COVID-19 팬데믹 이후 온라인 상거래가 급격하게 성장함에 따라 물류 작업의 효율화가 중요한 문제로 대두되고 있다. 이에 본 연구에서는 대량의 다양한 주문에 맞추어 제품을 포장하는 digital picking system (DPS) 하에서 물류 작업의 효율성을 높이기 위한 방안으로, 물류 작업장 내 워크스테이션별 stock keeping unit(SKU) 배치 최적화를 통해 토트의 분기 횟수를 최소화하는 방법을 고려한다. 전통적 최적화 방식에 입각하여 분기 횟수 최소화를 위해 연관 주문 수 최대화를 목적으로 하는 최적화 식을 수립하고 이는 multiple-choice knapsack problem(MCKP)으로 완화되어 NP-hard 문제임을 확인한다. 이에 머신러닝 기법인 연관분석을 사용하여 SKU간의 연관 규칙을 파악하고 이를 활용하여 분기 횟수 최소화와 작업량 편차 완화를 목표로 하는 SKU 배치 방안에 대한 휴리스틱 알고리즘을 제안한다. 다양한 선별 및 배치 기준 하에서 연관규칙의 적용 여부에 따라 SKU 배치 방안을 비교 분석한다. 그 결과 모든 기준 하에서 연관 규칙을 사용하여 SKU를 배치할 때 분기 횟수는 유의하게 감소하고 작업량 편차는 유의하게 증가하지 않음을 보인다.
As the e-commerce market has grown rapidly since the coronavirus pandemic, the efficiency of logistics operations has emerged as an important issue. As a way to improve the efficiency of digital picking system (DPS) that handles picking products to fulfill orders, we consider stock keeping unit (SKU) arrangement optimization to reduce the total number of visits to workstations to pack products in totes for a large set of orders. We develop the SKU arrangement optimization model and show that it can be relaxed to be equivalent to multiple-choice knapsack problem (MCKU), which is NP-hard. Recognizing the optimization model cannot be applied in practice, an association-rule-based heuristic algorithm for SKU arrangement is proposed to minimize the number of workstation visits considering variation in the workload among workstations. Under various criteria for SKU selection and arrangement, the heuristic algorithm is shown to significantly reduce the total number of visits not increasing the degree of variation in workstation loads.
Ⅰ. 서론
Ⅱ. 선행연구
Ⅲ. 연구 방법 및 분석 결과
Ⅳ. 결론
참고문헌