다단계 공급망 최적화와 유전 알고리즘

초록

본 논문은 3계층 공급망에서 비용과 배송 지연을 동시에 최소화하는 이중목적 모델을 제시하고, 유전 알고리즘을 활용해 파레토 최적해 집합을 효율적으로 탐색한다. 진화적 접근법이 다목적 최적화 문제에서 전체 파레토 전선을 포괄적으로 도출하는 데 유리함을 입증한다.

상세 분석

본 연구는 현대 글로벌 시장에서 기업들이 독립적인 개체가 아니라 공급망 전체의 일원으로서 경쟁한다는 전제 하에, 공급망 운영의 핵심 성과 지표인 총비용과 배송 지연을 동시에 최소화하는 이중목적 최적화 모델을 설계하였다. 모델은 3계층(공장‑물류센터‑유통센터) 구조를 기반으로 하며, 각 단계의 생산량, 운송량, 재고량을 결정 변수로 설정하고, 수요 불확실성, 운송 비용 변동, 리드 타임 변동 등을 제약식에 포함시켜 현실성을 높였다. 특히, 비용 목표는 생산·운송·보관 비용의 총합을, 지연 목표는 주문부터 유통센터에 도착하기까지의 평균 지연 시간을 최소화하도록 정의하였다.

다목적 최적화 문제는 일반적으로 파레토 전선을 구하는 것이 목표이며, 전통적인 수리적 방법은 비선형성·이산성·불확실성 때문에 적용이 어려운 경우가 많다. 이에 저자들은 진화 알고리즘, 특히 유전 알고리즘(GA)을 선택하였다. GA는 해 집합을 개체(population) 형태로 유지하면서 교차(crossover)와 돌연변이(mutation) 연산을 통해 탐색 공간을 넓게 커버하고, 엘리트 보존(elitism) 전략을 통해 우수 해를 지속적으로 유지한다. 파레토 전선을 효과적으로 탐색하기 위해 저자는 비지배 정렬(non‑dominated sorting)과 군집 거리(crowding distance) 기반 선택 메커니즘을 도입, 다목적 GA인 NSGA‑II와 유사한 구조를 구현하였다.

실험에서는 가상의 3계층 공급망 데이터를 이용해 GA 파라미터(인구 규모, 교차·돌연변이 확률, 세대 수)를 다변화하여 민감도 분석을 수행하였다. 결과는 GA가 비교 대상인 전통적 선형계획법(LP)이나 단일목적 히스테리시스 기법에 비해 파레토 전선의 다양성과 밀도를 크게 향상시켰으며, 특히 비용과 지연 사이의 트레이드오프 구간을 정밀하게 포착함을 보여준다. 또한, 수요 변동성에 대한 강건성 테스트에서 GA 기반 해가 안정적인 성능을 유지함을 확인하였다.

한계점으로는 모델이 정적 수요 예측에 의존하고, 운송·생산 리소스의 가용성을 이산적인 제약으로만 단순화했으며, GA의 계산 복잡도가 대규모 실제 공급망에 적용될 경우 시간적 제약을 초래할 수 있다는 점을 들 수 있다. 향후 연구에서는 시계열 수요 예측과 동적 재계획, 그리고 하이브리드 메타휴리스틱(예: GA‑탐욕적 로컬 서치) 결합을 통해 실시간 의사결정 지원 시스템으로 확장하는 방안을 제시한다.