Earticle

The purpose of this study is to search for the most effective forecasting model for condenser with independent demand among the quantitative methods such as Brown's exponential smoothing method, Box-Jenkins method, and multiple regression analysis method. The criterion for the comparison of the above models is mean squared error(MSE). The fitting results of these three methods are as follows. 1) Brown's exponential smoothing method is the simplest one, which means the method is easy to understand compared to others. But the precision is inferior to other ones. 2) Box-Jenkins method requires much historic data and takes time to get to the final model, although the precision is superior to that of Brown's exponential smoothing method. 3) Regression method explains the correlation between parts with similiar demand pattern, and the precision is the best out of three methods. Therefore, it is suggested that the multiple regression method is fairly good in precision for forecasting our item and that the method is easily applicable to practice.

This paper represents a new method for computing reliability indices by using Large Deviation method which is one of the probabilistic production cost simulations. The reliability measures are based on the models used for the loads and for the generating unit failure states. In computing these measures it has been tacitly assumed that the values of all parameters in the models are precisely known. In fact, however, some of these values must often be chosen with a considerable degree of uncertainty involved. This is particularly true for the forecast peak loads in the load model, where there is an inherent uncertainty in the method of forecasting, which are frequently based on insufficient statistics. In this paper, the effect of load forecasting uncertainty on the LOLP(Loss of Load Probability), is investigated. By applying the Large Deviation method to the IEEE Rilability Test System, it is verified that the proposed method is generally very accurate and very fast for computing system reliability indices.

최근 대내외 불확실성이 높아지고 있는 어려운 경영 환경 속에서 기업들은 장단기 경영계획 수립 시 애로가 가중되고 있다. 기업의 모든 장단기 경영계획은 자사 제품이나 서비스에 대한 미래 수요예측을 기반으로한다. 과다 수요예측은 과잉 재고와 비용을 발생시키며, 반대로 과소 수요예측은 결품과 납기지연 등 고객서비스에 부정적인 영향을 미칠 수 있다. 따라서 정확한 수요예측은 기업의 경영 효율성 제고에 중요한 역할을한다. 그동안 수요예측 정확도 향상을 위한 많은 노력과 수요예측 방법론 개선에 대한 연구가 지속적으로 진행되어왔다. 그러나 전 산업군에 걸쳐 데이터의 양이 기하급수적으로 증가한 가운데 이를 예측하여 경영에 도움이 되는 결과를 도출하는데 있어 많은 기업들이 어려움을 겪고 있다. 예를 들어, 판매제품에 대한 수요는유통채널, 지역 및 고객군 등에 따라 달라지고, 산업에 따라 예측 간격도 월(月), 주(週) 또는 일(日) 등으로 데이터 세분화가 될 수 있다. 따라서 수요예측 정확도 향상을 위해서는 회사의 전략과 운영에 맞는 데이터 구조를 기반으로 수요예측 모델을 설계하는 것이 중요하다. 본 연구에서는 예측 간격 단위의 계층구조 설정과 데이터 길이에 따라 시나리오를 설정하고, 시나리오별 수요예측을 실시한 후, 그 결과를 비교, 분석하였다. 대형 급식 및 식자재 유통기업의 데이터에 기반한실증분석 결과, 하위 수준의 일별 오전, 오후, 저녁 식수(食數)로 구분된 실제 운영 데이터에 기초하여Bottom-up 접근방식과 2년 기간 동안의 실적 데이터를 대상으로 예측하는 것보다 최근 3개월 실적 데이터길이로 수요예측을 하는 것이 더 정확한 것으로 분석되었다. 본 연구의 결과는 수직적, 수평적 데이터 구조설정과 수요예측 정확도간 상관관계 분석에 대한 연구의 중요성과 향후 동 분야에 연구 확대의 필요성을강조한다.

In a difficult business environment, companies are having more difficulties in establishing short and long-term business plans. Those business plans are based on future demand forecasts for its products or services. Excessive demand forecasting creates excessive inventory and costs, whereas underdemand forecasting can have a fatal impact on customer services such as missing products and delayed delivery. Thus, accurate demand forecasting serves significant part as improving business efficiency. Until now, many efforts have been made to improve the accuracy of demand prediction and research on the demand forecasting methodology has been continuously conducted in companies. However, with the amount of data increasing exponentially across all industries, many companies are struggling to forecast it and produce results that will help decision making. For example, the demand for sales products varies depending on distribution channels, regions, and customer groups, and depending on the industry, the forecast interval may be subdivided monthly, weekly, or daily. Therefore, in order to improve the accuracy of demand forecasting, it is important to design a demand forecasting model based on a data structure suitable for the company’s strategy and operation. In this study, the scenario was set according to the hierarchy setting and data length of the forecast interval, and after performing demand forecasting for each scenario, the results were compared and analyzed. As a result of the study, it was explained that it was more accurate on bottom-up approach at the lower level (morning, afternoon, and evening) and to predict demand with the length of the performance data for the last three months than for a two-year period. In the future, it is necessary to develop a method to improve the accuracy of demand forecasting.

코로나 이전 국내 면세산업은 2000년 이후 관광 수요의 증가와 함께 꾸준한 성장세를 보였다. 급증한 수요에 대응하기 위해 면세점들은 매출액 위주의 경쟁전략을 유지해왔으며, 이에 따라 효율적인 운영보다는 규모 측면의 성장을 위한 방안 수립에만 집중해왔다. 기존 연구에서는 면세상품 관련 마케팅이나 제도적 지원방안 수립에 관한 연구가 주를 이루었으며 실제 운영단계인 물류 관리 측면에서의 연구는 부족했다. 이에 본 연구에서는 면세점 운영의 효율성 향상을 위한 적정재고 수립 방식을 제시하기 위해 출국자 예측모형과 장래 상품 판매량을 선형회귀방정식을 활용하였다. 이와 더불어, 실증연구를 통해 본 정책을 도입할 때기대효과를 비용적 측면과 현장 운영 측면에서 분석하였다. 본 연구 결과를 바탕으로 면세점에서 발생하는 과다재고문제를 진단하고 공급주기를 개선함으로써 비용 절감 및 생산성 향상이 가능할 것으로 예상된다.

The duty-free industry before COVID-19 has continuously grown since 2000, along with the increase of demand in tourism industry. To cope with the increased demand, the duty free companies have kept the strategies which focused on the sales volume. Therefore, they have developed the ways to increase the volume and capacity, not the efficient operations. In the most of previous research, however, authors have proposed the better strategies for marketing and supporting policies. It is very hard to find the previous research which dealt with the operations like logistics and inventory management. Therefore, in this study, it has been predicted the future demand of frequently purchased items in airport duty free shops based on the estimated number of departing passengers by the linear regression, which concluded with the appropriate inventory level. In addition, it has been analyzed the expected effects by introducing the inventory management policy considering the cost and efficiency of operations. Based on the results of this study, it may be possible to reduce total cost and improve productivity by predicting the excessive inventory problems at duty-free shops and improving cycles of supplying items.

[연구목적] 선행연구들은 주식의 공모가격 저평가현상처럼 회사채 발행시장에서도 발행가격저평가현상이 존재하며 정보비대칭을 저평가현상의 주요 원인으로 설명하고 있다. 본 연구는가격괴리에 대한 새로운 측정치를 제안하였고 이를 한국 회사채 발행 시장에 적용하여 가격괴리현상의 유무를 파악하였으며 또한 수요예측제도 도입 후 가격 괴리 현상의 변화정도를 살펴보았다. [연구방법] 본 연구는 2007년부터 2018년까지 300개의 국내 회사에서 발행한 2925개의 채권발행정보를 바탕으로 발행금리와 민평금리를 비교하여 가격괴리정도를 측정한 후 가격괴리에 영향을 주는 정보비대칭, 유동성 등의 요인이 가격괴리에 어떻게 영향을 주는 지 그리고 수요예측제도 도입 전후에는 어떻게 차이가 나는지를 군집된(Clustered) 표준오차를 사용한 다중회귀 분석을 통하여 분석하였다. [연구결과] 실증분석 결과, 새롭게 발행된 채권에 대한 초과 수요로 인해 새로운 채권의 발행가격이 기존 채권보다 6.88bp정도의 고평가현상이 존재함을 확인하였다. 또한, 수요예측제도도입 전에는 10.43bp정도의 고평가에서 제도 변경 후 3.23bp로 고평가 현상이 약화되었음을확인하였다. [정책적 시사점] 본 연구는 국내 채권 발행 시장의 가격괴리 현상에 관한 첫 번째 연구로 가격 괴리에 대한 새로운 측정치를 제안하고 이를 적용하여 발행가격 고평가현상이 존재함을 확인하였다. 본 연구 결과는 채권시장의 발행 제도 및 발행 가격의 형성 과정을 이해하는 데 있어서 크게 기여할 것으로 판단된다.

[Purpose] The purpose of this study was to examine initial pricing behavior in Korean corporate bond market and compare degree of mispricing after introduction of book building process. [Methodology] For this study, we collected 2925 primary market data from 300 Korean firms between 2007 and 2018. The multiple regression analysis with clustered standard errors and fixed effect model were hired in order to analyze the data. [Findings] We found new issues were overpriced by 6.88bp compared to seasoned issues because of excessive demand for new issues and investment grade bond were more overpriced than speculative grade bond. Second, the overvaluation phenomenon was weakened from 10.43bp before the book building process to 3.23bp after the process change. This is because the introduction of the book building process resulted in the increase in market efficiency. [Policy Implications] This is the first study on pricing behavior in Korean corporate bond market and expands the results of previous studies by suggesting and using new measures for mispricing. This study also addresses the changes in bond issuing market system and the impact of mispricing. It is expected that this study will greatly contribute to understanding issuance system and pricing behavior in corporate bonds.

수요예측 과정에서 주변의 데이터들과 큰 차이를 보이는 데이터는 관리가 필요하다. 이를 이상점 관리라고 한다. 데이터가 소음이면 제거하는 것이 맞지만, 신호였다면 제거는 잘못된 것이다. 수요를 예측하는 과정에서 신호인지 소음인지에 대한 판단은 어려운 일이다. 본 연구에서는 신호와 소음의 기준을 정하는 것은 접어두고, 수요예측 과정에서의 판단(이하 ‘과정판단’이라 명함)보다 일정 기간 후의 결과적 판단(이하 ‘결과판단’이라 명함)에서 이상점을 보다 잘 인지한다는 것을 실험을 통해 검증한다. 한 명의 피실험자는 크게 두 번의 의사결정을 내린다. 한 번은 1일 단위로 수요를 예측하고, 다른 한 번은 과거 데이터를 한데 모아서 예측한다. 두 실험의 수요는 동일하며 이상점이 포함되어 있다. 실험결과는 과정판단이 결과판단에 비해 이상점을 잘 식별하지 못하는 것으로 나타났다. 즉 과정판단은 평균으로부터 멀리 떨어진 수요를 이상점으로 여겨 예측과정에서 제외시키는 비율이 결과판단보다 낮았다. 이는 과정판단이 결과판단보다 예측정확도가 높다는 것을 의미하지는 않는다. 다만 과정판단의 경우 이상점 관리가 제대로 이루어지지 않을 가능성이 높음을 보여준다고 할 수 있다.

In the process of forecasting the future using past data, we can increase accuracy of forecasting by deleting strange data. This is outlier management. If we analyze past data frequently, it is not easy to distinguish specific data away from the average. It is still difficult for this process to decide that deleting such data is better. In this research, we verify through experimentation that judging after the process (hereinafter ‘consequence judgment’) is more rigorous than judging during the process (hereinafter ‘in-process judgment’). Each subject makes two major decisions. They forecast the demand on a daily basis, and then forecast once more with all previous data. The demand includes outlier. As a result, the proportion of outlier detection in in-process judgment is less than in consequence judgment. This does not mean that the forecasting accuracy of progress judgment is higher than result judgment. In case of in-process judgment, it only can be shown that there is a high possibility that outlier management is not appropriately performed.

본 연구는 수요예측제도가 도입된 2000년부터 2012년까지 96개 신규분할공모주를 대상으로 수요예측제도의 개선이 상장수익률에 미치는 요인을 분석하였다. 연구 결과는 다음과 같다, 첫째, 모기업의 구주매출지분, 구주매출공모규모 그리고 모기업과 자회사와의 이업종 여부 등 분할공모에서만 관찰되는 요인들이 상장수익률에 유의적인 결정요인임이 밝혀졌다. 둘째, 자율화 이전에는 수요예측 이전의 시장변동성이 주간사의 가격유지부담을 가중시켜 공모가범위를 확대시키는 요인으로 밝혀졌다. 셋째, 자율화 이후에는 모기업의 매출공모지분이 상장수익률을 축소시키는 주요한 요인으로 작용하였는데 이를 통해 주간사의 행태적 유인을 확인할 수 있었다. 자율화 이후 구주매출공모지분 및 구주매출규모가 저평가 축소요인으로 작용한 것은 모기업이 공모가결정과정에 적극 개입하여 공모가를 모기업의 원하는 가격으로 근접시키려는 행태 때문인 것으로 파악되었다. 이는 모기업의 구주매출에 대한 동기와 주간사의 인수수수료와 같은 보상체계가 공모가결정에서 상호작용 되었음을 시사한다. 국내에서 처음으로 분할공모주의 저평가를 분석하고 그 결과 수요예측 이전 시장변동률과 구주매출지분이 분할공모주의 공모가범위와 상장수익률에 영향을 미치는 핵심 요인이며 이와 관련된 주간사의 행태적 요인을 규명한 것이 본 연구의 차별점이다.

This paper examines the effect of revision of underwriting rules on IPO pricing using 96 samples of equity carve-outs in Korea between 2000 and 2012. Three key findings come to light. First, underpricing of equity carve-outs is significantly influenced by proportion and offer size of secondary shares of parents and cross-industry between the parent and its subsidiary. Second, during market-stabilization period, volatility of secondary market prior to book-building is positively and significantly related to offer depth as offer depth is negatively related to price update. Finally, during deregulation period, proportion and offer size of secondary shares of parents plays a significant role to alleviate underpricing. This finding would come from the joint effect of underwriters’ fee maximizing and parents’ ECO equity value maximizing motivations.

Hydrogen is expected to be widely applied in most sectors within the current energy system, such as transportation and logistics, and is expected to be economically and technologically utilized as a power source to achieve vehiclebon emission reduction. In particular, the construction of hydrogen charging station infrastructure will not only support the distribution of hydrogen electric vehicles, but also play an important role in building a hydrogen logistics system. Therefore, This paper suggest additional charging infrastructure areas in Seoul with a focus on supply according to the annual average growth rate (CAGR), centering on Seoul, where hydrogen vehicles are most widely distributed. As of February 2022, hydrogen charging infrastructures were installed in Gangseo-gu, Gangdong-gu, Mapo-gu, Jung-gu, and Seocho-gu in downtown Seoul. Next, looking at the number of hydrogen vehicles by administrative dong in Seoul from 2018 to 2022, Seocho-gu has the most with 246 as of 2022, and Dongjak-gu has the highest average growth rate of 215.4% with a CAGR of 215.4%. Therefore, as a result of CAGR analysis, Dongjak-gu is expected to supply the most hydrogen vehicles in the future, and Seocho-gu currently has the most hydrogen vehicles, so it is likely that additional hydrogen charging infrastructure will be needed between Dongjak-gu and Seocho-gu.

Resilience is the capacity to maintain essential services under a range of circumstances from normal to extreme. It is achieved through the ability of assets, networks, systems and management to anticipate, absorb and recover from disturbance. It requires adaptive capacity in respect of current and future risks and uncertainties as well as experience to date. The agricultural infrastructures with high resilience can not only reduce the size of the disaster relatively, but also minimize the loss by reducing the time required for recovery. This study aims to evaluate the most suitable drought countermeasures with the analysis of various resilience indices by predicting future agricultural water shortage under land use and climate change scenarios for agricultural areas in Jeju Island. The results showed that the permanent countermeasure is suitable than the temporary countermeasures as drought size and the cost required for recovery increase. Wide-area water supply system, which is a kind of water grid system, is identified as the most advantageous among countermeasures. It is recommended to evaluate the capability of agricultural infrastructure against drought with the various Resilience Indices for reliable assessment of long-term effect.

Intermittent demand is a demand with a pattern in which zero demands occur frequently and non-zero demands occur sporadically. This type of demand mainly appears in spare parts with very low demand. Croston's method, which is an initiative intermittent demand forecasting method, estimates the average demand by separately estimating the size of non-zero demands and the interval between non-zero demands. Such smoothing type of forecasting methods can be suitable for mid-term or long-term demand forecasting because those provides the same demand forecasts during the forecasting horizon. However, the smoothing type of forecasting methods aims at short-term forecasting, so the estimated average forecast is a factor to decrease accuracy. In this paper, we propose a forecasting method to improve short-term accuracy by improving Croston's method for intermittent demand forecasting. The proposed forecasting method estimates both the non-zero demand size and the zero demands' interval separately, as in Croston's method, but the forecast at a future period adjusted by binomial weight according to occurrence probability. This serves to improve the accuracy of short-term forecasts. In this paper, we first prove the unbiasedness of the proposed method as an important attribute in forecasting. The performance of the proposed method is compared with those of five existing forecasting methods via eight evaluation criteria. The simulation results show that the proposed forecasting method is superior to other methods in terms of all evaluation criteria in short-term forecasting regardless of average size and dispersion parameter of demands. However, the larger the average demand size and dispersion are, that is, the closer to continuous demand, the less the performance gap with other forecasting methods.

오늘날 기상정보는 도로공학, 경제학, 환경공학 등 다양한 분야에 활용되고 있다. 본 연구는 전력수요 예측을 위한 기상정보 활용성을 평가하고자 한다. 기상변수는 기상관측소에서 수집되는 기온, 풍속, 습도, 운량, 기압과 기온, 풍속, 상대습도의 합성지수인 체감온도와 불쾌지수가 고려되었다. 전력수요 예측을 위한 시계열모형으로 슬라이딩 창 방식의 TBATS 삼중지수평활모형이 고려되었다. 월 단위 기상변수와 전력수요 예측오차간 상관분석 결과를 보면 시간대별로 차이를 있으나 기온, 불쾌지수, 체감온도가 전력수요 예측오차와 상관성이 높았다. 이에 과거 3년의 월단위 전력수요 예측오차와 기상변수의 회귀모형식으로 전력수요 예측값의 편의를 보정하였다. 온도, 상대습도, 풍속으로 TBATS 모형의 전력수요 예측값을 보정한 결과 TBATS 모형에 비해 RMSE가 약 6.1% 줄었다.

Recently, weather information has been increasingly used in various area. This study presents the necessity of hourly weather information for electricity demand forecasting through correlation analysis and multivariate regression model. Hourly weather data were collected by Meteorological Administration. Using electricity demand data, we considered TBATS exponential smoothing model with a sliding window method in order to forecast electricity demand. In this paper, we have shown that the incorporation of weather infromation into electrocity demand models can significantly enhance a forecasting capability.

수요예측은 경영 전략을 포함한 모든 경영 활동의 기초가 된다. 특히 부품의 수요예측은 공급망관리 측면에서 매우 중요한 요소 중 하나이다. 부품의 수요는 다양한 산업에서 종종 간헐적 특성을 포함한다. 간헐적 특성이란 수요가 발생하지 않는 경우가 빈번한 현상을 지칭한다. 간헐적 수요 현상에서는 발생된 수요의 분산이 크고 그 발생간격이 확률적이다. 따라서 간헐적 특성을 갖는 수요를 예측하기 위해서 일반적인 시계열 분석기법이나 인과관계를 이용한 모형(회귀모형)을 사용하는 것은 적합하지 않다. 이는 기존의 방법들이 실제 수요행태를 묘사하기 어렵기 때문이다. 이러한 간헐적 수요의 예측을 위해 마코프 부트스트랩이 개발되었다. 이 방법은 1계차 자기상관성을 반영하며 리드타임 동안 수요의 합이 독립임을 가정하였다. 본 연구에서는 리드타임 내 수요 합의 독립가정을 완화한 부트스트랩 방법을 제안한다. 수정된 부트스트랩 방법에 의해 재추출된 데이터는 실측 데이터의 간헐적 특성을 근사적으로 반영한다. 마지막으로 실측 데이터에 수정된 방법을 적용한 예측 결과를 사례로 제시하고자 한다.

Demand forecasting is the basis of management activities including marketing strategy. Especially, the demand of a part is remarkably important in supply chain management (SCM). In the fields of various industries, the part demand usually has the intermittent characteristic. The intermittent characteristic implies a phenomenon that there frequently occurs zero demands. In the intermittent demands, non-zero demands have large variance and their appearances also have stochastic nature. Accordingly, in the intermittent demand forecasting, it is inappropriate to apply the traditional time series models and/or cause-effect methods such as linear regression; they cannot describe the behaviors of intermittent demand. Markov bootstrap method was developed to forecast the intermittent demand. It assumes that first-order autocorrelation and independence of lead time demands. To release the assumption of independent lead time demands, this paper proposes a modified bootstrap method. The method produces the pseudo data having the characteristics of historical data approximately. A numerical example for real data will be provided as a case study.

본 연구는 시설 확장비용과 승객들의 지체시간 감소에 따른 편익을 고려한 항공의 핵심 시설 확장 문제를 다루고자 한다. 이를 위해 우리는 시계열 예측방법으로 널리 알려진 ARIMA model를 활용하여 계절 및 주기를 갖는 항공피크 수요를 예측한다. 승객이 공항에 도착한 후에 공항 내에서의 승객들의 흐름과 지체를 고려하여 실제 지체 편익을 추정하기 위해 이산사건 시뮬레이션 모형을 설계한다. 비용과 편익 간의 상충관계를 통해 우리는 컨베이어의 경제적 확장 대수를 결정한다. 인천공항의 사례를 활용한 실험이 수행되었으며, 실험 결과는 본 접근방법이 계절에 따른 승객의 도착 유형과 공항 내의 동적인 흐름을 반영한 시설의 확장 문제를 해결하는 데 효과적임을 보인다.

This study deals with capacity expansion planning of airport infrastructure in view of economic validation that reflect construction costs and social benefits according to the reduction of passengers' delay time. We first forecast the airport peak-demand which has a seasonal and cyclical feature with ARIMA model that has been one of the most widely used linear models in time series forecasting. A discrete event simulation model is built for estimating actual delay time of passengers that consider the passenger's dynamic flow within airport infrastructure after arriving at the airport. With the trade-off relationship between cost and benefit, we determine an economic quantity of conveyor that will be expanded. Through the experiment performed with the case study of Incheon international airport, we demonstrate that our approach can be an effective method to solve the airport expansion problem with seasonal passenger arrival and dynamic operational aspects in airport infrastructure.

It is a plan the government increases a railroad section SOC investment, and to activate railroad construction while a railroad wins the spotlight with green transportation. But an error of the demand forecast that is a base of a railroad investment evaluation follows in occurring big, there is it with an operation with an obstacle of a railroad investment. Case of the Incheon International Airport Railroad which went into operation recently, While a present transportation demand showed about 10% than a demand forecasted in a past conference, it was magnified in a social problem. A lot of research was gone on in road project about traffic demand forecast and error, a study to find out the error cause is an insufficient situation although errors of a railroad occurs big. So, this study looked for errors and causes about trip generation model and modes sharing model of railroad demand forecast but it was defined causes so that it can occur similar problems in the future. Especially it investigated causes after comparing rate of development plan for the realization and O/D size in trip generation model and after comparing rate of modes sharing of past and current and conducting a survey for airport users. In conclusion, it suggested method to reduce errors of railroad demand forecasting in the future.

황해경제자유구역은 환황해권 첨단기술의 국제협력 거점 조성이라는 비전과 국제수준의 첨단기술산업 클러스터 육성, 대 중국 수출입 전진기지 및 부가가치물류 육성을 목적으로 2007년 지정되어 사업이 추진 중에 있다. 황해경제자유구역 반경 15km 이내에 7개의 산업단지가 입지하고 있어 충남 서북부지역의 산업집적도는 날로 증가하고 있는 추세이다. 그러나 이를 지원할 주요 인프라 중 하나인 물류단지 시설은 전무한 실정이며 황해경제자유구역을 포함한 충남 서부지역의 물류거점 개발은 매우 미약하다. 본 연구의 목적은 첫째, 서해안 지역 물류거점 단지 조성의 필요성을 검토하고, 둘째, 물류단지 규모 및 성격을 부여하며, 셋째, 물류단지 도입기능을 설정하고자 한다. 연구목적을 달성하기 위해 물동량 수요예측과 주변지역 연계방안을 토대로 황해경제자유구역의 배후물류단지의 필요성과 조성방안을 제안하고자 한다.

시계열자료에 계절효과가 존재할 때 성공적인 수요예측을 위해 Winters 방법과 같은 다양한 통계적 방법이 존재지만 신상품과 같이 과거 매출자료가 충분하지 않을 경우 통계적 방법 적용에 한계가 존재한다. 본 연구논문은 신제품과 같이 과거 매출자료가 충분하지 않아 계절효과 등을 추정하기 어려울 때 누적자료를 활용한 통계적 예측방법을 제안한다. 제안된 통계적 방법은 회귀모형이론에 기초하고 있으며 이 방법의 유효성을 최근 화장품 매출자료를 이용하여 검증하였다.

If time series data with seasonal effect exist, various statistical models like winters for successful forecasts could be used. But if the data are not enough to estimate seasonal effect, not much methods are available. This paper proposes the statistical forecasting method based on cumulative data when the data are not enough to estimate seasonal effect. We apply this method to real cosmetic sales data and show its better performance over moving average method.

본 연구에서는 안정적인 물 공급과 에너지의 효율적 사용을 위한 단기 물 수요예측에 대하여 데이터 마이닝 기법의 적용성을 검토하고자 한다. 물 공급이 이루어진 요일과 특이일에 대한 시계열 분석을 통한 단기 물 수요예측과 데이터 마이닝 기법을 적용한 결과를 상호 비교하여 데이터 마이닝 기법의 적용성을 제시하고자 한다. 이를 통하여 단기 물 수요예측알고리즘의 실용화 가능성을 높일 뿐만 아니라 실시간 예측을 위한 기초 데이터 마이닝 체계를 구축하고자 한다.

교통수요분석시 기종점(O/D) 존의 집계수준과 네트워크의 구축수준이 어느 정도 균형(balance)이 이루어져야 하는데, 실제로는 불균형을 이루고 있는 경우가 있어 실제교통량과 예측교통량간의 차이가 발생하는 원인중의 하나로 간주되고 있다. 본 연구에서는 소규모 네트워크를 대상으로 O/D존 수와 네트워크의 구축수준에 따른 통행수요의 변화를 살펴보고, 이를 통하여 O/D존수와 네트워크간의 균형(balance)문제를 검토해 보았다. 분석방법은 Sioux-Falls network를 대상으로 네트워크를 추가/삭제시키고, 그에 따라 O/D존의 수도 일정비율로 변화시켜 분석하였다. 분석된 자료를 검증척도인 RMSE와 F-검정을 통해 비교 분석한 결과, 네트워크 증가시에는 예상과는 달리, 네트워크 상세화에 대하여 O/D존수의 증가/감소가 민감하게 반응하지 않는 것으로 나타났으나, 네트워크 집계(삭제)시에는 O/D존의 수도 역시 함께 감소시켜야 오차를 줄일 수 있는 것으로 나타나 이들 간에는 밀접한 관계가 있음을 보여주었다. 이는 교통수요분석을 위하여 네트워크를 구축할 때, O/D존수(존의 크기)도 함께 고려해야 하며, 이들간에 균형(balance)이 이루어지도록 설계해야 함을 의미한다.

It has been widely known that there are so many factors making travel demand errors in transportation forecasting steps. One of the reasons may stem from the level of aggregation of zone and network in analysis process. This paper investigates the effect of level of aggregation considering with number of zones in travel demand forecasting by expanding or reducing the zone and network gradually. Numerical results show that the aggregation could not make a significant impact on the travel demand, while disaggregation does. These results imply that a careful manipulation is required to add or to reduce zones and links in transportation planning process.