earticle

영어

The rapid growth of the fresh-cut food market has raised complex issues in supply chain management, including shortened shelf life, seasonal fluctuations, and demand volatility. To address these challenges, this study proposes a hybrid demand forecasting model that combines time series analysis with a weighted moving average technique. Based on the forecasted results, a Fresh-Cut Food Supply Chain Model (FSCM) is designed, comprising FF suppliers, logistics centers, and retailers. For the optimization of FSCM, a Hybrid Genetic Algorithm (HGA) is proposed by integrating the global exploration capability of the Genetic Algorithm (GA) with the local exploitation efficiency of the JAYA algorithm. HGA first improves the initial population using the JAYA algorithm and subsequently applies crossover and mutation operations of GA, forming a dual-stage optimization structure. This structure enables a balanced search of the solution space, improves computational efficiency and solution quality, and addresses the limitations of single algorithms. Algorithmic performance was evaluated based on best solution (BS), average solution (AS), average CPU time, and the number of iterations to reach the best solution (Sycle), while operational performance in the supply chain was assessed using quantitative indicators such as productivity (P), unit cost efficiency (UCE), profit margin (PM), and input-output ratio (I/OR). According to the analysis, under the Scale 3 condition, HGA achieved approximately 0.89% improvement in BS and 1.54% in AS compared to GA, and reached the optimal solution with only 3.5 iterations on average, demonstrating significantly higher optimization efficiency than GA (33.43 iterations) and JAYA (31.9 iterations). Furthermore, productivity (P) improved by up to 46.72% over existing algorithms, and other indicators such as UCE and PM also showed overall superior performance. This study demonstrates the effectiveness and practical applicability of an integrated forecasting–optimization strategy for fresh-cut food supply chain problems and provides a foundation for future research.

한국어

신선편의식품 시장의 급성장으로 공급망 관리에서 유통기한 단축, 계절적 변화, 수요 변동성 등 복잡한 문제가 대두되고 있다. 이를 해결하기 위해 본 연구는 시계열 분석과 가중 이동 평균을 결합한 하이브리드 수요 예측 기법 을 제안하였다. 이를 바탕으로 본 연구는 공급업체(FF Supplier), 물류센터(Logistic Center), 소매점(Retailer)으로 구성된 신선편의식품 공급망 모델(Fresh-Cut Food Supply Chain Model, FSCM)을 설계하였다. FSCM의 최적화 를 위해 유전 알고리즘(Genetic Algorithm, GA)과 JAYA 접근법을 결합한 혼합 유전 알고리즘(Hybrid Genetic Algorithm, HGA)을 제안하였으며, HGA는 GA의 전역 탐색 능력과 JAYA의 지역적 탐색 효율성을 통합하여, 초 기 해 모집단을 JAYA 알고리즘으로 우선 개선한 후 이어서 GA의 교차 및 변이 연산을 적용하는 이중 최적화 구 조를 통해 탐색 공간의 균형 잡힌 탐색이 가능해지고, 계산 효율성과 해 품질을 동시에 향상시켜 기존 단일 알고리 즘의 한계를 보완한다. 알고리즘 성능은 최적해(BS), 평균해(AS), 평균 CPU 시간, 최적해 도달 횟수(Sycle)를 통해 측정하였고, 공급망 운영 성과는 생산성(P), 단위 비용 효율(UCE), 수익률(PM), 투입산출비(I/OR) 등의 정량 지표 를 기반으로 평가하였다. 분석 결과에 따르면, Scale 3 조건에서 HGA는 GA 대비 BS가 약 0.89%, AS는 1.54% 향상되었고, 평균 3.5회의 반복만으로 최적해에 도달하여 GA(33.43회), JAYA(31.9회) 대비 현저히 높은 최적화 효율성을 보였다. 또한 생산성 지표(P)는 기존 알고리즘 대비 최대 46.72% 향상되었으며, UCE, PM 등에서도 전 반적으로 우수한 성능을 나타냈다. 본 연구는 신선편의식품 공급망 문제에 있어 예측–최적화 통합 전략의 효과성과 실용성을 입증하고, 향후 연구의 기초 자료를 제공한다.