25분

시계열 수요예측 개론 — 추세, 계절성, 노이즈

Day 2: 수요예측 & 생산계획 AI

학습 목표

시계열 데이터의 4가지 성분(추세, 계절성, 주기, 노이즈)을 구분한다 제조업 수요예측이 생산계획에 미치는 영향을 이해한다

수요예측이 중요한 이유

에디터 로딩 중...

정확한 수요예측 = 적정 생산 = 최소 비용 + 최대 고객 만족

시계열 분해 (Time Series Decomposition)

에디터 로딩 중...

수요예측 방법론 비교

방법	복잡도	정확도	장점	단점
이동평균	낮음	낮음	구현 쉬움	지연 발생
지수평활법	낮음	중간	최근 추세 반영	급변에 약함
ARIMA	중간	중간	통계적 엄밀	파라미터 튜닝
Prophet	중간	높음	계절성 자동 탐지	외부변수 한계
LightGBM/XGBoost	높음	높음	feature 유연	데이터 많이 필요
LSTM/Transformer	높음	매우높음	복잡 패턴 학습	학습 시간

제조 현장 권장: Prophet (빠른 프로토타입) + LightGBM (정밀 튜닝)

핵심 포인트

• 시계열 = 추세 + 계절성 + 잔차 (분해 가능)
• 과소예측 = 납기지연, 과대예측 = 재고과잉
• Prophet은 빠른 프로토타입, LightGBM은 정밀 예측에 적합
• 제조업 수요예측은 생산계획(MPS/MRP)의 입력값