1 |
1
수요예측 실용화 서버에서 수행되는 군 수리부속 수요예측 방법에 있어서,모델 개발 서버를 통해 구성된 군 수리부속 수요예측을 위한 학습 모델에 과거의 군 데이터를 입력받는 단계;상기 입력받은 과거의 군 데이터를 이용하여 상기 학습 모델을 재학습시키는 단계;상기 재학습을 통해 업데이트된 학습 모델에 새로운 군 데이터를 입력받는 단계; 및 상기 업데이트된 학습 모델을 이용하여 새로운 군 데이터에 대한 군 수리부속 수요정보를 예측하는 단계 를 포함하는 군 수리부속 수요예측 방법
|
2 |
2
제1항에 있어서,상기 재학습시키는 단계는,상기 입력받은 과거의 군 데이터를 이용하여 복수 개의 알고리즘 모델을 재학습하고, 상기 재학습된 복수 개의 알고리즘 모델에 대한 검증 및 테스트를 통해 품목별 최적 모델을 재선정하고, 상기 재선정된 품목별 최적 모델에 기초하여 상기 학습 모델을 업데이트하는 단계 를 포함하는 군 수리부속 수요예측 방법
|
3 |
3
제1항에 있어서,상기 새로운 군 데이터는, 기 설정된 시점을 기준으로 발생한 분기별 군 데이터를 의미하고, 상기 새로운 군 데이터를 입력받는 단계는,상기 업데이트된 학습 모델을 이용하여 상기 기 설정된 시점을 기준으로 발생한 분기별 군 데이터에 대한 분기 단위의 군 수리부속 수요예측 결과를 획득하고, 상기 획득된 군 수리부속 수요예측 결과를 저장하는 단계를 포함하는 군 수리부속 수요예측 방법
|
4 |
4
제1항에 있어서,상기 입력받는 단계는,과거의 품목 수요 정보, 운용 정보, 부대 정보를 포함하는 군 데이터에 대한 데이터 통합, 이상치와 결측값 처리 및 스케일링을 포함하는 전처리를 수행하는 단계를 포함하는 군 수리부속 수요예측 방법
|
5 |
5
제4항에 있어서,상기 입력받는 단계는,상기 전처리를 수행한 군 데이터를 학습 데이터, 검증 데이터 및 테스트 데이터로 분할하는 단계 를 포함하는 군 수리부속 수요예측 방법
|
6 |
6
제1항에 있어서,상기 학습 모델은, 상기 모델 개발 서버에서 과거의 품목 수요 정보, 운용 정보, 부대 정보를 포함하는 군 데이터에 대한 데이터 통합, 이상치와 결측값 처리 및 스케일링을 포함하는 전처리가 수행되고, 상기 전처리를 수행한 군 데이터가 학습 데이터, 검증 데이터 및 테스트 데이터로 분할되고, 상기 입력받은 군 데이터를 이용하여 상기 학습 모델의 머신러닝 알고리즘에 기초하여 복수 개의 알고리즘 모델이 도출되고, 상기 도출된 복수 개의 알고리즘 모델에 대한 검증 및 테스트를 통해 품목별 최적 모델이 재선정되고, 상기 재선정된 품목별 최적 모델에 기초하여 상기 학습 모델이 구성된 것을 특징으로 하는 군 수리부속 수요예측 방법
|
7 |
7
군 수리부속 수요예측을 위한 수요예측 실용화 서버에 있어서,모델 개발 서버를 통해 구성된 군 수리부속 수요예측을 위한 학습 모델에 과거의 군 데이터를 입력받는 과거 데이터 입력부;상기 입력받은 과거의 군 데이터를 이용하여 상기 학습 모델을 재학습시키는 재학습부;상기 재학습을 통해 업데이트된 학습 모델에 새로운 군 데이터를 입력받는 새로운 데이터 입력부; 및 상기 업데이트된 학습 모델을 이용하여 새로운 군 데이터에 대한 군 수리부속 수요정보를 예측하는 예측부 를 포함하는 수요예측 실용화 서버
|
8 |
8
제7항에 있어서,상기 재학습부는,상기 입력받은 과거의 군 데이터를 이용하여 복수 개의 알고리즘 모델을 재학습하고, 상기 재학습된 복수 개의 알고리즘 모델에 대한 검증 및 테스트를 통해 품목별 최적 모델을 재선정하고, 상기 재선정된 품목별 최적 모델에 기초하여 상기 학습 모델을 업데이트하는것을 특징으로 하는 수요예측 실용화 서버
|
9 |
9
제7항에 있어서,상기 새로운 군 데이터는, 기 설정된 시점을 기준으로 발생한 분기별 군 데이터를 의미하고, 상기 새로운 데이터 입력부는,상기 업데이트된 학습 모델을 이용하여 상기 기 설정된 시점을 기준으로 발생한 분기별 군 데이터에 대한 분기 단위의 군 수리부속 수요예측 결과를 획득하고, 상기 획득된 군 수리부속 수요예측 결과를 저장하는것을 특징으로 하는 수요예측 실용화 서버
|
10 |
10
제7항에 있어서,상기 과거 데이터 입력부는,과거의 품목 수요 정보, 운용 정보, 부대 정보를 포함하는 군 데이터에 대한 데이터 통합, 이상치와 결측값 처리 및 스케일링을 포함하는 전처리를 수행하는 것을 특징으로 하는 수요예측 실용화 서버
|
11 |
11
제10항에 있어서,상기 과거 데이터 입력부는,상기 전처리를 수행한 군 데이터를 학습 데이터, 검증 데이터 및 테스트 데이터로 분할하는 것을 특징으로 하는 수요예측 실용화 서버
|
12 |
12
제7항에 있어서,상기 학습 모델은, 상기 모델 개발 서버에서 과거의 품목 수요 정보, 운용 정보, 부대 정보를 포함하는 군 데이터에 대한 데이터 통합, 이상치와 결측값 처리 및 스케일링을 포함하는 전처리가 수행되고, 상기 전처리를 수행한 군 데이터가 학습 데이터, 검증 데이터 및 테스트 데이터로 분할되고, 상기 입력받은 군 데이터를 이용하여 상기 학습 모델의 머신러닝 알고리즘에 기초하여 복수 개의 알고리즘 모델이 도출되고, 상기 도출된 복수 개의 알고리즘 모델에 대한 검증 및 테스트를 통해 품목별 최적 모델이 재선정되고, 상기 재선정된 품목별 최적 모델에 기초하여 상기 학습 모델이 구성된 것을 특징으로 하는 수요예측 실용화 서버
|
13 |
13
머신러닝을 사용한 군 수리부속 수요예측을 위한 실용화 시스템에 있어서,과거의 군 데이터를 이용하여 군 수리부속 수요예측을 위한 학습 모델을 구성하는 모델 개발 서버; 및 상기 모델 개발 서버로부터 구성된 학습 모델의 재학습을 통해 업데이트된 학습 모델에 새로운 군 데이터를 입력하고, 상기 업데이트된 학습 모델을 이용하여 새로운 군 데이터에 대한 군 수리부속 수요정보를 예측하는 수요예측 실용화 서버를 포함하는 실용화 시스템
|
14 |
14
제13항에 있어서,상기 모델 개발 서버는, 과거의 품목 수요 정보, 운용 정보, 부대 정보를 포함하는 군 데이터에 대한 데이터 통합, 이상치와 결측값 처리 및 스케일링을 포함하는 전처리를 수행하고, 상기 전처리를 수행한 군 데이터를 학습 데이터, 검증 데이터 및 테스트 데이터로 분할하고, 상기 입력받은 군 데이터 중 분할된 학습 데이터를 이용하여 상기 학습 모델의 머신러닝 알고리즘에 기초하여 복수 개의 알고리즘 모델을 도출하고, 상기 분할된 검증 데이터 및 테스트 데이터를 이용하여 상기 도출된 복수 개의 알고리즘 모델에 대한 검증 및 테스트를 통해 품목별 최적 모델을 재선정하고, 상기 재선정된 품목별 최적 모델에 기초하여 상기 학습 모델을 구성한 것을 특징으로 하는 수요예측 실용화 서버
|
15 |
15
제13항에 있어서,상기 수요예측 실용화 서버는, 과거의 품목 수요 정보, 운용 정보, 부대 정보를 포함하는 군 데이터에 대한 데이터 통합, 이상치와 결측값 처리 및 스케일링을 포함하는 전처리를 수행하고, 상기 전처리를 수행한 군 데이터를 학습 데이터, 검증 데이터 및 테스트 데이터로 분할하고, 입력받은 군 데이터 중 분할된 학습 데이터를 이용하여 복수 개의 알고리즘 모델을 재학습하고, 상기 분할된 검증 데이터 및 테스트 데이터를 이용하여 상기 재학습된 복수 개의 알고리즘 모델에 대한 검증 및 테스트를 통해 품목별 최적 모델을 재선정하고, 상기 재선정된 품목별 최적 모델에 기초하여 학습 모델을 업데이트하는 것을 특징으로 하는 수요예측 실용화 서버
|
16 |
16
제15항에 있어서,상기 수요예측 실용화 서버는, 상기 업데이트된 학습 모델에 기 설정된 시점을 기준으로 발생한 분기별 군 데이터에 대한 분기 단위의 군 수리부속 수요예측 결과를 획득하고, 상기 획득된 군 수리부속 수요예측 결과를 저장하는것을 특징으로 하는 수요예측 실용화 서버
|