CN112534459A - 构成比校正装置、构成比校正方法和构成比校正程序 - Google Patents

Abstract

在本发明中，构成比计算单元(81)计算单项商品销售构成比，所述单项物品销售构成比是在预定合计时段中每项对象商品的销售数量与在对象商品所属的商品类别中的总销售量的比率。预期销售数量计算单元(82)基于所计算的比率和在对象商品缺货时的时间段期间对象商品所属的商品类别中的总销售量，计算在对象商品缺货时的时间段期间对象商品的预期销售数量。

Description

构成比校正装置、构成比校正方法和构成比校正程序

技术领域

本发明涉及一种用于校正商品或服务的预测销售构成比的构成比校正装置、构成比校正方法和构成比校正程序。

背景技术

对各个行业中的每项商品和服务进行需求预测。在这种情况下，可能存在具有与待预测的商品类似的性质和特性的其它商品。待预测的商品和与该商品类似的其它商品可以彼此替换，并且可以选择它们中的一种。例如，即使商店中没有提供A型饮料，也非常有可能购买B型饮料作为替代。

在专利文献1中描述了基于这种商品的相关性进行预测的方法。专利文献1中描述的方法集中在用于预测需求的对象物(第一对象物)、与第一对象物具有可相互替代关系的对象物(第二对象物)以及包含第一对象物和第二对象物的对象物(第三对象物)。具体地，在专利文献1中描述的方法中，需求是基于对关于第三对象物的需求的预测的结果和第一对象物在包括第二对象物的对象物中的比率来预测的。

为了进一步提高预测准确性，在过去的销售业绩中也可以考虑机会损失。如以上示例中那样，即使商店中不存在类型A的饮料，一些顾客也可以购买类型B的饮料，如上面的示例。因此，缺少某种对象商品并不简单地意味着对象商品的预计销量存在机会损失。

在专利文献2中描述了一种用于计算这种机会损失的方法的示例。在专利文献2中描述的方法中，通过根据缺失商品的样式来预测对缺失商品的需求数量，来计算在一段时间内对象商品组的机会损失。

引文清单

专利文献

PTL1：WO 2016/120918，

PTL2：WO 2018/008303。

发明内容

技术问题

在基于比率来预测需求时，在如专利文献1描述中的方法那样，如果存在其中由于商品短缺而无法获得适当的商品的销售的数量的某个时间段，则该商品的需求的数量被计算得较低。

另外，在使用专利文献2中描述的方法时，有可能计算出对象商品组的机会损失，但是它没有考虑在商品短缺的情况下各个商品的机会损失。因此，能够以高精度预测每项商品的未来需求是优选的，即使在过去发生了要预测的各个商品的短缺。

因此，本发明的示例性目的是提供构成比校正装置、构成比校正方法和构成比校正程序，其能够适当地校正在类似商品中的假定销售构成比，即使是当在要预测的单项商品中出现短缺时。

对问题的解决方法

根据本发明的构成比校正装置包括：构成比计算单元，其计算单项商品销售构成比，单项商品销售构成比是每项对象商品的销售数量与对象商品所属的商品类别中的在预定合计时段内的总销售量的比率；以及销售预期数量计算单元，其基于在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量和所计算的比率，计算在对象商品缺货时的时间段期间对象商品的销售预期数量，其中，构成比计算单元使用通过将所计算的销售预期数量加到对象商品的销售数量上而计算出的值，来校正用于每项对象商品的单项商品销售构成比。

根据本发明的构成比校正方法包括：计算单项商品销售构成比，单项商品销售构成比是每项对象商品的销售数量与对象商品所属的商品类别中的总销售量的比率；基于在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量和所计算的比率，计算在对象商品缺货时的时间段期间对象商品的销售预期数量；以及，使用通过将所计算的销售预期数量加到对象商品的销售数量上而计算的值，来校正用于每项对象商品的单项商品销售构成比。

本发明的构成比校正程序使计算机执行：构成比计算处理，计算单项商品销售构成比，单项商品销售构成比是每项对象商品的销售数量与在对象商品所属的商品类别中的在预定合计时段内的总销售量的比率；以及销售预期数量计算处理，其基于在对象商品缺货期间在对象商品所属的商品类别中的总销售量和所计算的比率，计算在对象商品缺货的时间段期间对象商品的销售预期数量，其中，在构成比计算处理中，使计算机使用通过将所计算的销售预期数量加到对象商品的销售量上而计算的值，来执行对每项对象商品的单项商品销售构成比的校正。

发明的有利效果

根据本发明，在类似商品之间的假定销售构成比可以被适当地校正，即使是在要预测的各个商品存在短缺时。

附图说明

图1是示出根据本发明的构成比校正装置的示例性实施例的示例性构造的框图。

图2是示出几个对象商品的过去销售数量的例子的说明图。

图3是示出用于计算单项商品销售构成比的处理的示例的说明图。

图4是示出用于计算单项商品销售构成比的处理的另一示例的说明图。

图5是示出用于计算在商品类别中的商品的总销售量的处理的示例的说明图。

图6是示出用于更新单项商品销售构成比的处理的示例的说明图。

图7是示出构成比校正装置的操作的示例的流程图。

图8是示出构成比校正装置的操作的另一示例的流程图。

图9是示出根据本发明的构成比校正装置的概括构造的框图。

图10是根据至少一个示例性实施例的计算机的构造的示意性框图。

具体实施方式

在下文中，将参考附图描述本发明的示例性实施例。

图1是示出根据本发明的构成比校正装置的示例性实施例的示例性构造的框图。在这个示例性实施例中的销售构成比校正装置100包括存储装置10、构成比计算单元20、类别销售数量计算单元30、销售预期数量计算单元40、预测单元50、单项商品需求数量预测单元60和输出单元70。

存储装置10存储用于校正销售构成比的各种信息。具体地，存储装置10存储针对每个预定合计单位(以下称为合计时段)的相应对象商品的过去销售数量。合计时段是用于合计商品的销售业绩的单位。合计时段可以与表示从一个递送点到下一递送点的时间段的覆盖时段相同或不同。例如，如果合计时段是一天，并且在每天的基础上进行多次递送，则合计时段是用于累积多个覆盖时段的时间段。

此外，存储装置10存储在每个合计时段中在每项对象商品所属的商品类别单位中的总销售量。商品类别是各自表示类似商品的组的分类，并且是基于商品的特性、商品的销售形式等等而对相应商品预先确定的。代替在每个商品类别中存储总销售量，存储装置10可以仅存储每项对象商品的销售数量与每项对象商品所属的商品类别之间的关系，并且可以分开地合计在每个商品类别中的总销售量。每项对象商品所属的商品类别由用户或其他人预先确定。

图2是示出几个对象商品的过去销售数量的示例的说明图。在图2所示的例子中，示出了为过去五天所存储的、以一天为合计单位的每项商品的销售数量。此外，在图2所示的例子中，假设商品A至E属于某一商品类别。例如，如果商品类别是“饭团”，商品A至E对应于例如“包括三文鱼的饭团”、“包括李子的饭团”、“包括吞拿鱼和蛋黄酱(吞拿鱼蛋黄酱)的饭团”、“红饭团”、“包括海带的饭团”等等的各个商品。

作为示例，图2中所示的每个过去销售数量是在不考虑对象商品缺货的状态下的销售数字。在这个例性实施例中，即使期望的对象商品缺货，也假定顾客购买属于相同商品类别的另一对象商品，并且在合计时段内在每个商品类别中的总销售量将保持相同。具体地，例如，即使想要的商品缺货，想要购买饭团的顾客也希望购买相同类别的饭团。换句话说，在这个示例性实施例中，不管商品是否缺货，在每个商品类别中的总销售量是相同的。

在图2所示的示例中，例如，即使商品A在N-5天缺货，作为顾客购买替代商品(商品B或商品C)的结果，在N-5天上的商品类别(类别销售业绩)中的总销售量保持相同为12。

存储装置10可以以时间为基础存储每项商品的过去销售数量和在每个商品类别中的总销售量。此外，存储装置10可以链接到用于管理库存量的系统(未示出)，并且可以明示地存储对象商品缺货时的时间。另外，存储装置10可以以运输为基础存储商品被规划递送的时间(以下称为“规划递送时间”)，并且还可以存储从一次递送到下一次递送的时段(覆盖时间段)。

通常，商品在覆盖时间段的开始处被补充，这意味着商品有库存并且商品不再缺失。另一方面，如果商品在下一次递送之前缺货，则商品将继续缺货直到覆盖时间段结束。因此，从商品缺货时的时间到规划递送时间之间的时间等于缺货时间。

构成比计算单元20计算对象商品所属的商品类别的预定合计时段中的相应对象商品的销售量与总销售量的比率(以下称为单项商品销售构成比)。例如，当合计时段以天为单位时，构成比计算单元20以天为单位计算单项商品销售构成比。

图3是示出用于计算单项商品销售构成比的处理的示例的说明图。在图3所示的示例中，假设在某一天属于相同商品类别的商品A、商品B和商品C的每一个的销售数量分别为2、5和5。在这种情况下，构成比计算单元20计算每项商品与整个商品类别中的总销售量的比率的单项商品销售构成比，分别为0.17、0.42和0.42。

当在多个合计时段上获得销售数量时，构成比计算单元20可以计算每个合计时段的每项对象商品的单项商品销售构成比的平均值。可以预先确定用于计算平均值的对象时段。

图4是用于基于图2所示的销售数量来计算单项商品销售构成比的处理的示例的图示。例如，如果其中要计算平均值的时间段是五天，则构成比计算单元20可以计算如图2所示的在N-5天和N-1天之间计算的比率的平均值。例如，对于商品A，N-5天的销售数量是2，并且在商品类别中的总销售量是12。因此，构成比计算单元20计算N-5天的比率为2/12。类似地，构成比计算单元20计算N-4天的比率为3/11，以及N-3天的比率为3/11。然后构成比计算单元20计算商品A的单项商品销售构成比为(2/12+3/11+3/11)/3，近似等于0.24。对其他商品B至E也是如此。

图3或图4中所示的单项商品销售构成比是没有考虑发生缺货的比率。因此，构成比计算单元20使用在以下描述的处理中校正的值来计算(更新)单项商品销售构成比。稍后将描述用于计算单项商品销售构成比的方法。

用于选择对象商品以计算单项商品销售构成比的方法可以被可选地选择。构成比计算单元20可以通过使用由用户等预先选择的商品作为对象商品来计算单项商品销售构成比。例如，标准商品可以被称为即使在相同商品类别中的其它商品缺货时也可能被选择作为替代商品的商品。这种商品是期望的，以尽可能地避免耗尽库存，同时使丢弃损失最小，即使是在相同商品类别中的其它商品不再可用时。因此，可以预先选择这样的标准商品作为对象商品。

对象商品可以基于过去的销售结果来选择。例如，构成比计算单元20可以将在预定时间段(例如，过去的四星期等)排名等于或高于销售数量的预定排名(例如，最高的五个排名/天中的一个，等等)已达到超过预定次数(例如，多于15天等)的商品选择作为用于计算单项商品销售构成比的对象商品。例如，由于对标准商品的需求数量的变化小，因此通过将其选择为对象商品，可以提高预测的精度。由于预测精度可能降低，因此优选地不考虑季节性商品和其预测数字的变化大的其它商品的短缺时间。

类别销售数量计算单元30针对每个合计时段计算在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量。具体而言，类别销售数量计算单元30从存储装置10取得在对象商品所属的商品类别中的、与对象商品缺货时的时间段相对应的总销售量，并合计在每个合计时段中取得的总销售量。例如，如果对象商品在一天中多次缺货，则类别销售量计算单元30将在所有的其中对象商品缺货的时间段中的总销售量相加。

图5是示出用于计算当对象商品缺货时在对象商品所属的商品类别中商品的总销售量的处理的示例的说明图。对于商品A，假设由于如图5(b)所示的销售数量，库存数字如图5(b)所示地减少，并且商品在缺货时段T1期间缺货。在这种情况下，类别销售数量计算单元30通过将缺货时段T1的商品类别相加获得总销售量N，如图5(c)所示。

例如，可以获得图5中所示的缺货时段T1的开始时间S作为缺货发生的时间，并且例如可以从规划递送时间获得缺货时段T2的结束时间E。

销售预期数量计算单元40基于由计算单元30计算的在商品缺货时的时间段期间在商品类别中的总销售量和由构成比计算单元20计算的单项商品销售构成比，计算在对象商品缺货时的时间段期间的销售预期数量。具体地，销售预期数量计算单元40基于下述式1来计算在对象商品缺货时的时间段期间对象商品的销售预期数量。

销售预期数量＝单项商品销售构成比×在物品缺货的时间段期间在商品类别中的总销售数量

(式1)

例如，假设如图5所示的覆盖时段T2是用于第二运输的10:00-16:00，缺货发生的时间是12:30。在这种情况下，销售预期数量被计算为：商品A的从10:00到12:00的单项商品销售构成比×从12:00(12:30向下舍入)到16:00的在商品类别中的总销售量。

更具体地说，假设如图5所示在缺货时段T1期间在商品类别的总销售量是12。进一步假设已经为商品A计算了如图4所示的单项商品销售构成比(0.24)。在这种情况下，销售预期数量计算单元40通过将商品A的单项商品销售构成比(0.24)乘以商品A所属的商品类别中的总销售量(12)，来计算销售预期数量为2.88(近似等于3)。小数点的处理可以预先确定为向上取整、向下取整或舍去。

之后，构成比计算单元20通过考虑销售预期数量来校正单项商品销售构成比。具体地，构成比计算单元20将由销售预期数量计算单元40计算的销售预期数量加到对象商品的实际销售数量上。然后，构成比计算单元20以与上述处理类似的方式，计算对象商品所属的商品类别的预定合计时段中的每项对象商品的销售数量与总销售量的比率(即，单项商品销售构成比)。此外，构成比计算单元20可以在每个合计时段中针对每项对象商品计算单项商品销售构成比的平均值。

图6是示出用于更新单项商品销售构成比的处理的示例的说明图。图6(a)显示了图2中所示的每项对象商品的过去销售数量。例如，假设对于商品A，N-5天的销售预期数量计算为3，N-3天的销售预期数量计算为2。类似地，假设商品B的N-3天的销售预期数量计算为2，商品E的N-1天的销售预期数量计算为2。在这种情况下，构成比计算单元20将所计算的每项对象商品的销售预期数量加到每项对象商品的销售数量上(参考图6(b))。

构成比计算单元20通过使用加上了销售预期数量的销售数量，来计算每个合计时段的每项对象商品的销售预期数量的比率(即，单项商品销售构成比)。例如，对于商品A，由于N-5天的销售预期数量计算为3，销售预期数量计算为2+3＝5。在这种情况下，N-5天的总销售量也计算为12+3＝15，因此，构成比计算单元20将商品A的单项商品销售构成比校正为5/15＝0.33。对于其它天数和商品也是如此(参见图6(c))。

构成比计算单元20可以计算在每个合计时间段对于每项对象商品的单项商品销售构成比的平均值。在图6所示的例子中，例如，对于商品A，N-5天的单项商品销售构成比被校正为0.33，且N-3天的单项商品销售构成比被校正为0.33。因此，构成比计算单元20可以将3天的单项商品销售构成比的平均值计算为(0.33+0.27+0.33)/3＝0.31。对于其它商品也是如此(参照图6(d))。

上述处理示出了，例如，由于图6所示的商品A的销售期望数量的相加，单项商品销售构成比从图4所示的值(0.24)增大到0.31。因此，由于构成比计算单元20使用销售期望数量的相加来计算单项商品销售构成比，因此即使在要预测的商品短缺的情况下，也考虑了在短缺时可以销售的商品的数量，从而使得有可能以高精度预测对每项商品的需求。

另外，在这个示例性实施例中，由于缺货商品的单项商品销售构成比被更新，因此可以防止缺货商品的商品订购数量的极端增加或减少。

预测单元50预测在每个合计时段期间的每个商品类别的需求的数量。例如，如果合计时段是一天，则预测单元50在每天的基础上预测每个商品类别的需求的数量。预测单元50进行预测的方法可以被可选地选择，并且可以使用一般方法。

单项商品需求数量预测单元60基于由预测单元50预测的在合计时段中的每个商品类别的需求的数量的预测结果和所校正的(即，通过将销售预期数量相加而计算的)单项商品销售构成比，来预测包括在商品类别中的对象商品的单项商品需求数量。在此，单项商品需求数量是对各个商品进行预测的，并且是通过将每个商品类别的需求的数量的预测结果乘以每项对象商品的单项商品销售构成比来计算的。

输出单元70输出由单项商品需求预测单元60计算的对象商品的单项商品需求数量。输出的单项商品需求数量例如用作每个商店的对象商品的订货数量。输出单元70可以例如，以与其它对象商品(即，未将销售预期数量加到其的对象商品)不同的方式，输出将销售预期数量加到其的对象商品的单项商品需求数量。

构成比计算器20、类别销售数字计算器30、预期销售数字计算器40、预测单元50、单项商品需求预测单元60和输出单元70可以由根据程序(构成比校正程序)操作的计算机的CPU(中央处理单元)实现。例如，程序存储在存储装置10中，并且CPU可以读取程序并根据程序作为构成比计算器20、类别销售数字计算器30、销售预期数量计算器40、预测单元50、单项商品需求预测单元60和输出单元70进行操作。

构成比计算单元20、类别销售数字计算单元30、预期销售数字计算单元40、预测单元50、单项商品需求预测单元60和输出单元70中的每一个可以通过专用硬件来实现。

接下来，描述这个示例性实施例的构成比校正装置100的操作。图7是用于示出这个示例性实施例的构成比校正装置的操作的示例的流程图。

构成比计算单元20计算每项对象商品的单项商品销售构成比(步骤S11)。类别销售数量计算单元30计算在对象商品缺货时的时间段中在商品类别中的总销售量(步骤S12)。销售预期数量计算单元40通过将在缺货时间段期间在商品类别中的总销售量乘以单项商品销售构成比，来计算每项对象商品的销售预期数量(步骤S13)。

构成比计算单元20将所计算的销售预期数量加到每项对象商品的销售数量以及该商品所属的商品类别的总销售量上，并且计算每项对象商品的销售数量与所计算的总销售量的比率，作为单项商品销售构成比(步骤S14)。此外，当在多个合计时段上获得销售数量时，构成比计算单元20计算各个对象商品的在相应合计时段的单项商品销售构成比的平均值(步骤S15)。构成比计算单元20利用所计算的单项商品销售构成比来校正原始的单项商品销售构成比(步骤S16)。

预测单元50预测在每个合计时段每个商品类别的需求的数量(步骤S17)。然后，单项商品需求数量预测单元60基于针对每个商品类别的需求的数量的预测结果和校正的单项商品销售构成比，来预测单项商品需求数量，以预测包括在商品类别中的对象商品的单项商品需求数量(步骤S18)。

图8是用于示出这个示例性实施例的构成比校正装置的操作的另一示例的流程图。构成比计算单元20计算单项商品销售构成比，该单项商品销售构成比是每项对象商品的销售数量与对象商品所属的商品类别中的总销售量的比率(步骤S21)。销售预期数量计算单元40基于在对象商品缺货时的时间段期间在商品类别中的总销售量和所计算的比率，计算在对象商品缺货时的时间段中的销售预期数量(步骤S22)。然后，构成比计算单元20使用通过将所计算的销售预期数量加到对象商品的销售量上而计算出的值，来校正每项对象商品的单项商品销售构成比(步骤S23)。

如上所述，在这个示例性实施例中，构成比计算单元20计算每项对象商品的单项商品销售构成比，并且销售预期数量计算单元40基于在对象商品缺货时的时间段期间商品类别中的总销售量和计算的单项商品销售构成比，来计算在对象商品缺货时的时间段期间的销售预期数量。然后，构成比计算单元20通过使用通过将所计算的销售预期数量加到要预测的商品的销售数量上而计算出的值，来校正每项商品的单项商品销售构成比。因此，即使在要预测的各个商品中存在短缺，也可以适当地校正在类似商品之间假定的销售构成比。

即，在这个示例性实施例中，由于基于商品类别中的总销售量，根据比率来对每项对象商品分配总销售量，因此能够提高对于各个商品的预测精度。在这个示例性实施例中，由于通过考虑各个商品的机会损失来校正比率，所以可以进一步提高针对各个商品的预测精度。

例如，在通过考虑库存量来下订单的方法中，单项商品销售构成比通常是在不考虑缺货的情况下计算的。因此，优选地，这个示例性实施例的构成比校正装置100用于不考虑库存的商品(例如，具有短的消费期限的饭团和面条)。

以下，将描述本发明的概要。图9是用于示出根据本发明的构成比校正装置的概括构造的框图。根据本发明的构成比校正装置80(例如，构成比校正装置100)包括：构成比计算单元81(例如，构成比计算单元20)，其计算单项商品销售构成比，该单项商品销售构成比是在预定合计时段内每项对象商品的销售数量与在对象商品所属的商品类别中的总销售量的比率；以及销售预期数量计算单元82(例如销售预期数量计算单元40)，其基于在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量和所计算的比率，来计算在对象商品缺货时的时间段期间对象商品的销售预期数量。

构成比计算单元81使用通过将计算的销售预期数量加到对象商品的销售数量上而计算出的值，来校正每项对象商品的单项商品销售构成比。

这种构造允许适当地校正在类似商品之间的销售构成比，即使是在要预测的每项商品中出现短缺时。

构成比校正装置80可以包括类别销售数量计算单元(例如，类别销售数量计算单元30)，其计算在预定合计时段内在对象商品缺货时的时间段期间对象商品所属的商品类别中的总销售量。

构成比校正装置80可以包括单项商品需求数量预测单元(例如，单项商品需求数量预测单元60)，其基于在合计时段中的每个商品类别的需求的数量的预测结果和述校正的单项商品销售构成比，预测包括在商品类别中的对象商品的单项商品需求数量。通过使用述校正的单项商品销售构成比来预测单项商品销售构成比，有可能高精度地预测对商品的需求。

构成比计算单元81可以将排名等于或大于在过去的预定时段中的销售数量的预定排名已达到超过预定次数的商品，选择作为用于计算单项商品销售构成比的对象商品(例如，标准商品)。从这个观点来看，例如，通过以需求数量的微小变化来选择标准商品作为对象商品，可以提高关于标准商品的预测的精度。

构成比校正装置80可以包括存储装置(例如，存储装置10)，其以小时为基础存储每个商品类别中的过去的总销售量。此外，类别销售数量计算单元可以从存储装置获得在对象商品所属的商品类别中与对象商品缺货时的时间段对应的总销售量，并计算在每个合计时段的所获得的总销售量。

构成比计算单元81可以对一个或多个单项商品销售构成比和在过去的合计时段中的校正的单项商品销售构成比进行平均。

图10是用于示出与至少一个示例性实施例相关的计算机的配置的示意性框图。计算机1000具有处理器1001、主存储器1002、辅助存储器1003和接口1004。

上述构成比校正装置在计算机1000中实现。上述处理单元中的每一个的操作作为程序(构成比校正程序)存储在辅助存储器1003中。处理器1001从辅助存储器1003中读取程序，并将程序部署到主存储器1002中，并根据程序实施上述处理。

在至少一个示例性实施例中，辅助存储器1003是非暂时性有形介质的示例。非暂时性有形介质的其他示例包括磁盘、光磁盘、CD-ROM(光盘只读存储器)、DVD-ROM(只读存储器)、半导体存储器等等。当通过通信线路将程序发送到计算机1000时，接收发送的计算机1000可以将程序部署到主存储器1002中并执行上述处理。

程序也可以是用于实现上述功能中的一些功能的程序。此外，程序可以是所谓的差异文件(差异程序)，其与已经存储在辅助存储器1003中的其它程序结合来实现上述功能。

上述示例性实施例可以被描述为下面提到的附记，但是不限于下面的附记。

(附记1)一种构成比校正装置，包括：

构成比计算单元，其计算单项商品销售构成比，单项商品销售构成比是每项对象商品的销售数量与对象商品所属的商品类别中的在预定合计时段内的总销售量的比率；以及

销售预期数量计算单元，其基于在对象商品缺货时的时间段期间对象商品所属的商品类别中的总销售量和所计算的比率，计算在对象商品缺货时的时间段期间对象商品的销售预期数量，

其中，构成比计算单元使用通过将所计算的销售预期数量加到所述对象商品的销售数量上而计算出的值，来校正每项对象商品的单项商品销售构成比。

(附记2)根据附记1所述的构成比校正装置，还包括；类别销售数量计算单元，其在预定合计时段中计算在对象商品缺货时的时间段期间对象商品所属的商品类别中的总销售量。

(附记3)根据附记1或2所述的构成比校正装置，还包括：单项商品需求数量预测单元，其基于在合计时段中的每个商品类别的需求的数量的预测结果和所校正的单项商品销售构成比，预测在商品类别中包含的对象商品的单项商品需求数量。

(附记4)根据附记1至3中的任一项所述的构成比校正装置，其中，构成比计算单元将排名等于或大于在过去的预定时段中的销售数量的预定排名的次数已经达到超过预定次数的商品，选择作为用于计算单项商品销售构成比的对象商品。

(附记5)根据附记1至4中的任一项所述的构成比校正装置，还包括存储装置，存储装置以小时为基础存储在每个商品类别中的过去的总销售量，其中，类别销售数量计算单元从存储装置获得在对象商品所属的商品类别中与对象商品缺货时的时间段相对应的总销售量，并且计算每个合计时段的所获得的总销售量。

(附记6)根据附记1至5中的任一项所述的构成比校正装置，其中，构成比计算单元将一个或多个单项商品销售构成比和在过去的合计时段中的校正的单项商品销售构成比进行平均。

(附记7)根据附记1至6中的任一项所述的构成比校正装置，其中，构成比计算单元以每日为基础计算销售数量的比率，并以每日为基础计单项商品销售构成比。

(附记8)一种构成比校正方法，包括：计算单项商品销售构成比，单项商品销售构成比是每项对象商品的销售数量与在对象商品所属的商品类别中的总销售量的比率；基于在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量和所计算的比率，计算在对象商品缺货时的时间段期间对象商品的销售预期数量；以及，

使用通过将所计算的销售预期数量加到对象商品的销售数量上而计算的值，来校正用于每项对象商品的单项商品销售构成比。

(附记9)根据附记8所述的构成比校正方法，还包括：在预定合计时段中计算在所述对象商品缺货时的时间段期间对象商品所属的商品类别中的总销售量。

(附记10)一种构成比校正程序，用于使计算机执行：构成比计算处理，计算单项商品销售构成比，单项商品销售构成比是每项对象商品的销售数量与在对象商品所属的商品类别中的在预定合计时段内的总销售量的比率；以及销售预期数量计算处理，基于在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量和所计算的比率，计算在对象商品缺货时的时间段期间对象商品的销售预期数量，其中，在构成比计算处理中，使计算机使用通过将所计算的销售预期数量加到对象商品的销售数量上而计算的值，来执行对于每项对象商品的单项商品销售构成比的校正。

(附记11)根据附记10所述的构成比校正程序，使计算机执行：类别销售数量计算处理，在预定合计时段中计算在对象商品缺货时的时间段期间在对象商品所属的商品类别中的总销售量。

尽管已经参考示例性实施例描述了本发明，但是本发明不限于上述示例性实施例。在本发明的范围内，可以对本发明的结构和细节做出本领域技术人员可以理解的各种变化。

本申请要求基于在2018年8月10日提交的日本专利申请2018-151251的优先权，并且其全部公开内容合并在本文中。

附图标记列表

10 存储装置

20 构成比计算单元

30 类别销售数量计算单元

40 销售预期数量计算单元

50 预测单元

60 单项商品需求数量预测单元

70 输出单元

100 构成比校正装置

Claims (11)

1.一种构成比校正装置，包括：

构成比计算单元，所述构成比计算单元计算单项商品销售构成比，所述单项商品销售构成比是每项对象商品的销售数量与所述对象商品所属的商品类别中的在预定合计时段内的总销售量的比率；以及

销售预期数量计算单元，所述销售预期数量计算单元基于在所述对象商品缺货时的时间段期间在所述对象商品所属的所述商品类别中的所述总销售量和所计算的比率，计算在所述对象商品缺货时的所述时间段期间所述对象商品的销售预期数量，

其中，所述构成比计算单元使用通过将所计算的销售预期数量加到所述对象商品的所述销售数量上而计算出的值，来针对每项对象商品校正所述单项商品销售构成比。

2.根据权利要求1所述的构成比校正装置，还包括：

类别销售数量计算单元，所述类别销售数量计算单元在所述预定合计时段内计算在所述对象商品缺货时的时间段期间所述对象商品所属的所述商品类别中的总销售量。

3.根据权利要求1或2所述的构成比校正装置，还包括：

单项商品需求数量预测单元，所述单项商品需求数量预测单元基于在所述合计时段中针对每个商品类别的需求数量的预测结果和所校正的单项商品销售构成比，预测在所述商品类别中包含的所述对象商品的单项商品需求数量。

4.根据权利要求1至3中的任一项所述的构成比校正装置，其中，

所述构成比计算单元将在过去的预定时段内排名等于或高于针对所述销售数量的预定排名已达到超过了预定次数的商品，选择作为用于计算所述单项商品销售构成比的所述对象商品。

5.根据权利要求1至4中的任一项所述的构成比校正装置，还包括：

存储装置，所述存储装置以每小时为基础存储每个商品类别中的过去的总销售量，

其中，所述类别销售数量计算单元从所述存储装置获得在所述对象商品所属的商品类别中的与在所述对象商品缺货时的时间段相对应的所述总销售量，并且计算对于每个合计时段的所获得的总销售量。

6.根据权利要求1至5中的任一项所述的构成比校正装置，

其中，所述构成比计算单元对过去的合计时段中的一个或多个单项商品销售构成比和所校正的单项商品销售构成比进行平均。

7.根据权利要求1至6中的任一项所述的构成比校正装置，

其中，所述构成比计算单元以每日为基础计算所述销售数量的所述比率，并且以每日为基础计算所述单项商品销售构成比。

8.一种构成比校正方法，包括：

计算单项商品销售构成比，所述单项商品销售构成比是每项对象商品的销售数量与所述对象商品所属的商品类别中的总销售量的比率；

基于在所述对象商品缺货时的时间段期间在所述对象商品所属的所述商品类别中的所述总销售量和所计算的比率，计算在所述对象商品缺货时的所述时间段期间所述对象商品的销售预期数量；以及

使用通过将所计算的销售预期数量加到所述对象商品的销售数量上而计算出的值，来校正对于每项对象商品的所述单项商品销售构成比。

9.根据权利要求8所述的构成比校正方法，还包括：

在所述预定合计时段中，计算在所述对象商品缺货时的所述时间段期间所述对象商品所属的所述商品类别中的总销售量。

10.一种构成比校正程序，其使计算机执行：

构成比计算处理，所述构成比计算处理计算单项商品销售构成比，所述单项商品销售构成比是每项对象商品的销售数量与所述对象商品所属的商品类别中的在预定合计时段内的总销售量的比率；以及

销售预期数量计算处理，所述销售预期数量计算处理基于在所述对象商品缺货时的时间段期间在所述对象商品所属的所述商品类别中的总销售量和所计算的比率，计算在所述对象商品缺货时的所述时间段期间所述对象商品的销售预期数量，

其中，在所述构成比计算处理中，使所述计算机使用通过将所计算的销售预期数量加到所述对象商品的所述销售数量上而计算出的值，来执行对于每项对象商品的所述单项商品销售构成比的校正。

11.根据权利要求10所述的构成比校正程序，使所述计算机执行：

类别销售数量计算处理，所述类别销售数量计算处理在所述预定合计时段中计算在所述对象商品缺货时的所述时间段期间所述对象商品所属的所述商品类别中的总销售量。

Images