생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
목차
논문요약 9
제1장 서론 11
제1절 연구배경 11
제2절 연구목적 13
제2장 기존문헌 연구 15
제1절 인공신경망 이론적 배경 15
제2절 시계열 데이터를 활용한 미래 수요 예측 17
제3절 인공신경망을 활용한 자동차 판매량 예측 19
제3장 연구모형의 설계 및 절차 22
제1절 연구모형의 설계 22
1. 판매량 시계열 데이터 22
2. PLC (Product Life Cycle) 22
3. 경쟁사 신차출시 25
4. 자동차 관련 정책 26
5. 경기 판단 지수 26
6. 유가 26
7. 근무일수 (휴가) 27
8. 동호회 구전 27
9. 월별 판매경향 27
제2절 연구절차 및 범위 29
1. 독립변수와 종속변수의 설정 29
2. 연구절차 31
3. 연구범위 31
4. 예측정확도 비교 지표, 인공신경망의 설정, 예측구간 32
제4장 실험 및 결과 38
제1절 단기 판매량 예측결과 38
1. 예측모형 설정과정 39
2. 실험 결과 40
제2절 중기 판매량 예측결과 42
1. 예측모형 설정과정 43
2. 실험 결과 43
제3절 장기 판매량 예측결과 45
1. 예측모형 설정과정 45
2. 실험 결과 47
제5장 결론 49
제1절 연구결과 요약 및 전문가 대상 설문조사 결과 49
제2절 연구의 시사점 51
제3절 연구의 한계점 및 차후 연구과제 52
참고문헌 54
부록_설문개요, 설문지, 설문결과 57
ABSTRACT 62
[표1] PLC 별 입력값 25
[표2] 입력변수 정리 29
[표3] 최적의 은닉층의 수와 은닉층 노드 수 결정 34
[표4] 단기 예측 입력변수와 판매량의 상관관계 40
[표5] 단기 판매량 예측 실험결과 41
[표6] 중기 예측 입력변수와 판매량의 상관관계 43
[표7] 중기 판매량 예측 실험결과 44
[표8] 장기 예측 입력변수와 판매량의 상관관계 46
[표9] 장기 판매량 예측 실험결과 47
[표10] 예측기간 별 최적 예측모형의 예측결과 50
[표11] 전문가 (혹은 관련분야 종사자) 대상 설문조사 결과 (주요문항 위주) 51
[표12] 전문가 (혹은 관련분야 종사자) 대상 설문조사 결과 점수평균 및 표준편차 60
[표13] 설문항목 별 점수 선택 인원 분포 61
[그림1] 경기관련지수와 A, B모델의 판매량 추이 12
[그림2] A모델, B모델 신차출시와 월별 판매량 13
[그림3] A모델, B모델의 월별 판매량과 각종영향인자 14
[그림4] 기존문헌 연구순서 15
[그림5] 일반적인 인공신경망 구조 16
[그림6] A모델과 B모델의 PLC별 판매경향 23
[그림7] 월별 판매경향 (2004-2011년) 28
[그림8] 독립변수와 종속변수 30
[그림9] 인공신경망 최적의 예측모형설계를 위한 실험절차 31
[그림10] 학습과정과 예측결과 32
[그림11] A, B모델의 2004∼2009년도 학습 결과 36
[그림12] 최적의 단기예측모형의 실험결과 41
[그림13] 중장기 판매량 예측의 추가 제외구간 42
[그림14] 최적의 중기예측모형의 실험결과 45
[그림15] 최적의 장기예측모형의 실험결과 48
[그림16] 단기/중기/장기 예측신뢰도 실험 결과 49
초록보기 더보기
모든 제조업체에 있어서 미래의 수요예측활동은 기업경영의 불확실성을 줄이고 합리적인 생산, 판매계획을 수립하는 데 있어서 매우 중요하다. 특히 자동차 산업은 기업간 경쟁구도가 치열하여 생산계획 수립부터 소비자에게 자동차가 판매되는 시점까지 사전에 전략적으로 공급계획을 수립하지 않으면 큰 기업 손실로 이어질 수 있어 이에 따른 여러 연구가 이뤄지고 있다. 하지만 기존 기업의 생산, 판매량 예측은 단순 통계적 지식 혹은 경험적 노하우를 바탕으로 이뤄지는 경우가 많고, 대부분의 선행연구 또한 자동차 전체 산업수요 혹은 차급별 전체 판매량 예측에 초점을 맞추고 있어 실질적으로 해당 차종 예측과 같이 실질적인 기업의 구체적인 생산, 판매계획을 수립하는 데 도움을 줄 수 있는 연구, 실험결과는 부족한 실정이다.
본 연구에서는 기존에 미래 예측에 있어서 좋은 연구성과를 보여온 인공신경망을 활용하여 자동차 판매에 영향이 있을 것이라고 생각되는 각종 인자들을 종합하여 자동차 준중형 차급의 개별 차종(A, B모델)의 단기/중기/장기적 관점에서 2012년 판매량을 예측하고자 하였다. 단기는 3개월 미래, 중기는 6개월 미래, 장기는 12개월 미래로 정의하였다. 선정된 변수들은 자동차뿐 아니라 다른 산업의 제품의 판매량 예측 선행연구도 참고하여 본 연구모형에 알맞도록 변환하여 인공신경망의 입력노드로 사용될 수 있도록 진행하였다.
입력노드를 정리하면 판매량 시계열 데이터, PLC(Product Life Cycle), 경쟁사 신차출시, 자동차 관련 정책, 경기 판단 지수, 유가, 근무일수(휴가), 동호회 구전, 월별 판매경향이며 각 데이터를 인공신경망의 학습(Training)과정에 투입할 수 있도록 적절한 변환 및 정량화 과정을 통해 예측(Testing)실험을 하였다. 각 기간별(단기/중기/장기) 사용 가능한 입력변수들을 선정하고 실질적으로 예측 가능한 구간을 설정하여 예측신뢰도를 높이고자 하였으며 각 기간별 판매량을 예측하는 과정에서 최적의 예측모형을 선정하기 위해 입력변수와 기존 판매량과의 상관관계를 확인하여 입력노드의 개수를 변경하였다.
각 기간별 각기 다른 입력변수를 사용한 최적의 예측모형 실험결과 예측목표정확도 80% 기준으로 예측신뢰도를 비교하면, 단기 90.5%(입력노드 12개), 중기 77.8%(입력노드 5개), 장기 77.8%(입력노드 4개)로 만족할만한 결과를 얻을 수 있었다. 이와 같이 설정된 예측변수, 실험과정 및 결과는 전문가 혹은 관련분야 종사자 대상 설문조사 결과 기존 예측방법 대비 개선되었다고 나타났다.
하지만 2004년부터의 인터넷 공개자료, 서적과 같이 공개자료만을 활용하여 입력변수로 활용하였기 때문에 아직 개선의 여지는 있다고 생각된다. 회사 내에서 수립하는 마케팅, 프로모션, 생산라인, 설비변경, 자동차공급과 같은 정보를 이용한다면 보다 높은 예측신뢰도 및 정확도를 확인할 수 있을 것이다.
본 연구과정 및 실험결과를 통해 향후 자동차 회사의 생산, 판매 계획 수립 시 보다 안정적이고 정확한 의사결정에 기여하고, 다른 경쟁사 대비 선행적으로 각종 마케팅, 프로모션 계획 등을 통해 시장환경에 대응함으로써 회사경영에 있어서 더 많은 이윤을 창출하고 위험을 줄일 수 있는 방법을 모색했다는 데에 의의를 둘 수 있다.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
