기상 정보를 이용한 MA-ARIMA-ANN 알고리즘 기반의 판매 예측 시스템 설계 및 구현

Abstract

식음료 유통업계에서 ‘판매’ 와 ‘주문’ 예측 시스템에 대한 관심이 증가하고 있다. 급변하는 시장에서 소비자의 구매 패턴이 달라지면 그 현상에 맞추어 재고를 최소화 시켜야 하기 때문이다. 날씨 데이터는 기상청에서 제공하는 API 중에서 제품의 판매량에 영향을 줄 것 이라고 예상되는 평균기온, 풍속, 강수량, 미세먼지 농도 데이터를 선정했다. 거래처의 판매 정보는 식음료 업체 B 의 수원 거래처에서 판매한 실제 데이터를 활용하였다. 일반적으로 시계열 데이터는 규칙적인 선형 데이터와 예외가 있는 비선형 데이터가 복합적으로 구성되어 있다. 이러한 데이터를 효과적으로 예측하기 위해 이동평균(Moving Average) 필터와 안정적 시계열 예측에서 많이 사용하는 ARIMA 기법과, 비안정적 시계열 예측에 효과적인 인공신경망을 결합한 Moving Average filted ARIMA-ANN 모델(이하 MA-ARIMA-ANN)모델을 사용하여 판매 예측 시스템을 구현하였다. 구현은 Python 언어 기반의 tensorflow 와 SciKit-Learn 기계 학습 알고리즘 라이브러리를 사용했다. MA-ARIMA-ANN 모델을 거친 예측 데이터와 실제 측정된 데이터를 비교해보았다. 그 결과 날씨에 따라 제품의 판매량을 예측할 수 있었으며, MA-ARIMA-ANN 모델로 예측한 모델의 오차율이 512.82847로, ARIMA 모형보다 43% 정확한 것을 볼 수 있었다. 월 평균 반품 판매량은 MA-ARIMA-ANN 모델이 61개로 가장 적게 나왔다.