[go: up one dir, main page]

JP2001167081A - 受注量予測装置 - Google Patents

受注量予測装置

Info

Publication number
JP2001167081A
JP2001167081A JP34619199A JP34619199A JP2001167081A JP 2001167081 A JP2001167081 A JP 2001167081A JP 34619199 A JP34619199 A JP 34619199A JP 34619199 A JP34619199 A JP 34619199A JP 2001167081 A JP2001167081 A JP 2001167081A
Authority
JP
Japan
Prior art keywords
order
period
amount
shipment
predicted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP34619199A
Other languages
English (en)
Inventor
Takeshi Ono
剛 小野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sekisui Chemical Co Ltd
Original Assignee
Sekisui Chemical Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sekisui Chemical Co Ltd filed Critical Sekisui Chemical Co Ltd
Priority to JP34619199A priority Critical patent/JP2001167081A/ja
Publication of JP2001167081A publication Critical patent/JP2001167081A/ja
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】 【課題】 出荷のばらつきを加味した上で予測期間内の
受注量を予測することで、日々の出荷のばらつきが大き
い品番についても精度よく受注量を予測する。 【解決手段】 代理店から小売店に対して出荷された売
上情報を受信するとともに、代理店の在庫量、発注点、
補充点といった在庫情報を受信する受信部11と、受信
した売上情報および在庫情報をデータベースとして格納
するデータベース12と、このデータベース12に蓄積
された売上情報および在庫情報から、品番別に受注予測
量を算出する受注予測量算出部13とを備え、この受注
予測量算出部13は、予め設定された所定の予測期間に
ついて、売上情報に含まれている過去の一定期間の出荷
量のばらつきを加味して予測期間内の出荷予測量を算出
し、この出荷予測量と在庫情報に含まれている在庫量、
発注点、補充点とに基づいて予測期間内の受注予測量を
算出する。

Description

【発明の詳細な説明】
【0001】
【発明の属する技術分野】本発明は、製造元から1又は
複数の代理店を経て小売店に製品が順次出荷される流通
システムに適用される、見込み生産方式を前提とした受
注量予測装置に関する。
【0002】
【従来の技術】従来の見込み生産を前提とした生産計画
立案方法では、発注点管理方式により発注されている代
理店からの発注量(受注量)を予測して、品番ごとに生
産量を決定する必要がある。つまり、代理店では、品番
ごとに発注点および補充点を予め設定しておき、対象品
番の在庫量が発注点を下回ったとき、補充点まで在庫量
が達するように発注量を決定して製造元に発注するよう
になっている。
【0003】例えば、ある代理店の在庫量、発注点およ
び補充点が表1のような場合、製造元(メーカ)への発
注量は表2のようになる。
【0004】
【表1】
【0005】
【表2】
【0006】すなわち、品番AAAについては、在庫数
量(50)が発注点(150)以下なのでメーカAに対
して発注され、その発注量は、補充点(200)−在庫
数量(50)=150となる。品番BBBも同様に計算
され、発注量は100となる。また、品番CCCについ
ては、在庫数量が発注点より多いので発注はされず、発
注量は0となる。図4は、このような在庫量の推移と発
注点との関係を示すグラフである。
【0007】製造元では、このようにして代理店から発
注される品番ごとの発注量(受注量)を予測して、生産
計画を立案する必要がある。
【0008】この場合、従来の受注予測方法では、所定
の予測期間を経過したときの代理店の在庫量を予測する
に際し、過去の平均出荷量にその予測期間を乗じて出荷
量を予測し、その予測出荷量を在庫量から減じて予測在
庫量を算出する。そして、この予測在庫量が発注点を下
回っている場合には、補充点から予測在庫量を減じて受
注予測量を算出するといった方法をとっている。つま
り、過去の平均と同じペースで出荷されることが前提と
なっている。
【0009】
【発明が解決しようとする課題】しかし、このような従
来の受注予測方法では、日々の出荷が比較的安定してい
るような品番については、精度よく予測されるが、日々
の出荷のばらつきが大きい傾向にある品番については、
突発的に多くの出荷がされた場合、予測した以上の受注
量となり、生産が間に合わずに欠品となり、CS低下や
機会損失といった形で悪影響を及ぼすといった問題があ
った。つまり、従来の受注予測方法では、日々の出荷の
ばらつきが大きい傾向にある品番については、予測精度
が低下するため、製造元においてその品番の在庫を多く
持つことにより欠品を防ぐように対応せざるを得ないの
が現状であった。
【0010】これに対し、前年度および今年度の出荷実
績から今後の出荷予測を行う従来技術が提案されている
(特開平4−364574号公報参照)。この従来技術
では、所定の予測期間内の出荷予測を過去の平均値をと
るのではなく、過去の最大出荷量を検索することで、出
荷のばらつきの大きい品番にも対応できるようになって
いる。しかしながら、この従来技術においても、過去の
最大出荷量に基づいて出荷予測を行うので、製造元での
在庫量が多くなることは避けられない。
【0011】本発明はこのような問題点を解決すべく創
案されたものであって、その目的は、代理店から小売店
への出荷のばらつきを加味した上で、予測期間内の受注
量を予測することにより、日々の出荷のばらつきが大き
い傾向にある品番についても、精度よく受注量を予測す
ることのできる受注量予測装置を提供することにある。
【0012】
【課題を解決するための手段】上記課題を解決するた
め、本発明の受注量予測装置は、発注点管理方式により
発注されている代理店からの受注を予測する受注量予測
装置であって、代理店から小売店に対して出荷された売
上情報を受信するとともに、代理店の在庫量、発注点、
補充点といった在庫情報を受信する受信手段と、受信し
た売上情報および在庫情報をデータベースとして格納す
る格納手段と、このデータベースに蓄積された売上情報
および在庫情報から、品番別に受注予測量を算出する受
注予測量算出手段とを備え、この受注予測量算出手段
は、予め設定された所定の予測期間について、前記売上
情報に含まれている過去の一定期間の出荷量のばらつき
を加味して予測期間内の出荷予測量を算出し、この出荷
予測量と前記在庫情報に含まれている在庫量、発注点、
補充点とに基づいて予測期間内の受注予測量を算出する
ことを特徴とする。
【0013】また、本発明の受注量予測装置は、上記構
成において、受注予測量算出手段は、過去の一定期間を
所定の日数ごとに区分するとともに、その区分ごとの出
荷量を求め、その求めた区分ごとの出荷量の中での最大
値を前記予測期間の出荷予測量とすることを特徴とす
る。
【0014】また、本発明の受注量予測装置は、上記構
成において、受注予測量算出手段は、過去の一定期間を
所定の日数ごとに、かつ1日ずつずらせて順次区分する
とともに、その区分ごとの出荷量を求め、その求めた区
分ごとの出荷量の中での最大値を前記予測期間の出荷予
測量とすることを特徴とする。
【0015】
【発明の実施の形態】以下、本発明の実施の形態につい
て、図面を参照して説明する。
【0016】図3は、本発明の受注量予測装置が適用さ
れる流通システムを概略的に示した説明図である。
【0017】本発明の受注量予測装置の適用対象となる
製品の流通システムは、製造元であるメーカ(工場)A
から1又は複数の代理店B,B・・・に製品を出荷し、
各代理店B,B・・・から1又は複数の小売店C,C・
・・に製品を出荷し、各小売店C,C・・・を通じて一
般消費者に製品が供給されるシステムとなっている。こ
のような製品の流れを、図中実線の矢符で示す。一方、
製品のオーダ(発注)の流れはこれと全く逆の流れとな
り、図中破線の矢符で示している。
【0018】図2は、図3に示した流通システムを実現
するために構築された通信システムの一例を示してい
る。
【0019】すなわち、小売店C,C・・・への売上情
報を代理店B,B・・・から受信するために、代理店
B,B・・・の端末機B1,B1・・・とメーカAのホ
ストコンピュータA1とをVAN若しくは公衆回線等の
通信網Lで接続している。そして、メーカAのホストコ
ンピュータA1に、本発明の受注量予測装置1が接続さ
れている。
【0020】図1は、受注量予測装置1のシステム構成
を示す機能ブロック図である。
【0021】この受注量予測装置1は、ホストコンピュ
ータA1から代理店B,B・・・の売上情報(ここでは
出荷量の情報)と、在庫情報(ここでは、在庫量、発注
点、補充点の各情報)を受信する受信部11と、受信し
た売上情報および在庫情報を格納するデータ記憶部(デ
ータベース)12と、このデータベース12に蓄積され
た売上情報および在庫情報に基づいて、品番別に受注予
測量を計算する計算部13とを備えている。
【0022】代理店B,B・・・では、小売店C,C・
・・への売上情報および在庫情報を定期的にメーカAに
送信する。送信するサイクルは、メーカAの受注量予測
装置1によって受注量予測を行うサイクル(例えば、4
日サイクル等)に合わせることが考えられるが、できれ
ば日々送信することが望ましい。
【0023】メーカAでは、代理店B,B・・・から受
信した売上情報および在庫情報を、受注量予測処理時に
利用できる状態でデータベース12に蓄える。このとき
のデータの項目は、売上情報としては、例えば[代理店
コード][品番][売り上げ(出荷)日][売り上げ
(出荷)数量]のようになる。また、在庫情報として
は、例えば[代理店コード][品番][在庫日(送信
日)][在庫数(在庫量)][発注点][補充点]のよ
うになる。
【0024】計算部13では、受注量予測処理時に、デ
ータベース12に蓄積された売上情報および在庫情報か
ら、品番別に受注予測量を算出する。すなわち、予め設
定された所定の予測期間(例えば、1週間等)につい
て、売上情報に含まれている過去の一定期間(例えば、
1ケ月等)の出荷量のばらつきを加味して予測期間内の
出荷予測量を算出し、この出荷予測量と、在庫情報に含
まれている在庫量、発注点、補充点とに基づいて、予測
期間内の受注予測量を算出する。ここで、所定の予測期
間はパラメータとし、工場の生産能力や製品の特性を加
味した上で決定することが望ましい。これにより、出荷
のばらつきが大きい品番においても、突発的な出荷を加
味した上で、受注量予測を行うことにより、受注予測の
精度の向上を図ることができる。
【0025】次に、計算部13での受注量予測処理の具
体例について、以下に説明する。
【0026】[具体例1]代理店B,B・・・は、小売
店C,C・・・からのオーダに基づいて製品を出荷(売
上)する。代理店B,B・・・は製品在庫を持ってオー
ダに対応している。そして、製品在庫がある一定量(発
注点)以下になると、補充点まで満たされるようにメー
カAに対してオーダ(発注量)を送信し、在庫補充を行
う。
【0027】また、代理店Bでは、定期的(日々)に小
売店への売上情報(出荷量情報)を集計してメーカAに
送信するとともに、発注基準情報を含めた在庫情報をメ
ーカAに送信する。送信されるデータのフォーマット例
は上記した通り、売上情報については、[代理店コー
ド][品番][売り上げ(出荷)日][売り上げ(出
荷)数量]であり、在庫情報については、[代理店コー
ド][品番][在庫日(送信日)][在庫数(在庫
量)][発注点][補充点]である。ただし、これらは
最低限必要な情報であり、その他の付加情報を追加する
ことも可能である。
【0028】ここで、所定の予測期間をLとすると、こ
の予測期間Lは、メーカAの生産能力とリードタイム
(LT)とを考慮して予め決定しておくべきパラメータ
である。通常は、受注量予測処理日から、その製品が完
成品として出荷可能となる日数(例えば、部材の調達リ
ードタイム+生産リードタイム+α)とするのが一般的
である。本具体例1では、部材調整リードタイムを2
日、生産リードタイムを1日、αを1日と仮定し、予測
期間L=4日とする。
【0029】また、もう1つのパラメータとして、予測
対象とする過去の出荷期間(一定期間)Mを決定する。
このパラメータは、製品のライフサイクル、出荷のばら
つき程度、上記の予測期間Lを考慮して決定する。本具
体例1では、予測期間M=20日とする。
【0030】以上の条件に基づき、以下に示す品番AA
A,BBBをモデルに具体的な受注量予測処理の計算例
を説明する。
【0031】まず、受注量予測処理日を9月1日とす
る。表3は、代理店Bから送信され、データ記憶部12
に蓄積されている品番AAA,BBBの在庫情報(在庫
量、発注点、補充点)を示し、表4は品番AAAの過去
20日間(予測期間M)の出荷情報を示し、表5は品番
BBBの過去20日間(予測期間M)の出荷情報を示し
ている。
【0032】
【表3】
【0033】
【表4】
【0034】
【表5】
【0035】表4および表5から分かるように、品番A
AAは比較的出荷が安定している品番をモデルとしてお
り、品番BBBは出荷のばらつきが大きい品番をモデル
としている。ただし、在庫量および過去20日間の平均
出荷量は同じである。
【0036】計算部13では、この表4および表5に示
した出荷情報に基づき、受注量予測処理日である9月1
日から逆算して、予測期間L(4日)ごとに、各品番A
AA,BBBの出荷量の合計を計算する。表6および表
7はこの計算結果を示している。ただし、日数に余りが
出た場合(すなわち、M/Lの余り)は切り捨てること
とするが、この例では余りは出ていない。
【0037】
【表6】
【0038】
【表7】
【0039】すなわち、品番AAAについては、8/2
8〜8/31の期間の出荷量合計が160、8/24〜
8/27の期間の出荷量合計が154、8/20〜8/
23の期間の出荷量合計が165、8/16〜8/19
の期間の出荷量合計が163、8/12〜8/15の期
間の出荷量合計が158となるので、その最大値である
165を予測期間Lにおける出荷予測量とする。
【0040】また、品番BBBについては、8/28〜
8/31の期間の出荷量合計が300、8/24〜8/
27の期間の出荷量合計が0、8/20〜8/23の期
間の出荷量合計が500、8/16〜8/19の期間の
出荷量合計が0、8/12〜8/15の期間の出荷量合
計が0となるので、その最大値である500を予測期間
Lにおける出荷予測量とする。
【0041】このようにして、出荷予測量を計算する
と、次に、予測期間L後(4日後)における代理店Bで
の各品番AAA,BBBの在庫予測量を計算する。
【0042】すなわち、品番AAAについては、在庫予
測量=現在庫量(350)−出荷予測量(165)=1
85となる。
【0043】また、品番BBBについては、在庫予測量
=現在庫量(350)−出荷予測量(500)=−15
0となる。
【0044】このようにして、在庫予測量を計算する
と、次に、計算した在庫予測量と発注点とを比較する。
そして、在庫予測量>発注点であれば、受注予測量を0
とし、在庫予測量≦発注点であれば、受注予測量とし
て、補充点−在庫予測量を計算する。
【0045】すなわち、品番AAAの場合は、在庫予測
量(185)≦発注点(300)であるので、受注予測
量=補充点(500)−在庫予測量(185)=310
となる。
【0046】また、品番BBBの場合は、在庫予測量
(−150)≦発注点(300)であるので、受注予測
量=補充点(500)−在庫予測量(−150)=65
0となる。
【0047】ここで、上記の結果と比較するために、従
来の予測方法を用いて受注量を予測した場合の計算例を
以下に説明する。
【0048】[従来例]従来例の方法では、まず、各品
番AAA,BBBについて、過去20日(予測期間M)
における平均出荷量を求める。表4および表5より、品
番AAAの平均出荷量は40、品番BBBの平均出荷量
も40であることがわかる。次に、この平均出荷量に予
測期間L(4日)を乗じた値を、その予測期間Lにおけ
る出荷予測量とする。すなわち、各品番AAA,BBB
ともに、出荷予測量=平均出荷量(40)×予測期間L
(4日)=160となる。次に、予測期間後(4日後)
の代理店Bの在庫予測量を計算する。すなわち、各品番
AAA,BBBともに、在庫予測量=現在庫量(35
0)−出荷予測量(160)=190となる。次に、こ
の在庫予測量と各品番AAA,BBBの発注点とを比較
し、在庫予測量>発注点であれば受注予測量=0とし、
在庫予測量≦発注点であれば、受注予測量として、補充
点−在庫予測量を計算する。すなわち、各品番AAA,
BBBともに、在庫予測量(190)≦発注点(30
0)なので、受注予測量=補充点(500)−在庫予測
量(190)=310となる。
【0049】この従来例と上記の具体例1とを比較する
と、出荷量が比較的安定している品番AAAについて
は、具体例1、従来例ともにそれほど大きな差は見られ
ない(この場合は同じ値となっている)が、出荷のばら
つきが大きい品番BBBについては、明らかに受注予測
量に差が出てくる。具体例1では、出荷のピークを求め
た上で受注予測量を決定しているため、突発的な出荷の
変動にも対応できている。また、本発明の受注量予測装
置1では、具体例1でも明らかなように、出荷が比較的
安定している品番に対しても適用できるため、汎用性に
も優れているといった利点を有している。
【0050】上記の具体例1では、過去の予測期間M
(20日)を予測期間L(4日)ごとに単純に区分して
いる。これに対して、次に説明する具体例2では、この
予測期間Lによる区分の仕方が異なっている。
【0051】[具体例2]この具体例2においても、デ
ータ記憶部12に蓄積されている品番AAA,BBBの
在庫情報(在庫量、発注点、補充点)、品番AAAの過
去20日間(予測期間M)の出荷情報、および品番BB
Bの過去20日間(予測期間M)の出荷情報は、上記具
体例1で示した表3、表4および表5と同様であるの
で、ここでも表3、表4および表5の情報を用いて説明
を行う。
【0052】計算部13では、表4および表5に示した
出荷情報に基づき、データ開始日である8月12日か
ら、1日ずつずらせた予測期間L(4日)ごとに、各品
番AAA,BBBの出荷量の合計を計算する。すなわ
ち、具体例2では、移動平均法による各予測期間L(4
日)の出荷量合計を計算している。表8および表9はこ
の計算結果を示している。
【0053】
【表8】
【0054】
【表9】
【0055】すなわち、品番AAAについては、8/1
2〜8/15の期間の出荷量合計が158、この期間を
1日ずらせた8/13〜8/16の期間の出荷量合計が
158、この期間を1日ずらせた8/14〜8/17の
期間の出荷量合計が157、・・・、最後の8/28〜
8/31の期間の出荷量合計が160となるので、その
最大値である165(8/20〜8/23の期間)を予
測期間における出荷予測量とする。
【0056】また、品番BBBについては、8/12〜
8/15の期間の出荷量合計が0、この期間を1日ずら
せた8/13〜8/16の期間の出荷量合計が0、・・
・、8/18〜8/21の期間の出荷量合計が200、
8/19〜8/22の期間の出荷量合計が200、8/
20〜8/23の期間の出荷量合計が500、・・・、
最後の8/28〜8/31の期間の出荷量合計が300
となるので、その最大値である500(8/20〜8/
23の期間、または8/21〜8/24の期間)を予測
期間における出荷予測量とする。
【0057】このようにして、出荷予測量を計算する
と、次に、予測期間後(4日後)における代理店Bでの
各品番AAA,BBBの在庫予測量を計算する。
【0058】すなわち、品番AAAについては、在庫予
測量=現在庫量(350)−出荷予測量(165)=1
85となる。
【0059】また、品番BBBについては、在庫予測量
=現在庫量(350)−出荷予測量(500)=−15
0となる。
【0060】このようにして、在庫予測量を計算する
と、次に、計算した在庫予測量と発注点とを比較する。
そして、在庫予測量>発注点であれば、受注予測量を0
とし、在庫予測量≦発注点であれば、受注予測量とし
て、補充点−在庫予測量を計算する。
【0061】すなわち、品番AAAの場合は、在庫予測
量(185)≦発注点(300)であるので、受注予測
量=補充点(500)−在庫予測量(185)=310
となる。
【0062】また、品番BBBの場合は、在庫予測量
(−150)≦発注点(300)であるので、受注予測
量=補充点(500)−在庫予測量(−150)=65
0となる。
【0063】この具体例2と上記の従来例とを比較する
と、出荷量が比較的安定している品番AAAについて
は、具体例2、従来例ともにそれほど大きな差は見られ
ない(この場合は同じ値となっている)が、出荷のばら
つきが大きい品番BBBについては、明らかに受注予測
量に差が出てくる。具体例2では、出荷のピークを求め
た上で受注予測量を決定しているため、突発的な出荷の
変動にも対応できている。また、本発明の受注量予測装
置1では、具体例2でも明らかなように、出荷が比較的
安定している品番に対しても適用できるため、汎用性に
も優れているといった利点を有している。
【0064】
【発明の効果】以上説明したように、本発明の受注量予
測装置によれば、代理店から小売店への出荷のばらつき
を加味した上で、予測期間内の受注量を予測することに
より、日々の出荷のばらつきが大きい傾向にある品番に
ついても、精度よく受注量を予測することができる。つ
まり、突発的な受注にも対応できるため、それに伴う欠
品の発生を低減することができる。また、出荷が比較的
安定している品番についても同様のロジックで予測でき
るため、汎用性に優れた受注量予測装置を提供すること
ができる。
【図面の簡単な説明】
【図1】受注量予測装置のシステム構成を示す機能ブロ
ック図である。
【図2】図3に示した流通システムを実現するために構
築された通信システムの一例を示す説明図である。
【図3】本発明の受注量予測装置が適用される流通シス
テムを概略的に示した説明図である。
【図4】在庫量の推移と発注点との関係を示すグラフで
ある。
【符号の説明】
1 受注量予測装置 11 受信部 12 データベース(データ記憶部) 13 計算部(受注予測量算出手段)

Claims (3)

    【特許請求の範囲】
  1. 【請求項1】 発注点管理方式により発注されている代
    理店からの受注を予測する受注量予測装置であって、 代理店から小売店に対して出荷された売上情報を受信す
    るとともに、代理店の在庫量、発注点、補充点といった
    在庫情報を受信する受信手段と、 受信した売上情報および在庫情報をデータベースとして
    格納する格納手段と、 このデータベースに蓄積された売上情報および在庫情報
    から、品番別に受注予測量を算出する受注予測量算出手
    段とを備え、 この受注予測量算出手段は、予め設定された所定の予測
    期間について、前記売上情報に含まれている過去の一定
    期間の出荷量のばらつきを加味して予測期間内の出荷予
    測量を算出し、この出荷予測量と前記在庫情報に含まれ
    ている在庫量、発注点、補充点とに基づいて予測期間内
    の受注予測量を算出することを特徴とする受注量予測装
    置。
  2. 【請求項2】 前記受注予測量算出手段は、過去の一定
    期間を所定の日数ごとに区分するとともに、その区分ご
    との出荷量を求め、その求めた区分ごとの出荷量の中で
    の最大値を前記予測期間の出荷予測量とすることを特徴
    とする請求項1に記載の受注量予測装置。
  3. 【請求項3】 前記受注予測量算出手段は、過去の一定
    期間を所定の日数ごとに、かつ1日ずつずらせて順次区
    分するとともに、その区分ごとの出荷量を求め、その求
    めた区分ごとの出荷量の中での最大値を前記予測期間の
    出荷予測量とすることを特徴とする請求項1に記載の受
    注量予測装置。
JP34619199A 1999-12-06 1999-12-06 受注量予測装置 Pending JP2001167081A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP34619199A JP2001167081A (ja) 1999-12-06 1999-12-06 受注量予測装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP34619199A JP2001167081A (ja) 1999-12-06 1999-12-06 受注量予測装置

Publications (1)

Publication Number Publication Date
JP2001167081A true JP2001167081A (ja) 2001-06-22

Family

ID=18381736

Family Applications (1)

Application Number Title Priority Date Filing Date
JP34619199A Pending JP2001167081A (ja) 1999-12-06 1999-12-06 受注量予測装置

Country Status (1)

Country Link
JP (1) JP2001167081A (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003248714A (ja) * 2002-02-22 2003-09-05 Askul Corp 低頻度受注商品発注装置および方法
US7340410B1 (en) 2002-06-13 2008-03-04 Xilinx, Inc. Sales force automation
JP2010224992A (ja) * 2009-03-24 2010-10-07 Haruya Inc 定期刊行物発注支援システム
WO2023279407A1 (zh) * 2021-07-06 2023-01-12 深圳市通拓信息技术网络有限公司 一种用于电商智能仓储的出库配送方法
CN116071000A (zh) * 2023-03-07 2023-05-05 美云智数科技有限公司 物品库存的控制方法及控制装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003248714A (ja) * 2002-02-22 2003-09-05 Askul Corp 低頻度受注商品発注装置および方法
US7340410B1 (en) 2002-06-13 2008-03-04 Xilinx, Inc. Sales force automation
JP2010224992A (ja) * 2009-03-24 2010-10-07 Haruya Inc 定期刊行物発注支援システム
WO2023279407A1 (zh) * 2021-07-06 2023-01-12 深圳市通拓信息技术网络有限公司 一种用于电商智能仓储的出库配送方法
CN116071000A (zh) * 2023-03-07 2023-05-05 美云智数科技有限公司 物品库存的控制方法及控制装置

Similar Documents

Publication Publication Date Title
US7668761B2 (en) System and method for ensuring order fulfillment
Ketzenberg et al. Managing slow‐moving perishables in the grocery industry
US8005761B1 (en) Dynamically determining actual delivery information for orders based on actual order fulfillment plans
US8428988B1 (en) Generating current order fulfillment plans to influence expected future conditions
Armony et al. The impact of duplicate orders on demand estimation and capacity investment
CN117557204A (zh) 基于erp的采购业务管理方法、装置、电子设备及介质
JP2009070016A (ja) 在庫計画システム
US7236949B2 (en) Computer implemented system for estimating the demand dependent unit stockout cost of a consumer item at a location of a single peroid inventory system, stockout cost application therefor, and method therefor
JP2003162619A (ja) 売り上げ予測装置および方法
JP2000306015A (ja) レンタル品管理装置およびレンタル品管理方法
JP2006018777A (ja) 物品発注量決定方法、物品発注量決定装置、及びコンピュータプログラム
CN116720807A (zh) 优化仓内补货的方法及计算设备
JP2001167081A (ja) 受注量予測装置
JP7308073B2 (ja) 物流管理システム
JP2000229711A (ja) 在庫保管スペース管理装置、方法、及び、その記録媒体
MXPA04007272A (es) Sistema, programa y metodo para determinar el tamano optimo de lotes.
JP2005089060A (ja) 物流拠点決定装置、物流拠点決定方法及びそのプログラム
JP2001265866A (ja) 販売在庫シミュレーター、販売在庫シミュレーターを組み込んだ商品在庫管理システム、および機会損失を補正する販売在庫シミュレーション方法
JP2002169860A (ja) 生産計画立案装置および生産計画立案方法
JP2003176029A (ja) 在庫管理装置
Tai et al. Recent advances on Markovian models for inventory research
JP4001687B2 (ja) 在庫管理装置、方法、および、その記録媒体
Bijvank Service inventory management: Solution techniques for inventory systems without backorders
JP2004514969A (ja) 効率的在庫量を決定する方法とシステム
JP2000235604A (ja) 生産計画立案装置