[go: up one dir, main page]

WO2018139029A1 - 需要予測装置、需要予測システム、需要予測方法及びプログラム - Google Patents

需要予測装置、需要予測システム、需要予測方法及びプログラム Download PDF

Info

Publication number
WO2018139029A1
WO2018139029A1 PCT/JP2017/042375 JP2017042375W WO2018139029A1 WO 2018139029 A1 WO2018139029 A1 WO 2018139029A1 JP 2017042375 W JP2017042375 W JP 2017042375W WO 2018139029 A1 WO2018139029 A1 WO 2018139029A1
Authority
WO
WIPO (PCT)
Prior art keywords
shipments
order
demand
product
value
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.)
Ceased
Application number
PCT/JP2017/042375
Other languages
English (en)
French (fr)
Inventor
陽介 斉藤
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2018564124A priority Critical patent/JPWO2018139029A1/ja
Publication of WO2018139029A1 publication Critical patent/WO2018139029A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • the present invention relates to a demand prediction device, a demand prediction system, a demand prediction method, and a program.
  • Demand forecasting device that forecasts demand for goods is used to manage product production. There has been proposed a demand forecasting device that manages past orders of products separately into normal orders and orders other than normal orders and reflects them in demand forecasting. Orders other than normal orders include sudden orders and orders with special demand.
  • Patent Document 1 describes a sales plan creation support system that classifies business negotiations into normal business negotiations and collective business negotiations, and manages the planning of sales plans by subtracting the delivery results of the collective business negotiations from the delivery results. Yes.
  • This invention is made in view of this subject, Comprising: It aims at providing the demand forecast apparatus, demand forecast system, demand forecast method, and program which can perform the demand forecast which followed the fluctuation
  • a demand prediction apparatus includes a threshold value calculation unit, a shipment result totaling unit, an expansion rate calculation unit, and a demand prediction value calculation unit.
  • the threshold calculation unit calculates a threshold for dividing the order into a normal order and a large order based on the number of past shipments of the product.
  • the shipment performance totaling unit divides orders for products before the date of demand prediction into normal orders with the shipment quantity smaller than the threshold value and large orders with the shipment quantity equal to or greater than the threshold value. Tally.
  • the expansion rate calculation unit calculates an expansion rate, which is an increase rate of the number of shipments from the date when the demand is predicted to the demand prediction target date, based on the past number of shipments of the product.
  • the demand forecast value calculation unit calculates the predicted value of the normal order from the number of shipments of the normal order products and the growth rate that are aggregated by the shipment performance aggregation unit, and from the number of product shipments of the large orders that are aggregated by the shipment performance aggregation unit Calculate the forecast value for large orders.
  • a demand prediction that can perform a demand prediction that follows a fluctuation in a demand trend by calculating a threshold for dividing an order into a normal order and a large order based on the number of past shipments of the product.
  • Block diagram which shows the structure of the demand prediction apparatus which concerns on embodiment of this invention.
  • Block diagram showing the hardware configuration of the demand forecasting device Diagram showing the configuration of the model master Flow chart of threshold calculation processing
  • Figure showing normal order shipment results and large order shipment results
  • Flow chart of expansion rate calculation processing Diagram showing growth rate by model group
  • Flow chart of demand forecast value calculation processing Diagram showing normal order forecast value and large order forecast value Diagram showing the structure of negotiation information Diagram showing the order accuracy coefficient master configuration
  • Block diagram showing the configuration of the demand forecasting system
  • Embodiment 1 A demand prediction apparatus 10 according to Embodiment 1 of the present invention will be described with reference to FIGS. In the present specification, description will be made on the assumption that the demand prediction for predicting the demand of the product at the end of Y is performed on the Y month Z year of the year X. The end of the month Y, which is the target of demand forecast, is also called the demand forecast target day. Moreover, although it demonstrates using a model as a reference
  • the demand prediction device 10 is a device that predicts the demand for a product based on past shipment results of the product, order for the product, and information on the negotiation related to the order for the product.
  • FIG. 1 is a block diagram showing the configuration of the demand prediction apparatus 10.
  • the demand prediction device 10 includes a processing unit 100 that performs processing for calculating demand prediction information, a storage unit 200 that stores data for calculating demand prediction information, and calculated demand prediction information. .
  • FIG. 2 is a block diagram illustrating a hardware configuration of the demand prediction apparatus 10.
  • the demand prediction device 10 includes a processing device 300 that functions as the processing unit 100, a storage device 400 that functions as the storage unit 200, a ROM 500 that stores a program executed by the processing device 300, and an external device.
  • a communication unit 600 that communicates data, an input unit 700 that receives input from the user, and an output unit 800 that presents information to the user.
  • Each of these parts is electrically connected to each other via a bus.
  • the processing apparatus 300 is composed of a CPU (Central Processing Unit).
  • the storage device 400 includes a memory and a hard disk.
  • the ROM 500 is composed of ROM (Read Only Memory).
  • the communication unit 600 includes a NIC (Network Interface Card) and an antenna.
  • the input unit 700 includes a mouse and a keyboard.
  • the output unit 800 includes a display and a speaker.
  • the demand prediction apparatus 10 is composed of a computer including a personal computer, a server, a mainframe, and a workstation.
  • the processing unit 100 is a processing device that calculates demand prediction information based on data stored in the storage unit 200.
  • the processing unit 100 includes a threshold value calculation unit 110 that calculates a threshold value for dividing an order into a normal order and a large order, and a shipment result totaling unit that totals the total value of the number of shipments according to the normal order and the total value of the number of shipments according to the large order. 120, an expansion rate calculation unit 130 that calculates an expansion rate from the number of shipments of past normal orders, a predicted value of demand for normal orders, a predicted value of demand for large orders, and an error rate of past demand prediction A demand forecast value calculation unit 140.
  • the processing unit 100 may include a CPU, but is not limited thereto.
  • the threshold calculation unit 110 calculates a threshold for dividing an order into a normal order and a large order based on the order-specific shipping information stored in the storage unit 200, and stores the threshold as a model group-specific threshold 212 in the storage unit 200.
  • the shipment information by order includes an order reception date, a shipment date, a model name, and the number of shipments.
  • the shipment information by order used by the threshold calculation unit 110 to calculate the threshold is typically shipment information by order for the past year, but is not limited thereto.
  • the shipment result totaling unit 120 acquires order-specific shipment information stored in the storage unit 200, and based on the model group-specific threshold 212 calculated by the threshold calculation unit 110, orders for the current month for each model group and a large order. Divide into orders. Then, the total value of the number of shipments according to the normal order and the total value of the number of shipments according to the large order are totaled for each model group, and are stored in the storage unit 200 as the normal order shipment result 221 and the large order order shipment result 222, respectively.
  • the expansion rate calculation unit 130 calculates the expansion rate from the number of shipments based on past normal orders stored in the storage unit 200 and stores it in the storage unit 200 as the model group expansion rate 213.
  • the growth rate is the growth rate of the average number of shipments per day at the end of the month with respect to the average number of shipments per day on the demand forecast date.
  • the number of shipments based on normal orders used by the expansion rate calculation unit 130 for calculating the expansion rate is typically the number of shipments for the past five years, but is not limited to this.
  • the growth rate calculation unit 130 calculates the average growth rate by taking the average of the calculated growth rates for the past five years, and stores it in the storage unit 200 as the model group growth rate 213.
  • the demand forecast value calculation unit 140 calculates the forecast value of demand up to the end of the current month for normal orders, the forecast value of demand up to the end of the month of large orders, and the error rate of the past demand forecast for each model group.
  • the demand predicted value calculating unit 140 stores the calculated predicted value of demand up to the end of the current month for normal orders, predicted value of demand up to the end of the current month of large orders, and past demand prediction error rates in the storage unit 200, respectively.
  • the demand predicted value calculation unit 140 calculates a predicted value of demand up to the end of the current month of the normal order. calculate.
  • the demand prediction value calculation unit 140 stores the calculated prediction value in the storage unit 200 as the normal order prediction value 223.
  • the demand predicted value calculation unit 140 acquires the order information, the negotiation information, and the order accuracy coefficient stored in the storage unit 200, and calculates the predicted value of demand up to the end of the current month for large orders for each model group.
  • the demand predicted value calculation unit 140 stores the calculated predicted value in the storage unit 200 as a large order predicted value 224.
  • the order information includes, but is not limited to, the order reception date, delivery date, model name, and planned shipment quantity.
  • the negotiation information includes, but is not limited to, the model name, planned delivery date, planned shipment quantity, and order receipt accuracy.
  • the demand prediction value calculation unit 140 is configured to calculate the demand forecast from the normal order shipment result 221, the large order shipment result 222 and the order information stored in the storage unit 200, and the past normal order prediction value 223 and the large order order prediction value 224. Calculate the error rate of the actual shipment quantity.
  • the demand predicted value calculation unit 140 stores the calculated error rate in the storage unit 200 as the predicted value error rate 226.
  • the past normal order forecast value 223 and the large order forecast value 224 used by the demand forecast value calculation unit 140 are typically forecast values for the past year, but are not limited thereto.
  • the storage unit 200 is a storage device that stores data for calculating demand prediction information and the demand prediction information calculated by the processing unit 100.
  • the storage unit 200 includes a model information database 210 that stores information on models for which demand prediction is performed, a shipping performance prediction management database 220 that stores data necessary for performing demand prediction and calculated demand prediction values, order information, A transaction database 230 for storing order-specific shipping information and negotiation information.
  • the model information database 210 is a database that stores information on models for which demand is to be predicted.
  • the model information database 210 includes a model master 211 including a correspondence relationship between models and model groups, a model group threshold 212 including a threshold for dividing an order into a normal order and a large order, and a model including an expansion rate for each model group. And an expansion rate 213 for each group.
  • FIG. 3 is a diagram showing the configuration of the model master 211.
  • the model master 211 is data representing a correspondence relationship between an actual model and a model group which is a unit for performing demand prediction.
  • the model master 211 is stored in the storage unit 200 when the demand predictor inputs the models by grouping them into units for performing demand prediction in advance.
  • model A, model B, and model C are model group A
  • model D and model E are model group D.
  • the model F is grouped into a model group F.
  • the shipment record prediction management database 220 stores shipment record data necessary for forecasting demand, the calculated predicted value of demand, and the order accuracy coefficient and the error rate of the predicted value, which are related information. Database.
  • the shipment record prediction management database 220 includes a normal order shipment record 221 including the total value of shipments by normal orders, a large order shipment record 222 including the total value of shipments by large orders, and the demand up to the end of the current month for normal orders.
  • a normal order forecast value 223 including a forecast value, a large order forecast value 224 including a demand forecast value until the end of the current month for a large order, an order accuracy coefficient master 225 including a correspondence relationship between the order accuracy and the order accuracy coefficient receipt, A predicted value error rate 226 including an error rate of the actual number of shipments with respect to the demand forecast.
  • the transaction database 230 is necessary to perform demand prediction, and includes order information used by the threshold value calculation unit 110, the shipment result totaling unit 120, the expansion rate calculation unit 130, and the demand prediction value calculation unit 140, and shipment information by order. This is a database that stores business negotiation information.
  • the processing unit 100 of the demand prediction apparatus performs a threshold value calculation process, a shipment result totaling process, and an expansion rate calculation process in order to calculate data necessary for calculating the demand prediction value. Below, the process which the process part 100 performs is demonstrated in order.
  • the threshold value calculation process executed by the threshold value calculation unit 110 of the processing unit 100 will be described with reference to the flowchart of FIG. Since the threshold value calculation process is performed for each model group, the threshold value calculation unit 110 repeatedly performs the threshold value calculation process for the number of all model groups for which the demand predictor is to calculate the threshold value.
  • the threshold calculation unit 110 Based on the order-specific shipment information for the past year stored in the transaction database 230, the threshold calculation unit 110 refers to the model master 211 in the model information database 210 to determine the number of shipments per order for each model group. Aggregate (step S101).
  • the threshold value calculation unit 110 calculates the corrected average value ⁇ ′ of the number of shipments that has been corrected with emphasis on the latest trend, using equation (1) (step S102).
  • the latest is typically three months, but is not limited thereto.
  • ⁇ ′ ⁇ (Number of shipments per order in the past) + ⁇ (Number of shipments in the last order) ⁇ / ⁇ (Number of orders in the past) + (Number of orders in the last order) ⁇ (1)
  • the seasonal index Sn indicates the ratio of the number of shipments in n months to the number of shipments per year, and is obtained by the following formula (8).
  • the corrected average value ⁇ ′ may be calculated by the following formula (9) in consideration of the seasonality of each month.
  • ⁇ ′ ⁇ ⁇ Sn ⁇ (number of shipments per order in n month) / (number of orders in n month) ⁇ (9)
  • the threshold value calculation unit 110 calculates the square of the standard deviation ⁇ of the number of shipments using the formula (2) (step S103).
  • ⁇ 2 ⁇ ⁇ (Past number of shipments per order) ⁇ (Average value of past shipments) ⁇ 2 ⁇ / (Past number of orders) (2)
  • the threshold calculation unit 110 uses the sum ⁇ ′ + ⁇ of the corrected average value ⁇ ′ and the standard deviation ⁇ as a threshold, and the threshold for each model group in the storage unit 200 212 (step S104).
  • the threshold value calculation unit 110 ends the threshold value calculation process.
  • FIG. 5 is a diagram illustrating an example of the model group-specific threshold 212 calculated and stored by the threshold calculation process.
  • the model group threshold 212 stores the corrected average value ⁇ ′, standard deviation ⁇ , and threshold ⁇ ′ + ⁇ calculated in steps S102 to S104 for each model group.
  • the corrected average value ⁇ ′ 1.151
  • the standard deviation ⁇ 1.352
  • the threshold value ⁇ ′ + ⁇ 2.503.
  • the shipping result totaling process executed by the shipping result totaling unit 120 of the processing unit 100 will be described. Since the shipment record totaling process is performed for each model group, the shipment record totaling unit 120 repeats the threshold value calculation process by the number of all model groups for which the demand predictor intends to calculate the threshold value.
  • the shipment result totaling unit 120 extracts the number of shipments due to orders in the current month, that is, the month for which the demand is predicted, from the order-specific shipment information stored in the transaction database 230 (step S201).
  • step S202 If it is determined that the number of shipments by order is smaller than ⁇ ′ + ⁇ (step S202: YES), the shipment record totaling unit 120 totals the number of shipments by shipment date and by model group, and the shipment record prediction management as the shipment record of normal orders.
  • the normal order shipment result 221 of the database 220 is stored (step S203), and the process proceeds to step S205.
  • step S202 If it is determined that the number of shipments by order is greater than or equal to ⁇ ′ + ⁇ (step S202: NO), the shipment record totaling unit 120 totals the number of shipments by shipment date and by model group, and the large order in the shipment record prediction management database 220 is obtained.
  • the shipment result 222 is stored (step S204), and the process proceeds to step S205.
  • the shipment record totaling unit 120 determines whether all orders of the current month have been totaled as the shipment record (step S205). When it is determined that there is an unaggregated order (step S205: NO), the process returns to step S202.
  • step S205 When it is determined that all the order results for the current month have been totaled as the shipping results (step S205: YES), the shipping result totaling unit 120 ends the shipping result totaling process.
  • FIG. 7 is a diagram showing the normal order shipment record 221 and the large order shipment record 222 calculated and stored by the shipment record totaling process.
  • the shipping result totaling unit 120 classifies orders of the current month into normal orders and large orders, and totals the number of shipments by shipping date and by model group. For example, when forecasting demand on June 11, 2014, orders for the current month up to June 10, 2014 are classified into normal orders and large orders, and the number of shipments is tabulated by shipment date and model group. .
  • the expansion rate calculation process executed by the expansion rate calculation unit 130 of the processing unit 100 will be described with reference to the flowchart of FIG. Since the expansion rate calculation process is performed for each model group, the expansion rate calculation unit 130 repeats the threshold value calculation process by the number of all the model groups for which the demand predictor intends to calculate the threshold value.
  • the growth rate calculation unit 130 extracts the number of shipments made in the past order from the shipment information by order for the past five years stored in the transaction database 230 (step S301).
  • the expansion rate calculation unit 130 extracts the number of orders shipped and the threshold ⁇ ′ + ⁇ registered in the model group threshold 212 of the model group to which the ordered model belongs for each order. Compared to the above, normal orders whose number of orders shipped is smaller than ⁇ ′ + ⁇ are extracted and tabulated every day (step S302).
  • the expansion rate calculation unit 130 calculates the expansion rate according to equation (3) for each model group and year based on the number of shipments based on normal orders (step S303).
  • M represents the year before the demand forecast date
  • M X-5, X-4,..., X-1.
  • (M / Y / Y growth rate) ⁇ (Number of shipments due to normal order in year Y / M) / (Number of working days in month / month M / Y) ⁇ / ⁇ (Number of shipments due to order normal to month / month Y / Z-1) / (M year) Number of working days until month Y (Z-1)) ⁇ (3)
  • the growth rate calculation unit 130 calculates the average growth rate by calculating the average value of the calculated growth rates for five years (step S304).
  • the expansion rate calculation unit 130 stores the calculated expansion rate and the average expansion rate in the model group-specific expansion rate 213 of the model information database 210 (step S305).
  • the expansion rate calculation unit 130 ends the expansion rate calculation process.
  • the expansion rate calculation unit 130 executes an expansion rate calculation process for all model groups for which the demand predictor intends to calculate the expansion rate.
  • FIG. 9 is a diagram showing the model group expansion rate 213 calculated and stored by the expansion rate calculation process.
  • the model group growth rate 213 stores the yearly growth rate and average growth rate calculated in steps S303 and S304 for each model group. Note that FIG. 9 also shows the number of shipments and the number of working days for normal orders as reference values.
  • the growth rate of the model group A in June 2013 is calculated by the following formula.
  • the demand forecast value calculation process executed by the demand forecast value calculation unit 140 will be described with reference to the flowchart of FIG.
  • the demand predicted value calculation unit 140 is based on the normal order shipment result 221 stored in the storage unit 200 by the shipment result totaling unit 120 and the calculated model group expansion rate 213 stored in the storage unit 200 by the expansion rate calculation unit 130. Then, the predicted value of the normal order is calculated by the equation (4) (step S401).
  • (Predicted value for regular orders in Y month) ⁇ (Number of shipments of normal orders up to Y month Z day of X) / Number of working days up to Y month Z day of X ⁇ ⁇ (Average growth rate) ⁇ (Number of working days of Y month) (4)
  • the demand predicted value calculation unit 140 stores the calculated predicted value of the normal order in the normal order predicted value 223 of the shipment performance prediction management database 220 (step S402).
  • the demand predicted value calculation unit 140 extracts orders from the order information stored in the transaction database 230 that have not been shipped and the delivery date is the end of Y (step S403).
  • the demand forecast value calculation unit 140 counts the number of orders shipped and the threshold ⁇ ′ + ⁇ registered in the model group threshold 212 of the model group to which the ordered model belongs. Are extracted for each of the extracted orders, and large orders whose planned shipment quantity is greater than or equal to ⁇ ′ + ⁇ are extracted and tabulated daily (step S404).
  • the demand forecast value calculation unit 140 extracts the planned shipment number of large negotiations whose number is greater than ⁇ ′ + ⁇ from the negotiation information stored in the transaction database 230 (step S405). ).
  • the demand forecast value calculation unit 140 extracts the large-order order shipment result 222, the extracted number of large-order orders that are not yet shipped and the delivery date is the end of Y, and the extracted large-scale negotiation shipments. From the number and the order accuracy coefficient stored in the order accuracy coefficient master 225, the predicted value of the large order is calculated by the equation (5) (step S406).
  • the demand predicted value calculation unit 140 stores the predicted value of the large order calculated for each model group in the large order predicted value 224 of the shipment performance prediction management database 220 (step S407).
  • the demand forecast value calculation unit 140 calculates the demand forecast value by the formula (6) from the calculated forecast value of the normal order and the calculated forecast value of the large order (step S408).
  • (Demand forecast value for year X, month Y) (Predicted value of normal order in year Y in X) + (Predicted value in large order in year Y in X) (6)
  • the demand prediction value calculation unit 140 stores the past normal order prediction value 223 stored in the storage unit 200, the past large order prediction value 224, the past normal order shipment result 221, and the past An error rate of the predicted value is calculated from the large-order order shipment result 222 using the equation (7) (step S409).
  • the demand predicted value calculation unit 140 stores the calculated error rate of the predicted value in the predicted value error rate 226 of the shipping performance prediction management database 220 (step S410).
  • the demand predicted value calculation unit 140 ends the demand predicted value calculation process.
  • FIG. 11 is a diagram showing the normal order prediction value 223 and the large order prediction value 224 calculated and stored by the demand prediction value calculation process.
  • FIG. 11 also shows numerical values necessary for calculating the predicted value.
  • the predicted value of the normal order of the model group A is calculated as follows using Equation (4).
  • the day before the demand forecast indicates the day of month Y (Z-1).
  • FIG. 12 is a diagram showing the structure of the negotiation information. As shown in FIG. 12, the negotiation information includes the model name, the scheduled delivery date, the number of shipments, and the order accuracy.
  • FIG. 13 is a diagram illustrating a configuration of the order accuracy coefficient master 225 stored in the storage unit 200.
  • the order accuracy coefficient master 225 stores an order accuracy coefficient for each order accuracy.
  • the order accuracy coefficient defines a weight for reflecting the negotiation in the predicted value according to the order accuracy included in the negotiation information.
  • the order accuracy coefficient in the case of the order accuracy a is 0.9.
  • the predicted value of the large order of model group A is calculated as follows using equation (5).
  • the demand prediction device 10 calculates a threshold value for dividing an order into a normal order and a large order based on the number of past shipments of the product, and changes in demand trends Demand forecasting can be performed.
  • the demand predictor can perform production management that follows fluctuations in the demand trend.
  • the demand prediction apparatus 10 Since the demand prediction apparatus 10 according to the present embodiment calculates the threshold value and the demand prediction value for each model group, even when the number of models is large, the demand prediction apparatus 10 can perform the demand prediction following the fluctuation of the demand trend for each model. .
  • the demand forecasting apparatus 10 uses the extracted large shipments and shipments of large negotiations during the current month that are not yet shipped and the delivery date for this month to calculate the demand forecast value of the large orders, thereby obtaining a special order belonging to the large orders. Demand can be predicted more accurately.
  • Embodiment 2 A demand prediction apparatus according to Embodiment 2 of the present invention will be described with reference to FIG.
  • Steps S501 to S510 in the flowchart in FIG. 14 are the same as steps S401 to S410 in the flowchart in FIG.
  • step S511 determines whether the predicted value of the normal order is larger than the calculated predicted value of the large order. If it is determined that the predicted value of the normal order is larger than the predicted value of the large order (step S511: YES), the process proceeds to step S508.
  • step S512 When it is determined that the predicted value of the normal order is less than or equal to the predicted value of the large order (step S511: NO), the demand predicted value calculation unit 140 outputs an alarm (step S512).
  • the demand forecast value calculation unit 140 accepts correction of the forecast value of the large order (step S513).
  • the demand prediction apparatus 10 has a large order predicted value in addition to the same effect as the demand prediction apparatus 10 according to the first embodiment. If the forecast value is larger than the predicted value of the order, an alarm is output to the demand forecaster and the forecast value of the large order is urged to be corrected, thereby preventing the large order from being reflected in the demand forecast. There is an effect.
  • Embodiment 3 A demand prediction system according to Embodiment 3 of the present invention will be described with reference to FIG.
  • FIG. 15 is a block diagram showing a configuration of the demand prediction system 1.
  • the demand prediction system 1 includes a demand prediction device 10, an ordering / ordering device 20, a shipping performance management device 30, a negotiation management device 40, and a production management device 50.
  • the demand prediction apparatus 10 is the same as the demand prediction apparatus 10 according to the first embodiment.
  • the ordering / ordering device 20 is a device that manages order information.
  • the order receiving / order receiving device 20 is connected to the demand prediction device 10 and can transmit / receive data to / from the demand prediction device 10.
  • the order receiving / order receiving device 20 transmits the order information to the demand prediction device 10.
  • the shipment record management device 30 is a device that manages shipment information by order.
  • the shipping record management device 30 is connected to the demand prediction device 10 and can transmit and receive data to and from the demand prediction device 10.
  • the shipment record management device 30 transmits order-specific shipment information to the demand prediction device 10.
  • the business negotiation management device 40 is a device that manages business negotiation information.
  • the business negotiation management device 40 is connected to the demand prediction device 10 and can transmit and receive data to and from the demand prediction device 10.
  • the negotiation management device 40 transmits the negotiation information to the demand prediction device 10.
  • the production management device 50 is a device that formulates a production plan by inputting demand prediction information and performs production management.
  • the production management device 50 is connected to the demand prediction device 10 and can transmit and receive data to and from the demand prediction device 10.
  • the production management device 50 receives demand prediction information from the demand prediction device 10.
  • the demand prediction information is data including a predicted value of an order calculated by the demand prediction device 10 and an error rate of the predicted value.
  • the ordering / order receiving device 20, the shipping result management device 30, the negotiation management device 40, and the production management device 50 are computers including a personal computer, a server, a mainframe, and a workstation, respectively.
  • the threshold value calculation unit 110 of the demand prediction device 10 calculates a threshold value for dividing an order into a normal order and a large order based on the order-specific shipping information transmitted from the shipping result management device 30, and stores it as a model group-specific threshold value 212. 200.
  • the shipment result totaling unit 120 of the demand prediction device 10 receives the order-specific shipment information from the shipment result management device 30, and based on the model group threshold value 212 calculated by the threshold value calculation unit 110, the order for the current month is classified as a normal order. Divide into orders.
  • the shipping result totaling unit 120 totals the total number of shipments according to the classified normal orders and the total number of shipments according to the large orders for each model, and stores them as normal order shipment results 221 and large order shipment results 222, respectively. To remember.
  • the expansion rate calculation unit 130 of the demand prediction device 10 receives the shipment information by order from the shipment result management device 30, calculates the expansion rate from the number of shipments in the past normal orders, and stores it in the storage unit 200 as the expansion rate 213 by model group.
  • the demand prediction value calculation unit 140 of the demand prediction device 10 includes large order information transmitted from the shipping result management device 30, business negotiation information transmitted from the business negotiation management device 40, and an order accuracy coefficient stored in the storage unit 200. Based on the above, the demand forecast value of the large order up to the end of the current month is calculated and stored in the storage unit 200 as the large order forecast value 224.
  • the demand prediction system 1 has the same effects as the effects of the demand prediction device 10 according to the first embodiment, in addition to orders, shipment results, negotiations, and By providing each device for managing production, there is an effect that production management can be realized by a single system.
  • the processing unit 100 includes the threshold value calculation unit 110, the shipping result totaling unit 120, the expansion rate calculation unit 130, and the demand prediction value calculation unit 140, but is not limited thereto.
  • the functions of the threshold value calculation unit 110 and the shipping result totaling unit 120 may be realized by one functional block.
  • the functions of the threshold value calculation unit 110, the shipping result totaling unit 120, the expansion rate calculation unit 130, and the demand prediction value calculation unit 140 may be realized by one functional block.
  • the demand for goods up to the end of Y on the Y, Z, X year is explained, it is not limited to this.
  • the demand up to the day before the end of Y for example, up to the 15th of Y may be predicted.
  • the demand after the end of Y for example, the end of (Y + 2) end may be predicted.
  • the threshold value calculation unit 110 calculates the correction average value ⁇ ′ of the number of shipments corrected with emphasis on the trend in the last three months, the present invention is not limited to this.
  • the period of emphasis may be longer than 3 months or shorter than 3 months.
  • the priority period may be 0, that is, the average value of the number of shipments that are not corrected by the priority period may be calculated.
  • the threshold value calculation unit 110 simply adds the most recent shipment number in Equation (1), that is, weights the most recent shipment number by a factor of 2, it is not limited to this.
  • the threshold calculation unit 110 may perform weighting with a coefficient smaller than 2 or larger than 2.
  • the demand forecast value calculation part 140 calculated the error rate of the past demand forecast, it is not restricted to this.
  • the demand prediction value calculation unit 140 may further calculate an average value, a minimum value, or a maximum value of the error rate of the prediction value.
  • the growth rate calculation unit 130 calculates the average growth rate from the calculated growth rates for the past five years, it is not limited to this. If there is a year in which the demand trend has fluctuated greatly, the growth rate for that year may be excluded from the growth rate used when calculating the average growth rate. Factors that cause large fluctuations in demand trends include large economic fluctuations.
  • the demand prediction apparatus and the demand prediction system according to the embodiment of the present invention may be realized by a dedicated system or may be realized by a normal computer system.
  • a demand prediction apparatus and a demand prediction system can be obtained by storing and distributing a program for executing the above-described operation in a computer-readable recording medium, installing the program in a computer, and executing the above-described processing. It may be configured. Alternatively, it may be stored in a disk device provided in a server device on the Internet network and downloaded to a computer. Further, the above-described functions may be realized by joint operation of the OS and application software. In this case, only the part other than the OS may be stored and distributed in a medium, or may be downloaded to a computer.
  • Recording media for recording the above programs include USB memory, flexible disk, CD, DVD, Blu-ray (registered trademark), MO, SD card, Memory Stick (registered trademark), magnetic disk, optical disk, magneto-optical disk, Computer-readable recording media including semiconductor memory and magnetic tape can be used.
  • the present invention can be used for a demand prediction device, a demand prediction system, a demand prediction method, and a program.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

需要予測装置（１０）は、閾値算出部（１１０）と、出荷実績集計部（１２０）と、伸長率算出部（１３０）と、需要予測値算出部（１４０）と、を備える。閾値算出部（１１０）は、閾値を商品の過去の出荷数に基づいて算出する。出荷実績集計部（１２０）は、閾値に基づいて、需要予測を行う日以前の商品に対する注文を出荷数が閾値より小さい通常注文と出荷数が閾値以上である大口注文とに分けて集計する。伸長率算出部（１３０）は、商品の過去の出荷数に基づいて、需要予測を行う日から需要予測対象日までの出荷数の伸び率である伸長率を算出する。需要予測値算出部（１４０）は、通常注文による商品の出荷数と伸長率とから通常注文の予測値を算出し、大口注文による商品の出荷数から大口注文の予測値を算出する。

Description

需要予測装置、需要予測システム、需要予測方法及びプログラム
　本発明は、需要予測装置、需要予測システム、需要予測方法及びプログラムに関する。
　商品の生産管理を行うために、商品の需要を予測する需要予測装置が用いられる。商品の過去の注文を、通常の注文と通常の注文以外の注文とに分けて管理し、需要予測に反映させる需要予測装置が提案されている。通常の注文以外の注文には、突発的な注文及び特殊な需要による注文が含まれる。
　特許文献１には、商談を通常の商談と一括商談とに分類し、出庫実績から一括商談の出庫実績を差し引いたものを用いて販売計画の立案管理を行う販売計画作成支援システムが記載されている。
特開２００６－２３５８７９号公報
　上述の需要予測装置において、注文を通常の注文と通常の注文以外の注文とに分類するために、注文の出荷数に閾値を設定する必要がある。需要の傾向の変化に対応した需要予測を行うためには、閾値を需要の傾向の変化に追従して設定する必要がある。人手で閾値を設定していては需要予測が需要の傾向に追従しきれなくなってしまうという課題があった。
　本発明はかかる課題に鑑みてなされたものであって、需要傾向の変動に追従した需要予測を行うことが可能な需要予測装置、需要予測システム、需要予測方法及びプログラムを提供することを目的とする。
　上記目的を達成するため、本発明に係る需要予測装置は、閾値算出部と、出荷実績集計部と、伸長率算出部と、需要予測値算出部と、を備える。閾値算出部は、注文を通常注文と大口注文とに分ける閾値を商品の過去の出荷数に基づいて算出する。出荷実績集計部は、閾値算出部が算出した閾値に基づいて、需要予測を行う日以前の商品に対する注文を出荷数が閾値より小さい通常注文と出荷数が閾値以上である大口注文とに分けて集計する。伸長率算出部は、商品の過去の出荷数に基づいて、需要予測を行う日から需要予測対象日までの出荷数の伸び率である伸長率を算出する。需要予測値算出部は、出荷実績集計部が集計した通常注文による商品の出荷数と伸長率とから通常注文の予測値を算出し、出荷実績集計部が集計した大口注文による商品の出荷数から大口注文の予測値を算出する。
　本発明によれば、注文を通常注文と大口注文とに分ける閾値を、商品の過去の出荷数に基づいて算出することで、需要傾向の変動に追従した需要予測を行うことが可能な需要予測装置、需要予測システム、需要予測方法及びプログラムを提供できる。
本発明の実施の形態に係る需要予測装置の構成を示すブロック図 需要予測装置のハードウェア構成を示すブロック図 機種マスタの構成を示す図 閾値算出処理のフローチャート 機種グループ別閾値の一例を示す図 出荷実績集計処理のフローチャート 通常注文出荷実績及び大口注文出荷実績を示す図 伸長率算出処理のフローチャート 機種グループ別伸長率を示す図 需要予測値算出処理のフローチャート 通常注文予測値及び大口注文予測値を示す図 商談情報の構成を示す図 受注確度係数マスタの構成を示す図 需要予測値算出処理のフローチャート 需要予測システムの構成を示すブロック図
（実施の形態１）
　本発明の実施の形態１に係る需要予測装置１０について、図１から図１３を参照して説明する。なお、本明細書では、Ｘ年Ｙ月Ｚ日に、Ｙ月末における商品の需要を予測する需要予測を行うものとして説明する。需要予測の対象となる日であるＹ月末は需要予測対象日ともいう。また、商品を分類する基準として機種を用いて説明するが、商品は分類する基準として機種を用いるものに限られるものではない。
　需要予測装置１０は、商品の過去の出荷実績、商品への注文及び商品への注文に関わる商談の情報から、商品の需要を予測する装置である。
　図１は、需要予測装置１０の構成を示すブロック図である。図１に示すように、需要予測装置１０は、需要予測情報を算出する処理を行う処理部１００と、需要予測情報を算出するためのデータと算出した需要予測情報とを記憶する記憶部２００と、を備える。
　図２は、需要予測装置１０のハードウェア構成を示すブロック図である。図２に示すように、需要予測装置１０は、処理部１００として機能する処理装置３００と、記憶部２００として機能する記憶装置４００と、処理装置３００が実行するプログラムを記憶するＲＯＭ５００と、外部機器とデータを通信する通信部６００と、ユーザからの入力を受け付ける入力部７００と、ユーザに情報を提示する出力部８００と、を備える。これらの各部位は、バスを介して相互に電気的に接続されている。
　処理装置３００はＣＰＵ（Central Processing Unit）から構成される。記憶装置４００はメモリ、ハードディスクから構成される。ＲＯＭ５００はＲＯＭ（Read Only Memory）から構成される。通信部６００はＮＩＣ（Network Interface Card）、アンテナから構成される。入力部７００はマウス、キーボードから構成される。出力部８００はディスプレイ、スピーカから構成される。
　需要予測装置１０は、需要予測装置１０は、パーソナルコンピュータ、サーバ、メインフレーム、ワークステーションを含むコンピュータから構成される。
　処理部１００は、記憶部２００に記憶されたデータを元に需要予測情報を算出する処理装置である。処理部１００は、注文を通常注文と大口注文とに分ける閾値を算出する閾値算出部１１０と、通常注文による出荷数の合計値と大口注文による出荷数の合計値とを集計する出荷実績集計部１２０と、過去の通常注文による出荷数から伸長率を算出する伸長率算出部１３０と、通常注文の需要の予測値と大口注文の需要の予測値と過去の需要予測の誤差率とを算出する需要予測値算出部１４０と、を備える。処理部１００はＣＰＵを含み得るが、これに限られるものではない。
　閾値算出部１１０は、記憶部２００に記憶された注文別出荷情報を基に注文を通常注文と大口注文とに分ける閾値を算出し、機種グループ別閾値２１２として記憶部２００に記憶する。注文別出荷情報は、注文受付日、出荷日、機種名及び出荷数を含む。閾値算出部１１０が閾値の算出に用いる注文別出荷情報は、典型的には過去１年分の注文別出荷情報であるが、これに限られるものではない。
　出荷実績集計部１２０は、記憶部２００に記憶された注文別出荷情報を取得し、閾値算出部１１０で算出された機種グループ別閾値２１２を基に機種グループ毎に当月の注文を通常注文と大口注文とに分ける。そして、通常注文による出荷数の合計値と大口注文による出荷数の合計値とを機種グループ毎に集計し、通常注文出荷実績２２１及び大口注文出荷実績２２２としてそれぞれ記憶部２００に記憶する。
　伸長率算出部１３０は、記憶部２００に記憶された過去の通常注文による出荷数から伸長率を算出し、機種グループ別伸長率２１３として記憶部２００に記憶する。ここで、伸長率とは、需要予測日における１日当たりの平均出荷数に対する、月末時点における１日当たりの平均出荷数の伸び率である。伸長率算出部１３０が伸長率の算出に用いる通常注文による出荷数は典型的には過去５年分の出荷数であるが、これに限られるものではない。
　伸長率算出部１３０は、算出した過去５年分の伸長率の平均を取って平均伸長率を算出し、機種グループ別伸長率２１３として記憶部２００に記憶する。
　需要予測値算出部１４０は、通常注文の当月末までの需要の予測値、大口注文の当月末までの需要の予測値及び過去の需要予測の誤差率を機種グループ毎に算出する。需要予測値算出部１４０は、算出した通常注文の当月末までの需要の予測値、大口注文の当月末までの需要の予測値及び過去の需要予測誤差率を記憶部２００にそれぞれ記憶する。
　需要予測値算出部１４０は、記憶部２００に記憶された機種グループ別伸長率２１３と記憶部２００に記憶された通常注文出荷実績２２１とを基に通常注文の当月末までの需要の予測値を算出する。需要予測値算出部１４０は、算出した予測値を通常注文予測値２２３として記憶部２００に記憶する。
　需要予測値算出部１４０は、記憶部２００に記憶された注文情報、商談情報及び受注確度係数を取得し、大口注文の当月末までの需要の予測値を機種グループ毎に算出する。需要予測値算出部１４０は、算出した予測値を大口注文予測値２２４として記憶部２００に記憶する。注文情報は、注文受付日、納期、機種名、出荷予定数を含むが、これに限られるものではない。商談情報は、機種名、予定納期、出荷予定数、受注確度を含むが、これに限られるものではない。
　需要予測値算出部１４０は、記憶部２００に記憶された通常注文出荷実績２２１、大口注文出荷実績２２２及び注文情報と、過去の通常注文予測値２２３及び大口注文予測値２２４とから、需要予測に対する実際の出荷数の誤差率を算出する。需要予測値算出部１４０は、算出した誤差率を予測値誤差率２２６として記憶部２００に記憶する。需要予測値算出部１４０が用いる過去の通常注文予測値２２３及び大口注文予測値２２４は、典型的には過去１年分の予測値であるが、これに限られるものではない。
　記憶部２００は、需要予測情報を算出するためのデータと、処理部１００が算出した需要予測情報とを記憶する記憶装置である。記憶部２００は、需要予測を行う機種の情報を記憶する機種情報データベース２１０と、需要予測を行うために必要なデータ及び算出した需要予測値を記憶する出荷実績予測管理データベース２２０と、注文情報、注文別出荷情報及び商談情報を記憶する取引データベース２３０と、を備える。
　機種情報データベース２１０は、需要予測を行う対象である機種の情報を記憶するデータベースである。機種情報データベース２１０は、機種と機種グループとの対応関係を含む機種マスタ２１１と、注文を通常注文と大口注文とに分ける閾値を含む機種グループ別閾値２１２と、機種グループ毎の伸長率を含む機種グループ別伸長率２１３と、を有する。
　図３は、機種マスタ２１１の構成を示す図である。機種マスタ２１１は、実際の機種と需要予測を行う単位である機種グループとの対応関係を表すデータである。機種マスタ２１１は、需要予測者が機種を予め需要予測を行う単位にグループ分けして入力することで記憶部２００に記憶される。図３の例では、機種Ａ，機種Ｂ，機種Ｃ，機種Ｄ，機種Ｅ，機種Ｆに対し、機種Ａ，機種Ｂ，機種Ｃが機種グループＡに、機種Ｄ，機種Ｅが機種グループＤに、機種Ｆが機種グループＦにグループ分けされている。
　出荷実績予測管理データベース２２０は、需要予測を行うために必要な出荷実績のデータと、算出された需要の予測値と、それらに関連する情報である受注確度係数及び予測値の誤差率とを記憶するデータベースである。出荷実績予測管理データベース２２０は、通常注文による出荷数の合計値を含む通常注文出荷実績２２１と、大口注文による出荷数の合計値を含む大口注文出荷実績２２２と、通常注文の当月末までの需要予測値を含む通常注文予測値２２３と、大口注文の当月末までの需要予測値を含む大口注文予測値２２４と、受注確度と受注確度係数受との対応関係を含む受注確度係数マスタ２２５と、需要予測に対する実際の出荷数の誤差率を含む予測値誤差率２２６と、を有する。
　取引データベース２３０は、需要予測を行うために必要であり、閾値算出部１１０、出荷実績集計部１２０、伸長率算出部１３０及び需要予測値算出部１４０で用いられる注文情報と、注文別出荷情報と、商談情報とを記憶するデータベースである。
　需要予測装置の処理部１００は、需要予測値の算出に必要なデータを算出するため、閾値算出処理と、出荷実績集計処理と、伸長率算出処理とを行う。以下で、処理部１００が行う処理について順に説明する。
　図４のフローチャートを用いて、処理部１００の閾値算出部１１０が実行する閾値算出処理について説明する。閾値算出処理は機種グループ毎に行われるため、閾値算出部１１０は閾値算出処理を需要予測者が閾値を算出しようとする全ての機種グループの数だけ繰り返して行う。
　閾値算出部１１０は、取引データベース２３０に記憶された過去１年分の注文別出荷情報を基に、機種情報データベース２１０内の機種マスタ２１１を参照して機種グループ毎に１注文あたりの出荷数を集計する（ステップＳ１０１）。
　出荷数を集計すると、閾値算出部１１０は、直近の動向を重視して補正をかけた出荷数の補正平均値μ′を式（１）で算出する（ステップＳ１０２）。ここで、直近とは典型的には３か月であるが、これに限られるものではない。
　μ′＝｛Σ（過去の１注文あたりの出荷数）＋Σ（直近の１注文あたりの出荷数）｝／｛（過去の注文件数）＋（直近の注文件数）｝　…（１）
　季節指数Ｓｎは、年間の出荷数に占めるｎ月の出荷数の割合を示すものであり、以下の式（８）で求められる。商品の売れ行きが季節性の影響を受けやすい場合、需要がＳｎとＳｎ－１とを比較して統計的に有意差があると推定された月から需要予測を行う月までの期間を直近としても良い。
　Ｓｎ＝（ｎ月の出荷数）／（年間の出荷数）　…（８）
　補正平均値μ′は、各月の季節性を考慮して以下の式（９）で算出しても良い。
　μ′＝Σ｛Ｓｎ×（ｎ月の１注文あたりの出荷数）／（ｎ月の注文件数）｝　…（９）
　補正平均値μ′を算出すると、閾値算出部１１０は、出荷数の標準偏差σの２乗を式（２）で算出する（ステップＳ１０３）。
　σ２＝｛Σ｛（過去の１注文あたりの出荷数）－（過去の出荷数の平均値）｝２｝／（過去の注文回数）　…（２）
　標準偏差σの２乗を算出し、それから標準偏差σを算出すると、閾値算出部１１０は、補正平均値μ′と標準偏差σとの和μ′＋σを閾値として記憶部２００の機種グループ別閾値２１２に記憶する（ステップＳ１０４）。
　μ′＋σを閾値として記憶すると、閾値算出部１１０は閾値算出処理を終了する。
　図５は、閾値算出処理によって算出され記憶された機種グループ別閾値２１２の一例を示す図である。図５に示すように、機種グループ別閾値２１２には、ステップＳ１０２からステップＳ１０４で算出された補正平均値μ′、標準偏差σ及び閾値μ′＋σが機種グループ毎に記憶されている。例としてグループＡについてみると、補正平均値μ′＝１．１５１、標準偏差σ＝１．３５２、閾値μ′＋σ＝２．５０３である。
　図６のフローチャートを用いて、処理部１００の出荷実績集計部１２０が実行する出荷実績集計処理について説明する。出荷実績集計処理は機種グループ毎に行われるため、出荷実績集計部１２０は閾値算出処理を需要予測者が閾値を算出しようとする全ての機種グループの数だけ繰り返して行う。
　出荷実績集計部１２０は、取引データベース２３０に記憶された注文別出荷情報から、需要予測を行う月、即ち当月の注文による出荷数を抽出する（ステップＳ２０１）。
　出荷実績集計部１２０は、当月の注文による出荷数を抽出すると、注文による出荷数が注文された機種が属する機種グループの機種グループ別閾値２１２に登録された閾値μ′＋σより小さいかを、抽出した注文１件毎に判断する（ステップＳ２０２）。例として機種グループＡについて説明すると、図５に示す機種グループ別閾値２１２によれば機種グループＡの閾値μ′＋σ＝２．５０３であることから、注文による出荷数が２台以下であるか、それ以外であるかを判断する。
　注文による出荷数がμ′＋σより小さいと判断すると（ステップＳ２０２：ＹＥＳ）、出荷実績集計部１２０は、出荷数を出荷日別、機種グループ別に集計し、通常注文の出荷実績として出荷実績予測管理データベース２２０の通常注文出荷実績２２１に記憶し（ステップＳ２０３）、ステップＳ２０５に進む。
　注文による出荷数がμ′＋σ以上であると判断すると（ステップＳ２０２：ＮＯ）、出荷実績集計部１２０は、出荷数を出荷日別、機種グループ別に集計し、出荷実績予測管理データベース２２０の大口注文出荷実績２２２に記憶し（ステップＳ２０４）、ステップＳ２０５に進む。
　注文による出荷数を通常注文出荷実績２２１又は大口注文出荷実績２２２に記憶すると、出荷実績集計部１２０は、当月の注文が全て出荷実績として集計されたかを判断する（ステップＳ２０５）。未集計の注文があると判断した場合（ステップＳ２０５：ＮＯ）、ステップＳ２０２の処理へ戻る。
　当月の注文実績が全て出荷実績として集計されたと判断した場合（ステップＳ２０５：ＹＥＳ）、出荷実績集計部１２０は出荷実績集計処理を終了する。
　図７は、出荷実績集計処理によって算出され記憶された通常注文出荷実績２２１及び大口注文出荷実績２２２を示す図である。図７に示すように、出荷実績集計部１２０は、当月の注文を通常注文と大口注文とに分類し、出荷数を出荷日別、機種グループ別に集計する。例えば、２０１４年６月１１日に需要予測を行う場合は、２０１４年６月１０日までの当月の注文を通常注文と大口注文とに分類し、出荷数を出荷日別、機種グループ別に集計する。
　図８のフローチャートを用いて、処理部１００の伸長率算出部１３０が実行する伸長率算出処理について説明する。伸長率算出処理は機種グループ毎に行われるため、伸長率算出部１３０は閾値算出処理を需要予測者が閾値を算出しようとする全ての機種グループの数だけ繰り返して行う。
　伸長率算出部１３０は、取引データベース２３０に記憶された過去５年分の注文別出荷情報から、過去の注文による出荷数を抽出する（ステップＳ３０１）。
　出荷数を抽出すると、伸長率算出部１３０は、注文による出荷数と、注文された機種が属する機種グループの機種グループ別閾値２１２に登録された閾値μ′＋σと、を抽出した注文１件毎に比較し、注文による出荷数がμ′＋σより小さい通常注文を抽出して日毎に集計する（ステップＳ３０２）。
　通常注文を抽出して日毎に集計すると、伸長率算出部１３０は、通常注文による出荷数から、機種グループ別、年別に式（３）で伸長率を算出する（ステップＳ３０３）。ここで、Ｍは需要予測日より前の年を表し、Ｍ＝Ｘ－５，Ｘ－４，…，Ｘ－１である。
　（Ｍ年Ｙ月の伸長率）
＝｛（Ｍ年Ｙ月の通常注文による出荷数）／（Ｍ年Ｙ月の稼働日数）｝／｛（Ｍ年Ｙ月（Ｚ－１）日までの通常注文による出荷数）／（Ｍ年Ｙ月（Ｚ－１）日までの稼働日数）｝　…（３）
　伸長率を算出すると、伸長率算出部１３０は、算出した５年分の伸長率の平均値を計算して平均伸長率を算出する（ステップＳ３０４）。
　平均伸長率を算出すると、伸長率算出部１３０は、算出した伸長率と平均伸長率とを機種情報データベース２１０の機種グループ別伸長率２１３に記憶する（ステップＳ３０５）。
　平均伸長率を記憶すると、伸長率算出部１３０は伸長率算出処理を終了する。伸長率算出部１３０は、需要予測者が伸長率を算出しようとする全ての機種グループについて伸長率算出処理を実行する。
　図９は、伸長率算出処理によって算出され記憶された機種グループ別伸長率２１３を示す図である。図９に示すように、機種グループ別伸長率２１３には、ステップＳ３０３及びステップＳ３０４で算出された年別の伸長率及び平均伸長率が機種グループ毎に記憶されている。なお、図９には、参考値として通常注文による出荷数及び稼働日数も記載されている。
　図７の例と同様に２０１４年６月１１日に需要予測を行うとすると、２０１３年６月の機種グループＡの伸長率は、以下の式で算出される。
　（２０１３年６月の伸長率）
＝｛（２０１３年６月の通常注文による出荷数）／（２０１３年６月の稼働日数）｝／｛（２０１３年６月１０日までの通常注文による出荷数）／（２０１３年６月１０日までの稼働日数）｝
＝（６７６７／２０）／（１９８７／６）
＝１．０２２
＝１０２．２（％）
　図１０のフローチャートを用いて、需要予測値算出部１４０が実行する需要予測値算出処理について説明する。
　需要予測値算出部１４０は、出荷実績集計部１２０が記憶部２００に記憶した通常注文出荷実績２２１と、伸長率算出部１３０が記憶部２００に記憶した算出した機種グループ別伸長率２１３とを基に、通常注文の予測値を式（４）で算出する（ステップＳ４０１）。
　（Ｙ月の通常注文の予測値）
＝｛（Ｘ年Ｙ月Ｚ日までの通常注文の出荷数）／Ｘ年Ｙ月Ｚ日までの稼働日数｝×（平均伸長率）×（Ｙ月の稼働日数）　…（４）
　通常注文の予測値を算出すると、需要予測値算出部１４０は、算出した通常注文の予測値を出荷実績予測管理データベース２２０の通常注文予測値２２３に記憶する（ステップＳ４０２）。
　通常注文の予測値を記憶すると、需要予測値算出部１４０は、取引データベース２３０に記憶された注文情報から、未出荷かつ納期がＹ月末までの注文を抽出する（ステップＳ４０３）。
　未出荷かつ納期がＹ月末までの注文を抽出すると、需要予測値算出部１４０は、注文による出荷数と、注文された機種が属する機種グループの機種グループ別閾値２１２に登録された閾値μ′＋σと、を抽出した注文１件毎に比較し、注文による出荷予定数がμ′＋σ以上である大口注文を抽出して日毎に集計する（ステップＳ４０４）。
　大口注文を抽出して日毎に集計すると、需要予測値算出部１４０は、取引データベース２３０に記憶された商談情報から、台数がμ′＋σ以上である大口商談の出荷予定数を抽出する（ステップＳ４０５）。
　大口商談の出荷予定数を抽出すると、需要予測値算出部１４０は、大口注文出荷実績２２２と、抽出した未出荷かつ納期がＹ月末までの大口注文の出荷予定数と、抽出した大口商談の出荷数と、受注確度係数マスタ２２５に記憶された受注確度係数とから、大口注文の予測値を式（５）で算出する（ステップＳ４０６）。
　（Ｙ月の大口注文の予測値）
＝（Ｘ年Ｙ月Ｚ日までの大口注文の出荷数）＋（未出荷かつＸ年Ｙ月納期の大口注文の出荷予定数）＋Σ｛（Ｘ年Ｙ月納期予定の大口商談の出荷予定数）×（受注確度係数）｝　…（５）
　大口注文の予測値を算出すると、需要予測値算出部１４０は、機種グループ毎に算出した大口注文の予測値を出荷実績予測管理データベース２２０の大口注文予測値２２４に記憶する（ステップＳ４０７）。
　大口注文の予測値を記憶すると、需要予測値算出部１４０は、算出した通常注文の予測値と算出した大口注文の予測値とから、需要予測値を式（６）で算出する（ステップＳ４０８）。
　（Ｘ年Ｙ月の需要予測値）
＝（Ｘ年Ｙ月の通常注文の予測値）＋（Ｘ年Ｙ月の大口注文の予測値）　…（６）
　需要予測値を算出すると、需要予測値算出部１４０は、記憶部２００が記憶する過去の通常注文予測値２２３と、過去の大口注文予測値２２４と、過去の通常注文出荷実績２２１と、過去の大口注文出荷実績２２２とから予測値の誤差率を式（７）で算出する（ステップＳ４０９）。ここで、Ｎ＝１，２，…，１２である。
　（Ｎ月の予測値の誤差率）
＝［｛（Ｎ月の通常注文の予測値）＋（Ｎ月の大口注文の予測値）｝－｛（Ｎ月の通常注文の実績値）＋（Ｎ月の大口注文の実績値）｝］／｛（Ｎ月の通常注文の予測値）＋（Ｎ月の大口注文の予測値）｝　…（７）
　予測値の誤差率を算出すると、需要予測値算出部１４０は、算出した予測値の誤差率を出荷実績予測管理データベース２２０の予測値誤差率２２６に記憶する（ステップＳ４１０）。
　算出した予測値の誤差率を記憶すると、需要予測値算出部１４０は、需要予測値算出処理を終了する。
　図１１は、需要予測値算出処理によって算出され記憶された通常注文予測値２２３及び大口注文予測値２２４を示す図である。図１１には予測値の算出に必要な数値も記載されている。図１１の値を用いると、機種グループＡの通常注文の予測値は式（４）を用いて以下のように算出される。需要予測前日とは、Ｘ年Ｙ月（Ｚ－１）日を示す。
　（通常注文分の予測値）
＝｛（通常注文の出荷数）／需要予測前日までの稼働日数｝×（平均伸長率）×（当月の稼働日数）
＝（２，０６７／７）×１０２．１（％）×２０
＝６，０３１
　図１２は、商談情報の構成を示す図である。図１２に示すように、商談情報は、機種名、予定納期、出荷数、受注確度を含む。
　図１３は、記憶部２００に記憶される受注確度係数マスタ２２５の構成を示す図である。図１３に示すように、受注確度係数マスタ２２５には受注確度毎に受注確度係数が記憶されている。受注確度係数は、商談情報に含まれる受注確度に応じて、商談を予測値に反映させる重みを定義したものである。図１３の例によれば、受注確度ａである場合の受注確度係数は０．９である。
　図１２及び図１３の値を用いると、機種グループＡの大口注文の予測値を求める式である式（５）のうち大口商談の出荷数と受注確度係数とに関わる部分は以下のように計算される。
　Σ｛（６月納期予定の大口商談の出荷数）×（受注確度係数）｝
＝４０×０．９＋３０×０．４＋２０×０．２
＝５２
　図１１から図１３の値を用いると、機種グループＡの大口注文の予測値は式（５）を用いて以下のように算出される。
　（大口注文の予測値）
＝（大口注文の出荷数）＋（未出荷かつ６納期の大口注文の出荷予定数）＋Σ｛（６月納期予定の大口商談の出荷予定数）×（受注確度係数）｝
＝２５３＋８９５＋５２
＝１，２００
　式（４）で計算した機種グループＡの通常注文の予測値と、式（５）で計算した大口注文の予測値とを用いると、機種グループＡの需要予測値は式（６）を用いて以下のように算出される。
　（需要予測値）
＝（通常注文の予測値）＋（大口注文の予測値）
＝６，０３１＋１，２００
＝７，２３１
　以上で説明した構成を備えることで、本実施の形態に係る需要予測装置１０は、商品の過去の出荷数に基づいて注文を通常注文と大口注文とに分ける閾値を算出し、需要傾向の変動に追従した需要予測を行うことができる。需要予測者は、需要予測装置１０が算出した需要予測値及び予測値の誤差率を用いることで、需要傾向の変動に追従した生産管理を行うことができる。
　本実施の形態に係る需要予測装置１０は、機種グループ毎に閾値及び需要予測値を算出するため、機種数が多い場合でも、機種毎の需要傾向の変動に追従した需要予測を行うことができる。
　大口注文に属する特殊な需要による注文は、通常注文に比べて事前に行われやすいという特徴がある。本実施の形態に係る需要予測装置１０は、抽出した未出荷かつ納期が当月中の大口注文及び大口商談の出荷数を大口注文の需要予測値の算出に用いることで、大口注文に属する特殊な需要をより正確に予測することができる。
（実施の形態２）
　本発明の実施の形態２に係る需要予測装置について、図１４を参照して説明する。
　図１４のフローチャートを用いて、本実施の形態の需要予測値算出部１４０が実行する需要予測値算出処理について説明する。図１４のフローチャートのステップＳ５０１からステップＳ５１０は、それぞれ図１０のフローチャートのステップＳ４０１からステップＳ４１０と同様である。
　ステップＳ５０７において大口注文の予測値を記憶すると、需要予測値算出部４１０は、算出した通常注文の予測値が算出した大口注文の予測値よりも大きいかを判断する（ステップＳ５１１）。通常注文の予測値が大口注文の予測値よりも大きいと判断した場合（ステップＳ５１１：ＹＥＳ）、ステップＳ５０８へ進む。
　通常注文の予測値が大口注文の予測値以下であると判断した場合（ステップＳ５１１：ＮＯ）、需要予測値算出部１４０はアラームを出力する（ステップＳ５１２）。
　アラームを出力すると、需要予測値算出部１４０は、大口注文の予測値の修正を受け付ける（ステップＳ５１３）。
　大口注文の予測値の修正を受け付けると、ステップＳ５０８へ進む。
　以上で説明した構成を備えることで、本実施の形態に係る需要予測装置１０は、実施の形態１に係る需要予測装置１０が奏する効果と同様の効果に加えて、大口注文の予測値が通常注文の予測値よりも大きい場合に、需要予測者に対してアラームを出力し、大口注文の予測値の修正を促すことで、大口注文が需要予測に過剰に反映されることを防ぐことができるという効果を奏する。
（実施の形態３）
　本発明の実施の形態３に係る需要予測システムについて、図１５を参照して説明する。
　図１５は、需要予測システム１の構成を示すブロック図である。図１５に示すように、需要予測システム１は、需要予測装置１０と、受発注装置２０と、出荷実績管理装置３０と、商談管理装置４０と、生産管理装置５０と、を備える。
　需要予測装置１０は、実施の形態１に係る需要予測装置１０と同様である。
　受発注装置２０は、注文情報を管理する装置である。受発注装置２０は需要予測装置１０に接続されており、需要予測装置１０とデータを送受信可能である。受発注装置２０は、需要予測装置１０に注文情報を伝達する。
　出荷実績管理装置３０は、注文別出荷情報を管理する装置である。出荷実績管理装置３０は需要予測装置１０に接続されており、需要予測装置１０とデータを送受信可能である。出荷実績管理装置３０は、需要予測装置１０に注文別出荷情報を伝達する。
　商談管理装置４０は、商談情報を管理する装置である。商談管理装置４０は需要予測装置１０に接続されており、需要予測装置１０とデータを送受信可能である。商談管理装置４０は、需要予測装置１０に商談情報を伝達する。
　生産管理装置５０は、需要予測情報を入力されることで生産計画を策定し、生産管理を行う装置である。生産管理装置５０は需要予測装置１０に接続されており、需要予測装置１０とデータを送受信可能である。生産管理装置５０は、需要予測装置１０から需要予測情報を受領する。需要予測情報は、需要予測装置１０が算出した注文の予測値、予測値の誤差率を含むデータである。
　受発注装置２０、出荷実績管理装置３０、商談管理装置４０及び生産管理装置５０は、それぞれパーソナルコンピュータ、サーバ、メインフレーム、ワークステーションを含むコンピュータである。
　需要予測装置１０の閾値算出部１１０は、出荷実績管理装置３０から伝達された注文別出荷情報を基に注文を通常注文と大口注文とに分ける閾値を算出し、機種グループ別閾値２１２として記憶部２００に記憶する。
　需要予測装置１０の出荷実績集計部１２０は、出荷実績管理装置３０から注文別出荷情報を伝達され、閾値算出部１１０で算出された機種グループ別閾値２１２を基に当月の注文を通常注文と大口注文とに分ける。出荷実績集計部１２０は、分類した通常注文による出荷数の合計値と大口注文による出荷数の合計値とを機種ごとに集計し、通常注文出荷実績２２１及び大口注文出荷実績２２２としてそれぞれ記憶部２００に記憶する。
　需要予測装置１０の伸長率算出部１３０は出荷実績管理装置３０から注文別出荷情報を伝達され、過去の通常注文による出荷数から伸長率を算出し、機種グループ別伸長率２１３として記憶部２００に記憶する。
　需要予測装置１０の需要予測値算出部１４０は、出荷実績管理装置３０から伝達された大口注文の情報と、商談管理装置４０から伝達された商談情報と、記憶部２００に記憶された受注確度係数とを基に大口注文の当月末までの需要予測値を算出し、大口注文予測値２２４として記憶部２００に記憶する。
　以上で説明した構成を備えることで、本実施の形態に係る需要予測システム１は、実施の形態１に係る需要予測装置１０が奏する効果と同様の効果に加えて、注文、出荷実績、商談及び生産を管理する装置をそれぞれ備えることで、生産管理を単一のシステムで実現することができるという効果を奏する。
　本発明の実施の形態は上述のものに限られるものではなく、変形が可能である。例えば、処理部１００は閾値算出部１１０と、出荷実績集計部１２０と、伸長率算出部１３０と、需要予測値算出部１４０と、を備えるとしたが、これに限られるものではない。例えば、閾値算出部１１０及び出荷実績集計部１２０の機能が一つの機能ブロックによって実現されても良い。同様に、閾値算出部１１０、出荷実績集計部１２０、伸長率算出部１３０及び需要予測値算出部１４０の機能が一つの機能ブロックによって実現されても良い。
　また、Ｘ年Ｙ月Ｚ日にＹ月末までの商品の需要を予測するものとして説明したが、これに限られるものではない。Ｙ月末より前の日、例えばＹ月１５日までの需要を予測しても良い。また、Ｙ月末より後の日、例えば（Ｙ＋２）月末までの需要を予測しても良い。
　また、閾値算出部１１０は直近３か月の動向を重視して補正をかけた出荷数の補正平均値μ′を算出するとしたが、これに限られるものではない。重視する期間は３か月より長くても良いし、３か月より短くても良い。重視する期間が０であっても良い、即ち重視する期間による補正をかけない出荷数の平均値を算出しても良い。
　また、閾値算出部１１０は、式（１）において直近の出荷数を単に足し合わせる、即ち直近の出荷数に係数２で重み付けをするとしたが、これに限られるものではない。閾値算出部１１０は２より小さい又は２より大きい係数で重み付けを行っても良い。
　また、需要予測値算出部１４０は過去の需要予測の誤差率を算出するとしたが、これに限られるものではない。需要予測値算出部１４０は、予測値の誤差率の平均値、最小値又は最大値をさらに算出しても良い。
　また、伸長率算出部１３０は、算出した過去５年分の伸長率から平均伸長率を算出するとしたが、これに限られるものではない。需要傾向が大きく変動した年がある場合には、その年の伸長率を平均伸長率を算出する際に用いる伸長率から除外しても良い。需要傾向が大きく変動する要因には、大きな景気変動が含まれる。
　本発明の実施の形態に係る需要予測装置及び需要予測システムは、専用のシステムにより実現してもよいし、通常のコンピュータシステムにより実現してもよい。例えば、上述の動作を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に格納して配布し、このプログラムをコンピュータにインストールして、上述の処理を実行することによって需要予測装置及び需要予測システムを構成してもよい。また、インターネットのネットワーク上のサーバ装置が備えるディスク装置に格納しておき、コンピュータにダウンロードできるようにしてもよい。また、上述の機能を、ＯＳとアプリケーションソフトとの共同により実現してもよい。この場合には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロードしてもよい。
　上記プログラムを記録する記録媒体としては、ＵＳＢメモリ、フレキシブルディスク、ＣＤ、ＤＶＤ、Ｂｌｕ－ｒａｙ（登録商標）、ＭＯ、ＳＤカード、メモリースティック（登録商標）、その他、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ、磁気テープを含むのコンピュータ読取可能な記録媒体を使用することができる。
　本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この発明を説明するためのものであり、本発明の範囲を限定するものではない。すなわち、本発明の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。
　本出願は、２０１７年１月２７日に出願された、日本国特許出願特願２０１７－０１２９４６号に基づく。本明細書中に日本国特許出願特願２０１７－０１２９４６号の明細書、特許請求の範囲、図面全体を参照として取り込むものとする。
　本発明は、需要予測装置、需要予測システム、需要予測方法及びプログラムに利用することができる。
　１…需要予測システム、１０…需要予測装置、２０…受発注装置、３０…出荷実績管理装置、４０…商談管理装置、５０…生産管理装置、１００…処理部、１１０…閾値算出部、１２０…出荷実績集計部、１３０…伸長率算出部、１４０…需要予測値算出部、２００…記憶部、２１０…機種情報データベース、２１１…機種マスタ、２１２…機種グループ別閾値、２１３…機種グループ別伸長率、２２０…出荷実績予測管理データベース、２２１…通常注文出荷実績、２２２…大口注文出荷実績、２２３…通常注文予測値、２２４…大口注文予測値、２２５…受注確度係数マスタ、２２６…予測値誤差率、２３０…取引データベース、３００…処理装置、４００…記憶装置、５００…ＲＯＭ、６００…通信部、７００…入力部、８００…出力部。

Claims (10)

  1. 　注文を通常注文と大口注文とに分ける閾値を商品の過去の出荷数に基づいて算出する閾値算出部と、
    　前記閾値算出部が算出した前記閾値に基づいて、需要予測を行う日以前の前記商品に対する注文を出荷数が前記閾値より小さい前記通常注文と出荷数が前記閾値以上である前記大口注文とに分けて集計する出荷実績集計部と、
    　前記商品の過去の出荷数に基づいて、前記需要予測を行う日から需要予測対象日までの出荷数の伸び率である伸長率を算出する伸長率算出部と、
    　前記出荷実績集計部が集計した前記通常注文による前記商品の出荷数と前記伸長率とから通常注文の予測値を算出し、前記出荷実績集計部が集計した前記大口注文による前記商品の出荷数から大口注文の予測値を算出する需要予測値算出部と、
    　を備える需要予測装置。
  2. 　前記閾値算出部は、前記商品の出荷数の平均値に対して直近の期間の前記商品の出荷数に重みを付ける補正をした補正平均値と出荷数の標準偏差とから閾値を算出する、
    　請求項１に記載の需要予測装置。
  3. 　前記伸長率算出部は、前記需要予測を行う年より前の年の、前記需要予測を行う月と同月の前記通常注文による前記商品の出荷数を集計し、前記需要予測を行う日と同日までの出荷数の平均値と、前記需要予測対象日と同日までの出荷数の平均値とから、前記伸長率を算出する、
    　請求項１又は２に記載の需要予測装置。
  4. 　前記伸長率算出部は、需要予測を行う年より前の複数の年の、前記需要予測を行う月と同月の前記通常注文による前記商品の出荷数を集計し、前記複数の年のそれぞれについて、前記需要予測を行う日と同日までの出荷数の平均値と、前記需要予測対象日と同日までの出荷数の平均値とから、前記伸長率を算出し、前記複数の年の前記伸長率の平均値である平均伸長率を算出する、
    　請求項１から３のいずれか１項に記載の需要予測装置。
  5. 　前記需要予測値算出部は、前記出荷実績集計部が集計した前記通常注文による前記商品の出荷数と前記平均伸長率とから通常注文の予測値を算出する、
    　請求項４に記載の需要予測装置。
  6. 　前記需要予測値算出部は、前記出荷実績集計部が集計した前記大口注文による前記商品の出荷数と、前記需要予測対象日までに納期を迎えかつ未出荷の大口注文による前記商品の出荷数と、から前記大口注文の予測値を算出する、
    　請求項１から５のいずれか１項に記載の需要予測装置。
  7. 　前記需要予測値算出部は、前記出荷実績集計部が集計した前記大口注文による前記商品の出荷数と、前記需要予測対象日までに納期を迎えかつ未出荷の大口注文による前記商品の出荷数と、前記需要予測を行う月の月末までに出荷予定の商談中の大口注文による前記商品の出荷数と、から前記大口注文の予測値を算出する、
    　請求項１から５のいずれか１項に記載の需要予測装置。
  8. 　請求項１から７のいずれか１項に記載の需要予測装置と、
    　前記需要予測装置に前記商品に対する注文を伝達する受発注装置と、
    　前記需要予測装置に前記商品の過去の出荷数を伝達する出荷実績管理装置と、
    　前記需要予測装置に商談中の前記商品に対する注文を伝達する商談管理装置と、
    　前記需要予測装置が算出した前記通常注文の予測値と前記大口注文の予測値とに基づいて生産管理を行う生産管理装置と、
    　を備える需要予測システム。
  9. 　注文を通常注文と大口注文とに分ける閾値を商品の過去の出荷数に基づいて算出し、
    　算出した前記閾値に基づいて、需要予測を行う日以前の前記商品に対する注文を出荷数が前記閾値より小さい通常注文と出荷数が前記閾値以上である大口注文とに分けて集計し、
    　前記商品の過去の出荷数に基づいて、前記需要予測を行う日から需要予測対象日までの出荷数の伸び率である伸長率を算出し、
    　集計した前記通常注文による前記商品の出荷数と前記伸長率とから通常注文の予測値を算出し、集計した前記大口注文による前記商品の出荷数から大口注文の予測値を算出する、
    　需要予測方法。
  10. 　コンピュータに、
    　注文を通常注文と大口注文とに分ける閾値を商品の過去の出荷数に基づいて算出する閾値算出機能、
    　算出した前記閾値に基づいて、需要予測を行う日以前の前記商品に対する注文を出荷数が前記閾値より小さい通常注文と出荷数が前記閾値以上である大口注文とに分けて集計する出荷実績集計機能、
    　前記商品の過去の出荷数に基づいて、前記需要予測を行う日から需要予測対象日までの出荷数の伸び率である伸長率を算出する伸長率算出機能、
    　集計した前記通常注文による前記商品の出荷数と前記伸長率とから通常注文の予測値を算出し、集計した前記大口注文による前記商品の出荷数から大口注文の予測値を算出する需要予測値算出機能、
    　を実現させるプログラム。
PCT/JP2017/042375 2017-01-27 2017-11-27 需要予測装置、需要予測システム、需要予測方法及びプログラム Ceased WO2018139029A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018564124A JPWO2018139029A1 (ja) 2017-01-27 2017-11-27 需要予測装置、需要予測システム、需要予測方法及びプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-012946 2017-01-27
JP2017012946 2017-01-27

Publications (1)

Publication Number Publication Date
WO2018139029A1 true WO2018139029A1 (ja) 2018-08-02

Family

ID=62978278

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/042375 Ceased WO2018139029A1 (ja) 2017-01-27 2017-11-27 需要予測装置、需要予測システム、需要予測方法及びプログラム

Country Status (2)

Country Link
JP (1) JPWO2018139029A1 (ja)
WO (1) WO2018139029A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021026402A (ja) * 2019-08-01 2021-02-22 富士通株式会社 情報処理装置、及び、情報処理プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004070633A (ja) * 2002-08-06 2004-03-04 Seiko Epson Corp 計画立案支援システム及び計画立案支援方法
JP2004161479A (ja) * 2002-11-15 2004-06-10 Shufu No Tomo Tosho Kk ピッキングリスト作成システム、ピッキングリスト作成方法及びピッキングリスト作成プログラム
JP2012108741A (ja) * 2010-11-18 2012-06-07 Mitsubishi Heavy Ind Ltd 需要予測システム
JP2015139283A (ja) * 2014-01-22 2015-07-30 国立大学法人名古屋大学 電力需要ピーク予測装置、電力需要ピーク予測方法、及び電力需要ピーク予測プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003242432A (ja) * 2002-02-14 2003-08-29 Ns Solutions Corp 需要予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004070633A (ja) * 2002-08-06 2004-03-04 Seiko Epson Corp 計画立案支援システム及び計画立案支援方法
JP2004161479A (ja) * 2002-11-15 2004-06-10 Shufu No Tomo Tosho Kk ピッキングリスト作成システム、ピッキングリスト作成方法及びピッキングリスト作成プログラム
JP2012108741A (ja) * 2010-11-18 2012-06-07 Mitsubishi Heavy Ind Ltd 需要予測システム
JP2015139283A (ja) * 2014-01-22 2015-07-30 国立大学法人名古屋大学 電力需要ピーク予測装置、電力需要ピーク予測方法、及び電力需要ピーク予測プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021026402A (ja) * 2019-08-01 2021-02-22 富士通株式会社 情報処理装置、及び、情報処理プログラム

Also Published As

Publication number Publication date
JPWO2018139029A1 (ja) 2019-06-27

Similar Documents

Publication Publication Date Title
US7921061B2 (en) System and method for simultaneous price optimization and asset allocation to maximize manufacturing profits
US11301794B2 (en) Machine for labor optimization for efficient shipping
CN109447355B (zh) 仓库货物的配送优化方法、装置、介质和计算设备
CN114926305B (zh) 电力物资管控方法、装置、计算机设备、存储介质
JP2018063598A (ja) 業務支援システム、および、業務支援方法
CN112215546B (zh) 一种对象页面生成方法、装置、设备及存储介质
US20130103607A1 (en) Determination of Projected Carrier Assignment
JP2005015140A (ja) 発注量算出システム
JP2017072870A (ja) 損益予測装置及び損益予測プログラム
CN116128408A (zh) 智能补货方法、系统以及计算机可读介质
JP2011145960A (ja) 商品按分管理装置，商品按分管理プログラム
JP6193817B2 (ja) 需要予測装置およびプログラム
US12079828B2 (en) Multi-channel demand planning for inventory planning and control
CN114626660A (zh) 用于激增调整预报的方法和装置
CN109978421B (zh) 信息输出方法和装置
JP2013131259A (ja) 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム
CN114287018A (zh) 采购业务辅助系统、采购业务辅助装置以及采购业务辅助方法
JP5847137B2 (ja) 需要予測装置及びプログラム
US11934365B1 (en) Autonomous supply chain data hub and platform
WO2020086872A1 (en) Method and system for generating ensemble demand forecasts
WO2018139029A1 (ja) 需要予測装置、需要予測システム、需要予測方法及びプログラム
JP2020119029A (ja) 発注情報計算プログラム、装置、及び方法
JP6276655B2 (ja) 需要予測装置およびプログラム
JP7579121B2 (ja) 在庫計画システム及び在庫計画方法
JP2021084742A (ja) 在庫計画装置及び在庫計画方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17894186

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018564124

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17894186

Country of ref document: EP

Kind code of ref document: A1