카테고리 없음

[공급사슬과물류관리] 정량적, 정성적 수요예측 기법들

평화주의도토리 2022. 5. 2. 20:56

수요예측기법: 정성적 기법과 계량적 기법

수요예측 이후에 생산량이 결정되고 자재 구매 계획이 수립되기 때문에 수요예측은 기업활동에서 중요한 부분이다.

정성적 기법은

장기적 관점에서 예측할 때나 과거 자료가 부족할 때는 담당자의 경험, 직관 등에 의존한 정성적 기법을 사용해서 예측하게 된다. (생산설비 도입 등의 의사결정 시 활용) 상대적으로 비용이 적게 들지만 예측담당자의 능력에 의해 질이 크게 달라진다.

정성적 기법의 종류와 특징

  • 경영진 의견: 경영진으로부터 신제품 승인을 받는 것이 여기에 해당된다. 경영진의 판단에 의존하기 때문에 리스크가 존재한다.
  • 델파이 기법: 다수의 전문가들에게 서로가 모르게 질문을 보낸다. 이후 전문가들의 의견이 서로 비슷해질 때까지 반복해서 질문한다. 의견이 비슷할 수록 예측 성공률이 올라가지만 시간과 비용이 많이 드는 방법이다.
  • 패널 조사: 델파이 기법과는 다르게 응답자들이 오프라인에 다같이 모여서 답변한다. 빠르게 답변을 얻을 수 있지만 다수가 소수의 사람들의 의견에 선동될 위험이 있다.
  • 영업진 예측합성: 고객과 가까운 위치에서 활동하는 세일즈맨을 대상으로 의견을 얻는 방법이다. 고객의 수요에 대한 상세한 정보를 알 수 있다.
  • 소비자 조사: 정형화된 질문서를 제시해 응답자로부터 답변을 얻는다. 많은 양의 응답을 빠르고 저렴하게 얻을 수 있다. 그러나 설계자 관점에서 설문지가 만들어지기 때문에 소비재의 잠재적 의견을 놓칠 수 있다.
  • 포커스 그룹 조사: 조사자라 응답자를 여러 명 불러 생각을 자유롭게 나누게 하는 조사방법. 조사자는 응답자들 간의 토론이나 대화에서 중요한 단서를 포착한다.

계량적 기법은

과거 자료를 기반으로 수학적으로 수요를 예측한다. 시계열 기법과 인과적 예측모형이 있다.

시계열 기법에서의 변수는 시간 하나 뿐이지만, 인과적 예측모형에서 변수의 개수는 수요에 영향을 미치는 요인에 따라 여러개일 수 있다.

시계열은 시간에 따라 나타나는 패턴을 통해 예측한다. 일반적으로 시계열 예측과 인과적 예측을 함께 사용한다.

계량적 기법의 두 종류 

시계열 예측

  • 가정: 일정한 시간 간격으로 데이터를 모으면 특정한 패턴이 나오고, 이 패턴은 반복될 것이다. (패턴이 연장될 것이다)
  • 따라서 반복되는 패턴을 찾아내면 아직 오지 않은 미래에 대한 패턴을 예측할 수 있다.

인과적 예측

  • 한 개 이상의 요인(원인)이 미래의 수요에 영향을 미친다.
  • 요인(독립변수)과 예측대상(종속변수) 사이의 인과관계를 찾아내는 것을 파악한다. 요인이 변화하면 예측값은 반드시 변화한다.
  • (예) ‘품질이 좋아지면 수요가 상승한다’ → 수요 올리기 위해 품질을 향상시켜야 한다고 말할 수 있다. 상관관계와 착각하면 안 된다. 상관관계는 결과에 대한 원인이 불분명하다. 인과관계는 원인이 분명하다.

시계열자료의 구성요소: 추세, 순환, 계절, 우발

시계열 자료는 시간에 따른 패턴을 파악하기 위해 사용한다. 따라서 자료를 그래프로 표현해 다음과 같은 요소들을 식별해야 한다. 여러 변동이 섞여서 한꺼번에 나타날 수 있다.

순환변동과 계절변동의 차이 기억하기!!

  • 추세 변동: 증가 추세 또는 감소 추세
  • 순환 변동: 주기가 일 년 이상 되는 파형 변동을 의미한다. 상승과 하락의 모양새는 분명하게 나타나지만, 패턴이 어떤 주기로 반복되는지는 알 수 없다. (부동산, 경기 등)
  • 계절 변동: 일정한 간격으로 일관성 있게 반복되는 변동을 말한다. 상승과 하락이 일정한 간격을 가지고 반복된다.
  • 우발 변동: 예상할 수 없는 사건으로 발생하는 변동을 말한다. 예측이 불가능하다.

시계열예측의 5종류

1. 단순예측

수요의 변동이 거의 없는 안정적인 상황일 때 사용하기 좋은 방법이다. Ft+1=At

2. 단순이동평균 예측모형

과거 자료를 사용해서 예측치를 얻는다. 수요 변동이 적은 안정적인 상황에서 사용하기 좋다.

의사결정 사항: 사용할 과거 데이터의 기간을 나타내는 n의 값을 정해야 한다.

  • n의 값이 클 때 작을 때의 의미가 다르다. 단기 이슈를 기반으로 수요량을 예측하고자 할 때는 n의 값을 작게 잡고, 장기적인 수요량이나 기업의 건전성을 파악하고자 할 때는 n의 값을 크게 잡는다.
  • 모든 데이터를 사용하는 방법이 아니기 때문에 수요량을 예측하는 과정에서 데이터 손실이 발생한다는 단점이 있다.
  • 모든 기간에 대해 가중치를 동일하게 부여한다.

3. 가중이동평균 예측모형

강조하고 싶은 특정 기간이 있을 때 사용하기 좋은 모델이다.

의사결정 사항: 가중치 결정하기. 가중치의 합은 1이 되어야 하며, 강조하고 싶은 기간에 대해서 높은 가중치를 줄 수 있다. 기간 별로 다른 가중치를 둘 수 있다.

  • 기간의 수가 많을 수록 가중치를 할당하기 어려워진다는 단점이 있다. 합이 1이 되도록 가중치를 쪼개야 하기 때문이다!
  • 마찬가지로 모든 과거 데이터를 사용하는 것이 아니기 때문에 데이터 손실이 발생한다. (지수평활 예측모형과의 차이점. 기억하자!)

4. 지수평활 예측모형

최근에 가까운 자료일수록 더 높은 가중치를 부여하는 모델이다. 모든 과거 데이터를 활용해 예측하고자 할 때 사용한다.

의사결정 사항: 평활계수를 설정해야 한다. 최근 데이터를 더 강조하고 싶을수록 1에 가까운 평활계수를 지정하고, 과거데이터에 일정한 가중치를 두고 싶을수록 0에 가까운 평활계수를 지정한다.

가중이동평균 예측모형과 다르게 모든 과거 데이터를 활용하기 때문에 데이터 손실이 발생하지 않으며, Ft, At 두 개의 데이터만을 사용하기 때문에 계산량이 차지하는 용량 또한 매우 작다.

5. 선형추세예측모형

  • y = at + b
  • 독립변수는 다른 시계열 예측모델과 같이 시간변수t 하나 뿐이다.
  • 의사결정 해야 하는 사항은 a와 b의 값이다. a와 b의 값은 여러 개가 나올 수 있는데, 이 중 가장 적절한 (a,b)조합은 실제값과 그래프 위의 예측값 사이의 오차들의 합이 최소화가 되게 하는 것이다.

인과적예측모형의 두 종류 (단순회귀, 다중회귀)

1. 단순회귀분석 y = ax + b

선형추세예측모형은 y = at+b의 모양으로, 독립변수는 시간변수로 고정되어 있다.

  • 그러나 단순회귀분석에서 사용되는 독립변수는 시간이 아니라 수요와 관련된 외생변수이다. (t ≠ x)
  • 단순회귀분석에서 사용되는 독립변수는 한 개이며, 추세모형과 매우 비슷하다. (차이는 위의 문장 확인)

2. 다중회귀분석 y = a1x1 + a2x2 + ... + anxn + b

  • 다중회귀분석에서 사용되는 독립변수의 개수는 여러개다. 여러개의 설명변수가 예측을 위해 사용된다.
  • 다중회귀분석 방정식에서의 상수값b는 미처 다 찾아내지 못한 외생변수들의 영향을 표현하기 위해 포함된 것이다.
  • 회귀식에서 독립변수 앞의 계수는 각각의 외생변수에 대한 가중치를 의미하며, 값이 클 수록 해당 변수를 더 많이 반영하겠다는 것을 의미한다. (x가 한 단위 변할 때 y에 미치는 영향)

시계열 예측에서의 변수는 시간에 대한 변수 하나 뿐이지만, 인과적 예측에서의 변수의 개수는 한 개 이상이다!

예측 정확성 (예측오차)

오차는 어떤 예측기법이 데이터를 가장 잘 해석하는지 알아볼 때 사용한다.

여러 모델들 중 어떤 것을 사용할 지 결정하는 지표로써 사용된다.

  • 예측오차 = 예측수요량 - 실제수요
  • 예측오차의 값이 작을수록 예측 정확성이 높다.

예측 정확성 측정지표 (MAD, MAPE, MSE)

각 방법의 특성 기억하기! 슬라이드의 식 기억하기!!

1. 평균절대오차MAD (mean absolute deviation)

  • 평균은 전체전인 모양새를 파악할 수 있도록 돕는다.
  • MAD는 오차의 절댓값들의 합을 기간으로 나눈 것이다.
  • 값이 0에 가까울 수록 예측 정확성이 높음을 의미한다. 각 기간별로 발생한 오차는 서로 독립적인 사건이기 때문에 동일한 가중치를 부여한다. (산술평균)

2. 평균절대백분율MAPE (mean absolute percentage error)

  • 평균절대오차와 다르게 오차를 실제 수요량으로 나눈 값의 절대값들의 합을 구한 후 평균을 구한다.
  • 오차의 값을 실제 수요량으로 나누는 이유는, 전체 수요 규모 대비 에러의 비율을 정확하게 파악하기 위해서다. (100만 수요량에서 10차이난 것과 100수요량에서 10차이난 것의 에러의 크기는 다르게 해석된다)

3. 평균제곱오차MSE (mean square error)

  • 오차들의 제곱의 합의 평균을 구한다.
  • 오차를 제곱하는 이유는 오차의 크기가 클 수록 더 큰 패널티(가중치)를 부과하기 위해서다.

오차 관리를 위한 지표 두 가지 (RSFE, tracking signal)

누적예측오차, 추적신호는 예측기법을 관리하기 위해 사용하는 지표들이다. 일관되게 발생하는 문제를 해결하기 위해 사용되는 지표다.

1. 누적예측오차RSFE (running sum of forecasting error)

  • 누적된 예측오차의 합의 값과 같다. 예측에 지속적으로 발생하는 오류가 있는 지 확인할 수 있게 해주는 지표다.
  • RSFE의 값이 지속적으로 양의 방향으로 커지면, 예측값이 지속적으로 실제 수요보다 큰 값으로 나오고 있음을 유추할 수 있다. 이러한 결과를 활용해 수요량 예측을 조정할 수 있다. (예측지 수정의 근거로 사용할 수 있다.)
  • 반면에 RSFE의 값이 계속해서 커지거나 작아지지 않으면 예측 기법 자체에 오류가 있는 것은 아니라는 판단(랜덤한 에러)을 내릴 수 있다.
  • 즉 누적예측오차값은 일관되게 과대평가되거나 과소평가되는 상황을 예측방법의 방법론적 문제라고 생각하고, 측정값을 근거로 수정하고자 한다.

2. 추적신호Tracking Signal

  • 누적예측오차와 마찬가지로 관리를 위해 사용하는 지표이다. 예측치가 허용된 관리범위 안에 있는지 확인하기 위해 사용한다.
  • 모든 오차값을 일일이 보정하는 것은 비용이 과하게 소요되기 때문에, 허용 가능한 오차의 편향 범위를 설정하고 그에 벗어나는 수준일 때만 이상값으로 보고 관리(조정)하고자 고안한 방법이다.

S&OP: Sales and Operations Planning (회의)

Sales and Operations Planning

수요예측은 영업부서의 업무영역이다.

수요예측이 이뤄져야 생산계획과 구매계획 등 세부 운영사항이 결정되기 때문에 그만큼 수요예측의 중요성은 크다. 따라서 기업은 S&OP프로세스를 거쳐 회의로 수요를 예측한다.

이는 영업부서와 생산부서가 실질적인 작업에 들어가기 전에 일정과 규모를 조율하는 과정이다. 이를 통해 결정된 수요예측을 통해 생산과 관련된 모든 것들이 결정된다.

따라서 재고량을 최소화하기 위해서 기업은 S&OP(=생산회의)을 통해 이러한 수요예측을 적절하게 수행애햐 한다. 회의 중 각 부서는 서로간의 역량에 대한 정보를 공유하고 의사소통해 합의한 후 계획을 확정한다.

이러한 과정은 실질적인 제품 생산 이전에 이뤄지는 것이다.

  1. 판매 예측 보고서 실행 → 통계적 예측 수행
  2. 수요 계획 단계 (영업, 마케팅 부서) → 예측 자료를 검토해 수요 계획량 조정
  3. 공급 계획 단계 (운영부서) → 판매예측을 분석해 생산능력이 감당 가능한 수준인지 확인
  4. pre-S&OP미팅 (영업, 마케팅, 운영, 재무) → 초기 예측 및 생산능력 문제 검토. 대체 시나리오 개발
  5. 경영진 S&OP회의 (각 부문 최고 경영진) → 예측 및 생산능력 문제 관련 최종 결정

협력적 계획, 예측, 보충: CPFR

수요예측의 방향성을 제시하는 개념으로, 현실적으로 실행하는데는 어려움이 있다. 황소채찍 효과를 최소화하고자 한다.

  • 공급사슬 내 여러 거래 당사자들의 정보를 통합해 고객의 니즈를 충족하기 위해 함께 계획하고 협력하는 과정
  • 기업들 간의 정보공유가 중요하다.
  • 정보의 통합으로 인해 공급사슬 내부의 재고량을 줄이고 물류비용을 줄일 수 있다.
  • 생산자, 소배업자, 소비자는 서로 정보를 공유하며 협력한다.
저작자표시 비영리 변경금지 (새창열림)