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
학술대회자료
저자정보
Haoyu Zhu (Seoul National University) Jong Hun Woo (Seoul National University) Youngmin Kim (Seoul National University)
저널정보
한국경영과학회 한국경영과학회 학술대회논문집 한국경영과학회 2021년 춘계 공동학술대회 논문집 [2개 학회 공동주최]
발행연도
2021.6
수록면
120 - 126 (7page)

이용수

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

이 논문의 연구 히스토리 (2)

2021

A hybrid NHPSO-JTVAC-SVM model for the prediction of production lead time
Haoyu Zhu ,  Jong Hun Woo ,  Youngmin Kim 한국경영과학회 학술대회논문집 2021.06 학술대회자료
A hybrid NHPSO-JTVAC-SVM model for the prediction of production lead time
Haoyu Zhu ,  Jong Hun Woo ,  Youngmin Kim 대한산업공학회 춘계공동학술대회 논문집 2021.06 학술대회자료

초록· 키워드

오류제보하기
In the shipbuilding industry, there exist respective lead time for each production process, that is, the duration between start and finish time. Lead time is necessary data for realizing high-efficiency production planning and systematic production management. Therefore, the accuracy of the lead-time has to be secured. But, the traditional method of lead time management was not a scientific one because it just referenced the past record. This paper proposes the NHPSO–JTVAC-SVM regression model to improve the prediction accuracy of lead time by combining the advanced particle swarm algorithm (PSO) and support vector machine (SVM). Moreover, this paper compares the prediction results with the standard SVM, NHPSO–JTVAC-SVM and other machine learning algorithms. The result demonstrates that the NHPSO–JTVAC-SVM model is feasible to predict the lead time in shipbuilding. The prediction performance is also better than the standard SVM or other machine learning algorithms.
#Lead time #Hybrid model #Artificial intelligence optimization techniques #Support vector machine regression

목차

Abstract
1. Introduction
2. Prediction Model
3. Lead time prediction based on NHPSO-JTVAC-SVM
4. Experimental results
5. Conclusion
Reference

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-325-001881530