$\require{mediawiki-texvc}$

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.

적은 소모량과 불분명한 소모패턴을 가진 수리부속의 수요예측
Demand Forecast of Spare Parts for Low Consumption with Unclear Pattern 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.21 no.4, 2018년, pp.529 - 540  

박민규 (고려대학교 산업경영공학과) ,  백준걸 (고려대학교 산업경영공학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

As the equipment of the military has recently become more sophisticated and expensive, the cost of purchasing spare parts is also steadily increasing. Therefore, demand forecast accuracy is also becoming an issue for the effective execution of the spare parts budget. This study predicts the demand b...

주제어

#수리부속   #다수결 투표   #하이브리드 방법   #수요예측 정확도   #적은 소모량과 불분명한 소모패턴  

질의응답

핵심어 질문 논문에서 추출한 답변
Croston Method란 무엇인가? Croston Method는 단순지수평활법을 사용하여 간헐적 수요를 예측하는 방법이다[6]. Croston Method는 시계열 데이터를 0이 아닌 수요와 0이 아닌 수요간 간격으로 분해한 후 각 부분에 단순지수평활법을 적용하여 평균 수요를 추정하는 방법으로써 식 (3)과 같이 정의된다.
ARIMA 모형을 활용할 때 시계열 자료의 안정성이 확보되지 않을 시 거쳐야하는 과정은 무엇인가? ARIMA 모형을 활용하여 수요를 예측하기 위해서는 주어진 시계열 자료의 안정성(Stationary)을 확인하여야 한다. 만약 시계열 자료가 불안정(Non-stationary)한 경우 차분(Differencing)을 통해 불안정한 시계열 자료를 안정적인 시계열 자료로 바꾸는 과정을 거쳐야 한다[5].
전투기 수리부속은 어떤 수리 소요 형태를 나타내는가? 전투기 수리부속은 일정한 소모패턴을 가진 수리부속, 상승 또는 하강하는 소모패턴을 가진 수리부속, 이상점이 포함된 수리부속 등 다양한 형태를 나타낸다. 또한, 간헐적인 소모패턴을 가진 수리부속이 전체 수리부속의 30 % 이상을 차지하고 있어 수요예측 정확도를 높이기 위해서는 간헐적 수요에 적합한 방법을 사용하여 수요량을 예측해야 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (20)

  1. A. F. Lowas III, "Improved Spare Part Forecasting for Low Quantity Parts with Low and Increasing Failure Rates," Doctor of Philosophy Dissertation, Wright State University, United States of America, 2015. 

  2. RDocumentation, https://www.rdocumentation.org/packages/forecast/versions/8.1/topics/findfrequency. 

  3. M. Cho, J. Hwang and C. Chen, "Customer Short Term Load Forecasting by using ARIMA Transfer Function Model," IEEE Conference on Energy Management and Power Delivery, Vol. 1, pp. 317-322, 1995. 

  4. George E. P. Box, Gwilym M. Jenkins and Gregory C. Reinsel, "Time Series Analysis: Forecasting and Control," John Wiley & Sons, Inc, Canada, pp. 131-136, 2008. 

  5. B. Suh, T. Yang and H. Ha, “Application of SARIMA Model in Air Cargo Demand Forecasting: Focussing on Incheon-North America Routes,” Korean Society of Transportation, Vol. 35, No. 2, pp. 143-159, 2017. 

  6. J. D. Croston, "Forecasting and Stock Control for Intermittent Demands," Operational Research Quarterly, Vol. 23, pp. 289-303, 1972. 

    상세보기

  7. A. A. Syntetos and J. E. Boylan, "On the Bias of Intermittent Demand Estimates," International Journal of Production Economics, Vol. 71, pp. 457-466, 2001. 

  8. Teunter, R. H., Syntetos, A. A. and Babai, M. Z. "Intermittent Demand: Linking Forecasting to Inventory Obsolescence," European Journal of Operational Research, Vol. 214, No. 3, pp. 606-615, 2011. 

    상세보기

  9. Thomas R. Willemain, Charles N. Smart, Henry F. Schwarz, "A New Approach to Forecasting Intermittent Demand for Service Parts Inventories," International Journal of Forecasting, Vol. 20, pp. 375-387, 2004. 

    상세보기

  10. H. W. Lee, "Queueing Theory", 3rd edition, Sigma Press, Seoul, pp. 206-212, 2006. 

  11. J. Shin, "A Study on the Empirical Effectiveness Analysis for Repair Parts Requirement Calculation System Improvement," Doctor of Philosophy Dissertation, Daejeon University, 2016. 

  12. S. Lee, Y. Hur, D. Shin, D. Song and K. Kim, “The Study of Prediction Model of Gas Accidents Using Time Series Analysis,” The Korean Institute of Gas, Vol. 18, No. 1, pp. 8-16, 2014. 

  13. W. Lee, "Time Series Analysis and Forecasting," Tamjin, Seoul, pp. 46-48, 2013. 

  14. B. Jun, “A Design of Adaptive Exponential Smoothing using a Change Detection Statistic,” The Operations Research Society of Japan, Vol. 35, No. 2, pp. 109-118, 1992. 

  15. I. Joe, “Exploration for Local Tax Revenue Forecasting Design and Its Application,” Korean Public Administration, Vol. 35, No. 4, pp. 261-273, 2001. 

  16. S. Lee, "Analysis for Insulating Degradation Characteristics with Aging Time for Oil-filled Transformers and/or Correlation between using Linear Regression Method." The transactions of The Korean Institute of Electrical Engineers, Vol. 59, No. 4, pp. 693-699, 2010. 

  17. S. Bae1 and C. Jeong, “A Study on the Influencing Factors in Using Army Logistics Information System,” Journal of Information Technology and Architecture, Vol. 10, No. 2, pp. 181-195, 2013. 

  18. H. Akaike, “A New Look at the Statistical Model Identification,” IEEE Transactions on Automatic Control, Vol. 19, No. 6, pp. 716-723, 1974. 

    상세보기

  19. P. Bloomfield, "Fourier Analysis of Time Series: An Introduction," John Wiley & Sons, Inc, Canada, p. 136, 2004. 

  20. G. Shmueli, “To Explain or to Predict?,” Statistical Science, Vol. 25, No. 3, pp. 289-310, 2010. 

    상세보기

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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