*규* 스토어

*규*

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

26개
전체 판매량

368개
최근 3개월 판매량

0개
자료후기 점수

평균A
자료문의 응답률

-

전체자료 26개

논문 요약 - Minimizing makespan in a blocking flowshop using genetic algorithm

Abstractm개의 기계로 이루어져 있으며 버퍼가 존재하지 않는 flowshop에서 n개의 작업에 대한 makespan을 최소화하기 위한 blocking flowshop문제를 다루고 있다. 버퍼가 존재하지 않기 때문에 작업물은 다음순서의 기계가 유휴상태가 될 때까지 전 기계에 머물러 있어야 한다. Abadi는 blocking flowshop문제와 no-wait flowshop사이의 관계를 확립하였다. blocking flowshop문제는 no-wait flowshop문제에서 특정 작업에 대해 slowing down을 추가시킨 것이다. 본 논문은 이 문제를 유전 알고리즘을 사용하여 makespan을 구하고, Abadi 휴리스틱과 비교, 분석하였다.1. Introduction본 논문의 연구 대상은 버퍼가 없고, 기계순으로 배열된 flowshop문제다. 이 flowshop에는개의 작업물()이 투입된다. 각 작업물은순으로 공정을 거치게 된다.기계에서의 처리시간은로 나타낸다. 본 flowshop는 버퍼가 없어서, 작업물이 다음에 처리될 기계가 가동상태이면 ‘blocked'되었다고 하며, 그 기계가 유휴상태가 될 때까지 작업을 늦춘다(이를 slowing down이라 한다.)2. No-wait flowshops and the slowing down concept섹션 2에서는 blocking flowshop(BLF)문제에서 주어진 작업순서에 대한 최적의 스케줄을 획득하는 문제가 고려된다. 즉 작업물의 순서는 정해져 있고, 이들을 어떻게 스케줄링해야 하는지에 대한 문제이다. BLF는 no-wait flowshop(NWF)문제와 매우 밀접한 관계를 가지고 있다. NWF는 작업물이 투입되면 종료까지 어떤 중지도 허용되지 않는다. 화학, 철강산업을 예로 들 수 있다. NWF는 주어진 작업시간이 끝나면 바로 다음 기계로 옮겨가야하는 반면에 BLF는 다음 기계가 작업중이면 전 기계에서 잔류할 수 있다. NWF문제의 feasible solution은 BLF문제에서도 feasible solution이다.Abadi는 BLF와 NWF사이의 관계와 BLF문제를 푸는 기본 전략을 제안하였다. 처음에 NWF문제의 훌륭한 휴리스틱 스케줄을 개발하였고, 이를 변형시켜 BLF문제에 적용하였다.현실세계에서는 항상 무제한으로 slowing down할 수 없다. 즉 slowing down 제한 시간이 존재하게 된다. 다음 아래에 부호설명이 있다.:번째순서의 Job: no-wait 시스템에서 작업가 시작하기전의 기계의 유휴시간: 기계에서 작업의 slowing down 시간: 기계에서 작업처리시간의 lower bound: 기계에서 작업처리시간의 upper bound: 기계에서 작업처리시간 (=): 기계에서 작업처리시간의 slowing down 제한시간(=-)2.1 Computing the idle times in a no-wait flowshop 두 작업 사이의 유휴시간다음 식은 NWF 문제에 관한 식이다.=+-작업 모든에서의중에 최소한 하나는 0이다.2.2 Procedure idle timestep 1.으로 놓고 반복계산으로 다른계산=+-,step 2.계산 ,setstep 2를 하면는 모두 양수이거나 최소한 하나는 0값을 가진다. Abadi는 첫 번째 기계 작업에서의 slowing down 혹은 어떤 기계에서의 첫 번째 작업은 전체 총작업시간을 감소시키지는 못한다는 것을 보여주었다. 또한 마지막 job의 작업을 slow down하는 것은 아무런 이득을 주지 않는다.2.3 Definition: The "decision point" of a job작업물의 decision point 는 기계이다. 이는 다음 첫 번째 혹은 두번째 상태를 만족하는중에서 가장 이른 순서로 정의된다.1.인 가장 작은2.이면서인 가장 작은()2.4 Procedure decision point of jobstep 1.인 가장 작은를 찾는다. ()값을의 decision point라 하자.set만약이면 step 3로 간다.step 2.set이고이면 다음 실행시작종료step 3.는 dicision pointstep 4.종료2.5 Algorithm SD(Slowing Down)step 1.모든값을 호출한다.step 4.slowing down 값을 계산한다.step 5.slow down을 포함한 작업시간와유휴시간를 업데이트한다.까지 다음과정을 실행한다.step 6.새로운 decision point가 결정되면step2로 간다.step 7.종료algorithm SD는 한가지 작업물에 대해 m2의 경우의 수를 가지며, 한 시스템에서 nm2의 경우의 수를 가진다.Example.3(1)7(1)1(1)6(3)4(9)1(1)8(0)5(1)11(3)6(1)2(2)5(2)6(2)3(3)3(1) 기계와 작업물의 처리시간(slowing down 제한시간)solution: No-wait flowshop No-wait flowshop solution 간트차트solution: Blocking flowshop: slowing down37*************5633 blocking flowshop solution 간트차트2.6 Heuristic sequential slowing downstep 1.공정시간을 입력한다.step 2.NWF문제에 관해 GENI를 사용하여 순서를 찾는다. slowing down이 적용된 공정시간을 사용하여순서대로 알고리즘 SD를 적용한다. slowing down이 적용된 공정시간이 업데이트된 행렬을라 하자.의 공정시간을 사용하여 결정된 총 작업시간은이다.setstep 3.순서로부터 시작해서, 순서를 찾기 위해 작업물를 가지고 US와 GENI를 사용하여라. slowing down이 적용된 공정시간을 사용하여순서대로 알고리즘 SD를 적용한다.를 업데이트 한다.의 공정시간을 사용하여 결정된 총 작업시간은이다. 만약이면 setstep 4.만약이면 순서와 총 작업시간를 산출하고 종료.그렇지 않으면 set하고 step 3로 간다.3. Genetic algorithm본 문제는 NP-hard 문제이다. 그로 인해 다루기 쉬운 휴리스틱 방법이 생기게 되었다. 저자는 이 문제에 유전 알고리즘을 적용하였다. 유전 알고리즘은 시뮬레이션 어닐링과 타부 서치보다 더 대중적인 방법이며, 두 방법의 요약이라 간주할 수 있다.● 초기모집단모집단 크기 만큼 랜덤으로 작업 순서를 생성한다ex) ( 4 2 3 5 1 ) , ... , ( 5 3 2 4 1 )● 적응도 평가적응도는 총 작업시간으로 평가된다.()● 선별생성된 모집단 중에서만큼의 우수인자 중에서 학률바퀴방법을 이용하여 선별한다.● 교차two-point crossover 방법 사용. two-point crossover● 돌연변이shift change 방법 사용1. 두개의 작업을 임의로 선택2. 한 작업을 순서에서 빼내어 선택된 다른 작업 순서 전에 끼워 넣는다. shift change mutation3.1 Algorithm GAstep 1.PS, Pc, Pm, ngen을 초기화한다. setstep 2.모집단 크기 만큼 랜덤으로 작업 순서를 생성한다각 순서에는 slowing down을 포함한 알고리즘 SD를 적용한다. 총 작업시간이 낮은 순서대로 정렬한다.step 2.1setstep 3.상위 랭크 값으로부터 랜덤으로 두 개의 부모를 선택하여 교차한다.step 4.돌연변이를 시킨다.step 5.알고리즘 SD를 적용하여 자손의 총 작업시간을 구한다.step 6.만약이면 step 3로 간다.step 7.총작업시간이 낮은 순서대로 모집단의 2PS 개체들을 정렬한다.총작업시간이 긴 PS만큼의 개체들을 제거한다.현재 최적의 순서와 목적함수 값에 부응하는 순서를 저장한다.step 8.만약이면 멈추고, 아니면 step 2.1로 간다.4. Parameterization of the GA by designed experimentsGA의 각 파라미터들은 결과 값에 상호영향을 준다. 어떻게 조합하느냐에 따라서 결과 값에 차이가 나타난다. 최적 PS, Pc, Pm들을 찾는 것이 GA를 적용하기전에 중요한 문제이다.● 23 full factorial 실험설계 결과 (25 generation) 23 full factorial 실험설계 결과 (25 generation)위 표는 실험설계를 어떻게 하느냐에 따라서 결과가 얼마나 차이가 나는지를 보여주고 있다. 파라미터 값의 훌륭한 조합은 두가지 특성을 가지고 있다. 첫째로 반복 실행을 하는 동안 최적 스케줄의 총 작업시간 평균을 낮게 생성시킨다. 두 번째로 높은 일관성이나 낮은 분산으로 최적의 값을 생성시킨다.● 각 파라미터에 대한 ANOVA 분석 파라미터별 영향 분석PS와 Pm 파라미터가 좋은 해를 향한 GA의 수렴에 높은 영향을 주고 있는 것을 알 수가 있다. 본 문제에서는 각 파라미터의 상호영향에 의한 것 보다는 각각의 파라미터 값에 따라 영향을 받는 것으로 보여진다.PS=50, Pc=0.9, Pm=0.05 일때 가장 우수하였으며, 다음 실험에서는일 때 가장 우수함을 찾아내었다.5. Computational results 5대의 기계, 49개의 작업물의 처리시간(BLF),5대의 기계, 49개의 작업물이 존재하는 blocking flowshop에서 PS=50, Pc=0.9, Pm=0.05,로 설정하고 GA를 적용(100 generation)하였다. 최소 총 작업시간은 3555이고 그 때의 작업순서는6-5-29-4-2-35-20-23-44-42-14-1-10-17-41-40-37-36-38-48-45-18-33-31-7-24-15-8-90-49-9-3-21-34-43-16-12-46-26-13-19-27-32-28-39-11-22-47-25이다.

공학/기술| 2007.07.26| 11페이지| 1,500원| 조회(441)

스케줄링, scheduling, 유전알고리즘, flowshop, 흐름공정

미리보기

닫기
RFID at the METRO Group

RFID Basic1RFID at the METRO GroupIntroduce2Metro's interest in RFID3The future Store Initiative4Preparing for RFID Rollout5Moving to Case-Tagging6RFID Basics RFID란?Radio waves를 사용해서 사물에 부착된 태그로부터 정보를 수집하여 저장함으로써 대상물체를 식별하는 기술근거리 무선기술을 이용 원격으로 감지 및 인식을 통하여 정보교환을 가능하게 하는 기술 유비쿼터스 환경 구현의 핵심기술 사물이 네트워크와 연결되어 실제 비즈니스영역에 효과를 나타낼 때 가치를 가짐RFID Basics RFID 기원 및 발전 배경1935 레이더의 발명 (2차 세계 전쟁) - 비행기의 접근 여부는 확인 가능 , “identify friend or foe” 문제 1939 영국 로얄 공군 – Transponder 개발 - 장비의 식별을 가능하게 하는 첫 Case : RFID와 동일한 원칙이 적용됨 1950-60 Radar와 Radio Frequency Communication systems의 지속적인 R D 1973 미국에서의 Passive Transponder 특허 등록 - Unlock a door without key에 적용 1980 중반 An automated toll payment system 상업화 ~ 2005 RFID의 확장 - 기업 고용인 배지, 마라톤 참가자의 신발, 죄수, 신용카드 ID 인증, 자동차 키에 적용RFID Basics RFID의 구성요소물체의 식별을 위해 유일하게 할당 가능한 숫자 체계물체에 부착되어 RFID Code를 이용하여 정보 전달RFID Tag로부터 RFID Code 및 관련 정보를 수집다수의 Reader로부터 들어오는 정보처리(수집, 여과 등)Tag와 Reader로부터 정보를 수집하고 처리하여 중앙 정보처리 시스템에 전송하며 각 하위장치를 통제RFID CodeRFID TagReaderMiddlewareServer 보조업체 1996-2000 Metro의 국제적 확장 2005 매출 55.7billion 유로 ( 전년대비 4.2% 증가 ) , 2005년까지 564억 유로 판매 2006 30개국 2300지역 이상에서 운영 - 총 고용인 250,000명의 세계 3번째의 도소매유통 업체Introduce Metro 약력Metro Cash Carry – Wholesale Real – Hypermarkets Extra – Supermarkets Media Markt and Saturn – Consumer electronics Praktiker – Building materials Galeria Kaufhof – Department storesIntroduce Metro의 구조Introduce Metro RFID2002. 9 Future Store Initiative (FSI) 설립 2003. 4 소매점 (store of the future) 에 RFID 기술 TEST 시작 2004 100개의 공급업체와 협력하여 250개의 상점, 10개의 창고에 RFID 도입 목표 발표 2004. 7 METRO 그룹 내 RFID 혁신 센터 설립 2004. 11 일부 공급업체에 RFID 태그가 부착된 팔렛 도입 - Unilever, Nestle, P G, Gillette, Johnson Johnson, Kraft Foods, Esprit 2005. 8 33개 공급업체, 9개 물류센터, 13개 METRO 소매점으로 Tagging 팔렛 확장RFID Basic1RFID at the METRO GroupIntroduce2The future Store Initiative4Preparing for RFID Rollout5Moving to Case-Tagging6Metro's interest in RFID3Metro's Interest in RFID RFID 사업의 주요 이익1Reducing Shrink in the Supply Chain 소매산업의 Shrink levels 은 전체 매출의 2%로 보고됨 -s Improved goods transfer and payment process Improved service levels through reduced out-of-stocksPlant inventory accuracy (finished goods) Automatic and certified shipment data reported to finance and inventory systemsIn-Store Handling and Store ShelfDistribution CenterFinished Goods WarehouseFactoryRFID Basic1RFID at the METRO GroupIntroduce2Metro's interest in RFID3Preparing for RFID Rollout5Moving to Case-Tagging6The future Store Initiative4 Future Store Initiative (FSI)The future Store Initiative2002년 9월 Wolfram에 의해 프로젝트 시작 - 기술 파트너 : Intel, SAP, T-Systems, IBM - 거대 브랜드 업체 : Kraft, Gillette, Procter Gamble, L'Oreal - 2003년 초까지 IT, 소비재, 컨설팅, 서비스, 정보 산업기반의 기업들 파트너로 합류 FSI 의 목표 - RFID의 막대한 잠재적 이익 실현 - hands-on experience and not just learning from papers and presentations - 소매 분야에서의 Forward-looking force을 원함 - Metro에 의한 국제적 RFID 기술 기준(표준화) 정착 Future Store Initiative (FSI)The future Store InitiativeFuture Store - 2003년 4월 독일의 Dusseldorf의 작을 마을에 개장 - 고객 만족도 - “매우 만족” 고객이 34%에서 54%로 tial RFID benefits in Metro's supply chain▶ RFID 도입전 ㆍ 지게차는 저장장소에서 팔렛을 선적장소로 옮김 ㆍ 모든 팔렛은 상세한 확인작업 후에 트럭에 적재 ▶ RFID 도입후 ㆍ 팔렛에 부착된 태그로 트럭 운전자는 자동으로 확인 ㆍ 창고작업자는 전체 선적 과정을 감독할 필요가 없어짐ㆍ 창고에서 하루에 취급하는 15대 트럭 중에서 트럭당 10분 절감 ㆍ 근무자가 일년에 250일 근무, 시간당 임금 € 25라고 가정하면, 제조자는 연간 € 16,000 혹은 팔렛당 € 0.2 절약◆ 케이스 단위 태깅을 함으로써 METRO 분배센터에서 혼합-팔렛 픽킹 향상Pontential RFID benefits in Metro's supply chain▶ RFID 도입전 ㆍ 주문이 들어오면, 분배센터는 픽킹 오더를 생성하고 픽킹 담당 직원에게 전송 ㆍ 각 팔렛은 평균 80개 케이스를 구성 ㆍ 픽커는 휴대용 장치에서 픽킹할 케이스의 수 확인 ㆍ 픽커의 실수 발생 · 필요이상으로 많이 픽킹함 · 몇몇 케이스 픽킹하는 것을 잊어버림 · 잘못된 케이스 픽킹 ㆍ 상자당 0.5%의 픽킹 에러 발생 ㆍ 선적장소에서 팔렛의 1%를 다시 셈하기 위한 직원 필요Pontential RFID benefits in Metro's supply chain▶ RFID 도입후 ㆍ지게차의 RFID 리더가 자동으로 픽킹 정보를 저장ㆍ 하루에 취급하는 1,300개의 팔렛당 4분 절감 ㆍ 잠재적 비용 연간 € 430,000 혹은 케이스당 € 0.017 절감 ㆍ 신호로써 픽킹 오류 즉시 파악 ㆍ 팔렛당 체크시간 75분 절감 ㆍ 체크된 팔렛의 1%당 연간 노동비 € 81,000 혹은 케이스당 € 0.003 절감 ㆍ 픽킹에러 감소 → Stockout 감소 ㆍ 매장 재고량 파악 정확성 향상 → 매장 작업률 향상 ㆍ 매장에서 연간 케이스당 1.5 €-cent 절감◆ 케이스 단위 태깅을 하여 매장에서 매대 재보충 향상Pontential RFID benefits in Metro's supplollout▶ 팔렛 단위 태깅 RFID 수행에 METRO와 공급자 모두 많은 선행투자비 요구됨 ▶ 공급자가 처한 문제 ㆍ RFID 태그를 구입해야 함 ㆍ 적합한 전자상품코드(EPC)를 출력해야 함 ㆍ 태그에 정보기입 문제 ㆍ 팔렛에 태그를 붙이는 프로세스가 필요함 ▶ RFID 프린터 비용: € 1,270~3,400 ▶ Class/Gen1 수동형 태그타입 사용 결정 ▶ 태그 가격: € 0.17~ several €◆ Advanced shipping notePreparing for the RFID Rollout▶ 공급자들은 METRO에 팔렛을 보내기 전에 SSCC를 포함하는 Advanced shipping note를 보내야 함◆ 분배센터와 매장에서의 RFID ProcessPreparing for the RFID Rollout▶ 도착한 상품은 RFID 리더와 안테나가 부착된 RFID portal을 통과함 ▶ Portal 비용 : 약 € 8,500 ▶ 입, 출하지역 모두 portal이 설치 되어야 함 ▶ 정보의 흐름 ㆍ RFID portal에 설치된 RFID 리더 → 엣지 서버 → 본부의 premise 서버 ▶ 태그인식 상태에 따른 신호 ㆍ 태그인식 양호: 녹색불 ㆍ 태그인식 장애: 빨간불 ▶ 미들웨어의 가격은 설치된 곳의 수와 어플리케이션의 복잡성에 따라 다양◆ Starting the RolloutPreparing for the RFID Rollout▶ 2004년 11월 팔렛 단위 태깅의 RFID 전개 시작 ▶ 정밀한 프로세스가 요구되어 소수의 공급자만 첫 단계 투입 ▶ 20개 METRO 지역에서 소수의 규모가 큰 공급자와 시작 ▶ 공급자: Gillette, Henkel, Nestle, Esprit ▶ METRO 상점 종류 1. 백화점 (Galeria Kaufhof) 2. 대형 슈퍼마켓 (Real) 3. Cash Carry 도매 상점 (Metro Cash Carry)3년의 기간동안 물류 프로세스를 변형시키는 것목 표◆ 문제 발생Preparing for the RFID}

경영/경제| 2006.12.10| 44페이지| 2,500원| 조회(715)

RFID, 메트로, Metro

미리보기

닫기
[시뮬레이션]ARENA를 이용한 시뮬레이션 4장 연습문제 풀이 평가A+최고예요

ARENA를 이용한 시뮬레이션 4장 연습문제 풀이4-7, 4-10, 4-17, 4-18본문중...4-7. ■ 5개의 작업장 (가공시간: 11, 10, 11, 11, 12)■ 부품 도착시간 간격 UNIF(13,15)■ N+1 작업장에 작업을 마친 부품이 다시 N 작업장 대기열로 돌려보내질 수 있다. (N= 1, 2, 3, 4)■ 재작업을 하게 될 확률은 모두 동일(문제) 재작업확률을 5, 6, 7, 8, 9 % 인 각각의 경우에 대하여 10,000분씩 6번을 시행하시오. 그 결과를 가지고 재방문 확률 대비 평균 시스템 체제시간과 최대 시스템 체제시간에 대한 도표를 만들어라.

공학/기술| 2006.05.22| 6페이지| 1,500원| 조회(4,670)

아레나, 시뮬레이션, 연습문제풀이, arena

미리보기

닫기
[시뮬레이션]ARENA를 이용한 시뮬레이션 5장 연습문제 풀이 평가A+최고예요

5-8 연습문제 5-7에서 부품의 주기 시간을 줄이기 위하여 새로운 우선순위 규칙이 고려되고 있다. 대기 행렬의 우선순위는 어느 작업장에서 불합격 되었는지에 관계없이, 부품이 불합격된 횟수에 기초를 두며 더 많이 불합격될수록 대기 행렬의 뒤에 배치되게 한다. 새로운 우선순위 규칙을 이용하면 주기 시간에 차이가 생기는가? (Hint: 우선순위 스키마로서 불합격된 횟수를 계수하는데 사용하기 위하여 Queue 데이터 모듈을 사용하라)5-17 모델 5-3(재고관리 모델)을 Blocks 패널과 Element 패널을 사용하지 말고, Basic Process 패널과 Advanced Process 패널들에 있는 모듈들만 사용하여 구축하라.5-18 모델 5-3에서 재고 조사 간격과 주문 인도 기간의 상대적인 시간이 두 개 이상의 주문이 발주되어 있는 상황은 없었다. 만일 재고 조사 간격과 주문 인도 기간의 길이를 변경하여 두 개 이상의 주문이 발주된 상태로 있다면 어떻게 될 것인가? 모델 5-3이 여전히 유효할 것인가? (모델 5-3에서 주문량이 재고 조사 개체의 속성으로 나타난 것을 기억하라. 만일 주문량이 변수로 표현되었다면 어떻게 되었을까?)☞ Order Quanty를 개체 속성값이 아닌 Variable 노드에 추가시킨다.① 두 개 이상의 주문이 발주된 상태로 만들기 위해 주문 인도 기간을 UNIF(0.5 , 1.5)로 변경

공학/기술| 2006.06.02| 7페이지| 1,500원| 조회(5,260)

아레나, 시뮬레이션, arena

미리보기

닫기
SEVEN ELEVEN(세븐 일레븐) 사례연구

1. Overview of Seven-Eleven Japan CO.◆ Seven-Eleven Japan CO. 경영의 6가지 측면- Merchandising- Distribution- 점포 construction and facilities- Waste disposal and recycling- Living in harmony with local communities- Franchising◆ Area-dominance strategy이 전략은 일정 지역을 압도적으로 지배할 수 있도록 점포를 집중 출점하는 것이다. Seven-Eleven Japan은 이러한 집중출점방식(Area-dominance strategy)을 수립하여 10,000개가 넘는 점포를 보유하고 있음에도, 그 위치를 32개 관할권으로 제한함으로써, 지역이름의 인식을 높이고, 고객 수를 증가시키면서 분배시스템을 더욱 효율적으로 운영한다. 이 전략은 분배시스템의 routing이 고객의 요구를 원하는 시간에 원하는 장소에서 충족시켜줄 수 있도록 보장해준다.◦ Merit of Area-dominance strategy① 물류비용 삭감② 효과적인 인지도 상승③ 직원에 대한 교육의 밀도 증가④ 해당 지역의 고객 요구에 대한 분석 용이⑤ 독점가능, 타 기업에 대한 방어

경영/경제| 2006.11.22| 13페이지| 2,000원| 조회(2,757)

seven eleven, seven, 세븐 일레는, Overview of Se..

미리보기

닫기