혼합모델 조립라인에서 작업할당과 투입순서를 동시에 결정하기 위한 遺傳알고리듬
(A) Genetic algorithm for balancing and sequencing of mixed model assembly lines
초록/요약
본 논문은 혼합모델 조립라인(Mixed Model Assembly Line: MMAL)에서 작업할당(balancing)과 투입순서(sequencing)를 동시에 결정하기 위한 유전알고리듬(Genetic Algorithm: GA)을 개발하고자 한다. MMAL의 효율적인 이용을 위해서는 작업자 또는 작업장의 작업량을 균등히 조절하고 제품 모델의 투입 순서를 적절히 결정하여 작업의 혼잡이나 컨베이어의 정지 위험을 줄이는 문제가 중요하다. MMAL에서 작업할당과 투입순서에 관한 기존 연구의 대부분은 각 문제를 독립적으로 다루었다. 일반적으로 각 작업장에 작업을 할당한 후에 각 작업장에 할당된 모델의 작업량을 기준으로 제품의 투입순서를 결정한다. 하지만, 투입순서가 결정된 후에도 각 작업장의 작업량을 조절함으로써 라인의 길이를 줄이는 개선의 여지가 남아 있어서 작업할당과 투입순서는 반복적으로 해결될 필요가 있다. 본 논문에서는 MMAL에서 작업할당과 투입순서를 동시에 결정하기 위하여 유전알고리듬이 사용되었다. 문제의 유용한 정보를 추출하기 쉽고 유전연산자의 적용이 용이한 두 문제의 해를 하나의 개체로 표현하는 방법(representation)과 이에 적합한 유전연산자(genetic operator)를 제안하였다. 또한 컴퓨터 실험을 통하여, 제안된 알고리듬을 각 문제에 독립적으로 반복 실험하는 방법으로 성능을 비교 분석하였다. 실험 결과, 제안된 방법은 NP-hard인 각 문제의 해를 동시에 효율적으로 탐색할 수 있었다.
more초록/요약
This paper is concerned with the integrated problem of line balancing and model sequencing in mixed model assembly lines(MMALBS), which is important to efficient utilization of the lines. In the problem, we deal with the objective of minimizing the overall line length Balancing and sequencing problems are important for an efficient use of mixed model assembly lines(MMAL) and are tightly related with each other. However, in almost all the existing researches on MMAL, the two problems have been considered separately. Genetic Algorithms(GAs), a search technique based on the biological process of natural selection and genetic inheritance, have been shown to be very powerful in a wide variety of applications, particularly in combinatorial optimization problems, and MMALBS is just such a problem. However, little attention has been paid to the application of GAs to MMALBS problem so far. To apply the GAs to MMALBS problems, we suggest a GA representation which suitable for its problems, an efficient decoding technique for the objective, and genetic operators which produce feasible offsprings. Extensive experiments are carried out to analyze the performance of the proposed algorithm. The computational results show that our algorithm is promising in solution quality.
more목차
목차 = 1
1. 서론 = 1
1.1 연구배경 및 목적 = 1
1.2 연구현황 = 2
2. 혼합모델 조립라인에서 작업할당과 투입순서 문제 = 5
2.1 혼합모델 조립라인(MMAL) = 5
2.2 MMAL에서의 작업할당 문제 = 5
2.3 MMAL에서의 투입순서(MMALS) 문제 = 8
2.4 MMAL에서 작업할당과 투입순서를 동시에 다루는 문제 = 9
3. 유전알고리듬(GA) = 11
3.1 유전알고리듬의 절차 = 12
3.2 유전알고리듬의 구성요소 = 14
3.2.1 표현방법 = 14
3.2.2 초기모집단(Initial Population)과 평가함수(Evaluation Function) = 14
3.2.3 생존(Selection) = 15
3.2.4 유전연산자 = 16
3.2.5 유전파라메터 = 17
4. MMALBS를 위한 유전 알고리듬 = 18
4.1 표현과 초기모집단 = 18
4.2 유전연산자 = 22
4.3 평가함수와 선별 = 23
5. 실험 = 25
6. 결론 = 27
참고문헌 = 28
(Abstract) = 31