조선소 다단계 블록 생산 공정의 시뮬레이션 기반 다목적 스케줄링 연구 = Simulation-based Multi-Objectives Scheduling Study of Multi-Stage Block Production Processes in Shipyards

국문 초록 (Abstract)

본 연구는 조선소 대조 및 중조 블록 생산 공정의 다단계 디스패칭 문제를 대상으로, 동일한 입력 데이터와 운영 제약 하에서 다양한 스케줄링 정책을 비교할 수 있는 시뮬레이션 기반 평가 프레임워크를 제안한다. 라인 작업, 반출 대기, 쉘터 작업 및 검사로 이어지는 공정 흐름과 라인 용량, 반출 창, 쉘터 슬롯 및 동선 제약을 반영한 이산사건 시뮬레이션 환경을 구축하였으며, 단일 지표만으로는 다단계 공정의 운영 효율성을 충분히 설명하기 어렵다는 점에 착안하여 작업 완료 시간（Makespan）, 선후공정 대기시간 합（Pred-Wait）, 쉘터 균형 지수（SBI）, 라인 시퀀스 부하 형성 지수（SLSI）를 핵심 성과 지표（KPIs）로 함께 고려하였다. 또한 네 KPI를 정규화하여 통합하는 가중합 기반 목적함수와, Makespan을 주 목적함수로 두고 나머지 지표를 임계값 제약으로 다루는 ε-Constraint 기반 목적함수를 설계함으로써 단일 지표 평가의 한계를 보완하고 운영 목표에 따라 다양한 평가 관점을 적용할 수 있도록 하였다. 이러한 평가 프레임워크를 기반으로 ESD, SPT, LPT 등의 우선순위 규칙 기반 정책과 랜덤 알고리즘, 유전 알고리즘（GA）, 터미널 KPI 기반 정책 탐색 강화학습（RL-PS）을 비교 알고리즘으로 채택하여 실험을 수행하였다. 실험 결과, GA 계열은 Makespan 단축과 라인 투입 평활성 측면에서 강점을 보인 반면 Pred-Wait가 증가하는 경향이 나타났고, RL-PS 계열은 Makespan 개선 폭은 제한적이었으나 Pred-Wait를 안정적으로 유지하고 SBI를 낮추는 경향을 보여, 알고리즘의 탐색 방식에 따라 서로 다른 운영적 장단점이 형성됨을 확인하였다. 아울러 목적함수의 가중치 및 제약 파라미터 조절을 통해 스케줄의 KPI 특성을 의도적으로 변화시킬 수 있음을 보임으로써, 목적함수 파라미터가 현장 운영자의 우선순위를 스케줄에 반영하기 위한 조정 수단으로 기능할 수 있음을 제시하였다. 본 연구의 결과는 모든 KPI를 동시에 지배하는 단일 최적 정책을 제시하기보다, 운영 목표에 따라 스케줄 대안을 비교하고 목적함수 설정을 조정할 수 있는 분석적 근거를 제공한다는 점에서 실무적 의의를 갖는다.

다국어 초록 (Multilingual Abstract)

This study proposes a simulation-based evaluation framework for the multi-stage dispatching problem in the grand and middle block assembly processes of shipyards, enabling the comparison of various scheduling policies under identical input data and operational constraints. A discrete-event simulation environment was developed to reflect the process flow consisting of line operations, outbound waiting, shelter operations, and inspection, together with operational constraints such as line capacity, outbound windows, shelter slots, and movement restrictions. Recognizing that a single metric is insufficient to capture the operational efficiency of such a multi-stage process, four key performance indicators （KPIs） were jointly considered: Makespan, the sum of predecessor-successor waiting times （Pred-Wait）, the Shelter Balance Index （SBI）, and the Sequence Line-load Shaping Index （SLSI）. To complement the limitations of single-metric evaluation and to accommodate diverse evaluation perspectives aligned with operational objectives, two objective functions were designed: a Weighted sum formulation that normalizes and aggregates the four KPIs, and an 𝜀-Constraint formulation that treats Makespan as the primary objective while imposing threshold constraints on the remaining indicators. Based on this evaluation framework, experiments were conducted using priority rule-based policies （ESD, SPT, LPT）, a random algorithm, a genetic algorithm （GA）, and reinforcement learning-based policy search using terminal KPIs （RL-PS） as comparison algorithms. The experimental results showed that GA-based methods exhibited strengths in reducing Makespan and improving line-load smoothness, but tended to increase Pred-Wait, whereas RL-PS-based methods achieved only limited improvements in Makespan yet maintained Pred-Wait at a stable level and reduced SBI, confirming that different search mechanisms yield distinct operational trade-offs. Furthermore, the study demonstrated that the KPI characteristics of resulting schedules can be intentionally adjusted through the weights and constraint parameters of the objective function, indicating that these parameters can serve as practical tuning levers for reflecting field operators' priorities in the schedule. Rather than identifying a single optimal policy that dominates across all KPIs, the contribution of this study lies in providing an analytical basis through which scheduling alternatives can be compared and objective function configurations adjusted according to operational goals, thereby offering practical implications for shipyard block production scheduling.

목차 (Table of Contents)

• 제1장 서론 1
• 제1절 연구배경 1
• 제2절 연구목적및기여 5
• 제2장 문제정의및모델링 9
• 제1절 문제정의개요 9
• 제2절 모델링 11
• 1. 집합및인덱스 11
• 2. 파라미터 12
• 3. 결정변수 13
• 제3절 제약조건 15
• 제4절 KPI제안 20
• 1. Makespan: 시간 효율성 지표 21
• 2. Pred-Wait: 흐름 연속성 지표 22
• 3. Shelter Balance Index（SBI）: 쉘터 자원 균형 지표 22
• 4. Sequence Load Shaping Index（SLSI）: 라인 투입 평활성 지표 24
• 5. 통합목적함수설계 28
• 제5절 시뮬레이션환경구현 34
• 1. 전체파이프라인개요 35
• 2. 데이터전처리 35
• 3. 알고리즘선택및시뮬레이션환경구성 36
• 4. 디스패칭기반시뮬레이션수행 36
• 5. KPI산출 및점수화 36
• 제3장 실험설계 38
• 제1절 실험시나리오 38
• 1. 실험시나리오개요 38
• 2. 베이스라인알고리즘 40
• 3. 학습탐색기반알고리즘및목적함수조합 41
• 4. 실험설정 43
• 제2절 비교알고리즘 44
• 1. 우선순위규칙기반알고리즘 44
• 2. 랜덤알고리즘 45
• 3. 유전알고리즘（GA） 46
• 4. 강화학습기반디스패칭정책（RL-PS） 53
• 제4장 실험결과및분석 69
• 제1절 분기별동일기간평가 70
• 1. 전체정책의KPI비교 70
• 2. 목적함수구성에따른차이 76
• 제2절 목적함수파라미터민감도분석 81
• 1. 가중합기반목적함수의가중치민감도 82
• 2. 제약식기반목적함수의임계값및페널티민감도 84
• 제3절 KPI간상충관계 86
• 제5장 결론및향후연구 89
• 제1절 연구요약 89
• 제2절 기여및실무적시사점 90
• 제3절 한계및향후연구 92
• 참 고 문 헌 94
• ABSTRACT 100