JP2007293623A - 需要予測方法及び需要予測プログラム - Google Patents

Abstract

【課題】新機種に用いられる商品の需要予測を効率よく行なうための需要予測方法及び需要予測プログラムを提供することにある。
【解決手段】需要予測システム２０の管理コンピュータ２１は、機種に関する機種属性データを記憶した機種属性データ記憶部２２及び機種に使用されるサービスパーツの受注実績値を記憶した受注実績データ記憶部２４に接続されている。管理コンピュータ２１は、機種属性データ記憶部２２から、新機種の機種属性データと現存機種の機種属性データとを抽出し、新機種に類似する現存機種（類似現存機種）を特定する。管理コンピュータ２１は、この類似現存機種に用いられ、受注予測を行なうサービスパーツに対応するサービスパーツの受注実績値を受注実績データ記憶部２４から取得し、この受注実績値を用いてサービスパーツの受注予測を行なう。
【選択図】図１

Description

本発明は、商品の需要を予測するための需要予測方法及び需要予測プログラムに関する。

顧客に商品を提供する場合、適切な商品在庫の管理が必要である。この商品には完成品のみならず、完成品等に用いられる消耗品や故障による交換部品等も含まれる。そして、的確な在庫管理を行なうことにより、余剰在庫による在庫損失や、在庫品の不足による機会損失を抑制することが可能である。

的確な在庫管理を行なうためには、正確な需要予測が必要である。このような需要予測においては、例えば重回帰分析が利用されている。この重回帰分析では過去の実績を分析して予測式を作成する。しかし、一度作成した予測式を継続して使用すると、予測値と実績値との誤差が大きくなる場合がある。そこで、短期間毎に実績に基づいて予測式を作成し直すことも考えられるが、予測式を作成するための負荷が大きくなる。

このため、変動要因を考慮して商品分類別の販売予測を行なう販売予測方法が提案されている（例えば、特許文献１参照。）。この販売予測方法では、まず、販売数量を予測する商品の所定期間の販売実績を平均して移動平均値を算出する。そして、販売予測日の販売数量に影響を与えると考えられる変動要因から、商品の販売数量の変動予測数量を算出する。更に、移動平均値を前記変動予測数量に基づいて補正して販売予測数量を算出する。これにより、販売予測日直前の所定期間の販売実績を販売予測に反映させることができ、予測値の追従性を向上させることができる。

ところが、移動平均値による需要予測は、時間ずれ（タイムラグ）があるため予測誤差が大きく、安全在庫を多めに準備しておく必要があった。また、移動平均値を変動予測数量に基づいて補正して販売予測数量を算出する場合、販売予測日の販売数量に影響を与えると考えられる変動要因を特定した上で、商品の販売数量の変動予測数量を算出する必要がある。しかし、商品販売量の変動は色々な要因に由来することが多く、その特定は容易ではない。

そこで、商品の需要予測を、より効率的かつ的確に行なうことができる需要予測方法及び需要予測プログラムが検討されている（例えば、特許文献２参照。）。この文献記載の技術では、管理コンピュータは、受注量の累積量推移に対して成長モデルを適用して、受注実績に対する傾向関数を算出する。次に、管理コンピュータは、受注実績と傾向関数との差分の推移を算出する。そして、ペリオドグラムを用いて差分推移の周期性の同調強度を算出する。同調強度に基づき周期性を判定した場合、受注実績と傾向曲線との差分推移に、２次関数と三角関数とから構成された２次Ｓｉｎモデルを適用して周期関数を算出する。そして、管理コンピュータ２１は、傾向関数と周期関数とを合成して生成した関数を用いて需要予測を行なう。
特開２０００−３３９５４３号公報（第１頁） 特開２００４−２３４４７１（第１頁）

しかしながら、上述した特許文献１及び２に記載の技術においては、過去に販売した実績に基づいて需要予測を行なう。このため、これらの方法を用いて、販売実績がない新製
品の機種（新機種）に使用される商品について需要予測を行なうことはできない。従って、新機種に使用される商品について需要予測を行なうことは難しかった。

本発明は、上記課題を解決するためになされたものであり、その目的は、新機種に用いられる商品の需要予測を効率よく行なうための需要予測方法及び需要予測プログラムを提供することにある。

上記問題点を解決するために、請求項１に記載の発明は、種別毎に本体商品に関する属性データを、種別を特定する本体種別識別子に関連付けて記録する本体属性データ記憶手段と、本体商品に使用されるパーツ商品の初期実績値に関するデータを、このパーツ商品が使用される本体商品の本体種別識別子と関連付けて記録した実績データ記憶手段とに接続される管理コンピュータを用いて、前記パーツ商品の需要予測を行なう方法であって、前記管理コンピュータが、需要予測を行なう予測対象パーツ商品が使用される新種別の本体商品種別を特定する新種別特定段階と、前記本体属性データ記憶手段に記録された本体商品種別の前記属性データを説明変数として用いて、前記新種別の本体商品種別に類似する類似本体商品種別を特定する類似本体商品種別特定段階と、特定した類似本体商品種別において前記予測対象パーツ商品に対応するパーツ商品の初期実績値に関するデータを、前記実績データ記憶手段から抽出する実績データ取得段階と、抽出した前記パーツ商品の初期実績値を用いて前記予測対象パーツ商品の予測値を算出する予測値算出段階と、この予測値を出力する需要予測出力段階とを実行することを要旨とする。

請求項２に記載の発明は、請求項１に記載の需要予測方法において、前記属性データには、本体商品の種別毎の初期計画販売量に関するデータが含まれており、前記予測値算出段階は、抽出した前記パーツ商品の初期実績値に、類似本体商品種別の初期計画販売量に対する新種別の初期計画販売量を乗算して、前記予測値を算出することを要旨とする。

請求項３に記載の発明は、請求項１又は２に記載の需要予測方法において、前記類似本体商品種別特定段階は、前記属性データを説明変数として用いた前記新種別と他の本体商品種別とのユークリッド距離を算出し、このユークリッド距離が最も小さい本体商品種別を前記類似本体商品種別と特定することを要旨とする。

請求項４に記載の発明は、請求項３に記載の需要予測方法において、前記類似本体商品種別特定段階は、前記説明変数を正規化した標準化ユークリッド距離を算出することを要旨とする。

請求項５に記載の発明は、請求項１又は２に記載の需要予測方法において、前記類似本体商品種別特定段階は、前記属性データを説明変数として用いたクラスター分析を行ない、前記新種別を含む最小のクラスターから前記類似本体商品種別を特定することを要旨とする。

請求項６に記載の発明は、請求項１〜５のいずれか１項に記載の需要予測方法において、前記属性データには、本体商品種別のスペック、ターゲットユーザ及びメンテナンスに関するデータが記憶されており、前記管理コンピュータは、前記属性データとして、前記本体商品種別のスペックに関するデータ、前記ターゲットユーザに関するデータ及び前記メンテナンスに関するデータの少なくとも１つを用いて、前記類似本体商品種別特定段階を行なうことを要旨とする。

請求項７に記載の発明は、種別毎に本体商品に関する属性データを、種別を特定する本体種別識別子に関連付けて記録する本体属性データ記憶手段と、本体商品に使用されるパ
ーツ商品の初期実績値に関するデータを、このパーツ商品が使用される本体商品の本体種別識別子と関連付けて記録した実績データ記憶手段とに接続される管理コンピュータを用いて、前記パーツ商品の需要予測を行なうプログラムであって、前記管理コンピュータを、需要予測を行なう予測対象パーツ商品が使用される新種別の本体商品種別を特定する新種別特定手段、前記本体属性データ記憶手段に記録された本体商品種別の前記属性データを説明変数として用いて、前記新種別の本体商品種別に類似する類似本体商品種別を特定する類似本体商品種別特定手段、特定した類似本体商品種別において前記予測対象パーツ商品に対応するパーツ商品の初期実績値に関するデータを、前記実績データ記憶手段から抽出する実績データ取得手段、抽出した前記パーツ商品の初期実績値を用いて前記予測対象パーツ商品の予測値を算出する予測値算出手段、及びこの予測値を出力する需要予測出力手段として機能させることを要旨とする。

（作用）
本発明によれば、管理コンピュータは、本体属性データ記憶手段に記録された属性データを説明変数として用いて、新種別の本体商品種別に類似する類似本体商品種別を特定する。管理コンピュータは、特定した類似本体商品種別において予測対象パーツ商品に対応するパーツ商品の初期実績値を用いて、予測対象パーツ商品の予測値を算出する。従って、実際の初期実績値を用いて予測値を算出するので、予測対象パーツ商品の予測値を数値で、効率よく予測することができる。また、この場合、予測対象パーツ商品が使用される新種別に類似する本体商品種別の、予測対象パーツ商品に対応するパーツ商品の実績値を用いるので、より的確に予測を行なうことができる。

本発明によれば、管理コンピュータは、パーツ商品の初期実績値に、類似本体商品種別の初期計画販売量に対する新種別の初期計画販売量を乗算して、予測値を算出する。一般には、本体商品の販売量の増減に応じてパーツ商品の販売量も増減する。このため、類似本体商品種別における予測対象パーツ商品に対応するパーツ商品の実績値を、販売量に応じて調整した上で予測値を算出することにより、新種別の初期計画販売量に応じたパーツ商品の需要予測をより的確に行なうことができる。

本発明によれば、新種別と他の本体商品種別とのユークリッド距離から、新種別と類似する類似本体商品種別を特定することができる。
本発明によれば、正規化した標準化ユークリッド距離を算出することにより、単位の異なる属性データを用いても、これらの属性データを同様に評価して、新種別と類似する類似本体商品種別を特定することができる。

本発明によれば、クラスター分析を行なうことにより、新種別と類似する類似本体商品種別又は類似本体商品種別のクラスターを特定することができる。
本発明によれば、管理コンピュータは、本体商品種別のスペック、ターゲットユーザ及びメンテナンスに関するデータを用いて、類似本体商品種別を特定することができる。

本発明によれば、新種別の本体商品に使用されるパーツ商品であっても、その需要予測を行なうことができる。

以下、本発明を具体化した需要予測処理の一実施形態を図１〜図４に基づいて説明する。本実施形態では、過去のサービスパーツの受注実績に基づいて、新種別としての新製品の機種（新機種）に使用されるサービスパーツの需要予測を行なう場合に用いる需要予測方法及び需要予測プログラムとして説明する。ここで、サービスパーツとは、消耗や故障等においてサービスを伴って交換を行なうパーツを意味する。このサービスパーツは製品
の機能を維持するための最小単位であり、サービスパーツは部品のみならず、部品を組み合わせたユニットをも含む。

本実施形態では、図１に示すように、受注システム１０を用いて受注実績が入力される。更に、この受注システム１０に出力される需要予測に基づいて発注指示が行なわれる。この受注システム１０はサービスパーツを管理するサービスパーツ管理部門に設置され、販売拠点やサービス拠点等での受注実績が入力され、生産部門や購買部門等に対する発注指示を出力する。

受注システム１０は、データを送信する機能や、受信したデータを表示する機能等を有するコンピュータ端末である。この受注システム１０は、図示しないＣＰＵ、ＲＡＭ、ＲＯＭの他、キーボード、マウス等の入力手段、ディスプレイ等の出力手段、通信インターフェイス等の通信手段等を有する。

また、受注システム１０は、ネットワークＮを介して需要予測システム２０に接続されている。需要予測システム２０は、需要予測に関する各種データ処理を行なうコンピュータシステムである。この需要予測システム２０は、管理コンピュータ２１を備えている。

この管理コンピュータ２１は、受注システム１０との間でのデータ送受信や、需要予測を実行するための各種データの管理処理等を行なう。この管理コンピュータ２１は、図示しないＣＰＵ、ＲＡＭ、ＲＯＭ等を有し、後述する処理（新種別特定段階、類似本体商品種別特定段階、実績データ取得段階、予測値算出段階及び需要予測出力段階等を含む処理）を行なう。そして、このための需要予測プログラムを実行することにより、管理コンピュータ２１は、新種別特定手段、類似本体商品種別特定手段、実績データ取得手段、予測値算出手段及び需要予測出力手段等として機能する。

ここで、新種別特定手段は、需要予測を行なう予測対象パーツ商品が使用される新種別の本体商品種別を特定する。類似本体商品種別特定手段は、前記本体属性データ記憶手段に記録された本体商品種別の前記属性データを説明変数として用いて、前記新種別の本体商品種別に類似する類似本体商品種別を特定する。本実施形態の類似本体商品種別特定手段は、前記属性データを説明変数として用いた前記新種別と他の本体商品種別とのユークリッド距離を算出し、このユークリッド距離が最も小さい本体商品種別を前記類似本体商品種別と特定する。更に、本実施形態の類似本体商品種別特定手段は、前記説明変数を正規化した標準化ユークリッド距離を算出する。実績データ取得手段は、特定した類似本体商品種別において前記予測対象パーツ商品に対応するパーツ商品の初期実績値に関するデータを、前記実績データ記憶手段から抽出する。予測値算出手段は、抽出した前記パーツ商品の初期実績値を用いて前記予測対象パーツ商品の予測値を算出する。この前記予測値算出手段は、抽出した前記パーツ商品の初期実績値に、類似本体商品種別の初期計画販売量に対する新種別の初期計画販売量を乗算して、前記予測値を算出する。需要予測出力手段は、この予測値を出力する。

更に、需要予測システム２０は、本体属性データ記憶手段としての機種属性データ記憶部２２、サービスパーツデータ記憶部２３及び実績データ記憶手段としての受注実績データ記憶部２４を備えている。また、管理コンピュータ２１は、これらデータ記憶部（２２，２３，２４）に接続されている。

機種属性データ記憶部２２には、図２に示すように、サービスパーツが使用される本体商品としての本体機器の種類（機種）に関する機種属性データが記憶されている。この機種属性データは、機種に関する特性や計画などが決定されると記録される。本実施形態では、この機種属性データには、機種番号毎に、機種名、本体スペック、ターゲットユーザ
（商品コンセプト）、メンテナンス、販売／生産計画に関するデータが含まれている。

本体スペックデータは、機種の特性に関するデータである。この本体スペックデータには、例えば、発売年月、モノクロ印刷スピード、カラー印刷スピード、本体価格に関するデータが含まれる。

ターゲットユーザデータは、この機種が想定しているユーザに関するデータである。このターゲットユーザデータには、例えば、１ヶ月の印刷使用量（印刷ボリューム）、カラー使用比率、コピー機を共有する人数（共用人数）に関するデータが含まれる。

メンテナンスデータには、例えば、定期メンテナンス間隔や消耗品交換寿命に関するデータが含まれる。
販売／生産計画データには、例えば、初期計画生産量及び初期計画販売量に関するデータが含まれる。初期計画生産量は販売１ヶ月における生産計画台数であり、初期計画販売量は、販売１ヶ月における販売予想台数である。本実施形態では、これら初期計画生産量及び初期計画販売量は同じとしている。

サービスパーツデータ記憶部２３には、図３に示すように、サービスパーツを特定するための識別子に関するデータが記憶されている。このサービスパーツ識別子は、「分野」、「機種」、「機能大分類」、「機能中分類」、「機能小分類」及び「部品」を特定する番号を順番に結合して構成されている。

ここで、「分野」には、カラーコピー機、モノクロコピー機、カラープリンタ、デジタルカメラなどがある。また、分野「カラーコピー機」は、「機能大分類」で分割されており、具体的には「作像部」、「給紙部」、「読み取り部」及び「外装」などの項目がある。更に、機能大分類「作像部」は、「機能中分類」で更に分類されており、具体的には「ＰＣＵ」や「現像ユニット」などの項目がある。また、機能中分類「現像ユニット」は、「機能小分類」で更に分類されており、具体的には「ユニット全体」、「感光体」及び「帯電部」などの項目がある。部品番号は、機能小分類において部品を特定するための番号である。

以下に、サービスパーツ識別子の一例を用いて説明する。例えば、「カラーコピー機」の分類を特定する識別子が「０１０」であり、「カラーコピー機Ａ」の機種番号が「１００１」であるとする。また、「作像部」の機能大分類を示す識別子が「０１」で、「ＰＣＵ」の機能中分類を示す識別子が「０１」で、「ユニット全体」の機能小分類を示す識別子が「００」で、「ユニット本体」の部品番号が「００１」であるとする。この場合、カラーコピー機Ａに使用されるＰＣＵのユニット本体のサービスパーツの識別子は「０１０−１００１−０１−０１−００−００１」（分類−機種番号−機能大分類−機能中分類−機能小分類−部品番号）で表現される。従って、本実施形態では、サービスパーツ識別子に基づいて、サービスパーツが使用される機種、その分類、サービスパーツの機能分類や部品番号も特定することができる。

受注実績データ記憶部２４には、各サービスパーツに関する受注実績データが記憶される。この受注実績データは、サービスパーツの受注量（受注個数）に関するデータが、このサービスパーツ識別子と受注年月に関するデータとともに記憶される。この受注実績データは、サービスパーツを各サービス拠点に開放（拡布）した後に設定され、受注システム１０から確定した受注実績を受信した場合に追加して記憶される。従って、サービスパーツは、開放した月によって受注実績の数が異なり、それに応じたデータ数が記憶される。具体的には、受注実績データには、サービスパーツ毎に、サービスパーツ識別子、受注年月及び受注個数に関するデータが関連付けられて記憶される。

サービスパーツ識別子データ領域には、受注実績のあるサービスパーツを特定するための識別子に関するデータが記憶される。
受注年月データ領域には、サービスパーツの受注があった年月に関するデータが記憶される。

受注個数データ領域には、対応する受注年月において、このサービスパーツの受注個数に関するデータが記憶される。この受注量は、時間軸の変数として月単位で記憶される。
上記のように構成されたシステムにおいて、サービスパーツの需要予測を行なう場合の処理手順を、図４を用いて説明する。

新機種に用いられるサービスパーツの需要予測を行なう前に、需要予測システム２０は、新機種に関するデータを機種属性データ記憶部２２に記憶する。具体的には、受注システム１０を介して、新機種の機種属性データ（本体スペック、ターゲットユーザ、メンテナンス及び販売／生産計画に関するデータ）が入力され、登録指示を受ける。これにより、管理コンピュータ２１は、受注システム１０から、入力された新機種についての機種属性データを機種属性データ記憶部２２に記憶する。

そして、需要予測を行なう場合には、まず、需要予測システム２０は、需要予測を行なう予測対象の新機種のサービスパーツを特定する（ステップＳ１−１）。具体的には、需要予測システム２０の管理コンピュータ２１は、サービスパーツ識別子を、ネットワークＮを介して受注システム１０から取得する。そして、管理コンピュータ２１は、取得したサービスパーツ識別子に基づいて受注実績データ記憶部２４から、このサービスパーツの受注実績データを抽出する処理を行なう。そして、受注実績データを所定数以上、抽出できなかった場合には、管理コンピュータ２１は、このサービスパーツ識別子が新機種に使用されるサービスパーツであると特定し、次のステップＳ１−２以降の処理を行なう。

次に、需要予測システム２０は、現存機種及び新機種の機種属性データを取得する（ステップＳ１−２）。具体的には、需要予測システム２０の管理コンピュータ２１は、まず、サービスパーツ識別子から、これが使用される新機種を特定する機種番号を抽出し、この機種番号を有する機種の機種属性データを取得する。更に、管理コンピュータ２１は、サービスパーツ識別子に基づいて、この新機種と同じ分野にある機種の属性データを取得する。例えば、サービスパーツ識別子が、カラーコピー機種を示す識別子を含む場合には、カラーコピー機であるＡ，Ｂ，Ｃ，・・・，ＰＰ，ＰＱ，ＰＲの機種属性データを取得する。なお、ここでは、機種データとして、本体スペック、ターゲットユーザ及びメンテナンスに関するデータを取得する。

そして、管理コンピュータ２１は、新機種との類似度を算出する（ステップＳ１−３）。本実施形態では、新機種との類似度には、取得した機種属性データを説明変数としたときのユークリッド距離ｄｎを用いる。そして、ユークリッド距離ｄｎが小さい程、すなわち新機種との距離が近い程、新機種との類似度が高いことになる。

ここで、機種属性を表わす数値の単位はすべて同じとは限らない。そこで、まず、機種属性データを同等な評価で用いるため、機種属性データを正規化する。具体的には、取得した機種属性データの平均を「０」、標準偏差が「１」となるように、各機種属性データの値を変換する。これにより、説明変数となる機種属性データの値の単位（枚数、時間、金額など）が項目によって異なっても、それぞれの説明変数に対して同様な評価を行なうことができる。

次に、管理コンピュータ２１は、各現存機種の正規化した説明変数を用いて、新機種と
各現存機種とのユークリッド距離ｄｎを算出する。すなわち、図４に示すように、新機種と現存機種ｎとの正規化されたユークリッド距離ｄｎは（１）式で算出される。

図４の（１）式において、ｘ_１，・・・，ｘ_ｍは、正規化された各説明変数である。本実施形態では、例えばｍ＝９の正規化した説明変数を用いる。具体的には、例えば、ｘ_１，ｘ_２，ｘ_３，ｘ_４，ｘ_５，ｘ_６，ｘ_７，ｘ_８，ｘ_９に、それぞれ正規化したモノクロ印刷スピード、カラー印刷スピード、発売年月、本体価格、印刷ボリューム、カラー使用比率、共用人数、定期メンテナンス間隔及び消耗品交換寿命を用いる。

そして、管理コンピュータ２１は、類似度に基づいて、新機種と最も類似する類似現存機種の特定を行なう（ステップＳ１−４）。本実施形態では、ユークリッド距離ｄｎが小さければ類似度は高いことになる。従って、管理コンピュータ２１は、ステップＳ１−３で算出したユークリッド距離ｄｎが最も小さい機種を類似現存機種として特定する。図４においては、カラーコピー機ＰＱのユークリッド距離ｄｎが最も小さいため、管理コンピュータ２１は、カラーコピー機ＰＱを類似現存機種として特定する。

次に、管理コンピュータ２１は、特定した類似現存機種の対応パーツのデータを取得する（ステップＳ１−５）。具体的には、管理コンピュータ２１は、ステップＳ１−１で特定したサービスパーツ識別子から、このサービスパーツの機能大分類、機能中分類、機能小分類及び部品番号（以下、対応パーツ特定識別子という。）を特定する。管理コンピュータ２１は、ステップＳ１−４で特定した類似現存機種（ここではカラーコピー機ＰＱ）において、特定した対応パーツ特定識別子を有するサービスパーツの初期の受注実績データを、受注実績データ記憶部２４から抽出する。

そして、管理コンピュータ２１は、サービスパーツの需要予測値の算出を行なう（ステップＳ１−６）。本実施形態では、図４の（２）式を用いて需要予測値を算出する。具体的には、まず、管理コンピュータ２１は、機種属性データ記憶部２２から、新機種及び類似現存機種（カラーコピー機ＰＱ）の初期計画販売量に関するデータを取得する。

次に、管理コンピュータ２１は、取得した初期計画販売量に関するデータを用いて、類似現存機種の初期計画販売量に対する新機種の初期計画販売量（以下、計画販売量割合という。）を算出する。すなわち、管理コンピュータ２１は、新機種の初期計画販売量を類似本体商品の初期計画販売量で除算する。そして、管理コンピュータ２１は、ステップＳ１−５において取得した類似現存機種の対応サービスパーツの初期受注実績に、算出した計画販売量割合を乗算する。

そして、管理コンピュータ２１は、算出した需要予測値の結果を、ネットワークＮを介して受注システム１０に出力する（ステップＳ１−７）。受注システム１０においては、ディスプレイ等の出力手段に予測値の結果を出力する。この需要予測を用いることにより、サービスパーツ管理部門は需要に応じた発注指示を行なうことができる。

本実施形態によれば、以下のような効果を得ることができる。
・ 本実施形態では、管理コンピュータ２１は、現存機種及び新機種の機種属性データを機種属性データ記憶部２２から取得し（ステップＳ１−２）、この機種属性データを用いて、新機種と各現存機種とのユークリッド距離ｄｎを類似度として算出する（ステップＳ１−３）。管理コンピュータ２１は、ユークリッド距離ｄｎが最も小さい現存機種を、新機種と最も類似する類似現存機種として特定する（ステップＳ１−４）。管理コンピュータ２１は、特定した類似現存機種の対応パーツ特定識別子を有するサービスパーツの初期の受注実績データを取得し（ステップＳ１−５）、これを用いてサービスパーツの需要予測値の算出を行なう（ステップＳ１−６）。このため、実際の初期の実績値を用いて、
新機種のサービスパーツ商品の需要予測値を算出するので、サービスパーツの需要予測を、数値で効率よく予測することができる。更に、このとき用いる実績値は、新機種と同じ分野で、かつ最も類似する現存機種における対応パーツの初期の実際の実績値である。従って、類似している現存機種の初期の実績値を用いて予測値を算出するため、新機種に使用されるサービスパーツの予測値を、より的確に予測することができる。

・ 本実施形態では、管理コンピュータ２１は、サービスパーツの需要予測値の算出を行なう（ステップＳ１−６）場合には、図４の（２）式を用いる。すなわち、管理コンピュータ２１は、計画販売量割合を算出し、これと、ステップＳ１−５において取得した類似現存機種の対応サービスパーツの初期受注実績とを乗算して、需要予測値を算出する。一般には、機種の初期計画販売量の増減に応じてサービスパーツの販売量も増減する。このため、類似現存機種の対応パーツの実績値を、新機種の初期計画販売量に応じた値に調整してサービスパーツの需要予測を行なうことにより、需要予測をより的確に行なうことができる。

・ 本実施形態では、管理コンピュータ２１は、類似度を算出する（ステップＳ１−３）場合には、正規化した機種属性データを説明変数として用いたユークリッド距離ｄｎを算出する。このため、説明変数の単位が、例えば枚数や時間や価格など、異なる場合であっても、類似度を算出する説明変数として同様に評価した上で用いることができる。

・ 本実施形態では、機種属性データ記憶部２２には、本体スペック、ターゲットユーザ及びメンテナンスに関するデータを含む機種属性データが記憶されている。管理コンピュータ２１は、これら機種属性データの機種の本体スペック、ターゲットユーザ及びメンテナンスに関するデータを用いて多変量解析を行なって、新機種に類似する類似現存機種を特定する。従って、機種に関する色々な角度からのデータを用いて、新機種との類似度を評価することができる。

・ 本実施形態では、需要予測システム２０は、需要予測を行なう予測対象の新機種のサービスパーツの特定を行なう（ステップＳ１−１）場合には、受注システム１０から取得したサービスパーツ識別子に基づいて受注実績データを抽出する処理を行なう。そして、受注実績データを所定数以上、抽出できなかった場合には、管理コンピュータ２１は、ステップＳ１−２以降の処理を行なう。これにより、実績状況に応じて、自動的に、新機種を特定して、予測対象のサービスパーツの需要予測を行なうことができる。

また、上記実施形態は、以下のように変更してもよい。
○ 上記実施形態において、類似度を算出する説明変数として、本体スペック、ターゲットユーザ及びメンテナンスに関する機種属性データを用いた。類似度を算出するために用いるデータは、これに限定されない。例えば、これら本体スペック、ターゲットユーザ及びメンテナンスに関する機種属性の一部のみを用いてもよい。また、同じ分野の機種において、機種属性データの項目数が異なる場合には、共通する最小項目を説明変数として用いて類似度を算出してもよい。

○ 上記実施形態においては、新機種と現存機種とのユークリッド距離ｄｎを算出し、このユークリッド距離ｄｎを用いて類似現存機種の特定を行なった。新機種に対して類似する類似現存機種を特定する方法は、これに限定されない。例えば、説明変数に応じた重み付けをして、ユークリッド距離ｄｎを算出してもよい。具体的には、管理コンピュータ２１は、機種属性データに応じた類似度を決定するための重み付けを経験則に基づいて設定して記憶する。そして、管理コンピュータ２１は、上記（１）式において差分の２乗の項目と、その説明変数の重み付けとを乗算した上で総和を求め、その平方根を算出して、重み付けをしたユークリッド距離ｄｎを算出する。

また、例えば、クラスター分析を用いて、クラスターに対して標準化ユークリッド距離を算出し、類似するクラスターから類似現存機種を特定してもよい。ここで、管理コンピュータ２１は、ステップＳ１−４，Ｓ１−５の代わりに、図５に示すステップＳ２−１を行なう。すなわち、管理コンピュータ２１は、属性データを説明変数として用いたクラスター分析を行ない、新種別を含む最小のクラスターから類似本体商品種別を特定する前記類似本体商品種別特定段階を行なう。具体的には、管理コンピュータ２１は、類似現存機種や新機種の属性データを用いて階層クラスターを生成し、新機種を含む最小のクラスターを特定する。そして、このクラスターに含まれる現存機種又は類似現存機種クラスターから類似機種を特定する。例えば、図５の場合、新機種を含む最小のクラスターには、カラーコピー機ＰＱ，ＰＲで構成される類似現存機種クラスターが含まれているため、これらカラーコピー機ＰＱ，ＰＲが類似現存機種と特定される。

○ 上記実施形態においては、管理コンピュータ２１は、サービスパーツの需要予測値の算出を行なう（ステップＳ１−６）場合には、類似現存機種の初期計画販売量に対する新機種の初期計画販売量を算出し、この値とステップＳ１−５において取得した類似現存機種の対応するサービスパーツの初期受注実績とを乗算して、需要予測値を算出した。新機種のサービスパーツの需要予測値の算出は、これに限らず、類似現存機種の対応サービスパーツの初期計画販売量を用いて予測できれば、他の計算式を用いてもよい。例えば、管理コンピュータ２１が、類似現存機種を２つ以上特定した場合には、これら類似現存機種の両方の対応パーツの受注実績データを取得する。そして、管理コンピュータ２１は、取得した受注実績データとそれぞれの機種における計画販売量割合とを乗算し、乗算した値の平均を、サービスパーツの需要予測値としてもよい。また、類似現存機種によって新機種との類似度が異なる場合には、その類似度に応じた重み付けを行って、サービスパーツの需要予測値を算出してもよい。

○ 上記実施形態においては、サービスパーツの需要予測を行なった。需要予測の対象はこれに限定されない。例えば、新製品の着脱可能な商品など、新機種の本体商品に使用され、これら本体商品に類似する類似商品において対応するパーツ商品があればよい。

実施形態における需要予測システムの概略図。 機種属性データ記憶部に記憶されたデータの説明図。 サービスパーツデータ記憶部に記憶されたデータの説明図。 実施形態における需要予測処理の処理手順を説明するための流れ図。 変更例における類似度のデータ記憶部に記憶されたデータの説明図。

符号の説明

ｄｎ…ユークリッド距離、２０…需要予測システム、２１…管理コンピュータ、２２…本体属性データ記憶手段としての機種属性データ記憶部、２４…実績データ記憶手段としての受注実績データ記憶部。

Claims (7)

1. 種別毎に本体商品に関する属性データを、種別を特定する本体種別識別子に関連付けて記録する本体属性データ記憶手段と、本体商品に使用されるパーツ商品の初期実績値に関するデータを、このパーツ商品が使用される本体商品の本体種別識別子と関連付けて記録した実績データ記憶手段とに接続される管理コンピュータを用いて、前記パーツ商品の需要予測を行なう方法であって、
   前記管理コンピュータが、
   需要予測を行なう予測対象パーツ商品が使用される新種別の本体商品種別を特定する新種別特定段階と、
   前記本体属性データ記憶手段に記録された本体商品種別の前記属性データを説明変数として用いて、前記新種別の本体商品種別に類似する類似本体商品種別を特定する類似本体商品種別特定段階と、
   特定した類似本体商品種別において前記予測対象パーツ商品に対応するパーツ商品の初期実績値に関するデータを、前記実績データ記憶手段から抽出する実績データ取得段階と、
   抽出した前記パーツ商品の初期実績値を用いて前記予測対象パーツ商品の予測値を算出する予測値算出段階と、
   この予測値を出力する需要予測出力段階と
   を実行することを特徴とする需要予測方法。
2. 前記属性データには、本体商品の種別毎の初期計画販売量に関するデータが含まれており、
   前記予測値算出段階は、抽出した前記パーツ商品の初期実績値に、類似本体商品種別の初期計画販売量に対する新種別の初期計画販売量を乗算して、前記予測値を算出することを特徴とする請求項１に記載の需要予測方法。
3. 前記類似本体商品種別特定段階は、前記属性データを説明変数として用いた前記新種別と他の本体商品種別とのユークリッド距離を算出し、このユークリッド距離が最も小さい本体商品種別を前記類似本体商品種別と特定することを特徴とする請求項１又は２に記載の需要予測方法。
4. 前記類似本体商品種別特定段階は、前記説明変数を正規化した標準化ユークリッド距離を算出することを特徴とする請求項３に記載の需要予測方法。
5. 前記類似本体商品種別特定段階は、前記属性データを説明変数として用いたクラスター分析を行ない、前記新種別を含む最小のクラスターから前記類似本体商品種別を特定することを特徴とする請求項１又は２に記載の需要予測方法。
6. 前記属性データには、本体商品種別のスペック、ターゲットユーザ及びメンテナンスに関するデータが記憶されており、
   前記管理コンピュータは、前記属性データとして、前記本体商品種別のスペックに関するデータ、前記ターゲットユーザに関するデータ及び前記メンテナンスに関するデータの少なくとも１つを用いて、前記類似本体商品種別特定段階を行なうことを特徴とする請求項１〜５のいずれか１項に記載の需要予測方法。
7. 種別毎に本体商品に関する属性データを、種別を特定する本体種別識別子に関連付けて記録する本体属性データ記憶手段と、本体商品に使用されるパーツ商品の初期実績値に関するデータを、このパーツ商品が使用される本体商品の本体種別識別子と関連付けて記録した実績データ記憶手段とに接続される管理コンピュータを用いて、前記パーツ商品の
   需要予測を行なうプログラムであって、
   前記管理コンピュータを、
   需要予測を行なう予測対象パーツ商品が使用される新種別の本体商品種別を特定する新種別特定手段、
   前記本体属性データ記憶手段に記録された本体商品種別の前記属性データを説明変数として用いて、前記新種別の本体商品種別に類似する類似本体商品種別を特定する類似本体商品種別特定手段、
   特定した類似本体商品種別において前記予測対象パーツ商品に対応するパーツ商品の初期実績値に関するデータを、前記実績データ記憶手段から抽出する実績データ取得手段、
   抽出した前記パーツ商品の初期実績値を用いて前記予測対象パーツ商品の予測値を算出する予測値算出手段、及び
   この予測値を出力する需要予測出力手段
   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。

Images