Supply chain managers seek to achieve global optimization by solving problems in the supply chain's business process. However, companies in the supply chain hide the adverse information and inform only the beneficial information, so the information is distorted and cannot be the information that describes the entire supply chain. In this case, supply chain managers can directly collect and analyze supply chain activity data to find and manage the companies described by the data. Therefore, this study proposes a method to collect the order-inventory information from each company in the supply chain and detect the companies whose data characteristics are explained through deep learning. The supply chain consists of Manufacturer, Distributor, Wholesaler, Retailer, and training and testing data uses 600 weeks of time series inventory information. The purpose of the experiment is to improve the detection accuracy by adjusting the parameter values of the deep learning network, and the parameters for comparison are set by learning rate (lr = 0.001, 0.01, 0.1) and batch size (bs = 1, 5). Experimental results show that the detection accuracy is improved by adjusting the values of the parameters, but the values of the parameters depend on data and model characteristics.

This paper studies the effect of information quality level and customer demand on performance measures in a supply chain. The information quality level compares 2 types, the information levels of a customer demand and a lead time. The customer demand proc

This paper studies that б values(10, 20, 50)and ρ values (-0.6, -0.3, 0.0, 0.3, 0.6) affect the total inventory cost of a supply chain and order fill rate when the market demand process follows a general auto-correlated AR(1) process without seasonality.

This paper deals with the application of Supply Chain Operations Reference (SCOR) model to make a Service Supply Chain(sSC) of a hospital treatment service. At first, we compare the service supply chain with the traditional supply chain. At second, we app

본 논문에서는 공급자(Supplier)-제조업자(Manufacturer)-유통업자(Distributor)-소매업자(Retailer)-고객(Customer)으로 이루어진 공급 사슬에서 고객의 주문 변동과 각 티어(tier)에 의 배송 정책에 따른 영향을 평가한다. 고객의 주문은 자기 상관이 있는 AR(1) 프로세스를 따르고, 각 티어에서의 배송 정책은 다운스트림(downstream)의 주문을 대응하는 방식에 따라 일괄 배송과 부분 배송으로 나눈다. 각 티어 사이에는 배송 리드타임(lead time)이 존재하고 주기별로 각 티어의 배송 비용을 계산한다. 고려하는 공급 사슬 모델은 ARENA를 사용하여 시뮬레이션 모델로 구축하고 주문 변동, 배송 정책, 배송 리드 타임에 따른 공급 사슬 영향도를 분석한다.

본 논문에서는 공급 사슬의 다목표 최적화 문제를 다룬다. 복잡한 공급 사슬 모델의 구성은 시뮬레이션 모델링을 이용하고 다목표 최적화를 위한 알고리즘은 유전자 알고리즘을 사용한다. 본 연구에서 사용되는 다목표 유전자 알고리즘은 최근까지 가장 효율적인 방법중의 하나라고 제시된 NSGA-II이며, 이 알고리즘을 사용하여 시뮬레이션 모델의 확률적 공급 사슬 문제에 적용하여 나타나는 결과를 분석하고 방향을 제시한다.

  The most of national industrial complex were developed and supplied not according to the requirements of enterprise but the needs of the government. And it leads to current serious out of balance in demand and supply of industrial complex. Buckpyoung in

  본 연구에서는 철강 제조 공정에서 발생하는 생산 계획 문제를 설명하고 해결 방법을 제시한다. 철강 제품 중에서도 판재류(냉연, 아연도, 석도, 칼라 제품)를 생산하는 공정으로 연구 범위를 제한하고 적용하는 부분은 철강 공정의 스케줄링 분야를 배제한 생산 계획 분야만을 대상으로 한다. 특히, 철강 제조 공정의 생산 계획 문제들 중에서 가장 중요하게 고려되는 원료 충당 문제, 용량 할당 문제, Batched Annealing Furnace(BAF) 설비

우리나라 대부분의 국가산업단지 개발은 기업의 수요에 의한 개발이 아닌, 정부차원에서 공급자 위주로 이루어져왔다. 기업의 다양한 수요를 수렴하지 못한 개발은 지금의 산업단지 수요ㆍ공급의 심각한 불균형 현상을 초래하게 되었고, 특히 북평 산업단지는 95년에 준공되었지만 전국 42개 국가산업단지 가운데 현재까지 미분양률이 약 63%로서 가장 높은 상황이다. 이에 본 연구에서는 북평 산업단지 활성화를 위한 방안으로서 클러스터 구축 및 공동물류 시스템 운영을 통한 활성화 방안에 대하여 연구하였다.

최적화 문제는 일반적으로 복수개의 목적식을 가지며, 이러한 목적식들의 대부분은 서로 충돌한다. 즉, 한 개의 목적식을 최적화하면 다른 목적식들은 최적화되지 못한다. 그러므로 하나의 목적식을 최적화하는 결정변수들이 다른 목적식들을 동시에 최적화시키기가 매우 어렵다. 따라서 최적화 개념도 하나의 목적식을 고려하는 경우와는 다른 관점에서 고려해야 한다. 본 연구에서는 다목표 최적화 문제를 해결하기 위한 새로운 실수코딩 유전자 알고리즘을 제시하고, 알고리즘의 효율 평가를 위해서 다목표 유전자 알고리즘에서 가장 일반적으로 사용되고 있는 MOGA 기법과 비교한다. 제시되는 다목표 실수코딩 유전자 알고리즘에서는 여러 개의 목적식을 평가하기 위한 적합도 함수를 제안하며, 목적식들을 만족하는 다양한 파레토 최적 집합을 구축하기 위한 방안을 제시한다. 개발된 다목표 최적화 알고리즘과 MOGA 기법의 효율 평가를 위해 두 알고리즘이 파레토 최적해의 집합을 어떻게 구성하는지 비교한다. 실수코딩 유전자 알고리즘의 실험을 위해 교배연산자는 단순교배 기법을 사용하고 돌연변이 연산자는 균등돌연변이 기법을 사용한다.

In this paper, we optimize simulation model of a manufacturing system using the real-coded genetic algorithm. Because the manufacturing system expressed by simulation model has stochastic process, the objective functions such as the throughput of a manufa

시뮬레이션은 분석적인 방법으로 해결할 수 없거나 표현하기가 어려운 문제를 현실 세계와 최대한 비슷하게 컴퓨터상에서 모델링하고, 결정 변수에 대한 시뮬레이션을 수행하여 수행도 결과를 주는 방법이다. 그러나 시뮬레이션은 시스템 수행도를 최적화할 수 있는 결정 변수의 값을 찾아주지 못하는 단점이 있다. 이러한 시뮬레이션 기법의 문제점을 해결하고자 최적화 기법을 시뮬레이션에 적용하여 사용하는 것이 일반적인 방법이다. 그러므로 본 논문에서는 최적해를 탐색시에 개체군을 사용하기 때문에 전역적 해를 찾을 확률이 다른 기법들보다 높은 유전자 알고리즘을 시뮬레이션에 적용시킨다. 본 연구에서는 제약 조건을 갖는 문제에서는 이진 코딩 유전자 알고리즘 보다 효과적이라고 알려진 실수 코딩 유전자 알고리즘을 생산 시스템의 시뮬레이션 최적화에 적용한다. 실수 코딩 유전자 알고리즘의 적용시에 재생산 연산자는 교체를 수반한 잔여확률분포 선택 기법을 사용하고, 교배 연산자는 단순 교배 기법을 사용한다. 돌연변이 연산자는 세대에 따라 탐색 영역을 조절해 줄 수 있는 동적 돌연변이 기법을 사용한다.

본 연구에서는 철강 공정의 생산 계획 문제들 중에서 가장 중요하다고 판단되는 원료 충당 문제, 용량 할당 문제 및 BAF 설비 운영 문제를 설명하고, 이 문제점들을 해결하기 위한 방법을 제시한다. 또한, 특정의 툴을 사용하여 적용이 가능한 기능을 제시하는데 이 때 사용되는 생산 계획 툴은 i2사의 Factory Planner이다.

In this paper, we propose a case study to treat planning and scheduling in factory of supply chain. In fact, the planning and the scheduling of a factory are not easily solved because of constraints of facility resources, material requirements, allowed planning times, and so on. However many packages are developed by vendors in Advanced Planning and Scheduling(APS) aspects to solve these problems. We, therefore, analyze problems of an electronic company and apply the tool, Factory Planner(FP), to solve problems.