[논문 리뷰] A Multi-Stage Supply Chain Network Optimization Using Genetic Algorithms

Nelson Dzupire, Yaw Nkansah-Gyekye|arXiv (Cornell University)|2014. 08. 04.

Advanced Multi-Objective Optimization Algorithms참고 문헌 35인용 수 11

한 줄 요약

이 논문은 총 시스템 비용과 배송 지연을 최소화하는 삼단계 공급망 네트워크를 위한 이목적 유전 알고리즘(GA) 기반 최적화 모델을 제안한다. 진화 계산을 활용해 파레토 최적 해를 탐색함으로써, 불확실한 공급망 환경에서 비용 효율성과 정시 납품 성능 간의 균형을 효과적으로 확보한다.

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.

연구 동기 및 목표

• 불확실성 하에서 다단계 공급망에서 비용 최소화와 정시 납품 간의 균형을 맞추는 도전 과제를 해결하기 위해.
• 공급자, 제조업체, 유통 센터 전반의 시스템 전체 비용과 배송 지연을 반영하는 이목적 최적화 모델을 개발하기 위해.
• 다목적 공급망 의사결정을 위한 전체 파레토 최적 해를 효율적으로 탐색하기 위해 진화 알고리즘을 적용하기 위해.
• 비용 효율성과 서비스 수준 성능 간의 트레이드오프 솔루션 세트를 의사결정자에게 제공하기 위해.
• 유전 알고리즘이 갈등하는 목표를 가진 복잡한 실세계 공급망 네트워크 설계 문제를 해결하는 데 효과적인지 입증하기 위해.

제안 방법

• 공급자, 제조업체, 유통 센터를 의사결정 노드로 하는 삼단계 공급망 네트워크를 수립한다.
• 총 시스템 비용과 유통 센터로의 배송 지연을 최소화하는 이목적 수학 모델을 개발한다.
• 해결 공간 전반에서 파레토 최적 해를 탐색하기 위해 비지배적 정렬 유전 알고리즘(NSGA-II)을 활용한다.
• 공급망 의사결정(예: 유량, 시설 위치 등)을 유전 알고리즘 프레임워크 내에서 염색체로 표현한다.
• 비용과 지연 목표를 기반으로 한 피트니스 평가를 통해 비지배적 프론트 내에서 솔루션을 순위 매긴다.
• 선택, 교차, 변이와 같은 유전 연산자를 반복적으로 적용하여 다양한 파레토 최적 솔루션 세트를 진화시킨다.

실험 결과

연구 질문

• RQ1 다단계 공급망 네트워크를 어떻게 최적화하여 총 시스템 비용과 배송 지연을 동시에 최소화할 수 있는가?
• RQ2 유전 알고리즘이 갈등하는 공급망 목표에 대해 잘 분포된 파레토 최적 해를 식별하는 데 어떤 성능을 보이는가?
• RQ3 수요, 리드 타임, 비용의 불확실성이 비용 효율성과 서비스 수준 간의 트레이드오프에 어떤 영향을 미치는가?
• RQ4 진화 계산이 복잡한 실세계 공급망 네트워크 설계 문제의 전체 해 공간을 효과적으로 탐색할 수 있는가?
• RQ5 삼단계 공급망 구조에서 비용과 배송 성능 간의 핵심 트레이드오프는 무엇인가?

주요 결과

• 제안된 유전 알고리즘은 비용과 배송 지연 간의 트레이드오프 경계 전역에서 잘 분포된 파레토 최적 솔루션 세트를 성공적으로 식별한다.
• 이목적 모델을 통해 의사결정자는 비용 절감과 정시 납품 성능 향상을 균형 잡는 솔루션을 선택할 수 있다.
• 특히 NSGA-II를 포함한 진화 계산 기법은 공급망 최적화의 복잡하고 다차원적인 해 공간을 효과적으로 탐색하는 데 유용하다.
• 모델은 수요, 리드 타임, 비용의 불확실성이 시스템 전반의 성능과 의사결정 트레이드오프에 미치는 영향을 잘 반영한다.
• 결과적으로, 유전 알고리즘이 대규모 공급망 네트워크에 대해 고품질의 비지배적 해에 효율적으로 수렴하고 탐색할 수 있음을 입증한다.
• 정확한 방법론이 계산적으로 비가능한 실세계 공급망 문제 해결을 위해 메타휴리스틱 접근법의 유효성을 검증한다.