The existing popular statistical forecasting models, like time series analysis, concentrate on the numerical analysis under strict assumptions such as static state and normality. However, forecasting environments in organizations are usually dynamic and almost always violate the assumptions.
To accommodate irregular factors that are idiosyncratic for each organizations, the integration of statistical forecasting model and knowledge-based support for judgmental adjustment is attempted. In this approach, the qualitative irregular factors are organized in knowledge base. To fulfill this approach, qualitative factors are extracted out from the historical data, and the filtered data set is used for time series models. The proposed architecture, namely KAST (Knowledge-based Adjustment Support System for Time Series Forecasting Models), has the inference system to adjust the statistical forecast.
In this thesis, we describe what qualitative factors are included in time series forecasting model for petroleum industry, and show how to learn the effect of qualitative factors, and how to compose normal forecast with judgmental knowledge. A prototype KAST is implemented using Common Lisp and Pascal in the microcomputer environment. Some experimental evaluation has shown the performance of KAST.
미래에 대한 예측은 조직에서 계획을 수립하기 위한 기초자료로 활용 된다. 따라서 예측을 지원하기 위한 많은 방법론과 시스템이 개발되었는데, 현존하는 대부분의 통계적 예측모형은 환경의 정태성과 예측오차의 정규분포라는 엄격한 통계적 가정하에서 수리적 분석에만 치중하고 있다. 그러나 조직의 환경은 대개 동태적이어서 고전적인 예측모형에서 가정하는 조건을 만족시키지 못하는 것이 보통이다. 즉 환경의 변화와 조직의 정책변화는 예측 대상에 영향을 미치게 되므로 이러한 인자를 고려하지 않은 통계적 예측 모형은 예측의 정도에 한계를 가진다.
환경의 통태성에 대한 통계적 예측 모형의 한계를 극복하는 방법으로 조직 특유의 인자들을 고려하는 통계적 예측모형과 지식에 기초한 조정의 결합을 시도하였다. 이 접근방법을 위해 조직에서 나타나는 비정상적인 질적 요소들을 지식베이스에 체계적으로 집적한다. 지식축적을 위한 질적 요소들은 과거의 자료로부터 추출되며, 과거의 질적 요소에 의한 영향이 제거된 자료가 통계적 예측모형의 입력 자료로 사용 된다. 끝으로 통계적 모형으로 부터 나온 예측치를 조정하기 위하여 지식베이스에 축적된 지식을 이용한 추론이 행해진다.
이 연구에서는 시계열 예측모형에 포함될 수 있는 질적 요소에는 어떤 것이 있으며 질적 요소가 미치는 영향을 정도를 측정하는 방법, 그리고 질적 요소와 통계적 예측치를 결합하는 방법이 모색되었다.
시계열 예측모형에 포함될 수 있는 질적 요소는 영향을 미치는 형태에 따라 일시적인 영향을 주는 요소, 예측 대상이 시간상 이전을 가져오는 요소, 특정 계절에만 영향을 미치는 요소, 인자가 발생한 후 일정한 양만큼이 증감을 가져오는 요소, 인자가 발생한 후 일정한 비율로 증감을 가져오는 인자로 구분할 수 있으며, 그 형태에 따라 조정을 행하는 방법이 다르다. 미래에 발생하는 인자의 영향정도를 추론하기 위하여 과거의 예를 활용한다. 과거의 예는 과거 자료로부터 추출하여 지식베이스에 체계화한다. 미래에 발생할 인자에 대한 영향의 정도를 추정하기 위해서 관련된 예의 대표치를 적절한 방법을 통해 산출하게 된다. 한편 여러 요인이 동시에 발생하는 경우에는 각 요인이 서로 독립이라는 가정 하에서 추론을 행하였다.
이 방법을 구현하기 위한 시스템인 KAST에서는 예측대상에 대한 지식, 질적 요소에 대한 지식, 모형의 선정 및 모형에 대한 지식이 필요하며, 이 지식을 표현할 수 있는 방법이 제시되었다. KAST는 LISP와 PASCAL 언어로 구현되었으며, 이 시스템에 대한 실험적인 평가를 행하였다.
