수요량은 확정적이지만, 그 수요가 정확히 언제 발생할지 불확실한 다품목 생산 계획 문제에 대한 새로운 접근 방식이 제시되었습니다. 이 연구는 정해진 시간 내에 반드시 충족되어야 하는 수요에 맞춰, 생산과 할당 결정을 최적화하는 모델을 개발했습니다. 특히, 수요 발생 시점의 불확실성을 이산 시간 마르코프 결정 과정(DTMDP)으로 모델링하여 복잡한 현실 문제를 해결하려는 시도가 돋보입니다.
제안된 모델은 생산 및 할당 결정을 개별 수요 수준에서 내림으로써, 생산 능력 경쟁, 특정 수요에 대한 미납(backlog), 그리고 할당 방식에 따른 재고 변동성까지 정교하게 반영할 수 있습니다. 연구진은 수요 시점의 불확실성이 모델의 상태 공간과 전이 횟수, 그리고 계산 시간 및 메모리 요구량을 크게 증가시킨다는 점을 확인했습니다. 이를 해결하기 위해 유전 알고리즘(GA)을 도입하여 복잡한 확률적 문제를 효율적으로 풀었으며, 330개의 벤치마크 인스턴스에서 정확한 해에 평균 3.44%의 오차 범위 내로 근접하는 우수한 성능을 보였습니다. 특히 어려운 테스트 케이스에서는 5% 미만의 오차율과 약 6.89배의 최적화 속도 향상을 달성했습니다.
이 연구는 불확실한 수요 환경에 직면한 제조업체나 유통업체가 생산 및 재고 관리를 더욱 효율적으로 수행할 수 있는 강력한 도구를 제공합니다. 수요 시점의 불확실성은 많은 기업이 겪는 고질적인 문제이며, 이를 정량적으로 모델링하고 효과적인 알고리즘으로 해결함으로써 비용 절감과 고객 만족도 향상에 기여할 수 있습니다. 특히, 유전 알고리즘을 활용한 접근 방식은 기존의 복잡한 최적화 모델이 가진 계산 부담을 줄여, 실제 산업 현장에서의 적용 가능성을 높였다는 점에서 큰 의미가 있습니다.