메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김진섭 (경북대학교) 고덕우 (대한민국) 정재우 (경북대학교)
저널정보
한국경영과학회 경영과학 經營科學 第36卷 第3號
발행연도
2019.9
수록면
1 - 11 (11page)
DOI
10.7737/KMSR.2019.36.3.001

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

머신러닝 기법을 적용한 항공기 수리부속 수요예측 연구
김진섭 경영학부 2021.01 학위논문

2019

머신러닝 기반 Lumpy 수요형태의 항공기 수리부속 수요예측 정확도 개선 연구
김진섭 ,  고덕우 ,  정재우 경영과학 2019.09 학술저널

초록· 키워드

오류제보하기
For the spare parts of aircraft "A" operated by ROKAF(Republic of Korea Air Force), this research suggests the application of machine learning technique rather than that of time series technique in order to improve demand forecast accuracy of spare parts whose demand pattern is lumpy. Demand patterns are divided into four categories by applying Average Inter-Demand Interval(ADI) and Coefficient of Variation(CV). Only for the lumpy parts, this study applies various analysis models selected from demand history, and the probability of demand occurrence for each period for lumpy parts is predicted by applying machine learning techniques. As a result of the experiment, lumpy or erratic pattern appeared to be higher in aircraft spare parts, and smooth parts with stable demand appeared relatively lower. In addition, logistics regression, linear discriminant analysis, and decision tree technique showed a relatively better accuracy, and machine learning technique improved prediction accuracy about 5% higher than time series technique, thus proving that machine learning technique is an effective technique to for lumpy spare parts demand forecast.
#Machine Learning #Aircraft Spare Parts #Demand Forecast

목차

Abstract
1. 서론
2. 기존연구 고찰
3. 연구모형: 머신러닝 기반 A 항공기수리부속 수요예측
4. 실험결과
5. 결론 및 향후 연구
참고문헌

참고문헌 (24)

참고문헌 신청
문일경 / 2016 / 생산 및 운영관리 / 생능 google schola 이혁수 / 2017 / 수리부속 소요산정 모형개발 연구 google schola 정원희 / 2018 / 기계학습 기반 공군 수리부속 수요예측 시스템 / 한국정보학회지 36(8):21~26 dbpia Box, G. E. / 1970 / Times series analysis: Forecasting and control / Holden Day google schola Croston, J. D. / 1972 / Forecasting and Stock Control for intermittent demands / Operation Research Quarterly 23(3):289~303 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

시계열 분해 데이터를 이용한 LSTM 기법 기반 항공기 수리부속 수요예측 방안 연구
김진섭 ,  황재성 ,  정재우 경영과학 2020 .06
기계학습 기반 공군 수리부속 수요예측 시스템
정원희 ,  정다운 ,  구영현 외 1명 정보과학회지 2018 .08
선행경제변수를 고려한 산업용지 수요예측 방법 연구
변태근 ,  장철순 ,  김석윤 외 2명 한국콘텐츠학회논문지 2022 .01
주간 전력수요예측 오차분석 및 수요예측 개선방안
배동진 ,  전경희 ,  손흥구 외 4명 대한전기학회 학술대회 논문집 2021 .07
교통량에 의한 윤활유 수요예측 빅데이터 시스템 모델링 및 챗봇 시스템 적용 연구
김용 한국정보과학회 학술발표논문집 2021 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-325-001253842