A Study on Forecasting Spare Parts Demand based on Data-Mining
Jae-Dong Kim, Hanjun Lee · Journal of Internet Computing and services · 2017
수리부속 수요예측은 장비가동률 향상과 국방 운영 예산 효율화 제고를 위한 국방 군수 분야의 핵심 과제 중 하나이다. 현재 우리군은 수리부속 소요 데이터를 활용한 시계열 기법으로 과거 데이터 분석을 통해 수리부속 수요예측에 활용하고 있으나 정확도 제고에 지속적인 노력이 요구되고 있는 실정이다. 이에 본 연구에서는 지난 5개년의 수리부속 18,476개 품목의 수요데이터를 수집하고 데이터마이닝 기법을 활용한 수리부속 수요예측 모델을 제안하였다. 제안한 모델에 따른 실험 결과는 기존 시계열 기법에 비해 개선된 수요예측 정확도를 보였다. Demand forecasting is one of the most critical tasks in defense logistics, because the failure of the task can bring about a huge waste of budget. Up to date, ROK-MND(Republic of Korea - Ministry of National Defense) has analyzed past component consumption data with time-series techniques to predict each component's demand. However, the accuracy of the prediction still needs to be improved. In our study, we attempted to find consumption pattern using data mining techniques. We gathered an 18,476 component consumption data first, and then derived diverse features to utilize them in identification of demanding patterns in the consumption data. The results show that our approach improves demand forecasting with higher accuracy.