JP2006338585A - Demand prediction method, demand prediction analysis server, and demand prediction program - Google Patents
Demand prediction method, demand prediction analysis server, and demand prediction program Download PDFInfo
- Publication number
- JP2006338585A JP2006338585A JP2005165335A JP2005165335A JP2006338585A JP 2006338585 A JP2006338585 A JP 2006338585A JP 2005165335 A JP2005165335 A JP 2005165335A JP 2005165335 A JP2005165335 A JP 2005165335A JP 2006338585 A JP2006338585 A JP 2006338585A
- Authority
- JP
- Japan
- Prior art keywords
- order
- orderer
- demand
- type product
- assembly
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、コンピュータや自動車等の組立型製品の需要予測方法、および需要予測分析サーバ、並びに需要予測プログラムに関する。特に、製品の仕様定義が複雑なためにコンピュータによる仕様定義の支援が必要であったり、高額な製品であるために仕様確定から価格確定までに時間が必要であったり、製品の需要が時間経過に対して大きく変動するために将来のある時点における製品の需要量を正確に把握することが必要であったりする製品、例えば、高性能コンピュータ装置の様な製品の需要予測に好適である。 The present invention relates to a demand prediction method for an assembly-type product such as a computer and an automobile, a demand prediction analysis server, and a demand prediction program. In particular, because the product specification definition is complex, it is necessary to support the specification definition by a computer, or because it is an expensive product, it takes time from specification specification to price determination, and the demand for the product has elapsed over time. Therefore, it is suitable for predicting the demand of products such as high-performance computer devices that require accurate grasping of the amount of product demand at a certain time in the future.
近年、コンピュータや自動車といった製品では顧客ニーズの多様化が進んでおり、顧客1人1人の要望に合わせて製品仕様をカスタマイズして生産する受注仕様生産が普及している。この生産方式は、製品を独立した機能を有する部品ユニットに細分化しておき、顧客の要求に応じて部品ユニットの組み合せを変えることで、限られた部品ユニットから多様な機能の製品を生産するものである。 In recent years, customer needs have been diversified in products such as computers and automobiles, and order specification production in which product specifications are customized and produced according to the needs of each customer has become widespread. This production method subdivides products into component units with independent functions, and changes the combination of component units according to customer requirements to produce products with various functions from limited component units. It is.
一方、こうした受注仕様生産を実現するためには、組み合せ可能な部品ユニットのパターンを考慮した正しい仕様定義を行う必要があるが、組み合せパターンが膨大となると人手によるチェック作業は困難になる。このため、コンピュータ装置により部品ユニットの組み合せパターンをチェックして、正しい仕様定義を支援する「見積支援装置」が普及している。このような製品では、注文者が「見積支援装置」により仕様定義を行う割合が高くなるため、「見積支援装置」における見積履歴情報は将来の生産に必要な部品情報を含む可能性が高くなる。 On the other hand, in order to realize such a customized specification production, it is necessary to define a correct specification in consideration of a pattern of component units that can be combined. However, when the number of combined patterns becomes enormous, it is difficult to manually check. For this reason, “estimation support devices” that check the combination pattern of component units by a computer device and support correct specification definition have become widespread. In such a product, since the ratio of order definition by the “estimation support device” is high for the orderer, the estimation history information in the “estimation support device” is more likely to include parts information necessary for future production. .
上記のような見積履歴情報を将来の生産のための部品調達に活用する方式が、特許文献1に開示されている。特許文献1の技術は、顧客による見積依頼操作または商談申込操作の少なくとも一方を含む購入準備操作を受けて、選択商品の生産準備操作を開始するものである。
企業用途コンピュータは、その需要が景気の影響を受けやすいため、時間経過に伴う需要量の変動が大きい。さらに、構成部品であるCPU、メモリ、HDDは技術革新が著しく陳腐化速度が速い。このような製品では、需要変動に対応して部品調達を必要量だけ行い、受注機会の損失を防ぎつつ余剰在庫を生じないことが求められる。このためには、将来のある時点での需要を正確に把握する必要がある。上記特許文献1の技術では、顧客による購入準備操作により、将来、選択商品の需要が生じることは予測できるが、いつの時点で需要が生じるかを把握することが困難である。
Since the demand for enterprise-use computers is easily affected by the economy, fluctuations in demand over time are large. In addition, the components such as CPU, memory, and HDD are remarkably technologically innovative and have a high obsolete speed. Such products are required to procure only the necessary amount of parts in response to demand fluctuations and prevent loss of order receipt while avoiding excess inventory. For this purpose, it is necessary to accurately grasp the demand at a certain point in the future. With the technique of the above-mentioned
本発明は上記事情に鑑みなされたものであり、将来のある時点における製品の需要を正確に把握する需要予測方法、および需要予測分析サーバ、並びに需要予測プログラムを提供することを目的とする。 The present invention has been made in view of the above circumstances, and an object of the present invention is to provide a demand prediction method, a demand prediction analysis server, and a demand prediction program for accurately grasping a demand for a product at a certain point in the future.
本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。 Of the inventions disclosed in the present application, the outline of typical ones will be briefly described as follows.
本発明による需要予測方法は、組立型製品の需要を予測するためのコンピュータ装置を用いた需要予測方法であって、注文者による組立型製品の見積り操作の記録および注文者による組立型製品の注文操作の記録をコンピュータ装置に入力し、コンピュータ装置が、入力した見積り操作の記録および注文操作の記録の関係付け処理を行うステップと、コンピュータ装置が、関係付け処理の結果から見積り操作に対する注文確率および注文時間遅れのパラメータを算出するステップと、コンピュータ装置が、注文者による組立型製品の見積り操作およびパラメータに基づいて、見積り操作が注文に至る数と時期、または見積り操作が注文に至り、組立型製品が出荷される数と時期を予測するステップとを有するものである。 The demand prediction method according to the present invention is a demand prediction method using a computer device for predicting the demand for an assembly-type product. The demand prediction method records the estimation operation of the assembly-type product by the orderer and orders the assembly-type product by the orderer. An operation record is input to the computer device, and the computer device performs a correlation process between the input estimate operation record and the order operation record; and the computer device determines an order probability for the estimate operation from the result of the correlation process; The step of calculating the parameter for delaying the order time, and the computer apparatus determines the number and timing of the estimate operation to be ordered or the estimate operation reaches the order based on the estimate operation and the parameter of the assembly type product by the orderer. Predicting the number and timing of product shipments.
また、本発明による需要予測方法は、組立型製品の需要を予測するためのコンピュータ装置を用いた需要予測方法であって、注文者による組立型製品の見積り操作の記録および注文者による組立型製品の注文操作の記録をコンピュータ装置に入力し、コンピュータ装置が、入力した注文者および組立型製品の種類によりグループ分けするステップと、コンピュータ装置が、グループ分けされた、それぞれの見積り操作の記録および注文操作の記録の関係付け処理を行うステップと、コンピュータ装置が、グループごとに、関係付け処理の結果から見積り操作に対する注文確率および注文時間遅れのパラメータを算出するステップと、コンピュータ装置が、注文者による組立型製品の見積り操作およびグループごとのパラメータに基づいて、見積り操作が注文に至る数と時期、または見積り操作が注文に至り、組立型製品が出荷される数と時期を予測するステップとを有するものである。 The demand prediction method according to the present invention is a demand prediction method using a computer device for predicting the demand for an assembly-type product. The demand prediction method records an estimation operation of the assembly-type product by the orderer and the assembly-type product by the orderer. The order operation record is input to the computer device, and the computer device performs grouping according to the input orderer and the type of the assembly-type product, and the computer device is grouped to record and estimate each estimate operation. A step of performing an operation recording correlation process, a computer device calculating, for each group, parameters of an order probability and an order delay for an estimation operation from a result of the correlation processing; Based on the estimate operation of the assembled product and the parameters for each group The number and timing of Ri operation reaches the order, or estimated operation reaches the order, in which a step of predicting the timing and number of assembled products are shipped.
また、本発明による需要予測分析サーバは、組立型製品の需要を予測するための需要予測分析サーバであって、注文者による組立型製品の見積り操作の記録および注文者による組立型製品の注文操作の記録を入力し、入力した見積り操作の記録と注文操作の記録の関係付け処理を行い、関係付け処理の結果から見積り操作に対する注文確率および注文時間遅れのパラメータを算出するパラメータ生成処理手段と、注文者による組立型製品の見積り操作およびパラメータに基づいて、見積り操作が注文に至る数と時期、または見積り操作が注文に至り、組立型製品が出荷される数と時期を予測する予測処理手段とを備えたものである。 The demand prediction analysis server according to the present invention is a demand prediction analysis server for predicting the demand for an assembly-type product, and records the estimation operation of the assembly-type product by the orderer and the ordering operation of the assembly-type product by the orderer. Parameter generation processing means for performing a correlation process between the input estimate operation record and the order operation record, and calculating an order probability and an order delay parameter for the estimate operation from the result of the correlation process; Predictive processing means for predicting the number and timing of the estimate operation reaching the order or the estimate operation reaching the order and the number of assembled products shipped based on the orderer's estimate operation and parameters of the assembled product It is equipped with.
また、本発明による需要予測プログラムは、組立型製品の需要を予測するためにコンピュータ装置を、注文者による組立型製品の見積り操作の記録および注文者による組立型製品の注文操作の記録を入力し、見積り操作の記録と注文操作の記録の関係付け処理を行い、関係付け処理の結果から見積り操作に対する注文確率および注文時間遅れのパラメータを算出するパラメータ生成処理手段と、注文者による組立型製品の見積り操作およびパラメータに基づいて、見積り操作が注文に至る数と時期、または見積り操作が注文に至り、組立型製品が出荷される数と時期を予測する予測処理手段として機能させるものである。 In addition, the demand prediction program according to the present invention inputs a computer apparatus, a record of an estimate operation of an assembly type product by an orderer, and a record of an order operation of the assembly type product by an orderer to predict the demand of the assembly type product. A parameter generation processing means for performing a correlation process between the record of the estimate operation and the record of the order operation, and calculating a parameter of the order probability and the order time delay for the estimate operation from the result of the correlation process; Based on the estimation operation and the parameters, it functions as a prediction processing means for predicting the number and timing when the estimation operation reaches the order, or the estimation operation reaches the order and the number and timing when the assembled product is shipped.
本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明すれば以下のとおりである。 Among the inventions disclosed in the present application, effects obtained by typical ones will be briefly described as follows.
本発明によれば、生産者は生産や部品調達を計画的に実行でき、受注機会の損失を防ぐ一方、余剰在庫の発生を防ぐことが可能となる。さらには、決算時期における販売計画の達成度合いを事前に把握することが可能となり、挽回策を実施することにより不達成の度合いを低減することが可能となる。 According to the present invention, a producer can systematically execute production and parts procurement, and it is possible to prevent generation of surplus inventory while preventing loss of order receipt. Furthermore, it becomes possible to grasp in advance the degree of achievement of the sales plan at the settlement date, and it becomes possible to reduce the degree of unachieved by implementing a recovery plan.
以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Note that components having the same function are denoted by the same reference symbols throughout the drawings for describing the embodiment, and the repetitive description thereof will be omitted.
<需要予測分析サーバを含むシステムの全体構成>
図1により、本発明の一実施の形態に係る需要予測分析サーバを含むシステムの全体構成について説明する。図1は本発明の一実施の形態に係る需要予測分析サーバを含むシステムの全体構成を示す構成図である。
<Overall configuration of system including demand forecast analysis server>
The overall configuration of a system including a demand prediction analysis server according to an embodiment of the present invention will be described with reference to FIG. FIG. 1 is a configuration diagram showing the overall configuration of a system including a demand prediction analysis server according to an embodiment of the present invention.
図1において、製品の注文者が利用する注文者端末1と、製品を提供する企業側システムがインターネット等の通信回線2で結ばれている。企業側システムは、見積支援サーバ3、見積管理サーバ4、注文支援サーバ5、注文管理サーバ6、需要予測を行うために需要予測分析サーバ7、販売管理サーバ8、生産管理サーバ9、調達管理サーバ10からなり、各サーバ間はネットワーク等の通信回線で結ばれている。また、調達管理サーバ10は、インターネット等の通信回線2により部品メーカのコンピュータ11と結ばれている。
In FIG. 1, an
注文者端末1は汎用コンピュータ装置であって、ディスプレイ等の表示装置、マウスやキーボード等の入力装置、CPU、メモリ、HDD、通信装置を備える。注文者は、入力装置から要求操作を加え、要求操作の情報が通信回線を通じて企業側システムに伝えられ、企業側システムのサービス情報が通信回線を通じて注文者の端末に伝えられ、ディスプレイ装置に表示される。
The
見積支援サーバ3は汎用コンピュータ装置であって、CPU、メモリ、HDD、通信装置を備える。見積支援サーバ3には、注文者端末において選定された製品仕様の情報が通信回線を経由して伝えられる。見積支援サーバ3は、前記選定された仕様を入力とし、内部に記録されている仕様選択制約の情報を参照して、次に選択可能な製品仕様を出力する。前記製品仕様は、通信回線2を通じて注文者端末1に伝えられ、注文者端末のディスプレイ装置に表示される。また、注文者端末1で確定された製品仕様を含む見積データは、通信回線を経由して見積管理サーバ4に伝えられ、データベース12に記録される。
The
見積管理サーバ4は汎用コンピュータ装置であって、CPU、メモリ、HDD、通信装置を備える。見積管理サーバ4は、見積支援サーバ3より通信回線を経由して見積データを受け取りデータベース12に記録する。また、通信回線を経由して各種サーバより出力要求を受け付け、データベース12から所望の見積データを検索し、通信回線を経由して出力する。
The
注文支援サーバ5は汎用コンピュータ装置であって、CPU、メモリ、HDD、通信装置を備える。注文支援サーバ5は、注文者端末1において注文データが入力されると、これが通信回線を経由して伝えられ、注文データの内容をチェックして注文者端末のディスプレイ装置に表示する。さらに、注文者が確定した注文データは通信回線を経由して注文管理サーバ6に伝えられ、データベース13に記録される。
The
注文管理サーバ6は汎用コンピュータ装置であって、CPU、メモリ、HDD、通信装置を備える。注文管理サーバ6は、注文支援サーバ5より通信回線を経由して注文データを受け取りデータベースに記録する。また、通信回線を経由して各種サーバより出力要求を受け付け、データベース13から注文データを検索して通信回線を経由して出力する。
The
需要予測分析サーバ7は、本実施の形態において、システム全体の核となるコンピュータ装置であって、ディスプレイ等の表示装置14、マウスやキーボード等の入力装置、CPU、メモリ、HDD、通信装置、データベースを備える。
In the present embodiment, the demand
また、需要予測分析サーバ7を動作させるための需要予測プログラムは、前記HDDに格納されている。
A demand prediction program for operating the demand
需要予測分析サーバ7は、受注予測と出荷予測を行う。それぞれについて、パラメータ生成処理と予測処理が実行される。
The demand
まず、受注予測のパラメータ生成処理について説明すれば、予測担当者により入力装置から条件が入力される。需要予測分析サーバ7は、前記条件において必要な見積データと受注データを見積管理サーバ4と受注管理サーバ6から取得する。次に、前記条件を参照して受注予測パラメータを生成する。前記パラメータは生成条件とともにデータベース15に記録される。次に、予測処理では、入力装置から条件が入力される。需要予測分析サーバ7は、前記条件において必要な見積データを見積管理サーバ4から取得するとともに、データベース15から受注予測パラメータを取得し、予測処理を実行する。前記、予測処理の結果は、データベース15に記録される。
First, the order generation parameter generation process will be described. A condition is input from an input device by a person in charge of prediction. The demand
次に、出荷予測のパラメータ生成処理について説明すれば、予測担当者により入力装置から条件が入力される。需要予測分析サーバ7は、前記条件において必要な見積データと出荷データを見積管理サーバ4と生産管理サーバ9から取得する。次に、前記条件を参照して出荷予測パラメータを生成する。前記パラメータは生成条件とともにデータベースに記録される。次に、予測処理では、入力装置から条件が入力される。
Next, the parameter generation process for shipping prediction will be described. A condition is input from the input device by the person in charge of prediction. The demand
需要予測分析サーバ7は、前記条件において必要な見積データを見積管理サーバ4から取得するとともに、データベース15から出荷予測パラメータを取得し、予測処理を実行する。前記予測処理の結果は、データベース15に記録される。
The demand
販売管理サーバ8は汎用コンピュータ装置であって、ディスプレイ等の表示装置16、マウスやキーボード等の入力装置、CPU、メモリ、HDD、通信装置、データベース17を備える。販売管理サーバ8は、販売担当である操作者が入力装置から表示条件を入力する。表示条件は通信回線を経由して需要予測分析サーバ7に送信され、需要予測分析サーバ7から必要な受注予測データが返信される。受注予測データは表示装置16に表示される。一方、データベース17から予め登録してある販売計画データが読み出され表示装置16に受注予測データと重ねて表示される。この結果、将来の受注予測に照らして販売計画が達成可能かどうかが判定できる。
The
生産管理サーバ9は汎用コンピュータ装置であって、ディスプレイ等の表示装置18、マウスやキーボード等の入力装置、CPU、メモリ、HDD、通信装置、データベース19を備える。生産管理サーバ9は、生産担当である操作者が入力装置から表示条件を入力する。表示条件は通信回線を経由して需要予測分析サーバ7に送信され、需要予測分析サーバ7から必要な出荷予測データが返信される。出荷予測データは表示装置18に表示される。一方、データベース19から予め登録してある生産計画データが読み出され表示装置18に出荷予測データと重ねて表示される。この結果、将来の出荷予測に照らして生産計画による製品供給量との過不足数が判定できる。生産担当である操作者は、出荷予測データを参照して生産計画データを調整し、データベース19に格納する。
The
調達管理サーバ10は汎用コンピュータ装置であって、ディスプレイ等の表示装置20、マウスやキーボード等の入力装置、CPU、メモリ、HDD、通信装置、データベース21を備える。調達管理サーバ10は、調達担当である操作者が入力装置から表示条件を入力する。表示条件は通信回線を経由して生産管理サーバ9に送信され、生産計画データが検索され、通信回線を経由して調達管理サーバ10に返信される。返信された生産計画データは、データベース21に格納されている製品構成データを参照して調達予測データに変換され表示装置20に表示される。
The
一方、データベース21から予め登録してある調達計画データが読み出され表示装置20に調達予測データと重ねて表示される。この結果、将来の調達予測に照らして調達計画が達成可能かどうかが判定できる。次に、調達担当である操作者は、調達予測データを参照して調達計画データを調整し、データベース21に格納するとともに、インターネット等の通信回線2を経由して部品メーカのコンピュータ11に送信される。
On the other hand, procurement plan data registered in advance from the
<需要予測分析サーバの動作>
次に、図2〜図16により、本発明の一実施の形態に係る需要予測分析サーバの動作について説明する。図2〜図16は本発明の一実施の形態に係る需要予測分析サーバの動作を説明するための説明図である。
<Operation of demand forecast analysis server>
Next, the operation of the demand prediction analysis server according to the embodiment of the present invention will be described with reference to FIGS. 2-16 is explanatory drawing for demonstrating operation | movement of the demand prediction analysis server based on one embodiment of this invention.
図2は需要予測処理のブロック図であり、図2の処理は、図1の分析サーバに格納されている需要予測プログラムにより実行される。以下、受注予測処理を例として説明するが、図2の受注データを出荷データに置き換えれば出荷予測処理も同様な手順で実行可能である。また、コンピュータ製品を例として実施例を説明するが、他の製品においても同様な手法が適用可能である。 FIG. 2 is a block diagram of the demand prediction process, and the process of FIG. 2 is executed by a demand prediction program stored in the analysis server of FIG. Hereinafter, the order prediction process will be described as an example. However, if the order data in FIG. 2 is replaced with the shipment data, the shipment prediction process can be executed in the same procedure. Further, the embodiment will be described by taking a computer product as an example, but the same technique can be applied to other products.
まず、需要予測処理では、データを性質が類似するグループに分類しておき、グループ単位に処理を実行する。具体的には、処理に使用する見積データや受注データを、同一の注文者や同一の製品種類ごとにグループ分け30する。この結果、性質が類似するグループ単位で以降に説明する相関解析処理が可能となり、予測精度を向上させることができる。 First, in the demand prediction process, data is classified into groups having similar properties, and the process is executed in units of groups. Specifically, estimate data and order data used for processing are grouped 30 for each same orderer and same product type. As a result, the correlation analysis process described below can be performed in units of groups having similar properties, and the prediction accuracy can be improved.
需要予測処理は、図2に示すように、パラメータ生成処理31と予測処理32からなる。パラメータ生成処理31は予測に必要なパラメータを生成する準備段階であり、予測処理32は前記パラメータを用いた実行段階に相当する。まず、パラメータ生成処理31について説明すれば、各グループごとに過去の見積データ33と受注データ34の相関解析処理35が実行され、相関パラメータが生成される。次に、予測処理32において、各グループごとに相関パラメータと新規の見積データ39の掛け合わせ処理36が実行され、需要予測データが生成される。最後に各グループの需要予測データを加え合わせるとともに、結果の利用用途に応じた加工を行う出力処理37を行い、最終的な需要予測データ38が生成される。
As shown in FIG. 2, the demand prediction process includes a
図3はグループ分け処理の説明図であり、図3(a)はあるコンピュータ製品群について見積が行われた製品の台数の合計値の時間推移を示したものである。横軸は時間であり、縦軸は製品台数である。データは第N月より集計が開始されており、現在である第N+3月まで集計された様子を示している。横軸の各時点における台数は、製品種類や注文者等の分類情報が記録された見積データから台数を抜き出して集計したものである。このため、分類ルールを定義することにより、図3(a)のコンピュータ製品群の全体データは、図3(b)のように複数のグループに分解できる。図3(b)は、図3(a)の全体データが台数の変動の大きい小型コンピュータのグループ1から台数の変動の小さい大型コンピュータのグループgに分類された例を示している。
FIG. 3 is an explanatory diagram of the grouping process, and FIG. 3A shows the time transition of the total number of products estimated for a certain computer product group. The horizontal axis is time, and the vertical axis is the number of products. The data starts counting from the Nth month, and shows a state where the data is totaled up to the current N + March. The number of units at each time point on the horizontal axis is obtained by extracting the numbers from the estimated data in which the classification information such as the product type and the orderer is recorded and totaling the numbers. Therefore, by defining the classification rule, the entire data of the computer product group in FIG. 3A can be decomposed into a plurality of groups as shown in FIG. FIG. 3B shows an example in which the entire data in FIG. 3A is classified into the
また、図4は相関解析処理の説明図であり、図4(a)は図3(b)の大型コンピュータのグループgのデータであり、横軸が時間、縦軸が見積データおよび受注データから集計した製品台数を意味している。過去の第N月の1ヶ月間に発生した見積データは、第N月以降の受注データと案件単位に突合せ処理され、いつ何件の受注に至ったかが特定される。 FIG. 4 is an explanatory diagram of the correlation analysis process. FIG. 4A is the data of the group g of the large computer in FIG. 3B, the horizontal axis is time, the vertical axis is the estimated data and the order data. It means the total number of products. Estimated data generated in the past month of the Nth month is matched with the order data from the Nth month onward, and the number of orders received is specified.
突合せ処理の詳細は後述する。見積が受注に至る期間は一様ではなくばらつきを持つ。 Details of the matching process will be described later. The period from when quotes are received to orders is not uniform but varies.
例えば、図4の×の案件A(40)のように見積から比較的早く受注に至るケースもあれば、図4の△の案件B(41)ように見積から受注までに時間を要するケースもある。 For example, there is a case where an order is received from an estimate relatively early as in case X (A) (40) in FIG. 4, and there is a case where time is required from an estimate to an order as in case B (41) in FIG. is there.
このため、図4(a)のように第N月の1ヶ月間に発生した見積データは、第N月以降に受注台数の分布42となる。
For this reason, as shown in FIG. 4A, the estimated data generated in the first month of the Nth month becomes the
次に、図4(a)の時間軸を変換することにより図4(b)の時間遅れ関数43を得る。図4(b)は図4(a)の第N月に発生した見積の台数を図4(b)の時間ゼロ44に移動させて受注台数の分布を集計、表示したものである。ただし、時間ゼロに移動させた見積の台数の合計が1.0となるように下式の受注比率を定義し、これにより換算している。
Next, the
なお、図4(b)は図4(c)のように簡略化しても良い。図4(c)は図4(b)の時間遅れ関数43を平均遅れ時間45で代表させたものである。図4において、以下の相関パラメータを定義する。
In addition, you may simplify FIG.4 (b) like FIG.4 (c). FIG. 4C shows the
図5は掛け合わせ処理の説明図であり、図5(a)は図3(b)の大型コンピュータのグループgのデータであり、横軸が時間、縦軸が見積データから集計した製品台数を意味している。図5は現在である第N+3月以降を表示したものである。図5(b)は図4(b)の時間遅れ関数である。図5(a)のデータと図5(b)の時間遅れ関数を用いて下式の掛け合わせ処理を実施する。同処理は、信号処理において用いられる畳み込み積分として知られている。この結果、過去の時間遅れ関数が将来も引き継がれると仮定して、当月の見積から集計された台数から将来のある時点の受注台数を予測することが可能となる。 FIG. 5 is an explanatory diagram of the multiplication process. FIG. 5A shows data of the group g of the large computer in FIG. 3B. The horizontal axis represents time, and the vertical axis represents the number of products aggregated from the estimated data. I mean. FIG. 5 shows the current time after the N + March. FIG. 5B is the time delay function of FIG. Using the data of FIG. 5A and the time delay function of FIG. This process is known as convolution integral used in signal processing. As a result, it is possible to predict the number of orders received at a certain time in the future based on the number of units calculated from the estimate for the current month, assuming that the past time delay function will continue in the future.
ただし、h(m)は時間遅れ関数の離散値表現であり、u(n)は見積から集計された製品台数、x(n)は将来の受注台数である。 However, h (m) is a discrete value representation of the time delay function, u (n) is the number of products aggregated from the estimate, and x (n) is the number of future orders.
図6は出力処理の説明図であり、同処理は、需要予測データを利用目的に合致したデータに加工する処理であり、合成処理と分解処理からなる。 FIG. 6 is an explanatory diagram of the output process. This process is a process for processing the demand forecast data into data that matches the purpose of use, and comprises a synthesis process and a decomposition process.
図6(a)はグループ1からグループgについて図5の掛け合わせ処理を行った結果である。図6(b)は各グループの掛け合わせ処理の結果を合成処理により合成した結果を示している。
FIG. 6A shows the result of performing the multiplication process of FIG. 5 for
例えば、グループ1からグループgが個別の注文者であった場合、図6(b)は全ての注文者のルートを合計した需要予測量を意味し、将来の販売台数を意味する。このため、販売計画と図6(b)を比較すれば販売計画の到達度を事前に知ることができ、未達成である場合は挽回策を事前に講じることが可能となり、計画達成の度合いを高めることができる。
For example, when the
一方、図6(c)は、図6(b)を部品別の需要予測数に分解処理した例である。図6(b)を、図6(c)に分解するためには、各製品の部品搭載員数を乗じることにより実現できる。図6(c)のグループaは、図6(b)の製品1台あたり2台が搭載される部品の需要予測結果である。 On the other hand, FIG.6 (c) is an example which decomposed | disassembled FIG.6 (b) into the demand forecast number according to components. 6B can be disassembled into FIG. 6C by multiplying the number of parts mounted on each product. Group a in FIG. 6C is a demand prediction result of parts on which two units are mounted per product in FIG. 6B.
一方、グループcは、図6(b)の製品1台あたり0.5台が搭載される、即ち必ずしも必須では無いが2台に1台の割合で搭載される部品の需要予測結果である。図6(c)を参照することにより、部品調達を正確に行うことが可能となり、受注機会の損失を防ぎつつ余剰在庫を最小とすることができる。 On the other hand, the group c is a demand prediction result of a component in which 0.5 units are mounted per product in FIG. 6B, that is, not necessarily required but mounted at a rate of one unit per two units. By referring to FIG. 6C, it becomes possible to accurately procure parts, and it is possible to minimize surplus inventory while preventing loss of order receipt opportunities.
図7はグループ分けの必要性を説明する図であり、図7(a)から図7(c)は時間遅れ関数をコンピュータ製品の機種別に表示した例である。図7(a)は小型コンピュータ、図7(b)は中型コンピュータ、図7(c)は大型コンピュータの例である。小型コンピュータは、価格が安いため価格交渉の時間が短く時間遅れが少ない上に、商談件数が多く受注確率が低い案件を多く含む傾向がある。このため、遅れ時間が少なくピークが低い分布となる。一方、大型コンピュータは、価格が高いために価格交渉の時間が長く見積りから受注に至る期間にもばらつきが大きい。しかし、商談は確度が高いものが多いため、受注確度が高い特徴がある。中型コンピュータは、前2者の中間的な性格を持つ。こうしたコンピュータ製品の機種ごとに相関解析を実行することにより、相関度合いが高くなるために、より精度の高い需要予測が可能となる。 FIG. 7 is a diagram for explaining the necessity of grouping, and FIGS. 7A to 7C are examples in which time delay functions are displayed for each type of computer product. FIG. 7A shows an example of a small computer, FIG. 7B shows an example of a medium-sized computer, and FIG. 7C shows an example of a large computer. Small computers tend to include a lot of deals with a large number of negotiations and a low probability of receiving orders, because the price is low and the price negotiation time is short and there is little time delay. For this reason, it becomes a distribution with little delay time and a low peak. On the other hand, since large computers are expensive, there is a large variation in the period from price estimation to order receipt due to a long time for price negotiation. However, since there are many business negotiations with high accuracy, there is a feature of high order accuracy. Medium-sized computers have an intermediate character between the two. By executing the correlation analysis for each model of the computer product, the degree of correlation is increased, so that it is possible to predict demand with higher accuracy.
図7(d)と図7(e)は注文者によるグループ分けの例である。図7(d)は社内営業ルート、図7(e)は社外営業ルートの時間遅れ関数の例である。社内営業ルートでは、商談手続きが簡単であるため遅れ時間が短い一方、自社製品をメインに扱うために受注確率も高い。一方、社外営業ルートでは商談手続きが相対的に長くなる一方、他社案件との比較で失注する割合が多い。このため、これらをグループ分けして別々に時間遅れ関数を求め需要予測することが有効である。 FIG. 7D and FIG. 7E are examples of grouping by the orderer. FIG. 7D shows an example of the time delay function of the internal sales route, and FIG. 7E shows an example of the time delay function of the external sales route. In the in-house sales route, the negotiation process is simple and the delay time is short. On the other hand, on the outside sales route, the negotiation process is relatively long, but on the other hand, there is a large proportion of lost orders compared to other companies. For this reason, it is effective to predict the demand by grouping them and obtaining the time delay function separately.
図8は時期により相関パラメータを変更することの必要性を説明する図であり、図8(a)は見積案件から集計した台数50、受注案件から集計した台数51、出荷台数52の時間推移を決算期について図示したものである。第N月は決算期の開始月を、第N+5月は決算期の終了月を意味している。
FIG. 8 is a diagram for explaining the necessity of changing the correlation parameter depending on the time. FIG. 8A shows the time transition of the number of
一般に、出荷台数52は決算期の終了月に向け増加する傾向がある。これは、メーカ側は販売計画を達成するために営業活動を強化するためであり、注文者は予算を消化するために注文台数を増やすためである。これに対して、見積案件による台数50および受注案件による台数51は出荷台数と同様に決算期の最終月に向けて増加するが、ピーク時期は最終月よりも前となる。これは、受注案件による台数51は、注文から製品納入までの製造期間を見込むためであり、見積案件による台数50は見積から注文まで価格交渉等の商談期間を見込むためである。
In general, the
図8(b)は第N月、図8(c)は第N+3月に発生した見積をもとに計算した受注と出荷の時間遅れ関数を示している。出荷の時間遅れ関数は、図2の受注データ34の代わりに出荷データを用いることで得られる関数であり、処理方法は受注データと同様である。図8(b)と図8(c)の受注に関する時間遅れ関数(53,54)を比較すると、図8(b)の第N月(53)は決算期の終了月まで時間があるため注文に至る受注確率が低い上に時間遅れも大きい。
FIG. 8 (b) shows the time delay function for orders and shipments calculated based on the estimates generated in the Nth month and FIG. 8 (c) in the (N + 3) th month. The shipping time delay function is a function obtained by using shipping data instead of the
一方、図8(c)の第N+3月(54)は終了月までの時間が限られているため受注確率が大きく時間遅れも小さい。出荷に関する時間遅れ関数(55,56)も同様であり、図8(b)の第N月(55)は出荷までの時間遅れが大きい上にばらつきも大きい。一方、図8(c)の第N+3月(56)は時間が限られているため時間遅れ、ばらつきともに小さい。 On the other hand, since the time until the end month is limited in the (N + 3) th month (54) in FIG. 8 (c), the order probability is large and the time delay is small. The same applies to the time delay function (55, 56) related to shipping, and the Nth month (55) in FIG. 8B has a large time delay until shipping and large variations. On the other hand, since time is limited in the (N + 3) th month (56) in FIG. 8C, both time delay and variation are small.
次に、図9および図10のフローチャートを用いて本発明の一実施の形態に係る需要予測分析サーバによる需要予測方法の実施手順を説明する。説明においては、図1の構成図、図11および図12のデータ例、図13〜図16の画面例を参照する。本発明の一実施の形態に係る需要予測分析サーバによる需要予測方法は、図9のパラメータ生成処理と図10の予測処理からなる。 Next, the execution procedure of the demand prediction method by the demand prediction analysis server according to the embodiment of the present invention will be described using the flowcharts of FIGS. 9 and 10. In the description, the configuration diagram of FIG. 1, the data examples of FIGS. 11 and 12, and the screen examples of FIGS. The demand prediction method by the demand prediction analysis server according to the embodiment of the present invention includes the parameter generation process of FIG. 9 and the prediction process of FIG.
まず、図9のパラメータ生成処理について説明する。 First, the parameter generation process of FIG. 9 will be described.
まず、図9において見積データが記録される(S60)。図1の見積支援サーバ3には、注文者端末1において選定された製品仕様の情報が通信回線2を経由して伝えられる。
First, estimate data is recorded in FIG. 9 (S60). Information on the product specifications selected in the
見積支援サーバ3は、前記選定された仕様を入力とし、内部に記録されている仕様選択制約の情報を参照して、次に選択可能な製品仕様を出力する。前記製品仕様は、通信回線2を通じて注文者端末1に伝えられ、注文者端末のディスプレイ装置に表示される。
The
図13は注文者端末に表示される見積画面の例である。図13(a)は製品の仕様定義を行う構成定義画面であり、図13(b)は構成定義が終了した後に構成内容を一覧する構成一覧画面である。構成定義画面では、画面上方に注文者の部署80、ユーザID(81)、見積ID(82)が表示される。注文者はプルダウンメニュー83を選択して所望の構成を定義する。
FIG. 13 shows an example of an estimate screen displayed on the orderer terminal. FIG. 13A is a configuration definition screen for defining product specifications, and FIG. 13B is a configuration list screen for listing configuration contents after the configuration definition is completed. On the configuration definition screen, the orderer's
構成が定義されると構成情報が図1のインターネット等の通信回線2を経由して見積支援サーバ3に送信され、定義された構成に対して選択可能な選択肢がプルダウンメニューに用意される。また、合計金額84は定義された構成に連動して表示が更新される。
When the configuration is defined, the configuration information is transmitted to the
注文者は画面左側のボタンを押して画面を変更することができる。データ保存85は表示されているデータを編集途中で一時保存するものであり、データ読込86は過去に作成された構成情報を読み込み表示させるものである。納期確認87は、表示された構成を入手するために必要な最短日数を調査するものである。
The orderer can change the screen by pressing the button on the left side of the screen. The
構成一覧ボタン88が押されると、図13(b)の画面に移行する。図13(b)は、構成定義した内容を一覧する画面であり、画面右上の印刷ボタン89を押すことによりそのまま見積書として利用可能となっている。ここで、図13(b)の構成一覧の画面が表示された段階においては、注文者による構成定義が一段落したことを意味するものであり、このボタン88が押される度に、図11(a)に示す見積データが出力される。
When the
図11(a)は図13(b)の構成一覧の画面の情報をファイル形式で出力した例である。図11(a)は、<見積り>から</見積り>が1つの見積データの塊を意味しており、さらに、<付帯情報>から</付帯情報>と<構成>から</構成>の2つのグループからなる。 FIG. 11A shows an example in which information on the screen of the configuration list shown in FIG. 13B is output in a file format. In FIG. 11A, <Estimate> to </ Estimate> means one piece of estimate data, and <Additional information> to </ Supplementary information> and <Configuration> to </ Configuration>. It consists of two groups.
付帯情報としては、グループID、ユーザID、日付、時間、見積IDが記録される。構成情報としては、形名、数量、価格が記録される。このファイルは図1の見積支援サーバ3に一時保存され、これが見積管理サーバ4に転送されてデータベース12に登録される。
As incidental information, a group ID, a user ID, a date, a time, and an estimated ID are recorded. As the configuration information, model name, quantity, and price are recorded. This file is temporarily stored in the
次に、図9において受注データが記録される(S61)。図1の注文支援サーバ5には、注文者端末1において注文データが入力されると、これが通信回線2を経由して伝えられ、注文データの内容をチェックして注文者端末1のディスプレイ装置に表示される。さらに、注文者が確定した注文データは通信回線2を経由して注文管理サーバ6に伝えられ、データベース13に記録される。
Next, the order data is recorded in FIG. 9 (S61). When the order data is input to the
図14は注文者端末1に表示される注文画面の例である。画面上方に注文者の部署90、ユーザID(91)、注文ID(92)が表示される。注文者は、注文主(顧客コード)(93)、見積ID(94)、品名(95)、数量(96)、価格(97)、希望納期(98)を入力する。見積IDについては画面の読込ボタン99から同一注文者が過去に作成した見積データを参照して読み込み可能である。また、品名の横にある詳細ボタン100を押すと、品名の詳細な仕様が参照可能である。注文者が画面左側のボタンを押して画面を変更することができるのは図13の見積画面と同様である。
FIG. 14 is an example of an order screen displayed on the
注文者は画面の全ての情報が正しく入力されていることを確認すると、画面左側の注文ボタン101を押す。このボタンが押されると図11(b)の注文データが出力される。図11(b)は図14の注文画面の情報をファイル形式で出力した例である。
When the orderer confirms that all the information on the screen is correctly input, the orderer presses the
図11(b)は図11(a)と類似した構成を持っているが、特に、<受注情報>から</受注情報>のデータが追加されている。ここには、注文データ特有である、注文主ID、納期が記録されている。このファイルは図1の注文支援サーバ5に一時保存され、これが注文管理サーバ6に転送されてデータベース13に登録される。
FIG. 11B has a configuration similar to that of FIG. 11A, but in particular, data of <order information> is added from <order information>. Here, the orderer ID and delivery date, which are unique to the order data, are recorded. This file is temporarily stored in the
次に、図9において条件設定(S62)が実行される。条件設定は、企業の予測担当者が実行する操作であり、予測に必要な見積データ、受注(出荷)データが蓄積された後に実行する。条件設定は、図1の需要予測分析サーバ7の画面に必要な情報を登録して行われる。
Next, condition setting (S62) is executed in FIG. The condition setting is an operation executed by a person in charge of prediction of the company, and is executed after the estimate data and the order (shipment) data necessary for the prediction are accumulated. The condition setting is performed by registering necessary information on the screen of the demand
図15(a)は条件設定画面の例である。図15(a)は、需要予測分析サーバ7に格納された需要予測プログラムが起動され、表示される画面の一例である。画面の左側にボタンが並んでおりこれを押すことで画面の切り替えが可能である。パラメータボタン110を押すとパラメータ設定メニューが表示される。設定すべき条件として、グループ分けのための機種111、注文者112、および、パラメータ設定の計算に使用するデータを検索する期間である見積期間113である。受注(出荷)データについては、見積期間の始点以降、最新のデータまでが自動的に参照される。
FIG. 15A shows an example of a condition setting screen. FIG. 15A is an example of a screen that is displayed when the demand prediction program stored in the demand
次に、図9において見積データ検索(S63)並びに受注(出荷)データ検索(S64)が実行される。これは、図15(a)の画面右上の検索実行ボタン114を押すことで開始される。検索が終了すると、図15(a)の画面のグラフ115のように見積データから集計された台数の推移図が表示される。
Next, in FIG. 9, an estimate data search (S63) and an order (shipment) data search (S64) are executed. This is started by pressing the
次に、図9において相関解析(S65)が実行される。これは、図15(a)の画面右上の計算実行ボタン116を押すことで開始される。相関解析が終了すると、図15(b)の画面が表示される。図15(b)のグラフ117は設定されたグループの条件において計算された時間遅れ関数である。
Next, correlation analysis (S65) is performed in FIG. This is started by pressing the
ここで、相関解析処理における突合せ処理について説明する。突合せ処理は、見積データと受注データ、または、見積データと出荷データが対となり案件単位で実行される。 Here, the matching process in the correlation analysis process will be described. The reconciliation process is executed on a case-by-case basis, with quotation data and order data or quotation data and shipping data paired.
図11(a)は見積データ、図11(b)は受注データ、図11(c)は出荷データの例である。出荷データについて説明すれば、見積データや受注データと類似した構成を持っているが、特に、<出荷情報>から</出荷情報>のデータが追加されている。ここには、出荷データ特有である、出荷日、出荷数が記録されている。 FIG. 11A shows an example of estimated data, FIG. 11B shows an example of order data, and FIG. 11C shows an example of shipment data. As for the shipping data, it has a configuration similar to the estimate data and the order data, but in particular, data from <shipping information> to </ shipping information> is added. Here, the shipment date and the number of shipments, which are unique to the shipment data, are recorded.
このデータは製品が出荷されると図1の生産管理サーバのデータベースに記録される。見積データと受注データの突合せ処理について説明すれば、見積データを手本として、日付が見積データ以降の条件の下で、グループID、構成情報の形名および数量が一致する受注データを検索する。前記条件が成り立つ場合、見積が受注に至ったものであると判定する。 This data is recorded in the database of the production management server in FIG. 1 when the product is shipped. Explaining the matching process between the estimated data and the received order data, using the estimated data as a model, the received order data having the same group ID, model name and quantity of the configuration information is searched under the condition that the date is after the estimated data. If the condition is satisfied, it is determined that the estimate has been received.
同様に、見積データと出荷データの突合せ処理について説明すれば、見積データを手本として、日付が見積データ以降の条件の下で、グループID、構成情報の形名および数量が一致する出荷データを検索し、前記条件が成り立つ場合に見積が受注に至りさらに出荷されたものであると判定する。 Similarly, if the matching process between the estimated data and the shipping data is described, the shipping data with the group ID, the model name and the quantity of the configuration information are matched under the condition that the date is after the estimated data, using the estimated data as a model. A search is made, and if the above condition is satisfied, it is determined that the estimate has been received and further shipped.
図12は相関パラメータの例であり、図12(a)は、見積から集計された製品台数のデータ例であり、図4(a)のグラフのデータである。ある年の第N月について1日単位で見積された製品台数が記録されている。これは図11(a)のような見積データのうち日付が同一となるデータを集めて数量を合計して計算される。図12(b)は、図4(a)から図4(b)を計算する過程で集計されるデータの例であり、図12(a)の1ヶ月の合計台数(8753台)(120)を日数ゼロに移動させ、前記8753台(120)と突合せ処理で一致した受注データの台数を日数単位に集計したデータである。 FIG. 12 is an example of correlation parameters. FIG. 12A is an example of data on the number of products aggregated from an estimate, and is data of the graph of FIG. The number of products estimated on a daily basis for the Nth month of a year is recorded. This is calculated by collecting the data having the same date among the estimated data as shown in FIG. FIG. 12B is an example of data aggregated in the process of calculating FIG. 4B from FIG. 4A, and the total number (8753) (120) of one month in FIG. 12A. Is moved to zero days, and the number of order data that coincided with the 8753 (120) in the matching process is tabulated in days.
図12(c)は、図4(b)のグラフのデータである。図12(c)は、図12(b)の各日数のデータを前記8753台(120)で割った値である。これらデータは、図1の需要予測分析サーバ7のデータベース15に格納されており、必要に応じて呼び出されて表示、計算に活用される。
FIG.12 (c) is data of the graph of FIG.4 (b). FIG.12 (c) is the value which divided the data of each day of FIG.12 (b) by the said 8753 units (120). These data are stored in the
次に、図9においてグループ全てについて相関解析が実行されたかどうかが判定される(S66)。予め定義したグループのうち、計算していないグループが存在すれば、自動的にグループを変更して(S67)、全てのグループについての計算が終了するまで図9のS62からS66のループが繰り返される。 Next, in FIG. 9, it is determined whether correlation analysis has been performed for all groups (S66). If there is an uncalculated group among the predefined groups, the group is automatically changed (S67), and the loop of S62 to S66 in FIG. 9 is repeated until the calculation for all the groups is completed. .
次に、図9において相関パラメータの記録(S68)が実行される。これは、図15(a)の画面左側のデータ保存ボタン118を押すことにより実行される。相関パラメータは、計算条件と一緒に図1の需要予測分析サーバ7に接続されたデータベース15に保存される。
Next, the correlation parameter recording (S68) is executed in FIG. This is executed by pressing the data storage button 118 on the left side of the screen in FIG. The correlation parameters are stored in the
次に、図10に示す予測処理について説明する。 Next, the prediction process shown in FIG. 10 will be described.
まず、図10において見積データが記録される(S70)。見積データの記録方法は図9と同様であるが図10では、図9と時期が異なっている。図9の見積データの記録(S60)は商談期間を経て受注に至ることが期待されるほどの期間を設けて蓄積されたものであるのに対して、図10の見積データの記録(S70)は将来の受注を予測するための直近の時期(例えば1ヶ月以内)のデータである。 First, estimate data is recorded in FIG. 10 (S70). The estimated data recording method is the same as that shown in FIG. 9, but FIG. 10 is different in time from FIG. 9. The estimated data recording (S60) in FIG. 9 is accumulated with a period of time expected to reach an order after the negotiation period, whereas the estimated data recording (S70) in FIG. Is the data for the most recent period (for example, within one month) for predicting future orders.
次に、図10において条件設定が実行される(S71)。同処理も図9と同様な手続きによって実行される。図16(a)は条件設定画面の例である。図15(a)と同様な手続きにより条件設定が行われる。条件設定においては、見積期間130とは別に相関パラメータの期間131を設定する。
Next, condition setting is executed in FIG. 10 (S71). This process is also executed by the same procedure as in FIG. FIG. 16A shows an example of a condition setting screen. Conditions are set by the same procedure as in FIG. In the condition setting, a
図16(a)の期間の意味は、同期間の見積データを用いて計算した相関パラメータを指定することを意味している。図16(a)の例では、1年前の同月の見積データを用いたパラメータが指定されている。これは、図8で説明したように時期による影響を考慮して同時期の期間をしたものである。 The meaning of the period in FIG. 16A means that a correlation parameter calculated using estimated data during the same period is designated. In the example of FIG. 16A, a parameter using estimated data of the same month one year ago is specified. As described with reference to FIG. 8, this is a period of the same period in consideration of the influence of the time.
これとは別に、直近の期間、具体的には過去の見積データが受注に至った最も近い期間を指定しても良い。これは1年前の期間と比べて景気の影響が現在と類似している点が有利である。また、1年前の同月と前記の最も近い期間の平均値を用いる等、複数の期間の時間遅れ関数を組み合せても良い。 Separately from this, the most recent period, specifically, the closest period in which the past estimated data has reached the order may be designated. This has the advantage that the impact of the economy is similar to that of the current period compared to the period one year ago. In addition, a time delay function of a plurality of periods may be combined, such as using an average value of the same month one year ago and the nearest period.
次に、図10において見積データ検索(S72)並びに相関パラメータの検索(S73)が実行される。 Next, in FIG. 10, an estimate data search (S72) and a correlation parameter search (S73) are executed.
これは、図16(a)の画面右上の検索実行ボタン132を押すことで開始される。検索が終了すると、図16(a)のグラフのように見積データから集計された台数の推移図133および時間遅れ関数134が表示される。
This is started by pressing the search execution button 132 at the upper right of the screen in FIG. When the search is completed, a transition diagram 133 of the number of units aggregated from the estimated data and a
次に、図10において掛け合わせ処理(S74)が実行される。これは、図16(a)の画面右上の計算実行ボタン135を押すことで開始される。掛け合わせ処理が終了すると、図16(b)の画面が表示される。図16(b)のグラフ136は設定されたグループの条件において計算された需要予測結果である。
Next, a multiplication process (S74) is executed in FIG. This is started by pressing the calculation execution button 135 at the upper right of the screen in FIG. When the multiplication process ends, the screen of FIG. 16B is displayed. A
次に、図10においてグループ全てについて予測処理が実行されたかどうかが判定される(S75)。計算していないグループが存在すれば、グループを変更して(S76)、再度条件設定から繰り返され、全てのグループについての計算が終了するまで、図10のS71からS75のループが実行される。 Next, it is determined whether or not the prediction process has been executed for all the groups in FIG. 10 (S75). If there is a group that has not been calculated, the group is changed (S76), the condition setting is repeated again, and the loop from S71 to S75 in FIG. 10 is executed until the calculation for all groups is completed.
次に、図10において需要予測結果が記録される(S77)。これは、図16(b)の画面左側のデータ保存ボタン137を押すことにより実行される。需要予測結果は、計算条件と一緒に図1の需要予測分析サーバに接続されたデータベース15に保存される。
Next, the demand prediction result is recorded in FIG. 10 (S77). This is executed by pressing the data save button 137 on the left side of the screen in FIG. The demand forecast result is stored together with the calculation conditions in the
<需要予測結果の活用形態>
次に、図17〜図19により、本発明の一実施の形態に係る需要予測分析サーバにより需要予測結果の活用形態について説明する。
<Utilization form of demand forecast results>
Next, with reference to FIG. 17 to FIG. 19, a utilization form of the demand forecast result by the demand forecast analysis server according to the embodiment of the present invention will be described.
図17は販売管理サーバ8の表示装置16の画面例である。販売担当が入力装置から表示条件を入力する。図17の機種140、注文者141、表示期間142がこれに該当する。表示条件は通信回線2を経由して需要予測分析サーバ7に送信され、需要予測分析サーバ7から必要な受注予測データが返信される。
FIG. 17 is a screen example of the
受注予測データは表示装置16に表示される。一方、データベース17から予め登録してある販売計画データが読み出され表示装置16に受注予測データと重ねて表示される。画面のグラフ143の横軸は時間、縦軸は台数であり、販売計画144と販売実績145と受注予測データ146が重ねて表示されている。図17から、2005年9月から10月の販売計画を達成することは難しく、挽回策が必要であることがわかる。図17より、将来の受注予測に照らして販売計画が達成可能かどうかが判定できる。
The order prediction data is displayed on the
図18は生産管理サーバ9の表示装置18の画面例である。生産担当は入力装置から表示条件を入力する。図18の機種、注文者、表示期間がこれに該当する。表示条件は通信回線を経由して需要予測分析サーバに送信され、需要予測分析サーバから必要な出荷予測データが返信される。出荷予測データはディスプレイ装置に表示される。
FIG. 18 is a screen example of the
一方、データベースから予め登録してある生産計画データが読み出されディスプレイ装置に出荷予測データと重ねて表示される。画面のグラフの横軸は時間、縦軸は台数であり、生産計画147と生産実績148と出荷予測データ149が重ねて表示されている。図18から、2005年10月の後半においては生産計画を出荷予測データが上回るため、生産能力を増強する必要があることがわかる。図18より、将来の出荷予測に照らして生産計画による製品供給量との過不足数が判定できる。生産担当である操作者は、出荷予測データを参照して生産計画データを調整し、データベースに格納する。
On the other hand, production plan data registered in advance from the database is read out and displayed on the display device in superposition with the shipping forecast data. The horizontal axis of the graph on the screen is time, the vertical axis is the number of units, and the
図19は調達管理サーバ10の表示装置20の画面例である。調達担当は入力装置から表示条件を入力する。図19の部品名、表示期間がこれに該当する。表示条件は通信回線を経由して生産管理サーバに送信され、生産計画データが検索され、通信回線を経由して調達管理サーバに返信される。返信された生産計画データは、データベースに格納されている製品構成データを参照して調達予測データに変換されディスプレイ装置に表示される。
FIG. 19 is a screen example of the
一方、データベースから予め登録してある調達計画データが読み出されディスプレイ装置に調達予測データと重ねて表示される。画面のグラフの横軸は時間、縦軸は台数であり、調達計画150と調達実績151と調達予測データ152が重ねて表示されている。図19から、2005年10月の後半においては調達計画を調達予測データが下回るため、現状の計画を維持して良いことがわかる。図19より、将来の調達予測に照らして調達計画が達成可能かどうかが判定できる。
On the other hand, procurement plan data registered in advance from the database is read out and displayed on the display device so as to overlap with the procurement prediction data. The horizontal axis of the graph on the screen is time, the vertical axis is the number of units, and the
次に、調達担当である操作者は、調達予測データを参照して調達計画データを調整し、データベースに格納するとともに、インターネット等の通信回線を経由して部品メーカに送信される。 Next, the operator who is in charge of procurement refers to the procurement forecast data, adjusts the procurement plan data, stores it in the database, and transmits it to the parts manufacturer via a communication line such as the Internet.
以上の説明により、将来のある時点における製品の需要を正確に把握する需要予測方法、および需要予測システム、並びに需要予測プログラムが開示された。 As described above, a demand prediction method, a demand prediction system, and a demand prediction program for accurately grasping a demand for a product at a certain point in the future have been disclosed.
本実施の形態では、生産者は生産や部品調達を計画的に実行でき、受注機会の損失を防ぐ一方、余剰在庫の発生を防ぐことが可能となる。さらには、決算時期における販売計画の達成度合いを事前に把握することが可能となり、挽回策を実施することにより不達成の度合いを低減することが可能となる。 In this embodiment, the producer can systematically execute production and parts procurement, and it is possible to prevent the occurrence of surplus inventory while preventing loss of order receipt. Furthermore, it becomes possible to grasp in advance the degree of achievement of the sales plan at the settlement date, and it becomes possible to reduce the degree of unachieved by implementing a recovery plan.
以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。 As mentioned above, the invention made by the present inventor has been specifically described based on the embodiment. However, the present invention is not limited to the embodiment, and various modifications can be made without departing from the scope of the invention. Needless to say.
本発明は、コンピュータや自動車等の組立型製品の需要予測方法、および需要予測分析サーバ、並びに需要予測プログラムに関する。特に、製品の仕様定義が複雑なためにコンピュータによる仕様定義の支援が必要であったり、高額な製品であるために仕様確定から価格確定までに時間が必要であったり、製品の需要が時間経過に対して大きく変動するために将来のある時点における製品の需要量を正確に把握することが必要であったりする製品、例えば、高性能コンピュータ装置の様な製品の需要予測に適用可能である。 The present invention relates to a demand prediction method for an assembly-type product such as a computer or an automobile, a demand prediction analysis server, and a demand prediction program. In particular, because the product specification definition is complex, it is necessary to support the specification definition by a computer, or because it is an expensive product, it takes time from specification specification to price determination, and the demand for the product has elapsed over time. Therefore, the present invention can be applied to the demand prediction of a product such as a high-performance computer device in which it is necessary to accurately grasp the demand amount of the product at a certain time in the future.
1…注文者端末,2…通信回線,3…見積支援サーバ,4…見積管理サーバ,5…注文支援サーバ,6…注文管理サーバ,7…需要予測分析サーバ,8…販売管理サーバ,9…生産管理サーバ,10…調達管理サーバ,11…部品メーカのコンピュータ,12…データベース,13…データベース,14…ディスプレイ等の表示装置,15…データベース,16…ディスプレイ等の表示装置,17…データベース,18…ディスプレイ等の表示装置,19…データベース,20…ディスプレイ等の表示装置,21…データベース。
DESCRIPTION OF
Claims (5)
注文者による前記組立型製品の見積り操作の記録および前記注文者による前記組立型製品の注文操作の記録を前記コンピュータ装置に入力し、前記コンピュータ装置が、入力した前記見積り操作の記録および前記注文操作の記録の関係付け処理を行うステップと、
前記コンピュータ装置が、前記関係付け処理の結果から前記見積り操作に対する注文確率および注文時間遅れのパラメータを算出するステップと、
前記コンピュータ装置が、前記注文者による前記組立型製品の前記見積り操作および前記パラメータに基づいて、前記見積り操作が注文に至る数と時期、または前記見積り操作が注文に至り、前記組立型製品が出荷される数と時期を予測するステップとを有することを特徴とする需要予測方法。 A demand prediction method using a computer device for predicting demand for an assembly-type product,
A record of the estimate operation of the assembly type product by the orderer and a record of the order operation of the assembly type product by the orderer are input to the computer device, and the computer device records the input estimate operation and the order operation. Performing the record correlation process;
The computer device calculates an order probability and an order delay parameter for the estimation operation from the result of the association process;
Based on the estimation operation of the assembly-type product and the parameters by the orderer, the computer device determines the number and timing of the estimation operation to reach an order, or the estimation operation reaches an order, and the assembly-type product is shipped. A method for predicting demand, comprising the step of predicting the number of times and the timing.
注文者による前記組立型製品の見積り操作の記録および前記注文者による前記組立型製品の注文操作の記録を前記コンピュータ装置に入力し、前記コンピュータ装置が、入力した前記注文者および前記組立型製品の種類によりグループ分けするステップと、
前記コンピュータ装置が、前記グループ分けされた、それぞれの前記見積り操作の記録および前記注文操作の記録の関係付け処理を行うステップと、
前記コンピュータ装置が、前記グループごとに、前記関係付け処理の結果から前記見積り操作に対する注文確率および注文時間遅れのパラメータを算出するステップと、
前記コンピュータ装置が、前記注文者による前記組立型製品の前記見積り操作および前記グループごとのパラメータに基づいて、前記見積り操作が注文に至る数と時期、または前記見積り操作が注文に至り、前記組立型製品が出荷される数と時期を予測するステップとを有することを特徴とする需要予測方法。 A demand prediction method using a computer device for predicting demand for an assembly-type product,
A record of an estimate operation of the assembly-type product by the orderer and a record of an order operation of the assembly-type product by the orderer are input to the computer device, and the computer device inputs the orderer and the assembly-type product input. A step of grouping by type,
The computer device performs a process of associating the grouped records of the estimate operation and the record of the order operation;
The computer device calculates, for each group, parameters of an order probability and an order time delay for the estimation operation from a result of the association process;
Based on the estimation operation of the assembly-type product by the orderer and the parameters for each group, the computer apparatus determines the number and timing when the estimation operation reaches an order, or the estimation operation reaches an order. A method for predicting demand, comprising the step of predicting the number and timing of products to be shipped.
注文者による前記組立型製品の見積り操作の記録および前記注文者による前記組立型製品の注文操作の記録を入力し、入力した前記見積り操作の記録と前記注文操作の記録の関係付け処理を行い、前記関係付け処理の結果から前記見積り操作に対する注文確率および注文時間遅れのパラメータを算出するパラメータ生成処理手段と、
前記注文者による前記組立型製品の前記見積り操作および前記パラメータに基づいて、前記見積り操作が注文に至る数と時期、または前記見積り操作が注文に至り、前記組立型製品が出荷される数と時期を予測する予測処理手段とを備えたことを特徴とする需要予測分析サーバ。 A demand prediction analysis server for predicting demand for assembled products,
Input a record of an estimate operation of the assembly type product by the orderer and a record of an order operation of the assembly type product by the orderer, and perform an association process between the input record of the estimate operation and the record of the order operation, Parameter generation processing means for calculating an order probability and an order time delay parameter for the estimation operation from the result of the association processing;
Based on the estimation operation of the assembly-type product and the parameters by the orderer, the number and timing of the estimation operation reaching an order, or the number and timing of the estimation operation reaching an order and shipping the assembly-type product A demand prediction analysis server comprising a prediction processing means for predicting the demand.
前記パラメータ生成処理手段は、入力した前記見積り操作の記録および前記注文操作の記録を、前記注文者および前記組立型製品の種類によりグループ分けし、前記グループ分けされた、それぞれの前記見積り操作の記録および前記注文操作の記録の関係付け処理を行い、前記グループごとに、前記関係付け処理の結果から前記見積り操作に対する注文確率および注文時間遅れのパラメータを算出し、
前記予測処理手段は、前記注文者による前記組立型製品の前記見積り操作および前記グループごとのパラメータに基づいて、前記見積り操作が注文に至る数と時期、または前記見積り操作が注文に至り、前記組立型製品が出荷される数と時期を予測することを特徴とする需要予測分析サーバ。 In the demand prediction analysis server according to claim 3,
The parameter generation processing unit groups the input record of the estimate operation and the record of the order operation according to the type of the orderer and the assembly-type product, and records each of the estimate operations grouped. And, for each group, calculate the order probability and order time delay parameters for the estimation operation from the result of the association process,
Based on the estimation operation of the assembly-type product by the orderer and the parameters for each group, the prediction processing means determines the number and timing when the estimation operation reaches an order, or the estimation operation reaches an order. Demand forecasting analysis server that predicts the number and timing of type products to be shipped.
注文者による前記組立型製品の見積り操作の記録および前記注文者による前記組立型製品の注文操作の記録を入力し、前記見積り操作の記録と前記注文操作の記録の関係付け処理を行い、前記関係付け処理の結果から前記見積り操作に対する注文確率および注文時間遅れのパラメータを算出するパラメータ生成処理手段と、
前記注文者による前記組立型製品の前記見積り操作および前記パラメータに基づいて、前記見積り操作が注文に至る数と時期、または前記見積り操作が注文に至り、前記組立型製品が出荷される数と時期を予測する予測処理手段として機能させることを特徴とする需要予測プログラム。 Computer equipment to predict demand for assembled products,
Input a record of the estimate operation of the assembly type product by the orderer and a record of the order operation of the assembly type product by the orderer, and perform a correlation process between the record of the estimate operation and the record of the order operation. Parameter generation processing means for calculating the order probability and order time delay parameters for the estimation operation from the result of the attaching process;
Based on the estimation operation of the assembly-type product and the parameters by the orderer, the number and timing of the estimation operation reaching an order, or the number and timing of the estimation operation reaching an order and shipping the assembly-type product A demand forecasting program characterized by functioning as a forecasting processing means for forecasting.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005165335A JP4738898B2 (en) | 2005-06-06 | 2005-06-06 | Demand forecast method, demand forecast analysis server, and demand forecast program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005165335A JP4738898B2 (en) | 2005-06-06 | 2005-06-06 | Demand forecast method, demand forecast analysis server, and demand forecast program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006338585A true JP2006338585A (en) | 2006-12-14 |
JP4738898B2 JP4738898B2 (en) | 2011-08-03 |
Family
ID=37559057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005165335A Active JP4738898B2 (en) | 2005-06-06 | 2005-06-06 | Demand forecast method, demand forecast analysis server, and demand forecast program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4738898B2 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171171A (en) * | 2007-01-11 | 2008-07-24 | Hitachi Ltd | Demand forecasting method, demand forecasting analysis server, and demand forecasting program |
WO2012067087A1 (en) * | 2010-11-18 | 2012-05-24 | 三菱重工業株式会社 | Demand prediction system |
JP2020038520A (en) * | 2018-09-05 | 2020-03-12 | 本田技研工業株式会社 | Commercial transaction information processing system |
JP7410843B2 (en) | 2020-03-12 | 2024-01-10 | 株式会社オービック | Sales recording device, sales recording method, and sales recording program |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916671A (en) * | 1995-06-28 | 1997-01-17 | Nec Corp | Production schedule preparing device |
JPH10202481A (en) * | 1997-01-29 | 1998-08-04 | Kawasaki Steel Corp | Method of deciding starting time for manufacturing product |
JP2000123096A (en) * | 1998-10-20 | 2000-04-28 | Hitachi Ltd | Scheduled forwarding quantity calculating method |
JP2001134643A (en) * | 1999-11-02 | 2001-05-18 | Hitachi Ltd | Device and method for predicting demand |
JP2002203092A (en) * | 2000-12-28 | 2002-07-19 | Al Formulate Kk | Self-estimation of repair charge by automobile user, net marketing research business in internet log information analysis and management diagnosis business for automobile after-sales service workshop |
JP2002230121A (en) * | 2001-02-01 | 2002-08-16 | Canon Inc | Distribution control method of merchandise, its system, program and medium |
JP2003337614A (en) * | 2002-05-22 | 2003-11-28 | Hitachi Industries Co Ltd | Production reservation system |
WO2003105053A1 (en) * | 2002-06-07 | 2003-12-18 | Profitlogic, Inc. | Markdown management |
JP2004021299A (en) * | 2002-06-12 | 2004-01-22 | Nippon Koki Kk | Estimated order reception/storage management method |
-
2005
- 2005-06-06 JP JP2005165335A patent/JP4738898B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916671A (en) * | 1995-06-28 | 1997-01-17 | Nec Corp | Production schedule preparing device |
JPH10202481A (en) * | 1997-01-29 | 1998-08-04 | Kawasaki Steel Corp | Method of deciding starting time for manufacturing product |
JP2000123096A (en) * | 1998-10-20 | 2000-04-28 | Hitachi Ltd | Scheduled forwarding quantity calculating method |
JP2001134643A (en) * | 1999-11-02 | 2001-05-18 | Hitachi Ltd | Device and method for predicting demand |
JP2002203092A (en) * | 2000-12-28 | 2002-07-19 | Al Formulate Kk | Self-estimation of repair charge by automobile user, net marketing research business in internet log information analysis and management diagnosis business for automobile after-sales service workshop |
JP2002230121A (en) * | 2001-02-01 | 2002-08-16 | Canon Inc | Distribution control method of merchandise, its system, program and medium |
JP2003337614A (en) * | 2002-05-22 | 2003-11-28 | Hitachi Industries Co Ltd | Production reservation system |
WO2003105053A1 (en) * | 2002-06-07 | 2003-12-18 | Profitlogic, Inc. | Markdown management |
JP2004021299A (en) * | 2002-06-12 | 2004-01-22 | Nippon Koki Kk | Estimated order reception/storage management method |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171171A (en) * | 2007-01-11 | 2008-07-24 | Hitachi Ltd | Demand forecasting method, demand forecasting analysis server, and demand forecasting program |
WO2012067087A1 (en) * | 2010-11-18 | 2012-05-24 | 三菱重工業株式会社 | Demand prediction system |
JP2012108741A (en) * | 2010-11-18 | 2012-06-07 | Mitsubishi Heavy Ind Ltd | Demand forecasting system |
JP2020038520A (en) * | 2018-09-05 | 2020-03-12 | 本田技研工業株式会社 | Commercial transaction information processing system |
JP7410843B2 (en) | 2020-03-12 | 2024-01-10 | 株式会社オービック | Sales recording device, sales recording method, and sales recording program |
Also Published As
Publication number | Publication date |
---|---|
JP4738898B2 (en) | 2011-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Two-phase heuristic for disassembly scheduling with multiple product types and parts commonality | |
JP2006503352A (en) | Systems and methods for improving planning, scheduling and supply chain management | |
JP2000511118A (en) | Method and apparatus for identifying and obtaining bottleneck cost information | |
JP2007536607A (en) | System and method for user creation and command of rich content lifecycle | |
JPWO2019053821A1 (en) | Order support system, order support program and order support method | |
JP2017162044A (en) | Production planning device, production planning method and production planning program | |
JP2004021364A (en) | Management intention decision support system | |
JP2007323680A (en) | Management decision support system | |
US20050049907A1 (en) | Using page-view data to project demand for an item | |
JP2009104408A (en) | Integrated demand forecasting apparatus, integrated demand forecasting method and integrated demand forecasting program | |
JP2008171171A (en) | Demand forecasting method, demand forecasting analysis server, and demand forecasting program | |
JP4738898B2 (en) | Demand forecast method, demand forecast analysis server, and demand forecast program | |
WO2006109805A1 (en) | Production management program, production management method, production management system | |
JP2011237923A (en) | Information processor, cost forecast calculation method and cost forecast calculation program | |
JP2013131259A (en) | Integrated demand prediction device, integrated demand prediction method, and integrated demand prediction program | |
JP2003288476A (en) | Line capacity integrated evaluation/management operation system for production line and line capacity integrated evaluation/management operation method for the production line | |
JP2007503651A (en) | Manufacture of item units according to the demand of items expected from page view data | |
US20150206158A1 (en) | System and method for spend analysis of the service category | |
US20220308714A1 (en) | Apparatus, system, and method of controlling display | |
JPH11259564A (en) | Sales prediction supporting system | |
JP2005316932A (en) | Method of creating production plan of demand variation input type and method of creating production plan minimizing risk of demand variations | |
JP2005029368A (en) | Stock management system and stock management method | |
US20050097065A1 (en) | System and method for analyzing relationships between sourcing variables | |
JP2005242816A (en) | Order reception bargaining support method by computer | |
JP2010238167A (en) | Information aggregation device and method, program, and recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080327 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100712 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100720 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100917 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101102 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101224 |
|
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: 20110405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4738898 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: 20140513 Year of fee payment: 3 |