KR102416022B1 - 글로벌 공급망 설계 시스템 - Google Patents

글로벌 공급망 설계 시스템 Download PDF

Info

Publication number
KR102416022B1
KR102416022B1 KR1020200028484A KR20200028484A KR102416022B1 KR 102416022 B1 KR102416022 B1 KR 102416022B1 KR 1020200028484 A KR1020200028484 A KR 1020200028484A KR 20200028484 A KR20200028484 A KR 20200028484A KR 102416022 B1 KR102416022 B1 KR 102416022B1
Authority
KR
South Korea
Prior art keywords
supplier
equation
country
utility
module
Prior art date
Application number
KR1020200028484A
Other languages
English (en)
Other versions
KR20200107861A (ko
Inventor
박기정
Original Assignee
인천대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인천대학교 산학협력단 filed Critical 인천대학교 산학협력단
Publication of KR20200107861A publication Critical patent/KR20200107861A/ko
Application granted granted Critical
Publication of KR102416022B1 publication Critical patent/KR102416022B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

글로벌 공급망 설계 시스템은 글로벌 비즈니스 기회에 대한 의사 결정자의 위험도를 반영하기 위해서 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개 지역 지속 가능성 지수를 고려한 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 지속 가능한 공급업체 국가를 선택하고, 경제적 목표와 환경적 목표를 최소화하는 다중 목적 정수 선형 프로그래밍 모델을 이용하여 상기 선택된 공급업체 국가에서 최적 공급업체의 주문 수량을 할당한다.

Description

글로벌 공급망 설계 시스템{System for Designing Global Supply Chain}
본 발명은 글로벌 공급망 설계 시스템에 관한 것으로서, 특히 글로벌 비즈니스 기회에 대한 의사 결정자의 위험도를 반영하기 위해서 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개 지역 지속 가능성 지수를 고려한 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 지속 가능한 공급업체 국가를 선택하고, 경제적 목표와 환경적 목표를 최소화하는 다중 목적 정수 선형 프로그래밍 모델을 이용하여 상기 선택된 공급업체 국가에서 최적 공급업체의 주문 수량을 할당하는 글로벌 공급망 설계 시스템에 관한 것이다.
요즘 기업들은 고품질 저가격, 리드 타임 단축, 환경적 영향에 대한 고객의 기대에 적절히 반응하여 사업을 영위할 수 있어야 한다.
많은 기업들은 시장에서의 경쟁력에 대응하여 공급망 운영을 개선하기 위해 노력하고 있다.
공급업체의 선택 및 주문 할당은 구매 비용, 공급 관련 위험 및 환경 영향을 줄이고, 기업의 가격 경쟁력을 향상시키는 공급망 설계의 필수 결정 요소이다.
실제로 공급자 선택 및 주문 할당은 관련 제조 및 물류 활동뿐만 아니라 전반적인 회사 명성에 상당한 영향을 줄 수 있기 때문에 적절히 처리해야 한다.
최근에는 공급자 선택 및 주문 할당의 중요성으로 인해 다양한 의사 결정 접근법과 프레임 워크가 제안되었다.
그러나 공급자 선택 및 주문 할당은 지역 선택의 중요성에도 불구하고 기업의 의사 결정자의 경험에 크게 영향을 받기 때문에 지속 가능하지 못하며, 효용성이 떨어지는 문제점이 있다.
최근의 글로벌 공급망 설계는 단순히 물류의 운송 비용뿐만 아니라 국가 간 협약으로 해당 국가의 환경적 측면이나 사회적 측면이 상당히 중요한 요소인데 반해, 이를 공급망 설계시 전혀 반영하지 못하는 문제점이 있다.
한국 등록특허번호 제10-1532662호
이와 같은 문제점을 해결하기 위하여, 본 발명은 글로벌 비즈니스 기회에 대한 의사 결정자의 위험도를 반영하기 위해서 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개 지역 지속 가능성 지수를 고려한 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 지속 가능한 공급업체 국가를 선택하고, 경제적 목표와 환경적 목표를 최소화하는 다중 목적 정수 선형 프로그래밍 모델을 이용하여 상기 선택된 공급업체 국가에서 최적 공급업체의 주문 수량을 할당하는 글로벌 공급망 설계 시스템을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 특징에 따른 글로벌 공급망 설계 시스템은,
글로벌 비즈니스 기회에 대한 의사 결정자의 위험도를 반영하기 위해서 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개 지역 지속 가능성 지수를 입력받고, 상기 지역 지속 가능성 지수를 이용하여 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 각 국가의 총 효용성(Total Utility)을 계산하고, 상기 계산된 총 효용성을 기초로 기설정된 임계치 효용 레벨보다 큰 국가를 공급업체 국가 후보로 설정하며, 상기 설정한 공급업체 국가 후보에서 최종 공급업체 국가를 선택하여 글로벌 공급망을 설정하는 공급업체 지역 선택부; 및
경제적 목표와 환경적 목표를 고려한 다중 목적 정수 선형 프로그래밍 모델(Multi Objective Integer Linear Programming Model)을 이용하여 상기 공급업체 지역 선택부에서 선택된 최종 공급업체 국가에서 복수의 공급업체를 결정하며, 상기 결정한 각각의 공급업체의 주문 수량을 할당하는 공급업체 결정부를 포함하는 것을 특징으로 한다.
전술한 구성에 의하여, 본 발명은 글로벌 공급망 설계시 지속 가능한 공급업체의 선정과 국가의 환경적 측면이나 사회적 측면을 모두 고려하여 공급망 설계인자로 반영함으로써 지속 가능하고 효용성 있는 비즈니스가 가능한 효과가 있다.
도 1은 본 발명의 실시예에 따른 글로벌 공급망 설계 시스템의 구성을 간략하게 나타낸 블록도이다.
도 2는 본 발명의 실시예에 따른 공급업체 국가 선택과 공급업체 결정 및 주문량 할당하는 과정을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 k1을 찾는 기준 로터리 방법의 일례를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 확실성을 찾기 위한 기준 로터리 문제를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 자전거 구성부품 및 모듈의 일례를 나타낸 도면이다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 발명은 글로벌 공급업체 선택의 복잡한 의사 결정 프로세스를 용이하게 하기 위하여 두 단계로 구성된 통합된 접근 방식을 제안합니다. 첫번째 국가 선택 단계는 글로벌 비즈니스 기회에 대한 의사 결정자의 위험도를 반영하기 위해서 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개의 지역 지속 가능성 지수를 고려한 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 지속 가능한 공급업체 국가를 선택한다. 두번째 의사 결정 단계는 경제적 목표와 환경적 목표를 고려한 다중 목적 정수 선형 프로그래밍 모델을 이용하여 첫번째 국가 선택 단계에서 선택된 최적 공급업체의 주문 수량을 결정한다.
본 발명은 글로벌 공급업체를 지속 가능한 공급 체인을 설계하기 위한 복잡한 의사 결정 프로세스를 2단계로 단순화한 것이다.
이러한 접근 방식은 회사는 지역 비즈니스 환경의 다각적인 관점을 공급망의 지속 가능성을 고려한 공급업체의 선택 및 주문 배정 프로세스에 효과적으로 반영할 수 있다.
도 1은 본 발명의 실시예에 따른 글로벌 공급망 설계 시스템의 구성을 간략하게 나타낸 블록도이고, 도 2는 본 발명의 실시예에 따른 공급업체 국가 선택과 공급업체 결정 및 주문량 할당하는 과정을 나타낸 도면이고, 도 3은 본 발명의 실시예에 따른 k1을 찾는 기준 로터리 방법의 일례를 나타낸 도면이고, 도 4는 본 발명의 실시예에 따른 확실성을 찾기 위한 기준 로터리 문제를 나타낸 도면이다.
본 발명의 실시예에 따른 글로벌 공급망 설계 시스템(100)은 입력부(110), 공급업체 지역 선택부(120), 공급업체 결정부(130), 의사 결정권 모듈(140) 및 데이터베이스부(150)를 포함한다.
입력부(110)는 세계은행(World Bank)과 세계 경제 포럼(World Economic Forum)으로부터 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개의 지역 지속 가능성 지수(표 1)를 입력받아 데이터베이스부(150)에 저장한다.
지역 지속 가능한 지수와 승인된 글로벌(Global) 조직에 의해 매년 보고되는 국가 순위 데이터는 다중 속성 효용 이론을 위한 속성 및 원시 데이터로 사용된다.
신뢰할 수 있는 조직의 공개 데이터를 사용하면, 공급업체의 지역 선택의 실용성과 신뢰성이 향상된다.
세계 은행(총 48개 지표)과 세계 경제 포럼(총 4개 지표)에서 사용할 수 있는 지표 중에서 글로벌 공급망 설계와 관련이 있고, 중요하다고 판단되는 4개의 지역 지속 가능성 지수가 선정된다.
4개 지역 지속 가능성 지수는 하기의 표 1과 같이, (1) 비즈니스 지표의 용이성(Ease of Doing Business Index), (2) 물류 성과 지수(Logistics Performance Index), (3) 글로벌 경쟁력 지수(Global Competitiveness Index), (4) 세계화 가능 무역 지수(Global Enabling Trade Index)를 포함한다.
Figure 112020024223278-pat00001
이러한 4개 지역 지속 가능성 지수는 각 국가의 경제적 성과, 비즈니스 환경 및 성장 잠재력을 질적 및 양적 측면에서 평가한다.
표 1에 도시된 4개 지역 지속 가능성 지수의 국가 순위 결과는 각 공급업체 국가의 다중 속성 효용(Utility)을 유도하는데 사용된다. 즉, Xi는 하기의 수학식 2와 수학식 4에 대한 인덱스 i에 따라 각 공급업체의 국가의 순위가 된다.
공급업체 지역 선택부(120)는 입력부(110)로부터 수신한 4개의 지역 지속 가능성 지수를 이용하여 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 지속 가능한 공급업체 국가를 선택하여 데이터베이스부(150)에 저장한다.
c는 공급업체가 포함된 모든 국가들의 집합(C)에서 하나의 국가를 보여주는 실현 가능한 결정 대안을 나타낸다.
모든 국가들의 집합(C)에서 각 국가 c에 대해 하나의 국가의 MAU(Multi Attribute Utility)는
Figure 112020024223278-pat00002
로 표시된다. 여기서,
Figure 112020024223278-pat00003
는 Xi의 벡터이고, Xi는 속성 i의 성능 레벨이고,
Figure 112020024223278-pat00004
는 각 국가 c에 대해 i의 단일 속성 효용(Single Attribute Utility)을 나타낸다.
공급업체 지역 선택부(120)는 지역 기반의 공급업체의 선택 문제에서 적절한 국가를 찾기 위해서 기설정된 임계치 효용 레벨
Figure 112020024223278-pat00005
보다 큰
Figure 112020024223278-pat00006
를 갖는 c의 집합을 찾는 조건으로 하기의 수학식 1과 같이 나타낸다. 여기서,
Figure 112020024223278-pat00007
는 의사 결정권 모듈(140)에 의해 기설정되어 있다. 의사 결정권 모듈(140)은 회사 또는 의사 결정권자에 의해 제어되는 제어장치를 의미한다.
Figure 112020024223278-pat00008
공급업체 지역 선택부(120)는 공급업체 국가 선택을 위하여 MAU 함수(수학식 2와 수학식 3)를 통해 각 국가의 총 효용성(Total Utility)을 계산한다.
Figure 112020024223278-pat00009
Figure 112020024223278-pat00010
여기서, ki는 기설정된 속성의 스케일링 파라미터(0 ≤ ki ≤ 1), K는 0이 아닌 정규화 상수(-1 < K)이다. 이러한 곱셈적 모델은 속성에 대해 유효하며, 상호 효용 독립성 및 기본 설정의 속성 간 상호 작용이 있을 수 있다. ki는 기준 로터리 문제의 구성으로부터 쉽게 도출할 수 있다.
공급업체 지역 선택부(120)는 MAU가
Figure 112020024223278-pat00011
로 지정된 가장 최상의 국가의 경우, 효용 스케일(0 내지 1) 중에서 1로 할당되고, 최악의 국가(
Figure 112020024223278-pat00012
)의 경우, 0으로 할당한다.
도 3에 도시된 바와 같이, ki는 기준 로터리 문제의 작성으로부터 쉽게 도출할 수 있다. 도 3은 k1을 찾는 기준 로터리 방법의 일례를 보여준다.
의사 결정권 모듈(140)은 k1을 결정하기 위하여 p의 확률값을 찾도록 요청한다. 다중 속성 유틸리티 함수에 대한 K는 전술한 [수학식 3]을 통해 역변환하여 계산할 수 있다.
MAU 함수로부터 각 지역의 집계된 유용성을 도출하기 위해서 각 단일 속성 효용 함수(Single Attribute Utility Function)는 하기의 수학식 4와 같이 공식화되어 있다.
다중 속성 효용 함수(Multi Attribute Utility Function)에서의 K는 전술한 수학식 3의 역변환으로 계산된다.
각 단일 속성 효용 함수는 MAU 함수에서 각 지역의 집계된 효용성을 도출하기 위해서 공식화된다.
단일 속성 효용 함수(Single Attribute Utility Function)는 위험 허용 기간이 있는 지수 효용 함수이다.
단일 속성을 위한 지수 효용 함수의 일반화된 형태는 다음의 수학식 4와 같다.
Figure 112020024223278-pat00013
여기서, Ai와 Bi는 i에 대한 스케일링 파라미터(Scaling Parameters), RTi는 i에 대하여 의사 결정권 모듈(140)에서 측정된 위험 허용 오차,
Figure 112020024223278-pat00014
,
Figure 112020024223278-pat00015
이다.
수학식 4에서의 스케일링 파라미터의 공식은 하기의 수학식 5와 수학식 6과 같이 유도될 수 있다.
Figure 112020024223278-pat00016
Figure 112020024223278-pat00017
수학식 4의 단일 속성 효용 함수는 RTi를 알게 되면 쉽게 유도될 수 있다.
RTi는 각 속성의 확실성 등가(Certainty Equivalent, CEi)로부터 유도될 수 있다.
CEi는 i의 예상 효용성(Expected Utility)이 얻어지는 의사 결정권 모듈(140)의 인식된 Xi와 동일하다.
CEi는 도 4에서, 기준 로터리 문제에 의해 결정될 수 있다.
로터리 문제는 의사 결정권 모듈(140)에서 받아들일 수 있는 i에 대한 특정한 성능 레벨을 판단하는 반면, 최상값(
Figure 112020024223278-pat00018
) 또는 최악값(
Figure 112020024223278-pat00019
)을 각 옵션에 대한 동일한 확률값 0.5로 주어진다.
CEi는 의사 결정권 모듈(140)에서 도 4에서 A1과 A2의 양자 택일을 무관하게 만드는 값이다. 이러한 로터리 문제에서, 예상 효용성(Expected Utility)은 최상값의 효용성이 1이고 최악값이 0이기 때문에 0.5가 된다.
CEi는 예상 효용성에서 단일 속성 효용 함수의 역변환 형태로부터 얻을 수 있다. 하기의 수학식 7은 전술한 수학식 4의 역변환 형태로부터 유도될 수 있다.
이때, 오른쪽 항목 Xi와 왼쪽 항목
Figure 112020024223278-pat00020
는 수학식 4를 이용하여 CEi와 예상 효용 유도 방정식을 설정할 수 있다.
Figure 112020024223278-pat00021
여기서, RTi는 CEi로부터 역변환하여 계산될 수 있으며, 각 단일 속성 효용 함수는 전술한 수학식 4 내지 수학식 6을 통해 얻을 수 있다.
Xi는 수학식 2와 수학식 4의 인덱스 i에 따라 각 공급업체 국가의 순위에서 나온다.
공급업체 지역 선택부(120)는 입력부(110)로부터 입력된 지표의 순위 데이터를 기초로 수학식 1 내지 수학식 7을 통해 각 공급업체의 국가 효용성을 얻으며, 임계치 효용 레벨보다 큰 집계된 효용을 갖는 국가들의 집합을 글로벌 공급망을 위한 잠재적인 국가로 판단한다. 따라서, 공급업체 지역 선택부(120)는 잠재 지역을 공급업체 국가 후보로 설정할 수 있다.
자전거 사업을 예로 들어 공급업체 국가 후보로 설정하는 과정을 예시하면 다음과 같다.
확실성 등가(CEi)와 스케일링 파라미터(Ki)는 자전거 산업의 전문가에 의해 판단되고, 파라미터들은 수학식 1 내지 수학식 7에 의해 계산된다.
다중 속성 효용 함수의 K값들은 하기의 표 2에서 얻은 Ki를 기초로 수학식 3의 역변환으로 계산할 수 있다.
Figure 112020024223278-pat00022
국가의 기설정된 임계치 효용 레벨은 0.8로 설정되었다. 아래의 표 3은 각 국가에서 계산된 총 효용성이 기설정된 임계치 효용 레벨(0.8)보다 큰 국가를 공급업체 국가 후보로 설정된 것을 보여준다.
Figure 112020024223278-pat00023
Figure 112020024223278-pat00024
표 3에서와 같이, 해당 국가의 모든 공급업체는 공급업체 후보로 간주된다.
표 4는 표 3에서 설정된 국가의 공급업체 중에서 자전거 구성부품 및 모듈을 제공할 수 있는 글로벌 공급업체를 나타낸 것이다.
도 5에 도시된 바와 같이, 자전거 구성부품 및 모듈을 나타낸다.
공급업체 결정부(130)는 공급업체 지역 선택부(120)에서 선택된 지역을 기반으로 해당 지역들의 모든 공급업체 후보를 초기 공급업체의 집합으로 설정된다.
이러한 공급업체 후보는 글로벌 공급망을 성공적으로 구축할 수 있는 외부 비즈니스 환경을 갖추고 있다고 가정한다. 그런 다음, 공급업체 결정부(130)는 최종 공급업체 집합의 결정과, 해당 공급업체에 대한 주문 할당이 결정된다.
공급업체 결정부(130)는 경제적 목표와 환경적 목표를 고려한 다중 목적 정수 선형 프로그래밍 모델(Multi Objective Integer Linear Programming Model)을 이용하여 공급업체 지역 선택부(120)에서 선택된 공급업체 지역 후보에서 복수의 공급업체를 결정하며, 결정한 복수의 공급업체의 주문 수량을 할당한다.
여기서, 결정한 복수의 공급업체는 모든 전세계의 공급업체에서 지속 가능한 공급업체로 축소된다.
공급업체 결정부(130)는 결정된 복수의 공급업체, 할당한 공급업체의 주문 수량 등을 데이터베이스부(150)에 저장한다.
공급망의 공급업체의 경제적 및 환경적 성과의 불일치로 여러 제품 설계에 대한 다중 소싱 전략을 수용하기 위해서 다중 목적 정수 선형 프로그래밍 모델을 이용한다.
다목적 정수 선형 프로그래밍 모델은 공급망에 대한 공급업체의 경제적 불일치 및 환경적 성능과 불일치에 따라 여러 제품 설계에 대한 다중 소싱 전략을 수용한다.
공급업체 결정부(130)는 하기의 수학식 8 내지 수학식 21의 다중 목적 정수 선형 프로그래밍 모델을 이용하여 최종 공급업체 집합과 해당 공급업체의 주문 수량을 결정할 수 있다.
하기의 수학식 8 내지 수학식 11은 공급망에서 발생하는 총 비용, 구성부품과 모듈의 불량률의 개수, 운송 납기일로부터 편차, 탄소 배출량을 최소로 하는 목적 함수이다.
Figure 112020024223278-pat00025
수학식 8은 총 공급비용을 최소로 하는 목적 함수이다.
여기서,
Figure 112020024223278-pat00026
는 공급업체(i)로부터 구성부품(k)의 단가,
Figure 112020024223278-pat00027
는 공급업체(i)로부터 구성부품(k)의 단위 운송 비용,
Figure 112020024223278-pat00028
는 공급업체(i)로부터 구성부품(k)의 주문 비용,
Figure 112020024223278-pat00029
는 공급업체(i)로부터 구성부품(k)의 주문 수량,
Figure 112020024223278-pat00030
는 공급업체(j)로부터 모듈(s)의 단가,
Figure 112020024223278-pat00031
는 공급업체(j)로부터 모듈(s)의 단위 운송 비용,
Figure 112020024223278-pat00032
는 공급업체(j)로부터 모듈(s)의 주문 비용,
Figure 112020024223278-pat00033
는 공급업체(j)로부터 모듈(s)의 주문 수량이다.
Figure 112020024223278-pat00034
수학식 9는 구성부품과 모듈의 불량률을 최소로 하는 목적 함수이다.
여기서,
Figure 112020024223278-pat00035
는 공급업체(i)로부터 구성부품(k)의 주문 비용,
Figure 112020024223278-pat00036
는 공급업체(i)로부터 구성부품(k)의 주문 수량,
Figure 112020024223278-pat00037
는 공급업체(j)로부터 모듈(s)의 주문 비용,
Figure 112020024223278-pat00038
는 공급업체(j)로부터 모듈(s)의 주문 수량이다.
Figure 112020024223278-pat00039
수학식 10은 주문 납기일로부터의 편차를 최소로 하는 목적 함수이다.
여기서,
Figure 112020024223278-pat00040
는 공급업체(i)로부터 구성부품(k)의 평균 배송 지연,
Figure 112020024223278-pat00041
는 공급업체(i)로부터 구성부품(k)의 주문 수량,
Figure 112020024223278-pat00042
는 공급업체(j)로부터 모듈(s)의 평균 배송 지연,
Figure 112020024223278-pat00043
는 공급업체(j)로부터 모듈(s)의 주문 수량이다.
Figure 112020024223278-pat00044
수학식 11은 총 탄소 배출량을 최소로 하는 목적 함수이다.
여기서,
Figure 112020024223278-pat00045
는 공급업체(i)에서 구성부품(k)을 제조하는 동안 발생하는 단위 탄소 배출량,
Figure 112020024223278-pat00046
는 공급업체(i)로부터 구성부품(k)의 주문 수량,
Figure 112020024223278-pat00047
는 공급업체(j)에서 모듈(s)을 제조하는 동안 발생하는 단위 탄소 배출량,
Figure 112020024223278-pat00048
는 공급업체(j)로부터 모듈(s)의 주문 수량,
Figure 112020024223278-pat00049
는 구성부품 공급업체(i)와의 거리,
Figure 112020024223278-pat00050
는 구성부품 공급업체(j)와의 거리,
Figure 112020024223278-pat00051
는 질량, 시간, 거리 당 단위 운송 비용,
Figure 112020024223278-pat00052
는 구성부품(k)의 질량,
Figure 112020024223278-pat00053
는 운송하는 동안 질량, 시간, 거리 당 단위 탄소 배출량,
Figure 112020024223278-pat00054
는 모듈(S)의 질량이다.
i는 공급업체의 구성부품, j는 공급업체의 모듈, k는 구매 구성부품의 인덱스, s는 구매 모듈의 인덱스이다.
Figure 112020024223278-pat00055
수학식 12는 총 주문 비용이 할당된 총 예산(B)을 초과하지 않아야 한다.
Figure 112020024223278-pat00056
수학식 13은 구성부품에 대해 만족되어야 하는 수요 제약 조건이다.
여기서,
Figure 112020024223278-pat00057
는 구성부품(k)에 대한 주문 수요량이다.
Figure 112020024223278-pat00058
여기서,
Figure 112020024223278-pat00059
는 모듈(s)에 대한 주문 수요량이다.
수학식 14는 모듈에 대해 만족되어야 하는 수요 제약 조건이다.
Figure 112020024223278-pat00060
수학식 15는 각 공급업체로부터 구성부품에 대해 사용 가능한 총 주문 수량을 나타내는 공급업체 용량 제약 조건이다.
Figure 112020024223278-pat00061
수학식 16은 각 공급업체로부터 부품에 대해 사용 가능한 총 주문 수량을 나타내는 공급업체 용량 제약 조건이다.
Figure 112020024223278-pat00062
수학식 17은 주문에서 발생되는 총 탄소 배출량의 제약 조건이다.
Figure 112020024223278-pat00063
수학식 18은 모든 주문 수량이 음수가 아니어야 한다는 제약 조건이다.
Figure 112020024223278-pat00064
수학식 19는 모든 주문 수량이 정수 값이어야 한다는 제약 조건이다.
Figure 112020024223278-pat00065
수학식 20은 수학식 8의 구성부품에 대한 단위 운송 비용을 계산할 수 있다.
Figure 112020024223278-pat00066
수학식 21은 수학식 8의 모듈에 대한 단위 운송 비용을 계산할 수 있다.
전술한 [수학식 8] 내지 [수학식 21]의 인덱스(표 5), 결정 변수값(표 6), 파라미터(표 7)를 아래와 같이 정리하면 다음과 같다.
Figure 112020024223278-pat00067
Figure 112020024223278-pat00068
Figure 112020024223278-pat00069
공급업체 결정부(130)는 목적 함수를 최적화 하기 위하여 하기의 수학식 22의 가중치 합산 방법을 적용한다.
Figure 112020024223278-pat00070
여기서, Wi는 i번째 목적 함수 fi에 할당된 상대적 가중치이다.
공급업체 결정부(130)는 회사 또는 의사 결정권자로서 최종 공급업체 선택과 주문 할당에 대해 서로 다른 선호도를 가질 수 있다. 이에 따라 공급업체 결정부(130)는 필요에 따라 Wi를 다르게 설정할 수 있다.
가중치 합산 방법은 다중 목적 함수 문제에 대한 가장 일반적인 접근 방식으로 알려져 있으며, 다중 목적 함수를 단일 목적 함수로 효과적으로 변환시킨다.
모든 목적 함수들은 다른 스케일의 값을 가지므로 가중치 합산 방법을 적용하기 전에 정규화 되어야 한다.
목적 함수의 정규화를 위해 다음과 같은 단계를 수행한다.
첫째는 각 목적 함수는 단일 목적 최적화 문제로 개별적으로 최적화된다.
그런 다음, 각 최적화 케이스에서의 얻은 결정 변수값은 부정적인 이상적인 가치(Worst Value)와 긍정적인 이상적인 가치(Best Value)를 찾기 위하여 각 목적 함수를 위한 입력이 된다.
하기의 수학식 23은 정규화 모델의 최소화 목적 함수에 적용된다.
Figure 112020024223278-pat00071
여기서,
Figure 112020024223278-pat00072
는 i번째 목적 함수의 정규화된 목적 함수이고,
Figure 112020024223278-pat00073
는 i번째 목적 함수의 최악의 값이고,
Figure 112020024223278-pat00074
는 i번째 목적 함수의 최상의 값이다.
수학식 23은 모든 목적 함수를 0과 1 사이의 값으로 스케일하고, 최대화를 위해 목적 함수로 변환시킨다.
전술한 다중 목적 모델의 수학식 22는 하기의 수학식 24로 변환할 수 있다.
Figure 112020024223278-pat00075
다중 목적 모델은 목적 함수의 가중치들이 인정되면, 수학식 24를 통해 단일 목적 함수 모델로 변환할 수 있다.
하기의 표 8은 전술한 수학식 23을 통해 각 최적화 사례의 정규화된 목적 함수값을 보여준다.
예를 들면, 집계된 다중 목표 최적화 사례(max f'(x))에 대한 정규화된 총 비용값(f1')은 목적 함수값이 이상적인 값의 70.4%에 도달했음을 나타낸다/
표 8은 집계된 다중 목표 최적화 사례에 대한 정규화된 목적 함수값이 단일 목적 함수를 사용하는 다른 최적화 사례에 대한 값보다 균형이 잘 잡혀 있음을 보여준다. 다중 목적 최적화 사례에 대한 정규화된 목적 함수값의 평균은 이상적인 솔루션의 70.6%에 도달함을 보여주며, 표 8에 기재된 모든 최적화 사례에서 가장 높은 값이다.
Figure 112020024223278-pat00076
Figure 112020024223278-pat00077
표 9는 최적의 솔루션을 얻도록 서로 다른 목표 가중치를 가진 5가지 시나리오를 설정한 실시예이다. 균형 잡힌 가중치들을 사용한 (5)번 시나리오는 모든 목적 함수가 목표에 대한 상당한 손실없이 균현 잡힌 값을 가지고 가장 낮은 목적 함수의 값을 보여준다.
이에 반해, 공급업체 결정부(130)는 특정 목적만 높은 우선 순위로 간주하는 다른 시나리오에서 집계된 다중 목적 함수값이 손실이 큰 결과가 있지만 상대적으로 더 높다..
공급업체 결정부(130)는 특정 목적 지향적 관점보다 균형 잡힌 다중 목적 관점에서 더 적은 가치를 얻을 수 있음을 나타낸다.
이상에서 본 발명의 실시예는 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100: 글로벌 공급망 설계 시스템
110: 입력부
120: 공급업체 지역 선택부
130: 공급업체 결정부
140: 의사 결정권 모듈
150: 데이터베이스부

Claims (8)

  1. 글로벌 비즈니스 기회에 대한 의사 결정자의 위험도를 반영하기 위해서 글로벌 비즈니스 및 물류 분야의 경제적 및 사회적 요인에 대한 4개 지역 지속 가능성 지수를 입력받고, 상기 지역 지속 가능성 지수를 이용하여 다중 속성 효용 이론(Muti Attribute Utility Theory)을 통해 각 국가의 총 효용성(Total Utility)을 계산하고, 상기 계산된 총 효용성을 기초로 기설정된 임계치 효용 레벨보다 큰 국가를 공급업체 국가 후보로 설정하며, 상기 설정한 공급업체 국가 후보에서 최종 공급업체 국가를 선택하여 글로벌 공급망을 설정하는 공급업체 지역 선택부; 및
    경제적 목표와 환경적 목표를 고려한 다중 목적 정수 선형 프로그래밍 모델(Multi Objective Integer Linear Programming Model)을 이용하여 상기 공급업체 지역 선택부에서 선택된 최종 공급업체 국가에서 복수의 공급업체를 결정하고, 상기 결정한 각각의 공급업체의 주문 수량을 할당하는 공급업체 결정부를 포함하며,
    상기 4개 지역 지속 가능성 지수의 국가 순위 결과는 각 공급업체 국가의 다중 속성 효용(Utility)을 유도하는데 사용되고,
    상기 공급업체 지역 선택부는 하기의 수학식 1 내지 수학식 3의 단일 속성 효용 함수를 이용하여 각 국가의 효용성을 도출하는 것을 특징으로 하는 글로벌 공급망 설계 시스템.
    [수학식 1]
    Figure 112022019362403-pat00131

    여기서, Ai와 Bi는 i에 대한 스케일링 파라미터(Scaling Parameters), RTi는 i에 대하여 의사 결정권 모듈에서 측정된 위험 허용 오차,
    Figure 112022019362403-pat00132
    ,
    Figure 112022019362403-pat00133
    , Xi는 속성 i의 성능 레벨(Performace Level), 최악의 국가(
    Figure 112022019362403-pat00134
    ), 최상의 국가(
    Figure 112022019362403-pat00135
    )를 나타냄.
    [수학식 2]
    Figure 112022019362403-pat00136

    [수학식 3]
    Figure 112022019362403-pat00137
  2. 제1항에 있어서,
    상기 4개 지역 지속 가능성 지수는 글로벌 공급망 설계와 관련이 있는 비즈니스 지표의 용이성(Ease of Doing Business Index), 물류 성과 지수(Logistics Performance Index), 글로벌 경쟁력 지수(Global Competitiveness Index), 세계화 가능 무역 지수(Global Enabling Trade Index)를 포함하고,
    상기 4개 지역 지속 가능성 지수는 각 국가의 경제적 성과, 비즈니스 환경 및 성장 잠재력을 질적 및 양적 측면에서 평가하는 것을 특징으로 하는 글로벌 공급망 설계 시스템.
  3. 삭제
  4. 제1항에 있어서,
    상기 공급업체 지역 선택부는 상기 수학식 1의 역변환 형태인 하기의 수학식 4를 이용하여 확실성 등가(Certainty Equivalent, CEi)를 계산할 수 있는 것을 특징으로 하는 글로벌 공급망 설계 시스템.
    [수학식 4]
    Figure 112022019362403-pat00085
  5. 제1항에 있어서,
    상기 공급업체 지역 선택부는 공급업체 국가 선택을 위하여 하기의 수학식 5와 수학식 6의 다중 속성 효용 함수를 통해 각 국가의 총 효용성(Total Utility)(Uc)을 계산하고, 다중 속성 효용(Multi Attribute Utility)은
    Figure 112022019362403-pat00086
    로 표시되는 것을 특징으로 하는 글로벌 공급망 설계 시스템.
    [수학식 5]
    Figure 112022019362403-pat00087

    [수학식 6]
    Figure 112022019362403-pat00088

    여기서, ki는 기설정된 속성의 스케일링 파라미터(0 ≤ ki ≤ 1), K는 0이 아닌 정규화 상수(-1 < K),
    Figure 112022019362403-pat00089
    는 Xi의 벡터이고, Xi는 속성 i의 성능 레벨이고,
    Figure 112022019362403-pat00090
    는 각 국가 c에 대해 i의 단일 속성 효용(Single Attribute Utility)을 나타냄.
  6. 제1항에 있어서,
    상기 공급업체 결정부의 다중 목적 정수 선형 프로그래밍 모델은 복수의 목적 함수로 이루어져 있고, 하기의 수학식 7 내지 수학식 10으로 표현되며,
    하기의 수학식 7은 총 공급비용을 최소로 하는 목적 함수이고, 하기의 수학식 8은 구성부품과 모듈의 불량률을 최소로 하는 목적 함수이고, 하기의 수학식 9는 주문 납기일로부터의 편차를 최소로 하는 목적 함수이고, 하기의 수학식 10은 총 탄소 배출량을 최소로 하는 목적 함수인 것을 특징으로 하는 글로벌 공급망 설계 시스템.
    [수학식 7]
    Figure 112020024223278-pat00091

    여기서,
    Figure 112020024223278-pat00092
    는 공급업체(i)로부터 구성부품(k)의 단가,
    Figure 112020024223278-pat00093
    는 공급업체(i)로부터 구성부품(k)의 단위 운송 비용,
    Figure 112020024223278-pat00094
    는 공급업체(i)로부터 구성부품(k)의 주문 비용,
    Figure 112020024223278-pat00095
    는 공급업체(i)로부터 구성부품(k)의 주문 수량,
    Figure 112020024223278-pat00096
    는 공급업체(j)로부터 모듈(s)의 단가,
    Figure 112020024223278-pat00097
    는 공급업체(j)로부터 모듈(s)의 단위 운송 비용,
    Figure 112020024223278-pat00098
    는 공급업체(j)로부터 모듈(s)의 주문 비용,
    Figure 112020024223278-pat00099
    는 공급업체(j)로부터 모듈(s)의 주문 수량임.
    [수학식 8]
    Figure 112020024223278-pat00100

    여기서,
    Figure 112020024223278-pat00101
    는 공급업체(i)로부터 구성부품(k)의 주문 비용,
    Figure 112020024223278-pat00102
    는 공급업체(i)로부터 구성부품(k)의 주문 수량,
    Figure 112020024223278-pat00103
    는 공급업체(j)로부터 모듈(s)의 주문 비용,
    Figure 112020024223278-pat00104
    는 공급업체(j)로부터 모듈(s)의 주문 수량임.
    [수학식 9]
    Figure 112020024223278-pat00105

    여기서,
    Figure 112020024223278-pat00106
    는 공급업체(i)로부터 구성부품(k)의 평균 배송 지연,
    Figure 112020024223278-pat00107
    는 공급업체(i)로부터 구성부품(k)의 주문 수량,
    Figure 112020024223278-pat00108
    는 공급업체(j)로부터 모듈(s)의 평균 배송 지연,
    Figure 112020024223278-pat00109
    는 공급업체(j)로부터 모듈(s)의 주문 수량임.
    [수학식 10]

    Figure 112020024223278-pat00110

    여기서,
    Figure 112020024223278-pat00111
    는 공급업체(i)에서 구성부품(k)을 제조하는 동안 발생하는 단위 탄소 배출량,
    Figure 112020024223278-pat00112
    는 공급업체(i)로부터 구성부품(k)의 주문 수량,
    Figure 112020024223278-pat00113
    는 공급업체(j)에서 모듈(s)을 제조하는 동안 발생하는 단위 탄소 배출량,
    Figure 112020024223278-pat00114
    는 공급업체(j)로부터 모듈(s)의 주문 수량,
    Figure 112020024223278-pat00115
    는 구성부품 공급업체(i)와의 거리,
    Figure 112020024223278-pat00116
    는 구성부품 공급업체(j)와의 거리,
    Figure 112020024223278-pat00117
    는 질량, 시간, 거리 당 단위 운송 비용,
    Figure 112020024223278-pat00118
    는 구성부품(k)의 질량,
    Figure 112020024223278-pat00119
    는 운송하는 동안 질량, 시간, 거리 당 단위 탄소 배출량,
    Figure 112020024223278-pat00120
    는 모듈(S)의 질량임.
  7. 제6항에 있어서,
    상기 공급업체 결정부는 상기 각각의 목적 함수를 최적화 하기 위하여 하기의 수학식 11의 가중치 합산 방법을 적용하며, 필요에 따라 수학식 11의 가중치(Wi)를 다르게 설정하는 것을 특징으로 하는 글로벌 공급망 설계 시스템.
    [수학식 11]
    Figure 112020024223278-pat00121

    여기서, Wi는 i번째 목적 함수 fi에 할당된 가중치임.
  8. 제7항에 있어서,
    상기 공급업체 결정부는 상기 가중치 합산 방법을 적용하기 전에 하기의 수학식 12를 이용하여 목적 함수의 정규화를 수행하는 것을 특징으로 하는 글로벌 공급망 설계 시스템.
    [수학식 12]

    Figure 112020024223278-pat00122

    여기서,
    Figure 112020024223278-pat00123
    는 i번째 목적 함수의 정규화된 목적 함수이고,
    Figure 112020024223278-pat00124
    는 i번째 목적 함수의 최악의 값이고,
    Figure 112020024223278-pat00125
    는 i번째 목적 함수의 최상의 값임.
KR1020200028484A 2019-03-07 2020-03-06 글로벌 공급망 설계 시스템 KR102416022B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20190026222 2019-03-07
KR1020190026222 2019-03-07

Publications (2)

Publication Number Publication Date
KR20200107861A KR20200107861A (ko) 2020-09-16
KR102416022B1 true KR102416022B1 (ko) 2022-07-05

Family

ID=72669945

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200028484A KR102416022B1 (ko) 2019-03-07 2020-03-06 글로벌 공급망 설계 시스템

Country Status (1)

Country Link
KR (1) KR102416022B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102535663B1 (ko) * 2022-05-25 2023-05-26 올시데이터 주식회사 물자 공급망 위험관리 및 분석 방법과, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101782982A (zh) * 2009-07-07 2010-07-21 上海海事大学 集装箱多式联运路径选择的多目标整数线性规划方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090001682A (ko) * 2007-05-10 2009-01-09 이선구 건설자재의 공동구매 방법
KR101532662B1 (ko) 2013-12-10 2015-06-30 주식회사 한국무역정보통신 Fta 요소 기반 글로벌 공급망 네트워크 설계 방법
KR101856550B1 (ko) * 2016-04-29 2018-05-10 연세대학교 산학협력단 해외건설기업 의사결정 지원을 위한 발주국 평가방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101782982A (zh) * 2009-07-07 2010-07-21 上海海事大学 集装箱多式联运路径选择的多目标整数线性规划方法

Also Published As

Publication number Publication date
KR20200107861A (ko) 2020-09-16

Similar Documents

Publication Publication Date Title
Belo-Filho et al. An adaptive large neighbourhood search for the operational integrated production and distribution problem of perishable products
Song et al. Optimal dynamic joint inventory-pricing control for multiplicative demand with fixed order costs and lost sales
Jolai et al. Integrating fuzzy TOPSIS and multi-period goal programming for purchasing multiple products from multiple suppliers
Guan et al. A multistage stochastic programming model for the New Zealand dairy industry
US7921030B1 (en) Profit optimization system for supply chains with limited parts availability
Thanaraksakul et al. Supplier evaluation framework based on balanced scorecard with integrated corporate social responsibility perspective
Chaturvedi et al. Safety stock, excess capacity or diversification: Trade‐offs under supply and demand uncertainty
Kazemi et al. Multi-objective supplier selection and order allocation under quantity discounts with fuzzy goals and fuzzy constraints
Shavandi et al. Developing a location–inventory model under fuzzy environment
US20190378061A1 (en) System for modeling the performance of fulfilment machines
Najafnejhad et al. A mathematical inventory model for a single-vendor multi-retailer supply chain based on the Vendor Management Inventory Policy
US20170236087A1 (en) Method and System for Recommendation Engine Optimization
KR102416022B1 (ko) 글로벌 공급망 설계 시스템
US12112295B2 (en) Domain-aware decomposition for supply chain master planning using linear programming
KR102217886B1 (ko) 빅데이터 기반 상품 투자 추천 알고리즘의 최적 가중치를 인공지능을 이용하여 탐색하는 시스템 및 방법
Eslami et al. Selecting a preventive maintenance scheduling method by using simulation and multi criteria decision making
US10970772B2 (en) Method and apparatus for algorithmic control of the acceptance of orders by an e-Commerce enterprise
Rabbani et al. A novel bi-level hierarchy towards available-to-promise in mixed-model assembly line sequencing problems
Cholodowicz et al. Impact of control system structure and performance of inventory goods flow system with long-variable delay
Federgruen et al. Competition in multi-echelon systems
Guo et al. Collaborative planning of multi-tier sustainable supply chains: A reinforcement learning enhanced heuristic approach
Deng et al. Optimal Policies and Heuristics to Match Supply with Demand for Online Retailing
Forghani et al. Supplier Selection Models for Complementary, Substitutable, and Conditional Products
Myrodia et al. Product portfolio optimization based on substitution
US20170140414A1 (en) Computerized promotion price scheduling utilizing multiple product demand model

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant