• 지능정보연구
• /
• 제18권4호
• /
• pp.43-57
• /
• 2012

제조업에 있어서 판매 후 서비스 건수와 내용 등은 향후 서비스 제공을 위한 자원배분의 효율성 증진과 서비스 품질 향상을 위해서도 매우 중요한 정보이다. 따라서 기업들은 향후 발생하는 판매 후 서비스에 대해 정확히 예측하고 그에 따라 적절히 대처하는 능력을 확보할 필요성이 제조업을 중심으로 증가하고 있다. 그러나 실제로 이들 기업들이 활용하고 있는 서비스 수요예측 방법들은 전통적인 통계적인 예측기법이거나, 시뮬레이션을 기반한 기법들이다. 예를 들면, 전통적인 통계적인 예측기법으로는 회귀분석(regression analysis)의 경우, 다양한 제품모델에 대한 판매 후 서비스 발생 패턴이 선형적인 관계가 매우 적음에도 불구하고 선형으로 가정하여 추정한다는 점과 적정한 회귀식을 가정하여야 되며, 이러한 가정이 실제 경영환경에서는 매우 어렵다는 점 등이 기존의 예측기법들의 한계점으로 지적되고 있다. 본 연구에서는 디지털 TV 모델을 생산 판매 하는 A사의 사례연구를 통하여 최근 인공지능연구에서 각광을 받고 있는 사례기반추론(case-based reasoning; CBR) 기법을 활용한 서비스 수요예측 프레임워크를 제안하고자 한다. 또한, 사례기반추론에서 핵심적인 역할 중 하나인 유사 사례추출 방법에 있어서 가장 일반적인 nearest-neighbor 방법 이외의 유사 사례추출 방법을 제안하고자 한다. 특히, 본 연구에서 제안하는 유사 사례추출 방법은 인공신경망(artificial neural network)을 활용한 자기조직화지도(Self-Organizing Maps : SOM) 군집화 기법을 활용한 유사 사례추출 방식으로 이를 활용한 서비스 수요예측 프레임워크에 구현하고, 실제 기업의 판매 후 서비스 데이터를 활용하여 본 연구에서 제안하는 서비스 수요 예측 프레임워크의 유효성을 실증적으로 검증하고자 한다.

• 한국임상보건과학회지
• /
• 제2권2호
• /
• pp.126-132
• /
• 2014

Purpose. Because traditional statistics approach had limitations in learning future forecasting and major factors causing occupational injuries in each industry, this paper develops a model forecasting and evaluating occupational injury rate by using a system dynamics model through the analysis of the industry injury statistics and the project for industry injury prevention. Method. The model of this paper consists of 12 total models such as a model of employees, of industrial disaster victims, of injury rate, etc.; In the analysis of firm size, it is classified and developed according to 12 groups on the basis of the number of employees, and in the analysis of industrial classification, it is done according to 10 total business fields such as manufacturing business, construction one, etc. Results. This paper suggests the methodology which forecasts industry injury rate by business field and size on the basis of developed model, and evaluates an industry injury prevention project from various angles. Conclusions. This paper deduced problem through the analysis of an industry injury by business fields and a comparative analysis of foreign cases, and analyzed to affect industry injury prevention by industry. And it also analyzed actual condition of industry injury, and did a difference in the level of safety consciousness according to the general characteristics of workers and occupational safety and health education related characteristics. In result, this paper suggests that analyzing occupational injury related factors, a safety budgetary allocation, and industry injury related factors can reduce illness costs such as employees' injury and medical care, and also assist cost for a disability.

• 동아시아경상학회지
• /
• 제1권1호
• /
• pp.17-21
• /
• 2013

Purpose: Forecasting of petroleum consumption is useful in planning and management of petroleum production and control of air pollution. Research Design, Data and Methodology: ARMA models, sometimes called Box-Jenkins models after the iterative Box-Jenkins methodology usually used to estimate them, are typically applied to auto correlated time series data. Results: Petroleum consumption modeling plays a role key in big urban air pollution planning and management. In this study three models as, MLFF, MLFF with GARCH (1,1) and ARMA(1,1), have been investigated to model the petroleum consumption forecasts. Certain standard statistical parameters were used to evaluate the performance of the models developed in this study. Based upon the results obtained in this study and the consequent comparative analysis, it has been found that the MLFF with GARCH (1,1) have better forecasting results.. Conclusions: Survey of data reveals that deposit of government policies in recent yeas, petroleum consumption rises in Tehran and unfortunately more petroleum use causes to air pollution and bad environmental problems.

• 한국시스템다이내믹스연구
• /
• 제8권2호
• /
• pp.175-190
• /
• 2007

Stock market volatility largely depends on firms' value and growth opportunities. However, with the globalization of world economy, the effect of the synchronization in major countries is gaining its importance. Also, domestically, the business cycle and cash market of the country are additional factors needed to be considered. The main purpose of this research is to attest the application and usefulness of System Dynamics as a general stock market forecasting tool. Throughout this research, System Dynamics suggests a conceptual model for forecasting a KOSPI(Korea Composite Stock Price Index), taking the factors of the composite stock price indexes in traditional researches. In conclusion of this research, System Dynamics was proved to bean appropriate model for forecasting the volatility and direction of a stock market as a whole. With its timely adaptability, System Dynamic overcomes the limit of traditional statistic models.

• 산업경영시스템학회지
• /
• 제43권4호
• /
• pp.59-66
• /
• 2020

In this study, we consider the problem of forecasting the number of inbound foreigners visiting Korea. Forecasting tourism demand is an essential decision to plan related facilities and staffs, thus many studies have been carried out, mainly focusing on the number of inbound or outbound tourists. In order to forecast tourism demand, we use a seasonal ARIMA (SARIMA) model, as well as a SARIMAX model which additionally comprises an exogenous variable affecting the dependent variable, i.e., tourism demand. For constructing the forecasting model, we use a search procedure that can be used to determine the values of the orders of the SARIMA and SARIMAX. For the exogenous variable, we introduce factors that could cause the tourism demand reduction, such as the 9/11 attack, the SARS and MERS epidemic, and the deployment of THAAD. In this study, we propose a procedure, called Measuring Impact on Demand (MID), where the impact of each factor on tourism demand is measured and the value of the exogenous variable corresponding to the factor is determined based on the measurement. To show the performance of the proposed forecasting method, an empirical analysis was conducted where the monthly number of foreign visitors in 2019 were forecasted. It was shown that the proposed method can find more accurate forecasts than other benchmarks in terms of the mean absolute percentage error (MAPE).

• 한국항해항만학회지
• /
• 제44권5호
• /
• pp.407-413
• /
• 2020

In this paper we examined a novel extension of the convergence empirics for the maritime business cycle which considers structure breaks and/or changes. To provide theoretical justification, the convergence hypothesis uses the relaxed assumption to technology shocks. Based on the recent empirical results provided by Kim and Chang (2020), we consider nonlinear dynamics that capture the properties on structural changes in the equilibrium adjustment process. This approach bridges the gap between the theoretical framework and empirical specifications. In particular, we applied the convergence hypothesis to the multiple structure change model for the maritime business cycle. Our application to the maritime data showed support of the convergence hypothesis allowing multiple structure changes during the high volatile period and offers additional insight into the forecasting maritime business cycles.

• Communications for Statistical Applications and Methods
• /
• 제10권1호
• /
• pp.153-166
• /
• 2003

This study presents the time-divided forecasting model to integrate evolutionary optimization algorithm and change point detection based on artificial neural networks (ANN) for the prediction of (Korea) stock price index. The genetic algorithm(GA) is introduced as an evolutionary optimization method in this study. The basic concept of the proposed model is to obtain intervals divided by change points, to identify them as optimal or near-optimal change point groups, and to use them in the forecasting of the stock price index. The proposed model consists of three phases. The first phase detects successive change points. The second phase detects the change-point groups with the GA. Finally, the third phase forecasts the output with ANN using the GA. This study examines the predictability of the proposed model for the prediction of stock price index.

• 지능정보연구
• /
• 제16권4호
• /
• pp.67-84
• /
• 2010

미래에 대한 정확한 예측은 경영자, 또는 기업이 수행하는 경영의사결정에 매우 중요한 역할을 한다. 예측만 정확하다면 경영의사결정의 질은 매우 높아질 수 있을 것이다. 하지만 점점 가속화되고 있는 경영 환경의 변화로 말미암아 미래 예측을 정확하게 하는 일은 점점 더 어려워지고 있다. 이에 기업에서는 정확한 예측을 위하여 전문가의 휴리스틱뿐만 아니라 과학적 예측모형을 함께 활용하여 예측의 성과를 높이는 노력을 해 오고 있다. 본 연구는 사례기반추론모형을 예측을 위한 기본 모형으로 설정하고, 데이터 간의 유사도 측정에 퍼지 관계의 개념을 적용함으로써 개선된 예측성과를 얻고자 하였다. 특히, 독립변수 중 기호 데이터 형식의 속성을 가지는 변수들간의 유사도를 측정하기 위해 이진논리의 개념(일치여부의 판단)과 퍼지 관계 및 합성의 개념을 이용하여 도출된 유사도 매트릭스를 사용하였다. 연구 결과, 기호 데이터 형식의 속성을 가지는 변수들 간의 유사도 측정에서 퍼지 관계 및 합성의 개념을 적용하는 방법이 이진논리의 개념을 적용하는 방법과 비교하여 더 우수한 예측정확성을 나타내었다. 그러나 유사도 측정을 위해 다양한 퍼지합성방법(Max-min 합성, Max-product 합성, Max-average 합성)을 적용하여 예측하는 경우에는 예측정확성 측면에서 퍼지 합성방법 간의 통계적인 차이는 유의하지 않았다. 본 연구는 사례기반추론 모형의 구축에서 가장 중요한 유사도 측정에 있어서 퍼지 관계 및 퍼지 합성의 개념을 적용함으로써 유사도 측정 및 적용 방법론을 제시하였다는데 의의가 있다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.1-22
• /
• 2017

사업타당성 분석이나 기업 기술가치평가 등 미래의 사업에 대한 진입이나 투자 타당성을 분석하기 위해서는 새로운 사업과 관련한 시장을 추정하고 그 안에서 확보 가능한 매출을 객관적으로 추정하는 과정이 필수 불가결하다. 이런 신규 매출이나 시장규모의 추정 방법은 다양한 방법으로 구분이 가능한데 크게 정량적인 방법과 정성적인 방법으로 구분할 수 있다. 그러나 두 가지 방법 모두 많은 자원과 시간을 필요로 한다. 그래서 우리는 신규 사업의 평가지원을 위한 데이터 기반의 지능형 매출 예측 시스템을 제안하고자 한다. 본 연구는 사업타당성 분석이나 기술가치평가를 위한 신규 사업의 매출 추정 시스템을 개발하는데, 알고리즘 기반으로 전통적인 정량 예측방법 중 하나인 유추방법에 주목했다. 동일한 국내 산업에서 최근 창업한 기업의 매출 실적을 국내 신규 사업의 매출액을 추정하는 유추 대상 변수로 활용할 수 있는지 검토한다. 여기서 유추예측 대상은 최초 매출액과 초기 성장률이며, 주요 비교 차원은 산업분류, 창업시기 등이 고려된다. 특히 본 연구는 우리나라 창업 기업이 가지는 매출 성장률의 평균회귀 현상을 활용하는 지능형 정보 지원 시스템을 제안하다. 본 연구에서는 신규 매출 추정을 위해서 역사적 자료인 창업 매출 실적을 활용하는 방법이 적절한지 판단하기 위해서 잠재성장모형 등을 활용해 산업분류에 따른 신규 사업의 초기 매출액과 연도별 성장률이 산업분류별로 차이가 있는지 분석한다. 기존 기업의 창업 후 4년간 매출 성과의 종단자료를 잠재성장모형으로 분석하는데, 특정 산업분류에서 차이를 보여주는지 분석해 산업분류가 유추 예측에서 고려해야할 유의미한 변수인지 분석하는 것이다. 본 연구의 결과는 신속하고 객관적인 신규 사업 매출 추정을 가능하게 하는 지능형 정보시스템을 개발하게 해서 사업성타당성 분석이나 기술가치평가 과정의 효율성을 개선시켜 줄 것으로 기대된다.

• 유통과학연구
• /
• 제12권2호
• /
• pp.59-71
• /
• 2014

Purpose - In recent years, many firms have attempted various approaches to cope with the continual increase of aviation transportation. The previous research into freight charge forecasting models has focused on regression analyses using a few influence factors to calculate the future price. However, these approaches have limitations that make them difficult to apply into practice: They cannot respond promptly to small price changes and their predictive power is relatively low. Therefore, the current study proposes a freight charge-forecasting model using time series data instead a regression approach. The main purposes of this study can thus be summarized as follows. First, a proper model for freight charge using the autoregressive integrated moving average (ARIMA) model, which is mainly used for time series forecast, is presented. Second, a modified ARIMA model for freight charge prediction and the standard process of determining freight charge based on the model is presented. Third, a straightforward freight charge prediction model for practitioners to apply and utilize is presented. Research design, data, and methodology - To develop a new freight charge model, this study proposes the ARIMAC(p,q) model, which applies time difference constantly to address the correlation coefficient (autocorrelation function and partial autocorrelation function) problem as it appears in the ARIMA(p,q) model and materialize an error-adjusted ARIMAC(p,q). Cargo Account Settlement Systems (CASS) data from the International Air Transport Association (IATA) are used to predict the air freight charge. In the modeling, freight charge data for 72 months (from January 2006 to December 2011) are used for the training set, and a prediction interval of 23 months (from January 2012 to November 2013) is used for the validation set. The freight charge from November 2012 to November 2013 is predicted for three routes - Los Angeles, Miami, and Vienna - and the accuracy of the prediction interval is analyzed using mean absolute percentage error (MAPE). Results - The result of the proposed model shows better accuracy of prediction because the MAPE of the error-adjusted ARIMAC model is 10% and the MAPE of ARIMAC is 11.2% for the L.A. route. For the Miami route, the proposed model also shows slightly better accuracy in that the MAPE of the error-adjusted ARIMAC model is 3.5%, while that of ARIMAC is 3.7%. However, for the Vienna route, the accuracy of ARIMAC is better because the MAPE of ARIMAC is 14.5% and the MAPE of the error-adjusted ARIMAC model is 15.7%. Conclusions - The accuracy of the error-adjusted ARIMAC model appears better when a route's freight charge variance is large, and the accuracy of ARIMA is better when the freight charge variance is small or has a trend of ascent or descent. From the results, it can be concluded that the ARIMAC model, which uses moving averages, has less predictive power for small price changes, while the error-adjusted ARIMAC model, which uses error correction, has the advantage of being able to respond to price changes quickly.