Module 3. SCM & 수요예측 (고려대학교 이현석 교수)

날짜: 2023년 7월 3일

Part 1. Forecasting (1)

1. 수요예측 기법 및 예측 오차

• 과거에 observe된 데이터를 가지고 예측

1. Naive Method

• 과거 period 정보를 가지고 예측

2. The simple Average

- 평균값을 활용한 예시

⇒ 이렇게 되면 8, 10년 전 데이터도 다 사용하게 됨

⇒ 이게 과연 의미가 있는가

⇒ 최근 몇 년꺼 만 가지고 오자 ⇒ Method 3

3. The Moving Average Forecast

• 과거의 3개월치만 가지고 가져와서 예측하는 방식
• ⇒ 동일한 가중치를 주는게 맞는가 (과거와 최근 데이터의 가중치가 동일)
• ⇒ 최근 데이터에 가중치를 더 주는게 맞지 않나

4. Weighted Moving Average Forecast

• 3개월치 정보를 가지고 가중치를 다르게 주자

5. Exponential Smoothing Forecast

• 가장 최근 데이터를 가중치를 많이 주고, 과거로 갈수록 가중치를 적게 부여하자

2. MSE

• 오차의 제곱 ⇒ 패널티가 엄청나게 커짐

3. MAPE

• 실제 수요값이 얼마나 큰지 scale을 고려함
• 수요값으로 나눠서 error의 percentage를 구하게 됨

Part 2. Forecasting (2)

1. Double Exponential Smoothing

• exponential smoothing을 내가 두 번 쓰겠다
• level에 한 번 쓰고, trend에 한 번 씀. 이후 둘을 더해서 수요예측을 하겠다.

2. 회귀 분석

• intercept: y값, slope: 계수
• Seasonal Index (A/F) ⇒ 실제값을 예측값으로 나눔
• 여름이 In season (1보다 크면)/겨울이 out of season
• 계절성 : 사계절을 의미하는 것이 아님 (시간대, 년도, week 등이 될 수도)
• 상관관계이지, 인과관계는 아님