JP2022108172A - 商品発注支援システム - Google Patents

Abstract

【課題】商品や店舗ごとに異なる商品特性を自動で判別し、発注数の算出方法を商品特性に合わせて自動で選定し切り替え、各商品・各店舗に応じた最適な発注数を算出する。【解決手段】店舗で販売される商品の発注業務を支援するシステム１に備えられる商品発注支援サーバ１０が、各商品の売上予測数を算出する売上予測数算出部２０と、各商品を、商品及び店舗の特性に応じて予め設定された複数のカテゴリのいずれか一のカテゴリに振り分ける商品カテゴリ振り分け部３１及び商品カテゴリ振り分け部３１で振り分けられた各商品について、売上予測数と、各カテゴリ別に設定された所定の計算式に基づいて、当該商品の必要納品数を算出する必要納品数算出部３２を有する商品カテゴリ別発注数算出部３０を備える。【選択図】図２

Description

本発明は、例えばコンビニエンスストアやスーパーマーケットなどの、複数の商品を販売する店舗・販売店等における、商品の仕入となる発注業務を支援するための技術に関し、特に、発注業務を行うスタッフ・店員等の負荷を軽減するための商品発注支援システム及びプログラムに関する。

一般に、コンビニエンスストアやスーパーマーケットなどの複数の商品を販売する店舗や販売店等では、日々販売される商品の仕入となる発注業務が行われている。
商品の発注は、店舗等で販売される数千種類・数万種類にわたる各種商品（アイテム）について、それぞれ品切れや欠品等が生じないように、十分な在庫が確保されるように、日々正確かつ適切な発注業務が行われる必要がある。

このような商品の発注業務について、発注を行う担当者の人的負担を軽減する観点から、商品発注を支援するための技術が提案されている。
例えば、特許文献１には、需要データを入力して、商品毎に需要量ランク・需要予測精度ランク・需要量に基づいて最適な在庫管理レベルと在庫補充モデルを決定し、５つの在庫補充モデルの中から１つのモデルを選択する「在庫補充モデルの選定方法」が提案されている。

特開２００６－２２８０３５号公報

しかしながら、特許文献１に開示されている技術を含めて、これまでの商品発注の支援技術には、更なる改良の余地があった。
例えば、特許文献１の商品発注支援技術には、商品の種類や店舗の特性などに応じて、個々の商品や店舗毎に発注数を異ならせるようなことはできなかった。

本発明は、上記のような課題を解決するために提案されたものであり、商品や店舗ごとに異なる商品特性を自動で判別し、発注数の算出方法を商品特性に合わせて自動で選定し切り替えることにより、各商品・各店舗に応じた最適な発注数の算出・提案を行うことができる商品発注支援システムを提供することを目的とする。

上記目的を達成するため、本発明は、
店舗で販売される商品の発注業務を支援するシステムであって、各商品の売上予測数を算出する売上予測数算出部と、各商品を、商品及び店舗の特定に応じて予め設定された複数のカテゴリのいずれか一のカテゴリに振り分ける商品カテゴリ振り分け部と、前記商品カテゴリ振り分け部で振り分けられた各商品について、前記売上予測数と、前記各カテゴリ別に設定された所定の計算式に基づいて、当該商品の必要納品数を算出する必要納品数算出部と、を備える構成としてある。

また、本発明は、上記のような本発明に係る商品発注支援システムで実行されるプログラムとして構成することができる。
さらに、本発明は、上記のような本発明に係る商品発注支援システム及びプログラムによって実施可能な方法として実施することもできる。

本発明によれば、商品や店舗ごとに異なる商品特性を自動で判別し、発注数の算出方法を商品特性に合わせて自動で選定し切り替えることができ、これによって、各商品・各店舗に応じた最適な発注数の算出・提案を行うことができる。
したがって、コンビニエンスストアやスーパーマーケットなどの多くの種類の商品を日々発注する必要のある店舗などに好適な商品発注支援システム及びプログラムを提供することが可能となる。

本発明の一実施形態に係る商品発注支援システムの全体構成を模式的に示す説明図である。 商品発注支援システムにおける各部の構成を示す機能ブロック図である。 商品カテゴリ別発注数算出部における、（ａ）は商品の振り分けカテゴリの分類を、（ｂ）は必要納品数の算出方法を示す説明図である。 商品カテゴリ別発注数算出部における商品の各カテゴリへの振り分けの動作を示すフローチャートである。 商品の発注単位と必要納品数・発注提案数の関係を示す説明図である。 売切商品型の商品の必要納品数の算出方法の具体例を示す説明図である。 売上予測型の商品の必要納品数の算出方法の具体例を示す説明図である。 在庫補充型の商品の必要納品数の算出方法の具体例を示す説明図である。 Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型の商品の必要納品数の算出方法の具体例を示す説明図である。 基準在庫数自動調整部における基準在庫の自動調整処理の考え方を示す説明図である。 基準在庫初期値の考え方を示す説明図である。 基準在庫の自動調整の具体例を示す説明図である。 基準在庫とフェース数の増減の関係を示す説明図である。 基準在庫と売場数の増減の関係を示す説明図である。 基準在庫数自動調整部における基準在庫自動調整の動作を示すフローチャートである。 便別発注・自動修正部における便別発注の考え方を示す説明図である。 便別発注・自動修正部における便別発注の自動修正の考え方を示す説明図である。 便別発注の自動修正の具体例を示す説明図である。

以下、本発明に係る商品発注支援システムの実施形態について、図面を参照しつつ説明する。
ここで、以下に示す本発明の商品発注支援システム（本システム）は、プログラム（ソフトウェア）の命令によりコンピュータで実行される処理，手段，機能によって実現される。プログラムは、コンピュータの各構成要素に指令を送り、以下に示す本発明に係る所定の処理や機能等を行わせることができる。すなわち、本発明における各処理や手段，機能は、プログラムとコンピュータとが協働した具体的手段によって実現される。

なお、プログラムの全部又は一部は、例えば、磁気ディスク，光ディスク，半導体メモリ，その他任意のコンピュータで読取り可能な記録媒体により提供され、記録媒体から読み出されたプログラムがコンピュータにインストールされて実行される。また、プログラムは、記録媒体を介さず、通信回線を通じて直接にコンピュータにロードし実行することもできる。
また、本システムは、単一の情報処理装置（例えば一台のパーソナルコンピュータ等）で構成することもでき、複数の情報処理装置（例えば複数台のサーバコンピュータ群等）で構成することもできる。

また、本システムのハードウェア構成は、特に図示しないが、ＣＰＵ，ＲＡＭ，ＲＯＭ，ＨＤＤ，入力装置，表示装置等を含む情報処理装置によって構成される。これらの構成要素はシステムバスで接続され、システムバスを介してデータのやり取りが行われる。ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）は、中央処理装置ともいい、コンピュータの中心的な処理を行う部位であり、各装置の制御やデータの計算／加工を行う。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）は、メモリ装置の一種で、データの消去・書き換えが可能なものであり、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）は、半導体などを用いたメモリ装置の一種で、データ書き込みは製造時１回のみで、利用時には記録されたデータの読み出しのみできるものである。ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）は、磁性体の性質を利用し、情報を記録し読み出す補助記憶装置である。入力装置は、ユーザがコンピュータに対して操作指示を行うため、あるいは、文字等を入力するために使用され、具体的には、キーボード，マウス等で構成される。表示装置は、例えば液晶ディスプレイ等で構成され、タッチパネル機能を有するものであってもよい。その他、他の端末や情報処理装置等との通信が可能となる通信機能を備えることもできる。

［システム構成］
図１に示すように、本発明の一実施形態に係る商品発注支援システム１（以下「本システム１」という）は、商品発注支援サーバ１０と、一又は二以上の店舗端末７０（７０ａ～７０ｎ）とを備えて構成されている。
そして、これら商品発注支援サーバ１０・店舗端末７０は、ＬＡＮ・ＷＡＮ等を含むインターネット１００を介して接続され、それぞれ相互にネットワーク通信が可能となっている。
また、商品発注支援サーバ１０（売上予測数算出部２０）は、インターネット１００を介して、外部（国内外）に設置されている所定の外部データロボ８０とも通信可能に接続されるようになっている。

ここで、商品発注支援サーバ１０と店舗端末７０は、例えば同一の組織・企業等に設置される情報処理装置によって構成することができる。この場合には、本システム１は商品発注支援サーバ１０及び店舗端末７０によって構成されることになり、本システム１を、例えば同一の組織・企業単位、例えば単一のコンビニエンスストアチェーンの本部・店舗間で運用される社内システムとして機能させることができる。
また、商品発注支援サーバ１０と店舗端末７０は、それぞれ異なる組織・企業等に設置される情報処理装置によって構成することができ、例えば、商品発注支援サーバ１０は、本システム１をサービスとして顧客に提供する企業が運用する情報処理装置、店舗端末７０は、各種商品を販売等するコンビニエンスストアやスーパーマーケット等を運営する一又は二以の組織・企業等に備えられる情報処理装置によって構成することもできる。この場合には、店舗端末７０は、本システム１にネットワークを介して接続される外部装置として機能することになり、本システム１は商品発注支援サーバ１０のみによって構成されることになる。

［商品発注支援サーバ］
商品発注支援サーバ１０は、コンビニエンスストアやスーパーマーケット等の店舗や販売店等（以下単に「店舗」という）で販売される商品の発注業務を支援するための、本システム１の中核となる情報処理装置であり、本発明の商品発注支援システムを構成している。
この商品発注支援サーバ１０は、例えば、１又は２以上のサーバコンピュータやパーソナルコンピュータ、クラウドコンピューティングサービス上に構築された１又は２以上の仮想サーバからなるサーバシステム等、所定のプログラム（ソフトウェア）が実装された情報処理装置によって構成することができる。

また、商品発注支援サーバ１０には、図示しないＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）やＤＢＭＳ（ＤａｔａＢａｓｅ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）などが備えられ、サーバコンピュータとして運用されるようになっている。
そして、商品発注支援サーバ１０には、Ｗｅｂサーバプログラムなどのミドルウェア上で稼働するソフトウェアが実装されるようになっている。
このソフトウェアは、１又は２以上の店舗端末７０に対して、インターネット１００等のネットワークを介して、例えばＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）という形で利用可能なアプリケーションを公開、提供する。
これにより、各店舗端末７０では、商品発注支援サーバ１０から提供・提案される、例えば商品の発注数や基準在庫，便別発注についての提案等のサービスが提供されるために運用される専用のアプリケーションプログラムやウェブブラウザ等を呼び出してログインすることにより、本発明に係る商品発注支援システムの機能を実行させ使用することができる。

また、商品発注支援サーバ１０には、データベース等として実装される後述する所定の店舗別ＤＢ（データベース）６０を備えるとともに、本発明に係る商品発注支援システムの運用に必要となる所定の情報を取得・蓄積する記憶手段が備えられる。
記憶手段には、各種の情報リソースとして、後述する各店舗端末７０から入力・送信される所定の情報、例えば店舗情報，商品情報，売上情報，発注情報，顧客情報などが記憶されるとともに、本実施形態に係る商品発注支援サーバ１０に必要となる所定の情報が格納され、本システム１の運用に伴って随時必要な情報が読み出されて、記憶・更新される。

そして、本実施形態に係る商品発注支援サーバ１０は、図２に示すように、売上予測数算出部２０，商品カテゴリ別発注数算出部３０，基準在庫数自動調整部４０，便別発注・自動修正部５０の各部として機能するように構成される。
また、商品発注支援サーバ１０には、所定の記憶手段によって構成される複数のデータベース（ＤＢ）が構築されており、具体的には、一又は二以上の店舗端末７０に対応した店舗別ＤＢ６０が備えられており、各店舗別の所定のデータがデータベースとして管理されるようになっている。

売上予測数算出部２０は、本システム１の対象となる一又は二以上の店舗（コンビニエンスストア，スーパーマーケット等）で販売される複数の各商品について、当該商品の売上予測数（「需要予測数」ともいう）を算出する。
具体的には、売上予測数算出部２０は、対象となる店舗ごとに、当該店舗において販売される全ての商品について、日々の売上数（需要数）を予測し、売上予測数（需要予測数）として算出・出力する。
売上数の予測は、対象店舗の店舗端末７０から日々入力される商品毎の日別／週別／月別の売上数や在庫数、商品の価格、商品コード、売上動向を左右する各種要因（例えば、陳列場所，販売月，販売曜日，販売季節，販促イベントの有無など）を教師データとして入力し、人工知能により機械学習を繰り返すことで、所定の予測モデルを構築することにより、各商品の販売日ごとの売上予測数や、一日の時間帯別の売上予測数を求めることができる。

ここで、「機械学習」とは、過去のデータをコンピュータに与え、未来を予測するモデル（計算式）を作成する人工知能技術であり、入力されたデータから有用な規則やルール，判断基準等を抽出し、反復的な学習を繰り返すことで、新たに入力されたデータに対する規則やルール等を自律的に生成して成長させることができる。
この種の機械学習は、公知の技術を用いることができ、本システム１の商品発注支援サーバ１０（売上予測数算出部２０）が、それらの機能を備えたサーバコンピュータ等により構成されることで実現することができる。

また、以上のような売上予測数算出部２０の売上予測モデルは、リモデリング（モデルチューニング）を行うことができ、それによって高精度の予測モデルを実現・維持することができる。
例えば、売上予測モデルを、複数の分析モデル（例えば商品モデル，カテゴリモデル等）によって構成し、それら各分析モデルの作成単位をパラメータとして、予測精度が高くなるモデル単位を自動で判別し、モデリングを行うことができる。

ここで、売上予測モデルのモデリングは、カテゴリなど人間が設定したものを利用するのではなく、あくまでもデータ視点で商品特性を把握して最適化を行うことが望ましい。
また、売上予測モデルは、誤差予測モデルではなく、学習対象データを最新化・豊富化することにより予測精度を高めることが可能になる。
さらに、全モデルを高精度に維持するために、日々の売上実績に基づいて売上予測精度を計測し、精度が悪くなってきたものから自動的に再学習（リモデリング）を実施することが望ましい。

そして、以上のような売上予測モデルのリモデリング（チューニング）は、本実施形態では、外部データロボ８０を活用して行うことができる。
外部データロボ８０は、人工知能・機械学習用のプラットフォームを商用・業務として提供するデータロボットであり、複数の機械学習アルゴリズムを用いてモデルを作成することができる。この種のデータロボットとしては、例えばＳａａｓ（Ｓｏｆｔｗａｒｅ ａｓ ａ ｓｅｒｖｉｃｅ）として提供されているデータロボットサービス等がある。
本システム１では、そのような外部データロボ８０に対して、商品発注支援サーバ１０（売上予測数算出部２０）から、ネットワーク（インターネット１００）を介して所定のデータを入力することにより、最適に分割された複数（例えば数百～数千）の売上予測モデルを自動管理・自動更新を行うことができる。
この外部データロボ８０の機能についても、公知の技術を用いることができる。

商品カテゴリ別発注数算出部３０は、各店舗で販売される商品の特性に合わせた発注数を算出するとともに、自動で調整・変更等するための手段である。
一般に、コンビニエンスストアやスーパーマーケット等で販売される商品は多種多様であり、各商品の特性によって発注数の算出は異ならせる必要がある。
本システム１では、各店舗に応じた最適な発注数を提示・提案するものであるが、通常、そのような発注提案は、各店舗における在庫と売上予測に基づいて算出することになる。

ところが、同じ店舗で販売される商品といっても、例えば日配品や生鮮品などの店舗での販売可能日数が短い商品と、加工食品や生活雑貨などの販売可能日数が長い商品とでは、同じ算出方法で発注提案数を算出してはならず、商品の特性（販売可能日数）に応じた算出方法を用いた発注提案を行う必要がある。
また、例えば販売可能日数が短い売り切り商品の場合、在庫数を加味してしまうと、発注日～納品日までの売上を賄えるとみなしてしまい、その結果、発注提案が出ないために品切れが発生してしまうことになる。
一方、販売頻度が低い商品の場合は、売上予測数をベースに算出すると、必要在庫数が限りなくゼロに近くなってしまい、そのような商品が多数発生してしまうことなる。

以上のような商品の特性に応じた発注数の算出・登録を、１つ１つの商品ごとにコンビニエンスストアの各店舗や本部等で適切に行うことは、数万アイテムにも及ぶ商品を扱う現場では、実際問題としては不可能である。
さらには、一度適切・適正な発注数を算出・提案できたとしても、例えば季節の変化や売り場状況などによって商品特性も日々変化するため、発注数の算出・提案方法にも随時機動的なメンテナンス等が必要となる。

そこで、本システム１では、商品カテゴリ別発注数算出部３０により、各店舗で販売される商品の特性に合わせた最適な発注数を算出・提案するとともに、そのように算出される発注数を、日々自動で調整・変更等するようにしてある。
具体的には、商品カテゴリ別発注数算出部３０は、図２に示すように、商品・店舗ごとに商品特性を自動で判別する商品カテゴリ振り分け部３１と、発注提案の算出方法を商品特性に合わせて自動で切り替えて発注数算出を実行する必要納品数算出部３２として機能するようになっている。

商品カテゴリ振り分け部３１は、店舗で販売される複数の各商品について、予め設定された複数のカテゴリのいずれか一のカテゴリに振り分ける。
商品の特性（例えば売り切り商品であるか否かなど）を、店舗の担当者が商品ごとに判別することは、付帯業務が増大してしまい大きな負担となる。
そこで、本システム１では、商品カテゴリ振り分け部３１において、商品単位・店舗単位で、在庫日数や販売頻度を算出し、それらに基づいて各商品をいずれのカテゴリに振り分けるべきかを自動で判別し、その結果を必要納品数算出部３２に出力することで、カテゴリごとに当該商品に最適な発注数の算出・提案を行えるようにする。

必要納品数算出部３２は、商品カテゴリ振り分け部３１で振り分けられた商品について、売上予測数算出部２０で得られる売上予測数と、複数の各カテゴリ別に設定された所定の計算式に基づいて、当該商品の必要納品数を算出する。
具体的には、販売可能日数が短い売り切り商品は、売り場に穴を開けないように売り切り分を加味した発注提案を行う必要がある。
また、販売頻度が低い商品は、売り場を保持するための在庫を確保し、売れた分を補充する、といった発注提案を行う必要がある。
また、上記以外の通常の商品は、在庫数と売上予測数を加味した発注提案を行うことが望ましい。

そこで、必要納品数算出部３２では、商品カテゴリ振り分け部３１で所定のカテゴリに振り分けられた各商品について、その商品特性（カテゴリ）別に設定された所定の計算式を用いて演算を実行し、各商品に最適な必要納品数を算出して発注提案数として出力するようになっている。
なお、上記のような商品カテゴリ別発注数算出部３０における処理は、上述した売上予測数算出部２０と同様に、入力されるデータを教師データとして反復的な学習を繰り返すことで、新たに入力されたデータに対する判断を自律的に生成・成長させる公知の機械学習・人工知能技術によって行うことができる。
以上のような商品カテゴリ振り分け部３１及び必要納品数算出部３２を含む商品カテゴリ別発注数算出部３０の具体的な処理動作については、図３～図９を参照しつつ後述する。

基準在庫数自動調整部４０は、上述した商品カテゴリ別発注数算出部３０で発注提案を行う各店舗・商品ごとの最低陳列数となる所定の基準在庫数を自動学習機能により調整・変更するための手段である。
一般に、コンビニエンスストアやスーパーマーケット等の各店舗への発注提案は、在庫数と売上予測数に基づいて、「納品日に残すべき数」という意味の最低陳列数をもとに算出される。

ここで、「最低陳列数」とは、売り上のブレをカバーするための「安全在庫」、あるいは、見せる売場としての「必要在庫」の観点から算出する必要がある。
ところが、店舗で販売される多種多様な全ての商品について、最適な最低陳列数を適切に設定することは非常に難しく、しかも従来は、店舗の担当者が商品ごとに設定する必要があるため、知識や経験が求められるものであった。さらに、最適な最低陳列数が一度設定されても、例えば売れ行きや売り場状況の変動などに合わせて、日々メンテナンスや修正等が求められることになる。

そこで、本システムでは、基準在庫数自動調整部４０により、各店舗・商品ごとに最適な最低陳列数となる所定の基準在庫数を、自動学習により算出し、動的に調整・変更するようにしてある。
具体的には、基準在庫数自動調整部４０は、図２に示すように、日々の売り数の変動を補うために安全在庫や見せる在庫を確保するための必要在庫数算出部４１と、店舗の現場における発注修正や品切れ等の発生から、確保すべき閉店時在庫を自動調整するための必要在庫数調整部４２として機能するようになっている。

必要在庫数算出部４１は、売上予測数算出部２０で得られる売上予測数に所定の基準在庫数を加算した値を、必要在庫数として算出する。
店舗における日々の販売数には多少の変動が必ず発生し、その変動幅は商品ごとに異なる。そのような販売数の変動が発生しても品切れが生じない安全在庫が確保できるよう発注を行う必要がある。
また、そのような安全在庫の適正値は、店舗に陳列されているフェースに基づいて予め設定されている初期値を考慮して計算する必要がある。

そこで、本システム１では、必要在庫数算出部４１において、そのような店舗で日々生じる変動幅に対応するとともに、店舗の陳列フェースの値を加味して、所定の基準在庫数に基づいて必要在庫数を算出し、商品ごと・店ごとの安全在庫として出力・提案するようになっている。
ここで、「フェース」とは、商品を店舗の陳列棚に並べたときに、商品の「面」が見える数をいう。
また、「基準在庫数」とは、各店舗において確保しておくべき在庫の数をいう。

必要在庫数調整部４２は、店舗から発注された発注数に基づいて、必要在庫数算出部４１で算出される必要在庫数を自動調整する。
安全在庫（必要在庫数）は、上述した必要在庫数算出部４１による自動算出に加えて、担当者等による手入力による発注修正や、品切れの発生、ゼロ発注など、店舗で実際に生じる動的な変動も考慮して、確保すべき在庫（閉店時在庫）を調整・修正する必要がある。

具体的には、本システム１による発注提案を店舗の担当者等がプラス修正した場合や品切れが発生した場合には、もっと在庫が必要な商品であると判断すべきであり、在庫をさらに残せるよう発注提案数を自動調整する必要がある。
逆に、店舗の担当者等が、本システム１による発注提案をマイナス修正した場合や、その商品は「絶対に要らないない」という意思表示のためのゼロ登録をしたような場合には、残す在庫を減らすように発注提案数を自動調整する必要がある。
さらに、例えばビール箱や飲料の箱など、積み上げる数が決定している商品については、その数（指定数）を店舗の意思・意向として登録可能とし、その指定数に合わせた発注提案数を提示できることが望ましい。

そこで、必要在庫数調整部４２では、必要在庫数算出部４１で自動算出される必要在庫数を、店舗から実際に発注された発注数に基づいて調整することにより、店舗の実際の現場の動向や状況等を加味した、より最適な安全在庫を動的に算出して発注提案数として出力するようになっている。
なお、上記のような基準在庫数自動調整部４０における処理についても、売上予測数算出部２０・商品カテゴリ別発注数算出部３０と同様に、公知の機械学習・人工知能技術によって行うことができる。
以上のような必要在庫数算出部４１及び必要在庫数調整部４２を含む基準在庫数自動調整部４０の具体的な処理動作については、図１０～図１５を参照しつつ後述する。

便別発注・自動修正部５０は、各店舗で販売される各商品の時間帯別の売上予測に基づいて、時間帯別の便別発注提案を行うとともに、各店舗・各商品について実際に使われている配送便に寄せる自動修正を行った便別発注提案を実現するための手段である。
ここで、「便」とは、商品が納品されるタイミングをいい、例えば「１便：朝納品」，「２便：昼納品」，「３便：夕方納」などがある。

従来は、各店舗に対して行われる発注提案は、前日の在庫をベースに１日の売上予測数のみに基づいて算出されていたため、１日１回１便での納品、例えば店舗オープン前納品にしか対応できていなかった。そのため、例えば午後便で納品される商品でもオープン前に納品している想定で発注数を計算することで、発注数を正しく計算できないケースが発生していた。
一方で、発注提案を機械的に複数便に振り分けてしまうと、店舗事情に応じて人員配置や品出しの効率化のために敢えて特定の便に便寄せで発注している商品についても、意図しない便に発注提案数が割り振られるおそれがある。

そこで、本システム１では、便別発注・自動修正部５０により、売上予測数算出部２０において得られる時間帯別の売上予測数に基づいて、各店舗で販売される商品ごとの複数の便別発注提案を行うとともに、そのように自動算出される便別の発注提案数を、各店舗の実際の便別発注実績を考慮して変更・修正できるようにしてある。
具体的には、便別発注・自動修正部５０は、図２に示すように、商品・店舗ごとに商品の時間帯別売上予測に基づく便別発注数を算出する便別発注振り分け部５１と、各店舗・各商品で実際に使われている便に寄せて修正した修正便別発注提案を実現する便別発注修正部５２として機能するようになっている。

便別発注振り分け部５１は、売上予測数算出部２０で算出される時間帯毎の売上予測数に基づいて、各商品の発注数を複数の配送便毎に振り分ける。
具体的には、売上予測数算出部２０では、時間帯別の販売按分比率を生成して、１日の各店舗・各商品の売上予測を時間帯別に按分することにより、時間帯別売上予測を算出する。
便別発注振り分け部５１は、この時間帯別の売上予測数に基づいて、当該店舗の複数の各配送便に対して、各商品の発注を、最も売上数の多い時間帯に該当する配送便に振り分けるようにする。

便別発注修正部５２は、当該店舗の過去の発注実績に基づいて、便別発注振り分け部５１で振り分けられた配送便毎の発注数を修正する。
具体的には、各店舗・各商品で過去の利用便パターンを集計し、各店舗・商品ごとに一番使われている利用便をもとに発注提案数を算出し、便別発注振り分け部５１で振り分けられた配送便を、最も使用されている利用便に修正する。
これによって、人間（各店舗の担当者等）が無意識に配慮している要因を汲み取って、各店舗・各商品で、実際に使われている便に寄せた発注提案を実現することができるようになる。

なお、上記のような便別発注・自動修正部５０における処理についても、売上予測数算出部２０・商品カテゴリ別発注数算出部３０・基準在庫数自動調整部４０と同様に、公知の機械学習・人工知能技術によって行うことができる。
以上のような便別発注振り分け部５１及び便別発注修正部５２を含む便別発注・自動修正部５０の具体的な処理動作については、図１６～図１８を参照しつつ後述する。

店舗別ＤＢ６０は、本システム１の発注提案対象となる各店舗別の所定のデータ・情報がデータベースとして管理される記憶手段である。
この店舗別ＤＢ６０には、インターネット１００等のネットワークを介して各店舗に設置された各店舗端末７０から所定の情報が入力・送信され、データが随時格納・更新される。
また、この店舗別ＤＢ６０で記憶・管理されている情報に基づいて、上述した売上予測数算出部２０・商品カテゴリ別発注数算出部３０・基準在庫数自動調整部４０・便別発注・自動修正部５０における各処理が実行されるようになる。

店舗別ＤＢ６０に格納・管理される所定の情報としては、本システム１の発注提案の対象となる各店舗に関する情報であり、具体的には、図２に示すように、例えば商品マスタ６１，在庫マスタ６２，売上マスタ６３，陳列マスタ６４などの各種情報がある。
なお、以下に示す店舗別ＤＢ６０に記憶される情報は、本システム１において処理対象となる情報の一例であって、特に以下の情報のみに限定されるものではなく、本システム１として必要な情報を追加・削除・変更等することができることは言うまでもない。

商品マスタ６１，在庫マスタ６２，売上マスタ６３，陳列マスタ６４を構成する情報・データとしては、例えば以下のようなものがある。

［商品マスタ］
・商品の名称
・商品コード
・仕入価格
・販売価格
・賞味期限
・発注可能便情報
・過去発注便情報

［在庫マスタ］
・日別の在庫数
・週別の在庫数
・月別の在庫数
・在庫場所

［売上マスタ］
・日別の売上数
・時間帯別の売上数
・週別の売上数
・月別の売上数

［陳列マスタ］
・陳列場所
・陳列数
・フェース数
・多箇所陳列数

［店舗端末］
店舗端末７０（７０ａ～７０ｎ）は、インターネット１００を介して商品発注支援サーバ１０に接続された、例えばＰＯＳシステムやＰＣ，タブレット端末等で構成される、本システム１による発注提案対象となる各店舗に設置される一又は二以上の情報処理装置によって構成することができる。
このような店舗端末７０を介して、店舗端末７０を使用する各店舗の店長や担当者,従業員は、インターネット１００を介して、商品発注支援サーバ１０からの発注提案に関する各種情報を店舗端末７０において受信することができ、また、商品発注支援サーバ１０に対して、当該店舗における日々の売上情報や在庫情報，発注情報などの所定の情報を店舗端末７０から入力・送信することができるようになる。

［動作］
次に、以上のような本システム１における具体的な処理・動作（商品発注支援方法の実施）について、図３～図１８を参照して説明する。
本システム１では、上述した商品発注支援サーバ１０の売上予測数算出部２０・商品カテゴリ別発注数算出部３０・基準在庫数自動調整部４０・便別発注・自動修正部５０による一連の処理動作を自動実行することにより、発注支援対象となる複数の各店舗に対する適切・最適な発注提案を行うことで、各店舗における発注業務を含む業務全体の効率化を図ることができる。

［商品カテゴリ別発注数算出］
まず、図３～図９を参照しつつ、商品カテゴリ別発注数算出部３０（商品カテゴリ振り分け部３１・必要納品数算出部３２）における動作（商品カテゴリ別発注数算出方法）を説明する。
図３に、商品カテゴリ別発注数算出部３０における商品の振り分けカテゴリの分類（同図（ａ））と、必要納品数の算出方法（同図（ｂ））を示す。

同図に示すように、商品カテゴリ別発注数算出部３０（商品カテゴリ振り分け部３１）は、店舗で販売される商品を４つのカテゴリに分類して振り分けるようになっている。
具体的には、当該商品の販売期間（販売可能日数）に着目して、店舗の全商品を「予測型」と「補充型」の２つに分類し、さらに各商品を以下の４つの型に振り分けるようにしている。
［予測型］
（１）売切商品型：販売期間が短い売切り商品（例：食パンなど）
（２）売上予測型：基本となる発注パターンで販売期間が普通~長い商品（例：ヨーグルト，牛乳など）
［補充型］
（３）在庫補充型：売り数の変動が少ないアイテム（例：ライフスタイル商品など）
（４）Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型：低販売頻度品（例：乳製品の高額なアイテムなど）

そして、商品カテゴリ振り分け部３１では、以上のような４つの分類への振り分けを、以下のようにして自動で行うようになっている。
（１）売切商品型：在庫回転日数が所定数より少ない商品
例えば、「在庫回転日数＜２」に該当する商品が、このカテゴリに振り分けられる。なお、この場合の閾値（所定数）は、各店舗の売上状況や在庫状況などに応じて任意に設定・調整することができる。
ここで、「在庫回転日数」とは、在庫が何日かかって回転したのかを表す指標で、各商品の過去の売上／在庫の実績データに基づいて、予め在庫回転日数情報が商品ごとに設定・登録されるようになっている。この在庫回転日数によって、販売期間が短い商品を売切商品型に設定することで、在庫の効率性を向上させることができる。
（２）売上予測型：他のいずれのカテゴリにも該当しない商品
具体的には、（１），（３），（４）に当てはまらない商品や、新規対象商品が、このカテゴリに振り分けられる。
（３）在庫補充型：店舗で所定の分類指定された商品
例えば、店舗端末７０を介して所定の固定パラメータファイルを用いて、店側で分類・指定が行われた商品が、このカテゴリに振り分けられる。
（４）Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型：販売頻度が所定値より低い商品
例えば、「販売頻度＜３３％」に該当する商品が、このカテゴリに振り分けられる。なお、この場合の閾値（所定値）についても、各店舗の売上状況や在庫状況などに応じて任意に設定・調整することができる。
ここで、「販売頻度」とは、何日の間に１回売れるかを示す頻度であり、例えば「３３％」であれば、３日に１回売れる商品が該当する。この販売頻度も、各商品の過去の売上／在庫の実績データに基づいて、予め販売頻度情報が商品ごとに設定・登録されるようになっている。この販売頻度によって、販売頻度の低い商品の在庫数を抑制することで、在庫の効率性を向上させることができる。

図４は、以上のような商品カテゴリ振り分け部３１における商品の各カテゴリへの振り分けの動作を示すフローチャートである。
同図に示すように、商品のカテゴリ振り分け処理では、まず（３）在庫補充型の商品についての判定が行われ、各商品について例えば方式が共通テーブルで指定されているか否かが判断される（ステップ４０１：Ｙｅｓ／Ｎｏ）。
ここで、在庫補充型に属する商品は、店舗側の入力設定等により、固定パラメータファイルで指定・分類することで、固定的に在庫補充型に設定・登録することができる。

次に、（１）売切商品型の商品についての判定が行われ、在庫回転日数が「２以下」の商品か否かが判断される（ステップ４０２：Ｙｅｓ／Ｎｏ）。
その結果、販売期間が短い商品が売切商品型に設定される。
次に、（４）Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型の商品についての判定が行われ、販売頻度が「３３％以下」の商品であるか否かが判断される（ステップ４０３：Ｙｅｓ／Ｎｏ）。
これにより、販売頻度に応じて予測型（Ｓｅｌｌ１Ｂｕｙ１型）か補充型（売上予測型）が決定され設定・登録される。

以上のようにして自動で４つのカテゴリに振り分けられた各商品は、次に必要納品数算出部３２により、各カテゴリ別に設定された所定の計算式に基づいて、当該商品の必要納品数が算出される。
具体的には、本システム１では、図３（ｂ）に示すように、以下の各計算式１－４に従ってカテゴリ別に必要納品数が算出される（なお、以下に示す各式１－４は、それぞれ、特許請求の範囲に記載の式２，式４，式１，式３に対応するものである）。
（１）売切商品型
式１：必要納品数＝売上予測数－納品予定数
（２）売上予測型
式２：必要納品数＝売上予測数＋基準在庫数－納品予定数－在庫数
（３）在庫補充型
式３：必要納品数＝基準在庫数－納品予定数－在庫数
（４）Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型：
式４：必要納品数＝売上数

以上のような各カテゴリ別の計算式に基づいて、各商品の必要納品数が算出・決定され、この必要納品数が、各店舗で必要となる発注数となり、本システム１で提案される発注提案数となる。
ここで、本システム１に係る発注提案数は、図３（ｂ）に示すように、以下の計算式５－６で求められる「発注提案ケース数」と「発注提案バラ数」として把握される。
式５：発注提案ケース数＝必要納品数÷発注単位
式６：発注提案バラ数＝発注提案ケース数×発注単位

ここで、「ケース数」とは、各商品について、所定数の商品を収納・梱包した「箱の数」であり、例えば、「ビール６本パック」であれば「ケース数：１（１ケース）」となる。
また、「バラ数」とは、箱（ケース）の中に含まれる商品の数であり、「ビール６本パック」であれば、1ケースで「バラ数：6個」となる。
そして、この「１ケース」に含まれる商品のバラ数（６本）が、その商品の「発注単位」となる。
したがって、例えば、「必要納品数：ビール６本」であれば、「発注提案ケース数」は「６本÷６本＝１ケース」となる。
また、この場合「発注提案バラ数」は「１ケース×６本＝６本」となる。

ところで、実際に各店舗から発注された商品は、商品ごとに異なる「発注単位」（ケース単位）で配送・納品されることになる。
一方で、上述した式１－４に基づいて算出される「必要納品数」は、必ずしも「発注単位」となることはなく、発注単位では割り切れない端数が含まれる場合もある。
そこで、本システム１において最終的に各店舗に提案される「発注提案数」は、そのような「必要納品数」及び「発注単位」を考慮して、少なくとも「必要納品数」を包含した数となるように補正・調整されることになる。

以下、図５を参照しつつ、商品の「発注単位」に基づく必要納品数と発注提案数の関係について具体的に説明する。
図５は、商品の発注単位と必要納品数・発注提案数の関係を示す説明図である。
同図に示す例では、「商品：烏龍茶」について「必要納品数：１５本」と算出された場合である。
この場合、「烏龍茶」は「９本で１箱」であるので、「必要納品数：１５本＝ケース数：１箱＋バラ数：６本」となる。

ところが、「烏龍茶」の発注単位は「１ケース：９本」であるので、「１５本」という納品は行われない。
そこで、本システム１では、以上のような発注単位を考慮して、「必要納品数（１５本）」を包含する「発注単位（９本）」の整数倍である「１８本（2ケース）」を、店舗側に提示する「発注提案数」として算出・提案するようになっている。

次に、以上のような商品カテゴリ別に行われる商品の必要納品数の算出方法について、図６～図９を参照しつつ、各商品カテゴリ別の具体例を説明する。
図６は（１）売切商品型の商品の場合の具体例である。
このカテゴリの商品は、在庫数（基準在庫数）は考慮せず、以下の式１により売上予測数と納品予定数から必要納品数が算出される。
式１：必要納品数＝売上予測数－納品予定数

図６の例では、毎日発注を行うリードタイムが１日の商品について、木曜日に翌日（金曜日）分の商品を発注する場合を示している。
この例では、基準在庫「なし」、金曜日の納品予定数（前回発注分）「４」、売上予測数「１０」となっており、必要納品数は以下のように算出される。
（木）必要納品数Ｘ＝（金）売上予測数１０－（金）納品予定数４＝６
したがって、当該店舗における当該商品の木曜日に発注すべき必要納品数は「６」となる。

図７は（２）売上予測型の商品の場合の具体例である。
このカテゴリの商品は、在庫数・基準在庫数を考慮して、以下の式２により売上予測数と基準在庫数，納品予定数，在庫数から必要納品数が算出される。
式２：必要納品数＝売上予測数＋基準在庫数－納品予定数－在庫数

図７の例では、金曜日・土曜日を除く毎日発注を行うリードタイムが２日の商品について、木曜日に翌々日（土曜日）分の商品を発注する場合を示している。
この例では、まず納品日前日の閉店時在庫数が以下のように算出される。
(水)閉店時在庫４＋（金）納品予定５－（木・金）売上予測数５（２＋３）＝４

また、この例では、土・日・月曜日の売上予測数は「１０（４＋４＋２）」となっている。また、この場合の基準在庫数は、土曜日納品分と予測在庫で次回納品日前日（月曜日）までの売上をまかなえる数「２」となる。これに、上記の納品日前日の閉店在庫数「４」を考慮することで、必要納品数は以下のように算出される。
(木)必要納品数Ｘ＝（土・日・月）売上予測数１０＋基準在庫２－納品日前日の閉店時在庫４＝８
したがって、当該店舗における当該商品の木曜日に発注すべき必要納品数は「８」となる。

図８は（３）在庫補充型の商品の場合の具体例である。
このカテゴリの商品は、売上予測数は考慮せず、以下の式２により基準在庫数と納品予定数，在庫数から必要納品数が算出される。
（３）在庫補充型
式３：必要納品数＝基準在庫数－納品予定数－在庫数

図８の例では、金曜日・土曜日を除く毎日発注を行うリードタイムが２日の商品について、木曜日に翌々日（土曜日）分の商品を発注する場合を示している。
この例では、基準在庫「１０」、木曜日の閉店後の在庫数「４」、金曜日の納品予定数（前回発注分）「５」となっており、必要納品数は以下のように算出される。
（木）必要納品数Ｘ＝基準在庫１０－（（木）閉店後の在庫数４+（金）納品予定数５）＝１
したがって、当該店舗における当該商品の木曜日に発注すべき必要納品数は「１」となる。

図９は（４）Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型の商品の場合の具体例である。
このカテゴリの商品は、売上予測数や在庫数，基準在庫数等は考慮せず、以下の式４により前日の売上数から必要納品数が算出される。
式４：必要納品数＝売上数

図９の例では、金曜日・土曜日を除く毎日発注を行うリードタイムが２日の商品について、木曜日に翌々日（土曜日）分の商品を発注する場合を示している。
この例では、前日の売上数「２」がそのまま発注数となり、必要納品数は以下のように算出される。
（木）必要納品数Ｘ＝前日売上２＝２
したがって、当該店舗における当該商品の木曜日に発注すべき必要納品数は「２」となる。

［基準在庫数自動調整］
次に、図１０～図１５を参照しつつ、基準在庫数自動調整部４０（必要在庫数調整部４２）における動作（基準在庫数自動調整方法）を説明する。
図１０に、基準在庫数自動調整部４０における基準在庫の自動調整処理の考え方を示す。
同図に示すように、基準在庫数は、売上予測数とともに、本システム１において想定・算出される各店舗に提案すべき発注提案数を構成する値である。
具体的には、基準在庫数とは各店舗・商品ごとに定まる最低陳列数であり、この基準在庫数と、上述した売上予測数算出部２０で算出される売上予測数を加算した数が、その店舗における当該商品について確保すべき商品数となり、発注提案数のベースとなる値である。

すなわち、図１０左側の「今回の発注提案」に示されるように、基準在庫数と発注提案数は次のような関係にある。
売上予測数＋基準在庫数＝在庫数＋納品予定数＋発注提案数
ところが、実際の店舗の現場では、本システム１で提案された発注提案数が、図１０左側の「人の発注」に示すように、担当者の判断や売上状況等に応じて変更（増減）されることがある。
そのような発注提案数の変更・修正が行われたということは、本システム１が提示した発注提案数が「少な過ぎる／多過ぎる」ことを意味し、それは、発注提案数の基礎となる基準在庫数が「多過ぎる／少な過ぎる」ことになる。

そこで、本システム１では、基準在庫数自動調整部４０では、店舗の現場における発注修正や品切れの発生等を監視することにより、基準在庫数を自動調整するようにしている。
具体的には、図１０右側の「次回発注提案」に示すように、発注提案数が店舗側でプラスに修正された場合には、前回提案の基礎となっている基準在庫数が足りなかったと判断して、プラス修正された分だけ基準在庫数を増加修正した上で、次回の発注提案を行うようにする。
マイナス修正された場合にも、同様に前回の基準在庫数をその分だけ減少修正した上で、次回の発注提案を行うようにする。

ここで、本システム１における基準在庫数は、初期値としては店舗におけるフェース数に基づいて算出・設定される。
図１１に、基準在庫初期値とフェース数の関係を示す。
上述のとおり、「フェース」とは、商品を店舗の陳列棚に並べたときに商品の「面」が見える数をいい、店舗ごと・商品ごとに初期値のフェース数が設定・登録されている。

そして、基準在庫数とフェース数は、「基準在庫初期値＝フェース×２」の関係にある。
例えば、図１１に示すように、「商品：さば缶」は「フェース数：３」に設定されているとすると、「基準在庫数の初期値：６個」となる。
そして、基準在庫数自動調整部４０において基準在庫数が自動で調整（増減）されるということは、図１１に示すように、当該商品の「奥行き」が調整されることを意味する。

次に、図１２を参照して、基準在庫数自動調整部４０において基準在庫数が自動調整される場合の具体例を示す。
図１２は、本システム１において基準在庫の自動調整される場合の、店舗現場の状況と、その場合に店舗側の店舗端末７０に提示されるメッセージ例を示している。
同図に示すように、店舗側で「発注をプラス修正」すると、基準在庫は自動で「増加」調整される。この場合、店舗側には「提案数が足りないときはプラス修正してください／次回以降の提案数が増加します」等のメッセージが出力・表示される。
同様に、店舗側で「発注をマイナス修正」すると、基準在庫は自動で「減少」調整される。この場合、店舗側には「提案数が過剰なときはマイナス修正してください／次回以降の提案数が減少します」等のメッセージが出力・表示される。

店舗側で「先付け“０”発注」すると、基準在庫は自動で「減少」調整される。この場合、店舗側には「納品時に在庫過剰だと気づいたときは先付け“０”発注をしてください／次回以降の提案数が減少します」等のメッセージが出力・表示される。
ここで、「先付け“０”発注」とは、売上予測数が小さい（少ない）商品については発注提案数が「０」のため、それ以上マイナスに修正できないことから、意図的に基準在庫を下げる機能であり、マイナス修正する機会が少ない商品への補助機能となるものである。
店舗側で「品切れが発生」すると、基準在庫は自動で「増加」調整される。この場合、店舗側には「品切れが発生したとき、次回以降の提案数が増加します」等のメッセージが出力・表示される。

店舗側で「フェースの拡縮を実施」すると、基準在庫は自動で「拡縮に合わせて増減」調整される。この場合、店舗側には「フェースの拡縮登録をすると、それに合わせて
次回以降の提案数が調整されます」等のメッセージが出力・表示される。

ここで、図１４に、フェース数の拡張と基準在庫数の関係を示す。
上述のとおり、基準在庫数とフェース数は、「基準在庫初期値＝フェース×２」の関係にある（図１１参照）ため、図１４に示すように、「商品：マヨネーズ」が「フェース数：５」の場合、「基準在庫数：１０個」となる。
この場合、店側の売上状況などに応じてフェース数が増加された場合、例えば「フェース数：７」に増加されると、「基準在庫数：１４個」となる。
そこで、必要在庫数調整部４２では、フェース数が増減した場合には、増減したフェース分だけ、元の１フェースあたりの基準在庫数分を修正するようになっている。

店舗側で「多箇所に陳列登録」すると、基準在庫は自動で「多箇所数に合わせて増減」調整される。この場合、店舗側には「多箇所の陳列登録をすると、それに合わせて次回以降の提案数が調整されます」等のメッセージが出力・表示される。
ここで、「多箇所陳列」とは、商品を複数の売場に並べることで、例えば、「商品：鍋つゆ」を「野菜売り場」と「調味料売場」などの複数個所に陳列して販売する場合である。

図１５に、多箇所陳列の増加（売場拡大）と基準在庫数の関係を示す。
「商品：マヨネーズ（フェース数：５・基準在庫数：１０個）」の当所の売り場が「売場Ａ」１箇所だった場合に、売り場をもう１箇所増やして「売場Ａ＋売場Ｂ」とした場合には、図１４に示すように、「商品：マヨネーズ」は、「フェース数：５＋５＝１０」、「基準在庫数：２０個」となる。
そこで、必要在庫数調整部４２では、多箇所陳列により売場が増減した場合には、増減したフェース分だけ、元の１フェースあたりの基準在庫数分を修正するようになっている。

次に、以上のような基準在庫数の自動調整処理の流れを、図１５を参照しつつ具体的に説明する。
図１５は、必要在庫数調整部４２における基準在庫数の自動調整処理の動作を示すフローチャートである。
同図に示すように、まず、本システム１において、各店舗・各商品についての発注提案数が算出され、店舗側の店舗端末７０に出力・送信される（ステップ１３０１）。
この発注提案数は、例えば当日の朝に各店舗の店舗端末７０に送信される。

その後、店舗側では発注提案数が参照されて、店舗端末７０を介して発注入力が行われる（ステップ１３０２）。
この発注入力は、例えば当日の日中（営業時間中）に各店舗の店舗端末７０において行われ、入力された発注データは、所定の発注先に送信されるとともに、本システム１（商品発注支援サーバ１０）にも送信される。
その後、店舗では営業（商品販売）の実績データが収集され、例えば夜間（営業終了後）に各店舗の店舗端末７０から本システム１（商品発注支援サーバ１０）に送信される（ステップ１３０３）。

店舗側からの発注データ及び実績データが送信された商品発注支援サーバ１０では、基準在庫数自動調整部４０（必要在庫数調整部４２）において、基準在庫数の自動調整処理が実行される。
まず、店側で発注提案数から発注数が修正されたか否かが判定され（ステップ１３０４）、修正の有無／内容に応じて、基準在庫数について「変化なし／増加／減少」のいずれかの処理が自動実行される。これによって、店側の人の意思を基準在庫数に自動的に反映させることができるようになる。

次に、店側で品切れが発生したか否かが判定され（ステップ１３０５）、品切れ発生の有無に応じて、基準在庫数について「変化なし／増加」のいずれかの処理が自動実行される。これによって、品切れ発生による機会ロスを自動的に削減・抑制することができるようになる。
さらに、店側で「先付け“０”」が入力されたか否かが判定され（ステップ１３０６）、入力の有無に応じて、基準在庫数について「変化なし／減少」のいずれかの処理が自動実行される。これによって、店舗側で意図的に基準在庫を下げることが可能となり、店舗側の意思・意向に機動的に対応できるようになる。
以上によって、基準在庫数の自動調整処理が完了し、調整後の基準在庫数に基づいて翌日用の発注提案数の算出処理が実行されることになる（ステップ１３０７）。

［便別発注・自動修正］
次に、図１６～図１８を参照しつつ、便別発注・自動修正部５０（便別発注振り分け部５１・便別発注修正部５２）における動作（便別発注・自動修正方法）を説明する。
図１６に、便別発注・自動修正部５０における便別発注の考え方を示す。
同図に示すように、本システム１の売上予測数算出部２０では、上述のとおり、１日の時間帯別の売上予測数を予測・算出することができる。

例えば、１便納品が１０時、３便納品が１５時の一日２回配送の店舗において、ある商品は１０時～１５時まで６０個売れると予測され、１５時から２２時までは４０個売れると予測されたとする。このような場合に、従来は、当該商品合計１００個を、１便又は３便のいずれかで配送・納品されるようになっていた。このため、例えば３便で納品される商品の誤発注や、午前中に売れたであろう商品の機会ロス、午後の商品鮮度の劣化など、種々の問題が生じていた。

そこで、本システム１では、便別発注振り分け部５１において、売上予測数算出部２０で算出される時間帯毎の売上予測数に基づいて、各商品の発注数を複数の配送便毎に振り分けるようにする。
これによって、各店舗の複数の各配送便に対して、各商品の発注を、最も売上数の多い時間帯に該当する配送便に振り分けることが可能となる。

ところで、店舗においては、例えば人員配置や品出しの効率化などの店舗事情に応じて、敢えて特定の便のみに便寄せで発注・納品しているような場合がる。
その場合、本システム１で算出される時間帯別の売上予測数のみに基づいて、複数の便に振り分けて発注提案を行っても、店舗側の実情や意図に沿わないことが想定される。
そこで、本システム１では、便別発注修正部５２において、各店舗の過去の発注実績に基づいて、便別発注振り分け部５１によって時間帯別の売上予測数をもとに振り分けられた配送便毎の発注提案数を自動修正できるようにしている。

図１７に、便別発注・自動修正部５０による便別発注の自動修正の考え方を示す。
同図（ａ）に示すように、「Ａ商品」についての本システム１の売上予測数に基づく発注提案数が「１便：１０／２便：０／３便：５＝合計１５」と算出されたとする。
一方で、当該店舗における「Ａ商品」の過去の所定期間（例えば過去２週間など）における実発注数は「１便：１５／２便：０／３便：０＝合計１５」となっていたとする。
このような場合に、便別発注・自動修正部５０では、売上予測数に基づく発注提案数と過去の発注実績の双方のデータを入力し、それらのデータを機械学習に解析することで、最適な便別発注・修正処理を自動で行い、最終的な発注提案（例えば「１便のみ」）を出力するようになっている。

以下、図１８を参照しつつ、本システム１における便別発注・自動修正処理の具体例について説明する。
図１８は、便別発注の自動修正の具体例を示す説明図である。
同図に示す例では、「商品：うどん」について、まず予め設定された商品マスタの登録情報では、発注可能便として「１便：〇／２便：×／３便：〇」となっている。
そして、この店舗のある日（例えば１０月１日）の本システム１による発注提案数は、時間帯別の売上予測数に基づいて、便別に最適な発注提案数として「１便：１０／２便：０／３便：５＝合計１５」と算出された。

一方で、当該店舗の「商品：うどん」についての過去１ヶ月の発注実績データでは、１便と３便の発注が可能であるにもかかわらず、１便でしか発注されていなかった。
そこで、この場合には、便別発注・自動修正部５０では、売上予測数に基づく発注提案数と過去の発注実績の双方を機械学習に解析し、最終的な発注提案数として「１便：１５／２便：０／３便：０＝合計１５」を出力し、過去の発注実績に基づいて店舗側のオペレーションに合わせて便を寄せる自動修正が行われるようになる。
これによって、各店舗の現場の状況や実情等を汲み取った、各店舗・各商品について実際に使われている便に寄せた発注提案が行えるようになる。

以上説明したように、本システム１によれば、まず売上予測数算出部２０において、各店舗における日々の商品の売上予測数を的確・正確に予測することができる。
そして、そのような正確な売上予測数データに基づいて、各店舗に対して有用・有効な発注提案情報を提供できるようになる。
まず、商品カテゴリ別発注数算出部３０において、商品や店舗ごとに異なる商品特性を自動で判別するとともに、発注数の算出方法を商品特性に合わせて自動で選定し切り替えることができる。これによって、本システム１が対象となる一又は二以上の各店舗に対して、各商品・各店舗に応じた最適な発注数の算出・提案を行うことができるようになる。

また、基準在庫数自動調整部４０において、適切な発注提案のベースとなる所定の基準在庫数を正確に算出・調整することにより、商品や店舗ごとに日々変動する売上数によっても品切れ・欠品等の生じない最低陳列数・安全在庫数を確保した発注数を自動算出することができるとともに、店舗側で行われる発注数の修正等にも対応した発注数の自動調整が可能となる。

さらに、便別発注・自動修正部５０において、商品や店舗ごとに異なる各店舗の時間帯別の売上数予測に基づいて、商品や店舗に最適な配送便を選定した便別発注を抽出・選定することができるとともに、その便別発注を、各店舗各商品で実際に使われている配送便の実績等を考慮した自動調整を行うことで、各店舗の発注実績に対応した便寄発注を行うことができるようになる。
したがって、本システム１によれば、コンビニエンスストアやスーパーマーケットなどの多くの種類の商品を日々発注する必要のある店舗や販売店などに好適な商品発注支援システムを実現することができる。

以上、本発明について好ましい実施形態を示して説明したが、本発明は、上述した実施形態に限定されるものではなく、本発明の範囲で種々の変更実施が可能であることは言うまでもない。
例えば、上述した実施形態では、本発明が対象とする発注提案を行う店舗として、コンビニエンスストアやスーパーマーケットを例にとって説明したが、本発明を適用可能な店舗・対象としては、コンビニエンスストアやスーパーマーケットに限定されず、多種多様な商品を販売し、日々適切な発注業務を行う必要がある事業者等であれば、どのような規模や業態の店舗や販売店でも対象とすることができ、特に限定されるものではない。
したがって、例えば個人経営の商店やセレクトショップ，大型の百貨店などについても、本発明を適用して多種多様の商品についての的確・適切な発注の支援を行うことができる。

本発明は、例えばコンビニエンスストアやスーパーマーケットなどの、複数の商品を販売する店舗や販売店における、商品の仕入となる発注業務を支援するための商品発注支援システムとして好適に利用可能である。

１ 商品発注支援システム
１０ 商品発注支援サーバ
２０ 売上予測数算出部
３０ 商品カテゴリ別発注数算出部
３１ 商品カテゴリ振り分け部
３２ 必要納品数算出部
４０ 基準在庫数自動調整部
４１ 必要在庫数算出部
４２ 必要在庫数調整部
５０ 便別発注・自動修正部
５１ 便別発注振り分け部
５２ 便別発注修正部
６０ 店舗別ＤＢ
６１ 商品マスタ
６２ 在庫マスタ
６３ 売上マスタ
６４ 陳列マスタ
７０ 店舗端末
８０ 外部データロボ

Claims (5)

1. 店舗で販売される商品の発注業務を支援するシステムであって、
   各商品の売上予測数を算出する売上予測数算出部と、
   各商品を、商品及び店舗の特定に応じて予め設定された複数のカテゴリのいずれか一のカテゴリに振り分ける商品カテゴリ振り分け部と、
   前記商品カテゴリ振り分け部で振り分けられた各商品について、前記売上予測数と、前記各カテゴリ別に設定された所定の計算式に基づいて、当該商品の必要納品数を算出する必要納品数算出部と、を備える
   ことを特徴とする商品発注支援システム。
2. 前記商品カテゴリ振り分け部が、店舗で所定の分類指定された商品を、在庫補充型カテゴリに振り分け、
   前記必要納品数算出部が、前記在庫補充型カテゴリの商品の必要納品数を、以下の式１に基づいて算出する
   ことを特徴とする請求項１に記載の商品発注支援システム。
   式１：必要納品数＝基準在庫数－納品予定数－在庫数
3. 前記商品カテゴリ振り分け部が、在庫回転日数が所定数より少ない商品を、売切商品型カテゴリに振り分け、
   前記必要納品数算出部が、前記売切商品型カテゴリの商品の必要納品数を、以下の式２に基づいて算出する
   ことを特徴とする請求項１に記載の商品発注支援システム。
   式２：必要納品数＝売上予測数－納品予定数
4. 前記商品カテゴリ振り分け部が、販売頻度が所定値より低い商品を、Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型カテゴリに振り分け、
   前記必要納品数算出部が、前記Ｓｅｌｌ Ｏｎｅ Ｂｕｙ Ｏｎｅ型カテゴリの商品の必要納品数を、以下の式３に基づいて算出する
   ことを特徴とする請求項１～３のいずれか一項に記載の商品発注支援システム。
   式３：必要納品数＝売上数
5. 前記商品カテゴリ振り分け部が、他のいずれのカテゴリにも該当しない商品を、売上予測型カテゴリに振り分け、
   前記必要納品数算出部が、前記売上予測型カテゴリの商品の必要納品数を、以下の式４に基づいて算出する
   ことを特徴とする請求項１～４のいずれか一項に記載の商品発注支援システム。
   式４：必要納品数＝売上予測数＋基準在庫数－納品予定数－在庫数

Images