$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

데이터 분석 기법을 활용한 서비스 부품의 저장 위치 선정 방안 수립 연구
Research on Location Selection Method Development for Storing Service Parts using Data Analytics 원문보기

The journal of Bigdata = 한국빅데이터학회지, v.2 no.2, 2017년, pp.33 - 46  

손진호 ((주) 미소정보기술) ,  신광섭 (인천대학교 동북아물류대학원)

초록
AI-Helper 아이콘AI-Helper

서비스 부품은 일반적인 완성품에 비해 종류의 다양성, 수요의 불명확성, 빠른 대응에 대한 높은 요구 등과 같이 체계적 관리의 어려움을 유발하는 속성을 가지고 있다. 특히, 서비스 부품의 입고 주기는 길지만 출고 주기는 상대적으로 낮은 편이어서, 서비스 부품 저장 창고의 경우 전체 작업 중 오더 피킹이 가장 중요한 작업으로 인식되고 있다. 그러나 출고 수요에 대한 주기, 빈도, 출고량은 부품이 가지는 고유한 특징에 따라 달라지기 때문에 일관된 보관위치 결정 기준을 활용할 경우 물류 센터 내 작업 효율성을 높이는 데 한계가 존재할 수밖에 없다. 본 연구에서는 서비스 부품이 가지는 다양한 특성 데이터를 바탕으로 부품의 유형을 구분하고, 각 유형별 수요예측 모형을 개발하여 입출고를 위한 저장과 오더 피킹의 전체 거리를 최소화하기 위한 방안을 제시하였다. 이를 통해 서비스 부품의 입출고 수량을 변화시키지 않은 상태에서도 물류 센터 내 작업 효율성과 함께 공간 활용의 효율성도 동시에 향상 시킬 수 있을 것으로 예상된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Service part has the attribute causing a difficulty of the systematic management like a kind of diversity, uncertainty of demand, high request for quick response against general complete product. Especially, order picking is recognized as the most important work in the warehouse of the parts since i...

주제어

#서비스 부품   #오더 피킹   #수요예측   #보관위치   #과학기술  

질의응답

핵심어 질문 논문에서 추출한 답변
서비스 부품이 가지고 있는 속성은 무엇인가? 서비스 부품은 일반적인 완성품에 비해 종류의 다양성, 수요의 불명확성, 빠른 대응에 대한 높은 요구 등과 같이 체계적 관리의 어려움을 유발하는 속성을 가지고 있다. 특히, 서비스 부품의 입고 주기는 길지만 출고 주기는 상대적으로 낮은 편이어서, 서비스 부품 저장 창고의 경우 전체 작업 중 오더 피킹이 가장 중요한 작업으로 인식되고 있다.
군집화 문제를 해결하는데 가장 간단한 자율학습 알고리즘 중 하나이며 사전에 정해진 임의의 클러스터 개수를 통해 주어진 데이터 집합을 분류할 수 있는 방법은 무엇인가? 이러한 군집분석에는 K-means 알고리즘이 많이 사용되는데, K-means 알고리즘은 군집화 문제를 해결하는데 가장 간단한 자율학습 알고리즘 중 하나이며 사전에 정해진 임의의 클러스터 개수를 통해 주어진 데이터 집합을 분류할 수 있는 방법이다. Data 이외에 클러스터의 수 k를 사전에 지정하면, k개수만큼 seed points가 설정되고 임의로 선택된 seed point는 클러스터의 중심으로 사용된다.
임의 위치저장방법은 어떤 방식인가? 임의 위치 저장 방법은 입고 프로세스 시간이 단축되지만 출고 프로세스 시간이 증가하기도 한다. 제품별로 지정된 보관위치가 없고, 제품 입고 시 무작위로 적재 가능한 위치에 할당하는 방식이다[3].
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. 김경언, "강화된 k-평균 군집분석에서 초기치 선정의 복잡도 개선", 제주대학교 대학원석사학위논문, 2012. 

  2. 김재석, "관광여가 산업의 자산구조가 경영성과에 미치는 영향", 관광학연구, 제30권, 제3호, pp.293-310, 2006. 

    상세보기

  3. 김창욱, 김성식, 배경환, "자동창고의 적체현상에 관한 연구", 경영과학, 제7권, 제1호, pp.138-154, 1990. 

  4. 김창환, "Lean Six Sigma 기반의 물류센터 물류 프로세스 개선 방법론", 인천대학교 대학원 석사학위논문, 2008. 

  5. 이강수, "자동차 보수용 부품의 수요패턴을 고려한 예측모형 선정 방법론 연구", 고려대학교 공학대학원, 2007. 

  6. 이형규, "창고내 저장위치 결정을 위한 데이터마이닝 응용", 한양대학교 대학원 석사학위논문, 2008. 

  7. 조진행, 오세조, "물류관리: 이론과 설계", 서울, 두남, 2008. 

  8. Bacchetti, A. and N. Saccani, "Spare parts classification and demand forecasting for stock control: Investigating the gap between research and practice", OMEGA, Vol.40, No.6, pp.722-737, 2012. 

    상세보기 crossref

  9. Calinski, T. and J. Harabasz, "A dendrite method for cluster analysis", Taylor & Francis, Vol.3, No.1, pp.1-27, 1974. 

  10. Croston, J., "Forecasting and stock control for intermittent demands", Operation Research Quarterly, pp.289-303, 1972. 

  11. Duda, R. and P. Hart, "Pattern classification and scene analysis", Wiley New York, 1973. 

  12. Eaves, A. and B. Kingsman, "Forecasting for the ordering and stock-holding of consumable spare parts", Journal of the Operational Research Society, Vol.55, No.4, pp.431-437, 2004. 

    상세보기 crossref

  13. Lengu, D. and A. Syntetos, and M. Z. Babaic, "Spare parts management: Linking distributional assumptions to demand classification", Elsevier, Vol.235, No.3, pp.624-635, 2014. 

    상세보기 crossref

  14. Macqueen, J., "Some methods for classification and analysis of multivariate observations", University of California Press, 1967. 

  15. Milligan, G. and M. Cooper, "An examination of procedures for determining the number of clusters in a data set", Psychometrika, Vol.50, No.2, pp.159-179, 1985. 

    상세보기 crossref

  16. Morris, A., Y. Cohen, and V. Agrawal, "Service parts logistics: a benchmark analysis", Taylor & Francis, Vol.29, No.8, pp.627-639, 1997. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로