$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

제품특성을 활용한 시장에서의 제품수명주기 추정방법 연구개발

Development of Attributes-based Product Life Cycle Prediction Model

보고서 정보
주관연구기관 고려대학교 산학협력단
연구책임자 강필성
참여연구자 김형석 , 김동화 , 류나현 , 김보섭
보고서유형최종보고서
발행국가대한민국
언어 한국어
발행년월2015-11
주관부처 미래창조과학부
KA
사업 관리 기관 한국과학기술정보연구원
Korea Institute of Science and Technology Information
등록번호 TRKO201600000559
DB 구축일자 2016-04-16
키워드 기술가치평가,제품수명주기,Bass 확산 모형,회귀분석,유전자알고리즘Technology valuation,Product-life cycle (PLC),Bass diffusion model,Regression,Genetic algorithms

초록

○ 신기술의 가치평가를 위해서는 기술이 활용된 신제품의 향후 수익을 측정할 수 있어야 하며, 이를 위해서는 과거 수요 데이터가 존재하지 않는 출시 전 신제품의 수명주기를 예측해야 함
○ 신제품 수명주기 예측 모형 개발을 위해 제품의 확산 특성을 결정짓는 제품 속성을 규명한 제품속성 DB를 구축하고, 기존 제품의 연간 수요 데이터를 바탕으로 제품수요 DB를 구축함
○ 제품 속성을 이용하여 Bass Model의 모수를 추정하는 신제품 수명주기 예측 모형으로서, 회귀분석 모델을 구축하고 성능을 비교·분석함
ㆍ 제품수요 D

Abstract

Ⅳ. Result of the study
○ A product demand DB containing annual sales data of 124 products is produced
○ A product attribute DB is produced by defining 22 variables of five categories (industry, market, technology, product and use) and measuring the values of the variables through expert judgme

목차 Contents

  • 표지 ... 1
  • 제출문 ... 2
  • 보고서 요약서 ... 3
  • 요약문 ... 4
  • Summary ... 7
  • Contents ... 10
  • 목차 ... 12
  • 표목차 ... 14
  • 그림목차 ... 15
  • 제1장 서론 ... 17
  • 제1절 연구의 배경 및 필요성 ... 17
  • 제2절 연구의 목적 ... 21
  • 제3절 연구의 내용 및 구성 ... 22
  • 제2장 배경이론 ... 24
  • 제1절 제품 수명 주기 예측 ... 24
  • 제2절 Bass 모형 ... 29
  • 제3절 회귀분석 기법 ... 35
  • 제4절 유전자 알고리즘 ... 46
  • 제3장 신제품 수명주기 예측을 위한 DB 구축 ... 48
  • 제1절 제품 수요 DB 구축 ... 48
  • 제2절 제품 속성 DB 구축 ... 54
  • 제4장 제품속성 기반 Bass 모형 모수 예측 ... 58
  • 제1절 제품별 확산 양상 분석 ... 58
  • 제2절 데이터 개요 및 전처리 ... 60
  • 제3절 회귀분석모델 구축 및 평가 ... 61
  • 제5장 제품 속성 최적화 ... 72
  • 제1절 유전자 알고리즘을 이용한 제품 속성 최적화 ... 72
  • 제2절 제품 속성 최적화 결과 ... 74
  • 제3절 최적화된 제품 속성 DB를 이용한 Bass 모수 예측 ... 76
  • 제6장 결론 ... 81
  • 제1절 연구 결과 ... 81
  • 제2절 한계점 및 추후 과제 ... 83
  • 참고문헌 ... 84
  • 부록 ... 87
  • [부록 3-1] 제품 속성 DB (최적화 전) ... 87
  • [부록 4-1] Bass 모형 추정 R Code ... 92
  • [부록 4-2] 제품별 Bass 모형 모수 ... 94
  • [부록 4-3] Bass 모형 추정 결과(좌: 연간수요, 우: 누적수요) ... 97
  • [부록 4-4] 다중 선형 회귀분석 R Code ... 135
  • [부록 4-5] k-인접이웃 R Code ... 137
  • [부록 4-6] 인공신경망 R Code ... 142
  • [부록 4-7] 지지벡터회귀 R Code ... 148
  • [부록 4-8] 가우시안 프로세스 회귀 R Code ... 155
  • [부록 4-9] Bass 모수 (log(M)) 예측 결과 (제품 속성 최적화전) ... 159
  • [부록 4-10] Bass 모수 (p) 예측 결과 (제품 속성 최적화 전) ... 162
  • [부록 4-11] Bass 모수 (q) 예측 결과 (제품 속성 최적화 전) ... 165
  • [부록 5-1] 유전자 알고리즘을 이용한 제품 속성 최적화 R 코드 ... 168
  • [부록 5-2] 제품 속성 DB (유전자 알고리즘을 이용한 최적화 후) ... 179
  • [부록 5-3] 최적화에 의한 제품 속성 증감 ... 184
  • [부록 5-4] 최적화된 제품 속성을 이용한 Bass 모수 예측 R 코드 ... 189
  • [부록 5-5] Bass 모수 (Log(M)) 예측 결과 (제품 속성 최적화후) ... 197
  • [부록 5-6] Bass 모수 (p) 예측 결과 (제품 속성 최적화 후) ... 200
  • [부록 5-7] Bass 모수 (q) 예측 결과 (제품 속성 최적화 후) ... 203
  • 끝페이지 ... 205

표/그림 (29)

연구자의 다른 보고서 :

참고문헌 (25)

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트