KR20030063921A - 공급망 계획 시스템 및 방법 - Google Patents

Abstract

본 발명은 공급망 계획을 자동으로 수립함과 동시에 공급망 내에서 발생하는 다양한 요구와 변수들을 공급망 계획에 반영할 수 있도록 하는 공급망 계획 시스템 및 방법에 관한 것이다.

종래에는 사람이 수많은 계산을 수행하여 높은 복잡도를 갖는 공급망 계획을 수립하게 됨에 따라, 계획의 부정확성, 계획 수립 시간의 증대, 공급망 내의 변화에 따른 대응이 느려지는 문제점이 있다.

본 발명은 공급망 관리 모델과 시간 구획 방법을 이용하여 가상의 공급망을 구성하고, 인공 지능 최적화 알고리즘인 유전 알고리즘을 이용함으로써, 쉽고 빠르게 공급망 내의 다양한 요구와 변수들을 반영하여 최적의 공급망 관리 계획을 만들어낼 수 있게 된다.

Description

공급망 계획 시스템 및 방법{Supply Chain Planning System and Method}

본 발명은 공급망 계획 시스템 및 방법에 관한 것으로서, 특히 공급망 계획을 자동으로 수립함과 동시에 공급망 내에서 발생하는 다양한 요구와 변수들을 공급망 계획에 반영할 수 있도록 하는 공급망 계획 시스템 및 방법에 관한 것이다.

일반적으로 공급망 관리(Supply Chain Management:SCM)라 함은, 생산에서 최종 판매에 이르기까지 상품 흐름에 관련된 기업들이 공동으로 상품의 유통 과정을 일체화, 표준화하여 소비자 만족 및 기업 이윤의 극대화를 추구하기 위한 기업간 BPR(Business Process Re-engineering) 전략을 말하는 것으로, 각 기업의 생산 계획 및 재고 계획을 기업간 교류하여 서로 필요한 재고와 제품 정보를 정확히 파악할 수 있게 된다.

전술한 바와 같이, 기업 정보와 생산 계획 알고리즘을 이용하여 생산 계획을 현황에 맞게 수정하고, 적시에 고객의 요구를 만족시키는 정보 시스템을 공급망 관리 시스템이라고 하는 데, 공급망 관리는 모든 기업 및 기관에서 이미 수행을 하고 있는 업무로서, 공급망 내의 비용을 절약하고 원활한 공급망의 운영을 위하여 필수 불가결한 요소 중의 하나이다.

도 1은 기본적인 공급망 관리 모델의 구성을 보인 도로, 공급망 관리 모델은 공급망을 구성하는 필수 요소를 창고(10, 30), 공정(Operation)(20),가용력(Capacity)(40), 흐름(50)으로 구분하고 있는 데, 창고(10, 30)는 공급망에서 그 대상이 되는 물자를 저장하는 공간으로 하나의 공정에서 나온 물자는 다음 공정으로 이동하기 위하여 임시의 창고에 저장되고, 모든 공정을 거친 완제품들 또는 원자재(Raw Material)들이 창고에 저장된다. 공정(20)은 물자의 상태를 변경시키는 모든 행위를 의미하는 것으로, 물자의 화학적 물리적 변화 및 공간의 이동 등의 변화를 일으키는 모든 행위를 일컫는다. 가용력(40)은 앞에서 설명한 공정(20)을 행하기 위하여 필요한 자원을 의미하는 것으로, 사람 또는 설비 등이 될 수 있다. 마지막으로, 흐름(50)은 물자들이 창고(10)에서 공정(20)으로 공정(20)에서 창고(30)로 이동하는 경로를 의미한다.

전술한 바와 같이 설계된 공급망 관리 모델을 이용하여 종래에는, 사람이 수많은 계산을 수행하여 공급망 계획을 수립하게 되는 데, 공급망 계획을 수립하는 업무는 높은 복잡도를 갖는 업무이므로 업무중 실수가 발생할 가능성이 있고, 수많은 계산을 수행해야 하므로 시간이 오래 걸리게 된다.

이러한 이유로 인해, 종래에는 공급망 내에 중요한 변화가 생겨 공급망 계획을 신속히 처리해야 하는 경우가 발생하더라도 공급망 계획을 수립하는 데 많은 시간이 소요되어, 빠른 대응을 수행할 수 없게 된다.

이상에서 살펴본 바와 같이, 공급망 관리는 기업 내부의 생산 라인뿐만 아니라 기업 외부의 협력 업체 및 물류 업체를 포함하여 각 기업의 생산 계획 및 재고 계획을 기업간 교류함으로써 서로 필요한 재고와 제품 정보를 정확히 파악하는 것으로, 종래에는 공급망 관리를 전적으로 사람에 의존함으로써, 계획의 부정확성,계획 수립 시간의 증대, 공급망 내의 변화에 따른 대응이 느려지는 문제점이 있다.

본 발명은 전술한 문제점을 해결하기 위해 안출된 것으로서, 공급망 관리 모델과 시간 구획 방법을 이용하여 가상의 공급망을 구성하고, 인공 지능 최적화 알고리즘인 유전 알고리즘을 이용하여 공급망 내의 다양한 요구와 변수들을 반영하여 최적의 공급망 관리 계획을 만들어낼 수 있도록 하는 공급망 계획 시스템 및 방법을 제공함에 그 목적이 있다.

도 1은 기본적인 공급망 관리 모델의 구성을 보인 도.

도 2는 본 발명에 따른 공급망 계획 시스템의 구성을 보인 도.

도 3은 본 발명에 따른 공급망 계획 방법에 적용되는 유전 알고리즘 유전자 세트의 구성을 보인 예시도.

도 4는 본 발명에 따른 공급망 계획 방법을 설명하기 위한 플로우챠트.

도 5는 본 발명에 따른 공급망 계획 방법의 수행에 따른 평가 함수의 값의 변화를 나타내는 그래프.

도 6은 본 발명에 따른 공급망 계획 방법에 적용되는 평가 함수 산출 방법을 설명하기 위한 플로우챠트.

*** 도면의 주요 부분에 대한 부호의 설명 ***

10. 자재,20. 공정,30. 재고,

40. 가용력,50. 흐름,

100. 자재 모델,200. 공정 모델,300. 재고 모델,

400. 가용력 모델,500. 링크 모델

전술한 목적을 달성하기 위한 본 발명에 따른 공급망 계획 시스템은, 자재 모델로부터 투입된 자재의 상태를 변경시키는 공정 모델과; 공정을 행하기 위하여 필요한 자원을 의미하는 가용력 모델과; 상기 공정 모델에서 가공이 끝나는 완제품 및 반제품이 등록되는 재고 모델과; 상기 자재 모델, 공정 모델, 재고 모델, 가용력 모델을 서로 연결시켜 주는 링크 모델을 구비하여 이루어진다.

여기서, 상기 링크 모델은, 상기 자재 모델로부터 상기 공정 모델에 투입되는 자재의 수량 및 투입 시간으로 상기 자재 모델과 상기 공정 모델의 관계를 정의하고, 상기 가용력 모델로부터 상기 공정 모델에 투입되는 수치화된 생산 능력 및 투입 시간으로 상기 가용력 모델과 상기 공정 모델의 관계를 정의하고, 상기 공정 모델로부터 상기 재고 모델로 전달되는 완제품 및 반제품의 수량 및 출하되는 시간으로 상기 공정 모델과 상기 재고 모델의 관계를 정의하는 것을 특징으로 한다.

한편, 본 발명에 따른 공급망 계획 방법은, 사용자로부터 입력받은 유전 알고리즘 유전자 세트를 이용하여 솔루션 개체군 초기화를 수행하는 과정과; 상기 초기화된 솔루션 개체군들 중에서 우수한 개체군들을 선택하고, 선택된 우수 개체군들을 교합하여 새로운 개체군을 생성하는 과정과; 상기 새로 생성된 개체군의 일부를 돌연변이화하는 과정과; 상기 새로운 개체군을 기존 개체군에 포함시키고, 상기 새로운 개체군의 평가 함수를 산출하여 평가 기준을 만족하는 지에 따라 상기 새로운 개체군의 존폐 여부를 결정하는 과정과; 남겨진 개체군이 사용자가 원하는 요구 사항을 충족시키는 최적화 포인트에 도달하는 지를 판단하는 과정과; 상기 판단결과 상기 남겨진 개체군이 최적화 포인트에 도달하지 않는 경우에는, 솔루션 개체군들 중에서 우수한 개체군들을 선택하고, 선택된 개체군들을 교합 및 변이화하여 평가하는 공급망 계획 과정을 반복 수행하는 과정을 포함하여 이루어진다.

여기서, 상기 판단결과 상기 남겨진 개체군이 최적화 포인트에 도달한 경우에는, 최적의 해를 찾기 위해 기설정된 횟수만큼 상기 공급망 계획 과정을 반복 수행하는 과정을 더 포함하는 것을 특징으로 한다.

그리고, 상기 유전 알고리즘 유전자 세트는, 각 공정의 시간표 모델에서 추출된 1차원 배열의 수량 정보가 모여 이루어지는 것을 특징으로 한다.

그리고, 상기 새로운 개체군의 평가 함수를 산출하는 과정은, 2차원 배열의 상기 새로운 개체군을 1차원 배열로 분리하는 과정과; 상기 분리된 1차원 배열을 상기 1차원 배열에 대응되는 공정 모델에 입력하는 과정과; 상기 분리된 1차원 배열이 해당 공정 모델에 입력됨에 따라 비독립적 모델들의 수량 배열이 재생성되면, 상기 비독립적 모델들의 제약 조건 위배 수량을 산출하는 과정과; 상기 산출된 제약 조건 위배 수량을 이용하여 평가 함수의 값을 산출하는 과정으로 이루어지는 것을 특징으로 한다.

이하에서는 첨부한 도면을 참조하여 본 발명의 바람직한 실시예에 따른 공급망 계획 시스템 및 방법에 대해서 상세하게 설명한다.

도 2는 본 발명에 따른 공급망 계획 시스템의 구성을 보인 도로, 자재 모델(100), 공정 모델(200), 재고 모델(300), 가용력 모델(400), 링크 모델(500)을 구비하여 이루어진다.

자재 모델(100), 공정 모델(200), 재고 모델(300), 가용력 모델(400), 링크 모델(500)은 도 2에 도시하는 바와 같이 조합되어서 생산 및 물류 네트워크를 구현하게 되는 데, 자재 모델(100)이 공정 모델(200)에 투입되고, 공정 모델(200)에 투입된 자재 모델(100)은 가용력 모델(400)에 의해서 제조 및 가공된다.

전술한 바와 같이, 자재 모델(100)이 공정 모델(200)에 투입되어 가용력 모델(400)에 의해 가공이 끝난 후에는 가공이 끝난 완제품 및 반제품을 재고로 등록하고, 다음 공정이나 고객에게 전달될 수 있도록 한다.

이러한, 모델들은 객체 지향적인 방법론을 이용하여 각 객체로 표현되어 소프트웨어로 구현된다.

한편, 생산 및 물류 모델들(자재 모델, 공정 모델, 재고 모델, 가용력 모델)을 연결하여 주는 매개체인 링크 모델(500)은, 자재 모델(100)로부터 공정 모델(200)에 투입되는 자재의 수량 및 투입 시간으로 자재 모델(100)과 공정 모델(200)의 관계를 정의하고, 가용력 모델(400)로부터 공정 모델(200)에 투입되는 수치화된 생산 능력 및 투입 시간으로 가용력 모델(400)과 공정 모델(200)의 관계를 정의하고, 공정 모델(200)로부터 재고 모델(300)로 전달되는 완제품 및 반제품의 수량 및 출하되는 시간으로 공정 모델(200)과 재고 모델(300)의 관계를 정의한다.

즉, 링크 모델(500)을 통하여 각 모델(자재 모델, 공정 모델, 가용력 모델, 재고 모델)은 종속 관계를 맺게 된다.

전술한, 자재 모델(100), 공정 모델(200), 재고 모델(300), 가용력 모델(400), 링크 모델(500) 중에서 독립적인 개체는 공정을 결정하게 되는 공정 모델(200)로, 나머지 비독립적인 모델들인 자재 모델(100), 재고 모델(300), 가용력 모델(400)은 공정 모델(200)에서 독립적으로 결정되는 가공 수량에 의하여 값이 결정되며, 각 공급망의 총 처리 가능량을 결정하는 제약 조건을 제시한다.

이상에서 설명한, 자재 모델(100), 공정 모델(200), 재고 모델(300), 가용력 모델(400), 링크 모델(500)은 본 발명인 공급망 계획 시스템에 내장되어, 생산 및 물류 계획의 특화된 모델링 프레임 워크를 만들 수 있는 기반을 제공한다.

그리고, 공급망은 수학적으로 표현된 모델 즉, 자재 모델(100), 공정 모델(200), 재고 모델(300), 가용력 모델(400), 링크 모델(500)을 반복적으로 이용하여 구성될 수 있으며, 이러한 모델은 개괄적으로 여러 종류의 공급망을 표현할수 있게 된다. 즉, 넓게는 회사간의 물류 계획을 담당하게 되는 소위 '전세계적 공급망(Global Supply Chain)'을 계획할 수 있는 시스템을 구현할 수 있고, 작게는 공장 내부의 생산 라인 계획 및 세부 스케줄링 시스템을 구현할 수 있다.

이하에서는 각 모델의 객체 안에서 관리하는 정보에 대해서 살펴보기로 한다.

우선, 자재 모델(100)에서 관리하는 정보는 자재 이름, 자재 위치, 입고된 자재의 수량과 입고된 시간을 관리하는 자재 입고량 시간표, 출고된 자재의 수량과 출고된 시간을 관리하는 자재 출고량 시간표, 재고된 자재의 수량과 재고 물량을 산출한 시간을 관리하는 자재 재고량 시간표, 자재를 필요로 하는 공정 모델의 목록을 포함하여 이루어진다.

공정 모델(200)에서 관리하는 정보는 공정 이름, 공정 위치, 제품별 공정 기간, 가공 집단(Batch) 수량, 공정 내부에 투입되는 제품의 수량과 투입된 물량별로 가공되어야 하는 시간을 관리하는 공정 가공 수량 시간표, 연결되는 자재 모델 및 재고 모델의 목록을 포함하여 이루어진다.

재고 모델(300)에서 관리하는 정보는 재고 이름, 재고 위치, 입고된 재고 자재의 수량과 입고된 시간을 관리하는 재고 입고량 시간표, 출고된 재고 자재의 수량과 출고된 시간을 관리하는 재고 출고량 시간표, 재고량 시간표, 각 재고와 연결되어 있는 공정 모델의 목록을 포함하여 이루어진다.

가용력 모델(400)에서 관리하는 정보는 가용력(기계 및 생산 자원) 이름, 가용력 위치, 가용력 투입 시간표, 가용력 초기 할당량 시간표, 각 가용력 모델과 연결되는 공정 모델의 목록을 포함하여 이루어진다.

전술한 바와 같이, 모델들을 이용하여 공급망 네트워크가 생성되면, 각각의 모델 내에는 스케줄을 관리하기 위한 데이터 구조, 즉, '시간표'가 구현되어 관리된다. 예를 들어, 공정 모델(200)의 경우에는 공정 내부에 투입되는 제품의 수량과 투입된 물량별로 가공되어야 하는 시간을 관리하기 위해 공정 모델(200) 안에 공정 가공 수량 시간표가 구현되어 있어야 한다.

전술한 바와 같은, '시간표'는 표 1에 표시하는 바와 같이, 시각 정보와 수량 정보로 관리되며, 각각 1차원 배열(Vector)로 구성된다.

시각	01-01-2002 01:00	01-01-2002 02:00	01-01-2002 03:00	01-01-2002 04:00
수량	100.23	300.54	455.35	553.65

표 1에 표시하는 바와 같이, 시간표 모델의 시각 정보는 날짜와 시간으로 구분되어 있으며, 시간 정보는 시, 분, 초로 구성되어 있다.

이러한, 시각 정보는 1차 배열로 구성되며, 배열의 개수는 제한이 없다.

그리고, 수량 정보는 실수(Real Number)로 구성되어 소수점 이하의 정보까지 관리할 수 있게 됨에 따라 화학 및 철강 등의 프로세스 산업의 공정 시간표를 구현할 수 있게 되는 데, 전자 제품 등의 계수화된 생산 및 물류 공정의 경우에는 정수로 관리될 수 있다.

이러한, 수량 정보도 시각 정보와 마찬가지로 1차 배열로 구성되며, 배열의 개수는 제한이 없다.

이상에서 살펴본 바와 같이, 시간을 임의의 간격(2시간, 1시간 30분, 1시간,30분 등)으로 분할하여 모든 물자(자재, 재고)의 흐름이 분할된 시간 간격 단위로 이루어진다고 가정하는 시간 구획 방법을 이용함으로써, 빠른 생산 계획이 가능해진다.

도 3은 본 발명에 따른 공급망 계획 방법에 적용되는 유전 알고리즘 유전자 세트의 구성을 보인 예시도이다.

본 발명에 따른 공급망 계획 방법이 수행되기 위해 필요한 변수인 유전 알고리즘 유전자 세트는 독립적인 개체인 공정 모델이 갖고 있는 공정 가공 수량 시간표 모델에서만 추출되는 것으로, 유전 알고리즘(Genetic Algorithm) 처리부에 입력될 2차원 배열 형태의 유전자 알고리즘 유전자 세트에서 하나의 열을 구성하게 되는 1차원 배열 형태의 수량 정보는 각 공정의 시간표 모델 내부에서 추출되며, 이들 공정 계획이 모여 2차원 배열의 유전 알고리즘 유전자 세트를 구성한다.

도 3에 도시하는 바와 같이, 2차원 배열의 유전 알고리즘 유전자 세트는 공정 1의 시간표 모델에서 추출된 1차원 배열의 수량 정보와, 공정 2의 시간표 모델에서 추출된 1차원 배열의 수량 정보와, 공정 3의 시간표 모델에서 추출된 1차원 배열의 수량 정보가 모여 구성되는 데, 각 공정의 시간표 모델에서 추출된 수량 정보는 유전 알고리즘 유전자 세트에서 하나의 열을 구성하게 된다.

전술한 바와 같은, 유전 알고리즘 유전자 세트는 관리자에 따라 본 발명에 적용되는 숫자가 변동될 수 있다.

도 4는 본 발명에 따른 공급망 계획 방법을 설명하기 위한 플로우챠트이다.

우선, 사용자로부터 기설정된 개수 만큼의 유전 알고리즘 유전자 세트를 입력받고, 입력받은 유전 알고리즘 유전자 세트를 이용하여 솔루션 개체군 초기화를 수행한다(S100, S110).

상기한 과정 S110에서 초기화된 솔루션 개체군의 개수는 상기한 과정 S100에서 입력받은 유전 알고리즘 유전자 세트의 개수와 동일하게 되며, 솔루션 개체군이 상기한 과정 S100에서 입력받은 유전 알고리즘 유전자 세트에 의거하여 초기화되므로, 초기화된 솔루션 개체군과 유전 알고리즘 유전자 세트는 동일한 값을 갖게 된다.

이후, 상기한 과정 S110에서 초기화된 다수개의 솔루션 개체군들 중에서 우수한 개체군들을 선택하고, 선택된 우수 개체군들을 교합하여 선택된 개체군들과 유사하고 우수한 새로운 개체군을 생성한다(S120, S130).

상기한 과정 S120에서 우수한 개체군으로 선택되는 개체군은 적합도 값을 넘는 개체군으로, 각 개체군은 평가 함수(Objective Function)에 의해 평가된 적합도 값을 가지고 있으며, 한 개체군의 적합도는 그들이 생존하고 자식을 생산할 수 있는 능력을 결정하는 것으로, 적합도 이상의 값을 갖는 개체군은 자손을 만들기 위해 살아남지만 그렇지 못한 개체는 도태된다.

상기한 과정 S130에서 교합은 무한대로 이루어지는 것이 아니고, 사용자에 의해 주어지는 교합율에 의해서 제한되게 교합이 이루어진다.

상기한 과정 S130에서 생성된 새로운 개체군의 일부를 돌연변이화하여 다양한 솔루션 개체군을 생성함으로써, 탐색 공간을 넓힌다(S140).

상기한 과정 S140에서 돌연변이는 사용자에 의해 주어지는 돌연변이율만큼돌연변이가 일어나며, 솔루션 개체군 중에서 돌연변이화되는 개체군의 비율은 사용자에 의해 지정된다.

상기한 과정 S140에서 돌연변이 연산을 수행하는 이유는, 앞서 설명한 바와 같이 다양한 솔루션 개체군을 생성함으로써 탐색 공간을 넓히기 위한 것으로, 예를 들어, 개체군을 자연수의 범위에서만 선택하여 해를 구하게 된다면, 결과가 자연수라는 한정된 범위에서 나오게 되므로, 개체군을 돌연변이시켜서 실수 범위의 개체군을 생성시키면, 실수 범위에서도 해를 찾을 수 있게 된다.

이후, 새로 생성된 개체군을 기존 개체군에 포함시키고, 새로 생성된 개체군이 평가 기준을 만족하는 지를 검사한다(S150, S160).

상기한 과정 S160에서 새로 생성된 개체군이 평가 기준을 만족하는 지는, 평가 함수 산출 방법에 따라 새로 생성된 개체군의 평가 함수의 값(적합도 값)을 산출하고, 산출된 평가 함수의 값이 평가 기준을 만족하는 지의 여부에 따라 결정된다.

상기한 과정 S160의 판단결과 새로 생성된 개체군의 평가 함수의 값이 평가 기준을 만족시키지 못해, 새로 생성된 개체군이 평가 기준을 만족시키지 못하는 경우에는 솔루션 개체군에 제외시키게 된다(S170).

한편, 상기한 과정 S160의 판단결과 새로 생성된 개체군의 평가 함수의 값이 평가 기준을 만족시켜, 새로 생성된 개체군이 평가 기준을 만족하는 경우에는, 생성된 새로운 개체군을 계속해서 솔루션 개체군으로 남겨두게 되고, 솔루션 개체군으로 남겨진 개체군이 사용자가 원하는 요구 사항을 충족시키는 최적화 포인트에도달하는 지를 판단한다(S180).

상기한 과정 S180에서, 최적화 포인트는 하나로 규정되는 것이 아니라 사용자가 원하는 내용에 따라 바뀔 수 있는 것으로, 비용, 시간, 수량 등에 의거하여 최적화 포인트를 결정한다고 가정했을 때, 비용은 얼마가 들어가도 괜찮고 시간과 수량을 맞추는 것이 최적화 포인트가 될 수도 있으며, 무조건 비용을 최소화하는 것에 초점을 둔 최적화 포인트가 있을 수도 있다.

상기한 과정 S180의 판단결과 솔루션 개체군으로 남겨진 개체군이 사용자가 원하는 요구 사항을 충족시키는 최적화 포인트에 도달하지 않은 경우에는, 상기한 과정 S120으로 진행하여 공급망 계획 과정을 반복 수행한다.

한편, 상기한 과정 S180의 판단결과 솔루션 개체군으로 남겨진 개체군이 사용자가 원하는 요구 사항을 충족시키는 최적화 포인트에 도달한 경우에는, 사용자로부터 기설정받은 횟수만큼 공급망 계획 과정을 반복 수행했는 지를 판단하여(S190), 기설정받은 횟수만큼 공급망 계획 과정을 반복 수행한 경우에는 공급망 계획 과정을 종료시키고, 기설정받은 횟수만큼 공급망 계획 과정을 반복 수행하지 않은 경우에는 상기한 과정 S120으로 진행하여 공급망 계획 과정을 반복 수행한다.

상기한 과정 S190에서 개체군이 최적화 포인트에 도달한 경우에도 기설정된 횟수만큼 공급망 계획 과정을 반복 수행하는 이유는, 최적화 포인트보다 더 낮은 값을 갖는 솔루션을 찾기 위함이다.

도 5는 본 발명에 따른 공급망 계획 방법의 수행에 따른 평가 함수의 값의변화를 나타내는 그래프로, 공급망 계획 과정이 수행될 때마다 평가 함수의 값이 최적화 포인트에 근접해지는 것을 알 수 있다.

도 6은 본 발명에 따른 공급망 계획 방법에 적용되는 평가 함수 산출 방법을 설명하기 위한 플로우챠트이다.

우선, 새로운 개체군, 즉, 새로운 유전 알고리즘 유전자 세트가 생성되면, 새로 생성된 2차원 배열의 유전 알고리즘 유전자 세트를 1차원 배열로 분리하고, 분리된 1차원 배열을 각각의 1차원 배열에 대응되는 공정 모델에 입력한다(S200, S210, S220).

예를 들어, 새로 생성된 2차원 배열의 유전 알고리즘 유전자 세트가 공정 1, 공정 2, 공정 3의 1차원 배열로 분리되면, 분리된 공정 1은 공정 1의 작업에 있는 시간표 모델의 수량 정보에 입력되고, 공정 2는 공정 2의 작업에 있는 시간표 모델의 수량 정보에 입력되며, 공정 3은 공정 3의 작업에 있는 시간표 모델의 수량 정보에 입력된다.

이후, 1차원 배열이 각각의 공정 모델에 입력됨에 따라, 비독립적 모델들(자재 모델, 가용력 모델, 재고 모델)의 수량 배열이 재생성되는 데, 재생성된 비독립적 모델의 수량 배열이 각각의 비독립적 모델들에게 주어진 제약 조건을 위배하는 경우가 발생하므로, 제약 조건을 위배하는 수량을 산출한다(S230, S240).

비독립적인 모델들인 자재 모델, 가용력 모델, 재고 모델은 공정 모델에서 독립적으로 결정되는 가공 수량에 의하여 값이 결정되므로, 1차원 배열이 각각의 공정 모델에 입력됨에 따라, 상기한 과정 S230에서 비독립적 모델들의 수량 배열이재생성되게 된다.

상기한 과정 S240에서 공정 1은 하루에 10개를 생산할 수 있다고 가정했을 때, 유전자 돌연변이를 통해서 만들어진 새로운 개체가 1차원 배열로 분리된 후, 공정 1에 새로운 수량으로 입력된 값이 100이면, 공정 1은 하루에 10개를 생성할 수 있다는 제약 조건에 위배되게 된다. 따라서, 90개가 제약 조건에 위배되는 제약 조건 위배 수량이 된다.

상기한 과정 S240를 통해 제약 조건 위배 수량을 산출한 후, 산출된 제약 조건 위배 수량을 이용하여 평가 함수의 값(적합도 값)을 산출한다(S250).

상기한 과정 S250에서 평가 함수의 값은 상기한 과정 S240에서 산출된 제약 조건 위배 수량에 상수로 주어지는 각 공정의 영향력을 곱하여 산출되는 값이다.

예를 들어, 제약 조건을 위배하면 공정 1은 6이라는 영향력이 생기고, 공정 2는 5라는 영향력이 생기고, 공정 3은 10이라는 영향력이 생긴다고 가정했을 때, 새로운 개체군에서 제약 조건 위배 수량을 산출해보니 공정 1은 5개가 초과되고, 공정 2는 10개가 초과되고, 공정 3은 8개가 초과됐을 경우에는 산출된 평가 함수의 값이 160(=6*5+5*10+10*8)이 된다.

이상에서 살펴본 바와 같이, 본 발명에 따른 공급망 계획(Supply Chain Planning) 시스템 및 방법은 공급망 관리를 자동화하기 위한 기본적인 소프트웨어 컴포넌트로, 기업의 가치 사슬(Value Chain)에서 기업의 궁극적인 목적인 최대의 이윤 창출을 이루기 위한 최적의 공급망 계획을 자동으로 수립함과 동시에, 최단 시간에 공급망 내에서 발생하는 다양한 요구 사항들을 공급망 계획에 반영할 수 있게 된다.

그리고, 본 발명에 따른 공급망 계획 시스템 및 방법은 앞서 설명한 공급망 관리 모델과 시간 구획(Time Bucket) 방법을 이용하여 재고(Inventory), 공정(Operation), 가용력(Capacity)으로 구성된 가상의 공급망을 만들고, 공급망 내의 다양한 요구와 변수들을 반영하여 공급망 계획을 만들어 내고 있다.

본 발명의 공급망 계획 시스템 및 방법은 전술한 실시예에 국한되지 않고 본 발명의 기술 사상이 허용하는 범위 내에서 다양하게 변형하여 실시할 수 있다.

이상에서 설명한 바와 같은 본 발명의 공급망 계획 시스템 및 방법에 따르면, 공급망 관리 모델과 시간 구획 방법을 이용하여 가상의 공급망을 구성하고, 인공 지능 최적화 알고리즘인 유전 알고리즘을 이용함으로써, 쉽고 빠르게 공급망 내의 다양한 요구와 변수들을 반영하여 최적의 공급망 관리 계획을 만들어낼 수 있게 된다.

Claims (11)

1. 자재 모델로부터 투입된 자재의 상태를 변경시키는 공정 모델과;

   공정을 행하기 위하여 필요한 자원을 의미하는 가용력 모델과;

   상기 공정 모델에서 가공이 끝나는 완제품 및 반제품이 등록되는 재고 모델과;

   상기 자재 모델, 공정 모델, 재고 모델, 가용력 모델을 서로 연결시켜 주는 링크 모델을 구비하여 이루어지는 공급망 계획 시스템.
2. 제 1항에 있어서, 상기 링크 모델은,

   상기 자재 모델로부터 상기 공정 모델에 투입되는 자재의 수량 및 투입 시간으로 상기 자재 모델과 상기 공정 모델의 관계를 정의하고,

   상기 가용력 모델로부터 상기 공정 모델에 투입되는 수치화된 생산 능력 및 투입 시간으로 상기 가용력 모델과 상기 공정 모델의 관계를 정의하고,

   상기 공정 모델로부터 상기 재고 모델로 전달되는 완제품 및 반제품의 수량 및 출하되는 시간으로 상기 공정 모델과 상기 재고 모델의 관계를 정의하는 것을 특징으로 하는 공급망 계획 시스템.
3. 제 1항에 있어서, 상기 자재 모델은,

   자재 이름, 자재 위치, 입고된 자재의 수량과 입고된 시간을 관리하는 자재입고량 시간표, 출고된 자재의 수량과 출고된 시간을 관리하는 자재 출고량 시간표, 재고된 자재의 수량과 재고 물량을 산출한 시간을 관리하는 자재 재고량 시간표, 자재를 필요로 하는 공정 모델의 목록 정보를 관리하는 것을 특징으로 하는 공급망 계획 시스템.
4. 제 1항에 있어서, 상기 공정 모델은,

   공정 이름, 공정 위치, 제품별 공정 기간, 가공 집단(Batch) 수량, 공정 내부에 투입되는 제품의 수량과 투입된 물량별로 가공되어야 하는 시간을 관리하는 공정 가공 수량 시간표, 연결되는 자재 모델 및 재고 모델의 목록 정보를 관리하는 것을 특징으로 하는 공급망 계획 시스템.
5. 제 1항에 있어서, 상기 재고 모델은,

   재고 이름, 재고 위치, 입고된 재고 자재의 수량과 입고된 시간을 관리하는 재고 입고량 시간표, 출고된 재고 자재의 수량과 출고된 시간을 관리하는 재고 출고량 시간표, 재고량 시간표, 각 재고와 연결되어 있는 공정 모델의 목록 정보를 관리하는 것을 특징으로 하는 공급망 계획 시스템.
6. 제 1항에 있어서, 상기 가용력 모델은,

   가용력 이름, 가용력 위치, 가용력 투입 시간표, 가용력 초기 할당량 시간표, 각 가용력 모델과 연결되는 공정 모델의 목록 정보를 관리하는 것을 특징으로하는 공급망 계획 시스템.
7. 제 3항 내지 제 6항중 어느 한 항에 있어서, 상기 시간표는,

   각각 1차원 배열로 구성된 시각 정보와 수량 정보로 관리되되, 상기 시각 정보는 임의의 간격으로 분할되어 이루어지는 것을 특징으로 하는 공급망 계획 시스템.
8. 사용자로부터 입력받은 유전 알고리즘 유전자 세트를 이용하여 솔루션 개체군 초기화를 수행하는 과정과;

   상기 초기화된 솔루션 개체군들 중에서 우수한 개체군들을 선택하고, 선택된 우수 개체군들을 교합하여 새로운 개체군을 생성하는 과정과;

   상기 새로 생성된 개체군의 일부를 돌연변이화하는 과정과;

   상기 새로운 개체군을 기존 개체군에 포함시키고, 상기 새로운 개체군의 평가 함수를 산출하여 평가 기준을 만족하는 지에 따라 상기 새로운 개체군의 존폐 여부를 결정하는 과정과;

   남겨진 개체군이 사용자가 원하는 요구 사항을 충족시키는 최적화 포인트에 도달하는 지를 판단하는 과정과;

   상기 판단결과 상기 남겨진 개체군이 최적화 포인트에 도달하지 않는 경우에는, 솔루션 개체군들 중에서 우수한 개체군들을 선택하고, 선택된 개체군들을 교합 및 변이화하여 평가하는 공급망 계획 과정을 반복 수행하는 과정을 포함하여 이루어지는 공급망 계획 방법.
9. 제 8항에 있어서, 상기 판단결과 상기 남겨진 개체군이 최적화 포인트에 도달한 경우에는,

   최적의 해를 찾기 위해 기설정된 횟수만큼 상기 공급망 계획 과정을 반복 수행하는 과정을 더 포함하는 것을 특징으로 하는 공급망 계획 방법.
10. 제 1항에 있어서, 상기 유전 알고리즘 유전자 세트는,

    각 공정의 시간표 모델에서 추출된 1차원 배열의 수량 정보가 모여 이루어지는 것을 특징으로 하는 공급망 계획 방법.
11. 제 8항에 있어서, 상기 새로운 개체군의 평가 함수를 산출하는 과정은,

    2차원 배열의 상기 새로운 개체군을 1차원 배열로 분리하는 과정과;

    상기 분리된 1차원 배열을 상기 1차원 배열에 대응되는 공정 모델에 입력하는 과정과;

    상기 분리된 1차원 배열이 해당 공정 모델에 입력됨에 따라 비독립적 모델들의 수량 배열이 재생성되면, 상기 비독립적 모델들의 제약 조건 위배 수량을 산출하는 과정과;

    상기 산출된 제약 조건 위배 수량을 이용하여 평가 함수의 값을 산출하는 과정으로 이루어지는 것을 특징으로 하는 공급망 계획 방법.