JP2019032753A - Provision number prediction device, provision number prediction method and provision number prediction program - Google Patents

Provision number prediction device, provision number prediction method and provision number prediction program Download PDF

Info

Publication number
JP2019032753A
JP2019032753A JP2017154356A JP2017154356A JP2019032753A JP 2019032753 A JP2019032753 A JP 2019032753A JP 2017154356 A JP2017154356 A JP 2017154356A JP 2017154356 A JP2017154356 A JP 2017154356A JP 2019032753 A JP2019032753 A JP 2019032753A
Authority
JP
Japan
Prior art keywords
people
cafeteria
day
facility
past
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
Application number
JP2017154356A
Other languages
Japanese (ja)
Other versions
JP6873863B2 (en
Inventor
小林　義孝
Yoshitaka Kobayashi
義孝 小林
会津　宏幸
Hiroyuki Aizu
宏幸 会津
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Infrastructure Systems and Solutions Corp filed Critical Toshiba Corp
Priority to JP2017154356A priority Critical patent/JP6873863B2/en
Publication of JP2019032753A publication Critical patent/JP2019032753A/en
Application granted granted Critical
Publication of JP6873863B2 publication Critical patent/JP6873863B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

To provide a provision number prediction device, a provision number prediction method and a provision number prediction program, capable of predicting a provision number of meals.SOLUTION: The provision number prediction device includes an in-building person number determination unit, a use rate estimation unit and a prediction unit. The in-building person number determination unit determines a tabulation result of in-building person number which is the number of persons who stayed in a building at a former time than a time zone in which meals are provided in a facility with a dining hall. The use rate estimation unit establishes an actual value of the past use rate of the dining hall on the basis of a ratio between tabulation results of the number of persons who used the dining hall in the past and the number of in-building persons in the past and establishes an estimation value of a use rate of the dining hall at a target day on the basis of the actual value of the past use rate of the dining hall. The prediction unit determines a prediction value of the provision number of meals at a target day on the basis of tabulation results of the estimation value of the use rate of the dining hall at the target day and the number of in-building persons at the target day.SELECTED DRAWING: Figure 1

Description

本発明の実施形態は、提供数予測装置、提供数予測方法及び提供数予測プログラムに関する。   Embodiments described herein relate generally to a provision number prediction apparatus, a provision number prediction method, and a provision number prediction program.

ビル等の施設に備えられた食堂の事業者は、昼休み等の特定の時間帯に集中する食事需要に対応するため、特定の時間帯よりも前に食堂における食事の提供数を予測する必要がある。しかしながら、従来の装置は、食事の提供数を予測することができない場合があった。   Companies in cafeterias equipped in buildings and other facilities need to predict the number of meals served in the cafeteria before a specific time period in order to meet the demand for meals concentrated in a specific time period such as a lunch break. is there. However, the conventional apparatus may not be able to predict the number of meals provided.

特開２００３−２８８６８７号公報JP 2003-288687 A 特開２０１１−７３５９号公報JP 2011-7359 A

本発明が解決しようとする課題は、食事の提供数を予測することができる提供数予測装置、提供数予測方法及び提供数予測プログラムを提供することである。   The problem to be solved by the present invention is to provide a provision number prediction apparatus, a provision number prediction method, and a provision number prediction program capable of predicting the number of meals to be provided.

実施形態の提供数予測装置は、在館者数決定部と、利用率推定部と、予測部とを持つ。在館者数決定部は、食堂を有する施設で食事が提供される時間帯よりも前の時刻において施設に在館していた者の人数である在館者数の集計結果を決定する。利用率推定部は、過去に食堂を利用した人数と過去の在館者数の集計結果との比に基づいて過去の食堂の利用率の実績値を定め、過去の食堂の利用率の実績値に基づいて対象日の食堂の利用率の推定値を定める。予測部は、対象日の食堂の利用率の推定値と対象日の在館者数の集計結果とに基づいて対象日の食事の提供数の予測値を決定する。   The provided number predicting apparatus according to the embodiment includes an in-person number determining unit, a utilization rate estimating unit, and a predicting unit. The number-of-residents determination unit determines the total result of the number of people in the building, which is the number of people who have been in the facility at a time prior to the time when meals are provided at the facility having the cafeteria. The utilization rate estimation unit determines the actual value of the past cafeteria utilization rate based on the ratio of the number of people who have used the cafeteria in the past and the total number of people in the past, and the actual value of the past cafeteria utilization rate Based on the above, the estimated value of the cafeteria usage rate on the target day is determined. The prediction unit determines a predicted value of the number of meals provided on the target day based on the estimated value of the utilization rate of the cafeteria on the target day and the total result of the number of people on the target day.

実施形態の提供数予測システムの構成の例を示す図。The figure which shows the example of a structure of the provision number prediction system of embodiment. 実施形態の利用履歴の例を示す図。The figure which shows the example of the utilization log | history of embodiment. 実施形態の在館履歴の例を示す図。The figure which shows the example of the presence history of embodiment. 実施形態の電子メールの例を示す図。The figure which shows the example of the electronic mail of embodiment. 実施形態の提供数予測装置の動作の例を示すフローチャート。The flowchart which shows the example of operation | movement of the provision number prediction apparatus of embodiment.

以下、実施形態の提供数予測装置、提供数予測方法及び提供数予測プログラムを、図面を参照して説明する。   Hereinafter, a provision number prediction apparatus, a provision number prediction method, and a provision number prediction program according to an embodiment will be described with reference to the drawings.

図１は、提供数予測システム１の構成の例を示す図である。提供数予測システム１は、ビル等の施設に備えられた食堂における食事の提供数を予測するシステムである。食堂の事業者は、例えば、提供数予測システム１が提供数を予測する対象の日である対象日（当日）の午前１１時４５分から始まる時間帯において、食堂を利用する者に食事を提供する。   FIG. 1 is a diagram illustrating an example of the configuration of the provision number prediction system 1. The provision number prediction system 1 is a system that predicts the number of meals to be provided in a dining room provided in a facility such as a building. The company of the cafeteria, for example, provides meals to those who use the cafeteria in the time zone starting from 11:45 am on the target day (the day), which is the target day for which the provision number prediction system 1 predicts the number of offers. .

提供数予測システム１は、施設２と、利用履歴データベース３と、在館履歴データベース４と、カレンダデータベース５と、提供数予測装置６とを備える。施設２は、食堂を備える施設であり、例えばビルである。施設２は、管理システム２２と、事業者端末２０と、ゲート装置２１−１〜２１−Ｎ（Ｎは、２以上の整数）とを備える。   The provision number prediction system 1 includes a facility 2, a use history database 3, an in-house history database 4, a calendar database 5, and a provision number prediction device 6. The facility 2 is a facility including a canteen, for example, a building. The facility 2 includes a management system 22, an operator terminal 20, and gate devices 21-1 to 21-N (N is an integer of 2 or more).

事業者端末２０は、パーソナルコンピュータ、タブレット端末、スマートフォン等の情報処理装置である。事業者端末２０は、当日における提供数の予測値を、電子メール等によって提供数予測装置６から取得する。食堂の事業者は、事業者端末２０に表示された電子メール等を確認することで、当日における提供数の予測値を当日の午前１１時４５分よりも前に知ることができる。以下、施設２の食堂で食事が提供される時間帯よりも前の時刻において施設２に在館していた者を「在館者」という。   The business entity terminal 20 is an information processing apparatus such as a personal computer, a tablet terminal, or a smartphone. The business entity terminal 20 acquires the predicted value of the number of provisions on the day from the provision number prediction device 6 by e-mail or the like. The company of the cafeteria can know the predicted value of the number of provisions on that day before 11:45 am on that day by confirming the e-mail and the like displayed on the company terminal 20. Hereinafter, a person who has been in the facility 2 at a time prior to the time period in which the meal is provided in the cafeteria of the facility 2 is referred to as a “resident”.

事業者端末２０は、食堂を利用した者に食堂の事業者が食事を提供した日時を表す情報を、食堂を利用した者の個人識別番号に対応付けて、利用履歴として利用履歴データベース３に送信する。事業者端末２０は、食堂全体の当日の食事の提供数の実績値を、利用履歴データベース３に送信してもよい。事業者端末２０は、在館者のうち食堂を利用した者に提供された食事の提供数の実績値を、過去の所定期間について日ごとに決定してもよい。過去の所定期間は、例えば、過去の直近３０日間である。事業者端末２０は、過去の所定期間における食堂全体の食事の提供数の実績値を、利用履歴データベース３に送信してもよい。   The company terminal 20 transmits information representing the date and time when the restaurant company provided meals to the person who used the cafeteria to the user history database 3 in association with the personal identification number of the person who used the cafeteria. To do. The business entity terminal 20 may transmit the actual value of the number of meals provided on the day of the entire cafeteria to the usage history database 3. The company terminal 20 may determine the actual value of the number of meals provided to those who use the cafeteria among the people in the building for each past predetermined period. The past predetermined period is, for example, the last 30 days in the past. The business entity terminal 20 may transmit the actual value of the number of meals served in the entire cafeteria during the past predetermined period to the usage history database 3.

図２は、利用履歴の例を示す図である。利用履歴は、在館者が食堂を利用した日時の履歴である。利用履歴では、在館者が食堂を利用した日時と、食堂を利用した者の個人識別番号とが対応付けられている。利用履歴に記録された日時の個数は、食事の提供数と等しい。図２では、一例として、在館者が食堂を利用した日時の履歴が利用履歴として表されているが、利用履歴は、食堂を利用したか否かを個人別で表す情報でもよい。利用履歴において、例えば、食堂を利用したことは１と表されてもよい。食堂を利用していないことは０と表されてもよい。   FIG. 2 is a diagram illustrating an example of a usage history. The usage history is a history of the date and time when the resident used the cafeteria. In the usage history, the date and time when the resident uses the cafeteria is associated with the personal identification number of the person who uses the cafeteria. The number of dates and times recorded in the usage history is equal to the number of meals provided. In FIG. 2, as an example, the history of the date and time when the resident used the cafeteria is shown as the use history, but the use history may be information that indicates whether the cafeteria is used or not by individual. In the usage history, for example, use of the cafeteria may be represented as 1. The fact that the cafeteria is not used may be expressed as 0.

図１に戻り、施設２の構成の例の説明を続ける。ゲート装置２１は、フラッパーゲート（セキュリティゲート）、室内扉（自動ドア）である。ゲート装置２１には、ゲート番号が割り当てられている。ゲート装置２１は、個人を認証（識別）するための認証装置を備える。認証装置は、例えば、無線通信が可能であるＩＣ（Integrated Circuit）カードに割り当てられた個人識別番号に基づいて、ゲート装置２１を通過する個人を認証する。   Returning to FIG. 1, the description of the configuration example of the facility 2 will be continued. The gate device 21 is a flapper gate (security gate) and an indoor door (automatic door). A gate number is assigned to the gate device 21. The gate device 21 includes an authentication device for authenticating (identifying) an individual. For example, the authentication device authenticates an individual passing through the gate device 21 based on a personal identification number assigned to an IC (Integrated Circuit) card capable of wireless communication.

ゲート装置２１は、フラッパーゲートである場合、例えば、施設２の出入口に備えられる。ゲート装置２１は、フラッパーゲートである場合、施設２に在館可能である人の入館履歴及び退館履歴を、在館履歴として管理システム２２に出力する。在館可能である人は、例えば、施設２で業務に従事する従業員、食堂の事業者の食堂スタッフである。ゲート装置２１は、室内扉である場合、例えば、施設２の執務室等の部屋の出入口に備えられる。ゲート装置２１は、室内扉である場合、施設２の部屋に在館可能である人の入室履歴及び退室履歴を、在館履歴として管理システム２２に出力する。   When the gate device 21 is a flapper gate, for example, it is provided at an entrance of the facility 2. When the gate device 21 is a flapper gate, the entrance history and the exit history of a person who can stay in the facility 2 are output to the management system 22 as an in-house history. The person who can stay in the hall is, for example, an employee engaged in business at the facility 2 or a cafeteria staff of a restaurant company. When the gate device 21 is an indoor door, for example, the gate device 21 is provided at an entrance of a room such as an office of the facility 2. When the gate device 21 is an indoor door, the gate device 21 outputs the entrance history and the exit history of a person who can stay in the room of the facility 2 to the management system 22 as an in-house history.

管理システム２２は、サーバ装置等の情報処理装置である。管理システム２２は、ゲート装置２１−１〜２１−Ｎから取得された入館履歴及び退館履歴に基づいて、在館者数を管理する。フラッパーゲートにおける入館履歴及び退館履歴に基づく在館者数の集計結果と在館者数の実績値とは、例えば、理由１〜理由４などによって一致しない場合がある。   The management system 22 is an information processing device such as a server device. The management system 22 manages the number of people in the building based on the entrance history and the exit history acquired from the gate devices 21-1 to 21-N. The total number of visitors based on the entry history and the exit history at the flapper gate and the actual value of the number of visitors may not match for reasons 1 to 4, for example.

理由１：フラッパーゲートにおける高トラフィック時、入館履歴及び退館履歴が正しく記録されていない場合がある。
理由２：完全には開いていないフラッパーゲートから、人が施設２に入館した場合がある。
理由３：フラッパーゲート以外の通用口等から、人が施設２に入館した場合がある。
理由４：前日から継続して施設２に残っている在館者がいる場合がある。 Reason 1: During high traffic at the flapper gate, the entry history and the exit history may not be recorded correctly.
Reason 2: A person may enter Facility 2 from a flapper gate that is not fully open.
Reason 3: A person may enter the facility 2 from a common entrance other than the flapper gate.
Reason 4: There may be a resident who remains in the facility 2 from the previous day.

そのため、当日のフラッパーゲートにおける入館履歴及び退館履歴にイベント等が記録されていないことを理由として施設２に在館していないと判定された人のうち、施設２の部屋の室内扉における入室履歴及び退室履歴にイベント等が記録されている人の数は、在館者数の集計結果に含められる必要がある。   Therefore, among those who are determined not to be in the facility 2 because no events are recorded in the entry history and exit history at the flapper gate on that day, the entrance to the indoor door of the room of the facility 2 The number of people whose events and the like are recorded in the history and the leaving history needs to be included in the total number of people in the building.

図３は、在館履歴の例を示す図である。在館履歴は、当日のフラッパーゲートにおける入館履歴及び退館履歴と、当日の施設２の部屋の室内扉における入室履歴及び退室履歴とを含む。在館履歴では、日時と、職種情報と、個人識別番号（アカウントコード）と、ゲート番号と、通過イベントとが対応付けられている。   FIG. 3 is a diagram illustrating an example of an in-house history. The in-house history includes an entrance history and an exit history at the flapper gate on that day, and an entrance history and an exit history at the indoor door of the room of the facility 2 on that day. In the in-house history, the date, job type information, personal identification number (account code), gate number, and passage event are associated with each other.

日時は、通過イベントが発生した日時である。職種情報は、ゲート装置２１を通過した人の職種を表す情報である。職種情報は、例えば、従業員、食堂スタッフ等を表す情報である。職種情報は、例えば、ＩＣカードに記録されている個人識別番号に基づいて定められる。個人識別番号は、暗号化されていてもよい。ゲート番号（ゲート名称）は、ゲート装置２１に割り当てられた番号である。通過イベントは、当日のフラッパーゲートにおける入館及び退館のイベントと、当日の施設２の室内扉における入室及び退室のイベントとを表す。   The date and time is the date and time when the passing event occurred. The job type information is information representing the job type of the person who has passed through the gate device 21. The job type information is, for example, information representing employees, cafeteria staff, and the like. The job type information is determined based on, for example, a personal identification number recorded on the IC card. The personal identification number may be encrypted. The gate number (gate name) is a number assigned to the gate device 21. The passing event represents an entrance / exit event at the flapper gate on that day and an entrance / exit event at the indoor door of the facility 2 on that day.

図１に戻り、施設２の構成の例の説明を続ける。管理システム２２は、個人の認証結果（識別結果）に基づいて、施設２における入館時刻及び退館時刻を個人別に管理する。管理システム２２は、在館者数の実績値を、過去の所定期間について日ごとに決定する。過去の所定期間は、例えば、過去の直近３０日間以上の期間である。   Returning to FIG. 1, the description of the configuration example of the facility 2 will be continued. The management system 22 manages the entrance time and the exit time in the facility 2 for each individual based on the personal authentication result (identification result). The management system 22 determines the actual value of the number of people in the building for each past period. The past predetermined period is, for example, a period of the last 30 days or more in the past.

利用履歴データベース３と在館履歴データベース４とカレンダデータベース５とは、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）などの不揮発性の記憶媒体（非一時的な記憶媒体）を有する。利用履歴データベース３と在館履歴データベース４とカレンダデータベース５とは、例えば、ＲＡＭ（Random Access Memory）やレジスタなどの揮発性の記憶媒体を有していてもよい。   The usage history database 3, the in-house history database 4, and the calendar database 5 include, for example, non-volatile storage media (non-temporary storage media) such as flash memory and HDD (Hard Disk Drive). The usage history database 3, the in-house history database 4, and the calendar database 5 may have, for example, a volatile storage medium such as a RAM (Random Access Memory) or a register.

利用履歴データベース３は、当日の食堂の個人別の利用履歴を、事業者端末２０から取得する。すなわち、利用履歴データベース３は、当日の個人別の食事の提供数の実績値を、事業者端末２０から取得する。これを複数の日について実行することによって、利用履歴データベース３は、過去の所定期間における各日の個人別の利用履歴を記憶する。   The usage history database 3 acquires the usage history of the dining room for each day from the operator terminal 20. That is, the usage history database 3 acquires the actual value of the number of meals provided by individuals on the day from the operator terminal 20. By executing this for a plurality of days, the usage history database 3 stores the individual usage history for each day in the past predetermined period.

在館履歴データベース４は、当日の個人別の在館履歴を、管理システム２２から取得する。これを複数の日について実行することによって、在館履歴データベース４は、過去の所定期間における各日の個人別の在館履歴を記憶する。   The resident history database 4 acquires the resident history for each individual from the management system 22 on that day. By executing this for a plurality of days, the in-office history database 4 stores the individual in-house history of each day in the past predetermined period.

当日前後における所定期間や当日が、暦において定められた休日、連休、年末、年始又は年度始めである日である場合、当日における提供数は特異的に変化する場合がある。また、提供数を予測する当日の天候又は天気に応じて、当日における提供数は特異的に変化する場合がある。以下、提供数が変化する日（提供数の傾向が変化する日）を「特異日」という。   When the predetermined period or the day before and after the day is a holiday, consecutive holidays, the end of the year, the beginning of the year, or the beginning of the year set in the calendar, the number of offers on the day may vary specifically. In addition, the number of provisions on the day may vary specifically depending on the weather of the day for which the number of provisions is predicted or the weather. Hereinafter, the day when the number of provisions changes (the day when the trend of the number of provisions changes) is referred to as a “singular day”.

カレンダデータベース５は、カレンダ情報を記憶する。カレンダデータベース５は、特異日及び非特異日の少なくとも一方を含む複数の日の並びのパターンを表すカレンダ情報を記憶する。提供数予測装置６は、当日前後における特異日及び非特異日の並びのパターンと同一又は類似した特異日及び非特異日のパターンであった過去の日（以下「類似日」という。）を、カレンダ情報において選択する。   The calendar database 5 stores calendar information. The calendar database 5 stores calendar information representing a pattern of a plurality of days including at least one of a specific day and a non-singular day. The provision number prediction device 6 uses the past days (hereinafter referred to as “similar days”) that have been the patterns of specific days and non-specific days that are the same as or similar to the pattern of the specific days and non-specific days before and after the current day. Select in calendar information.

特異日及び非特異日のパターンは、特異日が１と非特異日が０と表される複数ビットの変数である。例えば、特異日及び非特異日のパターンは、当日の３日前、２日前、１日前、１日後、２日後、３日後がそれぞれ特異日であるか非特異日であるかに応じた６４（＝２６）通りの６ビットの変数である。 The pattern of singular days and non-singular days is a multi-bit variable where the singular day is 1 and the non-singular day is 0. For example, the pattern of specific day and non-specific day is 64 (== depending on whether 3 days before, 2 days, 1 day, 1 day, 2 days, 3 days after that day is a specific day or a non-specific day, respectively. 2 6 ) 6-bit variables.

提供数予測装置６は、特異日及び非特異日のパターンに基づいて選択された過去の日を、類似日として予測に用いる。提供数予測装置６は、類似日における食堂の利用率と当日の在館者数とに基づいて、在館者のうち食堂を利用した者に提供される食事の提供数を予測する。   The provision number prediction device 6 uses a past date selected based on the pattern of the specific date and the non-specific date as a similar date for prediction. The provision number prediction device 6 predicts the number of meals to be provided to those who use the cafeteria among the residents based on the utilization rate of the cafeteria on the similar day and the number of people on the day.

提供数予測装置６は、サーバ装置、パーソナルコンピュータ、タブレット端末、スマートフォン等の情報処理装置である。提供数予測装置６は、在館者数決定部６０と、利用率推定部６１と、予測部６２と、出力部６３とを備える。各機能部のうち一部又は全部は、例えば、ＣＰＵ（Central Processing Unit）等のプロセッサが、記憶部に記憶されたプログラムを実行することにより実現されてもよい。各機能部のうち一部又は全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）等のハードウェアを用いて実現されてもよい。   The provision number prediction device 6 is an information processing device such as a server device, a personal computer, a tablet terminal, or a smartphone. The provided number predicting device 6 includes an in-building number determining unit 60, a utilization rate estimating unit 61, a predicting unit 62, and an output unit 63. Some or all of the functional units may be realized by, for example, a processor such as a CPU (Central Processing Unit) executing a program stored in the storage unit. Some or all of the functional units may be realized using hardware such as LSI (Large Scale Integration) or ASIC (Application Specific Integrated Circuit).

在館者数決定部６０は、当日の在館履歴を管理システム２２から取得する。在館者数決定部６０は、当日の施設２の食堂で食事が提供される時間帯よりも前の時刻において、当日の個人別の在館履歴に基づいて当日の在館者数の集計結果を決定する。   The number of people resident determination unit 60 acquires the resident history of the day from the management system 22. The number-of-residents determination unit 60 counts the number of people present on the day based on the individual history of the individual at the time before the meal is served in the cafeteria of the facility 2 on the day. To decide.

在館者数決定部６０は、当日の施設２に在館している従業員の人数を、在館者数の集計結果に含める。食堂スタッフは食堂で食事を提供される対象ではないので、在館者数決定部６０は、施設２に在館している食堂スタッフの人数を在館者数の集計結果に含めない。在館者数決定部６０は、当日のフラッパーゲートにおける入館履歴及び退館履歴にイベント等が記録されていない人であっても、施設２の部屋の室内扉における入室履歴及び退室履歴にイベント等が記録されている人の数を、在館者数の集計結果に含める。   The number-of-residents determination unit 60 includes the number of employees who are present in the facility 2 on that day in the result of counting the number of people present. Since the cafeteria staff is not an object to be provided with meals in the cafeteria, the in-house number determination unit 60 does not include the number of cafeteria staff in the facility 2 in the count result of the number of in-house persons. The number-of-residents determination unit 60 is able to record events and the like in the entrance and exit histories of the room door of the facility 2 even if no events are recorded in the entrance and exit histories at the flapper gate on that day. The number of people who are recorded is included in the total number of people in the building.

在館者数決定部６０は、食事が提供される時間帯よりも前の時刻において施設２に在館していた者の人数である在館者数の集計結果を更新してもよい。在館者数決定部６０は、食事が提供される時間帯の時刻において施設２に在館していた者の人数である在館者数の集計結果を更新してもよい。例えば、在館者数決定部６０は、在館者数がある程度確定する時刻である（在館者数の増減率が少なくなる時刻である）午前１０時と、午前１１時と、食事が提供される時間帯の開始直後である午前１１時５０分とにおいて、当日の在館者数の集計結果の情報を更新する。   The number-of-residents determination unit 60 may update the result of counting the number of people in the building, which is the number of people who have been in the facility 2 at a time prior to the time when meals are provided. The number-of-residents determination unit 60 may update the total result of the number of people in the building, which is the number of people who have been in the facility 2 at the time of the time when meals are provided. For example, the number-of-people determination unit 60 provides meals at 10:00 am and 11:00 am, which are times when the number of people in the building is fixed to some extent (when the rate of increase / decrease in the number of people is reduced). At 11:50 am, which is immediately after the start of the time zone, the information on the total result of the number of people on the day is updated.

利用率推定部６１は、過去の所定期間における各日の個人別の利用履歴を、利用履歴データベース３から取得する。利用率推定部６１は、過去の所定期間における各日の個人別の在館履歴を、在館履歴データベース４から取得する。利用率推定部６１は、カレンダ情報をカレンダデータベース５から取得する。   The usage rate estimation unit 61 acquires the usage history for each day in the past predetermined period from the usage history database 3. The utilization rate estimation unit 61 obtains the individual history of each day in the past predetermined period from the history database 4. The utilization rate estimation unit 61 acquires calendar information from the calendar database 5.

利用率推定部６１は、過去の食堂の利用率の実績値に基づいて、当日の食堂の利用率の推定値を定める。例えば、利用率推定部６１は、過去の所定期間における各日の個人別の利用履歴と各日の個人別の在館履歴とに基づいて、食堂を利用した人数と在館者数とを日ごとに算出する。食堂を利用した人数は、食事の提供数と等しい。利用率推定部６１は、食堂を利用した人数を在館者数で日ごとに除算した結果を、過去の所定期間における各日の食堂の利用率の実績値と定める。例えば、利用率推定部６１は、機械学習を用いてパラメータが調整された予測ロジックや、予測モデルを用いてパラメータが調整された予測ロジック等に基づいて、当日の食堂の利用率の推定値を定める。   The utilization rate estimation part 61 determines the estimated value of the utilization rate of the dining room of the day based on the past actual utilization value of the dining room. For example, the utilization rate estimation unit 61 calculates the number of people using the cafeteria and the number of people in the building on the basis of the individual usage history of each day and the individual history of each day in the past predetermined period. Calculate for each. The number of people using the cafeteria is equal to the number of meals served. The utilization rate estimation unit 61 determines the result of dividing the number of people using the cafeteria by the number of residents in each day as the actual value of the cafeteria utilization rate for each day in the past predetermined period. For example, the utilization rate estimation unit 61 calculates an estimated value of the utilization rate of the dining room on the current day based on prediction logic in which parameters are adjusted using machine learning, prediction logic in which parameters are adjusted using a prediction model, or the like. Determine.

機械学習は、例えば、ニューラルネットワーク、遺伝的プログラミング等を用いた機械学習である。例えば、利用率推定部６１は、過去の所定の日における在館者数をニューラルネットワークの入力とし、過去の所定の日における提供数をニューラルネットワークの出力とすることによって、ニューラルネットワークのパラメータを決定する。   Machine learning is machine learning using, for example, a neural network, genetic programming, or the like. For example, the utilization rate estimation unit 61 determines the parameters of the neural network by using the number of people in the past on a predetermined day as the input of the neural network and the number of provided on the predetermined day in the past as the output of the neural network. To do.

予測モデルは、例えば、類似日における食堂の利用率を用いた予測モデルである。例えば、利用率推定部６１は、類似日の食事の提供数と当日の食事の提供数とが近いという予測モデルを用いて、当日の食堂の利用率の推定値を定める。利用率推定部６１は、特異日及び非特異日のパターンに基づいて、過去の所定期間における類似日をカレンダ情報から選択する。利用率推定部６１は、類似日における食堂の利用率の実績値を、当日の食堂の利用率の推定値と定める。   The prediction model is, for example, a prediction model that uses a dining room utilization rate on a similar day. For example, the utilization rate estimation unit 61 determines the estimated value of the utilization rate of the dining room on the day using a prediction model that the number of meals provided on similar days is close to the number of meals provided on the day. The utilization rate estimation unit 61 selects a similar date in the past predetermined period from the calendar information based on the pattern of the specific date and the non-specific date. The utilization rate estimation unit 61 determines the actual value of the utilization rate of the dining room on a similar day as the estimated value of the utilization rate of the dining room on that day.

予測部６２は、当日の食堂の利用率の推定値を、利用率推定部６１から取得する。予測部６２は、当日の在館者数の集計結果を、在館者数決定部６０から取得する。予測部６２（提供数決定部）は、食堂の事業者が当日の午前１１時４５分から提供する食事の提供数を、当日の利用率の推定値と直近の時刻の在館者数の集計結果とに基づいて予測する。例えば、予測部６２は、当日の食事の提供数の予測値を、式（１）のように決定する。   The prediction unit 62 acquires an estimated value of the utilization rate of the dining room on that day from the utilization rate estimation unit 61. The prediction unit 62 acquires the result of counting the number of people on the day from the number-of-people determination unit 60. The predicting unit 62 (provided number determining unit) calculates the number of meals provided by the restaurant company from 11:45 am on the day, and the total result of the estimated number of people on the day and the number of people in the building at the most recent time. And predict based on For example, the prediction unit 62 determines the predicted value of the number of meals to be served on the day as shown in Expression (1).

当日の食事の提供数の予測値
＝（当日の在館者数の集計結果）×（当日の食堂の利用率の推定値） …（１） Estimated value of the number of meals served on the day = (Results of the number of people on the day) x (Estimated rate of use of the cafeteria on the day)… (1)

予測部６２は、食堂の事業者が当日の午前１１時４５分から提供する食事の提供数を、例えば、当日の午前１０時の在館者数の集計結果に基づいて予測する。予測部６２は、食堂の事業者が当日の午前１１時４５分から提供する食事の提供数を、例えば、当日の午前１１時の在館者数の集計結果に基づいて予測する。予測部６２は、例えば、食堂の事業者が当日の食事の提供を開始した時刻である午前１１時４５分よりも後である午前１１時５０分における在館者数の集計結果に基づいて、食堂の事業者が当日において提供する食事の提供数の予測値を午前１１時５０分に更新する。   The prediction unit 62 predicts the number of meals provided by the restaurant company from 11:45 am on the day based on, for example, the total number of people in the hall at 10 am on the day. The prediction unit 62 predicts the number of meals provided by the restaurant company from 11:45 am on the day based on, for example, the total number of people in the building at 11:00 am on the day. For example, the predicting unit 62 is based on the result of counting the number of people in the building at 11:50 am, which is later than 11:45 am, which is the time when the restaurant company started providing meals on the day, The predicted value of the number of meals provided by the restaurant company on the day is updated to 11:50 am.

出力部６３は、当日における食事の提供数の予測値を、電子メール等によって事業者端末２０に出力する。出力部６３は、例えば、予測部６２が食事の提供数を予測するごとに、事業者端末２０に電子メールを出力してもよい。   The output unit 63 outputs the predicted value of the number of meals provided on the day to the operator terminal 20 by e-mail or the like. For example, the output unit 63 may output an e-mail to the business entity terminal 20 every time the prediction unit 62 predicts the number of meals provided.

図４は、電子メールの例を示す図である。出力部６３が食事の提供数の予測値を事業者端末２０に提供するタイミングは、食堂の事業者が事前調理を開始するタイミングより前である必要がある。出力部６３は、当日における食事の提供数の予測値を、食事を提供する時間帯ごとに３回以上提供してもよい。例えば、出力部６３は、当日における昼食の提供数の予測値を、当日の早い時刻に事業者端末２０に提供する。例えば、在館者数が午前１０時頃にある程度確定する施設２であれば、出力部６３は、当日の早い時刻である午前１０時頃に１回目の予測値を提供する。   FIG. 4 is a diagram illustrating an example of electronic mail. The timing at which the output unit 63 provides the predicted value of the number of meals to be provided to the operator terminal 20 needs to be before the timing at which the restaurant operator starts pre-cooking. The output unit 63 may provide the predicted value of the number of meals provided on the day three or more times for each time period during which meals are provided. For example, the output unit 63 provides a predicted value of the number of lunches provided on the day to the business entity terminal 20 at an earlier time of the day. For example, in the case of the facility 2 in which the number of people in the building is fixed to some extent around 10:00 am, the output unit 63 provides the first predicted value around 10:00 am, which is the early time of the day.

在館者数の変化は、施設ごとに一定の傾向がある。例えば、第１の施設における在館者数の変化の傾向は、午前１０時の在館者数と午前１１時の在館者数とがほぼ同じであるという傾向でもよい。例えば、第２の施設における在館者数の変化の傾向は、午前１１時の在館者数が午前１０時の在館者数の１．０５倍であるという傾向でもよい。在館者数の変化の傾向は１年を通じてほぼ変わらないが、在館者数の変化の傾向が通常日における変化の傾向とは異なる特異日が存在する。例えば、特異日は、当日に交通機関が遅延したために従業員の入館時刻がたまたま遅くなった日や、食事が提供される時間帯よりも前に多くの在館者が外出した日でもよい。予測部６２は、当日が特異日であっても食事の提供数を精度よく予測するために、当日の午前１１時の在館者数に基づいて食事の提供数を更に予測する。出力部６３は、例えば、２回目の予測値を午前１１時頃に提供する。   The change in the number of people in the building tends to be constant for each facility. For example, the tendency of the change in the number of people in the first facility may be that the number of people in the building at 10:00 am is substantially the same as the number of people in the building at 11:00 am. For example, the tendency of the change in the number of people in the second facility may be that the number of people at 11:00 am is 1.05 times the number of people at 10 am. The trend of changes in the number of people in the building is almost unchanged throughout the year, but there are special days in which the trend of change in the number of people in the building is different from the trend of changes in the regular days. For example, the special day may be a day when the entrance time of an employee happens to be late due to a delay in transportation on that day, or a day when many people go out before the time when meals are provided. The predicting unit 62 further predicts the number of meals provided based on the number of people at 11:00 am on that day in order to accurately predict the number of meals provided even if the day is a special day. For example, the output unit 63 provides the second predicted value around 11:00 am.

在館者は、施設２の食堂と、施設２のうち食堂以外の場所と、施設２以外の場所とのうちのいずれの場所でも、昼食を摂ることができる。予測部６２は、昼休みにおける在館者の退館時刻の件数の傾向（外出傾向）に基づいて、昼休みの食堂における食事の提供数の予測精度を高めることができる。昼食が提供される時間帯の開始直後に施設２から外出した人数に応じて在館者数決定部６０が在館者数を更新するので、出力部６３は、食事の提供数の予測値を出力する時刻を、昼食が提供される時間帯の開始直後よりも遅らせる必要がある。出力部６３は、例えば、昼食が提供される時間帯の開始直後である午前１１時５０分頃に、３回目の予測値を提供する。出力部６３は、直近３０日間の食事の提供数の推移を表す情報を、電子メールに含めて出力してもよい。出力部６３は、類似日における食事の提供数の実績値を、電子メールに含めて出力してもよい。   The person in the hall can have lunch at any of the cafeteria of the facility 2, the place other than the cafeteria of the facility 2, and the place other than the facility 2. The prediction unit 62 can improve the prediction accuracy of the number of meals provided at the cafeteria during the lunch break based on the tendency of the number of people leaving the building during the lunch break (outing tendency). Since the number-of-residents determination unit 60 updates the number of people in the building according to the number of people who have left the facility 2 immediately after the start of the time period during which lunch is provided, the output unit 63 sets the predicted number of meals to be provided. It is necessary to delay the time to output from immediately after the start of the time period during which lunch is provided. For example, the output unit 63 provides the predicted value for the third time around 11:50 am, which is immediately after the start of the time period during which lunch is provided. The output unit 63 may output information representing the transition of the number of meals provided in the last 30 days in an email. The output unit 63 may output the actual value of the number of meals provided on a similar day in an email.

次に、提供数予測装置６の動作の例を説明する。
図５は、提供数予測装置６の動作の例を示すフローチャートである。在館者数決定部６０は、入館等の通過イベントに基づいて、当日の在館者数の集計結果を決定する（ステップＳ１００）。利用率推定部６１は、過去の所定期間における各日の個人別の利用履歴と、過去の所定期間における各日の個人別の在館履歴とに基づいて、食堂の利用率を日ごとに算出する（ステップＳ１０１）。 Next, an example of the operation of the provision number prediction device 6 will be described.
FIG. 5 is a flowchart showing an example of the operation of the provision number prediction apparatus 6. The number-of-residents determination unit 60 determines the result of counting the number of people on the day based on a passing event such as entering the building (step S100). The utilization rate estimation unit 61 calculates the utilization rate of the dining room for each day based on the individual usage history of each day in the past predetermined period and the individual resident history of each day in the past predetermined period. (Step S101).

利用率推定部６１は、類似日における食堂の利用率を、当日の食堂の利用率の推定値と定める（ステップＳ１０２）。予測部６２は、当日の在館者数の集計結果と当日の食堂の利用率の推定値とに基づいて、当日の食事の提供数の予測値を決定する（ステップＳ１０３）。出力部６３は、当日の食事の提供数の予測値等を含む電子メールを生成する（ステップＳ１０４）。出力部６３は、生成された電子メールを出力する（ステップＳ１０５）。   The utilization rate estimation unit 61 determines the utilization rate of the dining room on a similar day as the estimated value of the utilization rate of the dining room on that day (step S102). The prediction unit 62 determines the predicted value of the number of meals to be served on the current day based on the result of counting the number of people on the day and the estimated value of the utilization rate of the cafeteria on the current day (step S103). The output unit 63 generates an e-mail including a predicted value of the number of meals provided on the day (step S104). The output unit 63 outputs the generated e-mail (step S105).

以上のように、実施形態の提供数予測装置６は、在館者数決定部６０と、利用率推定部６１と、予測部６２とを持つ。在館者数決定部６０は、食堂を有する施設で食事が提供される時間帯よりも前の時刻において施設に在館していた者の人数である在館者数の集計結果を決定する。利用率推定部６１は、過去に食堂を利用した人数と過去の在館者数の集計結果との比に基づいて過去の食堂の利用率の実績値を定め、過去の食堂の利用率の実績値に基づいて対象日の食堂の利用率の推定値を定める。予測部６２は、対象日の食堂の利用率の推定値と対象日の在館者数の集計結果とに基づいて対象日の食事の提供数の予測値を決定する。これにより、実施形態の提供数予測装置６は、食事の提供数を予測することができる。   As described above, the provision number prediction device 6 according to the embodiment includes the number-of-residents determination unit 60, the utilization rate estimation unit 61, and the prediction unit 62. The number-of-residents determination unit 60 determines the total result of the number of people in the building, which is the number of people who have been in the facility at a time prior to the time when meals are provided at the facility having the cafeteria. The utilization rate estimation unit 61 determines the past utilization rate of the past cafeteria based on the ratio of the number of people who have used the canteen in the past to the total number of past residents, and the past utilization rate of the past cafeteria. Estimate the usage rate of the cafeteria on the target day based on the value. The prediction unit 62 determines a predicted value of the number of meals provided on the target day based on the estimated value of the utilization rate of the cafeteria on the target day and the total result of the number of people on the target day. Thereby, the provision number prediction apparatus 6 of embodiment can predict the provision number of a meal.

実施形態の提供数予測装置６は、在館者数の集計結果に基づいて、食事等の提供数の予測精度を向上させることができる。実施形態の提供数予測装置６は、直近の所定期間における各日の提供数に基づいて、食事等の提供数の予測精度を向上させることができる。実施形態の提供数予測装置６は、食堂の事業者に提供数の予測値を提供することができる。実施形態の提供数予測装置６は、実際の食事需要よりも食事の準備数が多くなることによる損失の発生を抑えることができる。食堂の事業者は、提供数の予測値に基づく数量の食事を用意することができる。   The provided number predicting device 6 of the embodiment can improve the prediction accuracy of the provided number of meals and the like based on the total result of the number of people in the building. The provision number prediction apparatus 6 of the embodiment can improve the prediction accuracy of the provision number of meals and the like based on the provision number of each day in the most recent predetermined period. The provided number predicting device 6 of the embodiment can provide the predicted value of the provided number to the restaurant company. The provision number prediction device 6 of the embodiment can suppress the occurrence of loss due to an increase in the number of meal preparations compared to actual meal demand. The company of the cafeteria can prepare a quantity of meals based on the predicted value of the number provided.

以上述べた少なくともひとつの実施形態によれば、対象日の食堂の利用率の推定値と対象日の在館者数の集計結果とに基づいて対象日の食事の提供数の予測値を決定する予測部を持つことにより、食事の提供数を予測することができる。   According to at least one of the embodiments described above, the predicted value of the number of meals provided on the target day is determined based on the estimated value of the cafeteria usage rate on the target day and the total number of people on the target day. By having a prediction unit, the number of meals provided can be predicted.

以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。   As mentioned above, although some embodiment of this invention was described, these embodiment is shown as an example and is not intending limiting the range of invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the spirit of the invention. These embodiments and their modifications are included in the scope and gist of the invention, and are also included in the invention described in the claims and the equivalents thereof.

１…提供数予測システム、２…施設、３…利用履歴データベース、４…在館履歴データベース、５…カレンダデータベース、６…提供数予測装置、２０…事業者端末２０…ゲート装置、２２…管理システム、６０…在館者数決定部、６１…利用率推定部、６２…予測部、６３…出力部 DESCRIPTION OF SYMBOLS 1 ... Provision number prediction system, 2 ... Facility, 3 ... Usage history database, 4 ... Building history database, 5 ... Calendar database, 6 ... Provision number prediction apparatus, 20 ... Provider terminal 20 ... Gate apparatus, 22 ... Management system , 60 ... Number of people resident determination part, 61 ... Usage rate estimation part, 62 ... Prediction part, 63 ... Output part

Claims (6)

食堂を有する施設で食事が提供される時間帯よりも前の時刻において前記施設に在館していた者の人数である在館者数の集計結果を決定する在館者数決定部と、
過去に食堂を利用した人数と過去の前記在館者数の集計結果との比に基づいて過去の食堂の利用率の実績値を定め、過去の食堂の利用率の実績値に基づいて対象日の食堂の利用率の推定値を定める利用率推定部と、
前記対象日の食堂の利用率の推定値と前記対象日の在館者数の集計結果とに基づいて前記対象日の食事の提供数の予測値を決定する予測部と
を備える提供数予測装置。 A number-of-people determination unit that determines the total number of people who are in the facility at a time prior to the time when meals are provided at the facility having the cafeteria;
Based on the ratio of the number of people who have used the cafeteria in the past and the total number of people in the past, the actual value of the past cafeteria usage rate is determined, and the target date based on the past actual value of the cafeteria usage rate A utilization rate estimator that determines an estimate of the utilization rate of the cafeteria
A provision number prediction device comprising: a prediction unit that determines a predicted value of the number of meals provided on the target day based on an estimated value of the utilization rate of the cafeteria on the target day and a count result of the number of people on the target day . 前記在館者数決定部は、前記対象日の施設の入館履歴及び退館履歴にイベントが記録されていない人であっても、前記対象日の施設の部屋の入室履歴及び退室履歴にイベントが記録されている人の数を、前記在館者数の集計結果に含める、請求項１に記載の提供数予測装置。   The number-of-residents determination unit may determine whether an event has occurred in the room entry history and the room exit history of the facility on the target day, even if the event is not recorded in the facility entry and exit history of the facility on the target day. The provision number predicting apparatus according to claim 1, wherein the number of recorded people is included in the result of counting the number of people in the building. 前記在館者数決定部は、前記対象日の食事が提供される時間帯よりも前の時刻において前記施設に在館していた者の人数である在館者数の集計結果を更新し、
前記予測部は、前記食堂の利用率の推定値と更新された前記在館者数の集計結果とに基づいて、前記対象日の食事の提供数の予測値を更新する、請求項１又は請求項２に記載の提供数予測装置。 The number-of-residents determination unit updates a count result of the number of people in the facility, which is the number of people who have been in the facility at a time prior to the time zone in which the meal on the target day is provided,
The said prediction part updates the predicted value of the provision number of the said day's meal based on the estimated value of the utilization rate of the said cafeteria, and the updated total result of the number of people in the hall. Item 3. The provision number prediction apparatus according to Item 2. 前記在館者数決定部は、前記対象日の食事が提供される時間帯の時刻において前記施設に在館していた者の人数である在館者数の集計結果を更新し、
前記予測部は、前記食堂の利用率の推定値と更新された前記在館者数の集計結果とに基づいて、前記対象日の食事の提供数の予測値を更新する、請求項１から請求項３のいずれか一項に記載の提供数予測装置。 The number-of-residents determination unit updates a count result of the number of people in the facility, which is the number of people who were in the facility at the time of the time zone when the meal on the target day is provided,
The said prediction part updates the predicted value of the provision number of the said day's meal based on the estimated value of the said restaurant utilization rate, and the updated total result of the number of people in the hall. The provision number prediction device according to any one of Items 3 to 4. 食事の提供数を予測する提供数予測装置が実行する提供数予測方法であって、
食堂を有する施設で食事が提供される時間帯よりも前の時刻において前記施設に在館していた者の人数である在館者数の集計結果を決定するステップと、
過去に食堂を利用した人数と過去の前記在館者数の集計結果との比に基づいて過去の食堂の利用率の実績値を定め、過去の食堂の利用率の実績値に基づいて対象日の食堂の利用率の推定値を定めるステップと、
前記対象日の食堂の利用率の推定値と前記対象日の在館者数の集計結果とに基づいて前記対象日の食事の提供数の予測値を決定するステップと
を含む提供数予測方法。 A provision number prediction method executed by a provision number prediction apparatus for predicting the number of meals provided,
Determining a count result of the number of people in the facility that is the number of people who were in the facility at a time prior to the time when meals are provided at the facility having a canteen;
Based on the ratio of the number of people who have used the cafeteria in the past and the total number of people in the past, the actual value of the past cafeteria usage rate is determined, and the target date based on the past actual value of the cafeteria usage rate Determining an estimate of the utilization of the cafeteria in
And determining a predicted value of the number of meals provided on the target day based on an estimated value of the utilization rate of the cafeteria on the target day and a total result of the number of people on the target day. コンピュータに、
食堂を有する施設で食事が提供される時間帯よりも前の時刻において前記施設に在館していた者の人数である在館者数の集計結果を決定する手順と、
過去に食堂を利用した人数と過去の前記在館者数の集計結果との比に基づいて過去の食堂の利用率の実績値を定め、過去の食堂の利用率の実績値に基づいて対象日の食堂の利用率の推定値を定める手順と、
前記対象日の食堂の利用率の推定値と前記対象日の在館者数の集計結果とに基づいて前記対象日の食事の提供数の予測値を決定する手順と
を実行させるための提供数予測プログラム。 On the computer,
A procedure for determining a total result of the number of people who are in the facility at a time prior to the time when meals are provided at the facility having a canteen;
Based on the ratio of the number of people who have used the cafeteria in the past and the total number of people in the past, the actual value of the past cafeteria usage rate is determined, and the target date based on the past actual value of the cafeteria usage rate A procedure to determine an estimate of the rate of use of the cafeteria in
The number of provisions for executing a procedure for determining a predicted value of the number of meals provided on the target day based on the estimated value of the utilization rate of the cafeteria on the target day and the total result of the number of people on the target day Prediction program.
JP2017154356A 2017-08-09 2017-08-09 Offer number prediction device, offer number prediction method and offer number prediction program Active JP6873863B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017154356A JP6873863B2 (en) 2017-08-09 2017-08-09 Offer number prediction device, offer number prediction method and offer number prediction program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017154356A JP6873863B2 (en) 2017-08-09 2017-08-09 Offer number prediction device, offer number prediction method and offer number prediction program

Publications (2)

Publication Number Publication Date
JP2019032753A true JP2019032753A (en) 2019-02-28
JP6873863B2 JP6873863B2 (en) 2021-05-19

Family

ID=65523581

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017154356A Active JP6873863B2 (en) 2017-08-09 2017-08-09 Offer number prediction device, offer number prediction method and offer number prediction program

Country Status (1)

Country Link
JP (1) JP6873863B2 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428944A (en) * 2020-04-26 2020-07-17 陈霄 Catering industry management system and method based on big data
CN111755106A (en) * 2019-03-28 2020-10-09 株式会社日立制作所 Method and device for predicting clinic volume
CN114091755A (en) * 2021-11-23 2022-02-25 北京奇艺世纪科技有限公司 Method and device for predicting daily active user, electronic equipment and medium
JP7396736B1 (en) 2022-11-30 2023-12-12 Ｎｅｃプラットフォームズ株式会社 Cafeteria management system, cafeteria management method, and program
WO2024116417A1 (en) * 2022-12-02 2024-06-06 日本電信電話株式会社 Customer count prediction device, training device, customer count prediction method, training method, and program

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0926990A (en) * 1995-07-10 1997-01-28 Toshiba Corp Hotel system
JP2005242839A (en) * 2004-02-27 2005-09-08 Qualica Inc Store management system, method, and program
JP2007213152A (en) * 2006-02-07 2007-08-23 Matsushita Electric Works Ltd Schedule management system
JP2008298353A (en) * 2007-05-31 2008-12-11 Mitsubishi Electric Building Techno Service Co Ltd Air-conditioning management system in building
KR20140021178A (en) * 2012-08-09 2014-02-20 연세대학교 산학협력단 Method and apparatus for obtaining optimal location and capacity of expressway service area

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0926990A (en) * 1995-07-10 1997-01-28 Toshiba Corp Hotel system
JP2005242839A (en) * 2004-02-27 2005-09-08 Qualica Inc Store management system, method, and program
JP2007213152A (en) * 2006-02-07 2007-08-23 Matsushita Electric Works Ltd Schedule management system
JP2008298353A (en) * 2007-05-31 2008-12-11 Mitsubishi Electric Building Techno Service Co Ltd Air-conditioning management system in building
KR20140021178A (en) * 2012-08-09 2014-02-20 연세대학교 산학협력단 Method and apparatus for obtaining optimal location and capacity of expressway service area

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111755106A (en) * 2019-03-28 2020-10-09 株式会社日立制作所 Method and device for predicting clinic volume
CN111428944A (en) * 2020-04-26 2020-07-17 陈霄 Catering industry management system and method based on big data
CN114091755A (en) * 2021-11-23 2022-02-25 北京奇艺世纪科技有限公司 Method and device for predicting daily active user, electronic equipment and medium
JP7396736B1 (en) 2022-11-30 2023-12-12 Ｎｅｃプラットフォームズ株式会社 Cafeteria management system, cafeteria management method, and program
JP2024078841A (en) * 2022-11-30 2024-06-11 Ｎｅｃプラットフォームズ株式会社 Restaurant management system, restaurant management method, and program
WO2024116417A1 (en) * 2022-12-02 2024-06-06 日本電信電話株式会社 Customer count prediction device, training device, customer count prediction method, training method, and program

Also Published As

Publication number Publication date
JP6873863B2 (en) 2021-05-19

Similar Documents

Publication Publication Date Title
JP2019032753A (en) Provision number prediction device, provision number prediction method and provision number prediction program
Whitt Dynamic staffing in a telephone call center aiming to immediately answer all calls
US20200234523A1 (en) Lobby management system
Zhu et al. Time-series approaches for forecasting the number of hospital daily discharged inpatients
US10354206B2 (en) Determining host preferences for accommodation listings
US20130317873A1 (en) Meeting attendance planner
US20160140508A1 (en) Managing dynamically schedulable meetings
US20170169446A1 (en) Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities
US20190279141A1 (en) Method and apparatus for facilitating staffing of resources
US10140624B2 (en) Systems and methods for use in forecasting changes in sales
Aktekin et al. Call center arrival modeling: A Bayesian state‐space approach
TW201941146A (en) Demand prediction system and method
Englberger et al. Two-stage stochastic master production scheduling under demand uncertainty in a rolling planning environment
US20240028682A1 (en) Information processing apparatus, information processing method, and storage medium
US20160019485A1 (en) Method and system for scheduling meetings
JP6387622B2 (en) Information processing apparatus, information processing method, and program
Kostynets et al. Pent-up demand's realization in the hospitality sector in the context of COVID-19.
Wu et al. Dynamic production control in a serial line with process queue time constraint
Neuner et al. Rule based workload control in semiconductor manufacturing revisited
JP2020532004A (en) Computer systems and methods that predict customer behavior based on customer impact and control the distribution of electronic messages
Paul et al. Inventory management strategies for mitigating unfolding epidemics
Song et al. Quantifying the effectiveness of VMI and integrated inventory management in a supply chain with uncertain lead-times and uncertain demands
Leeftink et al. Optimising the booking horizon in healthcare clinics considering no-shows and cancellations
JP6896509B2 (en) Offer number prediction device, offer number prediction method and offer number prediction program
JP7316152B2 (en) Scheduling system, scheduling program and scheduling method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200116

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201030

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201110

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201223

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: 20210323

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210421

R150 Certificate of patent or registration of utility model

Ref document number: 6873863

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150