JP7495601B2

JP7495601B2 - Information processing device, control method, and program

Info

Publication number: JP7495601B2
Application number: JP2020034027A
Authority: JP
Inventors: 杏奈永井; 克暢淺田; 哲也岩崎
Original assignee: Canon Marketing Japan Inc; Canon IT Solutions Inc
Current assignee: Canon Marketing Japan Inc; Canon IT Solutions Inc
Priority date: 2020-02-28
Filing date: 2020-02-28
Publication date: 2024-06-05
Anticipated expiration: 2040-02-28
Also published as: JP2021135950A

Description

過去の需要実績を用いて将来の需要を予測する需要予測システムに関する。 This relates to a demand forecasting system that uses past demand data to predict future demand.

需要予測システムにおいて予測精度の向上は大きな課題の1つであり、精度向上によって在庫コスト削減、欠品リスク低下、物流コスト削減などといった様々な効果を得ることができる。物流リソース不足が社会的問題となっている昨今、予測精度向上の重要性はますます高まっているが、予測精度向上のための技術はそれ以前からも多く案出されている。 Improving forecast accuracy is one of the major challenges in demand forecasting systems, and improving accuracy can have a variety of effects, such as reducing inventory costs, lowering the risk of stockouts, and reducing logistics costs. In recent years, when a shortage of logistics resources has become a social issue, the importance of improving forecast accuracy has increased, but many technologies for improving forecast accuracy have been devised even before that.

特許文献１には、精度の高い需要予測結果を得られる方法として、年間需要の合計を予測してから、最も評価の高い按分パターンで年間需要予測値の月按分を行う方法について開示されている。 Patent Document 1 discloses a method for obtaining highly accurate demand forecast results, in which the total annual demand is forecasted and then the annual demand forecast value is allocated to each month using the most highly evaluated allocation pattern.

特開２００９－２３０５５５号公報JP 2009-230555 A

業務用商品には、普段の出荷数は少ないが、不規則に大口受注が発生するものがある。大口受注の発生タイミングにはある程度の周期性があるものの、正確に等間隔に発生するわけではない。また実績値にはノイズも含まれるため、実績が十分に蓄積されていても、その実績を元に将来の大口受注の数量や発生タイミングを正確に自動予測することは困難である。 Some commercial products are shipped in small quantities on average, but large orders come in irregularly. Although there is a certain degree of periodicity in the timing of large orders, they do not occur at precisely equal intervals. Furthermore, since past performance values contain noise, even if sufficient past performance data has been accumulated, it is difficult to automatically and accurately predict the quantity and timing of future large orders based on those past performance data.

特許文献１には、事前に手動で複数登録した按分パターンの中で、最も評価の高いパターンを用いて年間需要予測値の月按分を行うことで、実績が少ない新規発売品であっても精度が高い需要予測結果を得られる方法が記載されている。 Patent Document 1 describes a method for obtaining highly accurate demand forecast results even for newly released products with little track record by performing monthly allocation of annual demand forecast values using the most highly rated pattern among multiple allocation patterns manually registered in advance.

しかし、按分方法をパターン化すると、パターンに当てはまらなかった商品の予測精度が下がる。十分な予測精度を達成するためにすべてのパターンを網羅するには、すべての商品の実績を参照して按分パターンを作成する必要があるが、それには各商品の需要計画を手動作成するのと同等かそれ以上の作業負荷がかかるという課題がある。 However, creating patterns for the allocation method reduces the accuracy of forecasts for products that do not fit into the patterns. To cover all patterns and achieve sufficient forecast accuracy, it is necessary to create allocation patterns by referencing the actual results of all products, but this poses the problem that it requires a workload equal to or greater than that of manually creating a demand plan for each product.

そのため、パターン化のような手動の事前作業を伴わず、自動処理のみで妥当な予測結果が得られることが望まれる。 Therefore, it is desirable to be able to obtain valid prediction results using only automatic processing, without requiring any manual preparatory work such as patternization.

そこで、本発明は、予測モデルの直接適用が困難な変動を伴う需要に対して実運用可能な予測を実行できる仕組みを提供することを目的とする。 The present invention aims to provide a mechanism that can perform practical predictions for fluctuating demand where direct application of a predictive model is difficult.

本発明は、対象アイテムの将来の予測量を予測する情報処理装置であって、累計期間数を決定する決定手段と、前記対象アイテムの１単位期間における実績値である第１実績値を、連続する単位期間毎に取得する取得手段と、前記連続する単位期間毎の第２実績値として、当該単位期間を含む直近の累計期間数分の単位期間に係る第１実績値の累計値を算出する算出手段と、前記連続する単位期間毎の第２実績値に基づき算出される、連続する将来の単位期間における毎の予測値を、前記対象アイテムの予測量として、前記将来の単位期間を含む直近の前記累計期間数分の単位期間に係る予測量の累計値をとして出力する累計値出力手段と、を備えることを特徴とする。 The present invention is an information processing device which predicts a future predicted amount of a target item, and is characterized by comprising: a determination means for determining a cumulative number of periods; an acquisition means for acquiring a first actual value which is an actual value in one unit period of the target item for each successive unit period; a calculation means for calculating a cumulative value of the first actual value for unit periods for the most recent cumulative period number including the unit period as a second actual value for each of the successive unit periods; and a cumulative value output means for outputting a predicted value for each successive future unit period calculated based on the second actual value for each of the successive unit periods as a predicted amount of the target item, the cumulative value of the predicted amount for unit periods for the most recent cumulative period number including the future unit period.

本発明によれば、予測モデルの直接適用が困難な変動を伴う需要に対して実運用可能な予測を実行できる仕組みを提供ことが可能となる。 The present invention makes it possible to provide a mechanism for carrying out practical predictions for fluctuating demand where the direct application of a predictive model is difficult.

本発明の実施形態における、情報処理装置の機能構成の一例を示す図である。FIG. 2 is a diagram illustrating an example of a functional configuration of an information processing device according to an embodiment of the present invention. 本発明の実施形態における、情報処理のハードウェア構成の一例を示す図である。FIG. 2 is a diagram illustrating an example of a hardware configuration for information processing according to an embodiment of the present invention. 本発明の実施形態における、情報処理装置が実行する処理を示すフローチャートである。4 is a flowchart showing a process executed by an information processing device according to an embodiment of the present invention. 本発明の実施形態における、図３に示すフローチャートのステップＳ３０２の処理を説明する図である。FIG. 4 is a diagram illustrating the process of step S302 in the flowchart shown in FIG. 3 according to the embodiment of the present invention. 本発明の実施形態における、商品マスタＤＢ１０１、予測モデルマスタＤＢ１０３の一例を示す図である。FIG. 2 is a diagram showing an example of a product master DB 101 and a prediction model master DB 103 in the embodiment of the present invention. 本発明の実施形態における、商品マスタＤＢ１０１、予測モデルマスタＤＢ１０３のメンテナンス画面の一例を示す図である。FIG. 2 is a diagram showing an example of a maintenance screen for a product master DB 101 and a prediction model master DB 103 in an embodiment of the present invention. 本発明の実施形態における、図４のステップＳ４０１の処理を実行した結果の一例を示す図である。FIG. 5 is a diagram showing an example of a result of executing the process of step S401 in FIG. 4 in the embodiment of the present invention. 本発明の実施形態における、図４のステップＳ４０２の処理を実行した結果の一例を示す図である。FIG. 5 is a diagram showing an example of a result of executing the process of step S402 in FIG. 4 in the embodiment of the present invention. 本発明の実施形態における、図４のステップＳ４０３の処理を実行した結果の一例を示す図である。FIG. 5 is a diagram showing an example of a result of executing the process of step S403 in FIG. 4 in the embodiment of the present invention. 本発明の実施形態における、図３のステップＳ３０３で予測結果を確認する画面の一例を示す図である。FIG. 4 is a diagram showing an example of a screen for confirming a prediction result in step S303 of FIG. 3 in an embodiment of the present invention.

以下、図面を参照して、本発明の実施形態を詳細に説明する。 The following describes an embodiment of the present invention in detail with reference to the drawings.

図１は、本発明に係る情報処理装置の機能ブロック図である。 Figure 1 is a functional block diagram of an information processing device according to the present invention.

図１に示すように、本実施形態に係る情報処理装置１０は、処理制御部５０、データ管理部１００から構成される。
データ管理部１００は、商品マスタＤＢ１０１、需要実績ＤＢ１０２、予測モデルマスタＤＢ１０３、予測結果ＤＢ１０４から構成される。各データベースの詳細については図５等により後述する。 As shown in FIG. 1, an information processing device 10 according to this embodiment includes a process control unit 50 and a data management unit 100 .
The data management unit 100 is composed of a product master DB 101, a demand record DB 102, a forecast model master DB 103, and a forecast result DB 104. Details of each database will be described later with reference to FIG.

以下、図２を用いて、図１に示した情報処理装置のハードウエア構成の一例について説明する。 Below, an example of the hardware configuration of the information processing device shown in Figure 1 will be described using Figure 2.

図２において、２０１はＣＰＵで、システムバス２０４に接続される各デバイスやコントローラを統括的に制御する。また、ＲＯＭ２０３あるいは外部メモリ２１１には、ＣＰＵ２０１の制御プログラムであるＢＩＯＳ（ＢａｓｉｃＩｎｐｕｔ／ＯｕｔｐｕｔＳｙｓｔｅｍ）やオペレーティングシステムプログラム（以下、ＯＳ）や、各サーバ或いは各ＰＣの実行する機能を実現するために必要な各種プログラム等が記憶されている。 In FIG. 2, 201 is a CPU that performs overall control of each device and controller connected to a system bus 204. In addition, ROM 203 or external memory 211 stores a BIOS (Basic Input/Output System), which is the control program of the CPU 201, an operating system program (hereinafter, OS), and various programs required to realize the functions executed by each server or each PC.

２０２はＲＡＭで、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＯＭ２０３あるいは外部メモリ２１１からＲＡＭ２０２にロードして、該ロードしたプログラムを実行することで各種動作を実現するものである。 202 is a RAM, which functions as the main memory, work area, etc. of the CPU 201. The CPU 201 loads programs and the like required for executing processing from the ROM 203 or the external memory 211 into the RAM 202, and executes the loaded programs to realize various operations.

また、２０５は入力コントローラで、入力装置２０９等からの入力を制御する。２０６はビデオコントローラで、液晶ディスプレイ等のディスプレイ装置２１０への表示を制御する。なお、ディスプレイ装置は、液晶ディスプレイに限られず、ＣＲＴディスプレイなどであっても良い。これらは必要に応じてクライアントが使用するものである。 In addition, 205 is an input controller that controls input from an input device 209, etc. 206 is a video controller that controls display on a display device 210 such as an LCD display. Note that the display device is not limited to an LCD display, and may be a CRT display or the like. These are used by the client as necessary.

２０７はメモリコントローラで、ブートプログラム，各種のアプリケーション，フォントデータ，ユーザファイル，編集ファイル，各種データ等を記憶するハードディスク（ＨＤ）や、フレキシブルディスク（ＦＤ）、或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュ（登録商標）メモリ等の外部メモリ２１１へのアクセスを制御する。 207 is a memory controller that controls access to external memory 211, such as a hard disk (HD) that stores boot programs, various applications, font data, user files, edited files, various data, etc., a flexible disk (FD), or a compact flash (registered trademark) memory connected to a PCMCIA card slot via an adapter.

２０８は通信Ｉ／Ｆコントローラで、ネットワークを介して外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。例えば、ＴＣＰ／ＩＰを用いた通信等が可能である。 208 is a communication I/F controller that connects and communicates with external devices via a network and executes communication control processing on the network. For example, communication using TCP/IP is possible.

なお、ＣＰＵ２０１は、例えばＲＡＭ２０２内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ装置２１０上での表示を可能としている。また、ＣＰＵ２０１は、ディスプレイ装置２１０上の不図示のマウスカーソル等でのユーザ指示を可能とする。 The CPU 201 enables display on the display device 210 by, for example, executing a process of expanding (rasterizing) an outline font into a display information area in the RAM 202. The CPU 201 also enables user instructions using a mouse cursor (not shown) on the display device 210.

ハードウエア上で動作する各種プログラムは、外部メモリ２１１に記録されており、必要に応じてＲＡＭ２０２にロードされることによりＣＰＵ２０１によって実行されるものである。 The various programs that run on the hardware are recorded in external memory 211 and are executed by CPU 201 by being loaded into RAM 202 as needed.

なお、全ての装置がこれらの構成を備えているわけではなく、必要なものを夫々備えていればよい。 Note that not all devices have these configurations, but each device needs to have what is needed.

次に図３、図４のフローチャートを用いて、本発明の実施形態における情報処理装置が実行する処理について説明する。 Next, the processing executed by the information processing device in an embodiment of the present invention will be described using the flowcharts in Figures 3 and 4.

図３のフローチャートは、情報処理装置のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理であり、需要予測を実行し結果を確認する処理の一例を示すフローチャートである。 The flowchart in Figure 3 is a process in which the CPU 201 of the information processing device reads and executes a specific control program, and is a flowchart showing an example of a process for performing a demand forecast and confirming the results.

ステップＳ３０１では、情報処理装置のＣＰＵ２０１は、各商品の属性情報や予測モデルの情報を、画面入力機能やインターフェース機能によって取り込み、商品マスタＤＢ１０１、予測モデルマスタＤＢ１０３に登録する。本処理は、マスタ設定部１１０によって実行される。商品マスタＤＢ１０１には、図５（ａ）に示すような商品単位の属性情報を保持し、図６（ａ）に示すようなマスタメンテナンス画面でユーザ管理を可能にする。予測モデルマスタＤＢ１０３には、図５（ｂ）に示すような予測モデル情報を保持し、図６（ｂ）に示すようなマスタメンテナンス画面でユーザ管理を可能にする。本実施例では、後の処理で使用する累計サイクル数を、予測モデルマスタＤＢ１０３において予測モデルごとに事前に設定している。 In step S301, the CPU 201 of the information processing device retrieves attribute information and prediction model information for each product using a screen input function and an interface function, and registers them in the product master DB 101 and the prediction model master DB 103. This process is executed by the master setting unit 110. The product master DB 101 holds attribute information for each product as shown in FIG. 5(a), and enables user management on a master maintenance screen as shown in FIG. 6(a). The prediction model master DB 103 holds prediction model information as shown in FIG. 5(b), and enables user management on a master maintenance screen as shown in FIG. 6(b). In this embodiment, the cumulative number of cycles to be used in subsequent processes is set in advance for each prediction model in the prediction model master DB 103.

ステップＳ３０２では、情報処理装置のＣＰＵ２０１は、需要実績ＤＢ１０２に保持する商品ごとの実績データを元に将来の需要を自動予測し、予測結果ＤＢ１０４に予測結果を格納する。本処理は、予測実行部１２０によって実行される。ステップＳ３０２の詳細は図４のフローチャートを用いて説明する。 In step S302, the CPU 201 of the information processing device automatically predicts future demand based on the actual data for each product stored in the demand actual data DB 102, and stores the prediction results in the prediction result DB 104. This process is executed by the prediction execution unit 120. Details of step S302 will be explained using the flowchart in FIG. 4.

図４は、ステップＳ３０２の予測実行の一例を示すフローチャートである。 Figure 4 is a flowchart showing an example of prediction execution in step S302.

ステップＳ４０１では、情報処理装置のＣＰＵ２０１は、需要実績ＤＢ１０２に保持する１サイクル（サイクルは週、月などのタイムバケットを表す）単位の実績データを用いて、複数サイクルの累計値に変換する。需要実績ＤＢ１０２には、変換前後の実績の両方を保持しておく。累計値を算出するサイクル数は、予測モデルマスタＤＢ１０３のパラメータとしてマスタ指定しても、任意の実績期間で評価して最適な値を自動推定しても良い。図７に、ステップＳ４０１により週単位の実績を４週間累計の値に変換した結果の例を示す。 In step S401, the CPU 201 of the information processing device converts actual data in units of one cycle (a cycle represents a time bucket such as a week or a month) stored in the demand actual data DB 102 into a cumulative value for multiple cycles. The demand actual data DB 102 stores both the actual data before and after the conversion. The number of cycles for calculating the cumulative value may be specified as a parameter of the prediction model master DB 103, or an optimal value may be automatically estimated by evaluating an arbitrary actual period. Figure 7 shows an example of the result of converting weekly actual data into a four-week cumulative value in step S401.

ステップＳ４０２では、情報処理装置のＣＰＵ２０１は、ステップＳ４０１で累計変換した実績を元に、予測モデルマスタＤＢ１０３のパラメータ設定に従って自動予測し、結果を予測結果ＤＢ１０４に格納する。自動予測に用いる予測モデルは、移動平均法などの既存手法を用いて良い。ステップＳ４０１の実績変換においてＮサイクルの累計実績に変換した場合、ステップＳ４０２で求められる予測結果は、１サイクル単位の予測値のＮサイクル累計値と同等である。ただし、１サイクル単位の実績値が急激な変動を呈する場合、数学的手法に基づく予測モデルを適用することが困難であるため、直接１サイクル単位の予測値を直接求めることはできない。図８に、ステップＳ４０２により４週累計の実績から求めた４週累計の予測値の例を示す。 In step S402, the CPU 201 of the information processing device performs automatic prediction according to the parameter settings of the prediction model master DB 103 based on the actual results converted into cumulative totals in step S401, and stores the results in the prediction result DB 104. The prediction model used for automatic prediction may be an existing method such as the moving average method. When N cycles of cumulative actual results are converted in the actual results conversion in step S401, the prediction result obtained in step S402 is equivalent to the N cycle cumulative value of the predicted value in one cycle unit. However, when the actual results in one cycle unit show a sudden change, it is difficult to apply a prediction model based on a mathematical method, and therefore it is not possible to directly obtain the predicted value in one cycle unit. Figure 8 shows an example of a four-week cumulative predicted value obtained from the four-week cumulative actual results in step S402.

ステップＳ４０３では、情報処理装置のＣＰＵ２０１は、予測結果ＤＢ１０４に保持するステップＳ４０２で算出した複数サイクル累計の予測結果を、１サイクル単位の予測結果に変換して、予測結果ＤＢ１０４を更新する。Ｎサイクルの累計予測値をもとに、累計値から直近のＮ－１サイクル分の実績値あるいは予測値を差し引くことで、１サイクル分の予測値に変換できる。このとき、１サイクルの予測値の最小値を事前に定義しておいて、最小値を下回った予測値に対して補正を行う処理を加えても良い。図９に、ステップＳ４０３により４週累計の予測値を週単位の予測値に変換した結果の例を示す。この例では、４週累計の予測値では値が安定しているが、１週単位の予想値では４週おきに大口需要の発生が予測されている。 In step S403, the CPU 201 of the information processing device converts the prediction results calculated in step S402 for multiple cycles and stored in the prediction result DB 104 into prediction results for one cycle, and updates the prediction result DB 104. Based on the cumulative predicted value for N cycles, the actual values or predicted values for the most recent N-1 cycles can be subtracted from the cumulative value to convert into a prediction value for one cycle. At this time, a minimum value for the predicted value for one cycle may be defined in advance, and a process of correcting predicted values that fall below the minimum value may be added. FIG. 9 shows an example of the result of converting a four-week cumulative predicted value into a weekly predicted value in step S403. In this example, the four-week cumulative predicted value is stable, but the weekly predicted value predicts the occurrence of large demand every four weeks.

大口需要の発生タイミングは実際には不規則な場合もあり、ステップＳ３０２の予測結果とは必ずしも一致しないため、週単位の予測誤差は発生し得る。しかし、Ｎサイクル累計で見ると需要が安定しているため予測精度を確保することができ、サイクル単位の予測値に基づいて調達量等に誤差が発生したとしても、次のサイクル以降でカバーすることが可能である。 The timing of large-scale demand may actually be irregular and may not necessarily match the forecast results of step S302, so forecast errors may occur on a weekly basis. However, when viewed cumulatively over N cycles, demand is stable, so forecast accuracy can be ensured, and even if an error occurs in procurement volume, etc. based on the forecast value on a cycle-by-cycle basis, it is possible to cover it in the next cycle or later.

ステップＳ３０３では、情報処理装置のＣＰＵ２０１は、図１０のような画面に予測結果を出力し、ユーザが予測結果を確認できるようにする。本処理は、予測結果確認部１３０によって実行される。 In step S303, the CPU 201 of the information processing device outputs the prediction result to a screen such as that shown in FIG. 10 so that the user can confirm the prediction result. This process is executed by the prediction result confirmation unit 130.

図６（ａ）は商品単位の属性情報を商品マスタＤＢ１０１に登録するための商品マスタ設定画面である。商品マスタ設定画面は、検索部、グリッド部からなる。 Figure 6 (a) shows a product master setting screen for registering attribute information for each product in the product master DB 101. The product master setting screen consists of a search section and a grid section.

検索部は、グリッドに情報を表示したい商品を検索するものである。 The search section is used to search for products for which you want to display information in the grid.

グリッド部は、商品マスタＤＢ１０１の情報の表示、編集が可能である。検索部に検索条件を入力して抽出ボタンを押下すると、該当する商品の情報がグリッド部に表示される。グリッド部の情報を修正し保存ボタンを押下すると、商品マスタＤＢ１０１に画面での修正内容が反映される。 The grid section makes it possible to display and edit information in the product master DB101. When search criteria are entered in the search section and the Extract button is pressed, information on the corresponding product is displayed in the grid section. When the information in the grid section is modified and the Save button is pressed, the modifications on the screen are reflected in the product master DB101.

図６（ｂ）は、図６（ａ）の商品マスタ設定画面で商品ごとに登録する予測モデルの情報を、予測モデルマスタＤＢ１０３に登録するための予測モデルマスタ設定画面である。商品マスタ設定画面は、グリッド部からなる。 Figure 6 (b) is a prediction model master setting screen for registering, in the prediction model master DB 103, the information on the prediction model to be registered for each product on the product master setting screen in Figure 6 (a). The product master setting screen is made up of a grid section.

グリッド部は、予測モデルマスタＤＢ１０３の情報の表示、編集が可能である。グリッド部の情報を修正し保存ボタンを押下すると、予測モデルマスタＤＢ１０３に画面での修正内容が反映される。 The grid section allows the display and editing of information in the prediction model master DB 103. When the information in the grid section is modified and the save button is pressed, the modifications made on the screen are reflected in the prediction model master DB 103.

図１０は予測結果を確認するための予測結果確認画面である。予測結果確認画面は、計画表示グリッド部、属性表示グリッド部、グラフ部からなる。 Figure 10 shows the forecast result confirmation screen for checking the forecast results. The forecast result confirmation screen consists of a plan display grid section, an attribute display grid section, and a graph section.

計画表示グリッド部は、ステップＳ４０１で実行した累計処理前後の需要実績と、ステップＳ４０２の処理結果である累計の需要予測結果、ステップＳ４０３の処理結果であるサイクル単位の需要予測結果を表示、編集できる。 The plan display grid section can display and edit the actual demand results before and after the cumulative processing performed in step S401, the cumulative demand forecast results that are the processing results of step S402, and the cycle-based demand forecast results that are the processing results of step S403.

属性グリッド部は、商品マスタＤＢ１０１やその他マスタの属性情報の表示が可能である。他の画面を起動することなく、計画表示グリッドにおいて計画調整中の商品の属性情報を確認することができる。 The attribute grid section can display attribute information from the product master DB101 and other masters. You can check the attribute information of products whose plans are being adjusted in the plan display grid without launching another screen.

グラフ部は、グリッド部に表示する実績値や予測結果をグラフで可視化する。 The graph section visualizes the actual values and forecast results displayed in the grid section.

図５（ａ）の商品マスタＤＢ１０１は、商品の属性情報を保持するテーブルであり、商品コード、商品名、予測モデルＩＤ、その他属性情報の項目からなる。 The product master DB 101 in FIG. 5(a) is a table that holds product attribute information, and consists of items such as product code, product name, prediction model ID, and other attribute information.

図５（ｂ）の予測モデルマスタＤＢ１０３は、Ｓ３０２の予測実行に用いる予測モデルを管理するテーブルであり、予測モデルＩＤ、予測モデル名、ステップＳ４０１とステップＳ４０３で使用する累計サイクル数Ｎ、および、各種パラメータの項目からなる。予測モデルは、商品や商品グループごとに使用するモデルを指定することもできるし、全商品共通で同じモデルを使用してもよい。 The prediction model master DB103 in FIG. 5(b) is a table that manages the prediction models used in the prediction execution in S302, and consists of items such as the prediction model ID, the prediction model name, the cumulative number of cycles N used in steps S401 and S403, and various parameters. The prediction model to be used can be specified for each product or product group, or the same model can be used for all products.

以上により、予測モデルの直接適用が困難な変動を伴う需要に対して実運用可能な予測を実行できるできるようになる。 This makes it possible to perform operational predictions for fluctuating demand where it is difficult to directly apply a predictive model.

なお、上述した各種データの構成及びその内容はこれに限定されるものではなく、用途や目的に応じて、様々な構成や内容で構成されることは言うまでもない。 It goes without saying that the structure and content of the various data described above are not limited to those described above, and may be structured and configured in various ways depending on the application and purpose.

また、本発明におけるプログラムは、図３、図４の処理方法をコンピュータが実行可能なプログラムである。なお、本発明におけるプログラムは図３、図４の各装置の処理方法ごとのプログラムであってもよい。 The program of the present invention is a program that enables a computer to execute the processing methods of Figs. 3 and 4. Note that the program of the present invention may be a program for each processing method of each device of Figs. 3 and 4.

以上のように、前述した実施形態の機能を実現するプログラムを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムを読み出し、実行することによっても本発明の目的が達成されることは言うまでもない。 As described above, it goes without saying that the object of the present invention can be achieved by supplying a recording medium on which a program that realizes the functions of the above-mentioned embodiments is recorded to a system or device, and having the computer (or CPU or MPU) of that system or device read and execute the program stored on the recording medium.

この場合、記録媒体から読み出されたプログラム自体が本発明の新規な機能を実現することになり、そのプログラムを記録した記録媒体は本発明を構成することになる。
プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＤＶＤ－ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＥＥＰＲＯＭ、シリコンディスク等を用いることが出来る。 In this case, the program itself read out from the recording medium will realize the novel functions of the present invention, and the recording medium on which the program is recorded will constitute the present invention.
Examples of recording media for supplying the program include flexible disks, hard disks, optical disks, magneto-optical disks, CD-ROMs, CD-Rs, DVD-ROMs, magnetic tapes, non-volatile memory cards, ROMs, EEPROMs, silicon disks, etc.

また、コンピュータが読み出したプログラムを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。 Furthermore, it goes without saying that not only are the functions of the above-mentioned embodiments realized by the computer executing a program it has read, but also that the functions of the above-mentioned embodiments can be realized by an operating system (OS) or the like running on the computer carrying out some or all of the actual processing based on the instructions of the program.

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。 Furthermore, it goes without saying that this also includes cases where a program read from a recording medium is written into a memory provided on a function expansion board inserted into a computer or a function expansion unit connected to a computer, and then a CPU or the like provided on the function expansion board or function expansion unit performs some or all of the actual processing based on the instructions of the program code, thereby realizing the functions of the above-mentioned embodiments.

また、本発明は、複数の機器から構成されるシステムに適用しても、ひとつの機器から成る装置に適用しても良い。また、本発明は、システムあるいは装置にプログラムを供給することによって達成される場合にも適応できることは言うまでもない。この場合、本発明を達成するためのプログラムを格納した記録媒体を該システムあるいは装置に読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。 The present invention may be applied to a system made up of multiple devices, or to a device made up of a single device. Needless to say, the present invention can also be applied to cases where the effects of the present invention are achieved by supplying a program to a system or device. In this case, the effects of the present invention can be enjoyed by reading a recording medium that stores a program for achieving the present invention into the system or device.

さらに、本発明を達成するためのプログラムをネットワーク上のサーバ、データベース等から通信プログラムによりダウンロードして読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。なお、上述した各実施形態およびその変形例を組み合わせた構成も全て本発明に含まれるものである。 Furthermore, by downloading and reading a program for achieving the present invention from a server, database, etc. on a network using a communication program, the system or device can enjoy the effects of the present invention. Note that the present invention also includes configurations that combine the above-mentioned embodiments and their modified examples.

１０情報処理装置
５０処理制御部
１００データ管理部 10 Information processing device 50 Processing control unit 100 Data management unit

Claims

対象アイテムの将来の予測量を予測する情報処理装置であって、
累計期間数を決定する決定手段と、
前記対象アイテムの１単位期間における実績値である第１実績値を、連続する単位期間毎に取得する取得手段と、
前記連続する単位期間毎の第２実績値として、当該単位期間を含む直近の累計期間数分の単位期間に係る第１実績値の累計値を算出する算出手段と、
前記連続する単位期間毎の第２実績値に基づき算出される、連続する将来の単位期間毎の予測値を、前記対象アイテムの前記将来の単位期間を含む直近の前記累計期間数分の単位期間に係る予測量の累計値として出力する累計値出力手段と、
を備えることを特徴とする情報処理装置。 An information processing device for predicting a future predicted amount of a target item,
A determination means for determining a cumulative number of periods;
an acquisition means for acquiring a first performance value, which is a performance value of the target item in one unit period, for each successive unit period;
a calculation means for calculating, as the second result value for each of the successive unit periods, a cumulative total value of the first result values for the unit periods including the unit period;
an accumulation value output means for outputting a predicted value for each successive future unit period , the predicted value being calculated based on the second actual value for each successive unit period, as an accumulation value of a predicted amount for unit periods for the most recent accumulation period including the future unit period of the target item;
An information processing device comprising:

前記累計値出力手段により出力された前記連続する将来の単位期間毎の予測値から直近の単位期間における前記第１実績値および／または予測量を差し引くことで、前記対象アイテムの当該将来の単位期間の予測量を出力する予測量出力手段を備えることを特徴とする請求項１に記載の情報処理装置。 The information processing device according to claim 1 , further comprising a predicted amount output means for outputting a predicted amount for the target item for a future unit period by subtracting the first actual value and/or predicted amount for the most recent unit period from the predicted value for each of the consecutive future unit periods output by the cumulative value output means.

前記累計期間数は、対象アイテムごとに決定されることを特徴とする請求項１または２に記載の情報処理装置。 The information processing apparatus according to claim 1 , wherein the cumulative number of periods is determined for each target item.

前記対象アイテムごとに前記累計期間数の指定を受け付ける受付手段を備えることを特徴とする請求項３に記載の情報処理装置。 4. The information processing apparatus according to claim 3, further comprising a reception unit that receives a designation of the cumulative number of periods for each of the target items.

前記累計期間数は、前記対象アイテムの過去の実績量に基づいて決定されることを特徴とする請求項３に記載の情報処理装置。 The information processing apparatus according to claim 3 , wherein the cumulative number of periods is determined based on a past performance amount of the target item.

前記予測量は、需要に係る量であることを特徴とする請求項１乃至５のいずれか1項に記載の情報処理装置。 6. The information processing apparatus according to claim 1, wherein the predicted amount is an amount related to demand.

対象アイテムの将来の予測量を予測する情報処理装置における情報処理方法であって、
前記情報処理装置の決定手段が、累計期間数を決定する決定工程と、
前記情報処理装置の取得手段が、前記対象アイテムの１単位期間における実績値である第１実績値を、連続する単位期間毎に取得する取得工程と、
前記情報処理装置の算出手段が、前記連続する単位期間毎の第２実績値として、当該単位期間を含む直近の累計期間数分の単位期間に係る第１実績値の累計値を算出する算出工程と、
前記情報処理装置の累計値出力手段が、前記連続する単位期間毎の第２実績値に基づき算出される、連続する将来の単位期間毎の予測値を、前記対象アイテムの前記将来の単位期間を含む直近の前記累計期間数分の単位期間に係る予測量の累計値として出力する累計値出力工程と、
を備えることを特徴とする情報処理方法。 An information processing method in an information processing device that predicts a future predicted amount of a target item, comprising:
a determination step in which a determination means of the information processing device determines a cumulative number of periods;
an acquisition step in which an acquisition means of the information processing device acquires a first performance value, which is a performance value of the target item in one unit period, for each successive unit period;
a calculation step in which a calculation means of the information processing device calculates, as a second result value for each of the consecutive unit periods, a cumulative total value of the first result values for the unit periods including the consecutive unit periods;
a cumulative value output step in which a cumulative value output means of the information processing device outputs a predicted value for each of successive future unit periods , the predicted value being calculated based on a second actual value for each of the successive unit periods, as a cumulative value of a predicted amount for unit periods for the most recent cumulative periods including the future unit period of the target item;
An information processing method comprising:

コンピュータを請求項１乃至６のいずれか１項に記載の各手段として機能させるためのプログラム。
A program for causing a computer to function as each of the means according to any one of claims 1 to 6 .