교육자료Courses

Web App · 실습 #1Web App · Lab #1

입지 최적화 실습기Facility Location Optimization Lab

고전적인 입지 모형 네 가지를 지도 위에서 직접 풀어 보고, 전국 물류센터 네트워크 재설계 케이스 스터디까지 이어지는 실습기입니다.A hands-on lab where you solve four classic facility location models directly on a map, then move on to a national distribution center network redesign case study.

• P-median · P-center · Set covering · Maximal covering 4개 모형Four models: P-median, P-center, set covering, and maximal covering
• 지도에서 입지를 직접 고른 뒤 최적해와 비교Pick sites on the map, then compare against the optimal solution
• 케이스 스터디: 전국 물류센터 입지 결정 (용량제약 고정비용 문제)Case study: national DC location decisions (capacitated fixed charge problem)
• 비용·서비스 지표 확인, CSV 입출력, 리더보드 제출Cost and service metrics, CSV import/export, and leaderboard submission

Web App · 실습 #2Web App · Lab #2

입지 계획 2Location Planning 2

입지 최적화 실습기와 전국 물류센터 케이스 스터디로 이어지는 두 번째 입지 계획 실습입니다.The second location planning lab, running from the facility location explorer through to the national distribution center case study.

• P-median · P-center · Set covering · Maximal covering 4개 모형Four models: P-median, P-center, set covering, and maximal covering
• 지도에서 입지를 직접 고른 뒤 최적해와 비교Pick sites on the map, then compare against the optimal solution
• 케이스 스터디: 전국 물류센터 입지 결정 (용량제약 고정비용 문제)Case study: national DC location decisions (capacitated fixed charge problem)
• 비용·서비스 지표 확인, CSV 입출력, 리더보드 제출Cost and service metrics, CSV import/export, and leaderboard submission

Web App · 실습 #3Web App · Lab #3

설비배치 실습기Facility Layout Optimization Lab

비용 최적 배치(QAP)·인접도 최적 배치·비동일면적 블록 배치 세 문제를 배치도 위에서 직접 풀어 보고, 10개 부서로 확장된 물류센터 케이스 스터디까지 이어지는 실습기입니다.A hands-on lab where you solve three layout problems directly on the floor plan — cost-optimal (QAP), adjacency-optimal, and unequal-area block layout — then move on to a 10-department distribution center expansion case study.

• QAP: best-swap(steepest descent) 국소탐색과 neighborhood table로 국소최적·전역최적 비교QAP: best-swap (steepest descent) local search with a neighborhood table, compared against the global optimum
• Adjacency: REL 등급을 클릭해 순환시키며 인접도 목적함수가 배치를 어떻게 바꾸는지 확인Adjacency: click to cycle REL grades and see how the adjacency objective changes the optimal layout
• Block: 격자 없는 캔버스에서 비동일면적 부서를 드래그로 배치, 겹침·이탈·도크 위반 실시간 판정Block: drag unequal-area departments on a grid-free canvas with real-time overlap, boundary, and dock checks
• 케이스 스터디: 10부서 물류센터 확장 배치, layout.csv 제출Case study: 10-department distribution center expansion, layout.csv submission

Web App · 실습 #4Web App · Lab #4

셀 형성(Group Technology) 실습기Group Technology (Cell Formation) Lab

기계를 셀로 나누고(P1), 셀 안 컨베이어 순서를 정하고(P2), 셀을 바닥 자리에 배치하는(P3) 세 가지 결정을 판 하나에서 직접 풀어 보고, 대형 풀필먼트센터 보스 레벨 케이스 스터디까지 이어지는 실습기입니다.A hands-on lab where you solve three linked decisions on one board — grouping machines into cells (P1), sequencing machines on each cell's conveyor (P2), and placing cells on the floor (P3) — then move on to a large fulfillment-center boss-level case study.

• P1: 예외요소(EE)+공백 최소화 — 기계·주문 토큰을 이분 그래프로 직접 배치P1: minimize exceptional elements + voids — arrange machine/order tokens on a bipartite diagram
• P2: 컨베이어 역행 비용 최소화 — 실제 벨트 그림 위에서 기계 순서 조정P2: minimize conveyor backward-flow cost — reorder machines directly on a belt diagram
• P3: 셀→바닥 자리 배치, 물량×이동거리 최소화(입고·출고 도크)P3: cell-to-floor-slot layout minimizing volume×distance, with inbound/outbound docks
• 케이스 스터디: 50대 작업대·150개 주문군 풀필먼트센터 보스 레벨, 중복설치로 예외요소 절충Case study: a 50-machine, 150-order fulfillment-center boss level, trading off exceptional elements against duplicate machine installs

Web App · 실습 #5Web App · Lab #5

라인 밸런싱 실습기Line Balancing Lab

스테이션 수 최소화(P1)·사이클타임 최소화(P2)·U자형 라인(P3)·병렬 라인의 작업자 수 최소화(P4)를 작업 선후관계도 위에서 직접 풀어 보고, 혼합 라인 vs 전용 라인 구성을 비교하는 케이스 스터디까지 이어지는 실습기입니다.A hands-on lab where you solve line balancing directly on the precedence diagram — minimizing stations (P1), minimizing cycle time (P2), U-shaped lines (P3), and minimizing workers on parallel lines (P4) — then move on to a case study comparing a mixed line against dedicated lines.

• P1·P2: 작업을 스테이션 칸으로 끌어 배정, 휴리스틱(K–W·FS·RPW) 단계별 재생과 하한 비교P1–P2: drag tasks into stations, step through heuristics (K–W, FS, RPW), and compare against lower bounds
• P3: U자형 라인 — 전방·후방 어느 쪽에서든 배정 가능한 작업만 밝게 표시P3: U-shaped line — only tasks assignable from the front or rear are highlighted
• P4: 두 제품 라인을 마주 보는 스테이션에서 작업자를 공유하며 인원 최소화P4: share workers across facing stations of two product lines to minimize headcount
• 케이스 스터디: 혼합 라인 vs 전용 라인 두 개, 비용 최소 구성 제출·실시간 리더보드Case study: mixed line vs. two dedicated lines — submit the cheapest configuration to a live leaderboard

Web App · 실습 #6Web App · Lab #6

AGV 운영 실습기AGV Operations Lab

AGV 통로 방향 설계, 교차로 통과 순서, 배차 규칙 세 문제를 화면에서 직접 조작하고 시뮬레이션으로 확인한 뒤, 대수와 배차 순서를 설계해 시간당 총비용을 겨루는 케이스 스터디로 이어지는 실습기입니다.A hands-on lab on AGV systems — guide-path direction design, intersection scheduling, and dispatching rules, each checked by simulation — followed by a case study where you choose the fleet size and dispatching order to minimize hourly total cost.

• P1 주행경로망: 통로를 클릭해 방향을 정하고 Σ f·d 최소화(강연결 유지)P1 guide-path network: click aisles to set directions and minimize Σ f·d while keeping the network strongly connected
• P2 교차로 통과 스케줄링: 통과 순서를 바꿔 지연 비교(FIFO 등)P2 intersection scheduling: reorder crossings and compare delays (FIFO and others)
• P3 배차 정책 평가: 배차 규칙별 대기시간을 진행 보기·장기 실험으로 비교P3 dispatching policies: compare waiting times by rule with step-by-step playback and long runs
• 케이스 스터디: AGV 대수 + 배차 순서 나무 설계, 시간당 총비용 제출·실시간 리더보드Case study: design the fleet size and a dispatching order tree — submit hourly total cost to a live leaderboard

Streamlit App · 실습 #1Streamlit App · Lab #1

시설입지 최적화 경쟁 플랫폼Facility Location Optimization Platform

공급망 네트워크 설계(시설 개설 결정 + 물류 흐름)를 주제로 한 실습 플랫폼입니다. CSV 형식으로 의사결정변수를 제출하고 실시간 리더보드에서 최적화 결과를 비교합니다.A hands-on platform focused on supply chain network design (facility opening decisions + logistics flows). Submit decision variables in CSV format and compare optimization results on a real-time leaderboard.

• 공급자 2곳, 후보 시설 3곳, 고객 4곳2 suppliers, 3 candidate facilities, 4 customers
• 이진 변수(시설 개설) + 연속 변수(물류 흐름)Binary variables (facility opening) + continuous variables (logistics flows)
• 최소 비용 목적함수 · 제약 위반 시 페널티 부과Minimum-cost objective · penalty for constraint violations
• 최고점 10,000점 기준 상대 채점Relative scoring based on a perfect score of 10,000 points

Browser Game · 실습 #2Browser Game · Lab #2

수요예측 & 총괄생산계획 게임Demand Forecasting & Aggregate Production Planning Game

3년간의 분기별 수요 데이터를 바탕으로 4년차 수요를 예측하고, 고용·해고 의사결정을 통해 총 비용을 최소화하는 총괄생산계획을 수립하는 인터랙티브 게임입니다.An interactive game where you forecast 4th-year demand from three years of quarterly data and build an aggregate production plan that minimizes total cost through hiring and firing decisions.

• 이동평균·지수평활·홀트·계절분해 예측 방법론Moving average, exponential smoothing, Holt, and seasonal decomposition methods
• 가중 앙상블 예측으로 최적 조합 탐색Weighted ensemble forecasting to find the optimal combination
• 고용·해고 기반 총괄생산계획 수립Aggregate production planning based on hiring and firing decisions
• 총 비용 기준 리더보드 (제출 3회)Total cost leaderboard (3 submissions allowed)

실습 #3Lab #3

실습 #3Lab #3

준비 중인 실습 자료입니다.This material is under preparation.

Final Project

기말 프로젝트Final Project

준비 중인 기말 프로젝트 자료입니다.This material is under preparation.

Web App · 실습 #1Web App · Lab #1

예측 기법 실습기Forecasting Techniques Lab

같은 데이터에 여섯 가지 예측 기법을 적용해 각 기법이 다음 기간을 얼마나 다르게 추측하는지 그래프와 표로 비교하는 실습기입니다.A hands-on lab that applies six forecasting techniques to the same data and compares how differently each one predicts the next period, through charts and tables.

• Naive · 이동평균 · 가중이동평균 · 지수평활 · 선형추세 · 추세조정지수평활 6개 기법Six methods: naive, moving average, weighted moving average, exponential smoothing, linear trend, and trend-adjusted exponential smoothing
• 기간 수 조절 및 직접 입력으로 새 데이터 생성Generate new data by adjusting the period count or entering values directly
• 다음 기간 예측값과 기법별 계산 과정을 실시간으로 비교Compare next-period forecasts and each method's step-by-step calculation in real time
• MAD·MSE·MAPE·추적신호 오차 지표 확인Check MAD, MSE, MAPE, and tracking signal error metrics

Browser Game · 실습 #1Browser Game · Lab #1

글로벌 물류 경영 시뮬레이션Global Logistics Management Simulation

세계 지도 위에서 광산·공장·판매거점을 건설하고 공급망 네트워크를 설계해 순이익을 극대화하는 교육용 브라우저 게임입니다.An educational browser game where you build mines, factories, and sales bases on a world map and design a supply chain network to maximize net profit.

• 7개 세계 지역 · 광산·공장·판매거점 3종 시설7 world regions · 3 facility types: mines, factories, and sales bases
• 지역별 수요·시장가격·운송 비용 차별화Region-specific demand, market prices, and transportation costs
• 공급망 경로 자동 연결 및 단일 시뮬레이션Automatic supply chain routing and one-shot simulation
• 순이익 기준 리더보드 제출 및 코멘트Net profit leaderboard submission with comments

Browser Game · 실습 #2Browser Game · Lab #2

픽업 & 배송 경로 최적화 게임Pickup & Delivery Route Optimization Game

여러 대의 차량으로 픽업·배송 경로를 직접 구성하고, 최적 해 대비 총 이동 거리를 최소화하는 VRP(Vehicle Routing Problem) 실습 게임입니다.A VRP (Vehicle Routing Problem) practice game where you manually build pickup and delivery routes for multiple vehicles and minimize total travel distance against the optimal solution.

• 차량 수(1~3대)·화물 수(2~6개) 자유 설정Freely configure number of vehicles (1–3) and cargo (2–6)
• 픽업 우선 선행 제약 및 차량 적재 용량 제약Pickup-first precedence constraint and vehicle capacity constraint
• 지도 클릭으로 경로 직접 구성, 실시간 거리 계산Build routes by clicking the map with real-time distance calculation
• 최적 해 대비 점수(1000점 만점)에 배송 건수·배달원 수 가중치를 반영한 리더보드Score relative to optimal (out of 1,000), weighted up by number of shipments and couriers, with leaderboard

Browser Game · 실습 #3Browser Game · Lab #3

AMR 공장 경로 최적화 게임AMR Factory Route Optimization Game

공장 내에서 AMR(자율이동로봇)을 조종해 화물을 픽업하고 지정 베이에 배송하는 실시간 경로 최적화 게임입니다. 충돌을 피하며 최단 시간 내에 모든 작업을 완료하세요.A real-time route optimization game where you pilot an AMR (Autonomous Mobile Robot) inside a factory to pick up cargo and deliver it to designated bays. Avoid collisions and complete all tasks in the shortest time possible.

• 다른 AMR 및 작업자와 충돌 회피Avoid collisions with other AMRs and workers
• 최대 2개 화물 동시 적재 가능Carry up to 2 cargo items simultaneously
• 충돌 시 1.5초 정지 + 10초 페널티Collision causes 1.5-second stop + 10-second penalty
• 총 소요 시간 기준 리더보드Leaderboard ranked by total completion time