[논문]선박 신수요 예측을 위한 빅데이터 기반 인공지능 알고리즘을 활용한 플랫폼 개발

이상원; 정인환

doi:10.7236/jiibc.2019.19.1.171

초록
AI-Helper

한국의 조선 산업은 대내외 환경 변화로 인해 심각한 위기 상황에 처해 있다. 이 위기를 극복하기 위해서, 선박 신수요 예측을 통한 제품 및 기술의 선제적 개발이 필요하다. 본 연구의 목표는 선박 신수요 예측을 위해 선박 빅데이터에 기반한 인공지능 알고리즘의 개발이다. 본 연구에서는 선박 수요 예측에 특화된 빅데이터 분석 플랫폼을 개발하고 데이터 분석을 통한 선박 신수요 예측 결과를 신제품 기획/개발에 활용하고자 한다. 이를 통해 장비 및 기자재 제조업체를 위한 지속 가능한 신사업 모델 개발로 조선소 및 선박 기자재 업체에 대한 신성장동력을 창출할 수 있을 것이다. 또한 조선 업체들은 측정 가능한 성과를 기반으로 비즈니스 사례를 창출하고 시장 지향적 인 제품과 서비스를 계획하며 높은 시장 파괴력을 가진 혁신을 지속적으로 달성 할 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

Korea's shipbuilding industry is in a critical condition due to changes in the domestic and international environment. To overcome this crisis, preemptive development of products and technologies through prediction of new demand for ships is necessary. The goal of this research is to develop an arti...

Korea's shipbuilding industry is in a critical condition due to changes in the domestic and international environment. To overcome this crisis, preemptive development of products and technologies through prediction of new demand for ships is necessary. The goal of this research is to develop an artificial intelligence algorithm based on ship big data in order to predict new demand for ships. We intend to develop a big data analytics platform specialized in predicting ship demand and to utilize the forecast results of new ship demand through data analysis for planning/development of new products. By doing so, the development of sustainable new business models for equipment and equipment manufacturers will create new growth engines for shipyard and shipbuilders. Furthermore, it is expected that shipbuilders will be able to create business cases based on measurable performance, plan market-oriented products and services, and continuously achieve innovation that has high market destructive power.

주제어

표/그림 (10)

그림 그림 1. 연구 모델 Fig. 1. Research Model
그림 그림 2. 자동 식별 시스템 데이타 Fig. 2. Data of Automatic Identification System
그림 그림 3. 플랫폼 개발 과정 Fig. 3. Procedure of Platform Development
그림 그림 4. 새로운 선박 수요 예측 Fig. 4. Estimating New Demand for Ships
그림 그림 5. 상관 분석 Fig. 5. Correlation Analysis
그림 그림 6. 자동 회귀 모델 Fig. 6. Autoregressive Model
그림 그림 7. 분산 래그 모델 Fig. 7. Distributed Lag Model
그림 그림 8. 자동 회귀 분산 래그 모델 Fig. 8. Autoregressive Distributed Lag Model
그림 그림 9. 자동 회귀 모델 Fig. 9. Autoregressive Model
그림 그림 10. 주요 선박 공급 전망 Fig. 10. Estimation of Major Ship Supply

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

The purpose of this research is to actively generate new customer-oriented demand and to discover new growth engines for shipbuilders. Current shipping orders are executed by operating activities based on price and performance advantages in line with the customer's order plan.
The purpose of this study is to optimize infrastructure and data resources and analytics within the industry to understand customer requirements and to identify and support new business opportunities, while providing accurate and rapid market insight from existing and newly introduced internal information. In other words, by establishing capabilities to collect and analyze big data in shipbuilding, such as ship market, energy trend, global volume change, global ship operation data, and innovative technology development trend, customers can proactively propose products of requirements and push for technology development accordingly.

제안 방법

AR (Autoregressive Model) (Fig. 6) was used to predict ship order quantity of container ships, and artificial neural network model was analyzed and forecast was performed to verify the analysis model.
Further, in order to identify ship owners and suppliers, the company's order-oriented attitude was analyzed and the competition environment of the shipping industry was analyzed.
The analysis of competitiveness within the shipbuilding industry was designed to analyze the price competitiveness of products between Korea, China, and Japan, and to identify the premium of technology superiority of Korean shipbuilders and A Company, thereby overcoming the inferiority in price in future technology development. In addition, by analyzing unstructured data, it discovered promising technologies in the shipbuilding and marine fields and predicted future product development.
The forecast of demand for bulk carriers has developed a model that describes the current volume of ships in the past (12 months, 24 months ago) as steel prices, shipping charges, second-hand prices, shipping volume and dismantling volume. Using the three models of the Distributed Lag Model (DL Model) (Fig. 7), the Autoregressive Distributed Lag Model (ADL Model) (Fig. 8), and the Autoregressive Model (AR Model) (Fig. 9), we set the learning interval from January 1999 to December 2014 and analyzed the accuracy of the dose prediction by dividing it into the forecast section. The analysis of the three models confirmed that the forecast value of the AR model is the closest to the actual value, i.
4 shows the process for estimating new demand for ships. We analyzed the relationship of large number of indicators in various areas related to the shipbuilding industry, including economy, shipbuilding, and shipping, and performed a correlation analysis between major variables through primary filtration. The four main variables that influence the new demand for container vessels through correlation are 'China Maritime Container Import and Export', 'China PMI Index', 'OECD Industrial Production' and 'Lead Index'.

성능/효과

9), we set the learning interval from January 1999 to December 2014 and analyzed the accuracy of the dose prediction by dividing it into the forecast section. The analysis of the three models confirmed that the forecast value of the AR model is the closest to the actual value, i.e. the most predictable model, and based on this analysis, the demand for the new bulk line was estimated between 2017 and 2019, reflecting the order book in 2015 and 2016.

후속연구

In addition, by analyzing unstructured data, it discovered promising technologies in the shipbuilding and marine fields and predicted future product development. The results obtained from these analyses will be reflected in the product load map and technology load map of A Company and will be utilized in the technology strategy to develop the products and technologies customers want in a timely manner.

참고문헌 (8)

Lee, Yong-Soo, Jun Heo, and Yong-Hoon Choi. "A Study on Smart Energy Management System using Information and Communication Technology." The Journal of The Institute of Internet, Broadcasting and Communication 14.5 (2014): 167-172. DOI: https://doi.org/10.7236/JIIBC.2014.14.5.167

원문보기 상세보기
Li, Jingran, et al. "Big data in product lifecycle management." The International Journal of Advanced Manufacturing Technology 81.1-4 (2015): 667-684. DOI: https://doi.org/10.1007/s00170-015-7151-x

상세보기
Lee, Jay, Hung-An Kao, and Shanhu Yang. "Service innovation and smart analytics for industry 4.0 and big data environment." Procedia Cirp 16 (2014): 3-8. DOI: https://doi.org/10.1016/j.procir.2014.02.001

상세보기
Chong, Alain Yee Loong, et al. "Predicting consumer product demands via Big Data: the roles of online promotional marketing and online reviews." International Journal of Production Research 55.17 (2017): 5142-5156. DOI: https://doi.org/10.1080/00207543.2015.1066519

상세보기
Wang, Gang, et al. "Big data analytics in logistics and supply chain management: Certain investigations for research and applications." International Journal of Production Economics 176 (2016): 98-110. DOI: https://doi.org/10.1016/j.ijpe.2016.03.014

상세보기
Chen, Hsinchun, Roger HL Chiang, and Veda C. Storey. "Business intelligence and analytics: from Big Data to big impact." MIS quar-terly (2012): 1165-1188. DOI: https://doi.org/10.2307/41703503
Jeon, Sooyune, Donghun Lee, and Manjae Bae. "A Study on the Application Method of Munitions Quality Information based on Big Data." Journal of the Korea Academia-Industrial cooperation Society 17.6 (2016): 315-325. DOI: https://doi.org/10.5762/KAIS.2016.17.6.315
Eum, Hee-Kyoung, et al. "A Study on Big data Utilization Policy by the Complex System Theory: Focused on 2030 Seoul City Comprehensive Plan." The Journal of Korea Institute of Information, Electronics, and Communication Technology 8.4 (2015): 281-298. DOI: https://doi.org/10.17661/jkiiect.2015.8.4.281

원문보기 상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

선박 신수요 예측을 위한 빅데이터 기반 인공지능 알고리즘을 활용한 플랫폼 개발
Development of a Platform Using Big Data-Based Artificial Intelligence to Predict New Demand of Shipbuilding 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (10)

표/그림 (10)

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

선박 신수요 예측을 위한 빅데이터 기반 인공지능 알고리즘을 활용한 플랫폼 개발 Development of a Platform Using Big Data-Based Artificial Intelligence to Predict New Demand of Shipbuilding 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (10) 모든 표/그림 보기

표/그림 (10) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

정인환 (36)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

선박 신수요 예측을 위한 빅데이터 기반 인공지능 알고리즘을 활용한 플랫폼 개발
Development of a Platform Using Big Data-Based Artificial Intelligence to Predict New Demand of Shipbuilding 원문보기

초록
AI-Helper

표/그림 (10)

표/그림 (10)

AI 본문요약
AI-Helper