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
- 본 논문에서는 기존 간헐적 수요예측 분석방법에서 탈피하여 인공신경망을 적용한 분석을 실시하였다.
제안 방법
- ARIMA기법의 실험은 각 품목별로 시계열 특성에 맞는 차분을 적용시켜 최적의 ARIMA기법을 선택하도록 하였다. Croston기법은 평활계수(alpha=0.
- 다음 분기 예측 값과 마 지막 분기의 실제 값을 비교하여 MAE(Mean Absolute Error, 절대평균오차)를 통해 정확도를 측정하였다. 각 품목별 적용시킨 예측결과를 통해 각각의 MAE를 구하고 전체 품목에 대한 평균 MAE를 산출하였다.
- 간헐적 품목은 평균수 요발생구간(ADI)와 변동계수(CV²)를 사용하여 식별하였 다.
- 과거 정성적인 방법을 사용하여 예측하던 시기가 있었지만 이후 이동평균법, 지수평활법과 같은 시계열 분석기법을 사용하여 예측을 시도하였다. 하지만 이는 간헐적 수요에 대한 특성을 고려하지 않은 방법으로 정확도가 낮게 나타났다.
- 본 연구에서는 ARIMA, 지수평활, Croston, TSB, 인공신경망을 적용하여 각 기법별 결과를 산출하였다.
- 본 연구에서는 인공지능의 한 기법인 인공신경망을 적용하여 간헐적 품목에 대한 수요예측을 실시하였다.
대상 데이터
- 각 품목별에 대해 7개년 간 28개의 분기별 자료 86,576건의 시계열 자료를 사용하였으며 마지막 기간을 제외한 데이터를 모형 설계에 사용하였다. 다음 분기 예측 값과 마 지막 분기의 실제 값을 비교하여 MAE(Mean Absolute Error, 절대평균오차)를 통해 정확도를 측정하였다.
- 본 연구에서는 육군 장비정비정보체계의 궤도 특정장비 의 2010년부터 2016년까지 7개년 간 품목별 소모실적 자료를 활용하여 분석을 실시하였다. 간헐적 품목은 평균수 요발생구간(ADI)와 변동계수(CV²)를 사용하여 식별하였 다.
- 분류기준에 따라 전체 6,222품목 중 간헐적인 수요패턴을 가진 3,092품목을 식별하여 분석대상으로 선별하였다.
- 실험에 사용한 인공신경망(Artificial Neural Network)은 Feed-Forward 방식으로 하나의 은닉층(hidden Layer)으로 다수의 노드들로 구성되어 있다.
데이터처리
- 각 품목별에 대해 7개년 간 28개의 분기별 자료 86,576건의 시계열 자료를 사용하였으며 마지막 기간을 제외한 데이터를 모형 설계에 사용하였다. 다음 분기 예측 값과 마 지막 분기의 실제 값을 비교하여 MAE(Mean Absolute Error, 절대평균오차)를 통해 정확도를 측정하였다. 각 품목별 적용시킨 예측결과를 통해 각각의 MAE를 구하고 전체 품목에 대한 평균 MAE를 산출하였다.
성능/효과
- 3개의 모수 ARIMA(p,d,q)의 형태로 자기회귀, 이동평균, 계절적 변동의 차분을 통해 가장 최적의 모형을 찾는다.
- 간헐적 수리부속의 소모데이터를 토대로 6가지 기법별 비교분석을 실시하였고 기존 타 기법에 비해 인공신경망 의 수요예측의 정확도가 높음을 확인할 수 있었다. 이는 인공신경망이 가진 장점이 적용될 수 있다는 것을 보여준 사례가 되었으며 앞으로 신경망을 적용한 수요예측 연구 의 초석을 다지는 계기가 마련되었다고 본다.
- 9를 사용한다. 실험 결과를 통해 수요의 변동이 심한 간헐적 데이터에 대해 평활계수를 높일수록 예측오차를 줄일 수 있음을 확인하였다. 이는 실험 데이터에 대해 최근의 수요에 비중을 두어 예측했을 경우 조금 향상된 결과를 나타냈다고도 볼 수 있다.
- <표 2>의 실험결과에서 보듯 6개의 기법별 실험결과 인공 신경망 기법이 가장 오차가 적은 우수한 결과를 나타냈다.
- 지수평활은 정규분포를 가정하므로 간헐적 수요에서 오차가 크게 나타났다. 이러한 단점을 극복하기 위해 수요미발생구간과 수요의 크기에 대하여 지수평활을 각각 적용 한 Croston기법이 지수평활법에 비해 오차가 상대적으로 낮게 나타났다.
후속연구
- 간헐적 수리부속의 소모데이터를 토대로 6가지 기법별 비교분석을 실시하였고 기존 타 기법에 비해 인공신경망 의 수요예측의 정확도가 높음을 확인할 수 있었다. 이는 인공신경망이 가진 장점이 적용될 수 있다는 것을 보여준 사례가 되었으며 앞으로 신경망을 적용한 수요예측 연구 의 초석을 다지는 계기가 마련되었다고 본다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.