[論文レビュー] A Multi-Stage Supply Chain Network Optimization Using Genetic Algorithms

Nelson Dzupire, Yaw Nkansah-Gyekye|arXiv (Cornell University)|Aug 4, 2014

Advanced Multi-Objective Optimization Algorithms参考文献 35被引用数 11

ひとこと要約

本稿では、総システムコストと納品遅延の両方を最小化する3エコノミー供給チェーンネットワークを対象とした二目的遺伝的アルゴリズム（GA）ベースの最適化モデルを提案する。進化計算を活用してパレート最適解のフロントを探索することで、不確実な供給チェーン環境下でもコスト効率と納品遅延性能のバランスを効果的にとることができる。

ABSTRACT

In today's global business market place, individual firms no longer compete as independent entities with unique brand names but as integral part of supply chain links. Key to success of any business is satisfying customer's demands on time which may result in cost reductions and increase in service level. In supply chain networks decisions are made with uncertainty about product's demands, costs, prices, lead times, quality in a competitive and collaborative environment. If poor decisions are made, they may lead to excess inventories that are costly or to insufficient inventory that cannot meet customer's demands. In this work we developed a bi-objective model that minimizes system wide costs of the supply chain and delays on delivery of products to distribution centers for a three echelon supply chain. Picking a set of Pareto front for multi-objective optimization problems require robust and efficient methods that can search an entire space. We used evolutionary algorithms to find the set of Pareto fronts which have proved to be effective in finding the entire set of Pareto fronts.

研究の動機と目的

• 不確実性下での多エコノミー供給チェーンにおけるコスト最小化と納品遅延の両立という課題に対処すること。
• サプライヤー、メーカー、および流通センターの各段階におけるシステム全体のコストと納品遅延を捉える二目的最適化モデルの構築。
• 多目的供給チェーン意思決定のための解空間全体にわたりパレート最適解フロントを効率的に探索するための進化計算手法の適用。
• コスト効率とサービスレベル性能の間のトレードオフを提示する意思決定支援のためのロバストな解の集合の提供。
• 遺伝的アルゴリズムが、目的が相反する複雑な現実世界の供給チェーンネットワーク設計問題を効果的に解くことの有効性を示すこと。

提案手法

• サプライヤー、メーカー、および流通センターを意思決定ノードとして有する3エコノミー供給チェーンネットワークを定式化。
• 総システムコストと流通センターへの納品遅延を最小化する二目的数学的モデルを構築。
• 解空間全体にわたりパレート最適解フロントを探索するため、非優位ソーティング遺伝的アルゴリズム（NSGA-II）を採用。
• 供給チェーン意思決定（例：流れ量、施設立地）を遺伝的アルゴリズムフレームワーク内の染色体として符号化。
• 両方の目的（コストと遅延）に基づくフィットネス評価を用いて、非優位フロントに解をランク付け。
• 選択、交差、突然変異といった遺伝的演算子を繰り返し適用し、多様なパレート最適解の集合を段階的に進化させる。

実験結果

リサーチクエスチョン

• RQ1 多段階供給チェーンネットワークを、総システムコストと納品遅延の両方を同時に最小化するように最適化する方法は何か？
• RQ2 遺伝的アルゴリズムは、対立する供給チェーン目的に対して、良好に分布したパレート最適解フロントを特定するのにどの程度有効か？
• RQ3 需要、リードタイム、コストの不確実性が、コスト効率とサービスレベルのトレードオフにどのように影響を与えるか？
• RQ4 進化計算は、複雑な現実世界の供給チェーンネットワーク設計問題の解空間全体を効果的に探索できるか？
• RQ5 3エコノミー供給チェーン構造において、コストと納品パフォーマンスの主なトレードオフは何か？

主な発見

• 提案された遺伝的アルゴリズムは、コストと納品遅延の間のトレードオフフロントにわたり、良好に分布したパレート最適解の集合を的確に特定した。
• 二目的モデルにより、意思決定者はコスト削減と納品遅延の改善を両立させる解を選択可能となった。
• 特にNSGA-IIを用いた進化計算は、供給チェーン最適化の複雑かつ多次元的な解空間を効果的に探索できることを実証した。
• モデルは需要、リードタイム、コストの不確実性がシステム全体のパフォーマンスと意思決定のトレードオフに与える影響を的確に捉えた。
• 結果から、遺伝的アルゴリズムが大規模な供給チェーンネットワークにおいて、高品質な非優位解に効率的に収束できることを示した。
• 本研究は、正確な手法が計算的に非現実的となる現実世界の供給チェーン問題に対して、メタヒューリスティック手法の有効性を検証した。