학술논문
인공지능 기반 콜드체인 배송차량 에너지 소비량 예측
이용수 104
- 영문명
- AI-Based Energy Consumption Predictions for Cold-chain Delivery Vehicles
- 발행기관
- 한국국제상학회
- 저자명
- 간행물 정보
- 『국제상학』國際商學 第37卷 第2號, 173~190쪽, 전체 18쪽
- 주제분류
- 경제경영 > 무역학
- 파일형태
- 발행일자
- 2022.06.30
4,960원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
최근 글로벌 물류 경쟁 환경의 발전에 따라 물류 고도화 시스템 개발의 필요성이 증가하고 있다. 특히 콜드체인 배송 차량에 대하여 미국, 유럽 등 주요 선진국을 중심으로 환경규제 및 에너지 절감을 요구하고 있으며, 지속가능한 물류센터 운영을 위해서는 이를 해결할 방안이 필요한 실정이다. 본 논문에서는 콜드체인 물류 환경의 경쟁력 제고와 효율적인 운영을 위해 Long Short-Term Memory (LSTM)를 통해 콜드체인 배송차량의 에너지 소비량을 예측하고, 인공지능 기술을 기반으로 스마트 물류센터 내에서 수집된 데이터를 수집·분석하여 의미 있는 정보를 추출·활용하기 위한 데이터 분석 체계 설계를 제안한다. 제안된 시스템은 콜드체인 물류 환경의 효과적 운영을 지원하며, 지속가능한 콜드체인 네트워크 구축 및 관리시스템 구축에 활용이 될 것으로 예상된다.
영문 초록
Purpose : This study proposes a framework for a cold-chain logistics control system, and presents a method for extracting and utilizing data collected in real-time. Besides, an AI-based data learning used to predict energy consumed by cold-chain delivery vehicles is described with a case study.
Research design, data and methodology : In this paper, the energy consumption of cold-chain delivery was predicted using Long Short-Term Memory (LSTM) to enhance competitiveness and efficient operations in a cold-chain logistics environment. Data on dairy product delivery were used in a case study. In total, 539 sets of data were acquired by collecting data every five minutes from five vehicles within 2,695 minutes.
Results : The LSTM model seemed to fit actual energy usage data as the epochs of the model increased. Hence, the model is expected to be more effective in predicting energy consumption at epoch settings of 1,000 or more. The validation losses for each 100, 1,000, and 10,000 epochs were 0.72802, 0.01571, and 0.00546, respectively.
Conclusions : In this study, the framework of an integrated management system for smart logistics centers was proposed. In addition, a method for extracting and utilizing data collected in real-time was presented. In particular, this study contributes to maintaining temperature and enhancing energy efficiency by predicting the energy consumption of cold-chain delivery vehicles through AI-based data learning.
목차
Ⅰ. 서론
Ⅱ. 이론적 배경
Ⅲ. 콜드체인 통합관리 시스템
Ⅳ. 연구방법 및 실증분석
Ⅴ. 결론
참고문헌
해당간행물 수록 논문
- 인공지능 기반 콜드체인 배송차량 에너지 소비량 예측
- 인도네시아 자동차 시장에 대한 한국의 수출경쟁력 분석
- 선박의 감항성 담보와 항해과실 면책
- 스위치 선하증권의 유효요건
- 한국의 전자 선화증권 수용을 위한 비교법적 연구
- GSCM 역량이 성과에 미치는 영향에 관한 연구
- 미국 해상보험법상 연방법과 주법의 적용에 대한 구조적 문제점에 관한 고찰
- 중국 유통시장 이해수준이 진출 준비에 미치는 영향
- 메타버스와 콘텐츠의 결합과 진화
- 관세청의 개도국 세관능력배양 효율화 방안에 대한 연구
- RCEP 협정을 통한 GVC 경쟁력 제고와 가치사슬 고도화에 관한 연구
- 드론 배송서비스 사용 의도 요인의 비교 연구
- 온실가스 감축을 위한 IMO 초기전략에 대한 국내 해운업계의 인식에 관한 연구
- 직무요구-자원모형을 활용한 항만하역노동자들의 직무소진 및 직무열의에 관한 연구
- 미중 디커플링의 GVC 파급영향 추정
참고문헌
관련논문
최근 이용한 논문
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!