저 시-비 리-동 조건 경허락 2.0 한민

는 아래 조건 르는 경 에 한하여 게

l 저 물 복제, 포, 전송, 전시, 공연 송할 수 습니다.

l 차적 저 물 성할 수 습니다.

다 과 같 조건 라야 합니다:

l 하는, 저 물 나 포 경 , 저 물에 적 허락조건 확하게 나타내어야 합니다.

l 저 터 허가를 러한 조건들 적 지 않습니다.

저 에 른 리는 내 에 하여 향 지 않습니다.

것 허락규약(Legal Code) 해하 쉽게 약한 것 니다.

Disclaimer

저 시. 하는 원저 를 시하여야 합니다.

비 리. 하는 저 물 리 적 할 수 없습니다.

동 조건 경허락. 하가 저 물 개 , 형 또는 가공했 경에는, 저 물과 동 한 허락조건하에서만 포할 수 습니다.

공학박사학 논문

공 망 단 을 고려한 복합운송 배송 략 연구

A Multimodal Freight Distribution Strategy

with Supply Chain Disruption

2012년 8월

서울 학교 학원

건설환경공학부

허 성 호

공 망 단 을 고려한 복합운송 배송 략 연구

A Multimodal Freight Distribution Strategy

with Supply Chain Disruption

지도교수 경 수

이 논문을 공학박사 학 논문으로 제출함.

2012년 4월

서울 학교 학원

건설환경공학부

허 성 호

허성호의 공학박사 학 논문을 인 함.

2012년 6월

원 장

부 원장

원

원

원

- i -

국 문 록

물류운송 네트워크에서 자연재해나 테러, 사고와 같이 측하지 못한 사건

은 공 망의 단 을 가져와 큰 피해비용을 야기할 수 있다. 따라서 네트워크

의 계획 과정에서 공 망 단 과 같은 불확실한 외부 요인들을 반 하여 물류

략을 수립하여야 하는 필요성이 요구되고 있으며, 본 연구에서는 량 배정

배송 략과 이원화 배정 배송 략을 함께 고려하는 다원화된 복합운송 배송

략을 제안하여 갑작스러운 노드단 에 비하고자 하 다.

기존의 물류네트워크 단 연구에서는 주로 생산시설의 단 에 비한 략

을 수립하고 있는데 반해, 본 연구에서는 물류거 의 단 로 운송 네트워크가

혼란스러워지는 상황에 비하여 물류거 을 결정하고 안 재고 수 이원

화 배송 여부, 이원화경로의 물량 비율을 결정하는 모형을 제시하 다. 특히

노드 단 과 같은 사건 발생의 피해비용을 수송비용 증가와 손해비용 발생으

로 구분하여 용하여 좀 더 실 이고 차별화된 모사가 가능하도록 하 다.

아울러 확률 인 수요의 변동에 해서도 같은 방법으로 피해비용을 용하도

록 하 다.

노드 단 의 험성과 수요변동성을 고려한 물류 략의 수립을 해 본 연

구에서는 입자군집최 화 알고리즘을 도입하여 최 물류거 들을 선택하고

안 재고수 , 이원화비율을 결정하도록 하 으며, 효율성을 높여 합리 인 시

간 내에 우수해를 찾을 수 있도록 알고리즘을 수정 용하 다.

본 연구에서 제시하는 이원화 배송 복합수송 배송 략 결정모형을 용하면

실제 노드단 이 발생하 을 때, 최소한의 피해비용을 부담하며 신속한 응

이 가능하다. 특히 체제가 존재하는 물류서비스 시장에서 지연배송이 유발

하는 피해수 을 고려할 때 본 연구와 같은 략수립은 기업의 장래에도 큰

향을 미칠 것이다. 따라서 본 연구에서 제시된 바와 같이 물류계획 단계에

- ii -

서 공 망 단 의 험을 미리 반 한다면 피해규모를 최소화 할 수 있을 것

으로 기 된다.

주요어 : 물류배송 략 결정, 분배센터 단 , 이원화루트수송, 복합 화물수

송, 입자군집최 화 알고리즘

학 번 : 2007-30848

- iii -

제 목 차 례

제 1 장 서 론 ····························································································1

1.1 연구의 배경 목 ·······························································································1

1.1.1 연구의 배경 ·········································································································1

1.1.2 연구의 목 ·········································································································4

1.2 연구의 구성 내용 ·······························································································5

1.2.1 연구의 기본 제 범 ···················································································5

1.2.2 연구의 구성 내용 ··························································································7

제 2 장 선행연구 검토 ··········································································11

2.1 물류거 -재고 결정문제 ························································································12

2.2 복합운송 네트워크 설계문제 ···············································································14

2.3 다 할당 정책 문제 ·······························································································18

2.4 네트워크 단 비 문제 ·····················································································21

2.5 선행연구 검토결과 본 논문의 차별성 ·························································27

제 3 장 방법론 설정 모형식 개발 ················································29

3.1 용어 정리 ·················································································································30

3.2 문제의 범 기본 제 ·····················································································31

3.3 입지-재고 문제 ········································································································33

3.3.1 험 집 치결정 모형(Location Model with Risk Pooling, LMRP) ····· 33

3.3.2 Capacitated Reliability Fixed-charge Location Problem (CRFLP) ··············34

3.4 수요의 불확실성을 고려한 재고운 문제 ·······················································35

3.5 노드단 험성을 고려한 복합운송 모형 구축 ·············································36

3.5.1 문제정의 ···········································································································36

- iv -

3.5.2 모형구축 ·············································································································39

제 4 장 알고리즘의 도입 ····································································51

4.1 입자군집최 화(Particle Swarm Optimization)의 개요 ·································53

4.1.1 개념 배경 ·····································································································53

4.1.2 알고리즘의 용어 구성 ·················································································54

4.2 입자군집최 화(Particle Swarm Optimization)의 도입 ·······························55

4.2.1 입자 표 ···········································································································55

4.2.2 기 모집단 ·····································································································56

4.2.3 pBest, gBest의 결정 ·························································································56

4.2.4 속도 계산 입자 갱신 ···················································································57

4.2.5 종료조건 ·············································································································57

제 5 장 모형의 용 ··············································································59

5.1 사례분석의 입력변수 설정 ···················································································60

5.1.1 용 네트워크 생성 ························································································62

5.1.2 분석 환경 ·········································································································63

5.2 제네트워크 용 분석 ·······················································································63

5.2.1 단 손해비용 변화 ····························································································67

5.2.2 계층별 수송비용 비율 변화 ·············································································69

5.2.3 수단별 수송비용 비율 변화 ·············································································71

5.2.4 수요지 완충재고비율 변화 ···············································································73

5.3 알고리즘 성능 검증 용환경 분석 ·····························································75

5.3.1 알고리즘 성능 검증 ··························································································75

5.3.2 기입자 설정 ···································································································76

5.3.3 네트워크 규모별 정 알고리즘 분석환경 ·····················································77

- v -

5.4 상황변화에 따른 의사결정 분석 ·········································································82

5.4.1 손해비용 변화와 의사결정 ·············································································84

5.4.2 단 발생확률 변화와 의사결정 ······································································88

5.4.3 수요지 완충재고 비율 변화와 의사결정 ·······················································92

5.4.4 양방향 의사결정 분석 ······················································································96

5.5 규모 네트워크 용 분석 ·················································································98

제 6 장 결론 향후 연구과제 ························································103

참 고 문 헌 ······················································································108

부 록 ······································································································117

- vi -

표 차 례

[표 2-1] 선행연구 정리 표기법 ··················································································25

[표 2-2] 선행연구 비교 정리 ················································································26

[표 4-1] 진화알고리즘의 비교 ····················································································52

[표 5-1] 단 손해비용 변화에 따른 변수 계 변화 ··············································68

[표 5-2] 간선 수송비 변화에 따른 변수 계 변화 ················································70

[표 5-3] 긴 수송수단 비용 변화에 따른 변수 계 변화 ····································72

[표 5-4] 수요지 완충재고비율 변화에 따른 변수 계 변화 ································74

[표 5-5] 알고리즘 성능 검증 분석 결과 (소규모네트워크 용) ·······················75

[표 5-6] 입자가속도 변화에 따른 알고리즘 성능비교 ··········································78

[표 5-7] 수렴기 변화에 따른 알고리즘 성능비교 ··············································80

[표 5-8] 입자수 변화에 따른 알고리즘 성능비교 ··················································81

[표 5-9] 량배정 배송 략과 이원화 배송 략 비교 ··········································82

[표 5-10] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3) ·············85

[표 5-11] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3)(계속) ··· 85

[표 5-12] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3)(계속) ··· 86

[표 5-13] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3) ·············89

[표 5-14] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3)(계속) ··· 90

[표 5-15] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3)(계속) ··· 90

[표 5-16] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3) ·········93

[표 5-17] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3)(계속) 94

[표 5-18] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3)(계속) 94

[표 5-19] 단 손해비용과 단 발생확률변화에 따른 의사결정 변화 ················97

- vii -

[표 5-20] 안 재고 물류거 별 이원화 비율 ··················································98

[표 5-21] 각 수요지의 물류거 이원화 할당 ························································98

- viii -

그 림 차 례

[그림 1-1] 국제 수출입 물량 규모 (백만US$) ··························································1

[그림 1-2] 연구의 수행 흐름도 ····················································································9

[그림 3-1] 2계층 복합운송 네트워크 모형 ······························································29

[그림 3-2] 물류거 재고량과 SOi, sati, rsti의 계 ·············································43

[그림 3-3] , dat,

, mft 의 계 ······································································46

[그림 3-4] 노드단 발생시 재고부족 발생 ··························································47

[그림 4-1] 역탐색과 입자군집최 화 알고리즘의 본 모형 탐색시간 비교 ·· 51

[그림 4-2] PSO의 해탐색 수행 개념 ········································································53

[그림 4-3] PSO의 입자 표 pBest, gBest ························································56

[그림 4-4] 입자군집최 화 알고리즘 분석 흐름도 ················································58

[그림 5-1] 분석 네트워크 노드 치도 (소규모) ···················································62

[그림 5-2] 제네트워크 노드 치도 ······································································64

[그림 5-3] 이원화비율-안 재고-물류비 계 ·························································65

[그림 5-4] 이원화비율-안 재고-물류비 계(평면) ···············································65

[그림 5-5] 이원화비율-물류비 계 ···········································································66

[그림 5-6] 안 재고-물류비 계 ···············································································66

[그림 5-7] 단 손해비용 증가에 따른 물류비 평면 변화 ····································67

[그림 5-8] 간선 수송비 증가에 따른 물류비평면 변화 ········································69

[그림 5-9] 긴 수단 수송비용 증가에 따른 물류비 평면 변화 ··························71

[그림 5-10] 수요지 완충재고 증가에 따른 물류비 평면 변화 ····························73

[그림 5-11] 수요지 수 증가에 따른 계산수행시간 비교 (RDC수=3) ················76

[그림 5-12] 입자가속도 변화에 따른 알고리즘 성능 비교 ··································79

- ix -

[그림 5-13] 수렴기 변화에 따른 알고리즘 성능 비교 ······································80

[그림 5-14] 입자수 변화에 따른 알고리즘 성능 비교 ··········································81

[그림 5-15] 의사결정트리를 통한 량배송과 이원화 배송의 의사결정 로세스 ·83

[그림 5-16] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3) ······87

[그림 5-17] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=4) ······87

[그림 5-18] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=5) ······88

[그림 5-19] 노드단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3) ··· 91

[그림 5-20] 노드단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=4) ··· 91

[그림 5-21] 노드단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=5) ··· 92

[그림 5-22] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3) · 95

[그림 5-23] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=4) · 95

[그림 5-24] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=5) · 96

[그림 5-25] 손해비용과 단 확률 변화에 따른 상물류비 변화 ······················97

[그림 5-26] 이원화 1순 물량 배송경로 ··························································99

[그림 5-27] 이원화 2순 물량 배송경로 ························································100

[그림 5-28] 1순 (실선) 2순 ( 선) 물량 배송경로 ·····································101

[그림 5-29] 환경변화에 따른 의사결정 변화 ························································102

- 1 -

[그림 1-1] 국제 수출입 물량 규모 (백만US$)

제 1 장 서 론

1.1 연구의 배경 목

1.1.1 연구의 배경

세계은행의 경제지표 통계에 따르면 1990년 24조US$ 규모이던 세계

국제 수출입 물동량은 2000년 반 약 48조US$에 달하 고, 2007년에 들어

와서는 96조US$의 규모를 보일정도로 격한 성장을 하여왔다.1) 이는 자유무

역체제를 통한 무역장벽의 완화 탈규제로 인해 국가간 물류가 자유로워졌

을 뿐 아니라, 수송수단 지원기술의 발달로 다수량 장거리 수송이 용이해

졌기 때문으로 볼 수 있다.

우리나라의 경우도 마찬가지로 1990년 2.2억 톤이던 수출입 물량이 2008

년 약 9억 톤에 달할 정도로 큰 성장을 거듭하여왔다. 특히 우리나라는 주변

환경에 의해 모든 수출입 물동량이 해상 는 항공을 통해 오가는 특성을 갖

는데, 이는 기본 으로 두 가지 이상의 운송수단을 연계하여 수송하는 복합운

1) World dataBank. [Accessed 10 March 2012]

- 2 -

송을 활용하게 됨을 의미한다. 특히 우리나라의 수출 물류에서와 같이 복합운

송에서는 주로 량수송이 가능한 선박이나 수송시간이 짧은 비행기를 통해

장거리 수송의 효율성을 높이고 끝단에 치한 지역 내 수송에서는 근성을

높이기 해 주로 트럭을 활용하게 되는데, 이로부터 환 터미 는 이에

하는 물류거 을 반드시 지나게 되는 특성을 갖는다. 이러한 수송구조는 배

송 규모에 따른 규모의 경제(Economies of Scale) 효과를 도입하여 효율성을

높여주는 장 을 지니는 반면, 간 거 으로 치하는 소수의 노드에 물동량

이 다량으로 모이게 되어 그 험성이 증가한다는 단 을 지니기도 한다.

물류 거 에서는 다양한 외부요인으로부터 단 (Disruption)이 발생할 수 있

다. 2005년 발생한 미국 허리 인 카트리나 피해2)나 2011년 일본 동부 쓰나미

피해, 만의 홍수피해와 같이 자연재해로 시설이 손되는 경우가 있으며,

2001년 미국 9.11 테러 당시 국경이 쇄된 바와 같이 테러나 쟁과 같이 정

치 인 요인으로 거 의 근이 불가능하게 되는 경우도 있다. 좀 더 빈번한

요인으로는 업으로 시설사용이 불가능한 경우, 화재나 폭발과 같은 안 사

고 발생 등이 있으며, 이와 같은 다양한 요인으로 인해 공 망(Supply Chain)

에서 단 이 발생할 수 있다. 세계 으로 무역 규모가 커져가는 가운데 이

러한 사례들과 같이 일시 인 노드 단 이 발생하게 되면 그 노드를 지나는

모든 물동량은 수송되지 못하고, 다른 수송경로를 확보하기 해 배송이 지연

되는 등 큰 피해를 입게 된다.

특히 이러한 배송지연은 제조기업을 상으로 하는 물류에서 그 효과가

커지는데, 이는 부품조달의 지연이 커질 경우 생산일정 차질 생산라인의

단으로 이어져 피해 규모가 격히 증가하기 때문이다. 실제로 2000년 미국

2) 한진해운의 경우 테네시 주 멤피스, 앨라배마 주 헌츠빌 등 미국 남부 등지로 배송되어야

할 컨테이 약 650여개의 운송이 지연됨. 체 루트를 사 에 악해 계약시 납기를 충분

히 늘려 잡고 추가 비용을 계약액 산정에 필히 반 하는 것이 필요한 것으로 지 됨, 연합

뉴스, 2005. 9. 6.

- 3 -

뉴멕시코 주 앨버커키(Albuquerque)에 치한 필립스공장의 화재로 인해 노키

아(Nokia)사와 에릭슨(Ericsson)사에서 휴 화 부품을 제 때에 공 받지 못

한 경우가 발생한 바 있는데, 노키아사는 신속한 응으로 생산일정 차질에

한 피해를 최소화 하 으나 에릭슨사는 안이한 처로 사태의 심각성을 깨

닫는 데에 일주일이나 걸리게 되었다. 그 결과 에릭슨사는 신제품 출시가 늦

어지고 약 4억 US$의 손실을 입어 결국 휴 화 사업을 축소하게 되었으며,

반 로 노키아사는 이를 계기로 휴 화 시장 유율을 높일 수 있는 계기가

되었다.3) 이러한 사례와 같이 제조기업에 한 수송은 공 지연이 유발할 수

있는 피해의 크기에 따라 노드 단 에 해 상 으로 민감할 수밖에 없으며

기업들도 이에 한 비책을 확보하기 해 많은 노력을 기울이고 있다.

재까지 공 사슬 내 물류수송 연구는 JIT(Just In Time) 시스템이나

Kanban 시스템과 같이 최소비용과 최 효율을 심으로 부분 진행되어 왔

으며 이는 활발한 물류활동과 다양한 배송 략의 수립 등 물류시장에 정

인 효과를 가져왔다. 특히 규모의 경제를 실 하여 가로 량수송이 가능한

형수송수단을 활용하는 복합수송 모형은 물류비 감소에 핵심 인 역할을 해

왔다. 하지만 노드 단 과 같은 문제는 통 인 물류 연구에서는 포함되고

있지 않거나 제한 으로 고려되고 있는 한계가 있으며, 2000년 에 들어와서

네트워크 취약성(Vulnerability), 안 (Safety), 탄력성(Resiliency)에 련된 문제

가 Juttner et al. (2003), Rice and Caniato (2003), Elkins et al. (2005), Sheffi

(2005), Snyder (2006) 등의 연구에서 차 활발히 연구되는 추세이다. 따라서

늘어나는 물동량과 공 망 단 을 야기하는 외부요인의 불확실성, 그리고 이

에 따른 피해규모를 고려할 때 이를 고려하는 최 배송 략 수립 모형이 요구

된다.

3) Sheffi and Rice Jr. (2005)

- 4 -

1.1.2 연구의 목

본 연구에서는 일반 인 2계층(2-Stage) 복합운송 네트워크에서 공 망 단

의 험비용을 포함한 물류비를 최소화하기 해 일부 물량에 해 이원화 배

송여부와 그 비율을 결정하고 이에 합한 물류거 의 규모 재고수 을 도

출하는 알고리즘을 개발하는 것을 목 으로 하고 있다.

첫째, 본 연구에서 고려되는 이원화 배송 모형은 노드 단 비용을 감소시

키고, 응 략을 제시함으로써 기존 모형에 비해 손해규모를 감소시키는 효

과를 기 할 수 있다. 특히 본 연구에서는 최종 수요지 노드를 기업으로 한정

하여 배송지연에 비한 수요지 완충재고(Buffer Stock)비율을 도입하 으며

이를 반 하여 손해비용을 최소화 하 다. 수요지 완충재고비율은 수요지 기

업이 지연 물량발생에 비하여 평균수요 비 추가로 유지하고 있는 재고의

개념으로, 이 재고마 고갈 되면 생산 일정에 차질이 생기기 시작하며, 이 시

을 기 으로 배송지연 피해비용을 차별화 하여 용하 다.

둘째, 본 연구에서는 노드 단 로 인한 피해비용을 배송지연을 회복하기

한 긴 수단 도입비용과 지연발생으로 인한 손해비용으로 차별화 하여 제시하

다. 긴 수단 도입으로 인한 추가비용은 지연 수 에 따라 각기 다른 수송

수단도입이 가능하게 하여 수단별로 차별화된 피해비용을 용하 다. 지연발

생으로 인한 손해비용은 앞서 제시한 수요지 완충재고가 고갈되는 수 의 배

송지연 발생 시, 수요지 기업의 생산일정 차질로부터 발생하는 피해보상

잠재 주문 손실비용을 용하 다. 일반 으로 제조기업에서는 상하지 못

한 조달지연에 응하기 해 약간의 완충재고를 확보하여 비하고 있다. 하

지만 지연수량과 기간이 증가하게 되면 이러한 완충재고로 응이 어려워 생

산 일정에 차질이 발생하게 되며, 이때 물류기업은 생산기업의 손해에 한

피해보상과 시장에서의 신뢰도 하락으로 인한 장래 주문손실 등 큰 피해비용

을 감수하게 된다. 본 연구에서는 이와 같은 피해비용들을 고려하여 증가된

- 5 -

수송비용 과 지연 발생에 따라 추가 인 손해비용을 구분하여 용하 다.

셋째, 최 물류거 선택을 한 정수형 설계변수 조합 최 화 문제와 더

불어 비선형 목 식을 갖는 본 모형에서 기존의 분석 기법으로 최 해를 도

출하는 데에는 한계가 있다. 특히 본 연구에서는, 지역 최 해가 존재하는 평

면에서 효율 으로 우수해를 찾기 해 다양하게 활용되는 메타 휴리스틱 알

고리즘 최근 역해 탐색에 해 우수성이 증명되고 있는 입자군집최 화

(Particle Swarm Optimization, PSO) 알고리즘을 모형에 합하도록 개선하여

용하 으며, 알고리즘의 정합성을 보장하기 해 소규모 문제에서 체열거

법을 통해 도출한 최 해와 비교하 다.

본 연구에서는 노드 단 과 같은 험 발생을 고려한 최 화된 물류 배송

구조를 수립하는 략 모형을 제시하 으며 이를 통해 커다란 손실비용을

야기하는 요소를 계획단계에서 반 할 수 있을 것으로 기 된다. 한 이와

같은 불확실 요소로부터 발생하는 지연에 한 손해비용을 긴 배송으로 인한

추가비용과 지연발생으로 인한 손해비용으로 나 어 용하여 더욱 실성을

고려하 다.

1.2 연구의 구성 내용

1.2.1 연구의 기본 제 범

본 연구는 2계층 복합운송을 통한 기업간 물류에서 물류거 의 선택 링

크할당 등 네트워크 설계 방식을 구축하며, 부분 으로 이원화된 수송루트

용에 한 의사결정을 지원하여 각각 최 화된 이원화 비율을 결정하는 동시

에 물류거 의 재고수 을 결정하는 략 설계를 상으로 한다.

본 연구에서 다루고자 하는 2계층 복합운송 네트워크는 장거리 수송을 한

간선(1st-stage)과 수요지 개별 근을 한 지선(2nd-stage)으로 구성된다. 간선

- 6 -

네크워크는 하나의 생산지에서 여러 곳의 물류거 으로 분배되는 일 다

(One-to-many)의 형태를 가진다. 실제 장거리 수송 네트워크상에서는 양 끝단

에 환 육상수송을 포함하는 다계층의 형태를 보이지만, 장거리 수송의

OD(Origin-Destination) 수단이 결정되면 환 을 한 육상수송경로는 일반

으로 그에 합한 최 경로를 갖는다는 실을 반 하여 1계층의 형태로 단

순화하여 반 하 다. 지선 네트워크는 여러 곳의 물류거 에서 여러 곳의 수

요지로 분배되는 다 다(Many-to-many)의 형태를 지니며 실제 지역 내 배송

에서는 주로 트럭으로 수송이 이루어지는 일반 인 실을 반 하여 트럭으로

배송됨을 제하 다. 한 간선과 지선이 연결되는 물류거 노드는 환

보 의 기능을 수행함을 제하 다.

본 연구에서는 생산노드와 수요노드가 모두 기업인 기업 간 물류를 상으

로 한다. 특히 수요노드는 생산노드의 공 물량을 활용하여 최종 제품을 출고

하는 기업으로 가정하며, 수요노드에서는 나름 로의 재고정책을 갖고 운 하

여 일정 수 이내의 지연에 해서는 완충재고를 통해 비가 가능함을 가정

하 다.

본 연구의 상인 복합운송 형태의 물류 네트워크의 가장 큰 효과는 수송량

에 따라 가변 인 비용이 용되어 소량 직결수송 비 은 수송비용을 나타

내는 규모의 경제 효과이다. 기본 으로 본 연구에서는 각 수송수단별로 다른

단 비용을 용하여 배송규모에 따른 규모의 경제 효과를 반 하 다. 본 연

구의 상인 기업간 물류에서는 장기 계약을 통해 일정 규모 이상의 배송수량

을 제시하며 수단별로 수송비를 결정하고 있으며 이러한 실을 반 하여 동

일 수단 내에서는 동일한 단 수송비를 갖는 것으로 제하 다.

본 연구에서 도출하는 배송정책의 요한 특징 하나는 동일 수요지에

해 주요 수송루트 이외에 단 에 비한 보조 수송루트를 함께 고려한다는 것

이다. Sheffi (2001)는 제조업의 조달 물류에서 테러발생 등으로 통 이 지연

- 7 -

는 정지가 되어 해외로부터의 조달이 어려운 경우를 비하여 보험의 개념

으로 이를 비할 수 있는 조달지를 국내에도 확보해 두어야 함을 제시하

다. 이와 같은 맥락으로 본 연구에서는 물류거 노드의 단 이 발생하 을

때 이를 해결하기 한 방법으로 보조 수송루트를 활용할 수 있도록 용하

다. 노드의 단 은 동시에 최 1개 노드에서만 발생함을 가정하여 최종 으

로 이원화된 수송루트를 갖는 모형으로 반 되었다.

1.2.2 연구의 구성 내용

본 연구에서는 선행연구를 검토하여 기존 모형의 용성과 한계 을 악하

으며, 이를 배경으로 모형의 이론 배경을 수립하고 수리 인 형태로 모형

을 설계하 다. 한 문제를 해결하기 한 풀이방안을 제시하고 이를 용하

여 실제 사례를 분석하 으며 이로부터 결론을 도찰하고 향후 연구를 제시하

다. 그 구체 인 내용은 다음과 같다.

2장에서는 물류거 을 거치는 네트워크의 운송특성, 연결구조, 다수단 복합

운송의 용 등을 개 하고, 불확실한 수요에 한 물류거 의 선택과 재고수

의 결정에 한 연구, 노드 단 에 비한 물류네트워크 설계 연구 등 선행

연구들을 검토하 으며, 선행연구들의 한계 을 보완하면서 본 연구의 필요성

에 부합하도록 연구의 개방향을 수립하 다.

3장에서는 본 연구에서 개발한 노드 단 에 비한 복합운송 배송 략 수

립문제의 모형식을 구축하고 이에 따른 목 함수 제약조건들을 설정하여

모형을 수립하 다.

4장에서는 3장에서 구축된 모형식을 해결하기 한 알고리즘을 제시하 다.

기존에 연구된 다양한 알고리즘 에서 본 연구는 입자군집최 화 알고리즘

(PSO)을 도입하 으며 문제의 특성을 히 용하여 합리 인 시간 내에 우

수한 유효해를 도출할 수 있도록 하 다.

- 8 -

5장에서는 3장에서 수립된 문제의 모형식과 4장에서 도입된 풀이 알고리즘

의 용성을 검토하기 한 사례 분석을 수행하 다. 우선 알고리즘의 구동을

확인하고 변수 간 계를 분석하기 해 제 네트워크를 상으로 해를 구하

으며, 알고리즘의 성능 검증 효율 용을 한 네트워크별 용 분석

을 수행하 다. 한 규모 네트워크를 상으로 환경변화에 따른 의사결정

변화를 살펴보았으며, 마지막으로 실제 규모 네트워크를 용하여 모형이

제시하는 최 배송 략을 도출하 다.

마지막으로 6장에서는 본 연구의 결론 기 효과를 서술하 으며, 향후

추가 으로 수행될 수 있는 연구의 방향을 제시하 다.

본 연구의 수행 과정은 다음과 같다.

- 9 -

[그림 1-2] 연구의 수행 흐름도

- 11 -

제 2 장 선행연구 검토

본 연구는 지선과 간선이 연결된 일반 인 2계층(2-Stage) 복합운송 네트워

크에서 노드단 험성을 반 하는 물류비를 최소화하기 한 물류거 선택

배송 략 수립 모형을 개발하는 것을 목 으로 한다. 따라서 기존의 불확

실한 수요에 한 물류거 의 선택과 재고수 의 결정 방법과 함께 네트워크

단 에 비한 물류네트워크 설계 연구 다 할당 연구를 검토해야 할 필요

가 있다.

불확실한 수요를 갖는 물류비용에서 수송비용과 보 비용은 큰 비율을 차지

하고 있는 동시에 상호 연 되어 있어 비용간의 트 이드오 (Trade-off) 계

를 가진다. 이러한 상호 계는 수송거리와 물류거 의 개수에 의해 설명될 수

있는데, 물류거 이 어들면 체 으로 수송거리는 증가하게 되어 일정수

수송비가 증가하게 된다. 하지만 확률 수요를 가정 할 때 물류거 이 어

들면 체 으로 수요 변화에 응하기 한 안 재고량은 감소하여 보 비용

은 감소하게 된다(Eppen, 1979).

네트워크의 단 에 비한 물류네트워크의 설계는 근래에 빈번히 발생하고

있는 자연재해들과 증가하는 테러의 속에서 활발히 연구가 시작되고 있

다. 특히 기존에는 단 이 발생한 이후 회복을 한 방법에 연구의 이 맞

추어 졌다면 최근 연구에서는 단 의 발생 이 계획단계에서 이를 고려하여

실제 네트워크 단 발생 시 그 효과를 최소화 하는 방향으로 연구가 많

이 진행되고 있다.

따라서 이 장에서는 기존의 물류거 -재고 결정 연구에서 고려한 거

재고수 결정방법과 목 함수 제약조건을 구분하며, 노드 단 과 이를

비한 네트워크 설계모형에 한 연구를 검토한다. 이를 토 로 본 연구가 선

- 12 -

행연구와 어떠한 에서 차별화 되었는지를 설명하고 본 연구의 방향을 설정

하 다.

2.1 물류거 -재고 결정문제

입지선정 문제와 안 재고 최 화 문제는 공 사슬 연구의 시작과 함께 지

속 으로 진행되어 온 분야이지만 두 가지 문제를 동시에 다루는 문제는 복잡

성으로 인하여 근래에 들어와 차 활발히 연구되고 있다.

Eppen (1979)은 확률 수요 하에서 " 험 집 효과(Risk Pooling Effect)"

를 용하여 신문 매 체인에서 앙집 재고모형이 이득이 있음을 보 다.

각 소매상 의 수요를 평균 와 표 편차 를 갖는 정규분포로 가정할 때, n

개의 소매상에 한 재고비용은

인데 반해 앙 집 된 재고의 경우

가 됨을 활용하 다. 한 Schwarz (1981)는 분산된 EOQ 모형 하에

서 재고유지 모형의 이득을 제시하 으며, Meller (1995)는 분배센터개수의 증

가에 따른 비용증가 향을 제시하 다.

Bamford and Dennis (1997)는 국의 Palmer & Harvey McLane Ltd.

(PHM) 사례에서, 제품의 분배 략 수립에 있어서 수송비용을 낮추기 해 더

많은 분배센터(Distribution Center)를 고려하 지만 일정 수 이 지나면 재고

비용은 증가하는 반면 수송비용의 감소는 미비하게 됨을 보 다.

Erlebacher and Meller (2000)는 2단계 공 사슬 내에서 연속 인 고객 분포

에 해서 재고유지비용, 수송비용, 고정비용들을 고려한 분배센터

(Distribution Center)의 최 개수를 구하고 경험 기법으로 고객을 배정하는

방법으로 최 화 문제를 해결하 다.

Shen et al. (2003)은 한 공 업자와 불확실한 수요를 갖는 다수의 소매업자

- 13 -

들(Retailers)로 구성된 2단계 공 사슬에서 분배센터가 소매업자 에 설치되

어 소매업자들에 한 서비스수 을 만족하면서 총 분배센터의 설치비용, 수

송비용 재고유지비용의 합을 최소로 하는 분배센터의 치, 할당방법, 안

재고 보유량을 결정하는 문제를 제시하 으며, 이를 비선형 정수계획모형

(Non-Linear Integer Programming Model：NLIP 모형)으로 표 하 다. 모형

식은 다음과 같다.

∈ ∈ ∈

∈

s.t. ∈ , for each ∈

≤ for each ∈∈ for each ∈∈ for each ∈

는 소매업자 ∈의 (연간) 평균 수요

는 소매업자 ∈의 (일간) 수요의 분산

는 소매업자 ∈에 분배센터를 설치하는데 드는 연간 고정 비용

는 주공 자(공장)에서 소매업자 ∈에 치하는 지역 분배센터로 수량을 배송

하는데 드는 비용

는 소매업자 ∈ 에서 소매업자 ∈로 배송하는데 드는 단 비용

는 도달하고자 하는 소매업자의 주문 만족률

는 수송비용에 계하는 가 치요소

는 재고비용과 계하는 가 치요소

는 ≤ 와 같은 표 정규편차

는 연간 단 재고 유지 비용

는 분배센터 ∈에서 기 일간수요가 일 때 재고를 유지하는 연간 비용

는 분배센터 ∈에 주문을 넣는데 드는 고정비용

는 일단 기시간

- 14 -

결정변수

= 소매업자 가 분배센터로 선택될 때 1, 아니면 0

= 소매업자 가 소매업자 에 치한 분배센터로부터 배송받으면 1, 아니면 0

김일동 (2009)은 공 지와 수요지의 지리 이격이 큰 제품공 에 있어 수요

지의 재고 수 을 고려하면서 여러 가지 운송 방법을 조합한 복합운송을 통해

목표 고객 서비스 수 을 유지할 수 있는 경험 (Heuristic) 알고리즘을 제안

하고, 제조 기업의 실제 데이터를 이용하여 제품의 기존 공 방법과 비교하

다. 이를 통해 기존에 비해 추가 으로 3개의 복합운송 경로를 고려한 환경에

서 약 40%의 비용 감효과를 가져옴을 확인하 다.

기존 물류거 -재고 결정문제에서는 서로 한 계를 가지는 수송비와

보 비를 함께 고려하여 최 화된 배송 거 운 방법을 제시한 데 큰 의

미가 있다. 하지만 네트워크 단 이 발생한 경우에 한 고려는 포함되지 않

은 한계를 지니고 있다.

2.2 복합운송 네트워크 설계문제

교통수단의 발달과 더불어 최 의 화물운송을 해 다양한 수단들을 연계하

여 활용하는 복합운송의 방식이 리 사용되고 있다. 특히 장거리 수송을

해서는 최소 2수단(도로-해운, 도로-항공, 도로-철도)에서 3수단(도로-철도-해운,

도로-철도-항공, 도로-해운-항공), 많게는 4수단(도로-철도-해운-항공) 까지도 고

려하는 복합운송에 한 연구들이 활발히 수행되고 있다. 본 연구에서는 이러

한 복합운송을 고려한 선행 연구들을 고찰하 다.

이 숙과 강승필 (1990)은 기존 도로 철도 네트워크에서 복합화물 터미

의 입지를 선정하는 모형을 제시하 다. 화물수요와 운임이 주어진 가운데 운

송비용과 터미 건설비용을 목 식으로 하여 최소화 하는 문제를 제시하 으

며 실제 국내 네트워크에 용하여 결과를 도출한 데 의미가 있는 연구라 할

- 15 -

수 있다. 하지만 터미 에서 수단의 변환은 고려되지 않아 기・종 간 하나의

운송수단을 사용하는 것으로 설정되었으며 복합화물터미 의 후보입지가 미리

결정되어 있어 규모 네트워크 용에 선형모형식을 그 로 용할 수 있었

다. 구체 인 모형식은 다음과 같다.

s.t.

∀

∀

∀ ∊

≧ ∀

∀ ∊

여기서,

은 노드 에서 까지 수단 으로 운송되는 품목 의 물동량

는 규모 의 복합 화물터미 이 노드 에 치하면 1, 아니면 0

은 노드 에서 까지 수단 으로 단 물량을 운송하는데 드는 운송비용

는 규모 의 복합 화물터미 이 노드 에 건설되는데 드는 건설비용

는 노드 에서 운송되어야 할 품목 의 물동량

는 노드 로 운송되어야 할 품목 의 물동량

는 복합 화물터미 의 후보입지 집합

Southworth and Peterson (2000)은 GIS 로그램을 이용하여 복합운송의 최

경로 선정방법을 제시하 다. 이를 하여 운송수단별 근거리, 항계수

등을 구분하 으며, 비 실 인 우회운송 발생에 따른 분석결과를 보정하기

하여 제약조건을 추가하 다. 이 연구에서 운송수단별 항계수는 화물의

최 경로선택을 해 가정된 값을 사용하여, 운송비용과 운송시간 등 화주의

실제 인 경로선택에 한 검증은 이루어지지 않았다.

- 16 -

Arnold (2004)는 도로-철도 복합운송 터미 의 최 입지 선정을 한 네트

워크 설계문제에서 터미 을 링크로 고려하여 의사결정변수의 수를 임으로

써 단순화 된 풀이 방법을 제시하 다.

Racunica & Wynter (2005)는 복합운송 화물 터미 의 최 입지를 결정하기

한 네트워크 설계모형을 제시하 다. 물동량의 운송비용 감을 허 간 링

크와 허 -종 링크에서 발생함을 제시하며 비선형오목(Non-linear Convex)

비용함수를 비용으로 도입하 다. 모형에서는 기・종 간 직결운송도 함께 고

려하 다.

Elmastas (2006)는 도로-항공 운송네트워크에서 환 센터의 운 비용 운

송비용을 최소화 하는 문제에 허용된 배송시간 내에 배송이 이루어져야 하는

배송시간 제약을 추가하여 Time Constrained Hierarchical Hub(TCHH)

Location Problem로 정의하여 풀이하 다. 공항의 수와 치를 결정하고, 다음

으로 환 센터의 수와 입지를 결정하 으며 트럭과 항공기의 사용은 기・종

간 운송시간 최 값을 기 으로 허용 배송시간과 비교하여 결정되도록 하

다. 목 식은 공항간 운송비용, 공항과 환 센터의 운송비용, 환 센터간 운송

비용, 그리고 환 센터와 수요노드간 운송비용으로 구성되었으며, 비선형 제약

조건을 선형화한 후 MILP solver를 사용하여 해를 도출하 다. 도로-항공의

복합운송방식을 도입하여 차별성을 제시하고 있으나 특정노드(공항)간 운송수

단을 특정수단(항공)으로 고정하여 용한데 한계 이 있다.

김동규 (2006)는 효율 인 허 네트워크의 운송 서비스를 제공하기 하여

규모 고속서비스를 제공하는 간선 수송축과 다빈도․소량 운송 서비스를 담

당하는 지선 수송축으로 운송 네트워크 계를 구별하는 것이 필요함을 제시

하고 있다. 이는 허 시설이 물동량에 한 환, 분류, 환 으로의 기능 뿐

아니라 수단별 운송특성, 물동량의 기․종 수단 환 패턴, 운송정책의 발

구조에 따라 그 역할이 다양화되어야 함을 강조하며 물류운송에 있어서 허

- 17 -

는 물동량을 집화(Consolidation)하고 최 운송경로로 배정하기 한 복합운

송방식을 채택해야 함을 강조하고 있다.

Limbourg and Jourquin (2007)은 네트워크상에 허 입지를 결정할 때, 수요

노드들 잠재 허 노드들을 공간 집계(Aggregation)하는 방법으로 좀

더 합리 인 계산시간 내에 해를 찾을 수 있는 방법론을 제시하 다. 계층화

클러스터링 방법을 사용하여 수요노드의 공간 집계오차(Aggregation Error)

를 임으로써 최 허 입지의 변화를 최소화하도록 하 으며, 규모 문제

에 용하기 하여 유럽의 운송 네트워크에서 도로-철도 터미 입지를 결정

하는 사례를 분석하 다.

Limbourg and Jourquin (2009)은 도로-철도 복합운송 네트워크에서 효율성

을 최 화하는 컨테이 터미 입지 결정 문제를 제시하며 p-HMP와 다수단

배정문제를 고려하는 휴리스틱 기법을 용하 다. 목 함수로

는 도로의 후운송비용, 환 비용, 철도 운송비용 등을 포함하 다.

Kayikci (2010)는 효율 이고 비용-효과 인 지역내 복합운송 화물 물류센터

의 최 입지를 결정하는 모형을 설계하 다. 기존의 설계모형이 선형계획법이

나 정수계획법 등으로 구축된 것에 비해, Fuzzy-Analytical Hierarchy

Process(AHP)와 신경망 알고리즘을 결합한 모형을 개발하 으며 복합운송 화

물 물류센터의 입지결정에 다양한 의사결정 기 과 서비스 수 을 가진 경우

에 해 가장 한 입지 선택 기 을 제시하고 있다.

이진수 (2012)는 기존 허 입지가 단일형태의 허 만을 고려하여 단일 운송

수단으로 기․종 간 물동량을 운송하는데 비해 허 의 형태를 일반허 와 복

합허 로 구분하여 허 계별 특성에 따른 입지선정방법을 제시하 다. 허

는 계별로 각기 다른 처리용량, 가용수단, 건설비용을 갖고 있으며 특히

기존 계층화 허 입지문제에서는 고려되지 않았던 일반허 간 직결 화물운송

을 고려하여 권역 내 물동량 운송시 과도한 환 운송거리 증가를 방지하

(Multi-modal)

- 18 -

다.

복합운송 네트워크 설계문제들은 주로 복합운송을 도입함으로 규모의 경제

효과를 반 한 네트워크 설계가 가능한 데 큰 의미가 있다. 하지만 체로 보

의 역할을 함께 하는 물류 거 의 특성을 모형에 함께 반 하지 못하고 있

는 한계를 보이고 있다.

2.3 다 할당 정책 문제

비허 노드의 다 할당 허 정책에 해 Campbell (1992)은 처음으로 다

할당 p-HMP을 선형정수계획법을 통해 공식화 하 다. 이후 Campbell (1994)

은 P-hub Median, Uncapacitated Hub Location, P-hub Center, Hub

Covering Problem의 4가지 허 입지문제를 다 할당 문제로 모형화 하 으

며, Campbell (1996)은 p-HMP 문제에 하여 다 할당 정책의 최 해를 단일

할당의 하한경계로 제공함으로써 계산효율성을 높일 수 있음을 보 다.

Jaillet et al. (1996)은 용량제약을 가진 항공 네트워크 설계 문제에 하여

다 할당문제를 정수계획법으로 용하 다. 직결운송, 1허 경유, 2허 경

유, 모든 허 경유를 상으로 하 으며 항공기 형태를 구분 용하여 규모

의 경제효과에 따른 할인율을 용하고 이를 운송능력으로 반 하 다. 허

입지 후보를 모든 노드로 설정하여 이용률에 따라 허 로 설정하 다.

O'kelly et al. (1996)은 단일할당 다 할당 허 입지문제에 한 모형식

을 제시하 으며, 허 간 할인율 변화에 한 민감도 분석을 수행하 다. 모형

식을 선형화하여 변수 제약식의 수를 이고 라미터의 변화를 통한 효과

를 직 으로 평가할 수 있다는데 그 의의가 있다.

Skorin-Kapov et al. (1996)은 용량 제약을 가지지 않는 p-HMP에 하여

Tight Linear Programming 완화를 이용한 새로운 MILP을 제시하 으며 규

- 19 -

모 네트워크에 용하여 매우 효율 임을 보 다. 이를 통해 최 해 탐색이

가능한 NP-hard Hub Location 문제의 규모를 증가시킬 수 있었으며 한 기

존 연구에서 타부서치 알고리즘을 통해 경험 으로 제시되었던 최선해들에

해 최 성을 검증하 다. 그 모형식은 다음과 같다.

s.t.

≤

≤

∈

≥

결정변수

은 노드 에서 노드 까지 허 노드 와 을 통해서 가는 물동량 분할비율

는 노드 가 허 노드이면 1, 아니면 0

입력변수

은 노드 수

는 허 수

는 노드 에서 노드 까지 가는 물동량

는 노드 에서 노드 까지 가는 단 비용

≤ 는 허 간 수송비용의 할인율

Sohn & Park (1998)은 용량제약이 없는 단일할당 다 할당 p-HMP을 해

- 20 -

결하는 알고리즘을 개발하 다. 허 수가 작은 다 할당 정책의 경우 최단경

로 알고리즘으로 효율 인 해를 발견할 수 있으며, 단일할당 정책은 문제의

규모를 일 수 있도록 모형식을 설정한 후, MILP로 제시하 다.

Sasaki et al. (1999)은 항공 운송 시스템에 하여 1-stop 다 할당 p-HMP

을 p-median 문제로 모형화 하 으며, 정확해를 찾기 한 분지한계기법과

규모 네트워크에서 용이 가능하도록 Greedy 형태의 휴리스틱 알고리즘을

개발하여 결과를 p-median 문제와 비교하 다.

Ebery et al. (2000)은 용량제약을 가진 다 할당 허 입지문제에 한 새로

운 MILP 모형식과 최단경로를 이용한 휴리스틱 해법(All Pairs Shortest Path

Algorithm, APSP Algorithm)을 제시하 다. 선형계획 기반의 분지한계법을

통해 문제의 상한을 제시하 다.

Boland et al. (2004)은 Ernst & Krishnamoorthy (1998)의 모형식을 더 빠르

게 해결하고, 하한경계에 한 문제를 극복하고자 처리(Preprocessing) 기법

을 개발하여 이를 다 할당 p-HMP에 용하 다.

Bollapragada et al. (2005)은 다 할당을 가진 용량제약 Hub Maximum-

Covering Location 문제(CHMCLP-M)와 매우 유사한 새로운 네트워크 문제를

제시하 으며, 이를 해결하기 하여 Greedy 알고리즘을 제안하 다.

Marin et al. (2006)은 용량비제약 다 할당 허 입지문제에 하여

Campbell (1994), Aykin (1995), Skorin-Kapov et al. (1996) 등 이 의 연구들

을 보다 더 일반화시킨 새로운 형태의 모형식을 제시하 다. 제시한 모형은

물동량 운송에 따른 비용항목을 더 일반화시켰으며, 삼각부등식 조건을 만족

하지 않아도 성립하 다. 한 처리 과정을 통하여 문제의 크기를 크게 감

소하 다.

Rodriguez et al. (2007)은 카고 수송 허 네트워크에서 허 의 용량제약을

용한 모형을 제시하 다. 허 는 M/M/1 기행렬 시스템 모형으로 운 되

- 21 -

며 이로부터 허 의 혼잡비용이 발생한다. Simulated Annealing 알고리즘을

개발하여 무작 생성된 네트워크에 해 용하 으며 혼잡이 발생하는 상황

에 한 해를 제시하 다.

다 할당 정책문제는 보다 실 이고 복잡한 네트워크 문제를 모형화하여

효율 으로 해를 구하는데 큰 의미가 있다. 하지만 본 연구에서 제시하고자

하는 노드단 가능성을 고려하지는 못하고 있으며, 물류네트워크상에서 재고

보 의 역할을 하는 거 노드의 특성 역시 반 하지 못하는 한계를 갖고 있

다.

2.4 네트워크 단 비 문제

네트워크 단 비와 련된 연구는 부분 공 시설의 단 을 그 상으

로 하고 있다. Pirkul and Schilling (1988)은 네트워크 내에서 공 시설을 1순

와 2순 로 배정하여 최 의 공 시설 입지를 선택하는 문제를 제시하 으

며 이러한 모형을 소방서와 같이 모든 상 수요지에서 일정거리 내에 존재해

야 하는 응 서비스 시설의 입지 선정에 용되어짐을 보 다.

Weaver and Church (1985)는 벡터 배정 p-median 문제를 제시하 다. 가장

가까운 시설을 1순 서비스, 그 다음 가까운 시설을 2순 서비스, ... k번째

가까운 시설을 k순 서비스라 가정하고 p-median 문제를 k 순 서비스들에

해서 일반화 하여 용하 다. 각 서비스에 해 수요는 일정함을 가정하

고, 라그랑지안 완화법을 용한 휴리스틱 기법을 통해 더욱 성공 으로 최

해를 찾는 방법을 제시하 다.

Snyder (2006)는 단 이 발생하는 경우에 비한 탄력성(Flexibility) 있는 공

사슬 설계모형을 소개하 다. 기존에 연구된 여러 모형들을 시설입지문제와

네트워크 설계문제로 분류하고, 다시 목 식의 형태를 기 비용 최소화와 최

- 22 -

비용 최소화 문제로 분류하여 각각 일반화된 모형들을 제시하 다.

Snyder (2007)는 확률 인 수요의 변동 험을 반 한 험집 치결정모

형(Daskin, 2002)을 발 시켜 각기 다른 물류환경에 한 시나리오를 반 한

물류거 의 최 치와 안 재고수 을 결정하는 추계 험 집 치결정

모형(SLMRP)을 제시하 다. 물류환경은 변동하는 유가, 시장의 요구변동, 사

회 제약 등 여러 가지 변동요인을 포함할 수 있다. 이처럼 다양한 변동 가

능성을 시나리오를 통해 반 함으로써 강건한 네트워크 설계가 가능한 모형을

제시하 다. 추계 험 집 치결정 문제의 모형식은 다음과 같다.

∈ ∈ ∈

∈ ∈

s.t.

∈ ∀∈, ∀∈

≤ ∀∈, ∀∈, ∀∈∈ ∀∈∈ ∀∈, ∀∈, ∀∈

는 로 표 되는 소매업자들의 집합

는 로 표 되는 DC 후보입지들의 집합

는 로 표 되는 시나리오들의 집합

는 시나리오 ,∈에서 소매업자 ,∈의 일별 수요 평균

는 시나리오 ,∈에서 소매업자 ,∈의 일별 수요의 분산

는 시나리오 ,∈에서 분배센터 ,∈에서 소매업자 ,∈로 배송하는 유닛당

단 수송비용

는 분배센터 ,∈를 여는 연간 고정비용

- 23 -

는 분배센터 ,∈에서 생산지에 주문하는 주문 당 고정비용

는 생산지에서 분배센터 ,∈로 배송하는 데 필요한 고정비용

는 생산지에서 분배센터 ,∈로 배송하는 유닛당 단 수송비용

는 유닛당 연간 재고유지비용

는 시나리오 ,∈가 발생 할 확률

는 수송비용과 련된 가 치, ≥

는 재고비용과 련된 가 치, ≥

는 생산지에서 분배센터 ,∈로 가는 리드타임(일)

는 소매업자 리드타임 분배센터에서 재고부족이 발생하지 않을 확률

는 ≤ 와 같은 표 정규편차

는 연간 업무일 수

형모 (2008)는 공장이나 배송센터와 같은 설비에서 수요지로 공 하는 네

트워크에서 공 설비가 단 되는 경우에 해 시나리오를 기반으로 Risk

Pooling Effect를 반 하여 최 입지 재고정책을 선정하는 문제를 제시하

다. 평균값을 갖는 수요의 변동성을 가정하 으며 Sample Average

Approximation(SAA)을 이용해 고려해야 하는 시나리오 수를 여 휴리스틱한

방법으로 해를 제시하 다.

네트워크 단 을 비한 물류네트워크 결정모형은 네트워크의 단 이 발생

할 수 있음을 계획 단계에서 반 하여 모형식에 포함한 데 큰 의미가 있다.

하지만 주로 문제의 이 공 시설의 단 에 맞추어져 있어, 공 망의 간

지 인 물류거 의 단 에 해 응하는 해법을 제시하지 못하고 있는 한계

가 있다. 특히 복합운송에서 요한 역할을 하는 거 의 단 은 수요지 서비

스의 실패를 유발할 수 있으며 이에 한 피해비용을 용해야 하는데, 기존

연구에서는 주로 서비스 수 감소나 단 손해비용을 도입하여 피해비용을 포

함하고 있다. 복합운송의 특성상 긴 수단을 도입해 지연을 방지하므로 같은

링크에 해서도 다양한 단 손해비용이 도입될 수 있으며, 그 외 수요지의

- 24 -

특성에 따라 추가 으로 지연발생에 한 손해비용이 용될 수 있음에도 이

를 단일화 하고 있는 한계 이 있다.

이상으로 살펴본 입지-재고문제, 복합운송 네트워크 설계 문제, 다 할당문

제, 네트워크 단 을 고려한 문제의 선행연구들을 표로 정리하 다. [표 2-1]에

서는 선행연구들을 분류하기 한 표기법을 제시하 으며 [표 2-2]에는 선행연

구들을 비교 정리하 다.

- 25 -

구분 내용 기호

수요

가변 (비확률 )수요 R

확률 수요 S

결정 수요 D

지연페 티

서비스수 하락 LOS

유닛당 손해비용 UN

없음 N

수송수단

단일 SM

복합결정 MD

선택 MC

규모의경제효과

Variable discount V

Constant discount C

None N

단 치

시설 F

수송링크 L

거 R

None N

단 험비용

고정비용 FC

가변비용 VC

비고려 N

풀이방식

분석 기법 Anl

근사최 화

라그랑지안 완화 LR

분지한계법 BB

일반휴리스틱 Heu

메타휴리스틱

Genetic Algorithm GA

Tabu Search TS

Simulated Annealing SA

Neural Network NN

Ant Colony AC

Covering Problem

입지-재고문제 Loc-Inv

복합운송 문제 Multi-mo

확률 수요/재고부족 문제 SD/SOut

네트워크 단 고려 문제 Drpt

[표 2-1] 선행연구 정리 표기법

- 26 -

연구

자년

도수

요지

연

페티

수단

규모

의경

제효

과

단

치

단험

비용

풀이

방식

Co

ver

ing

Pro

ble

m

Lo

c-In

vM

ult

i-m

oSD

/SO

ut

Drp

t

김일

동20

09S

NM

DC

NN

Heu

OO

OX

Ep

pen

1979

SU

NS

MN

NN

An

lO

XO

X

Erl

ebac

her

2000

SN

MD

NN

NH

euO

XO

/X

X

Das

kin

2002

SN

SM

CN

NL

RO

XO

/X

X

Sh

en20

03S

NM

DN

NN

An

lO

XO

/X

X

Sn

yd

er20

07S

LO

SS

MN

NN

LR

OX

O/

XX

Tsi

akis

200

8D

NM

DC

NN

An

lO

XX

X

형모

2008

SU

NS

MN

FV

CH

euO

XO

/X

O

Ch

en20

11D

UN

SM

NF

VC

LR

OX

XO

Arn

old

2004

DN

MC

CN

NH

euX

OX

X

윤승

철19

97S

LO

SS

MN

NN

Heu

XX

OX

서용

원2

001

SU

NS

MN

NN

Heu

XX

OX

박창

규20

02S

LO

SS

MN

NN

GA

XX

OX

Cal

den

tey

200

3S

UN

SM

NN

NA

nl

XX

OX

Pir

ku

l1

989

DN

SM

NF

NL

R,

BB

XX

XO

Sn

yd

er20

05D

UN

SM

NF

VC

LR

XX

XO

본연

구S

UN

MC

CR

VC

PS

OO

OO

O

[표

2-2]

선행

연구

비

교

정리

- 27 -

2.5 선행연구 검토결과 본 논문의 차별성

이상에서 검토한 선행연구를 고려할 때 본 연구에서 다루는 이원화를 고려

한 복합운송 략수립 모형은 다음과 같은 차별성을 기 할 수 있다.

우선 통 인 물류거 -재고 결정문제 연구에서는 수송비와 보 비를 함께

고려하여 최 화된 배송 거 운 방법을 제시하 지만 네트워크 단 에

한 고려는 포함하지 못한 데 한계가 있다. 본 연구에서는 수송비와 보 비를

함께 고려하면서 물류거 의 단 이 미치는 향을 반 하여 최 배송 략을

수립할 수 있는 차별화된 모형을 제시하 다. 특히 물류거 의 단 에 비하

는 략으로 이원화 배송을 함께 고려하여 상황에 따라 량 는 이원화 배

송을 선택하여 제시할 수 있도록 모형을 설정하 으며 이로부터 특정 수요지

에 험이 집 되는 것을 방지하고 험을 분산시키는 효과를 가져올 수 있도

록 용하 다.

한 확률 수요와 재고부족에 한 손해비용을 모형에 함께 고려하여 수

요의 불확실성과 배송의 불확실성을 함께 반 하도록 하 으며 물류거 의 재

고부족과 노드단 발생으로부터 유발되는 지연에 해 유사한 형태의 불확실

성문제로 보고 같은 형태의 응방안을 도입하 다. 이와 같은 불확실성으로

부터 유발되는 피해비용으로, 기존연구에서는 단 수량 당 손해비용을 일

으로 용하여 연구하 으나 본 연구에서는 긴 수송으로 인한 추가비용과 지

연으로 인한 손해비용으로 구분하여 용하 다.

일반 으로 측하지 못한 변화로부터 지연이 상 될 때 물류 기업은 이에

응하기 해 긴 수송수단을 도입하여 지연을 방지한다. 긴 수송수단은 신

속히 화물을 수요지에 공 할 수 있는 장 이 있으나 가격이 비싸다는 단 이

있으며 기업에서도 이러한 이유로 수요 측을 통해 느리지만 렴한 수송수단

을 주요 배송수단으로 활용하고 있다. 따라서 본 연구에서는 다양한 수송수단

- 28 -

을 도입하고, 수송수단 변경으로부터 유발되는 추가비용을 지연에 의한 우선

인 피해비용으로 차별화 하여 용하 다. 한편 이와 같은 긴 수송수단 도

입으로도 지연을 피하지 못하게 되는 경우에는 지연되는 수량과 시간에 비례

하여 손해비용이 증가하게 되며 이러한 피해비용 한 단 물량 당 손해비용

을 용하여 연구에 반 하 다.

다수의 물류배송 네트워크 결정문제는 복잡도가 높은 NP-Hard 문제로 효

과 으로 최 해를 찾기 한 다양한 노력이 계속되어왔다. 특히 휴리스틱 방

법은 문제의 복잡도에 비해 쉽게 해를 찾을 수 있어 그 활용이 계속되어 왔으

며 통 인 휴리스틱 방법론의 취약 을 보완하여 지역최 해에 쉽게 빠지지

않고 역최 해를 찾아가는 방법론을 제공할 수 있는 메타휴리스틱 방법이

최근 다양하게 연구되고 있다. 기존 연구에서는 주로 유 자 기법이나 타부서

치 알고리즘, 모의담 질 기법 등이 사용된 데 반해 본 연구에서는 최근 개발

되었으며 그 우수성이 다양하게 입증되어 여러 연구분야에 용되고 있는 입

자군집최 화(PSO) 알고리즘을 본 모형에 합하도록 히 용하여 모형의

해를 찾는데 활용하 다.

- 29 -

제 3 장 방법론 설정 모형식 개발

본 장에서는 공 망 단 을 고려한 복합운송 네트워크의 물류거 선택

배송 략 수립 모형을 개발하기 하여 요구되는 다양한 의사결정변수

실 이고 합리 인 제약을 모형식에 반 하 다.

본 장에서 검토하는 내용은 다음과 같다.

우선 입지-재고 문제의 기본 인 구조를 살펴보고 복합운송모형과 확률

수요에 한 재고 부족비용을 도입하여 최종 으로 본 연구에서 다루고자

하는 물류거 선택 배송 략 문제로 용할 수 있도록 모형식의 구축 범

기본 가정을 살펴보았다.

다음으로 이상에서 검토한 내용을 토 로 하여 2계층 복합운송 네트워크에

서 노드단 험성을 고려한 물류거 선택 배송 략 수립 모형을 구축하

다.

[그림 3-1] 2계층 복합운송 네트워크 모형

- 30 -

3.1 용어 정리

본 모형에서 주로 사용되는 용어들을 다음과 같이 정의하도록 한다.

용어 정의

생산지 물동량이 출발하는 Origin 노드

물류거생산지에서 출발한 물동량이 경유하는 노드. 각 수요지로의 분배

안 재고 보 의 역할을 함. 분배센터, RDC로 병기함.

수요지 물동량이 최종 도착하는 Destination 노드

간선 수송 생산지에서 물류거 까지의 장거리 수송

지선 수송 물류거 에서 개별 수요지까지의 로컬 수송

1순 경로수요지로 이원화 배송이 발생 시 큰 비율의 물량이 지나가는

생산지~물류거 ~수요지의 경로

2순 경로수요지로 이원화 배송이 발생 시 작은 비율의 물량이 지나가는

생산지~물류거 ~수요지의 경로

이원화비율

1순 경로와 2순 경로로 이원화 배송이 이루어 질 때 1순 경로의 물량

배분 비율. 이원화비율이 작아질수록 더 많은 물량이 2순 경로를 통함을

의미. 이원화비율이 1일 경우 량배송.

물류비용

모형의 목 식. 주어진 생산지부터 소비지까지 수송비용, 고정비용,

재고유지 부족비용, 노드단 발생에 한 험비용 등을 모두

포함하는 비용.

수송비용 생산지 ~ 물류거 , 물류거 ~ 수요지 까지 수송하는데 드는 비용.

고정비용 물류거 을 확보하는데 경유수량에 상 없이 고정 으로 드는 비용.

재고유지비용수요 증가에 응하기 해 보 하는 안 재고와, 수요변동으로 남게 되는

재고를 분배센터에서 보 하는데 필요한 비용.

재고부족비용갑작스러운 수요 증가로 인해 안 재고로도 수요가 충족이 되지 않을 때,

수요를 충족시키기 해 투입되는 긴 배송수단의 추가 비용.

험비용

노드 단 발생으로 인해 발생하는 비용으로 배송 지연을 극복하기 해

투입되는 긴 배송수단 이용 추가비용과 이로도 극복하지 못하고 발생하는

지연 배송에 한 손해비용.

손해비용

노드단 발생 시 긴 배송수단을 투입하 음에도 발생하는 지연으로

수요지에서 입는 피해에 한 기업의 손해비용. 직 인 손해배상과 이후

신용도 하락으로 발생하는 매출감소 등을 포 함.

기본배송수단 생산지 ~ 물류거 을 수송하는 기본 수송수단으로 가장 비용, 속.

긴 배송수단 생산지 ~ 물류거 을 긴 수송하는 수단. 비용/속도 별로 다양함.

완충재고비율

수요지의 정기발주정책을 간주하 을 때 불확실성에 비하여 평균발주

수량 비 추가 으로 보유하고 있는 재고량의 비율을 의미함. 완충재고가

모두 소진되었을 때를 손해비용이 발생하는 시 으로 가정함.

- 31 -

3.2 문제의 범 기본 제

공 망 내에서의 물류네트워크 략 수립 문제는 허 시설의 규모 입지

를 결정하는 문제에서부터 배송 차량의 일정계획, 서비스 빈도 화물의

재수 결정 등 다양한 범 의 의사결정을 수반하게 된다. 하지만 이와 같이

모든 범 의 의사결정을 고려하게 되면 모형이 지나치게 복잡해지고 효율성을

해할 수 있어 부분의 연구에서는 특정 범 에 의사결정을 한정짓고 다른

요소들은 한 가정을 통해 해결한다.

본 연구에서는 복합운송을 통해 장거리 배송을 수행하는 기업 간 물류네트

워크를 연구의 상으로 하고 있으며 변화하는 시장상황에 신속하게 응하여

야 하는 기업물류의 특성을 반 하여 물류거 의 건설은 고려하지 않는 것으

로 한다. 신 존하는 주요 임 창고들의 치를 바탕으로 한 규모의

물류거 을 선택하고 이에 합한 배송루트와 재고수 을 결정하는 략 의

사결정 단계를 연구의 상으로 하 다.

본 연구에 용한 네트워크 구조는 다음과 같이 구성된다. 우선 노드는 생

산지 노드, 물류거 노드, 수요지 노드로 구분하 으며, 링크는 생산지와 물

류거 간 링크, 물류거 과 수요지 간 링크로 구분하여 용하 다. 실제 공

망의 단 은 링크의 단 과 노드의 단 로 구분되어질 수 있지만, 단일 링

크 단 의 경우 우회경로의 탐색이 비교 용이함을 고려하여 체 물류네트

워크에 큰 향을 미칠 수 있는 노드의 단 만을 고려하 다. 한 생산지나

수요지 노드의 단 은 본 연구의 목표와 부합하지 않으므로 배송되는 간 단

계에서의 단 만을 고려하 고 이는 물류거 노드의 단 로 표되는 것으로

설정하 다.

생산지 노드와 물류거 노드를 연결하는 간선 링크는 장거리 수송을 가정

하며, 수송수단으로는 실을 반 하여 서로 반비례의 계에 있는 배송시간

- 32 -

과 배송비용을 갖는 다양한 수송수단이 존재함을 가정하 다. 표 으로 가

장 느린 수단으로는 해상수송이 있을 수 있으며 가장 빠른 수단으로는 항공

수송이 있을 수 있다. 그 외 여러 수단을 혼합한 복합수송의 도입도 가능하다.

물류거 노드와 수요지 노드를 연결하는 지선 링크는 각 수요지로의 근

성을 제공하는 지역 내 링크로 일반 으로 트럭을 도입하여 수송하고 있다.

본 모형에서도 이러한 실을 반 하여 한 가지 수송수단만을 용하 다.

한 한 차량이 여러 수요지를 경유하는 크런(Milk Run) 방식은 고려하지 않

아 외 원문제와 같은 모형은 연구의 범 에 포함되지 않도록 하 다.

앞에서 언 한 바와 같이 기업간 물류에서는 장기 계약을 통해 동일 수단에

해서 수송량에 상 없이 동일한 단 수송비용을 용하는 것이 일반 이다.

따라서 본 모형에서도 이와 같은 실을 반 하여 동일 수단에 해서는 일

인 단 수송비용을 용하 다. 따라서 지선 수송에 해서는 동일한 단

수송비용이 용되며 간선 수송에 해서는 수송 수단별로 각각의 단 수송비

용이 용되도록 하 다.

노드를 연결하는 링크의 거리는 장거리 수송임을 고려하여 평면좌표보다

실모사성이 우수한 구면좌표상 거리로 가정하 으며 지구를 반경 6,371 km의

구로 가정하여 계산하 다.

생산지에서 수요지까지 배송되는 물량은 노드 단 에 비하여 경우에 따라

각기 다른 루트를 통해 분할 배송이 가능하도록 설계하 으며 그 비율은 결정

변수로 용하 다. 한 노드단 의 희귀성을 고려하여 다수의 물류거 에서

동시에 단 이 발생할 확률은 0으로 가정하 으며, 각 물류거 의 단 확률

들은 서로 향을 주지 않고 독립 임을 가정하 다.

본 모형에서 설정한 수요지는 기업으로, 실제로 기업에서는 조달의 불확실

성에 비하여 완충재고를 보유하는 등 나름 로의 재고 략을 운 하고 있

다. 따라서 모형에서는 이와 같은 완충재고량을 평균 주문량의 비율로 나타내

- 33 -

었으며, 이를 통해 일부 지연 발생에 해서는 큰 손해가 발생하지 않음을 가

정하 다. 하지만 이러한 수 을 넘어설 정도로 공 하는 기업의 배송이 지연

되어 수요지 기업의 생산 일정에 차질이 발생하는 경우에는 큰 손해비용이 발

생하는 것으로 설정하 으며 이 시 이 수요지 완충재고비율로 정해지는 것으

로 설정하 다.

3.3 입지-재고 문제

3.3.1 험 집 치결정 모형(Location Model with Risk Pooling;

LMRP)

생산지와 분배센터, 수요지 노드로 구성되는 2계층 물류네트워크상에서 분

배센터는 수요변화의 험에 응하기 해 안 재고를 확보하고 있다. 여기

서 분배센터는 여러 소비지의 수요를 일정구간 결합 배송하여 규모의 경제를

통해 수송비를 감소시키는 역할을 하기도 하며, 여러 소비지의 험요소를 집

시켜 불확실성을 감소시키는 역할을 하기도 한다.

이러한 분배센터 결정문제는 ‘얼마나 많은 분배센터를 유지하는가’와 ‘얼마

만큼의 안 재고를 유지하는가’를 결정하는 것으로 정의할 수 있으며 분배센

터의 개수와 안 재고 수 에 따라 수송비용과 재고유지비용이 결정된다. 목

식은 수송비용과 분배센터 고정비용, 분배센터 가변비용과 안 재고 유지비

용 등으로 구성된다. Daskin (2002)은 다음과 같은 모형식을 제시하고 있다.

∈ ∈ ∈

∈

∈

∈∈

∈∈

(3.1)

- 34 -

s.t. ∈ ∀∈ (3.2)

≤ , ∀∈, ∀∈ (3.3)

∈, ∀∈ (3.4)

∈, ∀∈, ∀∈ (3.5)

는 로 표 되는 소매업자들의 집합

는 로 표 되는 DC 후보입지들의 집합

는 ∈인 분배센터 후보지 에 분배센터를 치시키는데 드는 (연간)고정비용

는 ∈ , ∈인 소매업자 와 분배센터 후보지 를 배송하는데 드는 단 비용

는 연간 일 수(일 수요와 분산값을 년단 값으로 환산하는데 사용)

= 분배센터를 에 치시 1, 아니면 0

= 소매업자 의 수요가 분배센터 후보지 로 배정되면 1, 아니면 0

3.3.2 Capacitated Reliability Fixed-charge Location Problem (CRFLP)

Snyder (2006)는 단 이 발생하는 경우에 비하는 탄력성 있는 공 사슬

설계모형을 소개하 다. 기존에 연구된 여러 모형들을 시설입지문제와 네트워

크 설계문제로 분류하고, 다시 목 식의 형태를 기 비용 최소화와 최 비용

최소화 문제로 분류하여 각각 일반화된 모형들을 제시하 다. 제시된 모형들

의 핵심은 다양한 변동 가능성을 시나리오를 통해 반 함으로써 강건한 네트

워크 설계가 가능하게 한다는 이다. 시설입지문제 기 비용최소화 문제

의 모형인 Reliability Fixed-charge Location Problem(RFLP)에 시설제약을 추

가한 Capacitated-RFLP(CRFLP)는 다음과 같다.

(CRFLP) ∈

∈∈∈ (3.6)

s.t. ∈ ∀∈ ∈ (3.7)

≤ ∀∈ ∈ ∈ (3.8)

- 35 -

∈ ≤ ∀∈ ∈ (3.9)

∈ ∀∈ (3.10)

∈ ∀∈ ∈ ∈ (3.11)

는 시설 ∈ 의 연간 고정비

는 시나리오 s가 발생할 확률

는 고객 ∈ 의 연간 수요

는 시설 ∈ 에서 고객 ∈로의 단 수송비용

는 시나리오 s에서 시설 가 폐쇄일 때 1, 아니면 0

는 시설 ∈ 의 최 용량

는 시설 ∈ 가 개장시 1, 아니면 0

는 시나리오 s에서 고객 ∈가 시설 ∈에 배정되면 1, 아니면 0

3.4 수요의 불확실성을 고려한 재고운 문제

일정한 분포를 갖는 불확실한 수요에 해서 Starr (1962)는 기 재고유지

비용과 재고부족비용을 제시하 다. 재고유지비용과 재고부족비용은 수요분포

에 한 분식으로 제시되었으며, 각각 단 재고유지비용과 단 재고부족

비용이 존재한다고 할 때 재고존재 범 재고 부족범 각각의 1차모멘트

함수식에 비례하여 나타남을 유도할 수 있다. 분포가 알려진 수요에 한 재

고 유지 부족 비용에 한 문제는 다음과 같이 모형화 되어 제시된다.

∞

(3.12)

는 수요의 분포

는 재고유지비용

는 재고부족비용

- 36 -

3.5 노드단 험성을 고려한 복합운송 모형 구축

본 에서는 3.2와 3.3에서 제시한 험집 치결정모형과 수요의 불확실

성을 고려한 재고모형을 바탕으로 노드단 험성을 고려하면서 다수의 장거

리수단과 도로의 복합운송을 고려한 복합운송모형을 구축한다.

우선 본 연구에서 다루는 2계층 물류거 치-재고 결정문제에 복합운송의

특성을 고려하며 노드단 험성을 포함하는 모형식으로 제시하기 해 우선

문제의 표기법을 제시하도록 한다. 이후 목 식에 포함되는 각 비용들을 검토

하며 최종 으로 본 연구에서 제시하고자 하는 노드단 험성을 고려한 복

합운송 모형을 구축하도록 한다.

3.5.1 문제정의

본 연구에서 제시하고자 하는 노드단 험성을 고려한 다수단 복합운송

모형의 구축을 하여 Snyder (2006)의 Capacitated Reliability Fixed-charge

Location Problem(CRFLP) 모형에서 시나리오의 발생확률을 각 비용에 반 하

는 부분과 Starr (1962)의 재고유지 부족비용의 모형식을 반 하여 본 모형

으로 발 시켰다.

본 연구에서 정의하는 문제는 물류거 의 선택문제, 물류거 내 안 재고

수 결정 문제, 이원화 물량의 비율 결정문제 수요지 물류거 배정문제

로 구성되며 각 문제들의 종속변수들이 공유되기 때문에 동시에 결정변수들을

결정하는 문제로 구성하 다.

본 연구에서 다루고자 하는 모형식 구축에 사용된 표기법들은 다음과 같다.

- 37 -

입력변수

물류거 노드 집합 ( max )

수요지 노드 집합 ( max )

이원화 물량의 순 ∈ : 수요지 노드 ∈ 의 평균 수요

: 수요지 노드 ∈의 수요의 표 편차

′: 생산지 노드에서 물류거 노드 ∈ 까지 거리(km)

: 물류거 노드 ∈ 에서 수요지 노드 ∈까지 거리(km)

: 물류거 단 이 발생하지 않을 확률

: 물류거 노드 ∈ 의 단 발생 확률

: 물류거 - 수요지 노드 간 단 수송비용

: 물류거 확보 고정비용

: 단 재고 유지비용

: 지연발생 단 손해비용

: 물류거 노드 ∈재고부족 발생 시 투입되는 긴 수송의 단 수송비용

: 물류거 노드 ∈단 발생으로 수요지노드 ∈의 순 물량 지연

방지를 해 투입되는 긴 수송의 단 수송비용

′ : 생산지 - 물류거 간 기본수송수단 단 수송비용

: 생산지 - 물류거 간 기본수단 단 수송비용 비 긴 배송수단 의 단 수송비용

비율 ( × ′= 긴 배송수단 의 단 수송비)

′ : 긴 상황 발생시 긴 수단 투입에 한 비용 가 치 ( ′× × ′= 긴 상황

발생시 긴 배송수단 의 단 수송비)

- 38 -

: 물류거 ∈ 의 배송재고와 안 재고를 합한 재고 수량

: 수요 의 확률분포식

: 물류거 노드 ∈ 재고부족 발생시 부터 다음번 정된 재고보충시 까지의

시간

: 물류거 노드 ∈ 재고보충된 시간부터 다음번 재고부족의 발생이 상되는

시 까지의 시간

: 기본수단 상 운송시간

: 긴 수단 의 상 운송시간

: 노드단 발생 시 부터 재 배송 이던 물량이 물류거 노드에 도착하여 재고를

보충하는 정 시 까지의 시간

: 수요지 ∈에 재고가 보충되는 시 부터, 물류거 노드 ∈의 단 로 인한

순 수송 조달 부족량에 의해 수요지 완충재고가 고갈되는 시 까지의 시간

: 노드 단 이 발생한 시 부터 긴 수송수단을 확보하는데 까지 걸리는 시간

: 물류거 노드 ∈ 의 기 재고부족량

: 물류거 노드 ∈ 의 단 로 수요지노드 ∈에 발생하는 순 물량 재고부족

발생인자

: 수요지 완충재고 비율

′ : 생산지 노드에서 물류거 노드 ∈ 까지 물동량(FEU)

: 물류거 노드 ∈ 에서 수요지노드 ∈까지 순 루트 물동량(FEU)

: 물류거 노드 ∈ 에서 수요지노드 ∈로 공 되는 순 루트 물동량 비율

max : 물류거 이 서비스할 수 있는 수요지의 최 개수

max : 물류거 최 사용 개수

결정변수

: 물류거 에서 수요지 로 순 루트로 배송되는 여부 ∈ : RDC 를 1순 거 으로 거치는 물량의 1순 물량 비율

: 물류거 의 사용 여부 ∈ : 물류거 노드에서 확보하는 안 재고수 으로 표 편차의 배수를 의미함

- 39 -

3.5.2 모형구축

본 에서는 각 계층의 운송비용, 고정비용, 물류거 의 재고유지비용 재

고부족비용, 노드단 발생 험 비용의 합을 최소화 하는 목 함수를 설정하

고 제약조건을 정의하 다. 목 함수의 노드단 발생 험비용은 크게 단

발생으로 인한 긴 수송 비용과 수요지 지연발생 손해비용으로 구분하 다.

생산지에서 수요지로의 직결운송은 허용하지 않았으며 물류거 이나 수송링크

의 용량제약 역시 고려하지 않았다. 제시된 노드단 험성을 고려한 다수단

복합운송 모형은 다음과 같다.

수송비용고정비용재고유지비용재고부족비용위험비용위험비용 (3.13)

식 (3.13)은 목 식이 생산지부터 수요지까지의 운송비용과 물류거 의 고정

비용, 물류거 에서의 재고유지비용, 재고부족비용, 노드단 발생 험비용들

의 합을 최소화함을 의미한다.

3.5.2.1 수송비용

단 이 발생하지 않았을 때의 생산지 노드부터 수요지 노드까지의 총 운송

비용은 생산지∼물류거 운송비용과 물류거 ∼수요지 운송비용의 합으로 나

타나며 그 식은 (3.14)와 같다.

수송비용 ∈∈ ∈

′ ′ (3.14)

기본 으로 수송비는 단 수송비용과 노드간 거리, 수송물량의 곱에 단 이

발생하지 않았을 때의 확률 ∈를 곱하여 산출된다. 간선수송이 이

루어지는 생산지∼물류거 ∈ 에서는 이 구간을 수송하는 수단 가장 낮

은 비용을 갖는 수단을 기본배송수단으로 설정하여 그 단 수송비용 ′를

기본으로 하여 수송비용을 산출한다. 그 외 더 높은 수송비용을 갖는 긴 수

- 40 -

송수단들은 단 발생시, 는 수요의 변동으로 재고 부족시 활용되게 되며,

이는 험비용과 재고부족비용 항에 포함되었다.

지선수송구간인 물류거 ∈∼수요지 ∈의 단 수송비용 는 지역

내 수송비용이며, 앞에서 언 한 바와 같이 배송량 규모에 따른 단 수송비용

의 차이는 없음을 가정한다. 생산지∼물류거 , 물류거 ∼수요지 사이의 수송

거리는 ′ , 로 표 한다.

는 물류거 가 수요지노드 의 순 물량을 공 하는 여부를 나타내며

다음과 같이 정의된다.

물류거점 가 수요지노드 의 순위물량을공급할때

그외는 물류거 를 1순 물량 통과 거 으로 하여 배송되는 물량의 비율을

나타내며 를 물류거 노드 에서 수요지노드 로 배송되는 순 물량의

비율이라고 할 때, 본 연구에서는 ∈로 한정지었으므로,

,

′∈ ′≠

′ 를 만족한다. 는 수요지노드 의 평균 수요를 의미한

다. 수요지 에 순 로 공 하는 물류거 노드는 동시에 최 한 곳만 존

재하여야 하므로

≤ 가 만족되어야 한다. 따라서 생산지에서 출발하여

물류거 를 지나 수요지노드 에 도착하는 순 물량 는

를

만족한다.

3.5.2.2 물류거 고정비용

물류거 노드의 사용에 따라 고정 으로 부가되는 비용은 거 을 경유하는

물량에 상 없이 거 노드의 수에 따라 일정하게 발생한다. 따라서 물류거

의 고정비용은 식 (3.15)와 같이 나타난다.

- 41 -

고정비용 ∈ (3.15)

여기서 는 물류거 1개소를 사용하는데 발생하는 고정비용이며 는

앞에서 제시한 바와 같이 물류거 후보지 를 물류거 으로 사용하는지 여

부에 한 결정변수이다. 를 물류거 의 사용 여부로 정할 때 다음과 같이

정의된다.

물류거점후보지 ∈가 사용될때 그외

이 때 물류거 은 최 물류거 수를 과할 수 없으므로

≤ max가 성립

하여야 하며, 물류거 의 공 은 물류거 가 사용 될 때만 이루어 질 수

있으므로

≤ max 역시 성립하여야 한다.

3.5.2.3 재고 유지 부족 비용

수요의 변동성으로 인해 물류거 노드에서는 경우에 따라 재고량이 수요를

과하기도 하고, 부족하게 되기도 한다. 가능한 수요를 만족시키기 해 물류

거 에서는 평균 수요량 이외에 추가 으로 결정계수인 안 재고량 만큼의

안 재고를 보유하고 있다. 이로부터 기 되는 물류거 의 재고 유지비용은

식 (3.16)과 같이 나타난다.

재고유지비용 ∈

′′′ (3.16)

재고유지비용은 단 재고유지비용 와 기 재고량을 곱하여 얻을 수 있

다. 물류거 노드 에 기 되는 기 재고량은 확률 인 수요 발생을 가정 할

때 물류거 노드 를 통해 공 되는 수요 ′ ∈ ∈

의 확률분포식 ′

과 물류거 노드 의 재고수량 로부터

′′′과 같이 결정된

- 42 -

다. 는 물류거 노드 를 통해 공 되는 수요 ′과 수요 변동에 비하여 확

보하는 안 재고의 수 에 해 ′ 과 같이 나타낼

수 있다. 의 제곱근 항에 속하는 부분은 물류거 에 배정된 모든 수요지의

분산의 합을 의미한다.

물류거 의 재고가 부족하게 되는 경우 발생하는 재고부족비용은 식 (3.17)

과 같이 나타난다.

재고부족비용 ∈′ ′

∞

′ ′′ (3.17)

재고부족비용은 물류거 에서 확보하고 있는 안 재고로도 수요의 변화에

응할 수 없는 경우에 이를 처리하기 해 생산지로부터 재고부족량을 긴

수송해 오는 비용으로 수송비용과 마찬가지로 배송 거리와 투입된 수단의 단

수송비용 추가분, 재고부족량의 곱으로 산출된다. 기 재고부족량은 기 재

고량과 마찬가지로 확률 인 수요 발생을 가정 할 때 물류거 노드 를 통해

공 되는 수요 ′의 확률분포식 ′과 물류거 노드 의 재고수량 로부터

∞

′ ′′과 같이 산출된다. 는 물류거 에 재고부족 발생

시 투입되는 긴 배송수단의 단 수송비용이며, 재고부족량에 따라 투입 수송

수단이 정해지며 각기 다른 단 수송비용이 용된다. 투입되는 긴 배송수단

의 단 수송비용 는 다음과 같이 정의된다.

′ ≥ ′ ≥ ≥ ′

≥

(3.18)

여기서 는 물류거 에서 재고부족이 발생하기 시작한 시 부터 다음번

정된 재고보충까지의 시간을 나타내며, 는 재고부족 수량을 고려했을 때

재고가 보충된 시간부터 다음번 재고부족의 발생이 상되는 시 까지의 시간

- 43 -

을 나타낸다. 물류거 의 재고부족량

∞

′ ′′라 할 때,

[그림 3-2]와 같이

′, ′

임을 알 수 있다.

[그림 3-2] 물류거 재고량과 SOi, sati, rsti의 계

, 은 생산지∼물류거 간 기본 배송수단으로 배송 시 걸리는 시간과

긴 배송수단 으로 배송 시 걸리는 시간으로, 재고부족 발생시 부터 다음

번 재고부족 발생시 까지 상 시간인 가 보다 크면 기본 배송

수단으로 부족량을 보충하여도 됨을 의미한다. 반면, 가 가장 빠른 수

송수단 보다 한단계 이 수단인 의 수송시간 보다 작으면 가

장 빠른 수송수단 을 통해 부족량을 보충하여야 한다. 각각의 경우 각기 다

른 단 수송비가 용되며 이로부터 재고부족의 페 티가 발생하게 된다.

- 44 -

3.5.2.4 노드단 험비용

물류거 노드단 이 발생하게 되면 단 된 노드를 통해 배송 되던 물량의

원활한 수 을 해 우회노드로 긴 수송을 수행하게 된다. 경우에 따라서

긴 수송으로 납기를 맞출 수도 있고, 는 납기를 맞추지 못하고 지연이 발

생할 수도 있다. 기업을 수요지로 하는 물류에서 다량의 지연이 발생하 을

때, 공 을 받는 기업의 입장에서는 생산 라인의 정지와 같은 커다란 피해로

발 될 수 있다. 이는 실제 손해 뿐 아니라 잠재 수익에 한 손해, 공 기

업 신뢰도 하락 등 커다란 규모의 손해를 발생시킨다. 따라서 본 연구에서는

노드단 에 의한 피해비용을 긴 수송으로 인한 수송추가비용과 공 지연 발

생시 손해비용으로 나 어 제시하 으며, Snyder (2006)의 시나리오 발생확률

을 반 한 시설입지문제모형의 틀을 차용하여 확률 피해발생을 반 하도록

하 다. 노드단 에 의한 긴 수송 추가비용인 험비용1은 식 (3.19)와 같다.

위험비용 ∈∈ ∈ ′∈ ′≠

′′′ ′min ′∈′≠ (3.19)

여기서 는 각 물류거 노드에 단 이 발생할 확률을 의미하며, 험비용1

은 각 물류거 노드 의 단 발생시 긴 수송으로 발생하는 추가비용과 단

발생확률을 곱하여 산출하 다. 물류거 노드 에 단 이 발생하 을 때

이를 통해 수요지 로 배송되던 순 물량 는 이원화 배송을 통해 기존에

확보된 다른 루트를 통해서 배송되어야 한다. 이 때 사용되는 기존 확보 루트

는 순 를 제외한 다른 순 물량 가장 높은 순 (낮은 k값,

min ′∈′≠) 물량이 통과하는 루트가 가장 합하며, 본 연구에서는 1순

물량 경유 거 에 단 발생시 2순 물량이 경유하는 거 을, 2순 물량

경유 거 에 단 발생시 1순 물량이 경유하는 거 을 통해 배송하게 설정

되었다. 이와 같은 루트의 선택 ′min ′∈′≠ 과 배송되어야 하는 물량 , 투입

되는 수송수단 비용 ′′′ 으로부터 험비용1을 산출하 다.

- 45 -

지선구간 배송은 다른 긴 수단이 없이 동일한 수송수단의 활용을 가정하

기 때문에 일반 수송비용에서와 같이 단 수송비용 가 사용된 반면, 간선

구간 배송은 단 로 인해 발생한 지연을 회복하기 해 긴 수송이 투입되어

긴 수송수단의 단 수송비용 이 용되었다.

노드단 과 같이 상하지 못한 사건이 발생하여 해당 지역에 긴 수송에

한 수요가 증가하게 되면, 같은 수송수단이라 하더라도 경우에 따라 가 된

수송비용을 용하는 경우가 발생하게 된다. 따라서 이와 같은 상황에서 비용

에 가 되는 가 치 값 ′을 수단별 단 수송비용에 용하여 기본배송수단과

긴 배송수단의 단 수송비용은 ′ ′ , ′ ′과 같이 정의 된다. 는

노드단 상황에 따라 용되는 긴 배송수단의 단 수송비용으로 다음과 같

이 결정된다.

′ ′ ≥

′ ′ ≥ ≥

′ ′

≥

(3.20)

여기서 는 노드 단 이 발생한 시 부터 긴 수송수단을 확보하기 까지

걸리는 시간으로, 새로운 루트를 확보하는데 걸리는 시간을 반 하기 해

용되었다. 는 노드단 발생 시 부터 재 배송 이던 물량이 물류거 노

드에 도착하여 재고를 보충하는 정 시 까지의 시간을 나타낸다. 는 재

고가 보충되는 시 부터 노드단 로 발생한 조달 부족량에 의해 수요지 재고

가 어들어 완충재고까지 모두 고갈되는 시 까지의 시간으로 수요지노드

에 지연배송되는 물량 수요지의 완충재고비율과 한 계를 갖고 있다.

, , 는 [그림 3-3]과 같은 계를 갖고 있으며 이로부터

( = 수요지완충재고비율)을 만족한다.

- 46 -

[그림 3-3] , dat,

, mft 의 계

노드단 이 발생하는 시 부터 수요지에 재고부족이 발생하는 시 까지의

시간인 ( )보다 기본 배송수단으로 배송하는데 걸리는 시간인

( )가 클 경우, 기본 배송수단으로 수요지에 물량을 공 하여도 재고부

족이 발생하지 않으므로, 노드단 발생으로 인한 추가 수송비용 항목에는 기

본배송수단 단 수송비용인 ′을 용할 수 있다. 한편 ( )이

( )보다 작지만 긴 수송수단 1을 통해 수송하는 시간인 ( )보

다 큰 경우, 긴 수송수단 1을 통해 공 하며, 긴 수송수단 1의 단 수송비용

′ ′을 용한다. 이와 같은 방법으로 ( )이 ( )보다 작

지만 ( ) 보다 큰 경우 긴 배송수단 m을 통해 공 하며, 긴 배송수

단 m의 단 수송비용인 ′ ′을 용한다.

한편 ( )이 긴 수송수단 m을 통해 수송하는 시간인 ( )보

다 작은 경우에는 긴 수송으로도 어쩔 수 없이 재고부족이 발생하는 경우가

생기게 되는데 이때에는 노드단 험에 의한 손해비용인 험비용2가 발생하

- 47 -

게 된다. 험비용2는 식 (3.21)과 같이 나타낼 수 있다.

위험비용 ∈∈ ∈

(3.21)

여기서 는 지연으로 인해 수요지의 완충재고를 과한 재고부족이 발생

하 을 때 과되는 지연 물량에 한 단 손해비용을 의미한다. 는 노드단

로 인한 재고부족 발생 인자로 최소 0이상의 값을 가지며 [그림 3-4]로부터

과 같은 계를 가짐을 알 수 있다.

[그림 3-4] 노드단 발생시 재고부족 발생

- 48

-

3.5

.2.5

모

형의

기존

연구

비

교

종합

모형

의 각

비

용항

목들

을

심으

로 기

존연

구와

비

교하

면 다

음과

같

다.

기존

연구

모형

본연

구모

형

항목

수식

항목

수식

수송

비용

∈ ∈ ∈

Sn

yd

er (

2006

)

수송

비용

∈ ∈ ∈

′ ′

험

비용

1 ∈ ∈ ∈

′∈′≠

′′′ ′min′∈ ′≠

--

험

비용

2 ∈ ∈ ∈

고정

비용

∈

Sn

yd

er (

2006

)

고정

비용

∈

재고

유지

비용

Sta

rr (

1962

)

재고

유지

비용

∈ ′ ′ ′

재고

부족

비용

∞

Sta

rr (

1962

)

재고

부족

비용

∈′ ′

∞

′ ′ ′

- 49 -

지 까지 제시된 각 비용항목들을 종합한 최종 목 식과 제약식을 정리하면

다음과 같다.

∈∈ ∈

′ ′ +∈

+∈

′′′+

∈′ ′

∞

′ ′′ +

∈∈ ∈ ′∈ ′≠

′′′ ′min ′∈′≠

+∈∈ ∈

결정변수 :

, , ,

′ ≥ ′ ≥ ≥ ′

≥

′ ′ ≥

′ ′ ≥ ≥

′ ′

≥

, ′ ∈ ∈

,

′∈ ′≠

′

∈ ∈ ′

′

′

(

∞

′ ′′)

물류거점 ∈가 수요지노드 ∈의 순위물량을공급할때

그외 물류거점후보지 ∈가 사용될때

그외

≤

≤ max

≤ max

′ ≥ , ≤

∈ 후보지수,

수,

- 51 -

제 4 장 알고리즘의 도입

Cornuejols (1984)는 비용량제약 시설 배정문제(Uncapacitated Facility

Location Problem, UFL Problem)가 NP-complete 문제인 Node Cover Problem

과 같은 형태를 가짐을 보임으로써 NP-hard임을 보인 바 있다. 본 연구의 모형

은 수요지 노드들이 각각 두 개의 비용량제약 시설에 배정되는 문제와 같은 형

태를 가진다. 각 수요지의 이원화 비율이 정해지면, 각각 1순 경로 배송물량

과 2순 경로 배송물량에 해 UFL문제가 수행되어야 하며 이는 두 개의

UFL문제를 푸는 것과 같은 형태를 지닌다. 따라서 본 연구의 모형 역시

NP-hard함을 알 수 있으며, 경험 기법을 통해 해를 찾아가야 한다. 다양한 형

태의 네트워크설계 모형에 한 기존 연구들에서는 특화된 방법을 통해 완화된

문제로 변형 는 하부 문제로 분해하거나 근사 알고리즘을 개발하는 등 다

양한 기법을 용하 다. 근래에 들어서는 메타휴리스틱 알고리즘을 활용한 네

트워크 설계문제의 해결 연구가 활발히 진행되고 있으며 특히 진화알고리즘의

개발로 더욱 큰 범 에서 역최 해에 근사하는 결과를 도출하고 있다.

[그림 4-1] 역탐색과 입자군집최 화 알고리즘의 본 모형

탐색시간 비교

- 52 -

본 연구의 모형은 수요지의 물류거 배정을 결정하는 정수모형과 각 수요

지의 물량의 이원화 비율을 결정하는 비정수 모형이 복합된 비선형 혼합정수

계획(Non-linear Mixed Integer Programming)모형의 형태를 지닌다. Hassan

(2004)은 8가지의 다양한 비선형 혼합정수계획 최 화 문제에서 유 자 알고

리즘(Genetic Algorithm)과 입자군집최 화(Particle Swarm Optimization,

PSO) 알고리즘의 성능을 비교하 으며 둘 다 우수한 성능을 보이면서 입자군

집최 화 알고리즘이 더 빠른 시간 내에 해를 도출하여 높은 효율성을 보임을

제시하 다. 따라서 본 연구에서는 입자군집최 화 알고리즘을 활용하여 유효

해를 탐색하도록 하 다.

입자군집최 화는 개체들 간의 상호 작용을 통해 최 의 해를 찾아가는 방

법을 사용하는 알고리즘으로, 알고리즘이 단순하고 계산시간이 짧으며 량의

메모리가 필요 없다는 장 을 가지는 것으로 알려져 있다. Sevkli (2006)는

16×50에서 100×1000의 크기를 갖는 비용량제약 시설 입지문제들에 입자군집

최 화 알고리즘을 용하여 해를 구하 고 Yapicioglu (2007), Bozorgi-Amiri

(2012)등에서도 시설입지문제에 용되어 해를 산출하는데 활용된 바 있다.

Elbeltagi (2005)에서는 이산최 화 문제에 용한 결과 표 인 진화알고리즘

에서도 최 해 도출시간이나 최 해 탐색 성공률 등에서 우수함을 보이는

것으로 나타났다.

Algorithm GAs MAs PSO ACO SFLMinimum Cost ($) 162,270 161,270 161,270 161,270 162,020Average Cost ($) 164,772 162,495 161,940 166,675 166,045% Success Rate 0 20 60 20 0

Processing Time(s) 16 21 15 10 15

[표 4-1] 진화알고리즘의 비교

주1) GAs: Genetic Algorithms, MAs: Memetic Algorithms, PSO: Particle Swarm Optimization, ACO: Ant Colony Optimization, SFL: Shuffled Frog Leaping을 의미함

자료: Elbeltagi et al., 2005

- 53 -

4.1 입자군집최 화(Particle Swarm Optimization)의 개요

4.1.1 개념 배경

입자군집최 화(PSO)는 Kennedy와 Eberhart에 의해 개발된 진화알고리즘으

로 군집의 새들이 최종 목 지에 도착하는 사회 행태 특성을 기반으로 한

탐색 방법이다. PSO에서는 각각의 가능해가 입자(Particle)로 표 되며, 유 자

알고리즘과는 달리 새로운 입자를 생성하지 않고 각 입자들은 정보를 공유하

며 최 해를 향해 치를 바꾸어가며 해를 탐색한다.

각각의 입자는 고유의 속도를 가진 채 최 치에서 탐색을 시작한다. 입

자들은 서로 정보를 공유하며 최 의 치를 가진 입자를 악해서 그 방향으

로 재 치한 상황을 반 한 속도로 나아간다. 그리고 입자는 다시 각각의

주변을 탐색하면서 정보를 공유하며, 와 같은 단계를 반복하여 최종 으로

가고자 하는 치, 즉 도출해에 도달하게 된다. 입자군집최 화의 요한 특징

은 각각의 단계마다 사회 상호작용과 개별 인 지능을 갖는다는 인데, 이

로 인해 입자들은 자신의 경험으로부터 지역에 한 탐색과, 상호 정보 공유

로부터 역에 한 탐색을 함께 수행할 수 있게 된다.4)

[그림 4-2] PSO의 해탐색 수행 개념

자료 : 정윤원 (2007)

4) Elbeltagi et al, 2005

- 54 -

4.1.2 알고리즘의 용어 구성

입자군집최 화 알고리즘에서 자주 사용하는 용어를 정리하면 다음과 같다.

입자(particle) : 주어진 문제에 대한 실행가능해를 표현하며 각 입자는 위치

(해)를 바꾸어가며 최적해를 찾아간다

적합도(fitness) : 입자의 목적함수 값

속도 : 입자가 최적해를 찾아 매 주기 움직이는 크기와 방향. 주기마다 ,

값에 따라 바뀐다.

: 개별 입자의 기존 적합도 중 최적의 적합도 값

: 모든 입자들의 기존 적합도 중 최적의 적합도 값

입자군집최 화 알고리즘은 각 입자를 실행가능해에 치하고 매 주기 개인

경험치(개별입자)와, 사회 경험치( 체 입자)를 바탕으로 치를 갱신해가

며 최 해를 찾아간다. 일반 인 입자군집최 화 알고리즘의 의사코드(Pseudo

Code)는 다음과 같다.

시작

N개의 무작위 가능해(particles) 모집단 생성

각각에 대해 적합도() 평가

반복

반복:각각의 입자(particle)에 대해

기존 적합도를 대상으로 한 설정

만약 적합도()가 보다 우월하면, = 적합도()

종료

모든 입자를 대상으로 한 최적 적합도 설정

반복:각각의 입자에 대해

속도 계산

새로운 입자 위치 계산

종료

종료조건 확인; 종료조건 만족하지 않으면 반복, 만족하면 종료

종료

- 55 -

4.2 입자군집최 화(Particle Swarm Optimization)의 도입

본 연구에서는 수치해석 로그래 환경을 제공하는 공학용 소 트웨어

인 MATLAB과 Birge (2003)에서 제시된 MATLAB에서의 PSO 활용 툴박스를

활용하여 입자군집최 화 알고리즘을 본 모형에 용하 다.

본 모형에서 용된 입자군집최 화 알고리즘의 속도와 입자 결정식은 다음

과 같다. 여기서 최 치는 최 의 합도값을 갖는 벡터를 의미한다.

(4.1)

(4.2)

: 입자 번호

: 시간 주기

: 입자의 속도

: 입자의 치

: 개별입자에 의해 악된 최 치(Personal Best)

: 입자들의 군집에 의해 악된 최 치(Global Best, Personal Best들의

Best)

: [0,1] 의 임의의 값

: 성 함수

: 가속 계수

4.2.1 입자 표

최 해를 찾아가는 역할을 하는 각 입자는 모형의 결정변수만큼의 차원을

갖는다. 본 연구에서는 물류거 의 재고수 , 이원화 비율, 각 수요지의 1순

2순 물량배정 거 을 결정변수로 갖는 다차원 벡터의 입자들이 형성되

며, 각 입자는 치에 따라 합도라는 개념으로 본 모형의 목 함수값을 갖

- 56 -

고 이를 기억하여 개별 입자의 최 치(Personal Best; pBest)와 체 입자의

최 치(Global Best; gBest)를 악한다.

[그림 4-3] PSO의 입자 표 pBest, gBest

4.2.2 기 모집단

기 입자들은 해공간 내에서 기속도 를 갖고 좌표 에 치하게 된다.

기속도와 좌표는 무작 로 선택하거나 경우에 따라 임의의 값으로 설정할

수 있다.

4.2.3 pBest, gBest의 결정

각 입자들은 매 시간주기마다 치에 따라 합도를 갖게 된다. 각 입자들

의 이와 같은 합도는 주기 합도값과 비교되며 더 나은 합도 값으로

갱신되게 되는데, 이 값이 해당 입자의 pBest 합도가 되며 이때의 치를

- 57 -

pBest로 기억하게 된다. 한 각 pBest들을 비교하 을 때 최 의 합도를

갖는 gBest 값을 찾아 gBest 치를 기억하게 되며, 매 시간주기마다 gBest도

갱신된다.

4.2.4 속도 계산 입자 갱신

[그림 4-2]에 제시된 개념과 같은 방법으로 기존의 속도와 pBest 방향으로

움직이는 속도, gBest방향으로 움직이는 속도를 종합하여 다음번 주기에 움직

일 속도를 결정한다. 기존의 속도에는 성함수 를 용하고, pBest와 gBest

방향의 속도에는 가속계수 , 를 용하여 효과 으로 최 해를 찾아가도

록 할 수 있다.

4.2.5 종료조건

입자들은 매 시간주기마다 각각의 속도로 치를 바꾸어가며 최 해를 탐색

하면서 최 의 합도를 찾아가며 pBest와 gBest를 생성해 나간다. 그리고 종

료조건을 만족하는지를 확인하여 만족하지 않으면 다음 주기 이동을 수행한

다. 종료조건을 만족하게 되면 이원화 복합운송 물류거 을 결정하고 종료한

다. 종료조건으로는 gBest의 불변기 값, gBest의 불변 유지기간 조건을 이용

하 다. gBest의 불변기 값은 gBest의 불변여부를 결정하는 기 값을 의미하

며 목 식값의 변화가 이 값보다 작은 경우 목 식값은 변하지 않은 것으로

단한다. gBest의 불변 유지기간 조건은, 앞에서 기술한 gBest의 불변기 값

이하로 일정 주기동안 gBest가 유지될 경우 탐색을 종료시키는데 이 때 기

이 되는 주기 수를 의미한다. 이러한 종료조건을 통해 불필요한 반복시행을

여 알고리즘의 성능 하를 방지하고 빠르게 근사해를 탐색할 수 있도록 하

다.

앞에서 설명한 입자군집최 화 알고리즘의 분석 흐름도는 다음과 같다.

- 58 -

[그림 4-4] 입자군집최 화 알고리즘 분석 흐름도

- 59 -

제 5 장 모형의 용

3장에서 제시한 이원화를 고려한 복합운송 배송 략 결정 모형식과 4장에서

제시한 입자군집최 화 알고리즘을 이용하여 이 장에서는 실제 네트워크에 모

형을 용하여 분석을 수행하 다. 실제 사례에 용함으로써 최 화 알고리

즘의 유효성을 확인하고 모형의 일반성을 확보하며, 변수간 상 계를 악

하는 것을 목 으로 한다.

사례분석에 이용된 네트워크는 실성을 확보하기 해 실제로 기업에 부품

을 납품하는 제조업체 A사의 2010년 상반기 송장자료를 기 으로 생성하 다.

생성된 자료는 연구의 목 과의 일치성을 해 상 지역별로 분류하 으며

본 연구에서는 국지역을 용하 다. 네트워크는 생산지 노드를 제외한 총

노드 수를 기 으로 제 네트워크(6개), 소규모 네트워크(10개), 규모 네트

워크(20개), 규모 네트워크(40개)로 구분하 다.

첫 번째로, 모형에 다양하게 용된 입력변수들과 결정변수들의 상 계를

악하기 하여 제네트워크를 상으로 변수들을 변화시켜가며 그 계를

살펴보았다.

두 번째로, 개발된 알고리즘의 성능을 검증하기 해 소규모 네트워크를

상으로 모형을 용하여 체열거법과 입자군집최 화 알고리즘을 통해 해를

구하 다. 규모와 규모 네트워크의 경우 네트워크 규모의 증가에 따라

체열거법을 수행하는 데 걸리는 시간이 지수 으로 증가하므로 소규모 네트워

크만을 상으로 하 으며, 여기서 얻어진 해를 비교하여 합성을 검증하고

본 연구에 용된 알고리즘의 유효성을 확인하 다. 한 입자군집최 화 알

고리즘의 용에 있어서 문제의 크기에 따라 입자 수와 종료조건, 가속계수

등을 변경하여 가장 합한 알고리즘 용환경을 제시하여 역해 탐색의 효

- 60 -

율성을 극 화 하 다.

세 번째로, 규모 네트워크를 상으로 다양한 상황 변화에 한 의사결정

변화를 살펴보았다. 의사결정 변화는 기존연구에서 제시되는 량 배송 략과,

본 연구에서 제시하고 있는 이원화 배송이 함께 고려되는 배송 략에 해 살

펴보았다.

네 번째로, 규모 네트워크를 상으로 본 모형을 용하여 그 용성을

확인하 으며, 주어진 상황에 해 일반화 된 결론을 제시하 다.

5.1 사례분석의 입력변수 설정

본 연구는 생산지로부터 물류거 , 물류거 으로부터 수요지까지의 거리와

수요지의 평균수요 분산, 단 비용 등이 주어진 상태에서 수요지 할당

이원화 수송량, 물류거 을 정하기 한 것으로 미리 제되는 변수들의 변화

에 따라 분석 결과 역시 다르게 도출 될 수 있음을 유의해야 한다.

본 연구의 분석을 해 사용한 입력 변수들은 다음과 같다.

네트워크는 앞에서 언 한 바와 같이 A사의 2010년 배송실 을 바탕으로

임의로 생산지노드와 소비지노드를 선정하여 활용함으로써 분석결과의 실성

을 확보할 수 있도록 하 다. 각 수요지의 수요 역시 실제 수요지들의 주문량

을 바탕으로 정규 분포를 생성하여 활용함으로써 신뢰성을 유지할 수 있도록

하 다.

사례분석에 용된 네트워크가 국시장을 상으로 하고 있어 분석에 활용

된 비용은 CNY( 국 안)를 기본단 로 설정하 다. 수송비용의 경우 실제

지출된 수송비용을 바탕으로 수송량을 FEU(Forty-foot Equivalent Units) 기

으로 환산, 산출된 각 수단별 단 수송비용을 평균하여 용하 다. 이에 따라

간선의 기본배송수단은 20 CNY/unit․km, 긴 배송수단 1은 50 CNY/unit․

- 61 -

km, 긴 배송수단 2는 220 CNY/unit․km를 설정하 고, 지선의 배송수단은

60 CNY/unit․km의 단 수송비용을 설정하 다. 재고유지비용의 경우에도

활용한 보 시설들의 평균 주간 보 비용인 588 CNY/unit․time을 용하

다. 물류거 의 확보로 발생하는 물류거 당 고정비용은 유닛당 평균보 비

용과 비슷한 수 인 600 CNY/time을 용하 고, 수요지 완충재고를 과하

여 발생하는 지연물량에 한 손해비용은 유닛당 물류비와 매출 비 물류비

비율, 장기 주문계약 지연에 한 주문 철회 가능성 등의 환경을 고려하여

36,000,000 CNY/unit으로 설정하 다.

배송 시간의 경우 기업에서 확인하여 용하고 있는 기본 스 쥴을 반 하

여 용하 다. 재 국시장에 활용하고 있는 수송수단은 배송시간 기 으

로 세 가지 종류 수단으로 구분되며, 각각 9일, 6일, 4일이 걸리는 것으로 나

타났다. 따라서 사례분석에서는 이와 같은 실을 반 하여 세 가지 종류의

수송수단을 용하 다.

단 발생으로부터 도착 정시 까지의 시간인 은 기본배송수단으로 물동

량이 출발하여 물류거 까지 도착하는 기 시간인 7일에 노드단 발생확률의

균등분포를 가정하여 3.5일로 설정하여 용하 다. 배송루트 미확보 시 확보

를 해 필요한 추가시간인 는 정기선과 비정기선의 기 일정차이와 노드

단 발생 상황의 특수성을 고려하여 5일로 가정하여 용하 다.

노드단 이 발생할 확률은 1년을 약 50주로 설정하 을 때 20년에 한번 발

생하는 경우를 가정하여 기본 으로 0.1%를 가정하 다. 측하지 못한 노드

단 은 크고 작은 자연재해와 테러, 발견되지 못한 기술 결함, 인 물 요

소 등 다양한 외부 요인들로부터 발생할 수 있으며 따라서 이와 같은 확률의

설정은 크지 않은 수 이다. 노드단 이 발생할 확률은 그 범 나 환경에 따

라 다양하게 변동할 수 있으며, 따라서 본 연구에서는 기본 으로 설정한 수

치 이외에 다양한 확률을 용하여 민감도 분석을 수행함으로써 확장된 연구

- 62 -

의 용성을 제시할 수 있도록 하 다.

5.1.1 용 네트워크 생성

분석을 해 실제 노드자료 일부를 무작 로 선택하여 네트워크를 생성

하 다. 제 네트워크는 1개의 생산지와 3개의 물류거 노드, 3개의 수요지

노드를 선택하여 가장 간단한 네트워크 규모를 제시할 수 있도록 설정하 다.

소규모 네트워크에서는 1개의 생산지노드와 3개의 물류거 노드, 7개의 수요

지노드를 선택하 으며, 간규모 네트워크에서는 5개의 물류거 노드, 15개

의 수요지 노드를 선택하 다. 규모 네트워크에서는 1개의 생산지노드와 12

개의 물류거 노드, 28개의 수요지 노드를 선택하 다. 소규모 네트워크의 노

드 치도는 [그림 5-1]과 같으며, 제네트워크는 [그림 5-2], 규모와 규모

네트워크는 참고자료에서 찾아볼 수 있다.

[그림 5-1] 분석 네트워크 노드 치도 (소규모)

- 63 -

5.1.2 분석 환경

본 연구에서 제시한 입자군집최 화 알고리즘의 실행을 해서는 입자의

성계수, 가속도, 입자 수, 등 여러 가지 변수들이 결정되어야 한다. Shi (1998)

는 입자가 해를 찾아가는 가속도 2를 사용하여 효율 인 해탐색을 보 고,

Birge (2003)도 이를 알고리즘에 반 하 다. 이와 같은 기존 연구결과를 참고

하여 본 연구에서도 일반 으로 가속도를 2로 고정하여 해 탐색을 수행하

다. 입자가 이 주기의 속도로부터 향을 받는 크기를 나타내는 성계수는

최 0.9에서 최소 0.4로 주기가 갱신됨에 따라 감소하도록 설정하 고, 성

계수의 최소값 도달 은 1500회 주기로 설정하 다.

체 알고리즘의 종료조건은 분석 주기가 최 값에 달하거나 유효해의 개선

값이 일정 규모이내에서 지속되는 주기 수로 설정한다. 본 연구에서는 종료조

건인 최 분석주기와 유효해 개선값 기 을 각 2000회와 1e-20로 설정하 고,

유효해 비개선 지속 주기 250회를 기 으로 분석하 다.

최 해를 찾아가는 각각의 입자들의 개수는 다양한 연구들에서 일반 으로

20개∼40개를 설정하여 사용하고 있으며, 본 연구에서는 연구의 복잡도를 고

려하여 35개로 설정하여 용하 다.

분석에 이용된 알고리즘은 MATLAB R2011b(7.13.0.564), 32-bit 환경에서 구

되었으며 3.33GHz Core-i5 CPU를 장착한 Intel IBM-PC의 Windows XP

Professional SP3, 1.86GB RAM 환경에서 수행되었다.

5.2 제네트워크 용 분석

1개의 생산지와 3개의 물류거 노드, 3개의 수요지 노드를 갖는 제네트

워크를 상으로 하여 변수들 간의 상 계를 분석하기 해 주요 변수의 변

화에 따른 목 식 평면 결정변수의 변화를 살펴보았다. 이원화비율은 0.6부

- 64 -

터 1.0까지 0.01씩 변화시키고 안 재고수 은 0부터 4까지 0.1씩 변화시켜 각

각의 가능해에 한 물류비를 도출하 으며, 이원화 배송을 하는 경우에 해

서는 각각 1개, 2개, 3개의 수요지 노드에 해 이원화 배송을 하는 경우

가장 최 의 경우를 선택하여 산출된 물류비를 제시하 다.

[그림 5-2] 제네트워크 노드 치도

우선 변수의 변화를 주기에 앞서 기본 으로 설정된 입력변수 상황에서 이

원화비율(x축)-안 재고(y축)-물류비(z축)가 어떤 계를 갖고 있는지 살펴보았

다. [그림 5-3]의 3차원 그래 를 살펴보면 이원화 비율에 따라 물류비가 비교

크게 변화하는 반면 안 재고(SL)는 0에 가까운 지역을 제외하고는 상

으로 은 변화를 보이는 것을 알 수 있다. 이는 [그림 5-4]에서 세로축(안 재

고)을 따라 유사한 색(비슷한 물류비수 )이 분포되어 있는 것에서도 알 수 있

다. 제네트워크에 해서는 이원화율 0.90~0.95, 안 재고 1.0~2.5 부근에서

최 해를 갖고 있음을 알 수 있다. 좀 더 명확한 최 해 치를 살펴보기

해서는 [그림 5-5] 이원화율-물류비 그래 와 [그림 5-6] 안 재고-물류비 그래

- 65 -

를 살펴보아야 한다. 이로부터 제네트워크에 한 본 모형의 최 해는 이

원화비율 0.93, 안 재고 수 1.8에 존재함을 확인 할 수 있다.

[그림 5-3] 이원화비율-안 재고-물류비 계

[그림 5-4] 이원화비율-안 재고-물류비 계(평면)

- 66 -

[그림 5-5] 이원화비율-물류비 계

[그림 5-6] 안 재고-물류비 계

- 67 -

[그림 5-7] 단 손해비용 증가에 따른 물류비 평면 변화

5.2.1 단 손해비용 변화

물류거 노드의 단 로 단 유닛의 지연이 발생하 을 때 수요지에서 발생

하는 단 손해비용()의 변화에 따른 결정변수 변화를 살펴보았다. 사례분

석의 입력변수 설정에서 제시한 36,000,000 CNY/unit의 10%, 50%, 100%,

150%, 200% 수 의 손해비용을 용하 으며 이에 따라 변화하는 이원화비율

()-안 재고()-물류비의 계를 앞에서 살펴본 4종류의 그래 (이원화비율-

안 재고-물류비 그래 , 이원화비율-안 재고 그래 , 이원화비율-물류비 그래

, 안 재고-물류비 그래 )를 통해 [표 5-1]에 제시하 다.

단 손해비용() 변화에 따른 가장 큰 변화는 특정이원화비율 이후 구역

에서 물류비 변화로, 단 손해비용이 작아질수록 이원화 비율 증가에 따라 물

류비 증가 기울기가 작아지며 음의 값을 갖기도 한다. 반 로 단 손해비용이

커질수록 이원화 비율 증가에 따라 물류비 증가 기울기도 커지는 것을 살펴볼

수 있다. 이원화 비율이 일정 수 이상 커지게 되면 노드 단 발생시 배송

지연 물량이 증가하게 되므로, 배송지연 물량에 한 손해비용인 단 손해비

용이 증가함에 따라 물류비의 증가량도 커지는 상을 보이는 것으로 분석된

다. 충분한 이원화가 이루어지는 해에 해서는 향을 미치지 않는 것으로

나타났다. 최 해(, )는 (1.00, 1.8) ~ (0.93, 1.8)범 에서 변하는 것으로 나

타나 단 손해 비용이 재 수 의 약 30% 이하의 경우에는 량배정배송의

- 68 -

선택이 가능하고, 그 외에는 이원화비율 0.93의 이원화 배송 선택이 유리한 것

으로 분석된다.

단 손해비용

변화율

이원화비율-

안 재고-물류비

이원화비율-

안 재고이원화비율-물류비 안 재고-물류비

10%

50%

100%

150%

200%

[표 5-1] 단 손해비용 변화에 따른 변수 계 변화

- 69 -

[그림 5-8] 간선 수송비 증가에 따른 물류비평면 변화

5.2.2 계층별 수송비용 비율 변화

간선과 지선의 수송비용 비율 변화에 따른 결정변수의 변화를 살펴보았다.

계층 간 수송비용의 비율은 지선의 수송비용()을 고정하고 간선의 단 수

송비용들( ′ , , )을 동일 비율로 변화시켜 용하 다. 사례분

석의 입력변수 설정에서 제시한 각 단 수송비용의 10%, 50%, 100%, 150%,

200% 수 을 용하 으며 이에 따라 변화하는 이원화비율()-안 재고()-

물류비의 계를 앞에서 살펴본 4종류의 그래 (이원화비율-안 재고-물류비

그래 , 이원화비율-안 재고 그래 , 이원화비율-물류비 그래 , 안 재고-물

류비 그래 )를 통해 [표 5-2]에 제시하 다.

간선 수송비용이 변화함에 따라 체 으로 물류비가 함께 증가하는 모습을

나타내는데, 이는 모든 물량에 해 수송비용이 일 으로 증가하여 나타나

는 상이라고 할 수 있다. 한 간선 수송비용이 작을 때에는 안 재고수

이 물류비용에 큰 향을 주지 않는 반면 수송비용이 증가할수록 안 재고 수

이 낮을 때 물류비가 증가하는 것으로 나타났다. 이는 간선 수송비용이

체 으로 증가하여, 재고 부족으로 RDC에 긴 수송이 발생할 때 투입되는수

송비의 추가분이 증가하기 때문으로 해석된다. 최 해(, )는 (0.93, 0.8) ~

(0.93, 1.9)범 에서 변하는 것으로 나타나 계층별 수송비용이 증가함에 따라

- 70 -

안 재고량이 증가되어야 하며, 이 때 이원화 배송을 수행하는 것이 유리한

것으로 분석되었다.

간선 수송비

변화율

이원화비율-

안 재고-물류비

이원화비율-

안 재고이원화비율-물류비 안 재고-물류비

10%

50%

100%

150%

200%

[표 5-2] 간선 수송비 변화에 따른 변수 계 변화

- 71 -

5.2.3 수단별 수송비용 비율 변화

간선수송에 용된 다양한 수단들 기본 수송수단의 단 수송비와 긴

수송수단의 단 수송비의 비율을 변화시켰을 때 결정변수의 변화를 살펴보았

다. 기본수송수단의 단 수송비용( ′)은 고정하고 긴 수송수단의 단 수송

비용( ,

)을 10%, 50%, 100%, 150%, 200%의 동일 비율로 변화시

켰으며, 이에 따라 변화하는 이원화비율()-안 재고()-물류비의 계를 앞

에서 살펴본 4종류의 그래 (이원화비율-안 재고-물류비 그래 , 이원화비율-

안 재고 그래 , 이원화비율-물류비 그래 , 안 재고-물류비 그래 )를 통해

[표 5-3]에 제시하 다.

긴 수송수단의 수송비용이 증가하여 기본수단과 긴 수단의 수송비 차이가

커질수록 체 으로 물류비가 증가함을 보 으며 특히 안 재고가 낮을 때

크게 증가하는 것으로 나타났다. 이는 불확실성으로부터 발생하는 지연물량에

해 긴 수단을 도입함에 따라 추가 투입되는 수송비가 증가하기 때문으로

해석할 수 있다. 최 해(, )는 (0.93, 0) ~ (0.93, 2.5)범 에서 변하는 것으

로 나타나 긴 수단 수송비용이 증가함에 따라 확보해야 하는 안 재고 수

이 증가하는 것으로 나타났으며 이 때 이원화비율은 유지하는 것이 유리한 것

으로 분석되었다.

[그림 5-9] 긴 수단 수송비용 증가에 따른 물류비 평면 변화

- 72 -

긴 수단

수송비변화율

이원화비율-

안 재고-물류비

이원화비율-

안 재고이원화비율-물류비 안 재고-물류비

10%

50%

100%

200%

500%

[표 5-3] 긴 수송수단 비용 변화에 따른 변수 계 변화

- 73 -

[그림 5-10] 수요지 완충재고 증가에 따른 물류비 평면 변화

5.2.4 수요지 완충재고비율 변화

수요지 완충재고비율() 변화에 따른 결정변수의 변화를 살펴보았다. 각각

-0.3, -0.1, -0.05, 0, 0.05, 0.1의 값을 용하 으며 이에 따라 변화하는 이원화

비율()-안 재고()-물류비의 계를 앞에서 살펴본 4종류의 그래 (이원화

비율-안 재고-물류비 그래 , 이원화비율-안 재고 그래 , 이원화비율-물류비

그래 , 안 재고-물류비 그래 )를 통해 [표 5-4]에 제시하 다.

수요지 완충재고비율이 음의 값을 가질 때에는 지연이 발생하더라도 수요지

에 최소 일정량의 재고는 반드시 유지해 주어야 함을 의미하며, 이는 수요지

특성에 따라 충분히 발생할 수 있는 상황이다. 수요지 완충재고비율이 증가할

수록 이원화 비율이 증가하여 우회배송을 하는 수량이 작아지는 것으로 나타

났으며 최 해(최소물류비)의 값도 작아지는 것으로 나타났다. 이는 수요지에

서 지연에 해 둔감한 응을 할수록 지연물량을 수송할 수 있는 시간이 증

가하여 이원화를 통해 확보해야 하는 추가 시간이 감소하기 때문으로 해석되

며, 이원화 물량이 감소함으로부터 추가 으로 투입되던 수송비가 감소하여

최 해가 작아지는 것으로 분석할 수 있다. 최 해(, )는 (0.63, 2.1) ~

(1.00, 1.8)범 에서 변하는 것으로 나타나 수요지 완충재고가 증가함에 따라

이원화를 덜 하는 방향으로(이원화비율이 증가하는 방향으로) 해가 변하며 완

충재고비율이 약 0.05~0.1의 수 이상이 될 경우 이원화보다 량배정 배송을

- 74 -

하는 것이 유리한 것으로 분석되었다.

수요지

완충재고비율

이원화비율-

안 재고-물류비

이원화비율-

안 재고이원화비율-물류비 안 재고-물류비

-0.3

-0.1

-0.05

0

0.05

0.1

[표 5-4] 수요지 완충재고비율 변화에 따른 변수 계 변화

- 75 -

5.3 알고리즘 성능 검증 용환경 분석

5.3.1 알고리즘 성능 검증

연구에 사용된 A사 네트워크 자료 일부인 생산노드 1개, 물류 거 노드

3개, 수요지 노드 7개를 용한 소규모 네트워크에 해서 체열거법과 본

연구의 입자군집최 화 알고리즘으로 계산된 목 함수 값, 각 수요지 노드의

RDC 할당결과, 수행시간 등을 비교하여 보았다. 입자군집최 화 알고리즘의

결과는 10회의 수행 목 함수 값이 최소가 되는 경우를 유효해로 설정하

다. 체 열거법을 통해 구한 최 해와 본 연구에서 제시된 입자군집최 화

알고리즘의 수행 결과를 비교해 볼 때 목 함수(총물류비용)와 수요지 별 할

당 물류거 결과가 동일한 것으로 나타났으며 계산 속도에 있어서는 본 연구

의 알고리즘이 체열거법에 비해 매우 빠르게 나타나 더 나은 성능을 보

다. 분석 결과는 [표 5-5]과 같다.

체열거법 본 연구 모형

목 함수(CNY) 5,080,550 5,080,550

RDC할당

수요지 번호 1순 RDC 2순 RDC 수요지 번호 1순 RDC 2순 RDC

1 (2) (1) 1 (2) (1)

2 (3) (1) 2 (3) (1)

3 (1) (3) 3 (1) (3)

4 (3) (1) 4 (3) (1)

5 (1) (3) 5 (1) (3)

6 (2) (1) 6 (2) (1)

7 (3) (1) 7 (3) (1)

수행시간( ) 1918.2 7.7

[표 5-5] 알고리즘 성능 검증 분석 결과 (소규모네트워크 용)

수요지 수의 변화와 계산수행시간을 비교해 보기 해 체열거법과 본 연

구의 입자군집최 화 알고리즘으로 각각 5개, 6개, 7개, 8개의 수요지에 해

- 76 -

분석을 수행하고 수행시간을 비교하여 보았다. [그림 5-11]에 나타나는 바와

같이 역탐색의 경우 탐색시간은 지수 으로 격히 증가하는데 비해 본 연

구의 알고리즘은 완만한 직선 형태로 증가함을 보 다. 따라서 큰 규모의 네

트워크에 해 분석을 수행하는 데에는 본 연구에 용한 입자군집최 화 알

고리즘을 통해 경험 으로 해를 탐색하는 것이 체열거법에 비해 더 효율

임을 알 수 있다.

[그림 5-11] 수요지 수 증가에 따른 계산수행시간 비교 (RDC수=3)

5.3.2 기입자 설정

입자군집최 화 알고리즘에서는 해를 탐색하는 각 입자의 기 치를 임의

로 설정하거나 무작 로 배치할 수 있다. 본 모형의 목 식에서 수송비용항은

선형계획법으로 풀이가 가능하며 이 때 도출된 해가 최 해는 아니지만 최

해에 가까운 유효해가 될 수 있다. 따라서 선형계획법으로 도출된 해를 기

입자 하나로 설정하여 탐색을 할 경우 일정 수 우수한 해를 기 할 수

있으며, 그 효율성을 무작 로 배치하는 경우와 비교하여 보았다. 비교는 규

모 네트워크를 상으로 하 으며, 각각 10회씩 알고리즘을 수행하여 결과를

- 77 -

살펴보았다. 그 결과 기해 하나를 수송비용항에 한 최 해로 설정하는

경우 평균 수렴주기는 580회로 무작 로 기해를 설정한 경우인 1592회 비

약 36%수 의 빠른 해 수렴을 보 다. 하지만 해 품질의 경우 자인 기해

지정 설정 시 10회 2회만 최선해를 산출한 반면, 후자인 무작 설정시에

는 10회 8회의 최선해 산출을 보여 무작 로 기해를 설정하는 경우가 더

우수한 최선해 탐색 성능을 보이는 것으로 나타났다.

이는 여러 입자들이 다양한 우수해를 공유하며 해를 탐색해 나가는 과정에

서 임의로 우수한 해가 기부터 제공됨에 따라 쉽게 수렴조건을 만족하여 더

우수한 해의 탐색이 힘들어지기 때문으로 분석된다. 따라서 본 연구 내 입자

군집최 화 알고리즘을 용한 분석에서는 기해를 무작 로 설정하여 해를

탐색하도록 하 다.

5.3.3 네트워크 규모별 정 알고리즘 분석환경

입자군집최 화 알고리즘은 각 입자들이 가속도를 갖고 해를 찾아가기 때문

에 이와 련된 인자들에 따라 알고리즘의 성능이 바뀔 수 있다. 따라서 알고

리즘의 성능에 향을 미치는 주요 인자인 입자가속도계수와 수렴기 , 그리

고 입자 수를 변화시켜가며 네트워크 규모에 따라 최 성능을 제시하는 분석

환경을 검토하 다. 알고리즘의 성능 비교는 수행시간과 오차율 측면에서 수

행하 으며 각 분석환경별로 10회 수행의 평균값을 비교하 다. 수행시간은

알고리즘이 해를 도출하는데 까지 걸린 시간으로 앞에서 제시한 동일한 환경

에서 수행하 으며5), 로그램 버 컴퓨터 성능에 따라 변할 수 있는 상

인 값임을 유의하여야 한다. 오차율은 소규모 네트워크의 경우 체열거

법으로 산출된 최 해에 한 오차율을 사용하 고, 규모 네트워크와 규

5) MATLAB R2011b(7.13.0.564), 32-bit, 3.33GHz Core-i5 CPU를 장착한 Intel IBM-PC의

Windows XP Professional SP3, 1.86GB RAM에서 수행

- 78 -

모 네트워크는 역탐색으로 최 해 산출이 합리 인 시간 내에 불가능하기

때문에 110회를 수행하여 얻어진 최선해를 기 으로 오차율을 산정하 다.

5.3.3.1 입자가속도계수

입자가속도는 입자군집최 화 알고리즘에서 각 입자들이 기부터 기본 으

로 갖는 속성으로 해를 찾아가는 기본 가속도를 의미한다. 이 값이 클수록 매

주기 이동해 가는 크기가 커 빠른 속도로 넓은 범 를 탐색할 수 있는 장 이

있지만, 무 크게 이동하여 아직 탐색하지 못한 최 해를 지나쳐 버릴 수 있

는 단 이 있다. 기존 연구들에서는 주로 2의 가속도를 사용하여 효율 으로

해를 찾고 있다. 따라서 이러한 입자가속도의 크기를 1부터 3까지 변화시켜가

며 그 효율성을 검토하 다.

입자가속도소규모 네트워크 규모 네트워크 규모 네트워크

수행시간 오차율 수행시간 오차율 수행시간 오차율

1 14.34 0.00% 31.04 0.43% 101.51 4.40%

1.2 16.02 0.00% 39.79 0.21% 116.97 3.56%

1.4 16.99 0.00% 42.70 0.23% 122.49 2.88%

1.6 18.66 0.00% 47.47 0.14% 132.55 1.68%

1.8 21.64 0.00% 52.69 1.29% 166.11 1.04%

2.0 23.28 0.00% 60.37 1.22% 107.65 7.70%

2.2 26.46 0.01% 44.28 2.57% 122.45 7.33%

2.4 22.66 0.01% 26.69 4.16% 70.51 14.02%

2.6 16.11 0.01% 42.75 2.55% 65.87 14.35%

2.8 11.86 0.07% 26.07 4.18% 59.39 14.46%

3.0 14.21 0.03% 29.45 4.15% 78.28 12.39%

[표 5-6] 입자가속도 변화에 따른 알고리즘 성능비교

- 79 -

[그림 5-12] 입자가속도 변화에 따른 알고리즘 성능 비교

모든 규모에 해서 입자가속도가 커질수록 수행시간은 짧아지지만 정확도

는 떨어지는 경향을 보 다. 소규모 네트워크에 해서는 입자가속도가 1~2

수 내에서 모두 0.00%의 오차율을 보 으며 가속도가 짧아질수록 방 수렴

하는 경향을 보 다. 규모 네트워크에서는 입자가속도 1.6에서 가장 낮은 오

차율을 보 으나 1.0~1.6 수 모두 1% 이내의 낮은 오차율을 보이는 것으로

나타났다. 규모 네트워크에서는 입자가속도 1.8에서 가장 낮은 오차율을 보

으며, 1.0~1.8일 때 5% 이내의 오차율을 보이는 것으로 나타났다. 따라서 소

규모 네트워크에서는 1정도의 작은 입자가속도로 빠르게 해를 찾는 것이 가능

하고, 규모 네트워크에서는 1~1.6 수 , 규모 네트워크에서는 1.6~1.8 수

으로 해를 찾는 것이 속도와 오차율을 모두 고려할 때 할 것으로 분석된

다.

5.3.3.2 수렴기

알고리즘의 수렴기 은 탐색의 종료 여부를 결정하는 요 요소로, 이 값을

크게 잡으면 쉽게 수렴하는 반면 해의 우수성이 떨어진다. 한 이 값을 무

작게 잡으면 수렴이 잘 되지 않고 근사해 주변에서 계속 맴돌 수 있다. 따라

서 다양한 수렴기 에 해 알고리즘의 수행시간과 성공률을 비교해 보았다.

- 80 -

수렴기소규모 네트워크 규모 네트워크 규모 네트워크

수행시간 오차율 수행시간 오차율 수행시간 오차율

1.E+10 5.93 0.27% 9.49 6.38% 22.27 7.27%

1.E+04 6.69 0.29% 11.97 5.04% 30.86 8.11%

1.E-02 10.77 0.15% 20.02 4.03% 52.77 7.69%

1.E-08 13.91 0.23% 27.76 3.85% 69.18 4.63%

1.E-14 15.77 0.17% 28.79 3.86% 69.23 7.03%

1.E-20 15.06 0.40% 28.75 4.43% 67.81 6.18%

1.E-26 14.78 0.19% 27.59 3.26% 67.04 5.81%

1.E-32 14.65 0.11% 28.43 4.63% 68.84 7.92%

1.E-38 15.11 0.23% 28.14 4.40% 67.75 5.81%

1.E-44 14.60 0.24% 33.47 3.81% 67.68 7.32%

1.E-50 15.81 0.31% 28.26 5.24% 67.89 4.48%

[표 5-7] 수렴기 변화에 따른 알고리즘 성능비교

[그림 5-13] 수렴기 변화에 따른 알고리즘 성능 비교

모든 규모의 네트워크에서 수렴기 이 작아질수록 수행시간이 증가하다가

1.e-8수 을 지나면 비슷한 수행시간을 유지하는 것으로 나타났다. 오차율의

경우 소규모 네트워크에서는 큰 향성을 보이지 않고 체 으로 낮은 오차

율을 보 으며, 규모와 규모 네트워크에서는 1.e-8수 까지 오차율이 감

소하는 경향을 보이다가 이후 비슷한 수 을 유지하는 것으로 나타났다. 따라

서 소규모 네트워크의 경우에는 큰 수렴기 으로도 낮은 오차율의 해를 쉽게

구할 수 있는 반면, 규모와 규모 네트워크에서는 1.e-8 이하의 수렴기 을

설정하여 알고리즘을 수행하는 것이 해의 정확도를 높일 수 있는 방법이라고

할 수 있다.

- 81 -

5.3.3.3 입자수

입자군집최 화 알고리즘에서는 입자들이 찾는 개별 최 해를 심으로 군

집의 최 해를 찾아가는 형태로 해의 탐색이 이루어진다. 따라서 최 해를 찾

는 입자들의 수가 많을수록 최 해를 발견할 확률이 더 크다고 상할 수 있

다. 다양한 입자수에 해 알고리즘의 수행시간과 성능을 비교해 보았다.

입자수소규모 네트워크 규모 네트워크 규모 네트워크

수행시간 오차율 수행시간 오차율 수행시간 오차율

20 9.33 0.69% 16.19 7.00% 39.49 10.05%

23 10.29 0.34% 18.06 4.77% 44.68 9.11%

26 11.55 0.19% 20.72 5.06% 50.48 6.98%

29 12.77 0.10% 22.77 3.02% 57.90 6.91%

32 14.10 0.20% 25.65 3.58% 61.10 9.18%

35 14.69 0.37% 27.52 2.19% 68.46 6.11%

38 16.11 0.39% 29.58 2.68% 74.87 6.08%

41 17.85 0.10% 31.70 2.37% 80.52 4.96%

44 17.20 0.16% 34.16 3.06% 87.98 6.12%

47 18.20 0.19% 34.62 2.30% 95.69 6.73%

50 19.90 0.14% 37.10 1.96% 99.34 7.06%

[표 5-8] 입자수 변화에 따른 알고리즘 성능비교

[그림 5-14] 입자수 변화에 따른 알고리즘 성능 비교

체 으로 입자수와 비례하여 수행시간이 나타나는 것으로 분석되었으며

오차율의 경우에는 입자수의 증가에 따라 오차율이 감소하는 경향을 보 다.

따라서 좀 더 정확한 해를 찾고자 할 때에는 큰 입자수를 용하여 탐색하는

것이 합할 것으로 상된다.

- 82 -

5.4 상황변화에 따른 의사결정 분석

본 에서는 여러 가지 상황에서 본 연구에서 제시하고 있는 이원화를 고려

한 배송 략과 수송지마다 한 가지 루트만을 사용하는 량배정 배송 략에

해 의사결정 분석을 수행하 다.

우선 소규모 네트워크를 상으로 3개의 모든 RDC 후보노드를 사용하면서

각 RDC를 지나는 물량의 이원화 비율은 95:5로, 각 RDC의 안 재고 수 SL

은 1.0으로 설정한 환경에서 발생하는 물류비용을 제로 간단히 비교하여 보

았다. 단 이 발생하지 않는 경우에는 량배송을 하는 경우가 95:5의 비율로

이원화 하여 배송하는 경우에 비해 주기 당 107,608 CNY의 물류비가 게 발

생하는 것으로 나타나 이원화의 경우가 약 2.17%의 비용이 추가 으로 지출되

는 것으로 나타났다. 한편 단 이 발생한 경우를 가정하고 손해비용을 포함한

발생하는 물류비용을 살펴본 결과, 량배송을 할 경우에는 평균 으로

89,084,586 CNY의 비용이 지출된 것에 비해 이원화 루트배송의 경우

11,251,673 CNY의 비용이 지출되어 77,832,913 CNY, 약 87.37%의 비용 감

이 발생하는 것으로 나타났다. RDC 단 의 경우 최소 손해비용을 보이는

경우에는 60,414,139 CNY, 최 손해비용을 보이는 경우에는 111,000,047

CNY의 비용 감이 이원화 루트배송 략을 통해 나타나는 것으로 분석되었다.

선택 물류거 수 3

Case본 모형목 식기 물류비

( 험비용포함)

단 미발생시물류비

( 험비용미포함)

단 발생시 물류비(손해비용포함)

평균 비용1) 최소 손해비용 최 손해비용

a. 물류비최소배송 략

(1개루트배송)5,206,764 4,954,373 89,084,586 69,073,265 126,896,979

b. 본모형 략(이원화루트배송,

alpha=0.95)5,080,550 5,061,981 11,251,673 8,659,126 15,896,932

차이 (a-b) 126,213 - 107,608 77,832,913 60,414,139 111,000,047

[표 5-9] 량배정 배송 략과 이원화 배송 략 비교(RDC노드수=3, 수요지노드수=7)

주1) 단 이 일어나는 모든 경우에 한 평균. 여기서는 각각 물류거 1, 2, 3의 단 시 실제 손해

비용 발생의 경우에 한 평균을 나타냄.

- 83 -

[표 5-9]에 앞에서 수행한 이원화 배송과 량배정 배송시 물류비 분석결과

를 정리하 다. 이와 같은 결과는 물류단 이 발생하 을 때 이원화 배송의

장 을 제시하고 있지만, 단 미발생시에는 추가 인 비용지출이 계속 으로

이루어진다는 에서 항상 이원화배송의 합리성을 보장해 주지는 못한다. 물

류배송의 계획단계에서 합리 인 의사결정을 해서는 모든 시나리오의 발생

가능성을 염두에 두고 최 의 목 식을 제시하는 방향으로 해를 찾아야 한다.

본 모형은 이처럼 상황에 따라 량배송 는 한 비율의 이원화 배송

략을 제시하는 모형으로 기본 으로 의사결정트리와 같은 구조의 수치 해석을

통해 목 식을 제시하고 있다. 의사결정트리는 의사결정규칙(Decision Rule)을

도표화하여 심 상이 되는 집단을 몇 개의 소집단으로 분류(Classification)

하거나 측(Prediction)을 수행하는 분석방법이다. 의사결정트리를 통해 앞서

제시한 [표 5-9]의 제에 해 배송 략을 결정하는 경우를 살펴보면 [그림

5-15]에 나타난 바와 같이 이원화 배송을 선택하는 것이 상황에 한 의사

결정이라고 할 수 있다.

[그림 5-15] 의사결정트리를 통한 량배송과 이원화 배송의 의사결정 로세스

- 84 -

본 에서는 입력변수들 의사결정에 크게 향을 미칠 수 있는 요소들을

상으로 각각의 변화에 해 의사결정에는 어떠한 변화가 생길 수 있는지 살

펴보았다. 의사결정에 향을 미치는 요소들로는 지연물량에 한 손해비용

(), 각 노드의 단 발생 확률(), 수요지 완충재고비율()을 설정하 으며

분석에는 간규모네트워크(RDC후보노드수=5 수요지노드수=15)를 사용하 다.

5.4.1 손해비용 변화와 의사결정

우선 수요지 완충재고 이상의 지연물량이 발생하 을 때 이에 한 유닛당

단 손해비용 의 변화가 의사결정에 미치는 향을 살펴보았다. 단 손해

비용()은 본 사례분석에서 설정한 비용 36,000,000 CNY/unit의 50%에서

150%까지 10%씩 변동시켰으며 이원화비율은 고정시키지 않고 모형에서 제시

하는 최 의 비율을 용하도록 하 다. 각 노드의 사고발생확률은 앞서 용

한 바와 같이 0.1%를 일 용하 으며 수요지 완충재고비율 는 0.03을

용하 다. RDC 노드 3개를 선택한 경우의 분석 결과는 [표 5-10]~[표 5-12]

과 같으며, 4개와 5개를 선택한 경우는 부록에 제시하 다.

- 85 -

손해비용

()변화50% 60% 70% 80%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율1)

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 1.0 R2 1.0 R2 1.0 R2 1.0

R3 - R3 - R3 - R3 -

R4 1.0 R4 1.0 R4 1.0 R4 1.0

R5 - R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생2) 5,580 5,580 5,580 5,580 5,580 5,580 5,580 5,580

RDC 1단 33,568 33,568 37,819 37,819 42,070 42,070 46,320 46,320

RDC 2단 60,322 60,322 69,153 69,153 77,984 77,984 86,815 86,815

RDC 3단 - - - - - - - -

RDC 4단 75,845 75,845 87,751 87,751 99,657 99,657 111,563 111,563

RDC 5단 - - - - - - - -

[표 5-10] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3)

주1) 수요지별로 1순 물량이 지나는 RDC를 기 으로 한 비율이며 나머지 비율의 물량은 2순

RDC를 통해 배송. 1.0은 100%의 물량이 해당 RDC를 경유함을 의미.주2) 물류비 단 는 1,000 CNY/time

손해비용

()변화90% 100% 110% 120%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 - R3 -

R4 1.0 R4 0.95 R4 0.95 R4 0.95

R5 - R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생 5,580 5,648 5,580 5,765 5,580 5,765 5,580 5,814

RDC 1단 50,571 50,639 54,821 55,673 59,072 59,924 63,322 12,938

RDC 2단 95,645 18,913 104,476 19,029 113,307 19,029 122,138 19,079

RDC 3단 - - - - - - - -

RDC 4단 123,469 124,428 135,375 16,945 147,281 16,945 159,187 17,103

RDC 5단 - - - - - - - -

[표 5-11] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3)(계속)

- 86 -

손해비용

()변화130% 140% 150%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95

R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생 5,580 5,814 5,580 5,814 5,580 5,814

RDC 1단 67,573 12,938 71,824 12,938 76,074 12,938

RDC 2단 130,968 19,079 139,799 19,079 148,630 19,079

RDC 3단 - - - - - -

RDC 4단 171,093 17,103 182,999 17,103 194,906 17,103

RDC 5단 - - - - - -

[표 5-12] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=3)(계속)

[표 5-10]~[표 5-12]에 나타나는 바와 같이 이원화를 고려한 배송 략의 경우

단 미발생시 더 큰 물류비를 보이고 있는 반면 단 이 발생하는 경우에는

량배송 략에 비해 이원화 배송 략을 활용한 경우가 더 작은 물류비용을

보이고 있음을 알 수 있다. 하지만 이와 같은 비용의 차이가 반드시 이원화

배송 략이 우수함을 보장하는 것은 아니다. 를 들어 [표 5-10]에서 단 비

용이 50%수 일 때 모형으로부터 도출된 이원화 비율을 살펴보면 모두 1.0으

로 이원화 배송 략을 고려하여 최 략을 수립하여도 량배송이 유리함을

도출하고 있다. 한 [표 5-11]에서 단 비용이 100%수 일 때의 이원화 비율

은 선택된 RDC 1, 2, 4 RDC 2와 RDC 4를 주요 루트로 통과하는 물량에

해서는 95:5의 이원화 배송을, RDC 1을 통과하는 물량은 량 배송을 하는

것이 유리함을 제시하고 있다.

앞서 언 한 바와 같이 본 연구모형은 획일 으로 모든 상황에 해 이원화

략을 제시하는 것이 아니라, 상황에 따라 량배송 는 한 비율의 이

- 87 -

원화 배송 략을 제시하기 한 모형이다. 따라서 각 상황별 확률을 고려한

상물류비를 반 하여 량배송 략과 이원화고려 배송 략 측면의 의사결정

을 한 수치 자료를 제시한다. [그림 5-16]~[그림 5-18]는 5개의 RDC후보

노드 각각 3개, 4개, 5개를 선택하 을 때 단 손해비용 변화에 따른 두

략의 상물류비 변화를 비교한 그림이다.

[그림 5-16] 단 손해비용 변화에 따른 상물류비 변화(선택

RDC수=3)

[그림 5-17] 단 손해비용 변화에 따른 상물류비 변화(선택

RDC수=4)

- 88 -

[그림 5-18] 단 손해비용 변화에 따른 상물류비 변화(선택

RDC수=5)

RDC를 3개 선택 하는 경우에는 [그림 5-16]와 같이 단 손해비용이 약 80%

이하 수 일 때에는 이원화를 고려하여도 량배정이 최 략임을 알 수 있

다. 단 손해비용이 80% 이상 수 일 때에는 이원화를 고려한 배송 략이

량배정 배송의 경우보다 상물류비가 더 게 발생하는 것으로 나타났다. 따

라서 이와 같은 경우에는 단 손해비용 80%수 을 기 으로 그 이하에서는

량배정을, 그 이상에서는 이원화 배송을 고려하는 것이 합리 인 의사결정

임을 알 수 있다. RDC를 4개소 선택하는 경우와 5개소 선택하는 경우에는 단

손해비용이 50% 수 까지 낮아져도 량배정의 경우보다 이원화 배정이 더

낮은 상물류비용을 발생시키는 것으로 나타났다. 이는 사용하는 RDC가 더

많아짐에 따라 이원화배송을 통해 다른 RDC를 통해 돌아가는 물량에 한

추가배송거리가 상 으로 짧아져 이원화물량에 한 추가비용이 작아지기

때문으로 단된다.

5.4.2 단 발생확률 변화와 의사결정

본 연구에서는 각각의 물류거 노드에 단 이 발생할 경우를 고려하여 이원

- 89 -

화 배송을 고려한 최 화된 배송 략을 제시하고 있다. 따라서 물류거 노드

에 단 이 발생할 확률()은 모형의 목 식에 요하게 반 되어 의사결정에

향을 미칠 수 있다. 이러한 단 발생확률을 다양하게 용하여 그 변화를

분석하 다.

각 RDC의 단 확률은 앞에서 제시한 0.1%를 기 으로 50%~150%수 인

0.05%~0.15%로 설정하여 량 배송 략과 이원화를 고려한 배송 략의 상

물류비를 살펴보았다. RDC 노드 3개를 선택한 경우의 분석 결과를 [표

5-13]~[표 5-15]에 제시하 으며, 4개와 5개를 선택한 경우는 부록에 제시하

다. 수요지 완충재고 과 지연물량에 한 단 손해비용은 앞에서 용한 바

와 같이 36,000,000 CNY/unit을 용하 으며 수요지 완충재고비율 는 0.03

을 용하 다.

단 발생

확률()0.05% 0.06% 0.07% 0.08%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 1.0 R2 1.0 R2 1.0 R2 1.0

R3 - R3 - R3 - R3 -

R4 1.0 R4 1.0 R4 1.0 R4 1.0

R5 - R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생1) 5,580 5,580 5,580 5,580 5,580 5,580 5,580 5,580

RDC 1단 65,081 65,081 65,081 65,081 65,081 65,081 65,081 65,081

RDC 2단 125,792 125,792 125,792 125,792 125,792 125,792 125,792 125,792

RDC 3단 - - - - - - - -

RDC 4단 164,114 164,114 164,114 164,114 164,114 164,114 164,114 164,114

RDC 5단 - - - - - - - -

[표 5-13] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3)

주1) 물류비 단 는 1,000 CNY/time

- 90 -

단 발생

확률()0.09% 0.10% 0.11% 0.12%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 0.95

R2 1.0 R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 - R3 -

R4 1.0 R4 0.95 R4 0.95 R4 0.95

R5 - R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생 5,580 5,580 5,580 5,809 5,580 5,809 5,580 5,871

RDC 1단 65,081 65,081 65,081 66,139 65,081 66,139 65,081 13,088

RDC 2단 125,792 125,792 125,792 18,936 125,792 18,936 125,792 18,997

RDC 3단 - - - - - - - -

RDC 4단 164,114 164,114 164,114 17,097 164,114 17,097 164,114 17,293

RDC 5단 - - - - - - - -

[표 5-14] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3)(계속)

단 발생

확률()0.13% 0.14% 0.15%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95

R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생 5,580 5,871 5,580 5,871 5,580 5,871

RDC 1단 65,081 13,088 65,081 13,088 65,081 13,088

RDC 2단 125,792 18,997 125,792 18,997 125,792 18,997

RDC 3단 - - - - - -

RDC 4단 164,114 17,293 164,114 17,293 164,114 17,293

RDC 5단 - - - - - -

[표 5-15] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=3)(계속)

- 91 -

노드단 발생확률 변화에 한 량배송 략과 이원화고려 배송 략의 상

물류비 변화를 각각 3개, 4개, 5개의 RDC를 선택하는 경우별로 살펴보았다.

[그림 5-19] 노드단 발생확률 변화에 따른 상물류비

변화(선택 RDC수=3)

[그림 5-20] 노드단 발생확률 변화에 따른 상물류비

변화(선택 RDC수=4)

- 92 -

[그림 5-21] 노드단 발생확률 변화에 따른 상물류비

변화(선택 RDC수=5)

노드단 발생 확률이 작아질수록 이원화배정을 고려한 배송 략과 량배송

략의 상물류비 차이가 어들며 특히 RDC를 3개 선택한 경우인 [그림

5-19]에서는 노드단 발생 확률이 0.09%이하로 낮아지면 량배송 략을 유

지하는 것이 더 합리 임을 보여주고 있다. 반 로 노드단 발생 확률이 증가

할수록 두 략의 상물류비 차이는 커지고 있으며 이로부터 노드단 발생

확률이 커질수록 이원화 배송 략이 더 합리 인 선택임을 알 수 있다.

5.4.3 수요지 완충재고 비율 변화와 의사결정

수요지에서는 지연에 해 완충재고를 보유하고 있어 일정 수 의 지연은

허용이 될 수도 있고, 반 로 매우 강력하게 지연을 제한할 수도 있다. 이와

같은 수요지의 완충재고 비율()은 기업의 손해비용을 발생시키는 기 이 되

어 배송 략에 한 의사결정에 큰 향을 미칠 수 있다. 따라서 수요지 완

충재고비율 에 해 다양한 변화를 주어 그 차이를 분석하 다. 는

-0.05(-5%)부터 0.05(5%)까지 변화를 주었다. -0.05는 지연이 발생하여도 최소한

수요지에 5%의 물량에 해서는 보장이 되어야 함을 의미하며, 0.05는 평균수

- 93 -

요의 5% 수 의 부족까지는 수요지에서 완충재고를 통해 감당할 수 있음을

의미한다. 선택 RDC 개수가 3개인 경우를 [표5-16]~[표5-18]에 제시하 으며,

선택 RDC 개수가 4개, 5개인 경우는 부록에 제시하 다.

완충재고

(β)-0.05 -0.04 -0.03 -0.02

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.87 R2 0.88 R2 0.89 R2 0.90

R3 - R3 - R3 - R3 -

R4 0.87 R4 0.88 R4 0.89 R4 0.90

R5 - R5 - R5 - R5 -

SL 2.10 2.09 2.10 2.09 2.10 2.09 2.10 2.09

단 미발생1) 5,580 6,121 5,580 6,077 5,580 6,032 5,580 5,988

RDC 1단 136,901 139,398 126,641 128,932 116,381 118,467 106,121 108,001

RDC 2단 275,001 18,279 253,685 18,373 232,370 18,467 211,054 18,561

RDC 3단 - - - - - - - -

RDC 4단 365,286 18,162 336,547 18,010 307,808 17,858 279,069 17,706

RDC 5단 - - - - - - - -

[표 5-16] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3)

주1) 물류비 단 는 1,000 CNY/time

- 94 -

완충재고

(β)-0.01 0.00 0.01 0.02

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.91 R2 0.92 R2 0.93 R2 0.94

R3 - R3 - R3 - R3 -

R4 0.91 R4 0.92 R4 0.93 R4 0.94

R5 - R5 - R5 - R5 -

SL 2.10 2.09 2.10 2.09 2.10 2.09 2.10 2.10

단 미발생 5,580 5,943 5,580 5,898 5,580 5,854 5,580 5,809

RDC 1단 95,861 97,535 85,601 87,070 75,341 76,604 65,081 66,139

RDC 2단 189,739 18,654 168,423 18,748 147,107 18,842 125,792 18,936

RDC 3단 - - - - - - - -

RDC 4단 250,330 17,554 221,592 17,401 192,853 17,249 164,114 17,097

RDC 5단 - - - - - - - -

[표 5-17] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3)(계속)

완충재고

(β)0.03 0.04 0.05

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.95 R2 0.96 R2 0.97

R3 - R3 - R3 -

R4 0.95 R4 0.96 R4 0.97

R5 - R5 - R5 -

SL 2.10 2.10 2.10 2.10 2.10 2.10

단 미발생 5,580 5,765 5,580 5,720 5,580 5,675

RDC 1단 54,821 55,673 44,561 45,208 34,301 34,742

RDC 2단 104,476 19,029 83,161 19,123 61,845 19,217

RDC 3단 - - - - - -

RDC 4단 135,375 16,945 106,636 16,793 77,898 16,641

RDC 5단 - - - - - -

[표 5-18] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=3)(계속)

- 95 -

수요지 완충재고비율 변화에 한 량배송 략과 이원화고려 배송 략의

상물류비 변화를 각각 3개, 4개, 5개의 RDC를 선택하는 경우별로 살펴보았

다.

[그림 5-22] 수요지 완충재고비율 변화에 따른 상물류비

변화(선택 RDC수=3)

[그림 5-23] 수요지 완충재고비율 변화에 따른 상물류비

변화(선택 RDC수=4)

- 96 -

[그림 5-24] 수요지 완충재고비율 변화에 따른 상물류비

변화(선택 RDC수=5)

수요지 완충재고량이 작아질수록 체 인 상물류비는 증가하는 양상을

보이는 것으로 나타났으며 이는 수요지에서 지연에 해 더욱 엄격한 응을

할수록 손해비용이 증가하기 때문으로 분석된다. 한편 이원화 배정을 고려한

배송 략의 경우 량배송 략에 비해 증가하는 정도가 낮은 것으로 나타나

수요지 완충재고비율이 작아질수록 이원화배정을 함께 고려하는 것이 더 합리

임을 알 수 있다.

5.4.4 양방향 의사결정 분석

앞서 의사결정에 크게 향을 미칠 수 있는 입력변수들인 단 손해비용과

단 발생확률, 수요지 완충재고비율의 변화에 따른 의사결정의 변화를 살펴보

았다. 이러한 입력변수들은 때로는 복합 으로 변동하여 이를 반 한 의사결

정이 필요한 경우가 있다. 따라서 본 에서는 입력변수 단 손해비용과

단 발생확률이 함께 변화할 때 어떠한 의사결정 변화가 일어나는지 살펴보았

다. 단 손해비용과 단 발생확률의 변화는 각각 본 모형의 제에서 제시한

36,000,000 CNY/unit 과 0.1%의 50%~150%수 으로 설정하 다.

- 97 -

[그림 5-25] 손해비용과 단 확률 변화에

따른 상물류비 변화

[그림 5-25]과 같이 손해비용과 단 확률이 변화함에 따라 상물류비가 일

부 구역에서는 격한 변화를 보이고 다른 구역에서는 완만한 변화를 보인다.

두 구역이 만나는 부분이 량배정 배송 략과 이원화 고려 배송 략을 선택

하는 의사결정의 경계 부분으로, 본 연구의 분석 방법론을 통해 이와 같은 경

계부분을 찾을 수 있음을 제시하 다. [표 5-19]에 각 입력변수의 변화에 따른

의사결정의 변화를 정리하 다.

단 손해비용 변화

50% 60% 70% 80% 90% 100% 110% 120% 130% 140% 150%

단

발

생

확

률

변

화

50% 량 량 량 량 량 량 량 량 량 량 량

60% 량 량 량 량 량 량 량 량 량 량 량

70% 량 량 량 량 량 량 량 량 이원화 이원화 이원화

80% 량 량 량 량 량 량 이원화 이원화 이원화 이원화 이원화

90% 량 량 량 량 량 량 이원화 이원화 이원화 이원화 이원화

100% 량 량 량 량 이원화 이원화 이원화 이원화 이원화 이원화 이원화

110% 량 량 량 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화

120% 량 량 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화

130% 량 량 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화

140% 량 량 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화

150% 량 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화 이원화

[표 5-19] 단 손해비용과 단 발생확률변화에 따른 의사결정 변화

- 98 -

5.5 규모 네트워크 용 분석

본 에서는 규모 네트워크를 상으로 본 연구모형을 용하고 입자군집

최 화 알고리즘을 이용하여 규모 네트워크에 한 모형의 용성을 확인하

으며 최 배송 략 수립을 한 결과를 도출하 다. 용한 규모 네트워

크는 생산지노드 1개, 물류거 노드 12개, 수요지노드 28개로 총 41개의 노드

로 구성되었다.

물류거 에서 확보하여야 하는 안 재고량과 각 물류거 을 지나는 물량에

한 이원화 비율은 [표 5-20]과 같이 나타났다. 안 재고는 각 물류거 의

2.02 수 을 유지하는 것이 제일 합하게 나타났으며, 모든 물류거 에

해 이원화 배송을 하는 것으로 나타났다.

물류거 별 이원화 비율()SLRDC

1

RDC

2

RDC

3

RDC

4

RDC

5

RDC

6

RDC

7

RDC

8

RDC

9

RDC

10

RDC

11

RDC

12

0.93 - 0.93 0.93 0.93 0.88 0.93 0.66 0.93 0.80 - 0.93 2.02

[표 5-20] 안 재고 물류거 별 이원화 비율

수요지

노드번호

1순 할당

RDC번호

2순 할당

RDC번호

수요지

노드번호

1순 할당

RDC번호

2순 할당

RDC번호

1 1 3 15 7 6

2 4 3 16 7 8

3 4 5 17 8 7

4 5 4 18 8 7

5 6 5 19 8 7

6 6 7 20 9 10

7 6 7 21 9 12

8 8 7 22 9 10

9 7 6 23 9 10

10 7 6 24 9 12

11 7 8 25 9 12

12 7 8 26 12 9

13 8 7 27 12 9

14 8 7 28 12 9

[표 5-21] 각 수요지의 물류거 이원화 할당

- 99 -

각 수요지로 물량이 배송되는 물류거 은 [표 5-21]와 같이 할당되었다. 모

든 물류거 에 해 이원화 배송이 제시되었으므로 각각의 수요지는 1순 수

송 물량에 한 물류거 과 2순 수송 물량에 한 물류거 이 할당되었다.

각 물류거 할당을 반 한 체 인 배송 루트 그래 는 [그림 5-26]~[그림

5-28]에 제시하 다.

[그림 5-26] 이원화 1순 물량 배송경로

- 100 -

[그림 5-27] 이원화 2순 물량 배송경로

- 101 -

[그림 5-28] 1순 (실선) 2순 ( 선) 물량 배송경로

앞에서 언 한 바와 같이 본 모형에서 제시하는 배송 략은 주어진 상황에

따라 변할 수 있다. 따라서 본 에서 제시하는 결과값은 앞에서 설정한 입력

변수 환경에 한 최선해 값이며 입력변수의 값들이 변경될 때에는 결과값도

함께 달라질 수 있음을 고려해야 한다. 특히 5.4 에서 제시한 단 손해비용,

단 발생확률, 수요지 완충재고비율 등과 같이 주요 입력변수들이 변하는 환

- 102 -

경에 해서는 량배송과 이원화 배송 략에 한 주요 의사결정이 바뀔 수

있으며 앞에서 도출된 결론을 바탕으로 그 변화를 도출할 수 있다. 단 손해

비용이 증가하거나, 물류거 의 단 확률이 증가하는 경우, 수요지 완충재고

비율이 감소하는 경우에는 재와 같이 이원화 배송을 계속 수행하는 것이

량 배정 배송을 하는 경우보다 유리하며([그림 5-29] 내 Ⓐ구역) 반 로 단

손해비용이 감소하거나 물류거 의 단 확률이 감소하는 경우, 그리고 수요지

완충재고비율이 증가하는 경우에는 량배정과 이원화 배정을 다시 고려하여

주어진 상황에 한 새로운 략을 수립할 필요가 있다([그림 5-29] 내 Ⓑ구

역).

[그림 5-29] 환경변화에 따른 의사결정 변화

- 103 -

제 6 장 결론 향후 연구과제

본 연구에서는 장거리 수송수단을 포함한 복합운송을 통해 기업과 같이 수

요가 큰 수요지로 배송을 하는 기업의 배송 략 수립에 있어 공 망 단 발

생에 비하여 이원화된 루트의 활용을 함께 고려하는 복합운송 물류거

재고운 략 모형을 수립하는 것을 목 으로 하 다.

이를 해 노드의 단 확률을 반 하여 발생 가능한 상황의 물류비용을 포

함할 수 있는 목 식을 구축하 고, 이를 최소화 할 수 있는 풀이 알고리즘을

제시하 다. 노드 단 발생 시 물류비용은 우회하는 물량의 추가수송비용과

지연으로부터 발생하는 손해비용을 포함하 으며, 수송수단별로 다른 단 수

송비용을 설정하여 단 수송규모에 따른 규모의 경제 효과를 반 하 다.

한 수송수단별로 다른 배송시간을 용하여 상황에 따라 한 수단을 내생

으로 선택하도록 하 으며 이 때 발생하는 추가비용도 노드 단 에 따른 물

류비용에 포함되도록 하 다.

기존 연구들에서는 배송 략 계획 단계에서 공 망 단 을 고려하지 않고

있거나, 부분 생산시설의 단 만을 고려하고 있는 한계가 있다. 한 물류거

노드의 단 을 고려하더라도 복합운송의 특성을 반 하지 못하고 있으며 물

류거 노드의 단 로 발생하는 피해비용을 서비스 수 감소나 유닛 손해비용

으로 일 으로 반 하는 한계가 있다. 본 연구에서는 공 망 에서 특히

물류거 노드의 단 에 을 맞추어 배송 략 계획단계에 이를 반 할 수

있도록 하 다. 한 거 단 에 비하는 방법으로 미리 이차 배송루트를

확보할 수 있는 이원화 배송을 함께 고려할 수 있도록 하 으며 거 단 로

발생하는 피해를 긴 수송수단 투입으로 인한 추가비용과 지연발생으로 인한

손해비용으로 나 어 용하여 실성을 확보하 다.

- 104 -

물류네트워크설계문제는 NP-hard문제로 합리 인 시간 내에 최 해를 구할

수 없다. 본 모형의 문제도 비용량제약 시설입지문제와 같은 네트워크설계문

제와 같이 역해의 탐색이 불가능하다. 따라서 메타휴리스틱 알고리즘 우

수함을 보이는 입자군집최 화 알고리즘을 활용해 경험 으로 해를 탐색하는

방법을 제시하 다.

모형의 용에서는 우선 가장 간단한 제네트워크에 모형을 용하고, 여

러 변수들을 변동시키며 결정변수들의 변화를 살펴보았다. 이를 통해 변수들

간의 상 계를 악하고 모형의 구동을 확인하 다.

한 소규모 네트워크를 상으로 역탐색방법과 본 연구의 알고리즘을

용하고 비교하여 성능을 검증하 다. 검증 결과 본 연구에 활용된 입자군집최

화 알고리즘은 짧은 시간 내에 높은 성공률로 역탐색으로부터 도출된

역해와 동일한 해를 제시하여 높은 효율성을 갖는 것으로 나타났다.

아울러 다양한 규모의 네트워크 규모에 해 입자군집최 화 알고리즘의 구

동환경을 변화시켜 용함으로써 네트워크 규모별로 알고리즘이 효율 으로

해를 탐색해 나갈 수 있는 환경을 검토하여 제시하 다. 입자가속도의 경우,

소규모 네트워크에 해서는 1.0~1.6의 낮은 입자가속도로 효율 인 해 탐색

이 가능함을 확인하 다. 규모 네트워크에서는 2.0을 넘는 입자가속도에서는

상 으로 오차가 커지는 경향을 보 으나, 1.0~3.0에서 모두 5% 이내의 오

차율을 보이는 것으로 나타났다. 규모 네트워크에서는 입자가속도 1.8에서

가장 높은 정확도를 보인 반면, 2.2를 넘어가면 오차율이 10% 이상으로 증가

하는 것으로 분석되었다. 특히 입자가속도 2.4 이상에 해서는 해의 정확도와

수행시간이 비슷하게 유지되는 경향을 보이는 것으로 나타났다. 수렴기 에

해서는, 소규모 네트워크를 분석할 때에는 1.e10이하의 수렴기 에 해서

체로 낮은 오차율의 해를 산출하 으며 규모와 규모 네트워크를 분석할

때에는 1.e-8이하의 수렴기 하에서 체로 낮은 오차율의 해를 산출하는 것

- 105 -

으로 나타났다. 입자수는 분석 네트워크 규모에 계없이 일반 으로 입자수

가 증가하면 오차율을 낮아지고 수행시간은 증가하는 것으로 나타났다.

실제 물류 략 수립에서는 시장 주변의 다양한 상황을 고려하여야 하며

이에 따라 각기 다른 의사결정이 가능하다. 따라서 의사결정에 큰 향을 미

칠 수 있는 요소들을 심으로 그 변화에 따라 의사결정이 어떻게 변화하는지

분석하 다. 단 손해비용과 단 발생확률, 수요지 완충재고비율을 심으로

변화를 살펴본 결과, 단 손해비용이 커질수록, 단 발생확률이 커질수록 그리

고 수요지 완충재고비율이 낮을수록 이원화 배송이 더 유리함을 보 다. 단

손해비용과 단 발생확률이 작은 경우에는 이원화 배송을 함께 고려하여도

량배정 배송 략이 유리함을 보 고, 각각 단 손해비용과 단 발생확률이 증

가함에 따라 이원화 배송이 유리한 물류거 이 증가하여 일정 수 이 되면 모

든 물류거 을 통하는 물량에 해 이원화 배송을 하는 것이 유리함을 나타냈

다. 한 수요지 완충재고비율이 낮아질수록 이원화 물량을 더 고르게 배분하

는 경향이 있어 1순 물류거 을 통해 배송되는 물량의 비율이 낮아졌으며,

수요지 완충재고비율이 높아질수록 1순 물량비율도 증가하여 최종 으로는

량배송을 제시하는 것으로 분석되었다.

마지막으로 실제 규모 네트워크에 모형을 용하여 분석함으로써 최 배

송 략을 도출해 보았으며, 규모 네트워크에 한 알고리즘의 용성을 확

인하 다.

이상의 분석 결과로부터 나타나는 본 연구의 의의는 다음과 같다.

첫째, 본 연구는 물류배송 략의 계획단계에서, 공 망 단 가능성을 고려

하여 량 배정과 이원화 배정을 함께 고려한 의사결정을 할 수 있는 방법론

을 제시하여 물류환경의 다양한 변화에 반응할 수 있는 응성을 높이고 상

물류비를 최소화 하는 합리 인 의사결정이 가능하도록 한다.

둘째, 공 망 단 로부터 유발되는 지연에 해 긴 수송수단의 선택 도

- 106 -

입으로 발생하는 추가비용과 조달 지연으로 발생하는 손해비용을 구분하여 피

해비용으로 반 함으로써 실 인 배송 환경을 모형식에 반 하 다.

셋째, 다양한 물류환경 특성에 상 없이 일반 인 용이 가능한 모형을 제

시하 으며, 합리 인 시간 내에 풀이가 가능한 휴리스틱 방법론을 제시하

다.

넷째, 실제 기업의 배송데이터를 용하여 사례분석을 수행함으로써 모형의

용을 통한 실제 물류비 감 가능성을 확인하 으며 실성을 높 다.

향후 본 연구는 다음과 같은 발 가능성이 있다.

우선 지선의 로컬 배송수단에 두 가지 이상의 배송수단을 용할 수 있다.

본 연구에서는 로컬배송에 해 한 가지 배송수단만을 일 용하 으나, 두

가지 이상의 배송수단을 용한다면 모형의 용성이 더욱 확장될 수 있다.

한 배송 링크 는 노드에 용량 제약을 제시할 수 있다. 본 연구에서는

배송링크나 처리노드에 용량 제약이 없이 기업이 배송을 원할 때면 언제라도

배송이 가능하다고 가정하여 문제를 개하 다. 기업물류의 많은 경우에는

지속 인 배송 물량이 있는 기업의 특성상 갑자기 늘어난 물량에 해서도 쉽

게 배송을 수행할 수 있다. 따라서 본 연구의 가정하에서도 충분히 실 인

환경으로 분석을 수행할 수 있다. 하지만 링크 는 노드의 용량제약을 통해

좀 더 넓은 분야에 모형의 용이 가능하며 본 모형보다 한 단계 발 된 모형

을 제시할 수 있다.

아울러 경우에 따라서는 량배정 략을 용하는 신 이원화배정 략을

용함으로 어드는 물류비용의 크기가 의사결정에 요할 수 있다. 따라서

이러한 값을 목 식으로 갖는 모형으로 변형하여 제시한다면 의미있는 모형이

될 수 있다.

본 연구는 한 시 에 해 노드단 발생의 가능성을 반 하여 분석을 수행

하 다. 이를 다기간(Multi-period)으로 확장하여 매 주기 상황의 변화를 반

- 107 -

할 수 있는 동 분석(Dynamic Analysis)을 수행한다면, 물류 략의 계획 뿐

아니라 운 단계에도 반 될 수 있는 모형으로 발 이 가능하다.

- 108 -

참 고 문 헌

Merchandise Exports and Merchandise Imports - World Development

Indicators(WDI) & Global Development Finance(GDF), 1960-2011.

World dataBank. [online] Available at:

<http://databank.worldbank.org> [Accessed 10 March 2012]

김동규, 2006. 물류 시스템 분석을 고려한 단일 할당 허 네트워크 설계모형

개발. 공학박사논문, 서울 학교 학원.

김동규, 강성철, 박창호, 고승 , 2009. 단일할당 복합운송 허 네트워크 설계

모형 개발. 한교통학회지, 27(1), pp. 129-141.

김일동, 장익주, 임석철, 2009. 수요와 재고를 고려하는 복합운송 최 운 .

한산업공학회 춘계학술 회논문집, 2009, pp. 1-6.

박창규, 2002. 다단계 분배시스템에서의 통합된 정기발주정책 수립방안. 경

과학, 19(1), pp. 107-116.

서용원, 성제훈, 정성원, 함주호, 강석호, 박진우, 2001. 복합 포아송 수요를 갖

는 2계층 분배형 공 사슬에서 공유 재고정보를 활용한 재주문 정책.

한국경 과학회 학술 회 논문집, 2001, pp. 337-341.

윤승철, 1997. 물류센터-n지 재고시스템의 최 계획 서비스수 결정 방법.

공업경 학회지, 20(42), pp. 31-38.

이 숙, 강승필, 1990. 복합화물 터미 입지선정을 한 수학 계획모형의

정립과 상용. 한교통학회지, 8(1), pp. 41-54.

이진수, 2012. 계층화 허 입지를 고려한 화물운송 네트워크 설계. 공학박사논

문, 서울 학교 학원.

형모, 2008. A capacitated location-inventory model with unreliable

- 109 -

supplies. 한산업공학회 추계학술 회논문집, 2008(-), pp. 1-7.

정윤원, 2007. Short-term generation resources scheduling based on improved

particle swarm optimization techniques. 공학박사논문, 건국 학교 학

원.

Arnold, P., Peeters, D. and Thomas, I., 2004. Modelling a rail/road

intermodal transportation system. Transportation Research Part E:

Logistics and Transportation Review, 40(3), pp. 255-270.

Aryanezhad, M.B., Naini, S.G.J. and Jabbarzadeh, A., 2011. An integrated

location inventory model for designing a supply chain network

under uncertainty. Life Science Journal, 8(4), pp. 670-679.

Ballou, R.H., 1968. Dynamic warehouse location analysis. Journal of

Marketing Research, 5(3), pp. 271-276.

Bidhandi, H.M. and Yusuff, R.M., 2011. Integrated supply chain planning

under uncertainty using an improved stochastic approach. Applied

Mathematical Modelling, 35(6), pp. 2618-2630.

Birge, B., 2003. PSOt - a particle swarm optimization toolbox for use with

matlab. Proceedings of the 2003 IEEE, pp. 182-186.

Boland, N., Krishnamoorthy, M., Ernst, A.T. and Ebery, J., 2004.

Preprocessing and cutting for multiple allocation hub location

problems. European Journal of Operational Research, 155(3), pp.

638-653.

Bollapragada, R., Camm, J., Rao, U.S. and Wu, J., 2005. A two-phase

greedy algorithm to locate and allocate hubs for fixed-wireless

broadband access. Operations Research Letters, 33(2), pp. 134-142.

Bozorgi-Amiri, A., Jabalameli, M., Alinaghian, M. and Heydari, M., 2012. A

- 110 -

modified particle swarm optimization for disaster relief logistics

under uncertain environment. The International Journal of Advanced

Manufacturing Technology, 60(1), pp. 357-371.

Caldentey, R. and Wein, L.M., 2003. Analysis of a decentralized

production-inventory system. Manufacturing & Service Operations

Management, 5(1), pp. 1-17.

Campbell, J.F., 1994. Integer programming formulations of discrete hub

location-problems. European Journal of Operational Research, 72(2), pp.

387-405.

Campbell, J.F., 1996. Hub location and the p-hub median problem.

Operations Research, 44(6), pp. 923-935.

Chen, Q., Li, X. and Ouyang, Y., 2011. Joint inventory-location problem

under the risk of probabilistic facility disruptions. Transportation

Research Part B: Methodological, 45(7), pp. 991-1003.

Contreras, I., Fernandez, E. and Marin, A., 2010. The tree of hubs location

problem. European Journal of Operational Research, 202(2), pp. 390-400.

Creazza, A., Dallari, F. and Melacini, M., 2010. Evaluating logistics network

configurations for a global supply chain. Supply Chain

Management-an International Journal, 15(2), pp. 154-164.

Daskin, M.S., Coullard, C.R. and Shen, Z.-J.M., 2002. An inventory-location

model: Formulation, solution algorithm and computational results.

Annals of Operations Research, 110(1), pp. 83-106.

Ebery, J., Krishnamoorthy, M., Ernst, A. and Boland, N., 2000. The

capacitated multiple allocation hub location problem: Formulations

and algorithms. European Journal of Operational Research, 120(3), pp.

- 111 -

614-631.

Eksioglu, B., Vural, A.V. and Reisman, A., 2009. The vehicle routing

problem: A taxonomic review. Computers & Industrial Engineering,

57(4), pp. 1472-1483.

Elkins, D., Handfield, R.B., Blackhurst, J. and Craighead, C.W., 2005. 18

ways to guard against disruption. Supply Chain Management Review,

9(1), pp. 46–53.

Elmastas, S. 2006. Hub location problem for air-ground transportation systems

with time restrictions. M.S. Thesis, Bilkent University.

Eppen, G.D., 1979. Effects of centralization on expected costs in a

multi-location newsboy problem. Management Science, 25(5), pp.

498-501.

Erlebacher, S.J. and Meller, R.D., 2000. The interaction of location and

inventory in designing distribution systems. IIE Transactions, 32(2),

pp. 155-166.

Ernst, A.T. and Krishnamoorthy, M., 1998. Exact and heuristic algorithms

for the uncapacitated multiple allocation p-hub median problem.

European Journal of Operational Research, 104(1), pp. 100-112.

Guner, A.R. and Sevkli, M., 2008. A discrete particle swarm optimization

algorithm for uncapacitated facility location problem. Journal of

Artificial Evolution and Applications, 2008, pp. 1-9.

Hassan, R., Cohanim, B., De Weck, O. and Venter, G., 2005. A comparison

of particle swarm optimization and the genetic algorithm. In: 46th

AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics, and

Materials Conference, 2005. pp. 1-13.

- 112 -

Iglehart, D.L., 1964. The dynamic inventory problem with unknown

demand distribution. Management Science, 10(3), pp. 429-440.

Jaillet, P., Song, G. and Yu, G., 1996. Airline network design and hub

location problems. Location Science, 4(3), pp. 195-212.

Jüttner, U., Peck, H. and Christopher, M., 2003. Supply chain risk

management: Outlining an agenda for future research. International

Journal of Logistics Research and Applications, 6(4), pp. 197-210.

Kayikci, Y., 2010. A conceptual model for intermodal freight logistics centre

location decisions. Procedia - Social and Behavioral Sciences, 2(3), pp.

6297-6311.

Limbourg, S. and Jourquin, B., 2007. Rail-road terminal locations:

Aggregation errors and best potential locations on large networks.

European Journal of Transport and Infrastructure Research, 7(4), pp.

317-334.

Limbourg, S. and Jourquin, B., 2009. Optimal rail-road container terminal

locations on the european network. Transportation Research Part E:

Logistics and Transportation Review, 45(4), pp. 551-563.

Mar ́N, A., Cánovas, L. and Landete, M., 2006. New formulations for the

uncapacitated multiple allocation hub location problem. European

Journal of Operational Research, 172(1), pp. 274-292.

Marinakis, Y. and Marinaki, M., 2008. A particle swarm optimization

algorithm with path relinking for the location routing problem.

Journal of Mathematical Modelling and Algorithms, 7(1), pp. 59-78.

Mirzapour Al-E-Hashem, S.M.J., Malekly, H. and Aryanezhad, M.B., 2011. A

multi-objective robust optimization model for multi-product

- 113 -

multi-site aggregate production planning in a supply chain under

uncertainty. International Journal of Production Economics, 134(1), pp.

28-42.

Moin, N.H. and Salhi, S., 2007. Inventory routing problems: A logistical

overview. Journal of the Operational Research Society, 58(9), pp.

1185-1194.

Moin, N.H., Salhi, S. and Aziz, N.a.B., 2011. An efficient hybrid genetic

algorithm for the multi-product multi-period inventory routing

problem. International Journal of Production Economics, 133(1), pp.

334-343.

O'kelly, M.E., Bryan, D., Skorin-Kapov, D. and Skorin-Kapov, J., 1996. Hub

network design with single and multiple allocation: A

computational study. Location Science, 4(3), pp. 125-138.

Owen, S.H. and Daskin, M.S., 1998. Strategic facility location: A review.

European Journal of Operational Research, 111(3), pp. 423-447.

Ozsen, L., Daskin, M.S. and Coullard, C.R., 2009. Facility location modeling

and inventory management with multisourcing. Transportation

Science, 43(4), pp. 455-472.

Pirkul, H., 1989. The uncapacitated facility location problem with primary

and secondary facility requirements. IIE Transactions, 21(4), pp.

337-348.

Pirkul, H., Narasimhan, S. and De, P., 1988. Locating concentrators for

primary and secondary coverage in a computer communications

network. Communications, IEEE Transactions on, 36(4), pp. 450-458.

Racunica, I. and Wynter, L., 2005. Optimal location of intermodal freight

- 114 -

hubs. Transportation Research Part B: Methodological, 39(5), pp.

453-477.

René, C. and Lawrence, M.W., 2003. Analysis of a decentralized

production-inventory system. Manufacturing & Service Operations

Management, 5(1), pp. 1-17.

Rice, J. and Caniato, F., 2003. Building a secure and resilient supply

network. Supply Chain Management Review, 7(5), pp. 22-33.

Rodríguez, V., Alvarez, M.J. and Barcos, L., 2007. Hub location under

capacity constraints. Transportation Research Part E: Logistics and

Transportation Review, 43(5), pp. 495-505.

Sasaki, M., Suzuki, A. and Drezner, Z., 1999. On the selection of hub

airports for an airline hub-and-spoke system. Computers & Operations

Research, 26(14), pp. 1411-1422.

Schmitt, A.J., 2011. Strategies for customer service level protection under

multi-echelon supply chain disruption risk. Transportation Research

Part B: Methodological, 45(8), pp. 1266-1283.

Schwartz, B.L., 1965. A new approach to inventory stockout penalty costs.

Operations Research, S 13, pp. B538-B544.

Sevkli, M. and Guner, A., 2006. A continuous particle swarm optimization

algorithm for uncapacitated facility location problem: Ant colony

optimization and swarm intelligence. In: Dorigo, M., Gambardella,

L., Birattari, M., Martinoli, A., Poli, R. and Stützle, T. (eds.).

Springer Berlin / Heidelberg.

Sharkey, T.C., Geunes, J., Romeijn, H.E. and Shen, Z.-J.M., 2011. Exact

algorithms for integrated facility location and production planning

- 115 -

problems. Naval Research Logistics, 58(5), pp. 419-436.

Sheffi, Y. and Rice Jr., J.B., 2005. A supply chain view of the resilient

enterprise. MIT Sloan Management Review, 47(1), pp. 41-48.

Shen, Z.-J.M., Coullard, C. and Daskin, M.S., 2003. A joint

location-inventory model. Transportation Science, 37(1), pp. 40-55.

Shi, Y. and Eberhart, R., 1998. Parameter selection in particle swarm

optimization: Evolutionary programming vii. In: Porto, V.,

Saravanan, N., Waagen, D. and Eiben, A. (eds.). Springer Berlin /

Heidelberg.

Skorin-Kapov, D., Skorin-Kapov, J. and O'kelly, M., 1996. Tight linear

programming relaxations of uncapacitated p-hub median problems.

European Journal of Operational Research, 94(3), pp. 582-593.

Snyder, L.V. and Daskin, M.S., 2005. Reliability models for facility location:

The expected failure cost case. Transportation Science, 39(3), pp.

400-416.

Snyder, L.V., Daskin, M.S. and Teo, C.-P., 2007. The stochastic location

model with risk pooling. European Journal of Operational Research,

179(3), pp. 1221-1238.

Snyder, L.V., Scaparra, M.P., Daskin, M.S. and Church, R.L., 2006. Planning

for disruptions in supply chain networks. TutORials in Operations

Research INFORMS, 2006, pp. 234-257.

Sohn, J. and Park, S., 1998. Efficient solution procedure and reduced size

formulations for p-hub location problems. European Journal of

Operational Research, 108(1), pp. 118-126.

Southworth, F. and Peterson, B.E., 2000. Intermodal and international freight

- 116 -

network modeling. Transportation Research Part C: Emerging

Technologies, 8(1–6), pp. 147-166.

Starr, M.K., 1962. Inventory control: Theory and practice Englewood Cliffs,

N.J., Prentice-Hall.

Tsiakis, P. and Papageorgiou, L.G., 2008. Optimal production allocation and

distribution supply chain networks. International Journal of Production

Economics, 111(2), pp. 468-483.

Turgut, A., 1995. The hub location and routing problem. European Journal of

Operational Research, 83(1), pp. 200-219.

Yapicioglu, H., Smith, A.E. and Dozier, G., 2007. Solving the semi-desirable

facility location problem using bi-objective particle swarm. European

Journal of Operational Research, 177(2), pp. 733-749.

- 117 -

부 록

1. 분석에 사용된 규모 네트워크

- 118 -

2. 분석에 사용된 규모 네트워크

- 119 -

3. 단 손해비용변화에 따른 상 물류비 변화

손해비용 ()변화

50% 60% 70% 80%

배송 략 량이원화고려

량이원화고려

량이원화고려

량이원화고려

RDC별이원화비율

해당없음

R1 1.0

해당없음

R1 1.0

해당없음

R1 1.0

해당없음

R1 1.0

R2 1.0 R2 1.0 R2 1.0 R2 0.95

R3 - R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.09 2.09 2.09 2.09 2.09 2.09 2.09 2.09

단 미발생 5,288 5,326 5,288 5,326 5,288 5,326 5,288 5,389

RDC 1단 33,250 33,288 37,501 37,538 41,751 41,789 46,002 46,102

RDC 2단 60,703 60,069 68,862 68,900 77,692 77,730 86,617 18,278

RDC 3단 - - - - - - - -

RDC 4단 42,466 13,538 48,779 13,538 55,093 13,538 61,406 13,893

RDC 5단 38,399 12,803 43,992 12,803 49,585 12,803 55,178 13,464

[표 1] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=4)

주1) 물류비 단 는 1,000 CNY/time

손해비용 ()변화

90% 100% 110% 120%

배송 략 량이원화고려

량이원화고려

량이원화고려

량이원화고려

RDC별이원화비율

해당없음

R1 1.0

해당없음

R1 1.0

해당없음

R1 1.0

해당없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.09 2.09 2.09 2.09 2.09 2.09 2.09 2.09

단 미발생 5,288 5,389 5,288 5,389 5,288 5,389 5,288 5,438

RDC 1단 50,252 50,353 54,503 54,603 58,753 58,854 63,004 11,895

RDC 2단 95,354 18,278 104,185 18,278 113,015 18,278 121,846 18,328

RDC 3단 - - - - - - - -

RDC 4단 67,719 13,893 74,032 13,893 80,345 13,893 86,659 14,051

RDC 5단 60,771 13,464 66,364 13,464 71,956 13,464 77,549 13,514

[표 2] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=4)(계속)

- 120 -

손해비용

()변화130% 140% 150%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95

SL 2.09 2.09 2.09 2.09 2.09 2.09

단 미발생 5,288 5,438 5,288 5,438 5,288 5,438

RDC 1단 67,255 11,895 71,505 11,895 75,756 11,895

RDC 2단 130,677 18,342 139,508 18,328 148,338 18,328

RDC 3단 - - - - - -

RDC 4단 92,972 14,082 99,285 14,051 105,598 14,051

RDC 5단 83,142 13,484 88,735 13,514 94,328 13,514

[표 3] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=4)(계속)

손해비용

()변화50% 60% 70% 80%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 0.95

R2 1.0 R2 1.0 R2 1.0 R2 0.95

R3 0.95 R3 0.95 R3 0.95 R3 0.95

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.05 2.05 2.05 2.05 2.05 2.05 2.05 2.04

단 미발생 5,272 5,310 5,272 5,310 5,272 5,310 5,272 5,401

RDC 1단 26,487 26,563 29,906 29,982 33,324 33,400 36,742 9,391

RDC 2단 60,015 60,241 68,958 68,978 77,677 77,715 86,507 18,290

RDC 3단 10,036 5,911 10,869 5,911 11,701 5,911 12,533 6,402

RDC 4단 42,450 13,424 48,764 13,424 55,077 13,424 61,390 12,513

RDC 5단 38,384 12,765 43,976 12,765 49,569 12,765 55,162 13,147

[표 4] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=5)

주1) 물류비 단 는 1,000 CNY/time

- 121 -

손해비용

()변화90% 100% 110% 120%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95 R2 0.95

R3 0.95 R3 0.95 R3 0.95 R3 0.95

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.05 2.04 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생 5,272 5,401 5,272 5,401 5,272 5,401 5,272 5,401

RDC 1단 40,161 9,391 43,579 9,391 46,997 9,391 50,416 9,391

RDC 2단 95,338 18,290 104,169 18,290 113,000 18,290 121,830 18,290

RDC 3단 13,365 6,402 14,197 6,402 15,030 6,402 15,862 6,402

RDC 4단 67,703 12,513 74,016 12,513 80,330 12,513 86,643 12,513

RDC 5단 60,755 13,147 66,348 13,147 71,941 13,147 77,534 13,147

[표 5] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=5)(계속)

손해비용

()변화130% 140% 150%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95

R3 0.95 R3 0.95 R3 0.95

R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95

SL 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생 5,272 5,401 5,272 5,401 5,272 5,401

RDC 1단 53,834 9,391 57,252 9,391 60,671 9,391

RDC 2단 130,661 18,290 140,379 18,290 148,323 18,290

RDC 3단 16,694 6,402 17,526 6,402 18,359 6,402

RDC 4단 92,956 12,513 99,269 12,513 105,583 12,513

RDC 5단 83,126 13,147 88,719 13,147 94,312 13,147

[표 6] 단 손해비용 변화에 따른 상물류비 변화(선택 RDC수=5)(계속)

- 122 -

4. 단 발생확률 변화에 따른 상 물류비 변화

단 발생

확률( )0.05% 0.06% 0.07% 0.08%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 1.0 R2 1.0 R2 1.0 R2 0.95

R3 - R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.09 2.09 2.09 2.09 2.09 2.09 2.09 2.09

단 미발생1) 5,288 5,335 5,288 5,335 5,288 5,335 5,288 5,413

RDC 1단 64,763 64,811 64,763 64,810 64,763 64,810 64,763 64,887

RDC 2단 125,500 125,547 125,594 125,751 125,500 125,547 125,500 18,168

RDC 3단

RDC 4단 89,271 13,533 89,271 13,533 89,271 13,533 89,271 13,974

RDC 5단 79,864 12,817 79,864 12,817 79,864 12,817 79,864 13,638

[표 7] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=4)

주1) 물류비 단 는 1,000 CNY/time

단 발생

확률( )0.09% 0.10% 0.11% 0.12%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.09 2.09 2.09 2.09 2.09 2.09 2.09 2.09

단 미발생 5,288 5,413 5,288 5,413 5,288 5,413 5,288 5,474

RDC 1단 64,763 64,887 64,763 64,887 64,763 64,887 64,763 11,864

RDC 2단 125,612 18,168 125,500 18,168 125,594 18,168 125,500 18,229

RDC 3단

RDC 4단 89,271 13,974 89,271 13,974 89,271 13,974 89,271 14,171

RDC 5단 79,864 13,638 79,864 13,638 79,864 13,638 79,864 13,699

[표 8] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=4)(계속)

- 123 -

단 발생

확률( )0.13% 0.14% 0.15%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95

R3 - R3 - R3 -

R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95

SL 2.09 2.09 2.09 2.09 2.09 2.09

단 미발생 5,288 5,474 5,288 5,474 5,288 5,474

RDC 1단 64,763 11,864 64,763 11,864 64,763 11,864

RDC 2단 125,594 18,229 126,385 18,229 125,500 18,229

RDC 3단

RDC 4단 89,271 14,171 89,271 14,171 89,271 14,171

RDC 5단 79,864 13,699 79,864 13,699 79,864 13,699

[표 9] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=4)(계속)

단 발생

확률( )0.05% 0.06% 0.07% 0.08%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 0.95

R2 1.0 R2 1.0 R2 1.0 R2 0.95

R3 0.95 R3 0.95 R3 0.95 R3 0.95

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.05 2.04 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생1) 5,272 5,320 5,272 5,320 5,272 5,320 5,272 5,431

RDC 1단 51,830 51,925 51,830 51,925 51,830 51,925 51,830 9,389

RDC 2단 125,485 125,644 125,485 125,644 125,485 125,532 125,485 18,186

RDC 3단 16,206 5,920 16,206 5,920 16,206 5,920 16,206 6,528

RDC 4단 89,255 13,421 89,255 13,421 89,255 13,421 89,255 12,615

RDC 5단 79,848 12,774 79,848 12,774 79,848 12,774 79,848 13,247

[표 10] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=5)

주1) 물류비 단 는 1,000 CNY/time

- 124 -

단 발생

확률( )0.09% 0.10% 0.11% 0.12%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95 R2 0.95

R3 0.95 R3 0.95 R3 0.95 R3 0.95

R4 0.95 R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95 R5 0.95

SL 2.05 2.04 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생 5,272 5,431 5,272 5,432 5,272 5,431 5,272 5,431

RDC 1단 51,830 9,389 51,830 9,390 51,830 9,389 51,830 9,389

RDC 2단 125,485 18,186 125,485 18,244 125,485 18,186 125,485 18,186

RDC 3단 16,206 6,528 16,206 6,529 16,206 6,528 16,206 6,528

RDC 4단 89,255 12,615 89,255 12,712 89,255 12,615 89,255 12,615

RDC 5단 79,848 13,247 79,848 13,152 79,848 13,247 79,848 13,247

[표 11] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=5)(계속)

단 발생

확률( )0.13% 0.14% 0.15%

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 0.95

해당

없음

R1 0.95

해당

없음

R1 0.95

R2 0.95 R2 0.95 R2 0.95

R3 0.95 R3 0.95 R3 0.95

R4 0.95 R4 0.95 R4 0.95

R5 0.95 R5 0.95 R5 0.95

SL 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생 5,272 5,431 5,272 5,431 5,272 5,431

RDC 1단 51,830 9,389 51,830 9,389 51,830 9,389

RDC 2단 125,485 18,186 125,485 18,186 125,485 18,186

RDC 3단 16,206 6,528 16,206 6,528 16,206 6,528

RDC 4단 89,255 12,615 89,255 12,615 89,255 12,615

RDC 5단 79,848 13,247 79,848 13,247 79,848 13,247

[표 12] 단 발생확률 변화에 따른 상물류비 변화(선택 RDC수=5)(계속)

- 125 -

5. 수요지 완충재고비율(β) 변화에 따른 상 물류비 변화

완충재고

(β)-0.05 -0.04 -0.03 -0.02

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.87 R2 0.88 R2 0.89 R2 0.90

R3 - R3 - R3 - R3 -

R4 0.87 R4 0.88 R4 0.89 R4 0.90

R5 0.87 R5 0.88 R5 0.89 R5 0.90

SL 2.09 2.09 2.08 2.08 2.08 2.08 2.08 2.08

단 미발생1) 5,288 5,582 5,288 5,558 5,288 5,534 5,288 5,510

RDC 1단 136,583 136,877 126,323 126,593 116,063 116,310 105,803 106,024

RDC 2단 274,709 17,396 253,394 17,506 232,190 17,617 210,855 17,727

RDC 3단 - - - - - - - -

RDC 4단 195,943 14,543 180,704 14,462 165,465 14,380 150,226 14,299

RDC 5단 174,364 14,853 160,864 14,680 147,364 14,506 133,864 14,332

[표 13] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=4)

주1) 물류비 단 는 1,000 CNY/time

완충재고

(β)-0.01 0.00 0.01 0.02

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.91 R2 0.92 R2 0.93 R2 0.94

R3 - R3 - R3 - R3 -

R4 0.91 R4 0.92 R4 0.93 R4 0.94

R5 0.91 R5 0.92 R5 0.93 R5 0.94

SL 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08

단 미발생 5,288 5,486 5,288 5,461 5,288 5,437 5,288 5,413

RDC 1단 95,543 95,740 85,283 85,456 75,023 75,172 64,763 64,887

RDC 2단 189,447 17,837 168,226 17,947 146,928 18,058 125,592 18,168

RDC 3단 - - - - - - - -

RDC 4단 134,987 14,218 119,749 14,137 104,510 14,056 89,271 13,974

RDC 5단 120,364 14,159 106,864 13,985 93,364 13,811 79,864 13,638

[표 14] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=4)(계속)

- 126 -

완충재고

(β)0.03 0.04 0.05

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.95 R2 0.96 R2 0.97

R3 - R3 - R3 -

R4 0.95 R4 0.96 R4 0.97

R5 0.95 R5 0.96 R5 0.97

SL 2.08 2.08 2.08 2.08 2.08 2.08

단 미발생 5,288 5,389 5,288 5,364 5,288 5,340

RDC 1단 54,503 54,603 44,243 44,319 33,983 34,035

RDC 2단 104,185 18,278 82,869 18,388 61,686 18,384

RDC 3단 - - - - - -

RDC 4단 74,032 13,893 58,793 13,812 43,555 13,579

RDC 5단 66,364 13,464 52,864 13,291 39,364 13,269

[표 15] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=4)(계속)

완충재고

(β)-0.05 -0.04 -0.03 -0.02

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.87 R2 0.88 R2 0.89 R2 0.90

R3 - R3 - R3 - R3 -

R4 0.87 R4 0.88 R4 0.89 R4 0.90

R5 - R5 - R5 - R5 -

SL 2.05 2.03 2.05 2.03 2.05 2.04 2.05 2.04

단 미발생1) 5,272 5,641 5,272 5,611 5,272 5,581 5,272 5,551

RDC 1단 109,589 9,375 101,337 9,377 93,086 9,379 84,835 9,381

RDC 2단 274,694 17,454 253,378 17,559 232,063 17,663 210,747 17,768

RDC 3단 30,268 7,411 28,259 7,285 26,250 7,159 24,241 7,033

RDC 4단 195,927 13,325 180,688 13,224 165,449 13,122 150,210 13,021

RDC 5단 174,348 13,946 160,848 13,846 147,348 13,746 133,848 13,646

[표 16] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=5)

주1) 물류비 단 는 1,000 CNY/time

- 127 -

완충재고

(β)-0.01 0.00 0.01 0.02

배송 략 량이원화

고려량

이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.91 R2 0.92 R2 0.93 R2 0.94

R3 - R3 - R3 - R3 -

R4 0.91 R4 0.92 R4 0.93 R4 0.94

R5 - R5 - R5 - R5 -

SL 2.05 2.04 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생 5,272 5,521 5,272 5,491 5,272 5,461 5,272 5,431

RDC 1단 76,584 9,383 68,333 9,385 60,081 9,387 51,830 9,389

RDC 2단 189,431 17,872 168,116 17,977 146,800 18,081 125,485 18,186

RDC 3단 22,233 6,907 20,224 6,780 18,215 6,654 16,206 6,528

RDC 4단 134,972 12,919 119,733 12,818 104,494 12,716 89,255 12,615

RDC 5단 120,348 13,547 106,848 13,447 93,348 13,347 79,848 13,247

[표 17] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=5)(계속)

완충재고

(β)0.03 0.04 0.05

배송 략 량이원화

고려량

이원화

고려량

이원화

고려

RDC별

이원화

비율

해당

없음

R1 1.0

해당

없음

R1 1.0

해당

없음

R1 1.0

R2 0.95 R2 0.96 R2 0.97

R3 - R3 - R3 -

R4 0.95 R4 0.96 R4 0.97

R5 - R5 - R5 -

SL 2.05 2.04 2.05 2.04 2.05 2.04

단 미발생 5,272 5,401 5,272 5,371 5,272 5,341

RDC 1단 43,579 9,391 35,328 9,393 27,077 9,395

RDC 2단 104,169 18,290 82,853 18,395 61,538 18,384

RDC 3단 14,197 6,402 12,189 6,276 10,180 6,150

RDC 4단 74,016 12,513 58,778 12,412 43,539 12,159

RDC 5단 66,348 13,147 52,848 13,047 39,348 13,099

[표 18] 수요지 완충재고비율 변화에 따른 상물류비 변화(선택 RDC수=5)(계속)

- 128 -

6. 본 연구 모형의 Snyder (2006)모형으로 단순화 과정

본 연구 모형 목 식 :

∈∈ ∈

′ ′ +∈

+∈

′′′+

∈′ ′

∞

′ ′′

+∈∈ ∈ ′∈ ′≠

′′′ ′min ′∈′≠

+∈∈ ∈

결정변수 : , , ,

1) 재고비용 무시

→ 0 , ′ → 0 가정하면,

목 식 ≒

∈∈ ∈

′ ′ +∈

+∈∈ ∈ ′∈ ′≠

′′′ ′min ′∈′≠

+∈∈ ∈

결정변수 : , ,

2) 험비용 2 무시

→ 0 가정하면,

목 식 ≒

∈∈ ∈

′ ′ +∈

- 129 -

+∈∈ ∈ ′∈ ′≠

′′′ ′min ′∈′≠

결정변수 : , ,

를 풀어쓰면,

목 식 ≒

∈∈

′′ ∈∈

′ ′ +∈

+∈∈ ′∈ ′≠

′′′ ′

+∈∈ ′∈ ′≠

′′′ ′

결정변수 : , ,

,

을 풀어 쓰면,

목 식 ≒

∈∈

′′

+ ∈∈

′ ′ ′≠ ′ ′

+ ∈

+ ∈∈ ′∈ ′≠

′′′ ′

+ ∈∈ ′∈ ′≠

′′′ ″≠ ′′

′′ ′

결정변수 : , ,

3) 단 수송비, 수요, 고객배정 변수 치환

1항과 2항의 ′′ , 4항과 5항의 ′∈ ′≠

′′′ 를

- 130 -

단 수송비 , ′으로 치환, 1항의 와 4항의 ′∈ ′≠

′ 를 수요 로,

2항의 ′≠ ′ ′와 5항의

′∈ ′≠ ″≠ ′′ ′′ ′

를 수요 ′로 치환

( 고정 가정), 1항과 4항의 , 2항과 5항의

을 고객 배정 ,

로 치환

하면,

목 식 ≒

∈∈

+ ∈∈ ′

+ ∈

+ ∈∈ ′ +

∈∈ ′′

결정변수 : ,

4) 단 수송비용 동일 가정

′ 가정하면,

목 식 ≒

∈∈

+ ∈∈

+ ∈

+ ∈∈ ′

+ ∈∈′

결정변수 : ,

5) 시나리오 결합

물류거 노드 ∈ 에서 단 이 발생할 확률 와, 단 이 발생하지 않을

확률 를, ∪로 정의하여 를 시나리오 s가 발생할 확률이라 가정하

면(는 단 이 발생하지 않을 확률, 는 물류거 노드 에서 단 이 발생할

- 131 -

확률),

∈ +

∈∈

+ ∈∈ ′

결정변수 : ,

이는 다음과 같은 Snyder (2006)의 모형에서,

∈

∈∈∈

는 시설 ∈ 의 연간 고정비

는 시나리오 s가 발생할 확률

는 고객 ∈ 의 연간 수요

는 시설 ∈ 에서 고객 ∈로의 단 수송비용

는 시설 ∈ 가 개장시 1, 아니면 0

는 시나리오 s에서 고객 ∈가 시설 ∈에 배정되면 1, 아니면 0

시나리오 ∈ 가 물류거 노드 ∈에서 단 이 발생하는 경우 는

단 이 발생하지 않는 경우로 구성될 때, 시설 에서 고객 로 배송하는 경우

와 유사해짐(단, ≠

)을 알 수 있다.

목 식 ≒

- 133 -

ABSTRACT

A Multimodal Freight Distribution Strategy with Supply Chain Disruption

HUR, Sung HoDepartment of Civil & Environmental Engineering

The Graduate SchoolSeoul National University

Today, unexpected events such as natural disaster, terrorist attacks, and

other various accidents can cause disruption of supply chains and

additional logistics cost. Therefore, it is necessary to consider the external

uncertainties during the logistics strategy development process. This

dissertation suggests a strategic decision model for multimodal freight

transportation network to counteract unexpected disruptions considering

single and dual-routes assignment strategy.

While most of existing studies have applied the facility disruption, the

proposed model in this dissertation applies the disruption of the regional

distribution center in two tier network and provides strategic decision

model determine alternative regional distribution centers, safety stock level,

and the separate freight volume ratio for dual-routes. In addition, in this

model, the loss from node disruptions is subdivided in two types of loss:

the additional cost for emergency transportation and the loss from delay.

This is to provide more realistic model than previous ones, and the same

method is applied to the shortage cost on the regional distribution centers.

The particle swarm optimization algorithm is introduced and modified to

efficiently solve the model proposed in this dissertation.

- 134 -

The resulting model and proposed strategy can reduce the loss occurred

from node disruptions and make a rapid response to disruptions. It is also

expected that this model contributes to practitioners by providing insights

on managing unexpected disruptions and associated costs.

Key Words : Logistics strategy decision, distribution center disruption, dual-route,

multi-modal transportation, Particle swarm optimization algorithm

Student Number : 2007-30848