http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
시계열 특징과 전이학습을 활용한 딥러닝 기반의 중소형 유통사업장 수요예측 모델 개발
전창범(C. B. Jeon),정의연(U. Y. Jung),박건우(K. W. Park),김준(J. Kim),최원화(W. H. Choi),정홍진(H. J. Jeong),정용희(Y. H. Jung),김보현(B. H. Kim) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
수요예측은 인공지능의 발전으로 즉각적 환경 변화에 대응이 가능한 딥러닝 수요예측 기법이 활용되는 추세이다. 특히 국내 유통사업장은 상품별로 최적화된 수요예측 알고리즘을 사용하여 판매량을 예측하고, 예측 결과를 발주관리와 연계하여 재고관리 비용을 줄이려는 시도를 하고 있다. 이러한 시도는 데이터 관리 체계가 갖춰진 대형 유통사업장에만 국한되며, 중소형 유통사업장에서는 데이터 관리 및 클라우드 기술의 부족으로 적용이 어려운 상황이다. 따라서 본 연구는 상품별로 최적화된 수요예측 알고리즘이 아닌 최소 개수의 수요예측 알고리즘으로 중소형 유통사업장의 취급 상품의 판매량을 모두 예측하기 위해, 상품의 시계열 특징과 전이학습을 활용한 딥러닝 기반의 수요예측 모델을 개발한다. 이를 위해 먼저 상품 특성에 맞는 수요예측 방법을 설계한다. 중소형 유통사업장의 취급 상품은 신선품과 공산품으로 나뉘어진다. 신선품은 유통기한이 짧고 발주 후 당일 입고되어 다음날 판매량 예측을 수행한다. 공산품은 유통기한이 상대적으로 길고 발주 후 입고까지 2-3 일의 기간이 소요되어 ‘발주와 입고 기간’ 사이의 판매량을 합을 예측한다. 또한, 상품 판매량의 시계열 데이터는 추세(Trend), 계절성(Seasonality), 잔차(Residual) 등의 특징으로 구성되는데, 이는 상품의 판매량 추이를 직접적으로 나타낸다. 이러한 시계열 특징을 기반으로 딥러닝 수요예측 모델을 개발한다. 수요예측 모델은 시계열 특징 중 하나인 잔차를 이용하여 상품 판매량의 무작위성을 분석하고, 이를 기반으로 상품에 적합한 수요예측 알고리즘 선정한다. 이때 수요예측 알고리즘의 성능 향상을 위해 상품 판매량의 추이를 반영하여 수요예측을 진행한다. 제안한 수요예측 모델은 분류된 상품군 안에서 전이학습을 통해 학습하고, 학습된 가중치를 학습에 참여하지 않은 상품에 적용 및 검증한다.
10 한국인 염증성장질환 환자에서 Natural Resistance-Associated Macrophage Protein 1 (NRAMP1) 유전자의 촉진자 부위의 다형성
이병욱 ( B. W. Lee ),김효종 ( H. J. Kim ),지성길 ( S. G. Chi ),이길연 ( G. Y. Lee ),정용희 ( Y. H. Jung ),한요셉 ( Yo Seb Han ),동석호 ( Seok Ho Dong ),김병호 ( Byung Ho Kim ),장영운 ( Young Woon Chang ),장린 ( Rin Chang ),이정일 ( 대한소화기학회 2002 대한소화기학회 추계학술대회 Vol.2002 No.-