JP2018185591A - 需要予測システムおよび需要予測方法 - Google Patents

Abstract

【課題】食事メニューの需要を予測することのできる需要予測システムおよび需要予測方法を提供する。【解決手段】食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供される食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデル３０を作成する学習手段２８と、作成したモデル３０を使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定手段３２とを備えるようにする。【選択図】図２

Description

本発明は、需要予測システムおよび需要予測方法に関し、特に昼時の従業員食堂などで提供される食事メニューの待ち時間などを予測するのに好適な需要予測システムおよび需要予測方法に関するものである。

従来、オフィスビルの社員食堂は、価格が安い、時間や手間がかからないなどの観点から、ほとんどの従業員が利用している。特に昼休みの時間帯は食堂が大変混雑しており、待ち時間が長くなる傾向にある。そのため、昼食に余計な時間がかかってしまい、従業員が昼休みの時間を有効に使えなくなることがある。

一方、従来の待ち時間を予測する技術としては、例えば特許文献１に記載の待ち時間表示システムが知られている。このシステムは、テーマパークのアトラクションのような特定施設に入場しようとする客数をセンサでカウントすることによって、入場に係る待ち時間を計算して入場者に提示するものである。

特開２００５−１８９９２１号公報

ところで、上記の食堂での待ち時間が長くなる原因として、利用者である従業員が食堂の混雑具合を把握できていないため、混雑に加担していることが挙げられる。従業員が事前に食堂の混雑具合がわかれば、混雑の時間帯に重ならないように時間をずらしたりして、混雑に加担せずに済む。このようにすれば、食堂での待ち時間が短くなり、昼休みの時間を有効活用することが可能になる。

このため、食堂の利用者が事前に食堂の混雑具合を把握することのできる技術が求められていた。

本発明は、上記に鑑みてなされたものであって、食事メニューの需要を予測することのできる需要予測システムおよび需要予測方法を提供することを目的とする。

上記した課題を解決し、目的を達成するために、本発明に係る需要予測システムは、食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習手段と、作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定手段とを備えることを特徴とする。

また、本発明に係る他の需要予測システムは、上述した発明において、学習手段は、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定手段は、食事メニュー情報に対応する食事メニューの販売数を推定することを特徴とする。

また、本発明に係る需要予測方法は、食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習ステップと、作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定ステップとを備えることを特徴とする。

また、本発明に係る他の需要予測方法は、上述した発明において、学習ステップは、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定ステップは、食事メニュー情報に対応する食事メニューの販売数を推定することを特徴とする。

本発明に係る需要予測システムによれば、食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習手段と、作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定手段とを備えるので、食事メニューの待ち時間を事前に把握することが可能になるという効果を奏する。このため、食堂利用者が混雑の時間帯に重ならないように利用時間を調整すれば、食堂の混雑を緩和することが可能となる。特に従業員食堂の場合、昼休みの時間帯における食堂の混雑を緩和することができるようになる。このようにすれば、昼食に余計な時間がかからず、従業員が昼休みの時間を有効に使うことができるようになる。

また、本発明に係る他の需要予測システムによれば、学習手段は、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定手段は、食事メニュー情報に対応する食事メニューの販売数を推定するので、食事メニューの予測販売数を把握することができるという効果を奏する。このため、売れ残りや早い段階での売り切れを防ぐことが可能となり、予測販売数に応じた最適な人員配置が可能となる。したがって、人件費、食材費の無駄がなくなり、コスト削減が可能となる。

また、本発明に係る需要予測方法によれば、食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習ステップと、作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定ステップとを備えるので、食事メニューの待ち時間を事前に把握することが可能になるという効果を奏する。このため、食堂利用者が混雑の時間帯に重ならないように利用時間を調整すれば、食堂の混雑を緩和することが可能となる。特に従業員食堂の場合、昼休みの時間帯における食堂の混雑を緩和することができるようになる。このようにすれば、昼食に余計な時間がかからず、従業員が昼休みの時間を有効に使うことができるようになる。

また、本発明に係る他の需要予測方法によれば、学習ステップは、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定ステップは、食事メニュー情報に対応する食事メニューの販売数を推定するので、食事メニューの予測販売数を把握することができるという効果を奏する。このため、売れ残りや早い段階での売り切れを防ぐことが可能となり、予測販売数に応じた最適な人員配置が可能となる。したがって、人件費、食材費の無駄がなくなり、コスト削減が可能となる。

図１は、本発明に係る需要予測システムおよび需要予測方法の実施の形態を示す概略構成図である。 図２は、需要予測サーバの概略ブロック図である。 図３は、本発明による需要予測結果を示すイメージ図であり、（１）は定食の待ち時間、（２）は麺の待ち時間である。 図４は、本発明による需要予測結果を示すイメージ図であり、食事メニュー別の販売数を示す図である。

本発明は、機械学習（人工知能）を用いて食堂（例えば従業員食堂・社員食堂）で提供される食事メニューの需要予測を行い、各食事メニュー別の平均待ち時間と販売数を、需要側（例えば会社・従業員）と供給側（例えば食堂・運営者、従業員）の人間が確認できるようにしたものである。

以下に、本発明に係る需要予測システムおよび需要予測方法の実施の形態を図面に基づいて詳細に説明する。なお、以下の説明では、従業員に食事を提供するためにオフィスビル内などに設置された従業員用の食堂の場合を例にとり説明するが、この実施の形態によりこの発明が限定されるものではない。

図１に示すように、本発明に係る需要予測システム１０は、需要予測サーバ１２と、食堂管理ＰＣ１４と、従業員ＰＣ１６と、通信装置１８と、画像センサ２０と、ＩＣカードリーダ２２とを備える。需要予測サーバ１２、食堂管理ＰＣ１４、従業員ＰＣ１６はＬＡＮ２４で互いに接続されている。

食堂管理ＰＣ１４は、食堂を管理するためのパーソナルコンピュータであり、例えば食堂そばの管理室などに設けられる。この食堂管理ＰＣ１４に備わる記憶装置には、所定の日（過去、当日、数日先）の昼食の食事メニュー情報（例えば食品成分表、写真など）、画像センサ２０で取得した情報、ＩＣカードリーダ２２で読み取られた情報などが格納されている。

従業員ＰＣ１６は、各従業員に支給されたパーソナルコンピュータであり、例えばオフィス内の各従業員のデスクなどに設けられる。

食堂管理ＰＣ１４と各従業員ＰＣ１６は、後述の需要予測結果を受信可能となっている。このため、食堂管理者や各従業員は各ＰＣ１４、１６に備わるディスプレイ等を通じて需要予測結果を把握することができる。

通信装置１８は、Ｗｉ−Ｆｉ（登録商標）等の無線通信方式を利用した装置であり、画像センサ２０との間でデータ送受信可能に構成されている。なお、通信装置１８はこれ以外の無線通信方式を利用した装置であってもよいし、有線通信方式の装置であってもよい。

画像センサ２０は、昼食時に食堂で提供される定食、麺、パスタ等の食事メニューを提供するエリア別に設置されるものである。この画像センサ２０は、所定時間ごとにエリアの画像を取得して、そのエリアに並んでいる食堂利用者の人数情報（流動人数、待ち人数）を計測する。計測された人数情報は計測時刻と関連付けられて、上記の通信装置１８を経由して需要予測サーバ１２に送信されるようになっている。

ＩＣカードリーダ２２は、食事代金支払い用のＩＣカードを読み取る装置であり、各食事メニューのエリア別に設置されている。ＩＣカードリーダ２２で読み取られた情報は、ＬＡＮ２４を経由して食堂管理ＰＣ１４に送信される。食堂管理ＰＣ１４または需要予測サーバ１２では、この情報に基づいて各食事メニューの販売数が実績データとして算定されている。

需要予測サーバ１２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、記憶装置およびインタフェースを備えたコンピュータである。この需要予測サーバ１２は、図２に示すように、データベース２６と、学習手段２８と、機械学習モデル３０（モデル）と、推定手段３２とを備える。データベース２６は需要予測サーバ１２に備わる記憶装置に格納される。学習手段２８、機械学習モデル３０、推定手段３２は、需要予測サーバ１２を制御するプログラムなどによって実現することができる。

また、この需要予測サーバ１２は、インターネットなどを通じて天気情報（例えば天気、温湿度など）を取得可能であるとともに、食堂管理ＰＣ１４から食事メニュー情報（例えば食品成分表、写真など）を取得可能となっている。さらに、この需要予測サーバ１２は、画像センサ２０で計測した人数情報（流動人数、待ち人数）に基づいて、実績データとしての平均待ち時間を算定する図示しない算定手段を有している。より具体的には、この算定手段は、画像センサ２０で計測した流動人数から単位時間当たりの人員の流動量（例えば人／分）を求め、待ち人数÷流動量により各食事メニュー別の平均待ち時間（分）を実績データとして算定する。

データベース２６は、過去の実績データを格納するデータベースである。より具体的には、このデータベース２６は、食堂が設置されている場所の所定の日の天気情報（例えば天気、温湿度など）、同日の昼食時に食堂で提供された食事メニュー情報（例えば食品成分表、写真など）、算定した平均待ち時間（例えば１０分間隔）、販売数（１日何食）といった実績データを関連付けて格納している。平均待ち時間は、画像センサ２０で取得した情報に基づいて算定され、販売数はＩＣカードリーダ２２で読み取った情報に基づいて算定される。このデータベース２６に格納された過去の天気情報、食事メニュー情報は機械学習の入力データとして用いられ、平均待ち時間、販売数は教師データとして用いられる。

学習手段２８は、データベース２６に格納されている所定の日の天気情報と、同日の昼食時の食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間と販売数を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするための機械学習モデル３０を作成するものである。この機械学習は例えば昼食時を学習対象とする場合には１日１回行うことができる。

推定手段３２は、作成した機械学習モデル３０を使って、昼食時の食事メニューに関する需要を予測するものである。より具体的には、この推定手段３２は、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間、販売数を推定して予測する。推定手段３２による予測結果（需要予測結果）は、ＬＡＮ２４を経由して従業員ＰＣ１６と食堂管理ＰＣ１４に送信されるようになっている。この推定手段３２による需要予測は１日１回行うことができる。

（需要予測方法）
次に、上記の需要予測システム１０を用いた需要予測方法について説明する。

図２に示すように、学習手段２８によって予め機械学習モデル３０が作成されているものとする。当日の午前の段階で、この機械学習モデル３０を用いて当日昼食時の需要予測を行う場合には、需要予測サーバ１２は、例えばインターネット経由で当日の天気情報（例えば天気、温湿度）を取得するとともに、食堂管理ＰＣ１４から当日の食事メニュー情報（例えば食品成分表、写真）を取得する（ステップＳ１）。

続いて、需要予測サーバ１２の推定手段３２は、上記のステップＳ１で取得した情報を入力データとして、機械学習モデル３０を用いて食事メニューの需要予測を行う（ステップＳ２）。

次に、推定手段３２は、需要予測結果（食事メニュー別の平均待ち時間と販売数）を出力する（ステップＳ３）。出力された需要予測結果は、食堂管理ＰＣ１４と各従業員ＰＣ１６に送信される。これにより、食堂管理者、各従業員は、食堂管理ＰＣ１４、各従業員ＰＣ１６に備わるディスプレイを通じて需要予測結果を確認することができる。

図３および図４に、出力される需要予測結果の一例を示す。これらの図に示すように、各食事メニュー別の平均待ち時間（例えば、時間は１１時３０分〜１３時まで１０分間隔）と、販売数（１日何食）といった需要予測結果を、従業員ＰＣ１６、食堂管理ＰＣ１４で確認することができる。

本実施の形態によれば、昼食時の従業員用の食堂に適用することにより、以下のような効果を期待できる。

（需要側メリット）
各従業員が、各食事メニュー別の平均待ち時間を事前に確認できるため、混雑の時間帯に重ならないように時間をずらしたり調整することができる。このため、昼休みの時間帯における食堂の混雑を緩和することができる。したがって、昼食に余計な時間がかからず、従業員が昼休みの時間を有効に使うことができる。

（供給側メリット）
食堂管理者が、各食事メニューの販売数を事前に確認できるため、売れ残りや早い段階での売り切れを防ぐことが可能となり、予測販売数に応じた最適な人員配置が可能となる。したがって、人件費、食材費の無駄がなくなり、コスト削減が可能となる。

なお、上記の実施の形態においては、食堂としてオフィスビル内に設置された従業員用の食堂の場合を例にとり説明したが、本発明はこれに限るものではなく、一般人も利用可能な街中のレストランや食堂などに適用することもできる。この場合、利用者が所持する携帯端末を従業員ＰＣ１６の代わりに用いてもよい。このようにしても、上記と同様の作用効果を奏することができる。

以上説明したように、本発明に係る需要予測システムによれば、食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習手段と、作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定手段とを備えるので、食事メニューの待ち時間を事前に把握することが可能になる。このため、食堂利用者が混雑の時間帯に重ならないように利用時間を調整すれば、食堂の混雑を緩和することが可能となる。特に従業員食堂の場合、昼休みの時間帯における食堂の混雑を緩和することができるようになる。このようにすれば、昼食に余計な時間がかからず、従業員が昼休みの時間を有効に使うことができるようになる。

また、本発明に係る他の需要予測システムによれば、学習手段は、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定手段は、食事メニュー情報に対応する食事メニューの販売数を推定するので、食事メニューの予測販売数を把握することができる。このため、売れ残りや早い段階での売り切れを防ぐことが可能となり、予測販売数に応じた最適な人員配置が可能となる。したがって、人件費、食材費の無駄がなくなり、コスト削減が可能となる。

また、本発明に係る需要予測方法によれば、食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習ステップと、作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定ステップとを備えるので、食事メニューの待ち時間を事前に把握することが可能になる。このため、食堂利用者が混雑の時間帯に重ならないように利用時間を調整すれば、食堂の混雑を緩和することが可能となる。特に従業員食堂の場合、昼休みの時間帯における食堂の混雑を緩和することができるようになる。このようにすれば、昼食に余計な時間がかからず、従業員が昼休みの時間を有効に使うことができるようになる。

また、本発明に係る他の需要予測方法によれば、学習ステップは、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定ステップは、食事メニュー情報に対応する食事メニューの販売数を推定するので、食事メニューの予測販売数を把握することができる。このため、売れ残りや早い段階での売り切れを防ぐことが可能となり、予測販売数に応じた最適な人員配置が可能となる。したがって、人件費、食材費の無駄がなくなり、コスト削減が可能となる。

以上のように、本発明に係る需要予測システムおよび需要予測方法は、昼時の従業員食堂などにおいて食事メニューの需要を予測するのに有用であり、特に、食事メニューの待ち時間や販売数などを事前把握するのに適している。

１０ 需要予測システム
１２ 需要予測サーバ
１４ 食堂管理ＰＣ
１６ 従業員ＰＣ
１８ 通信装置
２０ 画像センサ
２２ ＩＣカードリーダ
２４ ＬＡＮ
２６ データベース
２８ 学習手段
３０ 機械学習モデル（モデル）
３２ 推定手段

Claims (4)

1. 食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習手段と、
   作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定手段とを備えることを特徴とする需要予測システム。
2. 学習手段は、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定手段は、食事メニュー情報に対応する食事メニューの販売数を推定することを特徴とする請求項１に記載の需要予測システム。
3. 食堂が設置されている場所の所定の日の天気情報と、同日に食堂で提供された食事メニュー情報とを入力データ、食事メニュー情報に対応する食事メニューの待ち時間を教師データとする機械学習を行い、この学習結果から食事メニューの需要予測をするためのモデルを作成する学習ステップと、
   作成したモデルを使って、取得した当日の天気情報、食事メニュー情報から、食事メニュー情報に対応する食事メニューの待ち時間を推定する推定ステップとを備えることを特徴とする需要予測方法。
4. 学習ステップは、食事メニュー情報に対応する食事メニューの販売数を教師データとする機械学習を行い、推定ステップは、食事メニュー情報に対応する食事メニューの販売数を推定することを特徴とする請求項３に記載の需要予測方法。

Images