• 산업경영시스템학회지
• /
• 제40권1호
• /
• pp.87-94
• /
• 2017

Many industrial accidents have occurred continuously in the manufacturing industries, construction industries, and service industries of Korea. Fatal accidents have occurred most frequently in the construction industries of Korea. Especially, the trend analysis of the accident rate and fatal accident rate is very important in order to prevent industrial accidents in the construction industries systematically. This paper considers forecasting of the accident rate and fatal accident rate with static and dynamic time series analysis methods in the construction industries. Therefore, this paper describes the optimal accident rate and fatal accident rate by minimization of the sum of square errors (SSE) among regression analysis method (RAM), exponential smoothing method (ESM), double exponential smoothing method (DESM), auto-regressive integrated moving average (ARIMA) model, proposed analytic function model (PAFM), and kalman filtering model (KFM) with existing accident data in construction industries. In this paper, microsoft foundation class (MFC) soft of Visual Studio 2008 was used to predict the accident rate and fatal accident rate. Zero Accident Program developed in this paper is defined as the predicted accident rate and fatal accident rate, the zero accident target time, and the zero accident time based on the achievement probability calculated rationally and practically. The minimum value for minimizing SSE in the construction industries was found in 0.1666 and 1.4579 in the accident rate and fatal accident rate, respectively. Accordingly, RAM and ARIMA model are ideally applied in the accident rate and fatal accident rate, respectively. Finally, the trend analysis of this paper provides decisive information in order to prevent industrial accidents in construction industries very systematically.

• 한국ITS학회 논문지
• /
• 제12권4호
• /
• pp.1-10
• /
• 2013

본 연구는 버스정보가 도로의 통행속도 정보로 활용될 수 있는지를 검토하기 위한 연구이다. 도로통행속도를 파악하기 위해 설치된 지점검지기, 구간검지기로부터 수집되는 정보와 경기도에서 수집되는 버스정보를 속도정보로 가공하여 비교하였다. 버스정보가 교통정보 검지기의 기능을 할 수 있다면, 통행속도 정보를 제공할 수 있다. 이를 위해서는 도로구간의 교통류에 대한 패턴을 인식할 필요가 있다. 본 연구에서는 새로운 접근방법보다는 기존에 검증된 방법을 중심으로 버스정보를 이용한 교통류 패턴 인식 방법을 적용하여 버스정보의 활용 가능성을 제시하였다. 또한 버스정보를 이용하여 모형을 추정하였는데, 단순이동, 지수평활법과 이중이동, 이중지수평활법, ARIMA(p,d,q)모형을 적용하였다. 이 모형들은 평가지표인 100-MAPE, MAE, EC로 비교한 결과 상호 비슷한 결과를 나타냈으나, 단순평균이동법이 가장 우수한 결과를 나타냈다. 이로서 버스정보를 구간의 통행속도로 이용할 경우, 모형의 추정도 가능하다는 것을 확인하였다.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.25-30
• /
• 2016

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.

• 한국국방경영분석학회지
• /
• 제34권2호
• /
• pp.79-101
• /
• 2008

신형/장기 운영 무기체계 수리부속의 불균형적 수요발생에 따른 항공기 불가동을 해소하기 위한 수요예측기법 개선의 필요성이 대두되고 있다. 항공기 수리부품들은 고단가이고, 청구에 소요되는 기간이 길어 사전에 예측하지 못한다면 작전지원에 문제가 발생하게 된다. 신뢰성 있는 수요 예측은 과보유로 인한 재고비용을 줄일 수 있으며, 수요를 예측하기 위한 방법은 회귀분석, 단/다변량 시 계열분석, 데이터 마이닝 기법 등이 있다. 항공기 부품의 수요 예측은 그 부품의 수가 8만 가지 이상이며 각 부품간의 관계를 분석하기에 어려움이 있어 시간에 종속적인 단변량 시계열 분석을 통해 수요예측을 실시하였다. 본 연구에서는 이러한 문제점을 해결하기 위하여 첫째, 자료를 기존 AMMIS 체계에서 고장 자료를 실수요로 가정하여 수집하였다. 고장이나 주기 검사, 시한성 기술지시 등으로 부품을 장 탈착하게 되면 정비부서에서 이를 전산프로그램인 AMMIS에 입력하도록 하고 있다. 따라서 실제 정비부서에서 부품을 사용한 현황을 실수요라고 인정할 수 있다. 둘째, 1999년 1월부터 2007년 2월까지의 월별 자료(98개)를 수집하였다. 자료의 수가 충분하므로 예측 정확성 향상을 위하여 ARIMA기법에 적용이 가능하다. 고장빈도가 높은 부품 50여개를 추출하여 Box-Jenkins의 ARIMA기법을 적용하여 예측을 실시하였다 실시 결과 적합한 모형식을 도출하였으며, 현용기법보다 예측 정확성이 높다는 결론을 얻었다.

• 응용통계연구
• /
• 제32권6호
• /
• pp.851-865
• /
• 2019

하나의 시계열 자료에서 다양한 특징을 발견하는 일은 간단한 문제가 아니다. 본 논문에서는 하나의 시계열 자료에서 복수의 패턴을 찾아내어 예측 정확도를 높이는 방식인 다중 결합 예측 알고리즘을 소개한다. 이 알고리즘은 시간적 결합과 예측값 조합의 개념을 사용한다. 시간적 결합 방식을 통해, 하나의 시계열 자료에서 여러 개의 시계열 자료를 생성할 수 있으며, 각각의 자료는 별도의 특성을 가지게 된다. 여러 개의 시계열 자료에서 다양한 특성을 추출하기 위하여 지수평활법을 사용하고 시계열 요소들 및 이들의 예측값을 계산한다. 마지막 단계에서 시계열 요소 별로 예측값을 혼합 한 후, 각 시계열 요소들의 조합값을 더하여 최종 예측값을 만든다. 실증 분석으로 국내 교통사고 발생 건수를 예측한다. 분석 결과, 기존의 다른 예측 방식보다 예측 성능이 우수함을 확인할 수 있다.

• 인터넷정보학회논문지
• /
• 제8권2호
• /
• pp.105-115
• /
• 2007

최근 들어 유비퀴터스 컴퓨팅에 대한 많은 연구들이 활발히 시작되고 있는데, 특히 모바일을 활용한 실시간 추천 모델에 대한 요구는 점차 커지고 있다. 본 연구에서는 기존 대용량 데이터베이스에서 실시간 추천을 위하여 Up-To-Moment 연관규칙 탐색 알고리즘이 있는데, 보다 더 정교하게 과거의 거래 세부정보까지 고려할 수 있도록 UP-To-Moment 데이터 셋의 과거 데이터 셋 부분을 (k-1)개로 분할-조합규칙을 적용하는 연관규칙 선호모델을 제안하였다. 제안된 모델은 전자상점 뿐만 아니라 유비퀴터스 컴퓨팅에 적용 가능한 레스토랑 음식 추천 데이터에 대하여, 전통적인 Up-To-Moment 연관규칙 탐색모델 $EM_{past'}$ 데이터 셋 크기값을 가중 조합한 $EM^w_{past'}$ 그리고 시간에 따른 지수평활법 분할-조합규칙을 적용한 $EM^{ES}_{past}$을 비교하여 보았다. 특히 $EM^{ES}_{past}$의 지수평활 상수 a 값의 변화에 따른 세 알고리즘의 연관규칙 계산에 대한 민감도도 비교함으로써, 실제 데이터 적용 시에 보수적 또는 진보적 실시간 추천의 선택이 가능하도록 하였다. 세 알고리즘의 비교 시뮬레이션 결과를 보면, 데이터 셋 크기 값을 가중 조합한 $EM^w_{past}$이 가장 효율이 떨어지는 것으로 나타났으며, 누적된 과거 데이터 셋의 크기가 클수록 $EM^{ES}_{past}$의 정확성이 높은 추천을 하는 것으로 나타났다.

• 한국전산구조공학회논문집
• /
• 제25권4호
• /
• pp.331-338
• /
• 2012

현재 국내에서 EM-120에 의해 검측된 틀림 데이터는 매우 불규칙적인 형태를 나타내며 데이터 분석 시 다양한 문제점을 가지고 있다. 본 연구에서는 궤도의 효율적인 유지관리를 위해 검측된 틀림데이터의 특징과 문제점을 분석하고, 이를 보완할 수 있는 효율적인 처리 기법을 개발하였으며, 정제된 데이터의 ARIMA 분석을 통해 검측데이터와 계절 변화의 상관관계 분석을 수행하였다. 또한 회귀모형, 지수평활법, ARIMA 모형 등 다양한 예측 모델의 적용을 통해 검측 데이터의 시계열 분석을 수행하고, 궤도 틀림 데이터의 예측 모델에 적합한 최적 모델 선정과 관련한 연구를 수행하였다.

• 패션비즈니스
• /
• 제15권6호
• /
• pp.176-203
• /
• 2011

In today's intensifying global competition, Korean fashion industry is relying on only qualitative data for feasibility study of future projects and developmental plan. This study was conducted in order to support establishment of a scientific and rational management system that reflects market demand. First, fashion market size was limited to the total amount of expenditure for fashion clothing products directly purchased by Koreans for wear during 6 months in spring and summer and 6 months in autumn and winter. Fashion market forecasting model was developed using statistical forecasting method proposed by previous research. Specifically, time series model was selected, which is a verified statistical forecasting method that can predict future demand when data from the past is available. The time series for empirical analysis was fashion market sizes for 8 segmented markets at 22 time points, obtained twice each year by the author from 1998 to 2008. Targets of the demand forecasting model were 21 research models: total of 7 markets (excluding outerwear market which is sensitive to seasonal index), including 6 segmented markets (men's formal wear, women's formal wear, casual wear, sportswear, underwear, and children's wear) and the total market, and these markets were divided in time into the first half, the second half, and the whole year. To develop demand forecasting model, time series of the 21 research targets were used to develop univariate time series models using 9 types of exponential smoothing methods. The forecasting models predicted the demands in most fashion markets to grow, but demand for women's formal wear market was forecasted to decrease. Decrease in demand for women's formal wear market has been pronounced since 2002 when casualization of fashion market intensified, and this trend was analyzed to continue affecting the demand in the future.

• 응용통계연구
• /
• 제35권3호
• /
• pp.385-393
• /
• 2022

본 논문에서는 시계열 예측 분야에서 잘 알려져 있는 단변량 시계열 모형들을 이용하여, 그들의 단순 조합이 어떤 예측력을 보여주는지 연구한다. 고려된 단변량 시계열 모형으로는, 지수평활 및 ARIMA(autoregressive integrated moving average) 모형들과 그들의 확장된 형태인 모형들 그리고 예측의 벤치마크 모형으로 자주 사용되는 비계절 및 계절 랜덤워크 모형이다. 단순 조합의 방법은 중앙값과 평균을 이용하였으며, 검증을 위하여 사용된 데이터셋은 3,003개의 시계열 자료로 구성된 M3-competition 자료이다. 예측 성능을 sMAPE(symmetric mean absolute percentage error)와 MASE(mean absolute scaled error)로 평가한 결과, 단변량 시계열 모형들의 단순 조합이 아주 우수한 예측력을 가지고 있음을 확인하였다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.103-114
• /
• 2023

본 연구에서는 도시부 도로의 다양한 자료를 수집하여 통행속도 변화에 대한 영향을 분석하였고, 이와 같은 빅데이터를 활용하여 GRU 기반의 단기 통행속도 예측 모형을 개발하였다. 그리고 Baseline 모형과 이중지수평활 모형을 비교 모형으로 선정하여 RMSE 지표로 예측 오차를 평가하였다. 모형 평가 결과, Baseline 모형과 이중지수평활 모형의 RMSE는 평균 7.46, 5.94값으로 각각 산출되었다. 그리고 GRU 모형으로 예측한 평균 RMSE는 5.08 값이 산출되었다. 15개 링크별로 편차가 있지만, 대부분의 경우 GRU 모형의 오차가 최소의 값을 나타내었고, 추가적인 산점도 분석 결과도 동일한 결과를 제시하였다. 이러한 결과로부터 도시부 도로의 통행속도 정보 생성 과정에서 GRU 기반의 예측 모형 적용 시 예측 오차를 감소시키고 모형 적용 속도의 개선을 기대할 수 있을 것으로 판단된다.