cpt.3 예측 예측 Forecasting

학습목표 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ 이동평균법 회귀분석법 계절성 예측오차 창조적 수요관리

수요 예측(Demand Forecasting) 수요 예측 = Art + Science Supplier Input Process Output Customer Make to stock Make to order

수요예측 오류의 사례

예측 미래의 값에 대한 예상 판매계획,생산계획,인력계획,재무계획 등 기업활동을 위한 기초자료 제공 기업특성에 따른 활용방식 시장생산-생산계획,재고관리 주문생산-생산능력,원자재 확보

수요에 영향을 미치는 요인 경기변동 제품수명주기 기타-광고,판촉활동,유통구조,경쟁업체의 가격결정,고객의 신뢰

수요의 구성 요소 기간 동안 평균 수요 추세(trend) 계절적 요인(seasonality) 순환 요인(cycle) 불규칙 변동(irregular variation) 우연변동(random variation) 1 2 3 4 x 연도 수요 계절적 변동 추세 평균

예측기간에 따른 분류 1) 단기예측: 6개월 이내 2) 중기예측: 6개월~2년 3) 장기예측: 2년 이상

예측기법에 따른 분류

경영자 판단법 판매원 판단법 정성적 방법 시장조사법 역사적 유추법 델파이 기법 패널 동의법

Delphi Mathod 예측 분야의 전문가 그룹을 선정 전문가들에게 4~6회의 설문지로 의견 수렴 최종 결과를 예측치로 사용 불확실성이 크거나 과거의 자료가 없는 경우 유용 생산능력, 설비계획, 신제품개발, 시장전략 등 장기예측이나 기술예측에 적합 단점 시간과 비용이 많이 듬 Rand Corporation의 Helmer.Olaf에 의해 개발 10

시계열 분석 단순예측법(Naive Method) 평균화기법(Techniques for Averaging or Smoothing) 최소자승법(Least Squares Method) 단순이동평균법(Moving Average) 가중이동평균법(Weighted Moving Average) 지수평활법(Exponential Smoothing) 추세조정 지수평활법 Will discuss general linear regression later.

단순예측법(Naive Method) 이번 기의 수요량만큼 다음 기에 판매될 것이라고 예측 초보적 방법 가장 최근의 실제수요가 다음 기의 예측수요가 된다 F(t) = A(t-1) e.g. Sold 50 tires last week, so expect to sell 50 this week 계절적 요소 작년 같은 계절의 실제수요량을 금년 같은 계절의 예측수요량 으로 추측 F(t) = A(t-n) e.g. Sold 400 chocolate roses during period of Apr/11, so expect to sell 400 during Apr/12 추세를 감안 직전 2기의 실제수요 증감량만큼 이번 기의 수요량을 보정하여 다음 기의 수요량을 예측 F(t) = A(t-1) + [A(t-1) – A(t-2)] e.g. Sold 50 yesterday, and 45 the day before. Assume demand will increase 5, for 55 today Will address the most obvious method first.

최소자승법 (Least Squares Method) Y = a + bx 절편 a=? 기울기 b=? Y : 예측값 X : 시간 1) ∑Y=na+b ∑X ∑XY=a ∑X+b ∑X² ★ X는 기본점에서부터 기간의 수이므로, 시계열의 중간점을기본점으로 선택하게 되면 ∑X가 0이 된다. ∑Y=na → a = ∑Y / n ∑XY=b ∑ X² → b = ∑XY / ∑X² 36

예제: 아래 주어진 자료를 이용하여 미래 수요예측을 위한 회귀분석 모형을 도출하고 6주째의 판매액을 예측하시오.

예측에 대한 모니터링 - 관리도 48

추적지표(Tracking Signal) 누적예측오차(RSFE)와 절대평균오차(MAD)의 비 추적지표(TS)는 예측의 정확도를 나타내는 신호, 음수의 값을 나타내면 예측치가 실제치보다 크고, 양수의 값을 나타내면 예측값이 실제값보다 낮은 것을 의미한다. 따라서 누적오차값이 0에 가까울 수록 정확한 예측이 이루어졌음을 나타내준다. 허용 가능한 추적지표의 값의 범위는 ±4 또는 ±5의 한계가 자주 사용

수요관리 및 수요예측 키워드 정리 시계열(Time Series)분석: 과거자료를 추세선, 계절변동, 장기변동주기, 우연적 오차 등으로 분석한 후 이에 근거하여 미래를 예측하는 분석하는 방법 단순이동평균법(Simple Moving Average Method): 다음 기간의 수요예측을 위해 현재부터 과거 일정기간의 실제수요를 평균한 값을 사용하는 예측방법 가중이동평균법 (Weighted Moving Average Method): 최근의 자료에 가중치를 두어 현재부터 과거 일정기간의 실제수요를 사용하여 예측하는 방법 지수평활법(Exponential Smoothing Method): 최근 수요에 더 많은가중치를 부과하는 발전된 형태의 가중이동평균법 최소자승법(Least Squares Method): 자료가 직선상으로 나타날 때 실제값과 예측값의 오차의 자승의 합이 최소가 되도록 하는 직선식을 찾아 예측하는 방법 인과형분석(Causal Relationship Method): 하나의 사건이 다른 것에 영향을 미치는 원인관계를 찾아 함수관계로 예측하는 기법 TS (추적지표Tracking Signal) = RSFE(누적 예측 오차) / MAD(평균 절대 오차) = Σ(A - F) / MAD = Σ(A −F) / Σ|A − F| / n