Hoon-Young Koo

Forecasting service parts demand for a discontinued product

Stochastic demand forecasting methods for service parts of a discontinued product are proposed. The identified four major factors are the number of product sales, the discard rate of the product, the failure rate of the service part, and the replacement probability of the failed part. During a given period, typically a year, the number of failed service parts is estimated using the first three factors, and then the demand for those service parts is obtained with the use of the last factor. A stochastic model is derived to estimate the demand in a certain prediction interval, and the closed-form solutions in the case of a constant failure rate are provided. An approximate model is proposed to render actual computation possible when the part failure time is not distributed exponentially. Numerical data from the automotive industry are used to validate the model.

A Parameter Estimation of Bass Diffusion Model by the Hybrid of NLS and OLS

Department of Business Administration, Chungnam National UniversityThe Bass model is a cornerstone in diffusion theory which is used for forecasting demand of durables or new services. Three well-known estimation methods for parameters of the Bass model are Ordinary Least Square (OLS), Maximum Likelihood Estimator (MLE), Nonlinear Least Square (NLS). In this paper, a hybrid method incorporating OLS and NLS is presented and it’s performance is analyzed and compared with OLS and NLS by using simulation data and empirical data. The results show that NLS has the best performance in terms of accuracy and our hybrid method has the best performance in terms of stability. Specifically, hybrid method has better performance with less data. This result means much in practical aspect because the avaliable data is little when a diffusion model is used for forecasting demand of a new product.

Comparison of the Bass Model and the Logistic Model from the Point of the Diffusion Theory

The logistic model and the Bass model have diverse names and formulae in diffusion theory. This diversity makes users or readers confused while it also contributes to the flexibility of modeling. The method of handling the integration constant, which is generated in process of deriving the closed form solution of the differential equation for a diffusion model, results in two different `actual` models. We rename the actual four models and propose the usage of the models with respect to the purpose of model applications. The application purpose would be the explanation of historical diffusion pattern or the forecasting of future demand. Empirical validation with 86 historical diffusion data shows that misuse of the models can draw improper conclusions for the explanation of historical diffusion pattern.

Constrained NLS Method for Long-term Forecasting with Short-term Demand Data of a New Product

A long-term forecasting method for a new product in early stage of diffusion is proposed. The method includes a constrained non-linear least square estimation with the logistic diffusion model. The constraints would be critical market informations such as market potential, peak point, and take-off. Findings on 20 cases having almost full life cycle are that (i) combining any market information improves the forecasting accuracy, (ii) market potential is the most stable information, and (iii) peak point and take-off information have negative effect in case of overestimation.

Forecasting Renewable Energy Using Delphi Survey and the Economic Evaluation of Long-Term Generation Mix

Summary of Delphi survey 질문항목 응답항목 응답(명)내외 환경, 정책 등이 현재 상태가 유지된다는 전제하에 국내 태양광 설치용량 규모는 단기적으로 어느 정도로 예상되십니까? 900MW 미만 1900MW～1,100MW 31,100MW～1,300MW 01,300MW～1,500MW 61,500MW 이상 2내외 환경, 정책 등이 현재 상태가 유지된다는 전제하에 국내 태양광 설치용량 규모는 장기적으로 어느 정도로 예상되십니까?2.1GW 미만 02.1GW～3.5GW 53.5GW～4.9GW 14.9GW～6.3GW 56.3GW 이상 12010년 현재 태양광산업이 신재생에너지 전체 투자액의 80% 이상을 차지하고 있습니다. 향후 전체 신재생에너지에서의 비중은 어떻게 변화할 것으로 전망하십니까?재생에너지 중 태양광산업의 비중(%)평균 73%최대 80%최소 60% 주) 델파이 분석은 “태양광산업의 기여효과에 대한 밸류체인별 성과분석 및 중장기 전망에 관한 기술개발, 지식경제부, 2013. 1.”의 일환으로 수행됨. 책 측면에서 구성하고 단기(2015년)와 장기(2025년)에 대한 시점을 명시적으로 표현하였다. 은 델파이 조사 결과를 나타낸다.신재생 에너지에 대한 수요예측을 위해 설비용량 측면에서 조사를 실시하였다. 태양광 발전의 경우 2015년경 누적설치용량이 1,300MW～1,500MW으로 2011년도 수준인 754MW와 비교하면 15～20%의 연평균 성장률이 될 것으로 예상된다. 장기 전망에 있어서는 2025년경의 누적설치용량을 2.1GW～3.5GW와 4.9GW～6.3GW로 예상한 전문가가 각각 총 응답자의 42%가 되었다. 2.1GW～3.5GW의 경우 약 27%～30%의 연평균 성장률과 동일하고 4.9GW～6.3GW는 매년 35%～37%의 연평균 성장률에 해당한다. 누적설치용량을 기준으로 델파이 결과를 종합하면, 태양광 발전의 경우 2025년까지 평균 4,433MW, 최대 7,700MW, 최저 2,100MW의 설치용량을 예상할 수 있다 .제5차 전력수급기본계획(Korea Ministry of Knowledge Eco-nomy, 2010)에서 제시하는 신재생 에너지 전망을 보면, 2024년 기준으로 전체 신재생 에너지의 누적설치용량 21,908MW이며, 태양광의 설치용량은 4,228MW로 태양광 에너지가 전체 신재생 에너지 중 19%를 차지한다. 이는 델파이 결과의 평균(4,433MW)과 거의 일치한다. 신재생 에너지 전체의 수요를 예측하기 위하여 제5차 전력수급기본계획에서 제시하는 신재생 에너지원별 구성비를 적용하여 신재생 에너지 전체의 누적설치용량을 계산하였다. 태양광 발전의 경우 총 신재생 에너지 설비용량 중 약 19%의 비중을 차지하며, 이 경우 2025년 신재생 에너지의 설치용량은 평균 23,332MW, 최대 40,526MW, 최저 11,052MW로 예상된다.신재생 에너지 전원별 구성비와 연간 이용률(즉, 효율성)에 변화가 없다는 가정에 기반하여 2025년 연간 발전량을 계산하였다. 결과적으로 신재생 에너지의 연간 총 발전량은 평균 58,007GWh(제5차 전력수급기본계획의 신재생 에너지 총 발전량은 54,467GWh), 최대 100,755GWh, 최저 27,477GWh로 예상할 수 있다.

Process Improvement Evaluation in Mail Distribution Center by Applying RFID Technology

Though the advantage of RFID (Radio-Frequency Identification) technology has been consistently recognized over the years, there are still doubts about its actual effects on the BP (business process) improvement. In order to facilitate the adoption of RFID technology, it is required to measure RFIDs positive effects on the BP. Our research focuses on the evaluation of BP efficiency at the Mail Distribution Center (MDC) in Korea. Via a simulation study that compares two BPs with and without RFID technology applied, we could induce key performance indicators of BP in MDC, which are important to evaluate the degree of improvement by applying RFID technology.

No-Show Related Factors for Outpatients at a Hospital

병원 진료의 효율성과 진료 품질의 극대화를 위해 진료예약을 시행하고 있다. 그러나 예약일에 방문하지 않는 예약부도로 인해 의료서비스 자원이 낭비되고 다른 환자의 진료기회를 박탈하는 등 현대 병원 운영에서 주요한 이슈의 하나로 떠오르고 있다. 이러한 예약부도의 원인을 분석하기 위해 미국의 한 보훈병원의 5만 건 진료예약 데이터를 대상으로 예약부도 요인의 중요도와 유의성을 검정하였다. 랜덤 포레스트와 로지스틱 회귀분석 결과, 예약대기시간, 방문율, 내원 거리, 예약부도율, 환자 나이, 중증도, 질병의 복합도, 만성통증, 우울증, 약물의존 등이 주요한 원인으로 파악되었다. 예약대기시간과 방문율, 내원거리, 예약부도율은 SMS 사전 통지를 강화하고 사후 전화 상담을 통해 점진적으로 개선 가능할 것으로 판단되며 기타 요인에 대해서는 환자 그룹별로 차별화된 대응방안을 구성하는 것을 고려해 볼 수 있다.