선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 1절에서 살펴보았듯이 조합수요예측법이 탑다운이나 직접수요예측법보다 더 신뢰성 있는 예측치를 산출한다고 한 연구들이 있었는데 수요 특성과 조합수요예측법의 퍼포먼스와의 관계에 대한 연구는 없었다. 따라서 본 연구에서는 이와 같은 비정규적인 수요가 보여주는 여러 가지 특성들의 조합수요예측법의 퍼포먼스에 대한 영향을 분석하고 수요 특성에 적합한 수요예측기법 선택의 가이드를 제공하고자 한다.
- 해당하는 수요 특성에 적합한 수요예측법을 찾는 것이 가장 현실적인 방법인 것이다. 본 연구에서는 비정규적인 특성을 보이는 해군 수리부속 수요를 예측함에 있어 대체적인 수요예측법인 조합수요예측법과 직접수요예측법 사용의 지침을 제공하고자 하였다.
- <표 1>은 수요 특성이 탑다운수요예측법과 직접 수요예측법의 상대적 퍼포먼스에 미치는 영향을 분석한 연구들을 개관하여 제시한다. 문헌들은 수요예측법을 수학적·분석적 방법에 의해 비교하거나, AR 또는 MA 같은 가공의 데이터를 이용해서 시뮬레이션을 하여 비교하거나, M-경쟁 데이터나 자동차 수리부속 데이터 같은 실제 데이터를 사용한 경험적 방법을 사용하여 비교하였다.
제안 방법
- <그림 1>은 자료의 분석을 위한 그룹 구조를 예시하여 보여 준다. 300종의 수리부속들은 사용된 장비에 따라 8종의 장비 그룹들로 분류하였고, 각 장비 그룹 내에서는 수리부속을 기능에 따라 분류한 NSCG(NATO Supply Classification Group) 코딩체계[3]에 따라 분류하였다. Fliedner and Mabert[12]는 ‘가격×수요량’의 크기 순으로 그룹화 하였을 때 계층적 수요예측법의 신뢰성이 향상됨을 발견하였는데 본 그룹화가 계층적 수요예측을 위한 과정인바 동일한 NSCG 내에서는 ‘가격×수요량’의 크기 순서로 수리부속들을 배열하였다.
- 문헌에 의하면 단순지수평활법을 사용하기 위해서는 추세(trend)와 계절적 요소(seasonal component) 를 제거해야 하고[6], 또한 단순지수평활법이 간헐적인 시계열에 사용될 때 가산적인 계절성(additive seasonality)을 고려한다면 예측오차를 최소화 할 수 있다고 한다[16]. 따라서 본 연구에서 수리부속 수요 시계열을 선형추세(linear trend)와 가산적인 계절성에 적합화시켰으며 구체적으로 4가지 방식으로 자료를 처리하였다. 첫째 주어진 시계열 자료 그대로 사용; 둘째 선형추세의 시계열 자료로부터의 제거; 셋째 가산적인 계절적 편차의 시계열 자료로부터의 제거; 넷째 선형추세와 가산적인 계절적 편차의 시계열 자료로부터의 제거.
- [10]과 Khan[21]은 계절성을 수요예측에 반영하는 조합수요예측법이 신뢰성 높은 예측치를 산출한다는 것을 발견하였다. 본 연구에서는 계절성을 반영하는 조합수요예측법을 사용하기 위해 연 단위로 묶은 시계열 자료 뿐만 아니라 분기 및 월 단위로 묶은 시계열 자료도 분석에 포함하였다. <표 2>는 연구에 사용한 수리부속 수요의 통계적 특성치를 보여 준다.
- 대체적인 수요예측법(RCF와 RDF)의 상대적 퍼모먼스와 수요 특성치의 상관관계를 밝힌다면 수요 특성에 따른 수요예측법 선택의 가이드를 제공할 수 있을 것이다. 본 연구에서는 대체적인 수요예측법의 퍼포먼스와 8가지 수요 특성들(즉, 1가지 범주형 변수(장비그룹)와 7가지 연속형 변수(상관계수, 기울기, 가변성, 왜도, 첨도, 간헐성, 평균 수요량))과의 상관관계를 분석하였다.
- 본 연구에서는 수리부속들을 2개씩 짝을 지어 그룹화 하였는데 짝수의 표본을 얻고 자료 분석의 편의상 가까운 백 단위 표본만을 선정한 바 361종 수리부속들 중 임의표본추출 절차에 따라 300종의 수리부속들만을 선정하여 분석하였다.
- <표 1>에서 보여준 Fliedner and Mabert[12]와 Fliedner and Lawrence[13]는 그룹 형성 기준 또는 그룹의 수와 대체적인 수요예측법(즉, 직접수요예측법과 탑다운수요예측법)의 상대적 퍼포먼스와의 상관관계 분석에 분산분석을 사용하였다. 본 연구에서도 대체적인 수요예측법(즉, RCF와 RDF)의 상대적 퍼포먼스와 앞서 밝힌 7가지 연속형 변수들과의 상관관계를 분산분석을 통하여 분석하였다. <표 5>는 7가지 수요 특성치에 대한 일원분산분석 결과를 제시한다.
- 문헌에 의하면 단순지수평활법은 계층적 수요예측법과 사용될 경우 이동평균법이나 다른 복잡한 수요예측모형보다 더 정확한 예측치를 산출한다고 한다[10, 13, 14]. 본 연구의 목적이 대체적인 수요예측법과 수요 특성과의 관계를 밝힘에 있기 때문에 비교 대상인 직접수요예측법과 계층적 수요예측법을 생성하는 예측모형으로서 다른 복잡한 예측모형을 고려하지 않고 단순지수평활법이 사용되었다. 식 (3)에서 α는 수요예측 소프트웨어 패키지인 ‘R 2.
- 본 장에서는 대체적인 수요예측법의 상대적 퍼포먼스와 1가지 범주형 변수(장비그룹), 7가지 연속형 변수들(상관계수, 기울기, 가변성, 왜도, 첨도, 간헐성, 평균 수요량)과의 상관관계를 분석하였다. 그 중 <표 4>에서 장비그룹, <표 5>에서 가변성, 왜도, 첨도가 대체적인 수요예측법의 상대적인 퍼포먼스와 유의한 관계가 있음을 보였으며, 상관계수, 기울기, 간헐성, 평균 수요량은 대체적인 수요예측법의 상대적인 퍼포먼스와 유의하지 않은 관계를 보였다.
- 300종의 아이템에 대한 시계열들 및 150개의 그룹에 대한 시계열들을 각각 연, 분기, 월 단위로 묶었으며, 표에 제시된 수치는 각각의 수요 시계열들에 대한 통계적 특성치의 평균이다. 분석을 단순화하기 위해 8종의 장비 그룹들을 3종의 장비그룹들(함포/레이더, 주기관, 발전기/공기압축기)로 묶었다. 이러한 묶음은 장비의 기능적 특성에 근거를 두었다.
- 이는 수요예측 값간 퍼포먼스의 차가 뚜렷하게 다르지는 않음을 의미한다. 산점도의 추세를 명확하게 보여주기 위하여 자료에 적합화한 최소자승직선을 포함하였다. 최소자승직선의 기울기에서 보는 바와 같이 낮은 가변성에서 RCF의 퍼포먼스가 향상됨을 알 수 있다.
- 장비 그룹별로 수요 특성을 살펴보았다. 함포/레이더 시계열에서는 상대적으로 높은 간헐성과 낮은 평균 수요량에서 알 수 있듯이 상대적으로 더 간헐적이고 더 소량인 수요를 관찰할 수 있고; 주기관 시계열에서는 상대적으로 낮은 상관계수, 더 가파른 기울기, 낮은 간헐성, 높은 평균 수요량에서 알 수 있듯이 상대적으로 낮은 상관관계, 더 가파른 감소추세, 덜 간헐적이며, 다량인 수요를 관찰할 수 있고; 발전기/공기압축기 시계열에서는 상대적으로 더 높은 가변성, 더 높은 왜도와 첨도로부터 상대적으로 더 가변적인 수요와, 정규분포로부터 더 먼 편의를 관찰할 수 있다.
- 전반적으로 해군 수리부속 수요를 예측함에 있어서 조합수요예측법이 더 정확한 예측치를 산출 하나 40%의 경우 직접수요예측법이 오히려 더 정확한 예측치를 산출하는 바 대체적인 수요예측법과 수요예측법 선택의 가이드로서의 수요 특성간의 관계를 규명하기 위해 1가지 범주형 변수인 장비그룹과 7가지 연속형 변수인 상관계수, 기울기, 가변성, 왜도, 첨도, 간헐성, 평균 수요량을 분석하고 변수 값의 변화가 대체적인 수요예측법의 상대적 퍼포먼스에 미치는 영향을 분석하였다. 8가지 변수들중 장비그룹, 가변성, 왜도, 첨도가 수요예측법의 상대적 퍼포먼스와 유의한 상관관계가 있었다.
대상 데이터
- 9,369종의 수리부속들이 이에 해당하는 데 그중 높은 비율의 수리부속들에 대한 수요가 없었음을 확인하였다. 과거 수요가 없었던 시계열 자료를 가지고서는 효과적인 수요예측이 불가능하기 때문에 본 연구에서는 해당 6년 중 5개년 이상 수요가 있었던 수리부속들만 사용하였다. 이와 같은 조건으로 361종의 수리부속들이 선정되었는데 이 361종의 수리부속들에 대한 수요는 전체 9,369종의 수리부속들에 대한 수요의 약 60%에 해당하였다.
- 본 논문은 총 6장으로 구성된다. 제 2장에서는 비정규적 수요를 예측하기 위한 예측모형을 다룬 연구와 계층적 수요예측법과 직접수요예측법을 비교한 기존 연구를 개관한 후 계층적 수요예측법과 직접수요예측법의 상대적 퍼포먼스와 수요 특성의 상관관계에 대한 연구들을 소개한다.
- 수리부속 수요 특성을 분석하기 위해 3가지 종류의 함형에 탑재 되어 있는 8종의 장비들(함포 I·II·III, 주기관 I·II, 발전기, 공기압축기, 레이더)에 사용되는 수리부속에 대한 2002년 1월부터 2007년 11월까지의 수요 실적 자료를 사용하였다.
데이터처리
- <표 2>는 연구에 사용한 수리부속 수요의 통계적 특성치를 보여 준다. 300종의 아이템에 대한 시계열들 및 150개의 그룹에 대한 시계열들을 각각 연, 분기, 월 단위로 묶었으며, 표에 제시된 수치는 각각의 수요 시계열들에 대한 통계적 특성치의 평균이다. 분석을 단순화하기 위해 8종의 장비 그룹들을 3종의 장비그룹들(함포/레이더, 주기관, 발전기/공기압축기)로 묶었다.
성능/효과
- 전반적으로 해군 수리부속 수요를 예측함에 있어서 조합수요예측법이 더 정확한 예측치를 산출 하나 40%의 경우 직접수요예측법이 오히려 더 정확한 예측치를 산출하는 바 대체적인 수요예측법과 수요예측법 선택의 가이드로서의 수요 특성간의 관계를 규명하기 위해 1가지 범주형 변수인 장비그룹과 7가지 연속형 변수인 상관계수, 기울기, 가변성, 왜도, 첨도, 간헐성, 평균 수요량을 분석하고 변수 값의 변화가 대체적인 수요예측법의 상대적 퍼포먼스에 미치는 영향을 분석하였다. 8가지 변수들중 장비그룹, 가변성, 왜도, 첨도가 수요예측법의 상대적 퍼포먼스와 유의한 상관관계가 있었다. 다른 장비그룹들 보다 간헐성이 높은 동시에 매우 적은 수요량을 보이는 함포/레이더 그룹에서 조합수요예측법이 더 신뢰성 있는 예측치를 산출하였으며, 가변성, 왜도, 또는 첨도가 증가할수록 조합수요예측법의 직접수요예측법에 대한 상대적 우월성이 감소함을 보여주었다.
- 수리부속 수요 특성을 분석하기 위해 3가지 종류의 함형에 탑재 되어 있는 8종의 장비들(함포 I·II·III, 주기관 I·II, 발전기, 공기압축기, 레이더)에 사용되는 수리부속에 대한 2002년 1월부터 2007년 11월까지의 수요 실적 자료를 사용하였다. 9,369종의 수리부속들이 이에 해당하는 데 그중 높은 비율의 수리부속들에 대한 수요가 없었음을 확인하였다. 과거 수요가 없었던 시계열 자료를 가지고서는 효과적인 수요예측이 불가능하기 때문에 본 연구에서는 해당 6년 중 5개년 이상 수요가 있었던 수리부속들만 사용하였다.
- <표 6>은 일원분산분석결과 유의한 수요 특성치를 보여 준다. 가변성의 경우 RDF의 평균값(2.21)은 RCF의 평균값(2.03) 보다 높으며, 왜도의 경우 RDF의 평균값(3.68)은 RCF의 평균값(3.41) 보다 높고, 첨도의 경우에도 RDF의 평균값(17.42)은 RCF 의 평균값(15.27) 보다 높았다. 세 가지 변수 값이 증가함에 따라 RDF에 유리한 결과를 보여준 것이다.
- 그 중 에서 장비그룹, 에서 가변성, 왜도, 첨도가 대체적인 수요예측법의 상대적인 퍼포먼스와 유의한 관계가 있음을 보였으며, 상관계수, 기울기, 간헐성, 평균 수요량은 대체적인 수요예측법의 상대적인 퍼포먼스와 유의하지 않은 관계를 보였다.
- 8가지 변수들중 장비그룹, 가변성, 왜도, 첨도가 수요예측법의 상대적 퍼포먼스와 유의한 상관관계가 있었다. 다른 장비그룹들 보다 간헐성이 높은 동시에 매우 적은 수요량을 보이는 함포/레이더 그룹에서 조합수요예측법이 더 신뢰성 있는 예측치를 산출하였으며, 가변성, 왜도, 또는 첨도가 증가할수록 조합수요예측법의 직접수요예측법에 대한 상대적 우월성이 감소함을 보여주었다.
- 모든 시계열은 유의한 상관계수(0.33～0.56), 음의 기울기, 높은 가변성, 높은 왜도와 첨도를 보였으며, 분기 및 월간 시계열은 높은 간헐성을 보였다. 이는 그룹 내 시계열들이 서로 상관관계가 있고, 감소 추세이며, 매우 가변적이고, 왼쪽으로 치우치고 뾰족한 분포이며, 매우 간헐적인 시계열임을 나타낸다.
- 셋째, 본 연구에서는 간헐성이 높은 동시에 매우 적은 수요량을 보이는 함포/레이더 그룹 수요에 대해 다른 그룹 수요에서보다 조합수요예측법의 퍼포먼스가 더 우월함을 보여주었는데 에서 밝힌 바와 같이 일원분산분석에 의하면 간헐성과 평균 수요량은 통계적으로 유의하지 않는 변수이다.
- 과거 수요가 없었던 시계열 자료를 가지고서는 효과적인 수요예측이 불가능하기 때문에 본 연구에서는 해당 6년 중 5개년 이상 수요가 있었던 수리부속들만 사용하였다. 이와 같은 조건으로 361종의 수리부속들이 선정되었는데 이 361종의 수리부속들에 대한 수요는 전체 9,369종의 수리부속들에 대한 수요의 약 60%에 해당하였다. 이러한 자료 선정절차는 80/20규칙(즉, 고 빈도 아이템을 집중적으로 관리하는 것이 예산절감을 위해 더 중요하다)에 의해 정당화 될 수 있을 것이다.
- 제 3.2절에서 보았듯이 함포/레이더 그룹 시계열은 상대적으로 높은 간헐성과 낮은 평균 수요량을 관찰할 수 있었는데, RCF의 함포/레이더 그룹에서 더 우월할 퍼포먼스를 관찰할 수 있는 바 이는 RCF 가 더 간헐적인 동시에 더 소량인 수요 특성을 보이는 시계열에 적합할 수 있음을 시사한다.
- 주기관과 발전기/공기압축기 그룹에서 RDF의 빈도는 기대빈도보다 높게 RCF의 빈도는 기대빈도보다 낮게 관찰된 반면, 함포/레이더 그룹에서는 RDF의 빈도는 기대빈도보다 낮게 RCF의 빈도는 기대보다 높게 관찰되었다. 이와 같은 결과는 RCF가 함포/레이더 그룹에서 보다 더 신뢰성 있는 예측치를 산출했음을 의미한다.
후속연구
- 대체적인 수요예측법(RCF와 RDF)의 상대적 퍼모먼스와 수요 특성치의 상관관계를 밝힌다면 수요 특성에 따른 수요예측법 선택의 가이드를 제공할 수 있을 것이다. 본 연구에서는 대체적인 수요예측법의 퍼포먼스와 8가지 수요 특성들(즉, 1가지 범주형 변수(장비그룹)와 7가지 연속형 변수(상관계수, 기울기, 가변성, 왜도, 첨도, 간헐성, 평균 수요량))과의 상관관계를 분석하였다.
- 첫째 제 1장에서 밝힌 바와 같이 계층적 수요예측법은 수리부속 수요 같은 비정규적인 수요를 예측하는 데에 효과적일 수 있는데 비정규적 수요인 대단히 가변적인 수요(erratic demand) 또는 간헐적인 수요(intermittent demand)를 측정할 수 있는 가변성 또는 간헐성 같은 수요 특성치들의 계층적 수요예측법의 퍼포먼스에 대한 영향을 분석한 연구가 없다. 둘째 많은 연구에서 상관계수의 계층적 수요 특성에 미치는 영향을 연구하였는데 비정규적인 수요들 간의 상관계수는 다를 수 있을 것이다. 그러나 비정규적인 수요들 간의 상관계수를 다룬 연구가 없었다.
- 향후 이와 같이 극단적으로 간헐적인 수요를 예측할 수 있는 기법에 대한 연구가 필요할 것이다. 둘째 본 연구에서는 가변성, 첨도, 왜도의 변화에 따라 대체적인 수요예측법의 상대적 퍼포먼스가 변함을 보여주었는데 상기 변수의 어느 지점에서 조합수요예측법 또는 직접수요예측법을 사용해야 한다고 명확하게 제시하지는 못하였다. 향후 본 연구에서 발견한 세 가지 변수의 어느 지점에서 어떤 수요예측법을 사용해야한다는 것을 명확하게 제시하는 추가적인 연구가 필요하다.
- 둘째 본 연구에서는 가변성, 첨도, 왜도의 변화에 따라 대체적인 수요예측법의 상대적 퍼포먼스가 변함을 보여주었는데 상기 변수의 어느 지점에서 조합수요예측법 또는 직접수요예측법을 사용해야 한다고 명확하게 제시하지는 못하였다. 향후 본 연구에서 발견한 세 가지 변수의 어느 지점에서 어떤 수요예측법을 사용해야한다는 것을 명확하게 제시하는 추가적인 연구가 필요하다. 셋째, 본 연구에서는 간헐성이 높은 동시에 매우 적은 수요량을 보이는 함포/레이더 그룹 수요에 대해 다른 그룹 수요에서보다 조합수요예측법의 퍼포먼스가 더 우월함을 보여주었는데 <표 5>에서 밝힌 바와 같이 일원분산분석에 의하면 간헐성과 평균 수요량은 통계적으로 유의하지 않는 변수이다.
- 첫째 본 연구에서는 해당 6년 중 5개년 이상 수요가 있었던 수리부속들만 사용한 결과 약 40%의 수요에 해당하는 수리부속들이 연구에 포함 되지 않았다. 향후 이와 같이 극단적으로 간헐적인 수요를 예측할 수 있는 기법에 대한 연구가 필요할 것이다. 둘째 본 연구에서는 가변성, 첨도, 왜도의 변화에 따라 대체적인 수요예측법의 상대적 퍼포먼스가 변함을 보여주었는데 상기 변수의 어느 지점에서 조합수요예측법 또는 직접수요예측법을 사용해야 한다고 명확하게 제시하지는 못하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.