[생산경영a+] 향후 수요 예측과 그에 대한 MATLAB 프로그래밍

소개글

생산 경영 과목에서 배우는 예측 부분에 대한 레포트입니다.
향후 수요를 예측 하는 방법들인
지수형활모형, 선형추세 지수평활모형, 계절조정 선형추세 지수평활모형, 시계열 분해법 들을 통해 향후 수요를 예측하고 그에 대한 장단점을 분석한 후, 예측하는 과정 전체를 matlab
으로 프로그래밍 한 자료 입니다.

목차

1. 지수 평활 모형
2. 선형추세 지수평활 모형
3. 계절조정 선형추세 지수평활법(Winter`s model)
4. 시계열 분해법
5. 각 모형들의 비교

본문내용

지수평활모형, 선형추세 지수평활모형, 계절조정 선형추세 지수평활모형, 시계열 분해법을 통해 예측해보고 이 결과를 분석, 비교하였다.
각 모형으로 예측을 하는데 있어서 필요한 평활계수(alpha), 추세평활계수(beta), 승법계절지수(gamma) 등은 예측값과 실제수요값의 오차를 최소화하는 값을 적용하였으며, 이 때 오차값은 MAD를 통하여 구하였다. 이렇게 구한 alpha, beta, gamma 값을 적용하여 예측하며, 제시된 RSFE, MAD, TS 값들은 9~12분기의 값이다.
이러한 값들은 MATLAB을 통하여 예측하였고 이 때 사용했던 코드들은 뒤에 첨부하였다.
1. 지수 평활 모형
지수평활모형은 필요한 정보의 양이 적고 쉽기 때문에 많이 사용되는 모형이다. 하지만 간단한 모형인 만큼 그로 인해서 얻을 수 있는 예측 또한 제한될 수 있다. 위의 표에서 살펴보면 12분기까지의 실제 수요값이 주어진 상황이었기 때문에 13분기의 값은 예측할 수 있지만, 14분기를 예측하기 위해서는 13분기의 실제수요값이 필요하다는 점에서 13분기의 예측치를 그대로 사용하게 된다. 실제수요값이 제시되지 않았기 때문에 전분기의 예측치가 계속 이어지게 되는 것이다. 따라서 단기적인 상황에서 간단한 의사결정을 할 때에는 유용하겠지만 주어진 상황처럼 시평이 긴 상황에서는 사용하기 부적절한 모형이라고 할 수 있다.
2. 선형추세 지수평활 모형
선형추세 지수평활 모형은 자료가 추세를 보일 때 사용하는 모형으로서 현재 주어진 자료처럼 증가하는 추세가 있는 경우에 보다 정확한 예측치를 제공한다. 추세를 통해서 예측을 하게 되므로 지수평활모형과는 달리 실제수요값이 없더라도 예측이 가능하다. 다만 지수평활모형보다는 상대적으로 많은 양의 정보를 필요로 하여, 정보양이 부족할 경우에는 쓰기 어렵다. 주어진 상황에 비추여 평가한다면 지수평활법에 비해서는 상대적으로 더 적절한 예측방법이다.

참고 자료

없음