JP2006011542A - Demand predicting device, demand predicting method and program - Google Patents
Demand predicting device, demand predicting method and program Download PDFInfo
- Publication number
- JP2006011542A JP2006011542A JP2004183874A JP2004183874A JP2006011542A JP 2006011542 A JP2006011542 A JP 2006011542A JP 2004183874 A JP2004183874 A JP 2004183874A JP 2004183874 A JP2004183874 A JP 2004183874A JP 2006011542 A JP2006011542 A JP 2006011542A
- Authority
- JP
- Japan
- Prior art keywords
- sales
- point
- time
- conditions
- price
- 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.)
- Granted
Links
Images
Abstract
Description
本発明は、複数タイムバケットに亘る価格弾力性や基礎需要への影響に考慮した需要予測が可能な需要予測装置、その需要予測方法及びプログラムに関するものである。 The present invention relates to a demand forecasting apparatus capable of forecasting demand in consideration of price elasticity over a plurality of time buckets and influence on basic demand, and a demand forecasting method and program thereof.
これまで、需要予測の分野においては数々の需要予測モデルが提案されてきた。例えば、価格をインプットとする需要予測モデルを利用した利益最適化手法としては、過去の販売実績データに基づき、商品をある価格に設定した場合の売上数量を予測する手法が提案されている(例えば、特許文献1参照)。 So far, a number of demand forecasting models have been proposed in the field of demand forecasting. For example, as a profit optimization method using a demand prediction model with a price as an input, a method for predicting the sales volume when a product is set at a certain price based on past sales performance data has been proposed (for example, , See Patent Document 1).
しかしながら、従来の需要予測モデルは単一タイムバケットを前提としたモデルであり、複数のタイムバケットに亘る価格弾力性や基礎需要への影響を与える、例えば下記(1)〜(3)の要因を考慮するものではない。需要予測における、一時点(単一タイムバケット)での最適化はその時点のみをみれば最適であるが、例えば無用な価格破壊を進行させることで、将来得られるであろう利益を食いつぶしている可能性もある。より効果的な需要予測のためには、例えば、
(1)価格低下の際に将来需要を先食いしてしまう、買いだめ効果
(2)過去に実現された低価格を待つことで非販促時の需要が低下する、販促待ち効果
(3)価格トレンド下降に伴う、買い控え効果
など、将来の複数タイムバケットに亘る価格弾力性や基礎需要へ影響を及ぼす要因も考慮する必要がある。
However, the conventional demand prediction model is a model based on a single time bucket, and has the following factors (1) to (3) that affect price elasticity and basic demand across multiple time buckets. It is not a consideration. In the demand forecast, optimization at a single point (single time bucket) is optimal only at that point in time, but for example, by proceeding with unnecessary price destruction, it is eating away profits that will be obtained in the future There is a possibility. For more effective demand forecasting, for example,
(1) Pre-purchase effect that preempts future demand in the event of price decline (2) Promotional waiting effect that lowers demand during non-promotion by waiting for low prices realized in the past (3) Price trends It is also necessary to consider factors that will affect price elasticity and basic demand across multiple time buckets in the future, such as the effect of refraining from buying due to the decline.
そこで、本発明の目的は、現在及び将来の複数時点(複数タイムバケット)に亘る価格弾力性や基礎需要へ影響を及ぼす要因を考慮した、複数時点の最適な価格パターンを得ることにある。 Therefore, an object of the present invention is to obtain an optimal price pattern at a plurality of points in time considering factors affecting the price elasticity and basic demand over a plurality of points in time (multiple time buckets) at present and in the future.
本発明の需要予測装置は、過去に実現された販売条件を記憶する販売条件履歴記憶手段から、現在の一時点前の販売条件又は現在の一時点前から複数時点前までの各時点の販売条件を取得する販売条件取得手段と、現在の販売条件、及び、現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件を決定する販売条件決定手段と、少なくとも前記販売条件決定手段により決定される各販売条件を、各販売条件に該当する時点の一時点先における一時点前の販売条件、又は、各販売条件に該当する時点の複数時点先における当該複数時点前の販売条件前の販売条件として設定する販売条件設定手段と、前記販売条件取得手段により取得される販売条件、及び、前記販売条件決定手段により決定される現在の販売条件に基づいて現在の期待効果を算出し、且つ/又は、前記販売条件決定手段により決定される現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件、及び、前記販売条件設定手段により各時点について設定される販売条件に基づいて該当する将来の各時点の期待効果を算出する期待効果算出手段とを有することを特徴とする。 The demand prediction apparatus according to the present invention includes a sales condition history storage means for storing sales conditions realized in the past, a sales condition before the current temporary point, or a sales condition at each point in time from the current temporary point to a plurality of points in time. Sales condition acquisition means for acquiring current sales conditions, and current sales conditions and sales condition determination means for determining sales conditions at each point in time from the current temporary point destination to multiple points in time , At least the sales conditions determined by the sales condition determination means are the sales conditions before the point in time corresponding to the sales conditions, or the sales conditions before the time corresponding to the sales conditions. Sales condition setting means set as sales conditions before the sales conditions before a plurality of time points, sales conditions acquired by the sales condition acquisition means, and current sales conditions determined by the sales condition determination means The current expected effect is calculated based on the sales condition and / or the current sales conditions at the temporary point determined by the sales condition determination means or the sales conditions at each point in time from the current temporary point to a plurality of points in time And an expected effect calculating means for calculating an expected effect at each future time based on the sales conditions set for each time by the sales condition setting means.
本発明の情報処理装置による需要予測方法は、情報処理装置による需要予測方法であって、過去に実現された販売条件を記憶する販売条件履歴記憶手段から、現在の一時点前の販売条件又は現在の一時点前から複数時点前までの各時点の販売条件を取得する販売条件取得ステップと、現在の販売条件、及び、現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件を決定する販売条件決定ステップと、少なくとも前記販売条件決定ステップにおいて決定される各販売条件を、各販売条件に該当する時点の一時点先における一時点前の販売条件、又は、各販売条件に該当する時点の複数時点先における当該複数時点前の販売条件前の販売条件として設定する販売条件設定ステップと、前記販売条件取得ステップにおいて取得される販売条件、及び、前記販売条件決定ステップにおいて決定される現在の販売条件に基づいて現在の期待効果を算出し、且つ/又は、前記販売条件決定ステップにおいて決定される現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件、及び、前記販売条件設定ステップにおいて各時点について設定される販売条件に基づいて該当する将来の各時点の期待効果を算出する期待効果算出ステップとを含むことを特徴とする。 The demand prediction method by the information processing apparatus of the present invention is a demand prediction method by the information processing apparatus, and from the sales condition history storage means for storing the sales conditions realized in the past, the sales conditions before the current temporary point or the current A sales condition acquisition step for acquiring sales conditions at each point in time from one point in time to multiple points in time, the current selling condition, and the current temporary point-to-point sales condition or from the current temporary point to the point in time A sales condition determination step for determining each sales condition at each point of time, and at least each sales condition determined in the sales condition determination step, a sales condition before a temporary point at a point in time corresponding to each sales condition, Alternatively, a sales condition setting step for setting as a sales condition before the sales conditions before the plurality of time points at a plurality of time points ahead of each sales condition, and the sales condition acquisition step The current expected effect is calculated based on the sales conditions acquired in the above and the current sales conditions determined in the sales condition determination step, and / or the current one determined in the sales condition determination step. Based on the sales conditions at the time point or the sales conditions at each time point from the current temporary point to the multiple time points and the sales conditions set for each time point in the sales condition setting step, And an expected effect calculating step for calculating an expected effect.
本発明のプログラムの第1の態様は、前記需要予測装置の機能をコンピュータに実行させることを特徴とする。 According to a first aspect of the program of the present invention, the computer executes the function of the demand prediction apparatus.
本発明のプログラムの第2の態様は、前記需要予測方法をコンピュータに実行させることを特徴とする。 According to a second aspect of the program of the present invention, the demand prediction method is executed by a computer.
本発明によれば、販売条件決定手段により決定される現在及び将来の販売条件を、夫々一時点先における一時点前の販売条件として再帰的に利用して設定し、各時点の販売条件とともに該当する時点における過去の少なくとも一時点の販売条件に基づいて、現在及び将来の各時点における期待効果を算出するように構成したので、算出される期待効果から現在及び将来の複数時点(複数タイムバケット)に亘る価格弾力性や基礎需要へ影響を及ぼす要因を考慮した、複数時点の最適な価格パターンを得ることが可能となる。 According to the present invention, the current and future sales conditions determined by the sales condition determination means are set recursively as the sales conditions before the temporary point at each temporary point destination, and the corresponding sales conditions at each time point are applicable. Since it is configured to calculate the expected effect at each time point in the present and future based on the sales conditions of at least one point in the past at the time to perform, multiple points in the present and future (multiple time buckets) from the calculated expected effect It is possible to obtain an optimal price pattern at a plurality of time points in consideration of factors affecting price elasticity and basic demand.
以下、本発明を適用した好適な実施形態を、添付図面を参照しながら詳細に説明する。 DESCRIPTION OF EXEMPLARY EMBODIMENTS Hereinafter, preferred embodiments to which the invention is applied will be described in detail with reference to the accompanying drawings.
図1は、本発明の一実施形態に係る需要予測装置(情報処理装置)の機能構成を示すブロック図である。図1に示すように、本実施形態に係る需要予測装置は、販売条件取得部11、販売条件決定部12、販売条件設定部13、期待効果算出部14、最適解抽出部15、出力制御部16及び販売条件履歴記憶部17から構成される。
FIG. 1 is a block diagram showing a functional configuration of a demand prediction apparatus (information processing apparatus) according to an embodiment of the present invention. As shown in FIG. 1, the demand prediction apparatus according to the present embodiment includes a sales
販売条件取得部11は、後述する販売条件履歴記憶部17から過去の各時点(ここでは、各日付)に実現された販売実績を示す販売実績データを取得する。これらの販売実績データには、該当する時点に実行された販売条件を示すデータが含まれる。以下では、販売条件の一つとして販売価格を例に挙げて説明するが、値引き額(率)等の他の価格要因や宣伝等の非価格要因を上記販売条件として適用することも可能である。また、ここでいう「時点」は日付に限らず、週毎や月毎等の任意の時点に適用可能である。
The sales
販売条件決定部12は、現在及び将来の各時点の当日販売価格を決定する。この当日販売価格の決定処理はユーザが現在及び将来の各時点につき指定した価格を決定する処理でもよいし、各時点の価格を販売条件決定部12が順次変更させて決定する処理でもよい。
The sales
販売条件設定部13は、販売条件決定部12により決定される各当日販売価格を、各当日販売価格に該当する時点の一時点先における一時点前の販売価格(例えば、翌日における前日の販売価格)として、又は、それら各販売価格に該当する時点の複数時点先における当該複数時点前の販売価格(例えば、2日先における2日前の販売価格)として設定する。
The sales
期待効果算出部14は、販売条件決定部12が決定した各時点の当日販売価格等に基づいて、各時点の期待効果を算出する。なお、以下の説明では、期待効果算出部14が求める期待効果として期待販売数量を例示しているが、貢献利益や営業利益等の他の期待効果を算出することも可能である。
The expected
最適解抽出部15は、販売条件決定部12により決定される各時点の当日販売価格(以下、販売条件決定部12により決定される当日販売価格の組合せを「価格パターン」と称す)のうち、期待効果算出部14により各時点について算出される期待値の合計値が最大となる価格パターンを最適解として抽出する。ここで期待値を合算する期間数はユーザーより与えられるものとする。
The optimal
出力制御部16は、最適解抽出部15によって抽出された最適解である価格パターンを表示パネル上に表示させる。
The
販売条件履歴記憶部17は、各時点(各日付)における前日販売価格、当日販売価格及び当日の販売数量をデータとして含む販売実績データを記憶する。
The sales condition
図2は、本需要予測装置内のコンピュータシステムのハードウェア構成を概略的に示す図である。
図2に示すように、上記コンピュータシステム1200は、CPU1201、ROM1202,RAM1203、キーボード(KB)1209のキーボードコントローラ(KBC)1205、表示パネル19としてのCRTディスプレイ(CRT)1210のCRTコントローラ(CRTC)1206、ハードディスク(HD)1211及びフレキシブルディスク(FD)1212のディスクコントローラ(DKC)1207、並びに、ネットワーク1220との接続のためのネットワークインタフェースカード(NIC)1208が、システムバス1204を介して互いに通信可能に接続された構成としている。
FIG. 2 is a diagram schematically showing a hardware configuration of a computer system in the demand prediction apparatus.
As shown in FIG. 2, the
CPU1201は、ROM1202或いはHD1211等から情報を読み出すソフトウェアを実行することで、システムバス1204に接続された各構成部を統括的に制御し、後述する図3に示す処理等を実行する。
The
RAM1203は、CPU1201の主メモリ或いはワークエリア等として機能する。KBC1205は、KB1209や図示していないポインティングデバイス等からの指示入力を制御する。CRTC1206は、CRT1210の表示を制御する。DKC1207は、ブートプログラム、種々のアプリケーション、編集ファイル、ユーザファイル及びネットワーク管理プログラムへのアクセスを制御する。NIC1208は、ネットワーク1220を介する本需要予測装置とのデータ通信を制御する。
A
尚、図1における販売条件取得部11、販売条件決定部12、販売条件設定部13、期待効果算出部14、最適解抽出部15及び出力制御部16は、例えばCPU1201、ROM1202内のプログラムにより構成される。また、販売条件履歴記憶部17は、例えばRAM1203やHD1211の記録媒体内に構成される。販売条件履歴記憶部17は、本需要予測装置の内部、外部の何れに構成されてもよい。
Note that the sales
図3は、需要予測装置の動作の流れを示すフローチャートである。先ず、ユーザの操作によってソフトウェアが起動され、最適化される価格パターンの期間数の指示を受けると(ステップSXX)、販売条件取得部11は、当該起動指示を受け付けた日の一日前の販売実績データを販売条件履歴記憶部17から取得する。ここでは、ソフトウェアの起動指示が2004/04/05にあったものとし、販売条件取得部11は、2004/04/04の販売実績データを取得する(ステップS31)。この販売実績データには、図4に示すように、2004/04/04の当日販売価格"128"、2004/04/04の前日販売価格"188"及び2004/04/04当日の販売数量"140"がデータとして含まれる。図4は、販売条件履歴記憶部17内における販売実績データの格納状況を示す図である。
FIG. 3 is a flowchart showing an operation flow of the demand prediction apparatus. First, when the software is activated by the user's operation and receives an instruction of the number of periods of the price pattern to be optimized (step SXX), the sales
続いて、販売条件決定部12は、現在(2004/04/05)の当日販売価格、翌日(2004/04/06、2004/04/07、・・・)の当日販売価格を夫々決定する(ステップS32)。この一連の時系列上の価格値を価格パターンと呼ぶ。今、最適化される期間が3期間であった場合、(2004/04/05=108円、2004/04/06=156円、2004/04/08=200円)は、価格パターンの一例である。この当日販売価格の決定処理では、ユーザの操作入力により指定された価格パターンの値から決定してもよいし、予め制約条件として与えられる、当該時点の許可される値域内で販売価格を変化させ、価格パターンを順次網羅的に切り替えて決定していく手法でも構わない。制約条件は、夫々の時点において当日価格の満たすべき条件(価格値の範囲)として定義される。条件は静的な上下限値として定義されても良いし、例えば前日価格±10円のように定義されても良い。また制約条件は時点毎に異なった条件が設定されても構わない。
Subsequently, the sales
続いて、販売条件設定部13は、販売条件取得部11によって取得された2004/04/04の当日販売価格、並びに、販売条件決定部12によって決定された2004/04/05の当日販売価格及び2004/04/06、2004/04/07、・・・の当日販売価格を、各当日販売価格に該当する日付の翌日における前日販売価格として設定する(ステップS33)。即ち、図5−1に示すように、2004/04/04の当日販売価格はその翌日(2004/04/05)における前日販売価格として設定され、2004/04/05の当日販売価格はその翌日(2004/04/06)における前日販売価格として設定され、2004/04/06の当日販売価格はその翌日(2004/04/07)における前日販売価格として設定され、以降の日付の販売価格についても同様の設定処理が順次なされる。
Subsequently, the sales
続いて、期待効果算出部14は、利用されるモデル中にて需要に影響を及ぼす価格パターンから導かれる指標として定義されている、過去7日間の最低価格、過去28日間の販促回数及び過去14日間の移動平均乖離率を各時点(各日付)について算出する(ステップS34)。今注目している時点が当日(2004/04/05)である場合、過去7日間の最低価格は、当日(2004/04/05)の前日(2004/04/04)から当日(2004/04/05)の7日前までの販売実績データを販売条件履歴記憶部17から参照し、それらの販売実績データに含まれる当日販売価格のうち最低価格を探索することにより得られる。
Subsequently, the expected
過去28日間の販促回数は、当日(2004/04/05)の前日(2004/04/04)から当日(2004/04/05)の28日前までの販売実績データを販売条件履歴記憶部17から参照し、それらの販売実績データに含まれる当日販売価格のうち所定の販売価格(例えば、135(万円))以下の当日販売価格を含む販売実績データの数を求めることにより得られる。
The number of sales promotions for the past 28 days is obtained from the sales condition
過去14日間の移動平均乖離率は、当日(2004/04/05)の前日(2004/04/04)から当日(2004/04/05)の14日前までの販売実績データを販売条件履歴記憶部17から参照し、それらの販売実績データに含まれる当日販売価格の平均値を求め、前日(2004/04/04)の当日販売価格の上記平均値に対する乖離率を求めることにより得られる。 The moving average divergence rate for the past 14 days is the sales condition history storage section for the sales performance data from the previous day (2004/04/04) to the previous day (2004/04/05) to the previous day (2004/04/05). 17, the average value of the same day sales price included in the sales performance data is obtained, and the deviation rate of the previous day (2004/04/04) with respect to the average value of the same day sales price is obtained.
上記の過去7日間の最低価格、過去28日間の販促回数及び過去14日間の移動平均乖離率の算出処理は、日付順に推移させながら行われ、図5−2に示すように、各時点について過去7日間の最低価格、過去28日間の販促回数及び過去14日間の移動平均乖離率が全て求められる。尚、翌日(2004/04/06)以降に注目して過去7日間の最低価格、過去28日間の販促回数及び過去14日間の移動平均乖離率を求める場合には、それらを算出する上での要素として、今注目している日付前の各日付について一旦決定されている部分的な価格パターンが含まれることになる。 The calculation process of the minimum price for the past 7 days, the number of sales promotions for the past 28 days, and the moving average deviation rate for the past 14 days is performed while changing the date order. As shown in FIG. The minimum price for 7 days, the number of sales promotions for the past 28 days, and the moving average deviation rate for the past 14 days are all obtained. Note that the minimum price for the past 7 days, the number of sales promotions for the past 28 days, and the moving average divergence rate for the past 14 days are calculated on the following day (2004/04/06) and thereafter. As an element, a partial price pattern once determined for each date before the date of interest is included.
続いて、期待効果算出部14は、図5−3に示すように、各時点の前日販売価格及び当日販売価格、過去7日間の最低価格、過去28日間の最低価格、並びに、過去14日間の移動平均乖離率に基づいて、各時点の期待販売数量を算出する(ステップS35)。本実施形態における期待販売数量の算出の際には次のモデル式を用いる。
Log(Y)=aLog(X1)+bLog(X2)+cLog(X3)+d(X4)+e(X5)+f・・・(式1)
ここで、Y:期待販売数量、X1:当日販売価格、X2:前日販売価格、X3:過去7日間の最低価格、X4:過去28日間の販促回数、X5:過去14日間の移動平均乖離率であり、a,b,c,d,e,fは、前日(2004/04/05)までの販売実績データに基づく重回帰分析処理によって定められる係数である。なお、ここでは一般化線形モデル式を例示したが、複数時点の価格要素を変数に含む、任意のモデルを利用することが可能であり、本一般化線形モデル式、指標に限定されるものではない。
Subsequently, as shown in FIG. 5-3, the expected
Log (Y) = aLog (X 1 ) + bLog (X 2 ) + cLog (X 3 ) + d (X 4 ) + e (X 5 ) + f (Formula 1)
Here, Y: Expected sales volume, X 1 : Sales price on the day, X 2 : Sales price on the previous day, X 3 : Lowest price for the past 7 days, X 4 : Number of sales promotion for the past 28 days, X 5 : Sales for the past 14 days It is a moving average deviation rate, and a, b, c, d, e, and f are coefficients determined by multiple regression analysis processing based on sales performance data up to the previous day (2004/04/05). In addition, although generalized linear model formula was illustrated here, it is possible to use any model that includes price elements at multiple points in time, and is not limited to this generalized linear model formula or index. Absent.
例えば、2004/04/05における期待販売数量は、当日販売価格X1は128(万円)、前日販売価格X2は128(万円)、過去7日間の最低価格X3は123(万円)、過去28日間の販促回数X4は4(回)、過去14日間の移動平均乖離率X5は22.0(%)であり、図5―3は上記式1を用いて期待販売数量Yを計算した結果、160(個)となることを示している。次に、期待効果算出部14は、各時点の期待販売数量の、ステップSXXで与えられるユーザー指定の期間数の合計値を算出する。
For example, the expected sales volume for 2004/04/05 is 128 (10,000 yen) for the current day sales price X 1 , 128 (10,000 yen) for the previous day sales price X 2 , and the lowest price X 3 for the past 7 days is 123 (10,000 yen). ), The number of sales promotions X 4 in the past 28 days is 4 (times), the moving average deviation rate X 5 in the past 14 days is 22.0 (%), and Figure 5-3 shows the expected sales
続いて、最適解抽出部15は、ユーザの操作入力により指定された全価格パターン、或いは、予め定められた制約条件を充足する全価格パターンについて期待販売数量の合計値の算出処理が終了したか否かを判断する(ステップS36)。
Subsequently, has the optimal
最適解抽出部15は、ステップS36において、全価格パターンについて期待販売数量の合計値の算出処理が終了したと判断すると、算出された期待販売数量の合計値のうち最も高い値をとる価格パターンを最適解として抽出する(ステップS37)。一方、ステップS36において、全価格パターンについて期待販売数量の合計値の算出処理が終了していなければ、ステップS32からの処理が繰り返される。
When the optimum
続いて、出力制御部16は、ステップS37にて抽出された最適解である価格パターンを表示パネル上に表示させる(ステップS38)。
Subsequently, the
尚、上記の動作例では、需要に影響を及ぼす価格パターンから導かれる指標として定義されている項目を除き、過去の一時点の意志決定(前日販売価格)の影響を受けるモデル式を用いているが、過去の複数時点の意志決定の影響を受けるモデル式を適用することも可能である。この場合、販売条件取得部11は、各時点の販売実績データが過去の複数時点(例えば、前日、前々日、・・・)の販売価格を含むデータを販売条件履歴記憶部17から取得することになり、販売条件設定部13は、販売条件決定部12により決定される各時点の当日販売価格を例えば、翌日における前日販売価格、翌々日における前々日販売価格、・・・として設定することとなる。
In the above operation example, except for items defined as indicators derived from price patterns that affect demand, model formulas that are affected by decision making at the previous point in time (the previous day's sales price) are used. However, it is also possible to apply a model formula that is influenced by decision making at multiple points in the past. In this case, the sales
以下に最適値の算出方法の一例を示す。今、インデックスk,nで表される変数Xknを定義する。インデックスkは変数の種類を表すインデックスであり(当日価格:k=1、前日価格:k=2、過去7日間の最低価格:k=3、過去28日間の販促回数:k=4、過去14日間の移動平均乖離率:k=5)、インデックスnは変数がどの時点に該当する変数であるかを表すインデックスである(当日値:n=1、翌日値n=2)。 An example of the optimum value calculation method is shown below. Now, a variable Xkn represented by indexes k and n is defined. Index k is an index indicating the type of variable (current day price: k = 1, previous day price: k = 2, last 7 days minimum price: k = 3, last 28 days number of promotions: k = 4, past 14 Daily moving average divergence rate: k = 5), and index n is an index indicating at which point the variable corresponds (current day value: n = 1, next day value n = 2).
図6は、上記のように定義した変数の当日値Xk1、翌日値Xk2を変数種類(k=1,2,3,4,5)毎にまとめた図である。当日の当日販売価格X11及び翌日の当日販売価格X12は、販売条件決定部12により値が決定される変数である。翌日の前日価格X22は、販売条件設定部13により設定される値であり、この場合当日の当日販売価格X11が翌日の前日販売価格X22として設定されるため、図中では、翌日の前日販売価格X22に該当する個所にはX11と記してある。
FIG. 6 is a diagram in which the current day value X k1 and the next day value X k2 of the variables defined as described above are summarized for each variable type (k = 1, 2, 3, 4, 5). The current day sales price X 11 and the next day sales price X 12 are variables whose values are determined by the sales
当日値Xk1において、X11が如何なる値をとるかに拘わらず、定数となる個所には小文字xで示している。即ち、当日の前日販売価格X21、当日における過去7日間の最低価格X31、当日における過去28日間の販促回数X41、及び、当日における過去14日間の移動平均乖離率X51は何れも前日までの販売実績データに基づいて定められるため夫々x21、x31、x41、x51と示している。 Regardless of what value X 11 takes in the current day value X k1 , a constant part is indicated by a lower case letter x. That is, the previous day sales price X 21 of the day, the lowest price X 31 of the past 7 days on the day, the number of sales promotion X 41 of the past 28 days of the day, and the moving average deviation rate X 51 of the past 14 days of the day are all since determined based on actual sales data to indicate the respective x 21, x 31, x 41 , x 51.
また、翌日値Xk2において、翌日の過去7日間の最低価格X32、翌日における過去28日間の販促回数X42、及び、翌日における過去14日間の移動平均乖離率X52は何れも当日の当日販売価格X11の値に応じて定まる、当日の当日販売価格X11の関数である。従って、翌日の過去7日間の最低価格X32、翌日における過去28日間の販促回数X42、及び、翌日における過去14日間の移動平均乖離率X52を夫々、g3(X11)、g4(X11)、g5(X11)と記している。以上から、当日及び翌日の期待販売数量は夫々、F(X11,x21、x31、x41、x51)、F(X12,X11,g3(x11),g4(x11),g5(x11))と表される。なお、Fは式1のモデル式で規定される関数である。
In addition, in the next day value X k2 , the lowest price X 32 for the past 7 days of the next day, the number of sales promotions X 42 for the past 28 days on the next day, and the moving average divergence rate X 52 for the past 14 days on the next day are all on the same day. determined in accordance with the values of the selling price X 11, a day function of the selling price X 11 of the day. Therefore, g 3 (X 11 ), g 4 are the minimum price X 32 for the past 7 days on the next day, the number of sales promotions X 42 for the past 28 days on the next day, and the moving average deviation rate X 52 for the past 14 days on the next day, respectively. (X 11 ), g 5 (X 11 ). From the above, the expected sales quantities on the current day and the next day are F (X 11 , x 21 , x 31 , x 41 , x 51 ), F (X 12 , X 11 , g 3 (x 11 ), g 4 (x 11 ), g 5 (x 11 )). Note that F is a function defined by the model formula of
そして、最適化条件として両日(当日、翌日)の期待販売数量の合計が最大となる価格パターンを求める場合、両日の期待販売数量の合計は、F(X11,x21、x31、x41、x51)とF(X12,X11,g3(x11),g4(x11),g5(x11))との和である2変数X11,X12の関数F2´(X11,X12)で与えられ、最適化条件を満たす解(最適解)である価格パターンは、F2´(X11,X12)の最大値を与える解P2 *(x11 2*,x12 2*)に他ならない。ここで、一般にs日間(つまりn=s)までの数量を最大化する価格パターンを求めるとすると、FS´=(X11,X12,・・・,X1s)のs変数の関数の最大値を与える価格ベクトル、pS *=(x11 s*,x12 s*,・・・, x1s s*)を求めることとなる。図3に示すフローでは、データを総当りにチェックしているが、一般にはシミュレーテッド・アニーリング法等の手法を用いることにより、理論上は真の最適解を求めることが可能である。 Then, when obtaining a price pattern that maximizes the total expected sales volume on both days (the current day and the next day) as the optimization condition, the total expected sales volume on both days is F (X 11 , x 21 , x 31 , x 41 , X 51 ) and F (X 12 , X 11 , g 3 (x 11 ), g 4 (x 11 ), g 5 (x 11 )) are functions F 2 of two variables X 11 and X 12 The price pattern given by ′ (X 11 , X 12 ) and satisfying the optimization condition (optimal solution) is a solution P 2 * (x 11 ) that gives the maximum value of F 2 ′ (X 11 , X 12 ). 2 * , x 12 2 * ). Here, if a price pattern that maximizes the quantity up to s days (ie, n = s) is generally obtained, the function of the s variable of F S ′ = (X 11 , X 12 ,..., X 1s ) The price vector giving the maximum value, p S * = (x 11 s * , x 12 s * ,..., X 1s s * ) is obtained. In the flow shown in FIG. 3, the data is checked brute-force, but in general, a true optimum solution can be obtained theoretically by using a method such as a simulated annealing method.
なお、過去の販売実績データに基づいて当日のみの期待販売数量を最大化する当日販売価格X11は、一変数X11の関数F(X11,x21、x31、x41、x51)の値を最大化するX11の値である、x11 *によって与えられる。 Note that the current sales price X 11 that maximizes the expected sales volume only on the current day based on past sales performance data is a function F (X 11 , x 21 , x 31 , x 41 , x 51 ) of one variable X 11. Is given by x 11 * , the value of X 11 that maximizes the value of.
上記のように、本実施形態は、販売条件決定部12により決定される各時点の当日販売価格を、夫々翌日における前日の販売価格として再帰的に利用して設定し、各時点の期待販売数量が当該時点の過去の少なくとも一時点(例えば、前日)の販売価格(意志決定)の影響を受けるモデル式を利用して、現在及び/又は将来の各時点における期待販売数量を算出している。従って、算出される現在及び将来の複数時点(複数タイムバケット)の期待販売数量から、複数時点に亘る価格弾力性や基礎需要へ影響を及ぼす要因を考慮した最適な価格パターンを得ることが可能となる。また、本実施形態では、最適化条件を設定することによって、複数タイムバケットにおける最適な価格パターンをより簡便に得ることができる。
As described above, in the present embodiment, the current day sales price determined by the sales
さらに、本実施形態によれば、式1に示すように、過去数日間の最低価格、過去数日間に行われた販促回数及び過去数日間における移動平均乖離率の関数であるcLog(X3)、d(X4)、e(X5)を項に含むモデル式を用いて、期待効果である期待販売数量を求めている。従って、本需要予測装置は、以下の(1)〜(3)の各効果に配慮した価格パターンを算出することも可能としている。
(1)価格低下の際に将来需要を先食いしてしまう、買いだめ効果
(2)過去に実現された低価格を待つことで非販促時の需要が低下する、販促待ち効果
(3)価格トレンド下降に伴う、買い控え効果
Furthermore, according to the present embodiment, as shown in
(1) Pre-purchase effect that preempts future demand in the event of price decline (2) Promotional waiting effect that lowers demand during non-promotion by waiting for low prices realized in the past (3) Price trends Purchasing effect due to the decline
また、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体を、システム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU)が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。 Another object of the present invention is to supply a storage medium storing software program codes for realizing the functions of the above-described embodiments to a system or apparatus, and the computer (or CPU or MPU) of the system or apparatus stores the storage medium. Needless to say, this can also be achieved by reading and executing the program code stored in.
この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、プログラムコード自体及びそのプログラムコードを記憶した記憶媒体は本発明を構成することになる。 In this case, the program code itself read from the storage medium realizes the functions of the above-described embodiments, and the program code itself and the storage medium storing the program code constitute the present invention.
プログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、CD−ROM、CD−R、磁気テープ、不揮発性のメモリカード、ROM等を用いることができる。 As a storage medium for supplying the program code, for example, a flexible disk, a hard disk, an optical disk, a magneto-optical disk, a CD-ROM, a CD-R, a magnetic tape, a nonvolatile memory card, a ROM, or the like can be used.
また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼動しているOS(基本システム或いはオペレーティングシステム)などが実際の処理の一部又は全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。 Further, by executing the program code read by the computer, not only the functions of the above-described embodiments are realized, but also an OS (basic system or operating system) running on the computer based on the instruction of the program code. Needless to say, a case where the functions of the above-described embodiment are realized by performing part or all of the actual processing and the processing is included.
さらに、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるCPU等が実際の処理の一部又は全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。 Further, after the program code read from the storage medium is written in a memory provided in a function expansion board inserted into the computer or a function expansion unit connected to the computer, the function is determined based on the instruction of the program code. It goes without saying that the CPU or the like provided in the expansion board or function expansion unit performs part or all of the actual processing and the functions of the above-described embodiments are realized by the processing.
11:販売条件取得部
12:販売条件決定部
13:販売条件設定部
14:期待効果算出部
15:最適解抽出部
16:出力制御部
17:販売条件履歴記憶部
11: Sales condition acquisition unit 12: Sales condition determination unit 13: Sales condition setting unit 14: Expected effect calculation unit 15: Optimal solution extraction unit 16: Output control unit 17: Sales condition history storage unit
Claims (9)
現在の販売条件、及び、現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件を決定する販売条件決定手段と、
少なくとも前記販売条件決定手段により決定される各販売条件を、各販売条件に該当する時点の一時点先における一時点前の販売条件、又は、各販売条件に該当する時点の複数時点先における当該複数時点前の販売条件前の販売条件として設定する販売条件設定手段と、
前記販売条件取得手段により取得される販売条件、及び、前記販売条件決定手段により決定される現在の販売条件に基づいて現在の期待効果を算出し、且つ/又は、前記販売条件決定手段により決定される現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件、及び、前記販売条件設定手段により各時点について設定される販売条件に基づいて該当する将来の各時点の期待効果を算出する期待効果算出手段とを有することを特徴とする需要予測装置。 Sales condition acquisition means for acquiring the sales conditions before the current temporary point or the sales conditions at each time point from before the current temporary point to a plurality of time points from the sales condition history storage means for storing the sales conditions realized in the past; ,
Sales condition determination means for determining the current sales conditions and the sales conditions of the current temporary point destination or the sales conditions at each time point from the current temporary point destination to a plurality of time points;
At least each sales condition determined by the sales condition determining means is a sales condition before a point in time at a time point corresponding to each sales condition, or a plurality of points at a plurality of time points before a time point corresponding to each sales condition. Sales condition setting means to set as the sales conditions before the sales conditions before the time,
The current expected effect is calculated based on the sales conditions acquired by the sales condition acquisition means and the current sales conditions determined by the sales condition determination means, and / or determined by the sales condition determination means. The current future point-of-sales sales conditions or the sales conditions at each time point from the current temporary point destination to a plurality of time points, and the sales conditions set for each time point by the sales condition setting means A demand forecasting apparatus comprising: an expected effect calculating means for calculating an expected effect at each point of time.
過去に実現された販売条件を記憶する販売条件履歴記憶手段から、現在の一時点前の販売条件又は現在の一時点前から複数時点前までの各時点の販売条件を取得する販売条件取得ステップと、
現在の販売条件、及び、現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件を決定する販売条件決定ステップと、
少なくとも前記販売条件決定ステップにおいて決定される各販売条件を、各販売条件に該当する時点の一時点先における一時点前の販売条件、又は、各販売条件に該当する時点の複数時点先における当該複数時点前の販売条件前の販売条件として設定する販売条件設定ステップと、
前記販売条件取得ステップにおいて取得される販売条件、及び、前記販売条件決定ステップにおいて決定される現在の販売条件に基づいて現在の期待効果を算出し、且つ/又は、前記販売条件決定ステップにおいて決定される現在の一時点先の販売条件又は現在の一時点先から複数時点先までの各時点の各販売条件、及び、前記販売条件設定ステップにおいて各時点について設定される販売条件に基づいて該当する将来の各時点の期待効果を算出する期待効果算出ステップとを含むことを特徴とする需要予測方法。 A demand prediction method by an information processing device,
A sales condition acquisition step of acquiring from the sales condition history storage means for storing the sales conditions realized in the past, the sales conditions before the current temporary point or the sales conditions at each time point from the current temporary point to a plurality of time points before; ,
A current sales condition and a sales condition determination step for determining each current sales condition at each time point from the current temporary point destination to a plurality of time points;
At least each sales condition determined in the sales condition determination step is a sales condition before a point in time at a time point corresponding to each sales condition, or a plurality of points at a plurality of time points before a time point corresponding to each sales condition. Sales conditions setting step to set as sales conditions before the sales conditions before the point of time,
The current expected effect is calculated based on the sales conditions acquired in the sales condition acquisition step and the current sales conditions determined in the sales condition determination step, and / or determined in the sales condition determination step. The current future point-of-sales sales conditions or sales conditions at each point in time from the current temporary point destination to multiple points in time, and the future based on the sales conditions set for each point in the sales condition setting step A demand forecasting method comprising: an expected effect calculating step for calculating an expected effect at each time point.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004183874A JP4559776B2 (en) | 2004-06-22 | 2004-06-22 | Demand forecasting device, demand forecasting method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004183874A JP4559776B2 (en) | 2004-06-22 | 2004-06-22 | Demand forecasting device, demand forecasting method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006011542A true JP2006011542A (en) | 2006-01-12 |
JP4559776B2 JP4559776B2 (en) | 2010-10-13 |
Family
ID=35778777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004183874A Active JP4559776B2 (en) | 2004-06-22 | 2004-06-22 | Demand forecasting device, demand forecasting method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4559776B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009251779A (en) * | 2008-04-03 | 2009-10-29 | Nec Corp | Sales estimation system, method and program |
JP2011253534A (en) * | 2010-06-02 | 2011-12-15 | Xerox Corp | Learning optimal prices |
WO2017135322A1 (en) * | 2016-02-03 | 2017-08-10 | 日本電気株式会社 | Optimization system, optimization method, and recording medium |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0567119A (en) * | 1991-07-12 | 1993-03-19 | Hitachi Ltd | Merchandise analyzing system |
JPH05314094A (en) * | 1992-05-11 | 1993-11-26 | Kao Corp | Sales prediction supporting device |
JPH09179604A (en) * | 1995-09-13 | 1997-07-11 | Toshiba Corp | System and method for controlling operation of plant |
JPH11296501A (en) * | 1998-04-07 | 1999-10-29 | Hitachi Ltd | Time series data predicting method |
JP2000099819A (en) * | 1998-09-17 | 2000-04-07 | Sanyo Electric Co Ltd | Sales number prediction method and device by automatic vending machine |
JP2002073985A (en) * | 2000-08-28 | 2002-03-12 | Hitachi Ltd | Method for assisting transaction and storage medium recording program for assisting transaction |
JP2003022314A (en) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | Method, device and program for estimating real estate price function |
JP2003067565A (en) * | 2001-08-22 | 2003-03-07 | Nli Research Institute | Integrated evaluation system and method for market risk and credit risk |
JP2003168064A (en) * | 2001-12-03 | 2003-06-13 | Japan Inst Of Systems Research | Method for analyzing relation between elements and computer utilizing the method |
JP2003263300A (en) * | 2001-12-05 | 2003-09-19 | Canon Inc | Program, apparatus, and method for predicting expendable supplies demand |
JP2003281442A (en) * | 2002-03-26 | 2003-10-03 | Fujitsu Ltd | Method and program for advertisement distribution |
JP2003296544A (en) * | 2002-04-05 | 2003-10-17 | Toyota Motor Corp | Sales estimating device and sales estimating method |
JP2003346070A (en) * | 2002-05-27 | 2003-12-05 | Matsushita Electric Works Ltd | Demand prediction method and demand prediction system |
JP2004035219A (en) * | 2002-07-05 | 2004-02-05 | Toshiba Corp | Supply chain management support method and its device, and supply chain management program |
JP2004164388A (en) * | 2002-11-14 | 2004-06-10 | Yokogawa Electric Corp | Demand forecast system |
-
2004
- 2004-06-22 JP JP2004183874A patent/JP4559776B2/en active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0567119A (en) * | 1991-07-12 | 1993-03-19 | Hitachi Ltd | Merchandise analyzing system |
JPH05314094A (en) * | 1992-05-11 | 1993-11-26 | Kao Corp | Sales prediction supporting device |
JPH09179604A (en) * | 1995-09-13 | 1997-07-11 | Toshiba Corp | System and method for controlling operation of plant |
JPH11296501A (en) * | 1998-04-07 | 1999-10-29 | Hitachi Ltd | Time series data predicting method |
JP2000099819A (en) * | 1998-09-17 | 2000-04-07 | Sanyo Electric Co Ltd | Sales number prediction method and device by automatic vending machine |
JP2002073985A (en) * | 2000-08-28 | 2002-03-12 | Hitachi Ltd | Method for assisting transaction and storage medium recording program for assisting transaction |
JP2003022314A (en) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | Method, device and program for estimating real estate price function |
JP2003067565A (en) * | 2001-08-22 | 2003-03-07 | Nli Research Institute | Integrated evaluation system and method for market risk and credit risk |
JP2003168064A (en) * | 2001-12-03 | 2003-06-13 | Japan Inst Of Systems Research | Method for analyzing relation between elements and computer utilizing the method |
JP2003263300A (en) * | 2001-12-05 | 2003-09-19 | Canon Inc | Program, apparatus, and method for predicting expendable supplies demand |
JP2003281442A (en) * | 2002-03-26 | 2003-10-03 | Fujitsu Ltd | Method and program for advertisement distribution |
JP2003296544A (en) * | 2002-04-05 | 2003-10-17 | Toyota Motor Corp | Sales estimating device and sales estimating method |
JP2003346070A (en) * | 2002-05-27 | 2003-12-05 | Matsushita Electric Works Ltd | Demand prediction method and demand prediction system |
JP2004035219A (en) * | 2002-07-05 | 2004-02-05 | Toshiba Corp | Supply chain management support method and its device, and supply chain management program |
JP2004164388A (en) * | 2002-11-14 | 2004-06-10 | Yokogawa Electric Corp | Demand forecast system |
Non-Patent Citations (1)
Title |
---|
直江 秀憲: "ロトカーボルテラモデルによる消費財需要量の予測", 電気学会論文誌C, vol. 118, no. 6, JPN6010039360, 1 June 1998 (1998-06-01), JP, pages 941 - 946, ISSN: 0001669757 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009251779A (en) * | 2008-04-03 | 2009-10-29 | Nec Corp | Sales estimation system, method and program |
JP2011253534A (en) * | 2010-06-02 | 2011-12-15 | Xerox Corp | Learning optimal prices |
WO2017135322A1 (en) * | 2016-02-03 | 2017-08-10 | 日本電気株式会社 | Optimization system, optimization method, and recording medium |
JPWO2017135322A1 (en) * | 2016-02-03 | 2018-11-29 | 日本電気株式会社 | Optimization system, optimization method, and program |
Also Published As
Publication number | Publication date |
---|---|
JP4559776B2 (en) | 2010-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4465417B2 (en) | Customer segment estimation device | |
US20050131779A1 (en) | Production scheduling system | |
JPH10143490A (en) | Demand prediction method, demand prediction system and recording medium | |
US8554604B2 (en) | Method and apparatus for modeling a business processes | |
US20070129981A1 (en) | Business solution management | |
US20100306031A1 (en) | System and Method for Product Role Analysis | |
US20150066569A1 (en) | Balancing supply and demand using demand-shaping actions | |
US20030028413A1 (en) | System and method for evaluating strategic business alliances | |
JP2003132197A (en) | Economical impact analysis tool for guaranteed device | |
JP2007233944A (en) | System for predicting commodity sales | |
US10572890B2 (en) | Balancing inventory by personalized transition planning | |
US20080270202A1 (en) | Methods of life cycle optimization for solutions including tooling | |
US20090048889A1 (en) | Manufacturing portfolio flexibility planning | |
JP6265871B2 (en) | Sales operation support system and sales operation support method | |
JP4559776B2 (en) | Demand forecasting device, demand forecasting method and program | |
US8046252B2 (en) | Sales plan evaluation support system | |
US20030014346A1 (en) | Method for auction based simulation to extract demand curve | |
JP4339769B2 (en) | Prediction model selection device, prediction model selection method, and program | |
JP4343806B2 (en) | Prediction device, prediction method, and program | |
JP4280045B2 (en) | Production volume calculation method, production volume calculation device, production volume calculation system, production volume calculation program and recording medium | |
Seif et al. | Parallel machine replacement under horizon uncertainty | |
JP2003016245A (en) | System, program and method for predicting sales | |
JP4490178B2 (en) | Information processing apparatus, information processing method, and program | |
JP7436854B2 (en) | Information processing device, control method, program | |
JP4327648B2 (en) | Computer program, inventory management apparatus and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070607 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091019 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100112 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100302 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100602 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20100609 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100713 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100723 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4559776 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130730 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |