• 한국인터넷방송통신학회논문지
• /
• 제18권2호
• /
• pp.197-207
• /
• 2018

다품종 소량생산체제인 중소기업 제조공장은 고객의 니즈를 대응하기 위해 제품을 대량생산하여 판매하는 형태이다. 이는 기업이 재고 부족에 따른 손실을 줄이기 위해 과도한 양의 자재 수급을 의미하고 높은 재고 유지비용이 발생한다. 그리고 수요 대응에 실패한 제품은 관리 창고에 쌓여 있어 재고 보관비용이 발생하는 현실이다. 본 논문은 이러한 문제를 보완하기 위해 시계열 분석 기법인 ARIMA모형을 이용하여 계절적 요인과 같은 시간적인 변동성을 찾아 수요를 예측하고 이를 통해 경제적 주문량 모형 기반의 수요예측 모델을 개발하여 재고 부족 위험을 예방한다. 또한 시뮬레이션을 수행하여 개발 모델의 효용성 평가하고 향후 중소기업에 적용하여 개발 모델의 효과를 입증한다.

• 대한교통학회지
• /
• 제36권2호
• /
• pp.141-154
• /
• 2018

지속적으로 증가하는 국제선 항공수요에 대웅하기 위해 지방 광역권에도 새로운 공항 건설 및 기존 공항 확장 계획이 이루어지고 있다. 그러나 기존 항공수요예측은 우리나라 전체 항공수요 또는 주요 도시 간의 항공수요에 대해서 수행되어 왔으며, 지방의 고유 특성을 고려한 지역별 항공수요예측은 많이 이루어지지 않았다. 본 연구에서는 영남권 국제선 항공수요를 대상으로 하였고, 현실적으로 관측하기 어려운 지방 광역권의 고유 특성을 반영할 수 있는 패널 자료를 활용한 fixed-effects model을 최적 모형으로 제안하였다. 모형 검증결과를 살펴보면 패널 자료 분석은 시계열 특성을 가지는 몇 개의 거시 사회경제지표만을 사용한 모형에서 다루기 어려운 허구적 회귀와 미관찰 이질성을 효과적으로 처리하고 있음을 알 수 있다. 다양한 통계적 검증과 적합성 평가를 통해서 본 연구에서 제안한 fixed-effects model이 다른 계량경제 모형들에 비해서 영남권 국제선 수요예측에 있어서 우수함을 증명하였다.

• 한국가스학회지
• /
• 제19권2호
• /
• pp.20-28
• /
• 2015

화재를 예방하기 위해서는 그에 필요한 정책과 평가가 필요하며, 화재 발생에 대한 적절한 모니터링 기법이 있어야 한다. 이를 위해 품질관리의 기법중의 하나인 관리도를 화재 모니터링에 적용하는 연구가 진행된 바 있다. 그 결과, 통계적으로 겨울에는 많은 화재가 발생한다는 것이 증명되었고, 매년마다 어떤 주기를 띠고 변화한다는 것이 발견되었다. 그럼에도 불구하고, 여름철과 겨울철에 동일한 기준(관리한계선)을 적용할 경우 상대적으로 발생건수가 과다한 겨울에는 과도한 예방활동이 진행되고, 여름에는 잠재이상이 있는 경우에도 발생건수 감소에 따른 착시현상으로 인해 활동이 부족해질 가능성이 있다. 이때, 각 계절별로 다른 관리 한계선을 적용시킨다면 합리적인 예측과 보다 효과적인 이상 패턴의 모니터링이 가능해질 수 있다. 따라서 본 연구에서는 발생건수를 대상으로 시간에 따라 변하는 시계열 모델을 사용하여 화재발생 빈도 예측 모델계수의 체계적인 설정과정을 ARIMA 모델을 기반으로 제안하였다. 이를 바탕으로 화재발생 패턴의 개선된 분석과 이에 기반한 보다 체계적인 예방활동을 진행할 수 있을 것으로 기대한다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.169-179
• /
• 2021

소비자의 식품소비행동은 소비자 패널 데이터와 같은 정형 데이터 뿐 아니라 매스미디어와 소셜미디어(SNS) 등 비정형 데이터로부터 영향을 받을 가능성이 높아지고 있다. 본 연구에서는 식품소비 관련된 정형 데이터와 비정형 데이터를 연계한 융합데이터 셋에 대하여 딥러닝 기반의 소비예측 모델을 생성하고 이를 검증한다. 연구의 결과는 정형 데이터와 비정형 데이터를 결합할 때 모델 정확도가 향상되었음을 보여주었다. 또한 비정형 데이터가 모델 예측 가능성을 향상시키는 것으로 나타났다. 변수들의 중요도를 식별하기 위해 SHAP 기법을 사용한 결과 블로그 및 비디오 데이터 관련 변수가 상위 목록에 있었고, 파프리카 구매 금액과 양의 상관관계가 있음을 알 수 있었다. 또한 실험 결과에 따르면 머신러닝 모델이 딥러닝 모델보다 높은 정확도를 보였고, 기존의 시계열 분석 모델링에 대한 효율적인 대안이 될 수 있음을 확인하였다.

• 대한토목학회논문집
• /
• 제30권4B호
• /
• pp.347-359
• /
• 2010

실시간 홍수예측시스템의 구성에서 장래 강우 양상(지속기간, 강우강도 등)에 대한 가정으로 인하여 홍수예측의 신뢰성을 높이기 어려웠다는 점을 해결하기 위하여 현재까지의 강우, 현재수위 및 상류지역의 수위를 기반으로 홍수를 예측할 수 있는 간단한 웹기반모형을 구성하였다. 대상유역인 대전광역시의 도심하천 구간에서 각 수위 및 강우관측소들 간의 자료들을 활용하고, 현재까지의 관측 자료들을 이용하여 최대 2시간 후의 수위변화를 예측할 수 있는 회귀분석 모형을 구성하였다. 자료의 전송은 MS-Excel 2007을 기반으로 하여 금강홍수통제소와 국가수자원관리 종합정보홈페이지의 강우 및 수위자료를 실시간으로 읽어오는 방식으로 자료를 연결하였다. 각각의 선행시간에 대하여 예측한 결과 실제 실측치를 예측하는 과정에서 표준편차가 최대 5 cm, 평균 표준편차가 1~4 cm에 머무르고 있는 점 및 수정 결정계수의 값이 대부분 0.95 이상을 나타내는 점 등을 살펴보면 전체적으로 예보모형이 안정적으로 운영이 되고 있음을 알 수 있었다. 다만 본 회귀모형의 특성이 유역반응의 정상성을 가정하여 구성된 것을 감안한다면 어느 정도 기간까지 정상성을 유지할 수 있는가의 문제 및 시계열분석 기법의 적용은 추후 연구가 더욱 필요할 것으로 보인다.

• 한국직업건강간호학회지
• /
• 제25권1호
• /
• pp.65-74
• /
• 2016

Purpose: The purpose of this study is to predict industrial accident rate using time series analysis. Methods: The rates of industrial accident and occupational injury death were analyzed using industrial accident statistics analysis system of the Korea Occupational Safety and Health Agency from 2001 to 2014. Time series analysis was done using the most recent data, such as raw materials of Economically Active Population Survey, Economic Statistics System of the Bank of Korea, and e-National indicators. The best-fit model with time series analysis to predict occupational injury was developed by identifying predictors when the value of Akaike Information Criteria was the lowest point. Variables into the model were selected through a series of expertises' consultations and literature review, which consisted of socioeconomic structure, labor force structure, working conditions, and occupational accidents. Results: Indexes at the meso- and macro-levels predicting well occurrence of occupational accidents and occupational injury death were labor force participation rate for ages 45-49 and budget for small scaled workplace support. The rates of industrial accident and occupational injury death are expected to decline. Conclusion: For reducing industrial accident continuously, we call for safe employment policy of economically active middle aged adults and support for improving safety work environment of small sized workplace.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2013년도 춘계 종합학술대회 논문집
• /
• pp.423-424
• /
• 2013

오늘날 기업 평가 및 실적예측에 있어 유형 자산 뿐 아니라 지식재산권과 같은 무형자산의 중요성이 대두되고 있다. 이에 따라 대표적인 무형자산 중 하나인 특허 정보를 활용하여 기업실적간의 상관관계에 관련된 연구들이 많이 행해지고 있다. 기존 연구들은 분석 기업의 출원 및 등록 수만을 고려하여 업종의 특성과 출원 및 등록된 특허의 질을 고려하지 않은 연구들이 많이 이루어졌다. 본 연구에서는 특허가 제약 분야에 속한 기업의 실적에 미치는 영향을 실증적으로 연구하기 위해 미국에 상장된 제약기업 30개를 대상으로 10년간의 특허 및 기업실적을 나타내는 시계열자료를 통해 실증적으로 분석하였다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1077-1093
• /
• 2020

해수면 온도는 전 세계 해양, 기상 현상에 영향을 주고 해양 환경 변화와 생물에게 영향을 주는 중요한 요소이다. 특히, 우리나라 남해안을 비롯한 연안 지역의 경우 어업 및 양식업 등의 수산업이 많이 발달하여, 매년 고수온 현상으로 인한 사회·경제적 피해가 발생하고 있다. 따라서 위성 자료와 같은 광범위한 지역을 감시할 수 있는 자료를 활용한 해수면 온도 및 공간적 분포의 예측기술 개발을 통하여 피해를 예방할 수 있는 시스템을 구축할 필요가 있다. 해수면 온도 예측은 기존의 수치 모델을 통해서 예측을 진행하였지만, 다수의 역학적 요인들을 사용하여 예측 결과 산출 시 복잡함이 존재한다. 최근 기계학습 및 딥러닝 기법이 발달함에 따라 해양 분야의 예측에 적용하는 연구가 진행되고 있다. 본 연구는 그 중 시·공간적인 일관성 및 정확도가 높은 장단기 기억(Long Short Term Memory, LSTM)과 합성곱 장단기 기억(Convolutional Long Short Term Memory, ConvLSTM) 딥러닝 기법을 사용하여 남해지역의 해수면온도 예측 및 2017년부터 2019년까지의 고수온 발생 건에 대해서 예측 결과의 공간 분포와 공간 분포와 예측 가능성에 대해 분석을 하였다. 1일 예측 모델의 정확도는 RMSE 기준으로 ConvLSTM(전체: 0.33℃, 봄: 0.34℃, 여름: 0.27℃, 가을: 0.32℃, 겨울: 0.36℃)이 LSTM 기반의 예측 모델(전체: 0.40℃, 봄: 0.40℃, 여름: 0.48℃, 가을: 0.39℃, 겨울: 0.34℃)보다 우수한 성능을 보였다. 2017년 고수온 발생 사례에 대해 해수면 온도 예측과 고수온 탐지 성능에서 ConvLSTM은 5일까지 경보를 탐지하였지만, LSTM의 경우 2일 예측 이후 해수면 온도를 과소 추정하는 경향이 커짐에 따라 탐지하지 못하였다. 시공간적인 해수면 온도 예측 시 ConvLSTM이 LSTM에 비해 적절한 모델로 판단된다.

• 응용통계연구
• /
• 제22권5호
• /
• pp.995-1005
• /
• 2009

금융 시계열 자료들 간의 상관계수는 자산의 배분, 위험관리 그리고 포트폴리오의 선택에 있어서 중요한 역할을 한다. 이러한 상관계수들을 모형화하기 위해 단변량-GARCH 모형을 다변량-GARCH 모형으로 확장시킨 MGARCH류 모형들에 대한 많은 연구들이 진행되고 있다. 특히, CCC 모형 (Bollerslev, 1990)과 DCC 모형 (Engle, 2002)은 다른 모형들에 비해 추정해야 할 모수의 수가 작다는 이점으로 인해 분석에 널리 쓰이고 있다. 본 논문에서는 국내 주가자료에 대해 CCC 모형과 DCC 모형을 적합시킨 후, 각 모형들에 대한 VaR(value at risk)와 사후검증(back-testing), 결합예측영역(joint prediction region) 등을 통하여 두 모형의 예측 능력을 비교해 보고자 한다.

• 디지털콘텐츠학회 논문지
• /
• 제19권2호
• /
• pp.377-383
• /
• 2018

사물인터넷(IoT) 서비스는 스마트 환경이 발전하면서 다양한 데이터를 생산하고 있다. 이 데이터는 사용자의 상황을 판단하는 중요한 데이터로 사용된다. 그렇기 때문에 센서의 이상 상태를 실시간으로 모니터링하고 이상 데이터를 탐지하는 것이 중요하다. 하지만 데이터 구조와 프로토콜이 다양하기 때문에 표준화된 데이터 구조로 변환하는 과정이 필요하다. 그럼으로써 데이터의 품질을 보장하고 정확한 분석을 통해 서비스의 품질까지 좋아지는 효과를 기대할 수 있다. 본 논문은 수집된 센서의 이상탐지를 위해 빅데이터 기반의 이상탐지 시스템을 제안한다. 제안한 시스템은 이상탐지를 위해 데이터 표준화 전처리와 시계열 기반의 이상탐지가 우수한 SVM(Support Vector Machine) 모델을 적용하였다. 실험에서는 전처리와 전처리되지 않은 데이터를 각각 학습시키고 비교하였다. 그 결과, 전처리된 데이터는 이상 장애를 정확히 탐지하고 예측하였다.