• 산업경영시스템학회지
• /
• 제40권4호
• /
• pp.29-37
• /
• 2017

This papers focuses on remanufacturing processes in a closed loop supply chain. The remanufacturing processes is considered as one of the effective strategies for enterprises' sustainability. For this reason, a lot of companies have attempted to apply remanufacturing related methods to their manufacturing processes. While many research studies focused on the return rate for remanufacturing parts as a control parameter, the relationship with demand certainties has been studied less comparatively. This paper considers a closed loop supply chain environment with remanufacturing processes, where highly fluctuating demands are embedded. While other research studies capture uncertainties using probability theories, highly fluctuating demands are modeled using a fuzzy logic based ambiguity based modeling framework. The previous studies on the remanufacturing have been limited in solving the actual supply chain management situation and issues by analyzing the various situations and variables constituting the supply chain model in a linear relationship. In order to overcome these limitations, this papers considers that the relationship between price and demand is nonlinear. In order to interpret the relationship between demand and price, a new price elasticity of demand is modeled using a fuzzy based nonlinear function and analyzed. This papers contributes to setup and to provide an effective price strategy reflecting highly demand uncertainties in the closed loop supply chain management with remanufacturing processes. Also, this papers present various procedures and analytical methods for constructing accurate parameter and membership functions that deal with extended uncertainty through fuzzy logic system based modeling rather than existing probability distribution based uncertainty modeling.

• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.661-666
• /
• 2003

본 논문에서는 범주형 데이터의 분류를 위한 새로운 기법을 제시한다. 기존의 대표적인 퍼지 군집화 방법인 k-modes 알고리즘과 fuzzy k-modes 알고리즘은 군집의 중심을 단일 값으로 표현하고, 군집에 속하는 데이터의 빈도 수에 기반한 중신 갱신 기법을 사용하였다. 이와 같은 기존의 방법들은 분류의 경계가 모호한 데이트를 군집화할 경우, 알고리즘의 각 단계에서 발생하는 분류의 에러를 보정하지 못해 최종적으로 지역해에 빠지는 단점이 있다. 이를 극복하기 위해 본 논문에서는 군집 중심을 퍼지 집합을 이용하여 정의한다. 퍼지 군집 중심은 주어진 데이터와 군집간의 거리 관계를 퍼지 값을 이용해 표현하며, 각 군집의 중심은 데이터의 소속 정도 값을 이용해 갱신된다. 이와 같은 퍼지 중심 표현기법을 도입하여 범주형 데이터의 분류 시에 보다 세밀한 결정을 내림으로써, 인접한 군집들의 경계에서 발생하는 불확실성을 최소화한다. 기존의 대표적인 방법들과의 비교실험을 수행함으로써 제안한 방법의 성능을 검증하였다.