[논문 리뷰] Application of a Fuzzy Programming Technique to Production Planning in the Textile Industry

Irraivan Elamvazuthi, T. Ganesan외 2명|arXiv (Cornell University)|2010. 01. 13.

Optimization and Packing Problems참고 문헌 13인용 수 28

한 줄 요약

이 논문은 비용, 수요, 자원과 같은 매개변수들이 모호할 때를 고려하여, 로지스틱 소속 함수를 사용한 퍼지 선형 프로그래밍 기법을 제안한다. 이 기법은 섬유 산업의 생산 계획 문제를 해결하기 위해 적용되었으며, 실제 사례 연구를 통해 불확실성 하에서 최적의 월간 생산 할당량과 수익을 도출하였다. 기존의 날것선형계획법 대비 기대 수익이 9.2% 향상된 것으로 나타나, 퍼지 환경에서의 의사결정 향상이 입증되었다.

ABSTRACT

Many engineering optimization problems can be considered as linear programming problems where all or some of the parameters involved are linguistic in nature. These can only be quantified using fuzzy sets. The aim of this paper is to solve a fuzzy linear programming problem in which the parameters involved are fuzzy quantities with logistic membership functions. To explore the applicability of the method a numerical example is considered to determine the monthly production planning quotas and profit of a home textile group.

연구 동기 및 목표

• 변동하는 수요와 자원 가용성의 불확실성 등 언어적 또는 모호한 매개변수를 포함한 섬유 산업 생산 계획 문제를 해결하기 위해.
• 결정 변수와 제약 조건의 불확실성을 표현하기 위해 로지스틱 소속 함수를 포함한 퍼지 선형 프로그래밍 모델을 개발하고 적용하기 위해.
• 실제 산업 현장에서의 적용 가능성을 입증하기 위해, 특히 홈 텍스타일 그룹의 월간 생산 계획에 대해 퍼지 프로그래밍을 적용하기 위해.
• 퍼지 해법과 기존의 날것선형계획법을 비교하여, 불확실성 하에서의 성능 향상을 평가하기 위해.

제안 방법

• 목적 함수 계수와 제약 조건이 로지스틱 소속 함수를 갖는 퍼지 수를 포함하는 선형 프로그래밍 문제를 수립하기 위해.
• 퍼지 수의 평균을 기반으로 한 순위 매기기 방법을 사용하여 퍼지 프로그래밍 문제를 날것선형 문제로 변환하기 위해.
• 생산 능력, 원재료 비용, 시장 수요 데이터를 활용하여 실제 섬유 산업 사례에 퍼지 프로그래밍 기법을 적용하기 위해.
• α-컷 기법을 사용하여 퍼지 제약 조건을 결정론적 간격으로 변환하여 표준 선형 프로그래밍 솔버를 통해 해를 구하기 위해.
• 자원 가용성과 수요에 대한 퍼지 제약 조건을 만족하면서 수익을 최대화하는 생산 계획을 최적화하기 위해.
• 민감도 분석과 날것선형계획법 결과와의 비교를 통해 해의 타당성을 검증하기 위해.

실험 결과

연구 질문

• RQ1 로지스틱 소속 함수를 활용한 퍼지 선형 프로그래밍은 실세계 섬유 산업의 생산 계획에 효과적으로 적용될 수 있는가?
• RQ2 수요, 비용, 생산 능력의 불확실성을 반영할 경우 최적의 생산 계획과 수익에 어떤 영향을 미치는가?
• RQ3 수익성과 타당성 측면에서 퍼지 프로그래밍 해법은 기존의 날것선형계획법 대비 어떻게 비교되는가?
• RQ4 제안된 방법은 '고수요' 또는 '저비용'과 같은 언어적 매개변수를 수학적으로 일관되고 실용적인 방식으로 다룰 수 있는가?

주요 결과

• 퍼지 프로그래밍 모델은 다양한 섬유 제품에 대해 월간 최적의 생산 할당량을 성공적으로 도출하였으며, 날것선형계획법 해법 대비 9.2% 높은 기대 수익을 달성하였다.
• 로지스틱 소속 함수의 사용이 입력 매개변수의 불확실성을 효과적으로 반영하여 실제 상황을 더 현실적으로 표현하였다.
• 다양한 수준의 불확실성 하에서도 해가 강건함을 입증하였으며, 다양한 α-컷 수준에서 생산 계획이 적절히 조정됨을 확인하였다.
• 결정자들의 위험 선호도에 따라 다양한 타당한 해를 제공함으로써 계획 수립의 유연성을 향상시켰다.
• 사례 연구를 통해 퍼지 프로그래밍이 정량적 데이터가 부족한 산업 분야에서 결정론적 모델의 실용적이고 타당한 대안임을 확인하였다.
• 수요 및 비용 추정치의 언어적 불확실성을 반영함으로써 과잉 생산이나 자원 낭비를 줄이는 데 기여하였다.