1. 수행배경

• 최근 인구 고령화, 맞춤형 의료 중요성 및 만성질환 발병률 증가와 같은 이유로 인해 바이오 의약품 시장이 성장하고 있습니다. 이에 따라 수요에 대응하기 위하여 바이오 의약품 생산성 향상을 위한 연구를 수행하는 것은 필수적입니다.

  협업 기업은 생산 일정 계획을 액셀만을 이용해 수립하고 있어 최적화된 일정 계획을 빠르게 수립하지 못하고 있습니다. 저희는 이러한 문제점을 해결하기 위해 바이오 의약품 다중 머신 배치 생산 일정 계획 문제를 진행하게 되었습니다.

2. 수행기간

3. 개발작품 설명

• 본 프로젝트에서 제시한 바이오 의약품 다중 머신 배치 생산 일정 계획 문제는 조합 최적화 문제로 최적해를 찾기 위해 혼합 정수 선형 계획법을 사용하여 수리적 최적화 모형을 구축하였습니다.
• 구축한 모형을 CPLEX IBM ILOG Solver로 구현해 작은 크기 문제(Instance)의 최적해를 도출하였습니다. 수리적 최적화 모형의 경우 예제의 크기가 커짐에 따라 제한된 시간 내에 최적해를 찾을 수 없기에 현실 크기 문제를 해결하기 위해 메타 휴리스틱을 제시하였습니다. 제시한 메타 휴리스틱은 유전 알고리즘(Genetic algorithm, GA)과 입자 군집 최적화(Particle swarm optimization, PSO)입니다.
• 저희가 개발한 GA와 PSO의 성능 비교 실험을 위해 작은 크기 문제와 현실적 크기 문제의 실험을 진행하였습니다.
• 실험한 결과, 제시한 MILP 모형은 제한된 시간 내에서 작은 크기 문제 실험에서는 최적해를 찾았습니다. 작은 크기 문제에서는 GA가 더 좋은 성능을 보이나 큰 크기의 문제에서는 PSO가 더 좋은 성능을 보인다는 결과를 도출하였습니다.

4. 활용방안

• 협업 기업뿐만 아니라 다른 중소형 바이오 의약품 생산 기업에서도 본 최적화 스케줄링을 적용하여 유사한 생산 일정 문제를 해결할 수 있습니다.
• 최적화된 생산 일정 계획을 통해 생산공정의 효율성을 극대화할 수 있습니다. 이는 생산 시간 단축과 더불어 생산량 증가로 이어질 수 있습니다.
• 최적화된 스케줄링을 통해 재료의 폐기 및 재처리 비용을 줄일 수 있습니다. 이는 비용 절감으로 이어져 기업의 수익성을 향상시킬 수 있습니다.
• 변화하는 수요에 신속하게 대응할 수 있는 유연한 생산 계획을 수립할 수 있습니다. 이를 통해 고객의 다양한 요구를 충족시키고, 시장 경쟁력을 강화할 수 있습니다.
• 엑셀만을 사용하여 일정 계획을 수립하던 중소기업에서도 손쉽게 최적화된 생산 스케줄링을 활용할 수 있게 되어, 기술적 격차를 줄이고 경쟁력을 높일 수 있습니다.