This research studies on the demand forecasting for service parts considering parts life cycle, that gets relatively less attentions in the field of forecasting. Our goal is to develop forecasting method robust across many situations, not necessarily optimal for a limited number of specific situations. For this purpose, we first extensively analyze the drawbacks of the existing forecasting methods, then we propose the new demand forecasting method by using these findings and reinforcement leaning technique. Using simulation experiments, we proved that the proposed forecasting method is better than the existing methods under various experimental environments.

In this research, we propose efficient demand forecasting scheme for intermittent demand. For this purpose, we first extensively analyze the drawbacks of the existing forecasting methods such as Croston method and Syntetos-Boylan approximation, then using these findings we propose the new demand forecasting method. Our goal is to develop forecasting method robust across many situations, not necessarily optimal for a limited number of specific situations. For this end, we adopt combining forecasting method that utilizes unbiased forecasting methods such as simple exponential smoothing and simple moving average. Various simulation results show that the proposed forecasting method performed better than the existing forecasting methods.

PURPOSES : This study aims to examine the differences between the existing traffic demand forecasting method and the traffic demand forecasting method considering future regional development plans and new road construction and expansion plans using a four-step traffic demand forecast for a more objective and sophisticated national highway maintenance. This study ultimately aims to present future pavement deterioration and budget forecasting planning based on the examination. METHODS: This study used the latest data offered by the Korea Transport Data Base (KTDB) as the basic data for demand forecast. The analysis scope was set using the Daejeon Metropolitan City’s O/D and network data. This study used a traffic demand program called TransCad, and performed a traffic assignment by vehicle type through the application of a user equilibrium-based multi-class assignment technique. This study forecasted future traffic demand by verifying whether or not a realistic traffic pattern was expressed similarly by undertaking a calibration process. This study performed a life cycle cost analysis based on traffic using the forecasted future demand or existing past pattern, or by assuming the constant traffic demand. The maintenance criteria were decided according to equivalent single axle loads (ESAL). The maintenance period in the concerned section was calculated in this study. This study also computed the maintenance costs using a construction method by applying the maintenance criteria considering the ESAL. The road user costs were calculated by using the user cost calculation logic applied to the Korean Pavement Management System, which is the existing study outcome. RESULTS : This study ascertained that the increase and decrease of traffic occurred in the concerned section according to the future development plans. Furthermore, there were differences from demand forecasting that did not consider the development plans. Realistic and accurate demand forecasting supported an optimized decision making that efficiently assigns maintenance costs, and can be used as very important basic information for maintenance decision making. CONCLUSIONS : Therefore, decision making for a more efficient and sophisticated road management than the method assuming future traffic can be expected to be the same as the existing pattern or steady traffic demand. The reflection of a reliable forecasting of the future traffic demand to life cycle cost analysis (LCCA) can be a very vital factor because many studies are generally performed without considering the future traffic demand or with an analysis through setting a scenario upon LCCA within a pavement management system.

It is critical to forecast the maximum daily and monthly demand for power with as little error as possible for our industry and national economy. In general, long-term forecasting of power demand has been studied from both the consumer’s perspective and an econometrics model in the form of a generalized linear model with predictors. Time series techniques are used for short-term forecasting with no predictors as predictors must be predicted prior to forecasting response variables and containing estimation errors during this process is inevitable. In previous researches, seasonal exponential smoothing method, SARMA (Seasonal Auto Regressive Moving Average) with consideration to weekly pattern Neuron-Fuzzy model, SVR (Support Vector Regression) model with predictors explored through machine learning, and K-means clustering technique in the various approaches have been applied to short-term power supply forecasting. In this paper, SARMA and intervention model are fitted to forecast the maximum power load daily, weekly, and monthly by using the empirical data from 2011 through 2013. ARMA(2,1,2)(1,1,1)7 and ARMA (0,1,1)(1,1,0)12 are fitted respectively to the daily and monthly power demand, but the weekly power demand is not fitted by AREA because of unit root series. In our fitted intervention model, the factors of long holidays, summer and winter are significant in the form of indicator function. The SARMA with MAPE (Mean Absolute Percentage Error) of 2.45% and intervention model with MAPE of 2.44% are more efficient than the present seasonal exponential smoothing with MAPE of about 4%. Although the dynamic repression model with the predictors of humidity, temperature, and seasonal dummies was applied to foretaste the daily power demand, it lead to a high MAPE of 3.5% even though it has estimation error of predictors.

Aggregate Production Planning determines levels of production, human resources, inventory to maximize company’s profits and fulfill customer's demands based on demand forecasts. Since performance of aggregate production planning heavily depends on accuracy of given forecasting demands, choosing an accurate forecasting method should be antecedent for achieving a good aggregate production planning. Generally, typical forecasting error metrics such as MSE (Mean Squared Error), MAD (Mean Absolute Deviation), MAPE (Mean Absolute Percentage Error), and CFE (Cumulated Forecast Error) are utilized to choose a proper forecasting method for an aggregate production planning. However, these metrics are designed only to measure a difference between real and forecast demands and they are not able to consider any results such as increasing cost or decreasing profit caused by forecasting error. Consequently, the traditional metrics fail to give enough explanation to select a good forecasting method in aggregate production planning. To overcome this limitation of typical metrics for forecasting method this study suggests a new metric, WACFE (Weighted Absolute and Cumulative Forecast Error), to evaluate forecasting methods. Basically, the WACFE is designed to consider not only forecasting errors but also costs which the errors might cause in for Aggregate Production Planning. The WACFE is a product sum of cumulative forecasting error and weight factors for backorder and inventory costs. We demonstrate the effectiveness of the proposed metric by conducting intensive experiments with demand data sets from M3-competition. Finally, we showed that the WACFE provides a higher correlation with the total cost than other metrics and, consequently, is a better performance in selection of forecasting methods for aggregate production planning.

국가차원의 슈퍼컴퓨팅 성능수요 예측은 슈퍼컴퓨터를 활용하는 계산과학분야 의 연구자나 연구개발 인프라를 구축⋅운영하고 있는 전문기관, 과학기술 인프라구축을 주도 할 정부기관에 있어서 매우 중요한 정보이다. 본 연구는 그동안 진행되었던 슈퍼컴퓨터 성능관련 예측활동 분석을 통해 과학기술 역량 에 영향을 미치는 요인들을 도출하고 이를 슈퍼컴퓨터 기술진보 추세에 적용한 복합 예측모 형을 제안하였다. 횡단면분석에서는 슈퍼컴퓨팅 성능에 영향을 미칠 것으로 판단되는 GDP, GERD, 연구원수, SCI논문수를 고려한 다중회귀분석을 수행하였다. 그리고 횡단면분석 결과 에 Top500 자료의 성능(Rmax)값을 이용한 시계열분석을 통해 도출된 기간별 기술진보율을 곱하여 슈퍼컴퓨터의 성능을 예측하였다. 제안된 예측모형을 바탕으로 세계 슈퍼컴퓨터 500위의 시계열자료를 이용하여 한국이 2016년에 보유해야 할 슈퍼컴퓨터 성능규모를 예측하였다. 횡단면분석과 기술진보율을 적 용하여 2016년 한국의 슈퍼컴퓨팅 성능수요를 예측해본 결과 현재의 추세를 이용할 경우 15～30PF 정도, 목표 국가수준의 추세를 이용할 때 20～40PF 정도의 컴퓨팅 역량이 필요할 것으로 예측되었다. 이 결과는 단순 회귀분석을 적용한 결과인 9.6PF와 횡단면분석을 적용 한 결과인 2.5PF와 큰 차이를 나타내었다.

Spare part management is very important to products that have large number of parts and long lifecycle such as automobile and aircraft. Supply chain must support immediate procurement for repair. However, it is not easy to handle spare parts efficiently due to huge stock keeping units. Qualified forecasting is the basis for the supply chain to achieve the goal. In this paper, we propose an agent based modeling approach that can deal with various factors simultaneously without mathematical modeling. Simulation results show that the proposed method is reasonable to describe demand generation process, and consequently, to forecast demand of spare parts in long-term perspective.

오늘날 물류 서비스 산업에서는 수요예측을 통해 불확실성을 줄여나가는 것이 경영상 매우 중요한 이슈로 제기되고 있다. 비교적 시장 점유율이 견고하게 유지되는 제조산업과는 달리 물류 서비스 산업은 매우 빠른 속도로 시장이 성장하고 변화하기 때문에, 시장 환경의 변화를 반영하여 정확한 수요 예측에 기반한 적절한 물류 서비스 공급을 위한 운송 및 인력 공급 계획을 수립하여 운용하여야 한다. 본 연구는 물류 서비스 업계를 위하여 추세 요소, 계절 요소 등 수요에 영향을 미치는 요소를 분석하고, 영향 효과를 산출하여 물류 서비스 산업을 위한 수요예측 시스템에 반영하는 방안을 연구하였다. 특히 지역 특산물, 기상효과, 음력으로 발생하는 명절 효과 등 수요를 크게 변화시키는 중요 영향 요소에 의한 수요 변동을 수요 예측에 활용하는 방안을 도출함으로써, 물류 서비스 산업계의 수요 예측을 위하여 분해법(Decomposition Method)을 제시하였다.

본 연구에서는 다양한 분야의 수요예측에서 사용되고 있는 시계열모형을 이용하여 일반여객의 장래 수 요추정 방안 제시를 그 목적으로 한다. 분석은 일반여객(새마을, 무궁화)을 대상으로 수행 되었으며, 2004년 4월부터 2013년 1월까지의 시계열 자료를 이용하여 2014년 12월까지 예측을 수행하였다. 기존 연구의 수요예측 과정은 예측 유형별(열차종별 총량, 열차종별·노선별 총량 등)로 각각의 시계열 모형을 추정하여 예측을 수행하였으나, 본 연구에서는 그림 1.에서와 같이 주중일평균/주말일평균 단위로 자료를 구축하여 분석을 수행함으로써, 특송기간에 의한 오차 및 철도 수요 특유의 주중/주말 분산 오차를 줄일 수 있었다. 또한, 개선된 수요예측과정은 과거 직전 연도(2012년)의 실측값에 근거하여 역간 수송특성(승차 및 하차 비율 등)을 산정한 후 월별 역간 수송량을 예측하는 방식을 채택함으로서, 일반여객이 갖는 많은 양의 O/D개수로 인해 예측이 어렵던 기존연구의 역간 수송량 예측에 대한 한계점을 극복하였다. 시계열 모형의 추정은 그림 1.에서와 같이 구축된 자료를 통해 그림2.와 같이 판별, 추정, 진단, 예측의 4단계를 거쳐 추정된다. 본 연구에서는 열차별·노선별로 각각의 시계열 자료의 변동 및 특성에 따라 ARIMA모형, SARIMA모형, 개입 SARIMA모형을 이용하여 분석을 수행하였다. 수송수요의 적정성을 검토하기 위하여 2013년 2월부터 4월까지의 실제 관측된 데이터와 시계열 모형을 통해 예측된 예측치를 RMSE, U-TEST, MAPE를 이용하여 비교하였으며, 적정성을 확인하였다. 예측 결과, 새마을 열차의 경우 총 승차인원은 2013년 935만인/년, 2014년 962만인/년으로 예상되며 무궁화 열차의 경우 2013년 6,838만인/년, 2014년 7,242만인/년으로 예상된다. 본 연구의 경우 시계열 모형을 이용하여 일반여객의 단기 수요예측만을 수행하였으나, 철도의 수송수 단으로서의 경쟁력 확보 방안 마련과 시설투자 계획 및 새로운 노선의 개발계획 등의 의사결정을 위해서는 중기 예측이 필요하며, 타 수송수단과 수단점유율 예측의 연구가 선행되어야 보다 더 정도 높은 단기 예측이 가능할 것으로 판단된다.

In this study, a forecasting engine from the user perspective is studied and developed. Characteristics of forecasting engine can be divided into a few categories, an algorithms for predicting variety of situations and the depth of algorithms based on the

Since 'The Act on Private Investment of The Infrastructure' was established in 1994, private investment as well as government's investment in transport infrastructure has been active. However investment in transport infrastructure has more risks than others' due to uncertainty both in traffic volume and in construction cost. In the current appraisal procedure of deciding transportation infrastructure investment, instead of risk management, the sensitivity analysis considering only the changes of benefit, cost and social discount rate which are main factor affecting economic feasibility is carried out. Therefore the uncertainty of various factors affecting demand, cost and benefit are not considered in feasibility study. In this study the problems in current investment appraisal system were reviewed. Using Delphi technique the major factors which have high uncertainty in feasibility study were surveyed and then improvement plan was suggested in the respective of classic 4 step demand forecasting method. The range estimation technique was also mentioned to deal with the uncertainty of the future.

본 연구의 목적은 일반국도에서 계획 시에 예측한 교통량과 실제 개통 이후의 교통량을 비교하여 수요예측의 정확도를 파악하는 것이다. 이를 위해 1980년대와 1990년대에 계획된 총 10개 일반국도 구간을 선정하였다. 예측교통량과 실측교통량의 비교를 위해 계획 시의 보고서를 수집하였으며, 상시교통량 조사지점이 있는 구간을 중심으로 선정하였다. 비교를 위한 지표는 오차율을 이용하였으며, 고속국도 등 네트워크 연계성이 있는 구간과 사회경제지표에 의한 구간으로 구분하여 비교 분석하였다. 분석결과, 네트워크 연계성이 있는 구간은 고속국도의 개통에 의한 영향정도에 대한 정확성이 높을수록 오차율이 낮은 것으로 나타났다. 개통시기에 따른 정확도는 개통 이후에 점차적으로 오차율이 낮아지는 것으로 나타나 긍정적인 것으로 판단되었다. 구간별 단위길이에 따른 정확도는 단위길이가 길수록 오차율이 높아지는 것으로 나타났다. 개통 후 3년 시점을 기준으로 오차율을 고속국도와 비교한 결과 일반국도가 다소 안정적인 패턴을 보이고 있으나 개통연도에 따른 오차율의 변화는 큰 차이가 없는 것으로 나타났다.