WO2019053821A1 - 発注支援システム、発注支援プログラム及び発注支援方法 - Google Patents
発注支援システム、発注支援プログラム及び発注支援方法 Download PDFInfo
- Publication number
- WO2019053821A1 WO2019053821A1 PCT/JP2017/033092 JP2017033092W WO2019053821A1 WO 2019053821 A1 WO2019053821 A1 WO 2019053821A1 JP 2017033092 W JP2017033092 W JP 2017033092W WO 2019053821 A1 WO2019053821 A1 WO 2019053821A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- product
- demand
- order
- sales
- amount
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q30/06—Buying, selling or leasing transactions
Definitions
- Patent Document 1 includes “a data input / output unit having data input / output display and an arithmetic processing function, a demand amount result storage unit for storing the past demand amount results by model, and information of the demand amount result storage unit.
- a demand amount probability distribution prediction unit that predicts the probability distribution of demand amount by model and an appropriate stock that determines the setting range of the appropriate stock amount from the probability distribution of model type demand amount obtained from the demand amount probability distribution prediction unit Risk calculation to calculate the out-of-stock risk or stock risk of the product from the output result of the volume range setting unit, the cost storage unit that calculates the inventory cost that occurs at the time of inventory and the sales opportunity loss cost that occurs when out of stock And an appropriate inventory amount determination unit that determines the inventory amount that is the minimum risk result from the output result of the risk calculation unit as the appropriate inventory amount, and a data storage unit, and the demand amount of each market is determined by probability distribution It has been described factories and to set the risk minimum appropriate amount of inventory the amount of inventory in the distribution center by evaluating in the out-of-stock risk and inventory risk ", and by.
- the demand amount actual storage unit stores the actual results of the past demand amount by product type, market and monthly basis
- the demand amount probability distribution prediction unit stores the target products from the demand amount actual storage unit.
- the monthly demand by market is read, the minimum and maximum demand for the target month are obtained from the information, and the probability distribution of each demand is calculated from the distribution (histogram) within those ranges. ", Is described.
- Patent Document 1 Japanese Patent Application Laid-Open No. 8-279013
- an object of the present invention to provide an order support device and an order support program, which presents an appropriate order amount that suppresses the risk of sales opportunity loss and excess inventory taking into consideration changes in purchasing tendency.
- the present invention is an order support system having a storage unit and a data processing unit, wherein the storage unit holds information on sales results of goods, and the data processing unit A demand forecasting unit that builds a demand forecasting model of the product based on the sales results and calculates a forecasted demand volume of the product using the built-up demand forecasting model; and the product based on the forecasted demand volume A risk value calculation unit for calculating a risk value indicating at least one of the risk of occurrence of a sales opportunity loss of the product and the risk of occurrence of an excess inventory of the product for each ordered quantity of
- the evaluation unit includes: an order amount output unit that outputs a recommended order amount based on a value; and an evaluation unit that determines whether to update the demand forecast model based on the sales record and the forecasted demand amount. There when determining to update the forecast model, the demand prediction unit and updates the forecast model.
- Example 1 of the present invention It is a block diagram showing a schematic structure of an order support system explained as Example 1 of the present invention. It is a block diagram showing an example of composition of an information processor (computer) used for realization of an order support device and an order terminal of Example 1 of the present invention. It is a block diagram which shows the main functions with which the order assistance apparatus of Example 1 of this invention is equipped, and the main data which an order assistance apparatus memorize
- FIG. 12 is an explanatory view showing an example of an option setting screen for setting a condition for calculating a risk value and a recommended order amount output from an order amount output unit by the risk value calculation unit of the first embodiment of the present invention. is there. It is a flowchart which shows an example of the process which the demand forecasting part of Example 1 of this invention and a demand forecast integration part perform. It is a flowchart which shows an example of the process which the evaluation part of Example 1 of this invention performs. It is a block diagram which shows the main functions with which the order assistance apparatus of Example 2 of this invention is equipped, and the main data which an order assistance apparatus memorize
- FIG. 1 is a block diagram showing a schematic configuration of an order support system 1 described as a first embodiment of the present invention.
- the order support system 1 includes a POS terminal 20, an order terminal 30, and an order support device 10 communicably connected via a communication network 4.
- the order support device 10 is configured using an information processing device (computer) or dedicated hardware.
- the order support apparatus 10 may be realized using a plurality of information processing apparatuses communicably connected.
- the communication network 4 is, for example, a public communication network, a local area network (LAN), a wide area network (WAN), or the like, regardless of whether it is wired or wireless.
- the order support device 10 is realized, for example, using an information processing device installed in a system center or a data center.
- the order support device 10 may be virtually realized as a cloud server or the like.
- the POS terminal 20 is installed, for example, at a cash register of a store.
- the POS terminal 20 registers sales information of a product (purchased product) purchased by a customer in a storage device. Also, the POS terminal 20 performs a settlement process for settling the price of the purchased item.
- the settlement process includes a settlement process for cash payment and a settlement process for credit payment. Such registration processing and settlement processing are known processing, and thus detailed description will be omitted.
- the ordering terminal 30 is an information processing apparatus operated by the user, and is, for example, a smart phone, a portable information terminal such as a portable telephone and a tablet terminal, a personal computer, and the like.
- the ordering terminal 30 may be, for example, a terminal device installed in a store or the like.
- the order support apparatus 10 predicts future demand quantity from external information such as sales performance and weather for each product, and outputs a recommended order quantity in consideration of the expiration date of the product, lead time and current stock quantity.
- FIG. 2 is a block diagram showing a configuration example of an information processing apparatus 100 (computer) used to realize the order support apparatus 10 and the order terminal 30 according to the first embodiment of the present invention.
- the information processing apparatus 100 includes a processor 101, a main storage device 102, an auxiliary storage device 103, an input device 104, an output device 105, and a communication device 106. These are communicably connected to each other via communication means such as a bus (not shown).
- the processor 101 is configured using, for example, a central processing unit (CPU) or a micro processing unit (MPU). Various functions of the information processing apparatus 100 are realized by the processor 101 reading and executing the program stored in the main storage device 102.
- CPU central processing unit
- MPU micro processing unit
- the main storage device 102 is a device for storing programs and data, and is, for example, a ROM (Read Only Memory), a RAM (Random Access Memory), an NVRAM (Non Volatile RAM), or the like.
- the auxiliary storage device 103 is a hard disk drive, a solid state drive (SSD), an optical storage device, a recording medium reading / writing device, or the like. Programs and data stored in the auxiliary storage device 103 are loaded into the main storage device 102 as needed.
- the input device 104 is, for example, a keyboard, a mouse, and a touch panel.
- the output device 105 is, for example, a liquid crystal monitor, an LCD (Liquid Crystal Display), a graphic card, or the like.
- the communication device 106 is a communication interface that communicates with another device via the communication network 4 and is, for example, a network interface card (NIC), a wireless communication module, or the like.
- NIC network interface card
- FIG. 3 is a block diagram showing main functions of the order support apparatus 10 according to the first embodiment of the present invention and main data stored in the order support apparatus 10.
- the order support device 10 includes a data processing unit 110 and a storage unit 120.
- the data processing unit 110 further includes a demand prediction unit 111, a demand prediction integration unit 112, a risk value calculation unit 113, an order quantity output unit 114, an evaluation unit 115, and a recommendation result provision unit 116.
- These functions are realized, for example, by the processor 101 of the information processing apparatus 100 reading out and executing a program stored in the main storage device 102. That is, in the following description, the processes executed by the above-described units are actually executed by the processor 101 according to the instructions described in the program.
- the storage unit 120 stores sales information 121, external information 122, prediction model information 123, prediction information 124, product information 125, inventory information 126, and recommendation information 127.
- the storage unit 120 manages such information (data) as, for example, a text file or a database table such as a RDBMS (Relational Data Base Management System). All or part of the information may be configured to be stored on another server via the communication network 4.
- the demand prediction unit 111 constructs one or more demand prediction models from the sales information 121 and the external information 122 when the prediction model information 123 of the product is not generated, and generates the prediction model information 123.
- the prediction period is described on a day basis.
- the demand forecasting model uses, for example, a simple moving average model, an exponential smoothing model, an ARIMA model (Auto Regressive Integrated Moving Average model), or a multiple regression model.
- the usual demand forecasting model may not be suitable. For example, if the sales result is only a few days in a month, it is not desirable to apply the ARIMA model and the multiple regression model.
- sales frequency is low, restrict the use of only a specific demand forecasting model that is suitable for that, change the unit of forecasting period, and select a longer period than normal forecasting period (1 day in the above example) It is desirable to make weekly forecasts.
- a dedicated model hereinafter, referred to as "low frequency model"
- the demand forecasting unit 111 reconstructs the demand forecasting model when the update schedule is registered in the forecasting model information 123.
- the demand prediction unit 111 calculates a predicted demand amount based on the prediction model information 123, the sales information 121, and the external information 122, and generates the prediction information 124.
- the forecasted demand amount is calculated by a probability distribution according to the demand forecasting model.
- FIG. 4 is explanatory drawing which shows an example of the predicted demand amount calculated by the demand forecasting part 111 of Example 1 of this invention.
- the probability that the demand amount per forecast period (for example, one day) is “20” is 1%, and the probability that the demand amount is “50” is 14%.
- An example of displaying the probability distribution of such forecast demand amount by a table is shown in FIG. 4 (a), and an example of displaying it by a graph is shown in FIG. 4 (b).
- the demand forecast integration unit 112 integrates a plurality of predicted demand amounts calculated by the demand forecast unit 111 as one predicted demand amount when there are a plurality of demand forecast models of the same product.
- the demand prediction integration unit 112 may, for example, integrate predicted demand amounts calculated from a plurality of demand prediction models at an equal ratio.
- the demand prediction integration unit 112 makes the ratio of the predicted demand calculated from the demand prediction model having a small prediction error to a larger proportion according to the prediction error of each demand prediction model (ie, the integrated predicted demand amount). Integration so that the contribution of For example, the demand prediction integration unit 112 integrates at a rate proportional to the reciprocal of the prediction error. This improves the prediction accuracy.
- mean absolute percentage error (MAPE), mean squared error (MSE), root mean squared error (RMSE), or the like is used.
- the risk value calculation unit 113 determines the sales opportunity loss and the sales opportunity loss for each ordered quantity taking into consideration the product information 125 such as the expiration date, the available sale date, and the lead time, and the inventory information 126 based on the predicted demand amount after integration. Calculate the risk value due to excess inventory.
- the sales opportunity loss is a loss of sales opportunity caused by lack of stock of the product despite demand for the product.
- the risk value calculation unit 113 calculates the out-of-stock risk and the low display risk as risks due to the sales opportunity loss.
- the low display risk is the risk that the consumer will refrain from purchasing and the sales will decrease, as the remaining number of products arranged on the display shelf of a store such as a supermarket is decreasing.
- the risk value calculation unit 113 calculates the out-of-stock risk using the following formula (1), and calculates the small display risk using the formula (2).
- m is the true demand in the forecast period.
- the predicted demand is m.
- s is an order quantity. “a” is the number serving as a reference for determining that the number of displays is small, and it is determined that a risk arises when the number of displays is a number or less. Assuming that a product of demand m sells at a constant speed, the interval between products sold is N / m days, and the number of days until the order quantity s is sold is N / m ⁇ s days.
- the risk value calculation unit 113 also calculates the consumption expiration risk and the excess inventory risk as risks due to the excess inventory.
- Surplus inventory risk is the risk of storing excess inventory. For example, the amount of stock exceeding demand and safety stock can be considered as extra stock.
- the risk value calculation unit 113 calculates the consumption expiration risk using the following equation (3), and calculates the surplus inventory risk using the equation (4).
- Y is the number of safety stock.
- the safety stock number can use a preset value or may be calculated using the following equation (5). Instead of the standard deviation of the prediction error, the standard deviation of the number of purchases may be used. In addition, for the period in which the forecasted demand amount is calculated, the forecasted demand amount may be used instead of the average sales volume in the equations (3) and (4). By performing the calculation as described above, it is possible to appropriately calculate the magnitude of each type of risk based on the product information such as the expiration date and the lead time and the predicted demand amount.
- each risk is calculated based on the number of days such that the out-of-stock days are 0.2 days.
- Each risk may be calculated on a monetary basis when the commodity price and the cost required for storage become clear. If calculated on a monetary basis, it will be easier to grasp the impact on management. It also allows you to compare risks between different products. On the other hand, since the cost required for storage is often ambiguous, and commodity prices also fluctuate, when dealing with various commodities, it is possible to reduce complicated processing by calculating each risk on a day basis.
- the risk value calculation unit 113 calculates the expected value of the out-of-stock risk, the low display risk, the consumption overage risk and the surplus inventory risk from the probability distribution of the predicted demand amount for each order amount, adds the weighted expected values and adds them. Calculate the risk value by The weight for each risk may be equal or, for example, the out-of-stock risk may be emphasized and the out-of-stock risk may be increased. Also, by setting the weight to "0", it is possible to exclude the risk that does not need to be considered from the calculation of the risk value. For example, in the case where there is no display of goods in mail order or wholesale business, the weight of the small display number risk may be set to “0”.
- FIG. 5 is an explanatory view showing an example of a risk value calculation process by the risk value calculation unit 113 according to the first embodiment of the present invention.
- FIG. 5 shows an example of the risk value calculation process when the order quantity is 50 pieces.
- the demand risk is 0 until the demand quantity is 50 pieces, but if the demand quantity exceeds 50 pieces, the stock out occurs, and the demand risk for the case of 55 pieces is the formula It becomes 0.091 from (1).
- the probability that the demand amount is 55 pieces is 12%, so the expected value is 0.0109 ⁇ 12% and becomes 0.0109.
- Expected values are calculated for all the demand amounts set by the probability distribution, and the final expected value of the out-of-stock risk is 0.138.
- Expected values for the low display risk, surplus inventory risk and consumption expiration risk calculated in the same way as the expected value for the out-of-stock risk are respectively 0.152, 0.115 and 0.
- the risk value is calculated to be 0.543, and this value is the risk value when the order quantity is 50 pieces.
- FIG. 6 is an explanatory view showing an example of the result calculated by the risk value calculation unit 113 according to the first embodiment of the present invention. Specifically, FIG. 6 shows an example of graphically displaying the result when the risk value is calculated by the method shown in FIG. 5 for each order quantity.
- the risk value calculated in the example described above is a risk value when the stock amount at the time the ordered product is delivered is zero.
- the stock quantity at the time of delivery is estimated using the following equation (6).
- the risk value calculation unit 113 adjusts the ordered amount according to the stock amount at the delivery time point estimated by the equation (6) to obtain a final risk value.
- the order amount output unit 114 outputs an appropriate order amount as a recommended order amount based on the risk value calculated by the risk value calculation unit 113.
- the order quantity output unit 114 outputs, for example, an order quantity that minimizes the risk value as a recommended order quantity.
- the user sets the range of acceptable risk values and which of sales opportunity loss and excess inventory are desired to be avoided, and the order quantity output unit 114 outputs the recommended order quantity according to the set conditions.
- the order quantity output unit 114 registers the recommended order quantity and the risk value calculated by the risk value calculation unit in the recommendation information 127.
- the evaluation unit 115 confirms the level of the stock amount, and when the stock amount level is not appropriate, evaluates whether it is necessary to update the demand forecasting model.
- An appropriate inventory level can be set, for example, based on the latest average sales volume. For example, the evaluation unit 115 confirms whether the inventory level is appropriate using the following equation (7).
- b ki is the i-th sales quantity of the product k.
- n k is a value indicating the order of the latest sales volume of the product k. For example, if the sales quantity of the product k is stored from 100 days ago, n k is 100.
- T is the number of days for calculating the average sales volume, for example, when using the average sales volume of the last two weeks, T is 14.
- L k is the lead time of the product k.
- the evaluation unit 115 obtains the upper limit of the inventory level by using the following equation (8) instead of the equation (7), for example, when dealing with a product whose order unit is large compared with the average sales volume.
- U k is an order unit of goods k.
- the inventory level is always the upper limit of the inventory level It is possible to avoid the situation of exceeding.
- the evaluation unit 115 evaluates the accuracy of the demand forecasting model (in other words, whether or not it is necessary to update the demand forecasting model) when the inventory level is not appropriate. For example, the evaluation unit 115 compares the past sales volume stored in the sales information 121 with the forecasted demand on the same day, and updates the demand forecasting model when the difference between the actual sales volume and the forecasted demand is large. It determines that it is necessary, and registers the update schedule in the prediction model information 123 of the product. After the update schedule is registered, the demand prediction unit 111 updates the demand prediction model (see FIG. 17 and the like for details).
- the index serving as a trigger for evaluating whether or not the demand forecasting model needs to be updated is not limited to the inventory level, but the stockout rate, inventory turnover rate, discard rate, average sales number change, or product life cycle The change point of may be used.
- the storage unit 120 may hold information on the life cycle of each product (for example, in the product information 125).
- the evaluation unit 115 updates the demand forecasting model at the time when the demand amount is estimated to change, such as the time when the life cycle stage changes, for example, the time when the introduction period shifts to the growth period, based on the life cycle of each product. It may be determined whether or not it is necessary. This enables the demand forecasting model to be updated at an appropriate time.
- the recommended result provision unit 116 When the recommended result provision unit 116 receives the request for provision of the recommended order amount from the ordering terminal 30, the product information of all the products belonging to the category is obtained for the product category received together with the provision request, and the information of all the acquired products ( The list is sent to the ordering terminal 30.
- FIG. 7 is a block diagram showing the main functions of the order placement terminal 30 according to the first embodiment of the present invention.
- the ordering terminal 30 includes an ordering support result receiving unit 311, an ordering support result display unit 312, and an order quantity determination unit 313. These functions are realized, for example, by the processor of the information processing apparatus 100 constituting the ordering terminal 30 reading out and executing a program stored in the main storage device 102.
- the order support result receiving unit 311 receives the information transmitted from the recommendation result providing unit 116 of the order support apparatus 10.
- FIG. 8 is an explanatory view showing an example of an ordering list screen 800 displayed on the output device 105 by the ordering terminal 30 when the user confirms the ordering amount in the first embodiment of the present invention.
- the order list screen 800 includes a product category input area 801, an order list display unit 802, an order amount input area 803, and an order amount determination operation unit 804.
- the order support result display unit 312 of the order terminal 30 transmits to the order support apparatus 10 a request for providing a recommended order amount together with the selected product category.
- the input to the product category input area 801 may be performed by the user selecting from a list of product categories prepared in advance as described above, or may be performed by directly inputting a product category name.
- the order support result display unit 312 also displays a list of recommended order quantities on the order list display unit 802 for the products of the product category input in the product category input area 801 based on the information received by the order support result reception unit 311. Do.
- the list of recommended order quantities displayed in the order list display unit 802 includes, for example, items of a product name, an order pattern, a trend, a predicted demand quantity, a recommended order quantity, and an order quantity.
- the items displayed on the order list display unit 802 may include information that allows the user to determine the order amount, and the order pattern and the trend are not necessarily required. In the present embodiment, an example is presented in which these items are included as information that can be considered when the user decides the order amount.
- the order quantity determination unit 313 receives an order quantity determination process by the user.
- the order quantity column displayed in the order list display unit 802 of the order list screen 800 also serves as the order quantity input area 803, and when the user desires to change the order quantity, the order quantity determination section 313 determines the order quantity input area.
- the input from the user input in 803 is accepted.
- the order amount determination unit 313 determines the order amount.
- FIG. 9 is an explanatory view showing an example of the order details screen 900 displayed when a specific product is selected in the order list display unit 802 of the order list screen 800 according to the first embodiment of the present invention.
- the order details screen 900 includes a product information display unit 901, a setting condition display unit 902, a result display unit 903, a change order amount input area 904, and an order amount update operation unit 905.
- the product information display unit 901 displays information of the product (that is, the product selected by the user) stored in the product information 125.
- the setting condition display unit 902 displays setting conditions regarding the method of calculating the risk value and the method of determining the recommended order amount. Details of setting of setting conditions will be described later with reference to FIG.
- the result display unit 903 displays a risk value 903A stored in the recommendation information 127, and a demand change 903B indicating a change between the sales result and the forecasted demand amount.
- the demand change 903B is obtained by plotting the sales volume (sales record) stored in the sales information 121 and the forecasted demand stored in the prediction information 124 on a graph with the horizontal axis as a date, for example. .
- the predicted demand is obtained as a probability distribution
- the demand calculated from the probability distribution is plotted.
- the demand with the highest probability may be plotted, or the expected value of the demand calculated from the probability distribution may be plotted.
- the result display unit 903 also displays the forecast demand amount and the planned delivery quantity 903C from the order placement date to the date when the quantity ordered on the order placement date is delivered in the form of a graph.
- the delivery date is February 21 and the forecasted demand from February 19 to February 21
- the planned delivery quantity is displayed. This allows the user to adjust the order quantity while taking into consideration the difference between the past sales results and the forecasted demand and the future delivery schedule.
- the user wants to change the order amount, the user inputs the changed order amount in the change order amount input area 904, and operates the order amount update operation unit 905 (for example, the update button displayed on the screen is pressed)
- the order quantity can be changed by
- the order quantity displayed on the order list screen 800 is also updated.
- FIG. 10 is an explanatory view showing an example of sales information 121 managed as a database table by the storage unit 120 of the order support apparatus 10 according to the first embodiment of the present invention.
- the sales information 121 holds the results of product sales.
- the sales information 121 is composed of one or more records having items of a product ID 1011, a sold date 1012, and a sales volume 1013.
- the product ID 1011 an ID for identifying a product is set.
- a JAN code may be used as the product ID 1011.
- the sold date 1012 and the sold volume 1013 respectively have the date the item was sold and its volume.
- FIG. 11 is an explanatory diagram showing an example of the external information 122 managed by the storage unit 120 of the order support apparatus 10 according to the first embodiment of the present invention as a table of a database.
- the external information 122 manages information necessary to use a demand forecasting model that uses data other than sales quantities, such as multiple regression models. As shown in FIG. 11, the external information 122 is composed of one or more records having items of date 1111, day of week 1112, holiday flag 1113, weather 1114, temperature 1115, and event 1116. Each record corresponds to the information for each date set on the date 1111.
- the holiday flag 1113 it is set whether the date is a holiday. For example, if the date is a holiday, the holiday flag 1113 is set to “1”, and if it is not a holiday, the holiday flag 1113 is set to “0”.
- the event 1116 the presence or absence of an event to be held in the vicinity (for example, the vicinity of a store where the ordering terminal 30 is installed) on the date is set. For example, when an event is held, “1” is set to the event 1116, and when the event is not held, “0” is set to the event 1116.
- the external information 122 to be managed may include not only the day of the week, a holiday flag, weather, temperature and events, but also wind power, special sale status, trend, discount rate from list price, and the like.
- FIG. 12 is an explanatory view showing an example of the prediction model information 123 managed as a table of the database by the storage unit 120 of the order support device 10 of the first embodiment of the present invention.
- the prediction model information 123 information of the demand prediction model constructed by the demand prediction unit 111 is managed. As illustrated in FIG. 12, the prediction model information 123 is configured of one or more records having items of a product ID 1211, a model type 1212, a frequency 1213, an error 1214, an update schedule 1215, and an update content 1216.
- the model type 1212 is set with the type of demand forecasting model.
- the frequency 1213 it is set whether the sales frequency of the product set in the product ID 1211 of each record is high or low. For example, the frequency is set to "low” when the sales record of the product is 2 days or less a week, and the frequency is set to "high” when the product is sold 3 days a week or more.
- a prediction error is set when the demand amount of the product of each record is predicted by the demand prediction model set in the model type 1212. As the calculation of the prediction error, the error at the time of model construction in the data used when constructing the demand prediction model may be used, or the error between the prediction in the latest determined period and the sales results is used You may
- the update schedule 1215 “1” is set when it is necessary to update the information of the record as a result of evaluation by the evaluation unit 115, and “0” is set when it is not necessary to update.
- the update content 1216 the update content of the demand forecasting model determined by the evaluation unit 115 is set.
- model type is set
- parameter is set in the case of a change in parameter.
- the change in the type of demand forecasting model means a change from a model other than the low frequency model to a low frequency model, or a change from a low frequency model to another model. If you do not consider changes in the type of demand forecasting model, such as not limiting the type of demand forecasting model to be used according to sales frequency, you may exclude the update content 1216 from the item of forecasting model information 123 .
- FIG. 13 is an explanatory diagram of an example of the product information 125 managed by the storage unit 120 of the order support apparatus 10 according to the first embodiment of the present invention as a table of a database.
- the product information 125 includes one or more records having items of product ID 1311, product name 1312, category 1313, expiration date 1314, lead time 1315, and order unit 1316.
- categories of goods for example, snacks, seasonings, meats, vegetables, etc.
- the expiration date of the product is set as the number of days in the expiration date 1314. For example, in the case of a product whose expiration date is 60 days from manufacture, the expiration date 1314 is set to 60. In the case of a product that does not have a expiration date, an expiration date or an available sale period may be set instead of the expiration date.
- lead time 1315 a period from ordering of goods to delivery is set.
- the order unit 1316 is set with a unit for ordering a product. For example, in the case of a product that can not be ordered in units of one, but needs to be ordered in units of ten, “10” is set.
- FIG. 14 is an explanatory diagram of an example of inventory information 126 managed by the storage unit 120 of the order support apparatus 10 according to the first embodiment of the present invention as a table of a database.
- Inventory information 126 holds a history of product inventory. As shown in FIG. 14, the inventory information 126 includes one or more records having items of item ID 1411, date 1412, inventory amount 1413, delivery amount 1414, and order amount 1415.
- the stock amount 1413 the stock amount on the date set on the date 1412 of the product set in the product ID 1411 is set.
- the delivery amount 1414 the quantity of the product set in the product ID 1411 is set on the date set in the date 1412 is set.
- the order quantity 1415 the quantity of goods set by the goods ID 1411 ordered on the date set by the date 1412 is set.
- the delivery amount 1414 and the order amount 1415 are described as a configuration for managing the stock information 126. However, they may be managed separately from the stock information as the order information.
- FIG. 15 is an explanatory view showing an example of the recommendation information 127 managed as a database table by the storage unit 120 of the order support apparatus 10 according to the first embodiment of the present invention.
- the recommendation information 127 is configured of one or more records having items of a product ID 1511, a date 1512, a recommended order quantity 1513, and a risk value 1514.
- the recommended order quantity determined by the order quantity output unit 114 is stored in the recommended order quantity 1513.
- the risk value calculated by the risk value calculation unit 113 is stored in the risk value 1514.
- the risk value 1514 may be a list of the ordered quantity and the risk value of the ordered quantity described in a list format or a data format corresponding to the language of the mounting program.
- FIG. 16 shows an option setting screen 1600 for setting the condition for calculating the risk value by the risk value calculation unit 113 and the recommended order amount output from the order amount output unit 114 according to the first embodiment of the present invention. It is explanatory drawing which shows an example.
- the risk value calculation unit 113 determines the risk of sales opportunity loss (out-of-stock risk, low display risk) and excess inventory risk (consumption expiration risk, surplus inventory risk When weighting and adding the expected value of), the weight of the risk of sales opportunity loss is made greater than the risk of excess inventory.
- the risk value calculation unit 113 sets the weight of the risk of loss of sales opportunity and the weight of the risk of excess inventory to the same size. In the example of FIG. 16, “Equal” is the default value, and “Equal” is automatically selected when the user does not select any option.
- the risk value calculation unit 113 sets the weight of the risk of excess inventory to zero. If “prevent excess stock avoidance” is selected, the risk value calculation unit 113 makes the weight of the risk of excess stock greater than the weight of the risk of sales opportunity loss. When “consider only excess stock avoidance” is selected, the risk value calculation unit 113 sets the weight of the risk of the sales opportunity loss to 0.
- the type of risk accepted may differ depending on the location conditions of the store, etc., but by performing weighting as described above for each store, a risk value meeting the store's conditions is calculated, and as a result, the store's conditions It is possible to present an order quantity that conforms to.
- the risk value calculation unit 113 calculates the risk value using the weight input by the user.
- the setting method of the weighting option as described above and the weight corresponding to each option is an example, for example, weighting different from the above may be performed, for example, an option other than the above may be displayed.
- the user selects one of the displayed options in the column 1602 of “How to determine the recommended order amount” on the option setting screen 1600.
- “order amount for which the risk value is minimum” and “set an allowable range of the risk value” are displayed as options. If the recommended order quantity is the order quantity that minimizes the risk value, the user selects the “order quantity that minimizes the risk value”. When determining the recommended order quantity from the order quantity which is the risk value within the allowable range, the user selects "set the allowable range of the risk value”. If you select "Set tolerance of risk value", the user further enters the maximum value of acceptable risk value in the "Maximum acceptable risk value” input field to avoid either sales opportunity loss or excess inventory. Choose whether you want to give priority. In addition, the user may either “provide an order quantity with a minimum risk value” or “do not provide a recommended order quantity” if the minimum value of the risk value exceeds the value set in the “maximum acceptable risk value”. Choose how to deal with it.
- the order quantity output unit 114 sets a small order quantity to avoid an excess stock (for example, a consumption expiration risk or a surplus stock risk is minimized) in the order quantity range in which the risk value is 1 or less. Order quantity is output as the recommended order quantity.
- the setting of the method of determining the recommended order amount as described above is an example, and a setting different from the above may be performed, for example, options other than the above may be displayed.
- the user selects “Set an acceptable range of risk value”, and enters the maximum allowable risk value in the “Allowable maximum risk value” input field.
- the order quantity output unit 114 outputs the sales opportunity loss within the range of the order quantity for which the risk value is 1 or less.
- Both the higher order quantity to be avoided (for example, the order quantity that minimizes the risk of out-of-stock or the number of displayed items) and the small order quantity that avoids excess inventory may be output as the recommended order quantity.
- the order quantity output unit 114 may output, together with each order quantity, information indicating which risk each order quantity is to be avoided. The user can select one by referring to the output information.
- the setting of options may be performed via the screen (option setting screen 1600) as described above, or, for example, a file in which options are described may be provided to the order support apparatus 10 as an input.
- FIG. 17 is a flowchart illustrating an example of processing performed by the demand prediction unit 111 and the demand prediction integration unit 112 according to the first embodiment of this invention.
- the demand prediction unit 111 sets a product to be a target for which the demand is predicted (S1701).
- the demand forecasting unit 111 determines whether a demand forecasting model is built for the target product (S1702). If the demand forecasting model is built (S1702: YES), the process proceeds to S1703. When the demand forecasting model is not built (S1702: NO), the demand forecasting unit 111 builds the demand forecasting model and adds forecasting model information 123 (S1704).
- the demand forecasting unit 111 determines whether there is a plan to update the built demand forecasting model (S1703). If there is no update schedule (S1703: NO), the process proceeds to S1706. If there is an update schedule (S1703: YES), the demand prediction unit 111 reconstructs the demand prediction model and updates the prediction model information 123 (S1705).
- the demand prediction unit 111 reads out the demand prediction model of the target product from the prediction model information 123 (S1706). The demand forecasting unit 111 determines whether there is a demand forecasting model for which the forecasted demand amount is not calculated among the demand forecasting models read out in S1706 (S1707). If the forecasted demand amount has been calculated for each demand forecast model (S1707: NO), the process proceeds to S1708. If there is a demand forecasting model for which the forecasted demand volume is not calculated (S1707: YES), the process proceeds to S1709, and the demand forecasting unit 111 calculates the forecasted demand volume.
- the demand forecasting unit 111 determines whether the forecasted demand amount has been calculated from two or more demand forecasting models (S1708). When only a single predicted demand amount is calculated from one demand prediction model (S1708: NO), the demand prediction unit 111 registers the predicted demand amount in the prediction information 124 (S1711) and ends the processing. If the predicted demand amount is calculated from each of two or more demand forecast models (S1708: YES), the demand forecast integration unit 112 integrates the calculated forecast demand amount (S1710), and then the demand forecast unit 111 registers the predicted demand amount after integration in the prediction information (S1711) and ends the processing.
- FIG. 18 is a flowchart illustrating an example of processing performed by the evaluation unit 115 according to the first embodiment of this invention.
- the evaluation unit 115 determines whether the current inventory level is appropriate (S1801). For example, the evaluation unit 115 may determine that the current inventory level is appropriate when the inventory level is within the range from the lower limit to the upper limit of the inventory amount calculated by Equation (7) or Equation (8). If the current inventory level is appropriate (S1801: YES), the process is ended. If the current inventory level is not appropriate (S1801: NO), it is determined whether or not the demand forecast model is to be updated. To advance to step S1802.
- the fact that the current inventory level is not appropriate is an example of a trigger for determining whether or not to update the demand forecast model, and the evaluation unit 115 performs the determination based on another trigger in S1801. You may go.
- the evaluation unit 115 may determine in S1801 whether or not the time when the amount of demand changes has arrived based on the life cycle of the product, and if it is determined that it has arrived, the process may proceed to S1802.
- the evaluation unit 115 determines whether a shortage occurs (S1802). If no shortage occurs (S1802: NO), the evaluation unit 115 determines whether the inventory level shifts toward the appropriate range (S1803), and if a shortage occurs (S1802) : YES) Proceed to S1804.
- the evaluation unit 115 ends the process when the inventory amount level shifts in the direction toward the appropriate range (S 1803: YES), and when not shifting in the direction toward the appropriate range (S 1803: NO) in S 1804 move on.
- the evaluation unit 115 reads the date and sales quantity from the sales information 121, and determines whether there is a change in the sales frequency. For example, the evaluation unit 115 calculates whether the sales frequency of the latest one month is higher or lower than a predetermined standard (for example, three days or more per week), and the calculated result is registered in the prediction model information 123. Frequency 1213 If it is different from the value of, it is determined that there is a change in sales frequency. If there is no change in the sales frequency (S1804: NO), the processing proceeds to S1805, and if there is a change in the sales frequency (S1804: YES), the processing proceeds to S1806.
- a predetermined standard for example, three days or more per week
- the evaluation unit 115 sets “1” to the change schedule of the prediction model information 123, and sets “model type” in the update content 1216 of the prediction model information 123 (S1806). After completing the setting in S1806, the evaluation unit 115 ends the process.
- the demand prediction unit 111 selects FIG. In S1705, the type of demand forecasting model is changed. For example, when the sales frequency is changed from high frequency to low frequency in S1804, a low frequency model is newly constructed. On the other hand, when the sales frequency is changed from low to high in S1804, a normal type demand forecasting model such as a multiple regression model is constructed. This makes it possible to construct an appropriate demand forecasting model according to sales frequency.
- the evaluation unit 115 compares the sales volume of the sales information 121 with the predicted demand volume of the prediction information 124 and determines whether there is a difference between the two (S1805). At this time, the evaluation unit 115 determines that there is a difference between the two when the difference between the sales quantity and the forecasted demand amount is larger than a predetermined reference. For example, the evaluation unit 115 may determine that there is a difference between the sales volume and the forecasted demand amount when the difference between the sales volume and the forecasted demand amount is 10% or more of the average sales volume in the last two weeks. .
- the period for comparing the sales volume and the forecasted demand amount is not limited to the last two weeks, and may be ten days or one month.
- the determination of the difference is not limited to 10% or more of the average sales volume, and may be performed based on a different ratio or a specific numerical value. If there is no divergence between the sales volume and the predicted demand amount (S1805: NO), the processing is ended, and if there is a divergence (S1805: YES), the processing proceeds to S1807.
- the evaluation unit 115 sets “1” to the change schedule of the prediction model information 123, and sets “updated content” 1216 of the prediction model information 123 as “parameter”. After completing the setting in step S1807, the evaluation unit 115 ends the process. In this case, the demand prediction unit 111 then changes the parameters of the demand prediction model in S1705 of FIG. This improves the forecasting accuracy of the demand forecasting model.
- the prediction period is described as a unit of one day, but a plurality of days may be put together as one prediction period as necessary.
- the prediction period may be on a weekly basis. Alternatively, it may be a unit shorter than one day, such as one hour.
- the sales volume of various products may increase, and there may be a shortage of resources required for delivery and delivery work. Therefore, in the long run (two weeks, three weeks, etc.), the future demand quantity may be forecasted, and the order quantity may be increased ahead of time for products with a long consumption term.
- the ordering support system 1 of this embodiment calculates the risk of sales opportunity loss and excess inventory taking into consideration the product information (expiration date, lead time, etc.) and the predicted demand amount in the future, Present an appropriate order quantity to curb Further, the order support system 1 of the present embodiment updates the demand forecasting model when the stock level is not appropriate. For this reason, it is possible to present an appropriate order quantity while coping with changes in purchasing trends.
- the order support system 1 of the first embodiment is set to be updated immediately when the demand forecasting model needs to be updated.
- the period of information (sales information 121 and external information 122) used for rebuilding the demand forecasting model when the demand forecasting model needs to be updated.
- the order support system 1 of the second embodiment does not perform demand forecasting (i.e., does not construct a demand forecasting model) for products whose sales frequency is extremely low (i.e., does not construct a demand forecasting model), and sets order support.
- ordering means that the store places an order according to the order received from the customer. That is, the store does not have the stock of the product set to correspond in the order placement order (unless receiving the order of the product from the customer).
- FIG. 19 is a block diagram showing the main functions of the order support apparatus 10A of the second embodiment of the present invention and the main data stored by the order support apparatus 10A.
- the data processing unit 110 of the order support device 10A of the second embodiment includes a demand prediction unit 111A instead of the demand prediction unit 111, and an evaluation unit 115A instead of the evaluation unit 115. Further, the storage unit 120 stores prediction model information 123A instead of the prediction model information 123, and stores inventory information 126A instead of the inventory information 126.
- FIG. 20 is an explanatory diagram of an example of prediction model information 123A managed by the storage unit 120 of the order support apparatus 10A according to the second embodiment of the present invention as a table of a database.
- the record of the prediction model information 123A of the second embodiment further includes the data start date 1217 and the level adjustment 1218. Further, the record of the prediction model information 123A has items of a model type 1212A in place of the model type 1212 and an update schedule 1215A in place of the update schedule 1215 and an update content 1216A in place of the update content 1216.
- model type 1212A when each product identified by the value of the product ID 1211 is a corresponding product in order placement, "order placement" is set. If each product is not a corresponding product in order placement, the type of demand forecasting model is set as in the first embodiment.
- update schedule 1215A a schedule date for updating the demand forecasting model is set.
- update content 1216A in addition to the “model type” and “parameter” set as the update content 1216 of the prediction model information 123 in the first embodiment, the products supported by the order acceptance change from the order acceptance to the prediction target It is registered as "new" when it becomes.
- the start date of data used when rebuilding the demand forecasting model is set. For example, when information on the product is accumulated in the sales information 121 from May 17, 2015, the data from May 17, 2015 is used when the demand forecasting model is first constructed. Thereafter, when the sales trend changes, such as a change in sales volume level or a change in sales frequency, the data used for rebuilding the demand forecast model uses the data after the change in the sales trend. If the latest sales trend has changed on October 1, 2016, the data start date 1217 is set to "2016/10/1.” This can prevent deterioration in prediction accuracy that may occur when constructing a demand prediction model using data with different sales tendencies.
- level adjustment 1218 when updating the demand forecasting model, the amount of data used to build the demand forecasting model is not sufficient, and until the sufficient amount of data is accumulated, it is calculated by the existing demand forecasting model When dealing with by adjusting the level of the forecast demand amount, “1” is set, and otherwise “0”. For example, if the data start date is "2016/10/10" and the amount of data required to build the demand forecast model is set to two weeks, the demand forecast model is updated to 2016/10/15 or later Ru. Until then, when performing level adjustment, the level adjustment 1218 is set to “1”.
- the amount of data required to construct a demand forecasting model may be set for each type of demand forecasting model, or the same value may be set for all types of demand forecasting models.
- FIG. 21 is an explanatory diagram showing an example of inventory information 126A managed by the storage unit 120 of the order support apparatus 10A of the second embodiment of the present invention as a table of a database.
- the record of the inventory information 126A of the second embodiment further includes an item of the discard amount 1416.
- the discard amount 1416 when the product is discarded due to consumption expiration or the like, the quantity is set.
- the demand prediction unit 111A constructs one or more demand prediction models from the sales information 121 and the external information 122 when the prediction model information 123A of the product is not generated, and generates the prediction model information 123A.
- the demand forecasting unit 111A does not construct the demand forecasting model of the product when the sale frequency of the product is extremely low, or the occurrence of discarding due to consumption expiration is large, and the product is regarded as a product corresponding to the order acceptance order. It registers in prediction model information 123A.
- the demand prediction unit 111A determines that there is a large amount of discarding when the ratio of the discard amount to the delivery (purchasing) amount of the product (hereinafter referred to as a discard rate) is higher than a value set in advance. .
- the demand forecasting unit 111A reconstructs the demand forecasting model when the update schedule is registered in the forecasting model information 123A. Further, when the product is not a corresponding product in order placement, the demand prediction unit 111A calculates the predicted demand amount based on the prediction model information 123A, the sales information 121, and the external information 122, and generates the prediction information 124.
- the evaluation unit 115A compares the past sales volume stored in the sales information 121 with the predicted demand amount on the same day when the inventory level is not appropriate for the product not supported by the order placement, and the actual sales volume When the difference between the forecast demand amount and the demand amount is large, it is determined that the demand forecast model needs to be updated, and the update schedule is registered in the forecast model information 123A of the product. The evaluation unit 115A also determines whether or not the product corresponding to the received order is to be supported by the received order, and registers so as to cancel the received order as necessary.
- FIG. 22 is a flowchart illustrating an example of processing performed by the demand prediction unit 111A and the demand prediction integration unit 112 according to the second embodiment of this invention.
- the demand forecasting unit 111A should respond to the order by ordering the product based on the sales frequency, sales interval, and discard rate of the target product set in S1701. It is determined whether it is a product (S2212). If it is a product to be dealt with by order placement (S2212: YES), the processing proceeds to S2213, and if no order placement is required (S2212: NO), the processing proceeds to S1704.
- the demand prediction unit 111A registers “order acceptance order” as the “order acceptance order” in the model type 1212A of the prediction model information 123A when the commodity is a commodity to be dealt with by order acceptance (S2213).
- the demand forecasting unit 111A determines whether the scheduled update date registered in the update schedule 1215A of the forecast model information 123A has passed (S2214). If the scheduled update date has passed (S2214: YES), the processing proceeds to S1705, and if the scheduled update date has not come (S2214: NO), the processing proceeds to S2215.
- the demand forecasting unit 111A determines that the scheduled update date has not come (S2214: NO), if it executes S1705, if it determines that there is no scheduled update (S1703: NO), if it executes S2213, When S1704 is executed, it is determined whether the demand forecast of the product is necessary based on whether or not the model type 1212A set in the prediction model information 123A of the target product is "order acceptance" (S2215). If the model type 1212A is not "order acceptance”, the demand prediction unit 111A determines that a demand forecast is necessary (S2215: YES), and proceeds to S1706. When the model type 1212A is “order acceptance order”, the demand prediction unit 111A determines that the demand prediction is not necessary (S2215: NO) and ends the processing.
- the demand forecasting unit 111A computes the forecasted demand volume (S1709A). In the calculation of the forecast demand amount in S1709A, the demand forecasting unit 111A adjusts the level of the forecast demand amount when the level adjustment 1218 of the forecast model information 123A of the product is set to “1”.
- the demand prediction unit 111A continues the day when the predicted demand amount is larger than the sales volume for a predetermined length (for example, 10 days) and the median of the error is the latest 2 When it becomes more than the predetermined ratio (for example, 10%) of the average sales volume of a week, you may adjust so that a predicted demand amount may become small by integrating
- 23 and 24 are flowcharts showing an example of processing performed by the evaluation unit 115A according to the second embodiment of this invention.
- the evaluation unit 115A determines whether the target product is a product that is supported by the order placement (S2308). If the target product is a product that supports order acceptance (S2308: YES), the process advances to S2309, and if the target product is not a product that supports order acceptance (S2308: NO), the process advances to S1801.
- the evaluation unit 115A determines whether or not the target product is to be used as the received order when the target product is a product corresponding to the received order (S2309). Here, the evaluation unit 115A performs the continuation determination based on the sales frequency, the sales interval, and the discard rate of the product. If it is determined that the order is to be made continuously (S2309: YES), the process is ended, and if the order is released (S2309: NO), the process proceeds to S2310.
- the evaluation unit 115A registers "new" in the updated content 1216A of the predicted model information 123A, and starts data on the date when the change in sales frequency, sales interval, and discard rate caused the cancellation of the received order. Register as day 1217. Further, a date obtained by adding the number of days until data of an amount necessary for constructing a demand forecasting model is added to the data start date 1217 is registered in the update schedule 1215A as a scheduled update date.
- the evaluation unit 115A proceeds to S2311.
- S2311 when the evaluation unit 115A changes the sales frequency to a decreasing direction, the evaluation unit 115A determines, based on the sales frequency, the sales interval, and the discard rate of the product, whether to switch to the correspondence in order placement.
- S2311: YES When switching to the correspondence in the order placement (S2311: YES), the processing proceeds to S2312, and when not switching to the correspondence in the placement ordering (S2311: NO), the processing proceeds to S2313.
- the evaluation unit 115A When switching to the order acceptance order, the evaluation unit 115A deletes the record in which the product ID 1211 of the prediction model information 123A is the ID of the product, sets the model type 1212A as "order acceptance order", and the frequency 1213 as "low”. Information is newly added as prediction model information 123A of the product (S2312).
- the evaluation unit 115A When not switching to the order acceptance order, the evaluation unit 115A identifies the day on which the change in sales frequency occurred (S2313), and is necessary to change the type of demand forecasting model to the forecasting model information 123A of the product. Information is registered (S1806A), and the process proceeds to S2315.
- the evaluation unit 115A registers the date specified in S2313 in the data start date 1217 of the prediction model information 123A, and sets the number of days until data of the amount necessary to construct the demand prediction model is accumulated on the data start date.
- the added date is registered in the update schedule 1215A of the prediction model information 123A, and is registered as "model information" in the update content 1216A of the prediction model information 123A.
- the evaluation unit 115A specifies the day when the discrepancy between the sales volume and the level of the forecasted demand occurs (S2314). For example, the evaluation unit 115A determines that the average sales volume for a predetermined period (for example, the immediately preceding week) is predetermined based on the average sales amount for a predetermined period (for example, the immediately preceding week) at a predetermined time (for example, seven days before that).
- the evaluation unit 115A registers information necessary for updating the parameters of the demand prediction model in the prediction model information 123A of the product (S1807A), and proceeds to S2315.
- the evaluation unit 115A registers the date specified in S2314 in the data start date 1217 of the prediction model information 123A, and sets the number of days until data of the amount necessary for constructing the demand prediction model is accumulated on the data start date.
- the added date is registered in the update schedule 1215A of the prediction model information 123A, and is registered as "parameter" in the update content 1216A of the prediction model information 123A.
- the evaluation unit 115A determines whether to cope with by adjusting the level of the forecast demand amount calculated by the existing demand forecast model until the scheduled update date registered in the forecast model information 123A. For example, in a predetermined period (for example, the last two weeks), the evaluation unit 115A continues the day when the predicted demand amount is larger than the sales volume for a predetermined number of days (for example, 10 days), and the median of the error is for the last two weeks. It may be determined that the level adjustment is to be performed when the average sales amount is equal to or more than a predetermined ratio (for example, 10%).
- a predetermined ratio for example, 10%
- the evaluation unit 115A also sets the level when the predicted demand amount falls below the sales volume for 10 days or more and the median of the error is 10% or more of the average sales volume for the last 2 weeks in the last 2 weeks. It may be determined that the adjustment is to be carried out.
- the evaluation unit 115A sets “1” to the level adjustment 1218 of the prediction model information 123A (S2316). If the level adjustment is not to be performed (S2315: NO) The level adjustment 1218 of the model information 123A is set to “0” (S2317), and the process is ended.
- the demand forecasting model when updating the demand forecasting model according to the change in the sales trend, the demand forecasting model is used by using the data after the change in the sales trend. Build Therefore, it is possible to perform demand forecasting with higher accuracy, and to present more appropriate order quantity.
- the demand forecast and the recommended order volume are not presented, and it is set so as to cope with order placement. Therefore, it is possible to reduce the disposal of products generated due to low sales frequency, and to reduce the number of products for which the recommended order quantity is to be calculated, thereby reducing resources required for processing. it can.
- the present invention is not limited to the embodiments described above, but includes various modifications.
- the embodiments described above have been described in detail for better understanding of the present invention, and are not necessarily limited to those having all the configurations of the description.
- part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.
- each of the configurations, functions, processing units, processing means, etc. described above may be realized by hardware, for example, by designing part or all of them with an integrated circuit. Further, each configuration, function, and the like described above may be realized by software by the processor interpreting and executing a program that realizes each function.
- Information such as programs, tables, and files for realizing each function can be stored in a nonvolatile semiconductor memory, a hard disk drive, a storage device such as a solid state drive (SSD), or a computer readable non-volatile memory such as an IC card, an SD card, or a DVD. It can be stored on a temporary data storage medium.
- control lines and the information lines indicate what is considered to be necessary for the explanation, and not all the control lines and the information lines in the product are necessarily shown. In practice, almost all configurations may be considered to be mutually connected.
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
記憶部と、データ処理部と、を有する発注支援システムであって、データ処理部は、記憶部に保持された販売実績に基づいて商品の需要予測モデルを構築し、構築した需要予測モデルを用いて商品の予測需要量を算出し、予測需要量に基づいて、商品の発注量ごとに、商品の販売機会損失が発生するリスク及び商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出し、算出されたリスク値に基づいて推奨発注量を出力し、販売実績及び予測需要量に基づいて需要予測モデルを更新するか否かを判定し、需要予測モデルを更新すると判定された場合に、前記需要予測モデルを更新する。
Description
本発明は、商品の発注を支援する技術に関する。
適正な在庫量を設定するために、特開平8-279013号公報(特許文献1)に記載された技術がある。特許文献1には、「データの入出力表示と演算処理機能を有するデータ入出力部と、過去の需要量実績を機種別に記憶する需要量実績記憶部と、前記需要量実績記憶部の情報を用いて、機種別に需要量の確率分布を予測する需要量確率分布予測部と、前記需要量確率分布予測部から得られる機種別需要量の確率分布から適正在庫量の設定範囲を決定する適正在庫量範囲設定部と、在庫時に発生する在庫コストや品切れ時に発生する販売機会損失コストを算出するコスト記憶部と、前記コスト記憶部との出力結果から製品の品切れリスクや在庫リスクを算出するリスク算出部と、前記リスク算出部の出力結果から最小のリスク結果であった在庫量を適正在庫量とする適正在庫量決定部と、データ記憶部を備え、各市場の需要量を確率分布で求めることにより工場や物流センタにおける在庫量を品切れリスクや在庫リスクで評価することでリスク最小な適正在庫量を設定する」、と記載されている。また、「需要量実績記憶部で、製品機種別、市場別、月別に、過去の需要量の実績を記憶しておき、需要量確率分布予測部で、前記需要量実績記憶部から対象製品の市場別月別需要量を読みだし、その情報から対象となる月の最小需要量、最大需要量を求め、また、それらの範囲内での分布状況(ヒストグラム)から各需要量の確率分布を算出する」、と記載されている。
特許文献1:特開平8-279013号公報
特許文献1では、過去実績から一意に確率分布を設定する。そのため、昨今の趣味嗜好の多様化による日々の購買傾向の変化に対応できない。
そこで、本発明では、購買傾向の変化を考慮し、販売機会ロスや過剰在庫のリスクを抑制する適正な発注量を提示する、発注支援装置、及び発注支援プログラムを提供することを目的とする。
上記の課題を解決するため、本発明は、記憶部と、データ処理部と、を有する発注支援システムであって、前記記憶部は、商品の販売実績の情報を保持し、前記データ処理部は、前記販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測部と、前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出部と、算出された前記リスク値に基づいて推奨発注量を出力する発注量出力部と、前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価部と、を含み、前記評価部が前記需要予測モデルを更新すると判定した場合に、前記需要予測部が前記需要予測モデルを更新することを特徴とする。
本発明によれば、日々の発注業務において購買傾向の変化を考慮し、販売機会ロスおよび過剰在庫のリスクを抑制する適正な発注量を提示することが可能となる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
以下、実施形態について図面とともに説明する。以下の説明において、同一または類似の部分に同一の符号を付して重複する説明を省略することがある。
図1は、本発明の実施例1として説明する発注支援システム1の概略的な構成を示すブロック図である。
図1に示すように、発注支援システム1は、通信ネットワーク4を介して通信可能に接続された、POS端末20と発注端末30と発注支援装置10とを含む。発注支援装置10は、情報処理装置(コンピュータ)や専用のハードウェアを用いて構成されている。発注支援装置10は、通信可能に接続された複数の情報処理装置を用いて実現してもよい。通信ネットワーク4は、例えば、公衆通信網、LAN(Local Area Network)、WAN(Wide Area Network)等であり、有線/無線の区別を問わない。
発注支援装置10は、例えば、システムセンタ又はデータセンタに設置された情報処理装置を用いて実現される。発注支援装置10は、クラウドサーバ等として仮想的に実現されるものであってもよい。
POS端末20は、例えば店舗の会計場(レジ)に設置される。POS端末20は、顧客が買い上げる商品(買上商品)の販売情報を記憶装置に登録処理する。またPOS端末20は、買上商品の代金を決済する決済処理を行う。決済処理には、現金支払いに対する決済処理、及び、クレジット支払いに対する決済処理等がある。このような登録処理及び決済処理は、周知の処理であるため、詳細な説明は省略する。
発注端末30は、ユーザによって操作される情報処理装置であり、例えば、スマートフォン、携帯電話機及びタブレット端末等の携帯情報端末、及びパーソナルコンピュータ等である。発注端末30は、例えば、店舗等に設置された端末装置であってもよい。
発注支援装置10は、商品ごとに販売実績と天候などの外部情報から将来の需要量を予測し、当該商品の消費期限、リードタイム及び現在の在庫量を考慮して推奨発注量を出力する。
図2は、本発明の実施例1の発注支援装置10及び発注端末30の実現に用いる情報処理装置100(コンピュータ)の構成例を示すブロック図である。
図2に示すように、情報処理装置100は、プロセッサ101、主記憶装置102、補助記憶装置103、入力装置104、出力装置105、及び通信装置106を備える。これらは図示しないバス等の通信手段を介して互いに通信可能に接続されている。
プロセッサ101は、例えば、CPU(Central Processing Unit)又はMPU(Micro Processing Unit)を用いて構成される。プロセッサ101が、主記憶装置102に格納されているプログラムを読み出して実行することによって、情報処理装置100の様々な機能が実現される。
主記憶装置102は、プログラム及びデータを記憶する装置であり、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)、及びNVRAM(Non Volatile RAM)等である。補助記憶装置103は、ハードディスクドライブ、SSD(Solid State Drive)、光学式記憶装置、及び記録媒体読取/書込装置等である。補助記憶装置103に格納されているプログラム及びデータは主記憶装置102に随時ロードされる。
入力装置104は、例えば、キーボード、マウス、及びタッチパネル等である。出力装置105は、例えば、液晶モニタ、LCD(Liquid Crystal Display)、及びグラフィックカード等である。通信装置106は、通信ネットワーク4を介して他の装置と通信する通信インタフェースであり、例えば、NIC(Network Interface Card)、及び無線通信モジュール等である。
図3は、本発明の実施例1の発注支援装置10が備える主な機能、及び、発注支援装置10が記憶する主なデータを示すブロック図である。
図3に示すように、発注支援装置10は、データ処理部110及び記憶部120を備える。またデータ処理部110は、需要予測部111、需要予測統合部112、リスク値算出部113、発注量出力部114、評価部115及び推奨結果提供部116を備える。これらの機能は、例えば、情報処理装置100のプロセッサ101が、主記憶装置102に格納されているプログラムを読み出して実行することによって実現される。すなわち、以下の説明において上記の各部が実行する処理は、実際にはプロセッサ101がプログラムに記述された命令に従って実行する。
記憶部120は、販売情報121、外部情報122、予測モデル情報123、予測情報124、商品情報125、在庫情報126及び推奨情報127を記憶する。記憶部120は、これらの情報(データ)を、例えば、テキストファイル又はRDBMS(Relational DataBase Management System)等のデータベースのテーブルとして管理する。これらの情報の全てまたは一部は、通信ネットワーク4を介して他のサーバ上に記憶されるように構成してもよい。
需要予測部111は、当該商品の予測モデル情報123が生成されていない場合に、販売情報121および外部情報122から1つ以上の需要予測モデルを構築し、予測モデル情報123を生成する。本実施形態では、予測期間を、1日を単位として説明する。需要予測モデルには、例えば、単純移動平均モデル、指数平滑法モデル、ARIMAモデル(Auto Regressive Integrated Moving Average model)、又は重回帰モデルなどを利用する。販売頻度によって、通常の需要予測モデルが適さない場合がある。例えば、月に数日しか販売実績がない場合、ARIMAモデル及び重回帰モデルを適用することは望ましくない。販売頻度が低い場合には、それに適する特定の需要予測モデルのみを使用するよう制限したり、予測期間の単位を変更し、通常の予測期間(上記の例では1日)より長い期間、例えば1週間単位での予測をしたりすることが望ましい。本実施例では、販売頻度が低い場合には、専用のモデル(以下、「低頻度モデル」と称する。)を使用するものとして説明する。需要予測部111は、予測モデル情報123に更新予定が登録されている場合に、需要予測モデルを再構築する。
また需要予測部111は、予測モデル情報123、販売情報121および外部情報122に基づき、予測需要量を算出し、予測情報124を生成する。予測需要量は、需要予測モデルに応じた確率分布で算出される。
図4は、本発明の実施例1の需要予測部111で算出される予測需要量の一例を示す説明図である。
図4の場合、予測期間(例えば1日)当たりの需要量が「20」である確率は1%、需要量が「50」である確率は14%である。このような予測需要量の確率分布を表によって表示した例を図4(a)に、グラフによって表示した例を図4(b)に示す。
需要予測統合部112は、同一商品の需要予測モデルが複数ある場合に、需要予測部111で算出された複数の予測需要量を1つの予測需要量として統合する。需要予測統合部112は、例えば、複数の需要予測モデルから算出された予測需要量を均等な割合で統合してもよい。あるいは、需要予測統合部112は、各需要予測モデルの予測誤差に応じて、予測誤差の小さい需要予測モデルから算出された予測需要量ほど大きな割合となるように(すなわち統合された予測需要量への寄与が大きくなるように)統合してもよい。例えば、需要予測統合部112は、予測誤差の逆数に比例する割合で統合する。これによって、予測精度が向上する。予測誤差には、MAPE(Mean Absolute Percentage Error)、MSE(Mean Squared Error)、RMSE(Root Mean Squared Error)などを用いる。
リスク値算出部113は、統合後の予測需要量に基づき、消費期限、販売可能期限、及びリードタイムなどの商品情報125、並びに在庫情報126を考慮して、発注量ごとに、販売機会ロスおよび過剰在庫によるリスク値を算出する。販売機会ロスは、商品の需要があるにもかかわらず、その商品の在庫が不足していることによって生じる販売機会の損失である。リスク値算出部113は、販売機会ロスによるリスクとして品切れリスクと陳列数少リスクを算出する。陳列数少リスクとは、スーパー等の店舗の陳列棚に並べられた商品の残数が少なくなっていることによって、消費者が購買を控えて売り上げが減少するリスクである。リスク値算出部113は、例えば、次の式(1)を用いて品切れリスクを算出し、式(2)を用いて陳列数少リスクを算出する。
Nは予測期間の単位であり、本実施形態では、N=1(日)となる。mは、予測期間における真の需要量である。上記のように算出された予測需要量に基づいてリスク値を算出する場合、その予測需要量をmとする。sは、発注量である。aは、陳列数が少ないと判断する基準となる個数であり、陳列数がa個以下となった場合に、リスクが生じると判断する。需要量mの商品が一定の速度で売れると仮定すると、商品が売れる間隔はN/m日であり、発注量sが売れるまでの日数はN/m×s日となる。
リスク値算出部113はまた、過剰在庫によるリスクとして消費期限切れリスクと余剰在庫リスクを算出する。余剰在庫リスクとは、余分な在庫を保管することによるリスクである。例えば、需要量および安全在庫数を超える在庫量を余分な在庫と考えることができる。リスク値算出部113は、例えば、次の式(3)を用いて消費期限切れリスクを算出し、式(4)を用いて余剰在庫リスクを算出する。
yは安全在庫数である。安全在庫数は、予め設定した値を利用することもできるし、次の式(5)を用いて算出してもよい。予測誤差の標準偏差の代わりに、購買数の標準偏差を用いてもよい。また、予測需要量が算出されている期間については、式(3)および式(4)における平均販売数量の代わりに予測需要量を利用してもよい。上記のような計算をすることによって、消費期限及びリードタイムといった商品情報と、予測需要量とに基づいて、適切にそれぞれの種類のリスクの大きさを算出することができる。
本実施例では、例えば、品切れリスクが0.2であれば、品切れになる日数が0.2日、というように各リスクを日数ベースで算出する。商品価格及び保管に要する費用が明確になる場合には、各リスクを金額ベースで算出してもよい。金額ベースで算出する場合には、経営へのインパクトをより把握しやすくなる。また、異なる商品の間でリスクを比較できるようになる。一方、保管に要する費用は曖昧であることが多く、商品価格も変動することから、多種の商品を扱う場合には、各リスクを日数ベースで算出することによって煩雑な処理を減らすことができる。
リスク値算出部113は、発注量ごとに、予測需要量の確率分布から品切れリスク、陳列数少リスク、消費期限切れリスクおよび余剰在庫リスクの期待値を算出し、算出した期待値を重み付けして加算することによってリスク値を算出する。各リスクに対する重みは均等としてもよいし、例えば品切れリスクを重視し、品切れリスクへの重みを大きくしてもよい。また、重みを“0”にすることによって、考慮する必要がないリスクをリスク値の計算から除外することもできる。例えば、通信販売又は卸売業等で商品の陳列がない場合には、陳列数少リスクの重みを“0”としてもよい。
図5は、本発明の実施例1のリスク値算出部113によるリスク値算出過程の例を示す説明図である。
具体的には、図5は、発注量を50個とした場合のリスク値算出過程の例を示す。例えば、商品を50個発注した場合、需要量が50個までは品切れリスクは0であるが、需要量が50個を超えると品切れが発生し、需要量が55個の場合の品切れリスクは式(1)から0.091となる。需要量の確率分布より、需要量が55個となる確率が12%であることから、その期待値は0.091×12%で0.0109となる。確率分布で設定された全ての需要量について期待値を算出し、品切れリスクの最終的な期待値は0.138となる。品切れリスクの期待値と同様にして算出される陳列数少リスク、余剰在庫リスク及び消費期限切れリスクの期待値はそれぞれ、0.152、0.115及び0となる。ここで、品切れリスクの重みを2、その他リスクの重みを1に設定した場合、リスク値は0.543と計算され、この値が発注量を50個とした場合のリスク値となる。
図6は、本発明の実施例1のリスク値算出部113によって算出された結果の例を示す説明図である。具体的には、図6は、発注量ごとに、図5に示す方法でリスク値を算出した場合の結果をグラフ表示する例を示す。
以上に示した例で算出されるリスク値は、発注した商品が納入される時点での在庫量が0である場合のリスク値となる。実際には、納入時点での在庫量を推定して、発注量ごとのリスク値を算出する必要がある。例えば、次の式(6)を用いて、納入時点での在庫量を推定する。
リスク値算出部113は、式(6)で推定された納入時点での在庫量によって、発注量を調整し、最終的なリスク値とする。例えば、図5で説明したリスク値の場合、発注量を50個とした場合のリスク値は0.543であるが、納入時点での在庫量が10個と推定される場合には、発注量を(50-10=)40個とした場合のリスク値が0.543となる。
発注量出力部114は、リスク値算出部113で算出されたリスク値に基づき、適切な発注量を推奨発注量として出力する。発注量出力部114は、例えば、リスク値が最小となる発注量を推奨発注量として出力する。あるいは、ユーザが許容可能なリスク値の範囲と販売機会ロスおよび過剰在庫のどちらをより避けたいかを設定しておき、発注量出力部114は、設定された条件に従って推奨発注量を出力する。発注量出力部114は、推奨発注量とリスク値算出部で算出されたリスク値を推奨情報127に登録する。
評価部115は、在庫量のレベルを確認し、在庫量レベルが適正ではない場合に、需要予測モデルの更新が必要か否か評価を行う。適正な在庫量レベルは、例えば、直近の平均販売数量に基づいて設定することができる。評価部115は、例えば、次の式(7)を用いて在庫量レベルが適正かどうか確認する。
bkiは、商品kのi番目の販売数量である。nkは、商品kの最新の販売数量が何番目にあたるかを示す値である。例えば、商品kの販売数量が100日前から記憶されている場合、nkは100となる。Tは、平均販売数量を算出する日数であり、例えば、直近2週間の平均販売数量を利用する場合、Tは14となる。Lkは、商品kのリードタイムである。評価部115は、平均販売数量と比較して発注単位が大きい商品を扱う場合には、例えば、式(7)の代わりに次の式(8)を用いて在庫量レベルの上限を求める。
Ukは、商品kの発注単位である。これによって、平均販売数量が30個、リードタイムが1日、発注単位が100個のように発注単位が平均販売数量を大きく超える商品において、その在庫量レベルが常に適正な在庫量レベルの上限を超えてしまう状況を回避することができる。
評価部115は、在庫量レベルが適正ではない場合に、需要予測モデルの精度を(言い換えると需要予測モデルの更新が必要か否かを)評価する。例えば、評価部115は、販売情報121に記憶された過去の販売数量と、同日の予測需要量とを比較し、実際の販売数量と予測需要量の差が大きい場合に需要予測モデルの更新が必要であると判定し、当該商品の予測モデル情報123に更新予定を登録する。更新予定が登録されると、その後、需要予測部111が需要予測モデルを更新する(詳細は図17等参照)。
評価部115において、需要予測モデルの更新が必要か否かを評価するトリガーとなる指標は在庫量レベルに限らず、欠品率、在庫回転率、廃棄率、平均販売数変化、又は商品ライフサイクルの変化点などを用いてもよい。記憶部120は(例えば商品情報125内に)各商品のライフサイクルに関する情報を保持してもよい。評価部115は、各商品のライフサイクルに基づいて、ライフサイクルの段階が変化する時期、例えば導入期から成長期に移行する時期など、需要量が変化すると推定される時期に需要予測モデルの更新が必要か否かを判定してもよい。これによって、適切なタイミングで需要予測モデルを更新することができる。
推奨結果提供部116は、発注端末30から推奨発注量の提供要求を受信すると、提供要求とともに受信した商品カテゴリについて、当該カテゴリに属する全商品の情報を取得し、取得した上記全商品の情報(リスト)を発注端末30に送信する。
図7は、本発明の実施例1の発注端末30が備える主な機能を示すブロック図である。
図7に示すように、発注端末30は、発注支援結果受信部311、発注支援結果表示部312及び発注量決定部313を備える。これらの機能は、例えば、発注端末30を構成する情報処理装置100のプロセッサが、主記憶装置102に格納されているプログラムを読み出して実行することによって実現される。
発注支援結果受信部311は、発注支援装置10の推奨結果提供部116から送信される情報を受信する。
図8は、本発明の実施例1においてユーザが発注量を確定する際に発注端末30が出力装置105に表示する発注一覧画面800の一例を示す説明図である。
図8に示すように、発注一覧画面800は、商品カテゴリ入力領域801、発注一覧表示部802、発注量入力領域803及び発注量確定操作部804を含む。
発注端末30の発注支援結果表示部312は、商品カテゴリ入力領域801で商品カテゴリが選択されると、選択された商品カテゴリとともに推奨発注量の提供要求を発注支援装置10に送信する。商品カテゴリ入力領域801への入力は、上記のようにユーザが予め用意された商品カテゴリのリストから選択することによって行ってもよいし、商品カテゴリ名を直接入力することによって行ってもよい。
発注支援結果表示部312はまた、発注支援結果受信部311が受信した情報に基づき、商品カテゴリ入力領域801で入力された商品カテゴリの商品について、推奨発注量の一覧を発注一覧表示部802に表示する。発注一覧表示部802に表示される推奨発注量の一覧には、例えば、商品名、発注パターン、傾向、予測需要量、推奨発注量、及び発注量の各項目が含まれる。
発注パターンには、各商品の予測モデル情報123に記憶されたモデル種類が低頻度モデルの場合には「低頻度」、それ以外の場合には「定番」と表示される。傾向には、各商品の販売情報121に記憶された販売数量が増加傾向にある場合には「増加」、減少傾向にある場合には「減少」、変わらない場合には「変化なし」と表示される。発注量には、初期値として推奨発注量に表示される値と同一の値が表示される。これによって、ユーザの発注作業が支援される。
発注一覧表示部802に表示される項目は、ユーザが発注量を確定可能な情報が含まれていればよく、発注パターン及び傾向は、必ずしも必要ない。本実施例では、ユーザが発注量を確定する上で考慮可能な情報として、これらの項目も含める例を提示した。
発注量決定部313は、ユーザによる発注量確定処理を受け付ける。発注一覧画面800の発注一覧表示部802に表示される発注量の欄は発注量入力領域803を兼ね、ユーザが発注量の変更を希望する場合に、発注量決定部313は、発注量入力領域803に入力されたユーザからの入力を受け付ける。ユーザが発注量確定操作部804を操作すると、発注量決定部313は発注量を確定する。
図9は、本発明の実施例1の発注一覧画面800の発注一覧表示部802で特定の商品が選択された際に表示される発注詳細画面900の一例を示す説明図である。
発注一覧画面800での商品の選択は、例えば、ユーザが発注一覧表示部802において特定の商品の行をクリックすることで実行される。あるいは、発注端末30への入力がタッチパネルを介して行われる場合には、ユーザが特定の商品の行をタッチすることで実行される。図9に示すように、発注詳細画面900は、商品情報表示部901、設定条件表示部902、結果表示部903、変更発注量入力領域904及び発注量更新操作部905を含む。
商品情報表示部901には、商品情報125に記憶されている当該商品(すなわちユーザが選択した商品)の情報が表示される。
設定条件表示部902には、リスク値の算出方法及び推奨発注量の決定方法に関する設定条件が表示される。設定条件の設定の詳細については、図16を参照して後述する。
結果表示部903には、推奨情報127に記憶されているリスク値903A、及び、販売実績と予測需要量との変化を示す需要変化903Bが表示される。需要変化903Bは、販売情報121に記憶されている販売数量(販売実績)、及び、予測情報124に記憶されている予測需要量を、例えば横軸を日付とするグラフ上にプロットしたものである。ここで、図4に示すように予測需要量が確率分布として得られる場合、その確率分布から計算される需要量がプロットされる。例えば、確率が最大となる需要量をプロットしてもよいし、その確率分布から計算される需要量の期待値をプロットしてもよい。図8に表示される予測需要量、及び以下の説明における予測需要量も同様である。
結果表示部903にはまた、発注日から発注日に発注した数量が納入される日までの予測需要量及び納入予定数量903Cがグラフ形式で表示される。図9の場合、発注日は2月19日、リードタイムが2日の商品であるから、納入される日は2月21日となり、2月19日から2月21日までの予測需要量及び納入予定数量が表示される。これによって、ユーザは過去の販売実績と予測需要量の差、及び今後の納入予定を考慮しながら発注量の調整を行うことができる。ユーザは、発注量を変更したい場合に、変更発注量入力領域904に変更後の発注量を入力し、発注量更新操作部905を操作する(例えば画面上に表示された更新ボタンを押下する)ことで発注量を変更できる。
ユーザによる発注量の更新が受け付けられると、発注一覧画面800に表示される発注量も更新される。
図10は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する販売情報121の一例を示す説明図である。
販売情報121は、商品販売の実績を保持する。図10に示すように、販売情報121は、商品ID1011、販売された日付1012、及び販売数量1013の各項目を有する一つ以上のレコードで構成されている。商品ID1011には商品を識別するためのIDが設定される。商品ID1011には、例えば、JANコードを利用してもよい。販売された日付1012及び販売数量1013には、それぞれ、各商品が販売された日付及びその数量が設定される。
図11は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する外部情報122の一例を示す説明図である。
外部情報122には、重回帰モデルなどの、販売数量以外のデータを利用する需要予測モデルを使用するために必要な情報が管理される。図11に示すように、外部情報122は、日付1111、曜日1112、祝日フラグ1113、天気1114、気温1115、及びイベント1116の各項目を有する一つ以上のレコードで構成されている。各レコードは日付1111に設定された日付ごとの情報に対応している。
祝日フラグ1113には当該日付が祝日であるかが設定される。例えば、当該日付が祝日である場合には、祝日フラグ1113は「1」と設定され、祝日ではない場合には、祝日フラグ1113は「0」と設定される。イベント1116には当該日付における、近隣(例えば発注端末30が設置された店舗の近隣)で開催されるイベントの有無が設定される。例えば、イベントが開催される場合にはイベント1116には「1」が設定され、イベントが開催されない場合にはイベント1116には「0」が設定される。管理される外部情報122は、曜日、祝日フラグ、天気、気温及びイベントに限らず、風力、特売有無、トレンド及び定価からの割引率などを含んでもよい。
図12は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する予測モデル情報123の一例を示す説明図である。
予測モデル情報123には、需要予測部111で構築された需要予測モデルの情報が管理される。図12に示すように、予測モデル情報123は、商品ID1211、モデル種類1212、頻度1213、誤差1214、更新予定1215、及び更新内容1216の各項目を有する一つ以上のレコードで構成されている。
モデル種類1212には需要予測モデルの種類が設定される。頻度1213には、各レコードの商品ID1211で設定された商品の販売頻度が高いか低いかが設定される。例えば、当該商品の販売実績が週に2日以下である場合に頻度は「低」と設定され、週に3日以上である場合に頻度は「高」と設定される。誤差1214には各レコードの商品の需要量をモデル種類1212で設定された需要予測モデルで予測した場合の予測誤差が設定される。予測誤差の算出としては、需要予測モデルを構築する際に利用したデータにおける、モデル構築時の誤差を利用してもよいし、直近の定められた期間での予測と販売実績との誤差を利用してもよい。
更新予定1215には、評価部115での評価の結果、当該レコードの情報を更新する必要がある場合に「1」が設定され、更新の必要がない場合に「0」と設定される。更新内容1216には、評価部115で決定された需要予測モデルの更新内容が設定される。例えば、需要予測モデルの種類の変更である場合には「モデル種類」と設定され、パラメータの変更である場合には「パラメータ」と設定される。需要予測モデルの種類の変更とは、低頻度モデル以外のモデルから低頻度モデルへの変更、あるいは低頻度モデルからそれ以外のモデルへの変更を意味する。販売頻度に応じた、使用する需要予測モデルの種類の制限を実施しない等、需要予測モデルの種類の変更を考慮しない場合には、予測モデル情報123の項目から、更新内容1216を除いてもよい。
図13は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する商品情報125の一例を示す説明図である。
図13に示すように、商品情報125は、商品ID1311、商品名1312、カテゴリ1313、消費期限1314、リードタイム1315、及び発注単位1316の各項目を有する一つ以上のレコードで構成されている。カテゴリ1313には商品のカテゴリ(例えば、スナック菓子、調味料、肉類、及び野菜等)が設定される。消費期限1314には商品の消費期限が日数で設定される。例えば、製造から60日が消費期限となる商品の場合には、消費期限1314は60と設定される。消費期限の存在しない商品の場合には、消費期限の代わりに使用期限又は販売可能期間を設定してもよい。リードタイム1315には商品を発注してから納品されるまでの期間が設定される。発注単位1316には商品を発注する際の単位が設定される。例えば、1個単位での発注はできず、10個単位で発注する必要がある商品の場合には「10」と設定される。
図14は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する在庫情報126の一例を示す説明図である。
在庫情報126は、商品在庫の履歴を保持する。図14に示すように、在庫情報126は、商品ID1411、日付1412、在庫量1413、納入量1414、及び発注量1415の各項目を有する一つ以上のレコードで構成されている。在庫量1413には商品ID1411で設定された商品の日付1412で設定された日付における在庫量が設定される。納入量1414には商品ID1411で設定された商品が日付1412で設定された日付に納入された数量が設定される。発注量1415には日付1412で設定された日付に発注した商品ID1411で設定された商品の数量が設定される。本実施例では、納入量1414および発注量1415を在庫情報126として管理する構成として説明したが、それらを発注情報として在庫情報とは別に管理してもよい。
図15は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する推奨情報127の一例を示す説明図である。
図15に示すように、推奨情報127は、商品ID1511、日付1512、推奨発注量1513、リスク値1514の各項目を有する一つ以上のレコードで構成されている。推奨発注量1513には、発注量出力部114で決定される推奨発注量が記憶される。リスク値1514には、リスク値算出部113で算出されるリスク値が記憶される。リスク値1514は、発注量とその発注量におけるリスク値との組をリスト形式で記述したものであってもよいし、実装プログラムの言語に対応したデータ形式で記述したものであってもよい。
図16は、本発明の実施例1のリスク値算出部113がリスク値を算出するための条件および発注量出力部114が出力する推奨発注量を決定するための条件を設定するオプション設定画面1600の一例を示す説明図である。
オプション設定画面1600の「リスク値算出モード」の欄1601において、ユーザは表示された選択肢のいずれかを選択する。図16の例では、選択肢として、「均等」、「販売機会ロス回避を優先」、「販売機会ロス回避のみ考慮」、「過剰在庫回避を優先」、「過剰在庫回避のみ考慮」及び「マニュアル」が表示されている。
例えば、「販売機会ロス回避を優先」が選択された場合、リスク値算出部113は、販売機会ロスのリスク(品切れリスク、陳列数少リスク)と過剰在庫のリスク(消費期限切れリスク、余剰在庫リスク)の期待値を重み付けして加算する際に、販売機会ロスのリスクの重みを過剰在庫のリスクより大きくする。「均等」が選択された場合、リスク値算出部113は、販売機会ロスのリスクの重みと過剰在庫のリスクの重みを同一の大きさに設定する。図16の例では「均等」がデフォルト値であり、ユーザがいずれの選択肢も選択しなかった場合には自動的に「均等」が選択される。「販売機会ロス回避のみ考慮」が選択された場合、リスク値算出部113は、過剰在庫のリスクの重みを0にする。「過剰在庫回避を優先」が選択された場合、リスク値算出部113は、過剰在庫のリスクの重みを販売機会ロスのリスクの重みより大きくする。「過剰在庫回避のみ考慮」が選択された場合、リスク値算出部113は、販売機会ロスのリスクの重みを0にする。
例えば店舗の立地条件等によって許容されるリスクの種類が異なる場合があるが、店舗ごとに上記のような重み付けを行うことによって店舗の条件に適合したリスク値を計算し、その結果、店舗の条件に適合した発注量を提示することができる。
ユーザは、「マニュアル」を選択した場合、さらに、品切れリスク、陳列数少リスク、消費期限切れリスク及び余剰在庫リスクの重みをそれぞれ入力欄に入力する。この場合、リスク値算出部113は、ユーザによって入力された重みを利用してリスク値を算出する。
なお、上記のような重み付けの選択肢及びそれぞれの選択肢に対応する重みの設定方法は一例であり、例えば上記以外の選択肢が表示されるなど、上記とは異なる重み付けが行われてもよい。
オプション設定画面1600の「推奨発注量の決め方」の欄1602において、ユーザは、表示された選択肢のいずれかを選択する。図16の例では、選択肢として「リスク値が最小となる発注量」及び「リスク値の許容範囲を設定」が表示されている。リスク値が最小となる発注量を推奨発注量とする場合、ユーザは「リスク値が最小となる発注量」を選択する。許容範囲内のリスク値となる発注量から推奨発注量を決定する場合、ユーザは「リスク値の許容範囲を設定」を選択する。「リスク値の許容範囲を設定」を選択した場合、ユーザはさらに「許容できる最大のリスク値」の入力欄に許容できるリスク値の最大値を入力し、販売機会ロスまたは過剰在庫のいずれの回避を優先したいか選択する。ユーザはまた、リスク値の最小値が「許容できる最大のリスク値」で設定した値を超える場合に、「リスク値が最小となる発注量を提示」及び「推奨発注量を提示しない」のいずれの方法で対処するか選択する。
図16の設定では、発注量出力部114は、リスク値が1以下となる発注量の範囲のうち、過剰在庫を回避するよう少なめの発注量(例えば消費期限切れリスク又は余剰在庫リスクが最小となる発注量)を推奨発注量として出力する。
なお、上記のような推奨発注量の決め方の設定は一例であり、例えば上記以外の選択肢が表示されるなど、上記とは異なる設定が行われてもよい。あるいは、「推奨発注量の決め方」の欄1602において、ユーザが「リスク値の許容範囲を設定」を選択し、「許容できる最大のリスク値」の入力欄に許容できるリスク値の最大値を入力したが、販売機会ロスまたは過剰在庫のいずれの回避を優先したいかを選択しなかった場合に、発注量出力部114は、リスク値が1以下となる発注量の範囲のうち、販売機会ロスを回避する多めの発注量(例えば品切れリスク又は陳列数少リスクが最小となる発注量)、及び、過剰在庫を回避する少なめの発注量の両方を、推奨発注量として出力してもよい。このとき、発注量出力部114は、それぞれの発注量とともに、それぞれの発注量がいずれのリスクを回避するものであるかを示す情報を出力してもよい。ユーザは、出力された情報を参照していずれかを選択することができる。
オプションの設定は、以上のように画面(オプション設定画面1600)を介して行ってもよいし、例えば、オプションを記述したファイルを発注支援装置10に入力として与えるようにしてもよい。
<処理説明>
続いて、以上に説明した構成からなる発注支援システム1において行われる処理について説明する。
続いて、以上に説明した構成からなる発注支援システム1において行われる処理について説明する。
図17は、本発明の実施例1の需要予測部111及び需要予測統合部112が行う処理の一例を示すフローチャートである。
需要予測部111は、需要を予測する対象となる商品を設定する(S1701)。需要予測部111は、対象商品について、需要予測モデルが構築されているか判定する(S1702)。需要予測モデルが構築されている場合は(S1702:YES)S1703に進む。需要予測モデルが構築されていない場合は(S1702:NO)、需要予測部111は需要予測モデルを構築し、予測モデル情報123を追加する(S1704)。
需要予測部111は、需要予測モデルが構築されている場合に、構築済みの需要予測モデルに更新予定があるか判定する(S1703)。更新予定がない場合は(S1703:NO)S1706に進む。更新予定がある場合は(S1703:YES)、需要予測部111は需要予測モデルを構築し直し、予測モデル情報123を更新する(S1705)。
需要予測部111は、予測モデル情報123から対象商品の需要予測モデルを読み出す(S1706)。需要予測部111は、S1706で読み出した需要予測モデルの中で、予測需要量が算出されていない需要予測モデルはあるか判定する(S1707)。各需要予測モデルについて予測需要量が算出済みである場合は(S1707:NO)S1708に進む。予測需要量が算出されていない需要予測モデルが存在する場合は(S1707:YES)S1709に進み、需要予測部111は予測需要量を算出する。
需要予測部111は、2つ以上の複数の需要予測モデルから予測需要量が算出されているか判定する(S1708)。1つの需要予測モデルから単一の予測需要量のみが算出されている場合は(S1708:NO)需要予測部111がその予測需要量を予測情報124に登録して(S1711)処理を終了する。2つ以上の複数の需要予測モデルからそれぞれ予測需要量が算出されている場合は(S1708:YES)、需要予測統合部112が算出済みの予測需要量を統合した後(S1710)、需要予測部111が統合後の予測需要量を予測情報に登録して(S1711)処理を終了する。
図18は、本発明の実施例1の評価部115が行う処理の一例を示すフローチャートである。
評価部115は、現在の在庫量レベルが適正であるか判定する(S1801)。例えば、評価部115は、現在の在庫量レベルが式(7)又は式(8)によって計算される在庫量の下限から上限までの範囲内である場合に適正であると判定してもよい。現在の在庫量レベルが適正である場合は(S1801:YES)処理を終了し、現在の在庫量レベルが適正ではない場合は(S1801:NO)、需要予測モデルを更新するか否かを判定するために、S1802に進む。
なお、既に説明したように、現在の在庫量レベルが適正でないことは、需要予測モデルを更新するか否かの判定のトリガーの一例であり、評価部115はS1801において他のトリガーに基づく判定を行ってもよい。例えば、評価部115は、S1801において、商品のライフサイクルに基づいて需要量が変化する時期が到来したか否かを判定し、到来したと判定した場合にS1802に進んでもよい。
評価部115は、現在の在庫量レベルが適正ではない場合に、欠品が発生しているか判定する(S1802)。欠品が発生していない場合は(S1802:NO)、評価部115は在庫量レベルが適正範囲に向かう方向に推移しているか判定し(S1803)、欠品が発生している場合は(S1802:YES)S1804に進む。
評価部115は、在庫量レベルが適正範囲に向かう方向に推移している場合は(S1803:YES)処理を終了し、適正範囲に向かう方向に推移していない場合は(S1803:NO)S1804に進む。
S1804では、評価部115は、販売情報121から日付と販売数量を読み出し、販売頻度に変更があるか判定する。例えば、評価部115は、直近1ヶ月の販売頻度が所定の基準(例えば1週間に3日以上など)より高いか低いかを算出し、算出した結果が予測モデル情報123に登録された頻度1213の値と異なる場合に、販売頻度に変更があると判定する。販売頻度に変更がない場合は(S1804:NO)S1805に進み、販売頻度に変更がある場合は(S1804:YES)S1806に進む。
評価部115は、販売頻度に変更がある場合に、予測モデル情報123の変更予定に「1」を設定し、予測モデル情報123の更新内容1216に「モデル種類」と設定する(S1806)。評価部115は、S1806での設定を終えた後、処理を終了する。
上記のように、予測モデル情報123の変更予定に「1」が設定され、予測モデル情報123の更新内容1216に「モデル種類」が設定されると、その後、需要予測部111が、図17のS1705において、需要予測モデルの種類を変更する。例えばS1804において販売頻度が高頻度から低頻度に変更された場合には低頻度モデルが新たに構築される。一方、S1804において販売頻度が低頻度から高頻度に変更された場合には、例えば重回帰モデル等、通常の種類の需要予測モデルが構築される。これによって販売頻度に応じて適切な需要予測モデルを構築することができる。
評価部115は、販売頻度に変更がない場合に、販売情報121の販売数量と予測情報124の予測需要量とを比較し、両者に乖離があるかを判定する(S1805)。このとき、評価部115は、販売数量と予測需要量との差分が所定の基準より大きい場合に両者に乖離があると判定する。例えば、評価部115は、直近2週間において、販売数量と予測需要量との差分が平均販売数量の10%以上である場合に、販売数量と予測需要量に乖離があると判定してもよい。販売数量と予測需要量を比較する期間は直近2週間に限らず、10日間や1ヶ月などとしてもよい。また、その差分の判断は、平均販売数量の10%以上に限らず、異なる割合又は特定の数値を基準として行ってもよい。販売数量と予測需要量との間に乖離がない場合には(S1805:NO)処理を終了し、乖離がある場合には(S1805:YES)S1807に進む。
S1807では、評価部115は、予測モデル情報123の変更予定に「1」を設定し、予測モデル情報123の更新内容1216に「パラメータ」と設定する。評価部115は、S1807での設定を終えた後、処理を終了する。この場合、その後、需要予測部111が、図17のS1705において、需要予測モデルのパラメータを変更する。これによって、需要予測モデルの予測精度が改善される。
上述した実施例1においては、予測期間を1日単位として説明したが、必要に応じて複数の日をまとめて1つの予測期間としてもよい。例えば、予測期間を1週間単位としてもよい。あるいは、1時間単位など、1日より短い単位としてもよい。
また、年末年始及び盆休みなどの長期休暇前は、様々な商品で販売数量が増加し、納品や納入作業に必要なリソースが不足する場合がある。そのため、長期的に(2週間、3週間など)将来の需要量を予測し、消費期限の長い商品について、前倒しで発注量を増加させてもよい。
以上に説明したように、本実施例の発注支援システム1は、商品情報(消費期限、リードタイムなど)や将来予測される需要量を考慮した販売機会ロスや過剰在庫のリスクを算出し、リスクを抑制する適正な発注量を提示する。また、本実施例の発注支援システム1は、在庫量レベルが適正ではない場合に需要予測モデルを更新する。このため、購買傾向の変化に対応しながら、適正な発注量を提示することができる。
実施例1の発注支援システム1は、需要予測モデルの更新が必要な場合には、すぐに更新されるように設定されていた。これに対し、以下に説明する実施例2の発注支援システム1は、需要予測モデルの更新が必要な場合に、需要予測モデルの再構築に利用する情報(販売情報121及び外部情報122)の期間を設定し、再構築のために十分な量の情報が蓄積された後に需要予測モデルの更新を行う。また、実施例2の発注支援システム1は、販売頻度が極端に少ない商品に対して、需要予測を行わず(すなわち需要予測モデルも構築せず)、受注発注で対応するように設定する。ここで、受注発注とは、顧客から受けた注文に応じて店舗が発注することである。すなわち、店舗は、受注発注で対応するように設定された商品の在庫を(顧客からその商品の注文を受けない限り)持たない。
以下、図1~図18に示された実施例1と同一の符号を付した構成については実施例1と同様であるので説明を省略し、実施例1との相違点を中心として実施例2の発注支援システム1について説明する。
図19は、本発明の実施例2の発注支援装置10Aが備える主な機能、及び、発注支援装置10Aが記憶する主なデータを示すブロック図である。
図19に示すように、実施例2の発注支援装置10Aのデータ処理部110は、需要予測部111の代わりに需要予測部111Aを備え、評価部115の代わりに評価部115Aを備える。また記憶部120は、予測モデル情報123の代わりに予測モデル情報123Aを記憶し、在庫情報126の代わりに在庫情報126Aを記憶する。
図20は、本発明の実施例2の発注支援装置10Aの記憶部120がデータベースのテーブルとして管理する予測モデル情報123Aの一例を示す説明図である。
実施例1における予測モデル情報123のレコードの各項目に加え、実施例2の予測モデル情報123Aのレコードは、データ開始日1217、及びレベル調整1218の各項目をさらに有する。また、予測モデル情報123Aのレコードは、モデル種類1212の代わりにモデル種類1212A、更新予定1215の代わりに更新予定1215A、更新内容1216の代わりに更新内容1216Aの項目を有する。
モデル種類1212Aには、商品ID1211の値によって識別される各商品が受注発注で対応する商品である場合には「受注発注」と設定される。各商品が受注発注で対応する商品ではない場合には、実施例1と同様に需要予測モデルの種類が設定される。
更新予定1215Aには、需要予測モデルを更新する予定日が設定される。更新内容1216Aには、実施例1における予測モデル情報123の更新内容1216として設定される「モデル種類」及び「パラメータ」の他、受注発注で対応していた商品が、受注発注から予測対象に変更になった場合に「新規」と登録される。
データ開始日1217には、需要予測モデルの更新が必要な場合に、需要予測モデルを再構築する際に利用するデータの開始日が設定される。例えば、販売情報121に当該商品の情報が2015年5月17日から蓄積されている場合、最初に需要予測モデルが構築される際には、2015年5月17日からのデータを利用する。その後、販売数量のレベルが変わる、販売頻度が変わる等、販売の傾向が変化した場合、需要予測モデルの再構築に利用するデータは、販売傾向の変化後のデータを利用する。2016年10月1日に直近の販売傾向の変化が生じていた場合、データ開始日1217には「2016/10/1」と設定される。これによって、販売傾向の異なるデータを利用して需要予測モデルを構築する場合に生じうる予測精度の悪化を防ぐことができる。
レベル調整1218には、需要予測モデルを更新する際に、需要予測モデルの構築に利用するデータ量が十分ではなく、十分なデータ量が蓄積されるまでの間、既存の需要予測モデルで算出される予測需要量のレベルを調整することで対処する場合に「1」と設定され、それ以外の場合に「0」と設定される。例えば、データ開始日が「2016/10/1」であり、需要予測モデルの構築に必要なデータ量が2週間分に設定されている場合、需要予測モデルは2016/10/15以降に更新される。それまでの間、レベル調整を行う場合に、レベル調整1218に「1」と設定される。需要予測モデルの構築に必要なデータ量は、需要予測モデルの種類ごとに設定しても良いし、全ての種類の需要予測モデルに対して同一の値を設定してもよい。
図21は、本発明の実施例2の発注支援装置10Aの記憶部120がデータベースのテーブルとして管理する在庫情報126Aの一例を示す説明図である。
実施例1における在庫情報126のレコードの各項目に加え、実施例2の在庫情報126Aのレコードは、廃棄量1416の項目をさらに有する。廃棄量1416には、当該商品が消費期限切れ等によって廃棄された場合に、その数量が設定される。
需要予測部111Aは、当該商品の予測モデル情報123Aが生成されていない場合に、販売情報121および外部情報122から1つ以上の需要予測モデルを構築し、予測モデル情報123Aを生成する。需要予測部111Aは、当該商品の販売頻度が極端に少ない場合や消費期限切れ等による廃棄の発生が多い場合に、当該商品の需要予測モデルは構築せず、当該商品を受注発注で対応する商品として予測モデル情報123Aに登録する。例えば、需要予測部111Aは、販売頻度が所定の頻度(例えば月に1回など、実施例1における低頻度モデルの判定基準となる販売頻度より低い頻度)以下となる場合、あるいは、販売間隔が当該商品の商品情報125に登録された消費期限より長い場合に、販売頻度が極端に少ないと判断する。また、需要予測部111Aは、当該商品の納入(仕入れ)量に対する廃棄量の割合(以下、廃棄率と称する。)が、事前に設定した値より高い場合に、廃棄の発生が多いと判断する。
需要予測部111Aは、予測モデル情報123Aに更新予定が登録されている場合に、需要予測モデルを再構築する。また需要予測部111Aは、当該商品が受注発注で対応する商品ではない場合に、予測モデル情報123A、販売情報121および外部情報122に基づき、予測需要量を算出し、予測情報124を生成する。
評価部115Aは、受注発注で対応されない商品について、在庫量レベルが適正ではない場合に、販売情報121に記憶された過去の販売数量と、同日の予測需要量とを比較し、実際の販売数量と予測需要量の差が大きい場合に需要予測モデルの更新が必要であると判定し、当該商品の予測モデル情報123Aに更新予定を登録する。評価部115Aはまた、受注発注で対応する商品について、引き続き受注発注で対応するか判定し、必要に応じて受注発注を解除するよう登録する。
<処理説明>
図22は、本発明の実施例2の需要予測部111A及び需要予測統合部112が行う処理の一例を示すフローチャートである。
図22は、本発明の実施例2の需要予測部111A及び需要予測統合部112が行う処理の一例を示すフローチャートである。
図17の実施例1における需要予測部111及び需要予測統合部112が行う処理と同一の符号を付した処理については、図17の処理と同様であるので詳細な説明は省略する。
需要予測部111Aは、需要予測モデルが構築されていない場合に(S1702:NO)、S1701で設定された対象商品の販売頻度や販売間隔、廃棄率に基づき、当該商品が受注発注で対応すべき商品かどうか判定する(S2212)。受注発注で対応すべき商品である場合は(S2212:YES)S2213に進み、受注発注の必要がない場合は(S2212:NO)、S1704に進む。需要予測部111Aは、当該商品が受注発注で対応すべき商品である場合に、予測モデル情報123Aのモデル種類1212Aに「受注発注」と登録する(S2213)。
需要予測部111Aは、構築済みの需要予測モデルに更新予定がある場合に(S1703:YES)、予測モデル情報123Aの更新予定1215Aに登録された更新予定日を過ぎているか判定する(S2214)。更新予定日を過ぎている場合は(S2214:YES)S1705に進み、更新予定日が来ていない場合は(S2214:NO)S2215に進む。
需要予測部111Aは、更新予定日が来ていないと判定した場合(S2214:NO)、S1705を実行した場合、更新予定がないと判定した場合(S1703:NO)、S2213を実行した場合、及び、S1704を実行した場合に、対象商品の予測モデル情報123Aに設定されたモデル種類1212Aが「受注発注」であるかどうかに基づき、当該商品の需要予測が必要であるか判定する(S2215)。モデル種類1212Aが「受注発注」ではない場合に、需要予測部111Aは、需要予測が必要であると判断し(S2215:YES)S1706に進む。モデル種類1212Aが「受注発注」である場合に、需要予測部111Aは需要予測が必要ないと判断し(S2215:NO)処理を終了する。
需要予測部111Aは、予測需要量が算出されていない需要予測モデルが存在する場合に(S1707:YES)、予測需要量を算出する(S1709A)。S1709Aでの予測需要量の算出において、需要予測部111Aは、当該商品の予測モデル情報123Aのレベル調整1218が「1」と設定されている場合に、予測需要量のレベルを調整する。需要予測部111Aは、例えば、所定の期間(例えば直近2週間)において、予測需要量が販売数量より多くなる日が所定の長さ(例えば10日)以上続き、その誤差の中央値が直近2週間の平均販売数量の所定の割合(例えば10%)以上となる場合に、算出された予測需要量に1未満の数値を積算することで予測需要量が少なくなるように調整してもよい。需要予測部111Aはまた、例えば、直近2週間において、予測需要量が販売数量より少なくなる日が10日以上続き、その誤差の中央値が直近2週間の平均販売数量の10%以上となる場合に、算出された予測需要量に1より大きな数値を積算することで予測需要量が多くなるように調整してもよい。
図23および図24は、本発明の実施例2の評価部115Aが行う処理の一例を示すフローチャートである。
図18の実施例1における評価部115が行う処理と同一の符号を付した処理については、図18の処理と同様であるので詳細な説明は省略する。
評価部115Aは、対象商品が受注発注で対応している商品かどうか判定する(S2308)。対象商品が受注発注で対応している商品である場合は(S2308:YES)S2309に進み、対象商品が受注発注で対応している商品ではない場合は(S2308:NO)S1801に進む。
評価部115Aは、対象商品が受注発注で対応している商品である場合に、継続して受注発注とするかどうか判定する(S2309)。ここで、評価部115Aは、当該商品の販売頻度、販売間隔及び廃棄率に基づいて、継続判定を行う。継続して受注発注とする場合は(S2309:YES)処理を終了し、受注発注を解除する場合は(S2309:NO)S2310に進む。
S2310では、評価部115Aは、予測モデル情報123Aの更新内容1216Aに「新規」と登録し、受注発注の解除の要因となった販売頻度、販売間隔及び廃棄率に変化が生じた日をデータ開始日1217として登録する。また、データ開始日1217に需要予測モデルの構築に必要な量のデータが蓄積されるまでの日数を加えた日を更新予定日として更新予定1215Aに登録する。
評価部115Aは、販売頻度に変更がある場合に(S1804:YES)S2311に進む。S2311では、評価部115Aは、販売頻度が減少する方向に変更している場合に、当該商品の販売頻度、販売間隔及び廃棄率に基づいて、受注発注での対応に切り替えるか判定する。受注発注での対応に切り替える場合は(S2311:YES)S2312に進み、受注発注での対応に切り替えない場合は(S2311:NO)S2313に進む。
受注発注での対応に切り替える場合は、評価部115Aは、予測モデル情報123Aの商品ID1211が当該商品のIDとなるレコードを削除し、モデル種類1212Aを「受注発注」、頻度1213を「低」とする情報を当該商品の予測モデル情報123Aとして新たに追加する(S2312)。
受注発注での対応に切り替えない場合は、評価部115Aは、販売頻度の変更が生じた日を特定し(S2313)、当該商品の予測モデル情報123Aに需要予測モデルの種類を変更するために必要な情報を登録して(S1806A)、S2315に進む。
S1806Aでは、評価部115Aは、S2313で特定した日を予測モデル情報123Aのデータ開始日1217に登録し、データ開始日に需要予測モデルの構築に必要な量のデータが蓄積されるまでの日数を加えた日を予測モデル情報123Aの更新予定1215Aに登録し、予測モデル情報123Aの更新内容1216Aに「モデル情報」と登録する。
評価部115Aは、販売数量と予測需要量のレベルに乖離がある場合に(S1805:YES)、販売数量と予測需要量のレベルに乖離が発生し出した日を特定する(S2314)。評価部115Aは、例えば、所定の期間(例えば直前1週間)の平均販売数量が、過去の所定の時点(例えばその7日前)における所定の期間(例えば直前1週間)の平均販売数量より所定の比率以上大きい(例えばその1.3倍以上となる)日が所定の日数(例えば3日間)以上続いた時点、あるいは所定の比率以下に小さい(例えば0.7倍以下となる)日が所定の日数(例えば3日間)以上続いた時点を、販売数量と予測需要量のレベルに乖離が発生し出した日と判断してもよい。評価部115Aは、当該商品の予測モデル情報123Aに需要予測モデルのパラメータを更新するために必要な情報を登録して(S1807A)、S2315に進む。
S1807Aでは、評価部115Aは、S2314で特定した日を予測モデル情報123Aのデータ開始日1217に登録し、データ開始日に需要予測モデルの構築に必要な量のデータが蓄積されるまでの日数を加えた日を予測モデル情報123Aの更新予定1215Aに登録し、予測モデル情報123Aの更新内容1216Aに「パラメータ」と登録する。
S2315では、評価部115Aは、予測モデル情報123Aに登録された更新予定日までの間、既存の需要予測モデルで算出される予測需要量のレベルを調整することで対処するかどうか判定する。評価部115Aは、例えば、所定の期間(例えば直近2週間)において、予測需要量が販売数量より多くなる日が所定の日数(例えば10日)以上続き、その誤差の中央値が直近2週間の平均販売数量の所定の割合(例えば10%)以上となる場合に、レベル調整を実施すると判断してもよい。評価部115Aはまた、直近2週間において、予測需要量が販売数量より少なくなる日が10日以上続き、その誤差の中央値が直近2週間の平均販売数量の10%以上となる場合に、レベル調整を実施すると判断してもよい。
評価部115Aは、レベル調整を実施する場合は(S2315:YES)予測モデル情報123Aのレベル調整1218に「1」を設定し(S2316)、レベル調整を実施しない場合は(S2315:NO)は予測モデル情報123Aのレベル調整1218に「0」を設定して(S2317)、処理を終了する。
以上に説明したように、実施例2の発注支援システム1によれば、販売傾向の変化に応じて需要予測モデルを更新する際には、販売傾向の変化後のデータを利用して需要予測モデルを構築する。このため、より精度の高い需要予測を行うことができ、より適正な発注量を提示することができる。また、販売頻度が極端に少ない商品に対して、需要予測および推奨発注量の提示を行わず、受注発注で対応するように設定する。このため、販売頻度が低いことで発生する商品の廃棄を削減することができ、また、推奨発注量の算出対象となる商品を減らすことができるため、処理に必要となるリソースを削減することができる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることが可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、SSD(Solid State Drive)等の記憶デバイス、または、ICカード、SDカード、DVD等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。
また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。
Claims (15)
- 記憶部と、データ処理部と、を有する発注支援システムであって、
前記記憶部は、商品の販売実績の情報を保持し、
前記データ処理部は、
前記販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測部と、
前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出部と、
算出された前記リスク値に基づいて推奨発注量を出力する発注量出力部と、
前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価部と、を含み、
前記評価部が前記需要予測モデルを更新すると判定した場合に、前記需要予測部が前記需要予測モデルを更新することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記記憶部は、前記商品の消費期限、及び、前記商品の発注から入荷までの時間であるリードタイムを含む商品情報をさらに保持し、
前記リスク値算出部は、前記予測需要量、前記商品の発注量及び前記商品情報に基づいて前記リスク値を算出することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記記憶部は、前記商品のライフサイクルの情報をさらに保持し、
前記評価部は、前記商品のライフサイクルから前記商品の需要量が変化すると推定される時期に、前記需要予測モデルを更新するか否かを判定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記記憶部は、前記商品の在庫量の情報をさらに保持し、
前記評価部は、前記商品の在庫量が適正でないと判定した場合に、前記需要予測モデルを更新するか否かを判定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記評価部は、前記需要予測モデルを更新すると判定した場合に、前記商品の販売頻度、及び、過去の前記商品の予測需要量と販売実績との差に基づいて、前記需要予測モデルの更新の内容を決定し、
前記需要予測部は、前記需要予測モデルに対して前記決定された内容の更新を行うことを特徴とする発注支援システム。 - 請求項5に記載の発注支援システムであって、
前記需要予測部は、前記商品の販売頻度が所定の第1の基準より高い場合に、前記販売実績に基づいて、所定の長さの第1の期間ごとの予測需要量を算出するための前記需要予測モデルを構築し、
前記評価部は、
前記商品の販売頻度が前記第1の基準より低くなった場合に、前記需要予測部が、前記販売実績に基づいて、前記第1の期間より長い第2の期間ごとの予測需要量を算出するための前記需要予測モデルを構築するか、又は、販売頻度が低い場合に適する特定の種類の需要予測モデルを構築するように、前記需要予測モデルの更新内容を決定し、
前記商品の販売頻度が前記第1の基準より高く、かつ、過去の前記商品の予測需要量と販売実績との差が所定の第2の基準より大きい場合に、前記需要予測部が、前記販売実績に基づいて、前記第1の期間ごとの予測需要量を算出するための前記需要予測モデルのパラメータを変更するように、前記需要予測モデルの更新内容を決定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記需要予測部は、前記商品の販売頻度が所定の第3の基準より低いと判定した場合、又は、前記商品の廃棄量が多いと判定した場合に、前記商品の需要予測モデルを構築せず、前記商品を受注に応じて発注することを示す情報を出力することを特徴とする発注支援システム。 - 請求項7に記載の発注支援システムであって、
前記記憶部は、前記商品の消費期限、前記商品の過去の仕入れ量、及び前記商品の過去の廃棄量を示す情報を保持し、
前記需要予測部は、前記商品の販売間隔が前記商品の消費期限より長い場合に、前記商品の販売頻度が前記第3の基準より低いと判定し、前記商品の過去の仕入れ量に対する前記商品の過去の廃棄量の割合が所定の基準を超える場合に、前記商品の廃棄量が多いと判定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記需要予測部は、前記販売実績に基づいて前記商品の複数の需要予測モデルを構築し、構築した前記複数の需要予測モデルを用いて前記商品の複数の予測需要量を算出し、
前記データ処理部は、前記複数の予測需要量を統合する需要予測統合部をさらに有することを特徴とする発注支援システム。 - 請求項9に記載の発注支援システムであって、
前記需要予測統合部は、過去に前記複数の需要予測モデルの各々を用いて算出された予測需要量と過去の販売実績とを比較することで前記各需要予測モデルの予測誤差を算出し、前記予測誤差の小さい需要予測モデルを用いて算出された前記予測需要量の寄与が大きくなるように前記複数の予測需要量を統合することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記リスク値算出部は、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクを算出し、両者に所定の重み付けをして統合することによって前記リスク値を算出し、
前記発注量出力部は、前記リスク値が最小となる前記商品の発注量を前記推奨発注量として出力するか、又は、前記リスク値が所定の許容範囲内となり、かつ、前記商品の販売機会損失が発生するリスクが最小となる前記商品の発注量、及び、前記リスク値が所定の許容範囲内となり、かつ、前記商品の過剰在庫が発生するリスクが最小となる前記商品の発注量の少なくとも一方を前記推奨発注量として出力することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記商品を販売する店舗が前記商品を発注するために使用される発注端末をさらに有し、
前記データ処理部は、前記推奨発注量を前記発注端末に送信する推奨結果提供部をさらに含み、
前記発注端末は、
前記商品の発注を受け付ける画面を表示し、
前記商品の発注を受け付ける画面において、前記商品の発注量の初期値として、前記推奨発注量を表示することを特徴とする発注支援システム。 - プロセッサと、前記プロセッサに接続される記憶装置と、を有する計算機システムに以下の手順を実行させるための発注支援プログラムであって、
前記記憶装置に保持された商品の販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測手順と、
前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出手順と、
算出された前記リスク値に基づいて推奨発注量を出力する発注量出力手順と、
前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価手順と、を前記プロセッサに実行させ、
前記評価手順において前記需要予測モデルを更新すると判定された場合に、前記需要予測モデルを更新するために前記需要予測手順を前記プロセッサに実行させることを特徴とする発注支援プログラム。 - 請求項13に記載の発注支援プログラムであって、
前記需要予測手順は、前記販売実績に基づいて前記商品の複数の需要予測モデルを構築し、構築した前記複数の需要予測モデルを用いて前記商品の複数の予測需要量を算出する手順を含み、
前記発注支援プログラムは、前記複数の予測需要量を統合する需要予測統合手順をさらに前記プロセッサに実行させることを特徴とする発注支援プログラム。 - 記憶部と、データ処理部と、を有する発注支援システムが実行する発注支援方法であって、
前記記憶部は、商品の販売実績の情報を保持し、
前記発注支援方法は、
前記データ処理部が、前記販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測手順と、
前記データ処理部が、前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出手順と、
前記データ処理部が、算出された前記リスク値に基づいて推奨発注量を出力する発注量出力手順と、
前記データ処理部が、前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価手順と、を含み、
前記評価手順において前記需要予測モデルを更新すると判定された場合に、前記需要予測モデルを更新するために前記データ処理部が前記需要予測手順を実行することを特徴とする発注支援方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/033092 WO2019053821A1 (ja) | 2017-09-13 | 2017-09-13 | 発注支援システム、発注支援プログラム及び発注支援方法 |
JP2019541551A JP6814302B2 (ja) | 2017-09-13 | 2017-09-13 | 発注支援システム、発注支援プログラム及び発注支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/033092 WO2019053821A1 (ja) | 2017-09-13 | 2017-09-13 | 発注支援システム、発注支援プログラム及び発注支援方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019053821A1 true WO2019053821A1 (ja) | 2019-03-21 |
Family
ID=65723550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2017/033092 WO2019053821A1 (ja) | 2017-09-13 | 2017-09-13 | 発注支援システム、発注支援プログラム及び発注支援方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6814302B2 (ja) |
WO (1) | WO2019053821A1 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147925A (zh) * | 2019-04-10 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种风险决策方法、装置、设备及*** |
JP2020160822A (ja) * | 2019-03-27 | 2020-10-01 | 株式会社オービック | 判断支援装置、判断支援プログラムおよび判断支援方法 |
CN112163877A (zh) * | 2020-09-07 | 2021-01-01 | 山东青岛烟草有限公司 | 一种基于机器学习的投放策略自动生成方法及电子装置 |
WO2021039840A1 (ja) * | 2019-08-28 | 2021-03-04 | 株式会社Nttドコモ | 需要予測装置 |
CN112446530A (zh) * | 2019-09-03 | 2021-03-05 | 丰田自动车株式会社 | 信息处理方法以及信息处理装置 |
JP2021103374A (ja) * | 2019-12-24 | 2021-07-15 | 東芝デジタルソリューションズ株式会社 | 需要予測装置、需要予測方法、およびプログラム |
JP2021103373A (ja) * | 2019-12-24 | 2021-07-15 | 東芝デジタルソリューションズ株式会社 | 需要予測装置、需要予測方法、およびプログラム |
JP2022016310A (ja) * | 2020-07-10 | 2022-01-21 | ダイキン工業株式会社 | 生成方法、生成装置、プログラム、情報処理方法、及び情報処理装置 |
JP7051185B1 (ja) | 2021-04-26 | 2022-04-11 | クーパン コーポレイション | 発注に関連した情報を提供する電子装置の動作方法及びこれを支援する電子装置 |
CN114418602A (zh) * | 2020-10-28 | 2022-04-29 | 华中科技大学 | 一种基于需求预测的在线零售商产品库存决策方法和*** |
US20220343237A1 (en) * | 2021-04-23 | 2022-10-27 | Coupang Corp. | Method for Providing Information Related to Item Scrap and an Apparatus for the Same |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024034215A (ja) * | 2022-08-31 | 2024-03-13 | パナソニックIpマネジメント株式会社 | 発注支援装置、発注支援方法、及び、発注支援プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08279013A (ja) * | 1995-04-07 | 1996-10-22 | Hitachi Ltd | 適正在庫量設定方式 |
JP2004292101A (ja) * | 2003-03-26 | 2004-10-21 | Osaka Gas Co Ltd | 発注処理支援システム及び方法 |
JP2007172307A (ja) * | 2005-12-22 | 2007-07-05 | Internatl Business Mach Corp <Ibm> | 商品の仕入または生産を支援するシステム |
JP2015014911A (ja) * | 2013-07-05 | 2015-01-22 | 株式会社日立システムズ | 発注量計算システム |
JP2016110591A (ja) * | 2014-12-10 | 2016-06-20 | 富士通株式会社 | 発注計画決定装置、発注計画決定方法および発注計画決定プログラム |
JP2016207154A (ja) * | 2015-04-28 | 2016-12-08 | 株式会社リンク | 商品発注数調整装置、商品発注数調整方法、発注システムおよびコンピュータプログラム |
-
2017
- 2017-09-13 JP JP2019541551A patent/JP6814302B2/ja active Active
- 2017-09-13 WO PCT/JP2017/033092 patent/WO2019053821A1/ja active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08279013A (ja) * | 1995-04-07 | 1996-10-22 | Hitachi Ltd | 適正在庫量設定方式 |
JP2004292101A (ja) * | 2003-03-26 | 2004-10-21 | Osaka Gas Co Ltd | 発注処理支援システム及び方法 |
JP2007172307A (ja) * | 2005-12-22 | 2007-07-05 | Internatl Business Mach Corp <Ibm> | 商品の仕入または生産を支援するシステム |
JP2015014911A (ja) * | 2013-07-05 | 2015-01-22 | 株式会社日立システムズ | 発注量計算システム |
JP2016110591A (ja) * | 2014-12-10 | 2016-06-20 | 富士通株式会社 | 発注計画決定装置、発注計画決定方法および発注計画決定プログラム |
JP2016207154A (ja) * | 2015-04-28 | 2016-12-08 | 株式会社リンク | 商品発注数調整装置、商品発注数調整方法、発注システムおよびコンピュータプログラム |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020160822A (ja) * | 2019-03-27 | 2020-10-01 | 株式会社オービック | 判断支援装置、判断支援プログラムおよび判断支援方法 |
JP7198700B2 (ja) | 2019-03-27 | 2023-01-04 | 株式会社オービック | 判断支援装置、判断支援プログラムおよび判断支援方法 |
CN110147925A (zh) * | 2019-04-10 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种风险决策方法、装置、设备及*** |
WO2021039840A1 (ja) * | 2019-08-28 | 2021-03-04 | 株式会社Nttドコモ | 需要予測装置 |
CN112446530A (zh) * | 2019-09-03 | 2021-03-05 | 丰田自动车株式会社 | 信息处理方法以及信息处理装置 |
JP2021103373A (ja) * | 2019-12-24 | 2021-07-15 | 東芝デジタルソリューションズ株式会社 | 需要予測装置、需要予測方法、およびプログラム |
JP7433892B2 (ja) | 2019-12-24 | 2024-02-20 | 株式会社東芝 | 需要予測装置、需要予測方法、およびプログラム |
JP2021103374A (ja) * | 2019-12-24 | 2021-07-15 | 東芝デジタルソリューションズ株式会社 | 需要予測装置、需要予測方法、およびプログラム |
JP2022016310A (ja) * | 2020-07-10 | 2022-01-21 | ダイキン工業株式会社 | 生成方法、生成装置、プログラム、情報処理方法、及び情報処理装置 |
JP7244777B2 (ja) | 2020-07-10 | 2023-03-23 | ダイキン工業株式会社 | 生成方法、生成装置、プログラム、情報処理方法、及び情報処理装置 |
CN112163877B (zh) * | 2020-09-07 | 2022-06-28 | 山东青岛烟草有限公司 | 一种基于机器学习的投放策略自动生成方法及电子装置 |
CN112163877A (zh) * | 2020-09-07 | 2021-01-01 | 山东青岛烟草有限公司 | 一种基于机器学习的投放策略自动生成方法及电子装置 |
CN114418602A (zh) * | 2020-10-28 | 2022-04-29 | 华中科技大学 | 一种基于需求预测的在线零售商产品库存决策方法和*** |
CN114418602B (zh) * | 2020-10-28 | 2024-06-04 | 华中科技大学 | 一种基于需求预测的在线零售商产品库存决策方法和*** |
US20220343237A1 (en) * | 2021-04-23 | 2022-10-27 | Coupang Corp. | Method for Providing Information Related to Item Scrap and an Apparatus for the Same |
JP7051185B1 (ja) | 2021-04-26 | 2022-04-11 | クーパン コーポレイション | 発注に関連した情報を提供する電子装置の動作方法及びこれを支援する電子装置 |
JP2022168798A (ja) * | 2021-04-26 | 2022-11-08 | クーパン コーポレイション | 発注に関連した情報を提供する電子装置の動作方法及びこれを支援する電子装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019053821A1 (ja) | 2020-06-18 |
JP6814302B2 (ja) | 2021-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6814302B2 (ja) | 発注支援システム、発注支援プログラム及び発注支援方法 | |
AU2002353396B2 (en) | Sales optimization | |
US20020099678A1 (en) | Retail price and promotion modeling system and method | |
US20120232952A1 (en) | Inventory price optimization | |
US20200005209A1 (en) | Method and system for optimizing an item assortment | |
US20120271741A1 (en) | Inventory price optimization with key price list | |
JP2005174035A (ja) | 値引販売管理装置、値引販売管理方法、及びそのプログラム | |
JP2002133193A (ja) | 販売価格決定方法及び販売価格決定システム並びにプログラムを記録した機械読み取り可能な記録媒体 | |
JP2006018777A (ja) | 物品発注量決定方法、物品発注量決定装置、及びコンピュータプログラム | |
JP2016012321A (ja) | 需要予測装置およびプログラム | |
US11704612B2 (en) | Supply chain management system, supply chain management method, and supply chain management apparatus | |
JP6282993B2 (ja) | 需要予測装置及びプログラム | |
JP6475429B2 (ja) | 需要予測装置およびプログラム | |
JP5232513B2 (ja) | 証券取引発注処理システムおよびその方法、並びにプログラム | |
CN114626660A (zh) | 用于激增调整预报的方法和装置 | |
KR20220010334A (ko) | 다중 주문과 재분배 정산을 기반으로 하는 주문배달 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
WO2012086486A1 (ja) | 販売価格管理装置、システム、方法及びプログラム | |
JP6182171B2 (ja) | 需要予測装置及びプログラム | |
JP4790085B1 (ja) | 販売価格管理装置、販売価格管理システム、販売価格管理方法及び販売価格管理プログラム | |
JP2003150683A (ja) | 流通処理システム | |
JP2016012309A (ja) | 需要予測装置およびプログラム | |
JP2023090554A (ja) | 販売支援システム及び販売支援方法 | |
JP5323159B2 (ja) | 販売価格管理装置、販売価格管理システム、販売価格管理方法及び販売価格管理プログラム | |
JP2014153885A (ja) | データ編集装置およびプログラム | |
JP2003036293A (ja) | 営業・製造・購買支援方法、それを用いたシステム及び記憶媒体 |
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: 17925241 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2019541551 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: 17925241 Country of ref document: EP Kind code of ref document: A1 |