JP2021077275A - 在高管理装置、在高管理方法およびプログラム - Google Patents
在高管理装置、在高管理方法およびプログラム Download PDFInfo
- Publication number
- JP2021077275A JP2021077275A JP2019205510A JP2019205510A JP2021077275A JP 2021077275 A JP2021077275 A JP 2021077275A JP 2019205510 A JP2019205510 A JP 2019205510A JP 2019205510 A JP2019205510 A JP 2019205510A JP 2021077275 A JP2021077275 A JP 2021077275A
- Authority
- JP
- Japan
- Prior art keywords
- amount
- cash
- transportation
- transaction data
- management device
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims description 68
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 20
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 20
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 230000032258 transport Effects 0.000 description 9
- 230000009467 reduction Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
本開示の目的は、店舗における現金在高を効率的に管理することができる在高管理装置、在高管理方法およびプログラムを提供することにある。
《銀行システム1の構成》
以下、図面を参照しながら実施形態について詳しく説明する。
図1は、第1の実施形態に係る銀行システム1の構成を示す概略図である。
第1の実施形態に係る銀行システム1は、本店11と、複数の営業店12とを有する。各営業店12には、窓口用貨幣入出金機(オートキャッシャー)、両替機などの現金取引を扱う現金処理機100と、当該営業店の現金在高を管理する出納機200と、営業店に必要な現金在高を予測し、現金在高の適正化を図る在高管理装置300とを備える。各現金処理機100と出納機200と在高管理装置300とは営業店12のローカルネットワークで互いに接続される。
図2は、第1の実施形態に係る取引データの一例を示す図である。
取引データは、取引日時、入出金の別、取引種別、および金種ごとの取引量(取引枚数)を含む。また、取引データには、現金輸送に係る入手金を示す輸送データが含まれる。輸送データの取引種別は、現受または現送を示す。なお、他の実施形態においては、現金処理機100による取引データと輸送データとが別個に管理されてもよい。
図3は、第1の実施形態に係る在高管理装置300の構成を示す概略ブロック図である。
在高管理装置300は、取得部301、予測部302、オフセット決定部303、入力部304、算出部305、評価部306、出力部307を備える。
予測部302は、取得部301が取得した取引データに基づいて、将来の所定期間に係る取引データを示す予測取引データを生成する。予測部302は、例えば取得部301が取得した過去の取引データを学習用データセットに用いた学習により、係数が決定された学習済みモデルを用いて、予測取引データを生成する。予測取引データを生成するための学習済みモデルは、例えば、第1期間に係る日ごとの日付、出金総額および最小枚数を入力サンプルとし、第1期間の直後の第2期間に係る日ごとの日付、出金総額および最小枚数を出力サンプルとする教師あり学習によって訓練されてよい。ここで、最小枚数とは、1日の入出金による取引枚数の差分の推移のうち、最も低かった時の値、すなわち現金変動の最小値をいう。第2期間に係る日ごとの日付、出金総額および最小枚数は、予測取引データの一例である。学習モデルの例としては、ランダムフォレストモデルやニューラルネットワークモデルが挙げられる。なお、学習済みモデルは、機械学習によって決定された係数と、アルゴリズムである学習モデルとを有する。
以下、在高管理装置300の動作について説明する。在高管理装置300は、初回の提案輸送量の算出処理の実行前に、計算された輸送量に対するオフセット値を決定する。
図4は、第1の実施形態に係るオフセット決定処理を示すフローチャートである。
まず、在高管理装置300の取得部301は、出納機200から過去の所定期間に係る取引データを取得する(ステップS1)。取引データの取得対象の期間は、例えば1年以上であってよい。次に、予測部302は、取得した取引データに基づいて、複数の異なる期間(例えば、1か月ごと)に係る予測取引データを生成する(ステップS2)。上述した通り、予測部302は、第2期間に係る日ごとの予測取引データを生成する。オフセット決定部303は、ステップS2で生成された複数の期間に係る日ごとの予測取引データと、同じ日に係る実際の取引データとを比較し、その差を算出する(ステップS3)。オフセット決定部303は、複数の予測取引データと実際の取引データとの差に基づいて、期間ごと(例えば月ごと)のオフセット値を決定する(ステップS4)。例えば、オフセット決定部303は、各月について、日ごとの取引データと予測取引データとの差の標準偏差σを算出し、3σに相当する現金の量を当該月のオフセット値に決定する。
在高管理装置300は、利用者から実績輸送量と提案輸送量の比較指示の入力を受け付けると、在高管理装置300は実績輸送量と提案輸送量の比較処理を開始する。
在高管理装置300の入力部304は、輸送量の比較対象に係る対象期間、および現金輸送のタイミングのパターンの入力を受け付ける(ステップS31)。入力部304は、例えば輸送タイミング間のインターバル日数、または輸送タイミングに係る1または複数の曜日の指定により、現金輸送のタイミングのパターンの入力を受け付ける。対象期間は、過去の期間であって、予測部302によって予測される第2期間に相当する長さの期間である。例えば、予測部302が1か月分の取引データを予測する場合、対象期間の長さは1か月である。
算出部305は、ステップS32で取得した取引データに基づいて、ステップS34で算出した提案輸送量に係る現金輸送を行ったときの日ごとの現金在高を算出する(ステップS35)以下、提案輸送量に係る現金輸送を行ったときの現金在高を在高予測値ともいう。
図7は、第1の実施形態に係る実績輸送量と提案輸送量の比較処理に係る第2出力画面の例である。第2出力画面は、実績輸送量と提案輸送量に基づく輸送タイミング、輸送量、及び現金在高の推移を比較する画面である。
第1出力画面には、対象期間に係る現金在高と最小枚数の推移の実績を示す第1実績グラフ、対象期間に係る提案輸送量に基づく現金在高と最小枚数の推移、および予測取引データに基づく出金予測の推移を示す第1予測グラフ、対象期間に係る取引枚数の推移の実績を示す収支グラフ、並びに評価値としての在高削減率とを含む。利用者は、第1出力画面を視認することで、提案輸送量による在高削減率、および提案輸送量の妥当性を検討することができる。なお、第1予測グラフにおいて、各日において、最小枚数がオフセットを加算した出金予測枚数を超えなければ、提案輸送量によって現金在高の枯渇が生じないことがわかる。
利用者は、上述の実績輸送量と提案輸送量の比較処理において店舗ごとに適切な現金輸送タイミングを検討すると、在高管理装置300を操作し、将来の提案輸送量の算出指示を入力する。
在高管理装置300は、将来の提案輸送量の算出指示を受け付けると、在高管理装置300は将来の提案輸送量の算出処理を開始する。
在高管理装置300の入力部304は、および現金輸送のタイミングの入力を受け付ける(ステップS61)。取得部301は、ステップS61で入力された現在時刻の直前の所定の予測期間に係る取引データおよび輸送データを取得する(ステップS62)。次に、予測部302は、ステップS62で取得した予測期間に係る取引データに基づいて、対象期間に係る予測取引データを生成する(ステップS63)。
これにより、利用者は、店舗における現金輸送タイミングおよび各タイミングごとの輸送量を決定することができる。
ところで、利用者は、管理対象の店舗の現金在高が適正な量であるか否かについて、認識することが困難である場合がある。これは、店舗ごとに立地や顧客により規模や取引件数が異なり、確保すべき現金在高が異なるためである。そこで本実施形態に係る在高管理装置300は、対象店舗と同様の条件に係る他の店舗と現金在高を比較することで、利用者に相対的な現金在高の適正さを提示する。
図10は、第1の実施形態に係る類似店舗検索画面の例である。
利用者による操作によって在高管理装置300が、店舗間における在高の比較指示の入力を受け付けると、入力部304は、図10に示すような類似店舗検索画面をディスプレイに表示させ、比較対象店舗の絞り込み条件の入力を受け付ける(ステップS91)。類似店舗検索画面には、対象店舗の設定ボタンB1、絞り込み条件の設定ボタンB2、類似店舗の表示ボタンB3、店舗の一覧Lが含まれる。入力部304は、絞り込み条件の設定ボタンB2の押下により、絞り込み条件の入力を受け付ける。絞り込み条件のカテゴリの例としては、単位期間あたりの出金総額、入金総額、在高総額、紙幣入金平均枚数、紙幣出金平均枚数、硬貨入金平均枚数、硬貨出金平均枚数、平均締上時刻、平均締上時間、オペレータ人数、処理件数などが挙げられる。なお、複数の店舗は、予め各カテゴリについて例えば5段階(図10に示す例ではL1〜L5)でクラス化され、在高管理装置300はそのクラスをタグデータとして予め記憶しておく。なお、このとき、利用者は対象店舗の設定ボタンB1を押下し、在高管理装置300に対象店舗のIDを入力することで、対象店舗に係る各カテゴリクラスを閲覧することができる。
このように、第1の実施形態によれば、在高管理装置300は、店舗における現金取引に関する取引データを取得し、現金輸送を実施するタイミングが異なる複数の輸送パターンそれぞれについて提案輸送量を算出する。
これにより、利用者は、店舗における適切な輸送パターンを検討し、店舗における現金在高を効率的に管理することができる。
現金を輸送するためには、現金輸送車を用い、警備業務を行う警備員を伴う必要がある。そのため、現金の輸送はコストがかかる。また、営業店における現金在高が多いと、営業店における現金在高の確認業務などの負担が大きくなる。そこで、利用者は、輸送回数を異ならせた複数の輸送パターンについて在高管理装置300に提案輸送量を算出させる。これにより、利用者は、輸送に掛かるコストと、営業店における現金在高の管理に掛かるコストとのバランスを図った輸送パターンを検討することができる。すなわち、利用者は、在高管理装置300を用いることで、輸送に掛かるコストと現金在高の管理に掛かるコストの総和が最小となるような輸送パターンを特定することができる。
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。すなわち、他の実施形態においては、上述の処理の順序が適宜変更されてもよい。また、一部の処理が並列に実行されてもよい。
上述した実施形態に係る在高管理装置300は、単独のコンピュータによって構成されるものであってもよいし、在高管理装置300の構成を複数のコンピュータに分けて配置し、複数のコンピュータが互いに協働することで在高管理装置300として機能するものであってもよい。このとき、在高管理装置300を構成する一部のコンピュータが出納機200の内部に搭載され、他のコンピュータが出納機200の外部に設けられてもよい。
図11は、少なくとも1つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ90は、プロセッサ91、メインメモリ92、ストレージ93、インタフェース94を備える。
上述の在高管理装置300は、コンピュータ90に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ93に記憶されている。プロセッサ91は、プログラムをストレージ93から読み出してメインメモリ92に展開し、当該プログラムに従って上記処理を実行する。また、プロセッサ91は、プログラムに従って、上述した各記憶部に対応する記憶領域をメインメモリ92に確保する。プロセッサ91の例としては、CPU(Central Processing Unit)、GPU(Graphic Processing Unit)、マイクロプロセッサなどが挙げられる。
Claims (10)
- 店舗における現金取引に関する取引データを取得する取得部と、
現金輸送を実施するタイミングが異なる複数の輸送パターンそれぞれについて、前記取引データに基づいて、前記現金取引に応じた現金在高を実現するために輸送すべき現金の量である提案輸送量を算出する算出部と
を備える在高管理装置。 - 前記取引データに基づいて、将来の現金取引に係る現金の量を示す予測取引データを生成する予測部を備え、
前記算出部は、前記予測取引データに係る現金の量に基づいて前記提案輸送量を算出する
請求項1に記載の在高管理装置。 - 前記算出部は、前記予測取引データに基づいて、前記現金輸送を実施するタイミング間における現金変動の最小値を特定し、当該最小値にオフセット値を加算することで前記提案輸送量を算出する
請求項2に記載の在高管理装置。 - 前記予測取引データと前記取引データとの差の散布度に基づいて、前記オフセット値を算出するオフセット決定部
を備える請求項3に記載の在高管理装置。 - 前記提案輸送量の適正度を示す評価値を算出する評価部を備える
請求項1から請求項4の何れか1項に記載の在高管理装置。 - 前記取得部は、前記店舗における前記現金輸送に関する輸送データを取得し、
前記算出部は、前記輸送データに係る期間における前記提案輸送量を算出し、
前記評価部は、前記輸送データが示す実際の輸送量と算出された前記提案輸送量との比較により前記評価値を算出する
請求項5に記載の在高管理装置。 - 前記評価部は、実績輸送量に基づく現金在高と提案輸送量に基づく現金在高との差を、前記実績輸送量に基づく現金在高で除算することで前記評価値を算出する
請求項6に記載の在高管理装置。 - 前記評価部は、実績輸送量に基づく輸送回数と提案輸送量に基づく輸送回数との差を、前記実績輸送量に基づく輸送回数で除算することで前記評価値を算出する
請求項6または請求項7に記載の在高管理装置。 - 在高管理装置が、店舗における現金取引に関する取引データを取得するステップと、
前記在高管理装置が、現金輸送を実施するタイミングが異なる複数の輸送パターンそれぞれについて、前記取引データに基づいて、前記現金取引に応じた現金在高を実現するために輸送すべき現金の量である提案輸送量を算出するステップと
を有する在高管理方法。 - コンピュータに、
店舗における現金取引に関する取引データを取得するステップと、
現金輸送を実施するタイミングが異なる複数の輸送パターンそれぞれについて、前記取引データに基づいて、前記現金取引に応じた現金在高を実現するために輸送すべき現金の量である提案輸送量を算出するステップと
を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019205510A JP2021077275A (ja) | 2019-11-13 | 2019-11-13 | 在高管理装置、在高管理方法およびプログラム |
JP2023122899A JP2023129679A (ja) | 2019-11-13 | 2023-07-27 | 在高管理装置、在高管理方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019205510A JP2021077275A (ja) | 2019-11-13 | 2019-11-13 | 在高管理装置、在高管理方法およびプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023122899A Division JP2023129679A (ja) | 2019-11-13 | 2023-07-27 | 在高管理装置、在高管理方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021077275A true JP2021077275A (ja) | 2021-05-20 |
Family
ID=75898018
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019205510A Pending JP2021077275A (ja) | 2019-11-13 | 2019-11-13 | 在高管理装置、在高管理方法およびプログラム |
JP2023122899A Pending JP2023129679A (ja) | 2019-11-13 | 2023-07-27 | 在高管理装置、在高管理方法およびプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023122899A Pending JP2023129679A (ja) | 2019-11-13 | 2023-07-27 | 在高管理装置、在高管理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP2021077275A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08315217A (ja) * | 1994-09-01 | 1996-11-29 | Omron Corp | 媒体運用量予測装置と媒体運用管理装置と媒体運用量推論方法 |
JPH1186089A (ja) * | 1997-09-03 | 1999-03-30 | Fujitsu Ltd | 在高管理システム |
WO2016031374A1 (ja) * | 2014-08-27 | 2016-03-03 | 日立金融設備系統(深▲セ▼▲ン▼)有限公司 | 現金装填自動計画装置および方法 |
JP2016164734A (ja) * | 2015-03-06 | 2016-09-08 | 株式会社日立製作所 | 自動現金預払機運用計画システム及び方法 |
JP2017151769A (ja) * | 2016-02-25 | 2017-08-31 | 沖電気工業株式会社 | 評価装置、及びプログラム |
-
2019
- 2019-11-13 JP JP2019205510A patent/JP2021077275A/ja active Pending
-
2023
- 2023-07-27 JP JP2023122899A patent/JP2023129679A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08315217A (ja) * | 1994-09-01 | 1996-11-29 | Omron Corp | 媒体運用量予測装置と媒体運用管理装置と媒体運用量推論方法 |
JPH1186089A (ja) * | 1997-09-03 | 1999-03-30 | Fujitsu Ltd | 在高管理システム |
WO2016031374A1 (ja) * | 2014-08-27 | 2016-03-03 | 日立金融設備系統(深▲セ▼▲ン▼)有限公司 | 現金装填自動計画装置および方法 |
JP2016164734A (ja) * | 2015-03-06 | 2016-09-08 | 株式会社日立製作所 | 自動現金預払機運用計画システム及び方法 |
JP2017151769A (ja) * | 2016-02-25 | 2017-08-31 | 沖電気工業株式会社 | 評価装置、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2023129679A (ja) | 2023-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7537153B2 (en) | Method and computer program product for electronically managing payment media | |
US6725210B1 (en) | Process database entries to provide predictions of future data values | |
US20050096986A1 (en) | Method of electronically managing payment media | |
US20100217701A1 (en) | System and Method for Predicting of Future Transactions in Customers Bank Account | |
Lázaro et al. | Improving cash logistics in bank branches by coupling machine learning and robust optimization | |
US8276810B2 (en) | Change orders | |
US11615665B1 (en) | Cloud-based cash inventory management for on-premises cash handling devices | |
US9558490B2 (en) | Systems and methods for predicting a merchant's change of acquirer | |
CN108205778A (zh) | 线预测模型 | |
US10223663B2 (en) | Discrete-event simulation for transaction service point device cash servicing | |
JP4452109B2 (ja) | 資金管理システム及び資金管理方法 | |
JP2013061742A (ja) | 貨幣管理装置、釣銭準備金算定方法及び釣銭準備金算定プログラム | |
CN107871274A (zh) | 一种用于对发票数据进行分布式分析的系统和方法 | |
JP2021077275A (ja) | 在高管理装置、在高管理方法およびプログラム | |
JP2005071015A (ja) | 商品販売データ処理装置 | |
US11373476B1 (en) | Systems and methods for cash-till optimization | |
KR20050044215A (ko) | 금융자동화기기의 계좌내역분석시스템 및 이를 이용한계좌내역 분석정보 제공방법 | |
JP6690298B2 (ja) | 情報処理装置、情報処理システム、及びプログラム | |
US20210158380A1 (en) | Cash demand prediction system, cash demand prediction method, and cash demand prediction program | |
JPH02247791A (ja) | 自動取引装置 | |
EP4191504A1 (en) | Money processing system and money processing method | |
JPWO2020044408A1 (ja) | 銀行業務支援システム、銀行業務支援方法及び銀行業務支援プログラム | |
US20180336555A1 (en) | System for providing real time tracking of individual resource items to identify unauthorized resource transfers | |
JPWO2019039076A1 (ja) | 現金需要予測システム、現金需要予測方法および現金需要予測プログラム | |
JP2022039235A (ja) | 情報処理装置、情報処理方法、情報処理システムおよびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230524 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230926 |