Earticle

초록

한국어

본 연구는 자동차 AS 센터 수리 부품의 수요 유형 특성을 파악한 후 장단기 메모리(LSTM) 인공신경망을 이용하여 자동차 AS 센터 수리 부품에 대한 수요 예측 모델을 제안하였다. 자동차 수리 부품의 수요 시계열 데이터를 추출한 후 각 부품에 대한 평균 수요 발생 구간(ADI)과 수요 크기의 변동 계수(CV2)로 4가지 수요 발생 유형을 구분하였다. 연구 대상 AS 센터의 16,295개 부품 중에서 96.5%가 특정 시기에 한 번에 많은 수량이 발생하는 무더기 수요(Lumpy) 유형의 특징을 가지고 있었고 최근 3년간의 해당 수요 유형 부품을 일별, 주별, 월별 시계열 데이터를 대상으로 LSTM 인공 신경망 모델에 적용하여 예측하였다. LSTM은 순환 신경망(RNN)의 한 분류로 학습 시간의 장기화에 따른 에러 신호 유출 문제를 해결한 딥러닝 알고리즘으로 장단기 관점의 시계열 데이터에 대하여 성능이 우수한 예측 모델로 다수의 연구를 통하여 검증되었다. 모델 예측 성능 평가 지표로는 예측 값과 실제 값의 오차를 측정할 수 있는 MAPE, RMSE, RMSLE 사용하였으며 본 연구 결과 각 평가 지표가 가장 낮은 일별 시계열 데이터가 우수하게 예측되었다. 추후에는 일반적인 부품 수요의 시계열 데이터 이외에 수리 부품수요에 영향을 미치는 외부 요소인 차량 모델별 판매 대수와 연식, AS 센터 입고 대수 등을 특성 변수로 추가하면 모델 성능이 개선될 것으로 기대된다.

목차

Abstract
1. 서론
2. 이론적 배경
2.1 인공 신경망 수요 예측 연구
2.2 자동차 정비 서비스 센터 부품 수요 특징
2.3 LSTM 인공신경망 모델 및 성능평가
3. 연구 방법
4. 예측 모델 평가 및 검증
5. 결론 및 시사점
참고문헌

저자

• 정동균 [ 부경대학교 경영컨설팅 협동과정 ]
• 이종화 [ 동의대학교 e비즈니스학과 ]
• 이현규 [ 부경대학교 경영학부 ]

참고문헌