• 목록

[일시] 2026.02.10.

[발표자] 고예진

[리뷰 논문] Great Deluge-based metaheuristic incorporating integer nonlinear programming for modeling and solving dynamic capability-based machine layout problem

[요약]
본 연구는 제조 환경에서 기계 배치를 결정하는 Dynamic Capability-Based Machine Layout Problem(DCB-ML)을 제안하고 이를 해결하기 위한 최적화 방법을 연구한다. 기존의 QAP 기반 배치 모델은 기계를 단일 기능으로 가정하고 부품 흐름을 고정된 값으로 두기 때문에, 여러 기계가 동일한 공정을 수행할 수 있는 현대 제조 환경의 유연성을 반영하기 어렵다. 이에 본 연구에서는 기계를 Resource Element(RE) 기반의 가공 능력 단위로 표현하고, 기계 배치와 부품 흐름을 동시에 결정하는 모델을 제안한다. 또한 문제의 높은 계산 복잡도를 해결하기 위해 Great Deluge Algorithm(GDA) 기반 메타휴리스틱과 MILP 모델을 결합한 하이브리드 방법을 사용하여 효율적으로 해를 탐색한다. 실험 결과, 기계 간 가공 능력의 중복 수준이 높을수록 레이아웃 변경이 줄어들고 물류 및 재배치 비용이 감소하여 전체 레이아웃 비용이 낮아지는 경향을 보였다.

[Q&A]
Q) Great Deluge Algorithm(GDA)은 어떤 방식으로 해를 탐색하는 것인지 궁금합니다.
A) GDA는 현재 해보다 나쁜 해라도 일정 기준(Level) 이하이면 수용하면서 해 공간을 탐색하는 메타휴리스틱 알고리즘입니다. 탐색 초기에는 기준이 비교적 느슨하여 다양한 해를 탐색하고, 반복이 진행될수록 기준이 점차 엄격해지면서 더 좋은 해로 수렴하도록 하는 방법입니다. 이러한 방식은 지역 최적해에 빠지는 문제를 완화하고 넓은 탐색을 가능하게 하는 장점이 있지만, 기준 설정에 따라 성능이 달라질 수 있으며 최적해를 보장하지는 않는다는 한계가 있습니다.


[녹화 영상 링크]
https://us06web.zoom.us/rec/share/hsw0G7Oj0tcaQfB9bkhXBZdXC8CgN58LDprXfL5rsC5knKT1sTmVh6SJokSknHa3.BFXVjjBuLrptsCiW