http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
FP-Growth 기법을 활용한 건자재 재고 재배치 기법 개발
이효준,김재원,신광섭,Lee, Hyo-Jun,Kim, Jae-Won,Shin, Kwang Sup 한국빅데이터학회 2017 한국빅데이터학회 학회지 Vol.2 No.1
재고의 배치 위치는 오더 피킹 시 효율성을 결정하는 가장 중요한 요소라고 할 수 있다. 적재위치에 따라 오더 피킹 장비의 동선을 최소화할 수 있고, 그에 따라 비용 절감 및 작업 효율성 향상의 효과를 기대할 수 있기 때문이다. 그러나 일부 물류센터 혹은 야적장에서는 제품의 적재 위치를 결정하는 데 있어 체계적이고 분석적 기법 보다는 작업자의 직관과 경험에 의존하고 있는 것이 현실이다. 본 연구에서는 실제 건자재제조업체의 실제 야적장의 구조와 실제 연간 주문 내역을 바탕으로 제품 사이의 연관성을 파악하고, 그 결과를 기준으로 제품의 적재 위치를 결정하는 새로운 기준을 제시한다. 이를 통해 집하를 위한 동선을 최소화하고, 상차 지연에 따른 납기 지연의 문제를 해결할 수 있음을 실제 주문 데이터를 통해 증명한다. The inventory location is the mos important factor which decide the efficiency of picking orders. According to the inventory location, it is possible to optimize the route for picking order, and then it makes us to expect the cost reduction and efficiency improvement. However, it is practical situation to make decisions where to keep the products based on manager's intuition and experience, not based on the systematical or analytical approach. In this research, with the practical order data of cropper product and layout for the storage yard, the association rules have found, and then the new methodology has been devised to make the decision where to keep the inventory. By utilizing the practical order data for a year, it has been proved that the proposed approach can reduce the total distance of the all routes for picking order and solve the problem of delayed delivery.
항만 물류 환경에서 다중 에이전트 강화학습 기반 최적 배차 모델링 방법
이효준(Hyo-june Lee),장우석(Woo-seok Jang),이성진(Seong-Jin Lee),김동규(Dong-gyu Kim) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
항만 물류 환경에서 배차 업무원은 화주가 등록한 컨테이너 화물을 화물 운송 기사에게 매칭하는 배차 업무를 진행한다. 이 때, 최대 효율을 위해서는 컨테이너 운송기사의 위치 및 컨테이너의 상차 또는 하차 위치를 고려하여 배차 업무를 수행함으로서 운송거리를 최소화 하는 것이 요구된다. 본 논문에서는 운송 효율을 최대화 하는 강화학습 기반 최적 배차 모델링 방법을 제안하고 그 분석 결과를 제시한다. In a port logistics environment, dispatchers carry out dispatching tasks that match container registered by shippers with truck drivers. At this time, for maximum efficiency, it is required to minimize the transportation distance by performing the dispatching task in consideration of the location of the container transport driver and the loading or unloading location of the container. In this paper, we propose an optimal vehicle dispatch modeling method based on reinforcement learning that maximizes transportation efficiency and present the analysis results.