• 한국융합학회논문지
• /
• 제8권1호
• /
• pp.19-23
• /
• 2017

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수(coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.

• 경영과학
• /
• 제27권2호
• /
• pp.31-44
• /
• 2010

It is very important to forecast demand and determine the optimal procurement quantities of spare parts. The Army has been forecasting demand not with actual usage of spare parts but with request quantities. However, the Army could not purchase all of forecasted demand quantities due to budget limit. Thus, the procurement quantities depend on the item managers' intuition and their meetings. The system currently used contains many problems. This study suggests a new determination procedure; 1) forecasting demand method based on actual usage, 2) determining procurement method through LP model with budge and other constraints. The newly determined quantities of spare parts is verified in the simulation model, that represents the real operational and maintenance situation to measure the operational availability. The result shows that the new forecasting method with actual usage improves the operational availability. Also, the procurement determination with LP improves the operational availability as well.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.658-663
• /
• 2005

This study presents the empirical results of comparing several demand forecasting methods for Supply Chain Management(SCM). Adaptive exponential smoothing using change detection statistics (Jun) is compared with Trigg and Leach's adaptive methods and SAS time series forecasting systems using weekly SCM demand data. The results show that Jun's method is superior to others in terms of one-step-ahead forecast error and eight-step-ahead forecast error. Based on the results, we conclude that the forecasting performance of SCM solution can be improved by the proposed adaptive forecasting method.

• 한국시스템다이내믹스연구
• /
• 제10권1호
• /
• pp.61-76
• /
• 2009

We try to use system dynamics to forecast the demand/supply and price, also transportation fare for iron ore. Iron ore is very important mineral resource for industrial production. The structure for this system dynamics shows non-linear pattern and we anticipated the system dynamic method will catch this non-linear reality better than the regression analysis. Our model is calibrated and tested for the past 6 year monthly data (2003-2008) and used for next 6 year monthly data(2008-2013) forecasting. The test results show that our system dynamics approach fits the real data with higher accuracy than the regression one. And we have run the simulations for scenarios made by possible future changes in demand or supply and fare related variables. This simulations imply some meaningful price and fare change patterns.

• 유통과학연구
• /
• 제10권11호
• /
• pp.31-37
• /
• 2012

Purpose - This study was conducted under the assumption that brand A, a store of company Z of Pangyo, with a new store at Pangyo station is targeting the Bundang-gu area of the newly developed city of Seongnam. Research design, data, methodology - As a result of demand forecasting using geometric series models, an extrapolation of past trends provided the coefficient estimates, without utilizing regression analysis on a constant increase in children's wear, for which the population size and estimated parameter were required. Results - Demand forecasting on the basis of past trends indicates the likelihood that sales of discount stores in the Bundang area, where brand A currently has a presence, would fetch a higher estimated value than that of the average discount store in the country during 2015. If past trends persist, future sales of operational stores are likely to increase. Conclusions - In evaluating location using the simple weighting model, Seohyun Lotte Mart obtained a high rating amongst new stores in Pangyo, on the basis of accessibility, demand class, and existing stores. Therefore, when opening a new counter at a relevant store, a positive effect can be predicted.

• 한국군사과학기술학회지
• /
• 제27권3호
• /
• pp.406-415
• /
• 2024

As the equipment of the military has become more advanced and expensive, the cost of securing spare parts is also constantly increasing along with the increase in equipment assets. In particular, forecasting demand for spare parts one of the important management tasks in the military, and the accuracy of these predictions is directly related to military operations and cost management. However, because the demand for spare parts is intermittent and irregular, it is often difficult to make accurate predictions using traditional statistical methods or a single statistical or machine learning model. In this paper, we propose a model that can increase the accuracy of demand forecasting for irregular patterns of spare parts demanding by using a combination of statistical and machine learning algorithm, and through experiments on Cheonma spare parts demanding data.

• 한국ITS학회 논문지
• /
• 제16권2호
• /
• pp.13-22
• /
• 2017

본 연구는 국도변에 설치되는 화물차휴게소의 이용수요를 예측하는 방법론을 제시하였다. 연구의 진행은 기존의 수요예측 방법론을 검토하여 이를 보완할 사항들을 제시하였다. 연구결과, 수요예측 과정에서 우선 할 사항은 휴게소를 이용할 화물차를 단기주차차량과 장기주차차량으로 구분하는 것이었다. 또한 단기와 장기 등 주차시간에 따라 소요주차면수 산정에 적용되는 이용률과 혼잡률 및 회전율에 차이가 발생하므로 이들 영향요소를 달리 적용할 것이 요구되었다. 그리고 화물차휴게소에 입주하는 업체와 편의시설의 활성화에 따라 서도 이용수요에 영향을 미치므로 이의 반영 필요성도 나타났다. 이로부터 국도변에 설치되는 거점형 화물차휴게소는 고속도로변에 설치되는 화물차전용 휴게소보다 수요예측 과정에 주의를 기울여야 되며, 또한 다양한 영향요소들을 감안할 필요성이 제기되었다.

• 산업경영시스템학회지
• /
• 제40권4호
• /
• pp.253-259
• /
• 2017

Recent development in science and technology has modernized the weapon system of ROKN (Republic Of Korea Navy). Although the cost of purchasing, operating and maintaining the cutting-edge weapon systems has been increased significantly, the national defense expenditure is under a tight budget constraint. In order to maintain the availability of ships with low cost, we need accurate demand forecasts for spare parts. We attempted to find consumption pattern using data mining techniques. First we gathered a large amount of component consumption data through the DELIIS (Defense Logistics Intergrated Information System). Through data collection, we obtained 42 variables such as annual consumption quantity, ASL selection quantity, order-relase ratio. The objective variable is the quantity of spare parts purchased in f-year and MSE (Mean squared error) is used as the predictive power measure. To construct an optimal demand forecasting model, regression tree model, randomforest model, neural network model, and linear regression model were used as data mining techniques. The open software R was used for model construction. The results show that randomforest model is the best value of MSE. The important variables utilized in all models are consumption quantity, ASL selection quantity and order-release rate. The data related to the demand forecast of spare parts in the DELIIS was collected and the demand for the spare parts was estimated by using the data mining technique. Our approach shows improved performance in demand forecasting with higher accuracy then previous work. Also data mining can be used to identify variables that are related to demand forecasting.

• 한국수자원학회논문집
• /
• 제45권11호
• /
• pp.1187-1199
• /
• 2012

본 연구에서는 Wavelet Transform과 Support Vector Machine (SVM)을 결합한 Hybrid 상수도 수요량 예측 모형을 개발하였다. Wavelet Transform 방법을 활용하여 다양한 스케일이 존재하는 상수도 수요량 시계열을 분해하여 단순한 형태의 시계열로 변환하는데 이용하였으며, 비선형 예측모형인 SVM은 이들 단순화된 시계열을 예측하는데 활용하여 예측성능을 극대화시키는 방안을 수립하였다. 본 연구에서는 상수도 수요량 자료에서 내재되어 있는 주기의 특성과 비선형 예측모형의 장점을 서로 연계한 해석이 가능하였으며 시각적인 검토 및 모든 통계지표에서 개선된 예측결과를 확인할 수 있었다. 특히, 기존 ARIMA 모형 계열에서 나타나는 자기예측문제를 상당부분 개선한 결과를 보여줌으로서 실질적인 수요량 예측모형으로서 활용이 가능할 것으로 판단된다.

• 한국빅데이터학회지
• /
• 제3권2호
• /
• pp.59-70
• /
• 2018

특정 지역의 고객을 대상으로 열을 공급하는 지역난방 서비스의 안정적인 운영을 위해서는 단기간의 미래 수요를 보다 정확하게 예측하고, 효율적인 방법으로 생산 및 공급하는 것이 무엇보다 중요하다. 그러나 열 소비에 영향을 미치는 요소가 매우 다양할 뿐만 아니라 개별 소비자 및 지역적 특성에 따라 소비 형태가 달라지기 때문에 일반적인 상황에도 적용될 수 있는 범용적 열 수요 예측 모형을 개발하는 것은 매우 어렵다. 따라서 본 연구에서는 실시간으로 확보할 수 있는 제한적인 정보만을 바탕으로 딥러닝 기법을 활용한 수요예측 모형을 개발하고자 한다. 해당 지역의 외기온도와 날짜로만 구성된 과거 데이터를 입력 변수로 하여 텐서플로의 인공신경망을 학습시키는 방법으로 수요 예측 모형을 개발하였다. 기존의 회귀분석 기법을 통해 예측된 수요의 정확도와의 비교를 통해 제안된 모델의 성능을 평가하였다. 본 연구의 열 수요 예측 모델은 단기적 수요 예측을 위해 실시간으로 확보할 수 있는 제한적인 변수만으로도 수요 예측의 정확도를 높일 수 있음을 보였다. 나아가 개별 지역에서는 지역적 특수성을 추가하여 수요 예측 정확도를 높이는 데 활용할 수 있을 것이다.