Earticle

초록

영어

As the demand-oriented management has been getting important in Supply Chain Management (SCM), various forecasting methods have been suggested including regression analyses. However, dependency structures among variables have been captured by a correlation coefficient, only. It results in inaccurate demand predictions. This paper suggests a new and effective forecasting modeling framework using student's t-copula function. In order to show overall modeling procedures framework, heavy tail typed numerical data and its copula estimations are provided. The suggested methodology can contribute to decrease the bullwhip effect and to stabilize volatile environment in a supply chain network.

한국어

SCM의 관리 포인트가 공급중심에서 수요관리 중심으로 옮겨짐에 따라, 정확한 수요 예측을 위한 많은 기 법들이 제시되어 왔다. 이 중 변수간의 인과관계 분석을 통한 수요예측이 많이 이루어지고 있음에도 불구하고, 연관 된 변수들 간의 상관구조는 상관계수에 의존하였고, 이는 예측의 정확성을 저하시키는 요인으로 작용하였다. 본 논문 에서는 기존 방법의 문제점들을 보완하며, SCM에서 발생하는 Heavy Tail형 데이터의 상관구조를 정밀하게 모델링할 수 있는 방법을 제시한다. 상관구조를 파악할 수 있는 프레임웍인 코플라 함수 중에서 Student's t-코플라 함수를 통 하여 수요 예측모형을 수립하고, 관련 파라미터를 추정하는 기법을 실험과 함께 제시하였다. 이를 통해, 수요예측에 필요한 변수들 간의 상관구조 파악이 보다 명확해지며, 이는 SCM상의 채찍효과의 완화로 이어져, 안정된 공급 사슬 네트웍의 관리에 기여할 것으로 기대된다.

목차

요약
 Abstract
 1. 서론
 2. 연구 배경 및 문헌 연구
 3. 예측 데이터 및 인과 변수 설정
 4. Heavy Tail형 데이터의 Student's t-코플라 적합 모델
 5. 수치해석 및 예측 모델 수립
 6. 결론 및 차후 연구방향
 ACKNOWLEDGMENTS
 REFERENCES

키워드

코플라 상관 구조 인과 분석 수요 예측 헤비 테일 분포 공급 사슬 네트웍 Copula Dependency Structure Casual Analysis Demand Forecasting Heavy Tail Distribution Supply Chain Network

저자

• 김태성 [ Taesung Kim | 산업공학부, 국립 금오공과대학교 ]
• 이현수 [ Hyunsoo Lee | 산업공학부, 국립 금오공과대학교 ] Corresponding author

참고문헌

발행기관

간행물