머신 러닝 기법을 활용한 철도 차량 유지 보수 부품 수요 예측
Demand Forecast for Train Maintenance Parts Using Machine Learning Methods
초록/요약
철도 차량은 대중교통으로써 가용성을 유지하는 것이 중요하다. 가용성 유지를 위해서는 유지 보수를 철저하게 수행해야 하며, 유지 보수를 위해서는 유지 보수용 부품 수요를 예측하여 적정한 재고를 사전에 보유하고 있는 것이 필요하다. 하지만 철도 차량 유지 보수용 부품은 수요가 불규칙하게 발생할 뿐만 아니라 수요량의 편차가 큰 간헐적 수요의 특징을 나타내고 있어, 시계열 분석 등 전통적인 수요 예측 모델로는 그 수요를 예측하기 어렵다. 본 연구에서는 국내 철도 차량 제작사에서 수행 중인 해외 전동차 유지보수 프로젝트의 부품 수요 데이터를 이용하여, 머신 러닝 기법을 활용한 철도 차량 유지 보수 부품에 대한 수요 예측 모델을 제안하였다. 이를 통해 적정한 재고를 사전에 확보하고 보다 효율적으로 철도 차량 유지 보수를 수행하는데 기여할 수 있을 것으로 기대한다. 아울러, 기존 연구에서와는 다르게 본 연구에서는 3년치, 5년치, 7년치 수요 데이터를 독립 변수로 사용하는 3가지 모델을 만들고, 3가지 모델 별로 군집이 4개인 경우와 7개인 경우로 세분화 하여 총 6가지 모델로 확장하였다. 이후 6가지 모델에 각각 의사결정나무, 랜덤 포레스트, 인공 신경망 알고리즘을 이용하여 총 18번 수요 예측을 실시하고 결과를 비교 분석하였다. 이를 통해 독립 변수로 몇 년치 데이터를 사용하고, 군집의 수는 몇 개일 때 어떠한 알고리즘이 가장 우수한 성능을 나타내는지 확인하였다.
more목차
제1장 서론 1
제2장 선행연구 3
제3장 수요 예측 모델 제안 6
3.1 적용 알고리즘 개요 6
3.1.1 의사 결정 나무 6
3.1.2 랜덤 포레스트 8
3.1.3 인공 신경망 9
3.2 수요 예측 모델 적용 방법 12
3.2.1 독립 변수의 수에 따른 3가지 모델 구성 13
3.2.2 데이터 특징 추출 15
3.2.3 군집 분석 17
3.2.4 성능 측정 지표 19
3.2.5 데이터 분할 20
제 4장 수치 실험 및 평가 22
4.1 데이터 전처리 22
4.2 부품의 군집화 23
4.3 하이퍼 파라미터 튜닝 25
4.3.1 의사 결정 나무 25
4.3.2 랜덤 포레스트 26
4.3.3 인공 신경망 26
4.4 실험 결과 분석 28
제5장 결론 32
참고 문헌 34
