40분
ARIMA/SARIMA 수요예측 실습
Day 2: 수요예측 & 생산계획 AI
ARIMA/SARIMA 수요예측 실습
생산 최적화 — 스마트 팩토리 AI > Day 2: 수요예측 & 생산계획 AI
학습 목표
ADF 검정으로 정상성을 판단할 수 있다 ARIMA 파라미터 (p,d,q)를 선정할 수 있다 SARIMA로 계절성 패턴을 모델링한다
ARIMA/SARIMA 수요예측
전통 통계 시계열 분석으로 수요를 예측합니다.
pip install statsmodels pandas matplotlib
python demand_arima.py에디터 로딩 중...
힌트 보기
- • ADF p-value < 0.05이면 정상 시계열
- • 비정상이면 차분(d=1)으로 정상화
- • 계절성 주기 s=12는 월별 데이터 기준
정답 보기
에디터 로딩 중...
AI로 학습하기 — 꿀팁
✅ARIMA 파라미터 선택 검증AI 학습 팁
AI에게 ACF/PACF 플롯과 ADF 검정 결과를 주고 제조 수요 데이터에 적합한 (p,d,q) 선택 근거를 검토받으세요.
제조 월별 수요 데이터의 ADF p-value=0.08(비정상), ACF는 3-lag 이후 절단, PACF는 2-lag 절단. 이 정보를 바탕으로 ARIMA(p,d,q) 파라미터를 어떻게 선택해야 하는지 설명하고, 계절성이 있을 경우 SARIMA로 확장하는 코드도 보여줘.
이 팁이 도움이 됐나요?