건국대학교 산업공학과 Ch 7. 공급사슬에서의 수요예측. 기업과 공급사슬에서 예측의 역할을 이해 수요예측의 요소를 파악 시계열 방법론을 이용한 수요 예측 Contents 과거의 수요정보는 미래 수요를 예측하는데 어떻게 사용할 수 있고, 이러한 예측들이 어떻게 공급사슬에.

Presentation on theme: "건국대학교 산업공학과 Ch 7. 공급사슬에서의 수요예측. 기업과 공급사슬에서 예측의 역할을 이해 수요예측의 요소를 파악 시계열 방법론을 이용한 수요 예측 Contents 과거의 수요정보는 미래 수요를 예측하는데 어떻게 사용할 수 있고, 이러한 예측들이 어떻게 공급사슬에."— Presentation transcript:

1 건국대학교 산업공학과 Ch 7. 공급사슬에서의 수요예측

2 기업과 공급사슬에서 예측의 역할을 이해 수요예측의 요소를 파악 시계열 방법론을 이용한 수요 예측 Contents 과거의 수요정보는 미래 수요를 예측하는데 어떻게 사용할 수 있고, 이러한 예측들이 어떻게 공급사슬에 영향을 주는지 설명하고, 수요를 예측하고 예측의 정확성을 평가 하는 방법들을 기술한다. 예측오차를 평가하기 위한 수요 예측 분석

3 공급사슬에서 예측의 역할  공급사슬 계획에서 기초를 형성  푸시 프로세스 – 고객의 수요 예측 생산, 운송 등의 활동 수준을 계획  풀 프로세스 – 고객의 실질적인 수요 생산 가용량과 재고 수준을 계획  Dell Computer 사 보유 중인 부품의 양과 공장의 생산능력을 결정하기 위해 미래 수요 예측  Intel 사 생산량과 재고수준을 결정하기 위해 미래 수요 예측  공급사슬의 정확한 예측은 고객에게 즉각적인 대등과 효율적인 서비스를 제공  공급사슬의 각 단계들이 협력적인 예측을 통해 공급과 수요를 일치시켜 자신들의 생산능력을 개선  안정적 수요 ( 성숙된 제품 ) & 불안정적 수요 ( 패션산업이나 고기술 제품들 ) 미래 고객 요구가 무엇인가를 예측

4 예측의 특성  예측은 항상 틀릴 수 있으며, 반드시 예측의 기대 값과 오차를 측정할 수 있는 지표를 포함해야 함  장기 예측은 단기 예측보다 정확하지 않음. 즉 장기 예측은 단기 예측의 경우보다 평균에 대한 오차의 표준편차가 훨씬 크다는 것을 의미  총괄 예측은 독립예측보다 더 정확함. 즉 총괄 예측은 평균에 대한 오차의 표준편차를 더 작게 만드는 경향이 있음을 의미  공급사슬에서 상류단계의 회사일수록 왜곡된 정보를 획득하기 쉬움 ( 채찍효과 )

5 예측의 요소와 기법  수요예측에 관련한 요인  과거의 수요  제품의 보충 리드타임  계획된 광고나 마케팅 노력  경제상황  계획된 가격 할인  경쟁사들의 활동  수요예측 기법  정성적 예측  시계열 예측  인과적 예측  시뮬레이션 “ 복수의 예측기법을 활용하는 것이 효과적임 ”  관찰된 수요 = 체계적 요소 + 무작위적인 요소 : 수요의 기대값 : 예측오차

6 수요 예측 기법  정성적 방법 ( 주관적 )  인간의 판단과 의견에 의존하여 미래를 예측하는 기법  과거 데이터를 얻을 수 없는 경우, 전문가가 예측에 중요한 시장지식을 가지고 있을 경우 사용 ( 예 : 새로운 사업에서 미래의 몇 년 간의 수요예측 ) 시장조사법 패널동의법 (Panel Consensus) 판매원 의견조사법 자료유추법 델파이법 (Delphi method)

7 수요 예측 기법  정량적 방법 ( 객관적 )  과거의 객관적 자료를 토대로 미래를 예측하는 기법  시계열분석법 (Time Series Analysis) 과거의 수요 데이터는 미래 수요를 위한 좋은 지표라는 가정 환경의 변화가 안정적이고 기본 수요 패턴의 변화가 안정적일 경우 사용 ( 예 : 생활용품의 수요 )  인과형 예측법 (Causal Method) 수요예측은 환경에서 어떤 인과적 요인과 매우 높은 연관성이 있다는 가정 수요와 환경적 요소와의 연관관계를 찾아냄으로써 미래수요를 예측 ( 예 : 수요에 대한 가격 정책의 영향 )  시뮬레이션 (Simulation methods) 수요를 낳는 소비자들의 선택과정을 모의로 구현함으로써 예측 ( 예 : 경쟁사가 가까이에 새로운 가게를 열 경우의 영향 )

8 수요예측의 기본적인 접근방법  효율적인 예측을 위한 6 단계  1 단계 : 예측목적 이해 무엇을 위해 예측을 하는지, 원하는 예측기간을 확실히 함  2 단계 : 수요계획과 예측 통합 공급사슬 내에서의 모든 계획활동들을 예측기능과 연결 ( 생산능력, 생산, 촉진, 구매 등 )  3 단계 : 고객층 정의 및 이해 고객 그룹화 – 서비스 요구, 수요량, 주문빈도, 수요 휘발성 및 계절성 등을 고려 서로 다른 고객계층에 대해서 다른 예측기법 사용 ( 고객층에 대한 명확한 이해가 필요 )  4 단계 : 수요예측에 영향을 미치는 주요 요소 파악 수요 측면 – 수요가 증가, 감소, 또는 계절적인 형태를 가지고 있는지 확인 – 예측은 판매데이터가 아닌 수요를 기반으로 실시

9 수요예측의 기본적인 접근방법 – 예측제품이 다른 생산제품들과 어떤 관계 ( 보완 or 대체 ) 가 있는지 고려 – 리드타임과 서비스 정책에 있어서 모든 계획된 변경사항을 파악하고 수요에 미치는 영향을 인지 공급측면 – 예측의 정확도를 고려하여 가능한 공급처를 선정 제품측면 – 제품 종류의 수 및 제품들의 대체 및 보완될 수 있는지를 파악  5 단계 : 적합한 예측 기법 결정 혼합된 예측방법을 사용하는 것이 효과적  6 단계 : 예측에 대한 성과와 오차 측정할 지표 선정 기업의 예측의 정확성과 적시성 평가

10 시계열 예측기법  시계열분석 (Time Series)  제품이나 서비스의 수요를 발생시간에 따라 관찰한 것  과거의 행태가 미래에도 지속된다는 가정하에 예측하는 기법  독립변수를 사용하지 않고 과거자료 중 종속변수만을 고려하여 과거수요에 영향을 미친 요소만으로 모형을 개발하여 미래의 수요 예측  Simple Model  기본구성요소 추세변동 (T) – 평균수요량의 장기적 점진적 변화 순환변동 (C) – 경기순환에 따른 예측 불가능의 변동 계절변동 (S) – 1 년 이내의 일정한 패턴의 변동 우연변동 (R) - 불규칙적인 변동으로 확률적 오차  가법모형 (Additive Model) Y = T+C+S+R  승법모형 (Multiplicative Model) Y = TxCxSxR  혼합모형 (Hybrid Model) Y = (T+C)xS+R

11 시계열 예측기법 추세변동 (T) 우연변동 (R) 계절변동 (S) 순환변동 (C) T D T D T D T D D : Demand T : Time

12 시계열 예측기법 (Static Model)  Static Model  새로운 수요에서 체계적 요소가 관찰되지 않고, 변화가 없다는 전제 하에 수준, 추세, 계절성 변수 추정  과거의 데이터를 기초로 각 변수 추정하여 미래 예측 = 0 기간의 수준 추정 (0 기간에 대한 비계절적인 수요의 추정 ) = 추세 추정 ( 기간별 수요의 증가 또는 감소 ) = t 기간에 대한 계절적 요인 추정 = t 기간에 측정된 실제 수요 = t 기간에 대한 예측 수요

13 시계열 예측기법 (Static Model)  정적인 기법 : 예제  비계절화된 수요 (Deseasonalized Demand) — 계절적인 변동을 배제한 수요 — 수준과 추세를 추정하기 전에 수요 데이터를 비계절화 시켜야함 - P 가 짝수일 때 - P 가 홀수일 때 p (periodicity) : 주기성  계절적 요인 없는 경우

14 시계열 예측기법 (Static Model)  정적인 기법 : 예제  Model Forecast = ( 수준 + 추세 ) * 계절적 요인

15 시계열 예측기법 (Static Model)  정적인 기법 : 예제  비계절화된 수요 (Deseasonalized Demand) = 18.439+524t

16 시계열 예측기법 (Static Model)  정적인 기법 : 예제  계절적 요인 추정 : t 기간에 대한 계절적 요인 : 계절적 주기 기간 pt + 1, pt + 2, ….., pt + p 기간에 대한 계절적 요인

17 시계열 예측기법 (Static Model) Period tDemand D t Deseasonalized DemandSeasonal Factor 18,00018,9630.420.47 213,00019,4870.670.68 323,00020,0111.151.17 434,00020,5351.66 510,00021,0590.47 618,00021,5830.83 723,00022,1071.04 838,00022,6311.68 912,00023,1550.52 1013,00023,6790.55 1132,00024,2031.32 1241,00024,7271.66 13 11,868 14 17,527 15 30,770 16 44,794  계절성를 고려한 수요예측

18 시계열 예측기법 (Static Model)  정적인 기법 : 예제  계절적 요인 추정

19 시계열 예측기법 (Adaptive Model)  적응적 기법 (Adaptive Model)  각 수요를 측정한 후에 수준, 추세 그리고 계절성 추정치를 갱신  기간 t 에서 t + l 에 대한 예측 = t 기간의 끝 시점에서 추정된 수준 = t 기간의 끝 시점에서 추정된 추세 = t 기간에 끝 시점에서 추정된 계절적 요인 = t 기간에 측정된 실제 수요 = t 기간에 대한 예측 (t-1 혹은 더 이른 시점에서 ) = t 기간의 예측 오차 = t 기간에서의 예측오차의 절대치 = (Mean Absolute Deviation) = 의 평균값

20 시계열 예측기법 (Adaptive Model)  적응적 기법 : 이동평균법  추세나 계절성이 관찰되지 않을 경우 사용 — 수요의 체계적 요소 = 수준 — t+1 시점의 수요가 관찰된 후, and Same for all future period

21 시계열 예측기법 (Adaptive Model)  적응적 기법 : 이동평균법

22 시계열 예측기법 (Adaptive Model)  적응적 기법 : 단순지수평활법  추세나 계절성이 관찰되지 않을 경우 사용 — 수요의 체계적 요소 = 수준 — t+1 시점의 수요가 관찰된 후, and Same for all future period

23 시계열 예측기법 (Adaptive Model)  적응적 기법 : 단순지수평활법

24 시계열 예측기법 (Adaptive Model)  적응적 기법 : 홀트모델  계절성이 없는 추세가 관찰되는 경우 사용 — 수요의 체계적 요소 = 수준 + 추세 — 초기값 는 선형회귀로 추정 — t+1 시점의 수요가 관찰된 후, and

25 시계열 예측기법 (Adaptive Model)  적응적 기법 : 홀트모델

26 시계열 예측기법 (Adaptive Model)  적응적 기법 : 윈터모델  계절성이 있는 추세가 관찰되는 경우 사용 — 수요의 체계적 요소 = ( 수준 + 추세 )* 계절적 요인 — 초기값 는 정적 기법 이용 — t+1 시점의 수요가 관찰된 후, and

27 시계열 예측기법 (Adaptive Model)  적응적 기법 : 윈터모델

28 예측오차의 측정  예측의 오차  예측 오차 = 예측치 – 실측치  예측 오차 추정방법  평균자승오차 (Mean Squared Error, MSE) : 예측오차의 산포도 측정 예측오차의 변동 추정  평균절대오차 (Mean Absolute Deviation, MAD) : 예측오차의 산포도 측정 무작위요소의 표준편차 (σ) 추정

29 예측오차의 측정  예측오차 추정방법 ( 계속 )  평균절대백분율오차 (Mean Absolute Percentage Error, MAPE) 수요의 크기에 대한 상대적 예측오차  추적지표 (Tracking Signal) 예측기법이 실제수요변화를 정확히 예측하고 있는지를 나타내는 지표 추적지표를 계산하여 관리도의 형태로 운영 CFE (Cumulative Sum of Forecast Errors) : 예측오차의 음의 값과 양의 값을 상쇄, Bias 를 측정하는 데 유용 편향성은 0 주위에서 변동하면 정확도가 좋다는 의미 TS<-6 : 부족예측 TS> 6 : 과다예측

30 건국대학교 산업공학과