JP2004348256A - 商品発注予測装置、プログラム及び記憶媒体 - Google Patents
商品発注予測装置、プログラム及び記憶媒体 Download PDFInfo
- Publication number
- JP2004348256A JP2004348256A JP2003142304A JP2003142304A JP2004348256A JP 2004348256 A JP2004348256 A JP 2004348256A JP 2003142304 A JP2003142304 A JP 2003142304A JP 2003142304 A JP2003142304 A JP 2003142304A JP 2004348256 A JP2004348256 A JP 2004348256A
- Authority
- JP
- Japan
- Prior art keywords
- store
- order
- information
- receiving
- function
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することが可能な商品発注予測装置を提供する。
【解決手段】例えば過去の売上実績が存在しない新店舗の店舗条件(例えば、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)等)を受け付け(ステップS1のY)、新店舗の店舗条件に基づいて、略同一な店舗条件のモデル店舗を決定し(ステップS2)、このモデル店舗の売上実績に基づいて新店舗の商品の発注数を予測する(ステップS4〜S6)。これにより、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することができる。
【選択図】 図4
【解決手段】例えば過去の売上実績が存在しない新店舗の店舗条件(例えば、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)等)を受け付け(ステップS1のY)、新店舗の店舗条件に基づいて、略同一な店舗条件のモデル店舗を決定し(ステップS2)、このモデル店舗の売上実績に基づいて新店舗の商品の発注数を予測する(ステップS4〜S6)。これにより、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することができる。
【選択図】 図4
Description
【0001】
【発明の属する技術分野】
本発明は、店舗における商品の発注数、特に過去の売上実績が存在しない新店舗における商品の発注数を予測する商品発注予測装置、商品発注予測装置を制御するコンピュータに読取可能なプログラム及び記憶媒体に関する。
【0002】
【従来の技術】
従来、コンビニエンスストアやスーパーマーケット等の量販店においては、過去実績(先週の売上数/1年前の売上数)から各商品毎に売上数を予測し、その売上数に見合った数を適時発注することによって、品切れ防止を図るとともに在庫を極力減らすように努力している。特に、弁当や生鮮食品等のように賞味期限のある商品は、賞味期限を過ぎると廃棄処分にしてしまうので、廃棄による無駄をなくすべく的確な発注数を決定することが経営上重要である。
【0003】
また、一般に、各商品の発注数は過去実績(先週の売上数/1年前の売上数)を基準にして決定されるが、商品によっては気温や天候等の気象状況によっても売上数が増減するので、各商品の発注数は発注商品納品時の気象状況をも考慮して決定されることになる。
【0004】
そこで、特許文献1においては、発注を要する商品の前回の発注数と発注商品納品時の気象予想情報とから自動的に該当商品の推定発注数を求めてオペレータに告知する商品発注装置が提案されている。
【0005】
【特許文献1】
特開平06−149833号公報
【0006】
【発明が解決しようとする課題】
ところが、特許文献1の商品発注装置によれば、発注を要する商品の前回の発注数と発注商品納品時の気象予想情報とから自動的に該当商品の推定発注数を求めるようにしているため、過去の発注実績が存在しない店舗(例えば、新規に出店した店舗)においては、この特許文献1の商品発注装置を商品の発注に利用することができないという問題がある。
【0007】
本発明は、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することを可能にすることを目的とする。
【0008】
【課題を解決するための手段】
本発明の商品発注予測装置は、店舗における商品の発注数を予測する商品発注予測装置であって、商品の発注数の予測が必要な前記店舗の店舗条件を受け付ける店舗条件受付手段と、この店舗条件受付手段により受け付けた前記店舗の店舗条件に基づいて、略同一の店舗条件のモデル店舗を決定するモデル店舗決定手段と、このモデル店舗決定手段により決定した前記モデル店舗の売上実績に基づいて商品の発注数を予測する発注予測手段と、を備える。
【0009】
したがって、例えば、過去の売上実績が存在しない新店舗の店舗条件(例えば、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)等)に基づいて、略同一な店舗条件のモデル店舗が決定され、このモデル店舗の売上実績に基づいて新店舗の商品の発注数が予測される。
【0010】
【発明の実施の形態】
本発明の実施の一形態を図1ないし図9に基づいて説明する。本実施の形態の商品発注予測装置を含む情報処理システムは、新規に店舗を出店するにあたり、新店舗における商品の発注予測を行うことを目的とするものである。
【0011】
ここで、図1は情報処理システムAの全体構成を概略的に示すシステム構成図である。図1に示すように、情報処理システムAは、複数の店舗を有する流通チェーン本部に設けられる商品発注予測装置100と各店舗に設けられる店舗システム1とを、例えば専用回線等の通信ネットワークNで接続することにより構成されている。各店舗に設けられる店舗システム1は、概略的には、複数台のPOS端末2とこれらのPOS端末2をLAN3によって接続して集中管理するストアコンピュータ4とで構成されている。ストアコンピュータ4は、通信ネットワークNを介して、流通チェーン本部の商品発注予測装置100と通信可能とされている。
【0012】
ここで、図2は商品発注予測装置100の各部の電気的接続を示すブロック図である。図2に示すように、商品発注予測装置100には、各部を集中的に制御するCPU(Central Processing Unit)、起動プログラム等を格納するROM(Read Only Memory)、CPUのワークエリアとして機能するRAM(Random Access Memory)等で構成されるコンピュータ構成の制御手段21が設けられており、この制御手段21は各種演算やデータ転送などを制御する。制御手段21には、通信制御手段22が接続されており、通信ネットワークNを介して店舗システム1のストアコンピュータ4とのデータの入出力制御を行う。加えて、制御手段21には、制御プログラムを格納するHDD(HardDisk Drive)等の記憶装置(記憶媒体)23が接続されている。
【0013】
なお、本実施の形態における特徴的な制御プログラムは、各店舗に設置された店舗システム1のストアコンピュータ4から通信ネットワークNを通じて発注予測要求があった場合に、店舗システム1のストアコンピュータ4に発注予測データを送り出すプログラムである。
【0014】
また、図2に示すように、制御手段21には、流通チェーンに所属する店舗の立地情報(観光地、住宅地、ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)を格納する記憶装置(以下、店舗立地条件データファイルという)24、日付情報(日付、平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)を流通チェーンに所属する店舗毎に格納する記憶装置(以下、天候過去情報ファイルという)25、流通チェーンに所属する店舗毎に商品分類毎の売上数量を日別に格納する記憶装置(以下、売上情報ファイルという)26、流通チェーンに所属する店舗毎に所定期間(例えば、1ヶ月間)における日区分情報(平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)で分類した商品分類毎の平均売上数量を格納する記憶装置(以下、売上平均情報ファイルという)27がそれぞれ接続されている。これらの各ファイル24,25,26,27については、詳しくは後に説明する。なお、これらの各ファイル24,25,26,27は、商品発注予測装置100の内部に設けられるものであっても良いし、商品発注予測装置100の外部に設けられるものであっても良い。また、これらの各ファイル24,25,26,27は、一の記憶装置に全て含まれるものであっても何ら問題はない。
【0015】
次に、各店舗に設けられる店舗システム1のストアコンピュータ4について簡略的に説明する。ここで、図3はストアコンピュータ4の各部の電気的接続を示すブロック図である。図3に示すように、ストアコンピュータ4には、各部を集中的に制御するCPU、起動プログラム等を格納するROM、CPUのワークエリアとして機能するRAM等で構成される制御手段41が設けられており、この制御手段41は各種演算やデータ転送などを制御する。この制御手段41には、LAN3や通信ネットワークNとのデータの入出力制御を行う通信制御手段42や、各種制御プログラムを保存するHDD等の記憶装置47が接続されている。
【0016】
また、ストアコンピュータ4には、制御手段41によって制御されるCRT(Cathode Ray Tube)やLCD(Liquid Crystal Display)等の表示部43、入力部として機能するキーボード44やマウス45、各種外部機器とのデータ接続を実行するインタフェース(I/F)46等がそれぞれ設けられている。
【0017】
続いて、情報処理システムAを構成する各部の機能について説明する。まず、商品発注予測装置100の制御手段21のCPUが記憶装置23に記憶されている制御プログラムに従って動作することにより実現される機能の1つである商品発注数予測機能について説明する。
【0018】
図4は、商品発注数予測処理の流れを概略的に示すフローチャートである。図4に示すように、例えば、新店舗の立地情報及び催事情報、発注日付情報(日付、平日,休日,連休等の日区分)、納品日の天候情報(天候、気温、降水率)を取得すると(ステップS1のY:店舗条件受付手段、日付情報受付手段、天候情報受付手段)、すなわち発注予測要求があった場合には、取得した新店舗の立地情報及び催事情報に基づいて店舗立地条件データファイル24を探索して発注モデル店舗を抽出する(ステップS2:モデル店舗決定手段)。ここで、図5は店舗立地条件データファイル24に記憶される店舗立地条件データのデータ構成を示す模式図である。図5に示すように、店舗立地条件データファイル24には、店舗立地条件データとして、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)が流通チェーンに所属する店舗毎に格納されている。すなわち、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)のみならず、催事情報(催事、人出)を加味して新店舗に略同一な発注モデル店舗を抽出することが可能になっている。例えば、立地区分が観光地であるような場合には、花火大会等の催事が開催された場合に大勢の人出が予想されることから、このような催事情報(催事、人出)を含めて新店舗に略同一な発注モデル店舗を抽出するようにしたものである。つまり、催事情報(催事、人出)を含めることにより、当該新店舗に略同一な発注モデル店舗は、日によって異なることになる。これにより、店舗立地条件データファイル24に格納されている情報と取得した情報とを照合することにより、当該新店舗に略同一な発注モデル店舗を抽出することができる。
【0019】
続くステップS3においては、取得した発注日付情報(日付、平日,休日,連休等の日区分)、納品日の天候情報(天候、気温、降水率)とほぼ同等な日付情報(平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)がステップS2で抽出した発注モデル店舗での過去情報に存在するか否かを、天候過去情報ファイル25を探索して判断する。ここで、図6は天候過去情報ファイル25に記憶される天候過去データのデータ構成を示す模式図である。図6に示すように、天候過去情報ファイル25には、天候過去データとして、日付情報(日付、平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)が流通チェーンに所属する店舗毎に格納されている。すなわち、日付情報(日付、平日,休日,連休等の日区分)や天候情報(天候、気温、降水率)を加味することで、高精度の発注数の予測が可能になる。例えば、立地区分が観光地(海水浴場等)であるような場合には、平日と休日とでは人出に大きな違いがあり、また、晴れと雨とでは人出に大きな違いがあることから、このような日付情報(日付、平日,休日,連休等の日区分)や天候情報(天候、気温、降水率)を含めて発注数を予想するようにしたものである。これにより、天候過去情報ファイル25に格納されている情報と取得した情報とを照合することにより、取得した発注日付、納品日の天候とほぼ同等な日付情報、天候情報がステップS2で抽出した発注モデル店舗での過去情報に存在するか否かを判断することができる。
【0020】
取得した発注日付、納品日の天候とほぼ同等な日付、天候がステップS2で抽出した発注モデル店舗での過去情報に存在すると判断した場合には(ステップS3のY)、当該発注モデル店舗における取得した発注日付に対応する日付における商品分類毎の売上数量を、売上情報ファイル26から取得する(ステップS4:発注予測手段)。ここで、図7は売上情報ファイル26に記憶される売上情報のデータ構成を示す模式図である。図7に示すように、売上情報ファイル26には、売上情報データとして、商品分類毎の売上数量が流通チェーンに所属する店舗毎に格納されている。したがって、取得した発注日付、納品日の天候とほぼ同等な日付、天候がステップS2で抽出した発注モデル店舗での過去情報に存在すると判断した場合には(ステップS3のY)、取得した発注日付に対応する日付における商品分類毎の売上数量を売上情報ファイル26から取得することができる。ここで、商品分類とは、“おにぎり”等の分類である。なお、商品分類を単品としても何ら問題はない。
【0021】
一方、取得した発注日付、納品日の天候とほぼ同等な日付、天候がステップS2で抽出した発注モデル店舗での過去情報に存在しないと判断した場合には(ステップS3のN)、売上平均情報ファイル27を探索して(ステップS5)、近似する日付、天候における商品分類毎の売上数量を取得する(ステップS6:発注予測手段)。ここで、図8は売上平均情報ファイル27に記憶される売上平均情報のデータ構成を示す模式図である。図8に示すように、売上平均情報ファイル27には、所定期間(例えば、1ヶ月間)における日付(平日,休日,連休等の日区分)、天候(天候、気温、降水率)で分類した商品分類毎の平均売上数量が格納されている。したがって、取得した日付(平日,休日,連休等の日区分)、納品日の天候(天候、気温、降水率)とほぼ同等な日付(平日,休日,連休等の日区分)、天候(天候、気温、降水率)における商品分類毎の平均売上数量を、取得した発注日付における商品分類毎の売上数量として取得することができる。
【0022】
以上のようにしてステップS4またはステップS6で取得された商品分類毎の売上数量データは、立地情報及び催事情報、発注日付(日付、平日,休日,連休等の日区分)、納品日の天候(天候、気温、降水率)を送信してきた対象店舗に対して発注予測データとして配信される(ステップS7)。
【0023】
次に、ストアコンピュータ4の制御手段41のCPUが記憶装置47に記憶されている制御プログラムに従って動作することにより実現される機能の1つである商品発注機能について説明する。
【0024】
図9は、商品発注処理の流れを概略的に示すフローチャートである。図9に示すように、店舗の立地情報及び催事情報、発注日付(日付、平日,休日,連休等の日区分)、納品日の天候(天候、気温、降水率)をキーボード44により入力して送信した後(ステップS11)、商品発注予測装置100から売上数量データ(発注予測データ)を受信した場合(ステップS12のY)、受信した商品分類毎の売上数量データ(発注予測データ)を表示部43に表示する(ステップS13)。
【0025】
その後、ステップS14において、確認・修正処理を実行することにより、発注データが生成される。確認・修正処理は、表示部43に表示された商品分類毎の売上数量データをオペレータが確認しながら、キーボード44等の操作により発注数量の修正を加え、発注データを生成するものである。
【0026】
最後に、発注データを送信して(ステップS15)、商品発注処理を終了する。
【0027】
このように本実施の形態においては、過去の売上実績が存在しない新店舗の店舗条件(例えば、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)等)に基づいて、略同一な店舗条件のモデル店舗が決定され、このモデル店舗の売上実績に基づいて新店舗の商品の発注数が予測される。これにより、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することが可能になる。
【0028】
また、本実施の形態においては、日付情報を加味して発注予測するようにしたので、高精度の発注数の予測が可能になる。
【0029】
さらに、本実施の形態においては、天候情報を加味して発注予測するようにしたので、高精度の発注数の予測が可能になる。
【0030】
なお、本実施の形態では、制御プログラムをHDD等の記憶装置23に格納するようにしたが、これに限るものではなく、フレキシブルディスク、磁気テープ等のような磁気的な記憶媒体、MOのような光磁気的な記憶媒体、CD、CD−ROM、CD−R、CD−RW、DVD−ROM、DVD−R、DVD−RAM、DVD−RW、DVD+RW等のような光学的な記憶媒体、半導体メモリ等の各種方式のメディアを記憶媒体として用いるようにしても良い。なお、CD−ROMやDVD−ROMなどの各種の光学的な記憶媒体、各種の光磁気的な記憶媒体、フレキシブルディスクなどの各種の磁気的な記憶媒体等は、商品発注予測装置100に固定的に設けられておらず、単体で取り扱える交換自在な記憶媒体としての形態を備え、各メディアに適応した各種プログラム読取装置(CD−ROMドライブ等)を用いてプログラムを読み出すことで各種処理が可能になる。
【0031】
【発明の効果】
本発明によれば、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することができる。
【図面の簡単な説明】
【図1】本発明の実施の一形態の情報処理システムの全体構成を概略的に示すシステム構成図である。
【図2】商品発注予測装置の各部の電気的接続を示すブロック図である。
【図3】ストアコンピュータの各部の電気的接続を示すブロック図である。
【図4】商品発注数予測処理の流れを概略的に示すフローチャートである。
【図5】店舗立地条件データファイルに記憶される店舗立地条件データのデータ構成を示す模式図である。
【図6】天候過去情報ファイルに記憶される天候過去データのデータ構成を示す模式図である。
【図7】売上情報ファイルに記憶される売上情報のデータ構成を示す模式図である。
【図8】売上平均情報ファイルに記憶される売上平均情報のデータ構成を示す模式図である。
【図9】商品発注処理の流れを概略的に示すフローチャートである。
【符号の説明】
23…記憶媒体、100…商品発注予測装置
【発明の属する技術分野】
本発明は、店舗における商品の発注数、特に過去の売上実績が存在しない新店舗における商品の発注数を予測する商品発注予測装置、商品発注予測装置を制御するコンピュータに読取可能なプログラム及び記憶媒体に関する。
【0002】
【従来の技術】
従来、コンビニエンスストアやスーパーマーケット等の量販店においては、過去実績(先週の売上数/1年前の売上数)から各商品毎に売上数を予測し、その売上数に見合った数を適時発注することによって、品切れ防止を図るとともに在庫を極力減らすように努力している。特に、弁当や生鮮食品等のように賞味期限のある商品は、賞味期限を過ぎると廃棄処分にしてしまうので、廃棄による無駄をなくすべく的確な発注数を決定することが経営上重要である。
【0003】
また、一般に、各商品の発注数は過去実績(先週の売上数/1年前の売上数)を基準にして決定されるが、商品によっては気温や天候等の気象状況によっても売上数が増減するので、各商品の発注数は発注商品納品時の気象状況をも考慮して決定されることになる。
【0004】
そこで、特許文献1においては、発注を要する商品の前回の発注数と発注商品納品時の気象予想情報とから自動的に該当商品の推定発注数を求めてオペレータに告知する商品発注装置が提案されている。
【0005】
【特許文献1】
特開平06−149833号公報
【0006】
【発明が解決しようとする課題】
ところが、特許文献1の商品発注装置によれば、発注を要する商品の前回の発注数と発注商品納品時の気象予想情報とから自動的に該当商品の推定発注数を求めるようにしているため、過去の発注実績が存在しない店舗(例えば、新規に出店した店舗)においては、この特許文献1の商品発注装置を商品の発注に利用することができないという問題がある。
【0007】
本発明は、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することを可能にすることを目的とする。
【0008】
【課題を解決するための手段】
本発明の商品発注予測装置は、店舗における商品の発注数を予測する商品発注予測装置であって、商品の発注数の予測が必要な前記店舗の店舗条件を受け付ける店舗条件受付手段と、この店舗条件受付手段により受け付けた前記店舗の店舗条件に基づいて、略同一の店舗条件のモデル店舗を決定するモデル店舗決定手段と、このモデル店舗決定手段により決定した前記モデル店舗の売上実績に基づいて商品の発注数を予測する発注予測手段と、を備える。
【0009】
したがって、例えば、過去の売上実績が存在しない新店舗の店舗条件(例えば、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)等)に基づいて、略同一な店舗条件のモデル店舗が決定され、このモデル店舗の売上実績に基づいて新店舗の商品の発注数が予測される。
【0010】
【発明の実施の形態】
本発明の実施の一形態を図1ないし図9に基づいて説明する。本実施の形態の商品発注予測装置を含む情報処理システムは、新規に店舗を出店するにあたり、新店舗における商品の発注予測を行うことを目的とするものである。
【0011】
ここで、図1は情報処理システムAの全体構成を概略的に示すシステム構成図である。図1に示すように、情報処理システムAは、複数の店舗を有する流通チェーン本部に設けられる商品発注予測装置100と各店舗に設けられる店舗システム1とを、例えば専用回線等の通信ネットワークNで接続することにより構成されている。各店舗に設けられる店舗システム1は、概略的には、複数台のPOS端末2とこれらのPOS端末2をLAN3によって接続して集中管理するストアコンピュータ4とで構成されている。ストアコンピュータ4は、通信ネットワークNを介して、流通チェーン本部の商品発注予測装置100と通信可能とされている。
【0012】
ここで、図2は商品発注予測装置100の各部の電気的接続を示すブロック図である。図2に示すように、商品発注予測装置100には、各部を集中的に制御するCPU(Central Processing Unit)、起動プログラム等を格納するROM(Read Only Memory)、CPUのワークエリアとして機能するRAM(Random Access Memory)等で構成されるコンピュータ構成の制御手段21が設けられており、この制御手段21は各種演算やデータ転送などを制御する。制御手段21には、通信制御手段22が接続されており、通信ネットワークNを介して店舗システム1のストアコンピュータ4とのデータの入出力制御を行う。加えて、制御手段21には、制御プログラムを格納するHDD(HardDisk Drive)等の記憶装置(記憶媒体)23が接続されている。
【0013】
なお、本実施の形態における特徴的な制御プログラムは、各店舗に設置された店舗システム1のストアコンピュータ4から通信ネットワークNを通じて発注予測要求があった場合に、店舗システム1のストアコンピュータ4に発注予測データを送り出すプログラムである。
【0014】
また、図2に示すように、制御手段21には、流通チェーンに所属する店舗の立地情報(観光地、住宅地、ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)を格納する記憶装置(以下、店舗立地条件データファイルという)24、日付情報(日付、平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)を流通チェーンに所属する店舗毎に格納する記憶装置(以下、天候過去情報ファイルという)25、流通チェーンに所属する店舗毎に商品分類毎の売上数量を日別に格納する記憶装置(以下、売上情報ファイルという)26、流通チェーンに所属する店舗毎に所定期間(例えば、1ヶ月間)における日区分情報(平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)で分類した商品分類毎の平均売上数量を格納する記憶装置(以下、売上平均情報ファイルという)27がそれぞれ接続されている。これらの各ファイル24,25,26,27については、詳しくは後に説明する。なお、これらの各ファイル24,25,26,27は、商品発注予測装置100の内部に設けられるものであっても良いし、商品発注予測装置100の外部に設けられるものであっても良い。また、これらの各ファイル24,25,26,27は、一の記憶装置に全て含まれるものであっても何ら問題はない。
【0015】
次に、各店舗に設けられる店舗システム1のストアコンピュータ4について簡略的に説明する。ここで、図3はストアコンピュータ4の各部の電気的接続を示すブロック図である。図3に示すように、ストアコンピュータ4には、各部を集中的に制御するCPU、起動プログラム等を格納するROM、CPUのワークエリアとして機能するRAM等で構成される制御手段41が設けられており、この制御手段41は各種演算やデータ転送などを制御する。この制御手段41には、LAN3や通信ネットワークNとのデータの入出力制御を行う通信制御手段42や、各種制御プログラムを保存するHDD等の記憶装置47が接続されている。
【0016】
また、ストアコンピュータ4には、制御手段41によって制御されるCRT(Cathode Ray Tube)やLCD(Liquid Crystal Display)等の表示部43、入力部として機能するキーボード44やマウス45、各種外部機器とのデータ接続を実行するインタフェース(I/F)46等がそれぞれ設けられている。
【0017】
続いて、情報処理システムAを構成する各部の機能について説明する。まず、商品発注予測装置100の制御手段21のCPUが記憶装置23に記憶されている制御プログラムに従って動作することにより実現される機能の1つである商品発注数予測機能について説明する。
【0018】
図4は、商品発注数予測処理の流れを概略的に示すフローチャートである。図4に示すように、例えば、新店舗の立地情報及び催事情報、発注日付情報(日付、平日,休日,連休等の日区分)、納品日の天候情報(天候、気温、降水率)を取得すると(ステップS1のY:店舗条件受付手段、日付情報受付手段、天候情報受付手段)、すなわち発注予測要求があった場合には、取得した新店舗の立地情報及び催事情報に基づいて店舗立地条件データファイル24を探索して発注モデル店舗を抽出する(ステップS2:モデル店舗決定手段)。ここで、図5は店舗立地条件データファイル24に記憶される店舗立地条件データのデータ構成を示す模式図である。図5に示すように、店舗立地条件データファイル24には、店舗立地条件データとして、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)が流通チェーンに所属する店舗毎に格納されている。すなわち、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)のみならず、催事情報(催事、人出)を加味して新店舗に略同一な発注モデル店舗を抽出することが可能になっている。例えば、立地区分が観光地であるような場合には、花火大会等の催事が開催された場合に大勢の人出が予想されることから、このような催事情報(催事、人出)を含めて新店舗に略同一な発注モデル店舗を抽出するようにしたものである。つまり、催事情報(催事、人出)を含めることにより、当該新店舗に略同一な発注モデル店舗は、日によって異なることになる。これにより、店舗立地条件データファイル24に格納されている情報と取得した情報とを照合することにより、当該新店舗に略同一な発注モデル店舗を抽出することができる。
【0019】
続くステップS3においては、取得した発注日付情報(日付、平日,休日,連休等の日区分)、納品日の天候情報(天候、気温、降水率)とほぼ同等な日付情報(平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)がステップS2で抽出した発注モデル店舗での過去情報に存在するか否かを、天候過去情報ファイル25を探索して判断する。ここで、図6は天候過去情報ファイル25に記憶される天候過去データのデータ構成を示す模式図である。図6に示すように、天候過去情報ファイル25には、天候過去データとして、日付情報(日付、平日,休日,連休等の日区分)、天候情報(天候、気温、降水率)が流通チェーンに所属する店舗毎に格納されている。すなわち、日付情報(日付、平日,休日,連休等の日区分)や天候情報(天候、気温、降水率)を加味することで、高精度の発注数の予測が可能になる。例えば、立地区分が観光地(海水浴場等)であるような場合には、平日と休日とでは人出に大きな違いがあり、また、晴れと雨とでは人出に大きな違いがあることから、このような日付情報(日付、平日,休日,連休等の日区分)や天候情報(天候、気温、降水率)を含めて発注数を予想するようにしたものである。これにより、天候過去情報ファイル25に格納されている情報と取得した情報とを照合することにより、取得した発注日付、納品日の天候とほぼ同等な日付情報、天候情報がステップS2で抽出した発注モデル店舗での過去情報に存在するか否かを判断することができる。
【0020】
取得した発注日付、納品日の天候とほぼ同等な日付、天候がステップS2で抽出した発注モデル店舗での過去情報に存在すると判断した場合には(ステップS3のY)、当該発注モデル店舗における取得した発注日付に対応する日付における商品分類毎の売上数量を、売上情報ファイル26から取得する(ステップS4:発注予測手段)。ここで、図7は売上情報ファイル26に記憶される売上情報のデータ構成を示す模式図である。図7に示すように、売上情報ファイル26には、売上情報データとして、商品分類毎の売上数量が流通チェーンに所属する店舗毎に格納されている。したがって、取得した発注日付、納品日の天候とほぼ同等な日付、天候がステップS2で抽出した発注モデル店舗での過去情報に存在すると判断した場合には(ステップS3のY)、取得した発注日付に対応する日付における商品分類毎の売上数量を売上情報ファイル26から取得することができる。ここで、商品分類とは、“おにぎり”等の分類である。なお、商品分類を単品としても何ら問題はない。
【0021】
一方、取得した発注日付、納品日の天候とほぼ同等な日付、天候がステップS2で抽出した発注モデル店舗での過去情報に存在しないと判断した場合には(ステップS3のN)、売上平均情報ファイル27を探索して(ステップS5)、近似する日付、天候における商品分類毎の売上数量を取得する(ステップS6:発注予測手段)。ここで、図8は売上平均情報ファイル27に記憶される売上平均情報のデータ構成を示す模式図である。図8に示すように、売上平均情報ファイル27には、所定期間(例えば、1ヶ月間)における日付(平日,休日,連休等の日区分)、天候(天候、気温、降水率)で分類した商品分類毎の平均売上数量が格納されている。したがって、取得した日付(平日,休日,連休等の日区分)、納品日の天候(天候、気温、降水率)とほぼ同等な日付(平日,休日,連休等の日区分)、天候(天候、気温、降水率)における商品分類毎の平均売上数量を、取得した発注日付における商品分類毎の売上数量として取得することができる。
【0022】
以上のようにしてステップS4またはステップS6で取得された商品分類毎の売上数量データは、立地情報及び催事情報、発注日付(日付、平日,休日,連休等の日区分)、納品日の天候(天候、気温、降水率)を送信してきた対象店舗に対して発注予測データとして配信される(ステップS7)。
【0023】
次に、ストアコンピュータ4の制御手段41のCPUが記憶装置47に記憶されている制御プログラムに従って動作することにより実現される機能の1つである商品発注機能について説明する。
【0024】
図9は、商品発注処理の流れを概略的に示すフローチャートである。図9に示すように、店舗の立地情報及び催事情報、発注日付(日付、平日,休日,連休等の日区分)、納品日の天候(天候、気温、降水率)をキーボード44により入力して送信した後(ステップS11)、商品発注予測装置100から売上数量データ(発注予測データ)を受信した場合(ステップS12のY)、受信した商品分類毎の売上数量データ(発注予測データ)を表示部43に表示する(ステップS13)。
【0025】
その後、ステップS14において、確認・修正処理を実行することにより、発注データが生成される。確認・修正処理は、表示部43に表示された商品分類毎の売上数量データをオペレータが確認しながら、キーボード44等の操作により発注数量の修正を加え、発注データを生成するものである。
【0026】
最後に、発注データを送信して(ステップS15)、商品発注処理を終了する。
【0027】
このように本実施の形態においては、過去の売上実績が存在しない新店舗の店舗条件(例えば、立地情報(観光地,住宅地,ロードサイド等の立地区分、競合店情報)、催事情報(催事、人出)等)に基づいて、略同一な店舗条件のモデル店舗が決定され、このモデル店舗の売上実績に基づいて新店舗の商品の発注数が予測される。これにより、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することが可能になる。
【0028】
また、本実施の形態においては、日付情報を加味して発注予測するようにしたので、高精度の発注数の予測が可能になる。
【0029】
さらに、本実施の形態においては、天候情報を加味して発注予測するようにしたので、高精度の発注数の予測が可能になる。
【0030】
なお、本実施の形態では、制御プログラムをHDD等の記憶装置23に格納するようにしたが、これに限るものではなく、フレキシブルディスク、磁気テープ等のような磁気的な記憶媒体、MOのような光磁気的な記憶媒体、CD、CD−ROM、CD−R、CD−RW、DVD−ROM、DVD−R、DVD−RAM、DVD−RW、DVD+RW等のような光学的な記憶媒体、半導体メモリ等の各種方式のメディアを記憶媒体として用いるようにしても良い。なお、CD−ROMやDVD−ROMなどの各種の光学的な記憶媒体、各種の光磁気的な記憶媒体、フレキシブルディスクなどの各種の磁気的な記憶媒体等は、商品発注予測装置100に固定的に設けられておらず、単体で取り扱える交換自在な記憶媒体としての形態を備え、各メディアに適応した各種プログラム読取装置(CD−ROMドライブ等)を用いてプログラムを読み出すことで各種処理が可能になる。
【0031】
【発明の効果】
本発明によれば、過去の売上実績が存在しないような店舗(例えば、新規に出店した店舗)であっても商品の発注数を予測することができる。
【図面の簡単な説明】
【図1】本発明の実施の一形態の情報処理システムの全体構成を概略的に示すシステム構成図である。
【図2】商品発注予測装置の各部の電気的接続を示すブロック図である。
【図3】ストアコンピュータの各部の電気的接続を示すブロック図である。
【図4】商品発注数予測処理の流れを概略的に示すフローチャートである。
【図5】店舗立地条件データファイルに記憶される店舗立地条件データのデータ構成を示す模式図である。
【図6】天候過去情報ファイルに記憶される天候過去データのデータ構成を示す模式図である。
【図7】売上情報ファイルに記憶される売上情報のデータ構成を示す模式図である。
【図8】売上平均情報ファイルに記憶される売上平均情報のデータ構成を示す模式図である。
【図9】商品発注処理の流れを概略的に示すフローチャートである。
【符号の説明】
23…記憶媒体、100…商品発注予測装置
Claims (7)
- 店舗における商品の発注数を予測する商品発注予測装置であって、
商品の発注数の予測が必要な前記店舗の店舗条件を受け付ける店舗条件受付手段と、
この店舗条件受付手段により受け付けた前記店舗の店舗条件に基づいて、略同一の店舗条件のモデル店舗を決定するモデル店舗決定手段と、
このモデル店舗決定手段により決定した前記モデル店舗の売上実績に基づいて商品の発注数を予測する発注予測手段と、
を備えることを特徴とする商品発注予測装置。 - 発注に関する日付情報を受け付ける日付情報受付手段を更に備え、
前記発注予測手段は、前記日付情報受付手段により受け付けた前記日付情報を加味して発注予測する、
ことを特徴とする請求項1記載の商品発注予測装置。 - 発注に関する天候情報を受け付ける天候情報受付手段を更に備え、
前記発注予測手段は、前記天候情報受付手段により受け付けた前記天候情報を加味して発注予測する、
ことを特徴とする請求項1又は2記載の商品発注予測装置。 - 店舗における商品の発注数を予測する商品発注予測装置を制御するコンピュータに読取可能なプログラムであって、
商品の発注数の予測が必要な前記店舗の店舗条件を受け付ける店舗条件受付機能と、
この店舗条件受付機能により受け付けた前記店舗の店舗条件に基づいて、略同一な店舗条件のモデル店舗を決定するモデル店舗決定機能と、
このモデル店舗決定機能により決定した前記モデル店舗の売上実績に基づいて商品の発注数を予測する発注予測機能と、
を前記コンピュータに実行させることを特徴とするプログラム。 - 発注に関する日付情報を受け付ける日付情報受付機能を更に前記コンピュータに実行させ、
前記発注予測機能は、前記日付情報受付機能により受け付けた前記日付情報を加味して発注予測する、
ことを特徴とする請求項4記載のプログラム。 - 発注に関する天候情報を受け付ける天候情報受付機能を更に前記コンピュータに実行させ、
前記発注予測機能は、前記天候情報受付機能により受け付けた前記天候情報を加味して発注予測する、
ことを特徴とする請求項4又は5記載のプログラム。 - 請求項4ないし6のいずれか一記載のプログラムを記憶していることを特徴とするコンピュータに読取可能な記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003142304A JP2004348256A (ja) | 2003-05-20 | 2003-05-20 | 商品発注予測装置、プログラム及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003142304A JP2004348256A (ja) | 2003-05-20 | 2003-05-20 | 商品発注予測装置、プログラム及び記憶媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004348256A true JP2004348256A (ja) | 2004-12-09 |
Family
ID=33530437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003142304A Pending JP2004348256A (ja) | 2003-05-20 | 2003-05-20 | 商品発注予測装置、プログラム及び記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2004348256A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310477A (ja) * | 2007-06-13 | 2008-12-25 | Nec Corp | 販売数量予測システム、販売数量予測方法、および基幹装置 |
JP2015187819A (ja) * | 2014-03-27 | 2015-10-29 | 沖電気工業株式会社 | 情報処理装置及びプログラム |
WO2018056221A1 (ja) * | 2016-09-21 | 2018-03-29 | 日本電気株式会社 | Sku数を決定するサーバ、システム、方法およびプログラム |
WO2019131140A1 (ja) * | 2017-12-27 | 2019-07-04 | パナソニックIpマネジメント株式会社 | 需要予測装置、需要予測方法、及びプログラム |
WO2023120126A1 (ja) * | 2021-12-20 | 2023-06-29 | 株式会社日立製作所 | 販売数量予測システム、販売数量予測方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10240799A (ja) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | 新規出店評価支援装置 |
JP2002024350A (ja) * | 2000-07-03 | 2002-01-25 | Kasumi Co Ltd | 小売店舗管理システム |
-
2003
- 2003-05-20 JP JP2003142304A patent/JP2004348256A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10240799A (ja) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | 新規出店評価支援装置 |
JP2002024350A (ja) * | 2000-07-03 | 2002-01-25 | Kasumi Co Ltd | 小売店舗管理システム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310477A (ja) * | 2007-06-13 | 2008-12-25 | Nec Corp | 販売数量予測システム、販売数量予測方法、および基幹装置 |
JP2015187819A (ja) * | 2014-03-27 | 2015-10-29 | 沖電気工業株式会社 | 情報処理装置及びプログラム |
WO2018056221A1 (ja) * | 2016-09-21 | 2018-03-29 | 日本電気株式会社 | Sku数を決定するサーバ、システム、方法およびプログラム |
US11182740B2 (en) | 2016-09-21 | 2021-11-23 | Nec Corporation | SKU number determination server, system, method, and program |
WO2019131140A1 (ja) * | 2017-12-27 | 2019-07-04 | パナソニックIpマネジメント株式会社 | 需要予測装置、需要予測方法、及びプログラム |
WO2023120126A1 (ja) * | 2021-12-20 | 2023-06-29 | 株式会社日立製作所 | 販売数量予測システム、販売数量予測方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8639558B2 (en) | Providing markdown item pricing and promotion calendar | |
US20170206621A1 (en) | Systems and Methods for Determining the Effectiveness of Warehousing | |
US11568432B2 (en) | Auto clustering prediction models | |
US20090327037A1 (en) | System and Methods for Pricing Markdown with Model Refresh and Reoptimization | |
KR101853335B1 (ko) | 빅데이터를 이용한 배송관리시스템 및 배송관리방법 | |
US20020165755A1 (en) | Method of predicting behavior of a customer at a future date and a data processing system readable medium | |
US9069820B2 (en) | Data management and processing system for large enterprise model and method therefor | |
JP2017194780A (ja) | 電子レシートシステム、電子レシートセンタ、見切り予測情報管理方法および見切り予測情報管理プログラム | |
Melançon et al. | A machine learning-based system for predicting service-level failures in supply chains | |
JP6736530B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
JP2019053737A (ja) | 予測装置、予測方法、及び予測プログラム | |
JP2004348256A (ja) | 商品発注予測装置、プログラム及び記憶媒体 | |
JP2023541104A (ja) | 短ライフサイクル販売曲線の推定 | |
JP2002297958A (ja) | 日配品発注最適化支援システム、その方法、及びプログラム | |
EP2960848A1 (en) | Demand prediction apparatus and demand prediction method by the same | |
JP2005322094A (ja) | 営業支援方法および営業支援システム | |
JP5344561B2 (ja) | 自動販売機運用支援装置、自動販売機運用支援方法およびプログラム | |
JP5581255B2 (ja) | 使用数最適化プログラム及び使用数最適化方法 | |
JP2008310477A (ja) | 販売数量予測システム、販売数量予測方法、および基幹装置 | |
Hwang et al. | Reverse channel selection for commercial product returns under time-to-market and product value considerations | |
JP3742361B2 (ja) | 交通渋滞予測方法、交通渋滞予測装置、交通渋滞予測プログラム及びそのプログラムを記録した記録媒体 | |
CN110956307A (zh) | 一种业务数据的标准化处理方法及装置 | |
AU3905799A (en) | System and method of applying price changes in an electronic price label system | |
JP2003323542A (ja) | 販売日予測による営業支援装置 | |
WO2022102160A1 (ja) | 物量予測システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051017 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071218 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080507 |