단순 조립 라인 균형을 위한 강화된 정수계획 모델

초록

본 논문은 단순 조립 라인 균형 문제(SALBP)의 선행 제약과 역방향 제한을 보다 강력하게 표현한 정수계획 모델을 제안한다. 새롭게 도입된 선행 제약식(26)은 기존의 제약식(21, 3)을 엄격히 지배하며, 선형 완화 해의 품질을 크게 향상시킨다. 또한, 개선된 역방향 제한을 적용해 U‑형 라인 균형(UALBP‑1)과 선행 제약이 있는 배낭 문제(BPP‑P)에도 확장 가능함을 실험적으로 입증한다.

상세 분석

논문은 먼저 SALBP‑1과 SALBP‑2를 정의하고, 기존 문헌에서 사용된 두 종류의 기본 모델을 정리한다. 기본 모델은 작업 i를 역변수 x_{si}∈{0,1}로 표현하고, 각 작업이 정확히 하나의 스테이션에 배정되는 제약(2), 선행 관계를 보장하는 제약(3), 그리고 작업시간 제한을 포함한다. 기존의 선행 제약식은 Patterson·Albracht(1975)의 식(21) 혹은 Thangavelu·Shetty(1971)의 식(22)와 동등한 형태이며, 이는 스테이션 인덱스의 가중합을 이용해 i→j 관계를 강제한다. 그러나 이러한 식은 선형 완화 시 큰 허용오차를 남겨, LP 최적값이 실제 정수해와 크게 차이 나는 경우가 빈번했다.

이를 개선하기 위해 저자들은 새로운 선행 제약식(26)을 제안한다. 식(26)은 모든 스테이션 k에 대해 “k 이하의 스테이션에 i가 배정되면, j도 k 이하에 배정되어야 한다”는 조건을 명시적으로 기술한다. 이 제약은 기존 식을 합산한 형태보다 강력하며, 정수해 공간을 더 좁힌다. 논문은 Proposition 1을 통해 (26)의 타당성을 증명하고, Proposition 2에서 (26)이 (21)·(3)보다 엄격히 우월함을 수학적으로 보여준다. 특히, (26)은 기존 제약들의 집합을 포함하면서도 추가적인 차원에서 선행 관계를 제한하므로, LP 완화 해의 목표값이 실제 정수 최적값에 근접한다.

역방향 제한 측면에서는 기존 연구(Pastor·Ferrerr, 2009)의 E_i(c,m), L_i(c,m) 구간을 더욱 강화한다. 식(23)·(24)·(25)는 “작업 i가 특정 스테이션보다 앞(또는 뒤)에 배정될 수 없을 경우, 그보다 앞(또는 뒤) 모든 스테이션에서도 배정이 불가능”함을 명시한다. 이는 변수 x_{ui}에 대한 추가 상한·하한을 도입해 모델의 이산성을 강화한다.

이러한 개선된 모델을 SALBP‑1, SALBP‑2에 각각 적용한 결과, 표 1·2에 정리된 바와 같이 변수·제약 수는 크게 증가하지 않으면서도 LP 완화의 목표값이 기존 모델 대비 평균 15~20% 개선되었다. 특히, SALBP‑1에서 가장 강력한 조합인 BW2‑1(NF) 모델은 기존 BW1‑1 대비 동일 인스턴스에서 최적해를 0.5% 이하의 GAP으로 찾았다.

다음으로 저자들은 두 파생 문제에 모델을 확장한다. U‑형 라인 균형(UALBP‑1)에서는 전·후방 패스를 각각 x_{si}, w_{si}로 구분하고, 기존 선행 제약을 (32)·(33) 대신 (36)·(37)로 교체한다. 이는 전·후방 모두에 대해 (26)의 강력한 선행 제한을 적용함을 의미한다. 실험 결과, 기존 Urban(1998) 모델 대비 평균 12% 적은 스테이션 수로 동일 사이클 타임을 달성했다.

마지막으로 배낭 문제 with precedence(BPP‑P)에서는 작업 간 엄격한 선행 관계를 고려해 (40) 형태의 엄격 선행 제약을 도입하고, 역방향 제한을 (23) 형태로 적용한다. 이 모델은 Dell’Amico et al.(2012)의 정수 모델과 비교해 동일 인스턴스에서 1~2개의 추가 bin 감소를 보였으며, LP 완화 해의 목표값도 현저히 낮았다.

전반적으로 논문은 선행 제약과 역방향 제한을 동시에 강화함으로써, SALBP 및 그 파생 문제들의 정수계획 모델을 이론적으로도, 실험적으로도 우수하게 만든다. 제안된 모델은 기존 휴리스틱·분기한법과 결합해 대규모 실무 적용에도 충분히 활용 가능할 것으로 기대된다.