고려대학교 산업경영공학부 목표 로드맵

고등학생은 이 프로젝트를 통해 시계열 데이터의 특성과 딥러닝 모델(Seq2Seq)의 적용 사례를 탐구할 수 있습니다. 특정 산업(예: 식품, 가전)의 판매량 데이터를 수집하여 계절성, 트렌드 등 특징을 분석하고, 간단한 통계 모델이나 머신러닝 기법을 활용하여 예측 모델을 만들어보는 프로젝트를 진행할 수 있습니다. 또한, 예측 정확도가 기업의 의사결정(생산량, 재고)에 미치는 영향을 시뮬레이션해볼 수 있습니다.

이 연구는 의류 산업의 고질적인 문제인 수요 예측의 정확도를 획기적으로 개선하여 생산 과잉이나 재고 부족으로 인한 손실을 줄이는 데 기여합니다. AI 기반 예측 모델은 기업의 효율적인 자원 배분과 지속 가능한 경영을 가능하게 하며, 불필요한 생산을 줄여 환경적 부담을 경감하는 데도 간접적으로 기여할 수 있습니다.

의류 산업은 긴 리드타임과 계절성, 트렌드, 급격한 변동성 등으로 인해 정확한 수요 예측이 어렵습니다. 본 프로젝트는 이러한 의류 판매량 데이터의 특성을 반영하여 AI 예측 모델을 개발했습니다. 장기 시계열 예측에 적합한 Sequence to Sequence(Seq2Seq) 모델을 기반으로, 오토인코더를 활용한 입력 판매량 스무딩, 시점 정보 활용, 그리고 급격한 변동성 예측을 위한 DILATE 손실함수를 적용하여 예측 정확도를 높였습니다. 이 모델은 생산 계획 및 재고 관리 등 기업의 핵심 의사결정에 기여합니다.