간헐적 수요 특성에 따른 하이브리드 예측 모델 비교 연구

Abstract

간헐적 수요는 불규칙한 특성을 갖는 수요로 여러 산업 분야 걸쳐 나타나며 전체 재고에 상당히 많은 부분을 차지한다. 간헐적 수요에 대하여 제대로 파악하지 못한다면 재고 관리가 어렵게 되어 결국 비용 면에서 큰 손실이 발생하게 된다. 효과적으로 공급망을 관리하고 제품을 안정적으로 공급하기 위해서는 간헐적 수요 예측은 필수적이라고 볼 수 있다. 간헐적 수요 예측을 가능하게 하기 위해서는 간헐적 수요의 특성에 따라서 분류가 필요하고, 간헐적 수요 예측의 성능을 높이기 위해서는 두 가지 모델을 결합한 하이이브리드 모델의 적용이 필요하다. 하나 이상의 시각에서 데이터의 특성을 파악한다면 예측력 향상의 효과를 볼 수 있기 때문이다. 따라서 본 연구에서는 간헐적 수요 데이터를 0이 아닌 수요 간의 평균 간격(Average Inter-demand Interval, ADI)과 평균 수요 크기(Average Demand Size, ADS), 수요 크기(Demand Size)의 변동계수(Coefficient Variation, CV)를 기준으로 집단을 분류한 후 하이브리드 모델로 예측하였다. 실험 결과, 집단에 따라 최적 모델이 다르게 도출되었고 특히 간헐적 특성이 강한 집단에서 하이브리드 모델인 Croston-GRU의 성능이 뛰어남을 확인하였다. 이로써 Croston-GRU는 간헐적 수요 데이터의 정보를 다른 모델이 비해 효과적으로 추출하여 예측에 반영한다는 것을 알 수 있었다.실제로 여러 상품을 취급하는 회사에서 간헐적 수요 예측의 중요성을 인지하고 간헐적 수요 예측에 최적화 된 하이브리드 모델을 적용한다면 효율적인 재고 관리가 가능할 것이고 비용 절감까지 기대할 수 있을 것이다. ;Intermittent demand is characterized by irregular patterns with zero intervals, which commonly occurs in various industries and accounts for a large portion of the total inventory. Due to those reasons, intermittent demand forecasting is required for effective management in supply chain. For more accurate prediction for intermittent demand, it is necessary to classify it according to its characteristics and to apply a hybrid model that combines two models, especially statistical and machine learning models, to capture spatial and temporal features. In this study, intermittent demand is classified into several groups by two methods. Forecasting models including SES, ARIMA, Croston, LSTM, GRU, CNN-GRU, and Croston-GRU are applied for performance comparison. The result shows that the optimal model is different depending on each group and proves that Croston-GRU hybrid model is the best model for the group with strong intermittent characteristics. This study demonstrates intermittent demand forecasting processes and offers guidance to retailers by recommending a specialized forecasting method for intermittent demand. Therefore, this study will be useful in various industrial settings to manage supply chain efficiently.