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

논문 기본 정보

자료유형
학술저널
저자정보
최정기 (아주대학교 산업시스템공학과) 최진영 (아주대학교)
저널정보
대한설비관리학회 대한설비관리학회지 대한설비관리학회지 제26권 제3호
발행연도
2021.9
수록면
17 - 25 (9page)

이용수

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

이 논문의 연구 히스토리 (2)

2021

간헐적 수요를 갖는 철도 차량 유지보수 부품을 위한 기계학습 기반 수요예측 개선
최정기 ,  최진영 대한설비관리학회지 2021.09 학술저널
머신 러닝 기법을 활용한 철도 차량 유지 보수 부품 수요 예측
최정기 산업시스템공학과 2021.01 학위논문

초록· 키워드

오류제보하기
In this paper, we considered a demand forecasting problem for railroad car maintenance parts that a maintenance company in Korea has been trying to resolve. Due to sporadic demand nature of railroad car maintenance parts, the demand cannot be estimated by using normal approaches such as time-series analysis or multiple regression analysis. Therefore, we applied various machine learning methods and identified good estimators for them. Specifically, we classified maintenance parts into several clusters using K-means method based on average demand interval and coefficient of variation, which can be calculated for each item. Then, for each cluster, we identified a proper estimator by testing decision tree, random forest, and neural network. By adopting these results, we expect that we can improve the forecasting capability of the company and reduce the production lead time up to 40 to 60 days.
#Railroad Car Maintenance Parts #Demand Forecast #Sporadic Demand #Machine Learning #K-means

목차

등록된 정보가 없습니다.

참고문헌 (13)

참고문헌 신청
Ahn, S. Y. / 2020 / An application of the k-fold Cross Validation Approach for Model Selection in Growth Mixture Modeling under nonnormal distribution google schola 최봉욱 / 2002 / Outliers가 있는 시계열 자료의 분석과 예측 / 대한설비관리학회지 07(3):35~44 dbpia 최봉욱 / 2002 / 퍼지와 신경망을 이용한 식료품의 수요예측 / 대한설비관리학회지 07(4):7 dbpia Hwang, S. J. / 2011 / A Comparision of Initialization Method for the K-Means Clustering google schola 전진영 / 2016 / Implementation of Elbow Method to improve the Gases Classification Performance based on the RBFN-NSG Algorithm / 센서학회지 25(6):431~434 dbpia

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