JP2019215749A - 物流予測システム及び予測方法 - Google Patents

Abstract

【課題】多数の商品の出荷量を高精度で予測する物流予測システム及び予測方法を提供する。【解決手段】物流予測システムは、過去の出荷情報が入力される出荷情報入力部と、予測の制約条件として、計算リソース及び計算時間が入力される制約条件入力部と、商品の出荷傾向を保持する統合予測データベース部と、制約条件入力部に入力された制約条件を満たすように、複数の予測手法のうち、出荷量を予測するために使用する予測手法を商品毎に選択する予測手法選択部と、複数の予測手法を用いて出荷量を予測する複数の予測手法部と、予測手法部の各々の予測結果を商品毎に統合する統合部と、統合部による統合結果を出力する出荷予測出力部とを有する。【選択図】図１

Description

本発明は、物流予測システムに関する。

通常の物流予測システムでは、入力された過去の出荷情報に基づいて一つ以上の出荷量予測推定手法を用いて、出荷量の予測値を計算している。

本技術分野の背景技術として、以下の先行技術がある。特許文献１（特開平７−７８２０９号公報）には、複数の予測部のうち例えば第１の予測部に、年度変化に基づく予測出荷量である実績予測量を算出させ、第２の予測部に、１か月等の単位期間毎の変化に基づく予測出荷量である伸び率予測量を算出させ、また既に実績出荷量が得られた期間において、実績予測量と実績出荷量との誤差、および伸び率予測量と実績出荷量との誤差を誤差演算部によって算出させ、そしてこれらの誤差に基づき、予測法決定部を用いることによって、実績予測量の誤差が小さくなるときには実績予測量を予測出荷量とし、伸び率予測量の誤差が小さくなるときには伸び率予測量を予測出荷量としている出荷量予測システムが記載されている。

また、特許文献２（特開２０１３−１３１２５９号公報）には、過去の需要実績量を記憶する需要実績量記憶手段に記憶されている需要実績量に基づいて、複数の需要予測モデルを構築し、構築された需要予測モデル毎に予測需要量を算出し、算出された予測需要量と前記需要実績量記憶手段に記憶されている需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出し、算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出し、算出された需要予測モデル毎のブレンド比率と、算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する統合需要予測装置が記載されている。

特開平７−７８２０９号公報 特開２０１３−１３１２５９号公報

特許文献１に記載された技術では、複数の予測手法で計算しており、多数の商品の出荷量を予測し、かつ限られた計算リソースの環境においては、所望の時間で計算が終了しない可能性がある。特許文献２に記載された技術は、出荷量を推定するものではなく、需要を予測するものであり、物流の出荷予測特有の情報である商品特徴や、計算リソースに基づいて予測方法（予測モデル）を決定するものではない。

本発明はこのような点に鑑みなされたもので、多数の商品の出荷量を推定する場合、計算リソース及び計算時間を最大限有効活用し、高精度で予測することを目的とする。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、物流予測システムであって、所定の処理を実行する演算装置と、前記演算装置と接続された記憶装置とを備え、過去の出荷情報が入力される出荷情報入力部と、予測の制約条件として、計算リソース及び計算時間が入力される制約条件入力部と、前記商品の出荷傾向を保持する統合予測データベース部と、前記制約条件入力部に入力された制約条件を満たすように、複数の予測手法のうち、出荷量を予測するために使用する予測手法を商品毎に選択する予測手法選択部と、各々が複数の予測手法を用いて出荷量を予測する複数の予測手法部と、前記予測手法部の各々の予測結果を商品毎に統合する統合部と、前記統合部による統合結果を出力する出荷予測出力部とを有することを特徴とする。

本発明の一態様によれば、多数の商品の出荷量を高精度で予測できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。

本発明の実施例の物流予測システムの構成を示すブロック図である。 本発明の実施例の物流予測システムの物理的な構成を示す図である。 出荷情報入力部に入力されるデータを示す図である。 商品の出荷傾向のタイプを示す図である。 各予測手法で計算に必要な時間が記録されたテーブルの構成例を示す。 商品に各予測手法を適用した場合の予測精度を示す図である。 本発明の実施例の物流予測システムによる処理のフローチャートである。 図７のステップＳ２０８の処理の別例のフローチャートである。

以下、本発明にかかる実施例について、図面を参照して説明する。

＜実施例１＞
図１は、本発明の実施例の物流予測システムの構成を示すブロック図である。

第１の実施例の物流予測システムは、過去の出荷情報が入力される出荷情報入力部１０１と、計算の制約条件が入力される制約条件入力部１０３と、出荷量を予測する統合予測部１００と、予測結果を出力する出荷予測出力部１０８と、予測手法の寄与度（例えば、後述する式における各予測手法の係数）を出力する寄与度出力部１０９とを有する。

出荷情報入力部１０１には、図３に例示するように、過去の出荷情報として、商品毎の出荷日と出荷数が入力され、統合予測データベース１０４に格納される。出荷情報入力部１０１に入力される情報は、図３に例示するように商品毎の出荷日と出荷数ではなく、商品毎の出荷パターンのタイプ（図４参照）でもよい。

制約条件入力部１０３には、計算に必要な制約条件が入力される。たとえば、何時から計算を開始し、何時までに終わる必要があるかという時間の制約、計算で使用可能なコンピュータの台数やスペックなど構成の制約、予測する商品、必要な予測精度など運用上の制約などである。予測する商品は、在庫する商品のうち予測する商品の割合で表すとよい。また、出荷量や商品が出荷された日数を考慮して売れ筋商品について出荷量を予測してもよい。また、利益率が高い商品について出荷量を予測してもよい。また、商品の販売単位（内容量や包装形状の違い、１個、２個パック、１ダースなど）によっても出荷傾向が異なるので、同一商品でも販売単位毎に出荷量を予測してもよい。

出荷予測出力部１０８は、統合予測部１００から出力された予測結果、すなわち、統合部１０７が統合した予測結果を出力する。寄与度出力部１０９は、統合された予測結果における各予測手法部１０６の寄与度（例えば、各手法の係数）を出力する。

統合予測部１００は、商品特徴判別部１０２と、統合予測データベース１０４と、予測手法選択部１０５と、複数の予測手法部１０６と、統合部１０７とを有する。

商品特徴判別部１０２は、商品の出荷傾向の特徴を判定する。商品特徴判別部１０２が分析する商品の出荷傾向は、図４に示すようなタイプがあり、例えば、（Ａ）規則的な山と谷を伴って変化する例、（Ｂ）平坦な例、（Ｃ）単発的な例などに分類できる。これらの分析には時間がかかるので、例えば週１回分析を行い、商品毎の出荷傾向の情報を統合予測データベース１０４に保存し、必要なときに統合予測データベース１０４から読み出してもよい。商品特徴判別部１０２によって、特徴が類似する他の商品の出荷傾向を用いて的確に予測でき、特に新製品の出荷量の予測に有効である。

統合予測データベース１０４は、商品の特徴（商品の種別、形状、大きさなど）や、商品特徴判別部１０２が判定した商品毎の出荷傾向の特徴や、各予測手法と出荷傾向の特徴との相関の情報を保持する。

予測手法選択部１０５は、複数ある予測手法の中でどの手法で計算するか、どの手法の計算をしないか、及び簡略化するかを判定する。すなわち、予測手法選択部１０５は、商品特徴判別部１０２から出力された商品特有の情報と、制約条件入力部１０３に入力された制約条件に基づいて、複数の予測手法の中から実際に計算する手法と、計算しない手法とを選択し、各予測手法の予測結果を統合する際の係数を定める。予測手法ごとに要する計算時間や予測精度は、統合予測データベース１０４に保持されている。図５は、各予測手法で計算に必要な時間が記録されたテーブルの構成例を示し、図６は、商品に各予測手法を適用した場合の予測精度を示す。図５及び図６を参照すると、予測手法Ａは、計算時間が長いが、多くの商品（出荷傾向）で予測精度が高いが、特定の出荷傾向を有する商品（例えば、商品コード４９０４５３２）で予測精度が高くないことが分かる。予測手法Ｂは、計算時間が短く、多くの商品（出荷傾向）予測精度が低いが、特定の出荷傾向を有する商品（例えば、商品コード４９０４６５０）では、予測手法Ａと同程度の予測精度が得られることが分かる。また、予測手法Ｃは、計算時間が中程度であり、多くの商品（出荷傾向）で予測精度が低いが、特定の出荷傾向を有する商品（例えば、商品コード４９０４５３２）で予測精度が高いことが分かる。このように、商品の出荷傾向によって各予測手法の予測精度が異なるので、予測手法選択部１０５は、図５及び図６に示すテーブルを参照し、予測が必要な商品数と、計算に使用可能な時間と、各手法の計算時間と、各手法の予測精度とを用いて、予測手法の組み合わせを決定する。

予測手法部１０６は、異なる予測手法で出荷量の予測値を計算する。統合部１０７は、各予測手法部１０６の出力を統合する。例えば、予測手法部１０６は予測手法選択部１０５から出力される選択結果に従って予測を行う。予測手法はＭＡ（Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ：移動平均）、ＡＲ（Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ：自己回帰）、ＡＲＩＭＡ（Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ， Ｉｎｔｅｇｒａｔｅｄ ａｎｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ：自己回帰和分移動平均）などの手法がある。

統合部１０７は、各予測手法の計算結果を参照し、各結果に係数を乗じて合算する。例えば、各予測手法部による予測結果をＰ１、Ｐ２、Ｐ３とし、各予測手法の係数をα、β、χとした場合、統合された予測結果は下式で表すことができる。

計算結果の統合方法は他の公知技術を使ってもよい。例えば、特許文献２に記載されているブレンド比率を使ってもよい。統合部１０７の出力結果は、出荷数でも、出荷数の範囲（例えば、１００個から１１０個）でもよい。

図２は、本発明の実施例の物流予測システムの物理的な構成を示す図である。

物流予測システムは、プロセッサ（ＣＰＵ）１１、メモリ１２、補助記憶装置１３及び通信インターフェース１４を有する計算機によって構成される。物流予測システムは、入力インターフェース１５及び出力インターフェース１８を有してもよい。

プロセッサ１１は、メモリ１２に格納されたプログラムを実行する演算装置である。具体的には、出荷情報入力部１０１、商品特徴判別部１０２、制約条件入力部１０３、予測手法選択部１０５、予測手法部１０６、統合部１０７、出荷予測出力部１０８及び寄与度出力部１０９は、プロセッサ１１がプログラム実行することによって実現される。なお、プロセッサ１１がプログラムを実行して行う処理の一部を、他の演算装置（例えば、ＦＰＧＡ）で実行してもよい。

メモリ１２は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、プロセッサ１１が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

補助記憶装置１３は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置である。補助記憶装置１３は、プロセッサ１１がプログラムの実行時に使用するデータ（例えば、統合予測データベース１０４）、及びプロセッサ１１が実行するプログラムを格納する。すなわち、プログラムは、補助記憶装置１３から読み出されて、メモリ１２にロードされて、プロセッサ１１によって実行される。

通信インターフェース１４は、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェース装置である。

入力インターフェース１５は、キーボード１６やマウス１７などが接続され、ユーザからの入力を受けるインターフェースである。出力インターフェース１８は、ディスプレイ装置１９やプリンタ３２などが接続され、プログラムの実行結果をユーザが視認可能な形式で出力するインターフェースである。なお、物流予測システムにネットワークを介して接続された端末が入力インターフェース１５及び出力インターフェース１８を提供してもよい。

プロセッサ１１が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワークを介して物流予測システムに提供され、非一時的記憶媒体である不揮発性の補助記憶装置１３に格納される。このため、物流予測システムは、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。

物流予測システムは、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

図７は、本発明の実施例の物流予測システムによる処理のフローチャートである。

まず、出荷情報入力部１０１が過去の出荷情報の入力を受け付け（Ｓ２０１）、制約条件入力部１０３が計算の制約条件の入力を受け付ける（Ｓ２０２）。

そして、予測手法選択部１０５は、手法毎の計算時間を統合予測データベース１０４から取得し（Ｓ２０３）、予測する商品の予測手法毎の予測精度を統合予測データベース１０４から取得する（Ｓ２０４）。なお、出荷情報の入力（Ｓ２０１）から予測精度の取得（Ｓ２０４）までの処理は、図示した以外の順序で実行してもよく、並列して実行してもよい。

そして、予測手法選択部１０５は、制約条件として入力された予測精度を達成するために、制約条件として入力された全てのリソース（使用可能な計算機の数や、プロセッサの演算量）を用いて、制約条件として入力された時間内で、全ての商品を全ての予測手法で計算をするリソースがあるかを判定する（Ｓ２０５）。その結果、全ての商品を全ての手法で予測計算が可能であると判定されると、全商品を全ての予測手法で予測計算をする指定をして（Ｓ２１１）、ステップＳ２１３に進む。

一方、一部の商品を一部の手法で予測計算ができないと判定されると、出荷傾向が平坦な商品を抽出し、簡易な計算手法を指定する（Ｓ２０６）。例えば、前日の出荷量との差が所定の閾値より小さい商品は、出荷傾向が平坦であると判定し、計算時間が短い簡易な予測手法（例えば、図５における予測手法Ｂ）を指定する。

その後、残りの商品を全ての予測手法で計算するリソースがあるかを判定する（Ｓ２０７）。その結果、残りの全商品を全ての手法で予測計算が可能であると判定されると、残りの全商品を全ての予測手法で計算する指定をして（Ｓ２１２）、ステップＳ２１３に進む。

一方、残りの一部の商品を全手法の予測計算が完了しないと判定されると、残りの全商品を一部の予測手法で計算するリソースがあるかを判定する（Ｓ２０８）。ステップＳ２０８では、一部の予測手法としとして、一つ以上の予測手法を選択する。選択される予測手法の数は、不足するリソース量によって決定するとよい。すなわち、不足するリソース量が多ければ選択される予測手法の数を少なくし、不足するリソース量が少なければ選択される予測手法の数を多くするとよい。予測手法の選択方法は、例えば、予測精度が高い手法を統合予測データベース１０４から取得してもよい。また、図８で説明するように、乖離度を計算して、乖離度が小さい予測手法を選択してもよい。

その結果、残りの全商品を一部の手法で予測計算が可能であると判定されると、残りの全商品を当該一部の予測手法で計算する指定をして（Ｓ２０９）、ステップＳ２１３に進む。

一方、残りの一部の商品に一部の手法でも予測計算ができないと判定されると、出荷傾向が平坦と判定される商品の範囲を広げ（例えば、前日との出荷量の差を判定する閾値を大きくし）（Ｓ２１０）、ステップＳ２０６に戻る。この場合、計算時間が短い簡易な予測手法で計算される商品が増えるので、全体の予想計算時間を短くできる。

その後、ステップＳ２１３では、予測手法部１０６が、指定された予測手法を用いて、商品毎の出荷量を予測する計算を行う。そして、統合部１０７が、各予測手法部１０６による予測結果を統合し（Ｓ２１４）、出荷予測出力部１０８が統合された予測結果を表示し、寄与度出力部１０９が寄与度を表示する（Ｓ２１５）。

図８は、図７のステップＳ２０８の処理の別例のフローチャートである。前述したように、統合予測データベース１０４から取得した予測精度を用いず、その都度、乖離度を計算し、乖離度が低い予測手法を選択してもよい。

ステップＳ２０８では、まず、予測手法選択部１０５は、予測をする商品の出荷傾向を特定する（Ｓ２２１）。出荷傾向のグラフの形には、例えば、平坦、変動、単発などがある。前日の出荷量との差が所定の閾値より小さい日が多い商品は、平坦タイプであると判定できる。前日の出荷量との差が所定の閾値より大きい日が多い商品は、変動タイプであると判定できる。出荷量が０の日が多いが、定期又は不定期で出荷がある商品、単発タイプであると判定できる。この判定結果に基づいて、予測手法を選択する。

そして、当該商品における各手法の乖離度を計算する（Ｓ２２２）。例えば、出荷傾向の前半（例えば、２／３）の期間を使い計算モデルを生成し、生成したモデルを使い出荷量を推定し、推定結果と出荷傾向の後半との乖離度（ＲＭＳＥ（Root Mean Square Error）やＲＭＳＰＥ（Root Mean Square Percentage Error））を算出する。

その後、乖離度が小さい予測手法を一つ以上選択する（Ｓ２２３）。一般的に、平坦タイプの商品には移動平均手法を用いるとよく、変動タイプや単発タイプの商品にはＡＲＩＭＡ手法を用いるとよい。

以上に説明したように、本発明の実施例によると、過去の出荷情報が入力される出荷情報入力部１０１と、予測の制約条件として、計算リソース及び計算時間が入力される制約条件入力部１０３と、商品の出荷傾向を保持する統合予測データベース部１０４と、制約条件入力部１０３に入力された制約条件を満たすように、複数の予測手法のうち、出荷量を予測するために使用する予測手法を商品毎に選択する予測手法選択部１０５と、各々が複数の予測手法を用いて出荷量を予測する複数の予測手法部１０６と、予測手法部１０６の各々の予測結果を商品毎に統合する統合部１０７と、統合部１０７による統合結果を出力する出荷予測出力部１０８とを有するので、多数の商品の出荷量を推定する場合でも、計算リソース及び計算時間の範囲内で、商品毎に適切な予測手法を選択して、高精度で予測できる。

また、各予測手法部１０６の寄与度を出力する寄与度出力部１０９を有するので、予測出力される出荷量（統合結果）算出された過程を提示でき、予測手法の選択の妥当性を検証できる。また、利用者が予測手法を選択するための指標を提供できる。

また、予測手法選択部１０５は、制約条件として入力された計算時間において、予測する全ての商品について全ての予測手法で計算をするリソースがあるかを判定し、リソースがある場合には、前記全ての商品について全ての予測手法で出荷量を計算するように指定し、リソースが不足する場合には、出荷傾向が平坦な商品について計算量が少ない予測手法で出荷量を計算するように指定するので、商品の出荷傾向に応じた適切な方法で出荷量を予測できる。

また、予測手法選択部１０５は、前記制約条件として入力された計算時間において、出荷傾向が平坦でない商品について全ての予測手法で計算をするリソースがあるかを判定し、リソースがある場合には、当該出荷傾向が平坦でない商品について全ての予測手法で出荷量を計算するように指定し、リソースが不足する場合には、当該出荷傾向が平坦でない商品について一部の予測手法で出荷量を計算するように指定するので、商品の出荷傾向に応じた適切な方法で出荷量を予測できる。

前記商品の出荷傾向の特徴を判定する商品特徴判別部１０２を有するので、商品の出荷傾向に応じて適切に出荷量を予測でき、特に、新製品の出荷量を、特徴が類似する他の商品の出荷傾向を用いて的確に予測できる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１０１・・・出荷情報入力部
１０２・・・商品特徴判別部
１０３・・・制約条件入力部
１０４・・・統合予測データベース
１０５・・・予測手法選択部
１０６・・・予測手法部
１０７・・・統合部
１０８・・・出荷予測出力部
１０９・・・寄与度出力部

Claims (9)

1. 物流予測システムであって、
   所定の処理を実行する演算装置と、前記演算装置と接続された記憶装置とを備え、
   過去の出荷情報が入力される出荷情報入力部と、
   予測の制約条件として、計算リソース及び計算時間が入力される制約条件入力部と、
   商品の出荷傾向を保持する統合予測データベース部と、
   前記制約条件入力部に入力された制約条件を満たすように、複数の予測手法のうち、出荷量を予測するために使用する予測手法を商品毎に選択する予測手法選択部と、
   複数の予測手法を用いて出荷量を予測する複数の予測手法部と、
   前記予測手法部の各々の予測結果を商品毎に統合する統合部と、
   前記統合部による統合結果を出力する出荷予測出力部とを有することを特徴とする物流予測システム。
2. 請求項１に記載の物流予測システムであって、
   前記各予測手法部の寄与度を出力する寄与度出力部を有することを特徴とする物流予測システム。
3. 請求項１に記載の物流予測システムであって、
   前記予測手法選択部は、
   前記制約条件として入力された計算時間において、予測する全ての商品について全ての予測手法で計算をするリソースがあるかを判定し、
   リソースがある場合には、前記全ての商品について全ての予測手法で出荷量を計算するように指定し、
   リソースが不足する場合には、出荷傾向が平坦な商品について計算量が少ない予測手法で出荷量を計算するように指定することを特徴とする物流予測システム。
4. 請求項３に記載の物流予測システムであって、
   前記予測手法選択部は、
   前記制約条件として入力された計算時間において、出荷傾向が平坦でない商品について全ての予測手法で計算をするリソースがあるかを判定し、
   リソースがある場合には、当該出荷傾向が平坦でない商品について全ての予測手法で出荷量を計算するように指定し、
   リソースが不足する場合には、当該出荷傾向が平坦でない商品について一部の予測手法で出荷量を計算するように指定することを特徴とする物流予測システム。
5. 請求項３に記載の物流予測システムであって、
   前記商品の出荷傾向の特徴を判定する商品特徴判別部を有することを特徴とする物流予測システム。
6. 物流予測システムが実行する予測方法であって、
   前記物流予測システムは、所定の処理を実行する演算装置と、前記演算装置と接続された記憶装置とを有し、
   前記予測方法は、
   前記演算装置が、過去の出荷情報を取得する出荷情報取得手順と、
   前記演算装置が、予測の制約条件として、計算リソース及び計算時間を取得する制約条件取得手順と、
   前記演算装置が、前記制約条件取得手順で入力された制約条件を満たすように、複数の予測手法のうち、出荷量を予測するために使用する予測手法を商品毎に選択する予測手法選択手順と、
   前記演算装置が、複数の予測手法を用いて出荷量を予測する予測手順と、
   前記演算装置が、前記複数の予測手法による予測結果を商品毎に統合する統合手順と、
   前記演算装置が、前記統合手順による統合結果を出力する出荷予測出力手順と、を有することを特徴とする予測方法。
7. 請求項６に記載の予測方法であって、
   前記演算装置が、前記各予測手法の寄与度を出力する寄与度出力手順を有することを特徴とする予測方法。
8. 請求項６に記載の予測方法あって、
   前記予測手法選択手順では、
   前記演算装置が、前記制約条件として入力された計算時間において、予測する全ての商品について全ての予測手法で計算をするリソースがあるかを判定し、
   前記演算装置が、予測する全ての商品について全ての予測手法で計算をするリソースがある場合には、前記全ての商品について全ての予測手法で出荷量を計算するように指定し、
   前記演算装置が、前記全ての商品について全ての予測手法で計算をするリソースが不足する場合には、出荷傾向が平坦な商品について計算量が少ない予測手法で出荷量を計算するように指定することを特徴とする予測方法。
9. 請求項８に記載の予測方法であって、
   前記予測手法選択手順では、
   前記演算装置が、前記制約条件として入力された計算時間において、出荷傾向が平坦でない商品について全ての予測手法で計算をするリソースがあるかを判定し、
   前記演算装置が、リソースがある場合には、当該出荷傾向が平坦でない商品について全ての予測手法で出荷量を計算するように指定し、
   前記演算装置が、リソースが不足する場合には、当該出荷傾向が平坦でない商品について一部の予測手法で出荷量を計算するように指定することを特徴とする予測方法。

Images