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) 황재성 (대한민국 공군) 정재우 (경북대학교)
저널정보
한국경영과학회 경영과학 經營科學 第37卷 第2號
발행연도
2020.6
수록면
1 - 18 (18page)
DOI
10.7737/KMSR.2020.37.2.001

이용수

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

초록· 키워드

오류제보하기
This paper proposes a new deep learning method called H-LSTM (Hybrid Long and Short Term Memory) in order to improve the demand forecasting system of spare parts for ROKAF (Republic of Korea Air Force) aircraft ‘B’. The existing LSTM has been popularly utilized for forecasting stock price or energy demand since it was known to be appropriate for non-linear time series data forecast. This paper applies the H-LSTM for a demand forecast problem of aircraft spare parts, which shows irregular demand patterns. The H-LSTM that combines the existing LSTM model with time series analysis after the seasonality and trend of demand data are decomposed. Based on a preliminary analysis, the Aircraft spare parts demand pattern shows irregularity as Erratic, Lumpy items of irregular demand characteristics take relatively higher percentages. The accuracy of the new method compared with existing stochastic methods show a higher forecast accuracy than ARIMA or Holt Winters. Therefore, if it is applied for the demand forecast system of ROKAF aircraft spare parts, the H-LSTM is expected to not only improve demand forecast accuracy, but also increase aircraft availability and curtail inventory cost through decreasing unnecessary parts stocks. This paper is meaningful in that it is the very first study to offer a working-level improvement resolution in demand forecast through the LSTM, a type of deep learning, by utilizing ROKAF’s practical logistics data.
#LSTM #Deep Learning #Demand Forecasts #Aircraft Spare Parts #Irregular Demand

목차

Abstract
1. 서론
2. 기존연구 고찰
3. 연구모형
4. 실험결과
5. 연구의 시사점과 한계
6. 결론
참고문헌

참고문헌 (31)

참고문헌 신청
김진섭 / 2019 / 머신러닝 기반 Lumpy 수요형태의 항공기 수리부속 수요예측 정확도 개선 연구 / 경영과학 36(3):1~11 dbpia Amstrong, J. S. / 1992 / Error measures for generalizing about forecasting methods : Empirical comparisons / International Journal of Forecasting 8:69~80 google schola Bianchi, F. M. / 2017 / An overview and comparative analysis of recurrent neural networks for short term load forecasting / Computing Research Repository. arXiv preprint arXiv:1705.04378. google schola Box, G. E. / 1970 / Times Series Analysis: Forecasting and Control / Holden Day google schola Chen, J. / 2019 / Factor decomposition and prediction of solar energy consumption in the United States / Journal of Cleaner Production 234:1210~1220 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

한국 공무원 교육훈련의 효과성에 관한 실증 조사 : 공무원의 인식을 중심으로
박천오 ,  최호진 한국행정논집 2002 .12
수리부속 재고수준이 전시 해군 함정 운용 가동률에 미치는 영향 분석
하창수 ,  김경섭 한국산학기술학회 논문지 2022 .11
군 수리부속 사용자대기시간의 영향요인 연구: 해병대 사례를 중심으로
이형근 ,  권민석 ,  이상진 한국군사학논집 2022 .10
LSTM 순환 신경망을 이용한 DTG 데이터의 시계열 예측
전승배 ,  정명훈 ,  이태영 외 3명 한국측량학회 학술대회자료집 2020 .07
신재생에너지 장치의 자동 관리를 위한 오토인코더 기반의 이상 진단 모델 개발
이준기 ,  김낙우 ,  이현용 외 1명 한국통신학회 학술대회논문집 2019 .11

최근 본 자료

전체보기

댓글(0)

0