CN116917916A - 零部件事先配备支援系统及方法 - Google Patents

零部件事先配备支援系统及方法 Download PDF

Info

Publication number
CN116917916A
CN116917916A CN202280018133.4A CN202280018133A CN116917916A CN 116917916 A CN116917916 A CN 116917916A CN 202280018133 A CN202280018133 A CN 202280018133A CN 116917916 A CN116917916 A CN 116917916A
Authority
CN
China
Prior art keywords
customer
probability
component
machine
data
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.)
Pending
Application number
CN202280018133.4A
Other languages
English (en)
Inventor
二神廉太郎
冯益祥
高见弘树
室启朗
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.)
Hitachi Construction Machinery Co Ltd
Original Assignee
Hitachi Construction Machinery 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 Hitachi Construction Machinery Co Ltd filed Critical Hitachi Construction Machinery Co Ltd
Publication of CN116917916A publication Critical patent/CN116917916A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/004—Error avoidance
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0772—Means for error signaling, e.g. using interrupts, exception flags, dedicated error registers
    • 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
    • G06Q10/06—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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q30/018—Certifying business or products
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

适当地执行零部件的事先配备。该零部件事先配备支援系统具有服务器，该服务器包括：故障预测部，其基于机械的运行信息预测所述机械的故障；地域/顾客特性推定部，其基于与顾客持有或利用的机械相关的数据，推定持有或利用所述机械的地域的特性或顾客的特性；接收订单概率算出部，其基于所述故障预测部及所述地域/顾客特性推定部的输出来算出接收订单概率，该接收订单概率为接收到所述机械的零部件的订单的概率；以及事先配备损益算出部，其基于所述接收订单概率算出在所述机械的所在地的临近的据点事先配备有所述零部件的情况下的损益。

Description

零部件事先配备支援系统及方法
技术领域
本发明涉及零部件事先配备支援系统及方法。
背景技术
在制造装置、工程机械等机械中，有时因消耗、劣化而需要更换、补充各种零部件。为了提高机械的生产性，希望在机械停止或功能下降之前(事先)向用户供给这种零部件，例如根据专利文献1等已知为了实现这种事先供给的零部件事先配备支援系统。
专利文献1的系统按照传感器的输出检测顾客持有的机械的异常，在配备据点事先配备与该异常关联的零部件。但是，这样的现有系统是根据异常的信息和过去的实际上的更换率来判定需要更换等的零部件名称及零部件数量的。因此，实际上订货的零部件的数量与零部件的库存数量之间产生偏离，无法避免事先配备造成浪费(库存过剩)或来不及事先配备而陷入库存不足的情况。像这样，在现有系统中，很难进行与状况对应的零部件的事先配备。
现有技术文献
专利文献
专利文献1：日本特开2006-33249号公报
发明内容
本发明提供能够适当地执行零部件的事先配备的零部件事先配备支援系统及方法。
为了解决上述课题，本发明的零部件事先配备支援系统具有服务器，所述服务器包括：故障预测部，其基于机械的运行信息预测所述机械的故障；地域/顾客特性推定部，其基于与顾客持有或利用的所述机械相关的数据，推定持有或利用所述机械的地域的特性或顾客的特性；接收订单概率算出部，其基于所述故障预测部及所述地域/顾客特性推定部的输出来算出接收订单概率，该接收订单概率为接收到所述机械的零部件的订单的概率；以及事先配备损益算出部，其基于所述接收订单概率算出在所述机械的所在地的临近的据点事先配备有所述零部件的情况下的损益。
发明效果
根据本发明，提供能够适当地执行零部件的事先配备的零部件事先配备支援系统及方法。
附图说明
图1是示出本发明实施方式的零部件事先配备支援系统的整体构成的构成图。
图2说明运行信息表101的数据结构的一例。
图3说明库存管理表102的数据结构的一例。
图4说明接收订单历史记录表103的数据结构的一例。
图5说明发出警报历史记录表104的数据结构的一例。
图6说明地域顾客属性表301的数据结构的一例。
图7说明零部件配备费用表302的数据结构的一例。
图8说明促销活动成本表303的数据结构的一例。
图9说明促销活动历史记录表304的数据结构的一例。
图10是示出发出警报预测表401的数据结构例的表图。
图11说明接收订单预测表402的数据结构的一例。
图12说明有促销接收订单预测表403的数据结构的一例。
图13说明事先配备损益表404的数据结构的一例。
图14是说明接收订单预测服务器200的数据处理的步骤的流程图。
图15是说明图14的步骤S201的详细内容(地域/顾客特性推定部201的数据处理的步骤的详细内容)的一例的流程图。
图16A是说明步骤S2010(算出地域中的非正品零部件的入手容易程度)的详细的流程图。
图16B是说明步骤S2010(算出地域中的非正品零部件的入手容易程度)的详细的流程图。
图17是说明算出表示顾客关于维护的积极性的数值的步骤的一例的流程图。
图18是说明算出繁忙月份的步骤的详细内容的一例的流程图。
图19A是说明发出警报预测部202中的数据处理的步骤的详细内容的一例的流程图。
图19B是说明发出警报预测部202中的数据处理的步骤的详细内容的一例的流程图。
图20A是说明算出接收订单概率的具体步骤的流程图。
图20B是说明算出接收订单概率的具体步骤的流程图。
图21A是说明算出事先配备损益的具体步骤的流程图。
图21B是说明算出事先配备损益的具体步骤的流程图。
图21C是说明算出事先配备损益的具体步骤的流程图。
图22示出事先配备计划显示部501的画面的一例。
图23说明事先配备通知显示部601的画面的一例。
图24示出事先配备计划显示部501中的动作的一例。
图25说明事先配备通知显示部601中的动作的一例。
具体实施方式
以下，参照附图说明本实施方式。在附图中，也存在以相同的标号显示功能上相同的要素的情况。需要说明的是，附图示出基于本公开的原理的实施方式和安装例，但这些实施方式和安装例是用来理解本公开的，绝非用于对本公开进行限定性解释。本说明书的描述只不过是典型例示，并非在任何意义上限定本公开的权利要求书或应用例。
在本实施方式中，充分详细地进行了说明以便于本领域技术人员实施本公开，但应理解为，也能够采用其他安装/形态，能够不脱离本公开的技术思想范围和精神地进行构成/构造的变更、多种要素的置换。因此，不应将以下描述限定解释于此。
图1是示出本发明实施方式的零部件事先配备支援系统的整体构成的构成图。在图1的例子中，说明支援工程机械的零部件的事先配备的系统。即使在成为对象的机械为工程机械以外的机械的情况下，基本的系统的构成也相同。
在本说明书中，“事先配备”是指根据机械的故障的信息来预测存在接收订单可能性的零部件，在有来自顾客的订单之前的阶段从远处的配备据点等向机械的所在地临近的配备据点配送零部件。另一方面，“事后配备”是指在从顾客收到零部件的订单后，向最近的配备据点或机械运行的现场直接配送零部件。本实施方式的系统意在适当地进行零部件的事先配备，以免发生零部件误期，另一方面，以免因事先配备造成的金钱损失增大的方式进行支援。另外，在本说明书中，将机械所在地的临近的配备据点称为“经销商”，将与经销商相比位于远处的配备据点称为“物流据点(仓库)”。
图1的系统包含业务数据存储部100、接收订单预测服务器200、接收订单预测数据存储部300、接收订单预测结果存储部400。在本系统中，接收订单预测服务器200具有算出工程机械的零部件的接收订单概率，并算出在进行了零部件的事先配备的情况下的损益(事先配备损益)的作用。接收订单预测服务器200根据在业务数据存储部100中存储的各种业务数据及在接收订单预测数据存储部300中存储的接收订单预测数据算出接收订单概率及事先配备损益。接收订单预测服务器200经由网络1与由进行零部件的代销的经销商操作的经销商终端500及由持有并使用工程机械的顾客操作的顾客终端600连接。
业务数据存储部100是存储与顾客持有并使用的工程机械相关的业务数据(运行信息、零部件的库存管理、零部件的接收订单历史记录、故障警报的发出警报的历史记录等)的存储部(数据库)。需要说明的是，虽省略图示，但在顾客持有并使用的工程机械的机体上安装有各种传感器，从传感器获得与工程机械的运行状况相关的信息。所获得的与运行状况相关的信息通过无线通信经由网络定期地发送至业务数据存储部100，并存储在其内。
在接收订单预测服务器200中算出的接收订单概率及事先配备损益被发送至接收订单预测结果存储部400并保存在其内。根据算出的接收订单概率及事先配备损益判定是否进行零部件的事先配备。其判定结果根据来自顾客终端600的请求而显示在顾客终端600的事先配备通知显示部601上。另外，根据算出的接收订单概率及事先配备损益而创建的事先配备计划被向经销商终端500发送并显示在事先配备计划显示部501上。
作为一例，业务数据存储部100具备运行信息表101、库存管理表102、接收订单历史记录表103及发出警报历史记录表104。运行信息表101是保存与工程机械各自的运行状况相关的信息(运行信息)的表，库存管理表102是保存与经销商(配备据点)各自的零部件的库存管理相关的信息的表。另外，接收订单历史记录表103是保存与从顾客接受零部件的接收订单的历史记录(接收订单历史记录)相关的信息的表。另外，发出警报历史记录表104是保存与从工程机械发出的故障警报的历史记录(发出警报历史记录)相关的信息的表。
作为一例，接收订单预测服务器200包括地域/顾客特性推定部201、发出警报预测部202、接收订单概率算出部203、事先配备损益算出部204。地域/顾客特性推定部201具有推定顾客持有并使用机械的地域的特性、该顾客的特性的作用。推定根据从接收订单预测数据存储部300提供的各种数据来进行。发出警报预测部202具有根据各种信息预测发出表示各工程机械中的故障的警报的作用。发出警报预测部202是基于机械的运行信息预测工程机械的故障的故障预测部的一个方式。接收订单概率算出部203具有根据来自地域/顾客特性推定部201及发出警报预测部202的输出来算出某个零部件的接收订单概率的作用。另外，事先配备损益算出部204具有算出事先配备有该零部件的情况下的损益的作用。
作为一例，接收订单预测数据存储部300包括地域顾客属性表301、零部件配备费用表302、促销活动成本表303、促销活动历史记录表304，存储(保存)由接收订单概率算出部203算出接收订单概率及由事先配备损益算出部204算出事先配备损益所使用的接收订单预测数据。地域顾客属性表301保存表示属于某个地域的顾客的属性的数据。另外，零部件配备费用表302保存表示各零部件的配备费用的数据。促销活动成本表303保存与关于某个销售促进活动(以下简称为“促销活动”)所产生的成本相关的数据。另外，促销活动历史记录表保存与所执行的促销活动的历史记录相关的数据。这些数据被供给至上述地域/顾客特性推定部201，用于推定地域的特性及顾客的特性。
作为一例，接收订单预测结果存储部400具备发出警报预测表401、接收订单预测表402、有促销接收订单预测表403及事先配备损益表404。发出警报预测表401是保存与从各工程机械发出的故障警报(发出警报)相关的数据的表。另外，接收订单预测表402是保存各工程机械的零部件的接收订单概率、其他与接收订单相关的预测数据的表。另外，有促销接收订单预测表403是保存在进行了促销活动的情况下的、零部件的接收订单概率、其他与接收订单相关的预测数据的表。另外，事先配备损益表404是保存与事先配备损益算出部204算出的事先配备损益相关的数据的表。
需要说明的是，业务数据存储部100、接收订单预测服务器200、接收订单预测数据存储部300、接收订单预测结果存储部400可以分别独立地采用存储装置、服务器装置等硬件构成，也可以由单一的数据服务器实现。
参照图2说明运行信息表101的数据结构的一例。作为数据项目的一例，运行信息表101存储机体ID1010、运行日期1011、运行时间1012、电池SOH(State of Health：健康状态)1013、发动机进气温度最低值1014、发动机排气温度最高值1015，一行数据示出了某个工程机械(机体ID)的、某个运行日期的运行状态的数据(运行时间、电池SOH、发动机进气温度的最低值、发动机排气温度的最高值等)。电池SOH表示电池的健全性，表示能够避免故障、功能下降而进行正常动作的程度。电池SOH、发动机进气温度等能够由工程机械中配置的各种传感器计测。电池SOH、发动机进气温度等是影响该工程机械中的发出警报的定时的数值。图2所示的数据项目是一例，当然不限定于此。
参照图3说明库存管理表102的数据结构的一例。作为数据项目的一例，库存管理表102包含经销商代码1020、零部件ID1021、数量1022、销售价格1023、毛利率1024，一行数据示出了某个经销商(经销商代码)的、某个零部件的库存状况(库存的数量、销售价格、毛利率等)。
参照图4说明接收订单历史记录表103的数据结构的一例。作为数据项目的一例，接收订单历史记录表103包含接收订单ID1030、机体ID1031、零部件ID1032、零部件名称1033、数量1034、接收订单日期1035。接收订单ID1030是识别各接收订单的符号，机体ID1031是识别工程机械的符号，零部件ID1032是识别零部件的符号。一行数据一并示出了某个工程机械中的一个零部件的接收订单的数据(各种ID)与零部件名称、数量、接收订单日期等。需要说明的是，有时在一次接收订单中接受关于多个零部件的订单，在该情况下，对多个零部件赋予同一接收订单ID1030，在接收订单历史记录表103中，在多行中生成同一接收订单ID1030的数据。即，接收订单ID1030按机体ID1031与零部件ID1032的组合来赋予。
参照图5说明发出警报历史记录表104的数据结构的一例。作为一例，发出警报历史记录表104包含机体ID1040、警报ID1041、发出警报日期1042来作为数据项目。一行数据示出了哪个工程机械在什么时间发出了警报。
参照图6说明地域顾客属性表301的数据结构的一例。作为一例，地域顾客属性表301包含机体ID3010、应用开始日期3011、应用结束日期3012、国别代码3013、经销商代码3014、地域代码3015、顾客代码3016、非正品零部件入手性3017、关于维护的积极性3018、繁忙月份3019。一行数据示出了在从应用开始日期3011到应用结束日期3012为止的期间内，某个机体ID3010的工程机械所属的国家/地域、顾客的特性。
应用开始日期3011及应用结束日期3012表示应该一行数据的期间(开始日期、结束日期)。工程机械有时会由于机械的移动、转让给他人(买卖、出租、租赁等)而被变更其运行地、所有者，因此，在地域顾客属性表301中，也能够将应用开始日期3011及应用结束日期3012包含在数据项目中来指定应用期间。应用开始日期3011及应用结束日期3012是一例，也能够省略。顾客的ID保存于顾客代码3016，顾客的所在地的地域分类保存于地域代码3015，所在国的分类保存于国别代码3013，经销商的代码保存于经销商代码3014。
非正品零部件入手性3017是表示取得作为预测需要更换的零部件的代替品的非正品零部件(非正规品)的入手可能性的数值。能否入手非正品根据其地域及顾客企业的经营方针等而不同，因此通过以数值表示非正品零部件的入手可能性来体现地域、顾客的属性。另外，关于维护的积极性3018是表示该顾客积极地进行工程机械的维护业务的程度的指标。关于维护的积极性3018的数值越高，则在工程机械产生问题的情况下，零部件的接收订单概率越高。繁忙月份3019是表示顾客企业的业务的繁忙期的月份的数值。非正品零部件入手性3017、关于维护的积极性3018及繁忙月份3019的数据是由地域/顾客特性推定部201推定并保存的值。
参照图7说明零部件配备费用表302的数据结构的一例。作为一例，零部件配备费用表302包含零部件ID3020、经销商代码3021、仓库代码3022、标准配送天数3023、标准快递天数3024、配送费3025、快递费3026、库存费/日3027、故障损失费/日3028、期待处置费3029。一行数据示出了从某个仓库代码3022的物流据点(仓库)事先或事后向某个经销商代码3021的经销商配备某个零部件ID3020的零部件的情况下的费用(配送费、快递费、库存费/日、故障损失费/日、期待处置费等)。库存费/日3027表示用于在经销商保管零部件的每天的库存管理费用。另外，故障损失费/日3028表示因由机械故障引起的顾客的信赖度降低而将来的销售额会减少的预估额(每天)。
另外，期待处置费3029表示事先配备的零部件以规定的概率损失/破损或向仓库退货的情况下的处置费的期待值。各种费用的数据的组合是任意的，也能够追加图7中例示以外的费用的项目，还能够将图示的项目的一部分删除。也能够变更数据项目的定义。另外，还能够以使配送费成为根据时期而变化的费用的方式进行模型化。此外，也可以不保存针对每个零部件的费用，而是全部零部件一律应用固定的费用，或者可以以相对于某个费用的规定的比例对各零部件分配费用。
参照图8说明促销活动成本表303的数据结构的一例。作为数据项目的一例，促销活动成本表303包含促销活动ID3030、促销活动名称3031、促销费用3032、实施上限/顾客3033。一行数据示出了实施某个促销活动时的费用(3032)和每月对同一顾客的促销实施次数的上限(3033)。促销费用3032及实施上限/顾客3033也可以根据促销对象的零部件的种类、价格等而变动。另外，在为需要顾客的批准才能执行的促销活动的情况下，促销活动名称3031中保存被赋予(已批准)的促销活动名称、和未被赋予(已批准)的促销活动名称，在未被赋予(已批准)的情况下，对顾客执行促销活动的请示。
参照图9说明促销活动历史记录表304的数据结构的一例。作为数据项目的一例，该促销活动历史记录表304包含故障预知ID3040、促销活动ID3041、顾客ID3042及促销执行日期3043。一行数据与作为在某个工程机械中预估发出故障警报的结果的故障预知ID3040对应地，示出了在事先配备该故障的对策零部件时实施的促销活动(对象的顾客、促销执行日期等)。也存在针对一个故障预知ID3040保存多个促销活动ID3041及促销执行日期3043的情况。另外，促销活动ID3041为零的行的数据表示未进行促销活动而进行了事先配备的历史记录。
参照图10说明发出警报预测表401的数据结构的一例。作为数据项目的一例，发出警报预测表401具备机体ID4010、警报ID4011、预测日期4012、故障预知ID4013及发出警报概率4014。一行数据示出了在某个预测日期(4012)的数日以内在某个机体ID4010的工程机械中发出某个警报ID4011的警报的概率。发出警报概率4014保存发出警报预测部202的处理的结果。另外，故障预知ID4013是与该机体/警报/预测日期相关的预测的固有ID。
参照图11说明接收订单预测表402的数据结构的一例。作为数据项目的一例，接收订单预测表402包含故障预知ID4020、预测日期4021、机体ID4022、警报ID4023、零部件ID4024、接收订单概率4025、正品购入概率4026、零部件更换概率4027、发出警报概率4028及发出警报预测极限天数4029。一行数据示出了在某个日期(4021)实施了基于从某个工程机械(4022)发出的故障警报(4923)的故障预测(4020)的情况下的该故障预测的零部件的零部件ID(4024)及其接收订单概率(4025)等。该顾客购入正品零部件的概率(4026)、该顾客应对故障警报而更换零部件的概率(4027)、发出故障警报的概率(4028)也与接收订单概率一并包含在一行数据中。接收订单概率4025表示根据各种概率4026～4028最终在经销商接收零部件的订单的概率。
参照图12说明有促销接收订单预测表403的数据结构的一例。作为数据项目的一例，有促销接收订单预测表403包含故障预知ID4030、促销活动ID4031、有促销接收订单概率4032、有促销正品购入概率4033。一行数据针对各故障预知ID4030示出了在进行了促销活动ID4031的促销活动的情况下作为故障对策购入正品零部件的概率(4033)及作为最终接收订单零部件的概率的有促销接收订单概率(4032)。
参照图13说明事先配备损益表404的数据结构的一例。事先配备损益表404的一行数据针对某个故障预知ID4040，示出了将零部件从某个仓库代码4042的仓库事先配备到某个经销商代码4041的经销商的情况下的、配备所需的天数即配备天数4044、接收对策零部件的订单的概率即接收订单概率4045、作为其事先配备的结果而与进行事后配备的情况比较得到的期待利益即期待利益4046。另外，在利用各故障预知ID4040进行促销活动的情况下的接收订单概率4045及期待利益4046保存在与保存相应的促销活动的促销活动ID4043的行相同的行中。
接下来，参照图14～图25说明本实施方式的零部件事先配备支援系统的动作。如前所述，接收订单预测服务器200根据从业务数据存储部100和接收订单预测数据存储部300获取的数据，利用地域/顾客特性推定部201和发出警报预测部202执行数据处理，并将其结果输入至接收订单概率算出部203来进行规定的数据处理。该数据处理的结果输入至事先配备损益算出部204，运算事先配备损益，该运算的结果保存在接收订单预测结果存储部400中。
参照图14的流程图说明接收订单预测服务器200中的数据处理的步骤。接收订单预测服务器200从业务数据存储部100及接收订单预测数据存储部300获取各种数据，根据所获取的数据在地域/顾客特性推定部201中推定与地域及顾客的特性相关的数据，将推定的特性数据保存在地域顾客属性表301中(步骤S201)。另外，在发出警报预测部202中进行各工程机械中的发出警报的预测，将其结果保存在发出警报预测表401中(步骤S202)。
然后，接收订单概率算出部203根据与所获得的地域/顾客的特性相关的数据及发出警报预测数据，算出接收订单零部件的概率即接收订单概率及在进行了促销活动的情况下的有促销接收订单概率(步骤S203)。所算出的接收订单概率及有促销接收订单概率分别保存在接收订单预测表402及有促销接收订单预测表403中。而且，事先配备损益算出部204基于所算出的接收订单概率及有促销接收订单概率并将零部件配备费用表302、促销活动成本表303的数据考虑在内地算出零部件的事先配备损益，将其结果保存在事先配备损益表404中(步骤S204)。
需要说明的是，基于接收订单预测服务器200的图14所示的数据处理以例如一天一次等的频度通过批量处理来执行。
参照图15的流程图说明图14的步骤S201的详细内容(地域/顾客特性推定部201中的数据处理的步骤的详细内容)的一例。接收订单预测服务器200首先在地域/顾客特性推定部201中根据业务数据存储部100的运行信息表101、接收订单历史记录表103及发出警报历史记录表104获取运行信息、接收订单历史记录信息、发出警报历史记录信息等，基于这些获取数据执行以数值方式推定对工程机械的维护零部件的接收订单概率造成影响的与该地域、顾客的特性相关的数据的处理。与特性相关的数据不限定于特定数据，例如能够包含表示该地域中的非正品零部件的入手容易程度的数据、与该顾客关于维护的积极性相关的数据、是否为繁忙月份的数据及与顾客的财力相关的数据等。这些数据包含在地域顾客属性表301的数据项目中。
参照图15的流程图说明地域/顾客特性推定部201中的数据处理的步骤。首先，地域/顾客特性推定部201从业务数据存储部100接收运行信息表101、发出警报历史记录表104及接收订单历史记录表103的数据(步骤S2009)。
接下来，地域/顾客特性推定部201基于从各表获取的数据来算出非正品零部件的入手容易程度(步骤S2010)。然后，基于从各表获取的数据来算出关于维护的积极性(步骤S2011)。最后，基于从各表获取的数据来算出繁忙月份(步骤S2012)。
需要说明的是，“非正品零部件的入手容易程度”、“关于维护的积极性”、“繁忙月份”分别是用于算出地域/顾客特性的要件，但不需要算出这三种数据的每一种，可以根据状况算出至少其中一种。图15示出了通过算出上述三种数据而能够更精确地算出地域/顾客特性信息的情况下的步骤的一例。另外，步骤S2010～S2012的数据的获取顺序不限于图15所示的顺序。例如，也可以最先获取“繁忙月份”，接下来获取“关于维护的积极性”，最后获取“非正品零部件的入手容易程度”。
参照图16A～图16B的流程图说明步骤S2010(算出地域中的非正品零部件的入手容易程度)的详细内容。首先，地域/顾客特性推定部201获取地域顾客属性表301(步骤S3010)，从该地域顾客属性表301中获取一件未处理的地域代码(步骤S3011)，进而获取一件未处理的机体ID3010(步骤S3012)。
然后，从发出警报历史记录表104获取与所获取的机体ID3010相关的工程机械的故障警报发出的历史记录(步骤S3013)，并从接收订单历史记录表103获取与所获取的机体ID3010相关的工程机械的零部件订单的历史记录(步骤S3014)。然后，参照所获取的发出警报历史记录表104中的发出警报日期1042和机体ID1040，在发出警报日期1042以后的某天数的范围内，关于该机体ID1031的工程机械，参照接收订单历史记录表103判定在一定期间内(例如最近一个月)是否有零部件订单。
在没有零部件订单的情况下，获取其发出警报日期1042的数据(步骤S3015)，并参照运行信息表101算出该机体ID1010的工程机械的运行时间的平均值(步骤S3016)。然后，判定运行信息表101的运行时间1011的值在警报发出日期以后的一定期间内(例如最近一个月)与该平均值相比是否减少一定值或一定比例以上(步骤S3017)。在判定为肯定(是)的情况下过渡至步骤S3018，在否定(否)的情况下过渡至步骤S3019。
在步骤S3018中，作为承认该工程机械的运行时间的减少而使次数数据N加1(步骤S3018)。在步骤S3017中判定为否的情况下，跳过步骤S3018。重复执行以上步骤S3012～S3018，直到针对全部机体代码完成处理(步骤S3019)。在步骤S3019中若关于全部机体代码完成处理(是)，则针对处理结束的每个机体代码算出工程机械的运行时间的减少的次数N的平均值(步骤S3020)。
重复执行以上步骤S3012～S3020直到关于全部地域代码完成处理(步骤S3021)。若在步骤S3021中关于全部地域代码完成处理(是)，则针对每个地域代码算出工程机械的运行时间的减少的次数N的平均值，将该值保存于地域顾客属性表301的非正品零部件入手性3017(步骤S3022)。通过以上步骤，完成与非正品零部件的入手可能性相关的数值的算出步骤。
接下来，参照图17的流程图说明算出表示顾客关于维护的积极性的数值的步骤的一例。在该图17的步骤中，以顾客持有的工程机械中的电池的更换频度及电池更换时的电池残余寿命为因子，算出该顾客关于维护的积极性。
具体来说明，首先，地域/顾客特性推定部201获取地域顾客属性表301(步骤S4010)，从该地域顾客属性表301中获取一件未处理的顾客代码(步骤S4011)。然后，从地域顾客属性表301获取与所获取的顾客代码对应的机体ID3010(步骤S4012)。进而，从运行信息表101获取与所获取的机体ID3010相关的电池SOH(1013)的值(步骤S4013)。
接下来，地域/顾客特性推定部201从接收订单历史记录表103获取与在步骤S4012中获取的机体ID3010相关的零部件名称(1033)为“电池”的接收订单数据的接收订单日期(1035)的数据(步骤S4014)。然后，算出该电池的接收订单日期的电池SOH的平均值(步骤S4015)。进而，算出电池零部件的一年间的平均的接收订单频度(步骤S4016)。
电池零部件的一年内的平均的接收订单频度例如能够根据表示有电池零部件的接收订单的接收订单历史记录数据的、每一年的更新次数算出。另外，在运行信息表101中的电池SOH1013的值从某个低的值恢复为接近100％的值的情况下，也能够视为接收到电池零部件的新的订单。
接下来，将算出的电池SOH的平均值与平均的接收订单频度的值相乘(步骤S4017)，关于其相乘结果，按每个顾客代码3016算出平均值。该算出的值保存至地域顾客属性表301的关于维护的积极性3018(步骤S4018)。然后，重复执行步骤S4011～4018的处理，直至关于全部顾客代码结束(步骤S4019)。
接下来，参照图18的流程图说明算出繁忙月份的步骤的详细内容的一例。作为一例，顾客的繁忙月份能够参照运行信息表101的运行时间1012的数据来算出。
具体来说，在获取地域顾客属性表301后(步骤S4030)，从该地域顾客属性表301中获取一件未处理的顾客代码(步骤S4031)。然后，从运行信息表101获取与所获取的顾客代码对应的运行时间的数据(步骤S4032)。作为一例，在5年左右的期间，针对每个顾客代码3016，从运行信息表101获取全部工程机械的运行时间1012的数据，并使用公知的方法将该运行时间的变动分解为1年周期的季节成分、随机成分、趋势成分(步骤S4033)。另外，在分解得到的每天的运行时间的季节成分中算出第三四分位数(步骤S4034)。
接下来，在某个数据未处理的月份中，在获取分解得到的每天的运行时间的季节成分后(步骤S4035)，判定该季节成分的平均值是否为在步骤S4034中运算的第三四分位数以上(步骤S4036)。在判定为肯定(是)的情况下，能够将该月份作为该顾客的繁忙月份，而保存于地域顾客属性表301的繁忙月份3019(步骤S4037)。重复上述步骤直到关于全部月份、全部顾客代码执行该数据处理(步骤S4038、S4039)。
接下来，参照图19A、图19B的流程图说明发出警报预测部202中的数据处理的步骤的详细内容的一例。在该图19A及图19B的步骤中，根据运行信息表101和发出警报历史记录表104的数据来算出在某个工程机械中发生故障警报的概率(发出警报概率4014)。
具体地根据图19A及图19B来说明，则发出警报预测部202首先获取运行信息表101、发出警报历史记录表104(步骤S4040)，从发出警报历史记录表104获取一件未处理的故障警报的警报ID(步骤S4041)。然后，从发出警报历史记录表104获取利用各机体ID获取的发出警报的发出警报日期(步骤S4042)，从运行信息表101获取与该工程机械的发出警报日期相关的行(步骤S4043)。
然后，将与该所获取的发出警报日期相关的行推定为发生故障的状态下的数据，另一方面，将与未发出警报的日期相关的行推定为未发生故障的正常状态的数据，并作为识别模型来进行学习(步骤S4044)。然后，从运行信息表101获取运行日期为当天的行的数据(步骤S4045)，从所获取的行数据中获取一件包含未处理的机体ID的行的数据(步骤S4046)。然后，使用在步骤S4044中学习的识别模型，算出所获取的行数据为发生故障的状态下的数据的概率，将该概率设为发出警报概率(步骤S4047)。然后，在发出警报预测表401中对固有故障预知ID进行编号并保存(步骤S4048)。然后，在保存有故障预知ID的行中，保存所获取的机体ID、所获取的警报ID、当天的日期、算出的发出警报概率(步骤S4049)。关于全部机体ID重复执行以上步骤S4046～S4049直到结束(步骤S4050)。需要说明的是，发出警报概率针对发出警报预测表401的各机体ID4010示出了各警报ID4011的故障警报的发出警报在数日以内的概率。作为发出警报概率的算出方法，能够使用Change Finder法等公知的变化点检测的方法。或者，也能够采用下述方法、即，将某个机体中警报发出之日的运行信息表101的计测数据设为异常数据，将在前后一个月期间等未发出警报的期间的运行数据设为正常数据，使用RandomForest模型等公知的识别模型进行学习，使用该模型预测运行数据异常的概率作为发出警报概率。
每当计算发出警报概率时，若为故障警报的发出警报日期的几天前，则需要评价能否以一定比例以上(例如9成以上)预测警报的发出(换言之，能否相对于一定比例以上的预测获得发出警报概率为阈值以上(例如50％)的预测)。另外，在从发出警报日期到发出警报的数日前为止的全部预测中，算出能够以一定的比例以上(例如9成以上)预测警报的发出的最长天数来作为发出警报预测极限天数4029。此处算出的发出警报预测极限天数4029保存至接收订单概率算出部203的处理的结果、即接收订单预测结果存储部400的接收订单预测表402的发出警报预测极限天数4029。
发出警报预测极限天数4029的算出通过步骤S4051～S4058进行。首先，发出警报预测部202按机体ID从发出警报历史记录表104获取发出警报日期的数据，从运行信息表101获取与该发出警报日期前的一定期间的日期相关的行(步骤S4051)。接下来，在将表示该一定期间的天数的变量n的计数设为1之后(步骤S4052)，获取与所获取的一定期间的日期相关的行的数据中的、发出警报日期的n天前以后的行的数据(步骤S4053)。
然后，将识别模型应用于该所获取的n天前以后的行的数据，判定该行的数据是否被判定为故障数据。然后，算出n天前以后的行的数据中的、判定为故障数据的行的数据的比例(步骤S4054)。
判定在步骤S4054中算出的比例是否为阈值以下(步骤S4055)。在比例为阈值以下的情况下(是)，根据当前时刻的变量n设定发出警报预测极限天数(步骤S4056)。另一方面，在比例大于阈值的情况下(否)，变量n加1(步骤S4057)，再次执行步骤S4053～4057。关于全部机体ID重复执行以上步骤S4053～S4057直至结束(步骤S4058)。
接下来，参照图20A～图20B说明接收订单概率算出部203中的处理流程的一例。接收订单概率算出部203参照地域/顾客特性推定部201的处理结果、发出警报预测部202的处理结果及业务数据存储部100的各表的数据，算出在某个工程机械中零部件的接收订单在发出警报预测极限天数以内发生的概率。接收订单概率的算出的步骤基本上如下。
(1)算出由发出警报预测部202求出的发出警报概率(即故障发生的概率)。
(2)算出顾客不对警报置之不理而是更换成对策零部件的概率。
(3)算出选择、更换正品零部件而非选择、更换非正品零部件的概率，将该概率设为接收订单概率。
参照图20A及图20B的流程图说明接收订单概率算出的具体步骤。首先，接收订单概率算出部203获取发出警报预测表401、接收订单历史记录表103、地域顾客属性表301(步骤S4060)。
接下来，使用从这些表获取的数据，通过公知的方法算出用于算出接收订单概率的统计模型的参数(步骤S4061)。进而，使用从这些表获取的数据，通过公知的方法算出用于算出有促销接收订单概率的统计模型的参数(步骤S4062)。
接下来，从接收订单预测表402获取一件未处理的机体ID(步骤S4063)，接下来，获取一件未处理的警报ID(步骤S4064)，进一步获取未处理的零部件ID(步骤S4065)。然后，针对所获取的机体ID，从发出警报预测表401获取在规定期间以内发出该所获取的警报ID的警报的概率(步骤S4067)。接下来，从地域顾客属性表301获取与所获取的机体ID相关的国别代码(3013)、非正品零部件入手性(3017)、关于维护的积极性(3018)、繁忙月份(3019)的数据(步骤S4068)。然后，算出与所获取的机体ID关联地获取的零部件ID的零部件的接收订单概率，并保存于接收订单预测表402(步骤S4069)。
接下来，获取促销活动成本表303，在其中获取一件未处理的促销活动ID(步骤S4070)。接下来，基于该促销活动ID算出在步骤S4063、4065中获取的机体ID及零部件ID的零部件的有促销接收订单概率，并保存于接收订单预测表402(步骤S4071)。关于全部促销活动ID重复执行该步骤S4071(步骤S4072)。然后，关于全部促销活动ID、全部零部件ID、全部警报ID及全部机体ID的组合重复执行步骤S4067～4071的处理直至结束(步骤S4072～4075)。
作为一例，如以下说明，步骤S4069中的接收订单概率计算能够通过贝叶斯推测来算出。
[数学式1]
O_i、j～Bernoulli(P_i、j*alpha)
P_i、j～Bernoulli(A_i*beta)
Logit alpha＝a_0+a_1*imitation+a_2*country
Logit beta＝b_0+b_1*delta+b_2*hozen
j:零部件
i:警报
a_n～norm(0，10^3)
b_m～norm(0，10^3)
delta＝1:在预估日期为繁忙月份(country)时，0:其他
上述是表示发出警报i并接收零部件j的订单的概率0_i、j的统计模型。O_i、j由伯努利分布来表示，该伯努利分布以顾客进行零部件更换的概率P_i、j、购入正品零部件来作为零部件j的概率alpha为参数。
如[数学式1]的第3式所示，可以将非正品零部件入手性3017(imitation)、国别代码3013(country)设定为针对购入正品的概率alpha的对数几率的协变量，来运算该概率alpha。即，概率alpha的对数几率由使用参数a_n的imitation和country的线性和表示。
另外，如[数学式1]的第2式所示，顾客进行零部件更换的概率P_i、j能够由以发出警报预测部202求出的警报i的发出警报概率A_i、与该警报对应地更换零部件的概率beta为参数的伯努利分布表示。
另外，与警报对应地更换零部件的概率beta
能够使用对象顾客的关于维护的积极性3018(hozen)、预测日期为繁忙月份时的1且预测日期为非繁忙月份时的参数delta，算出使用了参数b_m的线性和，来作为针对概率beta的对数几率的协变量。需要说明的是，上述统计模型能够使用Stan等公知的概率的编程语言来实现。
上述参数中的、参数a_n(n＝0、1、2)及b_n(n＝0、1、2)将平均0、方差1000的正规分布设为事先分布。能够以从发出警报历史记录表104的警报i发出起一定天数以内有无接收订单历史记录表103的零部件j的接收订单、警报i的发出警报的发出警报预测极限天数前的发出警报预测时的发出警报概率A_i作为数据，使用MCMC算法等公知的方法求出参数的事后分布。该事后分布也可以针对每个警报i或每个零部件j求出不同的参数。
为了算出接收订单概率，能够使用所获得的参数的事后分布求出接收订单概率的分布，将其平均值设为接收订单概率，并保存于接收订单预测结果存储部400的接收订单预测表402的接收订单概率4025。另外，能够将购入正品零部件的概率alpha保存于接收订单预测表402的正品购入概率4026，将顾客针对发出警报而进行零部件更换的概率beta保存于零部件更换概率4027，将警报的发出警报概率A_i保存于发出警报概率4028。
作为一例，步骤S4071中的有促销接收订单概率的算出能够按照以下的[数学式2]的方式算出。
[数学式2]
O_i、j、k～Bernoulli(P_i、j*alpha_k)
Logit alpha_k＝a_0+a_1*imitation+a_2*country+c_k
c_k～norm(0，10^3)
上述[数学式2]是表示在进行促销活动k的情况下发出警报i并有零部件j的接收订单的概率O_i、j、k的统计模型。购入正品零部件的概率alpha_k如[数学式2]的第2式所示，非正品零部件入手性3017(imitation)、国别代码3013(country)设定为针对概率alpha_k的对数几率的协变量来进行运算。进而，加上针对各促销活动k的对零部件购入的影响c_k。该c_k可以按每个顾客或每个地域来算出，也可以与对象顾客的关于维护的积极性3018相乘等。或者，在进行了多个促销活动k的情况下，也可以与对应的c_k分别相乘/相加。
参数c_k的事先分布设为平均0、方差1000的正规分布。能够从促销活动历史记录表304参照与未进行促销活动的情况下计算接收订单概率相同的数据和实施了接收订单的历史记录来作为数据，通过使用MCMC算法等公知的方法求出参数的事后分布。
就进行促销活动k的情况下的接收订单概率而言，能够使用所获得的参数的事后分布求出接收订单概率的分布，将其平均值设为接收订单概率，并保存至接收订单预测结果存储部400的有促销接收订单预测表403的有促销接收订单概率4032。另外，能够将在进行了促销活动的情况下顾客购入正品零部件的概率保存至有促销接收订单预测表403的有促销正品购入概率4033。
参照图21A～图21C说明算出事先配备损益的具体步骤。在该步骤中，事先配备损益算出部204参照接收订单预测表402、有促销接收订单预测表403、零部件配备费用表302及促销活动历史记录表304的数据来预测基于事先配备的损益。基于事先配备的损益能够包含未进行促销活动的情况下的事先配备损益、和进行促销活动的情况下的事先配备损益。优选预测前者及后者双方，但也能够仅预测某一方。
具体来说，首先事先配备损益算出部204获取接收订单预测表402、有促销接收订单预测表403及零部件配备费用表302、促销活动历史记录表304的数据(步骤S4081)。
接下来，事先配备损益算出部204从接收订单预测表402的中的数据获取一件包含未处理的故障预知ID的行的数据(步骤S4082)。然后，从零部件配备费用表302获取一件所获取的行的数据中的与零部件ID相关的未处理的仓库代码(步骤S4083)，从零部件配备费用表302获取一件同样地获取的行的数据中的与零部件ID相关的未处理的经销商代码(步骤S4084)。然后，算出在向与所获取的仓库代码及经销商代码对应的仓库进行零部件的事先配备的情况下的期待利益，将该算出值保存于事先配备损益表404(步骤S4085)。针对全部未处理的经销商代码及仓库ID的组合重复执行该步骤S4083～S4085的步骤(步骤S4086、S4087)。
若S4087的处理完成(是)，则接下来，在有促销接收订单预测表403中，获取保存有在步骤S4082中获取的故障预知ID的行的数据(步骤S4088)。然后，从该所获取的行的数据中获取未处理的促销活动ID的数据(步骤S4089)。然后，从地域顾客属性表301获取持有与所获取的故障预知ID4030相关的工程机械的顾客的顾客代码3016(步骤S4090)。
接下来，根据促销活动历史记录表304算出所获取的顾客代码3016的顾客在规定期间内(例如当月内)实施所获取的促销活动ID的促销活动的次数(步骤S4091)。然后，参照促销活动成本表303，获取一件算出的促销活动的实施次数未超过该表303中的实施上限/顾客3033的促销活动ID(步骤S4092)。进而，获取一件与所获取的故障预知ID及促销活动ID相关的有促销接收订单预测表403的未处理的行(步骤S4093)。
然后，从零部件配备费用表302获取一件该未处理的行数据中的与零部件ID相关的未处理的仓库代码(步骤S4094)，从零部件配备费用表302获取一件同样地获取的行的数据中的与零部件ID相关的未处理的经销商代码(步骤S4095)。然后，算出在进行所获取的促销活动ID的促销活动并向与所获取的仓库代码及经销商代码对应的仓库进行零部件的事先配备的情况下的期待利益，将该算出值保存于事先配备损益表404(步骤S4096)。针对全部未处理的经销商代码及仓库ID的组合的处理重复执行该步骤S4088～S4096的步骤直到结束，且全部促销活动ID已经处理或超过实施上限/顾客的值(步骤S4097、S4098、S4099)。若在步骤S4097、S4098、S4099中全部判定为是，则判定全部故障预知ID是否已经处理(S4100)，若S4100为否，则返回步骤S4082重复执行上述步骤，若判断为是，则全部处理结束。
事先配备的预估利益、即进行事先配备的情况与进行事后配备的情况下的损益的差利用下式来算出。
[数学式3]
事先配备的预估利益＝在进行事先配备且接收到订单的情况下的损益*接收订单概率
+进行事先配备且没有接收到订单的情况下的损益*(1-接收订单概率)
-进行事后配备且有接收到订单的情况下的损益*接收订单概率
每当基于上式预测事先配备的利益时，从零部件配备费用表302的经销商代码3021获取预测对象的工程机械的负责经销商的信息。然后，在零部件配备费用表302中，参照进行事先配备的零部件的零部件ID3020与经销商代码3021一致的行的费用。
上式的进行事先配备且接收到订单的情况下的损益能够从库存管理表102的销售价格1023乘以毛利率1024得到的毛利减去零部件配备费用表302的零部件的配送费3025、每一天的库存费3027及每一天的故障损失费3028来算出。需要说明的是，配送所需的天数为标准配送天数3023，与库存费及故障损失费相乘的天数为从配送所需的天数减去发出警报预测极限天数4029得到的天数(其中，在低于0的情况下设为0天)。
另外，上式的进行事先配备且没有接收到订单的情况下的损益能够通过从前述的进行事先配备且接收到订单的情况下的损益删除毛利和故障损失费并减去期待处置费3029，将与库存费相乘的天数变更为预先保管库存的标准的天数来算出。作为标准的天数，例如使用30天等值。
另外，上式的进行事后配备且接收到订单的情况下的损益能够从库存管理表102的销售价格1023乘以毛利率1024得到的毛利减去零部件配备费用表302的零部件的快递费3026、每一天的库存费3027及每一天的故障损失费3028来算出。需要说明的是，配送所需的天数设为标准快递天数3024，与库存费及故障损失费相乘的天数设为从配送所需的天数减去发出警报预测极限天数得到的天数的绝对值。
按照上述方式，根据零部件配备费用表302的经销商代码3021与仓库代码3022的组合的数量来算出事先配备的预估利益，并保存于事先配备损益表404的期待利益4046。另外，也算出进行了促销活动的情况下的事先配备的预估利益。具体来说，将上式的接收订单概率置换为有促销接收订单预测表403的有促销接收订单概率4032，从进行事先配备且没有接收到订单的情况下的损益减去促销活动成本表303的促销费用3032来求出。需要说明的是，参照促销活动历史记录表304算出各促销活动ID3030的当月的实施次数，在超过促销活动成本表303的每月的实施上限/顾客3033的情况下，不算出针对该促销活动的在进行了促销活动的情况下的事先配备的预估利益。通过上述处理算出的进行了促销活动的情况下的事先配备的预估利益保存于事先配备损益表404的与进行了的促销活动的促销活动ID4043相同的行的期待利益4046。
按照上述方式，包含所算出的基于事先配备的损益的零部件的事先配备计划显示在经销商终端500的事先配备计划显示部501上。图22示出该事先配备计划显示部501的一例。
事先配备计划显示部501通过网络1获取接收订单预测结果存储部400的数据，将处理的结果保存于接收订单预测数据存储部300。事先配备计划显示部501的处理每当用户操作事先配备计划显示部501时逐次执行。
事先配备计划显示部501构成为，能够由属于经销商的用户输入经销商代码5001、该经销商管辖的工程机械的机体ID5002、进行故障预测的日期即预估日期5003。
若输入前述的信息，则经销商终端500参照接收订单预测表402，从接收订单预测表402提取保存有与所输入的信息一致的机体ID4022和预测日期4021保存的行的数据，将警报ID4023(预估警报)、发出警报概率4028、零部件ID4024(预估零部件订单)、接收订单概率4025以表的形式显示于预测信息显示部5010(显示接收订单预测表402的内容的)。若用户在触摸面板上触摸或用鼠标点击等来选择预测信息显示部5010的多行数据中的一行，则更新接收订单概率明细显示部5020、事先配备利益显示部5030、事先配备内容显示部5040的显示。
接收订单概率明细显示部5020构成为，显示发出警报概率4028、零部件更换概率4027、正品购入概率4026、接收订单概率4025。这些数值能够通过例如棒状图显示。所显示的数值通过参照故障预知ID与预测信息显示部5010的被选择的行一致的接收订单预测表402的一行来确定。
作为一例，事先配备利益显示部5030显示期待利益5031、促销活动5032及有促销期待利益5033。经销商终端500参照事先配备损益表404来获取故障预知ID与预测信息显示部5010的被选择的行一致的行的数据。并且，根据该行的数据，显示期待利益5031、促销活动5032及有促销期待利益5033。在所获取的行数据未保存有促销活动ID4043的情况下，事先配备利益显示部5030设为空白栏。
经销商的用户也能够通过促销活动选择部5032的操作选择希望应用的促销活动ID。若在促销活动选择部5032中选择促销活动ID，则在事先配备损益表404中，选择促销活动ID与在预测信息显示部5010上被选择的行数据一致的行数据，根据该选择的行数据，期待利益5031及有促销期待利益5033的显示也被更新。
事先配备内容显示部5040显示在预测信息显示部5010上选择的零部件的信息、在促销活动选择部5032中选择的促销活动的内容及与其对应的期待损益的信息。
零部件的数量例如是基于接收订单历史记录表103的数量数据等的推定值。零部件的数量的数据按零部件ID1032运算例如中位数，并显示于事先配备内容显示部5040。
另外，在该事先配备内容显示部5040上也显示与基于事先配备的时间缩短相关的数据。在事先配备损益表404上由经销商用户参照故障预知ID4040与在预测信息显示部5010中选择的行数据一致的行数据，进一步从零部件配备费用表302提取所选择的行数据中包含的经销商代码4041及仓库代码4042。从在该零部件配备费用表302中提取的行的数据提取标准快递天数3024、发出警报预测极限天数4029，算出两者之和再减去标准配送天数3023得到的天数。该算出的天数作为时间缩短天数显示于事先配备内容显示部5040。
关于在事先配备内容显示部5040上显示的事先配备的内容，若经销商的用户决定实施，则按下事先配备内容确定按钮5041。经销商的用户在促销活动选择部5032中选择的促销活动的促销活动ID3041和故障预知ID3040被保存于促销活动历史记录表304。需要说明的是，即使在一个促销活动都没有选择的情况下，作为进行事先配备的历史记录，也在促销活动历史记录表304中保存促销活动ID3041为0(空白栏)的行。需要说明的是，作为促销执行日期3043，保存经销商用户输入的预估日期5003。
参照图23说明事先配备通知显示部601的画面的一例。事先配备通知显示部601设置于顾客终端600，通过网络1获取接收订单预测数据存储部300、接收订单预测结果存储部400的数据。事先配备通知显示部601中的数据处理在每当用户操作事先配备通知显示部601时逐次执行。
事先配备通知显示部601包含故障预估机体显示部6010和机体状态显示部6020的显示区域。若对象顾客向顾客终端600进行输入操作，则事先配备通知显示部601参照发出警报预测表401，在故障预估机体显示部6010上显示发出警报概率4014的值为0.5等一定值以上的工程机械的一览。故障预估机体显示部6010将表示确定工程机械的信息的机体ID与该机体建立关联并显示发出警报预定的警报的识别信息及预估故障日。显示的顺序能够任意设定，可以按照故障预估日期接近的顺序显示，也可以按照与故障的应对的紧急度对应的顺序显示。在这里，持有工程机械的用户能够从在故障预估机体显示部6010上显示的工程机械中选择任意一个。若用户选择一个工程机械，则机体状态显示部6020及事先配备经过显示部6030的显示内容被更新。
机体状态显示部6020将某个工程机械的发出警报概率与进行发出警报并发生故障的情况下的对策零部件的零部件代码及价格建立关联并显示。需要说明的是，显示可以仅基于操作时点的信息，但不限于此，也可以包含将来预测。例如，价格本身能够对应于零部件的库存状况等而变化，因此能够将当前时刻的价格、与发出警报概率上升的情况下的预估价格一并标注显示。期间设定能够在一周后、两周后等任意变更。另外，也可以将对策零部件、价格及与库存状况相关的信息以“多”“少”“少量剩余”等标记简单地显示。通知内容不限于文本形式，也可以以图表形式通知。
由此，能够实现与故障应对的紧急度、顾客的必要性对应的迅速应对。这些显示基于接收订单预测表402的发出警报概率4028和零部件ID4024进行。另外，在促销活动历史记录显示部6021中显示促销活动的经过(联系、提案等)。在希望从能够安排零部件的临近店铺来配备的情况下，也可以显示候补的店铺的地图信息。
在如图8所示在促销活动成本表303中仅保存有如下的特定促销活动的情况下显示促销活动批准按钮6022，特定促销活动是指，保存有是否有被赋予(已批准)不同的两个促销活动名称3031(实施巡回检查)，并且未对相同的故障预知ID4020赋予(已批准)。若用户同意促销活动的提案，则按下促销活动批准按钮6022，批准促销活动的执行。在促销活动批准按钮6022被按下的情况下，在促销活动历史记录表304中追加(已批准)的促销活动。
另外，机体状态显示部6020从促销活动历史记录表304获取与接收订单预测表402的被选择的行的数据中的故障预知ID4020关联地执行的促销活动，作为促销活动的历史记录显示于促销活动历史记录显示部6021。
事先配备经过显示部6030在促销活动历史记录表304中获取促销活动ID3041为0(表示未进行促销活动)的行，关于机体状态显示部6020的机体，显示配送中的零部件什么时间开始发送、什么时间到达的预计情况。需要说明的是，发送开始日期被设为促销活动历史记录表304的促销执行日期3043，到达估计日期被设为将零部件配备费用表302的标准配送天数3023与促销执行日期3043相加的值。需要说明的是，图24及图25整体示出事先配备计划显示部501及事先配备通知显示部601中的上述动作的步骤。
如以上说明，根据本实施方式的系统，由地域/顾客特性推定部推定机械的地域的特性或顾客的特性，基于故障预测部和所述地域/顾客特性推定部的输出，算出接收订单机械的零部件的概率即接收订单概率。由于将地域、顾客的特性考虑在内地进行接收订单概率的预测，所以实际上订购的零部件的数量能够为基于实际的需要的数量，能够抑制库存过剩、库存不足。
以上对本发明的多种实施方式进行了说明，但本发明并非限定于上述实施方式，包含多种变形例。例如，上述实施方式是为了清楚易懂地说明本发明而详细说明的内容，未必限定于具备所说明的全部构成。另外，能够将某个实施方式的构成的一部分置换为其他实施方式的构成，另外，也能够在某个实施方式的构成中加入其他实施方式的构成。另外，关于各实施方式的构成的一部分能够进行其他构成的追加/删除/置换。
附图标记说明
1 网络
100 业务数据存储部
101 运行信息表
102 库存管理表
103 接收订单历史记录表
104 发出警报历史记录表
200 接收订单预测服务器
201地域/顾客特性推定部
202 发出警报预测部
203 接收订单概率算出部
204 事先配备损益算出部
300接收订单预测数据存储部
301 地域顾客属性表
302 零部件配备费用表
303 促销活动成本表
304 促销活动历史记录表
400接收订单预测结果存储部
401 发出警报预测表
402 接收订单预测表
403 有促销接收订单预测表
404 事先配备损益表
500 经销商终端
501 事先配备计划显示部
600 顾客终端
601事先配备通知显示部。

Claims (10)

1.一种零部件事先配备支援系统，其具有服务器，
所述服务器包括：
故障预测部，其基于机械的运行信息预测所述机械的故障；
地域/顾客特性推定部，其基于与顾客持有或利用的所述机械相关的数据，推定持有或利用所述机械的地域的特性或顾客的特性；
接收订单概率算出部，其基于所述故障预测部及所述地域/顾客特性推定部的输出来算出接收订单概率，该接收订单概率为接收到所述机械的零部件的订单的概率；以及
事先配备损益算出部，其基于所述接收订单概率算出在所述机械的所在地的临近的据点事先配备了所述零部件的情况下的损益。
2.根据权利要求1所述的零部件事先配备支援系统，其中，
所述故障预测部是发出警报预测部，该发出警报预测部预测为了报告所述机械的故障而从所述机械发出的故障警报的发出。
3.根据权利要求1所述的零部件事先配备支援系统，其中，
所述接收订单概率算出部算出在进行所述零部件的促销活动的情况下的有促销接收订单概率，
所述事先配备损益算出部算出在进行所述促销活动的情况下的所述损益。
4.根据权利要求1所述的零部件事先配备支援系统，其中，
所述地域/顾客特性推定部根据非正品零部件入手性来推定所述特性，所述非正品零部件入手性表示入手非正品零部件作为所述零部件的可能性。
5.根据权利要求4所述的零部件事先配备支援系统，其中，
所述非正品零部件入手性根据所述机械的故障的警报的发出的历史记录、零部件的接收订单的历史记录、与所述机械的运行状态相关的信息来判定。
6.根据权利要求1所述的零部件事先配备支援系统，其中，
所述地域/顾客特性推定部根据所述顾客关于维护的积极性来推定所述特性。
7.根据权利要求6所述的零部件事先配备支援系统，其中，
所述地域/顾客特性推定部基于与搭载于所述机械的零部件的健全性相关的指标及接收所述零部件的订单的频度来判定所述顾客关于维护的积极性。
8.根据权利要求1所述的零部件事先配备支援系统，其中，
所述地域/顾客特性推定部根据所述顾客的业务的繁忙月份来推定所述特性。
9.根据权利要求1所述的零部件事先配备支援系统，其中，
还具备事先配备通知显示部，该事先配备通知显示部基于所述接收订单概率及所述损益来显示与所述零部件的事先配备相关的信息，
所述事先配备通知显示部针对各个所述机械来显示所述信息。
10.一种零部件事先配备支援方法，其包括如下的步骤：
基于机械的运行信息来预测所述机械的故障的步骤；
推定持有或利用所述机械的地域的特性或顾客的特性的步骤；
基于所述故障的预测及所述特性的推定结果来算出接收订单概率的步骤，所述接收订单概率为接收到所述机械的零部件的订单的概率；以及
基于所述接收订单概率算出在所述机械的所在地的临近的据点事先配备了所述零部件的情况下的损益的步骤。
CN202280018133.4A 2021-09-01 2022-08-30 零部件事先配备支援系统及方法 Pending CN116917916A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021142066A JP7248753B2 (ja) 2021-09-01 2021-09-01 部品事前配備支援システム及び方法
JP2021-142066 2021-09-01
PCT/JP2022/032539 WO2023032959A1 (ja) 2021-09-01 2022-08-30 部品事前配備支援システム及び方法

Publications (1)

Publication Number Publication Date
CN116917916A true CN116917916A (zh) 2023-10-20

Family

ID=85411247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280018133.4A Pending CN116917916A (zh) 2021-09-01 2022-08-30 零部件事先配备支援系统及方法

Country Status (5)

Country Link
US (1) US20240160510A1 (zh)
JP (1) JP7248753B2 (zh)
KR (1) KR20230136632A (zh)
CN (1) CN116917916A (zh)
WO (1) WO2023032959A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005322094A (ja) 2004-05-11 2005-11-17 Hitachi Ltd 営業支援方法および営業支援システム
JP2006033249A (ja) 2004-07-14 2006-02-02 Canon Inc 画像形成管理システム
JP6053516B2 (ja) 2012-12-28 2016-12-27 三菱重工業株式会社 生産輸送計画立案装置、生産輸送計画立案方法、プログラム、及び記録媒体
JP6265871B2 (ja) 2014-09-19 2018-01-24 株式会社日立製作所 営業業務支援システム、及び営業業務支援方法
JP6802103B2 (ja) 2017-03-29 2020-12-16 日立建機株式会社 営業支援装置

Also Published As

Publication number Publication date
US20240160510A1 (en) 2024-05-16
JP7248753B2 (ja) 2023-03-29
KR20230136632A (ko) 2023-09-26
JP2023035307A (ja) 2023-03-13
WO2023032959A1 (ja) 2023-03-09

Similar Documents

Publication Publication Date Title
US7987105B2 (en) Traffic based labor allocation method and system
US8165968B2 (en) Method and system for evaluating costs of various design and maintenance approaches
US20020138336A1 (en) Method and system for optimizing product inventory levels
CN108022061B (zh) 库存管理系统和方法
Pourakbar et al. End‐of‐life inventory decisions for consumer electronics service parts
US20030149548A1 (en) Method of modelling a maintenance system
KR101803658B1 (ko) 빅 데이터 및 이벤트를 기반으로 하는 상품 재고 관리 시스템
Ghodrati et al. Operating environment-based spare parts forecasting and logistics: a case study
WO2006116573A2 (en) Enhanced business and inventory management systems
CN114529086A (zh) 药品数据处理方法、装置及设备
Lin et al. Combined pricing and supply chain operations under price-dependent stochastic demand
JP4999051B2 (ja) 資産管理システム、資産管理方法及び資産管理プログラム
CN113128932A (zh) 仓库备货处理方法、装置、存储介质与电子设备
US11250377B2 (en) Device and method for supplying spare parts of an aircraft
CN112184340A (zh) 一种快消品自动补货系统及其工作方法
JP2022163608A (ja) 保守支援システム
CN116917916A (zh) 零部件事先配备支援系统及方法
US20030074377A1 (en) Method and apparatus for reporting the status of work in progress
US20050119951A1 (en) Computer-implemented methods and computer systems for managing and valuating inventory
EP4398169A1 (en) Component advance deployment assistance system and method
Lanza et al. Simulation of service costs throughout the life cycle of production facilities
US20050114237A1 (en) Inventory forecasting system
CN114091770A (zh) 物料需求计划的预测分析方法、装置、设备及存储介质
Cuculoski Obsolescence management of electronic and control systems
JP5093752B2 (ja) 需要量予測装置及びコンピュータプログラム

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