지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.10
- 수록면
- 43 - 51 (9page)
- DOI
- 10.25052/KSCM.2021.10.21.2.43
이용수
초록· 키워드
오류제보하기
The following research is conducted to study how much demand prediction accuracy is improved when machine learning is implemented on ROKAF spare parts demand prediction calculations. Based on the data from the last three years of ROKAF’s three major aircraft models, the study compares the demand prediction accuracy values computed through the time series technique and machine learning models. Generally utilized machine learning models, such as Decision Tree(DT), Linear Discriminant Analysis (LDA), Logistic Regression(LR), K-Nearest Neighbor (K-NN) and Support Vector Machines (SVM), were implemented. Experiment results show that all machine learning models yield higher accuracy of the demand prediction than the time series technique. SVM, DT, K-NN and LR machine learning models yield excellent results, with accuracy values higher than 85%, while the LDA model shows relatively poor performance.
목차
1. 서론
2. 이론적 배경 및 기존연구
3. 연구수행 절차
4. 실험
5. 결론
REFERENCES
참고문헌 (17)
참고문헌 신청
Christoper, M. B. (2018). Pattern Recognition and Machine Learning, 201-246. Jpub.
Chung, W. H., Jeong, D. W., Gu, Y H., & Yoo, S. J. (2018). Machine Learning-based System for Predicting the Demand for Spare parts and Maintenance of Air Force Equipment. The Korean Institute of Information Scientists and Engineers, 36(8), 21-26.
Gutierrez, R. S., Solis, A. O., & Mukhopadhyay, S. (2008), Lumpy demand forecasting using neural networks, Int. J. Production Economics, 111, 409-420.
Hochreiter, S. (1997). Long term and short memory. Neural Computation, 9(8), 1735-1780.
Hua, J. & Zhang, B. A. (2006). Hybrid support vector machines and logistic regression approach for forecasting intermittent demand for spare parts. Applied Mathematic and Computation, 181, 1035-1048.
Chung, W. H., Jeong, D. W., Gu, Y H., & Yoo, S. J. (2018). Machine Learning-based System for Predicting the Demand for Spare parts and Maintenance of Air Force Equipment. The Korean Institute of Information Scientists and Engineers, 36(8), 21-26.
Gutierrez, R. S., Solis, A. O., & Mukhopadhyay, S. (2008), Lumpy demand forecasting using neural networks, Int. J. Production Economics, 111, 409-420.
Hochreiter, S. (1997). Long term and short memory. Neural Computation, 9(8), 1735-1780.
Hua, J. & Zhang, B. A. (2006). Hybrid support vector machines and logistic regression approach for forecasting intermittent demand for spare parts. Applied Mathematic and Computation, 181, 1035-1048.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
산업 데이터 분석을 위한 통계 및 기계학습 모형의 예측 성능 비교
한국생산제조학회 학술발표대회 논문집
2017 .04
-
기계학습 기반 공군 수리부속 수요예측 시스템
정보과학회지
2018 .08
-
기계학습을 이용한 공작기계 강성 예측 모델
한국정밀공학회 학술발표대회 논문집
2022 .10
-
공개 교통사고 데이터베이스와 기계 학습을 이용한 탑승자의 상해 등급 예측에 관한 연구
전기학회논문지
2019 .07
-
Comparison of Machine Learning Models for Solar Energy Prediction
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
다중 모델 머신러닝 기반 전력사용량 예측 정확도 향상 기법
전기학회논문지
2022 .06
-
머신 러닝을 이용한 수술 방법 선정 모델 연구
한국컴퓨터정보학회 학술발표논문집
2018 .01
-
다양한 기계학습 기법의 암상예측 적용성 비교 분석
지하수토양환경
2016 .01
-
실내 이산화탄소 농도 예측을 위한 기계학습 모델 검증
한국건축친환경설비학회 논문집
2020 .12
-
머신러닝 및 딥러닝 연구동향 분석: 토픽모델링을 중심으로
디지털산업정보학회논문지
2019 .01
-
머신러닝을 활용한 한국 수출금액 예측 모델 개발
Proceedings of KIIT Conference
2022 .12
-
Short-term Wind Power Prediction Based on Empirical Mode Decomposition and Improved Extreme Learning Machine
Journal of Electrical Engineering & Technology
2018 .09
-
머신러닝을 활용한 건물의 열에너지 수요분석 및 예측기술 개발 : 실시간 수요예측 모델 개발을 위한 주요 변수 추출
한국신·재생에너지학회 학술대회 초록집
2018 .11
-
Effective Electricity Demand Prediction via Deep Learning
IEIE Transactions on Smart Processing & Computing
2021 .12
-
LSTM Model-based Prediction of the Variations in Load Power Data from Industrial Manufacturing Machines
Journal of information and communication convergence engineering
2022 .12
-
자동차 부품 생산 산업을 위한 머신러닝 기반의 품질예측 알고리즘
한국생산제조학회 학술발표대회 논문집
2022 .12
-
Machine learning-based prediction and performance study of transparent soil properties
Smart Structures and Systems, An International Journal
2021 .01
-
Review on Applications of Machine Learning in Coastal and Ocean Engineering
한국해양공학회지
2022 .06
-
이종 장비에서의 학습모델 성능유지를 위한 방법론 제안
한국정밀공학회 학술발표대회 논문집
2023 .11
-
머신러닝을 활용한 소형 압연 공정 온도 예측 신뢰성 평가
제어로봇시스템학회 논문지
2020 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
특허정보 빅데이터 분석을 통한 라스트마일 물류 유망기술 도출
이철웅
,
권구포
,
AHMET MELIK OZTURK
외 1명
대한산업공학회 춘계공동학술대회 논문집
2021
.06
라스트마일 물류의 빅데이터 활용 사례 분석
오지연
,
이원규
,
이종민
외 1명
한국정보통신학회 종합학술대회 논문집
2019
.10
기계학습 기반의 대공장비 수리부속 수요예측모형 연구
김재동
,
이한준
한국데이터정보과학회지
2019
.05
빅데이터를 이용한 물류운송 시스템
한영웅
,
송철환
,
정혜린
외 1명
한국컴퓨터정보학회 학술발표논문집
2018
.07
빅데이터 시대에서의 스마트 물류 : 빅데이터 활용 사례 및 동향
이순교
,
정태수
ie 매거진
2016
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-324-002142055