• 지능정보연구
• /
• 제8권2호
• /
• pp.159-175
• /
• 2002

웹 마이닝은 e-Business 환경하에서 존재하는 대량의 웹 데이터에 데이터 마이닝 기법을 적용하여 유용하고 이해 가능한 정보를 추출해내는 과정을 의미하는데, 성공적인 e-Business전개를 위한 핵심적인 기술이다. 본 논문은 인공지능 기법에 기반한 웹마이닝 기술을 활용하여 e-Business상의 온라인 고객의 특성을 분석할 수 있는 data visualization system과 구매 판매 예측시스템의 효과적인 구조와 핵심적인 분석절차를 제안하였다.

• 지능정보연구
• /
• 제7권1호
• /
• pp.97-121
• /
• 2001

본 연구에서는 웹 마이닝을 이용하여 기업과 소비자간 전자상거래(Business-To-Customer Electronic Commerce)환경에 기초한 가상상점(Cyber market)의 상품 관리자 입장에서 효율적인 상품관리를 가능케 하는 시스템적 접근방법을 통한 상품관리 방법론을 제시하고자 한다. 또한 이 상품 관리 방법론을 실제 웹 상에서 운영되고 있는 가상상점에 직접 적용하여 봄으로써 실증적인 예를 보여주고자 한다.

• Industrial Engineering and Management Systems
• /
• 제12권3호
• /
• pp.244-253
• /
• 2013

In industries, shipping is an important issue in improving the forecasting accuracy of sales. This paper introduces a hybrid method and plural methods are compared. Focusing the equation of exponential smoothing method (ESM) that is equivalent to (1, 1) order autoregressive-moving-average (ARMA) model equation, a new method of estimating the smoothing constant in ESM had been proposed previously by us which satisfies minimum variance of forecasting error. Generally, the smoothing constant is selected arbitrarily. However, this paper utilizes the above stated theoretical solution. Firstly, we make estimation of ARMA model parameter and then estimate the smoothing constant. Thus, theoretical solution is derived in a simple way and it may be utilized in various fields. Furthermore, combining the trend removing method with this method, we aim to improve forecasting accuracy. This method is executed in the following method. Trend removing by the combination of linear and 2nd order nonlinear function and 3rd order nonlinear function is executed to the original production data of two kinds of bread. Genetic algorithm is utilized to search the optimal weight for the weighting parameters of linear and nonlinear function. For comparison, the monthly trend is removed after that. Theoretical solution of smoothing constant of ESM is calculated for both of the monthly trend removing data and the non-monthly trend removing data. Then forecasting is executed on these data. The new method shows that it is useful for the time series that has various trend characteristics and has rather strong seasonal trend. The effectiveness of this method should be examined in various cases.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.1-7
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.210-216
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2006년도 춘계 국제학술대회 논문집
• /
• pp.235-240
• /
• 2006

The existing inventory managements bear a relation to forecasting or assumptions. So these methods become more complicated and more expensive systems as time goes. This paper developed a practical inventory system which is called DCC(demand control chart). DCC does not 'forecast' but 'control' the trend of demand without assumptions. According to the trend of sales, DCC adjusts an order quantity considering the capacity of shelf in a store. Specially, DCC is a useful method under FRID system. Besides, this paper introduces EPFR(Every Period Full Replenishment) policy for reducing stocks.

• 조명전기설비학회논문지
• /
• 제22권2호
• /
• pp.63-70
• /
• 2008

본 논문은 현 배전계통계획시스템(DISPLAN)의 지역전력수요예측 알고리즘을 개선하여 다중회귀분석을 이용한 지역전력수요예측 알고리즘을 제시하였다. 지역전력수요예측 알고리즘은 예측의 정확도를 높이기 위해 지역경제와 지역인구와 과거의 판매전력량을 입력변수로 사용하였다. 사례연구로 경북의 경산시, 구미시, 김천시, 영주시를 선정하여 제안한 방법의 정확도를 분석하였다. 사례연구 결과 제안한 방법의 전반적인 정확도는 11.2[%]로 DISPLAN의 12[%]보다 향상되었다. 특히 입력변수의 변동성이 심한 지역의 경우에서 많이 개선되었다. 제안된 방법은 배전계통시스템의 최적투자를 위한 지역전력수요예측에 사용될 것으로 사료된다.

• 산업경영시스템학회지
• /
• 제42권3호
• /
• pp.109-115
• /
• 2019

Most demand forecasting studies for telecommunication services have focused on estimating market size at the introductory stage of new products or services, or on suggesting improvement methods of forecasting models. Although such studies forecast business growth and market sizes through demand forecasting for new technologies and overall demands in markets, they have not suggested more specific information like relative market share, customers' preferences on technologies or service, and potential sales power. This study focuses on the telecommunication service industry and explores ways to calculate the relative market shares between competitors, considering competitive situations at the introductory stage of a new mobile telecommunication service provider. To reflect the competitive characteristics of the telecommunication markets, suggested is an extended conjoint analysis using service coverage and service switching rates as modification variables. This study is considered to be able to provide strategic implications to businesses offering existing service and ones planning to launch new services. The result of analysis shows that the new service provider has the greatest market share at the competitive situation where the new service covers the whole country, offers about 50% of existing service price, and allows all cellphones except a few while the existing service carrier maintains its price and service and has no response to the new service introduction. This means that the market share of the new service provider soars when it is highly competitive with fast network speed and low price.

• 한국산학기술학회논문지
• /
• 제16권9호
• /
• pp.5810-5818
• /
• 2015

본 연구는 기업 가치 분석을 위한 최적 변수를 선정하고, 이 변수를 사용하여 기업의 가치를 분석하였다. 본 연구의 결과는 2가지로 구분할 수 있다. 첫째, 변수 선정을 위해 선행연구에서 사용한 기업가치 분석방법 및 변수를 고찰하였다. 이를 토대로 AHP 기법을 사용하여 8개의 변수를 도출하였다. 추가로 투자 전문가들이 사용한 변수 중 공통분모를 추출하였다. 최종적으로 도출한 변수는 배당수익률, PER, PBR, PCR, EV/EBITDA, ROE, 순이익 증가율, 매출성장률, 순유동자산, 부채비율, 유동비율, 재고자산회전율, 매출채권회전율, 종사자 1인당 순이익, 영업이익률, 매출액 순이익률, 총자본 순이익률, EPS 성장률의 18개 수정 변수를 도출했다. 둘째, 선정된 변수를 사용하여 기업 가치를 예측하였다. 예측을 위해 8개의 변수를 사용하여 로지스틱 회귀분석을 수행한 결과, 59.67%의 정확도를 나타내 8개의 변수는 적절하지 않음을 알 수 있었다. 이어서 18개의 변수를 사용하여 분석한 결과 91.98%의 정확도를 나타내 기업의 가치를 분석하기 위해서는 18개의 변수를 사용하는 것이 바람직하다는 것을 알 수 있었다.

• 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.