• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2018년도 춘계학술대회
• /
• pp.135-137
• /
• 2018

다수의 원유 선적항으로부터 여러 정유공장으로 수송된 원유를 정제하여 생산한 제품유를 글로벌 수요시장으로 배분하는 2단계 석유물류네트워크의 최적화는 글로벌 석유 메이저의 중요한 의사결정문제이다. 본 연구는 제품유 시장의 가격 및 수요 변동의 영향을 반영하여 원유 수송, 정제 및 제품유 배분을 최적화하기 위한 석유물류네트워크의 로버스트 추계적 모형을 제시하고 있다. 계산실험은 제품유 시장의 가격 및 수요 변동에 관한 시나리오 기반의 데이터를 사용하여 최적화 모형에 적용하였으며, 그 결과를 바탕으로 제시한 최적화모형의 유용성과 타당성을 검증하여 보고하고 있다.

• 한국항해항만학회지
• /
• 제43권6호
• /
• pp.462-468
• /
• 2019

해양석유 생산은 예기치 못한 유가 하락과 글로벌 석유물류의 변화로 인한 여러 가지 어려움에 직면하고 있다. 이 연구는 불확실성하의 해양석유생산 최적화를 위한 추계적 모형을 제시한다. 제시된 추계적 모형은 강인한 최적화 모형과 리코스 제한 최적화 모형을 사용하고 리코스 이익 변동의 척도로 하위부분평균을 사용한다. 제안된 모형을 바탕으로 불확실성 하의 원유의 가격과 수요에 관한 시나리오 기반의 자료를 사용하여 수행한 계산실험 및 결과를 검토하여 보고하였다. 이 연구는 불학실성 하에서 위험을 고려한 해양석유생산 문제에 대한 의사결정에 유의하게 적용될 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제51권spc1호
• /
• pp.1135-1148
• /
• 2018

기존의 저수지 운영 연구들은 미래의 기후가 과거와 유사하다는 정상성의 가정을 전제로 하였다. 하지만 기후의 비정상성으로 인해 불확실성이 더욱 커질 경우에는 큰 불확실성에서도 안정된 최적해를 찾을 수 있는 로버스트 최적화 과정(Robust Optimization, 이하 RO)이 필요하다고 알려져 있다. RO는 입력자료의 비정상성으로 인해 야기되는 불확실성을 제어하는 로버스트 항을 목적함수에 추가하여 기존의 최적화 방법을 개선한다. 본 연구는 기후변화의 비정상성을 대비하는 저수지 운영규칙 산정을 위해 추계학적동적계획법(Stochastic Dynamic Programing, 이하 SDP)과 RO를 결합하는 Robust-SDP를 제안하였고, 이를 최근 4년간 가뭄을 겪었던 보령댐에 적용하였다. 즉, 비정상성이 반영된 미래 유입량 자료를 생성하고 이를 6가지의 평가지표와 2가지의 의사결정 지원그림을 사용하여 과거 유입량 자료로부터 산출된 저수지 운영규칙의 수행능력을 평가하였다. 그 결과, Robust-SDP가 기후의 비정상성 하에서 극단적인 물 부족 사건의 발생률과 물 부족 사건의 실패의 크기를 감소시켰지만, 작은 크기의 물 부족 발생률은 증가하는 상충관계(trade-off)를 가져옴을 확인할 수 있었다. 이를 바탕으로 의사결정자가 우선시하는 평가지표의 결과에 따라 최적화 모형을 선택할 수 있음을 제안하였다.

• 산업경영시스템학회지
• /
• 제30권2호
• /
• pp.99-105
• /
• 2007

According to the automated manufacturing processes followed by the development of computer manufacturing technologies, products or quality characteristics produced on the processes have measured and recorded automatically. Much amount of data daily produced on the processes may not be efficiently analyzed by current statistical methodologies (i.e., statistical quality control and statistical process control methodologies) because of the dimensionality associated with many input and response variables. Although a number of statistical methods to handle this situation, there is room for improvement. In order to overcome this limitation, we integrated data mining and robust design approach in this research. We find efficiently the significant input variables that connected with the interesting response variables by using the data mining technique. And we find the optimum operating condition of process by using RSM and robust design approach.

• 한국경영과학회지
• /
• 제41권2호
• /
• pp.129-139
• /
• 2016

This paper presented a robust ship scheduling model using the quadratic programming problem. Given a set of available carriers under control and a set of cargoes to be transported from origin to destination, a robust ship scheduling that can minimize the mean-variance objective function with the required level of profit can be modeled. Computational experiments concerning relevant maritime transportation problems are performed on randomly generated configurations of tanker scheduling in bulk trade. In the first stage, the optimal transportation problem to achieve maximum revenue is solved through the traditional set-packing model that includes all feasible schedules for each carrier. In the second stage, the robust ship scheduling problem is formulated as mentioned in the quadratic programming. Single index model is used to efficiently calculate the variance-covariance matrix of objective function. Significant results are reported to validate that the proposed model can be utilized in the decision problem of ship scheduling after considering robustness and the required level of profit.

• 산업경영시스템학회지
• /
• 제38권4호
• /
• pp.117-131
• /
• 2015

Conventional data envelopment analysis (DEA) models require that inputs and outputs are given as crisp values. Very often, however, some of inputs and outputs are given as imprecise data where they are only known to lie within bounded intervals. While a typical approach to addressing this situation for optimization models such as DEA is to conduct sensitivity analysis, it provides only a limited ex-post measure against the data imprecision. Robust optimization provides a more effective ex-ante measure where the data imprecision is directly incorporated into the model. This study aims to apply robust optimization approach to DEA models with imprecise data. Based upon a recently developed robust optimization framework which allows a flexible adjustment of the level of conservatism, we propose two robust optimization DEA model formulations with imprecise data; multiplier and envelopment models. We demonstrate that the two models consider different risks regarding imprecise efficiency scores, and that the existing DEA models with imprecise data are special cases of the proposed models. We show that the robust optimization for the multiplier DEA model considers the risk that estimated efficiency scores exceed true values, while the one for the envelopment DEA model deals with the risk that estimated efficiency scores fall short of true values. We also show that efficiency scores stratified in terms of probabilistic bounds of constraint violations can be obtained from the proposed models. We finally illustrate the proposed approach using a sample data set and show how the results can be used for ranking DMUs.