의류 판매량 장기 예측을 위한 트랜스포머 기반 시계열 예측 모델

이진우; 박태남; 조용원; 정석윤; 황정현; 안태영; 문혜리; 김환호; 김성범

doi:10.7232/JKIIE.2025.51.1.048

추천

검색

질문

자료유형: 학술저널

저자정보: 이진우 (고려대학교) 박태남 (고려대학교) 조용원 (고려대학교) 정석윤 (한세실업) 황정현 (한세실업) 안태영 (한세실업) 문혜리 (한세실업) 김환호 (한세실업) 김성범 (고려대학교)

저널정보: 대한산업공학회 대한산업공학회지 대한산업공학회지 제51권 제1호

발행연도: 2025.2

수록면: 48 - 60 (13page)

DOI: 10.7232/JKIIE.2025.51.1.048

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Sales forecasting plays an important role in decision-making in various industries. Especially, apparel products are highly sensitive to seasons and trends, making accurate sales forecasting essential. While many studies have applied data-driven models to forecast apparel sales, many have overlooked key characteristics of apparel sales data, such as patterns and distortions. In this study, we propose a transformer-based long-term time series forecasting model using timestamps and denoised input with DILATE (PatchTSDD). The proposed method is designed to capture the unique characteristics of apparel sales. By using denoising autoencoder, the model smooths input data and effectively reflects underlying sales trends. Additionally, the inclusion of time stamp information enables the model to capture global temporal patterns. To address sudden fluctuations in sales, the DILATE loss function is applied. We present experimental results using actual sales data from a leading domestic fashion retail company. The results demonstrate that our method outperforms traditional time series forecasting methods, with each component of the model contributes to the overall performance improvement.

#Sales Forecasting #Time Series Forecasting #Transformer #Apparel Industry

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김성범

소속기관 고려대학교

주요연구분야 사회과학 > 경영학 TOP 10% 공학 > 산업공학 TOP 0.1%

논문수 408 이용수 51,411

이 논문과 함께 이용한 논문

공유 자전거 운영 효율화를 위한 수요예측 및 최적화 모형의 결합에 관한 연구

이양요가 , 라월 , 임성묵 한국 SCM 학회지 2024 .12

트랜스포머 기반 산림지와 도심지 의미론적 분할 및 탄소 저장량 예측 기법

우승우 , 장은서 , 곽찬희 디지털콘텐츠학회논문지 2024 .11

묶음배송 최적화 알고리즘 (Slashe)

최서여 , 정보연 대한산업공학회 추계학술대회 논문집 2024 .10

휠체어 사용자의 지하철 이용 편의성 향상을 위한 최적 경로탐색 : 환승 난이도와 혼잡도 중심으로

윤수진 , 왕건호 대한산업공학회 추계학술대회 논문집 2024 .10

금융 특화 감정분석 모델과 딥러닝 시계열 예측 모델을 활용한 코스피 지수 예측

정가연 , 이혁제 , 이준영 외 1명 대한산업공학회지 2024 .08

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-092320878

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)