항공기 수리부속의 간헐적 수요에 대한 데이터 마이닝 기반 예측 방법－ 공군 항공통제기(E-737) 수리부속을 중심으로 －
A Data Mining Approach for Intermittent Demand Forecasting of Aircraft Spare Parts － Focusing on the E-737(AEW&C: Airborne Early Warning & Control) Spare Parts －
0
조회
0
다운로드
9
인용
0
참고문헌
키워드
초록
무기체계의 첨단화에 따라 고가의 정밀한 수리부속이 사용되면서 수리부속 수요예측의 정확도 향상은 국방예산의 효율적인 집행을 위한 중요한 부분이 되었다. 군에서도 수리부속 수요예측 정확도 향상을 위한 연구를 지속적으로 진행하고 있지만 수요의 크기와 간격이 불규칙한 간헐적 수요예측은 현재 사용 중인 시계열 기법으로는 한계가 있는 실정이다. 본 연구에서는 공군에서 운용 중인 항공통제기(E-737)의 간헐적 수요 부품을 대상으로 2012년부터 2015년까지 분기별 소모실적과 부품 수명에 영향을 미칠 수 있는 비행자료(비행시간, 비행횟수) 및 기상자료(온도, 습도)를 수집하였다. 이를 바탕으로 과거 자료를 4개 구간(Y-4년~Y-1년, Y-3년~Y-1년, Y-2년~Y-1년, Y-1년)으로 세분화하였고, 데이터 마이닝 모형을 학습시킨 후 구간별 2016년 1분기 수요(Y)를 예측하였다. 연구 결과, 과거 3~4년간 데이터를 학습시킨 데이터 마이닝 모형이 기존 시계열 기법보다 예측 정확도가 높게 나타났으며, 과거 3년간 자료를 학습시킨 랜덤포레스트 모형의 예측 정확도가 가장 우수하게 나타나는 결과를 확인할 수 있었다.
Abstract
Improving the accuracy of demand forecasting for repair parts is an important part of the effective execution of the defense budget. However, it is challenging to forecast the demand for intermittent items that have irregular sizes and intervals characteristics with the forecasting method(time series analysis) adopted in the Military. In this study, the authors collected the flight operation data(flight time, number of flights), weather data(temperature, humidity), and quarterly repair data of E-737 from 2012 to 2015. Then, both data mining and time series models were fitted with the data. The result reveals that the prediction accuracy of data mining models can outperform that of time series models with the case of intermittent spare parts of E-737.
참고문헌 (26)
- 공군 군수사령부, "17년 수리부속 수요예측 개선기법 연구결과", 공군 군수사령부, ~ (2017)
- 김재동, "데이터 마이닝 기반의 수리부속 수요예측 연구", 인터넷정보학회논문지, 18(1), pp.121~129 (2017), 한국인터넷정보학회[DOI]
- 박진수, "간헐적 수요예측을 위한 부트스트랩 시뮬레이션 방법론 개발", 한국시뮬레이션학회 논문지, 23(3), pp.19~25 (2014), 한국시뮬레이션학회
- 박민규, "적은 소모량과 불분명한 소모패턴을 가진 수리부속의 수요예측", 한국군사과학기술학회지, 21(4), pp.529~540 (2018), 한국군사과학기술학회[DOI]
- 송일선, "데이터마이닝 기법을 활용한 육군 수리부속 수요예측 모델", 석사, pp.2017
- 윤현민, "데이터마이닝 기법을 활용한 해군함정 수리부속 수요예측", 석사, pp.2017
- 이규용, "데이터마이닝을 이용한 재고관리에 관한 사례연구", 한국산업경영시스템학회지, 30(3), pp.20~27 (2007), 한국산업경영시스템학회
- 이선아, "데이터마이닝을 이용한 허위거래 예측 모형:농산물 도매시장 사례", 지능정보연구, 21(1), pp.161~177 (2015), 한국지능정보시스템학회
- 최기선, "데이터 마이닝과 칼만필터링에 기반한 단기 물 수요예측 알고리즘", 제어.로봇.시스템학회 논문지, 15(10), pp.1056~1061 (2009), 제어·로봇·시스템학회
- 최두원, "외부요인에 영향 받는 자동차 사고성 부품 수요에 대한 데이터 마이닝 기반 예측 방법", 석사, 정보산업공학과, pp.2014
- Galit Shmueli, "비즈니스 인텔리전스를 위한 데이터 마이닝" (2012), 이앤비 플러스
- Clifton, Christopher, "Definition of Data Mining" (2010), Encyclopedia Britannica
- Croston, j., "Forecasting and stock control for intermittent demands", Operational Research Quarterly, pp.289~303 (1972)
- Ghobbar, A., "Evaluation of forecasting methods for intermittent parts demand in the field of aviation", Computer and Operation Research, 30(1), pp.2097~2114 (2003)
- Gurucu, F., "Artificial Neural Network Modeling for Forecasting Gas Consumption", Energy Sources, 26(3), pp.299~307 (2004)
- Gutierrez, R. S., "Lumpy Demand Forecasting Using Neural Networks", International Journal of Production Economics, 111(2), pp.409~420 (2008)
- Jalil, M. N., "Spare Parts Logistics and Installed Base Information", Journal of the Operational Research Society, 62(3), pp.442~457 (2010)
- Leven, Erik, "Inventory Control with a Modified Croston Procedure and Erlang Distribution", Internation Journal of Production Economics, 90(3), pp.316~367 (2004)
- Ma, J., "Predictive Model Selection for Forecasting Product Return", Journal of Mechanical Design, 138(5), pp.054501~ (2016)
- Sahin, Merve, "Forecasting Aviation Spare Parts Demand Using Croston Based Methods and Artificial Neural Networks", Journal of Economic and Social Research, 15(2) (2013)
- Syntetos, A. A., "On the Bias of Intermittent Demand Estimates", International Journal of Production Economics, 71(1), pp.457~466 (2001)
- Sahin, Merve, "Forecasting Aviation Spare Parts Demand Using Croston Based Methods and Artificial Neural Networks", Journal of Economic and Social Research, 15(2), pp.1~21 (2013)
- Sereda, P. J., "Atmospheric Factors Affecting the Corrosion of Steel", Journal of Industrial and Engineering Chemistry, 52(2), pp.157~160 (1960)
- Syntetos, A. A., "The Accuracy of Intermittent Demand Estimates", International Journal of forecasting, 21(2), pp.303~314 (2005)
- Teunter, R., "Determining Order-up-to Levels under Periodic Review for Compound Binomial(Intermittent) Demand", European Journal of Operational Research, 203(3), pp.619~624 (2010)
- Willemain, T. R., "A New Approach to Forecasting Intermittent Demand for Service Parts Inventories", International Journal of Forecasting, 20(3), pp.375~387 (2004)