JP2011232950A - 需要予測装置、需要予測方法、及び需要予測プログラム - Google Patents
需要予測装置、需要予測方法、及び需要予測プログラム Download PDFInfo
- Publication number
- JP2011232950A JP2011232950A JP2010102529A JP2010102529A JP2011232950A JP 2011232950 A JP2011232950 A JP 2011232950A JP 2010102529 A JP2010102529 A JP 2010102529A JP 2010102529 A JP2010102529 A JP 2010102529A JP 2011232950 A JP2011232950 A JP 2011232950A
- Authority
- JP
- Japan
- Prior art keywords
- demand
- product
- maintenance
- parameter
- shipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 196
- 230000008439 repair process Effects 0.000 claims abstract description 49
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 22
- 230000007423 decrease Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 50
- 238000010586 diagram Methods 0.000 description 22
- 238000004519 manufacturing process Methods 0.000 description 14
- 238000005315 distribution function Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】需要予測装置1は、製品保有台数モデルを特徴づける減少率パラメータ、修理依頼率モデルを特徴づける修理依頼率パラメータ、および部品故障率を特徴づける部品故障率パラメータの最適値を決定するパラメータ推定部107と、決定した各パラメータの最適値によって規定された保守部品需要予測モデルを用いて保守部品の需要予測値を計算する保守部品需要予測値計算部109と、を備え、製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、部品故障率モデルは、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表されることを特徴とする。
【選択図】図2
Description
部品需要数(t)=市場での製品保有台数(t)×部品故障率(t)
として部品需要数を計算する予測モデル(部品需要予測モデル)が知られている。ここで、tは経過時間である。
また、特許文献1の他に、部品の寿命がワイブル分布に従うものとして部品の故障率を推定し、部品需要数を計算している技術として、例えば特許文献2、特許文献3等がある。
<概要>
図1は、実施形態に係る需要予測装置1の構成図である。
図1に示す、実施形態に係る需要予測装置1は、製品の過去の出荷実績が記憶される製品出荷実績データ21及び保守部品の過去の出荷実績が記憶される保守部品出荷実績データ22に基づいて、現在以降の保守部品の需要予測値を計算し、計算した需要予測値を表示部5に表示すると共に、需要予測値データ24として出力する。
需要予測装置1は、記憶部2、制御部3、入力部4、及び表示部5を備えて構成される。本実施形態では、需要予測装置1の一例として、PC(Personal Computer)を用いる例を説明するが、これに限定されるものではない。需要予測装置1には、PC以外にも、例えばサーバ、ホストコンピュータ、PDA(Personal Digital Assistant)等を用いることができる。以下、需要予測装置1を構成する装置について説明する。
記憶部2は、HDD(Hard Disk Drive)で構成される。記憶部2には、保守部品の需要予測を計算するプログラムである需要予測プログラム10、需要予測装置1のコンピュータシステムを管理し、基本的なユーザ操作環境を提供するソフトウェアであるOS(Operating System)20が記憶される。また、製品の過去の出荷実績である製品出荷実績データ21、保守部品の過去の出荷実績である保守部品出荷実績データ22、需要予測値を計算する期間である予測期間データ23、及び計算した需要予測値である需要予測値データ24が記憶される。
制御部3は、CPU(Central Processing Unit)100、メモリ30、及びこれらの周辺回路等(図示せず)から構成される。制御部3は、記憶部2に記憶される需要予測プログラム10を実行することで様々な機能を実現する。詳細は後記する。
入力部4は、需要予測装置1のユーザ(操作者)が情報を入力する際に使われる装置であり、例えば、キーボード、マウス等で構成される。入力された情報は、OS20を介して制御部3に渡される。
表示部5は、需要予測装置1のユーザ(操作者)に情報を表示する際に使われる装置であり、例えば、LCD(Liquid Crystal Display)、CRT(Cathode Ray Tube)ディスプレイ等で構成される。表示される情報は、制御部3からOS20を介して表示部5に渡される。
図2は、実施形態に係る需要予測装置1の機能構成図である。図2は、需要予測プログラム10(図1参照)が、CPU100に読み込まれ、実行可能に展開されたときの様子を表している。図1で説明したものについては、同一符号を付して説明を省略する。
CPU100は、製品出荷実績入力部101、製品出荷実績格納部102、保守部品出荷実績入力部103、保守部品出荷実績格納部104、予測期間入力部105、予測期間格納部106、予測モデルパラメータ推定部107、予測モデルパラメータ格納部108、保守部品需要予測値計算部109、保守部品需要予測値格納部110、保守部品需要予測値出力部111、及び表示画面制御部112を備える。
以下、CPU100が備える機能を、製品A及び製品Bに使用されている部品Pの保守部品としての部品出荷量を予測する場合を例にとり説明する。なお、製品Aの出荷開始年は2000年、製品Bの出荷開始年は2001年、製品A及び製品Bの保守期間終了年は2014年とする。また、保証部品としての部品Pの生産終了年を2004年とする。
製品出荷実績入力部101は、記憶部2に記憶される製品出荷実績データ21を読み込み、読み込んだ製品出荷実績データ21を製品出荷実績格納部102及び表示画面制御部112に渡す。図3は、製品出荷実績データ21のデータ構成図である。図3に示す、製品出荷実績データ21は、例えば図示しない他のシステムを用いて事前に作成される。図3の例では、製品Aは2000年に出荷が開始され、2年分の出荷実績が記録されている。製品Bは、2001年に出荷が開始され、1年分の出荷実績が記憶されている。
なお、図3に図示してないが、製品出荷実績データ21に製品名等の製品に関する情報を項目として備える構成としてもよい。
製品出荷実績格納部102は、製品出荷実績入力部101から渡された製品出荷実績データ21を、時間情報の形式が異なるメモリ上製品出荷実績データ31に変更して、メモリ30に格納する。図4は、メモリ上製品出荷実績データ31のデータ構成図である。
保守部品出荷実績入力部103は、記憶部2に記憶される保守部品出荷実績データ22を読み込み、読み込んだ保守部品出荷実績データ22を保守部品出荷実績格納部104及び表示画面制御部112に渡す。図5は、保守部品出荷実績データ22のデータ構成図である。図5に示す、保守部品出荷実績データ22は、例えば図示しない他のシステムを用いて事前に作成される。図5の例では、製品A又は製品Bの故障により、保守部品として出荷した部品Pの出荷実績であり、部品Pは、2000年から出荷が開始され、2004年までの5年分の出荷実績が記憶されている。
また、図5に図示してないが、保守部品出荷実績データ22に部品名等の部品に関する情報を項目として備える構成としてもよい。
保守部品出荷実績格納部104は、保守部品出荷実績入力部103から渡された保守部品出荷実績データ22を、時間情報の形式が異なるメモリ上保守部品出荷実績データ32に変更して、メモリ30に格納する。図6は、メモリ上保守部品出荷実績データ32のデータ構成図である。
予測期間入力部105は、記憶部2に記憶される予測期間データ23を読み込み、読み込んだ予測期間データ23を予測期間格納部106に渡す。図7は、予測期間データ23のデータ構成図である。図7に示す、予測期間データ23は、例えば図示しない他のシステムを用いて事前に作成されるか、事前にユーザにより作成される。図7の例では、2004年終了時点で保守部品としての部品Pの生産が終了することになり、予測を開始する予測開始年(2005年)及び保守終了年(2014年)の情報が記憶されている。
なお、予測期間に関する情報は、記憶部2に予測期間データ23として記憶しておく構成の他に、表示画面51を介してユーザに直接入力される構成にしてもよい。
予測期間格納部106は、予測期間入力部105から渡された予測期間データ23を、時間情報の形式が異なるメモリ上予測期間データ33に変更して、メモリ30に格納する。図8は、メモリ上予測期間データ33のデータ構成図である。
予測モデルパラメータ推定部107は、製品保有台数モデル、修理依頼率モデル、及び部品故障率モデルの合成関数で表される保守部品需要予測モデルを用いて、パラメータの最適値を決定する。
具体的には、予測モデルパラメータ推定部107は、製品出荷実績格納部102、及び保守部品出荷実績格納部104を介して、メモリ30に記憶されるメモリ上製品出荷実績データ31、及びメモリ上保守部品出荷実績データ32を取得し、保守部品需要予測モデルを用いて取得したデータに基づいて、パラメータの最適値を決定する。
以下では、各モデルの説明を行った後に、パラメータの最適値の決定方法について説明する。
製品出荷年t0からの経過年t=0,1,2,…に対応する市場での製品保有台数H(t)を、次の式1とする。ただし、H(t0)は製品出荷年t0の製品出荷数(複数製品が出荷していればその総数)、dは減少率パラメータである。
製品出荷年t0からの経過年t=0,1,2,…に対応するユーザの修理依頼率U(t)を、次の式2とする。ただし、U(t0)=1(製品出荷年t0の修理依頼率は100%)、uは修理依頼率パラメータである。
製品出荷年t0からの経過年t=0,1,2,…に対応する製品の利用環境の偏りを考慮した部品故障率関数λ(t)を、次の式3とする。部品故障率関数λ(t)は、部品(部品が使用されている製品)の使用を開始してから時間tが経過した時に、その時点で故障していない部品が、単位時間当たりに故障する確率である。a,r,mは部品故障率パラメータである。
一般的なワイブル分布の分布関数の式は、次の式9のように記述される。パラメータηを特性寿命と呼び、ワイブル分布に従う部品の平均寿命(故障するまでの平均時間)にはパラメータηが関わってくる。パラメータmは形状変数と呼ばれ、ワイブル分布の形状を決めている。
予測モデルパラメータ推定部107は、メモリ30上に格納されたメモリ上製品出荷実績データ31、及びメモリ上保守部品出荷実績データ32から、製品出荷年からの経過年に対応する市場での製品保有台数の減少率パラメータd、ユーザの修理依頼率パラメータu、製品の利用環境の偏りを考慮した部品故障率パラメータa,r,mの各パラメータ値を変更して複数パターンの保守部品の出荷数の需要予測値を算出し、算出した複数パターンの需要予測値とメモリ30上に格納されたメモリ上保守部品出荷実績データ32の部品出荷量323との誤差の二乗和が最小となる最適な各パラメータ値を探索する。探索には、例えば遺伝的アルゴリズム、準Newton法等を用いる。
最初に、予測モデルパラメータ推定部107は、パラメータ初期値の組の集団を生成する(ステップS110)。次に、予測モデルパラメータ推定部107は、個々の組のパラメータ値で保守部品の出荷数の需要予測値を計算し、保守部品の実際の出荷量(実績値)との誤差の二乗和を評価する(ステップS120)。次に、予測モデルパラメータ推定部107は、パラメータ値の組の生成が、世代数の上限に到達したか否かを判定する(ステップS130)。世代数の上限に到達していない場合に(ステップS130“No”)処理はステップS140に進み、世代数の上限に到達している場合に(ステップS130“Yes”)処理はステップS150に進む。
一方、ステップS130“Yes”と判定された場合に、予測モデルパラメータ推定部107は、評価値が最良のパラメータ値の組を取得する(ステップS150)。これで、最適な各パラメータ値の探索は終了する。
予測モデルパラメータ格納部108は、予測モデルパラメータ推定部107から渡された各パラメータ値を、メモリ上予測モデルパラメータデータ35としてメモリ30に格納する。図11は、メモリ上予測モデルパラメータデータ35のデータ構成図である。
パラメータ種類351には、保守部品需要予測モデルで用いられる各パラメータの種類が記憶される。パラメータ種類が「d」は減少率パラメータ、「u」は修理依頼率パラメータ、「a,r,m」は部品故障率パラメータを表す。
パラメータ値352には、保守部品需要予測モデルで用いられる各パラメータの最適なパラメータ値が記憶される。
保守部品需要予測値計算部109は、予測モデルパラメータ格納部108、及び予測期間格納部106を介して、メモリ30に記憶されるメモリ上予測モデルパラメータデータ35、及びメモリ上予測期間データ33を取得する。そして、保守部品需要予測値計算部109は、取得したメモリ上予測モデルパラメータデータ35のパラメータ値352に設定されるパラメータの最適値を用いて、取得したメモリ上予測期間データ33の経過年332に設定される予測開始年(アドレス331が「S6」)から予測終了年(アドレス331が「S15」)までの間の、製品保有台数H(t)、修理依頼率U(t)、及び部品故障率A(t)を式1、式2、及び式5を用いてそれぞれ求め、さらに式4及び式6を用いて需要予測値D(t)を計算する。
そして、保守部品需要予測値計算部109は、計算した経過年に対する保守部品の需要予測値を保守部品需要予測値格納部110に渡す。
保守部品需要予測値格納部110は、保守部品需要予測値計算部109から渡された経過年に対する保守部品の需要予測値を、メモリ上需要予測値データ34としてメモリ30に格納する。図12は、メモリ上需要予測値データ34のデータ構成図である。
保守部品需要予測値出力部111は、保守部品需要予測値格納部110から渡されたメモリ上需要予測値データ34を、時間情報の形式が異なる需要予測値データ24に変更して、記憶部2に格納する。図13は、需要予測値データ24のデータ構成図である。
保守部品出荷予測年241には、保守部品の需要予測を行った年が西暦で設定される。部品コード242及び保守部品需要予測値243には、メモリ上需要予測値データ34の部品コード342及び保守部品需要予測値343と同様のデータが設定される。
表示画面制御部112は、製品出荷実績入力部101及び保守部品出荷実績入力部103から渡される製品出荷実績データ21及び保守部品出荷実績データ22を用いて、需要予測値計算前の表示画面51Aを表示部5に表示する。図14は、需要予測値計算前の表示画面の一例である。
さらに、表示画面制御部112は、保守部品需要予測値出力部111から渡される需要予測値データ24を用いて、需要予測値計算後の表示画面51Bを表示部5に表示する。図15は、需要予測値計算後の表示画面の一例である。以下では、需要予測値計算前の表示画面51Aと需要予測値計算後の表示画面51Bをまとめて単に表示画面51と呼ぶときがある。
需要予測対象部品表示欄511には、需要予測対象の部品に関する情報が表示される。また、表示された需要予測対象の部品の中からユーザが需要予測の計算を行う部品を選択するためのチェックボックスもあわせて表示される。需要予測対象製品表示欄512には、需要予測対象の部品が使用されている製品に関する情報が表示される。需要予測実行ボタン513は、押下されることで需要予測の計算が開始される。グラフ表示欄514には、製品出荷量を表す棒グラフ515、保守部品出荷量を表すポイントが三角で表示された折れ線グラフ516、保守部品の需要予測値を表すポイントが丸で表示された折れ線グラフ517が表示される。
以上で、実施形態に係る需要予測装置1の機能、及びデータ構成の説明を終了する。
図16は、実施形態に係る需要予測装置による需要予測値の計算動作を表すフローチャートである。以下、図2、図14、図15及び図16を参照して、需要予測装置1による需要予測値の計算動作を説明する。
読み込まれた各データは、製品出荷実績格納部102、保守部品出荷実績格納部104、又は予測期間格納部106を介して、メモリ30に格納される。また、表示画面制御部112は、読み込まれた保守部品出荷実績データ22内の部品コード312等の部品に関する情報を、図14に示す表示画面51Aの需要予測対象部品表示欄511に表示する。
以上で、実施形態に係る需要予測装置1による需要予測値の計算動作の説明を終了する。
2 記憶部
3 制御部
4 入力部
5 表示部
10 需要予測プログラム
20 OS
21 製品出荷実績データ
22 保守部品出荷実績データ
23 予測期間データ
24 需要予測値データ
30 メモリ
51 表示画面
100 CPU
101 製品出荷実績入力部(製品出荷実績取得部)
103 保守部品出荷実績入力部(保守部品出荷実績取得部)
105 予測期間入力部
107 予測モデルパラメータ推定部(パラメータ推定部)
109 保守部品需要予測値計算部
111 保守部品需要予測値出力部
112 表示画面制御部
Claims (6)
- 出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置であって、
過去の製品の出荷実績である製品出荷実績数を取得する製品出荷実績取得部と、
過去の保守部品の出荷実績である保守部品出荷実績数を取得する保守部品出荷実績取得部と、
前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定するパラメータ推定部と、
前記パラメータ推定部が決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算する保守部品需要予測値計算部と、を備え、
前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、
前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、
ことを特徴とする需要予測装置。 - 前記パラメータ推定部は、遺伝的アルゴリズムを用いて前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定する、
ことを特徴とする請求項1ないし請求項3の何れか1項に記載の需要予測装置。 - 出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置に用いられる需要予測方法であって、
前記需要予測装置は、
過去の製品の出荷実績である製品出荷実績数を取得し、
過去の保守部品の出荷実績である保守部品出荷実績数を取得し、
前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定し、
決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算し、
前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、
前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、
ことを特徴とする需要予測方法。 - 請求項5に記載の需要予測方法を、前記需要予測装置に実行させるための需要予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010102529A JP5444110B2 (ja) | 2010-04-27 | 2010-04-27 | 需要予測装置、需要予測方法、及び需要予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010102529A JP5444110B2 (ja) | 2010-04-27 | 2010-04-27 | 需要予測装置、需要予測方法、及び需要予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011232950A true JP2011232950A (ja) | 2011-11-17 |
JP5444110B2 JP5444110B2 (ja) | 2014-03-19 |
Family
ID=45322207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010102529A Expired - Fee Related JP5444110B2 (ja) | 2010-04-27 | 2010-04-27 | 需要予測装置、需要予測方法、及び需要予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5444110B2 (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013047440A1 (ja) * | 2011-09-26 | 2013-04-04 | 三菱重工業株式会社 | 需要予測装置、需要予測方法および需要予測プログラム |
JP2013161452A (ja) * | 2012-02-08 | 2013-08-19 | Mitsubishi Heavy Ind Ltd | 需要予測装置、需要予測方法および需要予測プログラム |
JP2013182498A (ja) * | 2012-03-02 | 2013-09-12 | Hitachi Solutions East Japan Ltd | 需要予測装置、需要予測プログラムおよび需要予測方法 |
CN108009692A (zh) * | 2017-12-26 | 2018-05-08 | 东软集团股份有限公司 | 设备维修信息处理方法、装置、计算机设备和存储介质 |
CN109492914A (zh) * | 2018-11-15 | 2019-03-19 | 青岛航讯网络技术服务有限公司 | 大型货轮短期任务备件需求量确定方法 |
JP2019125127A (ja) * | 2018-01-16 | 2019-07-25 | 沖電気工業株式会社 | 需要予測装置、需要予測方法、及びプログラム |
CN110728466A (zh) * | 2019-10-24 | 2020-01-24 | 珠海格力电器股份有限公司 | 一种新产品的目标配件需求量确定方法及计算机设备 |
CN111008749A (zh) * | 2019-12-19 | 2020-04-14 | 北京顺丰同城科技有限公司 | 一种需求预测的方法及装置 |
WO2020137037A1 (ja) * | 2018-12-28 | 2020-07-02 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
CN111445053A (zh) * | 2019-01-17 | 2020-07-24 | 阿里巴巴集团控股有限公司 | 用工需求信息处理方法、装置及电子设备 |
WO2021100405A1 (ja) * | 2019-11-22 | 2021-05-27 | 三菱重工業株式会社 | 需要予測装置、需要予測方法およびプログラム |
JP2021515291A (ja) * | 2018-02-26 | 2021-06-17 | ベクトン・ディキンソン・アンド・カンパニーBecton, Dickinson And Company | 安全在庫モデリングのための視覚的対話型アプリケーション |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983757B (zh) * | 2014-06-04 | 2015-10-14 | 国家电网公司 | 基于混合Weibull分布的变压器绝缘热老化状态可靠性评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003257808A (ja) * | 2002-03-05 | 2003-09-12 | Toshiba Corp | 半導体製造装置、その管理装置、その部品管理装置、半導体ウェーハ収納容器搬送装置 |
JP2004234470A (ja) * | 2003-01-31 | 2004-08-19 | Ricoh Co Ltd | 需要予測方法及び需要予測プログラム |
JP2005327201A (ja) * | 2004-05-17 | 2005-11-24 | Toshiba Corp | 保守支援方法及びプログラム並びに装置 |
JP2009265831A (ja) * | 2008-04-23 | 2009-11-12 | Toshiba Corp | 意思決定支援装置 |
-
2010
- 2010-04-27 JP JP2010102529A patent/JP5444110B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003257808A (ja) * | 2002-03-05 | 2003-09-12 | Toshiba Corp | 半導体製造装置、その管理装置、その部品管理装置、半導体ウェーハ収納容器搬送装置 |
JP2004234470A (ja) * | 2003-01-31 | 2004-08-19 | Ricoh Co Ltd | 需要予測方法及び需要予測プログラム |
JP2005327201A (ja) * | 2004-05-17 | 2005-11-24 | Toshiba Corp | 保守支援方法及びプログラム並びに装置 |
JP2009265831A (ja) * | 2008-04-23 | 2009-11-12 | Toshiba Corp | 意思決定支援装置 |
Non-Patent Citations (2)
Title |
---|
PETER S.FADER 他: "Forecasting New Product Trial in a Controlled Test Market Environment", [ONLINE], JPN6013060957, 2003, pages 1 - 20, ISSN: 0002701897 * |
奥 武憲 他: "サービスパーツ需要予測システムの開発", [ONLINE], JPN6013060959, December 2005 (2005-12-01), pages 82 - 88, ISSN: 0002701898 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013047440A1 (ja) * | 2011-09-26 | 2013-04-04 | 三菱重工業株式会社 | 需要予測装置、需要予測方法および需要予測プログラム |
JP2013161452A (ja) * | 2012-02-08 | 2013-08-19 | Mitsubishi Heavy Ind Ltd | 需要予測装置、需要予測方法および需要予測プログラム |
JP2013182498A (ja) * | 2012-03-02 | 2013-09-12 | Hitachi Solutions East Japan Ltd | 需要予測装置、需要予測プログラムおよび需要予測方法 |
CN108009692A (zh) * | 2017-12-26 | 2018-05-08 | 东软集团股份有限公司 | 设备维修信息处理方法、装置、计算机设备和存储介质 |
JP2019125127A (ja) * | 2018-01-16 | 2019-07-25 | 沖電気工業株式会社 | 需要予測装置、需要予測方法、及びプログラム |
JP7023456B2 (ja) | 2018-01-16 | 2022-02-22 | 沖電気工業株式会社 | 需要予測装置、需要予測方法、及びプログラム |
JP2021515291A (ja) * | 2018-02-26 | 2021-06-17 | ベクトン・ディキンソン・アンド・カンパニーBecton, Dickinson And Company | 安全在庫モデリングのための視覚的対話型アプリケーション |
CN109492914A (zh) * | 2018-11-15 | 2019-03-19 | 青岛航讯网络技术服务有限公司 | 大型货轮短期任务备件需求量确定方法 |
WO2020137037A1 (ja) * | 2018-12-28 | 2020-07-02 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
JPWO2020137037A1 (ja) * | 2018-12-28 | 2021-09-09 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
JP7138727B2 (ja) | 2018-12-28 | 2022-09-16 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
CN111445053A (zh) * | 2019-01-17 | 2020-07-24 | 阿里巴巴集团控股有限公司 | 用工需求信息处理方法、装置及电子设备 |
CN111445053B (zh) * | 2019-01-17 | 2023-07-25 | 盒马(中国)有限公司 | 用工需求信息处理方法、装置及电子设备 |
CN110728466A (zh) * | 2019-10-24 | 2020-01-24 | 珠海格力电器股份有限公司 | 一种新产品的目标配件需求量确定方法及计算机设备 |
CN110728466B (zh) * | 2019-10-24 | 2022-05-20 | 珠海格力电器股份有限公司 | 一种新产品的目标配件需求量确定方法及计算机设备 |
WO2021100405A1 (ja) * | 2019-11-22 | 2021-05-27 | 三菱重工業株式会社 | 需要予測装置、需要予測方法およびプログラム |
CN111008749A (zh) * | 2019-12-19 | 2020-04-14 | 北京顺丰同城科技有限公司 | 一种需求预测的方法及装置 |
CN111008749B (zh) * | 2019-12-19 | 2023-06-30 | 北京顺丰同城科技有限公司 | 一种需求预测的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5444110B2 (ja) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5444110B2 (ja) | 需要予測装置、需要予測方法、及び需要予測プログラム | |
KR102069386B1 (ko) | 노후 예측 툴 | |
US20070244589A1 (en) | Demand prediction method, demand prediction apparatus, and computer-readable recording medium | |
US20050222898A1 (en) | Evaluation apparatus, evaluation method and computer program product | |
CN102890799A (zh) | 业务成效权衡仿真器 | |
WO2018185635A1 (en) | Product chain based derivation of future product cost using cascading effect of the product chain | |
JP2018063598A (ja) | 業務支援システム、および、業務支援方法 | |
JP6823547B2 (ja) | 経営管理システム | |
JP7125491B2 (ja) | 機械分析 | |
JP2019028871A (ja) | プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム | |
US8504398B2 (en) | Methods, systems, and computer program products for implementing a reusable new product planning model | |
JP2012083969A (ja) | 部品情報提供システム,部品情報提供装置および部品情報提供プログラム | |
WO2018198450A1 (ja) | 車両保守計画装置、及び車両保守計画評価方法 | |
JP5941789B2 (ja) | 部品需要予測システム、部品需要予測方法、及びプログラム | |
JP4901138B2 (ja) | 流通管理システム | |
TW202046213A (zh) | 計劃制定系統及其方法 | |
JP6333150B2 (ja) | 需給調整装置および需給条件集約方法 | |
CN115545649A (zh) | 项目评审方法、装置、计算机设备和存储介质 | |
US20140129879A1 (en) | Selection apparatus, method of selecting, and computer-readable recording medium | |
JP2014052685A (ja) | データ編集装置およびプログラム | |
JP2007026335A (ja) | 評価指標見通し可視化方法 | |
JP5781555B2 (ja) | データ編集装置およびプログラム | |
JP2011065547A (ja) | 生産計画支援システムおよび生産計画支援プログラム | |
US7890390B2 (en) | Managing part number preferredness | |
JP2008165597A (ja) | 業務パラメータ決定システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130221 |
|
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: 20131210 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5444110 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |