JP2023111433A - 需要予測装置、及び需要予測方法 - Google Patents

Abstract

【課題】 販促施策の影響を受け得る同一の製品群に属して仕様が異なる製品の需要量を精度よく予測する。【解決手段】 需要予測装置は、製品毎の販売実績を表す販売実績情報、及び製品の子品目と親品目との対応関係を表す親子品目対応情報を参照して、需要量の予測対象とする前記子品目としての対象製品に対応する親品目の販売実績を抽出し、前記親品目の販売実績に基づいて、前記対象製品が属する製品群に属する仕様が異なる複数の製品の需要の構成比率が収束する時点を表す収束時点Ｔを算出する収束時点算出部と、前記収束時点Ｔを閾値として算出方法を決定し、決定した前記算出方法に従い、前記親品目の販売実績、及び前記対象製品の販売実績のうちの少なくとも一方に基づいて、前記対象製品の前記構成比率を算出する構成比率算出部と、販促施策に応じた更新係数を用い、算出された前記構成比率を更新する構成比率更新部と、を備える。【選択図】 図１

Description

本発明は、需要予測装置、及び需要予測方法に関する。

製品を製造して供給するまでにリードタイムを要する見込み生産品では、製品の需要を事前に予測し、予測結果に応じて、部品の調達、製品の組み立て、市場への輸送を行う必要がある。特に、基本的な構造は同一であっても色の違いや付加機能の有無等により多数の仕様が用意されている製品においては、仕様毎に必要な部品や生産方法が異なるので、特に、製品仕様別の需要を予測することが不可欠である。

製品の需要予測に関しては、例えば特許文献１に「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する統合需要予測装置。」が記載されている。

特開２０１３－１３１２５９号公報

特許文献１に記載の技術では、過去の需要実績に基づいて製品群（基本的な構造が同一の製品の集合。例えば、冷蔵庫の場合、同一メーカ製であって容量やグレード（高級、標準等）が等しい冷蔵庫の集団）の需要量を予測できる。しかしながら、同一の製品群に属する仕様（例えば、冷蔵庫の場合、色、扉の開閉方向等の違い）が異なる製品の需要量については、例えば、チラシやメールマガジンへの掲載、値引き、店頭展示の変更等の販促（販売促進）施策の実施の有無に影響を受け得るので、過去の需要実績だけでは精度良く予測することができない。

本発明は、上記の点に鑑みてなされたものであって、販促施策の実施の有無に影響を受け得る、同一の製品群に属して仕様が異なる製品の需要量を精度よく予測できるようにすることを目的とする。

本願は、上記課題の少なくとも一部を解決する手段を複数含んでいるが、その例を挙げるならば、以下の通りである。

上記課題を解決するため、本発明の一態様に係る需要予測装置は、製品毎の販売実績を表す販売実績情報、及び製品の子品目と親品目との対応関係を表す親子品目対応情報を参照して、需要量の予測対象とする前記子品目としての対象製品に対応する親品目の販売実績を抽出し、前記親品目の販売実績に基づいて、前記対象製品が属する製品群に属する仕様が異なる複数の製品の需要の構成比率が収束する時点を表す収束時点Ｔを算出する収束時点算出部と、前記収束時点Ｔを閾値として算出方法を決定し、決定した前記算出方法に従い、前記親品目の販売実績、及び前記対象製品の販売実績のうちの少なくとも一方に基づいて、前記対象製品の前記構成比率を算出する構成比率算出部と、販促施策に応じた更新係数を用い、算出された前記構成比率を更新する構成比率更新部と、を備える。

本発明によれば、販促施策の実施の有無に影響を受け得る同一の製品群に属して仕様が異なる製品の需要量を精度よく予測することが可能となる。

上記した以外の課題、構成、及び効果は、以下の実施形態の説明により明らかにされる。

図1は、需要予測システムの構成例を示すブロック図である。 図２は、一般的なコンピュータの構成例を示すブロック図である。 図３は、販売実績情報のデータ構造の一例を示す図である。 図４は、親子品目対応情報のデータ構造の一例を示す図である。 図５は、製品展示情報のデータ構造の一例を示す図である。 図６は、メディア掲載情報のデータ構造の一例を示す図である。 図７は、販促施策情報のデータ構造の一例を示す図である。 図８は、更新係数情報のデータ構造の一例を示す図である。 図９は、構成比率予測情報のデータ構造の一例を示す図である。 図１０は、更新済構成比率情報のデータ構造の一例を示す図である。 図１１は、製品群需要予測情報のデータ構造の一例を示す図である。 図１２は、製品マスタ情報のデータ構造の一例を示す図である。 図１３は、需要予測の概念を説明するための図である。 図１４は、需要予測処理の一例を説明するフローチャートである。 図１５は、ステップＳ３の処理の一例を詳述するフローチャートである。 図１６は、ステップＳ４の処理の一例を詳述するフローチャートである。 図１７は、ステップＳ４５の処理による算出結果の一例を示す図である。 図１８は、ステップＳ４７の処理の一例を詳述するための図である。 図１９は、ステップＳ１１の処理の一例を詳述するフローチャートである。 図２０は、出力画面の表示例を示す図である。 図２１は、需要予測システムの活用例を示す図である。

以下、本発明の一実施形態について図面に基づいて説明する。なお、実施形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。また、以下の実施形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合及び原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。また、「Ａからなる」、「Ａよりなる」、「Ａを有する」、「Ａを含む」と言うときは、特にその要素のみである旨明示した場合等を除き、それ以外の要素を排除するものでないことは言うまでもない。同様に、以下の実施形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合及び原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。

＜本発明の一実施形態に係る需要予測システム１の構成例＞
図１は、本発明の一実施形態に係る需要予測システム１の構成例を示している。需要予測システム１は、製品群と仕様とによって一意に定まる製品の需要量を予測するものである。製品群とは、基本的な構造が等しい製品の集合であり、例えば、製品が冷蔵庫である場合、同一メーカ製であって容量やグレード（高級、標準等）等が等しく共通の型式が付与されている冷蔵庫の集団を指し、仕様とは、共通の型式が付与されている冷蔵庫における色や扉の開閉方向の違いを表す。

需要予測システム１は、ネットワーク２を介して接続された需要予測装置１０、データベース２０、及びユーザ端末３０を備える。ネットワーク２は、インターネットに代表される双方向通信網である。

需要予測装置１０は、パーソナルコンピュータ等の一般的なコンピュータによって実現される。

図２は、需要予測装置１０を実現する一般的なコンピュータ１００の構成例を示している。コンピュータ１００は、プロセッサ１０１、ＲＯＭ１０２、ＲＡＭ１０３、補助記憶装置１０４、表示装置１０５、入力装置１０６、メディア読取装置１０７、及び情報受発信装置１０８を備える。

プロセッサ１０１は、ＣＰＵ(Central Processor Unit)等からなり、所定のプログラムに従って各種演算を実行する。ＲＯＭ(Read Only Memory)１０２には、コンピュータ１００の起動に必要なプログラム等が格納される。ＲＡＭ１０３には、プロセッサ１０１により実行されるプログラムや、プログラムの実行に必要なデータ等が格納される。補助記憶装置１０４は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等からなり、プログラムや各種のデータが格納される。表示装置１０５は、液晶ディスプレイ、有機ＥＬ（Electro－Luminescence）ディスプレイ等からなり、各種の画面を表示する。入力装置１０６は、キーボード、マウス、マイク等からなり、ユーザからコマンドや音声等の入力を受け付ける。メディア読取装置１０７は、半導体メモリ等の着脱可能な記憶媒体からデータを読み出したり、記録媒体にデータを記録したりする。情報受発信装置１０８は、通信モジュール等からなり、ネットワーク２を介してデータの送受信を行う。

コンピュータ１００においては、プロセッサ１０１が補助記憶装置１０４に格納されていた所定のプログラムをＲＡＭ１０３にロードして実行することにより、需要予測装置１０の各機能ブロックを実現する。

図１に戻る。需要予測装置１０は、記憶部１１、処理部１２、及び通信部１３の各機能ブロックを備える。

記憶部１１は、コンピュータ１００のＲＡＭ１０３、及び補助記憶装置１０４によって実現される。記憶部１１には、販売実績情報１１１、親子品目対応情報１１２、製品展示情報１１３、メディア掲載情報１１４、販促施策情報１１５、更新係数情報１１６、構成比率予測情報１１７、更新済構成比率情報１１８、製品群需要予測情報１１９、及び製品マスタ情報１１１０が格納される。

販売実績情報１１１は、製品の販売実績を表す情報である。販売実績情報１１１は、予めデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。

図３は、販売実績情報１１１のデータ構造の一例を示している。販売実績情報１１１は、累積販売実績１１１ａ、及び構成比率推移情報１１１ｂを含む。

累積販売実績１１１ａは、製品群（型式）、及び仕様によって一意に特定される各製品の販売開始時からの販売実績を表す。以下、例えば、製品群ＲＳ５０に属し、仕様ＬＡの製品を製品ＲＳ５０・ＬＡと称する。他の製品も同様とする。

同図の場合、例えば、製品ＲＳ５０・ＬＡの累積販売台数は２万台であり、製品ＲＳ５０・ＲＡの累積販売台数は４万台であることを表している。なお、累積販台売数「－」は、対応する製品の販売実績が無く、販売予定であることを表す。

構成比率推移情報１１１ｂは、累積販売実績１１１ａに基づいて計算された、製品群を構成する製品の構成比率の週毎の推移を表す。同図の場合、製品群ＲＳ５０に属して仕様違いの製品ＲＳ５０・ＬＡ，ＲＳ５０・ＲＡ，ＲＳ５０・ＬＢ，ＲＳ５０・ＲＢの構成比率は、販売開始から１週目が５０％，３０％，２０％，０％であり、２週目が３０％，３０％，２０％，２０％であり、５２週目が２０％，４０％，３０％，１０％であることを表している。

図１に戻る。親子品目対応情報１１２は、販売中、又は販売開始予定の新製品（子品目）と、その１世代前の旧製品（親品目）との対応関係を表す情報である。親子品目対応情報１１２は、予めデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。

図４は、親子品目対応情報１１２のデータ構造の一例を示している。同図の場合、例えば、子品目の製品ＲＴ５０・ＬＡの親品目は製品ＲＳ５０・ＬＡであり、子品目の製品ＲＴ５０・ＲＡの親品目は製品ＲＳ５０・ＲＡであることを表している。

図１に戻る。製品展示情報１１３は、家電量販店等の店舗における製品の展示状況を表す情報である。製品展示情報１１３は、予めデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。

図５は、製品展示情報１１３のデータ構造の一例を示している。同図の場合、日付は省略されており、例えば、製品ＲＴ５０・ＬＡは、店舗「Ｘ電機」においては店頭展示が無く、店舗「Ｙモール」においては店頭展示が有ることを表している。

図１に戻る。メディア掲載情報１１４は、同一の製品群に属して仕様が異なる製品のメディアにおける掲載比を表す情報である。メディア掲載情報１１４は、ＥＣ(Electronic Commerce)サイトや各Ｗｅｂページ等における各製品の画像掲載数に基づき、各製品の掲載比（各製品の画像掲載数／製品群に属する製品の画像掲載数の合計）が予め算出されてデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。なお、各製品の画像掲載数は、例えば、Ｗｅｂページにおける画像マイニング等の手法を用いて取得することができる。

図６は、メディア掲載情報１１４のデータ構造の一例を示している。同図の場合、日付は省略されており、同一の製品群に属する４つの製品ＲＴ５０・ＬＡ，ＲＴ５０・ＲＡ，ＲＴ５０・ＬＢ，ＲＴ５０・ＲＢのメディアにおける掲載比は、３０％，５０％，１５％，５％であることを表している。

図１に戻る。販促施策情報１１５は、各製品についての販促施策の実施日（実施済みの日及び予定日を含む）とその種類を表す情報である。販促施策情報１１５は、予めデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。販促施策の種類としては、値引き、チラシ掲載、メールマガジン、店頭展示、メディア掲載等を挙げることができる。なお、ユーザは、販促施策情報１１５（図７）における今後の販促施策の予定を変更することができる。

図７は、販促施策情報１１５のデータ構造の一例を示している。同図の場合、例えば、製品ＲＴ５０・ＬＡについては、８月１６日にメールマガジンの配信、製品ＲＴ５０・ＲＡについては、８月９日にチラシ掲載、８月１６日にメールマガジンの配信が実施された（または実施される）ことを表している。なお、販促施策「－」は、該製品についての販促施策が実施されないことを表している。

図１に戻る。更新係数情報１１６は、販促施策の有無に応じて構成比率を更新するための更新係数を表す情報である。販促施策には、図７に例示された値引き、チラシ掲載、及びメールマガジンの他、店頭展示、メディア掲載等が含まれる。更新係数情報１１６は、更新係数算出部１２４によって算出されて記憶部１１に格納される。

図８は、更新係数情報１１６の一例である。同図の場合、例えば、販促施策としてチラシ掲載が実施された場合の更新係数は１．８、実施されない場合の更新係数は０．７である。これは、販促施策としてチラシ掲載が実施される製品の構成比率を１．８倍し、チラシ掲載が実施されない製品の構成比率を０．７倍することを意味する。

図１に戻る。構成比率予測情報１１７は、同一の製品群に属して仕様が異なる製品の需要量の構成比率が収束すると予測される構成比率収束週Ｔ、収束が開始すると予測される構成比率収束開始週Ｓ、及び構成比率予測値を表す情報である。構成比率収束週Ｔは収束時点算出部１２１により、構成比率収束開始週Ｓは収束開始時点算出部１２２により、構成比率予測値は構成比率算出部１２３によりそれぞれ算出されて構成比率予測情報１１７として記憶部１１に格納される。

図９は、構成比率予測情報１１７のデータ構造の一例を示している。同図の場合、例えば、製品群ＲＴ５０に属する仕様違いの製品の構成比率の収束週Ｔは販売開始から１０週目であり、収束開始週Ｓは販売開始から５週目であり、製品群ＲＴ５０に属する仕様違いの製品ＲＴ５０・ＬＡ，ＲＴ５０・ＲＡ，ＲＴ５０・ＬＢ，ＲＴ５０・ＲＢの構成比率の予測値は３２％，３８％，２５％，５％であることを表している。

図１に戻る。更新済構成比率情報１１８は、同一の製品群に属して仕様が異なる製品の販促施策の有無に応じて更新した構成比率の予測値の推移を表す情報である。更新済構成比率情報１１８は、構成比率更新部１２５により算出されて記憶部１１に格納される。

図１０は、更新済構成比率情報１１８のデータ構造の一例を示している。同図の場合、例えば、製品群ＲＴ５０に属する仕様違いの製品ＲＴ５０・ＬＡ，ＲＴ５０・ＲＡ，ＲＴ５０・ＬＢ，ＲＴ５０・ＲＢの更新済構成比率の予測値は、８月２日が３２％，３８％，２５％，５％であり、８月９日が２０％，６１％，１６％，３％であり、８月１６日が３２％，３８％，２５％，５％であることを表している。

図１に戻る。製品群需要予測情報１１９は、製品群毎の需要量の予測値を表す情報である。製品群需要予測情報１１９は、予めデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。なお、製品群毎の需要量は、例えば、各国の市場規模、経済状況、人口規模等の統計情報に基づき、機械学習、自己回帰和分移動平均モデル等の手法を用いて予測される。

図１１は、製品群需要予測情報１１９のデータ構造の一例を示している。同図の場合、製品群ＲＴ５０の需要量予測値は、８月２日が３００台、８月９日が５００台、８月１６日が３５０台であることを表している。

図１に戻る。製品マスタ情報１１１０は、各製品の製品カテゴリ、製品群、仕様、販売開始日、及び販売終了日を表す情報である。製品カテゴリとは、例えば生活家電の場合、冷蔵庫、洗濯機、ＴＶ等の区別を指す。製品マスタ情報１１１０は、予めデータベース２０に格納されており、通信部１３により、ネットワーク２を介してデータベース２０から取得されて記憶部１１に格納される。

図１２は、製品マスタ情報１１１０のデータ構造の一例を示している。同図の場合、製品カテゴリＡ１に属する製品ＲＳ５０・ＬＡの販売開始日は２０２０年４月１日、販売終了日は２０２１年４月５日であることを示している。

なお、上述した情報のうち、販売実績情報１１１、親子品目対応情報１１２、製品展示情報１１３、メディア掲載情報１１４、販促施策情報１１５、製品群需要予測情報１１９、及び製品マスタ情報１１１０については記憶部１１に格納せず、必要に応じてデータベース２０に格納されている各情報を参照するようにしてもよい。

図１に戻る。処理部１２は、コンピュータ１００のプロセッサ１０１によって実現される。処理部１２は、収束時点算出部１２１、収束開始時点算出部１２２、構成比率算出部１２３、更新係数算出部１２４、構成比率更新部１２５、需要量算出部１２６、及び出力制御部１２７を有する。

収束時点算出部１２１は、販売実績情報１１１、親子品目対応情報１１２、及び製品マスタ情報１１１０に基づき、後述する収束時算出処理（図１５）に従って、同一の製品群に属して仕様が異なる製品の需要量の構成比率が収束すると予測される時点（販売開始日を起点として週単位で表す。以下、構成比率収束週Ｔと称する）を算出し、構成比率予測情報１１７に格納する。

収束開始時点算出部１２２は、販売実績情報１１１、親子品目対応情報１１２、構成比率予測情報１１７、及び製品マスタ情報１１１０に基づき、後述する収束開始時点算出処理（図１６）に従って、同一の製品群に属して仕様が異なる製品の需要量の構成比率が収束開始すると予測される時点（販売開始日を起点として週単位で表す。以下、構成比率収束開始週Ｓと称する）を算出し、構成比率予測情報１１７に格納する。

構成比率算出部１２３は、販売実績情報１１１、親子品目対応情報１１２、構成比率予測情報１１７、及び製品マスタ情報１１１０に基づき、後述する構成比率算出処理（図１４）に従って、同一の製品群に属して仕様が異なる製品の需要量の構成比率の予測値（予測値α，βまたはγ）を算出し、構成比率予測値として、構成比率予測情報１１７に格納する。

更新係数算出部１２４は、販売実績情報１１１、製品展示情報１１３、メディア掲載情報１１４、及び販促施策情報１１５に基づき、後述する更新係数算出処理（図１８）に従い、各製品に対する更新係数を算出し、更新係数情報１１６に格納する。

構成比率更新部１２５は、製品展示情報１１３、メディア掲載情報１１４、販促施策情報１１５、及び更新係数情報１１６に基づき、後述する構成比率更新処理（図１３）に従って、同一の製品群に属して仕様が異なる製品の需要量の構成比率に更新係数を乗算するし、さらに正規化することによって構成比率を更新し、更新済構成比率情報１１８に格納する。

需要量算出部１２６は、更新済構成比率情報１１８、及び製品群需要予測情報１１９に基づき、製品群需要予測値に対して各製品の構成比率を乗算することにより、各製品の需要量を算出する。

出力制御部１２７は、需要量算出部１２６によって算出された各製品の需要量等を表す出力画面をユーザ端末３０に表示させる。

通信部１３は、コンピュータ１００の情報受発信装置１０８によって実現される。通信部１３は、ネットワーク２を介してデータベース２０と接続し、各種の情報を取得して記憶部１１に格納する。

データベース２０は、例えば、ＥＲＰ(Enterprise Resource Planning)システム等からなる。データベース２０には、予め販売実績情報１１１、親子品目対応情報１１２、製品展示情報１１３、販促施策情報１１５、製品群需要予測情報１１９、及び製品マスタ情報１１１０が格納されているものとする。ユーザ端末３０は、例えば、パーソナルコンピュータ等の一般的なコンピュータであり、製品の需要量の予測値に基づいて製品の生産計画を立案するユーザによって操作される。ユーザ端末３０は、需要予測装置１０から取得する製品の需要量の予測値等を表す出力画面をユーザに提示する。

次に、図１３は、本実施形態における需要予測の概念について説明するための図である。

本実施形態においては、製品の需要に関する下記（１），（２）の特徴を利用する。
（１）同一の製品群に属して仕様が異なる製品（子品目）の構成比率は、対応する親品目の製品の構成比率と相関がある。
（２）同一の製品群に属して仕様が異なる製品の構成比率は、人間工学（例えば、日本人は左利きよりも右利きが多いため、冷蔵庫の扉は右手で開閉し易いように右開きが左開きよりも需要が多い等）、消費者心理、居住環境等に起因して最終的に収束する。

そして、製品の販売開始以降の期間を、販売開始から構成比率収束開始週Ｓまでの第１期間（構成比率収束開始週Ｓを含まない）、構成比率収束開始週Ｓから構成比率収束週Ｔまでの第２期間（構成比率収束開始週Ｓを含み、構成比率収束週Ｔを含まない）、構成比率収束週Ｔ以後の第３期間（構成比率収束週Ｔを含む）に分割し、計画立案日（需要予測の対象日）が第１～第３期間のどこに属するのかによって構成比率の算出方法を変更するようになされている。

具体的には、同図の上段に示すように、計画立案日であるＮ週が第１期間に属する場合（Ｎ＜Ｓの場合）、対象製品（子品目）の構成比率には、対応する親品目の累積販売実績に基づいて算出された親品目の収束後の構成比率αを採用する。

また、同図の中段に示すように、計画立案日であるＮ週が第２期間に属する場合（Ｓ≦Ｎ＜Ｔ）、予測対象の製品（子品目）の構成比率には、次式（１）に従い、構成比率αと構成比率βとを用いて算出する構成比率γを採用する。
γ＝｛α×（Ｔ－Ｎ）＋β×（Ｎ－Ｓ＋１）｝／（Ｔ－Ｓ＋１） ・・・（１）

ここで、構成比率βは、対象製品（子品目）の現時点における累積販売実績に基づいて算出する構成比率である。構成比率βは、構成比率収束週Ｔ以後において収束する。第２期間においては、対象製品（子品目）の構成比率がαからβに移行する期間であるため、構成比率γは、構成比率αと構成比率βを組み合わせて算出する。具体的には、Ｎ週が構成比率収束開始週Ｓに近いときには、親品目の構成比率αの割合が高く、Ｎ週が構成比率収束週Ｔに近づくにつれて、構成比率βの割合が高くなるように算出する。

さらに、同図の下段に示すように、計画立案日であるＮ週が第３期間に属する場合（Ｔ≦Ｎ）、対象製品（子品目）の構成比率には、当該製品の累積販売実績に基づいて算出する構成比率βを採用する。

＜需要予測装置１０による需要予測処理について＞
次に、図１４は、需要予測装置１０による需要予測処理の一例を説明するフローチャートである。

該需要予測処理は、例えば、ユーザがユーザ端末３０を用いて指定した製品群、またはユーザが指定した製品が属する製品群に属して仕様が異なる各複数の需要量を予測するものである。需要予測処理は、例えば、バッチ処理等により所定のタイミングで自動に実行される。

はじめに、通信部１３が、ネットワーク２を介してデータベース２０に接続し、販売実績情報１１１、親子品目対応情報１１２、製品展示情報１１３、メディア掲載情報１１４、販促施策情報１１５、及び製品マスタ情報１１１０を取得して記憶部１１に格納する（ステップＳ１）。

次に、処理部１２が、ユーザが指定した製品群、またはユーザが指定した製品が属する製品群を需要予測の対象製品群とし、対象製品群に属して仕様が異なる複数の製品に順に着目し、需要予測の対象製品として、以下のステップＳ３～Ｓ１０を実行する（ステップＳ２）。

具体的には、収束時点算出部１２１が、販売実績情報１１１、親子品目対応情報１１２、及び製品マスタ情報１１１０を参照し、対象製品（子品目）に対応する親品目の販売実績に基づいて、対象製品の構成比率収束週Ｔを算出する（ステップＳ３）。

図１５は、ステップＳ３の処理の一例を詳述するフローチャートである。まず、収束時点算出部１２１が、親子品目対応情報１１２を参照して、対象製品（子品目）に対応する親品目を特定する（ステップＳ２１）。なお、親子品目対応情報１１２に、対象製品（子品目）に対応する親品目が記録されていない場合、製品マスタ情報１１１０を参照し、対象製品（子品目）と同一の製品カテゴリに属し、製品群の型式及び仕様を表す符号が類似している製品の中で、販売開始日が対象製品（子品目）の販売開始日以前であって対象製品（子品目）の販売開始日に最も近い製品を親品目とみなせばよい。

次に、収束時点算出部１２１が、対象製品（子品目）の親品目の販売実績情報１１１を抽出する（ステップＳ２２）。次に、収束時点算出部１２１が、製品マスタ情報１１１０に基づき、親品目の販売開始から販売終了までの期間を週単位で順に対象週ｔとする（ステップＳ２３）。

次に、収束時点算出部１２１が、販売実績情報１１１の構成比率推移情報１１１ｂを参照し、次式（２）に示すΔ、すなわち、対象製品（子品目）に対応する親品目の対象週ｔにおける構成比率と、その前週（ｔ－１）における構成比率の差の２乗を算出する（ステップＳ２４）。
Δ＝｛（対象週ｔにおける構成比率）－（前週（ｔ－１）における構成比率）｝^２
・・・（２）

次に、収束時点算出部１２１が、Δが０．０５^２以下であるか否か、すなわち、親品目の対象週ｔとその前週（ｔ－１）における構成比率の変化が±５％以内であるか否かを判定する（ステップＳ２５）。

ここで、Δが０．０５^２以下ではないと判定した場合（ステップＳ２５でＮＯ）、収束時点算出部１２１が、対象週ｔが販売週終了週であるか否かを判定し（ステップＳ２６）、販売終了週ではないと判定した場合（ステップＳ２６でＮＯ）、カウント変数ｎを０に初期化する（ステップＳ２７）。なお、カウント変数ｎは、Δが０．０５^２以下である週の連続数を表し、初期値は０である。この後、処理はステップＳ２３に戻され、対象週ｔが１だけインクリメントされて、ステップＳ２３以降が繰り返される。なお、収束時点算出部１２１が、対象週ｔが販売週終了週であると判定した場合（ステップＳ２６でＹＥＳ）、処理はステップＳ３０に進められる。

反対に、Δが０．０５^２以下であると判定した場合（ステップＳ２５でＹＥＳ）、収束時点算出部１２１が、カウント変数ｎを１だけインクリメントする（ステップＳ２８）。

次に、収束時点算出部１２１が、カウント変数ｎが３であるか否かを判定し、また、対象週ｔが販売終了週であるか否かを判定する（ステップＳ２９）。ここで、カウント変数ｎが３ではない、且つ、対象週ｔが販売終了週ではないと判定された場合（ステップＳ２９でＮＯ）、処理はステップＳ２３に戻され、対象週ｔが１だけインクリメントされて、ステップＳ２３以降が繰り返される。

反対に、カウント変数ｎが３である、且つ／または、対象週ｔが販売終了週であると判定された場合（ステップＳ２９でＹＥＳ）、処理はステップＳ３０に進められる。

次に、収束時点算出部１２１が、対象週ｔを、対象製品（子品目）の構成比率収束週Ｔに決定して構成比率予測情報１１７に記録する（ステップＳ３０）。

以上のように、収束時点算出部１２１が、対象製品（子品目）に対応する親品目の販売実績に基づいて、対象製品（子品目）の構成比率収束週Ｔを決定した後、処理は図１４のステップＳ４に進められる。

次に、収束開始時点算出部１２２が、販売実績情報１１１、親子品目対応情報１１２、構成比率予測情報１１７、及び製品マスタ情報１１１０に基づき、対象製品の構成比率が収束を開始する収束開始週Ｓを算出する（ステップＳ４）。

図１６は、ステップＳ４の処理の一例を詳述するフローチャートである。まず、収束開始時点算出部１２２が、親子品目対応情報１１２を参照し、対象製品（子品目）の親品目と、その親品目（子品目の２世代前）を特定する（ステップＳ４１）。なお、対象製品（子品目）の親品目が親子品目対応情報１１２に記録されていない場合、図１５のステップＳ２１と同様、対象製品（子品目）と同一の製品カテゴリに属し、製品群の型式及び仕様を表す符号が類似している製品の中で、販売開始日が対象製品（子品目）の販売開始日以前であって対象製品（子品目）の販売開始日に最も近い製品を親品目とみなせばよい。親品目の親品目についても同様である。

次に、収束開始時点算出部１２２が、対象製品（子品目）の親品目、及びその親品目の販売実績情報１１１を抽出する（ステップＳ４２）。

次に、収束開始時点算出部１２２が、対象製品（子品目）の２世代前の販売実績情報１１１の構成比率推移情報１１１ｂを参照し、対象製品（子品目）の２世代前の収束後の構成比率を、対象製品（子品目）の親品目の構成比率αとして特定する。また、収束開始時点算出部１２２が、対象製品（子品目）の親品目の販売実績情報１１１の構成比率推移情報１１１ｂを参照し、対象製品（子品目）の親品目の収束後の構成比率βを特定する（ステップＳ４３）。

次に、収束開始時点算出部１２２が、製品マスタ情報１１１０に基づき、親品目の販売開始日から、ステップＳ３で算出された構成比率収束週Ｔまでの１週からＴ週までを順に収束開始週Ｓに仮定する（ステップＳ４４）。

次に、収束開始時点算出部１２２が、収束開始週Ｓを固定した状態で、計画立案日であるＮ週を１週からＴ週まで変化させた場合の対象製品（子品目）のＮ週の構成比率を、図１３に示した場合分けに従って算出する（ステップＳ４５）。

図１７は、ステップＳ４５における算出結果の一例を示している。ただし、同図においては、ステップＳ３で算出された構成比率収束週Ｔが１０、ステップＳ４３で算出された対象製品（子品目）の親品目の構成比率αが０．２７０，Ｎ＝１～１０それぞれの累積販売実績に基づく構成比率βが０．３８１，０．３９７，・・・，０．２７０である場合を示している。

例えば、収束開始週Ｓ＝１の場合、Ｎ週＝１のときにはＳ≦Ｎとなって、Ｎ週は図１３に示した第２期間に属するので、式（１）に従って構成比率γが算出される。
γ＝（０．２７０×（１０－１）+０．３８１×１）／１０＝０．２８１

また例えば、収束開始週Ｓ＝２の場合、Ｎ週＝１のときにはＮ＜ＳとなってＮ週は図１３に示した第１期間に属するので、構成比率α＝０．２７０が採用される。また、Ｎ週＝２のときにはＳ≦Ｎとなって、Ｎ週は図１３に示した第２期間に属するので、式（１）に従い、次のように構成比率γが算出される。
γ＝（０．２７０×（１０－２）+０．３９７×２）／１０＝０．２９５

また、Ｎ週＝１０のときにはＴ≦ＮとなってＮ週は図１３に示した第３期間に属するので、構成比率β＝０．２７０が採用される。

さらに例えば、収束開始週Ｓ＝１０の場合、Ｎ週＝１～９のときにはＮ＜ＳとなってＮ週は図１３に示した第１期間に属するので、構成比率α＝０．２７０が採用され、Ｎ週＝１０のときにはＴ≦ＮとなってＮ週は図１３に示した第３期間に属するので、構成比率β＝０．２７０が採用される。

図１６に戻る。次に、収束開始時点算出部１２２が、現在の収束開始週Ｓが構成比率収束週Ｔと同一であるか否かを判定する（ステップＳ４６）。ここで、現在の収束開始週Ｓが構成比率収束週Ｔと同一ではないと判定された場合（ステップＳ４６でＮＯ）、処理はステップＳ４４に戻され、Ｓが１だけインクリメントされて、ステップＳ４４～Ｓ４６が繰り返される。

その後、現在の収束開始週Ｓが構成比率収束週Ｔと同一であると判定された場合（ステップＳ４６でＹＥＳ）、次に、収束開始時点算出部１２２が、収束開始週Ｓの取り得る値（１～Ｔ）それぞれに対して、計画立案日であるＮ週を１週から（Ｔ－１）週まで変化させた場合の対象製品（子品目）のＮ週の構成比率と、Ｎ週以降のＭ週（Ｍ＝１～８）の累積販売実績に基づく構成比率βとの誤差を算出し、その総和が最小となるＳを、対象製品の構成比率収束開始週Ｓに設定する（ステップＳ４７）。ただし、Ｍ＝１はＮ週と同じ週を表し、Ｍ＝２はＮ週の翌週を表すものとする。

図１８は、ステップＳ４７を詳述するための図である。図１７より、例えば、収束開始週Ｓ＝１における、Ｎ＝１の構成比率は０．２８１、Ｍ＝１の構成比率βは０．３８１であるので、その誤差は｜０．２８１－０．３８１｜＝０．１００となる。また、Ｍ＝２の構成比率βは０．３９７であるので、その誤差は｜０．２８１－０．３９７｜＝０．１１６となる。

また例えば、収束開始週Ｓ＝１における、Ｎ＝２の構成比率は０．２９５、Ｍ＝１の構成比率βは０．３９７であるので、その誤差は｜０．２９５－０．３９７｜＝０．１０２となる。また、Ｍ＝２の構成比率βは０．３７２であるので、その誤差は｜０．２９５－０．３７２｜＝０．０７７となる。

そして、Ｓを固定した状態で、ＮとＭとの組み合わせ毎に算出される誤差の総和が最小となるＳの値が、対象製品の構成比率収束開始週Ｓとされて、構成比率予測情報１１７に格納される。

以上のように、収束開始時点算出部１２２が、対象製品（子品目）の構成比率収束開始週Ｓを決定した後、処理は図１４のステップＳ５に進められる。

次に、構成比率算出部１２３が、例えば、ユーザからの入力に従い、対象製品の構成比率を予測する計画対象日（対象製品の販売開始日を起点として週単位のＮ週とする）を特定する（ステップＳ５）。次に、構成比率算出部１２３が、構成比率予測情報１１７から構成比率収束開始週Ｓ、及び構成比率収束週Ｔを参照し、計画対象日（Ｎ週）が第１～第３期間のどこに属するかを判定する（ステップＳ６）。そしてこの判定結果に応じ、処理はステップＳ７～Ｓ９のいずれかに分岐する。

すなわち、Ｎ週が第１期間に属すると判定した場合、構成比率算出部１２３が、販売実績情報１１１の構成比率推移情報１１１ｂを参照し、対象製品（子品目）の親品目の収束後の構成比率を構成比率αに流用して構成比率予測情報１１７に記録する（ステップＳ７）。

また、Ｎ週が第２期間に属すると判定した場合、構成比率算出部１２３が、販売実績情報１１１を参照し、対象製品（子品目）の親品目の累積販売実績に基づいて構成比率αを算出し、また対象製品（子品目）の累積販売実績に基づいて構成比率βを算出し、式（１）に従い構成比率γを算出して構成比率予測情報１１７に記録する（ステップＳ８）。

また、Ｎ週が第３期間に属すると判定した場合、構成比率算出部１２３が、販売実績情報１１１を参照し、対象製品（子品目）の累積販売実績に基づいて構成比率βを算出して構成比率予測情報１１７に記録する（ステップＳ９）。

次に、処理部１２が、対象製品と同一の製品群に属して仕様が異なる複数の製品のうち、未着目の製品があるか否かを判定し（ステップＳ１０）、未着目の製品があると判定した場合（ステップＳ１０でＹＥＳ）、処理をステップＳ２に戻して、次の対象製品を決定した後、ステップＳ３～Ｓ１０を繰り返し実行する。

そして、同一の製品群に属して仕様が異なる全ての製品が対象製品とされてステップＳ３～Ｓ１０が実行され、未着目の製品がないと判定された場合（ステップＳ１０でＮＯ）、処理は、ステップＳ１１に進められる。

次に、更新係数算出部１２４が、販売実績情報１１１、製品展示情報１１３、メディア掲載情報１１４、及び販促施策情報１１５に基づいて更新係数を算出する（ステップＳ１１）。

図１９は、ステップＳ１１の処理の一例を詳述するフローチャートである。まず、更新係数算出部１２４が、販促施策（値引き、チラシ掲載、メールマガジン、店頭展示、メディア掲載）を順に着目する（ステップＳ５１）。

次に、更新係数算出部１２４が、製品展示情報１１３、メディア掲載情報１１４、及び販促施策情報１１５を参照し、対象製品群に属する製品に対して、着目した販促施策を実施した実施日を抽出し、抽出した実施日に順に着目する（ステップＳ５２）。なお、着目した販促施策が店頭展示、またはメディア掲載である場合には、それぞれが変更された日付けを実施日とみなすことにする。

次に、更新係数算出部１２４が、販売実績情報１１１を参照し、対象製品群に属する各製品について、着目した販促施策の実施前後の販売実績（累積販売実績）を抽出する（ステップＳ５３）。ここで、着目した販促施策が店頭展示、またはメディア掲載である場合には、店頭展示の状況や掲載割合が変化した日の前後の日単位の販売実績を抽出するようにする。着目した販促施策が値引き、チラシ掲載、またはメールマガジンである場合には、実施日前後の週単位の販売実績を抽出するようにする。

次に、更新係数算出部１２４が、対象製品群に属する各製品のうち、販促施策を実施した製品と、販促施策を実施しなかった製品とのそれぞれについて、（販促施策実施後の販売実績）／（販促施策実施前の販売実績）を算出する（ステップＳ５４）。

次に、更新係数算出部１２４が、販促施策の実施日のうち、未着目の実施日があるか否かを判定し（ステップＳ５５）、未着目の実施日があると判定した場合（ステップＳ５５でＹＥＳ）、処理をステップＳ５２に戻し、ステップＳ５２～Ｓ５５を繰り返す。

その後、未着目の実施日がないと判定した場合（ステップＳ５５でＮＯ）、更新係数算出部１２４が、対象製品群に属する各製品のうちの販促施策を実施した製品について実施日の数だけステップＳ５４で算出した値の平均値を算出し、着目している販促施策を実施した場合の更新係数として更新係数情報１１６に格納する。また、更新係数算出部１２４が、対象製品群に属する各製品のうちの販促施策を実施しなかった製品について実施日の数だけステップＳ５４で算出した値の平均値を算出し、着目している販促施策を実施しなかった場合の更新係数として更新係数情報１１６に格納する（ステップＳ５６）。

次に、更新係数算出部１２４が、販促施策のうち、未着目の販促施策があるか否かを判定し（ステップＳ５７）、未着目の販促施策があると判定した場合（ステップＳ５７でＹＥＳ）、処理をステップＳ５１に戻し、ステップＳ５１～Ｓ５７を繰り返す。

その後、未着目の販促施策がないと判定した場合（ステップＳ５７でＮＯ）、各販促施策を実施した場合と実施しなかった場合の更新係数が得られたことになるので、処理は図１４のステップＳ１２に進められる。

次に、構成比率更新部１２５が、更新係数情報１１６、及び構成比率予測情報１１７に基づき、対象製品群に属する製品の構成比率を更新して更新済構成比率情報１１８に格納する（ステップＳ１２）。

より詳細には、構成比率予測情報１１７に格納されている対象製品群に属する製品の構成比率に対し、販促施策情報１１５が表す販促施策の実施予定に従い、更新係数情報１１６に格納されている更新係数を乗算する。さらに、対象製品群に属する製品の構成比率に更新係数を乗算した値の合計が１００％になるように正規化することにより、構成比率を更新する。

具体的には、例えば、製品群ＲＴ５０に属する製品の２０２１年８月９日における需要予測を行う場合、販促施策情報１１５（図７）から、製品群ＲＴ５０に属する仕様違いの製品のうちの製品ＲＴ５０・ＲＡに対して販促施策としてチラシ掲載が実施され、製品ＲＴ５０・ＬＡ，ＲＴ５０・ＬＢ，ＲＴ５０・ＲＢには実施されないことがわかる。また、更新係数情報１１６（図１８）から、チラシ掲載が実施される場合の調整係数は１．８、実施されない場合の調整係数は０．７であることがわかる。さらに、構成比率予測情報１１７（図９）から、製品群ＲＴ５０に属する仕様違いの製品ＲＴ５０・ＬＡ，ＲＴ５０・ＲＡ，ＲＴ５０・ＬＢ，ＲＴ５０・ＲＢのＬＡの構成比率は、３２％，３８％，２５％，５％，であることがわかる。よって、製品ＲＴ５０・ＲＡの更新、正規化後の構成比率は、｛３８％×１．８／（３２％×０．７＋３８％×１．８＋２５％×０．７＋５％×０．７）｝＝６１％となる。

次に、需要量算出部１２６が、製品群需要予測情報１１９が表す製品群毎の需要量予測値に対し、更新済構成比率情報１１８に格納された各製品の更新済構成比率を乗算することにより、対象製品群に属する各製品の需要予測値を算出する（ステップＳ１３）。そして、出力制御部１２７が、算出された対象製品群に属する各製品の需要予測値を表す出力画面２００（図２０）を、ネットワーク２を介して接続されたユーザ端末３０に表示させる（ステップＳ１４）。以上で、需要予測装置１０による需要予測処理は終了される。

該需要予測処理によれば、販促施策の実施を考慮して、同一の製品群に属する各製品の需要量を精度よく予測することが可能となる。

次に、図２０は、ユーザ端末３０に表示される出力画面２００の表示例を示している。出力画面２００には、同一の製品群に属する各製品の１週間毎の需要予測値と、予定されている販促施策とが表示される。例えば、２０２１年８月９日の週における製品群ＲＴ５０に属する仕様違いの製品ＲＴ５０・ＬＡ，ＲＴ５０・ＲＡ，ＲＴ５０・ＬＢ，ＲＴ５０・ＲＢそれぞれの需要予測値は８０，２４４，６４，１２であり、製品ＲＴ５０・ＲＡに対してだけ販促施策としてチラシ掲載が予定されていることを確認できる。上述したように、ユーザは、販促施策情報１１５（図７）における販促施策の実施予定を変更することができ、その効果を出力画面２００によって確認できる。

次に、図２１は、本実施形態の需要予測システム１の活用例を示している。需要予測システム１は、製造流通コミュニティ２００１、及び市場２００２によって構成されたサプライチェーン２０００に活用できる。

製造流通コミュニティ２００１は、材料や部品の調達、製品の製造、製品の輸送や出庫、販売を行う企業の集合体である。例えば、自動車業界において、部品メーカから、完成車メーカ、車両量販店等企業の集合体が挙げられる。市場２００２は、製造流通コミュニティ２００１に対して製品を注文し、製造流通コミュニティ２００１は、市場２００２に対して製品を納品する。

製造流通コミュニティ２００１と市場２００２とからなるサプライチェーンの適正化において、同一の製品群に属する仕様違いの製品の高精度な需要予測を入力として販売計画を生成し、ＭＲＰ(Material Requirements Planning:資材所要量計画)システムを多段階で適用するような、需給最適化システム２００３に販売計画を入力することは、需要実績との偏差低減に繋がり、サプライチェーン全体の棚卸資産の削減や販売機会損失防止を可能とする。

例えば、需要予測システム１は、市場２００２からの注文を、需給最適化システム２００３の入力として必要な製品群仕様別の需要量として予め予測することを可能とする。これにより、需給最適化システム２００３から、各製造流通コミュニティ２００１の拠点となるサプライヤ、工場、倉庫、販社等に対して、部品調達指示、生産指示、輸送指示、出庫指示等を適切に行うことが可能となり、需給が一致し、棚卸資産の削減や販売機会損失の防止が可能となる。

なお、本発明は上記した実施形態に限らず、様々な変形が可能である。例えば、本実施形態においては、販売計画、販促施策の計画、構成比率の予測、製品群の需要予測、製品群仕様別の需要予測等を、週単位の値を用いることにしているが、例えば、販売計画の立案頻度に応じて、日単位、月単位の値を用いるようにしてもよい。

また、例えば、上記した実施形態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限定されるものではない。また、上記の各構成、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い。また、上記の各構成、機能等は、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、メモリや、ハードディスク、ＳＳＤ等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。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、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１・・・需要予測システム、２・・・ネットワーク、１０・・・需要予測装置、１１・・・記憶部、１１１・・・販売実績情報、１１１ａ・・・累積販売実績、１１１ｂ・・・構成比率推移情報、１１２・・・親子品目対応情報、１１３・・・製品展示情報、１１４・・・メディア掲載情報、１１５・・・販促施策情報、１１６・・・更新係数情報、１１７・・・構成比率予測情報、１１８・・・更新済構成比率情報、１１９・・・製品群需要予測情報、１１１０・・・製品マスタ情報、１２・・・処理部、１２１・・・収束時点算出部、１２２・・・収束開始時点算出部、１２３・・・構成比率算出部、１２４・・・更新係数算出部、１２５・・・構成比率更新部、１２６・・・需要量算出部、１２７・・・出力制御部、１３・・・通信部、２０・・・データベース、３０・・・ユーザ端末、１００・・・コンピュータ、１０１・・・プロセッサ、１０２・・・ＲＯＭ、１０３・・・ＲＡＭ、１０４・・・補助記憶装置、１０５・・・表示装置、１０６・・・入力装置、１０７・・・メディア読取装置、１０８・・・情報受発信装置、２００・・・出力画面、２０００・・・サプライチェーン、２００１・・・製造流通コミュニティ、２００２・・・市場、２００３・・・需給最適化システム

Claims (8)

1. 製品毎の販売実績を表す販売実績情報、及び製品の子品目と親品目との対応関係を表す親子品目対応情報を参照して、需要量の予測対象とする前記子品目としての対象製品に対応する親品目の販売実績を抽出し、前記親品目の販売実績に基づいて、前記対象製品が属する製品群に属する仕様が異なる複数の製品の需要の構成比率が収束する時点を表す収束時点Ｔを算出する収束時点算出部と、
   前記収束時点Ｔを閾値として算出方法を決定し、決定した前記算出方法に従い、前記親品目の販売実績、及び前記対象製品の販売実績のうちの少なくとも一方に基づいて、前記対象製品の前記構成比率を算出する構成比率算出部と、
   販促施策に応じた更新係数を用い、算出された前記構成比率を更新する構成比率更新部と、
   を備える需要予測装置。
2. 請求項１に記載の需要予測装置であって、
   前記対象製品の販売実績、前記対象製品に対応する前記親品目の販売実績、及び前記親品目に対応する親品目の販売実績に基づいて、前記構成比率の収束が開始する時点を表す収束開始時点Ｓを算出する収束開始時点算出部、
   を備え、
   構成比率算出部は、前記収束開始時点Ｓ及び前記収束時点Ｔを閾値として前記算出方法を決定する
   需要予測装置。
3. 請求項１に記載した需要予測装置であって、
   前記製品に対する販促施策の実施の状況を表す販促施策情報を参照し、前記対象製品に対する前記販促施策の実施前後の前記対象製品の販売実績に基づいて前記更新係数を算出する更新係数算出部、
   を備える需要予測装置。
4. 請求項１に記載した需要予測装置であって、
   前記販促施策は、値引き、チラシ掲載、メールマガジン、店頭展示、及びメディア掲載のうちの少なくとも一つを含む
   需要予測装置。
5. 請求項１に記載した需要予測装置であって、
   前記構成比率更新部は、算出された前記構成比率に前記更新係数を乗算して正規化することにより、前記構成比率を更新する
   需要予測装置。
6. 請求項１に記載した需要予測装置であって、
   前記対象製品が属する製品群に対する需要量予測値に、更新された前記構成比率を乗算することにより、前記対象製品の需要量を算出する需要量算出部、
   を備える需要予測装置。
7. 請求項６に記載した需要予測装置であって、
   算出された前記対象製品の需要量、及び前記対象製品に対する販促施策を表す画面を表示させる出力制御部、
   を備える需要予測装置。
8. 需要予測装置による需要量予測方法であって、
   製品毎の販売実績を表す販売実績情報、及び製品の子品目と親品目との対応関係を表す親子品目対応情報を参照して、需要量の予測対象とする前記子品目としての対象製品に対応する親品目の販売実績を抽出し、前記親品目の販売実績に基づいて、前記対象製品が属する製品群に属する仕様が異なる複数の製品の需要の構成比率が収束する時点を表す収束時点Ｔを算出する収束時点算出ステップと、
   前記収束時点Ｔを閾値として算出方法を決定し、決定した前記算出方法に従い、前記親品目の販売実績、及び前記対象製品の販売実績のうちの少なくとも一方に基づいて、前記対象製品の前記構成比率を算出する構成比率算出ステップと、
   販促施策に応じた更新係数を用い、算出された前記構成比率を更新する構成比率更新ステップと、
   を含む需要予測方法。

Images