Integrating Zero-Aware Intermittent Exponential Smoothing Hybrid Forecasting with EPQ Modeling for Lot Sizing Optimization = 제로 기반 간헐수요 지수평활 하이브리드 예측과 EPQ 모델을 통합한 로트사이징 최적화 연구

국문 초록 (Abstract)

본 연구는 간헐적(intermittent) 수요 환경에서 운영되는 생산 시스템의 수요 예측 및 Lot sizing 의사결정의 복잡성을 탐구한다. 이러한 환경에서는 장기간의 제로 수요 기간 후 갑작스러운 수요 급증이 발생하는 경우가 빈번하기 때문에, 단순 이동평균과 같은 기존의 예측 기법은 정확도가 크게 저하된다. 이로 인해 비효율적인 생산 일정, 과도한 안전재고, 예기치 못한 재고 부족 문제가 발생하여 운영 비용이 증가하고 공급망 대응성이 저하되는 결과를 초래한다. 따라서 불규칙한 수요 변동을 명확히 인지하고 적응할 수 있는 예측 프레임워크가 필수적이다.

이를 해결하기 위해 본 연구에서는 Zero-Aware 간헐 수요 지수평활(Intermittent Exponential Smoothing) 예측 기법과 경제적 생산수량(Economic Production Quantity, EPQ) 모델을 통합한 하이브리드 모델을 제안한다. 제안된 예측 모형은 수요 발생 확률과 발생 시 수요 규모라는 두 가지 핵심 요소를 분리하여 추정함으로써 단·중기 수요 예측 정확도를 향상시킨다. 이후 예측 결과를 EPQ 모델에 반영하여 재고 비용과 보관 비용을 최소화하면서도 서비스 수준을 유지하고 생산 부족을 방지하는 최적의 생산 Lot 크기를 도출한다.

실증 분석은 소규모 식품 제조 기업의 실제 생산 및 판매 데이터를 기반으로 수행되었다. 분석 결과, 본 하이브리드 모델은 기존 기법 대비 불규칙한 수요 변동을 효과적으로 처리하며 예측 정밀도를 유의미하게 향상시키는 것으로 나타났다. 또한 본 모델을 EPQ 프레임워크에 적용한 결과, 과잉 재고 발생을 줄여 평균 재고 수준을 감소시키는 비용 효율적인 생산 계획을 수립할 수 있었다.이는 제안 모델이 운영 부담 증가 없이 생산 시스템의 대응성과 안정성을 제고할 수 있음을 시사한다.

종합적으로, 본 연구는 최신 시계열 예측 방법과 고전적 재고 최적화 이론을 융합하여 중소기업(SMEs)이 직면한 불확실한 시장 환경에 대응할 수 있는 적응적이고 데이터 기반의 의사결정 프레임워크를 제시한다.

다국어 초록 (Multilingual Abstract)

This study explores the complexity of forecasting and lot sizing in production systems that operate under intermittent demand conditions. In such environments, conventional forecasting approaches such as simple moving averages often perform poorly because they are not designed to handle long periods of zero demand followed by sudden spikes. These inaccuracies frequently lead to inefficient production schedules, excessive safety stock, which in turn raise operational costs and reduce overall system responsiveness. Managing such irregular demand requires a forecasting framework that can explicitly recognize and adapt to the occurrence and magnitude of demand variability.

To address these limitations, this research introduces a hybrid model that integrates a Zero-Aware Intermittent Exponential Smoothing forecasting approach with an Economic Production Quantity (EPQ) model. The forecasting component separates two critical dimensions of intermittent demand: the probability that demand will occur and the expected size of that demand once it appears. By treating these factors independently, the model improves the accuracy of short- and medium-term predictions. The resulting forecasts are then incorporated into the EPQ model to determine optimal lot sizes that minimize inventory and holding costs while maintaining service reliability and preventing production shortages.

Empirical validation was conducted using real production and sales data obtained from a small-scale food manufacturing company. The findings show that the hybrid model significantly improves forecast precision compared to traditional methods, particularly in handling irregular demand fluctuations. Furthermore, when applied within the EPQ framework, the approach generates more stable and cost-efficient production plans, reducing both excess inventory accumulation and consequently lowering the average inventory level. These improvements demonstrate that the integration of zero-aware forecasting and dynamic EPQ planning can enhance responsiveness without increasing operational burden.

Overall, this study provides both theoretical and managerial contributions by bridging modern time-series forecasting principles with classical inventory optimization. It establishes an adaptable, data-driven framework that can be effectively applied in small and medium-sized enterprises (SMEs) facing unstable market conditions.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1. Background 1
• 1.2. Research Objective 4
• 2. Literature Review 6
• 2.1. Key Theories and Concepts 6
• 2.2. Review and Analysis of Previous Studies 9
• 2.3. Research Directions 11
• 3. Research Methodology 13
• 3.1. Research Framework 13
• 3.1.1. Forecasting Method 13
• 3.1.2. Traditional Forecasting Methods 15
• 3.1.3. Zero-Aware Intermittent Exponential Smoothing (ZIES) 16
• 3.1.4. Economic Production Quantity (EPQ) Model 18
• 3.1.5. Hybrid Forecasting–EPQ Model 18
• 3.1.6. OLISTA Concept as a Hybrid Planning Logic 19
• 3.2. Research Method 20
• 3.2.1. Overview of Research Object: Case Study Company Profile 21
• 3.2.2. Research Data: Historical Data Collection 21
• 3.2.3. Application of Time-Series Forecasting Method 22
• 3.2.4. Model Development 24
• 3.2.5. Economic Production Quantity (EPQ) Model 26
• 3.2.6. OLISTA Concept as a Hybrid Approach between MPS and JIT 28
• 3.3. Evaluation and Validation 30
• 3.3.1. Forecast Accuracy Metrics 30
• 3.3.2. Operational Performance Indicators 31
• 4. Result and Discussion 32
• 4.1. Company Background and Production Characteristics 32
• 4.2. Result and Discussion 33
• 4.3. Forecast Evaluation – Holt Winter’s Model 56
• 4.4. Forecast Evaluation - Temporal Fusion Transformer Forecasting 59
• 4.5. Limitation of the Deterministic EPQ Model under Stochastic Demand. 61
• 4.5.1. Company Conditions: Demand Patterns and Actual Problems. 62
• 4.5.2. Application of Forecast-Based EPQ under Stochastic Demand. 63
• 4.6. Model Evaluation 65
• 5. Conclusion 81
• 5.1. Research Summary 81
• 5.2. Research Significance and Limitations 84
• 5.2.1. Research Significance 84
• 5.2.2. Research Limitations 85
• 5.2.3. Concluding Remark 86
• References 87
• Abstract 90