판매가 뜸한 품목의 수요를 예측할 때 주의할 점

어떤 부품은 몇 주 동안 판매가 없다가 한 번에 여러 개 나갑니다. 이런 간헐적 수요를 일반적인 일별 평균이나 정확도 지표로 평가하면 재고 결정을 잘못할 수 있습니다.

의사결정 조건을 정의한다

0이 많은 판매 이력에서 수요 발생 간격과 발생했을 때의 수량을 나누어 봅니다. 진짜 수요가 없어서 0인지, 재고가 없어 판매가 기록되지 않은 것인지 구분해야 합니다. 품절 기간을 0수요로 학습하면 발주를 더 줄이는 악순환이 생깁니다.

제약과 데이터를 확인한다

품목을 회전율과 주문 패턴으로 분류합니다. 매우 드문 예비 부품은 평균 판매량보다 고장 발생과 공급 리드타임이 더 중요할 수 있습니다. 하나의 모델을 모든 품목에 쓰지 말고 단순 기준과 특화 방법을 비교합니다.

작은 사례로 비교한다

예측을 점 숫자 하나로 보고하지 말고 일정 기간 안에 한 번 이상 수요가 생길 가능성과 필요한 수량 범위를 함께 봅니다. 주문 단위가 큰 경우에는 발주 주기와 최소 주문량도 고려해야 합니다.

현장 성과를 측정한다

일별 평균 오차가 작아도 실제로는 품절이 잦을 수 있습니다. 리드타임 동안의 품절률, 장기 체류 재고, 긴급 구매 건수로 운영 결과를 평가합니다. 재고 담당자가 어떤 상품의 서비스 수준을 높일지 결정할 근거가 필요합니다.

계획을 계속 갱신한다

새로운 공급처나 설비 교체가 생기면 과거 간헐성 패턴이 바뀔 수 있습니다. 수요가 거의 없는 품목도 단종, 대체품, 안전 관련 여부를 검토해야 합니다. 예측 모델보다 품목 정책 자체를 바꾸는 편이 더 효과적일 때도 있습니다.

현장에 적용할 때의 순서

1. 수요 없음과 품절로 인한 0 분리
2. 발생 간격·수량·리드타임 분석
3. 단순 기준과 특화 방법 비교

주의할 실패: 일별 평균 오차만으로 평가

관찰할 지표: 품절률·긴급 구매·장기 체류

적용 전 체크리스트

• 수요 없음과 품절로 인한 0 분리
• 발생 간격·수량·리드타임 분석
• 단순 기준과 특화 방법 비교

참고 자료

Shenstone & Hyndman — Stochastic Models for Intermittent Demand. 간헐적 수요의 특성과 Croston 계열 접근의 한계는 원저자의 연구 소개를 참고했습니다. 품절 구분과 운영 지표는 적용 제안입니다.

이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.

#간헐적수요 #예비부품 #수요예측 #안전재고 #재고정책 #네이처프랙탈 #산업AI #의사결정 #데이터활용 #현장적용