JP2020119491A - 納期予測装置、納期予測方法及びプログラム - Google Patents

Abstract

【課題】納期の予測精度を向上する。【解決手段】記憶部１２０は、サプライヤ毎品目毎の基本リードタイム情報と、各サプライヤの評価情報としてのサプライヤランク情報・生産能力マスタ情報・繁閑期マスタ情報・総発注残量情報を記憶している。評価値特定部１１３は、サプライヤランク情報・生産能力マスタ情報・繁閑期マスタ情報・総発注残量情報に基づいて、各サプライヤの納期遵守の信頼度を示す評価値を求める。納期予測部１１４は、サプライヤの基本リードタイム情報と評価値とに基づいて、要求数量の必要部品を発注したときのサプライヤの予測納期を算出する。【選択図】図１

Description

本発明は、納期予測装置、納期予測方法及びプログラムに関する。

製造業において、生産計画の立案、見直し等を行うため、要求した納期までにサプライヤが納品可能か否かを予測する必要がある。このような予測を正確に且つ容易に実施可能とするため、様々な支援システムが提案されている。

例えば、特許文献１には、サプライヤの供給能力を推定し、ユーザに提示することで生産計画を調整する時間の短縮を図るシステムが開示されている。特許文献１に記載のシステムは、バイヤからの部品の所要数を含む納入要求の履歴情報とサプライヤからの部品の供給可能数を含む納入回答の履歴情報とサプライヤにおける各種工程のリードタイム情報とをデータベースに登録する。このシステムは、登録されている納入要求の履歴情報と納入回答の履歴情報とリードタイム情報とを用いてサプライヤの供給能力を推定する。

特開２０１３−１５６７９７号公報

特許文献１に記載のシステムは、１つのサプライヤに１つの部品を発注したときの供給能力を推定しており、１つのサプライヤに複数の部品を発注したときに、サプライヤにかかる負荷を考慮していない。このため、発注品の納品前に次の発注をした場合、複数の部品を１つのサプライヤに並行して発注した場合等には、サプライヤの供給能力を正確に推定することができない。このため、納期も正確に予測することができない。
このように、納期を正確に推定できないという問題は、製造業に限らず、物品、商品、サービス等を発注する場合に広く存在する。

本発明は、上述の事情に鑑みてなされたものであり、納期の予測精度を向上することを目的とする。

上記の目的を達成するため、本発明に係る納期予測装置は、記憶部と評価値特定部と納期予測部とを備える。記憶部は、サプライヤ毎及び品目別に予め登録されたリードタイムを示す基本リードタイム情報を記憶する。評価値特定部は、各サプライヤの納品実績に基づいて、各サプライヤに複数の品目を発注したときの当該サプライヤの納期遵守の信頼度を示す評価値を求める。納期予測部は、記憶部に記憶された基本リードタイム情報と評価値特定部により特定された評価値とに基づいて、サプライヤに発注したときの当該サプライヤの提示する納期を予測する。

本発明に係る納期予測装置は、各サプライヤに複数の品目を発注したときの当該サプライヤの納期遵守の信頼度を示す評価値を用いて納期を予測する。このため、納期を高い精度で予測できる。なお、本発明に係る納期予測装置には、納期予測部がＡＩ（Artificial Intelligence、人工知能）を活用して納期を予測するものも含まれる。

本発明の実施の形態１に係る納期予測装置の機能構成を示すブロック図 実施の形態１に係る納期予測装置のハードウェア構成を示すブロック図 実施の形態１に係るオーダ情報の例を示す図 実施の形態１に係る部品構成情報の例を示す図 実施の形態１に係る部品管理情報の例を示す図であり、（ａ）は、発注情報の例を示す図、（ｂ）は在庫情報を示す図、（ｃ）は購買品マスタ情報を示す図 （ａ）は、実施の形態１に係るサプライヤ管理情報の例を示す図、（ｂ）は（ａ）に示す生産能力マスタの例を示す図、（ｃ）は繁閑期マスタの例を示す図 総発注数量と納期遅れ日数との相関関係の一例を示す図 総発注数量とリードタイムとの相関関係の一例を示す図 実施の形態１に係る納期予測処理のフローチャート 本発明の実施の形態２に係る生産計画決定装置の機能構成を示すブロック図 実施の形態２に係る資源情報の例を示す図 実施の形態２に係る製造工程情報の例を示す図 実施の形態２に係る取引実績情報の例を示す図 実施の形態２に係る検査実績情報の例を示す図 実施の形態２に係る納期遅れ発生情報の例を示す図であり、（ａ）は、発注番号単位の納期遅れ発生情報の例を示す図、（ｂ）は発注期間単位の納期遅れ発生情報の例を示す図 実施の形態２に係る総発注数量と納期遅れ日数との相関関係の一例を示す図 実施の形態２に係る生産計画決定処理の流れを示すフローチャート 実施の形態２に係るサプライヤランク情報更新処理の流れを示すフローチャート 実施の形態２に係る生産能力マスタ情報更新処理の流れを示すフローチャート 実施の形態２に係る繁閑期マスタ情報更新処理の流れを示すフローチャート 本発明の実施の形態３に係る生産計画決定装置の機能構成を示すブロック図 実施の形態３に係る購買品マスタ情報を示す図 実施の形態３に係る資源情報の例を示す図

［実施の形態１］
以下、本発明の実施の形態１に係る納期予測装置について、図面を参照しながら説明する。

本発明の実施の形態１に係る納期予測装置１００は、受注生産品を製造する際に必要な部品を各サプライヤに発注したときの納期を予測する。なお、予測する納期は、サプライヤがバイヤに提示する納期を意味し、区別のため、バイヤがサプライヤに要求する納期を要求納期と呼ぶこととする。

納期予測装置１００は、例えば、パーソナルコンピュータ、サーバ等の電子計算機であり、図１に示すように、全体を制御する制御部１１０、データを記憶する記憶部１２０、指示及びデータを入力する入力部１３０、予想結果を出力する出力部１４０、他装置と通信する通信部１５０を備える。これらの各部は、バスラインＢＬ１を介して相互に電気的に接続されている。

制御部１１０は、機能的には、発注する部品と発注数量を特定する要求数量算出部１１１、サプライヤ別及び部品別に予め登録されているリードタイムである基本リードタイムを特定する基本リードタイム特定部１１２、各サプライヤの納期遵守の信頼度を示す評価値を特定する評価値特定部１１３、基本リードタイムと評価値とに基づいて、各サプライヤが提示すると予測される予測納期を算出する納期予測部１１４、算出された予測納期と製品の生産計画においてバイヤである製造業者がサプライヤに要求する納期である要求納期とを比較する情報を生成する比較情報生成部１１５を備える。

要求数量算出部１１１は、記憶部１２０に予め登録されているオーダ情報で特定される製品の製造に必要な部品とその数量を特定する。以下、注目しているオーダに係る製品の製造に必要な部品を必要部品、その数量を必要数量と呼ぶ。また、要求数量算出部１１１は、記憶部１２０に予め登録されている部品の発注状況、在庫状況、供給状況を示す部品管理情報に基づいて、必要部品の発注済で未納品の数量である発注残量と必要部品の在庫数量とを特定し、必要数量から発注残量と在庫数量とを減算して、発注が必要な要求数量を算出する。

基本リードタイム特定部１１２は、部品管理情報に基づいて、各サプライヤの各必要部品についての基本リードタイムを特定する。なお、基本リードタイムとは、前述のように、サプライヤから予め提示されている発注から納品までの期間の目安を意味する。

評価値特定部１１３は、記憶部１２０に登録されているサプライヤ管理情報を参照して、各サプライヤの順位・等級を示すサプライヤランク情報を取得する。なお、サプライヤランク情報は、各サプライヤの納品実績を評価して求められた情報である。また、評価値特定部１１３は、サプライヤ管理情報を参照して、各サプライヤの必要部品の生産能力を示す生産能力マスタ情報と、サプライヤの平時・繁忙期・閑散期における生産負荷を示す繁閑期マスタ情報を取得する。また、評価値特定部１１３は、サプライヤ管理情報を参照して、サプライヤに現在発注している全ての必要部品の発注残量を示す総発注残量情報を取得する。

評価値特定部１１３は、要求数量算出部１１１によって算出された要求数量と取得したサプライヤランク情報と生産能力マスタ情報と繁閑期マスタ情報と総発注残量情報とに基づいて、各サプライヤに必要部品を発注したときの、そのサプライヤの納期遵守の信頼性の評価値を特定する。

納期予測部１１４は、基本リードタイム特定部１１２によって特定された基本リードタイムと評価値特定部１１３によって特定された評価値とを用いて、要求数量算出部１１１によって算出された要求数量の必要部品を発注したときに、各サプライヤが提示してくると予測される予測納期を算出する。

比較情報生成部１１５は、納期予測部１１４によって算出された予測納期と生産計画から定まる要求納期とを比較して示す比較情報を各サプライヤについて生成する。比較情報生成部１１５は、予測納期が要求納期よりも前であれば何日前であるか、予測納期が要求納期よりも後であれば何日後であるかを示す情報を比較情報としてサプライヤ毎に生成する。

なお、要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５は、単一のコンピュータで全機能を実現してもよいし、別個のコンピュータによって各機能を実現してもよい。

記憶部１２０は、各種データをそれぞれ格納する複数のデータベースを有する。以下、データベースを「ＤＢ（Data Base）」と称する。具体的には、記憶部１２０は、顧客から受注したオーダを示すオーダ情報を記憶するオーダ情報ＤＢ１２１、製品の部品構成を示す部品構成情報を記憶する部品構成情報ＤＢ１２２、必要部品の発注数量および発注残量を示す発注情報と部品の在庫数量を示す在庫情報とを含み、部品を管理するための部品管理情報を記憶する部品管理情報ＤＢ１２３、サプライヤを管理するためのサプライヤ管理情報を記憶するサプライヤ管理情報ＤＢ１２４を有する。なお、図示は省略するが、発注した部品が納品されたときに部品管理情報ＤＢ１２３およびサプライヤ管理情報ＤＢ１２４が更新され、顧客からオーダを受けたときおよび顧客に製品を納品したときにオーダ情報ＤＢ１２１が更新される。

なお、これらのＤＢの全てを記憶部１２０が有する必要はなく、例えば、これらのＤＢの一部を外部記憶装置が有してもよい。この場合、納期予測装置１００は、外部記憶装置との接続または通信を可能とする外部インタフェースを備え、この外部インタフェースを介して必要な情報を外部記憶装置から適宜取得してもよい。

各ＤＢの詳細を説明する。
オーダ情報ＤＢ１２１は、前述のように、顧客からの受注内容を示すオーダ情報を記憶する。図３に例示するように、オーダ情報は、顧客から受注したオーダの識別番号である「オーダ番号」、受注した製品の識別情報である「製品ＩＤ」、受注した製品の数を示す「製造数」、受注した製造数の製品を製造するために必要な各部品の数量、受注した製品の納期を示す「納期」等の項目のデータを含む。ここで、数量が０以外の部品が必要部品に相当し、その数量が必要数量に相当する。例えば、オーダ番号Ｎ０００２の「製品ＩＤ」がＰ０２の製品をｐ０２台製造する際には、部品ＰＡは必要なく、部品ＰＢは必要部品であり、必要数量はｂ０２である。すなわち、オーダ情報ＤＢ１２１は、オーダ情報として製品ＩＤ情報、製造数情報、各必要部品必要数量情報、納期情報等をオーダ毎に記憶している。

図１に示す部品構成情報ＤＢ１２２は、前述のように、製品の部品構成を示す部品構成情報を記憶する。部品構成情報は、図４に例示するように、製品の識別情報を示す「製品ＩＤ」、各製品を１台製造するために必要な部品と数量等の各項目のデータを含む。なお、数量が０以外の部品が必要部品に相当する。例えば、図４に示すように、「製品ＩＤ」がＰ０２の製品は、部品ＰＡは数が０のため、必要部品ではなく、部品ＰＢは、必要部品であり、１台製造するためにｂ１２個必要となる。すなわち、部品構成情報ＤＢ１２２は、部品構成情報として各部品必要数量情報を製品毎に記憶している。

図１に示す部品管理情報ＤＢ１２３は、前述のように、部品を管理するための部品管理情報を記憶する。部品管理情報は、発注情報と在庫情報と各部品の基本リードタイムを示す購買品マスタ情報を含む。

発注情報は、図５（ａ）に示すように、各部品の「部品ＩＤ」、その部品の発注済で未納品の数を示す「発注残量」等のデータを含む。すなわち、部品管理情報ＤＢ１２３は、発注情報として発注残量情報を記憶している。
なお、発注情報は、各サプライヤへの部品別の発注情報と、全サプライヤへの部品別の総発注情報との両方を含む。

また、在庫情報は、例えば、図５（ｂ）に示すように、各部品の「部品ＩＤ」と、その部品の在庫数量を示す「在庫数量」等のデータを含む。すなわち、部品管理情報ＤＢ１２３は、在庫情報として在庫数量情報を記憶している。

また、購買品マスタ情報は、図５（ｃ）に示すように、各部品の「部品ＩＤ」、その部品がサプライヤからの購買品であるか否かを示す情報、各サプライヤにその部品を発注したときの基本リードタイム（基本ＬＴ）等の各項目のデータを含む。なお、図では、購買品を○、非購買品を×で示している。また、該当部品の取り扱いの無いサプライヤについては、基本リードタイムは設定されていない。すなわち、部品管理情報ＤＢ１２３は、購買品マスタ情報として購買品であるか否かを示す情報、各サプライヤの基本リードタイム情報を部品毎に記憶している。

ここで、基本リードタイムは、取引実績に基づいて設定される。具体的には、制御部１１０は、発注から納品までのリードタイムの実績値を、サプライヤ及び部品別に、予め設定された期間、例えば、過去数ヶ月間分取得し、取得したサプライヤ及び部品別のリードタイムの平均値を基本リードタイムとして購買品マスタ情報に設定する。なお、リードタイムの実績値の数が少なければ基本リードタイムの信頼性が低くなる。このため、取引実績が少ないサプライヤについては、例えば、各部品についてリードタイムを問い合わせ、回答があったリードタイムを基本リードタイムとして設定する。

図１に示すサプライヤ管理情報ＤＢ１２４は、サプライヤを管理するためのサプライヤ管理情報を記憶する。サプライヤ管理情報は、図６（ａ）に例示するように、サプライヤの識別情報である「サプライヤＩＤ」、そのサプライヤのランクを示す「サプライヤランク情報Ｒ」、そのサプライヤの生産能力を示す「生産能力マスタ情報Ｍ１」、そのサプライヤの繁閑期を示す「繁閑期マスタ情報Ｍ２」、そのサプライヤに発注中の部品の総数を示す「総発注残量情報ＴＡ」等のデータを含む。すなわち、サプライヤ管理情報ＤＢ１２４は、サプライヤ管理情報としてサプライヤランク情報、生産能力マスタ情報、繁閑期マスタ情報、総発注残量情報等を記憶している。

サプライヤランク情報Ｒ、生産能力マスタ情報Ｍ１、繁閑期マスタ情報Ｍ２は、取引実績および過去の受入検査実績に基づいて設定される。
具体的には、サプライヤランク情報Ｒは、サプライヤとしての評価値を示す情報である。サプライヤランク情報Ｒは、サプライヤ別に、製造業者が要求した納期である要求納期の遵守率を示す要求納期遵守率、サプライヤが回答した納期の遵守率である回答納期遵守率、受入検査の不良率である検査不良率に基づいて求められる絶対評価値である。この例では、サプライヤランクは、納期遵守率が高い程高く、納期遵守率が低い程低く、受入検査実績に基づいて、受入検査の良品率である検査良品率が高い程高く、検査良品率が低い程低くなる。すなわち、サプライヤランクは、検査不良率が低い程高く、検査不良率が高い程低くなる。

例えば、サプライヤランク情報Ｒは、ＡランクからＥランクの５段階評価のランク毎の係数であってもよい。具体的には、要求納期遵守率、回答納期遵守率、検査良品率について、全て９５％以上であればＡランク、全て９０％以上であればＢランク、全て８０％以上であればＣランク、全て７０％以上であればＤランク、何れかが７０％未満であればＥランクとしてもよい。また、この場合、サプライヤランク情報Ｒは、ＡランクであればＲ＝１、ＢランクであればＲ＝１／０．９、ＣランクであればＲ＝１／０．８、ＤランクであればＲ＝１／０．７、ＥランクであればＲ＝１／０．５としてもよい。よって、例えば、評価期間として３年が設定されている場合に、サプライヤＳＡとの直近の３年間の取引での、要求納期遵守率、回答納期遵守率、検査良品率が全て９５％以上とすると、サプライヤＳＡのサプライヤランクＲａは、Ｒａ＝１としてもよい。なお、これらのランク毎の係数は、利用者が任意の値に更新可能であってもよい。例えば、ＡランクからＥランクまでの係数をテーブルで表示し、利用者の操作によってそれぞれの値を変更可能としてもよい。

また、例えば、評価期間として３年が設定されている場合に、サプライヤＳＡとの直近の３年間の取引での、要求納期遵守率をＲ１、回答納期遵守率をＲ２，検査不良率をＲ３とすると、サプライヤランクＲａは、例えば、次式で求められてもよい。
Ｒａ＝Ｋ１＊Ｒ１＋Ｋ２＊Ｒ２＋Ｋ３＊（１−Ｒ３）
ここで、Ｋ１，Ｋ２，Ｋ３は、正の係数である。

また、生産能力マスタ情報Ｍ１は、発注した部品の要求納期に対する遅れが発生したときの遅れ日数とそのサプライヤに発注している全ての部品の総発注数量との相関を表す情報である。生産能力マスタ情報Ｍ１は、図６（ｂ）に示すように、部品別の生産能力指標値と許容総発注数量とを含む。
生産能力指標値は、全部品の総発注数量に対するその部品の納期遅れの大きさを示す指標値である。許容総発注数量は、そのサプライヤが納期の遅延無くその部品を生産できる総発注数量を示す。なお、生産能力マスタ情報Ｍ１は、サプライヤ別且つ部品別に用意される。

具体的に説明すると、まず、個々のサプライヤの個々の部品について、図７に示すように、横軸Ｘを要求納期に対する遅れ日数、縦軸Ｙをそのサプライヤへの全部品の総発注数量とする座標平面上に、評価期間中の各取引の実績をプロットする。なお、評価期間は、例えば、サプライヤランク情報Ｒと同様に、直近３年間としてもよい。続いて、回帰直線を描く。この回帰直線をｙ＝α１・ｘ＋β１とした場合、回帰直線と縦軸との交差切片の値β１が遅れ日数０日でその部品を納品可能な全部品の総発注数量を示し、この値をその部品についての許容総発注数量とする。また、回帰直線の傾きα１とその角度θ１は小さければ小さいほど総発注数量が大きくなると遅れ日数が増加し、生産能力が低いとみなすことができる。このため、傾きα１＝ｔａｎθ１の逆数１／α１＝１／ｔａｎθ１をその部品用の生産能力指標値とする。

また、繁閑期マスタ情報Ｍ２は、要求納期に対する遅れが発生したときのリードタイムとそのサプライヤへの全部品の総発注数量との相関を四半期毎に集計した情報であり、時期別に繁閑指標値と基準総発注数量を含む。この繁閑期マスタ情報Ｍ２は、予め設定された期間別の生産負荷を示し、生産負荷が大きい程高い信頼度を示す評価値となる。繁閑期マスタ情報Ｍ２は、サプライヤ別且つ部品別に用意される。

繁閑期マスタ情報Ｍ２の具体的な設定方法を図８を参照して説明する。
まず、評価期間内の四半期毎の各取引の実績をサプライヤ別且つ部品別に集計し、横軸Ｘをリードタイム、即ち、納期、縦軸Ｙをそのサプライヤへの全部品の総発注数量とする座標平面上にプロットする。なお、評価期間は、例えば、サプライヤランク情報Ｒ及び生産能力マスタ情報Ｍ１と同様に、直近３年間としてもよい。次に、回帰直線を描く。この回帰直線をｙ＝α２・ｘ＋β２とした場合、回帰直線と縦軸Ｙとの交差切片の値β２はリードタイムが０のときのそのサプライヤへの全部品の総発注数量であるため、切片の値β２を基準総発注数量とする。また、回帰直線の傾きα２とその角度θ２は小さければ小さいほど総発注数量が大きくなるとリードタイムが増加するため、生産負荷が高いとみなすことができる。このため、傾きα２＝ｔａｎθ２の逆数１／α２＝１／ｔａｎθ２をその部品用の繁閑指標値とする。

なお、四半期の一例として１〜３月期を示したが、他の四半期も同様である。また、四半期に限定されず、例えば、１ヶ月毎に集計したり、半期毎に集計したり、年度毎に集計したりしてもよい。

図１に示す入力部１３０は、納期予測装置１００の利用者の操作、例えば、要求納期情報等の入力を受け付ける。

出力部１４０は、制御部１１０の制御に従って、例えば、比較情報生成部１１５が生成した比較情報を出力する。

通信部１５０は、外部装置と通信を行う。

図１に示す納期予測装置１００が必要部品の納期を予測する上述した処理について以下に纏めて説明する。まず、要求数量算出部１１１は、オーダ情報から製品の必要部品、必要数量を特定する。次に、要求数量算出部１１１は、部品管理情報から必要部品の発注残量及び在庫数量を特定し、必要数量から発注残量及び在庫数量を減算して要求数量を算出する。次に、基本リードタイム特定部１１２は、購買品マスタ情報からサプライヤ毎の基本リードタイムを特定し、評価値特定部１１３は、サプライヤ管理情報からサプライヤ毎のサプライヤランク情報、生産能力マスタ情報、繁閑期マスタ情報、総発注残量情報を特定する。次に、評価値特定部１１３は、サプライヤ毎のこれらの情報に基づき、要求数量を発注したときのサプライヤ毎の納期遵守の信頼性の評価値を特定する。次に、納期予測部１１４は、基本リードタイム特定部１１２が特定した基本リードタイムと評価値特定部１１３が特定した評価値とを用いて要求数量の必要部品を発注したときの予測納期を算出する。そして、比較情報生成部１１５は、要求納期と予測納期の比較情報をサプライヤ毎に生成する。

このとき、納期予測部１１４は、要求数量算出部１１１が算出した要求数量と許容総発注数量とを比較し、要求数量が許容総発注数量を超えている場合、図７に示す回帰直線に基づいて許容総発注数量を超えた場合の遅れ日数を算出し予測納期に加算してもよい。また、納期予測部１１４は、オーダ月に基づき該当する四半期を特定した上で、要求数量算出部１１１が算出した要求数量と基準総発注数量とを比較し、要求数量が基準総発注数量を超えた場合、許容総発注数量を超えた場合の遅れ日数を図８に示す回帰直線に基づき算出し予測納期に加算してもよい。さらに、納期予測部１１４は、基本リードタイムと評価値とを用いて要求数量の予測納期を算出するときにＡＩを活用してもよい。

例えば、納期予測部１１４は、取引実績に基づく実際の要求数量と実際のリードタイムと取引時の基本リードタイムと取引時の評価値とを含む学習情報を機械学習して生成された納期予測モデルに基本リードタイム特定部１１２が特定した各サプライヤの基本リードタイムと評価値特定部１１３が特定した各サプライヤの評価値と要求数量算出部１１１が算出した要求数量とを含む情報を適用して各サプライヤの予測リードタイムを算出することで予測納期を算出してもよい。なお、この場合、納期予測モデルは、納期予測装置１００で生成されたものに限定されず、納期予測装置１００の外部の装置で生成されたものであってもよい。例えば、納期予測装置１００とネットワークによって接続されているＧＰＵ（Graphics Processing Unit）が搭載されたコンピュータ、所謂ＧＰＵマシンで納期予測モデルを生成し、納期予測部１１４が生成された納期予測モデルをＧＰＵマシンから取得して予測納期を算出してもよい。

図１に示す納期予測装置１００は、図２に示すハードウェアによって構成されている。図２に示すように、納期予測装置１００は、プロセッサ５１、主記憶部５２、外部記憶部５３、操作部５４、表示部５５，送受信部５６を備える。

プロセッサ５１は、制御プログラム５９に従って、納期予測装置１００の制御部１１０が備える要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５として機能する。例えば、プロセッサ５１は、要求数量算出部１１１が行う要求数量算出ステップ、基本リードタイム特定部１１２が行う基本リードタイム特定ステップ、評価値特定部１１３が行う評価値特定ステップ、納期予測部１１４が行う納期予測ステップ、比較情報生成部１１５が行う比較情報生成ステップを実行する。

主記憶部５２は、ＲＡＭ（Random-Access Memory）を備え、制御プログラム５９をロードし、プロセッサ５１の作業領域として用いられる。

外部記憶部５３は、制御プログラム５９を予め記憶する。外部記憶部５３は、プロセッサ５１の指示に従って、このプログラムが記憶するデータをプロセッサ５１に供給し、プロセッサ５１から供給されたデータを記憶する。外部記憶部５３は、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Dive）等の不揮発性メモリを備える。外部記憶部５３は記憶部１２０として機能する。

操作部５４は、入力情報をプロセッサ５１に供給する。操作部５４は、キーボード、マウス、タッチパネル、操作ボタン等の情報入力部品を備える。操作部５４は、入力部１３０として機能する。

表示部５５は、操作部５４を介して入力された情報、プロセッサ５１が出力した情報等を表示する。表示部５５は、ＬＣＤ（Liquid Crystal Display）、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置、プリンタ、スピーカ等の情報出力部品を備える。表示部５５は、出力部１４０として機能する。

また、送受信部５６は、情報を送受信する。送受信部５６は、通信部１５０として機能する。

納期予測装置１００では、主記憶部５２、外部記憶部５３、操作部５４、表示部５５及び送受信部５６はいずれも内部バス５０を介してプロセッサ５１に接続されている。
図１に示す納期予測装置１００は、プロセッサ５１が主記憶部５２、外部記憶部５３、操作部５４、表示部５５及び送受信部５６等を資源として用いることによって、制御部１１０、記憶部１２０、入力部１３０、出力部１４０、通信部１５０の機能を実現する。

次に、上記構成を有する制御部１１０の動作を説明する。
まず、前提として、記憶部１２０に格納されている各ＤＢ１２１〜１２４は適宜メンテナンスされているものとする。
すなわち、新規受注が発生すると、生産計画立案者は、オーダ番号、製品ＩＤ、製造数、必要部品と必要数、要求納期などの情報をオーダ情報に追加する。
また、発注済の部品について納品があると、納期予測装置１００は、発注情報に含まれている発注残量と在庫情報に含まれている在庫数量、サプライヤ管理情報に含まれている総発注量を、納品数に基づいて更新する。具体的には、発注数量と総発注数量とを納品数分減算し、在庫数量を納品数分加算する。
部品を新たに発注した際には、発注情報中の発注数量とサプライヤ管理情報中の総発注残量に新規発注数を加算する。
また、納入実績に基づいて、サプライヤ管理情報のサプライヤランク情報Ｒ、生産能力マスタ情報Ｍ１、繁閑期マスタ情報Ｍ２が適宜更新される。

次に、制御部１１０が実行する納期予測処理を図９を参照して説明する。この納期予測処理は、要求納期を提示したときのサプライヤ毎の回答納期を予測する処理である。制御部１１０は、処理開始の指示を入力部１３０が受け付けたことに応答して、納期予測処理を開始する。

納期予測処理を開始すると、要求数量算出部１１１は、オーダ情報のうちの何れかのオーダを特定する（ステップＳ１０１）。続いて、要求数量算出部１１１は、オーダ情報と部品管理情報を参照して、特定したオーダの装置を製造するために必要な必要部品と必要数量を特定し、さらに、各必要部品の発注残量と在庫数量を特定する（ステップＳ１０２）。例えば、要求数量算出部１１１は、図３に示すオーダ情報から「オーダ番号」がＮ０００１のオーダについて、「製品ＩＤ」がＰ０１、「製造数」がｐ０１、「部品ＰＡ」の「必要数量」がａ０１、「部品ＰＢ」の必要数量がｂ０１、…であることを特定する。次に、要求数量算出部１１１は、図５（ａ）に示す発注情報から部品ＰＡの全サプライヤへの総発注残量がａ２１であり、図５（ｂ）に示す在庫情報から部品ＰＡの在庫数量がａ３１であることを特定する。

特定後、要求数量算出部１１１は、必要数量と他のオーダで使用する数量との和から全サプライヤへのその部品の総発注残量と在庫数量の和を減算して、追加発注が必要な数量、即ち、要求数量ＲＱＥを算出する（ステップＳ１０３）。具体的は、要求数量算出部１１１は、要求数量ＲＱＥ＝必要数量＋他のオーダで使用する数量−全サプライヤへのその部品の総発注数量−在庫数量とする。
例えば、図３のオーダ番号Ｎ０００１の部品ＰＡを考えると、必要数量はａ０１である。一方、図５（ａ）に示す発注情報から部品ＰＡの全サプライヤへの総発注残量がａ２１であり、図５（ｂ）に示す在庫情報から部品ＰＡの在庫数量がａ３１であることが特定される。他のオーダで使用する部品ＰＡの数量をａａｂとすると、要求数量ＲＱＥ＝ａ０１＋ａａｂ−ａ２１−ａ３１を算出する。

次に、基本リードタイム特定部１１２は、必要部品を１つ特定し（ステップＳ１０４）、その必要部品を取り扱っているサプライヤを１つ特定する（ステップＳ１０５）。
続いて、評価値特定部１１３は、サプライヤ管理情報から取得したサプライヤのサプライヤランク情報Ｒ、生産能力マスタ情報Ｍ１、繁閑期マスタ情報Ｍ２、総発注残量情報ＴＡ、算出された要求数量ＲＱＥからサプライヤの評価値ＥＶを特定する（ステップＳ１０６）。この評価値ＥＶは、サプライヤの納期遵守の信頼度を示す。

ここで、サプライヤの評価値ＥＶを特定する手法について具体的に説明する。
まず、評価値特定部１１３は、要求数量算出部１１１によって算出された要求数量ＲＱＥと図６（ａ）に示すサプライヤ管理情報とから、要求数量ＲＱＥとそのサプライヤの全部品の総発注残量との合計数量Ｑ１を算出する。合計数量Ｑ１は、そのサプライヤに要求数量ＲＱＥを発注した場合の、そのサプライヤへの全部品の総発注残量を示す。
次に、評価値特定部１１３は、算出した合計数量Ｑ１から生産能力マスタ情報Ｍ１から特定されたその部品の許容総発注数量β１を減算して、その部品の許容総発注数量β１を越える数量（Ｑ１−β１）を算出する。

次に、評価値特定部１１３は、算出した基準総発注数量を越える数量（Ｑ１−β１）と生産能力マスタ情報Ｍ１から特定された生産能力指標値１／α１とを乗算して、（Ｑ１−β１）／α１を算出する。評価値特定部１１３は、算出した（Ｑ１−β１）／α１に基づいて、最小値を１とし、（Ｑ１−β１）が正の値で大きくなるに連れて大きくなり、（Ｑ１−β１）が正の値で小さくなるに連れて小さくなる値である生産能力係数ＫＥＶ１を求める。
次に、評価値特定部１１３は、算出した合計数量Ｑ１から繁閑期マスタ情報Ｍ２から特定されたその部品の基準総発注数量β２を減算して、その部品の基準総発注数量β２を超える数量（＝Ｑ１−β２）を算出する。評価値特定部１１３は、算出した越える数量に繁閑期マスタ情報Ｍ２から特定された繁閑指標値（＝１／α２）を乗算して（Ｑ１−β２）／α２を算出する。評価値特定部１１３は、算出した（Ｑ１−β２）／α２に基づいて、最小値を１とし、（Ｑ１−β２）が正の値で大きくなるに連れて大きくなり、（Ｑ１−β２）が正の値で小さくなるに連れて小さくなる値である繁閑係数ＫＥＶ２を求める。
そして、評価値特定部１１３は、サプライヤランク情報Ｒから特定した絶対評価値と算出された生産能力係数ＫＥＶ１と繁閑係数ＫＥＶ２とを乗算し、そのサプライヤの評価値ＥＶ＝Ｒ＊ＫＥＶ１＊ＫＥＶ２を算出する。なお、この評価値ＥＶは、最小値である１から信頼度が低くなるに連れて大きくなる値である。

部品ＰＡとサプライヤＳＡを例に具体例を説明する。
図３のオーダ番号Ｎ０００１の部品ＰＡを考えると、必要数量はａ０１である。一方、図５（ａ）に示す発注情報から部品ＰＡの全サプライヤへの総発注残量がａ２１であり、図５（ｂ）に示す在庫情報から部品ＰＡの在庫数量がａ３１であることが特定される。他のオーダで使用する部品ＰＡの数量をａｂとすると、要求数量ＲＱＥ＝ａ０１＋ａｂ−ａ２１−ａ３１を算出する。
評価値特定部１１３は、図６（ａ）に示すサプライヤ管理情報から、サプライヤＳＡへの全部品の「総発注残量」がａＲであることを特定する。評価値特定部１１３は、サプライヤＳＡに部品ＰＡを発注した場合の合計数量Ｑ１＝ＲＱＥ＋ａＲを算出する。次に、評価値特定部１１３は、「生産能力マスタ情報」Ｍ１ａに含まれている部品ＰＡについての、許容総発注数量β１と生産能力指標値１／α１を特定する。次に、評価値特定部１１３は、部品ＰＡについての合計数量Ｑ１から許容総発注数量β１を減算して、許容総発注数量β１を越える数量＝（Ｑ１−β１）を算出する。即ち、納期遅延の原因となる発注数量を特定する。続いて、部品ＰＡの許容総発注数量β１を越える数量（Ｑ１−β１）と部品ＰＡの生産能力指標値１／α１とを乗算し、（Ｑ１−β１）／α１を算出する。次に、例えば、（１＋Ｋ４・（（Ｑ１−β１）／α１）を生産能力係数ＫＥＶ１とする。なお、Ｑ１−β１≦０の場合は、（Ｑ１−β１）を０とする。Ｋ４は正の係数である。従って、生産能力係数ＫＥＶ１は、最小値を１とし、越える数量（Ｑ１−β１）が大きくなるに連れて大きくなり、小さくなるに連れて小さくなる値である。

次に、評価値特定部１１３は、サプライヤＳＡについて、「繁閑期マスタ情報」がＭ２ａであることを特定し、さらに、要求納期が属す四半期を特定して、対応する基準総発注数量および繁閑指標値を特定する。次に、評価値特定部１１３は、部品ＰＡの合計数量Ｑ１から基準総発注数量β２を減算して、許容総発注数量を越える数量（Ｑ１−β２）を算出し、繁閑指標値（１／α２）と乗算して、（Ｑ１−β２）／α２を算出する。
次に、例えば、（１＋Ｋ５・（（Ｑ１−β２）／α２）を繁閑係数ＫＥＶ２とする。なお、Ｑ１−β２≦０の場合は、（Ｑ１−β２）を０と置く。Ｋ５は正の係数である。従って、繁閑係数ＫＥＶ２は、最小値を１とし、越える数量（Ｑ１−β２）が大きくなるに連れて大きくなり、小さくなるに連れて小さくなる値である。

次に、評価値特定部１１３は、サプライヤＳＡの「サプライヤランク」がＲａであることを特定し、サプライヤランクＲａと生産能力係数ＫＥＶ１と繁閑係数ＫＥＶ２とを乗算して、評価値ＥＶ＝Ｒａ・ＫＥＶ１・ＫＥＶ２を算出する。

次に、基本リードタイム特定部１１２は、部品管理情報に含まれる購買品マスタ情報から、ステップＳ１０４で特定した必要部品について、ステップＳ１０５で特定したサプライヤの基本リードタイムを特定する（ステップＳ１０７）。例えば、基本リードタイム特定部１１２は、図５（ｃ）に示す購買品マスタ情報から、必要部品ＰＡについての、サプライヤＳＡの基本ＬＴがＬＴａ０１であることを特定する。

評価値特定後、納期予測部１１４は、特定された基本リードタイムと評価値とを乗算して予測リードタイムを算出し、算出された予測リードタイムから要求数量の必要部品を要求したときのサプライヤの予測納期を算出する（ステップＳ１０８）。例えば、部品ＰＡについて、サプライヤＳＡの基本リードタイムであるＬＴａ０１と上述のようにして求めたサプライヤＳＡの部品ＰＡについての評価値ＥＶとを乗算してサプライヤＳＡの部品ＰＡについての予測リードタイムＬＴａ０１＊ＥＶを算出し、予測リードタイムから予測納期を算出する。

続いて、ステップＳ１０４で特定した必要部品を扱う全てのサプライヤについての処理が終了したか否かを判別し（ステップＳ１０９）、終了していなければ（ステップＳ１０９：ＮＯ）、ステップＳ１０５にリターンし、次のサプライヤについて同様の予測処理を行う。

全てのサプライヤについての処理が終了したと判別した場合（ステップＳ１０９：ＹＥＳ）、全ての必要部品についての処理が終了したか否かを判別する（ステップＳ１１０）。終了していなければ（ステップＳ１１０：ＮＯ）、ステップＳ１０４にリターンし、次の必要部品について同様の予測処理を行う。

続いて、全ての必要部品についての処理が終了したと判別した場合（ステップＳ１１０：ＹＥＳ）、全てのオーダについての処理が終了したか否かを判別する（ステップＳ１１１）。終了していなければ（ステップＳ１１１：ＮＯ）、ステップＳ１０１にリターンし、次のオーダについて同様の予測処理を行う。

続いて、全てのオーダについての処理が終了したと判別した場合（ステップＳ１１１：ＹＥＳ）、比較情報生成部１１５は、各オーダ及び各必要部品について、各サプライヤが提示すると予測される予測納期と要求納期とを比較した比較情報を生成して出力し（ステップＳ１１２）、納期予測処理を終了する。

以上説明したように、本実施の形態に係る納期予測装置１００の記憶部１２０は、サプライヤ毎の部品別の基本リードタイム情報を含む部品管理情報を記憶している部品管理情報ＤＢ１２３と、サプライヤ毎の評価値情報としてのサプライヤランク情報・生産能力マスタ情報・繁閑期マスタ情報・総発注残量情報を含むサプライヤ管理情報を記憶しているサプライヤ管理情報ＤＢ１２４とを有している。そして、納期予測部１１４は、サプライヤの基本リードタイム情報とこれらの評価値情報とを用いて、要求数量の必要部品を発注したときのサプライヤの予測納期を算出する。このとき、評価値情報から特定される評価値は、複数の必要部品の納品実績に基づいて特定のサプライヤに複数の品目を発注したときの当該サプライヤの納期遵守の信頼度を示す値である。このため、算出されるサプライヤの予測納期は、納品実績に基づいて予測されたサプライヤの回答納期である。このようにすることで、１つのサプライヤに複数の品目を発注したときの当該サプライヤの納期遵守の信頼度を示す評価値を用いて予測納期を算出しない納期予測装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。

また、本実施の形態に係る納期予測装置１００によれば、評価値特定部１１３によって特定されたサプライヤの評価値は、サプライヤの絶対評価値に基づいて算出されている。そして、サプライヤの絶対評価値は、サプライヤの要求納期遵守率と回答納期遵守率と検査不良率とに基づいて算出されている。このようにすることで、過去に納品された必要部品の納品実績に基づくサプライヤの絶対評価値を用いてサプライヤの予測納期を算出できる。

また、本実施の形態に係る納期予測装置１００によれば、評価値特定部１１３によって特定されるサプライヤの評価値は、サプライヤの生産能力係数に基づいて算出される。生産能力係数は、サプライヤの許容総発注数量を越える数量と生産能力指標値とに基づいて算出されている。許容総発注数量および生産能力指標値は、あるサプライヤへのある部品の発注について、要求納期に対する遅れが発生したときの遅れ日数とそのサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きとに基づいて設定されている。このようにすることで、過去に納品された必要部品の納品実績に基づくサプライヤの生産能力係数を用いてサプライヤの予測納期を算出できる。

また、本実施の形態に係る納期予測装置１００によれば、評価値特定部１１３によって特定されるサプライヤの評価値は、サプライヤの繁閑係数に基づいて算出される。サプライヤの繁閑係数は、サプライヤの許容総発注数量を越える全部品についての総発注数量と繁閑指標値とに基づいて算出されている。サプライヤの基準総発注数量および繁閑指標値は、要求納期に対する遅れが発生したときのリードタイムの四半期毎の集計値と全部品についての総発注数量の四半期毎の集計値との相関を示す回帰直線の切片の値と傾きとに基づいて設定されている。このようにすることで、過去に納品された必要部品の納品実績に基づくサプライヤの生産負荷係数としての繁閑係数を用いてサプライヤの予測納期を算出できる。

また、本実施の形態に係る納期予測装置１００によれば、評価値特定部１１３によって特定されたサプライヤの評価値は、最小値である１から納期遵守の信頼度が低くなるに連れて大きくなる値である。そして、納期予測部１１４は、特定されたサプライヤの基本リードタイムと評価値とを乗算して算出されたサプライヤの予測リードタイムに基づいてサプライヤの予測納期を算出する。このようにすることで、算出された予測リードタイムが基本リードタイム以上になるため、サプライヤの評価値を所謂危険係数として用いてサプライヤの予測納期を算出することができ、サプライヤの予測納期を簡易に算出できる。

また、本実施の形態に係る納期予測装置１００によれば、比較情報生成部１１５は、算出されたサプライヤの予測納期と入力された要求納期とを比較して比較情報を生成する。

このようにすることで、要求納期を入力した利用者である生産計画立案の担当者は、出力部１４０から出力された比較情報を確認して要求納期までに必要部品を納品可能であると予測されるサプライヤを選択することができる。この結果、利用者は、納期予測処理で生成された比較情報を用いずに生産計画を立案したり調整したりするときよりも予測精度が高いサプライヤの予測納期を用いて必要部品を納品するサプライヤを選択することができるため、立案した生産計画を調整する作業負荷を低減できるとともに、決定した生産計画の信頼性が向上し、製品の安定供給に寄与することができる。

［実施の形態２］
実施の形態１では、サプライヤに部品を発注したときの納期を予測したが、納期の予測については納期予測装置１００においてのみ行われることに限定されず、例えば、製造業者が顧客からのオーダに基づいて生産計画を決定する生産計画決定装置においてサプライヤに必要部品を発注したときの納期を予測してもよい。
以下、本発明の実施の形態２に係る生産計画決定装置について、図１０〜図２０を参照しながら詳細に説明する。

本発明の実施の形態２に係る生産計画決定装置２００は、製造業者が顧客からのオーダに基づいて生産計画を立案し、立案した生産計画に調整が必要なときには生産計画を調整した上で生産計画を決定する。生産計画決定装置２００は、実施の形態１に係る納期予測装置１００と同様に、例えば、パーソナルコンピュータ、サーバ等の電子計算機であり、図１０に示すように、制御部２１０、記憶部２２０、入力部２３０、出力部２４０、通信部２５０を備える。これらの各部は、バスラインＢＬ２を介して相互に電気的に接続されている。

制御部２１０は、機能的には、実施の形態１に係る制御部１１０と同様に要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５を備える。

また、制御部２１０は、オーダに基づく生産計画を立案する生産計画立案部２１１、立案した生産計画から必要部品の要求納期を決定する要求納期決定部２１２、生成された比較情報からサプライヤを選択するサプライヤ選択部２１３、選択されたサプライヤに要求納期を提示する要求納期提示部２１４、サプライヤからの回答納期を取得する回答納期取得部２１５、取得した回答納期から生産計画を調整する生産計画調整部２１６、生産計画を決定する生産計画決定部２１７、決定した生産計画に基づいてサプライヤに必要部品を発注する部品発注部２１８、取引実績に基づいてサプライヤ管理情報を更新するサプライヤ管理情報更新部２１９を更に備える。

生産計画立案部２１１は、オーダ情報に含まれる製品ＩＤ情報、製造数情報、各必要部品必要数量情報、納期情報を特定する。また、生産計画立案部２１１は、製品の製造に必要な人員・設備等の資源を示す資源情報に含まれる投入可能な人員数を示す投入可能人員数情報、稼働可能な設備台数を示す稼働可能設備台数情報、稼働可能な曜日および時間を示す稼働可能曜日・時間情報を特定する。また、生産計画立案部２１１は、製品の製造工程を示す製造工程情報に含まれる工程順情報、工程Ａ、工程Ｂ、…、工程Ｎ、…等の各工程の投入人員数を示す投入人員数情報、各工程の稼働設備台数を示す稼働設備台数情報、各工程の稼働日および時間を示す稼働日・時間情報、各工程のリードタイムを示す工程リードタイム情報を特定する。また、生産計画立案部２１１は、各工程において投入する人員数、稼働させる設備台数、稼働させる曜日・時間をそれぞれ割り当てることで、各オーダの仮の生産計画を立案する。

要求納期決定部２１２は、生産計画立案部２１１によって立案された仮の生産計画から各工程の開始日までに揃える必要部品を特定し、開始日までに必要部品を揃えることが可能な要求納期を決定する。

サプライヤ選択部２１３は、比較情報生成部１１５によって生成された比較情報に基づいて、要求納期までに必要部品を納品可能であると予測されるサプライヤを選択する。サプライヤ選択部２１３は、複数のサプライヤから選択可能である場合には、生産能力が最も高いサプライヤを優先して選択する。

要求納期提示部２１４は、通信部２５０を介して必要部品・要求数量・要求納期を示す送信情報、所謂システムメッセージをサプライヤに送信することで要求納期を提示する。なお、送信情報を受信できる環境が整備されていないサプライヤに対しては、利用者である生産計画立案の担当者が必要部品・要求数量・要求納期をサプライヤに直接提示する。

回答納期取得部２１５は、通信部２５０を介してサプライヤによって入力された回答納期を示す受信情報を受信することで回答納期を取得する。なお、受信情報を送信できる環境が整備されていないサプライヤに対しては、利用者である生産計画立案の担当者がサプライヤに回答納期を直接問い合わせる。

生産計画調整部２１６は、取得した各サプライヤの回答納期から要求納期に揃わない必要部品があるときに生産計画立案部２１１によって立案された仮の生産計画を調整する。生産計画調整部２１６は、回答納期に必要部品が納品されても製品の納期までに間に合わせることが可能な日程に各工程の日程を変更する。また、生産計画調整部２１６は、日程変更しても製品の納期までに間に合わないときには一時的に投入する資源を増加したり、異なるサプライヤから回答納期を取得して要求納期までに必要部品が揃えることが可能なサプライヤを変更したりして製品の納期までに間に合わせる調整を行う。

生産計画決定部２１７は、生産計画調整部２１６によって調整された生産計画に確定する旨の決定を行う。なお、生産計画決定部２１７は、生産計画立案部２１１によって立案された仮の生産計画に問題がなければ立案された生産計画に確定する旨の決定を行う。

部品発注部２１８は、生産計画決定部２１７によって決定した生産計画に基づいて、サプライヤに必要部品を発注する。

サプライヤ管理情報更新部２１９は、サプライヤとの取引実績とサプライヤから納品された必要部品の受入検査実績とに基づいて、サプライヤ管理情報を更新する。サプライヤ管理情報更新部２１９は、サプライヤランク情報を更新するサプライヤランク情報更新部２１９ａ、生産能力マスタ情報を更新する生産能力マスタ情報更新部２１９ｂ、繁閑期マスタ情報を更新する繁閑期マスタ情報更新部２１９ｃを備える。

サプライヤランク情報更新部２１９ａは、サプライヤとの取引実績を示す取引実績情報からサプライヤの要求納期遵守率および回答納期遵守率を算出する。また、サプライヤランク情報更新部２１９ａは、サプライヤから納品された必要部品の受入検査実績を示す検査実績情報からサプライヤの検査不良率を算出する。また、サプライヤランク情報更新部２１９ａは、算出された要求納期遵守率、回答納期遵守率、検査実績情報からサプライヤの絶対評価値を算出し、算出されたサプライヤの絶対評価値でサプライヤランク情報を更新する。

生産能力マスタ情報更新部２１９ｂは、取引実績情報から注文番号単位で抽出された納期遅れが発生した発注案件を示す納期遅れ発生情報を取得する。また、生産能力マスタ情報更新部２１９ｂは、取得した納期遅れ発生情報に含まれる遅れ日数情報からサプライヤの要求納期に対する遅れ日数を特定する。また、生産能力マスタ情報更新部２１９ｂは、納期遅れ発生情報に含まれる総発注数量情報から遅れ発生時のサプライヤへの総発注数量を特定する。

また、生産能力マスタ情報更新部２１９ｂは、特定された要求納期に対する遅れ日数と遅れ発生時の総発注数量とのサンプル数が規定数、例えば、１０以上であれば、遅れ日数と総発注数量との単相関係数を算出する。また、生産能力マスタ情報更新部２１９ｂは、算出した単相関係数が閾値以上、例えば、０．７以上でなければ、所謂外れ値となるサンプルを除外し、外れ値となるサンプルを除外した残りのサンプル数が規定数以上であれば閾値以上となるまで単相関係数の算出を繰り返す。

そして、閾値以上となる単相関係数が算出されると、生産能力マスタ情報更新部２１９ｂは、図１６の破線に示すように、横軸Ｘを要求納期に対する遅れ日数、縦軸Ｙを総発注数量とする座標平面上に各サンプルの値をプロットして遅れ日数と総発注数量との相関を示す回帰直線を算出する。そして、生産能力マスタ情報更新部２１９ｂは、算出された回帰直線の傾きと切片の値とを特定し、特定した傾きα１および切片の値β１から部品別生産能力指標値１／α１と許容総発注数量β１を特定し、生産能力マスタ情報Ｍ１を更新する。

繁閑期マスタ情報更新部２１９ｃは、取引実績情報から注文期間単位で抽出された納期遅れ発生情報を取得する。また、繁閑期マスタ情報更新部２１９ｃは、取得した納期遅れ発生情報に含まれるリードタイム数情報からサプライヤの注文期間単位のリードタイムを特定する。また、繁閑期マスタ情報更新部２１９ｃは、納期遅れ発生情報に含まれる総発注数量情報から遅れ発生時のサプライヤへの注文期間単位の総発注数量を特定する。

また、繁閑期マスタ情報更新部２１９ｃは、要求納期に対する遅れ日数と遅れ発生時の総発注数量とのサンプル数が規定数、例えば、１０以上であればリードタイムと総発注数量との単相関係数を算出する。また、繁閑期マスタ情報更新部２１９ｃは、算出した単相関係数が閾値以上、例えば、０．７以上でなければ、外れ値となるサンプルを除外し、外れ値となるサンプルを除外した残りのサンプル数が規定数以上であれば閾値以上となるまで単相関係数の算出を繰り返す。

そして、閾値以上となる単相関係数が算出されると、繁閑期マスタ情報更新部２１９ｃは、横軸Ｘをリードタイム、縦軸Ｙを全部品についての総発注数量とする座標平面上に各サンプルの値をプロットしてリードタイムと全部品についての総発注数量との相関を示す回帰直線を算出する。そして、繁閑期マスタ情報更新部２１９ｃは、算出された回帰直線の傾きと切片の値とを特定し、特定した傾きα２および切片の値β２から繁閑指標値１／α２と基準総発注数量β２を特定し、繁閑期マスタ情報Ｍ２を更新する。

なお、要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５、生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９は、単一のコンピュータで各機能を実現してもよいし、各々別個のコンピュータによって各機能を実現してもよい。例えば、要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５の各機能を納期予測装置１００のコンピュータによって実現するとともに、生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９の各機能を生産計画決定装置２００のコンピュータで実現してもよい。

記憶部２２０は、実施の形態１に係る記憶部１２０と同様にオーダ情報ＤＢ１２１、部品構成情報ＤＢ１２２、部品管理情報ＤＢ１２３、サプライヤ管理情報ＤＢ１２４を有する。

また、記憶部２２０は、資源情報を記憶する資源情報ＤＢ２２１、製造工程情報を記憶する製造工程情報ＤＢ２２２、取引実績情報を記憶する取引実績情報ＤＢ２２３、検査実績情報を記憶する検査実績情報ＤＢ２２４を有する。

なお、これらのＤＢの全てを記憶部２２０が有する必要はなく、例えば、これらのＤＢの一部を外部記憶装置が有し、生産計画決定装置２００は、外部記憶装置との接続または通信を可能とする外部インタフェースを備え、この外部インタフェースを介して必要な情報を外部記憶装置から適宜取得してもよい。

図１０に示す資源情報ＤＢ２２１は、資源情報を、例えば、図１１に示すテーブルの形式で記憶する。資源情報には、投入可能な人員数を示す「投入可能人員数」、稼働可能な設備台数を示す「稼働可能設備台数」、稼働可能な曜日・時間を示す「稼働可能曜日・時間」等の各項目に対応するデータが含まれている。すなわち、資源情報ＤＢ２２１は、資源情報として投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等を記憶している。

図１０に示す製造工程情報ＤＢ２２２は、製造工程情報を、例えば、図１２に示すテーブルの形式で記憶する。製造工程情報には、この製造業者が製造する製品の識別情報を示す「製品ＩＤ」、製品の製造の工程順を示す「工程順」、工程Ａ、工程Ｂ、…、工程Ｎ、…等の各工程に必要な投入人員数を示す「工程Ａ投入人員数」、「工程Ｂ投入人員数」、…、「工程Ｎ投入人員数」、…、工程に必要な稼働設備台数を示す「工程Ａ稼働設備台数」、「工程Ｂ稼働設備台数」、…、「工程Ｎ稼働設備台数」…、工程に必要な稼働日数・時間を示す「工程Ａ稼働日・時間」、「工程Ｂ稼働日・時間」、…、「工程Ｎ稼働日・時間」…、工程の工程リードタイムを示す「工程Ａ工程ＬＴ」、「工程Ｂ工程ＬＴ」、…、「工程Ｎ工程ＬＴ」…等の各項目に対応するデータが含まれている。すなわち、製造工程情報ＤＢ２２２は、製造工程情報として投入人員数情報、稼働設備台数情報、稼働日・時間情報、工程リードタイム情報等を工程毎に記憶している。

図１０に示す取引実績情報ＤＢ２２３は、取引実績情報を、例えば、図１３に示すテーブルの形式で記憶する。取引実績情報には、発注時の注文番号を示す「注文番号」、発注した必要部品の発注数量を示す「発注数量」、発注から納入までのリードタイムを示す「ＬＴ」、遅れ発生時の遅れ日数を示す「遅れ日数」、発注した必要部品の識別情報を示す「発注部品ＩＤ」、発注済の他の必要部品も含めた全ての必要部品の総発注数量を示す「総発注数量」等の各項目に対応するデータが含まれている。すなわち、取引実績情報ＤＢ２２３は、取引実績情報として発注数量情報、リードタイム情報、遅れ日数情報、発注部品ＩＤ情報、総発注数量情報等を注文番号毎に記憶している。

図１０に示す検査実績情報ＤＢ２２４は、検査実績情報を、例えば、図１４に示すテーブルの形式で記憶する。検査実績情報には、「注文番号」、「発注部品ＩＤ」、受入検査の検査完了数を示す「検査完了数」、受入検査において検出された検査不良件数を示す「検査不良件数」等の各項目に対応するデータが含まれている。すなわち、検査実績情報ＤＢ２２４は、検査実績情報として発注部品ＩＤ情報、検査完了数情報、検査不良件数情報等を注文番号毎に記憶している。

ここで、納期遅れ発生情報とは、遅れ日数情報から特定される遅れ日数が１日以上となる取引実績情報のみを抽出した情報である。よって、注文番号単位で抽出された納期遅れ発生情報とは、図１５（ａ）に示すように、遅れが発生している取引実績情報が注文番号単位で抽出された情報である。すなわち、注文番号単位で抽出された納期遅れ発生情報には、少なくとも注文単位毎の遅れ日数情報、総発注数量情報が含まれる。また、注文期間単位で抽出された納期遅れ発生情報とは、図１５（ｂ）に示すように、注文番号単位で抽出された納期遅れ発生情報を注文期間、例えば、１ヶ月毎、四半期毎、半期毎、年度毎に集計した情報である。すなわち、注文期間単位で抽出された納期遅れ発生情報には、少なくとも注文期間毎のリードタイム情報、総発注数量情報が含まれる。

入力部２３０は、実施の形態１に係る入力部１３０と同様に利用者の操作を受け付ける。

出力部２４０は、実施の形態１に係る出力部１４０と同様に制御部２１０の制御に従って、例えば、生産計画が決定した旨の情報、決定した生産計画の情報を出力する。

通信部２５０は、実施の形態１に係る通信部１５０と同様に外部装置と有線または無線通信を行う。

図１０に示す生産計画決定装置２００は実施の形態１に係る納期予測装置１００と同様に、図２に示すハードウェアによって構成されている。この場合、プロセッサ５１は、制御プログラム５９に従って、生産計画決定装置２００の制御部２１０が備える要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５として機能する。また、プロセッサ５１は、制御プログラム５９に従って、制御部２１０が備える生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９として機能する。

次に、図１７に示すフローチャートを参照して、制御部２１０が実行する生産計画決定処理について説明する。生産計画決定処理は、顧客からのオーダに基づいて生産計画を立案・調整して決定する処理である。制御部２１０は、利用者である生産計画立案の担当者がオーダ情報を入力する操作を入力部２３０が受け付けたことに応答して、生産計画決定処理を開始する。

生産計画決定処理を開始すると、まず、生産計画立案部２１１は、オーダ情報、資源情報、製造工程情報から製品を製造するために各工程において投入する人員数、稼働させる設備台数、稼働させる曜日・時間をそれぞれ割り当てて各オーダの仮の生産計画を立案する（ステップＳ２０１）。例えば、まず、生産計画立案部２１１は、図３に示すオーダ情報から「オーダ番号」がＮ０００１のオーダについて、「製品ＩＤ」がＰ０１であることを特定する。次に、生産計画立案部２１１は、図１１に示す資源情報から「投入可能人員数」がｍｐ０１、「稼働可能設備台数」がｆ０１、「稼働可能曜日・時間」がｗｔ０１であることを特定する。次に、生産計画立案部２１１は、図１２に示す製造工程情報から「製品ＩＤ」がＰ０１の製品について、「工程Ａ投入人員数」がａｍｐ０１、「工程Ａ稼働設備台数」がａｆ０１、「工程Ａ稼働日・時間」がａｗｔ０１であることを特定する。次に、生産計画立案部２１１は、ｍｐ０１＞ａｍｐ０１、ｆ０１＞ａｆ０であるとともに、ｗｔ０１がａｗｔ０１を含むことで、工程Ａについて投入する人員数、稼働させる設備台数、稼働させる曜日・時間をそれぞれ割り当てられることを確認する。そして、生産計画立案部２１１は、工程Ｂ、…、工程Ｎ、…についても工程Ａと同様に投入する人員数、稼働させる設備台数、稼働させる曜日・時間をそれぞれ割り当てられることを確認する。次に、生産計画立案部２１１は、「製品ＩＤ」がＰ０１の製品について、「工程順」がｏｐ０１、「工程Ａ工程ＬＴ」がａＬＴ０１、「工程Ｂ工程ＬＴ」がｂＬＴ０１、…、「工程Ｎ工程ＬＴ」がｎＬＴ０１、…等であることを特定する。そして、生産計画立案部２１１は、ｏｐ０１で示された工程順に、ａＬＴ０１、ｂＬＴ０１、…、ｎＬＴ０１、…等の工程ＬＴが確保される期間で各工程の稼働開始日から稼働終了日までを設定して仮の生産計画を立案する。

生産計画立案後、要求納期決定部２１２は、立案された仮の生産計画から各工程の稼働開始日と各工程に必要となる必要部品とを特定し、各工程の稼働開始日までに間に合わせることが可能な納期にサプライヤに発注する全ての必要部品の要求納期を決定する（ステップＳ２０２）。要求納期決定後、制御部２１０は、図９に示す納期予測処理を実行する（ステップＳ２０３）。サプライヤ選択部２１３は、全ての必要部品について生成された比較情報から予測納期が要求納期よりも前となるサプライヤを選択することで要求納期までに納品可能であると予測されるサプライヤを選択する（ステップＳ２０４）。

サプライヤ選択後、要求納期提示部２１４は、全ての必要部品について必要部品・要求数量・要求納期を示す送信情報を各サプライヤに送信することで要求納期を提示する（ステップＳ２０５）。要求納期提示後、回答納期取得部２１５は、サプライヤによって入力された回答納期を示す受信情報を受信することで回答納期を取得し（ステップＳ２０６）、全てのサプライヤから回答納期を取得したか否かを判定する（ステップＳ２０７）。回答納期取得部２１５は、全てのサプライヤから回答納期を取得していない場合（ステップＳ２０７；ＮＯ）、全てのサプライヤから回答納期を取得するまでステップＳ２０６、Ｓ２０７の処理を繰り返し、全てのサプライヤから回答納期を取得した場合（ステップＳ２０７；ＹＥＳ）、生産計画調整部２１６は、取得した各サプライヤの回答納期から要求納期に揃わない必要部品があるか否かを判定する（ステップＳ２０８）。

生産計画調整部２１６は、要求納期に揃わない必要部品がある場合（ステップＳ２０８；ＹＥＳ）、立案された仮の生産計画を調整する（ステップＳ２０９）。例えば、生産計画調整部２１６は、各工程の日程を変更したり、一時的に投入する資源を増加したり、サプライヤを変更したりして製品の納期までに間に合わせる調整を行う。生産計画調整後、または、要求納期に揃わない必要部品がない場合（ステップＳ２０８；ＮＯ）、生産計画決定部２１７は、立案・調整された生産計画に確定する旨の決定を行い（ステップＳ２１０）、部品発注部２１８は、決定した生産計画に基づいて各サプライヤに必要部品を発注し（ステップＳ２１１）、生産計画決定処理を終了する。

次に、図１８に示すフローチャートを参照して、制御部２１０が実行するサプライヤランク情報更新処理について説明する。サプライヤランク情報更新処理は、サプライヤから納品された必要部品が検査された後にサプライヤランク情報を更新する処理である。制御部２１０は、利用者である生産計画立案の担当者が取引実績情報および検査実績情報を入力する操作を入力部２３０が受け付けたことに応答して、サプライヤランク情報更新処理を開始する。

サプライヤランク情報更新処理を開始すると、まず、サプライヤランク情報更新部２１９ａは、取引実績情報を用いてサプライヤの要求納期遵守率を算出し（ステップＳ３０１）、取引実績情報を用いて回答納期遵守率を算出する（ステップＳ３０２）。例えば、まず、サプライヤランク情報更新部２１９ａは、図１３に示す取引実績情報から、「注文番号」がＨ０３８５、Ｈ０３８６、…、Ｈ０３８９、…等の発注案件について、「ＬＴ」が「２８」、「３２」、…、「３０」、…等、「遅れ日数」が「３」、「０」、…、「５」、…等であることを特定する。次に、サプライヤランク情報更新部２１９ａは、全発注件数のうちの遅れ日数が「０」以外の発注件数の割合を回答納期遵守率として算出する。次に、サプライヤランク情報更新部２１９ａは、全発注件数のうちのリードタイムに基づく納期が要求納期を越えた発注件数の割合を回答納期遵守率として算出し、全発注件数のうちの遅れ日数が「０」以外の発注件数の割合を回答納期遵守率として算出する。

納期遵守率算出後、サプライヤランク情報更新部２１９ａは、検査実績情報に含まれる検査完了数情報および検査不良件数情報から検査不良率を算出する（ステップＳ３０３）。例えば、まず、サプライヤランク情報更新部２１９ａは、図１４に示す検査実績情報から、「注文番号」がＨ０３８５、Ｈ０３８６、…、Ｈ０３８９、…等の発注案件について、「検査完了数」が「６５」、「５５」、…、「４０」、…等、「検査不良件数」が「０」、「０」、…、「０」、…等であることを特定する。次に、サプライヤランク情報更新部２１９ａは、検査完了数の合計数を算出するとともに検査不良件数の合計数を算出し、検査完了数の合計数のうちの検査不良件数の合計数の割合を検査不良率として算出する。検査不良率算出後、算出された要求納期遵守率、回答納期遵守率、検査不良率からサプライヤの絶対評価値を算出する（ステップＳ３０４）。絶対評価値算出後、サプライヤランク情報更新部２１９ａは、算出したサプライヤの絶対評価値でサプライヤランク情報を更新し（ステップＳ３０５）、サプライヤランク情報更新処理を終了する。

次に、図１９に示すフローチャートを参照して、制御部２１０が実行する生産能力マスタ情報更新処理について説明する。生産能力マスタ情報更新処理は、サプライヤから納品された必要部品が検査された後に生産能力マスタ情報を更新する処理である。制御部２１０は、利用者である生産計画立案の担当者が取引実績情報を入力する操作を入力部２３０が受け付けたことに応答して、生産能力マスタ情報更新処理を開始する。

生産能力マスタ情報更新処理を開始すると、まず、生産能力マスタ情報更新部２１９ｂは、取引実績情報から注文番号単位で抽出された納期遅れ発生情報を取得し（ステップＳ４０１）、取得した納期遅れ発生情報に含まれる遅れ日数情報および総発注数量情報からサプライヤの要求納期に対する遅れ日数および遅れ発生時のサプライヤへの総発注数量を特定し（ステップＳ４０２）、特定された要求納期に対する遅れ日数と遅れ発生時の総発注数量とのサンプル数が規定数以上であるか否かを判定する（ステップＳ４０３）。例えば、まず、生産能力マスタ情報更新部２１９ｂは、図１５（ａ）に示す納期遅れ発生情報から、「注文番号」がＨ０３８５、Ｈ０３８９、Ｈ０３９６、Ｈ０４０３、…等の発注案件について、「遅れ日数」が「３」、「５」、「７」、「３」、…等、「総発注数量」が「１９８」、「１５０」、「１６３」、「１４５」、…等であることを特定し、全発注件数が１０件以上であるか否かを判定する。

生産能力マスタ情報更新部２１９ｂは、サンプル数が規定数未満である場合（ステップＳ４０３；ＮＯ）、生産能力マスタ情報更新処理を終了し、サンプル数が規定数以上である場合（ステップＳ４０３；ＹＥＳ）、遅れ日数と総発注数量との単相関係数を算出し（ステップＳ４０４）、算出した単相関係数が閾値以上であるか否かを判定する（ステップＳ４０５）。生産能力マスタ情報更新部２１９ｂは、単相関係数が閾値未満である場合（ステップＳ４０５；ＮＯ）、外れ値となるサンプルを除外し（ステップＳ４０６）、ステップＳ４０３の処理に戻り、単相関係数が閾値以上となるまでステップＳ４０３〜Ｓ４０６の処理を繰り返す。例えば、生産能力マスタ情報更新部２１９ｂは、図１６に示すように、単相関係数が０．７より大きい０．８１となるまで外れ値を除外して単相関係数を算出する処理を繰り返す。

一方、生産能力マスタ情報更新部２１９ｂは、単相関係数が閾値以上である場合（ステップＳ４０５；ＹＥＳ）、遅れ日数と総発注数量との相関を示す回帰直線を算出し（ステップＳ４０７）、算出された回帰直線の傾き角度と切片の値とを特定する（ステップＳ４０８）。例えば、生産能力マスタ情報更新部２１９ｂは、図１６の破線に示す回帰直線を算出して傾き角度と切片の値とを特定する。特定後、特定した傾き角度および切片の値から特定された許容総発注数量および生産能力指標値で生産能力マスタ情報を更新し（ステップＳ４０９）、生産能力マスタ情報更新処理を終了する。

次に、図２０に示すフローチャートを参照して、制御部２１０が実行する繁閑期マスタ情報更新処理について説明する。繁閑期マスタ情報更新処理は、サプライヤから納品された必要部品が検査された後に繁閑期マスタ情報を更新する処理である。制御部２１０は、利用者である生産計画立案の担当者が取引実績情報を入力する操作を入力部２３０が受け付けたことに応答して、繁閑期マスタ情報更新処理を開始する。

繁閑期マスタ情報更新処理を開始すると、まず、繁閑期マスタ情報更新部２１９ｃは、取引実績情報から注文期間単位で抽出された納期遅れ発生情報を取得し（ステップＳ５０１）、取得した納期遅れ発生情報に含まれるリードタイム情報および総発注数量情報からサプライヤのリードタイム及び遅れ発生時のサプライヤへの全部品の総発注数量を特定し（ステップＳ５０２）、特定されたリードタイムと遅れ発生時の総発注数量との対のサンプル数が規定数以上であるか否かを判定する（ステップＳ５０３）。例えば、繁閑期マスタ情報更新部２１９ｃは、図１５（ｂ）に示す納期遅れ発生情報から、「注文期間」がＳ０１、Ｓ０２、Ｓ０３、Ｓ０４、…等の発注案件について、「ＬＴ」ｓＬＴ０１、ｓＬＴ０２、ｓＬＴ０３、ｓＬＴ０４、…等、「総発注数量」がｓｔ０１、ｓｔ０２、ｓｔ０３、ｓｔ０４、…等であることを特定し、全発注件数が１０件以上であるか否かを判定する。

繁閑期マスタ情報更新部２１９ｃは、サンプル数が規定数未満である場合（ステップＳ５０３；ＮＯ）、繁閑期マスタ情報更新処理を終了し、サンプル数が規定数以上である場合（ステップＳ５０３；ＹＥＳ）、リードタイムと総発注数量との単相関係数を算出し（ステップＳ５０４）、算出した単相関係数が閾値以上であるか否かを判定する（ステップＳ５０５）。繁閑期マスタ情報更新部２１９ｃは、単相関係数が閾値未満である場合（ステップＳ５０５；ＮＯ）、外れ値となるサンプルを除外し（ステップＳ５０６）、ステップＳ５０３の処理に戻り、単相関係数が閾値以上となるまでステップＳ５０３〜Ｓ５０６の処理を繰り返す。例えば、繁閑期マスタ情報更新部２１９ｃは、図１６に示すように、単相関係数が０．７より大きい０．８１となるまで外れ値を除外して単相関係数を算出する処理を繰り返す。

一方、繁閑期マスタ情報更新部２１９ｃは、単相関係数が閾値以上である場合（ステップＳ５０５；ＹＥＳ）、リードタイムと総発注数量との相関を示す回帰直線を算出し（ステップＳ５０７）、算出された回帰直線の傾き角度と切片の値とを特定する（ステップＳ５０８）。例えば、繁閑期マスタ情報更新部２１９ｃは、図１６の破線に示す回帰直線を算出して傾きと切片の値とを特定する。特定後、特定した傾きおよび切片の値から特定された許容総発注数量および繁閑指標値で繁閑期マスタ情報を更新し（ステップＳ５０９）、繁閑期マスタ情報更新処理を終了する。

以上説明したように、本実施の形態に係る生産計画決定装置２００によれば、サプライヤ選択部２１３は、要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５によって行われた納期予測処理で生成された比較情報を用いて要求納期までに必要部品を納品可能であると予測されるサプライヤを選択する。

このようにすることで、納期予測処理で生成された比較情報を用いずに生産計画を立案したり調整したりする生産計画立案装置よりも予測精度が高いサプライヤの予測納期を用いて必要部品を納品するサプライヤを選択することができるため、立案した生産計画を調整する作業負荷を低減できるとともに、決定した生産計画の信頼性が向上し、製品の安定供給に寄与することができる。

また、本実施の形態に係る生産計画決定装置２００によれば、サプライヤランク情報更新部２１９ａは、利用者によって更新された取引実績情報および検査実績情報からサプライヤの要求納期遵守率、回答納期遵守率、検査不良率を算出し、算出された要求納期遵守率、回答納期遵守率、検査不良率からサプライヤの絶対評価値を算出してサプライヤランク情報を更新している。

このようにすることで、過去に納品された必要部品の納品実績に基づいて算出された要求納期遵守率が高い程高い信頼度を示す一方で要求納期遵守率が低い程低い信頼度を示すサプライヤの絶対評価値を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。また、このようにすることで、過去に納品された必要部品の納品実績に基づいて算出された回答納期遵守率が高い程高い信頼度を示す一方で回答納期遵守率が低い程低い信頼度を示すサプライヤの絶対評価値を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。また、このようにすることで、過去に納品された必要部品の受入検査実績に基づいて算出された検査不良率が低い程高い信頼度を示す一方で検査不良率が高い程低い信頼度を示すサプライヤの絶対評価値を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。

また、本実施の形態に係る生産計画決定装置２００によれば、生産能力マスタ情報更新部２１９ｂは、利用者によって更新された取引実績情報から注文番号単位で抽出された納期遅れ発生情報を取得し、取得した納期遅れ発生情報に含まれる遅れ日数情報および総発注数量情報から特定したサプライヤの要求納期に対する遅れ日数および遅れ発生時のサプライヤへの総発注数量の相関を示す回帰直線の傾き角度と切片の値とから特定された許容総発注数量と生産能力指標値とで生産能力マスタ情報を更新している。

このようにすることで、過去に納品された発注品の納品実績に基づいて評価された生産能力指標値が高い程高い信頼度を示す一方で生産能力指標値が低い程低い信頼度を示す生産能力マスタ情報を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。また、このようにすることで、過去に納品された発注品の納品実績に基づいて評価された許容総発注数量が多い程高い信頼度を示す一方で許容総発注数量が少ない程低い信頼度を示す生産能力マスタ情報を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。

また、本実施の形態に係る生産計画決定装置２００によれば、繁閑期マスタ情報更新部２１９ｃは、利用者によって更新された取引実績情報から注文期間単位で抽出された納期遅れ発生情報を取得し、取得した納期遅れ発生情報に含まれるリードタイム情報および総発注数量情報から特定したサプライヤのリードタイムおよび遅れ発生時のサプライヤへの総発注数量の相関を示す回帰直線の傾き角度と切片の値とから特定された許容総発注数量と繁閑指標値とで繁閑期マスタ情報を更新している。

このようにすることで、過去に納品された発注品の発注期間毎の納品実績に基づいて評価された繁閑指標値が高い程高い信頼度を示す一方で繁閑指標値が低い程低い信頼度を示す繁閑期マスタ情報を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。また、このようにすることで、過去に納品された発注品の納品実績に基づいて評価された許容総発注数量が多い程高い信頼度を示す一方で許容総発注数量が少ない程低い信頼度を示す繁閑期マスタ情報を更新しない生産計画決定装置よりもサプライヤに複数の必要部品を発注するときの納期の予測精度が向上する。

［実施の形態３］
実施の形態１、２では、各サプライヤに過去に納品されたことがある部品を発注するときの納期を予測したが、各サプライヤに過去に納品されたことがない部品を発注するときの納期を予測してもよい。また、実施の形態１、２では、過去に取引実績のあるサプライヤに部品を発注するときの納期を予測したが、過去に取引実績のないサプライヤに部品を発注するときの納期を予測してもよい。
以下、本発明の実施の形態３に係る生産計画決定装置について、図２１〜図２３を参照しながら詳細に説明する。

本発明の実施の形態３に係る納期予測装置３００は、各サプライヤに過去に納品されたことがない部品を発注するときの納期を予測する。本実施の形態では、過去に納品されたことがない部品を発注するときに、当該部品の素材、寸法、重量等の情報に基づき類似部品を特定し、特定した類似部品の基本リードタイム及び評価値を参照して予測リードタイムを算出し、要求数量の類似部品を発注したときの予測納期を要求数量の当該部品を発注したときの予測納期として算出する。

また、本発明の実施の形態３に係る納期予測装置３００は、過去に取引実績のないサプライヤに部品を発注するときの納期を予測する。本実施の形態では、過去に取引実績がないサプライヤに部品を発注するときに、部品の素材、寸法、重量等の情報に加えて、サプライヤの資源情報に基づき類似サプライヤを特定する。そして、特定した類似サプライヤの基本リードタイム及び評価値を参照して予測リードタイムを算出し、要求数量の必要部品を発注したときの類似サプライヤの予測納期を当該サプライヤの予測納期として算出する。

生産計画決定装置３００は、実施の形態２に係る納期予測装置２００と同様にパーソナルコンピュータ、サーバ等の電子計算機であり、図２１に示すように、制御部３１０、記憶部３２０、入力部３３０、出力部３４０、通信部３５０を備える。これらの各部は、バスラインＢＬ３を介して相互に電気的に接続されている。

制御部３１０は、機能的には、実施の形態２に係る制御部２１０と同様に要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５、生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９を備える。

また、制御部３１０は、過去に納品されたことがない部品の類似部品を特定する類似部品特定部３１１、過去に取引実績がないサプライヤの類似サプライヤを特定する類似サプライヤ特定部３１２を更に備える。

要求数量算出部１１１は、実施の形態１、２と同様に、記憶部３２０に予め登録されているオーダ情報、部品構成情報から製品の製造に必要な必要部品と要求数量とを特定する。このとき、要求数量算出部１１１は、特定した必要部品の情報が発注情報にない場合、過去に納品されたことがない部品と判断する。この場合、要求数量算出部１１１は、後述する類似部品特定部３１１が特定した類似部品を当該部品とみなして類似部品の要求数量を特定する。なお、本実施形態では、要求数量算出部１１１は、特定した必要部品の情報が発注情報にない場合、過去に納品されたことがない部品と判断したが、これに限定されず、例えば、図５（ｃ）に示すように、購買品マスタ情報に含まれる購買品であるか否かを示す情報が「×」である場合、過去に納品されたことがない部品と判断してもよい。

類似部品特定部３１１は、過去に納品されたことがある部品の素材、寸法、重量等の情報に基づいて、過去に納品されたことがない部品の類似部品を特定する。

基本リードタイム特定部１１２は、実施の形態１、２と同様に、部品管理情報に基づいて、各サプライヤの各必要部品についての基本リードタイムを特定する。このとき、基本リードタイム特定部１１２は、要求数量算出部１１１が過去に納品されたことがない部品の類似部品の要求数量を算出した場合、各サプライヤの類似部品についての基本リードタイムを特定する。

また、本実施の形態では、基本リードタイム特定部１１２は、過去に取引実績がないサプライヤの必要部品または類似部品についての基本リードタイムも特定する。評価値特定部１１３は、後述する類似サプライヤ特定部３１２が特定した類似サプライヤを当該サプライヤとみなし、類似サプライヤについてのサプライヤランク情報と生産能力マスタ情報と繁閑期マスタ情報と総発注残量情報とを取得して類似サプライヤの評価値を特定する。

評価値特定部１１３は、実施の形態１、２と同様に、サプライヤ管理情報を参照してサプライヤランク情報と生産能力マスタ情報と繁閑期マスタ情報と総発注残量情報とを取得する。また、評価値特定部１１３は、実施の形態１、２と同様に、取得したこれらの情報と要求数量算出部１１１が算出した要求数量とに基づいて、サプライヤの評価値を特定する。このとき、評価値特定部１１３は、要求数量算出部１１１が過去に納品されたことがない部品の類似部品の要求数量を算出した場合、各サプライヤの類似部品についての生産能力マスタ情報と繁閑期マスタ情報とを取得する。よって、この場合、評価値特定部１１３は、サプライヤの類似部品についての評価値を特定する。

また、本実施の形態では、評価値特定部１１３は、過去に取引実績がないサプライヤの評価値も算出する。評価値特定部１１３は、後述する類似サプライヤ特定部３１２が特定した類似サプライヤを当該サプライヤとみなし、類似サプライヤについてのサプライヤランク情報と生産能力マスタ情報と繁閑期マスタ情報と総発注残量情報とを取得して類似サプライヤの評価値を特定する。

類似サプライヤ特定部３１２は、特定した必要部品の素材、寸法、重量等の情報と、サプライヤの資源情報とに基づき類似サプライヤを特定する。

納期予測部１１４は、実施の形態１、２と同様に、基本リードタイム特定部１１２によって特定された基本リードタイムと評価値特定部１１３によって特定された評価値とを用いて、要求数量算出部１１１によって算出された要求数量の必要部品を発注したときの各サプライヤの予測納期を算出する。このとき、納期予測部１１４は、要求数量算出部１１１が過去に納品されたことがない部品の類似部品の要求数量を算出した場合、類似部品を発注したときの各サプライヤの予測納期を算出する。また、このとき、納期予測部１１４は、要求数量の必要部品または類似部品を発注したときの類似サプライヤの予測納期も算出する。

比較情報生成部１１５は、実施の形態１、２と同様に、納期予測部１１４によって算出された予測納期と生産計画から定まる要求納期とを比較して示す比較情報を各サプライヤについて生成する。このとき、比較情報生成部１１５は、納期予測部１１４が類似部品の予測納期を算出した場合、類似部品の予測納期と過去に納品されたことがない部品の要求納期とを比較した比較情報を生成する。また、このとき、比較情報生成部１１５は、類似サプライヤについての比較情報も生成する。

なお、要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５、生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９、類似部品特定部３１１、類似サプライヤ特定部３１２は、単一のコンピュータで各機能を実現してもよいし、各々別個のコンピュータによって各機能を実現してもよい。例えば、要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５、類似部品特定部３１１、類似サプライヤ特定部３１２の各機能を納期予測装置１００のコンピュータによって実現するとともに、生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９の各機能を生産計画決定装置３００のコンピュータで実現してもよい。

記憶部３２０は、実施の形態２に係る記憶部２２０と同様にオーダ情報ＤＢ１２１、部品構成情報ＤＢ１２２、部品管理情報ＤＢ１２３、サプライヤ管理情報ＤＢ１２４、資源情報ＤＢ２２１、製造工程情報ＤＢ２２２、取引実績情報ＤＢ２２３、検査実績情報ＤＢ２２４を有する。

本実施の形態では、部品管理情報ＤＢ１２３は、購買品マスタ情報を、例えば、図２２に示すテーブルの形式で記憶する。購買品マスタ情報は、実施の形態２と同様の「部品ＩＤ」、その部品がサプライヤからの購買品であるか否かを示す情報、各サプライヤにその部品を発注したときの基本リードタイム等の各項目のデータを含む。また、本実施の形態では、購買品マスタ情報は、これらの情報に加えて、その部品の素材を示す「素材」、その部品の寸法を示す「寸法」、その部品の重量を示す「重量」等の各項目のデータも含む。すなわち、部品管理情報ＤＢ１２３は、購買品マスタ情報として購買品であるか否かを示す情報、各サプライヤの基本リードタイム情報、素材、寸法、重量を部品毎に記憶している。

また、本実施の形態では、資源情報ＤＢ２２１は、資源情報を、例えば、図２３に示すテーブルの形式で記憶する。資源情報は、実施の形態２と同様の「投入可能人員数」、「稼働可能設備台数」、「稼働可能曜日・時間」等の各項目に対応するデータがバイヤ及びサプライヤ毎に含まれている。すなわち、資源情報ＤＢ２２１は、実施の形態２と同様のバイヤの資源情報だけでなく、各サプライヤの資源情報も記憶している。

入力部３３０は、実施の形態１に係る入力部１３０、実施の形態２に係る入力部２３０と同様に利用者の操作を受け付ける。

出力部３４０は、実施の形態１に係る出力部１４０、実施の形態２に係る出力部２４０と同様に制御部３１０の制御に従って、例えば、生産計画が決定した旨の情報、決定した生産計画の情報を出力する。

通信部３５０は、実施の形態１に係る通信部１５０、実施の形態２に係る通信部２５０と同様に外部装置と有線または無線通信を行う。

図２１に示す生産計画決定装置３００が必要部品の納期を予測する上述した処理について以下に纏めて説明する。まず、要求数量算出部１１１は、実施の形態１、２と同様にオーダ情報から製品の必要部品、必要数量を特定する。次に、要求数量算出部１１１は、実施の形態１、２と同様に部品管理情報から必要部品の発注残量及び在庫数量を特定し、必要数量から発注残量及び在庫数量を減算して要求数量を算出する。なお、要求数量算出部１１１は、必要部品が過去に納品されたことがない部品であれば、類似部品特定部３１１が特定した必要部品の類似部品を当該必要部品とみなして発注残量及び在庫数量を特定し、要求数量を算出する。

ここで、類似部品特定部３１１は、必要部品が過去に納品されたことがない部品であれば、購買品マスタ情報から必要部品の素材、寸法、重量等の情報を特定し、特定した必要部品のこれらの情報からＡＩを活用して類似部品を特定する。具体的には、類似部品特定部３１１は、購買品マスタ情報のうち過去に納品されたことがある部品の素材、寸法、重量等の情報を学習情報として機械学習して生成された類似部品特定モデルを取得する。そして、類似部品特定部３１１は、取得した類似部品特定モデルに特定した必要部品の素材、寸法、重量等の情報を適用して必要部品に最も類似する部品を算出し、算出された部品を類似部品として特定する。なお、類似部品特定部３１１は、生産計画決定装置３００とネットワークによって接続されているＧＰＵマシンが生成した類似部品特定モデルを取得してもよく、生産計画決定装置３００が購買品マスタ情報から必要な情報を取得して機械学習によって生成した類似部品特定モデルを取得してもよい。

要求数量を算出した後、基本リードタイム特定部１１２は、実施の形態１、２と同様に購買品マスタ情報からサプライヤ毎の各必要部品についての基本リードタイムを特定する。また、評価値特定部１１３は、サプライヤ管理情報からサプライヤ毎のサプライヤランク情報、各必要部品についての生産能力マスタ情報、繁閑期マスタ情報、総発注残量情報を特定する。なお、基本リードタイム特定部１１２は、必要部品が過去に納品されたことがない部品であれば、購買品マスタ情報からサプライヤ毎の類似部品についての基本リードタイムを特定する。また、基本リードタイム特定部１１２は、類似サプライヤ特定部３１２が特定した過去に取引実績がないサプライヤの類似サプライヤを当該サプライヤとみなして必要部品または類似部品についての基本リードタイムも特定する。また、評価値特定部１１３は、必要部品が過去に納品されたことがない部品であれば、類似部品についての生産能力マスタ情報、繁閑期マスタ情報を特定する。また、評価値特定部１１３は、類似サプライヤのサプライヤランク情報と生産能力マスタ情報と繁閑期マスタ情報と総発注残量情報とについても取得する。

ここで、類似サプライヤ特定部３１２は、購買品マスタ情報から必要部品の素材、寸法、重量等の情報を特定するとともに、資源情報から各サプライヤの投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等を特定する。そして、類似サプライヤ特定部３１２は、特定したこれらの情報からＡＩを活用して類似サプライヤを特定する。具体的には、類似サプライヤ特定部３１２は、過去に取引実績があるサプライヤの投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等と購買品マスタ情報のうち当該サプライヤから過去に納品されたことがある部品の素材、寸法、重量等の情報とを学習情報として機械学習して生成された類似サプライヤ特定モデルを取得する。そして、類似サプライヤ特定部３１２は、取得した類似サプライヤ特定モデルを過去に取引実績がないサプライヤの投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等と必要部品の素材、寸法、重量等の情報とを適用して最も類似するサプライヤを算出し、算出されたサプライヤを類似サプライヤとして特定する。なお、類似サプライヤ特定部３１２は、上述したＧＰＵマシンが生成した類似サプライヤ特定モデルを取得してもよく、生産計画決定装置３００が資源情報および購買品マスタ情報から必要な情報を取得して機械学習によって生成した類似サプライヤ特定モデルを取得してもよい。

サプライヤ毎のサプライヤランク情報、生産能力マスタ情報、繁閑期マスタ情報、総発注残量情報を特定した後、評価値特定部１１３は、サプライヤ毎のこれらの情報に基づき、要求数量の必要部品を発注したときのサプライヤ毎の評価値を特定する。なお、評価値特定部１１３は、必要部品が過去に納品されたことがない部品であれば、要求数量の類似部品を発注したときのサプライヤ毎の評価値を特定し、類似サプライヤの評価値も特定する。次に、納期予測部１１４は、基本リードタイム特定部１１２が特定した基本リードタイムと評価値特定部１１３が特定した評価値とを用いて要求数量の必要部品を発注したときの予測納期を算出する。なお、納期予測部１１４は、必要部品が過去に納品されたことがない部品であれば、要求数量の類似部品を発注したときのサプライヤ毎の予測納期を算出し、類似サプライヤの要求数量の必要部品または類似部品を発注したときの予測納期も算出する。そして、比較情報生成部１１５は、要求納期と予測納期の比較情報をサプライヤ毎に生成する。なお、比較情報生成部１１５は、必要部品が過去に納品されたことがない部品であれば、要求数量の類似部品を発注したときのサプライヤ毎の予測納期と要求納期の比較情報を生成し、類似サプライヤの要求数量の必要部品または類似部品を発注したときの予測納期と要求納期の比較情報も生成する。

図２１に示す生産計画決定装置３００は実施の形態２に係る生産計画決定装置２００と同様に、図２に示すハードウェアによって構成されている。この場合、プロセッサ５１は、制御プログラム５９に従って、生産計画決定装置３００の制御部３１０が備える要求数量算出部１１１、基本リードタイム特定部１１２、評価値特定部１１３、納期予測部１１４、比較情報生成部１１５として機能する。また、プロセッサ５１は、制御プログラム５９に従って、制御部３１０が備える生産計画立案部２１１、要求納期決定部２１２、サプライヤ選択部２１３、要求納期提示部２１４、回答納期取得部２１５、生産計画調整部２１６、生産計画決定部２１７、部品発注部２１８、サプライヤ管理情報更新部２１９として機能する。また、プロセッサ５１は、制御プログラム５９に従って、制御部３１０が備える類似部品特定部３１１、過去に取引実績がないサプライヤの類似サプライヤを特定する類似サプライヤ特定部３１２として機能する。

なお、類似部品特定部３１１が類似部品を特定する処理については、類似部品特定部３１１が取得した類似部品特定モデルに過去に納品されたことがない部品の素材、寸法、重量等の情報を適用して当該部品に最も類似する部品を特定するだけであり、冗長な説明を低減するため、フローチャートによる図示および説明を省略する。また、類似サプライヤ特定部３１２が類似サプライヤを特定する処理についても類似部品を特定する処理と同様に、類似サプライヤ特定部３１２が取得した類似サプライヤ特定モデルに過去に取引実績がないサプライヤの資源情報と必要部品の素材、寸法、重量等の情報とを適用して最も類似するサプライヤを特定するだけであり、冗長な説明を低減するため、フローチャートによる図示および説明を省略する。

以上説明したように、本実施の形態に係る生産計画決定装置３００によれば、類似部品特定部３１１は、過去に納品されたことがある部品の素材、寸法、重量等の情報に基づいて、過去に納品されたことがない部品の類似部品を特定する。このようにすることで、過去に納品されたことがある部品の類似部品を当該部品とみなして要求数量の当該部品を発注したときの予測納期を算出できる。

また、本実施の形態に係る生産計画決定装置３００によれば、類似サプライヤ特定部３１２は、必要部品の素材、寸法、重量等の情報とサプライヤの資源情報とに基づき類似サプライヤを特定する。このようにすることで、過去に取引実績のないサプライヤの類似サプライヤを当該サプライヤとみなして当該サプライヤに要求数量の必要部品を発注したときの予測納期を算出できる。

なお、本実施の形態では、類似部品特定部３１１は、ＡＩを活用して類似部品を特定したが、ＡＩを活用せずに類似部品を特定してもよい。例えば、類似部品特定部３１１は、購買品マスタ情報に含まれる全ての部品の素材、寸法、重量等の情報と過去に納品されたことのない部品の素材、寸法、重量等の情報とを比較して各部品との類似度をそれぞれ算出し、算出した類似度が最も高い部品を類似部品として特定してもよい。例えば、過去に納品されたことのない部品の素材が「素材Ａ」であり、寸法及び重量が数値で示された情報であれば、類似部品特定部３１１は、全ての部品から素材が「素材Ａ」の部品を抽出し、これらの部品から寸法及び重量の数値の差分値をそれぞれ演算し、差分値の合計値が最小値となる部品を類似部品として特定してもよい。

なお、本実施の形態では、類似サプライヤ特定部３１２は、サプライヤの資源情報と必要部品の素材、寸法、重量等の情報とに基づいて類似サプライヤを特定したが、これに限定されない。例えば、類似サプライヤ特定部３１２は、必要部品の素材、寸法、重量等の情報を用いずにサプライヤの資源情報のみに基づいて類似サプライヤを特定してもよい。具体的には、類似サプライヤ特定部３１２は、取得した類似サプライヤ特定モデルを過去に取引実績がないサプライヤの投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等の資源情報を適用して最も類似するサプライヤを算出し、算出されたサプライヤを類似サプライヤとして特定してもよい。この場合、過去に取引実績があるサプライヤの投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等を含む資源情報のみを学習情報として機械学習して生成された類似サプライヤ特定モデルを生成してもよい。

なお、本実施の形態では、類似サプライヤ特定部３１２は、ＡＩを活用して類似サプライヤを特定したが、ＡＩを活用せずに類似サプライヤを特定してもよい。例えば、類似サプライヤ特定部３１２は、資源情報に含まれる全てのサプライヤの資源情報等の情報と各サプライヤが納品した部品の素材、寸法、重量等の情報と、過去に取引実績がないサプライヤの資源情報と発注する必要部品又は類似部品の素材、寸法、重量等の情報とを比較して各サプライヤとの類似度をそれぞれ算出し、算出した類似度が最も高いサプライヤを類似サプライヤとして特定してもよい。例えば、過去に取引実績がないサプライヤの資源情報に含まれる投入可能人員数情報、稼働可能設備台数情報、稼働可能曜日・時間情報等が数値で示された情報であり、発注する必要部品が全てのサプライヤで過去に納品されたことがある部品であれば、全てのサプライヤとの投入可能人員数、稼働可能設備台数、稼働可能曜日・時間の数値の差分値をそれぞれ演算し、差分値の合計値が最小値となるサプライヤを類似サプライヤとして特定してもよい。

なお、本実施形態では、過去に納品されたことがある部品を発注したときの予測納期を算出するときと同様に、過去に納品されたことがない部品を発注したときの予測納期を算出しているが、これに限定されない。例えば、当該部品を発注したときの予測納期を算出するときには、異なる処理を実行してもよい。具体的には、当該部品の類似部品の情報を示したり、類似部品の予測納期を算出した旨の情報を示したりしてもよく、比較情報生成部１１５が生成する比較情報にこれらの情報を含めてもよい。

なお、本実施形態では、過去に取引実績があるサプライヤの予測納期を算出するときと同様に、過去に取引実績がないサプライヤの予測納期も算出しているが、当該サプライヤの予測納期も算出したときには異なる処理を実行してもよい。例えば、当該サプライヤの類似サプライヤの情報を示したり、類似サプライヤの予測納期を算出した旨の情報を示したりしてもよく、比較情報生成部１１５が生成する比較情報にこれらの情報を含めてもよい。

なお、本発明は、上記の実施の形態に限定されず、本発明の要旨を逸脱しない範囲での種々の変形および応用が可能である。

上記実施の形態においては、部品を発注する場合の納期を予想する例を説明した。この発明は、これに限定されない。発注とサプライの対象品目は、樹脂、接着剤等の材料などでもよい。この場合、発注品目の数量は、例えば、重量、容積、長さ等で特定される。また、発注品目は、役務、サービス等でもよい。

サプライヤランクを求める手法、サプライヤの納期遵守の信頼度を示す評価値を求める手法、生産能力を示す指標を求める手法、繁閑期の負荷を求める手法、等は適宜変更可能である。また、全ての指標を使用する必要はなく、一部の指標を除外してもよい。

上記の実施の形態において、基本リードタイムとして、過去数ヶ月間の取引毎のリードタイムの平均値を設定した。本発明は、これに限定されず、例えば、過去数ヶ月間の取引毎のリードタイムのうちの最も頻出したリードタイムを基本リードタイムとして設定してもよい。また、例えば、過去数ヶ月間の取引毎のリードタイムのうちの最大値となるリードタイムを基本リードタイムとして設定されてもよい。

上記の実施の形態において、サプライヤの予測リードタイムは、サプライヤの基本リードタイムと評価値との乗算で算出されていた。しかしながら、本発明は、サプライヤの基本リードタイムと評価値とを用いて予測リードタイムが算出される限りにおいてこれに限定されず、サプライヤの基本リードタイムとサプライヤの評価値との乗算以外の演算、例えば、乗算以外の四則演算（加算・減算・除算）・剰余算・冪演算等、で予測リードタイムが算出されてもよい。

上記の実施の形態において、サプライヤの予測リードタイムは、サプライヤの基本リードタイムと評価値とを用いて算出されていた。しかしながら、本発明は、サプライヤの基本リードタイムと評価値とを用いて予測リードタイムが算出される限りにおいてこれに限定されず、サプライヤ以外の外的要因の評価値、例えば、業界販売の評価値、天災地変の評価値、国際情勢の評価値等も用いて予測リードタイムが算出されてもよく、予測リードタイムがサプライヤの基本リードタイムと評価値とサプライヤ以外の外的要因の評価値とを用いて複数種類の演算のうちのいずれか１種類以上の演算を行った値であってもよい。

なお、外的要因の評価値として業界販売の評価値を用いる場合、過去数年間における月別の業界販売データをＤＢに蓄積し、ＡＩを活用してこの先１年間の月別の需要予測を算出し、算出した月別の需要予測を生産能力マスタの許容総発注数量に反映してもよい。例えば、ＤＢに蓄積した月別の業界販売データを機械学習して生成した学習モデルに直近月の業界販売データを適用してこの先１年間の月別の需要予測を算出してもよい。この場合、算出した月別の需要予測が前年比１．５倍以上の値となればその月は急増傾向と判断する一方、算出した月別の需要予測が前年比１．５倍以下となればその月は急減傾向と判断してもよい。また、この場合、急増傾向と判断された月は他社からのオーダに費やされることでサプライヤの生産負荷が増大する影響を考慮して、生産能力マスタの許容総発注数量に予め定められた係数を乗算して許容総発注数量を調整することで予測納期を調整してもよい。すなわち、急増傾向にある製品を取り扱うサプライヤには、例えば、１／１．５＝２／３の係数を乗算して許容総発注数量を少なくする調整をしてもよい。

上記の実施の形態において、サプライヤの評価値は、サプライヤの絶対評価値と生産能力係数と繁閑係数との乗算で算出されていた。しかしながら、本発明は、サプライヤの評価値が過去に納品された全ての部品の納品実績に基づく値である限りにおいてこれに限定されず、サプライヤの絶対評価値と生産能力係数と繁閑係数との乗算以外の演算でサプライヤの評価値が算出されてもよく、サプライヤの評価値がサプライヤの絶対評価値と生産能力係数と繁閑係数とを用いて複数種類の演算のうちのいずれか１種類以上の演算を行った値であってもよい。

上記の実施の形態において、サプライヤの評価値は、サプライヤの絶対評価値と生産能力係数と繁閑係数（生産負荷係数）とを用いて算出されていた。しかしながら、本発明は、サプライヤの評価値が過去に納品された全ての部品の納品実績に基づく値である限りにおいてこれに限定されず、例えば、絶対評価値、生産能力係数、繁閑係数のうちのいずれか１種類の値または２種類の値からサプライヤの評価値が算出されてもよい。また、絶対評価値、生産能力係数、繁閑係数だけでなく、例えば、絶対評価値、生産能力係数、繁閑係数とは異なるサプライヤに関連する値からサプライヤの評価値が算出されてもよく、これらを含めた４種類以上の値とを用いて複数種類の演算のうちのいずれか１種類以上の演算を行った値であってもよい。

上記の実施の形態において、サプライヤランク情報から特定されるサプライヤの絶対評価値は、要求納期遵守率、回答納期遵守率、検査不良率に基づいて算出されていた。しかしながら、本発明は、これに限定されず、例えば、要求納期遵守率、回答納期遵守率、検査不良率のうちのいずれか１種類の値または２種類の値からサプライヤの絶対評価値が算出されてもよい。また、要求納期遵守率、回答納期遵守率、検査不良率だけでなく、例えば、過去に納品された必要部品の総納品数量からサプライヤの絶対評価値が算出されてもよく、これらを含めた４種類以上の値からサプライヤの絶対評価値が算出されてもよい。

上記の実施の形態において、サプライヤの生産能力係数は、サプライヤの許容総発注数量を越える数量と生産能力指標値とに基づいて算出されていた。しかしながら、本発明は、これに限定されず、サプライヤの許容総発注数量を越える数量または生産能力指標値からサプライヤの生産能力係数が算出されてもよい。また、サプライヤの許容総発注数量を越える数量、生産能力指標値だけでなく、例えば、過去に納品された必要部品の識別数からサプライヤの生産能力係数が算出されてもよく、これらを含めた３種類以上の値からサプライヤの生産能力係数が算出されてもよい。
その他の点においても、この発明は上記実施の形態に限定されるものではない。
例えば、生産能力マスタ情報Ｍ１と繁閑期マスタ情報Ｍ２を求める手法を図７と図８を参照して説明したが、限定されるものではない。他の手法を用いて、同様の技術的意味を有する指標値或いは係数を導出してもよい。
また、生産能力マスタ情報Ｍ１と繁閑期マスタ情報Ｍ２を求める際に、各サプライヤへの全発注部品の総発注数量としたが、これに限定されない。例えば、予め定められた複数の主要部品の総発注数量とする等、適宜変更可能である。
要求数量も一定の余裕度を持たせて発注する数量としてもよい。

上記の実施の形態において、サプライヤの許容総発注数量および生産能力指標値は、要求納期に対する遅れが発生したときの遅れ日数とサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きの角度とに基づいて設定されていた。しかしながら、本発明は、これに限定されず、例えば、要求納期に対する遅れが発生したときのリードタイムとサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きの角度とに基づいてサプライヤの許容総発注数量および生産能力指標値が設定されてもよい。また、例えば、要求納期に対する遅れが発生しなかったときのサプライヤに発注していた全ての部品の総発注数量の最大値から許容総発注数量を設定してもよく、要求納期に対する遅れが発生しなかったときのリードタイムと遅れ不発生時のサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きの角度とに基づいて許容総発注数量および生産能力指標値を設定してもよい。

上記の実施の形態において、繁閑係数は、サプライヤの許容総発注数量を越える数量と繁閑指標値とに基づいて算出されていた。しかしながら、本発明は、これに限定されず、サプライヤの許容総発注数量を越える数量または繁閑指標値からサプライヤの繁閑係数が算出されてもよい。また、サプライヤの許容総発注数量を越える数量、繁閑指標値だけでなく、例えば、サプライヤの営業日数・休日数・営業時間に基づく営業指標値、サプライヤの取引先数等からサプライヤの繁閑係数が算出されてもよく、これらを含めた３種類以上の値からサプライヤの繁閑係数が算出されてもよい。

上記の実施の形態において、サプライヤの許容総発注数量および繁閑指標値は、要求納期に対する遅れが発生したときのリードタイムとサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きの角度とに基づいて設定されていた。しかしながら、本発明は、これに限定されず、例えば、要求納期に対する遅れが発生したときの遅れ日数とサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きの角度とに基づいてサプライヤの許容総発注数量および繁閑指標値が設定されてもよい。また、例えば、要求納期に対する遅れが発生しなかったときのリードタイムと遅れ不発生時のサプライヤに発注していた全ての部品の総発注数量との相関を示す回帰直線の切片の値と傾きの角度とに基づいて許容総発注数量および繁閑指標値を設定してもよい。

上記の実施の形態において、制御部１１０のプロセッサが実行する動作プログラムは、ＲＯＭに記憶されていた。本発明は、これに限定されず、上記の各種処理を実行させるための動作プログラムを、既存の汎用コンピュータ、フレームワーク、ワークステーション等に実装することにより、上記の実施の形態に係る納期予測装置１００に相当する装置として機能させてもよい。

このようなプログラムの提供方法は任意であり、例えば、コンピュータが読取可能な記録媒体（フレキシブルディスク、ＣＤ（Compact Disc）−ＲＯＭ、ＤＶＤ（Digital Versatile Disc）−ＲＯＭ）等に格納して配布してもよいし、インターネットをはじめとするネットワーク上のストレージにプログラムを格納しておき、これをダウンロードさせることにより提供してもよい。

また、上記の処理をＯＳ（Operating System）とアプリケーションプログラムとの分担、または、ＯＳとアプリケーションプログラムとの協働によって実行する場合には、アプリケーションプログラムのみを記録媒体、ストレージ等に格納してもよい。また、搬送波にプログラムを重畳し、ネットワークを介して配信することも可能である。例えば、ネットワーク上の掲示板（Bulletin Board System：BBS）に上記プログラムを掲示し、ネットワークを介してプログラムを配信してもよい。そして、このプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、上記の処理を実行するべく設計してもよい。

５０…内部バス、５１…プロセッサ、５２…主記憶部、５３…外部記憶部、５４…操作部、５５…表示部、５６…送受信部、５９…制御プログラム、１００…納期予測装置、１１０、２１０、３１０…制御部、１１１…要求数量算出部、１１２…基本リードタイム特定部、１１３…評価値特定部、１１４…納期予測部、１１５…比較情報生成部、１２０、２２０、３２０…記憶部、１２１…オーダ情報ＤＢ、１２２…部品構成情報ＤＢ、１２３…部品管理情報ＤＢ、１２４…サプライヤ管理情報ＤＢ、１３０、２３０、３３０…入力部、１４０、２４０、３４０…出力部、１５０、２５０、３５０…通信部、２００、３００…生産計画決定装置、２１１…生産計画立案部、２１２…要求納期決定部、２１３…サプライヤ選択部、２１４…要求納期提示部、２１５…回答納期取得部、２１６…生産計画調整部、２１７…生産計画決定部、２１８…部品発注部、２１９…サプライヤ管理情報更新部、２１９ａ…サプライヤランク情報更新部、２１９ｂ…生産能力マスタ情報更新部、２１９ｃ…繁閑期マスタ情報更新部、２２１…資源情報ＤＢ、２２２…製造工程情報ＤＢ、２２３…取引実績情報ＤＢ、２２４…検査実績情報ＤＢ、３１１…類似部品特定部、３１２…類似サプライヤ特定部、ＢＬ１、ＢＬ２、ＢＬ３…バスライン。

Claims (13)

1. サプライヤ毎及び品目別に予め登録されたリードタイムを示す基本リードタイム情報を記憶する記憶部と、
   各サプライヤの納品実績に基づいて、各サプライヤに複数の品目を発注したときの当該サプライヤの納期遵守の信頼度を示す評価値を求める評価値特定部と、
   前記記憶部に記憶された基本リードタイム情報と前記評価値特定部により特定された評価値とに基づいて、サプライヤに発注したときの当該サプライヤの提示する納期を予測する納期予測部と、
   を備える納期予測装置。
2. 前記評価値特定部は、納品実績に基づいて、納期遵守率が高い程高い信頼度を示す評価値を求める、
   請求項１に記載の納期予測装置。
3. 前記評価値特定部は、納品された発注品の受入検査実績に基づいて、検査不良率が低い程高い信頼度を示す評価値を求める、
   請求項１又は２に記載の納期予測装置。
4. 前記評価値特定部は、納品実績に基づいて各サプライヤの生産能力を求め、求めた生産能力が高い程高い信頼度を示す評価値を求める、
   請求項１から３の何れか１項に記載の納期予測装置。
5. 前記評価値特定部は、予め設定された期間別の納品実績に基づいて評価された生産負荷を求め、求めた生産負荷が大きい程高い信頼度を示す評価値を求める、
   請求項１から４の何れか１項に記載の納期予測装置。
6. 前記評価値特定部により特定される評価値は、最小値である１から信頼度が低くなるに連れて大きくなる値であり、
   前記納期予測部は、前記基本リードタイム情報で特定されるリードタイムに前記評価値を乗算して前記納期を算出する、
   請求項１から５の何れか１項に記載の納期予測装置。
7. 前記納期予測部は、納品実績に基づく納品時の基本リードタイム情報で特定されるリードタイムと納品時の評価値と実際のリードタイムとを含む学習情報を機械学習して生成された納期予測モデルに前記記憶部に記憶された前記基本リードタイム情報で特定されるリードタイムと前記評価値とを適用して実際のリードタイムを予測することで前記納期を算出する、
   請求項１から５の何れか１項に記載の納期予測装置。
8. 算出されたサプライヤの予測納期とサプライヤに要求する納期とを比較するための比較情報を生成する比較情報生成部を更に備える、
   請求項１から７の何れか１項に記載の納期予測装置。
9. 納品実績に基づいて、基本リードタイムをサプライヤ別且つ発注品目別に求める手段を備える、
   請求項１から８の何れか１項に記載の納期予測装置。
10. 品目別の素材、寸法、重量を含む情報に基づいて納品されたことのない品目の類似品目を納品された発注品目から特定し、当該類似品目をサプライヤに発注したときの納期を予測することで納品されたことのない品目をサプライヤに発注したときの納期を予測する、
    請求項１から９の何れか１項に記載の納期予測装置。
11. サプライヤ毎の資源情報に基づいて取引実績のないサプライヤの類似サプライヤを取引実績のあるサプライヤから特定し、当該類似サプライヤに発注したときの納期を予測することで取引実績のないサプライヤに発注したときの納期を予測する、
    請求項１から１０の何れか１項に記載の納期予測装置。
12. 各サプライヤの納期遵守の信頼度を示す評価値を求め、
    予め記憶されているリードタイムと前記評価値とに基づいて、サプライヤに発注したときの当該サプライヤの提示する納期を予測する、
    納期予測方法。
13. コンピュータに、
    サプライヤ毎及び品目別にリードタイムを記憶する処理、
    各サプライヤの納期遵守の信頼度を示す評価値を求める処理、
    前記リードタイムと前記評価値とに基づいて、サプライヤに発注したときの当該サプライヤの提示する納期を予測する処理、
    を実行させるプログラム。

Images