지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 유명식
- 발행연도
- 2020
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수15
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 택배 프로세스에서 발생하는 비용을 최소화(최적화)하기 위한 물동량 수요예측에 대해 기존에 많이 사용하지 않은 비정형 데이터를 활용한 수요예측 방법을 소개한다. 최근 비정형 데이터를 수집하고 분석하는 기술들을 사용하기 시작하였고, 이 기술들을 사용한 연구들이 진행되고 있다. 본 논문에서는 C택배 회사 물동량 정형데이터로부터 연관성 높은 비정형 키워드를 추출하고, 물동량의 정형데이터로 모델링 한 예측모형에 비정형데이터를 적용하여 기존 정형데이터 기반의 예측모형과 비정형데이터를 접목한 예측모형의 예측정확도에 차이가 있음을 제안하였다. 정형 데이터는 C택배 회사 물동량 2014년 10월부터 2017년 9월까지 36개월 데이터를 사용하였고, 분석마트에서 과거 물량 Trend 변수, 최신물량 Trend 변수, 캘린더 효과 변수 등 외부 변수들을 고려하여 추출하였다. 데이터 전처리, 데이터 탐색을 통해 실적에 영향을 주지 않을 것으로 판단되는 변수들을 제거하고 실적을 목표 값으로 설정한 뒤 33개월은 예측모형 학습에, 3개월은 예측 모형 평가로 분할 분석하였다. 정형 데이터의 수요 예측 모델 정확도는 93.846%으로 매우 높은 예측 정확률을 나타내었다. 비정형 데이터는 택배 물동량에 영향을 줄 것이라고 판단한 31개의 키워드를 선정하였다. 택배 배달사고, 택배비 인상, 미세먼지, 황사 등의 키워드들은 해당 키워드가 포함된 N포털 뉴스 기사의 빈도를 마켓마인드 프로그램을 이용하여 추출하였다. 정형 데이터 예측모형과 병합을 위해 추출 된 비정형 데이터의 빈도를 평균값 변수로 생성하여 모델에 병합하였다. 정형 데이터와 마찬가지로 실적을 목표 값으로 설정한 뒤 33개월은 예측 모형 학습, 3개월은 예측 모형 평가로 개월 분할하여 분석을 진행하였다. 변수선택 방법 중 단계선택법과 회귀분석을 적용하여 분석결과를 내었다. 비정형 데이터를 병합한 예측모형으로 분석한 결과 예측모형 예측정확도가 정형 데이터로만 분석한 예측모형 예측정확도보다 예측모형의 성능이 1.626% 상승한 95.472%로 예측률이 상승한 것을 확인하였다. 정형 데이터의 수요 예측률이 90%가 넘는 높은 예측률 이라는 것을 감안한다면 비정형 데이터를 접목한 수요예측 결과의 1.626% 상승은 비즈니스 관점에서 매우 큰 의미를 가진다고 할 수 있다. 이는 비정형데이터의 변수 간 상관관계를 확인하는 과정에서 실적에 영향을 미치지 않는 변수들은 제외한 후 예측률을 확인 한 것이기 때문에 선별 된 물동량 영향인자 키워드들은 물동량에 매우 큰 영향을 줄 수 있는 키워드라고 볼 수 있겠다. 본 연구 에서는 택배산업의 물동량 예측 모형 개발에 기존에 활용 되지 않았던 비정형 데이터를 접목하는 방법을 제시하였고 예측 정확도에 유의미한 차이를 두어 예측 정확도가 높아진 점에 큰 의미가 있는 연구라 볼 수 있겠다.
목차
국문초록 ⅵ영문초록 ⅷ제 1 장 서론 11.1 연구의 배경 11.2 연구의 방법 2제 2 장 관련 연구 42.1 택배 회사의 수요 예측 42.2 수요 예측 기법 82.3 인과관계모형(Causal Model) 102.4 예측정확도 평가 142.5 정형 데이터 162.6 비정형 데이터 16제 3 장 수요 예측 모형 개발 203.1 정형 데이터의 수집과 전처리 203.1.1 정형 데이터 수집 203.1.2 정형 데이터 전처리 223.2 비정형 데이터의 수집과 전처리 263.2.1 비정형 데이터 수집 263.2.2 비정형 데이터 키워드 선정 283.2.3 비정형 데이터 키워드 빈도 추출 293.2.4 비정형 데이터 전처리 293.3 정형 데이터를 활용한 예측 모형 개발 363.4 비정형 데이터를 활용한 예측 모형 개발 403.5 정형 예측 모형과 비정형 예측 모형의 비교 검증 43제 4 장 결론 및 향후 연구 방향 484.1 결론 및 시사점 484.2 향후 연구 방향 50참고문헌 51
최근 본 자료
댓글(0)
0