불확실성 고려 최소최대후회식 허브 입지 최적화

초록

본 논문은 설비 구축비와 수요의 불확실성을 시나리오 기반으로 모델링하고, 최소 최대 후회(minimax regret) 접근법을 적용한 용량제한형 허브 입지 문제를 제시한다. 다중 할당 구조를 유지하면서 결정변수는 허브 설치 여부와 흐름 비율이며, 제약식은 흐름 연속성, 용량 제한 및 이진성 등을 포함한다. 실험에서는 확정형 모델과 계절별 최적화 모델을 비교해 불확실성을 반영했을 때 허브 배치가 어떻게 달라지는지를 분석하고, 식품 제조 기업 사례를 통해 제안 모델의 실용성을 검증한다.

상세 분석

이 연구는 허브 입지 문제(HLP)를 용량제한(capacitated)과 다중 할당(multiple allocation)이라는 두 핵심 특성을 동시에 고려한다는 점에서 기존 문헌과 차별화된다. 기존 HLP 모델들은 대부분 확정된 비용·수요를 전제로 하여 최적화했으며, 불확실성을 반영하려면 확률적 모델이나 시나리오 기반의 스터캐스틱 프로그래밍을 도입해야 했다. 그러나 확률분포를 정확히 추정하기 어려운 실무 상황에서는 강건(robust) 최적화가 더 적합하다. 논문은 이 점을 인식하고, ‘최소 최대 후회(minimax regret)’라는 강건 최적화 기법을 선택한다. 최소 최대 후회는 각 시나리오별 최적해와 현재 해의 비용 차이(후회)를 계산하고, 그 중 최악의 후회값을 최소화함으로써 확률 가정에 의존하지 않으면서도 보수적인 결정을 가능하게 한다.

모델링 단계에서 저자는 먼저 Campbell(1994)의 결정변수와 제약조건을 그대로 차용해 기본 deterministic 모델을 구축한다. 흐름 변수 x_{ij}^{km}은 원점 i에서 목적지 j까지 허브 k와 m를 차례로 통과하는 흐름 비율을 나타내며, 이진 변수 y_k는 노드 k가 허브인지 스포크인지를 나타낸다. 제약식(3)·(4)는 흐름이 선택된 허브를 반드시 거치도록 보장하고, 제약식(5)는 각 허브의 용량 Γ_k를 초과하지 못하도록 제한한다. 이러한 기본 구조는 선형 형태이면서도 다중 할당을 자연스럽게 표현한다는 장점이 있다.

불확실성 요소는 두 가지 시나리오 집합 S⁰(설치비)와 Sʷ(수요)로 정의된다. 각 시나리오 s⁰∈S⁰에 대해 허브 설치비 F_k^{s⁰}가 달라지고, 각 시나리오 s∈Sʷ에 대해 수요 W_{ij}^s가 변동한다. 후회값은 ‘시나리오별 최적 비용 – 현재 해의 비용’으로 정의되며, 이를 최소화하는 목표함수는 모든 시나리오에 대해 선형화가 가능하도록 추가 변수 R을 도입해 구현한다. 즉, R ≥ Z(s) – Z⁎(s) ∀s, 여기서 Z(s)는 현재 해의 총비용, Z⁎(s)는 시나리오 s에서의 최적비용이다. 최종 모델은 원래의 4개의 제약식에 더해 R을 최소화하는 하나의 목표식과, 각 시나리오에 대한 후회 제약을 포함한다.

계산 실험에서는 두 가지 비교대상이 제시된다. 첫 번째는 전통적인 확정형 모델로, 평균값을 사용해 비용과 수요를 고정하고 최적해를 구한다. 두 번째는 ‘계절별 최적화(seasonal optimization)’ 접근법으로, 각 계절(시나리오)마다 별도로 최적화를 수행하고 결과를 평균하거나 가중합한다. 실험 결과, 확정형 모델은 특정 시나리오에서 큰 비용 초과를 보이며, 특히 수요가 급증하거나 설치비가 상승하는 경우에 취약함을 확인했다. 반면 최소 최대 후회 모델은 모든 시나리오에 대해 후회값을 제한함으로써 전체 비용 변동성을 크게 감소시켰다. 특히 용량제한이 엄격한 경우, 후회 모델이 선택한 허브 위치는 평균 수요보다 높은 피크 수요를 고려한 보다 보수적인 배치를 보여준다.

산업 사례로는 이란의 식품 생산 기업을 대상으로 계절별 수요 변동과 토지·설비 비용의 불확실성을 반영한 실제 데이터를 사용했다. 모델 적용 결과, 기존에 사용하던 허브 네트워크와 비교해 총 비용이 약 7% 절감되었으며, 특히 피크 시즌에 발생하던 물류 병목 현상이 완화되었다. 또한, 모델이 제시한 허브 수와 위치는 전략적 장기 계획에 바로 적용 가능하도록 ‘하나의 확정 해’를 제공한다는 점에서 실무적 가치가 크다.

이 논문은 다음과 같은 학술적·실무적 시사점을 제공한다. 첫째, 최소 최대 후회 모델은 확률분포를 추정하기 어려운 상황에서도 강건한 의사결정을 지원한다. 둘째, 용량제한과 다중 할당을 동시에 고려함으로써 현실적인 물류 네트워크 설계에 가까운 모델링이 가능하다. 셋째, 시나리오 기반 접근법은 정책 입안자나 기업 경영진이 ‘최악의 경우’를 대비한 전략을 수립하도록 돕는다. 마지막으로, 모델이 선형 형태를 유지하므로 상용 MILP 솔버를 이용한 대규모 문제에도 적용 가능하다는 실용성을 갖는다. 향후 연구에서는 설비 고장·재고 비용 등 추가적인 불확실성 요인을 포함하거나, 동적 재배치(reconfiguration) 비용을 고려한 다기간 모델링으로 확장할 여지가 있다.