JP2020160822A - 判断支援装置、判断支援プログラムおよび判断支援方法 - Google Patents

Abstract

【課題】統計的手法や機械学習等による予測結果を発注や仕入等で採用するか否かについての実務的な視点での且つ商品単位での適切な判断に有用な情報を提供することができる判断支援装置、判断支援プログラムおよび判断支援方法を提供する。【解決手段】判断支援装置において、各ＳＫＵ（Ｓｔｏｃｋ Ｋｅｅｐｉｎｇ Ｕｎｉｔ）の各期の需要予測値（需要予測モデルで得られたもの）・需要実績値を用いて、ＳＫＵ単位の機会損失指標および過剰在庫指標の値を算出し、期ごとの予測と実績の値の推移を示す各ＳＫＵのグラフと当該算出したＳＫＵ単位の機会損失指標および過剰在庫指標の値を表示した画面を生成し、当該生成した画面をモニタに表示させる。【選択図】図５

Description

本発明は、判断支援装置、判断支援プログラムおよび判断支援方法に関する。

在庫を扱う業種において、将来の需要量を把握することは、過剰在庫の抑制および機会損失の軽減につながる。現在では、過去の出荷実績等のデータを基に統計的手法や機械学習等を用いて将来の需要量を予測することが可能であり、その精度を上げるための研究が行われている。特に、統計的手法や機械学習等を用いて予測された需要量の結果を基に発注や仕入を行うにあたっては、損失を抑えるために、高い予測精度が求められる。

なお、特許文献１には、需要予測モデル評価方法について記載されている。

特開平１０−２２８４６３号公報

統計的手法や機械学習等を用いて得られた予測結果の精度を評価するための一般的な指標として絶対値誤差と決定係数が存在するが、指標により精度の評価にばらつきがあり、しかもこれら指標は業務的意味を持たないので、発注や仕入などの業務において、どの指標を選ぶべきか判断がつかず、また仮に指標を選んだとしてもその指標が実務的に妥当なものかは当然ながら不明である。

在庫を扱う企業では、統計的手法や機械学習等による予測結果を発注や仕入等で採用するか否かを、実務的な視点で且つ商品単位で適切に判断することが求められるが、この判断に有用な情報を提供することができる情報処理手段は、これまで存在しなかった。

本発明は、上記に鑑みてなされたものであって、統計的手法や機械学習等による予測結果を発注や仕入等で採用するか否かについての実務的な視点での且つ商品単位での適切な判断に有用な情報を提供することができる判断支援装置、判断支援プログラムおよび判断支援方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る判断支援装置は、制御部を備える判断支援装置であって、前記制御部が、需要予測モデルで得られた商品の需要予測値と前記商品の需要実績値を用いて、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される機会損失指標および過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される過剰在庫指標のうちいずれか一方またはその両方の値を算出する算出手段を備えること、を特徴とする。

なお、本発明に係る判断支援装置において、前記制御部が、前記算出手段で算出した値と、前記算出手段で用いた需要予測値と需要実績値の推移を示すグラフを表示部に表示させる表示制御手段をさらに備えてもよい。

また、本発明に係る判断支援プログラムは、制御部を備える情報処理装置の前記制御部に実行させるための、需要予測モデルで得られた商品の需要予測値と前記商品の需要実績値を用いて、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される機会損失指標および過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される過剰在庫指標のうちいずれか一方またはその両方の値を算出する算出ステップを含むことを特徴とする。

また、本発明に係る判断支援方法は、制御部を備える情報処理装置の前記制御部が実行する、需要予測モデルで得られた商品の需要予測値と前記商品の需要実績値を用いて、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される機会損失指標および過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される過剰在庫指標のうちいずれか一方またはその両方の値を算出する算出ステップを含むことを特徴とする。

本発明は、統計的手法や機械学習等による予測結果を発注や仕入等で採用するか否かについての実務的な視点での且つ商品単位での適切な判断に有用な情報を提供することができるという効果を奏する。

図１は、判断支援装置の構成の一例を示す図である。 図２は、予測データ１０６ａの一例を示す図である。 図３は、機会損失指標の算出例を説明する際に用いられる予測データと実績データの関係の一例を示す図である。 図４は、過剰在庫指標の算出例を説明する際に用いられる予測データと実績データの関係の一例を示す図である。 図５は、指標値とグラフを合せて表示する際の表示態様の一例を示す図である。 図６は、指標値とグラフを合せて表示する際の表示態様の一例を示す図である。 図７は、絶対値誤差の算出例を説明する際に用いられる予測データと実績データの関係の一例を示す図である。

以下に、本発明に係る判断支援装置、判断支援プログラムおよび判断支援方法の実施形態を、図面に基づいて詳細に説明する。なお、本実施形態により本発明が限定されるものではない。

［１．構成］
本実施形態に係る判断支援装置の構成の一例について、図１等を参照して説明する。図１は、判断支援装置の構成の一例を示すブロック図である。

判断支援装置１００は、市販のデスクトップ型パーソナルコンピュータである。なお、判断支援装置１００は、デスクトップ型パーソナルコンピュータのような据置型情報処理装置に限らず、市販されているノート型パーソナルコンピュータ、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、スマートフォン、タブレット型パーソナルコンピュータなどの携帯型情報処理装置であってもよい。

判断支援装置１００は、制御部１０２と通信インターフェース部１０４と記憶部１０６と入出力インターフェース部１０８と、を備えている。判断支援装置１００が備えている各部は、任意の通信路を介して通信可能に接続されている。

通信インターフェース部１０４は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、判断支援装置１００をネットワーク３００に通信可能に接続する。通信インターフェース部１０４は、他の装置と通信回線を介してデータを通信する機能を有する。ここで、ネットワーク３００は、判断支援装置１００とサーバ２００とを相互に通信可能に接続する機能を有し、例えばインターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。なお、記憶部１０６に格納されるデータは、例えばサーバ装置２００に格納されてもよい。

入出力インターフェース部１０８には、入力装置１１２および出力装置１１４が接続されている。出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる。入力装置１１２には、キーボード、マウス、及びマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。なお、以下では、出力装置１１４をモニタ１１４とし、入力装置１１２をキーボード１１２またはマウス１１２として記載する場合がある。

記憶部１０６には、各種のデータベース、テーブルおよびファイルなどが格納される。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）に命令を与えて各種処理を行うためのコンピュータプログラムが記録される。記憶部１０６として、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）・ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のメモリ装置、ハードディスクのような固定ディスク装置、フレキシブルディスク、および光ディスク等を用いることができる。

記憶部１０６には、需要予測モデルで得られた商品（例えばＳＫＵ（Ｓｔｏｃｋ Ｋｅｅｐｉｎｇ Ｕｎｉｔ：在庫管理の最小単位）など）の需要予測値（需要予測数量）が時期別（例えば分別、時間別、時間帯別、日別、週別、月別、期別、年別など）に格納されている予測データ１０６ａ（図２参照）および商品の需要実績値（需要実績数量）が時期別に格納されている実績データ１０６ｂなどが記憶される。なお、実績データ１０６ｂのデータ構造は、例えば予測データ１０６ａと同じものであってもよい。また、需要予測モデルは、概念的に、過去の需要量を基に将来の需要量を予測する数学的手法（例えば統計的手法や機械学習等）などである。

制御部１０２は、判断支援装置１００を統括的に制御するＣＰＵ等である。制御部１０２は、ＯＳ等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、格納されているこれらのプログラムに基づいて種々の情報処理を実行する。

制御部１０２は、機能概念的に、算出部１０２ａおよび表示制御部１０２ｂを備える。

算出部１０２ａは、需要予測モデルで得られた商品の需要予測値と同商品の需要実績値を用いて、機会損失指標および過剰在庫指標のうちいずれか一方またはその両方の値を算出する情報処理手段である。機会損失指標とは、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて（具体的には予測値が実績値より小さかった場合に）重み付けが課されるものである。また、過剰在庫指標とは、過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて（具体的には予測値が実績値より大きかった場合に）重み付けが課されるものである。

表示制御部１０２ｂは、算出部１０２ａで算出した値と算出部１０２ａで用いた需要予測値と需要実績値の推移を示すグラフとを、モニタ１１４（本発明の表示部に相当）に表示させる情報処理手段である。なお、表示制御部１０２ｂは、モニタ１１４への表示に限らず、例えばプリンタを介した印刷などを行ってもよい。

［２．処理の具体例］
ここでは、判断支援装置１００で実行される処理の具体例について、各図を参照して説明する。なお、本説明では、以下の１．および２．を前提とする。
１．企業が、発注業務をＳＫＵ単位で実施する。
２．ＳＫＵ単位で需要量を予測する需要予測モデルで過去に予測された日別の過去の需要予測値（個数）が予測データ１０６ａに格納されており（図２参照）、ＳＫＵ単位で日別の過去の需要実績値（個数）が実績データ１０６ｂに格納されている。

まず、算出部１０２ａは、指定された抽出条件（例えば選択された複数のＳＫＵおよび指定された対象期間など）を基に、予測データ１０６ａに格納されているＳＫＵ別・日別の需要予測値および実績データ１０６ｂに格納されているＳＫＵ別・日別の需要実績値のうち当該抽出条件を満たすものを抽出し、当該抽出したＳＫＵ別・日別の需要予測値およびＳＫＵ別・日別の需要実績値をそれぞれＳＫＵ別・期別に集計する（ステップＳＡ１）。なお、抽出条件を指定しなければ、予測データ１０６ａおよび実績データ１０６ｂに格納されている全データが抽出される。

つぎに、算出部１０２ａは、ステップＳＡ１で集計されたＳＫＵ別・期別の需要予測値と需要実績値を用いて、以下の数式１で定義されるＳＫＵ単位の機会損失指標および以下の数式２で定義されるＳＫＵ単位の過剰在庫指標の両方の値を、ＳＫＵごと算出する（ステップＳＡ２）。

機会損失指標_※１＝｜需要予測値−需要実績値｜_※２×重み係数_※３の全期の総和
・・・（数式１）
※１：指標の値は小さければ小さいほど良い（つまり需要予測値の妥当性が高い）とみなされる。
※２：｜｜は絶対値記号である。また、代入される需要予測値と需要実績値は同期のものである。
※３：重み係数について、予測値の方が実績値より大きいの場合は、機会損失という観点からみて許容すると見做し、ペナルティーが課されないことを意味する１という定数が設定され、予測値の方が実績値より小さい場合は、機会損失という観点からみて許容しないと見做し、ペナルティーが課されることを意味する、１より大きな定数（例えば２など）が設定される（図３参照）。

過剰在庫指標_※１＝｜需要予測値−需要実績値｜_※２×重み係数_※４の全期の総和
・・・（数式２）
※４：重み係数について、予測値の方が実績値より大きい場合は、過剰在庫という観点からみて許容しないと見做し、ペナルティーが課されることを意味する、１より大きな定数（例えば２など）が設定され、予測値の方が実績値より小さい場合は、過剰在庫という観点からみて許容すると見做し、ペナルティーが課されないことを意味する１という定数が設定される（図４参照）。

つぎに、表示制御部１０２ｂは、ステップＳＡ２で算出の際に用いたＳＫＵ別・期別の需要予測値と需要実績値を基に、期ごとの予測と実績の値の推移を示すＳＫＵ別のグラフ（例えば折れ線グラフなど）を生成し、当該生成した各ＳＫＵのグラフとステップＳＡ２で算出したＳＫＵ単位の機会損失指標の値と過剰在庫指標の値を基に、図５に示すような画面ＭＡ（ＳＫＵ別に、機会損失指標の値と、過剰在庫指標の値と、指定可能な表示態様のグラフ（例えば、グラフの大まかな形が目視で確認できる程度に縮小化されたものまたはアイコン化されたものなど）がリスト形式で並べられている画面）を生成し、当該生成した画面ＭＡをモニタ１１４に表示させる（ステップＳ３）。なお、表示制御部１０２ｂは、モニタ１１４に表示されている画面ＭＡ内の各グラフが例えばカーソル合わせやクリック操作などで指定された場合、拡大されたグラフが表示されている画面（例えば画面ＭＢや画面ＭＣなど）を生成してモニタ１１４に表示させてもよい（図５参照）。

このように、指標とグラフを合せて表示させることで、指標化困難な人間の判断を補填することができる。例えば、表示制御部１０２ｂの処理により表示された図５の表示内容を見たオペレータは、指標の値を自身の感覚と照らし合わせ、その値に納得感を持ったり、また、その納得感を踏まえて、商品分類（電子レンジやスマートフォンなど）の特徴を考慮して、商品分類ごとにどの指標に着目したら良さそうかを決めたりすることができる。具体的には、オペレータは、グラフと指標を照らし合わせて見て、例えば「確かに、予測が実績より小さい傾向にある商品は機会損失指標が高く、予測が実績より大きい傾向にある商品は過剰在庫指標が高い。これは、業務上の自身の感覚に合っている。」と思考することができ、また、さらに続けて、例えば「よし、それなら、在庫確保にスペースが多く取られる電子レンジについては過剰在庫指標に着目し、在庫確保のためのスペースが小さく、多くの売上高が見込めるスマートフォンについては機会損失指標に着目して、需要予測値が有効そうなＳＫＵを決定することにしよう。」と思考することもできる。

また、指標とグラフを合せて表示させることで、選択した商品群や指標から、発注や仕入の際に需要予測値を利用する商品をオペレータに判断させることができる。例えば、表示制御部１０２ｂの処理により表示された図６の表示内容を見たオペレータは、選択した商品群や指標に関して、許容できる指標の値の閾値を決めることができたり、また、その閾値を踏まえて、発注や仕入の際に需要予測値を利用する商品を決めたりすることができる。具体的には、オペレータは、電子レンジの商品群に関して、グラフと指標を照らし合わせて見て、例えば「過剰在庫指標がおよそ２００以上の商品に関しては、需要予測値を利用すると過剰在庫になりそうだ。また、機会損失指標が１５０以上の商品に関しては需要予測値を利用すると機会損失になりそうだ。よって、２００を過剰在庫指標の許容閾値に設定し且つ１５０を機会損失指標の許容閾値に設定した上で、各閾値以下の商品に関しては、需要予測値を利用するということで良いであろう_※５。」と思考することができ、また、さらに続けて、例えば「ただ、電子レンジに関しては、在庫確保にスペースが多く取られるから過剰在庫指標を利用することにする。よって過剰在庫指標が２００以下になっている電子レンジ（大型・白）と電子レンジ（中型・白）に関して、需要予測値を利用して発注や仕入を行うことに決めよう。」と思考することもできる。
※５：図６中の「○」「×」のマークは、閾値以下であるかそうでないかを一目で認識できるように参考として記載したものであるが、表示制御部１０２ｂは、発注や仕入などの業務の際に需要予測値を採用するかのオペレータによる判断結果を識別するためのこのようなマーク（例えば「採用する」を意味する○や「採用しない」を意味する×など）を、オペレータに指定させることで、現実の画面上に表示させてもよい。

［３．本実施形態のまとめ］
以上、本実施形態によれば、統計的手法や機械学習等による予測結果を発注や仕入等で採用するか否かについての実務的な視点での且つ商品単位での適切な判断に有用な情報を提供することができる。なお、本実施形態では、機会損失指標および過剰在庫評価指標について、需要予測値と需要実績値の差を用いたものを一例として示したが（前記数式１および前記数式２参照）、需要予測値と需要実績値の比を用いたものであってもよい。また、表示制御部１０２ｂは、図６に示すように、画面ＭＤ内の例えば「グラフ」の文字が記された領域が例えばカーソル合わせやクリック操作などで指定された場合に、拡大されたグラフが表示されている全ＳＫＵの画面ＭＥ〜ＭＨを生成してモニタ１１４に並べて表示させてもよい。

ここで、以下に、これまでの課題と本実施形態による効果について説明する。

これまで、統計的手法や機械学習等を用いて得られた予測結果の精度を評価するための一般的な指標として、全体の予測値と実績値の差で評価する絶対値誤差（図７参照）や、変動の大きい商品に有効な決定係数が存在するが、指標により精度の評価にばらつきがあり、しかもこれら指標は業務的意味を持たないので、発注や仕入などの業務において、どの指標を選ぶべきか判断がつかず、また仮に指標を選んだとしてもその指標が実務的に妥当なものかは当然ながら不明である。

また、一般に、ＡＩ（人工知能）で需要予測をする場合、取り扱うＳＫＵの種類が多いと、ＳＫＵによって予測の精度にばらつきが生まれる。一方で、担当者は、予測に基づき発注や仕入の業務を行うときは、統計学等の知識を持っていないとはいえ、予測値の精度が安定して且つ高水準なＳＫＵのみを選びたい。そのため、このようなＳＫＵを選ぶための精度評価指標は、需要予測が十分に活用されないリスクを避けるためにも、統計学等の知識がなくても容易に理解することができるものが望ましい。

また、商品数が多いと商品ごとに予測値と実績値を数字で見るのは、大変な作業である。そのため、どの商品に対する予測値が当たっているのかは不明である。また、「予測が当たっている」ということの定義が、顧客の課題またはニーズにより異なる。特に、「当っている」というのは感覚的に決まるものであり、定義が明確でない。顧客としては、単価や倉庫の広さ、会社の戦略を加味して、過剰在庫や機会損失を防ぎたい。

これらの課題に対し、本実施形態によれば、需要予測の精度を評価するにあたり実務的に意味を持った「機会損失指標」「過剰在庫指標」という新たな精度評価指標を提示し、且つその指標を商品別に可視化することで、担当者が、精度評価指標を決定したり、需要予測値が仕入れや発注の際の参考にされるＳＫＵを選択したりすることをサポートすることができる。このような「実務的意味の分かる指標の提示」と「分りやすい可視化」により、担当者は精度評価指標の信頼性を確認することができる。これにより、担当者は、機械学習の専門知識がなくとも納得感をもって精度評価指標を決定し、予測値を参考にする商品を選択することができる。また、実務的に意味を持った「機会損失指標」「過剰在庫指標」という新たな精度評価指標を提示し、且つその指標を商品別に可視化することで、過剰在庫や機会損失の防止に貢献することができる。

［４．他の実施形態］
本発明は、上述した実施形態以外にも、特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。

例えば、実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。

また、本明細書中や図面中で示した処理手順、制御手順、具体的名称、各処理の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。

また、判断支援装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。

例えば、判断支援装置１００が備える処理機能、特に制御部にて行われる各処理機能については、その全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈実行されるプログラムにて実現してもよく、また、ワイヤードロジックによるハードウェアとして実現してもよい。尚、プログラムは、本実施形態で説明した処理を情報処理装置に実行させるためのプログラム化された命令を含む一時的でないコンピュータ読み取り可能な記録媒体に記録されており、必要に応じて判断支援装置１００に機械的に読み取られる。すなわち、ＲＯＭまたはＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶部などには、ＯＳと協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。

また、このコンピュータプログラムは、判断支援装置１００に対して任意のネットワークを介して接続されたアプリケーションプログラムサーバに記憶されていてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。

また、本実施形態で説明した処理を実行するためのプログラムを、一時的でないコンピュータ読み取り可能な記録媒体に格納してもよく、また、プログラム製品として構成することもできる。ここで、この「記録媒体」とは、メモリーカード、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）カード、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（登録商標）（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ ａｎｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、および、Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ等の任意の「可搬用の物理媒体」を含むものとする。

また、「プログラム」とは、任意の言語または記述方法にて記述されたデータ処理方法であり、ソースコードまたはバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳに代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施形態に示した各装置において記録媒体を読み取るための具体的な構成および読み取り手順ならびに読み取り後のインストール手順等については、周知の構成や手順を用いることができる。

記憶部に格納される各種のデータベース等は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、および、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラム、テーブル、データベース、および、ウェブページ用ファイル等を格納する。

また、判断支援装置１００は、既知のパーソナルコンピュータまたはワークステーション等の情報処理装置として構成してもよく、また、任意の周辺装置が接続された当該情報処理装置として構成してもよい。また、判断支援装置１００は、当該装置に本実施形態で説明した処理を実現させるソフトウェア（プログラムまたはデータ等を含む）を実装することにより実現してもよい。

更に、装置の分散・統合の具体的形態は図示するものに限られず、その全部または一部を、各種の付加等に応じてまたは機能負荷に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。すなわち、上述した実施形態を任意に組み合わせて実施してもよく、実施形態を選択的に実施してもよい。

本発明は、特に、在庫を扱う様々な業界・業種において有用である。

１００ 判断支援装置
１０２ 制御部
１０２ａ 算出部
１０２ｂ 表示制御部
１０４ 通信インターフェース部
１０６ 記憶部
１０６ａ 予測データ
１０６ｂ 実績データ
１０８ 入出力インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ サーバ
３００ ネットワーク

Claims (4)

1. 制御部を備える判断支援装置であって、
   前記制御部が、
   需要予測モデルで得られた商品の需要予測値と前記商品の需要実績値を用いて、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される機会損失指標および過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される過剰在庫指標のうちいずれか一方またはその両方の値を算出する算出手段
   を備えること、
   を特徴とする判断支援装置。
2. 前記制御部が、
   前記算出手段で算出した値と、前記算出手段で用いた需要予測値と需要実績値の推移を示すグラフを表示部に表示させる表示制御手段
   をさらに備えること、
   を特徴とする請求項１に記載の判断支援装置。
3. 制御部を備える情報処理装置の前記制御部に実行させるための、
   需要予測モデルで得られた商品の需要予測値と前記商品の需要実績値を用いて、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される機会損失指標および過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される過剰在庫指標のうちいずれか一方またはその両方の値を算出する算出ステップ
   を含むことを特徴とする判断支援プログラム。
4. 制御部を備える情報処理装置の前記制御部が実行する、
   需要予測モデルで得られた商品の需要予測値と前記商品の需要実績値を用いて、機会損失の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される機会損失指標および過剰在庫の抑制の程度を評価するための指標であって需要予測値と需要実績値の大小関係に応じて重み付けが課される過剰在庫指標のうちいずれか一方またはその両方の値を算出する算出ステップ
   を含むことを特徴とする判断支援方法。

Images