 금형의 연속사용을 위한 조건은 금형 교체횟수를 줄이는데 크게 기여하였으나, 일부 경우에서 제약으로 영향을 주어 교체횟수를 최소화하지 못했다. 또한 휴리스틱 알고리즘에서 우선순위를 배제하고 실험을 수행한 결과, 차이가 발생한 실험 셋 중 1개의 실험 셋에서 교체횟수를 최소화했다. 일부 경우에서 우선순위가 셋업횟수 최소화에 영향을 주고 있으나, 휴리스틱 알고리즘이 납기 우선순위를 고려한다는 점은 큰 장점이라고 할 수 있다.
본 연구의 결과는 MOSM 문제에 해당하는 다양한 제조 공정에서 활용될 수 있다. 특히, 작업순서에 의존적인 제조 공정의 경우에 더욱 효과적일 것이다. 다만 호기배분 이전에 한 대의 기계에서 작업순서를 결정하는 문제를 해결했다는 한계를 가진다. 따라서 향후 연구로는 여러 대의 기계에 작업을 배분하여 정확한 금형 수량 산출을 위한 연구를 수행할 예정이다. 또한 금형의 연속사용을 위한 조건으로 인해 일부 실험에 대해 셋업횟수를 최소화하지 못했다. 이에 제안하는 휴리스틱과 유전자 알고리즘을 결합한 하이브리드 기법을 제안하는 연구도 주요 추후 연구과제이다.
이전 연구에서는 한 대의 기계에서 한 가지 작업만을 수행하는 현장을 대상으로 수행한 연구가 대부분이었으며, 설비의 수명을 고려한 연구는 거의 찾아볼 수 없었다. 이에 본 연구에서는 다중작업을 수행하는 단일기계의 작업순서를 결정하는 문제를 MOSM(multi-operation on single machine) 문제라고 정의하고, 이를 해결하고자 하였다. 문제 해결을 위해 한 대의 기계에서 두 개의 작업을 수행하는 와이어링 하네스 제조 공정을 대상으로 연구를 수행하였다.
본 연구에서는 금형의 셋업횟수를 최소화하는 작업순서 결정을 위해 소모성 장비인 금형을 최대로 활용하는 위한 휴리스틱 알고리즘을 개발하였다. 제안하는 휴리스틱 알고리즘을 평가하기 위해 주문 정보를 난수로 발생시킨 후 시뮬레이션을 수행하고, 유전자 알고리즘에 의한 결과와 비교하여 검증하였다.
실험 결과, 대부분의 실험 셋에서 휴리스틱 알고리즘과 유전자 알고리즘의 셋업횟수가 동일하게 나타났다. 차이가 나타난 실험 셋은 전체 실험 셋의 16%로, 셋업횟수 1회의 차이이며 2회 이상 차이나는 경우는 없었다. 수행 시간 측면에서는, 휴리스틱 알고리즘이 유전자 알고리즘보다 최대 18000배 이상 짧은 수행 시간을 요구했다. 두 알고리즘의 해의 차이는 금형의 연속사용을 위한 조건으로 인해 나타나고 있었다. 금형의 연속사용을 위한 조건은 금형 교체횟수를 줄이는데 크게 기여하였으나, 일부 경우에서 제약으로 영향을 주어 교체횟수를 최소화하지 못했다. 또한 휴리스틱 알고리즘에서 우선순위를 배제하고 실험을 수행한 결과, 차이가 발생한 실험 셋 중 1개의 실험 셋에서 교체횟수를 최소화했다. 일부 경우에서 우선순위가 셋업횟수 최소화에 영향을 주고 있으나, 휴리스틱 알고리즘이 납기 우선순위를 고려한다는 점은 큰 장점이라고 할 수 있다.
본 연구의 결과는 MOSM 문제에 해당하는 다양한 제조 공정에서 활용될 수 있다. 특히, 작업순서에 의존적인 제조 공정의 경우에 더욱 효과적일 것이다. 다만 호기배분 이전에 한 대의 기계에서 작업순서를 결정하는 문제를 해결했다는 한계를 가진다. 따라서 향후 연구로는 여러 대의 기계에 작업을 배분하여 정확한 금형 수량 산출을 위한 연구를 수행할 예정이다. 또한 금형의 연속사용을 위한 조건으로 인해 일부 실험에 대해 셋업횟수를 최소화하지 못했다. 이에 제안하는 휴리스틱과 유전자 알고리즘을 결합한 하이브리드 기법을 제안하는 연구도 주요 추후 연구과제이다.
목차
제 1 장 서 론 11.1 연구배경 및 필요성 11.2 연구목적 및 의의 41.3 논문 구성 5제 2 장 문 헌 연 구 62.1 생산계획 62.2 일정계획 72.3 작업순서 결정 92.3.1 비용 최소화 92.3.2 시간 최소화 112.3.3 셋업 최소화 122.4 작업순서 결정 방법론 162.4.1 휴리스틱 기법 172.4.2 유전자 알고리즘 17제 3 장 문 제 정 의 193.1 와이어링 하네스 공정에서의 작업순서 결정 193.2 문제 모형화 203.2.1 기호 정의 203.2.2 수리 모형 22제 4 장 방 법 론 244.1 연구 프레임워크 244.2 휴리스틱 알고리즘 254.2.1 Phase 1: 고정금형(curBase) 선택 264.2.2 Phase 2: 짝금형(curMate) 선택 274.2.3 Phase 3: 상태 변경 294.3 구현 30제 5 장 실 험 및 결 과 365.1 실험 설계 365.2 유전자 알고리즘 구현 385.2.1 유전자 표현 385.2.2 적합도 함수 395.2.3 파라미터 설정 405.3 실험 결과 415.3.1 휴리스틱 알고리즘과 유전자 알고리즘 비교(해의 품질) 415.3.2 휴리스틱 알고리즘과 유전자 알고리즘 비교(최적해도출 시간) 425.3.3 전체 실험 결과 43제 6 장 결 론 49참 고 문 헌 52ABSTRACT 57부록 1. 휴리스틱 알고리즘 Java 코드 59부록 2. 유전자 알고리즘 R 코드 78
최근 본 자료
댓글(0)
0