초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

경제 상황의 급변, 소비 경향의 변화, 대체기술의 부상 등 불확실한 경영환경으로 수요예측의 중요성이 더욱 강조되고 있다. 부적절한 수요예측은 과잉투자나 기회손실 등 금전적인 문제 뿐 만 아니라 리더십의 악화나 새로운 경쟁자의 부상 등 심각한 문제를 초래할 수 있다.
따라서 본 연구에서는 진보된 수요예측시스템을 구현하기 위하여, 수요예측 분석모델 측면에서는 다양한 수요예측 방법론을 조합하여 이를 산업분야에서 바로 적용할 수 있도록 시스템화 하였으며, 데이터 측면에서는 수요예측을 하기 위한 기본 데이터 표준 ...

경제 상황의 급변, 소비 경향의 변화, 대체기술의 부상 등 불확실한 경영환경으로 수요예측의 중요성이 더욱 강조되고 있다. 부적절한 수요예측은 과잉투자나 기회손실 등 금전적인 문제 뿐 만 아니라 리더십의 악화나 새로운 경쟁자의 부상 등 심각한 문제를 초래할 수 있다.
따라서 본 연구에서는 진보된 수요예측시스템을 구현하기 위하여, 수요예측 분석모델 측면에서는 다양한 수요예측 방법론을 조합하여 이를 산업분야에서 바로 적용할 수 있도록 시스템화 하였으며, 데이터 측면에서는 수요예측을 하기 위한 기본 데이터 표준 레이아웃을 정의하였다. 또한 예측을 위한 대량의 데이터를 신속하게 처리 할 수 있는 오픈소스 기반 빅 데이터 분산처리 플랫폼인 스파크를 사용하여 시스템의 처리 성능 및 확장성을 고려하여 시스템화 하였다. 마지막으로 예측 하고자 하는 대상 자료의 분산처리 기준 키 값을 최적화 하여 설계 및 구현 하였다.
시계열 예측기법의 검증을 위해 예측 주차의 예측 값과 과거 시계열 패턴이 일치하게 생성 될 수 있도록 판매량 수요예측을 수행하기 전 과거 1년 이상의 실적 데이터를 활용하여 1년을 53주차로 구분한 후 주차별 제품의 계절성 패턴을 산출 하였다.
판매량 수요예측 시 제품에 속한 모델들의 최근 판매량 지표를 기준으로 미리 산출된 예측주차의 계절성 패턴 비율을 적용함으로써, 예측한 값이 과거의 주차별 제품의 판매패턴을 반영할 수 있도록 시스템화 하였다.
시뮬레이션 완료 후 특정 모델의 예측주차 결과 값과 모델이 속한 제품의 계절성 패턴을 시각화하여 예측한 값이 제품의 과거 주차별 수요 패턴과 일치함을 확인하였다.
수요예측을 위한 제품 단위의 과거 판매실적 자료가 갖추어 졌을 때, 본 논문에서 구현한 시스템을 사용하면 판매량 수요예측을 위한 최근 판매 경향과 제품의 예측 주차의 과거 판매 패턴을 반영한 진보된 수요예측시스템을 제품 종류에 제한 없이 빠르게 구축할 수 있다.
본 연구는 진보된 수요예측시스템을 구현하기 위하여 수요예측 방법론을 시스템화하여 제시하였고, 빅 데이터 분산처리 플랫폼인 스파크에서 수행될 수 있도록 시스템화 하였으며, 이를 산업 분야에서 제품의 수요예측을 위하여 바로 적용할 수 있도록 구현하였다. 앞으로의 연구 과제는 다양한 산업분야에 적용된 후 각 산업 특징에 맞게 데이터 관리자에 의해 지속 관리할 수 있는 방법에 대한 연구가 이루어져야 하겠다.