▶️25분
[영상] 시계열 분석 활용 수요예측 — AWS
Day 2: 수요예측 & 생산계획 AI
[영상] 시계열 분석 활용 수요예측 — AWS
생산 최적화 — 스마트 팩토리 AI > Day 2: 수요예측 & 생산계획 AI
학습 목표
시계열 수요예측에서 ARIMA, Prophet, DeepAR 세 모델의 핵심 가정과 적용 조건을 비교할 수 있다 Prophet을 이용해 제조 공장의 원자재 수요 데이터를 학습하고 계절성·공휴일 효과를 반영한 예측을 수행할 수 있다 수요예측 오차 지표(MAE, MAPE, RMSE)를 계산하고 제조 재고 관리 관점에서 허용 오차 기준을 설정할 수 있다 AWS SageMaker DeepAR 또는 로컬 GluonTS로 확률적 수요예측(예측 구간 포함)을 구현할 수 있다
플레이어 로딩 중...
핵심 포인트
- • Prophet은 '추세 + 계절성 + 공휴일' 세 요소를 자동 분해해 학습한다 — 코드 10줄로 계절성을 반영한 수요 예측이 가능하다
- • DeepAR은 유사 제품군을 동시에 학습(전역 모델)해 신제품처럼 이력이 짧은 SKU도 예측할 수 있다
- • 제조 수요예측의 현실적 MAPE 허용 기준은 10~15%다 — 완벽한 예측보다 지속적 개선이 중요하다
- • 재고 최적화에서 수요예측 + 안전재고(Safety Stock) 공식을 함께 사용해야 실제 재고 비용 절감이 가능하다