JP2015158812A - 発注量決定方法、発注量決定装置および発注量決定プログラム - Google Patents

Abstract

【課題】制約の下で利益がより高くなることが見込まれる発注量を決定すること。
【解決手段】データ集計部１１１は、外部のＰＯＳシステムからの実際の売上データを集計する。需要予測生成部１１２は、ｋ期から先読み区間Ｈ先のｋ＋Ｈ期までの需要量を予測する。予測モデル生成部１１３は、期毎に在庫数を算出するための基本モデルを生成する。制約生成部１２１は、商品の発注に関する制約条件を生成する。目的関数生成部１２２は、指定期間ｋ期〜ｋ＋Ｈ期内の利益を算出するための目的関数を生成する。最適発注量計算部１３０は、制約条件を満たす範囲で指定期間内の利益を高める最適発注量を計算する。最適発注量計算部１３０は、計算された各期の発注量に基づいて想定される利益の範囲を算出する。出力部１６０は、総発注量と利益予測の範囲とを表形式で表したＧＵＩイメージを、モニタ２０に出力する。
【選択図】図１

Description

本発明は、発注量決定方法、発注量決定装置および発注量決定プログラムに関する。

商品の需要量を予測し、その予測誤差との差から在庫切れを起こさない程度の安全な発注量を決定することで倉庫内の在庫量を管理する技術がある。予測誤差とは、商品の需要予測を超えて販売される商品数である。かかる技術では、予測した商品の需要量に対し、予測誤差を加算することで商品の発注量を決定する。このように、予測した需要量よりも多くの商品を発注することにより、予測した需要よりも実際の需要が伸びた場合に在庫が尽きて商品の販売機会を喪失するのを防止する。

特開２００７−２００１８５号公報

しかしながら、制約の下で利益を高くすることができないという問題がある。

需要予測に予測誤差を加算して在庫切れを回避しても、利益を高くすることができない場合がある。例えば、在庫切れを起こさないように需要量以上に商品の発注量を増やすと、倉庫に余分な在庫を抱えて商品を保管するためのコストが増加し、利益が減少する場合がある。一方、商品の在庫管理には様々な制約が存在する。例えば、生産元への発注量には限界があるので、商品の需要が増大してから発注量を増やしても商品の供給が間に合わず、販売機会を喪失して利益が減少する場合がある。

一つの側面では、制約の下で利益がより高くなることが見込まれる発注量決定方法、発注量決定装置および発注量決定プログラムを提供することを目的とする。

第１の案では、コンピュータが、商品の発注量に基づいて利益を算出する制約情報を受け付け、制約情報を用いて、より利益が大きくなるｋ期からｋ＋Ｈ期までの発注量を探索し、探索した発注量のうち、ｋ期の前記発注量を出力する処理を実行する。

本発明の一の実施態様によれば、制約の下で利益がより高くなることが見込まれる発注量を決定できるという効果を奏する。

図１は、実施例１に係る発注量決定装置の構成を示す機能ブロック図である。 図２は、売上データのデータ構造の一例を示す図である。 図３は、設定情報テーブルのデータ構造の一例を示す図である。 図４は、予測需要量テーブルのデータ構造の一例を示す図である。 図５は、発注量決定システムの一例を示す図である。 図６は、商品を発注してから倉庫に届くまでのリードタイムを説明するための図である。 図７は、ＧＵＩイメージの第１の例を示す図である。 図８は、最適発注量を求める処理全体の流れの例を示すフロー図である。 図９は、予測需要量の第１の例を示す図である。 図１０は、最適発注量の第１の例を示す図である。 図１１は、予想される利益の第１の例を示す図である。 図１２は、予測需要量の第２の例を示す図である。 図１３は、最適発注量の第２の例を示す図である。 図１４は、予測される利益の第２の例を示す図である。 図１５は、実施例２に係る発注量決定装置の構成を示す機能ブロック図である。 図１６は、ＧＵＩイメージの第２の例を示す図である。 図１７は、実施例１または実施例２の発注量決定装置のハードウェア構成を示す図である。

以下に、本願の開示する発注量決定方法、発注量決定装置および発注量決定プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの権利範囲が限定されるものではない。各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

実施例１に係る発注量決定装置１００の全体構成の一例について説明する。図１は、実施例１に係る発注量決定装置の構成を示す機能ブロック図である。図１の例に示すように、発注量決定装置１００は、処理部１１０および記憶部１４０を有する。

（記憶部の説明）
記憶部１４０は、売上データ１４１、設定情報テーブル１４２、予測需要量テーブル１４３および過去需要量テーブル１４４を有する。記憶部１４０は例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、ハードディスクや光ディスクなどの記憶装置に対応する。

図２は、売上データのデータ構造の一例を示す図である。売上データ１４１は、期毎の各商品の売上情報を保持する。例えば、売上データ１４１は、外部のＰＯＳ（Point Of Sale）システムから入力される。図２の例に示されるように、売上データ１４１は、売上ＩＤと、商品コードと、商品名と、取得日と、売上とを対応付ける。「売上ＩＤ」は、商品の売上を期毎に識別するための識別番号である。「商品コード」は、各商品に一意に付されるコードである。「商品名」は、商品コードに対応する商品の名称である。「取得日」は、売上情報が取得された日付である。実施例１においては各日を期とする。「売上」は、売り上げた商品価格の合計値である。図２の例に示されるように、売上データ１４１は、各日を期として各日の売上を売上ＩＤ、商品コード、商品名および取得日に対応付ける。

図３は、設定情報テーブルのデータ構造の一例を示す図である。設定情報テーブル１４２は、ユーザ端末１０から入力された各種の設定情報を保持する。図３の例に示されるように設定情報テーブル１４２は、設定ＩＤ、設定項目、設定１、設定２および条件値を対応付ける。「設定ＩＤ」は、設定情報毎に一意に付される識別番号である。「設定項目」は、商品に対して設定される項目名である。「設定１」は、各項目に対する第１の設定値である。「設定２」は、各項目に対する第２の設定値である。「条件値」は、設定１と設定２とを切り替える条件となる値である。なお、「設定項目」が設定値を一つしか持たない場合は、設定１にのみ設定値が入力され、「設定２」および「条件値」には「−」が格納される。

次に、図３を用いて設定情報テーブル１４２の各設定項目に関して説明する。設定ＩＤ「１」の商品コードは、各商品に一意に付されるコードであり、売上データ１４１の商品コードに対応する。設定ＩＤ「２」の販売価格は、商品を販売するときの価格である。例えば、図３の例に示されるように設定情報テーブル１４２は、１商品あたりの販売価格が３５０円であることを表す。設定ＩＤ「３」のリードタイムとは、生産元に商品を発注してから倉庫に商品が到着するまでの時間である。リードタイムは、商品の種類、発注先等によって異なる。例えば、図３の例に示されるように、設定情報テーブル１４２は、リードタイムが３２時間であることを表す。

設定ＩＤ「４」の発注コストとは、商品１個を発注する場合に費やすコストである。発注コストには、商品１個当たりの購入価格の他、送料、手数料なども含まれる。発注コストは、１商品毎に購入するよりもセット単位で購入した方が、１商品あたりの発注コストが小さい場合がある。この場合に設定情報テーブル１４２は、設定ＩＤ「４」の設定１に、商品一個あたりの発注コストを有し、設定２に、１セットあたりの発注コストを有し、条件値に、１セットに含まれる個数を有してもよい。例えば、図３の例に示されるように設定情報テーブル１４２は、商品１個あたりの発注コストが１３０円で、１セットあたりの発注コストが２４０００円であることを表す。また、設定情報テーブル１４２は、１セットに含まれる商品数が２００個であることを表す。

設定ＩＤ「５」の保管コストとは、商品１個を１期保管する場合に使用するコストである。保管コストは、商品の保管期間に比例して増加する。例えば、図３の例に示されるように設定情報テーブル１４２は、商品１個を１期保管する場合の保管コストが５円であることを表す。設定ＩＤ「６」の廃棄コストとは、商品１個を廃棄するときに生じるコストである。例えば、図３の例に示されるように、設定情報テーブル１４２は、商品１個あたりの廃棄コストが１０円であることを表す。設定ＩＤ「７」の発注量限界とは、生産元に１回に発注できる最大の商品数である。例えば、図３の例に示されるように設定情報テーブル１４２は、発注量限界が１回の発注に付き商品１０００個であることを表す。設定ＩＤ「８」の在庫量限界とは、倉庫内に収納できる最大の商品数である。例えば、図３の例に示されるように設定情報テーブル１４２は、在庫量限界が商品３０００個であることを表す。設定ＩＤ「９」の先読み区間Ｈとは、商品の需要量を予測する期間である。例えば、図３の例に示されるように設定情報テーブル１４２は、先読み区間が６ヶ月であることを表す。設定ＩＤ「１０」の廃棄時間とは、商品を発注してから廃棄するまでの時間である。例えば、図３の例に示されるように設定情報テーブル１４２は、商品を発注してから９０時間後に廃棄することを表す。

図４は、予測需要量テーブルのデータ構造の一例を示す図である。予測需要量テーブル１４３は、予測方法毎に予測需要量を対応付けたテーブルである。例えば、予測需要量テーブル１４３は、後述する需要予測生成部１１２によって作成される。図４の例に示されるように、予測需要量テーブル１４３は、Ｎ個の需要量の予測方法ｐ_１〜ｐ_Ｎのそれぞれに対応するｋ期〜ｋ＋Ｈ期までの予測需要量を保持する。例えば、予測需要量テーブル１４３は、予測方法ｐ_１のｋ期の需要量が１００個、ｋ＋１期の需要量が１２０個、ｋ＋２期の需要量が１３０個、ｋ＋Ｈ期の需要量が１４０個であることを表す。

過去需要量テーブル１４４は、１期からｋ−１期までの過去の需要量に関するデータを保持する。過去需要量テーブル１４４は、データ集計部１１１が集計した実際の需要量を適宜保持してもよい。

（入力部の説明）
発注量決定装置１００は、入力部１５０および出力部１６０に接続される。入力部１５０は、例えば外部のＰＯＳシステムからの売上情報や、ユーザ端末１０からの設定情報の入力を受け付ける処理部である。入力部１５０は、ユーザ端末１０から商品の販売価格、リードタイム、発注コスト、保管コスト、廃棄コスト、発注量限界、在庫量限界、先読み区間および廃棄時間等の設定情報の入力を受け付ける。入力部１５０は、受け付けた各データを設定情報テーブル１４２に出力する。

また、入力部１５０は、ネットワーク１１を介して外部のＰＯＳシステムから売上情報を受け付ける。入力部１５０は、受け付けた売上情報を記憶部１４０の売上データ１４１に出力する。

図５を用いて、発注量決定装置１００と他のシステムとの通信に関して説明する。図５は、発注量決定システムの一例を示す図である。図５の例に示されるように、発注量決定装置１００は、受注システム２００と、ＰＯＳシステム３００ａと、ＰＯＳシステム３００ｂと、ＰＯＳシステム３００ｃとに通信可能に接続される。ＰＯＳシステム３００ａ、ＰＯＳシステム３００ｂおよびＰＯＳシステム３００ｃは、期毎の売上データを発注量決定装置１００に送信する。発注量決定装置１００は、受信した売上データを基に商品の最適発注量を算出する。発注量決定装置１００は、適宜、ユーザの指示により商品の発注情報を受注システム２００に送信する。受注システム２００は、発注情報を受信した後、発注量決定装置１００に受注確認を送信する。

（処理部の説明）
処理部１１０は、データ集計部１１１、需要予測生成部１１２、予測モデル生成部１１３、条件設定部１２０および最適発注量計算部１３０を有する。条件設定部１１０は、制約生成部１２１および目的関数生成部１２２を有する。

処理部１１０の各構成は例えば、ＣＰＵ（Central Processing Unit）が所定のプログラムを実行することで実現することができる。また、処理部１１０の機能は例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現することができる。

処理部１１０は、入力部１５０を介して商品の発注量に基づいて利益を算出する制約情報を受け付ける。最適発注量計算部１３０は、制約情報を用いて、より利益が大きくなるｋ期からｋ＋Ｈ期までの発注量を探索する。処理部１１０は、出力部１６０を介して探索した発注量のうち、ｋ期の発注量を出力する処理を実行する。例えば、入力部１５０は、発注コスト、保管コスト、納期のいずれか一つまたは複数を受け付ける。最適発注量計算部１３０は、発注コスト、保管コスト、納期のいずれか一つまたは複数を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、ｋ期の発注量を求める。例えば、最適発注量計算部１３０は、ｋ期からｋ＋Ｈ期までの需要を予測し、予測した需要を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、ｋ期の発注量を求める。例えば、最適発注量計算部１３０は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測し、最低限確保できる利益が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、ｋ期の発注量を求める。また、出力部１６０は、発注量とともに利益予測を出力する。なお、入力部１５０は、受付部の一例である。また、最適発注量計算部１３０は、探索部の一例である。以下、処理部１１０の各構成について詳細に説明する。

データ集計部１１１は、外部のＰＯＳシステムからの実際の売上データを集計する処理部である。データ集計部１１１は、売上データ１４１から取得した売上情報を集計し、実際の商品の需要量Ｄ_ｒ［ｋ−１］を求める。Ｄ_ｒ［ｋ−１］は、現在のｋ期よりも一つ前のｋ−１期に売り上げた商品数である。データ集計部１１１は、実際の商品の需要量Ｄ_ｒ［ｋ−１］を記憶部１４０に出力する。このように、データ集計部１１１は、期が経過する度に実際の商品の需要量Ｄ_ｒを過去需要量テーブル１４４に出力する。なお、過去需要量テーブル１４４は、１期からｋ−１期までの過去の商品の需要量Ｄ_ｒ［１］〜Ｄ_ｒ［ｋ−１］を保持している。

需要予測生成部１１２は、ｋ期から先読み区間Ｈ先のｋ＋Ｈ期までの需要量を予測する処理部である。需要予測生成部１１２は、過去需要量テーブル１４４に含まれる需要量Ｄ_ｒ［１］〜Ｄ_ｒ［ｋ−１］を用いて、Ｎ個の需要量の予測方法ｐ_１〜ｐ_Ｎによってそれぞれｋ期〜ｋ＋Ｈ期までの予測需要量Ｄ_ｐi［ｋ］〜Ｄ_ｐi［ｋ＋Ｈ］（i=1,…,N）を算出する。そして、需要予測生成部１１２は、予測需要量Ｄ_ｐi［ｋ］〜Ｄ_ｐi［ｋ＋Ｈ］のそれぞれを予測需要量テーブル１４３に出力する。

なお、需要量の予測方法ｐ_１〜ｐ_Ｎには、他の予測方法と比べて需要量を大きく見積もるものや需要量を小さく見積もるものが含まれる。すなわち、需要予測生成部１１２は、複数の予測方法を用いて複数の予測需要量Ｄ_ｐを算出することで、予測需要量Ｄ_ｐに幅を持たせることができる。

予測モデル生成部１１３は、期毎に在庫数を算出するための基本モデルを生成する処理部である。予測モデル生成部１１３は、以下の式（１）（２）に表される基本モデルＭ_１を生成する。ｋ＋１期の始めに倉庫にある予測在庫数をｙ_ｐ［ｋ＋１］、ｋ期の始めに倉庫に実在する在庫数をｙ_ｒ［ｋ］、ｋ期の発注量をｕ［ｋ］、ｋ期の予測需要量をＤ_ｐ［ｋ］、ｋ期に抱える最大在庫数をＳｔとする。

Ｍ_１：ｙ_ｐ［ｋ＋１］＝ｙ_ｒ［ｋ］＋ｕ［ｋ］−Ｄ_ｐ［ｋ］ ・・・（１）

Ｓｔ＝ｙ［ｋ］＋ｕ［ｋ］ ・・・（２）

また、予測モデル生成部１１３は、商品を発注してから倉庫に届くまでのリードタイムを基本モデルに反映してもよい。予測モデル生成部１１３は、設定情報テーブル１４２からリードタイムを取得する。予測モデル生成部１１３は、取得したリードタイムに基づいて以下の式（３）の基本モデルＭ_２を生成する。式（３）において、リードタイムはＬｔ、発注間隔はｈである。なお、最大在庫数Ｓｔに関しては、式（２）で表される。

Ｍ_２：ｙ_ｐ［ｋ＋１］＝ｙ_ｒ［ｋ］＋ｕ［ｋ−floor(Ｌｔ／ｈ)］−Ｄ_ｐ［ｋ］ ・・・（３）

図６は、商品を発注してから倉庫に届くまでのリードタイムを説明するための図である。図６の例に示されるように、商品を発注してからリードタイムＬｔが経過した後に倉庫に商品が到着する。例えば、発注ｕ［ｋ−１］は、ｋ−１期に発注した商品である。ｋ−１期に発注した商品がｋ期を過ぎてから倉庫に到着する。また、発注ｕ［ｋ］は、ｋ期に発注した商品である。ｋ期に発注した商品がｋ＋１期を過ぎてから倉庫に到着する。このように、発注先、商品の種類によっては、前の期に発注した商品が次の期が経過した後に到着する場合がある。

また、予測モデル生成部１１３は、商品を発注してから廃棄時間を経過した後に廃棄する商品数を基本モデルに反映してもよい。予測モデル生成部１１３は、廃棄時間を設定情報テーブル１４２から取得する。予測モデル生成部１１３は、取得した廃棄時間に基づいて、以下の式（４）の基本モデルＭ_３を生成する。式（４）において、廃棄時間はＷｔである。なお、最大在庫数Ｓｔに関しては、式（２）で表される。

式（４）の条件式について説明する。最適発注量計算部１３０は、ｋ期において倉庫内に廃棄する商品が残っている場合、基本モデルＭ_３の上側の式を用いる。一方、最適発注量計算部１３０は、ｋ期において倉庫内に廃棄する商品がない場合、基本モデルＭ_３の下側の式を用いる。すなわち、最適発注量計算部１３０は、期毎に廃棄する商品数の有無を判定し、使用する基本モデルを決定する。なお、最適発注量計算部１３０の処理の詳細に関しては後述する。

制約生成部１２１は、商品の発注に関する制約条件を生成する処理部である。制約生成部１２１は、例えば発注量限界、在庫量限界を制約条件として生成する。制約生成部１２１は、設定情報テーブル１４２から各制約条件を取得する。

制約生成部１２１は、例えば以下の式（５）の発注量限界に関する制約式を生成する。式（５）において、発注量限界はＵｕである。

ｕ［ｋ］≦Ｕｕ，ｕ［ｋ＋１］≦Ｕｕ，・・・ ，ｕ［ｋ＋Ｈ］≦Ｕｕ ・・・（５）

制約生成部１２１は、例えば以下の式（６）の在庫量限界に関する制約式を生成する。式（６）において、在庫量限界はＵｓである。

ｙ_ｐ［ｋ＋１］＋ｕ［ｋ＋１］≦Ｕｓ，ｙ_ｐ［ｋ＋２］＋ｕ［ｋ＋２］≦Ｕｓ， ・・・，ｙ_ｐ［ｋ＋Ｈ］＋ｕ［ｋ＋Ｈ］≦Ｕｓ ・・・（６）

また、制約生成部１２１は、在庫切れを起こさない条件として在庫量を常に０以上とする制約条件を生成する。制約生成部１２１は、例えば以下の式（７）の在庫切れを起こさない条件に関する制約式を生成する。

ｙ_ｐ［ｋ＋１］≧０，ｙ_ｐ［ｋ＋２］≧０，・・・，ｙ_ｐ［ｋ＋Ｈ］≧０ ・・・（７）

目的関数生成部１２２は、目的関数を生成する処理部である。目的関数とは、予測需要量Ｄ_ｐ、在庫量ｙ、発注量ｕ等を用いてｋ期からｋ＋Ｈ期までに得られる利益を算出するための関数である。目的関数生成部１２２は、商品の販売価格、発注コスト、保管コストを設定情報テーブル１４２から取得する。次いで、目的関数生成部１２２は、以下の式（８）の目的関数Ｏ_１を生成する。式（８）において、商品の販売価格はｍ、商品の発注コストはｂ、商品の保管コストはｃである。

また、目的関数生成部１２２は、商品の発注量によって発注コストが異なる場合に、条件式で場合分けし、発注量に応じた発注コストを定義してもよい。例えば、商品を１個単位で購入するよりも商品をセット単位で購入した方が、商品１個あたりの発注コストが低い場合がある。目的関数生成部１２２は、設定情報テーブル１４２から１セットあたりの発注コストと商品１個あたりの発注コストとを取得する。そして、目的関数生成部１２２は、以下の式（９）の目的関数Ｏ_２を生成する。式（９）において、商品Ｒ個を１セットとする１セットあたりの発注コストはｂ_１、商品１個あたりの発注コストはｂ_２である。また、商品の販売価格はｍ、商品の保管コストはｃである。

また、目的関数生成部１２２は、商品を廃棄する際に生じる廃棄コストを目的関数に反映してもよい。目的関数生成部１２２は、設定情報テーブル１４２から廃棄コストおよび廃棄時間を取得する。そして、目的関数生成部１２２は、以下の式（１０）の目的関数Ｏ_３を生成する。式（１０）において、商品の販売価格はｍ、商品の発注コストはｂ、商品の保管コストはｃ、商品の廃棄コストはｄ、商品の廃棄時間はＷｔである。

最適発注量計算部１３０は、制約条件を満たす範囲で指定期間内の利益を高くする最適発注量を計算する処理部である。最適発注量計算部１３０は、基本モデル、制約条件および目的関数に基づいて、複数の需要予測を用いて最適化問題を解くことで、指定期間ｋ期〜ｋ＋Ｈ期の最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を求める。

例えば、最適発注量計算部１３０は、利益の最小値が最も高くなるように最適化問題を解き、各期の最適発注量ｕ［ｋ＋ｊ］（j=1,…,H）を求める。例えば、最適発注量計算部１３０は、下記の式（１１）および式（１２）を用いて最適化問題を解く。式（１１）は、利益の最小値が最も高くなる場合の発注量を算出するための数式である。式（１１）において、Ｐ_ｉは、需要量の予測方法ｐ_ｉ（i=1,…,N）によって取得される予測需要量Ｄ_ｒ［ｋ］〜Ｄ_ｒ［ｋ＋Ｈ］を目的関数に当てはめて算出した利益である。また、式（１２）は、制約生成部１２１によって生成された制約式である。最適発注量計算部１３０は、Ｐ_１〜Ｐ_Ｎのうち、最も小さいｍｉｎＰ_ｉが最も大きくなるように、式（１２）の条件式を満たす範囲で発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を設定する。

ｙ_ｐｉ［ｋ＋ｊ］≧０，ｕ［ｋ＋ｊ］＜Ｕｕ，Ｓｔ_ｐｉ［ｋ＋ｊ］＜Ｕｓ（ｊ=1,…,H） ・・・（１２）

次いで、最適発注量計算部１３０は、設定された各期の発注量に基づいて想定される利益の範囲を算出する。例えば、最適発注量計算部１３０は、設定された各期の発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を用いて、予測方法ｐ_１〜ｐ_Ｎのそれぞれに対応する予測利益Ｐ_１〜Ｐ_Ｎを算出する。次いで、最適発注量計算部１３０は、算出した予測利益Ｐ_１〜Ｐ_Ｎのうち予測利益の最大値と最小値とを取得し、利益予測の範囲を求める。すなわち、最適発注量計算部１３０は、予測利益の最大値を利益予測の範囲の上限とし、予測利益の最小値を利益予測の範囲の下限とする。

（出力部の説明）
出力部１６０は、総発注量と利益予測の範囲とを表形式で表したＧＵＩイメージを、モニタ等の出力デバイスに出力する処理部である。出力部１６０は、図７に示されるＧＵＩイメージをモニタ２０に出力する。図７は、ＧＵＩイメージの第１の例を示す図である。図７の例に示されるように、出力部１６０は、総発注量３０に対する利益予測の最大値が２５０００で、最小値が１００００であることを示すＧＵＩイメージをモニタ２０に出力する。

（処理の流れ）
次に、図８を用いて、最適発注量を求める処理について説明する。図８は、最適発注量を求める処理全体の流れの例を示すフロー図である。図８の例に示されるように、入力部１５０は、ユーザ端末１０から商品の販売価格、リードタイム、発注コスト、保管コスト、廃棄コスト、発注量限界、在庫量限界、先読み区間および廃棄時間等の各種設定の入力を受け付ける（ステップＳ１０）。データ集計部１１１は、売上データ１４１から取得した売上情報を期毎に集計し（ステップＳ１１）、実際の商品の需要量Ｄ_ｒ［ｋ−１］を算出する。

需要予測生成部１１２は、Ｎ個の需要量の予測方法ｐ_１〜ｐ_Ｎによって、過去の需要量Ｄ_ｒ［１］〜Ｄ_ｒ［ｋ−１］を用いて予測需要量Ｄ_ｐi［ｋ］〜Ｄ_ｐi［ｋ＋Ｈ］（i=1,…,N）を算出する（ステップＳ１２）。

予測モデル生成部１１３は、期毎の在庫数を算出するための基本モデルを生成する（ステップＳ１３）。基本モデルは、各期の始めの予測在庫数ｙ_ｐに対応する式と、各期の予測最大在庫量Ｓｔに対応する式とを含む。各期の始めに倉庫にある予測在庫数ｙ_ｐに対応する式は、例えば式（１）、式（３）または式（４）である。また、各期の予測最大在庫量Ｓｔに対応する式は、例えば式（２）である。

制約生成部１２１は、発注量限界、在庫量限界に対応する制約条件、在庫切れを起こさない条件として在庫量を常に０以上とする制約条件とを生成する（ステップＳ１４）。発注量限界に対応する制約条件は、例えば式（５）である。在庫量限界に対応する制約条件は、例えば式（６）である。在庫切れを起こさないための制約条件は、例えば式（７）である。

目的関数生成部１２２は、指定期間ｋ〜ｋ＋Ｈ内の利益を算出するための目的関数を生成する（ステップＳ１５）。目的関数とは、例えば式（８）、式（９）または式（１０）である。

最適発注量計算部１３０は、基本モデル、制約条件および目的関数に基づいて最適化問題を解き、指定期間ｋ〜ｋ＋Ｈ内の利益を高くする最適発注量を計算する（ステップＳ１６）。例えば、最適発注量計算部１３０は、最低限確保できる利益が最も高くなるように、式（１１）および式（１２）を用いて最適化問題を解くことで、各期の最適発注量ｕ［ｊ］（j=k,…,K+H）を求める。最適発注量計算部１３０は、各期の最適発注量ｕ［ｊ］を基にして利益予測の範囲を求める。

出力部１６０は、総発注量および利益予測の範囲の表示を含むＧＵＩイメージをモニタ２０に出力する（ステップＳ１７）。このとき、表示されるＧＵＩイメージは、例えば図７に示される。

これにより、発注量決定装置１００は、商品の保管コスト、商品の廃棄コストによる損失を最小限に抑え、在庫切れを抑えつつ、確保する利益を高くする発注量を求めることができる。

（予測不確定性への効果）
次に、図９〜図１１を用いて、予測不確定性への効果の例について説明する。図９は、予測需要量の第１の例を示す図である。図９の縦軸は個数単位の予測需要量を示し、横軸は期を示す。実線は、予測方法ｐ_１の予測需要量を示す。一点鎖線は、予測方法ｐ_２の予測需要量を示す。二点鎖線は、予測方法ｐ_３の予測需要量を示す。図９の例に示されるように、３４期〜４２期で各予測方法によって予測された需要量に差異が生じる。

図１０は、最適発注量の第１の例を示す図である。図１０の縦軸は個数単位の発注量を示し、横軸は期を示す。実線は、予測方法ｐ_１の予測需要量を基に算出された最適発注量である。一点鎖線は予測方法ｐ_２の予測需要量を基に算出された最適発注量である。二点鎖線は予測方法ｐ_３の予測需要量を基に算出された最適発注量である。

一方、太線は利益の最小値が最も高くなるように発注量決定装置１００が決定した最適発注量の推移である。最適発注量計算部１３０は、図９の予測方法ｐ_１、ｐ_２およびｐ_３に対応する各予測需要量を用いて、予測利益の最小値が最大となる最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を算出する。

図１１は、予想される利益の第１の例を示す図である。図１１の縦軸は予測利益を示し、横軸は期を示す。図１１の例に示されるように、予測方法ｐ_１、ｐ_２およびｐ_３によって予測された各予測需要量を用いて、各期において予測利益の最大値と最小値とを算出する。図１１の「△」は、予測方法ｐ_１に対応する予測利益の最大値と最小値である。「□」は、予測方法ｐ_２に対応する予測利益の最大値と最小値である。「◇」は、予測方法ｐ_３に対応する予測利益の最大値と最小値である。「○」は、最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を基に算出された予測利益の最大値と最小値である。最適発注量計算部１３０は、「○」に対応する予測利益の最大値と最小値を集計することで利益予測の範囲を求める。

このように、発注量決定装置１００は、複数の需要予測を用いて最適発注量を決定するので、需要の変動が不規則で需要予測を先読みしにくい場合でも、在庫切れや保管コストの増加を最小限に抑えた最適発注量を求めることができる。

（先読みの効果）
次に、図１２〜図１４を用いて、先読みの効果の例について説明する。図１２は、予測需要量の第２の例を示す図である。図１２の縦軸は個数単位の予測需要量を示し、横軸は期を示す。実線は、予測方法ｐ_１の予測需要量を示す。一点鎖線は、予測方法ｐ_２の予測需要量を示す。二点鎖線は、予測方法ｐ_３の予測需要量を示す。太線は、実際の需要量を示す。図１２の例に示されるように、０期から４５期に渡って需要が予測されており、２９期から３２期の間で特に実際の需要が伸びている。また、２９期から３２期の間で予測方法ｐ_１の需要量が概ね実際の需要量に一致しているのに対して、予測方法ｐ_２および予測方法ｐ_３の需要量は実際の需要量よりも少ない。

図１３は、最適発注量の第２の例を示す図である。図１３の縦軸は個数単位の発注量を示し、横軸は期を示す。実線は、予測方法ｐ_１の予測需要量を基に算出された従来技術による予測発注量である。一点鎖線は予測方法ｐ_２の予測需要量を基に算出された従来技術による予測発注量である。二点鎖線は予測方法ｐ_３の予測需要量を基に算出された従来技術による予測発注量である。

一方、太線は利益の最小値が最も高くなるように発注量決定装置１００が決定した最適発注量の推移である。発注量決定装置１００は、需要が伸び始める２９期に発注量を増加させ始めても、１期の発注量限界が４０００個であるため、商品の供給が間に合わず、在庫切れを起こす場合がある。そこで、図１３の例に示されるように、発注量決定装置１００は、需要が伸び始める２９期に備えて、２８期の発注量を増加させる。これにより、在庫切れを回避できる。

図１４は、予測される利益の第２の例を示す図である。図１４の縦軸は利益を示し、横軸は期を示す。実線は、予測方法ｐ_１に基づく利益である。一点鎖線は、予測方法ｐ_２に基づく利益である。二点鎖線は、予測方法ｐ_３に基づく利益である。太線は、最適発注量に基づく利益である。図１４の例に示されるように、在庫切れを回避できたので２９期から３１期までの最適発注量に基づく利益が大きくなっている。

このように、発注量決定装置１００は、発注量の先読み区間を大きくして需要の急激な増加に備えて発注量を増加する時期を早めるので、在庫切れを回避し、利益を最大限に確保することができる。

また、発注量決定装置１００は、発注量の先読み区間を大きくすることで、需要の減少に備えて需要の減少が見込まれる時期よりも早い時期から発注量を抑えることもできる。

（実施例１の効果）
以上説明したように、発注量決定装置１００は、商品の発注量に基づいて利益を算出する制約情報を受け付ける。発注量決定装置１００は、制約情報を用いて、より利益が大きくなるｋ期からｋ＋Ｈ期までの発注量を探索する。発注量決定装置１００は、探索した発注量のうち、ｋ期の発注量を出力する。これにより、制約の下で利益がより高くなることが見込まれる発注量を決定できる。

発注量決定装置１００は発注コスト、保管コスト、納期のいずれか一つまたは複数を受け付ける。発注量決定装置１００は、発注コスト、保管コスト、納期のいずれか一つまたは複数を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、ｋ期の発注量を求める。これにより、各種コストや納期を考慮して発注量を設定することができ、利益をより高くすることができる。

発注量決定装置１００は、ｋ期からｋ＋Ｈ期までの需要を予測し、予測した需要を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、ｋ期の発注量を求める。このように、目的関数を用いて最適化問題を解くことで、精度よく最適発注量を求めることができる。

発注量決定装置１００は、実際の需要を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、ｋ期の発注量を求める。これにより、実際の需要を考慮することで予測需要量の精度を向上でき、予測需要量を基に精度よく最適発注量を求めることができる。

発注量決定装置１００は、発注量とともに利益予測を出力する。これにより、最適な発注量と、予測される利益の範囲を提示することができる。

実施例２に係る発注量決定装置４００の全体構成の一例について説明する。図１５は、実施例２に係る発注量決定装置の構成を示す機能ブロック図である。図１５の例に示すように、発注量決定装置４００は、処理部４１０および記憶部４４０を有する。なお、実施例１の発注量決定装置１００と同じ構成については下２桁を同一とし、適宜説明を省略する。

（記憶部の説明）
記憶部４４０は、売上データ４４１、設定情報テーブル４４２、予測需要量テーブル４４３および過去需要量テーブル４４４を有する。記憶部４４０は例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、ハードディスクや光ディスクなどの記憶装置に対応する。

（処理部の説明）
処理部４１０は、データ集計部４１１、需要予測生成部４１２、予測モデル生成部４１３、条件設定部４２０、Ｌ−Ｌ戦略最適発注量計算部４３０ａ、Ｍ−Ｍ戦略最適発注量計算部４３０ｂおよびＨ−Ｈ戦略最適発注量計算部４３０ｃを有する。条件設定部４２０は、制約生成部４２１、Ｌ−Ｌ戦略目的関数生成部４２２ａ、Ｍ−Ｍ戦略目的関数生成部４２２ｂおよびＨ−Ｈ戦略目的関数生成部４２２ｃを有する。また、発注量決定装置４００は、入力部４５０および出力部４６０に接続される。入力部４５０は、ユーザ端末５０およびネットワーク５１に接続される。出力部４６０は、モニタ６０に接続される。

処理部４１０の各機能は例えば、ＣＰＵが所定のプログラムを実行することで実現することができる。また、処理部４１０の各機能は例えば、ＡＳＩＣやＦＰＧＡなどの集積回路により実現することができる。

Ｌ−Ｌ戦略最適発注量計算部４３０ａは、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測する。さらに、Ｌ−Ｌ戦略最適発注量計算部４３０ａは、複数の需要予測を用いて予測した需要ごとの利益の最低値が最大となるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、利益を高くするｋ期の発注量を求める。

また、Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測する。さらに、Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、複数の手法を用いて予測した需要ごとの平均値が最大となるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、利益を高くするｋ期の発注量を求める。

また、Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測する。さらに、Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、複数の需要予測を用いて予測した需要ごとの利益の最大値が最大となるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、利益を高くするｋ期の発注量を求める。以下、処理部４１０の各構成について詳細に説明する。

実施例２の条件設定部４２０は、Ｌ−Ｌ（Low risk-Low return）戦略目的関数生成部４２２ａ、Ｍ−Ｍ（Middle risk-Middle return）戦略目的関数生成部４２２ｂおよびＨ−Ｈ（High risk-High return）戦略目的関数生成部４２２ｃを有する。条件設定部４２０が３つの目的関数生成部を有する点で、実施例１の条件設定部１２０と異なる。また、処理部４１０は、Ｌ−Ｌ戦略最適発注量計算部４３０ａ、Ｍ−Ｍ戦略最適発注量計算部４３０ｂおよびＨ−Ｈ戦略最適発注量計算部４３０ｃを有する。処理部４１０が３つの戦略最適発注量計算部を有する点で、実施例１の処理部１１０と異なる。

発注量決定装置４００は、Ｌ−Ｌ戦略、Ｍ−Ｍ戦略、Ｈ−Ｈ戦略等の戦略毎に最適発注量と予測される利益範囲を算出して結果をモニタ６０に表示する。以下、各戦略の処理に関して個別に説明する。

Ｌ−Ｌ戦略に対応する処理に関して説明する。Ｌ−Ｌ戦略目的関数生成部４２２ａは、指定期間内で利益の最小値が最も高くなる発注量を算出するための目的関数を生成する処理部である。例えば、Ｌ−Ｌ戦略目的関数生成部４２２ａは、式（８）、式（９）または式（１０）に対応する数式と、式（１１）に対応する数式とを生成する。式（１１）のｍｉｎＰ_ｉ（i=1,…,N）は、予測利益Ｐ_１〜Ｐ_Ｎのうちの最低の予測利益である。Ｌ−Ｌ戦略目的関数生成部４２２ａは、生成した各数式をＬ−Ｌ戦略最適発注量計算部４３０ａに出力する。

Ｌ−Ｌ戦略最適発注量計算部４３０ａは、指定期間内で利益の最小値が最も高くなる発注量を計算する処理部である。Ｌ−Ｌ戦略最適発注量計算部４３０ａは、式（１１）および式（１２）を用いて最適化問題を解くことで最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を求める。次いで、Ｌ−Ｌ戦略最適発注量計算部４３０ａは、最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を用いて、予測方法ｐ_１〜ｐ_Ｎのそれぞれに対応する予測利益Ｐ_１〜Ｐ_Ｎを算出する。次いで、Ｌ−Ｌ戦略最適発注量計算部４３０ａは、算出した予測利益Ｐ_１〜Ｐ_Ｎのうち最大値と最小値とを選択することで利益予測の範囲を求める。例えば、Ｌ−Ｌ戦略最適発注量計算部４３０ａは、利益予測の範囲の最小値を式（１３）により算出する。また、Ｌ−Ｌ戦略最適発注量計算部４３０ａは、利益予測の範囲の最大値を式（１４）により算出する。そして、Ｌ−Ｌ戦略最適発注量計算部４３０ａは、総発注量と利益予測の範囲とを出力部４６０に出力する。なお、総発注量とは、各期の最適発注量の合計値である。

次に、Ｍ−Ｍ戦略に対応する処理に関して説明する。Ｍ−Ｍ戦略目的関数生成部４２２ｂは、予測利益Ｐ_１〜Ｐ_Ｎの平均値が最も高くなる発注量を算出するための目的関数を生成する処理部である。例えば、Ｍ−Ｍ戦略目的関数生成部４２２ｂは、式（８）、式（９）または式（１０）に対応する数式と、下記の式（１５）に対応する数式とを生成する。式（１５）のＥ_ｐｉ［Ｐ_ｉ］（i=1,…,N）は、予測利益Ｐ_１〜Ｐ_Ｎの平均値である。Ｍ−Ｍ戦略目的関数生成部４２２ｂは、生成した各数式をＭ−Ｍ戦略最適発注量計算部４３０ｂに出力する。

Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、予測利益Ｐ_１〜Ｐ_Ｎの平均値が最も高くなる発注量を算出する処理部である。Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、式（１２）および式（１５）を用いて最適化問題を解くことで最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を求める。次いで、Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、Ｌ−Ｌ戦略最適発注量計算部４３０ａと同様に、最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を基に予測利益Ｐ_１〜Ｐ_Ｎを算出し、利益予測の範囲を求める。例えば、Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、利益予測の範囲の最小値を式（１６）により算出する。また、Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、利益予測の範囲の最大値を式（１７）により算出する。そして、Ｍ−Ｍ戦略最適発注量計算部４３０ｂは、総発注量と利益予測の範囲とを出力部４６０に出力する。

次に、Ｈ−Ｈ戦略に対応する処理に関して説明する。Ｈ−Ｈ戦略目的関数生成部４２２ｃは、指定期間内で予測される利益の最大値が最大となる発注量を算出するための目的関数を生成する処理部である。例えば、Ｈ−Ｈ戦略目的関数生成部４２２ｃは、式（８）、式（９）または式（１０）に対応する数式と、下記の式（１８）に対応する数式とを生成する。式（１８）のｍａｘＰ_ｉ（i=1,…,N）は、予測利益Ｐ_１〜Ｐ_Ｎのうちの最大の予測利益である。Ｈ−Ｈ戦略目的関数生成部４２２ｃは、生成した各数式をＨ−Ｈ戦略最適発注量計算部４３０ｃに出力する。

Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、予測利益Ｐ_１〜Ｐ_Ｎの最大値が最も高くなる発注量を算出する処理部である。Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、式（１２）および式（１８）を用いて最適化問題を解くことで最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を求める。次いで、Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、Ｌ−Ｌ戦略最適発注量計算部４３０ａと同様に、最適発注量ｕ［ｋ］〜ｕ［ｋ＋Ｈ］を基に予測利益Ｐ_１〜Ｐ_Ｎを算出し、利益予測の範囲を求める。例えば、Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、利益予測の範囲の最小値を式（１９）により算出する。また、Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、利益予測の範囲の最大値を式（２０）により算出する。そして、Ｈ−Ｈ戦略最適発注量計算部４３０ｃは、総発注量と利益予測の範囲とを出力部４６０に出力する。

（出力部の説明）
出力部４６０は、各戦略に対応する総発注量と利益予測の範囲とを表形式で表したＧＵＩイメージを、モニタ等の出力デバイスに出力する処理部である。出力部４６０は、各戦略の総発注量および利益予測の範囲を基にＧＵＩイメージを生成し、モニタ６０に出力する。図１６は、ＧＵＩイメージの第２の例を示す図である。図１６の例に示されるように、ＧＵＩイメージは、Ｌ−Ｌ戦略を採用した場合、総発注量が３０であり、利益予測の最大値が２５０００で、最小値が１００００であることを示す。また、ＧＵＩイメージは、Ｍ−Ｍ戦略を採用した場合、総発注量が５０であり、利益予測の最大値が３００００で、最小値が５０００であることを示す。また、ＧＵＩイメージは、Ｈ−Ｈ戦略を採用した場合、総発注量が６０であり、利益予測の最大値が３８０００で、最小値が−８０００であることを示す。出力部４６０は、各戦略に対応する利益予測の範囲を矢印で並列して表すことで各戦略を採用した場合の利益やリスクを比較しやすく表示できる。

上述したように発注量決定装置４００は、Ｌ−Ｌ戦略、Ｍ−Ｍ戦略、Ｈ−Ｈ戦略等の戦略毎に最適発注量と利益範囲とを算出するので、リスク回避を重視する、もしくは利益の最大化を重視する等の企業の戦略に応じた発注量の決定を支援できる。

（実施例２の効果）
以上説明したように、発注量決定装置４００は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測する。発注量決定装置４００は、最低限確保できる利益が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、利益を高くするｋ期の発注量を求める。これにより、利益の最小値が最も高くなる発注量を算出することができる。

発注量決定装置４００は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測し、複数の手法を用いて予測した需要ごとに利益を求める。発注量決定装置４００は、求めた利益の平均値が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、利益を高くするｋ期の発注量を求める。これにより、中程度のリスクを取る場合の利益を高くする発注量を算出することができる。

発注量決定装置４００は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測し、予測される利益の最大値が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、利益を高くするｋ期の発注量を求める。これにより、利益の最大値が最大となる発注量を算出することができる。

（実施例１および実施例２に関連する他の実施例）
上記実施例１においては、需要予測生成部１１２は、過去の需要量Ｄ_ｒ［１］〜Ｄ_ｒ［ｋ−１］を用いて、ｋ期〜ｋ＋Ｈ期までの予測需要量Ｄ_ｐi［ｋ］〜Ｄ_ｐi［ｋ＋Ｈ］を算出したが、これに限られない。需要予測生成部１１２は、ｋ期以降の実際の需要量Ｄ_ｒを取得した場合に、ｋ期以降の実際の需要量Ｄ_ｒを予測需要量Ｄ_ｐｉに反映してもよい。例えば、需要予測生成部１１２または需要予測生成部４１２は、ｋ期の需要量Ｄ_ｒ［ｋ］を取得した場合に、ｋ＋１期〜ｋ＋Ｈ期までの予測需要量Ｄ_ｐi［ｋ＋１］〜Ｄ_ｐi［ｋ＋Ｈ］を算出してもよい。

上記実施例２においては、発注量決定装置４００は、Ｌ−Ｌ戦略、Ｍ−Ｍ戦略、Ｈ−Ｈ戦略のそれぞれに対して最適発注量および利益予測の範囲を算出したが、これに限られない。例えば、発注量決定装置４００は、算出された予測利益Ｐ_１〜Ｐ_Ｎのうち、利益の順位がｉ番目（i=1,…,N）の利益を高くする最適発注量と利益範囲とを算出してもよい。

上記実施例１の発注量決定装置１００または実施例２の発注量決定装置４００は、ｋ期における実際の需要量が予測需要量よりも大きく、在庫切れを起こした場合に、ｋ＋１期以降の最適発注量ｕ［ｋ＋１］〜ｕ［ｋ＋Ｈ］を増加させてもよい。

上記実施例１においては、制約生成部１２１は、在庫量を常に０以上とする式（７）の制約条件を生成するが、これに限られない。例えば、制約生成部１２１は、在庫量に所定量のマージンαを設定して、在庫量を常にα以上とする制約条件を生成してもよい。

上記実施例１においては、売上データ１４１は、日単位を期とする売上情報を保持するが、これに限られない。例えば、売上データ１４１は、週単位、月単位、半日単位、時間単位を期として売上情報を保持してもよい。

上記実施例１において、ユーザ端末１０から入力される先読み区間Ｈは、商品の性質に応じて長さを変更してもよい。例えば、生鮮食品の場合、先読み区間Ｈを短く設定してもよい。

上記実施例１において、最適発注量計算部１３０は、複数の需要予測を用いて最適化問題を解き最適発注量を算出したが、これに限られない。例えば、最適発注量計算部１３０は、一つの需要予測を用いて最適化問題を解いてもよい。

上記実施例１において、設定情報テーブル１４２の設定ＩＤ「２」の販売価格は、時期よって変化するものであってもよい。設定情報テーブル１４２は、例えば、設定１に初期の販売価格、設定２に変化後の販売価格、条件値に変化する時期を格納してもよい。

また、実施例１および２に示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図１に示した発注量決定装置１００および図１５に示した発注量決定装置４００の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、発注量決定装置１００の分散・統合の具体的態様は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

（表示端末のハードウェア構成）
図１７は、実施例１または実施例２の発注量決定装置のハードウェア構成を示す図である。図１７が示すように、コンピュータ５００は、各種演算処理を実行するＣＰＵ５０１と、ユーザからのデータ入力を受け付ける入力装置５０２と、モニタ５０３とを有する。また、コンピュータ５００は、記憶媒体からプログラム等を読み取る媒体読取装置５０４と、他の装置と接続するためのインターフェース装置５０５と、他の装置と無線により接続するための無線通信装置５０６とを有する。また、コンピュータ５００は、各種情報を一時記憶するＲＡＭ（Random Access Memory）５０７と、ハードディスク装置５０８とを有する。また、各装置５０１〜５０８は、バス５０９に接続される。

ハードディスク装置５０８は、図１に示した処理部１１０のデータ集計部１１１、需要予測生成部１１２、予測モデル生成部１１３、制約生成部１２１、目的関数生成部１２２および最適発注量計算部１３０と同様の機能を有する発注量決定プログラムを記憶する。また、ハードディスク装置５０８には、発注量決定プログラムを実現するための各種データが記憶される。

ＣＰＵ５０１は、ハードディスク装置５０８に記憶された各プログラムを読み出して、ＲＡＭ５０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ５００を図１に示した処理部１１０のデータ集計部１１１、需要予測生成部１１２、予測モデル生成部１１３、制約生成部１２１、目的関数生成部１２２および最適発注量計算部１３０として機能させることができる。

なお、上記の処方リスト表示プログラムは、必ずしもハードディスク装置５０８に記憶されている必要はない。例えば、コンピュータ５００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ５００が読み出して実行するようにしてもよい。コンピュータ５００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ（Local Area Network）等に接続された装置にこのプログラムを記憶させておき、コンピュータ５００がこれらからプログラムを読み出して実行するようにしてもよい。

１０ ユーザ端末
１１ ネットワーク
２０ モニタ
１００ 発注量決定装置
１１０ 処理部
１１１ データ集計部
１１２ 需要予測生成部
１１３ 予測モデル生成部
１２０ 条件設定部
１２１ 制約生成部
１２２ 目的関数生成部
１３０ 最適発注量計算部
１４０ 記憶部
１４１ 売上データ
１４２ 設定情報テーブル
１４３ 予測需要量テーブル
１５０ 入力部
１６０ 出力部

Claims (10)

1. コンピュータが、
   商品の発注量に基づいて利益を算出する制約情報を受け付け、
   前記制約情報を用いて、より利益が大きくなるｋ期からｋ＋Ｈ期までの発注量を探索し、
   探索した発注量のうち、ｋ期の前記発注量を出力する
   処理を実行することを特徴とする発注量決定方法。
2. 前記受け付ける処理は、発注コスト、保管コスト、納期のいずれか一つまたは複数を受け付け、
   前記発注量を求める処理は、発注コスト、保管コスト、納期のいずれか一つまたは複数を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、前記ｋ期の発注量を求めることを特徴とする請求項１に記載の発注量決定方法。
3. 前記発注量を求める処理は、ｋ期からｋ＋Ｈ期までの需要を予測し、予測した需要を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、前記ｋ期の発注量を求めることを特徴とする請求項１および２に記載の発注量決定方法。
4. 前記発注量を求める処理は、実際の需要を考慮した、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、前記ｋ期の発注量を求めることを特徴とする請求項１〜３のいずれか一に記載の発注量決定方法。
5. 前記発注量を求める処理は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測し、最低限確保できる利益が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、前記ｋ期の発注量を求めることを特徴とする請求項１〜３のいずれか一に記載の発注量決定方法。
6. 前記発注量を求める処理は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測し、前記複数の手法を用いて予測した需要ごとに利益の平均値が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、前記ｋ期の発注量を求めることを特徴とする請求項１〜３のいずれか一に記載の発注量決定方法。
7. 前記発注量を求める処理は、ｋ期からｋ＋Ｈ期までの需要を複数の手法を用いて手法ごとに予測し、予測される利益の最大値が高くなるように、ｋ期からｋ＋Ｈ期までの利益を目的関数とする最適化問題を解くことで、前記ｋ期の発注量を求めることを特徴とする請求項１〜３のいずれか一に記載の発注量決定方法。
8. 前記出力する処理は、前記発注量とともに利益予測を出力することを特徴とする請求項１〜６のいずれか一に記載の発注量決定方法。
9. 商品の発注量に基づいて利益を算出する制約情報を受け付ける受付部と、
   前記制約情報を用いて、より利益が大きくなるｋ期からｋ＋Ｈ期までの発注量を探索する探索部と、
   探索した発注量のうち、ｋ期の前記発注量を出力する出力部と
   を有することを特徴とする発注量決定装置。
10. 商品の利益に係る制約情報を受け付け、
    前記制約情報を用いて、ｋ期からｋ＋Ｈ期までの発注量を探索し、
    探索した発注量のうち、ｋ期の前記発注量を出力する処理を、コンピュータに実行させることを特徴とする発注量決定プログラム。

Images