1 |
1
데이터베이스로부터 수리부속 정보를 전달 받아 입력변수를 선정하는 입력변수 선정 모듈; 상기 데이터베이스를 기반으로 머신러닝 및 통계적 기법을 이용하여 수리부속 수요예측을 위한 최적화된 앙상블 모델을 구축하는 머신러닝 모델 구축 모듈; 및 구축된 상기 앙상블 모델을 훈련 데이터를 활용하여 학습시키고, 테스트 데이터와 비교하여 예측 결과를 기반으로 상기 앙상블 모델을 평가하는 머신러닝 모델 평가 모듈을 포함하고, 상기 입력변수 선정 모듈은, 상기 데이터베이스로부터 입력되는 수리부속 데이터, 과거 수요 이력 및 정비 데이터에 대한 데이터 중 수리부속 수요예측에 영향을 크게 미치는 요소를 추출하여 상기 입력변수로 사용하도록 주성분 분석(Principal Component Analysis)을 사용하여 데이터의 차원을 축소하고, 차원이 감소된 상기 데이터의 주성분들 중 유전자 알고리즘을 이용하여 가장 식별력이 좋은 특징을 추출하여 상기 입력변수를 선정하며, 상기 머신러닝 모델 구축 모듈은, 분석 대상인 데이터와 상기 입력변수의 특징에 기반하여 레벨 1에서 시계열 분석으로 통계적 기법을 수행하고, 레벨 2에서 상기 시계열 분석의 결과값을 전달 받아 수요예측 분석을 위한 머신러닝 기법을 적용하며, 레벨 3에서 상기 수요예측 분석에 따른 예측 결과를 전달 받아 상기 예측 결과를 통합하여, 최적화된 상기 앙상블 모델을 구축하되, 상기 분석 대상인 데이터와 상기 입력변수의 특징을 기반으로 복수의 상기 통계적 기법 중 적어도 어느 하나 이상과 복수의 상기 머신러닝 기법 중 적어도 어느 하나 이상을 각각 선정하여, 상기 통계적 기법과 상기 머신러닝 기법이 혼합된 상기 앙상블 모델을 구축하는 것을 특징으로 하는 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
2 |
2
제1항에 있어서,상기 앙상블 모델을 통한 수리부속 수요에 대한 상기 예측 결과를 출력하는 예측 결과 출력 모듈을 더 포함하는 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
3 |
3
제1항에 있어서,상기 머신러닝 모델 평가 모듈은, 상기 앙상블 모델을 평가하고 평가 결과를 상기 입력변수 선정 모듈로 피드백 하여, 상기 평가 결과가 상기 입력변수 선정과 상기 앙상블 모델 구축에 반영되어 수리부속 수요예측 모델을 점진적으로 최적화하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
4 |
4
제1항에 있어서,상기 입력변수 선정 모듈은, 상기 데이터베이스의 수리부속 정보 DB(Datebase)로부터 각각의 수리부속 데이터, 과거 수요 이력, 정비 데이터 중 적어도 어느 하나 이상의 수리부속 정보를 입력 받고, 상기 수리부속 정보 중 수리부속 수요 예측과의 연관성을 분석하여 관련성이 높은 순서에 따라 상기 입력변수를 선정하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
5 |
5
삭제
|
6 |
6
삭제
|
7 |
7
제1항에 있어서,상기 머신러닝 모델 구축 모듈은, 최적화된 상기 앙상블 모델을 구축하기 위해 분석 대상인 각 데이터와 상기 입력변수의 특징에 맞는 상기 통계적 기법 및 머신러닝 기법을 각각 선정하며, 복수개의 통계적 기법 및 복수개의 머신러닝 기법이 적용되어 도출된 예측 결과를 통합하되, 각 수요예측 기법인 상기 통계적 기법 또는 머신러닝 기법 결과마다 가중치를 적용하며, 분석 결과와 예측 정확도에 따라 상기 가중치를 지속적으로 갱신하고, 상기 가중치의 총합이 1이 되도록 하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
8 |
8
데이터베이스로부터 수리부속 정보를 전달 받아 입력변수를 선정하는 입력변수 선정 모듈; 상기 데이터베이스를 기반으로 머신러닝 및 통계적 기법을 이용하여 수리부속 수요예측을 위한 앙상블 모델을 구축하는 머신러닝 모델 구축 모듈과, 구축된 상기 앙상블 모델을 훈련 데이터를 활용하여 학습시키고, 테스트 데이터와 비교하여 예측 결과를 기반으로 상기 앙상블 모델을 평가하는 머신러닝 모델 평가 모듈을 포함하는 예측 모델 구축 모듈; 및 상기 앙상블 모델을 평가하고 평가 결과를 상기 입력변수 선정 모듈로 피드백 하여, 상기 평가 결과가 상기 입력변수 선정과 상기 앙상블 모델 구축에 반영되어 수리부속 수요예측 모델을 점진적으로 최적화하는 예측 모델 최적화 모듈을 포함하고, 상기 입력변수 선정 모듈은, 상기 데이터베이스로부터 입력되는 수리부속 데이터, 과거 수요 이력 및 정비 데이터에 대한 데이터 중 수리부속 수요예측에 영향을 크게 미치는 요소를 추출하여 상기 입력변수로 사용하도록 주성분 분석(Principal Component Analysis)을 사용하여 데이터의 차원을 축소하고, 차원이 감소된 상기 데이터의 주성분들 중 유전자 알고리즘을 이용하여 가장 식별력이 좋은 특징을 추출하여 상기 입력변수를 선정하며, 상기 머신러닝 모델 구축 모듈은, 분석 대상인 데이터와 상기 입력변수의 특징에 기반하여 레벨 1에서 시계열 분석으로 통계적 기법을 수행하고, 레벨 2에서 상기 시계열 분석의 결과값을 전달 받아 수요예측 분석을 위한 머신러닝 기법을 적용하며, 레벨 3에서 상기 수요예측 분석에 따른 예측 결과를 전달 받아 상기 예측 결과를 통합하여, 최적화된 상기 앙상블 모델을 구축하되, 상기 분석 대상인 데이터와 상기 입력변수의 특징을 기반으로 복수의 상기 통계적 기법 중 적어도 어느 하나 이상과 복수의 상기 머신러닝 기법 중 적어도 어느 하나 이상을 각각 선정하여, 상기 통계적 기법과 상기 머신러닝 기법이 혼합된 상기 앙상블 모델을 구축하는 것을 특징으로 하는 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
9 |
9
제8항에 있어서,상기 입력변수 선정 모듈은, 상기 데이터베이스의 수리부속 정보 DB(Datebase)로부터 각각의 수리부속 데이터, 과거 수요 이력, 정비 데이터 중 적어도 어느 하나 이상의 수리부속 정보를 입력 받고, 상기 수리부속 정보 중 수리부속 수요 예측과의 연관성을 분석하여 관련성이 높은 순서에 따라 상기 입력변수를 선정하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
10 |
10
제8항에 있어서,상기 예측 모델 최적화 모듈은, 최적화된 상기 앙상블 모델을 구축하기 위해 분석 대상인 각 데이터와 상기 입력변수의 특징에 맞는 상기 통계적 기법 및 머신러닝 기법을 각각 선정하며, 복수개의 통계적 기법 및 복수개의 머신러닝 기법이 적용되어 도출된 예측 결과를 통합하되, 각 수요예측 기법인 상기 통계적 기법 또는 머신러닝 기법 결과마다 가중치를 적용하며, 분석 결과와 예측 정확도에 따라 상기 가중치를 지속적으로 갱신하고, 상기 가중치의 총합이 1이 되도록 하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템
|
11 |
11
입력변수 선정 모듈에서 데이터베이스로부터 수리부속 정보를 전달 받아 입력변수를 선정하는 입력변수 선정 단계; 머신러닝 모델 구축 모듈에서 상기 데이터베이스를 기반으로 머신러닝 및 통계적 기법을 이용하여 수리부속 수요예측을 위한 최적화된 앙상블 모델을 구축하는 머신러닝 모델 구축 단계; 머신러닝 모델 평가 모듈에서 구축된 상기 앙상블 모델을 훈련 데이터를 활용하여 학습시키고, 테스트 데이터와 비교하여 예측 결과를 기반으로 상기 앙상블 모델을 평가하는 머신러닝 모델 평가 단계; 및 예측 결과 출력 모듈에서 상기 앙상블 모델을 통한 수리부속 수요에 대한 상기 예측 결과를 출력하는 예측 결과 출력 단계를 포함하고, 상기 입력변수 선정 단계는, 상기 데이터베이스로부터 입력되는 수리부속 데이터, 과거 수요 이력 및 정비 데이터에 대한 데이터 중 수리부속 수요예측에 영향을 크게 미치는 요소를 추출하여 상기 입력변수로 사용하도록 주성분 분석(Principal Component Analysis)을 사용하여 데이터의 차원을 축소하고, 차원이 감소된 주성분들은 유전자 알고리즘을 이용하여 가장 식별력이 좋은 특징을 추출하여 상기 입력변수를 선정하는 것상기 머신러닝 모델 구축 단계는, 최적화된 상기 앙상블 모델을 구축하기 위해 분석 대상인 데이터와 상기 입력변수의 특징에 기반하여 레벨 1에서 시계열 분석으로 통계적 기법을 수행하는 단계; 레벨 2에서 상기 시계열 분석의 결과값을 전달 받아 수요예측 분석을 위한 머신러닝 기법을 적용하는 단계; 및 레벨 3에서 상기 수요예측 분석에 따른 예측 결과를 전달 받아 상기 예측 결과를 통합하는 단계를 포함하고, 상기 분석 대상인 데이터와 상기 입력변수의 특징을 기반으로 복수의 상기 통계적 기법 중 적어도 어느 하나 이상과 복수의 상기 머신러닝 기법 중 적어도 어느 하나 이상을 각각 선정하여, 상기 통계적 기법과 상기 머신러닝 기법이 혼합된 상기 앙상블 모델을 구축하는 것을 특징으로 하는 빅데이터와 머신러닝을 이용한 수리부속수요 예측 방법
|
12 |
12
제11항에 있어서,상기 머신러닝 모델 평가 단계는, 상기 앙상블 모델을 평가하고 평가 결과를 상기 입력변수 선정 단계로 피드백 하여, 상기 평가 결과가 상기 입력변수 선정과 상기 앙상블 모델 구축에 반영되어 수리부속 수요예측 모델을 점진적으로 최적화하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 방법
|
13 |
13
제11항에 있어서,상기 입력변수 선정 단계는, 상기 데이터베이스의 수리부속 정보 DB(Datebase)로부터 각각의 수리부속 데이터, 과거 수요 이력, 정비 데이터 중 적어도 어느 하나 이상의 수리부속 정보를 입력 받고, 상기 수리부속 정보 중 수리부속 수요 예측과의 연관성을 분석하여 관련성이 높은 순서에 따라 상기 입력변수를 선정하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 방법
|
14 |
14
삭제
|
15 |
15
삭제
|
16 |
16
제11항에 있어서,상기 머신러닝 모델 구축 단계는, 최적화된 상기 앙상블 모델을 구축하기 위해 분석 대상인 각 데이터와 상기 입력변수의 특징에 맞는 상기 통계적 기법 및 머신러닝 기법을 각각 선정하며, 복수개의 통계적 기법 및 복수개의 머신러닝 기법이 적용되어 도출된 예측 결과를 통합하되, 각 수요예측 기법인 상기 통계적 기법 또는 머신러닝 기법 결과마다 가중치를 적용하며, 분석 결과와 예측 정확도에 따라 상기 가중치를 지속적으로 갱신하고, 상기 가중치의 총합이 1이 되도록 하는 것을 특징으로 하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 방법
|
17 |
17
제11항에 있어서, 상기 데이터베이스의 수리부속 예측 모델 정보를 전달 받아 구축된 상기 최적화된 앙상블 모델을 기반으로 재고 분석 및 물류 지연 분석을 수행하는 단계를 더 포함하고, 상기 재고 분석 및 물류 지연 분석을 수행하는 단계는,수리부속에 대한 실시간 재고량 분석과 재고 소모량 분석을 통해 재고량의 변동을 분석하고 수리부속 청구의 필요성을 예측하여 재고 분석을 하는 단계; 및 수리부속 청구 및 배송에 대한 물류 운송에 있어 행정 구간과 물리적 수송 또는 배송에 따른 물류 지연 이력을 분석하여 물류 지연에 영향을 미치는 특징을 추출하고, 각 수리부속과 연결하여 물류 지연 분석을 하는 단계를 포함하는, 빅데이터와 머신러닝을 이용한 수리부속수요 예측 방법
|