Earticle

1965~1981 년간(年間)의 시계열자료(時系列資料)를 이용(利用)하여 지류(紙類)의 국내수요함수(國內需要函數)를 추정(推定)하고 추정(推定)된 모형(模型)에 의하여 지류(紙類)의 장기국내수요(長期國內需要)를 예측(豫測)하였다. 지류(紙類)의 국내수요(國內需要)(DDP)는 GNP가 상승(上昇)함에 따라 증가(增加)하는 추세(趨勢)를 보였으며 증가율(增加率)은 실질(實質)GNP 연평균성장율(年平均成長率) 8.8%보다 높은 17.9:% 그리고 판지(板紙)는 무려 25.8% 수준(水準)으로 나타났다. 지류(紙類)의 국내수요(國內需要)에 영향(影響)을 미치는 주요변수(主要變數)는 1인당(人當) 실질국민총생산(實質國民總生産)(PG), 지류(紙類)의 실질도비가격지수(實質都費價格指數)(PWI), 지류수요산업(紙類需要産業)의 생산활동지수(生産活動指數(PDAV) 등이 있으며 이러한 제변수(諸變數)를 포함(包含)한 함수관계(函數關係)를 전대수회귀방정식(全對數回歸方程式)으로 표시(表示)하여 보통최소자승법(普通最少自乘法)으로 추정(推定)하였다. ${\ell}nDDP=2.452+1.986{\ell}nPG-0.844{\ell}nPWI$ $(33.397)^*\;(-6.149)^*\;R^2=0.997$ ${\ell}nDDP=6.468+0.827{\ell}nPDA$ $(17.403)^*\;R^2=0.950$ 이에 따른 지류(紙類)의 국내수요(國內需要)는 1인당(人當) GNP와 지류수요산업(紙類需要産業)의 생산활동지수(生産活動指數)에 대하여 부(負)의 상관(相關)을 그리고 1인당(人當) GNP가 설명변수(說明變數) 중에서 가장 탄력적(彈力的)이였으며 지류실질가격지수(紙類實質價格指數)에 대하여는 부(負)의 상관(相關)으로 나타났다. 이러한 결과(結果)는 통계적(統計的) 유의성(有意性) 인정(認定)되고 경제이론상(經齊理論上) 타당한 것으로 판명(判明)되었다. 1991 년도(年度) 지류(紙類)의 국내수요(國內需要)를 예측(豫測)한 결과(結果)는 3,152천(千)M/T 또는 4,470천(千)M/T에 달(達)할 것으로 추정(推定)되며, 1982~1991 년(年) 기간(期間)동안 연평증가율(年平增加率)은 5.0% 또는 12.4%로 나타났다. 또한 1991 년(年) 1인당(人當) 지류(紙類)의 국내수요(國內需要)는 69.1kg 또는98.0kg에 달(達)할 것으로 예측(豫測) 되었다.

The purposes of this study are to analyze and forecast the domestic demand for papers by regression models with time-series data (1965-81). For the period of 1965-81, the real GNP of Korea grew at annual average increase rate of 8.8 percent. On the other hand, the domestic demand of papers grew at annual average increase rate of 17.9 percent in this period. Especially, the annual average increase rate for board-papers accounted to 25.8 percent. To analyze domestic demand for papers, GNP, per capita GNP, price findex of papers, production activity index of the major papers consuming industries and price index of substitutive goods were selected as independent variables. The expected values of domestic demand for papers were computed by forecasting equations as follows. T-values are in parentheses. ${\ell}nDDP=2.452+1.986{\ell}nPG-0.844{\ell}nPWI$ $(33.397)^*\;(-6.149)^*\;R^2=0.997$ ${\ell}nDDP=6.468+0.827{\ell}nPDA$ $(17.403)^*\;R^2=0.950$ DDP : Domestic demand for papers PG : Real GNP per capita (1,000 won) PWI : Real price index of papers (1980 = 100) PDAV : Production activity index of the major papers consuming industries The results analyzed and forecasted by these models are summarized as follows: The domestic demand for papers had positive correlation toward per capita GNP and production activity index of the major papers consuming industries. Per capita GNP elasticity of the domestic demand for papers was the most elastic among independent variables. The price elasticity of domestic demand for papers had negative sign and inelastic. These were not only statistically significant but theoretically compatible. The domestic demand for papers was projected to be 3,152-4,470 thousand mit in 1991, representing at annual increase rate of 5.0-12.4 percent during the period of 1982-91. Domestic demand for papers per capita was projected to be 69.1-98.0 kg in 1991.

LNG는 인천항의 대표적인 수입화물로 인천항 전체 물동량 증감에 기여도가 상대적으로 높은 편이다. 또한, 국가적 차원에서도 LNG는 도시가스 및 전력발전에 필요한 핵심 자원으로 시장 수요의 변동 요인에 대한 분석과 적합한 수요예측모델의 구축은 LNG 기반 발전 계획 및 국가전력수급기본계획 수립 등에 매우 중요하다. 본 연구에서는 기존 연구들에서 다뤄지는 거시적 연간 자료를 통한 예측과 달리, LNG 운반선이 하역하는 주간별 물동량을 대상으로 주기성을 파악하고, 대내외 변동요인과의 상관관계를 분석한다. LNG 수요 변동요 인으로는 주간 데이터의 계절성, 최대전력, 전력 공급예비력 등 전력 수급 데이터 등을 고려하였다. 또한 LNG 수요를 예측하기 위해 자료의 특성을 고려하여 주간단위별 LNG 물동량을 종속변수로 한 시계열 예측과 인공신경망 모형을 통한 예측 후 예측치에 대한 적합성을 검증 및 실적-추정치 간 오차비교를 통해 최적모형을 도출하고자 한다.

LNG is a representative imported cargo at Incheon Port and has a relatively high contribution to the increase/decrease in overall cargo volume at Incheon Port. In addition, in the view point of nationwide, LNG is the one of the most important key resource to supply the gas and generate electricity. Thus, it is very essential to identify the factors that have impact on the demand fluctuation and build the appropriate forecasting model, which present the basic information to make balance between supply and demand of LNG and establish the plan for power generation. In this study, different to previous research based on macroscopic annual data, the weekly demand of LNG is converted from the cargo volume unloaded by LNG carriers. We have identified the periodicity and correlations among internal and external factors of demand variability. We have identified the input factors for predicting the LNG demand such as seasonality of weekly cargo volume, the peak power demand, and the reserved capacity of power supply. In addition, in order to predict LNG demand, considering the characteristics of the data, time series prediction with weekly LNG cargo volume as a dependent variable and prediction through an artificial neural network model were made, the suitability of the predictions was verified, and the optimal model was established through error comparison between performance and estimates.

국제공항의 주차수요는 일반적인 주차장의 경우와는 달리 대부분의 주차 수요가 항공 수요에 종속적으로발생하기 때문에 이러한 공항의 특성에 맞는 주차 수요예측이 필요하였으나, 기존의 일반적 주차 수요예측방법은 이러한 특성을 반영하지 못하였으며, 장기적 예측이나 단기적 예측 가운데 어느 한 부분에 대한예측이 가능하여 장·단기 예측 모두에 사용하기에는 무리가 따랐다. 이에 본 연구는 월별, 요일별, 시간별 항공 수요와 장기주차장 이용 특성에 대한 계절 요인을 검토하여그 특성을 파악하였으며, 시계열 회귀분석을 이용하여 국제공항 장기 주차 수요예측에 있어서 장기와 단기모두에서 합리적 수요예측이 가능한 모형의 개발을 시도해 보았다. 본 연구에서는 국제공항 주차수요에 가장 중요한 요인인 항공 수요에 대하여 2가지 대안을 검토하였으며, 이러한 연구를 통해 국제공항의 특성을 반영한 보다 정확한 장기 주차 수요예측이 가능할 것이며, 이를 통해더욱 정확한 국제공항 교통체계 수립에 도움이 될 것이라 기대한다.

Purpose: In the case of parking demand at international airports, unlike the case of general parking lots, most of the parking demand is dependent on airline demand, so it was necessary to predict the parking demand according to the characteristics of such international airports. The existing general parking demand forecasting method did not reflect these characteristics, and it was impossible to use it for both long-term and short-term forecasting as it could predict either long-term or short-term forecasts. Therefore, this study examines seasonal factors for monthly, daily, and hourly airline demand and long-term parking lot usage characteristics, and uses time series regression analysis to develop a model that can reasonably predict long-term and short-term demand for long-term parking at international airports. Through this study, it is expected that a more accurate long-term parking demand forecast reflecting the characteristics of international airports will be possible, and this will help establish a more accurate international airport transportation system.

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.

The pandemic of COVID-19 further promoted the imbalance in the volume of imports and exports among countries using containers, which worsened the shortage of empty containers. Since it is important to secure as many empty containers as the appropriate demand for stable and efficient port operation, measures to predict demand for empty containers using various techniques have been studied so far. However, it was based on long-term forecasts on a monthly or annual basis rather than demand forecasts that could be used directly by ports and shipping companies. In this study, a daily and weekly prediction method using an actual artificial neural network is presented. In details, the demand forecasting model has been developed using multi-layer perceptron and multiple linear regression model. In order to overcome the limitation from the lack of data, it was manipulated considering the business process between the loaded container and empty container, which the fully-loaded container is converted to the empty container. From the result of numerical experiment, it has been developed the practically applicable forecasting model, even though it could not show the perfect accuracy.

최근 세계 경제의 불확실성이 고조되면서 기업들의 장단기 경영계획 수립 시 애로가 가중되고 있다. 기업경영에서 공급망관리(SCM)의 모든 계획은 자사 제품이나 서비스에 대한 장래 수요예측을 기반으로 한다. 시장의 실제 수요보다 과다한 수요예측은 불필요한 재고 발생에 따른 비용을 유발하고, 반대로 시장의 실제 수요보다 낮은 수요예측은 결품 발생에 따른 고객서비스 수준의 저하로 나타난다. 그러므로 정확한 수요예측은 기업의 경영효율을 높이는 데 중요한 역할을 담당한다. 미래의 수요를 예측하는 것이 어렵지만 기업의 경영활동과 관련한 의사결정을 하기 위해 수요예측 오차를 축소하기 위한 방법들이 지속적으로 연구되어야만 한다. 이러한 상황에서 제품의 수요예측 오차를 좀 더 줄일 수 있도록 제품수명주기(Product Life Cycle, PLC)를 고려하여 수요예측을 해 보았다. 제품도 PLC 단계별로 제반 특성이 다르므로 다른 마케팅 전략을 강구해야 하듯이 제품에 대한 수요예측도 단계별로 달라야 된다는 전제하에 수요예측 방법을 검토하였다. 본 연구에서는 회귀분석을 활용하여 PLC 단계를 판별하였으며 그 단계를 고려한 수요예측 방법을 제시해 보았다. 그 결과 제품의 전체 데이터를 가지고 예측하는 것보다는 PLC의 각 단계에 따라 수요예측을 하는 것이 더 타당한 것으로 연구되었다. 앞으로도 지속적인 연구를 통해 지금까지 한계로 생각해 왔던 수요예측의 예측 오차를 줄이는 방법을 개발해야 할 것이다.

Accurate demand forecasting plays an important role in successful supply chain planning and management. Overestimation of forecast may result in the increase of unnecessary inventory, while underestimation of forecast may lead to the shortage of products. Both cases eventually yield undesirable outcomes in the planning and management of supply chain system, either causing inefficient use of resources, or suffering from inadequate capacity to meet anticipated demand. Thus, it is crucial to incorporate precise forecast into the decision-making process for better supply chain planning and management. This Paper propose a new forecasting method in which the concept of product life cycle (PLC) is incorporated into traditional time series forecasting methods. Key assumption for the new method is that demand pattern is different from each stage of product life cycle that consists of traditional 4-stages: introduction, growth, maturity, and decline. Each stage of a product life cycle was identified which was based on the sign of coefficients obtained from trend analysis. The PLC based forecasting method developed in this study was tested for its reasonableness and applicability with sales data collected from a confectionary and foods industry in Korea. The application results showed that PLC based forecasting methods give us better forecasts compared with those by traditional time series forecasting methods in terms of forecast accuracy. It implies that the PLC based forecasting methods can help supply chain and/or marketing managers make better decision-making by increasing the accuracy of forecasting. As a result, the study shows that traditional time series forecasting methods can be further improved by considering product life cycle.

국내 산업용 도시가스수요는 국제유가가 급등했던 2008년 이후 빠르게 증가하였다. 이 같은 급격한 수요증가는 고유가로 인한 가격경쟁력 우위로 인해 발생하였다. 산업용 도시가스수요는 가정용수요에 비하여 가격탄력성이 높은 것으로 알려져 있는데, 전체 수요뿐만 아니라 산업용 세부 업종 사이에서도 가격에 대한 영향력이 다르게 나타난다. 특히 대용량 소비자인 정유사의 경우에는 일반 산업체와 달리 경쟁연료의 가격변동에 따른 수요변화가 상대적으로 크다. 이런 차이를 고려하기 위해서는 산업용 세부 업종별수요에 대한 분석이 필요하나, 관련 자료의 부재로 인해 분석이 어려운 상황이다. 본 연구는 이 같은 문제를 해결하기 위한 방안으로 산업용수요의 지역별 수요예측모형을 고려하였다. 석유화학산업, 금속산업과 같은 도시가스 다소비 산업이 대체로 특정 지역에 많이 분포되어 있기에 지역별 산업용수요의 패턴과 산업용 세부용도별 수요패턴이 유사하다. 지역별 산업용수요예측모형 추정결과, 경쟁연료와 상대가격에 대한 효과가 지역별로 큰 차이가 있는 것으로 나타났으며, 2014-2017년에 대한 예측력평가 결과, 지역별 산업용수요예측모형이 전국 산업용수요모형에 비하여 우수한 것으로 나타났다.

Industrial gas demand in Korea has increased dramatically since the high oil price period occurred in 2008. This drastic change in gas consumption may be due to strong interfuel competition in industrial gas market. Moreover, income/price elasticity of industrial gas demand may vary across sub-sectors within manufacturing industry. Large consumers such as petrochemical industry are more sensitive to price completion than light industry. Therefore we need more detailed information in by disaggregate analysis of industrial gas demand, but only aggregate consumption gas data is available. In an overcome this situation, we propose regional demand forecasting models for industrial gas demand in Korea. This modeling strategy exploits the spatial concentration of gas intensive industries in Korea, thus we can expect that the patterns of regional gas demand are similar to those of the industries. Estimation results from our regional model show that price competition varies across regions. To evaluate the accuracy of proposed regional forecasting model, we also conduct out of sample forecasts. Our forecast exercise for 2014-2017 period reveals the regional forecast model generally outperforms the national forecasting model.

본 연구는 대구국제공항의 항공수요예측을 위하여 2013년 1월부터 2018년 12월까지 월별 여객운송 시계열자료를 이용하였다. 항공수요의 경우 계절적 변동이 크기 때문에 Box and Jenkins(1976)가 제시한 계절형 ARIMA 모형을 분석에 사용하여 예측하였다. 예측결과에 따르면, 대구국제공항 이용객은 2018년 4,062,833명(실제 수요치), 2019년 예측치 4,605,962명, 2020년 예측치 5,295,103명까지 증가할 것으로 보이며, 이는 2018년 대비 2019년 13.37%, 2020년 30.33% 증가한 수치이다. 이러한 증가 추세는 중·단기적으로 지속될 것으로 예측된다. 따라서 향후 대구국제공항의 지속적인 성장을 위해 기존 공항의 부지 여건 내에서 인프라시설 확충의 경우 항공수요 분산을 위하여 효율성과 경제성을 고려한 정책이 시급하다. 또한, 용량 포화시점에 대비하여 통합 대구국제공항 이전 건설과 새로운 신공항 건설계획의 경우는 연계교통수단의 도입 등 편의성에 집중된 정책이 중요하며 그에 대한 타당성을 충분히 보완할 수 있도록 지속적인 추후 연구가 필요할 것으로 생각된다.

This article used the monthly passenger transportation time series data from January 2013 to December 2018 to forecast the demand of air traffic at Daegu International Airport. For seasonal fluctuations in aviation demand, the seasonal ARIMA model proposed by Box and Jenkins (1976) was used for analysis. According to the analysis, Daegu International Airport visitors will increase to 4,062,833 peoples (actual demand) in 2018, 4,605,962 in 2019, and 5,295,103 in 2020. This is an increase of 13.37% in 2019 and 30.33% in 2020 compared to 2018, and this trend is expected to continue in the medium to short term. Therefore, in order to continuously grow Daegu International Airport, it is imperative to take into account efficiency and economics in order to diversify air demand in the case of expanding infrastructure facilities within the existing airports. The case of the relocation of Daegu International Airport and the new airport plan in preparation for the congestion of airports, it is important to focus on convenience, such as the introduction of linked transportation, and further research will be necessary to fully supplement the feasibility of the plan.

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.

In order to provide stable district heat supplying service to the certain limited residential area, it is the most important to forecast the short-term future demand more accurately and produce and supply heat in efficient way. However, it is very difficult to develop a universal heat demand forecasting model that can be applied to general situations because the factors affecting the heat consumption are very diverse and the consumption patterns are changed according to individual consumers and regional characteristics. In particular, considering all of the various variables that can affect heat demand does not help improve performance in terms of accuracy and versatility. Therefore, this study aims to develop a demand forecasting model using deep learning based on only limited information that can be acquired in real time. A demand forecasting model was developed by learning the artificial neural network of the Tensorflow using past data consisting only of the outdoor temperature of the area and date as input variables. The performance of the proposed model was evaluated by comparing the accuracy of demand predicted with the previous regression model. The proposed heat demand forecasting model in this research showed that it is possible to enhance the accuracy using only limited variables which can be secured in real time. For the demand forecasting in a certain region, the proposed model can be customized by adding some features which can reflect the regional characteristics.

정부지원 연구개발사업에 대한 예비타당성 평가는 예산의 낭비와 비효율성 등을 방지하고 연구개발에 대한 자원배분의 왜곡을 방지할 수 있다는 점에서 중요한 정책적 의미를 지닌다. 본 연구는 예비타당성 평가 중 경제성 평가의 핵심을 이루는 시장수요 예측에 대한 방법론을 살펴보고, 이의 적용 방안을 모색한다. 특히 기존의 시장수요예측에 주로 사용되었던 연평균 성장률(CAGR) 모형을 BASS 모형, Logistics 모형에 의한 수요예측 결과와 비교하고, 이를 국내 로봇 산업의 수요예측에 적용하여 각 모형이 지니는 장단점을 비교한다. 분석 결과 CAGR 모형은 사용의 편리성에도 불구하고 시장수요에 대한 과대추정(overestimation)의 위험이 매우 높은 것으로 나타났으며, BASS 모형은 과소추정(underestimation)의 가능성이 존재할 수 있는 것으로 나타났다. 이는 현재 대부분 정부 연구개발 과제의 경제성 평가에 사용되고 있는 CAGR 모형이 사업의 성공가능성을 지나치게 낙관적으로 전망하도록 함으로써 정부 R&D 사업의 비효율과 자원배분의 왜곡을 초래할 가능성이 높음을 의미한다.

The feasibility evaluation of Government R&D investment has important implications in that it improves the potential inefficiency of Government investment decisions and associated distortion of R&D resource allocations. This paper provides empirical evidences that the cumulative average growth rate model(CAGR), which has been widely adopted at the feasibility evaluation, tends to overestimate the future market demand and is likely to cause inefficient resource allocation of Government R&D expenditure. We compare the predictive power of CAGR model with BASS model and Logistic model using domestic robot industry data, and find that BASS model has overall better predictabilities on the future market demand. Even though BASS model has the possibility of underestimation, the study suggests that BASS model is better than CAGR model for the future market demand predictions.

마케팅에서 신상품의 매출을 예측하는 것은 매우 중요하다. 본 연구에서는 국내 TV홈쇼핑에서 취급하는98개 신상품 매출자료로 수요예측 모형을 만들었다. TV홈쇼핑은 실시간으로 제품을 판매하기 때문에즉각적으로 매출 자료를 파악할 수 있다. 더욱이 일반 유통인 경우에는 특정 제품의 매출 자료에 타 경쟁제품의마케팅 활동에 따른 교란요인들이 포함되어 있지만, 홈쇼핑에서 얻은 매출 자료는 상대적으로 그러한교란요인이 적어 수요예측 모형을 만들기에 적합하다. 본 연구에서는 신상품 출시 전, 동일한 신제품을다수의(500-600여명) 소비자가 신제품에 대한 구매의향을 평가한 자료와 10명의 사내 전문가가 성공 가능성을평가한 자료를 사용하여 출시 이후에 실제 매출 자료를 연결시켜 수요예측 모형을 만들었다. 본 연구에서는 홈쇼핑의 신상품 실제 매출 자료를 종속변수로 사용하고 출시 전, 소비자 평가 자료와전문가판단 자료를 독립변수로 사용하여 2개의 신제품 수요예측모형을 만들었다. 그리고 이 수요예측모형으로 소비자 평가 자료와 전문가 판단자료 간 예측력을 비교하였다. 본 분석결과 컨셉테스트와 같은소비자평가 자료를 사용한 수요예측모형은 예측력에 있어 전문가 판단자료를 사용한 것보다 나았지만, 예측력에서 큰 차이를 보이지 않았다. 즉 소비자 평가 자료로 얻은 수요예측 모형의 예측력은 전문가 판단자료와 비교하여 상대적으로 크지 않는 것으로 조사되었다. 컨셉테스트 같은 다수의 소비자를 대상으로 한평가 자료는 예측력이 다소 높지만, 시간과 비용이 많이 들고 신제품 정보를 외부에 노출시킨다는 점을고려해보면 소수의 사내 전문가 판단 자료를 사용하는 것에 비해 큰 장점이 없다. 소수의 사내 전문가를활용하면 외부의 정보노출 우려도 불식할 수 있고 시간과 비용 면에서 효율적이라 할 수 있다. 따라서 다수의소비자를 대상으로 신제품 수용도 조사(이를테면 컨셉테스트)를 실행하기 어려운 상황에서는 대안으로 소수의전문가 조사를 실시하여 출시 가능 여부의 결정을 고려할 수 있다.

Forecasting the sales of new product was very important issue in marketing. Because of the success percent was not high. it was the scholarly common opinion the failure of new product about 80-90 percent. And now, it is consistent and important issues of marketing research(section). Generally speaking, making the predictive model about the established product can explain to find the other variables related to the current research variable. But forecasting the new product was difficult to explain it because there was not the previously sales data set. this study had the main aim to check the predictive force about concept test. Additionally, the other method of new product's success or failure could use the expert evaluation method. Therefore, throughout expert evaluation and consumer's concept test were crucial to predict the new product success or not. Distribution industry marketer was also important to invent new product. but it was very different from the manufacturing section in itself. Owing to the unique distribution section was previously get the manufacturing goods quality and selected the best item among the gathering merchandise. In other words. distribution or channel's strategy was so passive compared to manufacturing section. TV homeshopping channel was the first and foremost section of distribution industry. there were a variety of characteristics on the TV homeshopping channel. We must know these nature and trait. The first, it is selling the real time and then gets the rapid feedback to sales of goods. the second, And there was no competitive factors(for example, rival company’s promotional activities and advertising, seasonal marketing etc.) compared to the traditional distribution channels. the third, it cost so high managing the market survey. and there were so many kinds of homeshopping goods. it was no more time to review and check the market and consumer data. Like this situation, you had better adapt the method of expert method. and the typical expert method was the in-house experts. And other expert methods were the subjective estimation, using the analogy, consumer-based date etc. Subjective estimation was applying to the function, demand of the new product before launching of new product. This method was treated as collecting the data related to technician and engineer, marketer, other field experts. and its methods included Delphi method, Analytic Hierarchy Process, MIT(Management Judgment Test). The second method was using the analogy technique. It analyzed the similar product category which we must investigate the present, new product without the previous data. And its method was compared with the serial data considering the developing pattern or special situation of past sales record. The third method was the consumer-based data. Using the method, we found the correlation between product sales volume and the preference of consumer before launching the product. and if test market was, it predicted the demand of the real sales volumes connecting to previous test market data. We used the input data of this model based on the purchasing intention of concept test and evaluation of in-house experts. Concept test means the technique and skill related to linguistics and pictures, use situation. Additionally, we utilized the method measuring the judgement of expert. If launching the new product, it was essential to test the new product, do the campaign. The typical expert method was the MJT(Management Judgment Test). MJT's method completed before screening the final concept of new product. Compared to other research tools, it could execute the low cost. When doing the MJT, Various experts must evaluate separately, could not brainstorm one another before publishing the result of the final product evaluation. In generally, MJT method was apply to the convey the advertising or new product concept. We were asking the purchasing intention to consumer opinion of new product by online survey. ...

본 연구에서는 국내 일별 최대전력 수요예측의 문제를 고려한다. 수요예측을 위하여 본 연구에서는 다중 회귀모형에 기반한 예측 방법을 제안한다. 제안 모형은 직전기간 수요, 계절요인, 기상 정보 등 일별 최대전력 수요의 특성을 적절히 반영할 수 있는 독립변수들을 포함한다. 특히, 계절요인을 고려하기 위하여, 2개월 단위로 계절을 구분하고, 계절에 따른 기상 정보를 반영하기 위하여 계절 변수와 기상 정보 변수의 곱으로 이루어진 2차항을 독립변수로 포함시킨 모형을 제안한다. 제안 모형의 성능을 검증하기 위하여 기존 연구 결과와 비교 실험을 수행하였고, 평균절대백분율오차(MAPE)를 측정하였다. 비교 실험 결과, 제안 예측 방법이 모든 경우에 더 개선된 예측 성능을 보임을 확인할 수 있었다.

In this study, we consider a problem of forecasting daily peak load of Korea, and propose a multiple regression model to solve the problem. Based on data analysis of daily peak load, various factors such as previous demands, seasonality, weather information, and so on, are selected as independent variables of the model. To evaluate the performance, we compared the MAPEs (mean absolute percentage errors) of the proposed forecasting method with those of several existing methods in the literature. Computational tests show that the proposed method outperforms all the benchmarks in terms of MAPE.

본 연구는 온라인 검색 엔진을 활용한 관광지 수요예측을 실시하기 위하여 온라인 검색 엔진에서 도출된 텍스트 마이닝 기반 이슈 키워드 분석 자료를 활용하였다. 구체적으로 첫째, 관광정보시스템 관광객 수 추이와 텍스트 마이닝을 통해 도출된 이슈 키워드 검색 관광객 수 추이와의 유의성 판단을 위해 두 데이터를 표준화하여 그 수치를 비교하였다. 둘째, 온라인 검색 엔진을 통해 도출된 데이터와 관광지식정보시스템 통계 데이터를 활용한수요예측을 실시한 후 그 추이를 비교하였으며, 실제 관광객 수로 변환하였다. 셋째, 이를 토대로 이론적 및 실무적 시사점을 제시하였다. 그 결과, 온라인 검색 엔진을 활용한 수요예측 시 안동시 관광객 수는 2018년도 까지 지속적으로 증가하는 것으로 나타났으나, 관광지식정보시스템을 통한 수요예측 결과에서는 관광객 수가 감소하는 것으로 나타났다. 이러한 결과를 토대로 실무적 시사점을 제시하였다.

The purpose of this paper is to prove demand forecasting methods by utilizing online search engines. This study utilizes text mining based issues and Keyword analysis data derived from online search engines to predict the number of visitors that exist demanding forecasting. In terms of forecasting tourists, this study compared NAVER trend statistics to the statistics of a Tourism Information System. and, it was carried out by applying the most appropriate model to forecast demand time series data. Also, it compared existing tourist forecast statistic results of a Tourism Information System in order to forecast the result of statistical NAVER trends. As a result, we have found that when utilizing NAVER trends the forecast is for Andong tourists to continue to increase until 2018 year. However, forecasting results though the Tourist Information System showed that the number of tourists decreased. This study proposes practical implications based on these results.

지역난방 열에너지 수요는 기상 요인, 사회문화적 요인과 밀접한 관련을 갖는다. 최근 기후변화에 따른 급격한 기온 변화와 기술의 발전, 사회문화적 특성의 변화에 따라 열에너지 수요예측에 대한 관심이 증가하고 있다. 본 연구는 2007년∼2008년 수도권 두 도시의 시간단위 지역난방 열에너지 실측자료를 바탕으로 자료에 부합하면서 예측의 정확성을 향상시킬 수 있는 지역난방 열에너지 수요모형을 찾고자 하였다. 첫째, 외기온도와 열에너지 수요의 이력현상에 따른 상태 의존적 관계를 설명하는데 상태구분모형을 적용하였다. 둘째, 열에너지 수요의 사회문화적 요인을 고려하기 위하여 월, 요일, 일중 시간에 따른 계절 변수를 포함하였다. 셋째, 수요모형에 동태적 특성을 포함하여 계절적 주기와 열에너지 수요의 지체 현상을 설명하였다. 따라서 열에너지 수요의 이력현상에 따른 상태 의존적 특성, 사회문화적 요인, 동태적 특성을 수요모형에 고려함으로써 설명력을 개선하고 수요예측의 정확성을 향상시킬 수 있었다.

The demand for local district-heating systems is closely related to the temperature and socioeconomic variables. The climate change and unpredictable climate variations, technological progress, and preference changes generate wide and prolonged prediction errors from the forecasting model. Based on the stylized facts of the district-heat data, this paper proposes a real-time forecasting model of district-heat demand. The proposed model is predicated on the state-dependent relationship between the temperature and the district heat demand. The socioeconomic seasonal variables and dynamic properties are incorporated to explain the district heat demand in two metropolitan areas for the period 2007~2008. A sizable amount of improvement in prediction accuracy is observed.

With the development of tourism, the hotel industry has been growing steadily. However, in a variety of environmental changes and constant competition, the hotel industry began changed. Among them, the expansion of hotel food and beverage business can be counted on Management Improvement. Through appropriate demand forecasting techniques and more efficient management of food materials to enable quick decision, it will be more helpful to revenue management. In this study, to find out optimized forecasting techniques for hotel food and beverage business and presents a more accurate prediction model. To assist practitioners in making decisions. The results of this study are as follows: Food and beverage sales data in January 2002-December 2009 be analysed. Holt model, the MAPE = 17.350%, Winters additive model MAPE = 8.168%, Multiplicative MAPE = 8.136%, the regression models were 16.454%, 16.131%, 15.823%. Winters models showed the highest prediction accuracy was found. However, since the 2010 January until June, comparing actual data and predicted data. It have shown little difference in predictive value. In making predictions, a mix of winters model and qualitative methods will be more efficient management.

The purpose of this study is to examine whether combining the forecasts obtained from two or more forecasting models can improve forecasting performance over the forecasts generated by individual forecasting models. The data used in this study were annual tourist arrivals in Korea from Japan and USA through 1970 to 2004. The observation(2001～2004) was held out as a testing set. The accuracy was tested on value of MAPE. The forecasts were estimated from five individual models: Naive 1, Holt's linear exponential smoothing, damped trend, ARIMA, and econometric model. The empirical results show that the relative performance between combining forecasts and individual forecasts varied according to the number and choice of forecasting models. It was also found that the simple combination of forecasts always outperformed the worst single model and some combining methods outperformed the best single model. The results suggest that combing forecasts could be a reasonably practical alternative to single forecasting forecast. This finding implies that combining forecasts could be a better way to improve forecasting accuracy and to reduce the risk of forecasting failure.

고유가 시대의 교통 수단과 도시민의 교통 문제 그리고 자동차 환경영향 문제 등으로 인해 지하철의 역할과 확충이 부각되고 있다. 본 연구는 지하철 대중화 요구에 따른 수요예측 기법과 설명변수를 분석하고, 이를 통해 지하철의 경영 환경에 효율적으로 대응함으로써 지하철 수요 확충의 정책적 기초 자료를 제공하는데 궁극적인 목적이 있다. 본 연구에서는 지방도시의 지하철을 중심으로 기존 노선의 수요예측 기법과 신설노선의 수송인원 예측을 위한 설명변수의 관계성을 분석하였다. 지방도시 지하철의 신설에 따른 수송인원 예측은 역의 수와 노선거리(Km) 당 수송인원을 반응변수로 설정한다. 지하철의 수송 수요는 자기회귀오차모형에 따르며 계절추세가 반영되기 때문에 시계열분석모형으로 접근이 유효하다. 수요예측을 위한 경험적 관측치가 일정 기간 확보되지 않은 지방 지하철의 경우 대체 지표의 적용 가능성이 낮기 때문에 상수함수의 성격을 지닌다. 지하철 연장 노선과 설치 역의 수에 따른 장기적 수요예측은 지역 총인구 변수가 주요 설명요인으로 사용된다. 또한 지하철 수요예측에서 이상 기후, 교통체계 개편, 개통 효과 등은 불규칙 수요변동을 초래하는 이상 요인이다. 광주 지하철은 수도권과 부산지하철과의 분기별 주기와 상반된 반기별 계절주기 양상을 보이고 있으나 진폭은 상대적으로 큰 편이다. 또한 지하철 노선이 짧아 단순이동 수단 성격을 띠고 있어 경쟁력을 확보하기 위해서는 잠재수요를 끌어내는 지하철 노선의 확충이 요구된다.

High oil price, heavy traffic and environmental problems caused by harmful waste gas come to urge the expansion of subway lines. The purpose of this study is to provide the basic data for expanding city's subway lines. The subjects of the study were subway lines of local cities. Explanatory variables to anticipate the number of passengers who would use newly-built line were mainly verified. To anticipate the number of passengers who would use newly-built line, the approaches of time series analysis and multiple regression analysis were applied. And response variables were the number of stations and the distance of the line(km). As season affects the number of passengers, time series analysis should be applied. Compared to capital regions, local areas are greatly influenced by season. The most important factor of local subways is the population of the city. There is a close relationship among population, the number of stations and line distance, which are main factors to anticipate the demand. Mathematical function between population and season is clearly revealed. Outlier variables like climate change, reformation of traffic system and service effects are significantly discovered. Among all explanatory variables, one changeable factor is traffic system. Public transportation like subway can lead to decentralizing passengers of public transportation, which means that more passengers will use subways instead of other transit systems.

Many experts forecast that Korea will be in an aged society soon. Due to this significant shift, the objectives of the study are as follows; firstly to explain the aging progress of Korea and academic interests for the last 18years, secondly to describe the structure and theory of Artificial Neural Network model, thirdly to forecast the tourism demand in Korean seniors for China and Japan, finally to give academic explanations to Korean tourism sector. The results identified three meaningful results. First, the study describe that the market for Korean elderly people would be important in the tourism study. The study also predicted the outbound travel demands and emphasize the trend for Korean senior citizen. The results provide base to produce useful strategies for the tourism industry such as tourism marketing and policy. Finally, the study identify that ANN model would improve the accuracy for Korea’s tourism demand study.핵심용어(Key words):노년층(Senior citizen),해외여행수요(Outbound tourism demands),인공신경망 모형(Artificial neural network),시계열(Time series)

본 연구는 시계열 모형의 하나인 ARIMA모형을 이용하여 대구시의 섬유패션산업에 대한 인력수요 예측모형을 구축하고, 이를 실제 적용하여 정책적인 시사점을 제공하고자 하였다. 연구대상 및 범위는 대구시의 섬유패션산업의 1964년부터 2003년까지의 연도별 자료를 이용하여 2010년까지 섬유패션산업의 인력수요를 예측하였다. 연구에서 시계열분석은 기본적으로 예비단계를 포함하여 4단계에 걸쳐 수행하였는데, ARIMA(1,1,0) 모형을 최종모형으로 선정하였다. 이 모형은 대구시 섬유패션산업의 인력수요를 예측하는데 가장 적절한 모형으로 나타났고, 이에 근거하여 2010년까지 섬유패션 수요인력을 예측한 결과, 매년 조금씩 증가하나 그 폭은 크지 않은 것으로 나타났다.

This paper are forecasting textile-fashion industry's population demand of Daegu Metropolitan City using of ARIMA model and presenting policy orientation. ARIMA model is more appropriate one than the existing simple time-series forecasting model. The study used time series analysis data from 1964 to 2003. The result shows that the variation appears a lot between 1963 and 2004 of textile-fashion industry's population. Consequently, ARIMA(1,1,0) model is the most appropriate one in order to forecast textile-fashion industry's population demand of Daegu Metropolitan City.

본 논문에서는 수요예측방법으로 포괄적으로 사용할 수 있는 동적회귀모형과 실제자료에 근거하여 동적회귀모형을 설정하기 위해서 필요한 경험적인 분석전략을 소개하였으며, 몇 가지 실제사례분석을 통해서 동적회귀모형의 응용도를 살펴보았다. 동적회귀모형을 적용시켜 프로세서 내에 복잡하게 얽혀있는 메커니즘을 단순용이하게 설명 및 규명할 수 있으며, 더 나아가 기업의 판매계획, 생산계획, 인사계획, 재무계획 등에 필요한 의사결정을 하는데 도움을 줄 수 있다.

In this study, dynamic regression model is introduced, which is one of the widely used demand forecasting methods and also some empirical strategies of analysis are suggested for the purpose of building an appropriate dynamic regression model based on the real market and global economic areas. In addition, several case studies are performed and examined as application of dynamic regression model. We can easily and simply explain and/or diagnose the mechanism of process and furthermore obtain the important information in making production, sale, personnel and financial decisions and so forth.