수요계획과 예측 차시명을 입력합니다.

학습 내용 수요계획과 예측 수요예측 기법 시계열 분석 수요예측 프로세스의 구축 수요관리

수요계획과 예측 수요계획 프로세스 수요계획이란 일정 계획기간에 걸쳐 제품과 서비스에 대한 모든 수요를 계획하는 과정. 수요계획은 통계적 분석과 함께 판매, 마케팅, 제품/브랜드 등의 부서들로부터 다양한 투입 정보를 바탕으로 이루어짐. » 통계적 분석의 의의와 한계 통계적 분석은 역사적 수요 데이터에 근거하기 때문에 주관적 판단으로 인한 오류를 방지할 수 있고, 특히 독립적 수요를 가진 최종 제품의 수요를 예측하는데 매우 효과적인 방법. 예를 들어 시계열 분석은 과거 수요의 패턴과 추세를 분석하여 이를 장래 수요를 예측하는데 활용되는 기법. 수요 패턴이 반복적인 특징을 가지며 장래 수요가 과거 수요에서 크게 변화하지 않을 경우 정확도가 높은 예측을 할 수 있음. 수요의 변동성이 높고 반복적인 패턴이 나타나지 않는다면? 경제여건에 근본적인 변화가 발생한다면?

수요계획과 예측 수요계획 프로세스

수요계획과 예측 수요예측의 의의 수요예측은 모든 공급사슬 계획의 기초를 형성하는 중요한 분야 수요예측은 판매계획, 생산계획, 구매계획, 물류계획 등 모든 공급사슬 계획의 수립의 기초를 형성. 수요예측은 맞지 않는 것이 당연하다? 앞으로 전개될 상황에 대해 여러 가지 시나리오를 세우고 대응 방안을 찾는 것이 더 중요하다? 기업은 어떤 형태로든지 수요예측을 필요로 함. 가급적 사용 목적에 부합되고, 과학적이고 논리적이며, 정확도가 높은 예측모델과 시스템을 구축할 필요가 있음. 예측의 중요성을 인식하고 예측역량을 향상시키는데 충분한 노력과 투자를 기울여야 함.

수요계획과 예측 수요예측의 특성 예측 오류의 존재 장기예측과 단기예측 집계예측과 비집계예측 채찍효과 예측을 할 때는 예측오류를 측정할 수 있는 지표를 함께 고려해야 함. 장기예측과 단기예측 장기예측은 단기예측보다 정확도가 떨어짐. 집계예측과 비집계예측 집계예측(aggregate forecasting)은 비집계예측(disaggregate forecasting)에 비해 오류가 낮아지는 경향이 있음. 채찍효과 공급사슬의 상류(上流)에 위치한 기업일수록 왜곡된 정보를 받게 될 가능성이 높음. 공급사슬 상류에 위치한 기업일수록 예측오류가 커지게 됨.

수요예측 기법 수요예측 기법은 크게 정성적 기법과 계량적 기법으로 구분

수요예측 기법 정성적 기법 정성적 예측기법(qualitative forecasting methods)은 주로 주관적이고 인간의 판단에 의존. 과거 데이터가 거의 없고 전문가가 시장에 대한 전문적이고 해박한 지식을 가지고 있을 때 가장 적합한 방법. 미래 새로운 산업이나 시장에 대한 장기적 예측을 수행할 경우 유용하게 활용될 수 있음. 판매원의 예측정보 취합, 전문기관을 통한 시장조사(market survey), 델파이법(Delphi method), 역사적 유추법(historical analogy) 등 시계열 분석 시계열 예측기법(time-series forecasting methods)은 과거의 수요 데이터를 이용하여 예측을 수행할 때 사용. 과거의 수요 패턴이 미래에도 지속될 것이라는 가정에 기초.

수요예측 기법 시계열 분석 (계속) 장래 기본적인 수요 패턴이 크게 변하지 않을 것으로 기대되는 경우에 가장 적합한 방법. 적용하기가 용이하고 초기 수요예측치를 도출하는데 유용하게 활용될 수 있음. 이동평균법(moving average method)과 지수평활법(exponential smoothing method)이 대표적인 기법. 인과모형 인과예측기법(causal forecasting methods)은 수요가 이에 영향을 미치는 환경적 요인(경제여건, 이자율, 소득 등)과 밀접하게 관련되어 있다는 가정에 근거한 방법. 수요와 환경적 요인간의 상관관계를 파악하고 장래 환경적 요인의 추청치를 이용하여 미래 수요를 예측. 회귀분석(regression analysis)이 대표적인 기법.

수요예측 기법의 활용 IBF(Institute of Business Forecasting)가 2004년 316개 미국 기업들을 대상으로 실시한 설문조사 결과

시계열 분석 시계열 분석 시계열 분석(time-series analysis)은 과거의 수요 패턴이 미래에도 지속될 것이라는 가정에 기초. 미래의 수요는 과거 수요 관찰치가 가지는 일정한 패턴을 파악하고 이러한 패턴을 예측기법에 적용함으로써 추정. 시계열 자료의 구성 수준(level) 혹은 평균(average) 추세(trend) 계절적 요인(seasonal factor) 순환적 요인(cyclical factor) 무작위 요인(random factor)

시계열 분석 수요의 체계적 요소 관찰된 수요 = 체계적 요소 + 무작위 요소 체계적 요소(systematic component) 수요의 기대 값을 의미. 추세나 계절적 요인이 포함되지 않은 수준, 수요의 성장 또는 감소 추세, 계절적 요인 등으로 구성. 무작위 요인(random component) 과거의 수요 패턴에 의해 설명되지 않는 부분. 예측 할 수 없으며, 다만 예측오차로 측정. 체계적 요소는 다음과 같은 형태로 표현 승수적(multiplicative): 체계적 요소 = 수준 × 추세 × 계절 요인 합산적(additive): 체계적 요소 = 수준 + 추세 + 계절 요인 혼합적(mixed): 체계적 요소 = (수준 + 추세) × 계절 요인

시계열 분석 Alpha 기업의 수요 패턴

Glossary of Terms Dt 기간t의 수요 Ft+1 기간 t+1의 예측치 Lt 기간 t의 수준 Tt 기간t의 추세 St 기간t의 계절지수 α 수준에 대한 평활상수(smoothing factor) β 추세에 대한 평활상수 γ 계절지수에 대한 평활상수 p 주기(period) Et 예측오차

이동평균법(moving average method) 수요 패턴에 추세나 계절성이 관찰되지 않을 때 사용하는 방법 수요의 체계적 요소 = 수준 N-기간 이동평균법 기간 t의 수요를 추정하기 위해 최근 N 기간 동안의 수요의 평균을 사용. 기간 t의 수준 기간 t+1의 예측치 대표적인 수요예측기법들을 예제와 함께 살펴보기로 하자.

이동평균법 이동평균법에 의한 예측결과

이동평균법 N-기간 가중이동평균법 단순이동평균법은 매 기간 동일한 가중치(여기서는 1/N)를 부여. 가중이동평균법은 기간 별로 서로 다른 가중치(예를 들어 최근 기간에 더 높은 가중치를 부여)를 부여. 기간 t의 수준 기간 t+1의 예측치

지수평활법(exponential smoothing method) 관찰된 실제수요와 이전 예측치에 상대적인 가중치를 두어 새로운 예측치를 구하는 방법. 새로운 예측치 = α(이전 기간의 실제 수요) + (1-α)(이전 기간의 예측치) 지수평활법은 가장 가까운 과거 자료에 가장 큰 가중치를 부여하고 과거로 갈 수록 가중치가 지수적으로 감소하는 특징을 갖은 일종의 가중이동평균법. 단순 지수평활법 단순지수평활법은 수요 패턴에 추세나 계절성이 관찰되지 않을 때 적합한 방법. 수요의 체계적 요소 = 수준

지수평활법 단순 지수평활법 (계속) 기간 t의 수준 기간 t+1의 예측치 초기 수준의 추정치 L0 는 어떻게 구하나? 일반적으로 과거 데이터의 평균치를 이용.

지수평활법 단순 지수평활법에 의한 예측결과

추세, 계절성을 고려한 시계열 분석 추세조정 지수평활법 추세 및 계절조정 지수평활법 홀트 모델(Holt Model) 수요 패턴에 추세가 관찰될 때(단, 계절성이 관찰되지 않을 때) 적합한 방법. 수요의 체계적 요소 = 수준 + 추세 추세 및 계절조정 지수평활법 윈터 모델(Winters Model) 수요 패턴에 추세와 계절성이 모두 관찰될 때 적합한 방법. 수요의 체계적 요소 = (수준 + 추세) × 계절 요인

추세조정 지수평활법 홀트 모델(Holt Model) 기간 t의 수준과 추세 기간 t+1의 예측치 기간 t와 수요 Dt 데이터를 이용한 선형회귀분석 결과를 이용.

추세조정 지수평활법 수준과 추세의 초기 추정치 L0 T0

추세조정 지수평활법 홀트 모델에 의한 예측결과

추세 및 계절조정 지수평활법 윈터 모델(Winters Model) 기간 t의 수준과 추세 기간 t+1의 예측치 수준과 추세의 초기 추정치 추세조정 지수평활법에서 구해진 추정치를 사용.

추세 및 계절조정 지수평활법 계절지수의 추정 과거 데이터를 이용하여 각 주기별 평균수요를 계산 각 기간별 계절지수를 계산 계절지수는 분석기간 중 기간별 계절지수들의 평균치로 구해짐

추세 및 계절조정 지수평활법 윈터 모델에 의한 예측결과

시계열 분석기법의 예측결과 비교

예측오차의 측정 예측오차의 지표 평균제곱오차(MSE, Mean Square Error) 평균절대오차(MAD, Mean Absolute Deviation) 평균절대백분율오차(MAPE, Mean Absolute Percentage Error) 추적지표(TS, Tracking Signal)

수요예측 프로세스의 구축 수요예측 기법의 적합성 통계적 예측기법이 유용

수요예측 프로세스의 구축 수요예측 프로세스의 구축을 위한 고려사항 예측의 목적을 이해한다. 공급사슬 전반에 걸쳐 수요계획과 예측을 통합한다. 고객군을 이해하고 정의한다. 수요예측에 영향을 주는 주요 요인들을 파악한다. 적절한 예측기법을 결정한다. 예측에 대한 성과와 오차를 측정할 지표를 정한다.

CPFR(Collaborative Planning, Forecasting and Replenishment ) 협력적 수요예측 CPFR(Collaborative Planning, Forecasting and Replenishment ) 공급사슬 참여자들이 수요예측, 주문관리, 주문충족 등의 포함한 공급사슬 프로세스를 협력적으로 계획, 운영하도록 함으로써 공급사슬 프로세스의 효율성을 극대화 하려는 전략.

협력적 수요예측 최종 소비자의 수요정보의 공유를 바탕으로 공급사슬 참여자들이 공동으로 수요예측 프로세스를 수행. 단일의 수요예측 시그널을 만들고 이를 공유

수요관리 수요예측을 포함한 수요계획과 함께 수요관리 프로세스의 구축이 중요. 수요관리란 단순히 수요를 예측하는 것에서 벗어나 관련 주체들과 수요계획을 공유하고, 수요에 영향을 미치고 나아가 새로운 수요를 창출할 수 있는 방안을 모색하는 등 보다 능동적으로 수요를 관리하려는 전략.