KR102263524B1 - 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법 및 장치 - Google Patents

Abstract

반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법 및 장치가 제시된다. 본 발명에서 제안하는 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법은 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 단계, 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 단계, 탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 단계 및 반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증하는 단계를 포함한다.

Description

반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법 및 장치{Method and Apparatus for CNC Machine Job Scheduling Optimization using Machine Learning based on Iterative Improvement}

본 발명은 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법 및 장치에 관한 것이다.

제조업에서 효율적인 생산을 위한 작업 스케줄링은 추가적인 비용 없이 생산량을 극대화할 수 있는 아주 중요한 문제이다. 하지만 몇몇의 적은 수의 기계 및 인력을 보유하는 제조환경이 열악한 제조업체인 경우 현재까지 효율적이지 못한 스케줄링을 통하여 생산을 실시하고 있고 이로 인한 손해는 분명 클 것으로 예상된다. 이러한 문제점을 해결하기 위해 머신러닝 기법을 활용하여 효율적인 작업 스케줄링을 도출해 내기 위한 방안이 필요하다.

1990년대부터 스케줄링에 관련한 연구는 지속적으로 이루어지고 있다. 초기에는 작업 스케줄링이라 불리는 스케줄링 문제를 주로 다루었으며 각 작업이 어느 기계에서 처리돼야 하는지 명시되어 있었다. 그 후 유연한 작업 스케줄링, 플로우 샵 스케줄링 등 기술의 변화에 따라 여러 가지 상황에 따른 스케줄링의 연구가 진행되었다. 접근방식은 대부분 지역 탐색을 통한 최적화이며 유전 알고리즘(Genetic algorithm), 담금질 기법(Simulated annealing), 입자 군집 최적화(Particle swarm optimization), 금기 탐색(Tabu search), 개미 집단 최적화(Ant colony optimization) 등이 이용되었다. 최근에는 여러 가지 기법들을 혼합한 형태의 접근방법이 주로 연구되고 있으며 2015년 기준 작업 스케줄링에 관한 인용횟수로 약 35%를 차지하고 있다.

전통적인 작업 스케줄링문제는 각 작업의 구성 요소(operation)가 어느 기계에서 처리돼야 하는지 명시되어 있지만 다룰 문제는 수치제어 공작기계를 이용한 스케줄링 문제로 각 작업의 구성 요소들이 어느 기계에서나 처리될 수 있는 유연한 작업 스케줄링(Flexible Job Shop Scheduling) 문제이다. 즉, N개의 작업을 M대의 기계에 적절하게 배분하여 납기일을 어기지 않고 세팅 타임 및 모든 작업의 처리시간을 최소화하는 문제이다.

본 발명이 이루고자 하는 기술적 과제는 효율적인 생산계획을 제공하기 위해 머신러닝 기법을 활용한 제조공정 방법 및 장치를 제공하는데 있다. 유전 알고리즘, 탐욕 알고리즘 및 반복 개선 알고리즘을 통한 하이브리드 형태로 진행되어 효율적인 스케줄링을 위한 최적화 방법 및 장치를 제공한다.

일 측면에 있어서, 본 발명에서 제안하는 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법은 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 단계, 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 단계, 탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 단계 및 반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증하는 단계를 포함한다.

유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 단계는 선택 연산자, 교배 연산자, 변이 연산자를 정의하여 작업 간 설정 시간을 최소화 하도록 초기 스케줄을 도출한다.

유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 단계는 1차원 작업들을 탐욕 알고리즘을 통해 납기일 순으로 정렬하고, 정렬된 1차원 작업들을 각 단계에서 가장 적은 처리시간을 갖는 수치제어 공작기계에 분배하여, 시간복잡도 O(N)으로 초기 스케줄을 완성한다.

탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 단계는 마스터 기계(Master machine) 및 슬레이브 기계(Slave machine)를 통해 반복 개선 알고리즘을 수행하고, 슬레이브 기계는 작업 처리시간이 짧은 순으로 정렬된 기계 순서로 탐색되며, 해당 기계의 특정 작업이 마스터 기계의 특정 작업과 교체 또는 이동을 통해 이득인지 손해인지 판별하여 이득을 볼 수 있는 경우 채택된다.

반복 개선 알고리즘을 통해 가장 오래 걸리는 수치제어 공작기계를 기준으로 다른 기계와 작업을 교체하거나 이동시키면서, 납기일을 어기지 않고 세팅타임 또한 유지하며 배정 되어있는 총 작업시간을 단축시켜 모든 작업의 처리시간을 단축시킨다.

또 다른 일 측면에 있어서, 본 발명에서 제안하는 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 장치는 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 작업 순서 결정부, 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 작업 분배부, 탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 스케줄 반복 개선부 및 반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증하는 검증부를 포함한다.

본 발명의 실시예들에 따르면 머신러닝 기법을 활용한 제조공정 방법 및 장치를 통해 효율적인 생산계획을 제공할 수 있다. 유전 알고리즘, 탐욕 알고리즘 및 반복 개선 알고리즘을 통한 하이브리드 형태로 진행되어 효율적인 스케줄링을 위한 최적화 방법 및 장치를 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따른 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 유전 알고리즘 역할을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 유전알고리즘 결과 1차원 작업순서를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 설정 시간 데이터를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 순서 교차를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 탐욕 알고리즘 역할을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 이상적인 작업 데이터에 대한 탐욕 알고리즘 결과를 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 작업 처리 시간이 큰 작업으로 인한 탐욕 알고리즘 문제점을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 작업의 교체 및 이동을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 1차원 상태 공간을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 무작위 재시작 개념을 이용한 지역 최소점 극복을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 장치의 구성을 나타내는 도면이다.

이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법을 설명하기 위한 흐름도이다.

제안하는 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법은 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 단계(110), 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 단계(120), 탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 단계(130) 및 반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증하는 단계(140)를 포함한다.

단계(110)에서, 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정한다. 선택 연산자, 교배 연산자, 변이 연산자를 정의하여 작업 간 설정 시간을 최소화 하도록 초기 스케줄을 도출한다.

도 2는 본 발명의 일 실시예에 따른 유전 알고리즘 역할을 설명하기 위한 도면이다.

유전 알고리즘이란 자연세계의 진화과정에 기초한 전역 최적화 기법으로 최적화 문제를 해결하기 위해 널리 사용된다. 생물체가 환경에 적응하면서 진화해가는 모습을 모방하여 초기 세대 생성, 초기 세대 적합도 평가, 초기 세대 교배 및 돌연변이, 다음 세대 생성 순으로 진화해 나가는 방식이다. 본 발명에서 제안하는 유전 알고리즘의 역할은 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 것으로 초기 스케줄 생성 알고리즘인 탐욕 알고리즘 전에 실시된다.

도 3은 본 발명의 일 실시예에 따른 유전알고리즘 결과 1차원 작업순서를 설명하기 위한 도면이다.

도 4는 본 발명의 일 실시예에 따른 설정 시간 데이터를 나타내는 도면이다.

먼저, 설정 시간을 고려한 적절한 초기 스케줄 전처리 과정을 수행한다. 지역 탐색 기법은 초기 해에 따라 최적화 시간이 크게 차이나는 기법이다. 그렇기 때문에 적절한 초기 해를 찾는 것 또한 최적화 진행에 앞서 꼭 필요한 부분이라 할 수 있다. 본 발명에서 제안하는 방안은 유전 알고리즘을 통해 전체 스케줄을 최적화 하는 것이 아닌 설정 시간을 고려한 적절한 초기 스케줄을 도출해내는 것이다. 즉, 유전 알고리즘을 통해 설정 시간을 최소화하는 작업 순서를 찾는 것이 목표이며 도 3, 도 4는 유전 알고리즘을 통해 얻은 1차원 작업 순서 예시이다.

유전 알고리즘에 이용되는 설정 시간 데이터는 목표 업체에서 제공하기 힘든 상황이므로 실제 상황을 반영한 시뮬레이션 데이터(도 7)를 생성하여 이용하였다.

유전 알고리즘은 최적화 하려는 문제에 대한 적절한 연산을 정의하여야 한다. 기본적으로 선택 연산자, 교배 연산자, 변이 연산자가 있으며 각각에 대하여 간략하게 설명한다.

선택 연산자란 높은 적합도를 보이는 상위 해들을 확률적으로 선택하여 다음 세대에 사용하는 연산이다. 주로 사용되는 선택 연산자 방식은 선택 확률을 적합도 값에 비례하여 정하는 방식인 룰렛 휠(Roulette wheel) 방식과 적합도에 대한 순위에 따라 임의로 적절한 확률을 정하는 순위 방식, 가장 적합도가 높은 해는 그 다음 세대에 무조건 이용하는 엘리트(elite) 보존 방식, 여러 해들을 짝지어 적합도가 높은 해만 살아남도록 반복하여 다음 세대를 정하는 경쟁 방식 등이 있다. 본 발명에서는 이들 중 수행시간이 비교적 짧은 셋이서 경쟁하는 경쟁 방식을 사용하였다.

도 5는 본 발명의 일 실시예에 따른 순서 교차를 설명하기 위한 도면이다.

교배 연산자는 선택된 해들을 서로 간 교배를 통하여 새로운 구조의 해를 만들어내는 연산이다. 주로 사용되는 교배 연산자로는 두 해를 하나의 교차점 기준으로 교환하는 일점교차, 복수개의 교차점을 기준으로 교환하는 다점교차, 임계값을 사용하여 새로운 해를 생성하는 균등교차, 전체 해를 구성하는 원소가 변하지 않는 순열 형태인 경우 사용되는 순서 교차 등이 있다. 본 발명에서 제안하는 유전 알고리즘은 순열로 표현되는 작업 순서를 결정하기 위해 사용되므로 순서교차를 사용하였다. 도 5와 같이, 두 지점을 선택하여 사이 값을 부모 2로부터 그대로 가져오되 나머지 부분은 부모 1로부터 오른쪽 화살표 다음 지점부터 4, 5, 8을 제외한 값을 차례대로 선택 하게 된다.

변이 연산자는 교배를 통한 재결합이 끝난 후 해의 일부를 변형시키는 것으로 더 다양한 해의 탐색을 위해 꼭 필요한 연산자이다. 보통 0~1 범위의 난수를 생성하여 미리 정한 임계값에 따라 해당 유전자를 변형시키거나 그대로 두는 방식을 취한다. 전형적인 임계값으로는 0.0015 수준의 값을 선택하며 해결 하려는 문제에 따라 상당한 폭으로 변할 수 있다. 자주 사용하는 변이 연산자로는 비 균등 변이로 유전 알고리즘의 초기에 해들은 품질이 좋지 않은 점을 반영하여 초반에는 변이의 정도를 강하게 적용하다가 후반부로 갈수록 변이를 약하게 적용한다.

하지만 본 발명에서는 유전 알고리즘을 통해 모든 작업의 순서를 1차원 순열로 나타내기 때문에 전체 작업은 항상 일정하여야 하며 중복 또한 허용하지 않는다. 즉, 변이 연산자를 통한 작업의 변형은 허용될 수 없다.

단계(120)에서, 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배한다. 1차원 작업들을 탐욕 알고리즘을 통해 납기일 순으로 정렬하고, 정렬된 1차원 작업들을 각 단계에서 가장 적은 처리시간을 갖는 수치제어 공작기계에 분배하여, 시간복잡도 O(N)으로 초기 스케줄을 완성한다.

도 6은 본 발명의 일 실시예에 따른 탐욕 알고리즘 역할을 설명하기 위한 도면이다.

탐욕 알고리즘은 최적 해를 구하기 위해 사용되는 근사적인 방법으로 각 단계에서 최적이라고 생각되는 방향을 선택하여 최종 해까지 도달하는 방식을 취한다. 본 발명에서 제안하는 탐욕 알고리즘의 역할은 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 여러 대의 수치제어 공작기계에 배분하는 것이다.

즉, 탐욕 알고리즘을 통해 각 단계에서 가장 적은 처리시간을 가지는 수치제어 공작기계에 1차원 작업 배열을 순서대로 해당 기계에 배분하며 최종 결과인 스케줄은 다음 단계에서 사용될 반복 개선 최적화 기법의 초기 스케줄로 이용된다.

도 7은 본 발명의 일 실시예에 따른 이상적인 작업 데이터에 대한 탐욕 알고리즘 결과를 나타내는 도면이다.

도 8은 본 발명의 일 실시예에 따른 작업 처리 시간이 큰 작업으로 인한 탐욕 알고리즘 문제점을 설명하기 위한 도면이다.

유전 알고리즘을 통해 얻은 설정 시간이 최적화 된 1차원 작업 순서 배열 결과를 탐욕 알고리즘으로 초기 스케줄을 구하게 된다. 여기서 주목할 점은 1차원 작업 배열이 납기일 순으로 정렬되어 있고 이 작업들을 각 단계에서 가장 한가한 수치제어 공작기계에 배분한다면 탐욕 알고리즘의 장점인 시간복잡도 O(N)으로 초기 스케줄을 완성할 수 있다. 또한 작업 처리시간이 눈에 띄게 큰 작업이 없다면 결과 또한 훌륭한 것을 도 7을 통해 알 수 있다. 하지만 앞의 조건이 만족되지 않는다면 도 8과 같이 탐욕 알고리즘 결과로는 납기일을 어기는 현상이 발생할 수 있으며 모든 작업 처리시간 또한 최적화가 잘 진행된 스케줄에 비해 떨어지는 결과를 초래한다.

각 작업의 작업 처리시간이 도 7과 같이 크게 차이 나지 않으며 하루 이상이 걸리지 않는 작업들로만 구성된다면 탐욕 알고리즘을 통해 얻은 스케줄은 납기일을 어기지 않고 모든 작업을 처리하는 시간 또한 최적화가 진행 된 스케줄에 비해 크게 떨어지지 않는다. 하지만 도 8과 같이 소수의 작업들의 작업 처리시간이 하루 이상 걸릴 정도로 클 경우 납기일이 어기는 현상이 발생하며 또한 하나의 수치제어 공작기계로 인해 모든 작업의 처리시간이 크게 증가한다.

단계(130)에서, 탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용한다. 마스터 기계(Master machine) 및 슬레이브 기계(Slave machine)를 통해 반복 개선 알고리즘을 수행하고, 슬레이브 기계는 작업 처리시간이 짧은 순으로 정렬된 기계 순서로 탐색되며, 해당 기계의 특정 작업이 마스터 기계의 특정 작업과 교체 또는 이동을 통해 이득인지 손해인지 판별하여 이득을 볼 수 있는 경우 채택된다. 반복 개선 알고리즘을 통해 가장 오래 걸리는 수치제어 공작기계를 기준으로 다른 기계와 작업을 교체하거나 이동시키면서, 납기일을 어기지 않고 세팅타임 또한 유지하며 배정 되어있는 총 작업시간을 단축시켜 모든 작업의 처리시간을 단축시킨다.

지역 탐색의 한 종류인 반복 개선 알고리즘은 비 결정 난해(NP-hard) 문제와 같이 모든 해 공간을 탐색하지 못할 때 이용하는 휴리스틱(Heuristic)한 최적화 기법이다. 앞서 설명한 유전 알고리즘을 포함하여 담금질 기법, 금기 탐색 등 여러 가지 기법들을 포함하며 이 모든 기법들의 공통점은 앞서 설명한 바와 같이 모두 반복 개선으로 볼 수 있다.

최적화의 목적은 목적함수에 따라 최고의 상태(Best state)를 찾는 것이다. 최고의 상태 이전까지의 경로나 비용은 중요하지 않기 때문에 2가지의 이점을 챙길 수 있다. 첫 번째는 아주 적은 메모리를 사용하는 것이며 두 번째는 무한하거나 아주 큰 해 공간에서 최대한 합리적인 해를 찾아낸다는 것이다. 비록 찾아낸 해가 지역 최소점(Local minimum)일 가능성이 크지만 이는 무작위 재시작(Random restart) 등 다른 기법들을 잘 활용하여 극복 가능할 수 있는 부분이다.

도 9는 본 발명의 일 실시예에 따른 작업의 교체 및 이동을 설명하기 위한 도면이다.

반복 개선 알고리즘을 통해 최적화 작업을 진행할 때 어떠한 방법을 통하여 원하는 목표로 해를 이동시키는지와 해당 방향으로 이동하는 근거를 정의할 필요가 있다. 스케줄링 문제의 특성상 대상 작업들은 순열형태로 나타내어야 하며 변형이 불가능하다. 그렇기 때문에 수치제어 공작기계 간 작업의 교체 혹은 이동을 통하여 최적화 작업을 진행하며 해당 작업들은 처리되는 기계만 변할 뿐 다른 변수들은 변하지 않는다. 도 9에서 마스터 기계(Master machine)는 수식2에 해당되는 기계이며 슬레이브 기계(Slave machine)는 교체 혹은 이동을 당하는 기계이다.

슬레이브 기계는 작업 처리시간이 짧은 순으로 정렬된 기계 순서로 탐색되며 해당 기계의 특정 작업이 마스터 기계의 특정 작업과 교체 혹은 이동을 통해 이득을 볼 수 있는 경우 채택된다. 작업의 교체 혹은 이동이 이득인지 손해인지 판별하는 근거를 설명하기 위해 먼저 수식1를 정의한다.

작업의 교체가 이루어지는 마스터 기계와 슬레이브 기계 사이의 다음과 같은 수식2, 3 조건이 성립할 경우 이득으로 판단하며 작업의 교체 혹은 이동이 일어난다. 수식2, 3 모두 변경된 세팅타임을 고려하여 계산하며 수식2를 만족하는 경우 작업의 이동이 더 큰 이득으로 다가오기 때문에 교체가 아닌 이동이 일어난다. 수식3을 만족하는 경우 작업의 교체를 통해 모든 작업 처리시간을 단축시킨다.

(1)

(2)

(3)

반복 개선을 통해 최적화를 진행할 때 가장 중요한 부분은 목적함수를 어떻게 정의하는지에 달려있다. 즉, 본 발명의 스케줄링 최적화 문제에서 중요시 여겨야 할 목표에 대해 다시 한번 살펴볼 필요가 있으며 다음과 같다:

1. 납기일을 어기는 작업의 수를 최소화한다.

2. 작업 간 기계의 세팅타임을 최소화한다.

3. 모든 작업의 처리시간을 최소화한다.

먼저 스케줄링에서 해를 변화 시킨다는 것은 각 수치제어 공작기계에 배정되어 있는 작업을 다른 기계로 이동시키거나 교체하는 것으로 해석할 수 있다. 이 부분을 인지하고 다음에 설명 될 목표에 따른 작업의 이동을 이해하기 바란다.

1번의 목표는 이번 스케줄링 문제에서 가장 중요시 여겨지는 부분이며 납기일이 어기지 않는 경우 납기일에 대해서 전역 최소점(Global minimum)이라 할 수 있다. 즉, 반복 개선 알고리즘 진행 시 납기일을 어기지 않는 경우를 전제 조건으로 하여 해를 이동시킨다. 2번의 목표는 전처리 단계에서 유전 알고리즘을 통해 최적화 되었고 필요한 것은 계속해서 세팅타임을 고려하여 반복 개선 알고리즘을 적용하는 것이다. 마지막으로 3번의 목표는 앞에서 설명한 두 목표를 유지 하면서 수식5으로 표현되는 가장 오래 걸리는 기계를 중심으로 해를 교체하거나 이동시키며 이 부분에서 다른 기계에서도 작업 배정이 변경된다. 여기서 각 기계에 배정되어 있는 처리시간은 수식4로 표현된다.

(4)

(5)

여기서,

는 I번째 기계의 총 작업처리시간,

는 j번째 작업의 처리시간,

는 j-1번째 작업과 j번째 작업 사이의 세팅타임이다. 즉, 반복 개선 알고리즘을 통해 가장 오래 걸리는 수치제어 공작기계를 기준으로 다른 기계와 작업을 교체하거나 이동시키며 여기서 납기일을 어기지 않고 세팅타임 또한 유지하며 전자의 기계에 배정 되어있는 총 작업시간을 단축시켜 모든 작업의 처리시간을 단축시킨다.

도 10은 본 발명의 일 실시예에 따른 1차원 상태 공간을 설명하기 위한 도면이다.

목적함수를 통한 최적화는 도 10과 같이 나타낼 수 있다. 초기 해의 위치에 따라 최적화된 해의 위치는 숄더(Shoulder), 전역 최소점, 지역 최소점이 될 수 있으며 당연 우리가 원하는 해는 전역 최소점의 해라고 할 수 있다. 하지만 전역 최소점의 해를 구하는 것은 쉽지 않으며 얻는 해는 대부분 지역 최소점의 해일 가능성이 높다. 이러한 문제점을 해결하기 위한 여러 가지 연구가 진행되었으며 그 중 가장 보편적으로 사용되는 무작위 재시작 개념을 다음에서 설명한다.

도 11은 본 발명의 일 실시예에 따른 무작위 재시작 개념을 이용한 지역 최소점 극복을 설명하기 위한 도면이다.

지역 탐색 기법을 통해 최적화 문제를 해결할 때 무시할 수 없는 부분은 지역 최소점 및 최대점에 갇히는 것이다. 이 부분을 해결하기 위해 많은 연구들이 진행되었고 가장 대표적인 예는 담금질 기법이다. 이 기법의 동작은 항상 좋은 쪽으로만 이동하는 것이 아니라 시간에 따라 변하는 확률에 의해 나쁜 쪽으로의 이동도 허용한다. 시간이 지남에 따라 결국 나쁜 쪽으로의 이동확률은 0이 되며 지역 최소점 및 최대점 문제에 효과적인 알고리즘으로 알려져 있다.

지역 최소점을 해결하기 위한 다른 여러 가지 방법도 존재하지만 본 발명에서는 여러 지점의 초기 해를 통해 최적화를 진행하고 각각의 최적화된 결과를 비교하여 지역 최소점 문제를 해결하려 하였다. 여러 가지 초기 해를 생성하는 것은 앞서 설명한 유전 알고리즘을 통한 작업 순서는 변하지 않으며 탐욕 알고리즘을 통해 작업 배분에서 차이를 준다. 다시 말해, 배분하는 작업의 순서는 일치하나 기계의 순서를 달리하여 초기 스케줄의 다양성을 얻을 수 있다.

단계(140)에서, 반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증한다.

반복 개선 알고리즘을 통해 최적화 작업을 진행하면서 어느 시점이 원하는 종료시점인지 판단하여야 한다. 판단하기에 앞서 본 발명에서 제안하는 작업 교체 및 이동 동작방식을 다시한번 살펴보면 수식5에 해당하는 가장 긴 작업 처리시간을 가진 마스터 기계를 기준으로 슬레이브 기계와 작업의 교체 혹은 이동이 일어나며 마스터 기계를 제외 한 나머지 기계가 슬레이브 기계의 후보이다. 만약 수식2, 3을 만족 시키는 슬레이브 기계가 존재하지 않을 경우 반복 개선 알고리즘은 더 이상 동작하지 않고 종료하게 된다. 이러한 과정을 초기 해를 달리하여 여러 번 실시하고 그 중 가장 적합한 해를 최종적으로 선택하게 된다.

도 12는 본 발명의 일 실시예에 따른 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 장치의 구성을 나타내는 도면이다.

제안하는 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 장치(1200)는 작업 순서 결정부(1210), 작업 분배부(1220), 스케줄 반복 개선부(1230) 및 검증부(1240)를 포함한다.

작업 순서 결정부(1210), 작업 분배부(1220), 스케줄 반복 개선부(1230) 및 검증부(1240)는 도 1의 단계들(110~140)을 수행하기 위해 구성될 수 있다.

작업 순서 결정부(1210)는 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정한다. 작업 순서 결정부(1210)는 선택 연산자, 교배 연산자, 변이 연산자를 정의하여 작업 간 설정 시간을 최소화 하도록 초기 스케줄을 도출한다.

작업 분배부(1220)는 유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배한다. 작업 분배부(1220)는 1차원 작업들을 탐욕 알고리즘을 통해 납기일 순으로 정렬하고, 정렬된 1차원 작업들을 각 단계에서 가장 적은 처리시간을 갖는 수치제어 공작기계에 분배하여, 시간복잡도 O(N)으로 초기 스케줄을 완성한다.

스케줄 반복 개선부(1230)는 탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용한다. 스케줄 반복 개선부(1230)는 마스터 기계(Master machine) 및 슬레이브 기계(Slave machine)를 통해 반복 개선 알고리즘을 수행하고, 슬레이브 기계는 작업 처리시간이 짧은 순으로 정렬된 기계 순서로 탐색되며, 해당 기계의 특정 작업이 마스터 기계의 특정 작업과 교체 또는 이동을 통해 이득인지 손해인지 판별하여 이득을 볼 수 있는 경우 채택된다. 스케줄 반복 개선부(1230)는 반복 개선 알고리즘을 통해 가장 오래 걸리는 수치제어 공작기계를 기준으로 다른 기계와 작업을 교체하거나 이동시키면서, 납기일을 어기지 않고 세팅타임 또한 유지하며 배정 되어있는 총 작업시간을 단축시켜 모든 작업의 처리시간을 단축시킨다.

검증부(1240)는 반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증한다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.　 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.　 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.　 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다.　 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.　 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다.　 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.　 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.　 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.　 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.　

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (10)

1. 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 단계;
   유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 단계;
   탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 단계; 및
   반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증하는 단계
   를 포함하는 수치 제어 공작 기계의 작업 스케줄링 최적화 방법.
2. 제1항에 있어서,
   유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 단계는,
   선택 연산자, 교배 연산자, 변이 연산자를 정의하여 작업 간 설정 시간을 최소화 하도록 초기 스케줄을 도출하는
   수치 제어 공작 기계의 작업 스케줄링 최적화 방법.
3. 제1항에 있어서,
   유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 단계는,
   1차원 작업들을 탐욕 알고리즘을 통해 납기일 순으로 정렬하고, 정렬된 1차원 작업들을 각 단계에서 가장 적은 처리시간을 갖는 수치제어 공작기계에 분배하여, 시간복잡도 O(N)으로 초기 스케줄을 완성하는
   수치 제어 공작 기계의 작업 스케줄링 최적화 방법.
4. 제1항에 있어서,
   탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 단계는,
   마스터 기계(Master machine) 및 슬레이브 기계(Slave machine)를 통해 반복 개선 알고리즘을 수행하고, 슬레이브 기계는 작업 처리시간이 짧은 순으로 정렬된 기계 순서로 탐색되며, 해당 기계의 특정 작업이 마스터 기계의 특정 작업과 교체 또는 이동을 통해 이득인지 손해인지 판별하여 이득을 볼 수 있는 경우 채택되는
   수치 제어 공작 기계의 작업 스케줄링 최적화 방법.
5. 제4항에 있어서,
   반복 개선 알고리즘을 통해 가장 오래 걸리는 수치제어 공작기계를 기준으로 다른 기계와 작업을 교체하거나 이동시키면서, 납기일을 어기지 않고 세팅타임 또한 유지하며 배정 되어있는 총 작업시간을 단축시켜 모든 작업의 처리시간을 단축시키는
   수치 제어 공작 기계의 작업 스케줄링 최적화 방법.
6. 유전 알고리즘을 통해 작업 간 설정 시간을 최소화 하도록 작업 순서를 정하는 작업 순서 결정부;
   유전 알고리즘을 통해 얻은 설정 시간이 최소화 된 1차원 작업 순서를 탐욕 알고리즘을 통해 복수의 수치제어 공작기계에 분배하는 작업 분배부;
   탐욕 알고리즘을 통해 얻은 최종 결과인 스케줄을 반복 개선 알고리즘의 초기 스케줄로 이용하는 스케줄 반복 개선부; 및
   반복 개선 알고리즘을 통해 개선된 스케줄에 대하여 각 기계의 작업 처리 시간을 비교하며 검증하는 검증부
   를 포함하는 수치 제어 공작 기계의 작업 스케줄링 최적화 장치.
7. 제6항에 있어서,
   작업 순서 결정부는,
   선택 연산자, 교배 연산자, 변이 연산자를 정의하여 작업 간 설정 시간을 최소화 하도록 초기 스케줄을 도출하는
   수치 제어 공작 기계의 작업 스케줄링 최적화 장치.
8. 제6항에 있어서,
   작업 분배부는,
   1차원 작업들을 탐욕 알고리즘을 통해 납기일 순으로 정렬하고, 정렬된 1차원 작업들을 각 단계에서 가장 적은 처리시간을 갖는 수치제어 공작기계에 분배하여, 시간복잡도 O(N)으로 초기 스케줄을 완성하는
   수치 제어 공작 기계의 작업 스케줄링 최적화 장치.
9. 제6항에 있어서,
   스케줄 반복 개선부는,
   마스터 기계(Master machine) 및 슬레이브 기계(Slave machine)를 통해 반복 개선 알고리즘을 수행하고, 슬레이브 기계는 작업 처리시간이 짧은 순으로 정렬된 기계 순서로 탐색되며, 해당 기계의 특정 작업이 마스터 기계의 특정 작업과 교체 또는 이동을 통해 이득인지 손해인지 판별하여 이득을 볼 수 있는 경우 채택되는
   수치 제어 공작 기계의 작업 스케줄링 최적화 장치.
10. 제9항에 있어서,
    반복 개선 알고리즘을 통해 가장 오래 걸리는 수치제어 공작기계를 기준으로 다른 기계와 작업을 교체하거나 이동시키면서, 납기일을 어기지 않고 세팅타임 또한 유지하며 배정 되어있는 총 작업시간을 단축시켜 모든 작업의 처리시간을 단축시키는
    수치 제어 공작 기계의 작업 스케줄링 최적화 장치.

Images