머신러닝을 이용한 해군 수리부속 수요예측 사례연구

손준형; 안우선; 임준성; 조윤철

doi:10.7232/JKIIE.2022.48.3.320

추천

검색

질문

자료유형: 학술저널

저자정보: 손준형 (해군본부) 안우선 (해군본부) 임준성 (합동참모본부) 조윤철 (합동참모본부)

저널정보: 대한산업공학회 대한산업공학회지 대한산업공학회지 제48권 제3호

발행연도: 2022.6

수록면: 320 - 326 (7page)

DOI: 10.7232/JKIIE.2022.48.3.320

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The Naval Logistics Command forecasts demand for repair parts by compiling the time series techniques and qualitative judgment of repair parts item managers. However, the time series technique is difficult to forecast temporary and intermittent demand, and there is a problem in which it is difficult for an item manager dealing with more than 4,000 items to accurately grasp the demand information for each item. This paper proposes a demand forecasting method applied with machine learning techniques that have been actively utilized in many fields recently to improve those problems and increase demand forecasting rate. For the purpose of evaluating the proposed method of forecasting demand for repair parts, the accuracy was compared and analyzed by dividing the results of the forecast by item and quantity accuracy by applying the current procedure and method of forecasting demand for repair parts.

#Repairt Parts #Machine Learning #Demand Forecast #Time Series Technique

참고문헌 (11)

참고문헌 신청

A Study on the Development of Demand Forecasting Model for Repair Parts (2017), Korea Institute for defense Analyses, Technical Report.

A Study on the Development of Demand Forecasting Model for Repair Parts (2018), Korea Institute for defense Analyses, Technical Report.

Bishop, C. M. (2006), Pattern Recognition and Machine Learning, Springer, Second Edition.

Choi, J. and Kim, K. (2019), A Study on Spare Parts Forecasting based on Time Series Analysis Considering Demand Features, Journal of Military Science and Technology Studies, 12(1), 45-53.

Kim, H. and Kim, S. (2019), Data Mining based Army Repair Parts Demand Forecast, Journal of the Korean Data & Information Science Society, 30(2), 429-444.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

손준형

소속기관 해군본부

주요연구분야 공학 > 산업공학

논문수 1 이용수 344

안우선

소속기관 해군본부

주요연구분야 공학 > 산업공학

논문수 1 이용수 344

임준성

소속기관 합동참모본부

주요연구분야 공학 > 산업공학

논문수 1 이용수 344

조윤철

소속기관 합동참모본부

주요연구분야 공학 > 산업공학 공학 > 조선해양공학

논문수 10 이용수 1,148

이 논문과 함께 이용한 논문

머신러닝 및 베이지안 최적화를 이용한 타이어 최적 설계

황하은 , 조윤상 , 황석철 외 1명 대한산업공학회지 2022 .08

동시조달 수리부속 적중률 향상을 위한 장비 운용 형태와 특성을 고려한 사례연구

이범열 , 이상진 군사과학연구 2021 .06

머신러닝 모델을 이용한 대한민국 코로나 신규 확진자 예측

배진수 , 김성범 대한산업공학회지 2021 .06

사회적 감성이 가상화폐 가격에 미치는 영향분석 : 실물화폐와의 비교를 중심으로

박민규 , 이청록 , 김경옥 외 1명 대한산업공학회지 2021 .02

유도무기 PBL 계약을 위한 RAM-C 분석 방안 연구

송정훈 , 유지상 , 김민준 외 1명 한국산학기술학회 논문지 2024 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-530-001344566

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)