본 연구는 빅데이터를 제공하는 사업자가 빠르게 증가하고 있고, 최근 물류 업계는 빅데이터에 주목하는 것을 바탕으로 하여 물류에 신기술을 접목한 자원 운영의 효율화를 달성하고자 한다. 또한 빅데이터의 특징은 정형과 비정형 데이터의 정확한 분석을 통하여 결과를 활용하는데 있다. 최근 물류업에는 차량 정보, 위치정보, 온습도 정보 등 시스템과 데이터의 엄청난 이동을 하고 있으나 이런 비정형 데이터에 대한 수집 이후의 명확한 분석을 할 수 없었다. 빅데이터의 분석을 통해 ...
본 연구는 빅데이터를 제공하는 사업자가 빠르게 증가하고 있고, 최근 물류 업계는 빅데이터에 주목하는 것을 바탕으로 하여 물류에 신기술을 접목한 자원 운영의 효율화를 달성하고자 한다. 또한 빅데이터의 특징은 정형과 비정형 데이터의 정확한 분석을 통하여 결과를 활용하는데 있다. 최근 물류업에는 차량 정보, 위치정보, 온습도 정보 등 시스템과 데이터의 엄청난 이동을 하고 있으나 이런 비정형 데이터에 대한 수집 이후의 명확한 분석을 할 수 없었다. 빅데이터의 분석을 통해 SCM 상에서 일어나 일련의 데이타의 흐름을 비교 분석하여 물류 고유의 문제를 해결하고 고객의 트렌트 파악과 자원의 효율적 활용에 좋은 매개체가 되고 이것은 향후 고객 관리 및 마케팅 활동과 기업 내부 개선 활동에 영향을 주고 기업의 장기 수익 개선에 기여할 수 있다. 국내 선두 물류 회사인 K사의 230여개의 sub 터미널의 2013년 5월부터 2015년 6월까지의 데이타를 기초로 하여 수작업 및 경험적 판단에 의존한 배차 예측에서 sub 물동량 및 변수가 반영된 Data 기반의 배차로 개선하여 자원의 효율적 활용을 하고자 함에 의의가 있으며, 기본 데이터를 기준으로 마트를 구성하고, 각 서브의 물동량과 서브별 중요도에 따른 군집을 나누었다. 기존에 연구된 시계열 분석과 회귀분석을 통하여 기초 물동량을 분석 하였고, 물류의 특성을 가지는 변수를 추가하여 새로운 모델을 생성하여 예측 정확도를 높였으며, 시뮬레이션 학습을 통한 최적의 예측 모델을 도출 하였다. 물동량 예측을 통한 물류 예측은 자원의 효율적 사용과 물류 서비스 시장의 변화를 반영하며 수요변화에 대한 대응방법을 키울 수 있는 방법을 제안 하였다. 마지막으로 수요 예측은 월간 및 년간 예측을 통하여 물류 자원 확보와 수요변화에 따른 영업 경재력 강화 전략 수립에 대한 회사운영 활동의 의사결정과정에 사용할 수 있는 물동량 예측 방법을 제안 하였다.
본 연구는 빅데이터를 제공하는 사업자가 빠르게 증가하고 있고, 최근 물류 업계는 빅데이터에 주목하는 것을 바탕으로 하여 물류에 신기술을 접목한 자원 운영의 효율화를 달성하고자 한다. 또한 빅데이터의 특징은 정형과 비정형 데이터의 정확한 분석을 통하여 결과를 활용하는데 있다. 최근 물류업에는 차량 정보, 위치정보, 온습도 정보 등 시스템과 데이터의 엄청난 이동을 하고 있으나 이런 비정형 데이터에 대한 수집 이후의 명확한 분석을 할 수 없었다. 빅데이터의 분석을 통해 SCM 상에서 일어나 일련의 데이타의 흐름을 비교 분석하여 물류 고유의 문제를 해결하고 고객의 트렌트 파악과 자원의 효율적 활용에 좋은 매개체가 되고 이것은 향후 고객 관리 및 마케팅 활동과 기업 내부 개선 활동에 영향을 주고 기업의 장기 수익 개선에 기여할 수 있다. 국내 선두 물류 회사인 K사의 230여개의 sub 터미널의 2013년 5월부터 2015년 6월까지의 데이타를 기초로 하여 수작업 및 경험적 판단에 의존한 배차 예측에서 sub 물동량 및 변수가 반영된 Data 기반의 배차로 개선하여 자원의 효율적 활용을 하고자 함에 의의가 있으며, 기본 데이터를 기준으로 마트를 구성하고, 각 서브의 물동량과 서브별 중요도에 따른 군집을 나누었다. 기존에 연구된 시계열 분석과 회귀분석을 통하여 기초 물동량을 분석 하였고, 물류의 특성을 가지는 변수를 추가하여 새로운 모델을 생성하여 예측 정확도를 높였으며, 시뮬레이션 학습을 통한 최적의 예측 모델을 도출 하였다. 물동량 예측을 통한 물류 예측은 자원의 효율적 사용과 물류 서비스 시장의 변화를 반영하며 수요변화에 대한 대응방법을 키울 수 있는 방법을 제안 하였다. 마지막으로 수요 예측은 월간 및 년간 예측을 통하여 물류 자원 확보와 수요변화에 따른 영업 경재력 강화 전략 수립에 대한 회사운영 활동의 의사결정과정에 사용할 수 있는 물동량 예측 방법을 제안 하였다.
This study aims to promote resource operation efficiency by incorporating new technology into logistics based on big data as the number of operators providing big data has been rapidly increasing, and logistics industries have been focusing on big data in recent years. Big data can be utilized throu...
This study aims to promote resource operation efficiency by incorporating new technology into logistics based on big data as the number of operators providing big data has been rapidly increasing, and logistics industries have been focusing on big data in recent years. Big data can be utilized through accurate analysis of structured data and unstructured data. Recently, tremendous amount of data has been produced from systems in the logistics industry such as vehicle, location, temperature, and humidity information. However, it has not been so easy to make a clear analysis of unstructured data after collection. By analyzing data flow in supply chain management process through big data analysis, companies can grasp the customers' trends and utilize resources efficiently by resolving inherent logistics problems. Furthermore, big data analysis can contribute on improving customer management, marketing activities, and long term profitability of a company. Company K, a leading domestic logistics company, has developed a vehicle route planning model based on the data from 230 sub-terminals from January 2013 to October 2015, which reflects delivery quantities from sub-terminals and other variables. This change significantly breaks away from the manual and empirical judgement of vehicle routing but will bring high utilization of the resources. This study developed a model by constructing marts based on basic data then clustering according to delivery quantities and the importance of each sub-terminal. This study analyzed basic delivery quantities based on the well-known theories of time-series and regression method. Then, the prediction accuracy was increased by adding variables with characteristics of logistics. After simulation on the new model, the optimized model was finally developed. Delivery quantity prediction based on big data analysis provides high utilization of resources and a way of coping with changes in demand and logistics market. Finally, this study suggests a monthly and yearly demand forecasting that can be used for changes in logistics supply and demand, strategic planning on sales competitiveness reinforcement, and a decision-making process.
This study aims to promote resource operation efficiency by incorporating new technology into logistics based on big data as the number of operators providing big data has been rapidly increasing, and logistics industries have been focusing on big data in recent years. Big data can be utilized through accurate analysis of structured data and unstructured data. Recently, tremendous amount of data has been produced from systems in the logistics industry such as vehicle, location, temperature, and humidity information. However, it has not been so easy to make a clear analysis of unstructured data after collection. By analyzing data flow in supply chain management process through big data analysis, companies can grasp the customers' trends and utilize resources efficiently by resolving inherent logistics problems. Furthermore, big data analysis can contribute on improving customer management, marketing activities, and long term profitability of a company. Company K, a leading domestic logistics company, has developed a vehicle route planning model based on the data from 230 sub-terminals from January 2013 to October 2015, which reflects delivery quantities from sub-terminals and other variables. This change significantly breaks away from the manual and empirical judgement of vehicle routing but will bring high utilization of the resources. This study developed a model by constructing marts based on basic data then clustering according to delivery quantities and the importance of each sub-terminal. This study analyzed basic delivery quantities based on the well-known theories of time-series and regression method. Then, the prediction accuracy was increased by adding variables with characteristics of logistics. After simulation on the new model, the optimized model was finally developed. Delivery quantity prediction based on big data analysis provides high utilization of resources and a way of coping with changes in demand and logistics market. Finally, this study suggests a monthly and yearly demand forecasting that can be used for changes in logistics supply and demand, strategic planning on sales competitiveness reinforcement, and a decision-making process.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.