JP2017151731A - 需要量予測プログラム、需要量予測方法、及び情報処理装置 - Google Patents

Abstract

【課題】需要量の予測精度の向上に寄与する。【解決手段】予測値算出部２０は、過去の需要量の実績値を基に、将来の需要量の予測値を算出し、修正情報受付部２２は、需要量の予測値を修正する修正値の入力を受け付け、キーワード抽出部２４は、修正値に対応付けて、修正根拠の情報をキーワードとして設定し、信頼度算出部３０は、修正値に基づいて修正した予測値と需要量の実績値とに基づいて、キーワードに対応する修正値の信頼度を算出する。そして、修正反映部３２は、過去に入力された修正値を利用した予測値の修正に関連して、過去に入力された修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する。【選択図】図３

Description

本発明は、需要量予測プログラム、需要量予測方法、及び情報処理装置
に関する。

従来、製品や半製品、部材、原料、材料等の発注や調達を行うサプライチェーンのプロセスにおいて、過去の需要に基づいて未来の需要を予測し、商品の販売計画等を立案する技術が知られている。

例えば、需要量の予測の際に、ユーザの経験的な知識（ノウハウ）から作成した補正ルールを用いて補正処理を行う需要量予測方法が知られている（例えば、特許文献１等参照）。また、クラスタ分析を用いて欠落した属性（性別・大きさ等のデータのカラムに相当）の値を予測する際に、ユーザの知識をクラスタ分析のルールに組み込めるようにするデータ分析装置が知られている（例えば、特許文献２等参照）。

特開２００３−３４６０７０号公報 特開２００１−１３４５７７号公報

しかしながら、従来においては、どの知識を予測や分析に用いるかは、ユーザの経験等に基づいて判断されているため、将来の需要を適切に予測できない可能性がある。

１つの側面では、本発明は、需要量の予測精度の向上に寄与することが可能な需要量予測プログラム、需要量予測方法、及び情報処理装置を提供することを目的とする。

一つの態様では、需要量予測プログラムは、過去の需要量の実績値を基に、将来の需要量を予測し、予測した前記将来の需要量を修正する修正値の入力を受け付け、前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定し、前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出し、過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、処理をコンピュータに実行させるプログラムである。

需要量の予測精度の向上に寄与することができる。

第１の実施形態に係る需要量予測システムの構成を概略的に示す図である。 図２（ａ）は、サーバのハードウェア構成を示す図であり、図２（ｂ）は、利用者端末のハードウェア構成を示す図である。 サーバの機能ブロック図である。 予測値ＤＢのデータ構造の一例を示す図である。 キーワードＤＢのデータ構造の一例を示す図である。 予測データ蓄積処理の一例を示すフローチャート（その１）である。 予測データ蓄積処理の一例を示すフローチャート（その２）である。 図８（ａ）は、実績値と予測値を示す画面の一例を示す図であり、図８（ｂ）は、ユーザによって図８（ａ）の画面に修正値と修正根拠が入力された状態を示す図である。 指定期間予測値ＤＢのデータ構造の一例を示す図である。 図１０（ａ）は実績値と修正後予測値の一例を示すグラフであり、図１０（ｂ）は、実績値ＤＢのデータ構造の一例を示す図である。 図１１（ａ）は、実績データセットを示す図であり、図１１（ｂ）は、基本データセットを示す図であり、図１１（ｃ）、図１１（ｄ）は、修正データセットを示す図である。 図１２（ａ）は、相関行列の一例を示す図であり、図１２（ｂ）は、因子負荷行列の一例を示す図であり、図１２（ｃ）は、ステップＳ３４の処理により得られるプロット結果を示す図である。 図１３（ａ）は、グループ化について説明するための図であり、図１３（ｂ）は、グループＤＢのデータ構造の一例を示す図である。 図１４（ａ）、図１４（ｂ）は、信頼度の算出方法について説明するための図であり、図１４（ｃ）は、信頼度ＤＢのデータ構造の一例を示す図である。 予測処理の一例を示すフローチャートである。 図１６（ａ）は、新たに算出された予測値を示す図であり、図１６（ｂ）は、推奨修正値の情報や推奨外のキーワード又はグループの情報を表示する画面の一例を示す図である。 第２の実施形態における、予測値の修正値を入力するための画面の一例を示す図である。 図１８（ａ）は、第２の実施形態で用いられる予測値ＤＢのデータ構造の一例を示す図であり、図１８（ｂ）は、第２の実施形態で用いられる実績値ＤＢのデータ構造の一例を示す図である。 図１９（ａ）は、第２の実施形態において表示される画面の一例を示す図であり、図１９（ｂ）は、第２の実施形態で用いられる信頼度ＤＢのデータ構造の一例を示す図である。 図２０（ａ）は、第３の実施形態における２ユーザの修正結果の一例を示す図であり、図２０（ｂ）は、第３の実施形態で用いる指定期間予測値ＤＢのデータ構造の一例を示す図である。 図２１（ａ）〜図２１（ｄ）は、図２０（ｂ）のデータを外部情報と、キーワードごとにまとめたデータを示す図である。 図２２（ａ）〜図２２（ｃ）は、第３の実施形態におけるサーバの処理を説明するための図であり、図２２（ｄ）は、第３の実施形態の別例について説明するための図（その１）である。 第３の実施形態の別例について説明するための図（その２）である。

《第１の実施形態》
以下、需要量予測システムの第１の実施形態について、図１〜図１６に基づいて詳細に説明する。本第１の実施形態の需要量予測システムは、製品や半製品、部材、原料、材料等の発注、或いは調達を行うサプライチェーンのプロセスにおいて何個調達すべきか、どのくらい必要かという未来の需要量を予測するためのシステムである。

図１には、第１の実施形態に係る需要量予測システム１００の構成が概略的に示されている。図１に示すように、需要量予測システム１００は、情報処理装置としてのサーバ１０と、利用者端末７０と、を備える。サーバ１０と利用者端末７０は、インターネットなどのネットワーク８０を介して、接続されている。

サーバ１０は、将来の需要量を予測する装置である。図２（ａ）には、サーバ１０のハードウェア構成が示されている。図２（ａ）に示すように、サーバ１０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（ここではＨＤＤ（Hard Disk Drive））９６、ネットワークインタフェース９７、及び可搬型記憶媒体用ドライブ９９等を備えている。これらサーバ１０の構成各部は、バス９８に接続されている。サーバ１０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（需要量予測プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（需要量予測プログラムを含む）をＣＰＵ９０が実行することにより、図３に示す各部として機能する。なお、本第１の実施形態では、サーバ１０が１台のサーバである場合について説明したが、これに限られるものではない。例えばサーバ１０は、Ｗｅｂサーバ、アプリケーションサーバ、ＤＢサーバを含む３層構造を有していてもよい。また、サーバ１０は複数のサーバを含み、該複数のサーバで負荷分散するようにしてもよい。

図３には、サーバ１０の機能ブロック図が示されている。図３に示すように、サーバ１０は、ＣＰＵ９０がプログラムを実行することで、予測部としての予測値算出部２０、修正情報受付部２２、キーワード抽出部２４、修正値格納部２６、実績データ取得部２８、信頼度算出部３０、出力部及び修正部としての修正反映部３２、として機能する。なお、図３には、ＨＤＤ９６等に格納されるキーワードＤＢ３８、予測値ＤＢ４０、指定期間予測値ＤＢ４１、実績値ＤＢ４２、グループＤＢ４４、及び信頼度ＤＢ４６も図示されている。

予測値算出部２０は、過去の需要量の実績値に基づいて将来の需要量の予測値の算出を実行する。予測値算出部２０は、算出した予測値を予測値ＤＢ４０に格納する。ここで、予測値ＤＢ４０は、予測値や予測値の修正に関する情報を格納するデータベースであり、図４に示すようなデータ構造を有する。なお、予測値ＤＢ４０の詳細については後述する。

修正情報受付部２２は、ユーザが利用者端末７０を介して入力した予測値の修正に関する情報（修正値及び修正根拠）を取得し、キーワード抽出部２４及び修正値格納部２６に送信する。ここで、修正とは、予測値に対しユーザが独自の観点で数値調整を行うことを意味する。修正値は、予測値を調整するための数値であり、修正根拠は「なぜ修正を加えたのか」の情報であり、入力形式は単語のみであってもよいし、文章形式であってもよい。

キーワード抽出部２４は、ユーザによって入力された修正根拠が文章形式であった場合に、該文章形式の修正根拠からキーワードを抽出し、キーワードＤＢ３８及び予測値ＤＢ４０に格納する。また、キーワード抽出部２４は、ユーザによって入力された修正根拠が単語であった場合には、該修正根拠をキーワードとし、キーワードＤＢ３８及び予測値ＤＢ４０に格納する。ここで、キーワードＤＢ３８は、図５に示すようなデータ構造を有する。具体的には、キーワードＤＢ３８は、図５に示すように、「キーワードＩＤ」、「予測対象」、「時間軸」、「キーワード」の各フィールドを有する。「キーワードＩＤ」のフィールドには、キーワードごとに付与される識別情報が格納される。「予測対象」のフィールドには、需要量を予測する対象（製品等）の情報（名称等）が格納される。「時間軸」のフィールドには、ユーザが修正した予測値がどの時間範囲の需要量を予測したものであるかの情報が格納される。なお、図５の時間軸のフィールドには、１年の何週目から何週目までかを示す情報が格納されている。「キーワード」のフィールドには、キーワードそのものが格納される。

修正値格納部２６は、修正情報受付部２２から受信した修正値（ユーザが入力した修正値）を予測値ＤＢ４０に格納する。ここで、予測値ＤＢ４０について、説明する。予測値ＤＢ４０は、図４に示すように、「予測対象」、「時間軸」、「予測値名称」、「キーワード」、「予測値」、「修正値」、「修正後予測値」の各フィールドを有する。「予測対象」のフィールドには、需要量を予測する対象（製品等）の情報（名称等）が格納される。「時間軸」のフィールドには、需要量が予測された期間の情報が格納される。「予測値名称」のフィールドには、予測値算出部２０が自動的に決定する名称が格納される。「キーワード」のフィールドには、ユーザが予測値を修正した場合にユーザによって入力された修正根拠のキーワードが格納される。「予測値」のフィールドには、予測値算出部２０が算出した予測値が格納され、「修正値」のフィールドには、ユーザが入力した修正値が格納され、「修正後予測値」のフィールドには、予測値を修正値で修正した後の値が格納される。

実績データ取得部２８は、需要量が予測された期間における実際の需要量（実績値）を取得し、実績値ＤＢ４２に格納する。ここで、実績値ＤＢ４２は、予測対象（製品等）ごとに用意されており、図１０（ｂ）に示すようなデータ構造を有する。具体的には、実績値ＤＢ４２は、図１０（ｂ）に示すように、「時間軸」、「名称」、「実績値」のフィールドを有する。「時間軸」のフィールドには、実績値を取得した期間を示す情報（例えば、１年の何週目かの情報）が格納される。「名称」のフィールドには、「実績値」と格納される。「実績値」のフィールドには、需要量の実績値が格納される。実績値ＤＢ４２に格納されたデータは、予測値算出部２０が予測値を算出する際に利用される。

信頼度算出部３０は、予測値ＤＢ４０及び実績値ＤＢ４２を参照し、修正値に基づいて修正した将来の需要量の予測値と、過去の需要量の実績値とに基づいて、キーワードに対応する予測値それぞれについての信頼度を計算する。また、キーワードを組合せてグループが作成できる場合には、信頼度算出部３０は、キーワードのグループに対応する予測値の信頼度を計算する。信頼度算出部３０は、信頼度の計算において、指定期間予測値ＤＢ４１（図９参照）及びグループＤＢ４４（図１３（ｂ）参照）を用いるものとする。指定期間予測値ＤＢ４１は、予測値ＤＢ４０から取得される指定期間のデータを一時的に格納するデータベースである。信頼度算出部３０は、グループＤＢ４４は、キーワードのグループに関する情報を格納するデータベースであり、図１３（ｂ）に示すように、「グループＩＤ」、「予測対象」、「時間軸」、「キーワード」の各フィールドを有する。「グループＩＤ」のフィールドには、グループごとに付与される識別情報が格納される。「予測対象」、「時間軸」のフィールドは、キーワードＤＢ３８の「予測対象」、「時間軸」のフィールドと同様である。「キーワード」のフィールドには、グループに属するキーワードが格納される。信頼度算出部３０は、計算した信頼度を信頼度ＤＢ４６に格納する。ここで、信頼度ＤＢ４６は、図１４（ｃ）に示すようなデータ構造を有する。具体的には、信頼度ＤＢ４６は、図１４（ｃ）に示すように、「予測対象」、「時間軸」、「キーワードorグループＩＤ」、「信頼度」の各フィールドを有する。「予測対象」、「時間軸」のフィールドは、キーワードＤＢ３８の「予測対象」、「時間軸」のフィールドと同様である。「キーワードorグループＩＤ」には、キーワードやグループのＩＤが格納され、「信頼度」のフィールドには、キーワード又はグループに基づく修正が信頼できるかを示す値が格納される。信頼度は、０〜１の値をとり、値が大きいほど信頼度が高いものとする。

修正反映部３２は、過去に入力された修正値を利用した将来の需要量の予測値を出力する際に、信頼度ＤＢ４６に基づいて、推奨する修正値及び対応するキーワードを決定する。そして、修正反映部３２は、推奨する修正値で修正した予測値や、推奨する修正値に対応するキーワードを利用者端末７０に出力する。また、修正反映部３２は、推奨外のキーワード及び信頼度も利用者端末７０に出力する。更に、修正反映部３２は、ユーザが利用者端末７０において推奨外の修正値を選択したという情報を取得すると、選択された修正値を用いた予測値の修正を実行し、修正結果を利用者端末７０に出力する。

利用者端末７０は、ＰＣ（Personal Computer）や、スマートフォンなどの携帯端末などの情報処理装置である。図２（ｂ）には、利用者端末７０のハードウェア構成が示されている。図２（ｂ）に示すように、利用者端末７０は、ＣＰＵ１９０、ＲＯＭ１９２、ＲＡＭ１９４、記憶部（ＨＤＤ）１９６、ネットワークインタフェース１９７、表示部１９３、入力部１９５及び可搬型記憶媒体１９１に記憶されたデータ等の読み取りが可能な可搬型記憶媒体用ドライブ１９９等を備えている。表示部１９３は液晶ディスプレイ等を含み、入力部１９５は、キーボードやタッチパネル等を含む。これら利用者端末７０の構成各部は、バス１９８に接続されている。利用者端末７０では、サーバ１０が予測した需要量の予測値を表示部１９３に表示したり、ユーザが入力部１９５を介して入力した予測値に関する修正情報（修正値や修正根拠）を取得し、サーバ１０に送信したりする。

次に、本実施形態のサーバ１０による処理について説明する。なお、サーバ１０は、予測データ蓄積処理と、予測処理を実行する。

＜予測データ蓄積処理＞
以下、予測データ蓄積処理について、図６、図７のフローチャートに沿って説明する。本処理は、将来の期間における需要量の予測値を算出し、算出した予測値がユーザによって修正された場合に、修正を分析し、分析結果を管理する処理である。

本処理では、まずステップＳ１０において、予測値算出部２０が、需要量の予測値の算出を実行する。具体的には、予測値算出部２０は、過去の実績値（実績値ＤＢ４２に格納されている）に基づいて、例えば特許文献１，２等に記載されているような一般的な予測計算方法を用いて需要量の予測値を算出する。本実施形態では、一例として、１か月に１回、翌月（ｎ週〜ｎ＋３週）の需要量の予測値を予測対象（プロダクト１など）ごとに算出するものとする。予測値算出部２０は、図８（ａ）に示すような実績値と予測値を示す画面を、利用者端末７０の表示部１９３に表示させる。なお、図８（ａ）の実績値は、実績値ＤＢ４２から読み出される。また、図８（ａ）には、ユーザが修正値と修正根拠を入力するための入力欄が設けられている。

次いで、ステップＳ１２では、修正情報受付部２２は、修正値及び修正根拠を取得する。すなわち、ユーザが利用者端末７０の入力部１９５を介して、図８（ｂ）に示すように時間軸を特定して修正値及び修正根拠を入力すると、修正情報受付部２２は、入力された情報を取得する。そして、修正情報受付部２２は、修正根拠をキーワード抽出部２４に送信するとともに、修正値を修正値格納部２６に送信する。ここで、修正値格納部２６は、修正値を予測値ＤＢ４０に格納する際に、予測値に修正値を反映させた修正後予測値を算出し、予測値ＤＢ４０に格納するものとする。

次いで、ステップＳ１４では、キーワード抽出部２４が、修正根拠からキーワードを抽出する。本ステップＳ１４では、ユーザによって入力された「修正根拠」が文章形式であった場合に、キーワード抽出部２４が、文章から単語を抽出する。例えば、キーワード抽出部２４は、従来から一般的に利用されている形態素解析等の技術を用いて単語を抽出する。なお、ユーザによって入力された「修正根拠」が単語であった場合には、キーワード抽出部２４は、入力された単語を取得する。そして、キーワード抽出部２４は、ステップＳ１４において抽出した単語又は取得した単語は「キーワード」として、キーワードＤＢ３８（図５）に格納する。

次いで、ステップＳ１６では、信頼度算出部３０が、指定期間のデータを予測値ＤＢ４０から取得する。ここで、「指定期間」とは、需要量の予測が行われ、ユーザが修正値を入力した未来方向への範囲である。すなわち、指定期間は図８（ｂ）において特定された時間軸の期間である。本ステップＳ１６では、信頼度算出部３０は、ｎ〜ｎ＋３週のデータ（キーワード、予測値、修正値、修正後予測値等）を予測値ＤＢ４０から取得する。

次いで、ステップＳ２０では、信頼度算出部３０は、取得したデータを指定期間予測値ＤＢ４１に格納する。なお、信頼度算出部３０は、指定期間内に少なくとも一部の時間軸で修正していれば、指定期間内の修正がされていない時間軸のデータも全て取得する。

次いで、ステップＳ２２では、実績データ取得部２８が、指定期間（例えば１ヶ月）経過後に実績値を取得し、実績値ＤＢ４２（図１０（ｂ））に格納する。なお、図１０（ａ）は、実績値と修正後予測値の一例を示している。

次いで、図７のステップＳ２４に移行すると、信頼度算出部３０は、各種データセットの相関係数を作成する。なお、「データセット」とは、指定期間のデータをまとめたデータ集合である。具体的には、図９の指定期間予測値ＤＢ４１の１〜８行目までのデータセットを「修正データセット」と呼ぶものとする。また、図９の９〜１２行目までの修正がされていないデータセットを「基本データセット」、図１０（ｂ）の実績値ＤＢ４２のデータセットを「実績データセット」と呼ぶものとする。なお、修正データセットは、図１１（ｃ）、図１１（ｄ）に示すような指定期間のデータを含む。また、基本データセットは、図１１（ｂ）に示すような指定期間のデータを含み、実績データセットは、図１１（ａ）に示すような指定期間のデータを含む。本ステップＳ２４では、指定期間内における「修正データセット」、「基本データセット」、「実績データセット」の相関を求める。なお、修正データセットは、図１１（ｃ）、図１１（ｄ）に示すように、キーワードごとのデータセットとなる。なお、この場合の「相関」とは、統計分野における相関係数を意味する。

ここで、本実施形態では、修正データセットと実績データセットの傾向の相似度合を測る指標として相関を用いることとしているが、相関を求めるためには複数のデータが必要となる。例えば修正後予測値を利用する場合に、修正したのが１週分だけであった場合には、修正後予測値は１レコードしか無いのに対して、実績値は多数のレコードがあることとなる。このため、修正した１週分の修正が修正していない予測値よりも実績値に近かったとしても、相関を求めるには不足である。そこで本実施形態では、修正後予測値を取得する際に、指定期間内の修正をしなかった期間については修正値＝０を取得することで、修正データセットとして複数データを取得するようにしている。

次いで、ステップＳ２６では、信頼度算出部３０は、相関行列を作成する。具体的には、信頼度算出部３０は、ステップＳ２４で作成した相関係数を行列の形式で並べた表を作成する。ここで得る相関行列は、「実績値」、「予測値」、「修正後予測値」の相関関係を表現する行列となり、一例として、図１２（ａ）に示すような行列となる。なお、図１２（ａ）のＡ〜Ｄは、図１１（ａ）〜図１１（ｄ）のＡ〜Ｄと対応している。

次いで、ステップＳ２８では、信頼度算出部３０は、相関行列の固有値を算出する。なお、１つの行列に対して固有値は複数求まる。次いで、ステップＳ３０では、信頼度算出部３０は、固有値に基づいて因子数を決定する。ここでは、信頼度算出部３０は、固有値から求まる寄与率に基づき、寄与率が高くなるように因子（潜在変数）の数を任意に決定する。

次いで、ステップＳ３２では、信頼度算出部３０は、因子負荷行列を作成する。本実施形態では、統計分野における多変量解析の一手法である「因子分析」により、各種計算を行うものとする。因子分析においては、「実績値」、「予測値」、「修正後予測値」に対して、決定した因子数の分だけ「因子負荷量」という統計量が算出される。この「因子負荷量」は、因子分析における「因子」と呼ばれる潜在的な変数が、「実績値」、「予測値」、「修正後予測値」に対してどれだけの影響力を持っているかを示す統計量である。なお、本実施形態では、因子分析を用いることとしているが、「因子」に相当するような、関係性を分析できる統計手法であればその他の方法を用いてもよい。ステップＳ３２において作成される因子負荷行列は、図１２（ｂ）に示すような表で表される。

次いで、ステップＳ３４では、信頼度算出部３０は、因子軸上に各種データセットをプロットする。ここで、相関行列の固有値から、図１２（ｂ）のｆ１〜ｆ４がそれぞれどの程度Ａ，Ｂ，Ｃ，Ｄの関係性を説明できるかを示す寄与率を求めることができる。例えば、ｆ１とｆ２の２因子のみで高い寄与率を示す場合には、ｆ３、ｆ４を使用しなくてもＡ，Ｂ，Ｃ，Ｄの関係性を十分に説明することができる。ｆ１〜ｆ４は因子であり、この個数は修正後予測値の種類の数によって変動する。因子分析の計測上で導き出されるもので、各因子を軸とした空間上に因子負荷量を座標としてプロットすると、分析するデータの関係性を視覚化することができる。今回は、ｆ１とｆ２を選択するものとする。ステップＳ３４により得られるプロット結果は、図１２（ｃ）のようなものとなる。上昇傾向を示したＡに対し傾向が似ているのはＣ，Ｄであり、ＡとＣ，Ｄを結びつける因子が潜んでいるということがｆ１として導き出される。ａ１はｆ１がＡにかかる重みであり、ｆ１という因子によってＡがよく説明されていることを示す。Ｃ，Ｄも同じ上昇傾向であるため、ｃ１，ｄ１が高くなる。Ｂは下降傾向なので全く別の因子が働いていることになり、そのことによりｆ２軸のｂ２が高く、ｆ１軸のｂ１が低くなっている。

次いで、ステップＳ３６では、信頼度算出部３０は、「実績値」以外のプロット同士で距離を取得する。修正根拠に複数のキーワードが含まれている場合には、修正後予測値は図１２（ｃ）において複数プロットされるので、キーワード同士の関係を評価するために、実績値以外のプロット間の距離を取得する。

次いで、ステップＳ３８では、信頼度算出部３０は、距離の近いプロット同士をグルーピングする。ここでは、実績値以外のプロット間の距離をパラメータとして、クラスタ分析等の既存のグルーピング手法により、距離の近いプロットにグルーピングの情報を付与する。本ステップＳ３８により、キーワードとして実績値にどの程度の近さを持っているかを評価するのに加え、近い傾向を持ったキーワード群をグルーピングし、そのグループが実績値にどの程度の近さを持っているかを評価することができる。本実施形態では、例えば、図１３（ａ）に示すように、ＣとＤは同座標であり、距離は０であるため、全く同じ傾向を示すキーワードとしてグルーピングを行う。グルーピングは一般的なクラスタ分析等の手法を用いて行う。グルーピングを行うことで、「夏季」と「特需」を結び付けており、両キーワードによる修正も考慮することとしている。

次いで、ステップＳ４０では、信頼度算出部３０は、グルーピングのデータを図１３（ｂ）に示すようなグループＤＢ４４に蓄積する。この場合、信頼度算出部３０は、キーワードＤＢ３８にキーワードを蓄積した場合と同様に、グループＤＢ４４にグループに関するデータも蓄積する。また、１グループに１つのグループＩＤを付与し、属するキーワードを保持する構造でデータ蓄積を行う。

次いで、ステップＳ４２では、信頼度算出部３０は、実績値のプロットと他のプロットとの距離を算出する。具体的には、信頼度算出部３０は、実績値のプロットと予測値のプロット又は修正後予測値のプロットとの距離を算出する。例えば、図１４（ａ）に示すように、Ａ、Ｂ間の距離を算出する。

次いで、ステップＳ４４では、実績プロットとグループとの距離を算出する。この場合、グループの座標は、グループに属するキーワードに紐づく修正後予測値のプロット群の重心であるものとする。例えば、グループＧ１の座標は、図１４（ｂ）に示すように、（（ｃ１＋ｄ１）／２，（ｃ２＋ｄ２）／２）となる。

次いで、ステップＳ４６では、信頼度算出部３０は、距離の近い順に各データセットに紐づくキーワードの信頼度を決定する。具体的には、信頼度算出部３０は、実績値のプロットと他のプロットとの距離に基づいて重み付けを行い、他のプロットの信頼度として定義する。なお、信頼度とは、予測値のプロットの場合は修正を行わない場合の予測の信頼性を表す量を意味する。また、キーワードに対応する修正後予測値のプロットの場合は、信頼度は、修正を行った場合のキーワードごとの予測の信頼性を表す量を意味する。また、グループのプロットの場合は、信頼度は、グループに属するキーワードが組み合わされた場合の信頼性を表す量を意味する。例えば、図１４（ａ）のように、距離が長い場合には、信頼度が低くなり、図１４（ｂ）のように、距離が短い場合には、信頼度が高くなる。

次いで、ステップＳ４８では、信頼度算出部３０は、データ蓄積を実行する。具体的には、信頼度算出部３０は、図１４（ｃ）に示す信頼度ＤＢ４６に、各キーワードＩＤ又はグループＩＤに対応して、信頼度を格納する。なお、本実施形態では、図１４（ｃ）のように、キーワードなしの場合の信頼度が０．１、キーワードＫ１（夏季）、Ｋ２（特需）、グループＧ１（夏季と特需）の場合の信頼度が０．９と算出され、信頼度ＤＢ４６に格納されたものとする。

なお、図６、図７の処理は、任意の周期で（例えば１ヶ月ごとに）繰り返し実行される。これにより、順次、信頼度のデータが信頼度ＤＢ４６に蓄積されることになる。

＜予測処理＞
次に、図１５に基づいて、予測処理について詳細に説明する。なお、図１５の処理は、修正がある程度の回数実行され、予測値ＤＢ４０等に所定以上のデータがたまった段階で、予測値の予測タイミングで（例えば１ヶ月ごとに）実行される処理である。

図１５の処理では、まず、ステップＳ６０において、予測値算出部２０が、予測値を算出する。このステップＳ６０では、前述した図４のステップＳ１０と同様にして予測値を算出する。ここでは、予測値算出部２０は、ｎ〜ｎ＋３週のプロダクト１の需要量の予測値を算出し、修正反映部３２に送信したものとする。

次いで、ステップＳ６２に移行すると、修正反映部３２が、信頼度に基づいて修正に用いるキーワード又はグループ（推奨キーワード又はグループ）を選定する。本実施形態では、信頼度ＤＢ４６から、ステップＳ６０の予測値と同一の予測対象かつ同一の時間軸（ｎ〜ｎ＋３週）で、信頼度が最も高い（最も信頼できる）キーワード又はデータを選定する。

次いで、ステップＳ６４では、修正反映部３２が、選定された推奨キーワード又はグループに対応する修正値で予測値を修正した結果をユーザに提供するとともに、推奨外のキーワード又はグループの情報をユーザに提供する。例えば、図１６（ａ）に示すような予測値が得られ、かつ信頼度０．９のグループＧ１（キーワード「夏季」、「特需」を含む）が推奨グループとして選定されたとする。この場合、図１６（ｂ）のように、ｎ週〜ｎ＋３週の修正値が＋１０、＋３０、＋５０、＋７０であったとすると、修正反映部３２は、修正値に信頼度（０．９）を積算した値（＋９、＋２７、＋４５、＋６３）を推奨修正値とする。そして、修正反映部３２は、図１６（ｂ）に示すような画面を作成し、利用者端末７０に送信して、利用者端末７０の表示部１９３に当該画面を表示させる。なお、図１６（ｂ）の画面には、各推奨修正値を用いた修正後予測値のグラフ、推奨グループと信頼度、推奨修正値の情報のほか、推奨外のキーワード又はグループのアイコン８２や信頼度も表示される。なお、修正反映部３２は、推奨修正値を用いた修正の内容を予測値ＤＢ４０に格納する。

次いで、ステップＳ６６では、修正反映部３２が、推奨外のキーワード又はグループを使用するか否かを判断する。具体的には、修正反映部３２は、ユーザが利用者端末７０の入力部１９５を介して推奨外のキーワード又はグループのアイコン８２を選択したか否かを判断する。このステップＳ６６の判断が否定された場合には、ステップＳ６６が繰り返されるが、肯定された場合には、ステップＳ６８に移行する。

ステップＳ６８に移行すると、修正反映部３２は、ユーザによって指定されたキーワード又はグループに基づく修正に切り替える。修正反映部３２は、ユーザによって指定されたキーワード又はグループに対応する修正値に信頼度を積算した値を新たな推奨修正値として、予測値を修正した結果を用いて、図１６（ｂ）の画面を更新する。なお、修正反映部３２は、ステップＳ６４で予測値ＤＢ４０に格納した修正の内容を削除し、ユーザが新たに選択した修正の内容を予測値ＤＢ４０に格納する。

その後は、ステップＳ６６に戻り、ユーザが図１６（ｂ）の画面を閉じる操作を行うまで、ステップＳ６６〜Ｓ６８の処理・判断を繰り返し実行する。

なお、上述した例では、修正値に信頼度を積算した値を推奨修正値とする場合について説明したが、これに限られるものではない。例えば、信頼度に基づいて選定されたキーワード又はグループに対応する修正値そのものを推奨修正値として扱うこととしてもよい。また、上述した例では、過去の修正実績を格納する予測値ＤＢ４０から、新たに予測する時間軸と予測対象が同一のデータを抽出し、利用する場合について説明したが、これに限られるものではない。例えば、予測対象が異なるが、時間軸が同一のデータを抽出し、利用することとしてもよい。

以上、詳細に説明したように、本第１の実施形態によると、予測値算出部２０は、過去の需要量の実績値を基に、将来の需要量の予測値を算出し（Ｓ１０）、修正情報受付部２２は、需要量の予測値を修正する修正値の入力を受け付け（Ｓ１２）、キーワード抽出部２４は、修正値に対応付けて、修正根拠の情報をキーワードとして設定し（Ｓ１４）、信頼度算出部３０は、修正値に基づいて修正した予測値と需要量の実績値とに基づいて、キーワードに対応する修正値の信頼度を算出する（Ｓ４６）。そして、修正反映部３２は、過去に入力された修正値を利用した予測値の修正に関連して、過去に入力された修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する（Ｓ６４、図１６（ｂ））。これにより、本第１の実施形態によれば、修正値やキーワードがユーザの知識として蓄積され、ユーザの知識の信頼度が数的に都度算出され、修正の際に出力される。したがって、ユーザは、予測値を修正する際に、過去に入力された修正値に対応するキーワードと信頼度とを参照することで、どのような修正を行うのが適切であるかを判断することができる。

ここで、予測精度を高めるためにユーザが定義したルールを適用するという方法を採用した場合、ユーザが既に有効な要素を見つけていることが前提となっており、かつ、決め込んだルールをシンプルに予測計算に適用することになる。また、時間が経つにつれてトレンドは変化するため、定義したルールが適切なルールであるとは限らない。これに対し、本第１の実施形態では、ユーザの知識（修正値や修正根拠）を都度評価するので、トレンドに対応した修正が可能となる。また、ユーザが定義したルールを用いる場合に必要なデータマイニングが不要となり、かつ、ユーザの知識の信頼度を都度評価することでより信頼性の高いルールを見出し、トレンドに合わせた予測計算として活用することができる。

この場合、本第１の実施形態では、修正根拠が文章形式で入力されても、キーワード抽出部２４は、文章解析からキーワードを取得するため、修正値と修正根拠との紐付けが容易である。

また、本第１の実施形態では、過去に入力された修正値を利用して需要量の予測値を修正するので、ユーザによって適切に選択された予測値を利用して、需要量の予測値の修正を適切に行うことが可能となる。

また、本第１の実施形態では、過去に入力された修正値に信頼度を積算した値（信頼度で重み付けした値）で需要量の予測値を修正するので、信頼度に応じて補正した修正値を用いて、予測値を適切に修正することが可能となる。

また、本第１の実施形態では、指定期間の需要量の予測値を、指定期間と対応する過去の期間（例えば、１年のうちの第ｎ週など）において入力された修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する。これにより、過去において時期を考慮した修正値を、将来の予測値の修正に用いることが可能となる。

なお、上記実施形態では、修正根拠をキーワードとする場合について説明したが、これに限られるものではない。例えば、修正値の入力に付随して蓄積した情報（例えば、修正時期、曜日など）をキーワードとしてもよい。以下に説明する第２の実施形態では、修正時期をキーワードとして扱う場合について説明する。

《第２の実施形態》
図１７には、第２の実施形態において利用者端末７０の表示部１９３上に表示される、予測値の修正値を入力するための画面（第１の実施形態の図８（ａ）に相当）が示されている。この図１７においては、ユーザが「月末に需要が高くなる」ことを見込んで、毎月末に修正を繰り返している例が示されている。なお、ユーザは、図１７の画面において時間軸を特定した後、修正値を入力するが、修正根拠については、入力しないものとする。

図１８（ａ）には、第２の実施形態で用いられる予測値ＤＢ４０のデータ構造が示されている。図１８（ａ）の予測値ＤＢ４０は、第１の実施形態の予測値ＤＢ４０（図４）の「キーワード」のフィールドに代えて、「外部情報」のフィールドが設けられている。「外部情報」のフィールドには、「月末」などのキーワードが格納される。ここで、キーワード抽出部２４は、月末に繰り返し修正をしていることを検出すると、当該修正のキーワードとして、「月末」を外部情報のフィールドに格納する。なお、図１８（ａ）では、予測値名称「月末：修正後予測値」の時間軸「先月１週」の列においても、外部情報として「月末」が入力されている。しかしながら、１週目において月末に対応する修正は行われないので、修正値は０となっている。

図１８（ｂ）には、第２の実施形態で用いられる実績値ＤＢ４２が示されている。実績値ＤＢ４２については、第１の実施形態（図１０（ｂ））と同様となっている。また、図１９（ｂ）には、第２の実施形態で用いられる信頼度ＤＢ４６のデータ構造が示されている。図１９（ｂ）の信頼度ＤＢ４６は、第１の実施形態の信頼度ＤＢ４６（図１４（ｃ））の「キーワード」のフィールドに代えて、「外部情報」のフィールドが設けられている。

本第２の実施形態は、図６、図７の処理において、キーワードとして外部情報（例えば、時期を示す単語）を用いること以外は、第１の実施形態と同様となっている。したがって、信頼度算出部３０は、実績値と予測値と修正後予測値との関係から、外部情報ごとの信頼度を算出し（Ｓ４６）、信頼度に基づいて、図１９（ａ）に示すような画面を作成する（Ｓ６４）。図１９（ａ）の画面では、信頼度の高い外部情報に対応する修正値で修正した予測値を推奨予測値として表示している。

以上、説明したように、本第２の実施形態によると、予測値算出部２０は、過去の需要量の実績値を基に、将来の需要量の予測値を算出し（Ｓ１０）、修正情報受付部２２は、需要量の予測値を修正する修正値の入力を受け付け（Ｓ１２）、キーワード抽出部２４は、修正値に対応付けて、修正根拠の情報をキーワードとして設定し（Ｓ１４）、信頼度算出部３０は、修正値に基づいて修正した予測値と需要量の実績値とに基づいて、キーワードに対応する修正値の信頼度を算出する（Ｓ４６）。そして、修正反映部３２は、過去に入力された修正値を利用した予測値の修正に関連して、過去に入力された修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する（Ｓ６４、図１６（ｂ））。これにより、本第２の実施形態によれば、ユーザは、予測値を修正する際に、過去に入力された修正値に対応する外部情報と信頼度とを参照することで、どのような修正を行うのが適切であるかを判断することができる。

また、本第２の実施形態では、そもそもユーザによる修正時に外部情報として与えられた「月末」という情報は、キーワード抽出部２４により各月の第４週目という「時間軸情報」に基づいて付与されている。このため、信頼度を紐付けた「月末」という外部情報（キーワード）を未来の修正に適用するタイミングは過去のユーザの修正実績のタイミングから容易に判断することができる。したがって、ユーザに対し、毎月末に修正の推奨を提示することが可能である。

なお、外部情報には、ユーザ情報が含まれていてもよい。以下の第３の実施形態では、外部情報（ユーザ情報）と、修正根拠をキーワードとして扱う場合について説明する。

《第３の実施形態》
本第３の実施形態では、予測値算出部２０が、一例として、実績値の減少傾向に基づいて、需要量が今後線形的に減少すると予測したとする。そして、２人のユーザＡ，Ｂは、ｎ週以降に「雨」が多くなるという情報を受けて、図２０（ａ）に示すように予測値を修正したとする。この場合、指定期間予測値ＤＢ４１は、図２０（ｂ）に示すようなデータ構造となる。なお、図２０（ｂ）の指定期間予測値ＤＢ４１は、図９の指定期間予測値ＤＢ４１に「外部情報」のフィールドを加えたデータ構造を有している。

ここで図２０（ｂ）のデータを、外部情報（ユーザの情報）と、修正根拠のそれぞれについてまとめると、図２１（ａ）のＡ−１（ユーザＡに対応する修正）、図２１（ｂ）のＡ−２（ユーザＡによるキーワード「雨」に対応する修正）、図２１（ｃ）のＢ−１（ユーザＢに対応する修正）、図２１（ｄ）のＢ−２（ユーザＡによるキーワード「雨」に対応する修正）となる。

一方、実績値は、図２２（ａ）に示すような傾向であったとする。この場合、上記第１の実施形態と同様、ステップＳ３４の処理を行うことで、図２２（ｂ）に示すようにｆ１、ｆ２座標にＡ-１、Ａ-２、Ｂ-１、Ｂ-２の４点がプロットされる。また、上記第１の実施形態と同様、ステップＳ３８の処理を行うことで、図２２（ｃ）に示すようにＡ-１とＡ-２がグループ化され、Ｂ-１とＢ-２がグループ化される。図２２（ｃ）の例では、図２２（ａ）の実績値の傾向（一旦下がって上昇する）と最も近かったものが、Ｂ-１とＢ-２を含むグループである。したがって、Ｂ-１とＢ-２を含むグループの信頼度は高く設定される。

ここで、上述したグループ化の処理によって、「雨」という同一キーワードが入力されたとしても全く別の修正要素として成り立たせることが実現できる。すなわち、自動的に推奨修正値で予測値を修正する際には「ユーザＢ」と「雨」を含むグループの信頼度と、ユーザＢの修正実績を用いればよいということが判断できるようになる。

なお、本第３の実施形態では、「雨」というキーワード単体の信頼度を、ユーザＡ、Ｂの修正履歴から算出することもできる。例えば、図２２（ｄ）に示すように、Ａ−２とＢ−２の中点Ｃを取り、Ｃと実績との距離に基づいて信頼度を算出することができる。例えば、「雨」の信頼度が最も高かった場合には、修正反映部３２は、自動修正（図１５の処理）を行う際は、「雨」というキーワードで修正されたユーザＡ，Ｂ両方の修正値を組み合わせて推奨修正値を決定すればよい。この場合、「雨」にかかる信頼度の種類は、「雨」単体の信頼度、「ユーザＡ」と「雨」を含むグループ、「ユーザＢ」と「雨」を含むグループの３種類になる。このように、「外部情報」を「キーワード」と組み合わせて利用することで、より適切に、予測値の自動修正を行うことが可能となる。これにより、日々、需要量予測システムに向かって作業するユーザの知識をリアルタイムで取り込み、分析し、活用できる。また、一般的に考えられる多様なデータと、ユーザの知識を表現するデータを用いることで予測精度が更に高まる。

なお、上記第３の実施形態では、説明の便宜上、雨による修正をユーザＡ，Ｂごとに分けることで、４つのデータに分ける場合について説明した（図２１（ａ）〜図２１（ｄ）参照）が、これに限るものではない。例えば図２３に示すように、予測値名称を定義する時点で「ユーザＡ＋雨」と「ユーザＢ＋雨」の２種を作成しておくこととしてもよい。これにより、キーワードが「雨」で共通していても、予測値名称に基づいて別々の外部情報に紐づく別々の修正であることを識別することができる。このため、どのユーザの「雨」に基づく修正が最も信頼できるかを識別することが可能となる。

なお、上記第２、第３の実施形態では、外部情報が時期やユーザである場合について説明したが、これに限られるものではない。例えば、外部情報は、製品、コスト、効果などの属性情報であってもよい。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記録媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

なお、以上の第１〜第３の実施形態の説明に関して、更に以下の付記を開示する。
（付記１） 過去の需要量の実績値を基に、将来の需要量を予測し、
予測した前記将来の需要量を修正する修正値の入力を受け付け、
前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定し、
前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出し、
過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、
処理をコンピュータに実行させる需要量予測プログラム。
（付記２） 前記出力する処理において出力した前記キーワードの選択を受け付け、
選択された前記キーワードに対応する前記修正値を利用して前記将来の需要量の予測値を修正する、処理を前記コンピュータに更に実行させる付記１に記載の需要量予測プログラム。
（付記３） 前記修正する処理において、過去に入力された前記修正値を該修正値の信頼度で補正した値で、前記将来の需要量の予測値を修正する、ことを特徴とする付記２に記載の需要量予測プログラム。
（付記４） 前記出力する処理では、所定期間の需要量の予測値の修正に関連して、前記所定期間と対応する過去の期間において入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、ことを特徴とする付記１〜３のいずれかに記載の需要量予測プログラム。
（付記５） 過去の需要量の実績値を基に、将来の需要量を予測し、
予測した前記将来の需要量を修正する修正値の入力を受け付け、
前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定し、
前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出し、
過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、
処理をコンピュータが実行する需要量予測方法。
（付記６） 前記出力する処理において出力した前記キーワードの選択を受け付け、
選択された前記キーワードに対応する前記修正値を利用して前記将来の需要量の予測値を修正する、処理を前記コンピュータが更に実行する付記５に記載の需要量予測方法。
（付記７） 前記修正する処理において、過去に入力された前記修正値を該修正値の信頼度で補正した値で、前記将来の需要量の予測値を修正する、ことを特徴とする付記６に記載の需要量予測方法。
（付記８） 前記出力する処理では、所定期間の需要量の予測値の修正に関連して、前記所定期間と対応する過去の期間において入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、ことを特徴とする付記５〜７のいずれかに記載の需要量予測方法。
（付記９） 過去の需要量の実績値を基に、将来の需要量を予測する予測部と、
予測した前記将来の需要量を修正する修正値の入力を受け付ける修正情報受付部と、
前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定するキーワード抽出部と、
前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出する信頼度算出部と、
過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する出力部と、
を備える情報処理装置。
（付記１０） 前記出力部は、出力した前記キーワードの選択を受け付け、
選択された前記キーワードに対応する前記修正値を利用して前記将来の需要量の予測値を修正する修正部を更に備える付記９に記載の情報処理装置。
（付記１１） 前記修正部は、過去に入力された前記修正値を該修正値の信頼度で補正した値で、前記将来の需要量の予測値を修正する、ことを特徴とする付記１０に記載の情報処理装置。
（付記１２） 前記出力部は、所定期間の需要量の予測値の修正に関連して、前記所定期間と対応する過去の期間において入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、ことを特徴とする付記９〜１１のいずれかに記載の情報処理装置。

１０ サーバ（情報処理装置）
２０ 予測値算出部（予測部）
２２ 修正情報受付部
２４ キーワード抽出部
３０ 信頼度算出部
３２ 修正反映部（出力部、修正部）
９０ ＣＰＵ（コンピュータ）

Claims (6)

1. 過去の需要量の実績値を基に、将来の需要量を予測し、
   予測した前記将来の需要量を修正する修正値の入力を受け付け、
   前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定し、
   前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出し、
   過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、
   処理をコンピュータに実行させる需要量予測プログラム。
2. 前記出力する処理において出力した前記キーワードの選択を受け付け、
   選択された前記キーワードに対応する前記修正値を利用して前記将来の需要量の予測値を修正する、処理を前記コンピュータに更に実行させる請求項１に記載の需要量予測プログラム。
3. 前記修正する処理において、過去に入力された前記修正値を該修正値の信頼度で補正した値で、前記将来の需要量の予測値を修正する、ことを特徴とする請求項２に記載の需要量予測プログラム。
4. 前記出力する処理では、所定期間の需要量の予測値の修正に関連して、前記所定期間と対応する過去の期間において入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、ことを特徴とする請求項１〜３のいずれか一項に記載の需要量予測プログラム。
5. 過去の需要量の実績値を基に、将来の需要量を予測し、
   予測した前記将来の需要量を修正する修正値の入力を受け付け、
   前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定し、
   前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出し、
   過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する、
   処理をコンピュータが実行する需要量予測方法。
6. 過去の需要量の実績値を基に、将来の需要量を予測する予測部と、
   予測した前記将来の需要量を修正する修正値の入力を受け付ける修正情報受付部と、
   前記修正値に対応付けて、修正根拠の情報及び／又は前記修正値の入力に付随して蓄積した情報をキーワードとして設定するキーワード抽出部と、
   前記修正値に基づいて修正した前記将来の需要量と前記需要量の実績値とに基づいて、前記キーワードに対応する前記修正値の信頼度を算出する信頼度算出部と、
   過去に入力された前記修正値を利用した将来の需要量の予測値の修正に関連して、過去に入力された前記修正値に対応するキーワードと、該修正値の信頼度とを対応付けて出力する出力部と、
   を備える情報処理装置。

Images