문제
The Model Group 은 견고하고 골판지로 만든 지능적이고 혁신적이며 고품질의 디스플레이 솔루션을 개발, 생산 및 공급합니다. 이 회사는 7개국에 걸쳐 15개의 위치에서 총 4,500명의 직원이 근무하고 있습니다.
스위스 바인펠덴에 위치한 그들의 공장에서는 하루에 약 200개의 작업을 19개의 다른 기계에서 생산합니다. 모든 일일 일정은 네 명의 생산 계획자가 매일 최선의 일정을 짜려고 노력하며 이루어졌습니다. 이 계획자들은 경험에 의존해 결정을 내렸지만, 설계된 일정들을 검증하고 비교하여 어느 것이 더 나은지 이해할 수 있는 방법이 없었습니다.
계획자들은 작업장 일정을 개선하여 더 좋고 효율적으로 만들고 싶어 했습니다. 생산 라인 시스템의 요소들 사이의 의존성 때문에 일정 생성은 복잡한 과정이었습니다.
솔루션
ProSim 은 제조 및 물류 회사들과 주로 협력하여 데이터 및 시뮬레이션을 사용하여 더 나은 비즈니스 결정을 내릴 수 있도록 돕는 회사입니다. 그들은 또한 AI 기반 시뮬레이션에 많은 잠재력을 보고 있습니다.
The Model Group이 제시한 작업장 일정 문제를 해결하기 위해 ProSim은 다양한 작업장 일정 기술을 통합한 AnyLogic 시뮬레이션 모델을 개발하여 계획자의 일정에 대한 피드백을 제공했습니다.
계획자들은 계속해서 수동으로 일정을 생성한 다음 모델에 입력하고 매일 비교 및 검증하여 일정을 매일 개선하고 있습니다.
이어서 ProSim은 계획자들의 입력 없이 일정을 생성하기 위해 시뮬레이션 모델과 함께 AI 에이전트를 구현하기로 결정했습니다.
이 접근 방식은 잘 작동하여 좋은 결과를 가져왔지만, 그들은 작업 일정을 계획하기 위해 시뮬레이션 모델에 유전 알고리즘을 사용하여 이를 더 발전시키기로 결정했습니다.
유전 알고리즘은 자연 선택에 기반한 최적화 문제를 해결합니다. 개체들로 구성된 세대가 있으며, 각 개체는 자신만의 장점과 단점을 가지고 있습니다. 이러한 특성 때문에 일부 개체는 생존하고 일부는 도태됩니다. 생존하는 개체들은 이전보다 더 강하고 나은 새로운 돌연변이 개체를 만들려고 시도합니다.
이후에는 완전히 새로운 세대가 생겨나고, 이 과정은 더 나은 개체가 없을 때까지 반복됩니다. 이 경우, 개체들은 새로운 일정들입니다.
작업 일정 계획 과정의 첫 번째 단계는 모델에서 무작위로 일정을 생성하는 것입니다. 이 과정이 진행될 때마다 약 200개의 일정이 처음에 생성됩니다. 그런 다음 유전 알고리즘을 사용하여 각 세대마다 일정을 개선합니다.
모델은 보통 약 100세대 동안 실행되며, 매번 일정 수를 줄입니다. 마지막에는 최적의 일정이 나옵니다. 사용자는 시뮬레이션 모델에서 최상의 해결책을 살펴보고 생산 일정, 총 설치 시간, 총 생산 시간, 총 지연 시간 등을 자세히 알아볼 수 있습니다.
결과
모델 그룹에서 정의한 KPI를 기반으로, 유전 알고리즘을 사용한 작업장 일정 조정 기법은 AI 기반 시뮬레이션 및 수동 일정 조정보다 더 나은 결과를 내는 것으로 입증되었습니다. 작업장 일정은 18% 개선 되었습니다. 현재 세 개의 생산 라인이 시뮬레이션 모델에서 유전 알고리즘을 사용하여 모델링되었으며, 미래에 더 많은 라인을 모델링할 계획입니다. ProSim은 또한 AI 기반 시뮬레이션 및 유전 알고리즘을 계속 연구하여 문제를 더 해결하기 위해 노력하고 있습니다.
이 사례 연구는 2022년 AnyLogic 컨퍼런스에서 ProSim의 Patrick Kehrli가 발표했습니다.
슬라이드는 PDF 로 제공됩니다.
