KR101460295B1

KR101460295B1 - 생산일정 자동 스케쥴링 방법

Info

Publication number: KR101460295B1
Application number: KR1020130016475A
Authority: KR
Inventors: 주철민; 이상민
Original assignee: 동서대학교산학협력단; (주)블루컴
Priority date: 2013-02-15
Filing date: 2013-02-15
Publication date: 2014-11-13
Also published as: KR20140102940A

Abstract

본 발명은 기계가공을 통한 제품의 생산에서 제품생산, 기업 전략, 기업 노-하우, 기업 상황 등과 관련된 다양한 제약조건 및 목적에 부합하는 최적의 계획과 스케쥴을 제공하는 생산일정 자동 스케쥴링 방법에 관한 것으로서, 생산일정에 대한 적절한 의사결정을 지원함으로써 생산량 증가, 납기일 보장, 생산 계획능력 최적화, 재고 감축, 리드 타임 단축, 고객 서비스 향상 등의 기업 경쟁력 확보를 위한 진일보한 방법을 제시한다.

Description

생산일정 자동 스케쥴링 방법{ADVANCED PLANNING AND SCHEDULING METHOD FOR PRODUCING PLAN}

본 발명은 기계가공을 통한 제품의 생산에서 제품생산, 기업 전략, 기업 노-하우, 기업 상황 등과 관련된 다양한 제약조건 및 목적에 부합하는 최적의 계획과 스케쥴을 제공하는 생산일정 자동 스케쥴링 방법에 관한 것이다.

일반적으로 기계가공을 통한 제품의 생산에서는, 공정 흐름의 복잡성, 가공기계들의 상이한 특성 및 가공시간, 작업 투입 일정에 따른 가공준비시간의 변화 등으로 인하여 각 제품의 납기일을 준수하는 생산일정계획을 수립하는 것이 난해한 경우가 대부분이다.

구체적으로 언급하면, 다품종 소량으로 서로 다른 제품을 생산하는 공장에서 계획기간 내에 각 제품에 대한 납기입에 맞춰 모든 제품을 생산하려는 경우, 제품들의 가공 순서 및 작업일시를 포함하는 각 제품의 생산 공정별 가공 일정 및 공정별 투입하는 가공기계의 종류를 최적으로 정하기란 매우 어렵다.

이는, 생산 제품, 생산 방식 및 생산 프로세스, 인력, 장비, 자재 및 공간 등의 제품생산과 관련된 조건은 물론이고, 기업의 전략과 관련된 조건 및 기타 다양한 조건에 부합하는 일정을 잡아야만 설비 가동율 향상, 장비 활용의 효율성 향상, 설비 능력에 맞는 작업 할당, 제조 원가 절감, 투입 인력 및 시간 감소의 효과를 얻으면서 납기일을 맞출 수 있기 때문이다.

이와 같이 조건에 부합하는 생산일정계획의 수립을 APS(Advanced Planning and Scheduling)라고 한다.

하지만, 스케쥴링에 관련한 특허문헌을 살펴보면, 특정 공정에 한정한 알고리즘을 제공할 뿐, 다양한 제약조건에 부합하는 다품종 소량생산 스케쥴링에 관한 알고리즘은 없다.

더욱이, 다품종 소량생산에서는 최적의 스케쥴을 찾아가는 과정에서 초기해의 선정, 초기해에 근거한 최적해의 접근방식 선정, 최적해의 판별기준 선정 등에서 어떠한 기준으로 선정할 것이지 난해하여 종래에는, 이와 관련한 기술을 제시하지 못한 것으로 보인다.

이에, 다품종 소량생산에 최적화된 스케쥴링 방법이 요구된다.

KR 10-0413733 A 2003.12.19.

따라서, 본 발명의 목적은 다품종 소량생산에 따른 다양한 제약조건을 반영하여 최적의 스케쥴을 구하는 한편, 다품종 소량생산의 일정계획에 맞는 초기해 선정, 초기해를 기반으로 최적의 해를 찾아가는 방법, 최적의 해 및 해를 찾아가는 과정에서 얻는 가능해의 평가 방법을 다품종 소량생산 현장에 적합하게 한 생산일정 자동 스케쥴링 방법을 제공하는 것이다.

상기 목적을 달성하기 위해 본 발명은, 자원 및 생산 능력에 관련된 기초정보와 각 제품별 생산 프로젝트에 관련된 일정정보를 사용자 인터페이스를 통해 입력받아 데이터베이스화하는 모듈; 및 계획기간 내의 스케쥴(생산일정계획)에 포함되는 각 항목을 변수로 하고 각 변수의 값을 유전자는 염색체 형식의 개체에 대한 최적해를 기초정보 및 일정정보에 따른 제약조건과 사전에 설정한 목적 및 적합도 평가에 따라 구하는 스케쥴링 모듈;을 이용한 생산일정 자동 스케쥴링 방법에 있어서, 기초정보를 입력받는 기초정보 입력단계(S100); 일정정보를 입력받는 일정정보 입력단계(S200); 스케쥴의 계획기간을 입력받는 계획기간 입력단계(S300); 개체에 대한 초기 가능해 집단을 구성하고, 초기 가능해 집단을 1세대로 하여 유전 알고리즘에 의한 복제, 교차변이 및 돌연변이로 다음 세대를 구성하는 과정을 미리 설정한 최대 세대수만큼 반복하되, 이전 세대에 속한 가능해들 중에 상기 제약조건 및 목적에 부합하는 가능해들에 대해 부하평준화로 평가하여 다음 세대에 복제할 가능해를 결정하는 스케쥴링 단계(S400); 및 상기 스케쥴링 단계(S400)에서 최종 세대수에 속한 가능해들 중에 부하평준화 점수를 가장 높게 받은 가능해를 최적해로 데이터베이화하는 최적해 등록단계(S500);를 포함하여 이루어짐을 특징으로 하는 한다.

상기 스케쥴링 단계(S400)의 초기 가능해 집단은, 휴리스틱 알고리즘(Heuristic Algorithm)으로 초기해 하나를 생성하는 초기해 탐색단계(S410); 미리 설정한 개수만큼 상기 초기해를 복제하고 나머지 개수만큼 랜덤하게 생성하여 미리 설정한 집단 크기의 부모해 세대를 구성하고, 부모해 세대에서 미리 설정된 복제개수만큼 복제하고 나머지를 부모해의 교차변이로 생성한 초기 가능해 집단을 구성하는 초기 가능해 집단 구성단계(S420);에 의해 구성됨을 특징으로 한다.

상기 초기해 탐색단계(S410)의 휴리스틱 알고리즘은, 스케쥴할 각 제품별 납기일 및 투입가능일이 빠른 순서로 정열한 후 최우선 가능 가공공정 흐름을 선택하고, 각 공정을 최우선 가공 기계에 할당하여 상기 초기해를 생성함을 특징으로 한다.

상기 목적은, 제약조건을 만족시키지 못하는 제품수의 최소화, 각 제품의 공정별 할당기계의 우선순위도 합의 최소화 및 준비시간과 가공시간의 총합 최소화임을 특징으로 한다.

상기 기초정보는, 휴일 정보, 가공장비 정보, 단위 작업 정보, 제품 정보, 셋팅 종류 정보, 셋팅 시간 정보, 작업시간 정보, 공정 분류 정보, 및 제품별 가능 공정 정보를 포함하고, 상기 일정정보는, 프로젝트명, 업체명, 도면번호, 투입가능일, 납기일, 제품코드, 생산수량 및 소재번호를 포함함을 특징으로 한다.

상기 개체는, 계획기간 내에 생산할 각 제품의 공정별 가공 일정 및 투입하는 가공기계의 종류를 포함함을 특징으로 한다.

상기와 같이 이루어지는 본 발명은, 기초정보 및 일정정보에 따른 제약조건 및 미리 설정한 목적을 만족하는 스케쥴을 계획기간에 맞춰 최적화하고, 가능해 및 최적해의 평가를 목적과 구분하여 부하평준화 점수로 하므로, 생산에 투입되는 각 설비를 부하 편중 없이 최적의 조건하에 고르게 가동시켜 설비의 가동율 향상, 고가 장비의 효율적 활용, 설비 능력에 맞는 작업 할당, 제품 품질의 안정화를 얻을 수 있고, 투입 인력 및 시간의 감소효과도 얻을 수 있다.

또한, 본 발명은 다품종 소량생산에 적합한 초기해 및 초기 가능해 집단으로부터 전역 최적해를 구할 수 있어, 최적해의 신빙성을 높일 수 있다.

또한, 본 발명은 유전 알고리즘에 적용되는 목적도 다품종 소량생산에 적합하게 선정하여 최적해의 효용성을 보장할 수 있다.

나아가, 본 발명은 생산일정에 대한 적절한 의사결정을 지원함으로써 생산량 증가, 납기일 보장, 생산 계획능력 최적화, 재고 감축, 리드 타임 단축, 고객 서비스 향상 등의 기업 경쟁력 확보를 위한 진일보한 방법을 제시한다.

도 1은 본 발명의 실시예에 따른 생산일정 자동 스케쥴링 방법을 위한 인공지능 시스템의 구성도.
도 2는 기초정보 관리 모듈(20)의 동작 프로세서를 보여주는 도면.
도 3은 일정 관리 모듈(30)의 동작 프로세서를 보여주는 도면.
도 4는 본 발명의 실시예에 따른 자동 스케쥴링 방법의 순서도.
도 5는 본 발명의 실시예에 따른 자동 스케쥴링 방법에서, 스케쥴링 단계(S400)의 상세 순서도.

이하, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 당해 분야에 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명한다. 첨부된 도면들에서 구성 또는 작용에 표기된 참조번호는, 다른 도면에서도 동일한 구성 또는 작용을 표기할 때에 가능한 한 동일한 참조번호를 사용하고 있음에 유의하여야 한다. 또한, 하기에서 본 발명을 설명함에 있어, 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.

유전 알고리즘(Genetic Algorithm)을 이용한 본 발명의 실시예를 설명하기에 앞서서, 사용되는 용어들을 간략하게 설명한다.

개체는, 유전 알고리즘에서 구하고자하는 문제에 대한 가능 결과 값들을 각각 유전자로 하여 각 유전자들을 1차원 배열의 염색체 형식으로 표현한 것이다.

제약조건(constraints)은, 개체의 최적해를 찾아가는 과정에서 개체의 가능해를 제한하는 조건이다.

목적(objective)은, 개체의 최적해에 대한 요구조건, 또는 개체의 최적해를 구하는 과정에서 선택하는 해에 대한 요구조건이다.

평가는, 미리 정한 평가기준에 따른 적합도를 해에 대해 산출하여 평가기준에 부합하는 정도를 산출하는 것이다. 종래기술에 따르면, 상기 목적에 따라 목적함수를 정하여 평가하였으나, 본 발명에서는 평가를 상기 목적과 구분한다.

도 1은 본 발명의 실시예에 따른 자동 스케쥴링을 위한 인공지능 시스템의 구성도이다.

도 2는 기초정보 관리 모듈(20)의 동작 프로세서를 보여주는 도면이고, 도 3은 일정 관리 모듈(30)의 동작 프로세서를 보여주는 도면이다.

본 발명의 실시예에 따른 생산일정 자동 스케쥴링 방법을 위한 인공지능 시스템은 사용자 관리 모듈(10), 기초정보 관리 모듈(20), 일정 관리 모듈(30), 사용자 인터페이스(40), 스케쥴링 모듈(50), 데이터베이스(60) 및 데이터 입출력부(70)를 포함하여 구성된다.

상기 사용자 관리 모듈(10)은, 본 사용자 관리 모듈(10)의 사용권한자는 물론이고 기초정보 관리 모듈(20) 및 일정 관리 모듈(30)의 사용권한자를 등록하기 위해 마련된 모듈로서, 사용 권한을 갖는 사용자의 아이디 및 패스워드를 포함하는 로그인 정보와 사용자들을 소속 그룹(예를 들어, 사용자의 업무별로 구분된 그룹)으로 분류하여 그룹별 사용권한을 제한하게 하는 소속 그룹 정보를 포함하는 사용자 정보를 데이터베이스(60)에 등록 저장한다. 상기 사용자 관리 모듈(10)은 본 인공지능 시스템을 사용할 수 있는 사용자를 지정하는 것이므로 하기의 사용자 인터페이스(60)를 통해 접근하는 사용자들 중에 사용자 관리 모듈(10)의 사용 권한을 부여한 사용자만 사용자 정보를 변경할 수 있게 한다. 그리고, 사용자 인터페이스(60)를 통해 접근하는 사용자들 중에 소속 그룹에 따라 하기의 기초정보 관리 모듈(20) 및 일정 관리 모듈(30)에 대한 접근 권한을 제한한다.

상기 기초정보 관리 모듈(20)은, 직원들의 개개인에 대한 휴일 정보, 생산현장에 설치된 가공장비 정보, 생산공정의 각 단계별 단위 작업 정보, 생산할 제품에 대한 제품 정보, 생산할 제품에 투입하기 위한 가공장비의 셋팅 종류 정보, 가공장비의 셋팅 시간 정보, 제품 생산에 소요되는 작업시간 정보, 제품 생산에 필요한 생산 공정의 제품별 공정 분류 정보, 제품별 가능 공정 정보를 포함하는 기초정보의 신규 등록을 위한 모듈이다.

기초정보 중에 가공장비 정보, 단위 작업 정보, 제품 정보 및 셋팅 종류 정보는 가공장비를 이용한 다품종 생산 제품에 따라 다양하게 이루어지므로, 일정한 규칙을 정하여 코드를 부여하고 등록한다.

상기 기초정보 관리 모듈(20)은 기 등록된 기초정보를 항목별로 검색하여 이를 수정 또는 삭제할 수 있게 하고, 사용자에게 보여주기 위해서 출력 동작도 담당한다. 이에 대해, 도 2를 참조하여 설명하면, 기초정보를 데이터베이스에 등록한 이후에 검색조건을 선택하여 검색하면 검색조건에 맞는 기초정보를 데이터베이스에서 로드(load)하여 출력하고, 사용자가 일부 항목을 변경(수정 또는 삭제)하면 변경사항이 반영되도록 데이터베이스에 기 저장하였던 기초정보를 업데이트한다.

상기 일정 관리 모듈(30)은, 제품 생산 프로젝트별 일정정보의 등록 또는 기등록한 일정정보의 수정을 위한 모듈이다. 여기서, 일정정보는 프로젝트에 관련된 프로젝트명, 업체명, 도면번호, 투입가능일, 납기일, 제품코드, 생산수량, 소재번호 등의 정보를 포함한다.

그리고, 상기 일정 관리 모듈(30)은 도 3에 도시한 바와 같이 생산 스케쥴의 기간에 해당되는 계획기간을 사용자가 선택하면 기초정보 및 일정정보를 데이터베이스(60)에서 로드(load)하여 계획기간 내의 생산 스케쥴에 대한 최적해를 스케쥴링 모듈(50)로 획득하여 사용자 인터페이스(40)를 통해 출력한다. 이와 같은 생산 스케쥴은 자동으로 계획기간을 정함에 따라 자동으로 생성되는 것이지만, 한편으로는, 사용자가 수동으로 변경할 수 있게 하는 것이 바람직하다. 즉, 스케쥴은 '일정 자동 계획' 및 '일정 수동 계획'로 이루어지는 선택 메뉴에 의서 자동이나 아니면 수동으로 스케쥴을 생성한다.

여기서, '일정 수동 계획'은 기업의 전략과 관련된 제약조건 또는 생산일정계획에 관련된 노-하우(Know-How)에 따른 제약조건에 관련된 것일 수 있다.

또한, 이전에 생성하여 사용하던 스케쥴이나 아니면 생산현장에서 현재 사용중인 스케쥴이 있을 수 있으며, 이때 상기 일정 관리 모듈(30)은 계획기간을 선택할 경우 해당 기간에 가공해야 할 프로젝트별 단위 제품들의 기존 일정계획정보 및 기타 일정계획에 필요한 정보를 데이터베이스로부터 로드(loa)하고 그래픽화하여 사용자 인터페이스(40)를 통해 보여줌으로써, 스케쥴 전과정을 인터렉티브하게 진행하게 하는 것이 좋다.

또한, 메뉴에는 가공 실적을 조회하는 선택 메뉴를 포함하여서, 상기와 같이 생성한 스케쥴에 따라 제품을 생산할 시에 얻게 되는 실적을 사용자 인터페이스(40)를 통해 사용자에게 보여주거나 아니면 프린트물로 출력하는 것이 바람직하다. 상기 실적은, 예를 들어, 스케쥴에 따른 일정표, 작업 명세서, 제품별 실적표, 장비가동 실적표, 장비별 투입시간, 실적표로 이루어질 수 있다.

아울러, 생성한 스케쥴에 따라 제품을 실제 생산하였을 때의 실적을 실시간 얻기 위해서, 실적의 산출에 필요한 데이터를 하기의 데이터 입출력부(70)를 통해 얻을 수 있게 한다.

상기 사용자 인터페이스(40)는 사용자가 상기 사용자 관리 모듈(10), 기초정보 관리 모듈(20) 및 일정 관리 모듈(30)에 인터페이스하여 사용할 수 있게 마련된 구성이며, 예를 들어, 모니터 및 키보드의 조합으로 이루어질 수 있다.

상기 스케쥴링 모듈(50)은, 스케쥴에 포함되는 각 항목을 변수로 하고 각 변수의 값을 유전자로 하여 염색체 형식으로 구성한 개체에 대해 제약조건, 목적 및 평가점수에 부합하는 최적해를 구한다.

개체를 구성하는 각 유전자는, 스케쥴에 포함되는 항목들의 값으로 표시되며, 생산할 각 제품의 공정별 가공 일정 및 투입하는 가공기계의 종류 등을 포함한다. 여기서, 공정별 가공 일정는 가공순서 및 작업일시를 내포하고, 가공기계의 종류는 가공기계가 설치된 작업장도 내포한다.

제약조건은, 생산 제품, 생산방식, 생산 프로세스, 인력, 장비, 자재 및 공간 등의 제품생산과 관련된 다양한 제약조건들, 기업의 전략과 관련된 제약조건, 생산일정계획에 관련된 노-하우(Know-How)에 따른 제약조건 등을 포함할 수 있다. 이와 같은 제약조건은 기초정보 및 일정정보에 의해서 결정되며, 대표적인 예로서 납기일이 있다. 그리고, 스케쥴링 모듈은 가동 초기에 상기 제약조건을 미리 설정된 규칙에 따라 기초정보 및 일정정보로부터 추출 및 생성한다.

목적은, 개체의 최적해에 대한 요구조건, 또는 개체의 최적해를 구하는 과정에서 선택하는 해에 대한 요구조건으로서, 본 발명의 실시예에서는 제약조건을 만족시키지 못하는 제품수의 최소화, 각 제품의 공정별 할당기계의 우선순위도 합의 최소화, 및 준비시간과 가공시간의 총합 최소화를 목적으로 한다.

평가점수는, 해에 대해 평가기준에 따라 적합도를 산출한 값으로서, 평가점수의 크기로 평가기준에 정도를 평가한다. 본 발명의 실시예에서는 부하평준화 정도를 평가점수로 산출한다.

최적해를 구하기 위한 상기 스케쥴링 모듈(50)은 휴리스틱 알고리즘(Heuristic Algorithm)으로 개체의 초기해 하나를 탐색하는(S410) 초기해 탐색부(S51), 초기해로부터 N개의 초기 가능해 집단을 생성하는(S420) 초기 가능해 집단 구성부(52), 초기 가능해 집단을 유전 알고리즘(Genetic Algorithm)으로 진화시켜 최적해를 구하는(S430) 최적해 탐색부(53)를 포함하여 구성된다. 여기서 구한 최적해는 데이터베이스(60)에 등록되어 생산 스케쥴에 반영된다. 상기 스케쥴링 모듈(50)에 의해 최적해를 구하는 과정은 하기의 도 5를 참조하여 상세하게 설명한다.

상기 데이터베이스(60)는, 상기 사용자 관리 모듈(10)에서 제공하는 사용자 인터페이스 환경하에 사용자가 입력한 사용자 정보, 상기 기초정보 관리 모듈(10)에서 제공하는 사용자 인터페이스 환경하에 사용자가 입력한 기초정보, 및 상기 일정 관리 모듈(30)에서 제공하는 사용자 인터페이스 환경하에 사용자가 입력한 일정정보를 저장 관리하고, 상기 스케쥴링 모듈(50)에 의해 생성된 스케쥴의 최적해도 저장 관리하여, 생산일정에 반영되도록 제공하며, 상기한 실적에 대한 정보 등도 저장 관리한다.

상기 데이터 입출력부(70)는, 제품 생산의 진척도, 생산성, 생산량 등의 실적 지표로 삼을 데이터를 입력받도록 구성할 수 있다. 또한, 상기 데이터 입출력부(70)는, 본 발명으로 구성된 APS(Advanced Planning and Scheduling) 시스템을 생산현장에 연계하여 최적해에 따른 스케쥴을 생산 현장에 반영하는 데이터 통로 또는 ERP(Enterprise Resource Planning) 시스템, CRM(Customer Relationship Management) 시스템, MRP (Material Requirement Planning) 시스템, MRP Ⅱ(Manufacturing Resource Planning) 시스템 등과 연계되는 데이터 통로로 구성될 수 있다. 상기한 타 시스템과의 연계를 위해서는, 타 시스템에서 사용되는 데이터 형식 및 데이터 구조에 적합하도록 하여야 한다.

이하, 상기 도 1에 도시한 시스템으로 이루어지는 생산일정 자동 스케쥴링 방법에 대해서 설명한다.

도 4는 본 발명의 실시예에 따른 생산일정 자동 스케쥴링 방법의 순서도이고,

도 5는 본 발명의 실시예에 따른 생산일정 자동 스케쥴링 방법에서, 스케쥴링 단계(S400)의 상세 순서도이다.

본 발명의 실시예에 생산일정 자동 스케쥴링 방법은, 기초정보 입력단계(S100), 일정정보 입력단계(S200), 계획기간 입력단계(S300), 스케쥴링 단계(S400) 및 최적해 등록단계(S500)를 포함하여 이루어진다.

상기 기초정보 입력단계(S100)는, 상기한 휴일 정보, 가공장비 정보, 단위 작업 정보, 제품 정보, 셋팅 종류 정보, 셋팅 시간 정보, 작업시간 정보, 공정 분류 정보, 제품별 가능 공정 정보 등을 포함한 기초정보를 입력받는다. 이러한 기초정보는 보유한 자원 및 생산 능력을 반영하는 정보이다.

상기 일정정보 입력단계(S200)는, 프로젝트에 관련된 프로젝트명, 업체명, 도면번호, 투입가능일, 납기일, 제품코드, 생산수량, 소재번호 등을 포함한 일정정보를 입력받으며, 이러한 일정정보는 각 제품별 프로젝트로 분류되어 입력받는다. 예를 들어 설명하면, 서로 다른 공정에 의해 다품종 소량 생산하는 제품들에 대해 생산 프로젝트가 결정되었을 때에, 각 제품에 대한 프로젝트에 따라 상기 일정정보를 입력받는 것이다. 이와 같은 일정정보는, 계획기간 내에 생산하여야 할 제품들에 대한 프로젝트를 반영한 정보이다.

상기 계획기간 입력단계(S300)는, 상기와 같이 기초정보 및 일정정보를 입력받아 데이터베이스를 구축한 이후, 사용자가 계획기간을 정하여 입력하는 단계이다. 계획기간은 생산하려는 다양한 제품들을 목적 및 제약조건에 부합하여 생산하기를 원하는 기간이다.

상기 스케쥴링 단계(S400)는, 스케쥴링 모듈(50)의 가동에 의해 이루어지며, 스케쥴링 모듈(50)의 가동 초기에 기초정보 및 일정정보로부터 미리 설정된 규칙에 따라 제약조건을 생성하고, 이후, 상기 기초정보 및 일정정보에 따른 제약조건에 부합하면서 본 발명에서 정한 목적 및 평가에도 부합하도록 생산일정계획(스케쥴)을 수립하는 단계이다.

도 5를 참조하면, 상기 스케쥴링 단계(S400)는 초기해 탐색단계(S410), 초기 가능해 집단 구성단계(S420) 및 최적해 탐색단계(S430)를 포함한다.

초기해 탐색단계(S410)는, 스케쥴(생산일정계획)에 포함되는 각 항목을 변수로 하고 각 변수의 값을 유전자로 하는 1차원 배열 구조의 염색체 형식으로 구성한 개체에 대해 초기해 하나를 구하는 단계이다. 여기서, 스케쥴에 포함되는 각 항목, 즉, 개체를 구성하는 유전자들은, 예를 들어, 계획기간에 생산하려는 각 제품의 공정별 가공 일정 및 투입되는 가공 기계에 대한 가능한 값으로 될 수 있다. 하지만, 다양한 산업 현장에서 사용되는 스케쥴의 형태에 따라 다른 인자도 더 포함하도록 구성할 수 있다.

본 발명에 따르면, 상기 초기해 탐색단계(S410)는 초기해 하나를 휴리스틱 알고리즘(Heuristic Algorithm)으로 탐색한다. 휴리스틱 알고리즘은 경험에 기반하여 문제를 해결하거나 발견해 내는 알고리즘으로서, 한정된 시간 내에 수행하기 위해 최적의 해 대신 현실적으로 만족할 만한 수준의 해를 구한다.

본 발명에서는 스케쥴할 각 제품별 납기일 및 투입가능일이 빠른 순서로 정열한 후 최우선 가능 가공공정 흐름을 선택하고, 각 공정을 최우선 가공 기계에 할당하여 초기해를 얻는다. 납기일 및 투입가능일 중에 어느 날짜의 순서로 우선하여 정열할 것인지는 미리 설정하면 되고, 아니면, 납기일 및 투입가능일에 각각 가중치를 두어 합산한 값의 순서에 따라 정열하여도 된다.

초기 가능해 집단 구성단계(S420)는, 상기 초기해를 이용하여 구성할 초기 가능해 집단의 크기(N)를 결정하고, 상기 초기해를 미리 설정된 개수만큼 반복 복제하고, 초기 가능해 집단 크기(N)에서 상기 미리 설정된 개수를 감산(減算)한 나머지 개수의 개체를 랜덤하게 생성하여 부모해 집단을 구성하며(S422), 이후, 부모해들 중에 미리 설정된 복제 개수의 부모해를 자녀해로 복제하고 초기 가능해 집단 크기(N)에서 상기 미리 설정된 복제개수를 감산(減算)한 나머지 개수의 자녀해들을 2개의 임의 부모해를 교차변이하여 생성한 자녀해로 하여(S423) 초기 가능해 집단 크기(N)의 자녀해들로 이루어진 초기 가능해 집단을 구성한다(S424).

이와 같이 랜덤하게 생성한 개체를 투입하고 교차변이를 실행하여 초기 가능해 집단을 구성하는 것은, 이후의 최적해 탐색단계(S430)에서 지역적으로 편중되지 아니하고 전역적으로 최적화된 해를 구할 수 있게 한다.

여기서, 초기해를 복제한 부모해 집단 내의 초기해 개수, 즉, 상기 미리 설정된 개수는, 초기해의 인자들이 초기 가능해 집단에 유전되는 확률을 좌우하고, 이에 따라, 초기해의 인자들 중에 지역 최적해에 가까운 답을 유도하는 인자가 있다면, 전역 최적해를 구할 확률이 낮아지게 된다. 따라서, 본 발명의 실시예에서 상기 미리 설정된 개수는 초기 가능해 집단 크기(N)의 30%로 정하였으나, 이에 한정할 필요는 없고, 본 발명의 반복 실험에 근거하여 적절하게 정하는 것이 좋다.

아울러, 초기 가능해 집단을 구성하기 위해 부모해를 교차변이하여 얻는 자녀해의 개수, 즉, 상기 초기 가능해 집단 크기(N)에서 상기 미리 설정된 복제개수를 제산한 나머지 개수는, 최적해 탐색단계(S430)에서 전역 최적해를 구하는 데 영향을 주므로, 비록 본 발명의 실시예에서 초기 가능해 집단 크기(N)의 80%로 하였으나 이에 한정하지 아니하고 본 발명의 반복 실험에 근거하여 적절하게 정하는 것이 좋다.

최적해 탐색단계(S430)는, 유전 알고리즘의 최대 세대수를 결정하고(S431), 상기 초기 가능해 집단을 1세대로 하여 최대 세대수에 도달할 때까지(S433, S434) 이전 세대를 유전 알고리즘의 복제, 교차변이 및 돌연변이시켜 다음 세대를 구성하는 과정(S435)을 반복한다.

상기 복제는 한 세대의 가능해 집단 중에 평가 점수를 높게 받은 좋은 해들을 그 점수에 비례하여 다음 세대에 복사하는 것이고, 상기 교차변이는 복제한 가능해 들 중에 임의로 두개의 해를 선택해 임의의 유전자를 상호 교환하는 것이고, 상기 돌연변이는 새로운 가능해를 랜덤하게 생성하는 것이다. 여기서, 상기 돌연변이는 복제한 해의 인자 일부를 랜덤하게 변이하는 방식도 가능하다. 이와 같은 돌연변이는, 지역 최적해에 빠지는 것을 가능한 한 방지하여 전역 최적해를 구할 수 있는 확률을 높인다.

이때, 각 세대는 최적해를 찾아가기 위한 가능해들의 집단으로서, 각 세대별로 가능해들 각각에 대한 제약조건 만족 여부 조사, 목적과의 부합 여부 조사 및 평가를 수행하여 다음 세대로 복제하는 가능해를 정한다.

본 발명에서 정한 목적은, 제약조건을 맞족시키지 못하는 제품수의 최소화 목적, 각 제품의 공정별 할당기계의 우선순위도 합의 최소화 목적, 및 준비시간과 가공시간의 총합 최소화 목적이라는 3개의 목적이다.

평가는, 본 발명에서 정한 목적에 부합하는 가능해들 중에 부하평준화(loading to finite capacity) 점수를 산출하여 부하평준화 점수의 크기에 따라 순위를 부여하고 미리 설정한 비율의 상위 가능해를 다음 세대에 복제한다.

부하평준화(loading to finite capacity)는, 각 제품 생산 공정의 부하를 요철(凹凸) 없이 일정하게 하는 것으로서, 부하의 요철이 클수록 낮은 점수를 부여한다.

이에 따라, 이전 세대에서 복제되고 교차변이되어 다음 세대로 유전자를 전이하는 가능해는, 제약조건 및 목적에 부합하면서 부하평준화로 평가하여 우수한 평가를 받은 개체로 이루어진다.

상기 최적해 등록단계(S500)는, 최적해 탐색단계(S430)에서 최대 세대수만큼 세대수를 반복생성한 후 최종 세대를 구성하는 가능해들 중에 평가 점수를 가장 높게 받은 가능해를 최적해로 등록한다.

한편, 상기 최적해 탐색단계(S430)에서 최대 세대수에 도달하기 전이라도 미리 설정된 범위 내의 평가 점수를 받는 가능해가 출현한다면 이 가능해를 최적해로 하고 세대수를 늘려가는 과정을 종료하는 것도 가능하다.

그리고, 상기 최적해 탐색단계(S430)에서의 최대 세대수는, 너무 크게 하면 최적해를 구하는 시간이 길어지므로 본 발명의 반복실험에 의한 경험치로 적절하게 정하는 것이 좋다.

이상에서 본 발명의 기술적 사상을 예시하기 위해 구체적인 실시 예로 도시하고 설명하였으나, 본 발명은 상기와 같이 구체적인 실시 예와 동일한 구성 및 작용에만 국한되지 않고, 여러가지 변형이 본 발명의 범위를 벗어나지 않는 한도 내에서 실시될 수 있다. 따라서, 그와 같은 변형도 본 발명의 범위에 속하는 것으로 간주해야 하며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.

10 : 사용자 관리 모듈 20 : 기초정보 관리 모듈
30 : 일정 관리 모듈 40 : 사용자 인터페이스
50 : 스케쥴링 모듈 60 : 데이터베이스
70 : 데이터 입출력부

Claims

직원들의 개개인에 대한 휴일 정보, 생산현장에 설치된 가공장비 정보, 생산공정의 각 단계별 단위 작업 정보, 생산할 제품에 대한 제품 정보, 생산할 제품에 투입하기 위한 가공장비의 셋팅 종류 정보, 가공장비의 셋팅 시간 정보, 제품 생산에 소요되는 작업시간 정보, 제품 생산에 필요한 생산 공정의 제품별 공정 분류 정보 및 제품별 가능 공정 정보 중에 적어도 어느 하나 이상을 포함한 자원 및 생산 능력에 관련된 기초정보와, 각 제품별 생산 프로젝트에 관련된 납기일 및 생산수량을 포함하는 일정정보를 사용자 인터페이스를 통해 입력받아 데이터베이스화하는 관리 모듈; 및 계획기간 내의 스케쥴(생산일정계획)에 포함되는 각 항목을 변수로 하고 각 변수의 값을 유전 알고리즘의 유전자로 하여 1차원 배열 구조의 염색체 형식으로 구성한 개체에 대해 개체의 가능해를 제한하는 조건으로서 납기일을 포함한 제약조건, 개체의 최적해 또는 개체의 최적해를 구하는 과정에서 선택하는 해에 대한 요구조건으로서 제약조건을 만족시키지 못하는 제품수의 최소화를 포함한 목적 및 부하평준화 점수로 해를 평가하는 적합도 평가에 따라 최적해를 구하는 스케쥴링 모듈;을 이용한 자동 스케쥴링 방법에 있어서,
관리 모듈에서 기초정보를 입력받아 데이터베이스화하는 기초정보 입력단계(S100);
관리 모듈에서 일정정보를 입력받아 데이터베이스화하는 일정정보 입력단계(S200);
관리 모듈에서 스케쥴의 계획기간을 입력받는 계획기간 입력단계(S300);
스케쥴링 모듈에서 기초정보 및 일정정보로부터 납기일을 포함한 제약조건을 생성한 후, 개체에 대한 초기 가능해 집단을 구성하고, 초기 가능해 집단을 1세대로 하여 유전 알고리즘에 의한 복제, 교차변이 및 돌연변이로 다음 세대를 구성하는 과정을 미리 설정한 최대 세대수만큼 반복하되, 이전 세대에 속한 가능해들 중에 상기 제약조건 및 목적에 부합하는 가능해들에 대해 부하평준화로 평가하여 다음 세대에 복제할 가능해를 결정하는 스케쥴링 단계(S400); 및
스케쥴링 모듈에서 상기 스케쥴링 단계(S400)의 최종 세대수에 속한 가능해들 중에 부하평준화 점수를 가장 높게 받은 가능해를 최적해로 데이터베이화하는 최적해 등록단계(S500);
를 포함하여 이루어짐을 특징으로 하는 생산일정 자동 스케쥴링 방법.
제 1항에 있어서
상기 스케쥴링 단계(S400)의 초기 가능해 집단은,
휴리스틱 알고리즘(Heuristic Algorithm)으로 초기해 하나를 생성하는 초기해 탐색단계(S410);
미리 설정한 개수만큼 상기 초기해를 복제하고 나머지 개수만큼 랜덤하게 생성하여 미리 설정한 집단 크기의 부모해 세대를 구성하고, 부모해 세대에서 미리 설정된 복제개수만큼 복제하고 나머지를 부모해의 교차변이로 생성한 초기 가능해 집단을 구성하는 초기 가능해 집단 구성단계(S420);
에 의해 구성됨을 특징으로 하는 생산일정 자동 스케쥴링 방법.
제 2항에 있어서,
상기 초기해 탐색단계(S410)의 휴리스틱 알고리즘은,
스케쥴할 각 제품별 납기일 및 투입가능일이 빠른 순서로 정열한 후 최우선 가능 가공공정 흐름을 선택하고, 각 공정을 최우선 가공 기계에 할당하여 상기 초기해를 생성함을 특징으로 하는 생산일정 자동 스케쥴링 방법.
제 1항 내지 제 3항 중에 어느 하나의 항에 있어서,
상기 목적은, 각 제품의 공정별 할당기계의 우선순위도 합의 최소화 및 준비시간과 가공시간의 총합 최소화를 포함함을 특징으로 하는 생산일정 자동 스케쥴링 방법.
삭제
제 4항에 있어서,
상기 개체는, 계획기간 내에 생산할 각 제품의 공정별 가공 일정 및 투입하는 가공기계의 종류를 포함함을 특징으로 하는 생산일정 자동 스케쥴링 방법.