JP2003233709A

JP2003233709A - 需要予測プログラム、装置、及び方法

Info

Publication number: JP2003233709A
Application number: JP2002333817A
Authority: JP
Inventors: Toshihiko Kuwabara; 俊彦桑原; Rikio Shiba; 力夫柴; Koichiro Matsuzaki; 幸一郎松崎
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2001-12-05
Filing date: 2002-11-18
Publication date: 2003-08-22

Abstract

(57)【要約】【課題】従来の需要予測の方法では１市場、１商品を
対象に予測する為、相互に影響を与え合う市場、商品が
存在した場合、従来予測では対応できなかった。【解決手段】複数の販売実績を合算する合算機能と、
前記合算機能により合算した販売実績を一つの販売実績
として、将来の需要予測を実行する予測機能と、前記予
測機能により予測した需要予測を所定の割合で分解する
分解機能とをコンピュータにより実現することを特徴と
する需要予測プログラムを提供する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、需要予測プログラ
ム、装置、及び方法に関し、特に、相互に影響を与え合
う市場等が存在した場合に好適の需要予測プログラム、
装置、及び方法に関する。

【０００２】

【従来の技術】従来の需要予測の方法は、単一の回帰分
析等で需要の予想を行っていた。

【０００３】

【発明が解決しようとする課題】従来の需要予測の方法
では１市場、１商品を対象に予測する為、相互に影響を
与えあう市場、商品が存在した場合、従来予測では対応
できなかった。

【０００４】

【課題を解決するための手段】上記の課題を解決するた
めに本発明の需要予測プログラムは、複数の販売実績を
合算する合算機能と、前記合算機能により合算した販売
実績を一つの販売実績として、将来の需要予測を実行す
る予測機能と、前記予測機能により予測した需要予測を
所定の割合で分解する分解機能とをコンピュータにより
実現することを特徴とする。

【０００５】また、本発明の需要予測装置は、複数の販
売実績を合算する合算手段と、前記合算手段により合算
した販売実績を一つの販売実績として、将来の需要予測
を実行する予測手段と、前記予測手段により予測した需
要予測を所定の割合で分解する分解手段とを有すること
を特徴とする。

【０００６】また、本発明の需要予測方法は、複数の販
売実績を合算する合算工程と、前記合算工程で合算した
販売実績を一つの販売実績として、将来の需要予測を実
行する予測工程と、前記予測工程で予測した需要予測を
所定の割合で分解する分解工程とを有することを特徴と
する。

【０００７】

【発明の実施の形態】本発明は、従来実現できなかっ
た、本体にかかる消耗品の需要予測方法を確立し、その
結果をもとに消耗品ビジネスの計画策定支援（新製品の
投入計画やリプレース（交換）計画）を行うことを目的
とする。

【０００８】これらを実現するべく、以下のような技術
課題がある。消耗品の使用される本体の稼働台数の予測方法。消耗品の使用される本体の平均プリントボリューム
（以下、「ＰＶ」とする。）の予測方法。消耗品の使用される本体の総ＰＶの予測方法。消耗品の過去に販売された実績数量と、それが使用さ
れている本体の総予測ＰＶから消耗品の将来使用される
数量の予測方法。販売実績が十分に存在しない場合（計画段階、又は立
ち上がり後間もない段階）における、本体の稼働台数の
予測方法。販売実績が十分に存在しない場合における、本体の平
均ＰＶの予測方法。販売実績が十分に存在しない場合における、消耗品の
耐久枚数の決定方法。予測結果に対して、市場動向を鑑みて補正（増減）を
させる補正方法。予測結果に対して季節変動の補正を行う方法。

【０００９】本実施の形態においては、本体をコピー機
・プリンタ、消耗品をそのコピー機・プリンタで使用さ
れる紙・トナー・ドラムであるとするが、例えば、本体
を車、消耗品をその車で使用されるガソリン（燃料）で
あるとしてもよい。

【００１０】本実施の形態は、以下のような構成であ
る。〔１．システム構成〕〔２．本体の平均ＰＶ（プリントボリューム）の予測
（平均ＰＶ予測ブロック）〕〔３．本体の総ＰＶの予測（総予測ＰＶブロック）〕〔４．消耗品の需要予測（消耗品予測ブロック）〕〔５．予測結果の表示〕〔６．予測方法の切替〕〔７．消耗品マクロ需要予測〕以下、添付図面に従っ
て、本発明に係る好適な実施の形態を詳細に説明する。

【００１１】〔１．システム構成〕図１は、本発明を実
現するための情報処理装置の構成を示した図である。

【００１２】１０１はＣＰＵであり、情報処理装置内の
各部の制御を行う他、本実施の形態に示されている処理
を実現するための制御を行う。

【００１３】１０２は入力部であり、情報処理装置の操
作者からの情報の入力を可能にさせる。入力部１０２に
は、例えば、キーボード、マウス、デジタイザ等があ
る。

【００１４】１０３は出力部であり、情報処理装置の操
作者に情報を表示する。出力部１０３には、例えば、Ｃ
ＲＴや液晶ディスプレイ等がある。出力部１０３は、操
作者に対して各種情報の入力を促すような情報を表示し
たり、後述する予測結果をグラフ表示、及び／又は、テ
ーブル表示したりする。

【００１５】１０４は外部記憶装置であり、情報処理装
置とは別個のメディアについて情報の読書きを行う。外
部記憶装置１０４には、例えば、ＦＤドライブ、ＭＯド
ライブ、ＣＤ−Ｒドライブ等がある。

【００１６】１０５はＲＯＭ（ＲｅａｄＯｎｌｙＭ
ｅｍｏｒｙ）であり、読出し専用メモリである。ＲＯＭ
１０５は、使用者が電気的にプログラムを書き込むこと
ができるＰＲＯＭ（ＰｒｏｇｒａｍｍａｂｌｅＲｏ
ｍ）と製造するときに内容を書き込むマスクＲＯＭとが
あるが、本実施の形態においては何れのＲＯＭであって
もよい。

【００１７】１０６はＲＡＭ（ＲａｎｄｏｍＡｃｃｅ
ｓｓＭｅｍｏｒｙ）であり、自由書き込み・自由読出
しができるメモリーである。ＲＡＭ１０６は、本実施の
形態の処理を行う際に一時的にデータを蓄える等の機能
を有する。

【００１８】１０７はネットワークインターフェースで
あり、インターネットやＬＡＮ・ＷＡＮ等のネットワー
クに接続を可能にする。ネットワークインターフェース
１０７には、例えば、モデムやネットワークカード等が
ある。また、通信はＴＣＰ／ＩＰ等のネットワークプロ
トコルにより実現される。

【００１９】１０８は内部記憶装置であり、情報を情報
処理装置内で記憶するための装置である。内部記憶装置
の例としては、ハードディスク等がある。

【００２０】１０９はバスであり、情報処理装置内の各
ブロック間の各種データのやりとり及び電力の供給をす
るものである。バス１０９は、アドレス線、データ線、
制御線、電源・グラウンド線等からなる。

【００２１】以下に、前記情報処理装置内の各部の動作
について説明する。

【００２２】まず、ＣＰＵ１０１は、ＲＯＭ１０５、内
部記憶装置１０８、または外部記憶装置１０４内に記憶
されている本実施の形態に示されている処理（機能）を
実現するプログラム（以下、「プログラム」という）を
ＲＡＭ１０６に読み込む。そして、ＲＡＭ１０６に読み
込まれたプログラムはＲＡＭ１０６上に展開される。こ
のプログラムは、インタプリタ型であってもコンパイル
型であってもよい。

【００２３】ＲＡＭ１０６上に展開されたプログラム
は、ＣＰＵ１０１と協働して各種処理を実現する。

【００２４】図１７は、プログラムのモジュール構成を
示している。

【００２５】プログラムは、「入力制御モジュール」
「演算モジュール」「出力モジュール」「ネットワーク
モジュール」等に大きく分けられ、各モジュールは、更
に細分化されたモジュールに分けられる。

【００２６】このプログラムによる本願発明の処理は、
ＣＰＵ１０１やＲＡＭ１０６等のハードウェア資源を用
いて具体的に実現される。つまり、プログラムが情報処
理装置に読み込まれることにより、ソフトウェアとハー
ドウェア資源とが協働した具体的手段によって、本願発
明の目的に応じた特有の情報処理装置またはその動作方
法が構築されることとなる。

【００２７】また、プログラムは一つである必要はな
く、複数のプログラムの組み合わせであってもよい。例
えば、汎用表計算ソフトウェアの一部の機能を利用する
プログラム（例えば、マクロプログラム等）により、本
願発明の処理を実現させてもよい。

【００２８】ＣＰＵ１０１は、プログラム中の入力制御
モジュールと協働して、出力部１０３を介してユーザに
入力を促し、入力部１０２を介してユーザからのデータ
の入力を実現させ、入力されたデータを外部記憶装置１
０４、ＲＡＭ１０６、内部記憶装置１０８等に記憶させ
る。

【００２９】また、ＣＰＵ１０１は、プログラム中の演
算モジュールと協働して、本願発明の処理に必要な各種
演算（例えば、消耗品の消費量を予測する演算等）を実
行する。

【００３０】また、ＣＰＵ１０１は、プログラム中の出
力モジュールと協働して、出力部１０３を介してユーザ
に各種情報（例えば、入力要求や演算結果等）を表示す
る。

【００３１】更に、ＣＰＵ１０１は、プログラム中のネ
ットワークモジュールと協働して、ＬＡＮやＷＡＮ等の
ネットワーク（不図示）との接続を実現させ、ネットワ
ークを介して外部の装置との各種データの交換を実現さ
せる。

【００３２】プログラムの構成は、上記のプログラムモ
ジュールに限られるものでないことは言うまでもない。

【００３３】本発明において本体の消耗品の販売数量
（需要量）を予測するにあたって、その消耗品を使用し
ている本体の稼働台数の予測（本体稼働台数予測ブロッ
ク）と平均ＰＶの予測（平均ＰＶ予測ブロック）に基づ
き総予測ＰＶを求め（総予測ＰＶブロック）、これをも
って消耗品の需要予測（消耗品予測ブロック）を行う。

【００３４】図１２は、本体稼働台数予測ブロック、平
均ＰＶ予測ブロック、総予測ＰＶブロックを示した図で
ある。

【００３５】図１３は、消耗品予測ブロックを示した図
である。

【００３６】以下、各予測ブロックについて説明する。

【００３７】〔１．本体の稼働台数の予測（本体稼働台
数予測ブロック）〕図８は、本体の稼働台数の予測をす
る際の処理フローを示した図である。

【００３８】本処理で用いる定数・変数・関数は以下の
通りである。ｔ：データを観測した単位時刻（例えば月）、ここでは
本体販売開始年月を０（起点）とする。ａ（ｔ）：ｔ月の本体販売実績台数ｂ（ｔ）：ｔ月の本体販売計画台数ｘ（ｔ）：ｔ月の本体販売実績計画台数ｄ：遅れ係数（例えば月数）ｙ（ｔ）：ｔ月の本体稼動実績台数Ｔ：本体稼動実績台数が観測された最後の月（ｙ（ｔ）
の観測された期間、有効件数）

【外１】

【００３９】Ｓ（ｊ）：残存率関数（本体の設置ｊ月後
の残存確率）ｆ（ｔ）：本体の死亡確率密度関数（本体の設置ｊ月後
の単位時間における死亡確率）Ｊ（ｔ）：設置拡散係数 μ：本体の平均寿命 σ：本体の平均寿命の標準偏差 φ：本体の平均寿命の変動係数ｈ：本体の稼動台数予測の信頼係数ｓ：本体稼動予測台数の標準誤差Ａｇ：エイジング係数Ｅｄ：本体消滅年月以下、本体の稼働台数の予測について説明する。

【００４０】本体の稼働台数の予測は、予測処理単位毎
に実行する。予測処理単位とは、製品と地域毎に分けら
れた単位をいう。予測処理単位は、予めユーザにより入
力部１０２を介して入力され（ユーザーに入力を促した
り、入力されたデータを情報処理装置内の各部に転送す
る主体はＣＰＵ１０１であることは言うまでもない）、
ＲＡＭ１０６に記憶されている。また、予測処理単位
は、外部記憶装置１０４や内部記憶装置１０８に予め記
憶されているものを利用してもよい。

【００４１】図２は、本実施の形態における予測処理単
位を説明する表を示す図である。

【００４２】図２においては、製品はコピー機Ａ、コピ
ー機Ｂ、プリンタＡ、プリンタＢの４製品であり、地域
は日本、米国、英国、独国、仏国の５カ国である。本実
施の形態では、地域を国単位としたが、地方自治体単位
や販売会社の担当地域単位であっても良い。以下、この
製品を「製品モデル」、この地域の単位を「拠点」と呼
ぶ。

【００４３】図２において、「○」で示されている予測
処理単位は、その拠点でその製品が販売されていること
を示している。即ち、日本では全ての製品が販売されて
いるが、英国では、コピー機ＡとプリンタＢのみが販売
されているということになる。

【００４４】以下、この予測処理単位毎に本体の稼働台
数の予測をする手順を示す。

【００４５】〔ステップｍ０〕本体販売実績計画台数算
出ステップ（Ｓ８０２）このステップでは、本体販売実績台数ａ（ｔ）又は、本
体販売計画台数ｂ（ｔ）から、本体販売実績計画台数ｘ
（ｔ）を生成する。

【００４６】まず、本体販売実績台数ａ（ｔ）、及び本
体販売計画台数ｂ（ｔ）のデータが入力される。ここ
で、「入力」とは、Ａ．ユーザによる入力部１０２を介してのデータの入
力、Ｂ．外部記憶装置１０４又は内部記憶装置１０８に記憶
されているデータの入力Ｃ．ネットワークインタフェース１０７により外部の装
置からネットワークを介して受信するデータの入力、を
さす。この「入力」の機能はプログラムに基づいてＣＰ
Ｕ１０１等により実現される。入力は、ユーザの指示に
基づいて行われてもよいし、プログラムに基づいて一定
の規則により（例えば、周期的に）実現されてもよい。
以下、特にことわりがない限り、「入力」とは上記Ａ．
Ｂ．Ｃ．による入力を指すものとする。

【００４７】入力された本体販売実績台数ａ（ｔ）、及
び本体販売計画台数ｂ（ｔ）は、ＲＡＭ１０６に記憶さ
れる。そして、プログラム中の演算モジュールに基づい
て、ＣＰＵ１０１により以下の演算処理が行われる。（数１）ａ（ｔ）＝ｎｕｌｌｔｈｅｎｘ（ｔ）＝ｂ（ｔ）ａ（ｔ）≠ｎｕｌｌｔｈｅｎｘ（ｔ）＝ａ（ｔ）なお、本体販売実績台数ａ（ｔ）は、販売店やディーラ
等が実際に販売したデータを参照することにより、予測
処理単位毎のほぼ正確な販売台数の推移を得ることがで
きる。また、本体販売計画台数ｂ（ｔ）は、販売目標や
経済状況等から決定される販売台数の計画値の推移であ
る。

【００４８】図３は、２００１年１月から２００１年１
２月までの本体販売実績台数ａ（ｔ）と本体販売計画台
数ｂ（ｔ）から本体販売実績計画台数ｘ（ｔ）を算出す
る一例を示す図である。

【００４９】２００１年２月から８月までは、本体販売
実績台数ａ（ｔ）は、値を持っているので本体販売実績
計画台数ｘ（ｔ）は、ａ（ｔ）となる。一方、２００１
年９月以降は、本体販売実績台数ａ（ｔ）は、値を持っ
ていないので（ｎｕｌｌ）、本体販売実績計画台数ｘ
（ｔ）は、本体計画台数ｂ（ｔ）となる。

【００５０】このように、本体販売実績台数ａ（ｔ）と
本体販売計画台数ｂ（ｔ）を組合わせた本体販売実績計
画台数ｘ（ｔ）を用いて、その後の予測をすることは本
発明の特徴のひとつである。

【００５１】本ステップについて、さらに詳述する。本
ステップでは、実績データを計画データよりも優先させ
る。

【００５２】本体販売実績台数ａ（ｔ）と本体販売計画
台数ｂ（ｔ）の切り分けは、時刻に基づくことも考えら
れる。例えば、「本体販売実績計画台数ｘ（ｔ）は、２
００１年９月以前は本体販売実績台数ａ（ｔ）であり、
２００１年１０月以降は本体販売計画台数ｂ（ｔ）とす
る。」とすることが考えられる。しかし、データの取得
にかかるタイムラグ等により時刻に基づく処理では不都
合が生ずる。特に、海外データを扱う場合には、このデ
ータ取得のタイミングのずれは顕著である。

【００５３】そこで、本願発明においては、数１のよう
に本体販売実績台数ａ（ｔ）の「ある」「なし」で判別
する（切り分ける）ことにより、上記のような問題を解
消することができる。

【００５４】〔ステップｍ１〕対象拠点・対象モデル選
択ステップ（Ｓ８０３）前述の予測処理単位（拠点・本体モデル）を選択する。
本実施の形態では、簡単のため１つの予測処理単位に注
目して予測処理をするが、選択される予測処理単位は複
数であってもよい（複数の予測処理単位を一括して予測
した後に、予測結果を分割して各予測処理単位毎の予測
結果を算出する手法については後述する）。

【００５５】予測処理単位の「選択」は、上述の「入
力」と同様に、プログラムの指令に基づいてＣＰＵ１０
１等により前記Ａ．Ｂ．Ｃ．のいずれかの方法により実
現される。

【００５６】〔ステップｍ２〕本体販売実績計画台数ｘ
（ｔ）・本体稼動実績台数ｙ（ｔ）読込みステップ（Ｓ
８０４）時系列的に蓄えられた本体販売実績計画台数ｘ（ｔ）と
本体稼動実績台数ｙ（ｔ）を予測処理単位（１本体モデ
ル・１拠点）毎にＲＡＭ１０６に読込む。本体稼動実績
台数ｙ（ｔ）は、サービスエンジニアがメンテナンスで
顧客を訪問する等した際に確認される本体の稼動状況
（稼動している台数）である。この本体稼動実績台数ｙ
（ｔ）の入力は、上述の「入力」と同様に、プログラム
に基づいてＣＰＵ１０１等により前記Ａ．Ｂ．Ｃ．のい
ずれかの方法により実現される。これら読込まれたデー
タは、後述する本体稼動予測台数を算出する際に使用さ
れる。

【００５７】〔ステップｍ３〕本体販売開始年月検出ス
テップ（Ｓ８０５）本体の販売開始年月を検出する。

【００５８】ＣＰＵ１０１は、ＲＡＭ１０６に記憶され
ている本体販売実績計画台数ｘ（ｔ）をはじめからサー
チし（図３においては左からサーチし）、初めて０でな
い値を検出した時をアドレスの起点（ｔ＝０）としてＲ
ＡＭ１０６に記憶する。図３を例にとると、２００１年
２月がアドレスの起点となる。

【００５９】図４は、２００１年１月から２００１年１
２月までの本体稼動実績台数ｙ（ｔ）の一例を示す図で
ある。

【００６０】ＣＰＵ１０１は、ＲＡＭ１０６に記憶され
ている本体稼動実績台数ｙ（ｔ）を終わりからサーチし
（図４においては右からサーチし）、初めて０またはｎ
ｕｌｌでない値を検出した時、アドレスの起点（ｔ＝
０）から数えられる有効件数Ｔを設定し、ＲＡＭ１０６
に記憶する。

【００６１】図４から、本体稼動実績台数ｙ（ｔ）にお
いて初めて０でない値が検出されるのは、２００１年７
月であることから、アドレスの起点を２００１年２月と
すると、有効件数Ｔは６となる。

【００６２】〔ステップｍ３ｃ〕予測モード制御ステッ
プ（Ｓ８０６）２つの予測方法から１つの予測方法を選択する。（予測方法１）ステップｍ３ａ１、ｍ３ａ２、ｍ３ａ
３、ｍ３ａ４を実行する（予測方法２）ステップｍ３ｂ１、ｍ３ｂ２を実行する後述するが、予測方法１は、本体販売実績計画台数ｘ
（ｔ）や本体稼動実績台数ｙ（ｔ）等のデータ数をある
程度必要とするので、データが少ないときは適さず、予
測方法２の予測方法が適している場合が多い。この予測
方法は、予め設定しておいてもよいが（強制予測モー
ド）、以下のように、自動的に予測方法が選択（自動予
測モード）されるようにしてもよい。

【００６３】すなわち、ＣＰＵ１０１は、ＲＡＭ１０６
に記憶されている有効件数Ｔがある閾値Ｎ以上の場合
は、予測方法１に十分なデータがあるとして、予測方法
１を選択するが、一方、有効件数Ｔが閾値Ｎ未満の場合
は、予測方法１に十分なデータがないと判断して、予測
方法２を選択する（Ｓ８０７）。この閾値Ｎは予めユー
ザにより入力部１０２やネットワークインターフェース
１０７を介してＲＡＭ１０６に記憶されている。

【００６４】例えば、Ｎ＝２４として、もしも、有効件
数Ｔが２４以上であれば、予測方法１が選択され、有効
件数Ｔが２４未満であれば、予測方法２が選択される。

【００６５】予測方法２は、十分なデータが得られない
場合や、販売計画段階におけるシミュレーション時に選
択されることが多い。

【００６６】一般的には、予測方法１の方が予測方法２
よりも予測の精度は高いとされている。このような場合
は強制予測モードとして、予測方法２を強制的に選択す
る。しかし、あるケースにおいては、例えデータが十分
あるときでも予測方法２の方が予測方法１よりも精度が
高い場合がある。このような場合は、適宜強制予測モー
ド、自動予測モードを使い分けることとなる。

【００６７】〔ステップｍ３ａ１〕遅れ係数による補正
ステップ（予測方法１）（Ｓ８０９）実際に本体が販売されてから設置される（稼動する）ま
でには時間差（遅れ係数）が生ずる。すなわち本体販売
実績計画台数ｘ（ｔ）と、本体販売実績台数ｙ（ｔ）に
は遅れ係数ｄがある。この時間差を考慮すれば、より正
確な予測が可能となる。

【００６８】以下、遅れ係数ｄの算出方法について説明
する。

【００６９】まず、設置拡散係数Ｊ（ｔ）を設定する。

【００７０】図１４は、予めＲＡＭ１０６に入力されて
いる設置拡散係数Ｊ（ｔ）の一例を示している。横軸は
時間であり、縦軸は設置拡散係数Ｊ（ｔ）を示してい
る。本実施の形態においては、横軸の時間は月単位であ
るが、年単位、週単位、日単位であってもよいことはい
うまでもない。

【００７１】この設置拡散係数Ｊ（ｔ）は、本体販売実
績計画台数ｘ（ｔ）が将来において設置される時刻の確
率を示している。よって、ＣＰＵ１０１により、ＲＡＭ
１０６に記憶されている各月の本体販売実績計画台数ｘ
（ｔ）と設置拡散係数Ｊ（ｔ）をかけ合わせることによ
り、その月に販売された（計画されている）本体が設置
されるかがわかる。設置拡散係数Ｊ（ｔ）の時間積分は
１となる。

【００７２】図１５は、本実施の形態における各月の設
置台数と累積設置台数を示した図である。

【００７３】２００１年７月を例にして説明する。２０
０１年７月の本体販売実績計画台数ｘ（ｔ）は５３台で
す。この５３台は、販売された直後に全て市場に設置さ
れるわけではなく、時間をおいて徐々に設置されてい
く。この状態を表したのが前述の設置拡散係数Ｊ（ｔ）
である。販売されて１月目の設置拡散係数Ｊ（ｔ）は
０．１であるから、５３台のうち１割（５．３台）が設
置されることが予想される。２月目の設置拡散係数Ｊ
（ｔ）は０．１５であるから、５３台のうち、この期間
には７．９５台が設置されることが予想される。同様に
３月目以降も設置される台数が計算される。

【００７４】各月の本体販売実績計画台数ｘ（ｔ）につ
いて同様の計算をほどこす。そして、各月において、設
置台数を累積することにより累積設置台数を求める。

【００７５】そして、任意の定点を定める。例えば、６
月を定点とする。６月の本体販売実績台数ｙ（ｔ）の６
８は累積設置台数の１１１．１よりも小さい。これは、
実際の稼働台数が予測台数に追いついていないことを意
味している。次に、累積台数を未来方向に１ヶ月シフト
し仮の累積台数とする。６月の仮の累積台数は６６．４
５となり、本体販売実績台数ｙ（ｔ）の６８が、累積台
数（予測台数）の６６．４５に追いついたことになる。
このシフト量である１ヶ月を時間差（遅れ係数）ｄとす
る。

【００７６】本体販売実績計画台数ｘ（ｔ）と、本体稼
動実績台数ｙ（ｔ）から求められる時間差ｄをもってｘ
（ｔ）を未来方向（ｔが増加する方向）にシフトする。
このシフトされた値を改めてｘ（ｔ）として、以下の予
測処理を実行することによって、より正確な予測が可能
となる。この時間差ｄ、シフトされたｘ（ｔ）を演算す
る処理は、プログラムに基づきＣＰＵ１０１によりなさ
れることは言うまでもない。

【００７７】このシフトされたｘ（ｔ）を以後、設置台
数と定義する。

【００７８】〔ステップｍ３ａ２〕残存率関数算出ステ
ップ・予測本体稼働台数算出ステップ（予測方法１）
（Ｓ８１０）残存率関数Ｓ（ｔ）を求める。残存率関数Ｓ（ｔ）と
は、設置された本体台数に対するｔ月後の稼動している
本体台数の割合を示している関数である。設置された全
ての本体が稼動している場合は残存率は１となり、設置
された本体の半分が稼動している場合は残存率は０．５
となる。

【００７９】図５は、設置時Ａ、設置時Ｂ、設置時Ｃに
おける残存率関数を示した図である。

【００８０】図５の横軸は時刻ｔであり、縦軸は残存率
を示している。ここでの稼働台数の予測方法の考え方
は、同一拠点の同一本体モデル（予測処理単位）は、ど
の時刻に設置されても「同一の」残存率で残存してると
いうことである。つまり、設置時Ａ、設置時Ｂ、設置時
Ｃはそれぞれ異なる時刻に設置されているが、その残存
率関数は共通である。

【００８１】したがって、ｔにおける本体稼働台数は、
それ以前の設置台数の残存台数の合計となる。この関係
は販売計画中の販売台数においても成立する。従って、
時刻ｔにおける本体実績稼働台数ｙ（ｔ）は以下の式で
表される。

【００８２】

【外２】

【００８３】ｅ（ｔ）は時刻ｔにおける誤差である。本
体稼動実績台数ｙ（ｔ）と本体販売実績計画台数ｘ
（ｔ）は有効件数Ｔまでは既知であるので、誤差ｅ
（ｔ）の二乗和を示すＳｅは以下のように表される。

【００８４】

【外３】

【００８５】そして、誤差二乗和Ｓｅを最小にする残存
率関数Ｓ（ｔ）を解析的又は数値的に求める。数３より
解析的に残存率関数Ｓ（ｔ）を求めることは困難である
場合が多く、通常は、例えば

【外４】

【００８６】として、定数ω及びｒを数値計算で求め
る。その場合、残存率関数Ｓ（ｔ）は、前述の関数に限
られず、対象としているモデルにあった関数であればど
のような関数であっても良い。

【００８７】上記の処理は、プログラムに従いＣＰＵ１
０１により以下のように実現される。すなわち、ＣＰＵ
１０１は、ＲＡＭ１０６に記憶されている本体稼動実績
台数ｙ（ｔ）、残存率関数Ｓ（ｔ）、及び本体販売実績
稼働台数ｘ（ｔ）に基づいて、上記（数３）の式をＲＡ
Ｍ１０６上にセットする。そして、数値計算に必要な刻
み幅ｔをセットし、時刻０からＴまで計算した際に、誤
差自乗和Ｓｅが最小になるように、Ｓ（ｔ）を数値計算
で求める。

【００８８】図６は、本体設置台数と本体稼働台数の関
係を表した図である。

【００８９】図中の破線で示される線は本体稼働実績台
数ｙ（ｔ）を示している。また、各月が起点となって減
衰しながら伸びている線の起点はそれぞれ各月の設置台
数である。数３に基づいて、誤差二乗和Ｓｅを最小にす
る残存率関数Ｓ（ｔ）が求められ、その残存率関数Ｓ
（ｔ）と本体販売実績計画台数ｘ（ｔ）から残存台数が
求まる。

【００９０】この予測方法（予測方法１）によれば、十
分に本体販売実績計画台数ｘ（ｔ）がある場合には、非
常に精度の高い、安定した予測が可能となる。

【００９１】〔ステップｍ３ａ３〕死亡確率密度関数算
出ステップ（予測方法１）（Ｓ８１１）死亡確率密度関数ｆ（ｔ）を求める。死亡確率密度関数
は死亡累積関数（Ｆ（ｔ）＝１−Ｓ（ｔ））を時間で微
分したもので下記の式で与えられる。

【００９２】

【外５】

【００９３】ＣＰＵ１０１は、ＲＡＭ１０６に記憶され
ている〔ステップｍ３ａ２〕で演算されたＳ（ｔ）に基
づいて残存率密度関数Ｓ（ｔ）を演算する。この死亡確
率密度関数ｆ（ｔ）は、本体の市場での消滅確率を示す
関数である。

【００９４】〔ステップｍ３ａ４〕平均寿命、標準偏
差、変動係数算出ステップ（予測方法１）平均寿命μ、平均寿命の標準偏差σ、平均寿命の変動係
数φを求める。

【００９５】

【外６】

【００９６】

【外７】

【００９７】

【外８】

【００９８】これら平均寿命μ、平均寿命の標準偏差
σ、及び平均寿命の変動関数φは、ＣＰＵ１０１により
ＲＡＭ１０６に記憶されている死亡平均密度関数ｆ
（ｔ）に基づいて順次演算される。これらの値は、本体
の消滅状況を示す値であり、開発・生産・販売等に活用
される。

【００９９】図１６は、平均寿命μ及び変動係数φを変
化させた場合の残存率関数の変化を示した一例である。

【０１００】図中の横軸である平均寿命μが大きければ
大きいほど本体の寿命が大きいことがわかる。

【０１０１】図中の縦軸である変動係数φが大きければ
大きいほど残存率関数は平坦になりなだらかに消滅して
いくことがわかる。一方、変動係数φが小さければ小さ
いほど残存率関数の変化は急となり、ある時点で急に消
滅するということがわかる。

【０１０２】このように、平均寿命μと変動係数φを検
討することにより、本体の性能の評価（どのように消滅
していくか）、新製品の投入時期、リプレイス時期等を
検討することができ、戦略的なビジネスが可能となる。

【０１０３】以下に、本発明の特徴を再述する。本発明
は、「販売台数」の予測ではなく、「稼働台数」の予測
であることが特徴である。これは、プリンタやコピー機
等のように本体を販売した後に、メンテナンスにより利
益をあげるビジネス（アフターマーケットをターゲット
としたビジネス）において、その効果を発揮する。

【０１０４】〔ステップｍ３ｂ１〕死亡確率密度関数算
出ステップ（予測方法２）（Ｓ８１２）通常、本体販売実績計画台数ｘ（ｔ）のデータ数が十分
ない場合は、予測の精度・安定性はよくない。この場
合、予め設定してあるパラメータから前述の死亡確率密
度関数を求める。

【０１０５】死亡確率密度関数の算出に必要なパラメー
タは、平均寿命μ、平均寿命の変動係数φ（又は平均寿
命の標準偏差σ）である。これらのパラメータは、前記
Ａ．Ｂ．Ｃ．のいずれかの方法により入力される。

【０１０６】また、本体販売実績計画台数ｘ（ｔ）を遅
れ係数ｄで未来方向にシフトして（補正して）、それを
改めて設置台数ｘ（ｔ）とする。

【０１０７】遅れ係数ｄも、前記Ａ．Ｂ．Ｃ．のいずれ
かの方法により入力される。

【０１０８】そして、ＣＰＵ１０１は、入力されＲＡＭ
１０６に記憶されているμ、φ（又はσ）に基づいて数
４−数７から数値計算により死亡確率密度関数ｆ（ｔ）
を求める。

【０１０９】〔ステップｍ３ｂ２〕残存率関数算出ステ
ップ（予測方法２）（Ｓ８１４）数４から明らかなように、以下の式を用いてＣＰＵ１０
１は、死亡確率密度関数ｆ（ｔ）から残存率関数Ｓ
（ｔ）を求める。

【０１１０】

【外９】

【０１１１】Ｓ（０）＝１（数９）〔ステップｍ４〕本体稼動予測台数算出ステップ（Ｓ８
１４）数１から明らかなように、本体稼動予測台数

【外１０】

【０１１２】は以下のようになる。

【０１１３】

【外１１】

【０１１４】図６は、本体設置台数と本体稼動予測台数
・本体稼動実績台数の関係を表した図である。

【０１１５】図中の破線で示される線は本体稼働実績台
数ｙ（ｔ）を示している。また、各月で減衰しながら伸
びている線の起点はそれぞれ設置台数ｘ（ｔ）である。
ＣＰＵ１０１は、各月毎に残存台数の和をとり、各月の
予測本体稼働台数とする。図中では一点鎖線で示されて
いる。

【０１１６】〔ステップｍ５〕各種係数算出ステップＣＰＵ１０１は、ＲＡＭ１０６上に記憶されている各種
パラメータに基づいて、本体稼働台数予測の信頼度係数
ｈ、標準誤差ｓ、市場での消滅年月Ｅｄ、エイジング係
数Ａｇを求める。

【０１１７】

【外１２】

【０１１８】通常、予測の信頼度係数ｈは強制予測モー
ドの時は算出しない。

【０１１９】この予測の信頼度係数ｈは、予測モデルの
安定性・精度を表す指標で、その値が１を超えると安定
した予測結果が得られる。

【０１２０】また、標準誤差ｓは以下の式で求められ
る。

【０１２１】

【外１３】

【０１２２】標準誤差ｓは、予測精度を表す指標で小さ
い値ほど良い。

【０１２３】市場での消滅年月Ｅｄは、予測モデルにお
いて本体が市場から消滅するであろう時刻（年月）を表
す。消滅年月は、本体稼動予測台数

【外１４】

【０１２４】が０になる時刻であるが、０になる時刻の
代わりに本体稼動予測台数

【外１５】

【０１２５】がある閾値未満になる時刻を消滅時刻とし
てもよい。

【０１２６】エイジング係数Ａｇは以下の式により求め
られる。

【０１２７】

【外１６】

【０１２８】Ｃは、予測処理を実行した時刻に対応する
時刻である。この値は市場において、本体が「老いてい
く」状態を示す指標である。本体が市場に投入された直
後であれば、エイジング係数Ａｇは０であり、本体が市
場から消滅すれば、エイジング係数Ａｇは１となる。

【０１２９】エイジング係数Ａｇは、市場における本体
の稼動状況を表す上で重要な指標となる。

【０１３０】〔２．本体の平均ＰＶ（プリントボリュー
ム）の予測（平均ＰＶ予測ブロック）〕図９は、本体の
平均ＰＶの予測をする際の処理フローを示した図であ
る。

【０１３１】本処理ブロックで用いる定数・変数・関数
は以下の通りである。ｔ：データを観測した単位時刻（例えば月）、ここでは
本体販売開始年月を起点０とする。ｐ（ｔ）：ｔ月の平均ＰＶ実績ｑ（ｔ）：ｔ月の平均ＰＶダミーｖ（ｔ）：ｔ月の平均ＰＶ実績ダミー

【外１７】

【０１３２】Ｒ：重相関係数ｓ：標準誤差〔ステップｐ０〕平均ＰＣ実績ダミー算出ステップ（Ｓ
９０２）ＣＰＵ１０１は、入力され、ＲＡＭ１０６に記憶されて
いる平均ＰＶ実績ｐ（ｔ）と平均ＰＶダミーｑ（ｔ）か
ら次式に基づいて平均ＰＶ実績ダミーｖ（ｔ）を生成す
る。（数１４）ｉｆｐ（ｔ）＝ｎｕｌｌｔｈｅｎｖ（ｔ）＝ｑ
（ｔ）ｉｆｐ（ｔ）≠ｎｕｌｌｔｈｅｎｖ（ｔ）＝ｐ
（ｔ）平均ＰＶ実績ｐ（ｔ）は、サービスエンジニアが顧客を
訪問し確認することにより得ることができる。平均ＰＶ
ダミーｑ（ｔ）は、実績がない場合、または実績が存在
する場合であっても、データが信用できない場合に予め
設定しておくものである。なお、平均ＰＶとは、１単位
時間あたりの１台のプリント枚数である。本実施の形態
では、単位時間は、月単位であるが、年単位、週単位、
日単位等であってもかまわないことは、言うまでもな
い。

【０１３３】〔ステップｐ１〕対象拠点・対象モデル選
択ステップ（Ｓ９０３）ステップｍ１と同様に、予測処理を実行する拠点と本体
モデル（予測処理単位）を選択する。選択される予測処
理単位は複数であってもよい。この選択は、前述の「入
力」により実現される。

【０１３４】〔ステップｐ２〕平均ＰＶ実績・平均ＰＶ
ダミー読込みステップ（Ｓ９０４）ステップｍ２と同様に、時系列的に蓄えられた平均ＰＶ
実績ｐ（ｔ）と平均ＰＶダミーｑ（ｔ）を予測処理単位
毎に読み込む。すなわち、入力された平均ＰＶ実績ｐ
（ｔ）及び平均ＰＶダミーｑ（ｔ）をＲＡＭ１０６に記
憶する。

【０１３５】〔ステップｐ３〕平均ＰＶ予測ステップ
（Ｓ９０５）平均ＰＶの予測は以下の３つモードがある。（１）予測モード１：平均ＰＶ実績ｐ（ｔ）を非線形回
帰にかける。（２）予測モード２：平均ＰＶダミーｑ（ｔ）を非線形
回帰にかける。（３）予測モード３：平均ＰＶ実績ダミーｖ（ｔ）を非
線形回帰にかける。

【０１３６】以上の３つの予測モードから、データの信
頼性等を勘案して、最も適している予測モードを選択す
る。この「選択」は、ユーザが入力部１０２を介して行
ってもよいし、ある条件（例えば、データ数等）に基づ
いてＣＰＵ１０１が行ってもよい。

【０１３７】例として予測モード３の場合を記す。平均
ＰＶ実績ダミーｖ（ｔ）を以下のモデル式とする。

【０１３８】

【外１８】

【０１３９】モデル式が数１５に限られないことは、い
うまでもない。ｅ（ｔ）は時刻ｔにおける誤差である。
Ｔをｖ（ｔ）の有効件数とすると、誤差二乗和Ｓｅは、

【外１９】

【０１４０】と表され、この誤差二乗和Ｓｅが最小にな
るように係数ｂ、ｒ、ａを決める。ＣＰＵ１０１は、数
値解析（例えば、最小二乗法）を用いて前記係数ｂ，
ｒ，ａを求める。そして、求められたｂ，ｒ，ａから平
均ＰＶ予測

【外２０】

【０１４１】は、以下のようになる。

【０１４２】

【外２１】

【０１４３】なお、モデルによっては線形回帰であって
もよいことはいうまでもない。

【０１４４】〔ステップｐ４〕重相関係数、標準誤差算
出ステップステップｐ３における非線形回帰（線形回帰）の評価を
するために、ＣＰＵ１０１は、ＲＡＭ１０６に記憶され
ている各種パラメータに基づいて重相関係数Ｒと標準誤
差ｓを以下の式を用いて算出する。

【０１４５】

【外２２】

【０１４６】

【外２３】

【０１４７】（数１９）

【外２４】

【０１４８】〔３．本体の総ＰＶの予測（総予測ＰＶブ
ロック）〕図１０は、本体の総ＰＶの予測をする際の処
理フローを示した図である。

【０１４９】本処理で用いる定数・変数・関数は以下の
通りである。ｔ：単位時刻（例えば月）

【外２５】

【０１５０】

【外２６】

【０１５１】上記の演算は、ＣＰＵ１０１によりＲＡＭ
１０６に記憶されている前述のパラメータに基づいて実
現される。

【０１５２】〔ステップｓ２〕エイジング係数算出ステ
ップ（Ｓ１００３）以下の式を用いてＣＰＵ１０１は、ＰＶを加味したエイ
ジング係数Ａｇを求める。

【０１５３】

【外２７】

【０１５４】Ｃは予測処理日の時刻（年月）をアドレス
に変換したものである。エイジング係数Ａｇの値はＰＶ
を加味した本体が市場での老いていく状態を示す指標
で、本体に誕生した状態であれば、エイジング係数Ａｇ
は０であり、市場から消滅した場合は、エイジング係数
Ａｇは１となる。

【０１５５】〔４．消耗品の需要予測（消耗品予測ブロ
ック）〕図１１は、消耗品の需要予測をする際の処理フ
ローを示した図である。

【０１５６】本処理で用いる定数・変数・関数は以下の
通りである。ｔ：単位時刻（例えば月）ｚ（ｔ）：ｔ月の消耗品販売実績

【外２８】

【０１５７】Ｔ：実績データの観測された期間０≦ｔ≦Ｔの時は実績、Ｔ≦ｔの時は予測Ｃ：耐久枚数Ｈ：拡散レンジ（遅れ巾）ｐ（ｉ）：拡散密度関数（０≦ｉ≦Ｈ）ｕ（ｉ）：季節変動係数（０≦ｉ≦１１）Ｅｄ：消滅時刻Ａｇ：エイジング係数Ｒ：重相関係数ｓ：標準誤差〔ステップｋ１〕対象拠点・対象モデル選択ステップ
（Ｓ１１０２）予測処理を実行する拠点と消耗品モデルを選択する。選
択される拠点及び消耗品モデルは複数であってもよい。
この「選択」は、前述のＡ．Ｂ．Ｃ．のいずれかの入力
方法により実現される。

【０１５８】図７は、と消耗品モデルの対応を示した図
である。

【０１５９】図中の「○」は、その拠点でその消耗品モ
デルが販売されていることを示している。

【０１６０】〔ステップｋ２〕消耗品販売実績・総ＰＶ
予測読込みステップ（Ｓ１１０３）時系列的に蓄えられた消耗品販売実績ｚ（ｔ）とその消
耗品を使用している本体の総ＰＶ予測

【外２９】

【０１６１】を１消耗品モデル・１拠点（消耗品予測処
理単位）毎に入力され、ＲＡＭ１０６に記憶される。注
目している消耗品が複数の本体で使用されていれば、そ
れぞれの本体の総ＰＶ予測

【外３０】

【０１６２】の合計を改めて

【外３１】

【０１６３】とする。

【０１６４】例えば、図２及び図７において、日本でコ
ピー機Ａ（２０１）とプリンタＢ（２０２）が共通のト
ナーＣ（７０１）を利用する場合、消耗品予測処理単位
の拠点は日本、消耗品モデルはトナーＣ、総ＰＶ予測

【外３２】

【０１６５】は、日本におけるコピー機Ａの総ＰＶ予測

【外３３】

【０１６６】とプリンタＢの総ＰＶ予測

【外３４】

【０１６７】を足し合わせたものである。

【０１６８】〔ステップｋ３〕予測モード制御ステップ
（Ｓ１１０４）本体稼動台数を予測する場合と同様に、以下の２つの予
測方法から１の予測方法を選択する。（予測方法Ａ）ステップｋ３ａ１、ｋ３ａ２を実行する（予測方法Ｂ）ステップｋ３ｂ１を実行する予測モードＡは、実績データのデータ数をある程度必要
とするので、データが少ないときは適さず、予測方法２
の予測方法が適している場合が多い。この予測方法は予
め設定しておいてもよいが（強制予測モード）、以下の
ように、自動的に予測方法が選択（自動予測モード）さ
れるようにしてもよい。

【０１６９】すなわち、有効件数Ｔがある閾値Ｎ以上の
場合は、予測方法１に十分なデータがあるとして、予測
方法１を選択するが、一方、有効件数Ｔが閾値Ｎ未満の
場合は、予測方法１に十分なデータがないと判断して、
予測方法２を選択する（Ｓ１１０５）。この判断は、Ｃ
ＰＵ１０１により実現される。

【０１７０】例えば、Ｎ＝２４として、もしも、有効件
数Ｔが２４以上であれば、予測方法１が選択され、有効
件数Ｔが２４未満であれば予測方法２が選択される。

【０１７１】また、上記の例では、有効件数Ｔによって
予測方法を選択するとしたが、別のパラメータを利用し
て予測方法を選択しても良い。

【０１７２】予測方法２は、十分なデータが得られない
場合や、販売計画段階におけるシミュレーション時に選
択されることが多い。

【０１７３】本体稼働台数を予測する場合と同様に、予
測方法１の方が予測方法２よりも予測精度は高いとされ
ている。しかし、あるケースにおいては、例えデータが
十分あるときで予測方法２の方が予測方法１よりも精度
が高い場合がある。このような場合は、強制予測モード
が選択されることとなる。

【０１７４】〔ステップｋ３ａ１〕消耗品販売実績平滑
化ステップ（Ｓ１１０６）消耗品販売実績ｚ（ｔ）を平滑化する。ＣＰＵ１０１
は、ＲＡＭ１０６に記憶されている消耗品販売実績ｚ
（ｔ）に移動平均をかける（例えば１２ヶ月の移動平
均）ことにより平滑化を実現する。平滑化された消耗品
販売実績ｚ（ｔ）を新たな消耗品販売実績ｚ（ｔ）とす
る。この平滑化は誤差による変動や季節変動を吸収する
ためであるので、平滑化を可能にする手法であれば、移
動平均をかけることに限られない。

【０１７５】〔ステップｋ３ａ２〕耐久枚数・拡散係数
算出ステップ１（Ｓ１１０７）平滑化された消耗品販売実績ｚ（ｔ）と総ＰＶ予測

【外３５】

【０１７６】から単位時間当たりの耐久枚数Ｃ、拡散密
度関数ｐ（ｔ）を求める。耐久枚数とは、単位時間にお
ける１単位当たりでとれるＰＶであり、拡散密度関数ｐ
（ｔ）とは、ある時刻以前の時間Ｈ（拡散レンジ、遅れ
巾）中に販売された消耗品の時間Ｈ中に消費される確率
密度である。

【０１７７】ここでの消耗品の予測モデルにおいては、
同一拠点の同一消耗品モデルの耐久枚数Ｃは、どの時刻
においても一定であり、かつ同一の拡散密度関数に従う
とする。この仮定は、本発明の一つの特徴である。

【０１７８】従って、消耗品の予測モデルは以下の式で
表される。

【０１７９】

【外３６】

【０１８０】ここでｐ（ｔ）は確率密度関数である。ｐ
（ｔ）は区間０≦ｔ≦Ｈで定義され、

【外３７】

【０１８１】及び、ｐ（ｔ）≧０（数２５）を満たす。また、ｅ（ｔ）は時刻ｔにおける誤差であ
る。誤差ｅ（ｔ）の二乗和を示す誤差二乗和Ｓｅは以下
のように表される。

【０１８２】

【外３８】

【０１８３】この誤差二乗和Ｓｅを数２４及び数２５の
条件の下で最小にする耐久枚数Ｃと拡散密度関数ｐ
（ｔ）をＣＰＵ１０１により数値解析により求める。な
お、この時、拡散レンジ（遅れ巾）Ｈは事前に入力され
ているものとする。

【０１８４】〔ステップｋ３ｂ１〕耐久枚数・拡散係数
設定ステップ（Ｓ１１０９）消耗品の販売実績ｚ（ｔ）のデータ数が少ないときは、
安定した耐久枚数Ｃ、確率密度関数ｐ（ｔ）を求めるの
は困難であるため、事前に耐久枚数Ｃ、拡散密度関数ｐ
（ｔ）及び拡散レンジ（遅れ巾）Ｈを入力しておく。

【０１８５】〔ステップｋ４〕消耗品販売予測ステップ
（Ｓ１１１０）消耗品の販売予測（需要予測）

【外３９】

【０１８６】を求める。

【０１８７】ステップｋ３ａ１で求まった耐久枚数Ｃ、
拡散密度関数ｐ（ｔ）及び拡散レンジＨ、又はステップ
ｋ３ｂ１により設定された耐久枚数Ｃ、拡散密度関数ｐ
（ｔ）及び拡散レンジＨを数２３に代入し、Ｓｅが最小
になるようにｚ（ｔ）を順次決定していく。

【０１８８】その消耗品の販売予測を

【外４０】

【０１８９】とする。

【０１９０】〔ステップｋ５〕季節変動補正ステップ
（Ｓ１１１１）季節変動による補正処理を行う。ここでいう季節変動と
は、本実施の形態の画像形成装置の例でいえば、クリス
マスシーズンや決算期にプリントボリュームが多くなる
等、季節により販売数量が変動することをいう。

【０１９１】まず、季節変動補正をするか否かが判断さ
れる。この判断は、ＣＰＵ１０１がある条件（例えば、
ＲＡＭ１０６に記憶されているあるパラメータのデータ
数等）に注目して実現されてもよいし、ユーザが入力部
１０２を介してこの判断を決定してもよい。季節変動す
ると判断された場合は、季節変動を考慮した消耗品の販
売予測がなされるが、季節変動しないと判断された場合
には季節変動を考慮した消耗品の販売予測はなされな
い。

【０１９２】季節変動を考慮した消耗品の販売予測を行
うとした場合、以下の処理が行われる。

【０１９３】季節変動を考慮する場合、季節変動係数ｕ
（ｉ）を決定する必要がある。この季節変動係数ｕ
（ｉ）は、実績データから算出されるが、予め入力され
ていてもよい。季節変動係数ｕ（ｉ）を実績データから
算出したものを採用するか、或いは予め設定されたもの
を採用するかは適宜選択される。この選択は、ＣＰＵ１
０１がある条件に基づいて自動的に行ってもよいし、入
力されてもよい。選択方法は以下の２つのモードがあ
る。

【０１９４】（１）自動算出モードＲＡＭ１０６に記憶されている有効件数Ｔが、同じくＲ
ＡＭ１０６に記憶されている閾値Ｎ（例えばＮ＝２４）
以上の場合は、実績データから季節変動係数を算出す
る。最新の時刻のデータから１２ｎ≦Ｔを満たす最大の
自然数ｎを見つけ、時刻Ｔ−１２ｎ＋１からＴまでのデ
ータから季節変動係数を求める。ここでは便宜上Ｔ−１
２ｎ＋１を起点０、Ｔを１２ｎ−１の時刻とする。

【０１９５】ＣＰＵ１０１は、ＲＡＭ１０６に記憶され
ている周期から以下の式を用いて変動率ｇ（ｔ）を求め
る。

【０１９６】

【外４１】

【０１９７】季節変動を抽出する場合、変動の大きさは
その月の絶対量が大きい時は大きく変動し、絶対量が小
さい時は小さく変動する。例えば、販売数量（基本需要
量）が２０００年１月に１００、２００１年１月に１０
００の時では変動量もそれに応じて１０、１００と変動
する場合が多いので変動率で捉えた方がよい。この例で
は１０／１００、１００／１０００でどちらも０．１と
なる。従って周期的な変動を抽出する場合には絶対量の
大小に依存しないように変動率で捉えるほうが現実に合
う場合が多い（正規化）。そのために観測値から傾向値
（基本需要量）を除き、それを傾向値で除算することで
正規化を行っている。そして、ＣＰＵ１０１は、以下の
式により季節変動係数ｕ（ｉ）を求める。

【０１９８】

【外４２】

【０１９９】上記の式は各月の変動率の平均を求めてい
る。例えば５月の変動係数は１９９８年５月、１９９９
年の５月、２０００年５月の変動率の平均というよう
に、１月から１２月までの各月での変動率の平均を求
め、これを季節変動係数とする。変動率は（数２７）で
絶対量に依存しないように求められているので平均をと
ることに意味があり、かつ平均をとることでより精度が
向上する。但し、０≦ｉ≦１１（数２９）である。季節変動補正後の販売予測

【外４３】

【０２００】は以下の式により求まる。

【０２０１】

【外４４】

【０２０２】上式は販売予測（傾向値、基本需要量）に
対して各月の季節変動係数を乗じて季節変動を加味した
販売予測を求める式である。この演算はＣＰＵ１０１に
より実現される。

【０２０３】例えば、２０００年５月の販売予測は２０
００年５月の販売予測に５月の季節変動係数を乗じて季
節変動を加味した値を求めるものである。

【０２０４】なお、ｍｏｄ（ｔ，１２）はｔを１２で除
算した時の剰余を表す。求まった

【外４５】

【０２０５】をあらためて

【外４６】

【０２０６】とする。

【０２０７】一方、有効件数Ｔがある閾値Ｎ未満の場合
には、ｕ（ｉ）を事前に与えられたｉ＋１月の季節変動
係数とする。季節変動補正後の値は事前に与えられたｕ
（ｉ）を用いて数３０によって求まり、求まった

【外４７】

【０２０８】をあらためて

【外４８】とする。

【０２０９】とする。

【０２１０】（２）強制モード自動算出モードでは、季節変動係数を算出するか、事前
に与えられたものを採用するかは、自動的に判断された
が、自動的に判断されては不都合な場合がある。この場
合は、この強制モードにより、季節変動係数を算出する
か、或いは、事前に与えられたものを採用するかを事前
に決定しておく。

【０２１１】このように自動算出モードであるか、或い
は強制モードかの選択を可能にすることによって、より
柔軟、かつ機動的な予測が可能となる。

【０２１２】〔ステップｋ６〕各種係数算出ステップ次にＣＰＵ１０１は、ＲＡＭ１０６に記憶されている各
種パラメータに基づいて消耗品の消滅年月Ｅｄ、エイジ
ング係数Ａｇ、重相関係数Ｒ、標準誤差ｓを求める。

【０２１３】消滅時刻Ｅｄは

【外４９】

【０２１４】が０となる時刻（年月）である。これは市
場で消耗品の需要がなくなるであろう時刻を表す。

【０２１５】

【外５０】

【０２１６】が０になる代わりにある閾値未満になった
時刻を需要がなくなった時刻をＥｄとすることもでき
る。

【０２１７】エイジング係数は以下の式にて算出するこ
とができる。

【０２１８】

【外５１】

【０２１９】Ｃは予測処理を実行した時刻に対応するア
ドレスである。これは消耗品の市場での全需要に対して
現時点でどの程度の需要があったかを示す指標である。
エイジング係数Ａｇが０の場合、現時点で需要は発生し
ていないことを示し、エイジング係数Ａｇが１の場合、
現時点で既に需要は終えたことを示している。

【０２２０】重相関係数Ｒは以下の式により求まる。

【０２２１】

【外５２】

【０２２２】なお、

【外５３】

【０２２３】である。重相関係数Ｒは、予測精度を表す
指標であり、１に近づくほど精度がよく、０に近づくほ
ど精度は悪いことを示している。

【０２２４】標準誤差ｓは以下の式により求まる。

【０２２５】

【外５４】

【０２２６】標準誤差ｓは、予測精度を表す指標であ
り、０に近づくほど精度がよいことを示している。

【０２２７】本実施の形態では、単位時間を月とした
が、年単位、日単位、週単位であってもよい。また、単
位時間毎に処理を進めるのではなく、任意の時間毎に処
理をしてもよい。すなわち、１ヶ月間→２ヶ月間→１ヶ
月間→３ヶ月間のように不定の間隔で処理を進めてもよ
い。

【０２２８】以上のように、本発明によれば、消耗品の
需要予測結果をもとに消耗品ビジネスの計画策定支援等
を行うことができる。

【０２２９】〔５．予測結果の表示〕前述の本体の稼働
台数の予測結果、消耗品の需要予測結果は、ＣＰＵ１０
１による制御により、出力部１０３上に、テーブル形
式、又は／及びグラフ形式で表示される。

【０２３０】図３６は、消耗品の需要予測結果を出力部
１０３上に表示した際の画面を示している。

【０２３１】同様に各種係数（例えば、信頼度係数ｈ、
消滅年月Ｅｄ、エイジング係数Ａｇ等）も、出力部１０
３に表示するとしてもよいことはいうまでもない。

【０２３２】〔６．予測方法の切替〕従来の予測手法、
及び上記の予測手法においては、製品の全ての販売期間
にわたって単一の予測手法が用いられているため、販売
需要がその予測手法の想定していない原因によって変動
する場合には、販売予測の精度が低下することがあっ
た。

【０２３３】特に以下の３点において、従来の予測手法
では的確な予測を実現することが困難であった。Ａ．パイプラインフィル事務機やパソコンの周辺機器の消耗品等の業界において
は、消耗品をエンドユーザに対して確実に供給する義務
があるため、仲卸業者や販売店が在庫を持つケースが多
い。それらの在庫を満たすための需要を一般にパイプラ
インフィルと呼んでいる。このパイプラインフィルのた
め、販売の初期においては、従来の予測手法では予測で
きない特徴的な需要が生ずる。Ｂ．互換品の出現事務機やパソコンの周辺機器の消耗品等の業界において
は、事務機等の本体メーカが製造した消耗品の他、これ
と互換性を有する他のメーカが製造した互換製品が出現
する場合がある。この場合、本体メーカが製造する消耗
品の販売に影響を与える場合がある。従来の予測手法で
は、このような互換品の出現に対する十分な予測ができ
なかった。Ｃ．消耗品販売期間の末期事務機やパソコンの周辺機器の消耗品は、その本体の販
売が終了した後もユーザーが本体の使用を継続する間は
販売する必要があるため、その消耗品販売期間の末期に
おいては、事務機やパソコンの周辺機器本体の中古品が
メーカーの想定した市場以外に流通するなどして、消耗
品の販売が不安定になる場合がある。従来の予測手法で
は、このような販売期間の末期を正確に予測することが
できなかった。

【０２３４】本発明は、上記のような課題を解決すべく
創作された。以下に図面に基づいて詳説する。

【０２３５】図１８は、消耗品の需要予測の概念図であ
る。

【０２３６】図中には、販売実績の遷移とある時点での
消耗品の需要予測が示してある。以下、「消耗品」に関
して説明するが、これが「製品」であってもよい。

【０２３７】図１９は、パイプラインフィル（Ａ）の問
題を解決するための初期需要予測の概念図である。

【０２３８】図１９中の販売実績を見てわかるように、
販売数量が、販売の初期の期間において、それ以外の期
間と別の挙動を示す。

【０２３９】図２０は、互換品の出現（Ｂ）の問題を解
決するための他社反映需要予測の概念図である。

【０２４０】図２０中の販売実績を見てわかるように、
販売数量がある時点（互換品の出現）から当初の需要予
測から外れていることがわかる。

【０２４１】図２１は、販売期間の末期の問題を解決す
るためのトレンド需要予測の概念図である。

【０２４２】図２１中の販売実績を見てわかるように、
販売期間の末期においては、当初の需要予測と乖離した
挙動を示す。

【０２４３】図２３は、予測手法を切り替えるための図
１７のプログラムのモジュール構成に付加するモジュー
ル構成を示している。

【０２４４】〔消耗品需要予測モジュール（２３０
３）〕前述の本体や消耗品の需要予測方法や、単純な線
形（非線形）近似を利用した需要予測を実行するモジュ
ールである。消耗品需要予測モジュール（５０３）は、
常に最新の予測結果が蓄積されていると仮定する。

【０２４５】〔消耗品初期需要予測モジュール（２３０
４）〕図１９のパイプラインフィルの問題を解決するた
めの消耗品初期需要予測（Ｆ２）を実現するモジュール
である。

【０２４６】消耗品初期需要モジュールは、以下のよう
な２つのモデルに基づいて実現される。（モデル１）本体付随モデル本体販売開始月より一定期間（消耗品初期需要予測モデ
ルマスタで指定）、本体販売実績計画（ＲＰＭ）に対し
て、消耗品初期需要モデルマスタで指定された係数をか
け、その予測結果を採用する。（モデル２）需要予測比例モデル消耗品需要予測の発生月より一定期間（消耗品初期需要
予測マスタモデルで指定）、消耗品需要予測結果（ＦＣ
１）に対して、消耗品需要モデルマスタで指定された係
数をかけ、その予測結果を採用する。

【０２４７】〔消耗品他社反映需要予測モジュール（２
３０５）〕図２０の互換品の出現（Ｂ）の問題を解決す
るための消耗品他社反映予測（Ｆ４）を実現するモジュ
ールである。

【０２４８】ここに、消耗品他社反映需要予測とは、消
耗品需要予測結果（ＦＣ１）に対して、消耗品他社反映
係数をかけ、その計算結果を予測結果とする予測であ
る。対象となる期間は以下のように決定される。

【０２４９】消耗品販売実績（ＲＣ）のある最初の月よ
り、他社反映予測モデルマスタの期間（月数）経過した
月以降を消耗品他社反映予測対象期間（Ｔ（ＦＣ５））
とする。

【０２５０】図３６は、消耗品販売実績（ＲＣ）と消耗
品他社反映予測対象期間（Ｔ（ＦＣ５））の例を示した
図である。

【０２５１】図３６の例では、１９９９年３月から販売
実績があるため２４ヶ月目の２００１年２月から対象期
間となる。

【０２５２】また、消耗品他社反映係数は他社反映モデ
ルマスタにあらかじめ任意に設定する。

【０２５３】〔消耗品トレンド需要予測モジュール（２
３０５）〕図２１の販売期間の末期の問題を解決するた
めの消耗品トレンド需要予測（Ｆ３）を実現するモジュ
ールである。

【０２５４】消耗品需要トレンド予測においては、消耗
品需要予測に用いられる総ＰＶ予測との因果関係を使用
しないで時間軸上で消耗品自身の販売実績を非線形回帰
分析等をすることにより需要を予測する。

【０２５５】対象となる消耗品は、本体の販売がほぼ終
了しているもの、もしくは任意に指定した消耗品が対象
となる。

【０２５６】〔判定モジュール（２３０７）〕最新の実
績に対してどの需要予測結果が適しているか判定する。
最新の過去ｎか月の実績と其々の需要予測との差異を計
算し、最も差異の小さい需要予測を選択する。

【０２５７】図２４は、本発明の全体のフロー図であ
る。

【０２５８】図中のＳ２４０１の消耗品需要予測処理
は、前述の〔１．本体の稼働台数の予測〕〔２．本体の
平均ＰＶの予測〕〔３．本体の総ＰＶの予測〕〔４．消
耗品の需要予測〕に従うものである。

【０２５９】図２５は、図２４のＳ２４０２の消耗品初
期需要予測処理の詳細を示したフロー図である。

【０２６０】Ｓ２５０１において、ＣＰＵ１０１は、消
耗品初期需要クロスマスタＤＢ（ＤＢ（Ｆ））より初期
需要消耗品拠点／クロスマスタＭＣを呼び出しＲＡＭ１
０６に書き込む。

【０２６１】Ｓ２５０２において、ＣＰＵ１０１は、消
耗品初期需要モデルＤＢ（ＤＢ（Ｇ））よりＭＣにて指
定された消耗品初期需要モデルマスタＭＩ１を呼び出し
ＲＡＭ１０６に書き込む。

【０２６２】Ｓ２５０３において、ＣＰＵ１０１は、本
体販売予定／実績ＤＢ（ＤＢ（Ｈ））より本体販売実績
計画ＲＰＭを呼び出し、ＲＡＭ１０６に書き込む。

【０２６３】Ｓ２５０４において、ＣＰＵ１０１は、初
期需要予測（Ｆ２）を実行する。

【０２６４】Ｓ２５０５において、初期需要予測（Ｆ
２）の結果を消耗品初期需要予測結果ＤＢ（ＤＢ
（Ｃ））の消耗品初期需要予測結果ＦＣ３の領域に書き
込む。

【０２６５】図２６は、図２４のＳ２４０３の消耗品他
社反映需要予測処理の詳細を示したフロー図である。

【０２６６】Ｓ２６０１において、ＣＰＵ１０１は、消
耗品他社反映クロスマスタＤＢ（ＤＢ（Ｋ））より消耗
品他社反映拠点／クロスマスタＭＣ４を呼び出し、ＲＡ
Ｍ１０６に書き込む。

【０２６７】Ｓ２６０２において、ＣＰＵ１０１は、消
耗品他社反映モデルマスタＤＢ（ＤＢ（Ｌ））よりＭＣ
４にて指定された消耗品他社反映予測モデルマスタＭＩ
２を呼び出しＲＡＭ１０６に書き込む。

【０２６８】Ｓ２６０３において、ＣＰＵ１０１は、消
耗品販売実績ＤＢ（ＤＢ（Ｄ））より消耗品販売実績
（ＲＣ）を呼び出しＲＡＭ１０６に書き込む。

【０２６９】Ｓ２６０４において、ＲＡＭ１０６上に、
消耗品他社反映予測対象期間（Ｔ（ＦＣ５））を作成す
る。

【０２７０】Ｓ２６０５において、ＣＰＵ１０１は、消
耗品他社反映需要予測の対象期間か否かを判定する。具
体的には、消耗品他社反映需要予測対象期間（Ｔ（ＦＣ
５））内に消耗品販売実績（ＲＣ）がない場合には、Ｓ
２６０６に進み、消耗品他社反映需要予測結果ＤＢ（Ｄ
Ｂ（Ｍ））の消耗品他社反映需要予測結果ＦＣ５の領域
に全て“０”を書き込む。

【０２７１】また、Ｓ２６０５において、ＣＰＵ１０１
が、消耗品他社反映需要予測期間内に消耗品販売実績が
あると判定した場合は、Ｓ２６０７に進み、消耗品需要
予測結果（補正前）（ＤＢ（Ａ））より消耗品需要予測
結果（補正前）（ＦＣ１）を呼び出しＲＡＭ１０６に書
き込む。

【０２７２】Ｓ２６０８において、ＣＰＵ１０１は、消
耗品他社反映需要予測（Ｆ４）を実行する。

【０２７３】Ｓ２６０９において、ＣＰＵ１０１は、消
耗品他社反映需要予測（Ｆ４）の結果を消耗品他社需要
予測結果ＤＢ（ＤＢ（Ｍ））の消耗品他社反映需要予測
結果Ｆ５Ｃの領域に書き込む。

【０２７４】図２７は、図２４のＳ２４０４の消耗品ト
レンド需要予測処理の詳細を示したフロー図である。

【０２７５】Ｓ２７０１において、ＣＰＵ１０１は、本
体販売予定／実績ＤＢ（ＤＢ（Ｈ））より本体販売実績
（ＲＭ）、及び本体販売実績計画を呼び出し、ＲＡＭ１
０６に書き込む。

【０２７６】Ｓ２７０２において、ＣＰＵ１０１は、消
耗品トレンド需要予測アイテムＤＢ（ＤＢ（Ｉ））より
消耗品トレンド予測対象アイテムをＲＡＭ１０６に書き
込む。

【０２７７】Ｓ２７０３において、ＣＰＵ１０１は、消
耗品トレンド予測期間であるか否かを判定する。具体的
には、本体販売実績の総和を本体販売実績計画の総和で
除したものが任意の数値（図２７では、０．９０）以上
である場合を、消耗品トレンド需要予測期間であるとす
る。

【０２７８】また、Ｓ２７０３において、消耗品トレン
ド需要予測期間でなくても、ユーザーが強制的に消耗品
トレンド需要予測を実行したいという要請がある。そこ
で、Ｓ２７０４において、消耗品トレンド需要予測アイ
テムＤＢ（ＤＢ（Ｉ））が存在するか否かを判定し、存
在する場合は、強制的にＳ２７０９に移行する。

【０２７９】一方、Ｓ２７０４において、消耗品トレン
ド需要予測アイテムＤＢ（ＤＢ（Ｉ））が存在しなけれ
ば、Ｓ２７０５に移行し、消耗品トレンド需要予測結果
ＤＢ（ＤＢ（Ｍ））の消耗品他社反映需要予測結果ＦＣ
５の領域の全てに“０”を書き込む。

【０２８０】Ｓ２７０６において、ＣＰＵ１０１は、消
耗品販売実績ＤＢ（ＤＢ（Ｄ））より消耗品販売実績
（ＲＣ）を呼び出し、ＲＡＭ１０６に書き込む。

【０２８１】Ｓ２７０７において、ＣＰＵ１０１は、消
耗品トレンド需要予測（Ｆ３）を実行する。

【０２８２】Ｓ２７０８において、ＣＰＵ１０１は、消
耗品トレンド需要予測の結果を消耗品トレンド需要予測
結果ＤＢ（ＤＢ（Ｉ））の消耗品トレンド需要予測結果
ＦＣ４の領域に書き込む。

【０２８３】図２８及び図２９は、図２４のＳ２４０５
及びＳ２４０７の予測手法の判別のフローを示した図で
ある。

【０２８４】Ｓ２８０１において、ＣＰＵ１０１は、消
耗品需要予測モジュールより消耗品需要予測結果（ＦＣ
１）を呼び出し、ＲＡＭ１０６、及び消耗品需要予測結
果（補正後）ＤＢ（ＤＢ（Ｂ））に書き込む。

【０２８５】Ｓ２８０２において、ＣＰＵ１０１は、初
期需要予測モジュールより消耗品需要予測結果（ＦＣ
３）を呼び出し、ＲＡＭ１０６に書き込む。

【０２８６】Ｓ２８０３において、ＣＰＵ１０１は、消
耗品他社反映予測モジュールより消耗品他社反映需要予
測結果（ＦＣ５）を呼び出し、ＲＡＭ１０６に書き込
む。

【０２８７】Ｓ２８０４において、ＣＰＵ１０１は、消
耗品トレンド予測モジュールより消耗品トレンド予測結
果（ＦＣ４）を呼び出し、ＲＡＭ１０６に書き込む。

【０２８８】Ｓ２８０５において、ＣＰＵ１０１は、消
耗品販売実績ＤＢ（ＤＢ（Ｄ））より消耗品販売実績
（ＲＣ）を呼び出し、ＲＡＭ１０６に書き込む。

【０２８９】Ｓ２８０６において、ＣＰＵ１０１は、消
耗品販売実績があるか否かを判定する。具体的には、消
耗品販売実績期間（Ｔ（ＲＣ））が０よりも大きけれ
ば、Ｓ２８０７に移行し、そうでなければ、Ｓ２８０９
に移行する。

【０２９０】Ｓ２８０７において、ＣＰＵ１０１は、消
耗品販売実績期間は初期需要予測期間以下か否かを判定
する。具体的には、初期需要予測期間（Ｔ（ＦＣ３））
が消耗品販売実績期間（Ｔ（ＲＣ））以上であれば、Ｓ
２８０８に移行し、そうでなければ、後述する図２９の
Ｓ２９１０に移行する。

【０２９１】Ｓ２８０８においては、ＣＰＵ１０１は、
初期需要予測結果が消耗品需要予測結果と比べ、消耗品
販売実績との差異が小さいか否かを判定する。具体的に
は、過去ｎか月（ｎは任意）の消耗品需要予測結果と消
耗品販売実績結果との差の絶対値が、消耗品需要予測結
果と消耗品販売実績結果との差の絶対値よりも小さいか
否かを判定する。ＣＰＵ１０１は、過去ｎか月の消耗品
需要予測結果と消耗品販売実績結果との差の絶対値が、
消耗品需要予測結果と消耗品販売実績結果との差の絶対
値よりも小さいと判定した場合は、Ｓ２８０９に移行
し、そうでなければ、後述する図２９のＳ２９１０に移
行するように動作する。

【０２９２】Ｓ２８９０において、ＣＰＵ１０１は、消
耗品初期需要予測結果（ＦＣ４）を消耗品需要予測結果
（補正後）ＤＢ（ＤＢ（Ｂ））の消耗品需要予測結果
（ＦＣ２）に書き込む。

【０２９３】図２９のＳ２９１０において、以下のＡ，
Ｂ，Ｃのうち差の絶対値が最も小さいものを判定する。

【０２９４】Ａ．過去ｎか月の消耗品需要予測結果と消
耗品販売実績結果との差の絶対値Ｂ．過去ｎか月の消耗品トレンド需要予測結果と消耗品
販売実績結果との差の絶対値Ｃ．過去ｎか月の消耗品他社反映需要予測結果と消耗品
販売実績結果との差の絶対値Ｂ．が最も小さいのであれば、Ｓ２９１１に移行し、消
耗品トレンド需要予測結果（ＦＣ４）を消耗品需要予測
結果（補正後）ＤＢ（ＤＢ（Ｂ））の消耗品需要予測結
果（ＦＣ２）に書き込む。Ｃが最も小さいのであれば、
Ｓ２９１２に移行し、消耗品他社反映需要予測結果（Ｆ
Ｃ３）を消耗品需要予測結果（補正後）ＤＢ（ＤＢ
（Ｂ））の消耗品需要予測結果（ＦＣ２）に書き込む。

【０２９５】本発明の特徴の一つである、消耗品トレン
ド予測モジュール（２３０５）について更に詳述する。

【０２９６】消耗品トレンド需要予測モジュール（２３
０５）は、消耗品トレンド需要予測（Ｆ３）を実行する
モジュールである。この需要予測では、消耗品需要予測
に用いられる総ＰＶ予測との因果関係を使用しないで時
間軸上で消耗品自身の販売実績を非線形回帰分析を行い
需要予測とする。

【０２９７】対象となる消耗品は本体の販売がほぼ終了
しているもの、もしくは任意に指定した消耗品が対象と
なる。

【０２９８】一例として、下記のモデルを使用する。ｙ（ｔ）＝ａｅｘｐ（ｂｔ^ｒ）ｙ（ｔ）：ｔ月の消耗品の販売数量ｅｘｐ：ｅｘｐ関数ａ：求める係数ｂ：求める係数非線形回帰モデルを適用するためには、予測値と実測値
の残差の二乗和が最小になるように回帰式の係数を決定
する。このときの計算式については、一般的な最小時情
報を用いるため、ここでの説明は省略する。このとき、
係数を求めるために使用する販売実績データの期間（開
始年月、終了年月）の与え方は以下の２パターンある。

【０２９９】ＣＡＳＥ１開始年月：本体実績の総和が本体販売実績計画の総和に
対して任意の比率を超えた場合終了年月：予測データの存在する年月までＣＡＳＥ２開始年月：ユーザが指定する終了年月：予測データの存在する年月まで図３４及び図３５は、本発明の各種データベースを示し
た図である。

【０３００】図３０は、消耗品初期需要予測の際のデー
タベースの遷移を示した図である。

【０３０１】図３１は、消耗品他社反映需要予測の際の
データベースの遷移を示した図である。

【０３０２】図３２は、消耗品トレンド需要予測の際の
データベースの遷移を示した図である。

【０３０３】図３３は、予測手法の判別の際の遷移を示
した図である。

【０３０４】なお、上記の処理は何れも図１に示したＣ
ＰＵ１０１等により実現されていることはいうまでもな
い。

【０３０５】図２４から図３５までのフローやデータベ
ースの遷移を見ればわかるように、本発明は、Ａ．パイ
プラインフィル、Ｂ．互換品の出現、Ｃ．販売期間の末
期という販売の特質に着目し、これらの特質により生じ
るであろう予測誤差を最小限にするための工夫がなされ
ている。

【０３０６】図２２は、これらの処理をまとめたもので
ある。

【０３０７】本発明は以下のような効果がある。 ○ 消耗品需要予測切替システム販売期間別に最適な需要予測手法を持ちかつ、選択する
ことにより販売期間毎に精度の高い生産、販売、在庫計
画を実施することが可能になる。その結果として、販売
機会を逃さず、かつ適正な在庫を保持することが可能に
なる。 ○ 消耗品初期需要予測システム消耗品販売期間初期に発生する仲卸業者や販売店の在庫
需要を満たす為の需要を予測することにより、販売機会
を逃さず、かつ適正な在庫を保持することが可能にな
る。 ○ 消耗品他社反映需要予測システム事務機やパソコン周辺機器の消耗品等の業界では、その
消耗品において、事務機本体メーカーが製造した互換製
品のほか、これと互換性を有する非事務機本体メーカー
が製造した互換品が存在することがある。互換品が出現
した場合において、その影響を需要予測に反映すること
により、販売機会を逃さず、かつ適正な在庫を保持する
ことが可能になる。 ○ 消耗品トレンド需要予測事務機やパソコン周辺機器の消耗品の販売期間は、その
本体の販売が終了した後も本体の使用が継続されるた
め、その消耗品販売期間の末期においては事務機やパソ
コン周辺機器本体の中古機がメーカーの想定した市場以
外に流通するなどして、消耗品の販売が不安定になる場
合がある。このような場合、消耗品自身の販売実績より
将来の販売予測をおこなう。その結果として、販売機会
を逃さず、かつ適正な在庫を保持することが可能にな
る。

【０３０８】〔７．消耗品マクロ需要予測〕従来の消耗
品予測の方法では１市場、１商品を対象に予測する為、
相互に影響を与え合う市場、商品が存在した場合、従来
予測では対応できない。

【０３０９】○ 相互に機能を代替できる２つの商品が
存在する場合（例：複写機Ｃ３３００用消耗品、Ｃ３３
００ドラムユニットとＣ３３００単体ドラムのケース）感光体ドラムは保守作業を必要とする複写機もしくはパ
ソコン用周辺機器が一定の出力物を出力すると交換を必
要とする主要な消耗品である。また、複写機もしくはパ
ソコン周辺機器は感光体ドラム以外に交換を必要とする
交換パーツが存在する。

【０３１０】本実施例ではＣ３３００ドラムユニットは
感光体ドラムと予めユニットに組み込まれた他の交換パ
ーツと同時に交換できる為、作業者の作業時間を削減で
きる。一方Ｃ３３００単体ドラムは作業者がそれぞれの
消耗品の消耗度を判断し交換する為、部品コストを削減
できる。

【０３１１】従って、Ｃ３３００ドラムユニットとＣ３
３００単体ドラムのトータルの需要は変わらず一方の販
売が増加すれば、一方の販売は減少する関係にある。

【０３１２】両者の需要を予測する為に複写機Ｃ３３０
０用のＣ３３００ドラムユニット及び、Ｃ３３００単体
ドラム合計の需要予測を行ったのち、従来機種の実績乃
至、Ｃ３３００ドラムユニット、Ｃ３３００単体ドラム
自身の過去の実績から合計の需要予測を分割し、それを
それぞれの機種の需要予測とする。

【０３１３】○ 相互に影響を与え合う２市場の需要を
予測する場合（例：ドイツとオーストリアで販売される
複写機Ｃ３３００とその消耗品Ｃ３３００トナーのケー
ス）ある１種類の複写機やパソコン用周辺機器が別々の２つ
市場で販売された場合においても、消耗品においてはそ
れぞれの２つの市場が互いに影響をうける場合がある。
例えばドイツとオーストリアの市場において複写機Ｃ３
３００とその消耗品が販売されている場合、地理的、文
化的な近さから消耗品を扱う販売店は国境を意識するこ
となく消耗品を調達することが考えられる。この場合両
者の需要の合計の需要は変わらず、一方の販売が増加す
れば、一方の販売は減少する関係にある。このため両者
の需要を予測する為に両市場合計のＣ３３００トナーの
需要予測を行った後、従来機種の実績乃至、Ｃ３３００
トナー自身の過去の実績から合計の需要予測を分割し、
それをそれぞれの市場の需要予測とする。

【０３１４】図３７は、消耗品マクロ需要予測の概念図
を示した図である。以下、図３７に基づいて消耗品マク
ロ需要予測を説明する。

【０３１５】グラフ（Ａ）は、販売地域Ａの需要予測の
グラフである。グラフ（Ｂ）は、販売地域Ｂの需要予測
のグラフである。

【０３１６】販売地域Ａ、及び販売地域Ｂにおいて、そ
れぞれ全く同様に複写機を累計１、０００台販売し、全
く同じパラメータで需要予測したとすると、グラフ
（Ａ）及びグラフ（Ｂ）の消耗品需要予測のグラフのよ
うに、両者は全く同じになる。

【０３１７】しかし、互いに影響の与える市場の場合、
合計した販売予測数量は、販売実績と一致するが、一方
の販売実績は販売予想を上回り（図３７の場合は販売地
域Ｂ）、一方は、販売予測を下回る（図３７の場合は販
売地域Ａ）場合がある。すなわち、両者は相互に影響し
合っているため、それぞれ、需要予測が販売予測と乖離
している。

【０３１８】そこで、上記の販売地域Ａと販売地域Ｂの
本体販売実績、消耗品販売実績、予測パラメータ等を合
算して予測する。グラフ（Ｃ）は、販売地域ＡとＢの各
種値を合算して予測を行った結果である。

【０３１９】合算して予測した後に、販売地域Ａ及び、
販売地域Ｂの所定の比率（「所定の比率」に関しては後
述する）に基づいて消耗品販売予測を再配分（分割）す
る。

【０３２０】グラフ（Ｄ）及びグラフ（Ｅ）は、再配分
（分割）した後の販売地域Ａ及び販売地域Ｂの需要予測
のグラフを示している。

【０３２１】グラフ（Ａ）、（Ｂ），（Ｄ），（Ｅ）を
比べてみれば明らかなように、合算して計算した後に分
割する予測手法は、非常に良好な予測を実現をすること
ができる。

【０３２２】図３８は、マクロ需要予測のためのモジュ
ールの構成を示している。

【０３２３】図３９は、消耗品マクロ需要予測のフロー
の概略図である。

【０３２４】図４０は、消耗品マクロ需要予測のフロー
の詳細図である。

【０３２５】Ｓ４００１において、ＣＰＵ１０１は、消
耗品マクロマスタＤＢ（ＤＢ（Ｎ））より消耗品マクロ
マスタ（ＭＭ）を呼び出し、ＲＡＭ１０６に書き込む。

【０３２６】Ｓ４００２において、ＣＰＵ１０１は、消
耗品マクロパラメタＤＢ（ＤＢ（Ｒ））より消耗品マク
ロパラメタ（ＭＰ）を呼び出し、ＲＡＭ１０６に書き込
む。

【０３２７】Ｓ４００３において、ＣＰＵ１０１は、消
耗品販売実績ＤＢ（ＤＢ（Ｄ））より消耗品販売実績
（ＲＣ）を呼び出し、ＲＡＭ１０６に書き込む。

【０３２８】Ｓ４００４において、ＣＰＵ１０１は、Ｒ
ＡＭ１０６上で、消耗品販売実績（ＲＣ）から消耗品販
売実績（ｚ）を作成する。この操作により、２以上の消
耗品販売実績が合算される（詳しくは、後述する図４１
の一番下のテーブルを参照のこと）Ｓ４００５におい
て、ＣＰＵ１０１により、消耗品の需要予測が実行され
る。

【０３２９】Ｓ４００６において、消耗品販売実績期間
が所定期間（図４０においては、１年）以上か否か判定
される。消耗品販売実績期間が所定期間以上であれば、
Ｓ４００７に移行し、マクロ対象アイテム自身の消耗品
販売実績よりマクロ分割比率（ｍｄｒ）を作成する。マ
クロ分割比率について、以下に詳述（３形態）する。

【０３３０】（１）販売実績の累計値を採用することに
よりマクロ分割比率（ｍｄｒ）を作成図４５は、ある年の１０月までの消耗品販売実績を示す
テーブルである。

【０３３１】１０月までの累計値はＣ２０００カートリ
ッジは３７０、Ｃ４０００カートリッジは１４５である
ことから、マクロ分割比率（ｍｄｒ）は、３７０：１４
５ということになる。

【０３３２】（２）販売実績に重みをつけることによ
り、マクロ分割比率を作成図４６は、販売実績に乗すべき重みを示したグラフであ
る。図４６に示されている重みはあらかじめＲＡＭ１０
６等に書き込まれている。図４５の販売実績に図４６の
重みをかけて、それをもってマクロ分割比率（ｍｄｒ）
とする。

【０３３３】Ｃ２０００カートリッジ：１００×０．４
＋７０×０．３＋５０×０．２＋２０×０．１＝７３Ｃ４０００カートリッジ：３０×０．４＋２０×０．３
＋１０×０．２＋５０×０．１＝２５であるから、マクロ分割比率（ｍｄｒ）は、７３：２５
ということになる。このように、マクロ分割比率作成の
際に、重みを採用することにより、最近のデータを反映
した予測が可能となる。なお、上述の計算はＣＰＵ１０
１により実現されることはいうまでもない。Ｓ４００８
は、消耗品販売実績期間が所定期間に満たない場合にな
される処理である。この場合、消耗品マクロマスタＤＢ
（Ｎ）を参照し、予測対象の消耗品と類似する消耗品を
検索し、その類似する消耗品に対応するマクロ分割比率
（ｍｄｒ）を採用する。

【０３３４】Ｓ４０１０において、消耗品需要予測結果
（ｚ）をマクロ分割比率に従い分割する。

【０３３５】Ｓ４０１１において、マクロ需要予測結果
（ＦＣ６）をマクロ需要予測結果ＤＢ（ＤＢ（Ｑ））に
書き込む。

【０３３６】Ｓ４０１２において、マクロ需要予測結果
（ＦＣ６）を消耗品需要予測結果（補正後）（ＦＣ２）
として、消耗品需要予測結果（補正後）（ＤＢ（Ｂ））
に書き込む。

【０３３７】消耗品需要予測結果（補正後）は、ＣＰＵ
１０１の制御により出力部１０３に表示される。具体的
には図３７（Ｄ）および（Ｅ）のような各々の需要予測
が図４４の表示形式（グラフ形式及び／又は表形式）で
表示される。

【０３３８】図４１は、消耗品マクロ合成モジュール３
８０３のＤＢの遷移図である。

【０３３９】図４２は、消耗品マクロ分解モジュール３
８０５のＤＢの遷移図である。なお、図４２の例では、
マクロ分割比率は８０：２０となっている。

【０３４０】（３）為替影響により、分解比率を作成一般的に通貨の違う国間での取引では双方の国で同じ商
品が販売されていた場合、通貨弱い国から通貨の強い国
へ商品がより多く販売される傾向にある。その理由を次
の例で説明する。

【０３４１】為替がＥＵＲＯ／ＵＳ＄＝１．０のとき
にある商品ＡＡがＵＳ＄地域で＄１００、ユーロ地域で
１００ユーロで販売されているとする。その後為替が
ユーロ／ＵＳ＄＝１．１になっととする。この時にユー
ロ地域の販売者がＵＳ＄地域に＄１００で商品ＡＡを販
売すると輸出経費を考慮しなければ１１０ユーロを受け
取ることができる。輸送費、関税等の輸出経費を考慮し
ても為替が大きく変動した場合は販売者にとってはより
多くの利益を得ることが出来る場合が考えら、ユーロ地
域の販売者がＵＳ＄地域の販売所もしくは消費者への販
売量が多くなることが考えられる。為替が逆に動いた場
合は逆にＵＳ＄地域からＥＵＲＯ地域に商品が販売され
る場合が多くなると想定される。消耗品の場合も為替が
大きく変動した場合などにこのようなことが発生するこ
とが考えられる。そのために別の国から為替の違う国に
商品を販売する場合、それぞれの国への過去の販売実績
のみの比率から計算した分解比率では為替影響分が考慮
されない為、正確な予測が算出できない場合があり為替
影響を考慮した分解比率での需要予測が必要になる。

【０３４２】以下に、為替影響を考慮した分解比率の計
算式の一例を示す。・分解比率為替修正係数（ＥＲＣ）ＹＹ（予め設定（記
憶）されている）・為替レート基準（ＳＥＲ）通貨ＡＡ／通貨ＢＢ＝ＺＺ
（予め設定（記憶）されている）・消耗品の修正前分解比率が通貨ＡＡ地域：通貨ＢＢ地
域＝ｍｄｒ１：ｍｄｒ２の場合において、為替レートが
通貨ＡＡ／通貨ＢＢ＝ＺＺ１に動いた場合（ＺＺ１は、
銀行等の金融機関から自動的に入手された為替の最新実
勢レート、若しくは将来の予測値を採用する）修正分解比率計算の一例としては通貨ＸＸ地域：通貨ＸＹ地域＝ｍｄｒ１＋（ＺＺ１−Ｚ
Ｚ）×ＹＹ：ｍｄｒ２−（ＺＺ１−ＺＺ）×ＹＹ（数
３５）となる為替がユーロ／ＵＳ＄＝１．０のときに、消耗品
の修正前分解比率が、ＥＵＲＯ地域：ＵＳ＄地域＝１：
２、分解比率為替修正係数（ＥＲＣ）が２であるとす
る。［例１］為替がユーロ／ＵＳ＄＝０．９に変動した場
合分解比率は、ユーロ：ＵＳ＄＝１＋（０．９−１）×
２：２−（０．９−１）×２＝０．８：２．２＝４：１
１となる。［例２］為替がユーロ／ＵＳ＄＝１．１に変動した場
合分解比率は、ユーロ：ＵＳ＄＝１＋（１．１−１）×
２：２−（１．１−１）×２＝１．２：１．８＝２：３
となる。

【０３４３】図４３は、消耗品マクロ需要予測に関する
データベースの一覧を示した図である。

【０３４４】図３７−図４３からも明らかなように、本
発明よれば、互いに影響を与える市場、商品の販売につ
いて相互の影響を合算して予測することにより全体とし
てより精度の高い予測の実行が可能となる。また、精度
の高い予測に基づいて生産、販売、在庫計画を実施する
ことが可能になる。その結果として、販売機会を逃さ
ず、かつ適正な在庫を保持することが可能になる。

【０３４５】

【発明の効果】図３７−図４３からも明らかなように、
本発明よれば、互いに影響を与える市場、商品の販売に
ついて相互の影響を合算して予測することにより全体と
してより精度の高い予測の実行が可能となる。また、精
度の高い予測に基づいて生産、販売、在庫計画を実施す
ることが可能になる。その結果として、販売機会を逃さ
ず、かつ適正な在庫を保持することが可能になる。

【図面の簡単な説明】

【図１】本発明の需要予測装置、方法、及びプログラム
を実現するための情報処理装置の構成を示した図であ
る。

【図２】本実施の形態における予測処理単位を説明する
表を示す図である。

【図３】２００１年１月から２００１年１２月までの本
体販売実績台数ａ（ｔ）と本体販売計画台数ｂ（ｔ）か
ら本体販売実績計画台数ｘ（ｔ）を算出する一例を示す
図である。

【図４】２００１年１月から２００１年１２月までの本
体稼動実績台数ｙ（ｔ）の一例を示す図である。

【図５】設置時Ａ、設置時Ｂ、設置時Ｃにおける残存率
関数を示した図である。

【図６】本体設置台数と本体稼働台数の関係を表した図
である。

【図７】拠点と消耗品モデルの対応を示した図である。

【図８】本体の稼働台数の予測をする際の処理フローを
示した図である。

【図９】本体の平均ＰＶの予測をする際の処理フローを
示した図である。

【図１０】本体の総ＰＶの予測をする際の処理フローを
示した図である。

【図１１】消耗品の需要予測をする際の処理フローを示
した図である。

【図１２】本体稼働台数予測ブロック、平均ＰＶ予測ブ
ロック、総予測ＰＶブロックを示した図である。

【図１３】消耗品予測ブロックを示した図である。

【図１４】設置拡散係数ｊ（ｔ）の一例を示している。

【図１５】本実施の形態における各月の設置台数と累積
設置台数を示した図である。

【図１６】平均寿命μ及び変動係数φを変化させた場合
の残存率関数の変化を示した一例である。

【図１７】本発明のプログラムのモジュール構成を示し
ている。

【図１８】消耗品の需要予測の概念図である。

【図１９】初期需要予測の概念図である。

【図２０】他社反映需要予測の概念図である。

【図２１】販売期間の末期の需要予測（トレンド予測）
の概念図である。

【図２２】消耗品初期需要予測、消耗品他社反映需要予
測、消耗品需要予測の予測方法、及び予測方法を切り替
えるための条件を示した図である。

【図２３】図１７のプログラムのモジュール構成に付加
するモジュール構成を示す図である。

【図２４】全体のフロー図である。

【図２５】消耗品初期需要予測処理の詳細を示したフロ
ー図である。

【図２６】消耗品他社反映需要予測処理の詳細を示した
フロー図である。

【図２７】消耗品トレンド需要予測処理の詳細を示した
フロー図である。

【図２８】予測手法の判別のフローを示した図である。

【図２９】予測手法の判別のフローを示した図である。

【図３０】消耗品初期需要予測の際のデータベースの遷
移を示した図である。

【図３１】消耗品他社反映需要予測の際のデータベース
の遷移を示した図である。

【図３２】消耗品トレンド需要予測の際のデータベース
の遷移を示した図である。

【図３３】予測手法の判別の際の遷移を示した図であ
る。

【図３４】本発明の各種データベースを示した図であ
る。

【図３５】本発明の各種データベースを示した図であ
る。

【図３６】消耗品販売実績（ＲＣ）と消耗品他社反映予
測対象期間（Ｔ（ＦＣ５））の例を示した図である。

【図３７】消耗品マクロ需要予測の概念図を示した図で
ある。

【図３８】マクロ需要予測のためのモジュールの構成を
示している。

【図３９】消耗品マクロ需要予測のフローの概略図であ
る。

【図４０】消耗品マクロ需要予測のフローの詳細図であ
る。

【図４１】消耗品マクロ合成モジュール３８０３のＤＢ
の遷移図である。

【図４２】消耗品マクロ分解モジュール３８０５のＤＢ
の遷移図である。

【図４３】消耗品マクロ需要予測に関するデータベース
の一覧を示した図である。

【図４４】消耗品の需要予測結果を出力部１０３上に表
示した際の画面を示した図である。

【図４５】ある年の１０月までの消耗品販売実績を示す
テーブルを示す図である。

【図４６】販売実績に乗すべき重みを示したグラフを示
す図である。

【符号の説明】

１０１ＣＰＵ１０２入力部１０３出力部１０４外部記憶装置１０５ＲＯＭ１０６ＲＡＭ１０７ネットワークインターフェース１０８内部記憶装置１０９バス

───────────────────────────────────────────────────── フロントページの続き (72)発明者松崎幸一郎東京都大田区下丸子３丁目30番２号キヤノン株式会社内Ｆターム(参考） 5B056 BB64 BB66 BB72

Claims

【特許請求の範囲】

【請求項１】複数の販売実績を合算する合算機能と、前記合算機能により合算した販売実績を一つの販売実績
として、将来の需要予測を実行する予測機能と、前記予測機能により予測した需要予測を所定の割合で分
解する分解機能とをコンピュータにより実現することを
特徴とする需要予測プログラム。
【請求項２】前記分解機能における前記所定の割合
は、前記販売実績に基づいて決定されることを特徴とす
る請求項１に記載の需要予測プログラム。
【請求項３】前記分解機能における前記所定の割合
は、販売した期間が所定の期間以上であれば、前記販売
実績に基づいて決定されることを特徴とする請求項１に
記載の需要予測プログラム。
【請求項４】前記分解機能における前記所定の割合
は、前記販売実績と関連する販売実績に基づいて決定さ
れることを特徴とする請求項１に記載の需要予測プログ
ラム。
【請求項５】前記分解機能における前記所定の割合
は、前記販売実績に所定の割合を乗じたものの割合に基
づいて決定されることを特徴とする請求項１に記載の需
要予測プログラム。
【請求項６】前記分解機能における前記所定の割合
は、為替変動に基づいて決定されることを特徴とする請
求項１に記載の需要予測プログラム。
【請求項７】複数の販売実績を合算する合算手段と、前記合算手段により合算した販売実績を一つの販売実績
として、将来の需要予測を実行する予測手段と、前記予測手段により予測した需要予測を所定の割合で分
解する分解手段とを有することを特徴とする需要予測装
置。
【請求項８】複数の販売実績を合算する合算工程と、前記合算工程で合算した販売実績を一つの販売実績とし
て、将来の需要予測を実行する予測工程と、前記予測工程で予測した需要予測を所定の割合で分解す
る分解工程とを有することを特徴とする需要予測方法。