CN110414880B - 库存管理装置、库存管理方法和存储介质 - Google Patents

库存管理装置、库存管理方法和存储介质 Download PDF

Info

Publication number
CN110414880B
CN110414880B CN201910288023.XA CN201910288023A CN110414880B CN 110414880 B CN110414880 B CN 110414880B CN 201910288023 A CN201910288023 A CN 201910288023A CN 110414880 B CN110414880 B CN 110414880B
Authority
CN
China
Prior art keywords
shipment
prediction model
predicted
user
inventory
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910288023.XA
Other languages
English (en)
Other versions
CN110414880A (zh
Inventor
尾白大知
平山淳一
米川辉
荒宏视
嶋津庆人
堀田哲裕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luojidi Co ltd
Original Assignee
Luojidi Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Luojidi Co ltd filed Critical Luojidi Co ltd
Publication of CN110414880A publication Critical patent/CN110414880A/zh
Application granted granted Critical
Publication of CN110414880B publication Critical patent/CN110414880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种出示考虑了仓库的管理者能够理解或能够接受的变动因素的预测结果的库存管理装置，其具有处理器和存储器，管理储存于仓库的商品的库存，包括：保存商品的出货量的实绩的出货实绩数据；变动因素候选数据，其中已预先设定了对出货量产生影响的变动因素；用户预测模型生成部，其受理用户选择的变动因素，从该变动因素和出货实绩数据生成用户预测模型；和推荐预测模型生成部，其从变动因素候选数据选择变动因素，从用户预测模型和出货实绩数据生成推荐预测模型，推荐预测模型生成部计算商品的出货量的预测值作为第一预测出货量，计算商品的出货量的预测值作为第二预测出货量，按各变动因素计算对第一和第二预测出货量产生的影响度。

Description

库存管理装置、库存管理方法和存储介质
技术领域
本发明涉及物流仓库等库存管理装置、库存管理方法和存储有程序的存储介质。
背景技术
在使用物流仓库时，需要进行出货量的预测。在制定库存计划的情况下，将未来要高频或大量出货的商品保管在容易取出的货位，或在已为长期保管而转运至没有出货功能的仓库的情况下向具有出货功能的主仓库进行定货等，进行及时预测之后的出货的作业。
每种商品的出货量受到各种各样的变动因素的综合影响。因此，根据商品的不同而应该在出货的预测中加入的因素和使用的预测手法不同，预测精度(预测结果与实际情况的接近度)也不同。需要加入这样的按每种商品不同的各种各样的特性来制定库存计划。
作为预测商品的需求的技术，例如已知有专利文献1。在专利文献1中，公开有关于将MA(Moving Average model：滑动平均模型)和ARIMA(Auto Regressive IntegratedMoving Average model：自回归整合滑动平均模型)等各种各样的预测模型进行组合来进行高精度的预测的技术。
现有技术文献
专利文献
专利文献1：日本特开2013-131259号公报
发明内容
发明所要解决的问题
在上述专利文献1中，各种预测模型不按变动因素分解而从时序的图案进行预测。进一步将这些模型彼此混合而生成预测模型，因此想要物流仓库的管理者针对预测结果容易地理解对出货产生影响的变动因素与预测结果的关系很困难。管理者(或用户)无法接受不理解预测结果的依据，存在管理者难以有效利用该预测结果的问题。
进一步，为了根据这些预测结果执行库存计划，需要计算考虑了因商品而不同的预测精度的库存计划。
本发明是鉴于上述问题而完成的，其目的在于出示考虑了仓库的管理者能够理解或能够接受的变动因素的预测结果，提供基于预测结果的库存的计划。
用于解决问题的方式
本发明是具有处理器和存储器的、管理储存于仓库的商品的库存的库存管理装置，其包括：保存从所述仓库出货的所述商品的出货量的实绩的出货实绩数据；变动因素候选数据，其中已预先设定了对所述出货量产生影响的变动因素；用户预测模型生成部，其受理用户选择的所述变动因素，从该变动因素和所述出货实绩数据生成用户预测模型；和推荐预测模型生成部，其从所述变动因素候选数据选择所述变动因素，从所述用户预测模型和所述出货实绩数据生成推荐预测模型，所述推荐预测模型生成部从所述用户预测模型计算所述商品的出货量的预测值作为第一预测出货量，从所述推荐预测模型计算所述商品的出货量的预测值作为第二预测出货量，基于将所述第一预测出货量与所述第二预测出货量的差按所述变动因素进行分解而得到的值，按各变动因素计算对所述第一预测出货量和所述第二预测出货量产生的影响度。
发明效果
根据本发明的一个实施方式，能够出示考虑了仓库的管理者能够理解或能够接受的变动因素的预测结果，生成或出示基于预测结果的库存的计划方案。
附图说明
图1A是表示本发明的实施例1，表示库存管理系统的功能要素的一例的框图。
图1B是表示本发明的实施例1，表示库存管理系统的结构的一例的框图。
图2是表示本发明的实施例1，表示变动因素候选数据的营业日表的一例的图。
图3是表示本发明的实施例1，表示变动因素候选数据的天气表的一例的图。
图4是表示本发明的实施例1，表示变动因素候选数据的变动因素设定表的一例的图。
图5是表示本发明的实施例1，表示出货实绩数据的一例的图。
图6是表示本发明的实施例1，表示使用库存管理装置进行的处理的一例的流程图。
图7是表示本发明的实施例1，表示用户设定画面的一例的图。
图8是表示本发明的实施例1，表示用户预测的可视化画面的一例的图。
图9是表示本发明的实施例1，表示使用推荐预测模型生成部进行的处理的一例的流程图。
图10是表示本发明的实施例1，表示库存计划设定画面的一例的图。
图11是表示本发明的实施例1，表示使用输送量计算部进行的处理的一例的流程图。
图12是表示本发明的实施例1，表示库存计划方案的输出画面的一例的图。
图13是表示本发明的实施例1，表示库存计划的详细画面的一例的图。
图14是表示本发明的实施例1，表示预测影响度的显示画面的一例的图。
图15是表示本发明的实施例2，表示使用计算机进行的处理的一例的流程图。
图16是表示本发明的实施例2，表示出货量修正的设定画面的一例的图。
图17是表示本发明的实施例2，表示修正出货量的情况下的曲线图的一例的图。
图18表示本发明的实施例3，是表示使用计算机进行的处理的一例的流程图。
图19表示本发明的实施例3，是表示用户预测模型的选择画面的一例的图。
图20是表示本发明的实施例1，表示库存数据的一例的图。
图21是表示本发明的实施例1，表示货位表的一例的图。
具体实施方式
以下，基于附图说明本发明的实施方式。
[实施例1]
在实施例1中，说明进行按各商品的出货量预测、基于其预测出货量生成在仓库间输送库存的计划(库存计划)的库存管理系统。本实施例1中阐述的输送的计划是指将在不久的将来出货的可能性高的库存商品从保管用的仓库输送至具有出货功能的仓库的情况，和将估计短时间内不会出货的库存输送至长期保管用的仓库的情况。另外，在相同的仓库内也能够用作将楼层间和楼层内的范围进行划分而得到的区域间的库存的移动计划。图1A是表示本发明的实施例1的库存管理系统的一例的功能框图。
库存管理系统包括：对商品的出货量产生影响的变动因素候选数据31；存储商品的出货量的实绩的出货实绩数据32；按库存管理系统的用户(或管理者)设定的条件从变动因素候选数据31和出货实绩数据32生成用户预测模型28的用户预测模型生成部21；将用户预测模型28可视化的用户预测可视化部22；库存管理系统由变动因素候选数据31、出货实绩数据32和用户预测模型28生成推荐预测模型27的推荐预测模型生成部23；从商品的库存数据33计算出备货日的库存分类和备货日计算部25；由备货日、用户预测模型28和仓库的货位表34计算出库存计划的输送量计算部26；和显示所计算出的库存计划的库存计划可视化部24。
历来物流和仓库的管理者具有独自的预测方法。例如，对于过去一定期间的平均出货量，按每周几的趋势进行增减调整，或进行在商品的出货量容易增加的月末或月初或者节假日前后追加出货量等调整，预测每天的出货量。
这样的现有的预测未充分反映出货量的变动因素，因此预测精度(预测结果与实际的出货量的接近度)低。另一方面，基于仓库的管理者的经验制作的预测方法中，是容易获得仓库的管理者的理解和接受感的预测。
因此，在本实施例1的仓库管理系统中，通过生成在管理者使用的预测式中加入各变动因素的预测而构成的预测模型，对仓库的管理者想出的预测结果和推荐预测模型27的预测结果加进变动因素的影响而出示最终的预测结果。由此，仓库的管理者能够在理解或接受的同时进行加入了各变动因素后的预测。进一步，根据商品的不同还包含与所预测的出货量明显有偏差的可能性。因此评估预测模型的精度，生成考虑了所预测的出货量及其准确性的库存计划。
在变动因素候选数据31中，预先储存关于对过去或者将来的出货量产生影响的变动因素的数据。在本实施例1中，作为变动因素候选数据31表示包括与营业日相关联的营业日表311、与天气相关联的天气表312的例子。在出货实绩数据32储存过去的出货量的实绩数据，在库存数据33储存商品的库存信息。
在本实施例1的库存管理系统中，首先，用户预测模型生成部21受理关于来自管理者(用户)的预测的信息，生成用户从变动因素候选数据31和出货实绩数据32得出的预测模型(用户预测模型28)。而且，用户预测可视化部22使用用户预测模型28出示预测结果。
在推荐预测模型生成部23中，生成基于用户预测模型28、出货实绩数据32和变动因素候选数据31推荐的预测模型(推荐预测模型27)。
库存分类和备货日计算部25从库存数据33的数据在库存间决定出货的备货优先顺位和备货日。输送量计算部26基于推荐预测模型27、用户的库存计划的基准和货位表34的信息，考虑预测精度来计算各商品的库存输送量。而且，库存计划可视化部从输送量计算部26和库存分类部的备货日计算部25输出包括各库存的输送量的库存计划。
另外，变动因素候选数据31、出货实绩数据32、库存数据33也可以分别以数据库的形式运用。
图1B是表示本发明的实施例1的库存管理系统的一例的框图。库存管理系统是在具有出货功能的仓库(主仓库)71-1和没有出货功能的仓库(外部1)71-2、仓库(外部2)71-3进行商品的库存管理的计算机系统。另外，在以下的说明中，在未确定仓库的情况下使用附图标记71。
库存管理系统包括库存管理装置1和通过网络60连接的业务服务器50。业务服务器50是收集仓库71的商品的库存量等提供给库存管理装置1的计算机。
库存管理装置1是包括处理器11、存储器12、存储器件13、输入装置14、输出装置15和网络接口16的计算机。
网络接口16与网络60连接而与业务服务器50进行通信。输入装置14由鼠标、键盘、触摸面板构成。输出装置15由显示器等构成。
在存储器12中，作为程序加载用户预测模型生成部21、用户预测可视化部22、推荐预测模型生成部23、库存计划可视化部24、库存分类和备货日计算部25和输送量计算部26的各功能部，由处理器11执行。此外，在存储器12储存用户预测模型生成部21生成的用户预测模型28和推荐预测模型生成部23生成的推荐预测模型27。
在存储器件13储存变动因素候选数据31、出货实绩数据32、库存数据33和货位表34。
处理器11通过按各功能部的程序进行处理，来作为提供规定的功能的功能部工作。例如，处理器11通过按用户预测模型生成程序进行处理而作为用户预测模型生成部21发挥作用。其它程序也一样。进一步，处理器11还作为提供各程序执行的多个处理的各种功能的功能部工作。计算机和计算机系统是包含这些功能部的装置和系统。
实现库存管理装置1的各功能的程序、表等信息能够储存在存储器件13、非易失性半导体存储器、硬盘器件、SSD(Solid State Drive：固态硬盘)等存储器件中，或IC卡、SD卡、DVD等计算机能够读取的非临时性数据存储介质中。
在变动因素候选数据31中，作为推测会对商品的出货量的变动产生影响的数据的一例，储存有预先设定关于营业日的变动因素的营业日表311、预先设定关于天气和气温的变动因素的天气表312和变动因素设定表313。图2～图4表示变动因素候选数据31的一例。此外，图5、图20和图21表示出货实绩数据32、库存数据33和货位表34。
图2是表示变动因素候选数据31中所含的营业日表311的一例的图。营业日表311是关于仓库、出货目的地的营业日的变动因素候选数据31的一例。
营业日表311将日期3111、从月初算起的营业天数3112、从月末算起的营业天数3113和从最近的连休算起的营业天数3114放在一项记录中。
商品的出货量依仓库、出货目的地的营业日而出货量有所变动。例如在仓库休息的情况下，要在应该确保可能需要的库存的前一天起几天前的期间从出货目的地提前订货。或者，还存在休息期间以出货目的地的现有库存进行流转而在休息结束时多订货的情况。这样，存在在休息前后的几天出货量增加的情况。
除上述内容以外，还存在负责人等在月末、月初进行库存确认，将可能需要的商品集中订货的情况。根据以上说明，按各日期储存从月初、月末数起是第几个营业日或从最近的连休数起是第几个营业日等数据。另外，营业日表311的天数按规定的周期(例如1天)更新。
图3是表示变动因素候选数据31中所含的天气表312的一例的图。天气表312将日期3121、地域(大)3122、地域(小)3123、前一天平均温差3124、最高气温3125和天气3126放在一项记录中。
另外，在地域(大)3122，例如储存地区名称。此外，在地域(小)3123，例如储存都道府县名称及城市名称。
天气是气温、湿度等数值数据及晴、阴等类别数据。由于还存在因气温而销售发生变化的商品，所以也是出货量的变动因素。此外，由于还依晴、雨等天气的不同而店铺的访客数等有所变化，所以对商品的出货量产生影响。此外，不仅气温，而且认为与同时期常年相比的气温的高低和前一天温差等也有影响，因此也可以将这样的数据一起储存。此外，由于天气依地域而不同，所以也可以根据日期和地域储存各种天气信息。
除此以外，还可以为与市场和全社会性的活动(圣诞节、新年等)相关的数据、销售业绩信息(各商品的销售量等)、SNS(Social Networking Service：社交网络服务)信息(各商品的每天的关联评论数等)、广告信息(各商品的广告发布数量、WEB、电视宣传次数等)等。
进一步，在变动因素候选数据31一并储存将变动因素应用于预测模型时所需的信息。在图4中表示该例子。图4是表示变动因素候选数据31的变动因素设定表313的一例的图。
变动因素设定表313在一项纪录中包含变动因素3131、变动发生(N天后)3132和变动期间(M天)3133。在变动因素3131储存商品的出货量发生变动的因素。在变动发生(N天后)3132储存自变动因素3131发生时起实际对出货量有影响的天数。在变动期间(M天)3133储存出货量的变动持续的天数。另外，变动因素设定表313由管理者等预先设定。
例如，存在能够通过有效利用仓库和出货目的地的营业信息来说明休息日前后的营业日的出货量的变动(主要是增加)的可能性。在将该变动应用于预测模型的情况下，需要设定认为出货量会发生变动的营业日是休息日的前后几天。此外，认为SNS信息及广告信息引起的出货量的增减会从实际上SNS被发出之日及广告进行之日起发生偏离。因此，在将该SNS信息应用于预测模型的情况下需要设定认为会从几天后开始变动或者该变动会在几天期间发生。
图5是表示本发明的实施例1，表示出货实绩数据32的一例的图。在出货实绩数据32储存从各仓库71出货的出货量。出货实绩数据32将工作日321、指令No322、出货目的地323、商品324和出货数325放在一项纪录中。另外，在指示No322储存出货的指令编号。
图20是表示本发明的实施例1，表示库存数据33的一例的图。库存数据33在一项纪录中包含商品331、批次332、入库日333、货位334和保管量335。
在商品331储存商品的识别码和商品名。在批次332储存关于该商品的制造批次的信息，在图示的例子中储存制造日。在入库日333储存在仓库71入库的日期。
在货位334储存确定仓库71和仓库71内的区划的信息。例如，在“M-A”的情况下，“M”表示仓库(主仓库)71-1，“A”表示仓库内的区划的识别码。在保管量335储存存在货位334的该商品的合计保管量。
库存数据33按规定的周期(例如1天)更新。另外，库存数据33基于库存管理装置1从业务服务器50收集到的库存信息来更新。此外，在库存数据33，还可以按各商品331设定库存维持天数。
图21是表示本发明的实施例1，表示货位表34的一例的图。货位表34在一项纪录中包含货位341和仓库342。
在货位341储存确定仓库71和仓库71内的区划的信息。例如，在“M-A”的情况下，“M”表示仓库(主仓库)71-1，“A”表示仓库内的区划的识别码。在仓库342，储存与该货位对应的仓库(主仓库)71-1～仓库(外部2)71-3。
图6是表示使用实施例1的库存管理装置1进行的处理的一例的流程图。该处理在库存管理装置1的使用者(用户)从输入装置14输入规定的指令时执行。
步骤6001在用户预测模型生成部21进行。用户预测模型生成部21将图7所示的用户设定画面410向输出装置15输出，取得用于生成用户的预测模型的设定信息。
图7是表示用户设定画面410的一例的图。在用户设定画面410，作为变动因素的一个例子显示“SNS评论数”、“前一天温差”和“广告次数”，库存管理装置1的用户能够通过输入装置14，使用单选按钮411～413选择所期望的因素，输入变动发生(N天后)414～416和变动期间(M天)417、418。不过，关于“前一天温差”，由于将变动期间(M天)固定为1天，所以没有输入的必要。用户预测模型生成部21从输入装置14受理用户设定信息。
此外，变动因素等的设定并不限定于使用GUI(Graphical User Interface：图形用户界面)输入，也可以为接收遵循预先设定的格式的电子文件的方法。此外，在用户未进行任何设定的情况下，也可以仅将过去一定期间(例如过去一个月)的平均出货量作为变动因素登记。
用户预测模型生成部21基于所取得的用户设定信息，以及在必要的情况下基于变动因素设定表313的信息，生成用户预测模型28。
用户预测模型生成部21例如也可以将用户设定的变动因素作为用户预测模型28的解释变量编入，将出货实绩数据32作为目的变量进行多元回归分析而以多元回归模型表现。此外，也可以以非线形模型生成用户预测模型28。这样生成的模型作为用户预测模型28从用户预测模型生成部21输出。
步骤6002由用户预测可视化部22进行。在用户预测可视化部22，使用上述用户预测模型28和上述出货实绩数据32的出货量的实绩信息，将使用用户预测模型28得到的从过去至将来的预测结果(图8的8002)与过去的期间的实绩(图8的8001)的匹配结果作为用户预测可视化画面420向输出装置15输出。
图8是表示用户预测可视化画面420的一例的图。用户预测可视化画面420是用于确认使用用户预测模型28得到的预测结果及预测模型的时间序列波形与用户的预想一致，或者成为用户能够接受的模型的GUI。
此外，在用户预测可视化画面420，也可以显示进行RMSE(Root Mean SquareError均方根误差)或MAPE(Mean Absolute Percentage Error：绝对百分比误差)等分析而计算出的评估值。在用户不能接受的情况下，例如也可以使得能够通过点击按钮8003而过渡至上述用户预测模型生成部21生成的图7的GUI，再次变更设定。
在步骤6003，用户预测可视化部22判断是否满足了规定的条件。另外，关于规定的条件，例如假定用户按下图8所示的OK(同意)按钮8004时等，用户进行承认为条件，不过并不限定于此。例如也可以实施MAPE等分析，判断计算出的分析结果是否满足规定的条件。
用户预测可视化部22在满足规定的条件时前进至步骤6004，否则返回步骤6001，反复上述处理。
步骤6004由推荐预测模型生成部23进行。在推荐预测模型生成部23，从上述用户预测模型28与上述变动因素设定表313取得用户未选择的变动因素候选信息和与上述变动因素设定表313相关联的信息，从上述出货实绩数据32取得出货量的实绩信息，来生成推荐预测模型27。图9是表示使用推荐预测模型生成部23进行的处理的一例的详细的流程图。
在步骤9001，推荐预测模型生成部23选择变动因素。推荐预测模型生成部23特别从用户预测模型28的生成时未使用的变动因素依次选择。
推荐预测模型生成部23优选反复执行步骤9001～9004的循环，依次更换选择的变动因素对所有变动因素的组合实施预测模型的试行。例如，对于在用户预测模型28的生成时未选择的所有变动因素，在每次循环中依次进行更换而选择。
在步骤9002，推荐预测模型生成部23基于上述变动因素设定表313中相应的变动因素的信息选择解释变量。例如，在变动因素是SNS的评论数的情况下，设定该评论数影响2天后的出货量的情况下，作为每天的预测出货量的解释变量之一设定2天前的SNS评论数。
然后，推荐预测模型生成部23在用户预测模型28追加上述解释变量而生成预测模型。例如，在多元回归模型的情况下，在上述用户预测模型28中加入上述解释变量而进行多元回归分析，计算出上述解释变量的偏回归系数而生成模型(以下将其称为带追加解释变量的预测模型)。换言之，带追加解释变量的预测模型是在用户预测模型28中加进用户未选择的解释变量的模型。
在步骤9003，推荐预测模型生成部23计算使用上述带追加解释变量的预测模型和上述用户预测模型28分别计算出的每个日期的商品的出货量的预测值与各预测值的差。以下，令带追加解释变量的预测模型的预测值与用户预测模型28的预测值的差为与用户预测值的差D。另外，带追加解释变量的预测模型的出货量的预测值和用户预测模型28的出货量的预测值每天对各商品分别计算。
在步骤9004，推荐预测模型生成部23进行是否已经计算至满足预先设定的条件的判断。预先设定的条件是指，例如，按用户未选择的所有变动因素进行计算或者按所有变动因素设定条件进行计算等。此外，在根据计算机资源和计算时间等情况难以进行每条计算的情况下，也可以集中于预先确定的变动因素候选进行计算。
推荐预测模型生成部23在满足规定的条件时前进至步骤9005，在不满足规定的条件的情况下返回步骤9001，反复进行上述处理直至满足条件。
在步骤9005，推荐预测模型生成部23将至上述步骤9004计算出的各变动因素的用户预测值的差D作为解释变量，生成以用户预测模型28的预测误差为目的变量的预测误差模型。
例如，通过多元回归分析计算出各解释变量的系数，生成预测误差模型。此时的解释变量也可以取至步骤9004计算出的所有上述带追加解释变量的预测模型的与用户预测值的差D或者，还可以限定于从与用户预测值的差D中选择的若干个来进行计算。
另外，预测误差能够从出货实绩数据32与用户预测模型28的预测结果的差计算出来。即，从利用用户预测模型28对过去的实绩进行预测的结果和实际的出货量计算预测误差。
在步骤9006，推荐预测模型生成部23使用上述预测误差模型实施适合于评估期间时的评估。评估方法例如使用上述的RMSE、MAPE计算预测误差模型的评估值即可。
在步骤9007，推荐预测模型生成部23判断是否已经计算至满足了预先设定的条件。预先设定的条件是指，例如，上述预测误差模型的评估值是否为规定的合格值以上或者是否已经按全部组合实施了解释变量等。
推荐预测模型生成部23在满足规定的条件时前进至步骤9008，在未满足规定的条件的情况下返回步骤9005，反复上述处理至满足条件。
在步骤9008，推荐预测模型生成部23作为推荐预测模型(Yerr+Yuser)27计算出至步骤9007为止计算出的预测误差模型(例如Yerr)与用户预测模型28的式(例如Yuser)的和。
另外，预测误差模型选择在步骤9006计算出的评估值中评估最好的值(例如RMSE、MAPE的评估值小于规定的阈值的值等)。
推荐预测模型27中，来自预测误差模型的各解释变量的项的每个预测日的值为将用户预测模型28的预测出货量与推荐预测模型27的预测出货量的差按各变动因素分解说明的值。以下，令该值为各变动因素的出货量差值。
此外，推荐预测模型生成部23设定推荐预测模型的误差范围。例如，在假定预测误差遵循正态分布的情况下，令误差范围为从预测出货量加减标准偏差后的值的范围(即从预测出货量减去标准偏差后的值(不过为0以上)至在预测出货量加上标准偏差后的值的范围)。以下以此为误差范围，不过误差范围的设定方法并不一定限定于此，而能够使用周知或公知的方法。
在步骤9008，推荐预测模型生成部23输出如上述那样生成的推荐预测模型27。此外，推荐预测模型生成部23还计算出与推荐预测模型27相关联的数据(误差范围等)而输出。
通过以上的处理推荐预测模型生成部23生成推荐预测模型27。
接着，返回图6的处理，步骤6005由库存分类和备货日计算部25进行。在库存分类和备货日计算部25，对各商品的库存设定出货的优先度。例如，在先进先出的操作的情况下，从先入库的商品的库存起依次将优先度设定得高。
库存分类和备货日计算部25根据优先度信息和预测出货量的信息计算各库存的备货日。说明各库存的备货日的计算方法。对相比于相应的库存出货优先度高的相同商品的库存总量与将每天的预测出货量按时间序列依次累积的累积预测出货量进行比较，累积预测出货量超过库存总量的最初的日期为备货日(后述的图13的1206)。
此外，库存分类和备货日计算部25作为备货日(提前)(图13的1207)计算出将每天的预测出货量的误差范围的最大值(即在预测出货量加上标准偏差后的值)作为每天的预测出货量计算得到的备货日。此外，库存分类和备货日计算部25作为备货日(推后)(图13的1208)计算出每天的预测出货量的误差范围的最小值(即在预测出货量减去标准偏差后的值)。
步骤6006由输送量计算部26进行。图11是表示由输送量计算部26进行的按商品计算输送量的处理的一例的流程图。
在步骤11001，输送量计算部26设定库存计划基准。库存计划基准由用户根据库存计划的方针设定。在按输送商品的车辆安排的情况在下一次输送之前具有一定期间的情况下，必须用在一定期间内将不需要进行仓库71间的输送的量的商品输送。
在这种情况下，用户通过输入装置14等设定输送目的地的仓库71的库存维持天数(未发生商品的缺货的天数)。此外，在输送车辆个数有限，运送能够以有限的输送量运送的量的情况下，设定总输送量。另外，库存计划基准的设定方法既可以为准备图10那样的GUI而用户进行输入的方法，也可以为取得指定的格式的电子文件的方法。
图10是表示库存计划设定画面430的一例的图。库存计划设定画面430由输送量计算部26生成而显示于输出装置15。库存计划设定画面430作为库存计划基准能够选择例如库存维持天数、总输送量和出货的优先度来显示。在选择库存维持天数的情况下，用户能够通过点击单选按钮431，将天数435或准确性436输入各输入栏进行设定。
此外，在选择总输送量的情况下，用户能够点击单选按钮432，将托盘数量437输入输入栏进行设定。托盘数量437例如表示1次输送能够移动的托盘的数量。此外，在选择出货的优先度的情况下，点击由高到低的顺序的单选按钮433或由低到高的顺序的单选按钮434的任一按钮即可。
输送量计算部26将在库存计划设定画面430设定的、用户的所期望的基准作为库存计划基准受理。
在步骤11002，输送量计算部26从上述受理的库存计划基准来设定按库存计划作为目标的输送目的地的库存维持天数和库存维持天数的准确性。对准确性进行说明。由于库存计划基于预测，所以需要加进预测不准的可能性。
因此，如果输送在预测出货量追加余量的量，则遵守库存维持天数的概率变高。例如，在假定预测误差遵循正态分布的情况下，如果输送在当日的预测出货量加上预测误差的标准偏差后的货物量则在输送目的地达到当日的库存维持的概率为约84％。另外，在本实施例1中，作为向输送量计算部26输入的预测出货量，为推荐预测模型27的预测结果，不过并不限定于此。例如，用户也可以选择推荐预测模型27的预测结果和用户预测模型28的预测结果的一个结果，向输送量计算部26输入。
在步骤11001用户设定了库存维持天数的情况下，如果用户还包含其准确性来进行设定，则在步骤11002，输送量计算部26直接设定库存计划基准。
假如用户未设定准确性的情况下，输送量计算部26也可以设定预先设定的值。在步骤11001用户设定总输送量(437)的情况下，预先确定的库存维持天数和准确性的初始值进行设定。
在步骤11003，输送量计算部26从成为输送的对象的商品组中选择一个商品。对象商品组的商品是在输送出发地的仓库71处理的商品。成为输送的对象的商品基于库存数据33的保管量335和库存维持天数决定即可。例如，以货位334为“M”的商品、不能满足预先设定了保管量335的库存维持天数的商品为输送的对象。
在步骤11004，输送量计算部26针对在上述步骤11003选择的商品计算满足在步骤11002设定的输送目的地的库存维持天数及其预测的准确性的库存量。
例如，输送量计算部26在假定预测误差遵循正态分布的情况下，为了将库存维持至N天，能够按Σμ+N＾0.5*k*σ计算出库存量。Σμ是至N天为止的每天的预测出货量的和，k是根据准确性确定的系数，σ是预测误差的标准偏差。当令k例如为1时能够以84％的概率库存维持。
输送量计算部26在步骤11004计算出的库存量中、在输送目的地的仓库71具有该商品的库存的情况下，减去库存的保管量335后的剩余量成为所需的输送量。
此外，输送量计算部26在此时还决定将根据输送出发地的仓库71的库存的优先度输送的商品从哪个仓库71的库存取出的分配。输送的优先度使用之前计算出的出货的优先度来决定。
例如，在没有出货功能的仓库71-2、71-3为输送出发地，要输送在不久的将来出货的库存的情况下，按出货优先度高的库存顺序设定输送的优先度。相反在具有出货功能的仓库71-1为输送出发地，要输送一段时间内不会出货的库存的情况下，按出货优先度低的库存顺序设定输送的优先度。输送量计算部26从该输送的优先度高的库存起依次分配输送，一直分配至所分配的库存的总量成为输送量为止。
在步骤11005，输送量计算部26判断是否对输送出发地的仓库71中的所有商品进行了上述步骤11003～步骤11004的处理。在对所有商品完成了处理的情况下前进至步骤11006，在存在未处理的商品的情况下返回步骤11003，反复上述处理。
在步骤11006，输送量计算部26对按所有商品计算所需的输送量的结果是否满足条件进行判断。当在库存计划设定画面430设定有库存维持天数时不需要该处理。在设定有总输送量的情况下，进行下一个处理。
在输送量计算部26计算出的所需的输送量的总量超过在库存计划设定画面430设定的总输送量的情况下(即在输送车辆装不下的情况下)返回至步骤11002，降低准确性或库存维持天数的值，执行上述步骤11003～步骤11005的处理。
输送量计算部26在上述计算出的所需的输送量的总量相比在库存计划设定画面430设定的总输送量具有某个一定值以上的差而差较小的情况下(即在输送车辆存在余地的情况下)返回至步骤11002，降低准确性或库存维持天数的值，计算步骤11003～步骤11005。
输送量计算部26在最终满足了步骤11006的条件时结束输送量计算。
接着返回图6，步骤6007由库存计划可视化部24进行。在库存计划可视化部24，仓库71的管理者制定库存计划，生成用于意思决定的库存计划方案的画面。
图12是表示库存计划方案440的输出画面的一例的图。库存计划方案440包括显示各个被分配了输送量的商品的库存计划120的区域121、显示预测出货量的区域122、显示预测影响度的区域123和显示输送所需的车辆的区域124。
在区域121不能显示全部库存计划120的情况下，通过对区域121进行双击等规定的操作，输出图13所示的库存计划120的详细显示画面即可。
在图13中，库存计划120在一项纪录中包含储存库存的识别码的库存1201、储存商品的识别码或商品名的商品1202、储存当前保管库存的场所的输送出发地货位1203、储存输送目的地的场所(在未决定至详细的场所的情况下也可以为输送目的地仓库名)的输送目的地货位1204、储存托盘数量(PL)的输送量1205、备货日1206、备货日(提前)1207、备货日(推迟)1208、准确性1209和库存维持天数1210。
此外，也可以从库存数据33将关于库存的详细信息一并显示(保有量、尺寸等)。另外，库存计划120的行的排列顺序能够自由地重新排列。例如，在想按不久的将来出货库存顺序看的情况下，也可以将备货日1206或者备货日(提前)1207等作为排序列进行升序显示。相反，在想按一段时间内不出货的库存顺序看的情况下也可以进行降序显示。此外，还可以从输送量1205的较多的输送量起依次显示。
在区域122用折线曲线图125表示各商品的预测出货量。在区域122显示的商品例如显示对准库存计划方案440的GUI上的光标通过点击操作等选择的库存的商品。
预测出货量以折线曲线图125等显示。在图示的例子中实线(125)表示按推荐预测模型27的预测出货量，虚线(126)显示用户预测模型28的预测出货量。另外，并不限定于折线，也可以为柱状图等。此外，根据以下情况，也可以不显示用户预测模型28的预测出货量。例如为以下情况：在用户预测模型28的生成时没有来自用户的输入，用户预测模型28为单纯的过去一定期间的平均，存在不需要进行用户预测模型28的预测出货量的显示，或者描述范围的显示物难以集中查看等理由。此外，也可以将误差范围作为错误栏显示。此外，关于具有实绩的过去期间，也可以一并显示出货实绩(图中柱状图)。
在区域123可视化地出示各日的预测结果的理由(各变动因素的预测影响度)。在图示的例子中，令在步骤6004之前计算出的按各变动因素的出货量差值的绝对值的合计值为100％，按各变动因素出货量差值的绝对值改变显示图案，以100％累积柱状图显示预测影响度。
在图示的例子中，作为预测出货量的变动因素的一个例子，选择天气、活动、星期，作为预测影响度表示各变动因素出货量差值的绝对值的比率。预测影响度表示各变动因素对预测出货量(用户预测模型28的预测出货量和推荐预测模型27的预测出货量)施加的影响的程度。
在区域123，4月3日的预测出货量与前后几天相比突然增加。进一步，在区域123看同一天的100％累积柱状图的细目时可见“活动”的成分占大的比例。由此可知，4月3日因“活动”而发生突然的出货。
由此，用户能够对预测出货量的变动容易地辨别出是什么样的变动因素施加了影响。另外，变动因素和预测影响度的输出并不限定于图12。例如，也可以如图14所示那样，显示变动因素是否对预测出货量的变动量的正负有影响。
在图12的区域123的情况下，关于各变动因素出货量差值的各自的绝对值，作为预测影响度的比率表示除以各变动因素出货量差值的绝对值的总量后的值。因此可知实际的出货量换算下的差。此外，各变动因素出货量差值存在称为正负任一方的可能性，不过在图12中不表示该部分。因此在图14中，关于每天的各变动因素出货量差值，正的值为上方向、负的值为下方向地累积表示。
区域124是以图和字符信息显示输送所需的卡车的个数和尺寸(例如5吨卡车等)的例子。
如上所述，根据本实施例1，在库存管理装置1，基于用户(管理者)选择的变动因素和出货实绩数据32生成用户预测模型28，由用户预测模型28、变动因素候选数据31和出货实绩数据32生成预测误差模型，由用户预测模型28和预测误差模型生成推荐预测模型27。
而且，库存管理装置1计算将用户预测模型28的预测出货量与推荐预测模型27的预测出货量的差按类变动因素分解后的各变动因素出货量差值，按每个预测出货量的日期(时间序列)将变动因素的影响的程度作为预测影响度显示于库存计划方案440的输出画面。
进一步，库存管理装置1从用户受理库存计划的基准，以与库存计划基准一致的方式计算用于将商品的库存在仓库71间最优化的输送量，作为库存计划120输出。
由此，能够出示考虑了仓库71的用户(管理者)能够理解或能够接受的变动因素的预测结果，生成基于预测结果的库存的计划方案。
[实施例2]
图15～图17表示本发明的实施例2。在实施例2中，表示考虑了存在因历史及预定未被数据化的活动的影响而发生突然的出货，即使有效利用变动因素候选数据31的数据生成预测模型也不能说明的出货实绩日的情况的实施例。
在出货目的地在店铺等进行售卖的情况下，还存在不能将售卖等销售信息作为数据获得的情况。因此成为不在变动因素候选数据31反映的变动因素。作为这样的情况下的应对措施，在出货实绩数据32中进行修正怀疑是活动引起的突然的出货实绩的事前处理。
本实施例2的库存管理系统与上述实施例1相同。在本实施例2中，取代上述图6的流程图，执行图15的流程图。在图15中，与实施例1相比，追加了步骤1501。以下的处理除步骤1507以外与实施例1相同。
在步骤1501，用户预测模型生成部21例如以根据过去的一定期间的平均出货量预先设定的基准(例如标准偏差的N倍)的阈值以上的出货实绩为修正对象，进行将修正对象的值替换为阈值或同一星期几的过去一定期间的平均值等修正。该设定既可以设定为预先库存管理装置1也可以准备图16所示那样的用户能够设定的GUI。
图16是表示出货量修正设定画面450的一例的图。出货量修正设定画面450包括：对修正对象选择“平均+1σ”、“平均+2σ”或“任意值”的单选按钮451～453；设定值的输入栏454；对修正方法选择“过去1个月的同一星期几平均”、“修正阈值”或“任意值”的单选按钮455～457；和设定值的输入栏458。用户能够在出货量修正设定画面450选择修正对象和修正方法。
步骤6001～6006与上述实施例1的图6相同。
在步骤1507，与实施例1相比将可视化内容变更一部分，制作修正版库存计划。在步骤1501，进行出货量的修正的情况下，进行无视变动因素候选数据31中不能说明的突然的出货那样的预测，需要将该情况出示给仓库71的管理者等参照库存计划的用户。
因此，也可以如图17那样显示与上述实施例1的图12的区域122相应的部分的可视化。在图17的区域122，能够通过变更曲线图的颜色及图形视觉上区分修正出货量后的部分(被无视的部分)的出货量。
根据以上说明，在本实施例2，能够将突发事项引起的出货实绩数据32的急剧的变动除外而计算出预测结果，生成基于除突发事项以外的预测结果的库存的计划方案。
[实施例3]
图18、图19表示本发明的实施例3。在实施例3中，存储用户预测模型28的生成诀窍进行有效利用的例子。例如在日常利用运用本方法的库存管理系统的情况下，用户预测模型28每天利用相同内容的可能性高。对设想这样的情况，有效利用存储用户预测模型28的数据的情况进行说明。
本实施例3的库存管理系统的结构与实施例1相同。在本实施例3中，取代上述图6的流程图，执行图18的流程图。在图18中，取代实施例1的图6所示的步骤6001执行步骤18001。以下的处理与上述实施例1相同。
以在执行本实施例3的图18的流程图的以前执行实施例1及实施例2的处理为前提。
在步骤18001，用户预测模型生成部21选择再利用的用户预测模型28。
既可以由用户预测模型生成部21自动地选择用户预测模型28(例如最近利用的用户预测模型等)也可以由用户选择所期望的用户预测模型28。
例如，也可以在图19所示那样的用户预测模型选择画面进行选择。图19是表示用户预测模型选择画面460的一例的图。从表19003选择过去生成的用户预测模型，将其结果显示于上述曲线图。柱状图19001表示按过去实绩，选择了折线曲线图19002的用户预测模型。一旦参照其结果是决定利用的用户预测模型，用户就点击按钮19004。
由此，利用所选择的用户预测模型28，与上述实施例1同样地生成推荐预测模型27和库存计划。在本实施例3中，能够利用过去生成的用户预测模型28高效率地进行库存计划120的制定。
＜总结＞
另外，本发明并不限定于上述实施例，而包括各种各样的变形例。例如，上述的实施例为了将本发明说明得容易明白而进行了详细的说明，但是并不一定限定于包括所说明的所有结构。此外，能够将一个实施例的结构的一部分替换到另一个实施例的结构，此外，还能够在一个实施例的结构中加入另一个实施例的结构。此外，能够对各实施例的结构的一部分进行其它结构的追加、删除、替换，单独或组合地进行均可。
此外，上述各结构、功能、处理部、处理单元等例如也可以通过利用集成电路等进行设计、利用硬件实现其一部分或全部。此外，上述各结构、功能等也可以通过对信息处理器实现各自的功能的程序进行解释、执行而以软件实现。实现各功能的程序、图表、文件夹等信息能够存储于存储器、硬盘、SSD(Solid State Drive：固态硬盘)等记录装置或IC卡、SD卡、DVD等记录介质。
此外，对于控制线和信息线，仅展示在说明上被认为需要的部分，并不一定展示制品上的所有的控制线和信息线。实际上也可以认为几乎所有的结构相互连接。
附图标记说明
1 库存管理装置
11 处理器
12 存储器
13 存储器件
14 输入装置
15 输出装置
21 用户预测模型生成部
22 用户预测可视化部
23 推荐预测模型生成部
24 库存计划可视化部
25 库存分类和备货日计算部
26 输送量计算部
27 推荐预测模型
28 用户预测模型
31 变动因素候选数据
32 出货实绩数据
33 库存数据
34 货位表。

Claims (15)

1.一种具有处理器和存储器的、管理储存于仓库的商品的库存的库存管理装置，其特征在于，包括：
保存从所述仓库出货的所述商品的出货量的实绩的出货实绩数据；
变动因素候选数据，其中已预先设定了对所述出货量产生影响的变动因素；
用户预测模型生成部，其对所述出货实绩数据进行修正处理，在所述修正处理中，将根据过去的一定期间的平均出货量而预先设定的基准的阈值以上的出货实绩的值，替换为所述阈值或同一星期几的过去一定期间的出货量的平均值，并且受理用户选择的所述变动因素，从该变动因素和进行了所述修正处理的出货实绩数据生成用户预测模型；和
推荐预测模型生成部，其从所述变动因素候选数据选择所述变动因素，从所述用户预测模型和由所述用户预测模型生成部进行了修正处理的所述出货实绩数据生成推荐预测模型，
所述推荐预测模型生成部从所述用户预测模型计算所述商品的出货量的预测值作为第一预测出货量，从所述推荐预测模型计算所述商品的出货量的预测值作为第二预测出货量，基于将所述第一预测出货量与所述第二预测出货量的差按所述变动因素进行分解而得到的值，按各变动因素计算对所述第一预测出货量和所述第二预测出货量产生的影响度。
2.如权利要求1所述的库存管理装置，其特征在于：
还包括生成用于显示所述第一预测出货量、所述第二预测出货量和各变动因素的影响度的画面的可视化部。
3.如权利要求1所述的库存管理装置，其特征在于：
所述推荐预测模型生成部在所述用户预测模型追加与所述选择的变动因素相应的解释变量而生成带追加解释变量的预测模型，计算所述用户预测模型的预测误差，从所述带追加解释变量的预测模型和所述预测误差生成预测误差模型，在该预测误差模型加入所述用户预测模型来生成所述推荐预测模型。
4.如权利要求3所述的库存管理装置，其特征在于：
所述推荐预测模型生成部选择在所述用户预测模型的生成时未选择的变动因素。
5.如权利要求1所述的库存管理装置，其特征在于：
还包括输送量计算部，其受理所述第一预测出货量和所述第二预测出货量中的一者，并从所述用户受理库存计划的基准，来计算使所述商品的库存在多个所述仓库间与所述库存计划的基准一致的输送量并将该输送量作为库存计划输出。
6.如权利要求5所述的库存管理装置，其特征在于：
所述输送量计算部受理输送目的地的所述仓库的库存维持天数和准确性，来计算满足所述库存维持天数和准确性的所述仓库间的输送量。
7.一种利用具有处理器和存储器的计算机来管理储存于仓库的商品的库存的库存管理方法，其特征在于，包括：
所述计算机读取出货实绩数据和变动因素候选数据的第一步骤，其中所述出货实绩数据保存从所述仓库出货的所述商品的出货量的实绩，所述变动因素候选数据已预先设定了对所述出货量产生影响的变动因素；
所述计算机对所述出货实绩数据进行修正处理的第二步骤，在所述修正处理中，将根据过去的一定期间的平均出货量而预先设定的基准的阈值以上的出货实绩的值，替换为所述阈值或同一星期几的过去一定期间的出货量的平均值；
所述计算机受理由用户选择的所述变动因素，从该变动因素和进行了所述修正处理的出货实绩数据生成用户预测模型的第三步骤；和
所述计算机从所述变动因素候选数据选择所述变动因素，从所述用户预测模型和进行了所述修正处理的出货实绩数据生成推荐预测模型的第四步骤，
在所述第四步骤中，从所述用户预测模型计算所述商品的出货量的预测值作为第一预测出货量，从所述推荐预测模型计算所述商品的出货量的预测值作为第二预测出货量，基于将所述第一预测出货量与所述第二预测出货量的差按所述变动因素进行分解而得到的值，按各变动因素计算对所述第一预测出货量和所述第二预测出货量的影响度。
8.如权利要求7所述的库存管理方法，其特征在于：
还包括所述计算机生成用于显示所述第一预测出货量、所述第二预测出货量和各变动因素的影响度的画面的第五步骤。
9.如权利要求7所述的库存管理方法，其特征在于：
在所述第四步骤中，在所述用户预测模型追加与所述选择的变动因素相应的解释变量而生成带追加解释变量的预测模型，计算所述用户预测模型的预测误差，从所述带追加解释变量的预测模型和所述预测误差生成预测误差模型，在该预测误差模型加入所述用户预测模型来生成所述推荐预测模型。
10.如权利要求9所述的库存管理方法，其特征在于：
在所述第四步骤中，选择在所述用户预测模型的生成时未选择的变动因素。
11.如权利要求7所述的库存管理方法，其特征在于：
还包括第六步骤，在该第六步骤中，所述计算机受理所述第一预测出货量和所述第二预测出货量中的一者，并从所述用户受理库存计划的基准，来计算使所述商品的库存在多个所述仓库间与所述库存计划的基准一致的输送量并将该输送量作为库存计划输出。
12.如权利要求11所述的库存管理方法，其特征在于：
在所述第六步骤中，受理输送目的地的所述仓库的库存维持天数和准确性，来计算满足所述库存维持天数和准确性的所述仓库间的输送量。
13.一种存储有程序的存储介质，所述程序用于使具有处理器和存储器的计算机管理储存于仓库的商品的库存，使所述计算机执行包括下述步骤的处理：
读取出货实绩数据和变动因素候选数据的第一步骤，其所述出货实绩数据保存所述仓库出货的所述商品的出货量的实绩，所述变动因素候选数据已预先设定了对所述出货量产生影响的变动因素；
所述计算机对所述出货实绩数据进行修正处理的第二步骤，在所述修正处理中，将根据过去的一定期间的平均出货量而预先设定的基准的阈值以上的出货实绩的值，替换为所述阈值或同一星期几的过去一定期间的出货量的平均值；
受理由用户选择的所述变动因素，从该变动因素和进行了所述修正处理的出货实绩数据生成用户预测模型的第三步骤；和
所述计算机从所述变动因素候选数据选择所述变动因素，从所述用户预测模型和进行了所述修正处理的出货实绩数据生成推荐预测模型的第四步骤，
在所述第四步骤中，从所述用户预测模型计算所述商品的出货量的预测值作为第一预测出货量，从所述推荐预测模型计算所述商品的出货量的预测值作为第二预测出货量，基于将所述第一预测出货量与所述第二预测出货量的差按所述变动因素进行分解而得到的值，按各变动因素计算对所述第一预测出货量和所述第二预测出货量的影响度。
14.如权利要求13所述的存储介质，其特征在于：
还包括生成用于显示所述第一预测出货量、所述第二预测出货量和各变动因素的影响度的画面的第五步骤。
15.如权利要求14所述的存储介质，其特征在于：
在所述第四步骤中，在所述用户预测模型追加与所述选择的变动因素相应的解释变量而生成带追加解释变量的预测模型，计算所述用户预测模型的预测误差，从所述带追加解释变量的预测模型和所述预测误差生成预测误差模型，在该预测误差模型加入所述用户预测模型来生成所述推荐预测模型。
CN201910288023.XA 2018-04-26 2019-04-11 库存管理装置、库存管理方法和存储介质 Active CN110414880B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018085182A JP7033490B2 (ja) 2018-04-26 2018-04-26 在庫管理装置、在庫管理方法及びプログラム
JP2018-085182 2018-04-26

Publications (2)

Publication Number Publication Date
CN110414880A CN110414880A (zh) 2019-11-05
CN110414880B true CN110414880B (zh) 2023-09-15

Family

ID=66105253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910288023.XA Active CN110414880B (zh) 2018-04-26 2019-04-11 库存管理装置、库存管理方法和存储介质

Country Status (4)

Country Link
US (1) US20190332991A1 (zh)
EP (1) EP3561749A1 (zh)
JP (1) JP7033490B2 (zh)
CN (1) CN110414880B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8865052B2 (en) * 2010-01-22 2014-10-21 Lubrizol Advanced Materials, Inc. Crosslinkable thermoplastic polyurethane
CN113449939B (zh) * 2020-03-24 2024-04-05 北京京东振世信息技术有限公司 库存数据预测的方法、装置、计算设备及介质
CN112101847A (zh) * 2020-08-11 2020-12-18 大亚湾核电运营管理有限责任公司 核电站仓库智能管理方法、装置、计算机设备及存储介质
US11694152B2 (en) 2020-10-14 2023-07-04 Simpler Postage, Inc. System and method for processing shipment requests using a multi-service shipping platform
US11514396B2 (en) 2020-10-14 2022-11-29 Simpler Postage, Inc. System and method for determining a transit prediction model
CN113610455B (zh) * 2021-07-06 2024-05-07 中科云谷科技有限公司 用于调拨工程机械配件的系统及方法
WO2023113893A1 (en) * 2021-12-16 2023-06-22 Simpler Postage, Inc. System and method for determining a transit prediction model
TWI826043B (zh) * 2022-10-12 2023-12-11 緯創資通股份有限公司 預測值決策的方法和電子裝置及其電腦可讀取記錄媒體
CN116230191B (zh) * 2023-05-08 2023-08-18 深圳市普朗医疗科技发展有限公司 一种输注类医疗耗材的智能管理方法及系统
CN117726044B (zh) * 2024-02-05 2024-05-14 广东迈科医学科技股份有限公司 一种血液库存动态预警方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002318840A (ja) * 2001-04-20 2002-10-31 Lion Corp 出荷量を予測して在庫を管理する在庫管理システム
JP2004334326A (ja) * 2003-04-30 2004-11-25 Nri & Ncc Co Ltd 商品需要予測システム、商品の売上数調整システム
CN1647090A (zh) * 2002-04-18 2005-07-27 株式会社世界 商店库存管理系统、商店库存管理方法以及记录了程序的记录介质
JP2010086055A (ja) * 2008-09-29 2010-04-15 Canon Marketing Japan Inc 在庫管理装置、在庫管理方法、プログラム
CN102184507A (zh) * 2011-05-16 2011-09-14 苏州两江科技有限公司 一种仓库补货方法
CN102890799A (zh) * 2011-07-22 2013-01-23 埃森哲环球服务有限公司 业务成效权衡仿真器
CN103617466A (zh) * 2013-12-13 2014-03-05 李敬泉 一种商品需求预测模型的综合评价方法
CN106408341A (zh) * 2016-09-21 2017-02-15 北京小米移动软件有限公司 货品销量的预测方法及装置、电子设备
CN106529869A (zh) * 2016-10-27 2017-03-22 国网天津市电力公司 一种物资库存物料动态特征分析平台及其分析方法
CN106875056A (zh) * 2017-02-17 2017-06-20 国网天津市电力公司 一种基于混合整数规划的计量装置生产计划优化方法
CN106897795A (zh) * 2017-02-17 2017-06-27 联想(北京)有限公司 一种库存预测方法及装置
CN107220851A (zh) * 2017-05-25 2017-09-29 北京中电普华信息技术有限公司 基于x13季节调整和因素回归的售电量预测方法及装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04364574A (ja) * 1991-06-11 1992-12-16 Sekisui Chem Co Ltd 在庫予測システム
JPH10134027A (ja) * 1996-10-29 1998-05-22 Toyota Motor Corp 販売予測支援方法およびその装置
JP4678943B2 (ja) 2000-12-22 2011-04-27 富士通株式会社 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体
US20040148217A1 (en) * 2003-01-24 2004-07-29 Lauring Stephen R. Method and system for increasing accuracy in shipping and inventory forecasting
JP2005078277A (ja) 2003-08-29 2005-03-24 Kirin Beverage Corp 出荷量予測システム
US8265986B2 (en) * 2008-10-03 2012-09-11 International Business Machines Corporation System and method for determining carbon emission-conscious order fulfillment alternatives with multiple supply modes
US20130325737A1 (en) * 2012-05-30 2013-12-05 Wine.com, Inc. System And Method To Determine Shipping Information
US20140039979A1 (en) * 2012-08-01 2014-02-06 Opera Solutions, Llc System and Method for Demand Forecasting
JP5670416B2 (ja) 2012-12-28 2015-02-18 ファナック株式会社 ロボットシステム表示装置
JP5980408B2 (ja) * 2013-02-20 2016-08-31 株式会社日立製作所 供給ルール生成装置及び供給ルール生成プログラム
JP5551806B2 (ja) 2013-04-04 2014-07-16 株式会社エヌ・ティ・ティ・データ 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム
US20140330741A1 (en) * 2013-05-03 2014-11-06 Iwona Bialynicka-Birula Delivery estimate prediction and visualization system
JP6693329B2 (ja) * 2016-08-03 2020-05-13 富士通株式会社 輸配送計画プログラム、輸配送計画方法及び輸配送計画装置
JP7147561B2 (ja) 2016-09-05 2022-10-05 日本電気株式会社 発注数決定システム、発注数決定方法および発注数決定プログラム
JP6669050B2 (ja) 2016-11-21 2020-03-18 トヨタ自動車株式会社 電極の製造方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002318840A (ja) * 2001-04-20 2002-10-31 Lion Corp 出荷量を予測して在庫を管理する在庫管理システム
CN1647090A (zh) * 2002-04-18 2005-07-27 株式会社世界 商店库存管理系统、商店库存管理方法以及记录了程序的记录介质
JP2004334326A (ja) * 2003-04-30 2004-11-25 Nri & Ncc Co Ltd 商品需要予測システム、商品の売上数調整システム
JP2010086055A (ja) * 2008-09-29 2010-04-15 Canon Marketing Japan Inc 在庫管理装置、在庫管理方法、プログラム
CN102184507A (zh) * 2011-05-16 2011-09-14 苏州两江科技有限公司 一种仓库补货方法
CN102890799A (zh) * 2011-07-22 2013-01-23 埃森哲环球服务有限公司 业务成效权衡仿真器
CN103617466A (zh) * 2013-12-13 2014-03-05 李敬泉 一种商品需求预测模型的综合评价方法
CN106408341A (zh) * 2016-09-21 2017-02-15 北京小米移动软件有限公司 货品销量的预测方法及装置、电子设备
CN106529869A (zh) * 2016-10-27 2017-03-22 国网天津市电力公司 一种物资库存物料动态特征分析平台及其分析方法
CN106875056A (zh) * 2017-02-17 2017-06-20 国网天津市电力公司 一种基于混合整数规划的计量装置生产计划优化方法
CN106897795A (zh) * 2017-02-17 2017-06-27 联想(北京)有限公司 一种库存预测方法及装置
CN107220851A (zh) * 2017-05-25 2017-09-29 北京中电普华信息技术有限公司 基于x13季节调整和因素回归的售电量预测方法及装置

Also Published As

Publication number Publication date
US20190332991A1 (en) 2019-10-31
JP2019192002A (ja) 2019-10-31
CN110414880A (zh) 2019-11-05
JP7033490B2 (ja) 2022-03-10
EP3561749A1 (en) 2019-10-30

Similar Documents

Publication Publication Date Title
CN110414880B (zh) 库存管理装置、库存管理方法和存储介质
US9747560B2 (en) Method and system for combination of independent demand data streams
Grillo et al. Mathematical modelling of the order-promising process for fruit supply chains considering the perishability and subtypes of products
US20090292381A1 (en) Production planning method and production planning system for mixed flows of production by order and forecasting
JP5643502B2 (ja) 複数工場の生産スケジュール作成方法
JP7105336B2 (ja) スマートサプライチェーンシステム
US11551078B2 (en) Data processing apparatus and data processing method
US20040006504A1 (en) Computer implemented system for determining the most profitable distribution policy for a single period inventory system subject to a stochastic metric constraint, optimization application therefor, and method therefor, and decision support tool for facilitating user determination of a distribution policy for a single period inventory system
JP2012247964A (ja) 進捗管理装置、及び進捗管理プログラム
CN112749829B (zh) 输送计划生成装置及输送计划生成方法
US20160300169A1 (en) Supply chain network sensitivity analysis using adjusted network parameters
Lahrichi et al. A first MILP model for the parameterization of Demand-Driven MRP
JP2009043291A (ja) 商品需要予測システム、商品の売上数調整システム
de Kok Modelling short-term manufacturing flexibility by human intervention and its impact on performance
CN113205200A (zh) 商品入库的管理方法、预约方法、服务器及供应商终端
Bolaños-Zúñiga et al. The impact of inventory holding costs on the strategic design of supply chains
US20210334738A1 (en) Supply chain replenishment simulation
Safra et al. The beneficial effect of information sharing in the integrated production–distribution planning of textile and apparel supply chain
Prakash et al. Effects of inventory classifications on CONWIP system: a case study
CN115685912A (zh) 基于大数据的制造企业生产与物流协同优化调度方法及系统
CN113762842B (zh) 仓储调度方法、服务器和系统
US8126767B1 (en) System and method for tuning a segmented model representating product flow through a supply chain or manufacturing process
JP6695298B2 (ja) 発注制御装置
US20160300180A1 (en) Product data analysis
US11436543B2 (en) Plan creation interfaces for warehouse operations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Tokyo, Japan

Applicant after: Luojidi Co.,Ltd.

Address before: Tokyo, Japan

Applicant before: HITACHI TRANSPORT SYSTEM, LTD.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant