http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 진금회(Jinhui Chen) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
Decision-making Model of Supply Chain Inventory Management System
Jinhui Chen(진금회),Soo-tae Nam(남수태),Chan-yong Jin(진찬용) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
공급망의 빅데이터는 주로 네 가지 측면에서 발생된다. 하나는 생산 장비 품질 데이터, 계획된 조달 데이터, 제품 데이터 등과 같은 공급망에서 기업의 제품 가치 이전 과정에서 불가피하게 생성되는 관련 데이터이고, 두 번째는 공급망에 있는 다양한 회사의 ERP 데이터에서 파생된다. 세 번째는 고객의 전자 상거래 데이터이고 마지막은 외부 또는 수동으로 입력한 데이터의 데이터이다. 따라서 본 연구를 통해서 공급망 운영 과정에서 재고를 예측하고 제어하기 위해 타사 데이터 서비스 센터 분석 및 데이터마이닝. 그것은 여러 측면에서 전체 공급망에 혁신과 관리 기술 및 사고방식의 변화를 가져오고 마침내 전체 공급망의 재고 조정 및 제로 재고 목표를 달성하게 된다. Big data in the supply chain mainly comes from four aspects. One is the relevant data inevitably generated in the process of product value transfer of enterprises in the supply chain, such as production equipment quality data, planned procurement data, product data, etc; On the other hand, it is derived from the ERP data of various companies in the supply chain; The third is e-commerce data from the customer, and the last is data from external or manually entered data. A third-party data service center analysis and mining the data to predict and control the inventory in the process of supply chain operation. It brings innovation and change of management technology and way of thinking to the whole supply chain in many aspects, and finally achieves the goal of coordinated inventory and zero inventory of the whole supply chain.
-
Simulation for the Decision-making Models of Supply Chain Inventory Management System
Jinhui Chen(진금회),Soo-tae Nam(남수태),Chan-yong Jin(진찬용) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
본 연구의 의사결정지원 모형을 대상으로 한 시뮬레이션 결과에 의하면 맥주 산업의 조정을 기반으로 한 빅 데이터 협업 플랫폼 하에서 공급망 운영 조건을 동원하고, 공급망 직접 물류 재고는 상대적으로 안정적인 가치를 유지하며 재고가 없거나 심각한 부족도 발생하지 않는다. 따라서 전통적인 맥주 공급망 운영과 같은 재고 상황에서 맥주의 심각한 공급 부족으로 인해 체인 재고 수준 보고서로 인한 수요 정보 확장 상황을 피할 수 있다. From the simulation results, under the collaborative platform of big data based on coordination of the beer industry to mobilize the supply chain operation condition, supply chain direct logistics inventory are in a relatively stable value, and there is no zero inventory or even a serious lack of beer in the stock situations like traditional beer supply chain operation, which avoid the situation of demand information expansion caused by chain inventory levels report because of the serious lack of supply.
-
The Inventory Managemant of the Supply Chain in China’s Beer Industry
Jinhui Chen(진금회),Soo-tae Nam(남수태),Chan-yong Jin(진찬용) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
중국에서의 빅데이터 개발 역사는 비교적 길지 않아 지금까지 10여년 정도에 불과하다. 또한 실생활에서의 빅데이터의 응용수준도 높지 않지만, 공급망 분야에서는 일부 성과가 이루어져 왔다. 다양한 유형의 데이터가 공급망의 실제 운용 과정에서 수집되었다. 그러한 데이터들이 효율적으로 분류되고 활용될 수 있다면, 공급망 운용과정에서의 채찍효과가 역시 효율적으로 향상될 수 있을 것이다. 따라서 본 연구의 목적은 중국맥주 산업 공급망에서의 협업재고관리 모델의 개발과 동시에 빅데이터를 활용하는 응용 프레임워크의 개발이다. The development history of China's big data is relatively short, and it has only been ten years so far. Although the application level of big data in real life is not high, some achievements have been made in the supply chain. Various kinds of data will be generated in the actual operation of the supply chain. If these data can be effectively classified and used, the "bullwhip effect" of the operation of the supply chain can be also effectively improved. Thus this paper proposes the development of a supply chain collaborative inventory management model and application framework using big data.
-
Jinhui Chen(진금회),Chan-Yong Jin(진찬용) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.3
중국에서의 빅데이터의 발전 과정은 비교적 짧아 10년 정도에 불과하다. 따라서 실제 생활에서의 구체적인 활용도는 높지 않으나, 공급망분야에서는 일부 성과를 보이고 있다. 공급망이 실제로 작동하는 과정에서 발생하는 각종 데이터를 효과적으로 분류·활용할 수 있다면, 공급망 운영 과정에서 발생하는 "채찍효과" 또한 개선될 수 있을 것이다. 본 연구의 목적은 빅데이터를 활용한 공급망 협업 재고 관리 모델과 응용 프레임워크의 개발이다. 본 연구에서는 "채찍효과"가 가장 뚜렷한 소비 업종인 중국의 맥주 업계 공급 체인을 분석하였으며, 시뮬레이션 및 민감도분석을 위해 Vensim을 사용하였다. 본 연구의 모델을 적용한 결과 맥주 업계 공급 체인의 각 참여 주체의 재고변화가 적어지는 의미 있는 결과를 발견하였다. 또한 이러한 연구가 더 큰 데이터를 갖는 공급망 협업 재고관리모델에도 적용될 수 있는 가능성을 제사하고, 공급망 협업 재고관리모델에서 발생할 수 있는 문제점 및 대응방안을 제시하였다. The development history of China"s big data is relatively short, and it has only been ten years so far. Although the application level of big data in real life is not high, some achievements have been made in the supply chain. Various kinds of data will be generated in the actual operation of the supply chain. If these data can be effectively classified and used, the "bullwhip effect" of the operation of the supply chain can be also effectively improved. Thus this paper proposes the development of a supply chain collaborative inventory management model and application framework using big data. In this study, we analyzed the supply chain of beer industry, which is the most prominent consumption industry with "bullwhip effect", and further established a big data collaborative inventory management model for the supply chain of beer industry based on system dynamics. We used the Vensim software for simulation and sensitivity test and after appling our model, we found that the inventory fluctuations of the participants in the beer industry supply chain became significantly smaller, which verified the effectiveness of the model. Our study can be also applied to the possible problems of the large data supply chain collaborative inventory management model, and gives certain countermeasures and suggestions.
-
빅데이터 분석 도구 R 언어를 이용한 비정형 데이터 시각화
남수태(Soo-Tai Nam),진금회(Jinhui Chen),신성윤(Seong-Yoon Shin),진찬용(Chan-Yong Jin) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
빅데이터 분석은 데이터 저장소에 저장된 대용량 데이터 속에서 의미 있는 새로운 상관관계, 패턴, 추세를 발견하여 새로운 가치를 창출하는 과정이다. 또한 대부분의 빅데이터 분석 기술 방법들은 기존 통계학과 전산학에서 사용되던 데이터 마이닝, 기계 학습, 자연 언어 처리, 패턴 인식 등이 이에 해당된다. 그리고 빅데이터 분석 도구인 R언어를 이용하여 전-처리된 텍스트 데이터를 이용하여 다양한 시각화 함수를 통해 분석결과를 표현할 수 있다. 본 연구에서 사용된 데이터는 한국정보통신학회 학회지 논문 중에서 2021년 3월호 논문 21편을 대상으로 분석을 하였다. 최종 분석결과는 가장 많이 언급된 키워드는 “데이터”가 305회로 1위를 차지하였다. 따라서 이러한 분석결과를 바탕으로 연구의 한계와 이론적 실무적 시사점을 제시하고자 한다. Big data analysis is the process of discovering meaningful new correlations, patterns, and trends in large volumes of data stored in data stores and creating new value. Thus, most big data analysis technology methods include data mining, machine learning, natural language processing, and pattern recognition used in existing statistical computer science. Also, using the R language, a big data tool, we can express analysis results through various visualization functions using pre-processing text data. The data used in this study was analyzed for 21 papers in the March 2021 among the journals of the Korea Institute of Information and Communication Engineering. In the final analysis results, the most frequently mentioned keyword was “Data”, which ranked first 305 times. Therefore, based on the results of the analysis, the limitations of the study and theoretical implications are suggested.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
