JP2021009631A - 情報処理システムおよび情報処理方法 - Google Patents
情報処理システムおよび情報処理方法 Download PDFInfo
- Publication number
- JP2021009631A JP2021009631A JP2019124094A JP2019124094A JP2021009631A JP 2021009631 A JP2021009631 A JP 2021009631A JP 2019124094 A JP2019124094 A JP 2019124094A JP 2019124094 A JP2019124094 A JP 2019124094A JP 2021009631 A JP2021009631 A JP 2021009631A
- Authority
- JP
- Japan
- Prior art keywords
- rejection
- combination
- acceptance
- calculation time
- prediction
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 42
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 208
- 238000000034 method Methods 0.000 claims abstract description 193
- 230000008569 process Effects 0.000 claims description 58
- 238000003860 storage Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 50
- 238000012545 processing Methods 0.000 description 47
- 230000008878 coupling Effects 0.000 description 12
- 238000010168 coupling process Methods 0.000 description 12
- 238000005859 coupling reaction Methods 0.000 description 12
- 230000010354 integration Effects 0.000 description 10
- 238000007781 pre-processing Methods 0.000 description 7
- 238000000611 regression analysis Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013277 forecasting method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図1は、実施例1にかかる情報処理システムのシステム構成例を示すブロック図である。情報処理システム100は、予測装置101と、学習装置102と、により構成される。情報処理システム100は、予測装置101および学習装置102のうち少なくとも学習装置102を含めばよい。予測装置101および学習装置102は、同一または異なるコンピュータで実現される。
図2は、出荷実績131の一例を示す説明図である。出荷実績131は、商品ごとに商品を出荷した実績を示す時系列データである。出荷実績131は、具体的には、たとえば、商品ごとに、商品コード201、出荷日202、および実出荷数203を含む。商品コード201は、JAN(Japanese Article Number)コードなど、その商品を一意に特定するコードである。出荷日202は、その商品が出荷された年月日である。年月日については、8ケタの数字列で表記する。たとえば、「20181001」は、2018年10月1日である(以下同様)。実出荷数203は、その商品が実際に出荷された実績数である。
図3は、第1設定情報132aの一例を示す説明図である。設定情報132は、第1設定情報132aを記憶する。第1設定情報お132aは、あらかじめ用意された情報である。第1設定情報132aは、複数の時系列予測手法112の採否と、採用された手法で予測処理が実行されたことと、を示す情報である。第1設定情報132aは、処理日301毎に各商品について予測装置101による予測時に時系列予測手法112の採否を記録したデータである。
図4は、予測結果133の一例を示す説明図である。予測結果133は、予測装置101が出力した出荷予測の結果を示すデータである。予測結果133は、具体的には、たとえば、予測装置101での予測毎に、処理日301、商品コード201、予測日401、および予測値402を含む。予測日401は、その商品の出荷を予測する日である。予測値402は、その商品が予測日401に出荷される予測個数である。
図5は、予測誤差134の一例を示す説明図である。予測誤差134は、予測装置101による予測の誤差を示すデータである。予測誤差134は、処理日301と、商品コード201と、誤差501と、を含む。誤差501は、その商品の出荷日202における実出荷数203と、その商品の出荷日202と同一の予測日401における予測値402との差を示す割合である。誤差501は、たとえば、下記式(1)で求められる。
図6は、計算時間135の一例を示す説明図である。計算時間135は、予測装置101が商品ごとに、その商品について処理日301に予測処理を実行した場合に、当該予測処理の計算に要した時間である。具体的には、たとえば、計算時間135は、処理日301と、商品コード201と、計算時間601と、を含む。計算時間601は、その商品について処理日301に予測処理を実行した場合に、当該予測処理の計算に要した時間である。計算時間601は、採用された時系列予測手法112で計測された計算時間の合計値である。
図14は、コンピュータ(予測装置101および学習装置102)1400のハードウェア構成例を示すブロック図である。コンピュータ1400は、プロセッサ1401と、記憶デバイス1402と、入力デバイス1403と、出力デバイス1404と、通信インターフェース(通信IF)1405と、を有する。プロセッサ1401、記憶デバイス1402、入力デバイス1403、出力デバイス1404、および通信IF1405は、バス1406により接続される。プロセッサ1401は、コンピュータ1400を制御する。記憶デバイス1402は、プロセッサ1401の作業エリアとなる。また、記憶デバイス1402は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス1402としては、たとえば、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)、フラッシュメモリがある。入力デバイス1403は、データを入力する。入力デバイス1403としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナがある。出力デバイス1404は、データを出力する。出力デバイス1404としては、たとえば、ディスプレイ、プリンタがある。通信IF1405は、ネットワークと接続し、データを送受信する。
図15は、学習装置102による設定処理手順例を示すフローチャートである。学習装置102は、予測誤差134、計算時間135、および設定情報132を取得する(ステップS1501)。設定情報132は、第2設定情報132bが生成されていない場合は第1設定情報132aであり、第2設定情報132bが生成されている場合は第2設定情報132bである。つぎに、学習装置102は、第1結合部122aにより予測誤差134と設定情報132とを結合し、第2結合部122bにより計算時間135と設定情報132とを結合する(ステップS1502)。
図16は、実施例1にかかる、図15に示した組み合わせ生成処理(ステップS1503)の詳細な処理手順例を示すフローチャートである。学習装置102は、組み合わせ生成部123により、予測誤差履歴136および計算時間履歴137を取得する(ステップS1601)。
図17は、図15に示した推定処理(ステップS1504)の詳細な処理手順例を示すフローチャートである。学習装置102は、予測誤差推定部124aにより組み合わせ済予測誤差履歴138を取得し、計算時間推定部124bにより組み合わせ済計算時間履歴139を取得する(ステップS1701)。
図18は、図15に示した探索処理(ステップS1505)の詳細な処理手順例を示すフローチャートである。学習装置102は、探索部125により、入力部121からの指定計算時間、計算時間推定部124bからの計算時間推定結果141、および予測誤差推定部からの予測誤差推定結果140を取得する(ステップS1801)。
図19は、予測装置101による予測処理手順例を示すフローチャートである。予測装置101は、前処理部111により、出荷実績131を取得し(ステップS1901)、上述した前処理を実行する(ステップS1902)。つぎに、予測装置101は、設定情報132に基づいて、各時系列予測手法112で商品ごとの出荷数の予測値402を算出する(ステップS1903)。
図20は、出力画面の一例を示す説明図である。図20では、例として、商品コード201が「Product001」である商品を出力対象商品とした場合の出力画面2000を示す。出力画面2000は、予測装置101または学習装置102の出力デバイス1404の一例であるディスプレイに表示される。出力画面2000は、予測結果グラフ2001と、計算時間内訳変更ボタン2002と、手法112の採否結果2003と、コメント欄2004と、推定結果グラフ2005と、履歴表示ボタン2006と、を表示する。
図26は、実施例2にかかる、図15に示した組み合わせ生成処理(ステップS1503)の詳細な処理手順例を示すフローチャートである。学習装置102は、組み合わせ生成部123により、予測誤差履歴136、計算時間履歴137および寄与度2400を取得する(ステップS2601)。
図33は、実施例3にかかる、図15に示した組み合わせ生成処理(ステップS1503)の詳細な処理手順例を示すフローチャートである。学習装置102は、ステップS1604で履歴にない採否の組み合わせを生成して追加したあと、商品情報2700から商品コード201ごとにあらかじめ設定されたイベント日2800を取得する(ステップS3305)。
図34は、実施例3にかかる、図15に示した推定処理(ステップS1504)の詳細な処理手順例を示すフローチャートである。学習装置102は、ステップS1703のあと、計算時間推定部124bにより、ステップS1703で抽出した商品コード201および手法112の採否の組み合わせについて、計算時間を目的変数、手法112の採否の組み合わせおよび学習期間を説明変数とした計算時間推定モデルを、重回帰分析や決定木を用いて生成する(ステップS3404)。
101 予測装置
102 学習装置
111 前処理部
112 時系列予測部/時系列予測手法
114 統合部
121 入力部
122 結合部
123 組み合わせ生成部
124a 予測誤差推定部
124b 計算時間推定部
125 探索部
131 出荷実績
132a 第1設定情報
132b 第2設定情報
133 予測結果
134 予測誤差
135 計算時間
136 予測誤差履歴
137 計算時間履歴
138 組み合わせ済予測誤差履歴
139 組合せ済済計算時間履歴
140 予測誤差推定結果
141 計算時間推定結果
Claims (12)
- プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する情報処理システムであって、
前記記憶デバイスは、予測対象に関する数量の予測に要した計算時間と、前記予測対象に関する数量の予測に用いられた複数の時系列予測手法の採否の組み合わせと、を関連付けた履歴情報を記憶しており、
前記プロセッサは、
前記履歴情報には存在しない新規な採否の組み合わせを生成する生成処理と、
前記計算時間を目的変数とし、前記履歴情報に記憶されている既存の採否の組み合わせを説明変数とした計算時間推定モデルを生成し、前記計算時間推定モデルに前記既存の採否の組み合わせおよび前記生成処理によって生成された新規な組み合わせをそれぞれ入力することにより、前記採否の組み合わせごとの推定計算時間を出力する推定処理と、
前記採否の組み合わせの中から、前記推定処理によって出力された推定計算時間のうち前記予測対象に割り当てられた割当計算時間に収まる第1の採否の組み合わせを特定の採否の組み合わせとして探索する探索処理と、
を実行することを特徴とする情報処理システム。 - 請求項1に記載の情報処理システムであって、
前記履歴情報は、前記予測対象の実績値と前記既存の採否の組み合わせが用いられた結果得られた予測値との誤差を含み、
前記推定処理では、前記プロセッサは、前記誤差を目的変数とし、前記既存の採否の組み合わせを説明変数とした誤差推定モデルを生成し、前記誤差推定モデルに前記既存の採否の組み合わせおよび前記新規な採否の組み合わせをそれぞれ入力することにより、前記採否の組み合わせごとの推定誤差を出力し、
前記探索処理では、前記プロセッサは、前記第1の採否の組み合わせの中で前記推定誤差が最大でない第2の採否の組み合わせを前記特定の採否の組み合わせとして探索する、
ことを特徴とする情報処理システム。 - 請求項2に記載の情報処理システムであって、
前記第2の採否の組み合わせは、前記第1の採否の組み合わせの中で前記推定誤差が最小な採否の組み合わせである、
ことを特徴とする情報処理システム。 - 請求項1に記載の情報処理システムであって、
前記生成処理では、前記プロセッサは、前記履歴情報には存在せず、かつ、前記探索処理によって探索された特定の採否の組み合わせと一部一致する採否の組み合わせを、前記新規な採否の組み合わせとして生成する、
ことを特徴とする情報処理システム。 - 請求項4に記載の情報処理システムであって、
前記新規な採否の組み合わせは、前記特定の採否の組み合わせと一部一致する採否の数が前記特定の採否の組み合わせと不一致な採否の数よりも多い、
ことを特徴とする情報処理システム。 - 請求項4に記載の情報処理システムであって、
前記新規な採否の組み合わせは、前記特定の採否の組み合わせと一部一致する採否の数が前記特定の採否の組み合わせと不一致な採否の数よりも少ない、
ことを特徴とする情報処理システム。 - 請求項1に記載の情報処理システムであって、
前記割当計算時間は、前記予測対象ごとに一律按分された時間である、
ことを特徴とする情報処理システム。 - 請求項1に記載の情報処理システムであって、
前記割当計算時間は、前記予測対象の実績値が大きいほど長く設定された時間である、
ことを特徴とする情報処理システム。 - 請求項1に記載の情報処理システムであって、
前記記憶デバイスは、複数の時系列予測手法で前記予測対象に関する数量を予測する場合の時系列予測手法ごとの寄与度を有する寄与度情報を記憶しており、
前記生成処理では、前記プロセッサは、前記寄与度に基づいて、前記新規な採否の組み合わせを生成する、
ことを特徴とする情報処理システム。 - 請求項1に記載の情報処理システムであって、
前記履歴情報は、前記時系列予測手法ごとに、前記時系列予測手法が適用される前記予測対象に関する数量を学習するための学習期間が関連付けられており、
前記推定処理では、前記プロセッサは、前記計算時間を目的変数とし、前記既存の採否の組み合わせおよび前記学習期間を説明変数とした計算時間推定モデルを生成し、前記計算時間推定モデルに前記既存の採否の組み合わせおよびその学習期間と、前記生成処理によって生成された新規な組み合わせおよびその学習期間と、をそれぞれ入力することにより、前記採否の組み合わせごとの推定計算時間を出力し、
前記採否の組み合わせの中から、前記推定処理によって出力された推定計算時間のうち前記予測対象に割り当てられた割当計算時間に収まる第1の採否の組み合わせを特定の採否の組み合わせとして探索する、
ことを特徴とする情報処理システム。 - 請求項10に記載の情報処理システムであって、
前記履歴情報は、前記予測対象の実績値と前記既存の採否の組み合わせが用いられた結果得られた予測値との誤差を含み、
前記推定処理では、前記プロセッサは、前記誤差を目的変数とし、前記既存の採否の組み合わせおよび前記学習期間を説明変数とした誤差推定モデルを生成し、前記誤差推定モデルに前記既存の採否の組み合わせおよびその学習期間と、前記新規な採否の組み合わせおよびその学習期間と、をそれぞれ入力することにより、前記採否の組み合わせごとの推定誤差を出力し、
前記探索処理では、前記プロセッサは、前記第1の採否の組み合わせの中で前記推定誤差が最大でない第2の採否の組み合わせを前記特定の採否の組み合わせとして探索する、
ことを特徴とする情報処理システム。 - プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する情報処理システムが実行する情報処理方法であって、
前記記憶デバイスは、予測対象に関する数量の予測に要した計算時間と、前記予測対象に関する数量の予測に用いられた複数の時系列予測手法の採否の組み合わせと、を関連付けた履歴情報を記憶しており、
前記プロセッサは、
前記履歴情報には存在しない新規な採否の組み合わせを生成する生成処理と、
前記計算時間を目的変数とし、前記履歴情報に記憶されている既存の採否の組み合わせを説明変数とした計算時間推定モデルを生成し、前記計算時間推定モデルに前記既存の採否の組み合わせおよび前記生成処理によって生成された新規な組み合わせをそれぞれ入力することにより、前記採否の組み合わせごとの推定計算時間を出力する推定処理と、
前記採否の組み合わせの中から、前記推定処理によって出力された推定計算時間のうち前記予測対象に割り当てられた割当計算時間に収まる第1の採否の組み合わせを特定の採否の組み合わせとして探索する探索処理と、
を実行することを特徴とする情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019124094A JP7330783B2 (ja) | 2019-07-03 | 2019-07-03 | 情報処理システムおよび情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019124094A JP7330783B2 (ja) | 2019-07-03 | 2019-07-03 | 情報処理システムおよび情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021009631A true JP2021009631A (ja) | 2021-01-28 |
JP7330783B2 JP7330783B2 (ja) | 2023-08-22 |
Family
ID=74199513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019124094A Active JP7330783B2 (ja) | 2019-07-03 | 2019-07-03 | 情報処理システムおよび情報処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7330783B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006221310A (ja) * | 2005-02-09 | 2006-08-24 | Fuji Electric Holdings Co Ltd | 予測方法、予測装置、予測プログラムおよび記録媒体 |
JP2016062294A (ja) * | 2014-09-18 | 2016-04-25 | コアソリューション株式会社 | シミュレーション支援装置、シミュレーション支援方法及びコンピュータプログラム |
JP2018190130A (ja) * | 2017-05-01 | 2018-11-29 | 日本電信電話株式会社 | 分析装置、分析方法及び分析プログラム |
-
2019
- 2019-07-03 JP JP2019124094A patent/JP7330783B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006221310A (ja) * | 2005-02-09 | 2006-08-24 | Fuji Electric Holdings Co Ltd | 予測方法、予測装置、予測プログラムおよび記録媒体 |
JP2016062294A (ja) * | 2014-09-18 | 2016-04-25 | コアソリューション株式会社 | シミュレーション支援装置、シミュレーション支援方法及びコンピュータプログラム |
JP2018190130A (ja) * | 2017-05-01 | 2018-11-29 | 日本電信電話株式会社 | 分析装置、分析方法及び分析プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7330783B2 (ja) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9058216B2 (en) | Method for estimating job run time | |
US8447644B2 (en) | Supply chain demand satisfaction | |
CN101273355B (zh) | 企业计划系统中的更新处理 | |
JP6028103B2 (ja) | データ管理方法、データ管理装置及び記憶媒体 | |
US20210158259A1 (en) | Orchestrated intelligent supply chain optimizer | |
JP6467264B2 (ja) | 計画作成支援装置および計画作成支援方法 | |
US11163783B2 (en) | Auto-selection of hierarchically-related near-term forecasting models | |
US20120110579A1 (en) | Enterprise resource planning oriented context-aware environment | |
CN115812209A (zh) | 机器学习特征推荐 | |
JP6251383B2 (ja) | 債務不履行となる企業の蓋然性の計算 | |
Pinçe et al. | The role of contract expirations in service parts management | |
JP4230975B2 (ja) | データ予測装置及びデータ予測方法並びにプログラム | |
JP6159056B2 (ja) | 選択プログラム、選択方法及び選択装置 | |
JP2020013413A (ja) | 判断支援装置および判断支援方法 | |
JP2018077822A (ja) | 生産支援システム、及び生産支援方法 | |
JP7330783B2 (ja) | 情報処理システムおよび情報処理方法 | |
JP7025854B2 (ja) | 粗利計算装置、粗利計算方法および粗利計算プログラム | |
JP2020201611A (ja) | 計画立案システム及びその方法 | |
US20190266548A1 (en) | Project Progress Prediction Device and Project Progress Prediction System | |
JP7295792B2 (ja) | データ分析装置およびデータ分析方法 | |
JP2017151731A (ja) | 需要量予測プログラム、需要量予測方法、及び情報処理装置 | |
JP7262359B2 (ja) | データ分析装置およびデータ分析方法 | |
JP2020113033A (ja) | 営業支援装置および営業支援方法 | |
JP2019144757A (ja) | プロジェクト見積り支援方法およびプロジェクト見積り支援装置 | |
JP2018106398A (ja) | テスト支援プログラムおよびテスト支援装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220322 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230206 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230427 |
|
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: 20230718 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230809 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7330783 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |