The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지
DOI QR코드

DOI QR Code

A Simulation-based Genetic Algorithm for a Dispatching Rule in a Flexible Flow Shop with Rework Process

시뮬레이션 기반 유전알고리즘을 이용한 디스패칭 연구: 재작업이 존재하는 유연흐름라인을 대상으로

  • 이광헌 (부산대학교 산업공학과 산업데이터공학융합전공) ;
  • 한광욱 (부산대학교 산업공학과 산업데이터공학융합전공) ;
  • 강봉권 (부산대학교 산업공학과 산업데이터공학융합전공) ;
  • 이승환 ((주)다우정밀) ;
  • 홍순도 (부산대학교 산업공학과)
  • Received : 2022.05.09
  • Accepted : 2022.06.13
  • Published : 2022.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study investigates a dynamic flexible flow shop scheduling problem under uncertain rework operations for an automobile pipe production line. We propose a weighted dispatching rule (WDR) based on the multiple dispatching rules to minimize the weighted sum of average flowtime and tardiness. The set of weights in WDR should be carefully determined because it significantly affects the performance measures. We build a discrete-event simulation model and propose a genetic algorithm to optimize the set of weights considering complex and variant operations. The simulation experiments demonstrate that WDR outperforms the baseline dispatching rules in average flowtime and tardiness.

재작업은 제품의 품질 만족을 위해 요구되는 활동으로 제조 현장에서 필수적인 공정이다. 사전에 수행 여부의 파악이 어려운 재작업은 공정시간의 증가 및 제품의 납기 지연으로 이어질 수 있어 이를 고려한 스케줄링이 중요하다. 본 연구에서는 자동차 배관 생산라인인 재작업이 존재하는 유연흐름라인을 대상으로 Dispatching을 통한 평균 흐름시간과 납기지연의 가중합을 최소화하는 스케줄링 연구를 진행하였다. 본 연구에서는 제품별 납기 등 고객 요구와 재작업 및 가공시간 등의 변동성이 존재하는 제조환경에서 Dispatching을 위한 가중치 기반 Dispatching 규칙(WDR)을 제안한다. WDR은 여러 단일 Dispatching 규칙의 가중합으로 구성되며 본 연구는 가중치 탐색을 위해 시뮬레이션 기반 유전알고리즘을 적용하였다. 시뮬레이션 실험을 통해 WDR이 단일 Dispatching 규칙에 비해 우수한 성능을 보임을 확인하였다.

Keywords

Acknowledgement

이 논문은 2022년도 정부(산업통상자원부)의 재원으로 한국에너지기술평가원의 지원을 받아 수행된 연구임(20214000000520, 자원순환(재제조)산업 고도화 인력양성)

References

  1. Simme Douwe P. Flapper, Jan C. Fransoo, Rob A. C. M. Broekmeulen, and Karl Inderfurth, "Planning and control of rework in the process industries: a review," Production Planning & Control, Vol.13, No.1, pp.26-34, 2002. https://doi.org/10.1080/09537280110061548
  2. 신재선, 한주윤, 정봉주, "다단계 생산시스템에서 재작업정책의 비교분석", 대한산업공학회지, 제32권, 제1호, pp.29-41, 2006.
  3. 신현준, "재작업이 존재하는 반도체 제조공정을 위한 실시간 작업투입 알고리즘", 반도체디스플레이기술학회지, 제10권, 제1호, pp.101-105, 2011.
  4. T. Lee, and Y. Loong, "A review of scheduling problem and resolution methods in flexible flow shop," International Journal of Industrial Engineering Computations, Vol.10, No.1, pp.67-88, 2019.
  5. 최유준, "이종 병렬설비 공정의 납기지연시간 최소화를 위한 유전 알고리즘", 한국산업경영시스템학회지, 제38권, 제1호, pp.65-73, 2015.
  6. 서정하, 백준걸, 고효헌, 김성식, "재작업이 존재하는 이종병렬기계에서 생산효율을 위해 공정소요시간 단축을 목적으로 하는 작업할당", 대한산업공학회지, 제37권, 제4호, pp.367-381, 2011.
  7. J. H. LEE, Y. Kim, Y. B. Kim, B. H. Kim, G. H. Chung, and H. J. Kim, "A Sequential Search Method of Dispatching Rules for Scheduling of LCD Manufacturing Systems," IEEE Transactions on Semiconductor Manufacturing, Vol.33, No.4, pp.496-503, 2020. https://doi.org/10.1109/TSM.2020.3029124
  8. 이정만, 김영주, 이태훈, 홍순도, "작업자 추종피킹 카트를 도입한 주문피킹 시스템의 시뮬레이션 기반 생산성 분석", 물류학회지, 제30권, 제1호, pp.1-12, 2020
  9. Y. H. Kang, and H. J. Shin, "An adaptive scheduling algorithm for a parallel machine problem with rework processes", International Journal of Production Research, Vol.48, No.1, pp.95-115, 2010. https://doi.org/10.1080/00207540802484903
  10. Elmira Gheisariha, Madjid Tavana, Fariborz Jolai, and Meysam Rabiee, "A simulation-optimization model for solving flexible flow shop scheduling problems with rework and transportation", Mathematics and Computers in Simulation, Vol.180, pp.152-178, 2021. https://doi.org/10.1016/j.matcom.2020.08.019
  11. 김정민, 최이, 박태진, 류광렬, "자동화 컨테이너 터미널의 복수 규칙 기반 AGV 배차전략 최적화", 한국항해항만학회지, Vol.35, No.6, pp.501-507, 2011. https://doi.org/10.5394/KINPR.2011.35.6.501
  12. S. Hong, and Y. Kim, "The Effects of Loosely Coupled Hand-off Operations on Bucket Brigade Order Picking Systems", Industrial Engineering & Management Systems, Vol.17, No.4, pp.745-756, 2018. https://doi.org/10.7232/iems.2018.17.4.745
  13. H. Y. Fibrianto, B. Kang, and S. Hong, "A Job Sequencing Problem of an Overhead Shuttle Crane in a Rail-Based Automated Container Terminal", IEEE Access, Vol.8, pp.156362-15637 7, 2020. https://doi.org/10.1109/ACCESS.2020.3019004
  14. S. H. Choi, and K. Wang, "Flexible flow shop scheduling with stochastic processing times: A decomposition-based approach", Computers & Industrial Engineering, Vol.63, No.2, pp.362-373, 2012. https://doi.org/10.1016/j.cie.2012.04.001
  15. 김병수, 주철민, "효과적인 디스패칭 방식을 이용한 병렬기계의 일정계획 문제에 대한 유전알고리즘", 대한산업공학회 춘계공동학술대회 논문집, pp.1030-1035, 2011.
  16. M. Djurasevic, and D. Jakobovic, "Creating dispatching rules by simple ensemble combination", Journal of Heuristics, Vol.25, No.6, pp.959-1013, 2019. https://doi.org/10.1007/s10732-019-09416-x
  17. 류광렬, "스마트 팩토리 기술과 항만 컨테이너 터미널의 운영 최적화", 한국통신학회지, Vol.35, No.4, pp.19-27, 2018.
  18. 홍승현, 신경식, "유전자 알고리즘을 활용한 인공신경망 모형 최적입력변수의 선정: 부도예측 모형을 중심으로", 지능정보연구, Vol.9, No.1, pp.227-249, 2003.
  19. 김선웅, 안현철, "Support Vector Machines와 유전자 알고리즘을 이용한 지능형 트레이딩 시스템 개발", 지능정보연구, Vol.16, No.1, pp.71-92, 2010.
  20. Bangsow S, Tecnomatix Plant Simulation, Springer, 2020.