2-2. 생산계획과 예측
1. 시계열 분석기법 2. 인과형 모형
3. 예측오차의 측정과 통제
1. 시계열 분석기법
시계열의 구성요소
- 시계열이란 일정한 시간간격으로 본 일련의 과거 자료(예: 일별, 주별, 월별 판매량)
• 추세(T)
• 순환요인(C)
• 계절적 변동(S)
• 불규칙변동 혹은 우연변동(R)
시계열 추 세
계절적변동
순환요인
불규칙변동
0 1 2 3 4 년
시계열분석모형
• 시계열 분석모형에서는 수요 Y를 시계열의 4가지 구성요소의 함수로 파악
Y =f (T, S, C, R )
• 승법모형:Y = T·S ·C ·R
• 가법모형:Y = T+S+C+R
시계열의 패턴
(a) 추세나 계절적 변동이 없는 경우
(c) 선형추세, 가법적인 계절적 변동
(b) 추세는 없고 계절적 변동만 있는 경우
(d) 선형추세, 승법적인 계절적 변동
추세분석법(trend analysis)
• 추세분석법
- 추세분석법이란 시계열을 잘 관통하는 추세선을 구한 다음 그 추세선상에서 미래수요를 예측하는 방법
- 직선추세선
= a +bt 여기서 t =기간, t =1,2,…,n
Y
t =기간 t 의 실제수요=기간 t 의 직선추세선상에서의 수요 예측치
a =t 가 0일 때 의 값(즉, 축 절편)
b = 직선추세선의 기울기 Y ^
tY
t^ Y ^
tY ^
t6
과거자료와 직선추세선
Y ^
t,Y
t0 1 2 3 4
Y ^
t =a
+bt
Y ^
1Y ^
2Y ^
3Y ^
4Y
1Y
2Y
3Y
4기울기=
b
오차기간(
t
)a
직선추세선의 결정
- 최소자승 법에 의해 실제치와 직선추세선상의
예측치와의 오차자승의 합이 최소가 되도록 a와 b의 값을 구함.
n
t b
Y
t t
n
t Y
tY n
n t n
t t
n t n
t
n t n
t t
n
t t
a b
− ∑
∑
− ∑
∑
∑
− ∑
∑
=
=
=
=
=
=
=
=
=
1 1
1
2 1
2
1 1
1
) (
) )(
(
예 제
연 도 실제수요
1996 1997 1998 1999 2000
30 40 60 50 80
- 추세선을 구하기 위한 계산표
연 도 기간( t ) 실제수요( Y
t) t
2tY
t1996
1997 1998 1999 2000
1 2 3 4 5
30 40 60 50 80
1 4 9 16 25
30 80 180 200 400
합 계 15 260 55 890
-
a
와b
의 값 계산- 직선추세선
- 2001년의 수요 예측치
19
11
5
) 15 ( 11 260
) 15 ( ) 55 ( 5
) 15 ( 260 )
890 ( 5
2
=
=
=
=
−
−
−
a b
t bt
a
Y ˆ t = + = 19 + 11
85 )
6 ( 11 ˆ 19
6 = + =
Y
성분분해에 의한 중기예측
• 시계열분해 법
- 시계열분해 법에서는 시계열자료를 구성 요소들로 분해 하여 수요를 예측
• 추세와 계절적 변동의 결합형태
1월 7월 1월 7월 1월 7월 1월 7월 1월
수요
- 가법적인 계절적 변동
· 추세와 관계없이 계절적 변동치는 언제나 일정
· FITS=추세+계절적 변동
승법적인 계절적 변동
· 추세에 따라 계절적 변동의 폭이 변함.
· FITS=추세×계절지수
1월 7월 1월 7월 1월 7월 1월 7월 1월
수요
계절적 변동의 예
2000년 2001년 예측치
계절
실제수요 계절변동폭 계절지수 가법적인 경우 승법적인 경우
봄 여름 가을 겨울
90 150 110 50
90-100=-10 150-100= 50 110-100= 10 50-100=-50
90/100=0.9 150/100=1.5 110/100=1.1 50/100=0.5
110-10=100 110+50=160 110+10=120 110-50= 60
110×0.9= 99 110×1.5=165 110×1.1=121 110×0.5= 55
합계 400 440 440
평균 계절 수요치(2000년)=400/4=100 평균 계절 수요 예측치(2001년)=440/4=110
성분분해 예:분기별 TV수상기 판매량
연 도 분 기 판매량(단위*1,000) 1
1 2 3 4
4.8 4.1 6.0 6.5
2
1 2 3 4
5.8 5.2 6.8 7.4
3
1 2 3 4
6.0 5.6 7.5 7.8
4
1 2 3 4
6.3 5.9 8.0 8.4
단순이동평균법(simple moving average)
• 단순이동평균법의 특징
- 시계열에 계절적 변동이나 급속한 증가 또는 감소의 추세가 없고 우연변동만이 크게 작용하는 경우에 유용
- 이동평균을 통하여 우연변동을 제거
- 예측하고자 하는 기간의 직전 일정기간 동안의 실제수요의 단순평균치를 예측 치로 함.
A
t-1+A
t-2+···+A
t-NF
t= N
여기서
F
t = 기간t
의 수요 예측치A
t=기간t
의 실제수요N
=이동평균기간예제
- 실제수요
월(t) 1 2 3 4 5
실제수요(A
t) 4 3 4 5 ?
- 이동평균기간:4개월
- 5월의 수요예측치:
F
5 = = = 4 - 5월이 경과하여 5월의 실제수요가 5였을 때 4개월 단순이동평균에 의한 6월의 수요예측치
F
6F
6 = = 4.25 5+4+3+44
16 4
5+5+4+3 4
이동평균기간의 결정
-이동평균기간을 길게 할수록 우연요인이 더 많이
상쇄되어 예측선은 고르게 되나 수요의 실제변화에는 늦게 반응
-이동평균기간은 예측의 안정성과 수요변화에 반응 하는 반응도간의 상충관계를 적절히 고려하여 선택
3주 및 6주 단순이동평균법에 의한 수요예측
기간 실제수요
3주 단순이동 평균에 의한
예측치
6주 단순이동 평균에 의한
예측치
1 10
2 18
3 29
4 15 19.0
5 30 20.7
6 12 24.7
7 16 19.0 19.0
8 8 19.3 20.0
9 22 12.0 18.3
10 14 15.3 17.2
11 15 14.7 17.0
12 27 17.0 14.5
13 30 18.7 17.0
14 23 24.0 19.3
15 15 26.7 21.8
0 5 10 15 20 25 30 35
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 기 간(주)
수 요
실제수요
3주 단순이동평균에 의한 예측치 6주 단순이동평균에 의한 예측치
가중이동평균법(weighted moving average)
• 산식
- 직전
N
기간의 자료치에 합이 1이 되는 가중치를 부여한 다음, 가중 합계치를 예측치로 함.F
t=W
t-1A
t-1 +W
t-2A
t-2+···+W
t-NA
t-N 여기서F
t = 기간t
의 수요 예측치A
t = 기간t
의 실제수요W
t = 기간t
에 부여된 가중치∑
−−
= N
=
t
t i
W
i 11
예제
- 실제수요
월( t ) 1 2 3 4 5
실제수요( A
t) 100 90 105 95 ?
- 가중치를 예측하고자 하는 달의 직전 달에 0.4, 2개월 전에 0.3, 3개월 전에 0.2, 4개월 전에 0.1로 둘 때 4개월 가중 이동평균에 의한 5월의 수요 예측치
F
5 = 0.4(95)+0.3(105)+0.2(90)+0.1(100)=97.5 - 5월의 실제수요가 110이었을 때 6월의 수요 예측치F
6 = 0.4(110)+0.3(95)+0.2(105)+0.1(90)=102.5성분분해 예
연 도 분 기 판매량 4분기별 이동평균 중심이동평균
1
1 2 3 4
4.8 4.1 6.0 6.5
5.35 5.60 5.875
5.475 5.738
2
1 2 3 4
5.8 5.2 6.8 7.4
1. 이동평균= 4.8+4.1+6.0+6.5/4=21.4/4=5.35 2. 이동평균= 4.1+6.0+6.5+5.8/4=22.4/4=5.60 3. 이동평균= 6.0+6.5+5.8+5.2/4=23.5/4=5.875
(5.35+5.60)/2=5.475, (5.60+5.875)/2=5.738
성분분해 예
연도 분기 판매량Yt 4분기별 이동평균TtCt 계절,불규칙StRt=Yt/ TtCt
1
1 2 3 4
4.8 4.1 6.0 6.5
5.475 5.738
1.096 1.133
2
1 2 3 4
5.8 5.2 6.8 7.4
5.975 6.188 6.325 6.400
0.971 0.840 1.075 1.156
3
1 2 3 4
6.0 5.6 7.5 7.8
6.538 6.675 6.763 6.838
0.918 0.839 1.109 1.141
4
1 2 3 4
6.3 5.9 8.0 8.4
6.938 7.075
0.908 0.834
성분분해 예
Y
t= T
tC
tS
tR
t S
tR
t=Y
t/ T
tC
t• 3분기별 계절요인=1.096+1.075+1.109/3=1.09
TV 판매량의 계절요인
분 기 계절 및 불규칙 요인 St Rt 계절요인 St
1 2 3 4
0.971, 0.918, 0.908 0.840, 0.839, 0.834 1.096, 1.075, 1.109 1.133, 1.156, 1.141
0.93 0.84 1.09 1.14
성분분해 예
연도 분기 판매량Yt 계절요인 St 계절요인 제거TtCtRt=Yt/St
1
1 2 3 4
4.8 4.1 6.0 6.5
0.93 0.84 1.09 1.14
5.16 4.88 5.50 5.70
2
1 2 3 4
5.8 5.2 6.8 7.4
0.93 0.84 1.09 1.14
6.24 6.19 6.24 6.49
3
1 2 3 4
6.0 5.6 7.5 7.8
0.93 0.84 1.09 1.14
6.45 6.67 6.88 6.84
4
1 2 3 4
6.3 5.9 8.0 8.4
0.93 0.84 1.09 1.14
6.77 7.02 7.34 7.37
성분분해 예
t Yt (계절요인 제거판매량) t *Yt t*t
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
5.16 4.88 5.50 5.70 6.24 6.19 6.24 6.49 6.45 6.67 6.88 6.84 6.77 7.02 7.34 7.37
5.16 9.76 16.50 22.80 31.20 37.14 43.68 51.92 58.05 66.70 76.68 82.08 88.01 98.28 110.10 117.92
1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256
총합계 136 914.93 1,496
성분분해 예
T
t= a +bt
T
t= 5.101 +0.148t
T
17= 5.101 +0.148*17=7.617
TV 판매량에 관한 분기별 중기예측치
연도 분기 추세요인 계절요인 분기별 예측치
제 5차 연도
1 2 3 4
7,617 7,765 7,913 8,061
0.93 0.84 1.09 1.14
7,617* 0.93 7,765*0.84 7,913* 1.09 8,061* 1.14
지수평활 법(exponential smoothing)
• 지수평활 법의 특징
- 지수적으로 감소하는 가중치를 이용하여 최근의 자료
일수록 더 큰 비중을, 오래된 자료일수록 더 작은 비중을 두어 미래수요를 예측
- 지수평활 법에는 단순지수평활 법과 추세나 계절적 변동을 보정해 나가는 고차적인 지수평활 법이 있음.
- 단순지수평활 법은 이동평균법과 마찬가지로 시계열에 계절적 변동, 추세 및 순환요인이 크게 작용하지 않을 때 유용
단순지수평활 법의 예측 산식
-
F t
=α A t -1
+ (1-α
)F t -1
여기서
α
= 평활상수(0≤α
≤1) -F t
=α A t -1
+ (1-α
)F t -1
=
α A t -1
+F t -1
–α F t -1
=
F t -1
+α
(A t -1
-F t -1
)신 예측치 = 구 예측치+
α
X (예측오차)예 제
- 지난 달의 수요 예측치(
F t -1
)가 100개,실제수요(
A t -1
)가 110개, 그리고 평활 상수가α
=0.3일 때 이번 달의 수요 예측치(F t
)F t
=F t -1
+α
(A t -1
-F t -1
)= 100 + 0.3(110-100)
= 103
단순지수평활 법의 예측 산식 전개
F t
=α A t -1
+α
(1-α
)A t -2
+α
(1-α
)2 A t -3
+ ··· +
α
(1-α
)t -2 A 1
+ (1-α
)t -1 F 1
- 이 식에서 각 가중치는 모든
α
(0≤α
≤1)값에 대하여α
≥α
(1-α
)≥α
(1-α
)2
≥···≥α
(1-α
)t -2
- 지수평활 법은 보다 최근의 자료에 더 큰 비중을두어 수요를 예측하며,
α
값이 클수록 보다 최근의 자료가 예측 치에 더 많이 반영됨.• 평활상수
α
값의 역할- 평활의 정도와 예측치와 실제치와의 차이에 반응하는 속도 결정
-
α
값이 클수록 예측치는 수요변화에 더 많이 반응하며,α
값이 작을수록 평활의 효과는 더 커짐.• 평활상수
α
값의 결정방법- 제품의 수요특성과 관리자가 좋은 반응률을 나타낸다고 생각하는 값에 의해 결정
- 여러 개의
α
값에 대해 예측치를 구한 다음, 그 중에서 예측 오차를 최소로 하는α
값을 선택2. 인과형 모형
• 인과형 모형
- 인과형 모형에서는 수요를 종속변수로, 수요에 영향을 미치는 요인들을 독립변수로 놓고 양자의 관계를 여러 가지 모형으로 파악하여 수요를 예측
• 회귀분석(regression analysis) - 독립변수의 수
· 1개 → 단순회귀분석
· 2개 이상 → 다중회귀분석 - 종속변수와 독립변수의 관계
· 선형 → 선형회귀분석
· 비선형 → 비선형 회귀분석
단순선형회귀분석
• 회귀식
= a + bX
= 종속변수(수요)
Y
의 추정치(즉, 회귀선상의 값)X
= 독립변수(수요에 가장 큰 영향을 미치는 요인)a
= 축 절편(X
=0일 때 의 값)b
= 직선의 기울기•
a
와b
의 값Yˆ
X b
Y
X X
n
Y X
Y X n
n
i i
n
i i
n
i i
n
i i
n
i i
n
i i
n
i i i
a b
− ∑
∑
− ∑
∑
∑
− ∑
∑
=
=
=
=
=
=
=
=
=
1 1
1
2 1
2
1 1
1
) (
) )(
( Yˆ
Yˆ Yˆ
상관계수(correlation coefficient)
- 종속변수인 수요
Y
와 독립변수X
와의 직선적인 관계의 정도, 즉 선형상관관계의 정도를 상관계수r
로 측정- 상관계수
r
은 -1에서 +1 까지의 값을 가지며,r
=0는 무선형 상관을 그리고r
=±1은 완전선형상관을 의미- 상관계수의 부호가 양(+)이면 두 변수
X
와Y
가 같은 방향 으로 변화;음(-)이면X
와Y
가 서로 반대방향으로 변화 - 상관계수r
을 구하는 공식⎥⎦ ⎤
⎢⎣ ⎡ ∑ − ∑
⎥⎦ ⎤
⎢⎣ ⎡ ∑ − ∑
∑
− ∑
∑
=
=
=
=
=
=
= = n
i i
n
i i
n
i i
n
i i
n
i i
n
i i
n
i i i
Y Y
n X
X n
Y X
Y X n
r
1
2 1
2 1
2 1
2
1 1
1
) (
) (
) )(
(
결정계수(coefficient of determination)
- 상관계수
r
의 제곱, 즉r
2을 결정계수라 함.- 결정계수는 종속변수
Y
의 총변동 중 독립변수X
에 의해 설명된 변동의 비율을 나타냄.• 예; 화물차들의 총운행 거리와 타이어 사용량
월( i ) 타이어 사용량 총운행거리
(단위:만 ㎞) 1
2 3 4 5 6
10 15 12 8 9 18
24
32
27
18
20
43
회귀선의 추정을 위한 계산
i X
iY
iX
iY
iX
i2Y
i21 2 3 4 5 6
24 32 27 18 20 43
10 15 12 8 9 18
240 480 324 144 180 774
576 1,024 729 324 400 1,849
100 225 144 64 81 324
합 계 164 72 2,142 4,902 938
79 . 0
41 . 0
6
) 164 ( 41 . 0 72
) 164 ( ) 902 , 4 ( 6
) 72 ( 164 )
142 , 2 ( 6
2
=
=
=
=
−
−
−
a b
-회귀방정식 = 0.79+0.41X -
a
와b
의 값Yˆ
3. 예측오차의 측정과 통제
• 예측오차의 유형
- 편의(偏倚:bias):예측치가 실제치에 비해 전반적으로 높거나 낮음을 나타냄.
- 절대편차:예측치 와 실제 치와의 차이
예측오차의 측정
• 평균오차(ME:mean error)
- 평균 오차란 매기간의 오차를 모두 더하여 기간수로 나눈 값임.
n
F A
n t
t
∑ t −
= 1 ( )
ME =
여기서
A t
=기간t
의 실제수요F t
=기간t
의 수요 예측치n
=기간 수-예측모형이 수요를 일관되게 과대 또는 과소예측을 하지 않는다면(즉, 편의가 없다면) 양의 오차와 음의
오차가 상쇄되어 ME는 0에 근접.
-ME는 양의 오차와 음의 오차가 상쇄되기 때문에 ME
가 0에 가깝다고 하더라도 절대편차는 클 수가 있음.
평균자승오차(MSE:mean squared error)
-평균자승오차는 오차자승의 합을 기간수로 나눈 값.
n
F A
n t
t t
2
1
)
∑ ( −
MSE =
=
-평균자승오차에서는 양의 오차와 음의 오차가 상쇄 되지는 않으나 개개의 오차의 제곱을 취하기 때문에
오차가 클수록 부여되는 가중치가 커지는 결과를 초래.
평균절대편차(MAD:mean absolute deviation)
- MAD는 오차의 절대치, 즉 절대편차를 모두 더한 다음 이를 기간수로 나눈 값임
n
F A
n t
t
∑ t −
=1 | |
MAD =
- MAD와 예측오차의 표준편차 σ와의 관계 1σ≒1.25MAD 또는 1MAD≒0.8σ
평균절대비율오차(MAPE:mean absolute percent error)
- 평균절대비율오차는 실제수요에 대한 상대오차의 비율을 모두 더한 다음 기간수로 나눈 값임
- 평균절대비율오차는 기간에 따라 수요의 크기가 크게 달라질 때 유용한 예측오차의 측정 방법임.
n n
t A t
F t A t
% 100 1
|
| ×
∑ =
−
MAPE =예측오차의 통제
• 예측기법의 적합 여부 판단방법
- 실제치를 예측치와 시각적으로 비교 - 추적지표(TS:tracking signal) 이용
• 추적지표(TS)
- 추적 지표란 누적예측오차를 MAD로 나눈 값으로 측정단위는 MAD임.
MAD
) (
1
∑ −
= n
t A t F t
TS =
추적지표의 관리도
- TS가 합리적인 관리한계 내에서 정상적으로 움직 이면 예측치가 실제치를 잘 따라가고 있다고 판단 - TS가 관리한계를 벗어나거나 관리한계 내에서도
비정상적으로 움직이면 그 원인을 조사하여 조치를 취해야 함.
- 추적지표의 관리한계로는 보통 ±4(MAD)를 사용
-5 -4 -3 -2 -1 0 1 2 3 4
1 2 3 4 5 6
기 간
추적지표