JP3229773B2 - 商品販売量等の予測装置 - Google Patents
商品販売量等の予測装置Info
- Publication number
- JP3229773B2 JP3229773B2 JP11572295A JP11572295A JP3229773B2 JP 3229773 B2 JP3229773 B2 JP 3229773B2 JP 11572295 A JP11572295 A JP 11572295A JP 11572295 A JP11572295 A JP 11572295A JP 3229773 B2 JP3229773 B2 JP 3229773B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- prediction
- latest
- predicted
- series
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 19
- 230000002159 abnormal effect Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【産業上の利用分野】この発明は、商品販売量等の予測
装置に関する。
装置に関する。
【０００２】
【従来の技術】ニューラルネットワークを用いて、過去
の商品販売量の実績値に基づいて、将来の商品販売量を
自動的に算出することが考えられる。たとえば、入力ユ
ニット数が３で出力ユニット数が１のニューラルネット
ワークを用いた場合、所定の日から１日前、２日前およ
び３日前の販売量実績値を入力データとし、所定の日の
販売量実績値を教師データとして、ニューラルネットワ
ークを学習させる。このような学習を、過去数日分の販
売量実績値に基づいて、複数回行う。
の商品販売量の実績値に基づいて、将来の商品販売量を
自動的に算出することが考えられる。たとえば、入力ユ
ニット数が３で出力ユニット数が１のニューラルネット
ワークを用いた場合、所定の日から１日前、２日前およ
び３日前の販売量実績値を入力データとし、所定の日の
販売量実績値を教師データとして、ニューラルネットワ
ークを学習させる。このような学習を、過去数日分の販
売量実績値に基づいて、複数回行う。
【０００３】ニューラルネットワークの学習が行われた
後に、現在の日、現在の日から１日前および２日前の販
売量実績値を、ニューラルネットワークに入力すること
により、翌日の商品販売個数を予測する。
後に、現在の日、現在の日から１日前および２日前の販
売量実績値を、ニューラルネットワークに入力すること
により、翌日の商品販売個数を予測する。
【０００４】
【発明が解決しようとする課題】上記のように、過去の
販売量実績値に基づいてニューラルネットワークを学習
させる場合、実績値収集ミス、オぺレーションの操作ミ
ス等によって、過去の販売量実績値の中に不正確な異常
データが存在すると、好適な学習結果が得らなくなり、
予測精度が極端に低下してしまう。
販売量実績値に基づいてニューラルネットワークを学習
させる場合、実績値収集ミス、オぺレーションの操作ミ
ス等によって、過去の販売量実績値の中に不正確な異常
データが存在すると、好適な学習結果が得らなくなり、
予測精度が極端に低下してしまう。
【０００５】この発明は、実績値データ中に異常値が存
在する場合にも、高い精度の予測を行える商品販売量等
の予測装置を提供することを目的とする。
在する場合にも、高い精度の予測を行える商品販売量等
の予測装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】この発明による第１の特
徴は、商品販売量等の予測装置は、商品販売量等の実績
値を所定時間毎に収集する実績収集手段と、該実績収集
手段により収集された実績値および該実績値に対応する
予測値から、それぞれ二者択一的に選択されたデータで
構成される予測用系列に基づいて、前記実績収集手段に
より収集される次の実績値に対応する予測値を予測する
予測手段とを有する商品販売量等の予測装置であって、
前記実績収集手段により収集された最新の実績値、およ
び該最新の実績値の収集前に算出された、該最新の実績
値に対応する最新の予測値のいずれか一方のデータと、
該最新の予測値を算出するために用いられた予測用系列
とに基づいて、前記実績収集手段により収集される次の
実績値に対応する予測値を求めるための次の予測用系列
を作成する予測用系列作成手段を備えている点であり、
第２の特徴は、前記予測用系列作成手段が、最新の実績
値と該最新の実績値に対応する最新の予測値である第１
予測値との差の絶対値が、所定のしきい値より大きいか
否かを判定する手段、最新の実績値と第１予測値との差
の絶対値が、所定のしきい値以下であるときには、第１
予測値を求めるために用いられた第１予測用系列と最新
の実績値とに基づいて、次の予測値を求めるための予測
用系列を作成する手段、最新の実績値と第１予測値との
差の絶対値が、所定のしきい値より大きいと判定された
ときには、第１予測用系列の中に、予測値が含まれてい
るか否かを判定する手段、第１予測用系列の中に、予測
値が含まれていないときには、第１予測用系列と第１予
測値とに基づいて、次の予測値を求めるための予測用系
列を作成する手段、第１予測用系列の中に、予測値が含
まれているときには、第１予測用系列の中に含まれてい
る最も新しい予測値をそれに対応する実績値に置き換
え、置き換え後の第２予測用系列を用いて最新の第２予
測値を算出する手段、第２予測値と、最新の実績値との
差の絶対値が、所定のしきい値より大きいか否かを判定
する手段、第２予測値と最新の実績値との差の絶対値
が、所定のしきい値より大きいときには、第１予測用系
列と第１予測値とに基づいて、次の予測値を求めるため
の予測用系列を作成する手段、および第２予測値と最新
の実 績値との差の絶対値が、所定のしきい値以下のとき
には第２予測用系列と最新の実績値とに基づいて、次の
予測値を予測するための予測用系列を作成する手段、を
備えている点である。
徴は、商品販売量等の予測装置は、商品販売量等の実績
値を所定時間毎に収集する実績収集手段と、該実績収集
手段により収集された実績値および該実績値に対応する
予測値から、それぞれ二者択一的に選択されたデータで
構成される予測用系列に基づいて、前記実績収集手段に
より収集される次の実績値に対応する予測値を予測する
予測手段とを有する商品販売量等の予測装置であって、
前記実績収集手段により収集された最新の実績値、およ
び該最新の実績値の収集前に算出された、該最新の実績
値に対応する最新の予測値のいずれか一方のデータと、
該最新の予測値を算出するために用いられた予測用系列
とに基づいて、前記実績収集手段により収集される次の
実績値に対応する予測値を求めるための次の予測用系列
を作成する予測用系列作成手段を備えている点であり、
第２の特徴は、前記予測用系列作成手段が、最新の実績
値と該最新の実績値に対応する最新の予測値である第１
予測値との差の絶対値が、所定のしきい値より大きいか
否かを判定する手段、最新の実績値と第１予測値との差
の絶対値が、所定のしきい値以下であるときには、第１
予測値を求めるために用いられた第１予測用系列と最新
の実績値とに基づいて、次の予測値を求めるための予測
用系列を作成する手段、最新の実績値と第１予測値との
差の絶対値が、所定のしきい値より大きいと判定された
ときには、第１予測用系列の中に、予測値が含まれてい
るか否かを判定する手段、第１予測用系列の中に、予測
値が含まれていないときには、第１予測用系列と第１予
測値とに基づいて、次の予測値を求めるための予測用系
列を作成する手段、第１予測用系列の中に、予測値が含
まれているときには、第１予測用系列の中に含まれてい
る最も新しい予測値をそれに対応する実績値に置き換
え、置き換え後の第２予測用系列を用いて最新の第２予
測値を算出する手段、第２予測値と、最新の実績値との
差の絶対値が、所定のしきい値より大きいか否かを判定
する手段、第２予測値と最新の実績値との差の絶対値
が、所定のしきい値より大きいときには、第１予測用系
列と第１予測値とに基づいて、次の予測値を求めるため
の予測用系列を作成する手段、および第２予測値と最新
の実 績値との差の絶対値が、所定のしきい値以下のとき
には第２予測用系列と最新の実績値とに基づいて、次の
予測値を予測するための予測用系列を作成する手段、を
備えている点である。
【０００７】予測用系列作成手段としては、たとえば、
最新の実績値と最新の第１予測値との差の絶対値が、所
定のしきい値より大きいか否かを判定する手段、最新の
実績値と第１予測値との差の絶対値が、所定のしきい値
以下であるときには、第１予測値を求めるために用いら
れた第１予測用系列と最新の実績値とに基づいて、次の
予測値を求めるための予測用系列を作成する手段、最新
の実績値と第１予測値との差の絶対値が、所定のしきい
値より大きいと判定されたときには、第１予測用系列の
中に、予測値が含まれているか否かを判定する手段、第
１予測用系列の中に、予測値が含まれていないときに
は、第１予測用系列と第１予測値とに基づいて、次の予
測値を求めるための予測用系列を作成する手段、第１予
測用系列の中に、予測値が含まれているときには、第１
予測用系列の中に含まれている最も新しい予測値をそれ
に対応する実績値に置き換え、置き換え後の第２予測用
系列を用いて最新の第２予測値を算出する手段、第２予
測値と、最新の実績値との差の絶対値が、所定のしきい
値より大きいか否かを判定する手段、第２予測値と最新
の実績値との差の絶対値が、所定のしきい値より大きい
ときには、第１予測用系列と第１予測値とに基づいて、
次の予測値を求めるための予測用系列を作成する手段、
および第２予測値と最新の実績値との差の絶対値が、所
定のしきい値以下のときには、第２予測用系列と最新の
実績値とに基づいて、次の予測値を予測するための予測
用系列を作成する手段を備えているものが用いられる。
最新の実績値と最新の第１予測値との差の絶対値が、所
定のしきい値より大きいか否かを判定する手段、最新の
実績値と第１予測値との差の絶対値が、所定のしきい値
以下であるときには、第１予測値を求めるために用いら
れた第１予測用系列と最新の実績値とに基づいて、次の
予測値を求めるための予測用系列を作成する手段、最新
の実績値と第１予測値との差の絶対値が、所定のしきい
値より大きいと判定されたときには、第１予測用系列の
中に、予測値が含まれているか否かを判定する手段、第
１予測用系列の中に、予測値が含まれていないときに
は、第１予測用系列と第１予測値とに基づいて、次の予
測値を求めるための予測用系列を作成する手段、第１予
測用系列の中に、予測値が含まれているときには、第１
予測用系列の中に含まれている最も新しい予測値をそれ
に対応する実績値に置き換え、置き換え後の第２予測用
系列を用いて最新の第２予測値を算出する手段、第２予
測値と、最新の実績値との差の絶対値が、所定のしきい
値より大きいか否かを判定する手段、第２予測値と最新
の実績値との差の絶対値が、所定のしきい値より大きい
ときには、第１予測用系列と第１予測値とに基づいて、
次の予測値を求めるための予測用系列を作成する手段、
および第２予測値と最新の実績値との差の絶対値が、所
定のしきい値以下のときには、第２予測用系列と最新の
実績値とに基づいて、次の予測値を予測するための予測
用系列を作成する手段を備えているものが用いられる。
【０００８】予測手段による予測は、たとえば、ニュー
ラルネットワークを用いて行われる。
ラルネットワークを用いて行われる。
【０００９】
【作用】最新の実績値と、最新の予測値と、最新の予測
値を算出するために用いられた予測用系列とに基づい
て、次の予測値を求めるための予測用系列が作成され
る。そして、作成された予測用系列に基づいて、次の時
系列データが予測される。
値を算出するために用いられた予測用系列とに基づい
て、次の予測値を求めるための予測用系列が作成され
る。そして、作成された予測用系列に基づいて、次の時
系列データが予測される。
【００１０】
【実施例】以下、この発明を、商品の販売量を予測する
商品販売量予測装置に適用した場合の実施例について、
説明する。
商品販売量予測装置に適用した場合の実施例について、
説明する。
【００１１】（１）商品販売量予測装置の全体的な説
明。 図１は、商品販売量予測装置の構成を示している。
明。 図１は、商品販売量予測装置の構成を示している。
【００１２】実績収集手段１は、商品の販売量の実績値
データを収集するものである。実績収集手段１として
は、たとえばＰＯＳシステムが用いられる。
データを収集するものである。実績収集手段１として
は、たとえばＰＯＳシステムが用いられる。
【００１３】実績・予測値保管装置２は、実績収集装置
１によって収集された販売量の実績値データに基づい
て、所定時間単位ごとの販売量の実績値を保管するとと
ともに、後述する予測装置４によって求められた予測値
とを保管する。
１によって収集された販売量の実績値データに基づい
て、所定時間単位ごとの販売量の実績値を保管するとと
ともに、後述する予測装置４によって求められた予測値
とを保管する。
【００１４】予測用系列作成装置３は、後述する予測装
置４によって次の販売量予測値を求めるために用いられ
る予測用系列を作成する。
置４によって次の販売量予測値を求めるために用いられ
る予測用系列を作成する。
【００１５】予測装置４は、ニューラルネットワークを
含んでおり、予測用系列作成装置３によって作成された
予測用系列に基づいて、次の商品販売量を予測する。ニ
ューラルネットワークとしては、たとえば３層バックプ
ロパゲーションモデルのニューラルネットワークが用い
られる。
含んでおり、予測用系列作成装置３によって作成された
予測用系列に基づいて、次の商品販売量を予測する。ニ
ューラルネットワークとしては、たとえば３層バックプ
ロパゲーションモデルのニューラルネットワークが用い
られる。
【００１６】予測値伝達手段５は、予測装置４によって
得られた販売量予測値をオペレータに伝達するためのも
のである。予測値伝達手段５としては、たとえば、表示
装置が用いられる。
得られた販売量予測値をオペレータに伝達するためのも
のである。予測値伝達手段５としては、たとえば、表示
装置が用いられる。
【００１７】（２）予測装置４の動作の説明。
【００１８】以下、予測装置４の動作について、説明す
る。
る。
【００１９】説明の便宜上、予測装置４に設けられたニ
ューラルネットワークの入力ユニット数を３、出力ユニ
ット数を１とする。
ューラルネットワークの入力ユニット数を３、出力ユニ
ット数を１とする。
【００２０】翌日の販売量の予測値は、現在の日を含め
た過去６日間分の予測用系列から予測される。たとえ
ば、現在の日を含めた過去６日間分の予測用系列を古い
ものから順に、Ｘ1 、Ｘ2 、Ｘ3 、Ｘ4 、Ｘ5 、Ｘ6 と
する。予測用系列を構成する各データとしては、販売量
実績値および販売量予測値のうちから選択された一方が
用いられる。予測用系列の作成方法については、後述す
る。
た過去６日間分の予測用系列から予測される。たとえ
ば、現在の日を含めた過去６日間分の予測用系列を古い
ものから順に、Ｘ1 、Ｘ2 、Ｘ3 、Ｘ4 、Ｘ5 、Ｘ6 と
する。予測用系列を構成する各データとしては、販売量
実績値および販売量予測値のうちから選択された一方が
用いられる。予測用系列の作成方法については、後述す
る。
【００２１】予測装置４では、まず、ニューラルネット
ワークの学習が行われる。つまり、Ｘ1 、Ｘ2 、Ｘ3 を
入力パターンとし、教師データをＸ4 としてニューラル
ネットワークが学習せしめられる。また、Ｘ2 、Ｘ3 、
Ｘ4 を入力パターンとし、教師データをＸ5 としてニュ
ーラルネットワークが学習せしめられる。さらに、
Ｘ 3 、Ｘ4 、Ｘ5 を入力パターンとし、教師データをＸ
6 としてニューラルネットワークが学習せしめられる。
ワークの学習が行われる。つまり、Ｘ1 、Ｘ2 、Ｘ3 を
入力パターンとし、教師データをＸ4 としてニューラル
ネットワークが学習せしめられる。また、Ｘ2 、Ｘ3 、
Ｘ4 を入力パターンとし、教師データをＸ5 としてニュ
ーラルネットワークが学習せしめられる。さらに、
Ｘ 3 、Ｘ4 、Ｘ5 を入力パターンとし、教師データをＸ
6 としてニューラルネットワークが学習せしめられる。
【００２２】この学習の後、Ｘ4 、Ｘ5 、Ｘ6 をニュー
ラルネットワーク入力し、出力を得る。この出力結果
が、翌日の販売量予測値Ｚ7 となる。
ラルネットワーク入力し、出力を得る。この出力結果
が、翌日の販売量予測値Ｚ7 となる。
【００２３】（３）予測用系列作成装置３の動作の説
明。
明。
【００２４】以下、予測用系列作成装置３の動作につい
て、説明する。現在の日を含めた過去７日間の販売実績
値を、古いものから順に、Ｙ1 、Ｙ2、Ｙ3 、Ｙ4 …Ｙ
7 とする。ここで、Ｙ7 は、現在の日の販売実績値であ
る。また、過去７日間の予測値をＺ1 、Ｚ2 、Ｚ3 、Ｚ
4 …Ｚ7 とする。翌日の販売予測値を、Ｚ8 とする。
て、説明する。現在の日を含めた過去７日間の販売実績
値を、古いものから順に、Ｙ1 、Ｙ2、Ｙ3 、Ｙ4 …Ｙ
7 とする。ここで、Ｙ7 は、現在の日の販売実績値であ
る。また、過去７日間の予測値をＺ1 、Ｚ2 、Ｚ3 、Ｚ
4 …Ｚ7 とする。翌日の販売予測値を、Ｚ8 とする。
【００２５】図２は、翌日の販売量の予測値を求めるた
めの予測用系列を作成する手順を示している。ここで
は、現在の日の販売量の予測値を求めるために用いられ
た予測用系列Ｘ1 、Ｘ2 、Ｘ3 、Ｘ4 、Ｘ5 、Ｘ6 から
最も古いデータを除いた残り５つからなる系列Ｘ2 、Ｘ
3 、Ｘ4 、Ｘ5 、Ｘ6 を、系列ａということにする。
めの予測用系列を作成する手順を示している。ここで
は、現在の日の販売量の予測値を求めるために用いられ
た予測用系列Ｘ1 、Ｘ2 、Ｘ3 、Ｘ4 、Ｘ5 、Ｘ6 から
最も古いデータを除いた残り５つからなる系列Ｘ2 、Ｘ
3 、Ｘ4 、Ｘ5 、Ｘ6 を、系列ａということにする。
【００２６】まず、現在の日の販売量予測（最新の販売
量予測）において、大きな予測誤差が生じたか否かが判
定される（ステップ１）。この判定は、次の数式１で示
されるように、現在の日の販売量実績値Ｙ7 と、現在の
日の販売量予測値Ｚ7 との差（絶対値）が、所定のしき
い値より大きいか否かを判定することにより行われる。
量予測）において、大きな予測誤差が生じたか否かが判
定される（ステップ１）。この判定は、次の数式１で示
されるように、現在の日の販売量実績値Ｙ7 と、現在の
日の販売量予測値Ｚ7 との差（絶対値）が、所定のしき
い値より大きいか否かを判定することにより行われる。
【００２７】
【数１】
【００２８】現在の日の販売量実績値Ｙ7 と現在の日の
販売量予測値Ｚ7 との差がしきい値より小さい場合に
は、大きな予測誤差が生じていないと判定され、現在の
日の販売量実績値Ｙ7 と現在の日の販売量予測値Ｚ7 と
の差がしきい値より大きい場合には、大きな予測誤差が
生じていると判定される。
販売量予測値Ｚ7 との差がしきい値より小さい場合に
は、大きな予測誤差が生じていないと判定され、現在の
日の販売量実績値Ｙ7 と現在の日の販売量予測値Ｚ7 と
の差がしきい値より大きい場合には、大きな予測誤差が
生じていると判定される。
【００２９】大きな予測誤差が生じていないと判定され
たときには、販売量実績値Ｙ7 は異常値ではないと判断
され、系列ａに現在の日の実績値Ｙ7 を加えることによ
り、予測用系列が作成される（ステップ２）。
たときには、販売量実績値Ｙ7 は異常値ではないと判断
され、系列ａに現在の日の実績値Ｙ7 を加えることによ
り、予測用系列が作成される（ステップ２）。
【００３０】つまり、この場合には、翌日の販売量の予
測値を求めるための予測用系列は、Ｘ2 、Ｘ3 、Ｘ4 、
Ｘ5 、Ｘ6 、Ｙ7 となる。現在の日の販売量の予測値Ｚ
7を求めるために用いられた予測用系列が、たとえば、
Ｙ1 、Ｙ2 、Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 である場合には、
翌日の販売量の予測値を求めるための予測用系列は、Ｙ
2 、Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 、Ｙ7 となる。
測値を求めるための予測用系列は、Ｘ2 、Ｘ3 、Ｘ4 、
Ｘ5 、Ｘ6 、Ｙ7 となる。現在の日の販売量の予測値Ｚ
7を求めるために用いられた予測用系列が、たとえば、
Ｙ1 、Ｙ2 、Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 である場合には、
翌日の販売量の予測値を求めるための予測用系列は、Ｙ
2 、Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 、Ｙ7 となる。
【００３１】大きな予測誤差が生じていると判定された
ときには、販売量実績値Ｙ7 が異常値であるのかまたは
販売量予測値Ｚ7 が異常値であるのかを調べる必要があ
る。そこで、大きな予測誤差が生じていると判定された
ときには、まず、現在の日の販売量の予測値Ｚ7 を求め
るために用いられた予測用系列中に、販売量予測値が含
まれているか否かが判定される（ステップ３）。
ときには、販売量実績値Ｙ7 が異常値であるのかまたは
販売量予測値Ｚ7 が異常値であるのかを調べる必要があ
る。そこで、大きな予測誤差が生じていると判定された
ときには、まず、現在の日の販売量の予測値Ｚ7 を求め
るために用いられた予測用系列中に、販売量予測値が含
まれているか否かが判定される（ステップ３）。
【００３２】現在の日の販売量の予測値Ｚ7 を求めるた
めに用いられた予測用系列中に販売量予測値が含まれて
いない場合には、現在の日の販売量の予測値Ｚ7 が異常
値となる要因はないと考えられるので、系列ａに現在の
日の予測値Ｚ7 を加えることにより、予測用系列が作成
される（ステップ４）。
めに用いられた予測用系列中に販売量予測値が含まれて
いない場合には、現在の日の販売量の予測値Ｚ7 が異常
値となる要因はないと考えられるので、系列ａに現在の
日の予測値Ｚ7 を加えることにより、予測用系列が作成
される（ステップ４）。
【００３３】つまり、この場合には、翌日の販売量の予
測値を求めるための予測用系列は、Ｘ2 、Ｘ3 、Ｘ4 、
Ｘ5 、Ｘ6 、Ｚ7 となる。現在の日の販売量の予測値を
求めるために用いられた予測用系列がＹ1 、Ｙ2 、
Ｙ3 、Ｙ4 、Ｙ5 、Ｙ6 であり、ステップ１から３に移
行した場合には、ステップ４の処理によって予測用系列
が作成される。この場合には、翌日の販売量の予測値を
求めるための予測用系列は、Ｙ2 、Ｙ3 、Ｙ4 、Ｙ5 、
Ｚ7 となる。
測値を求めるための予測用系列は、Ｘ2 、Ｘ3 、Ｘ4 、
Ｘ5 、Ｘ6 、Ｚ7 となる。現在の日の販売量の予測値を
求めるために用いられた予測用系列がＹ1 、Ｙ2 、
Ｙ3 、Ｙ4 、Ｙ5 、Ｙ6 であり、ステップ１から３に移
行した場合には、ステップ４の処理によって予測用系列
が作成される。この場合には、翌日の販売量の予測値を
求めるための予測用系列は、Ｙ2 、Ｙ3 、Ｙ4 、Ｙ5 、
Ｚ7 となる。
【００３４】現在の日の販売量の予測値Ｚ7 を求めるた
めに用いられた予測用系列中に販売量予測値が含まれて
いる場合には、現在の日の販売量の予測値Ｚ7 が異常値
となる要因があると考えられるので、予測値Ｚ7 を求め
るために用いられた予測用系列中に含まれている販売量
予測値のうち、最新のものをそれに対応する日の販売量
実績値と置き換えられる。そして、置き換えられた後の
系列を予測装置４に供給することにより、現在の日の販
売量予測値Ｚ7 ’を得る（ステップ５）。なお、置き換
えられた後の系列から最も古いデータを除いた残り５つ
のデータからなる系列を、系列ｂということにする。
めに用いられた予測用系列中に販売量予測値が含まれて
いる場合には、現在の日の販売量の予測値Ｚ7 が異常値
となる要因があると考えられるので、予測値Ｚ7 を求め
るために用いられた予測用系列中に含まれている販売量
予測値のうち、最新のものをそれに対応する日の販売量
実績値と置き換えられる。そして、置き換えられた後の
系列を予測装置４に供給することにより、現在の日の販
売量予測値Ｚ7 ’を得る（ステップ５）。なお、置き換
えられた後の系列から最も古いデータを除いた残り５つ
のデータからなる系列を、系列ｂということにする。
【００３５】たとえば、予測値Ｚ7 を求めるために用い
られた予測用系列が、Ｙ1 、Ｙ2 、Ｚ3 、Ｙ4 、Ｚ5 、
Ｙ6 である場合には、予測値Ｚ5 が実績値Ｙ5 と置き換
えられる。そして、置き換えられた後の系列Ｙ1 、
Ｙ2 、Ｚ3 、Ｙ4 、Ｙ5 、Ｙ6 に基づいて、販売量予測
値Ｚ7 ’が求められる。
られた予測用系列が、Ｙ1 、Ｙ2 、Ｚ3 、Ｙ4 、Ｚ5 、
Ｙ6 である場合には、予測値Ｚ5 が実績値Ｙ5 と置き換
えられる。そして、置き換えられた後の系列Ｙ1 、
Ｙ2 、Ｚ3 、Ｙ4 、Ｙ5 、Ｙ6 に基づいて、販売量予測
値Ｚ7 ’が求められる。
【００３６】そして、ステップ５で得られた得られた販
売量予測値Ｚ7 ’に大きな予測誤差が生じているか否か
が判定される（ステップ６）。この判定は、次の数式２
で示されるように、現在の日の販売量実績値Ｙ7 と、販
売量予測値Ｚ7 ’との差（絶対値）が、所定のしきい値
より大きいか否かを判定することにより行われる。
売量予測値Ｚ7 ’に大きな予測誤差が生じているか否か
が判定される（ステップ６）。この判定は、次の数式２
で示されるように、現在の日の販売量実績値Ｙ7 と、販
売量予測値Ｚ7 ’との差（絶対値）が、所定のしきい値
より大きいか否かを判定することにより行われる。
【００３７】
【数２】
【００３８】販売量実績値Ｙ7 と販売量予測値Ｚ7 ’と
の差がしきい値より小さい場合には、大きな予測誤差が
生じていないと判定され、販売量実績値Ｙ7 と販売量予
測値Ｚ7 ’との差がしきい値より大きい場合には、大き
な予測誤差が生じていると判定される。
の差がしきい値より小さい場合には、大きな予測誤差が
生じていないと判定され、販売量実績値Ｙ7 と販売量予
測値Ｚ7 ’との差がしきい値より大きい場合には、大き
な予測誤差が生じていると判定される。
【００３９】ステップ５で得られた販売量予測値Ｚ7 ’
に大きな予測誤差が生じている場合には、予測値Ｚ7 は
異常値ではなく実績値Ｙ7 が異常値であると判断され、
系列ａに現在の日の販売量予測値Ｚ7 を加えることによ
り、予測用系列が作成される（ステップ７）。実績値Ｙ
7 が異常値でなる原因としては、たとえば実績収集ミ
ス、オぺレーションの操作ミス等が考えられる。
に大きな予測誤差が生じている場合には、予測値Ｚ7 は
異常値ではなく実績値Ｙ7 が異常値であると判断され、
系列ａに現在の日の販売量予測値Ｚ7 を加えることによ
り、予測用系列が作成される（ステップ７）。実績値Ｙ
7 が異常値でなる原因としては、たとえば実績収集ミ
ス、オぺレーションの操作ミス等が考えられる。
【００４０】現在の日の販売量の予測値Ｚ7 を求めるた
めに用いられた予測用系列が、たとえば、Ｙ1 、Ｙ2 、
Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 である場合には、翌日の販売量
の予測値を求めるための予測用系列は、Ｙ2 、Ｚ3 、Ｙ
4 、Ｚ5 、Ｙ6 、Ｚ7 となる。
めに用いられた予測用系列が、たとえば、Ｙ1 、Ｙ2 、
Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 である場合には、翌日の販売量
の予測値を求めるための予測用系列は、Ｙ2 、Ｚ3 、Ｙ
4 、Ｚ5 、Ｙ6 、Ｚ7 となる。
【００４１】ステップ５で得られた販売量予測値Ｚ7 ’
に大きな予測誤差が生じていない場合には、ステップ５
において実績値に置き換えられた予測値が原因で予測値
Ｚ7が異常値となったと判断されるとともに、実績値Ｙ
7 は異常値ではないと判断され、系列ｂに現在の日の販
売量実績値Ｙ7 を加えることにより、予測用系列が作成
される（ステップ８）。
に大きな予測誤差が生じていない場合には、ステップ５
において実績値に置き換えられた予測値が原因で予測値
Ｚ7が異常値となったと判断されるとともに、実績値Ｙ
7 は異常値ではないと判断され、系列ｂに現在の日の販
売量実績値Ｙ7 を加えることにより、予測用系列が作成
される（ステップ８）。
【００４２】現在の日の販売量の予測値Ｚ7 を求めるた
めに用いられた予測用系列が、たとえば、Ｙ1 、Ｙ2 、
Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 である場合には、系列ｂは、Ｙ
2 、Ｚ3 、Ｙ4 、Ｙ5 、Ｙ6 となるので、翌日の販売量
の予測値を求めるための予測用系列は、Ｙ2 、Ｚ3 、Ｙ
4 、Ｙ5 、Ｙ6 、Ｙ7 となる。
めに用いられた予測用系列が、たとえば、Ｙ1 、Ｙ2 、
Ｚ3 、Ｙ4 、Ｚ5 、Ｙ6 である場合には、系列ｂは、Ｙ
2 、Ｚ3 、Ｙ4 、Ｙ5 、Ｙ6 となるので、翌日の販売量
の予測値を求めるための予測用系列は、Ｙ2 、Ｚ3 、Ｙ
4 、Ｙ5 、Ｙ6 、Ｙ7 となる。
【００４３】以上のようにして、得られた予測用系列
は、予測装置４に供給され、予測装置４により翌日の販
売量の予測値Ｚ8 が求められる。そして、求められた翌
日の販売量の予測値Ｚ8 は、予測値伝達手段５によって
オぺレータに伝達される。
は、予測装置４に供給され、予測装置４により翌日の販
売量の予測値Ｚ8 が求められる。そして、求められた翌
日の販売量の予測値Ｚ8 は、予測値伝達手段５によって
オぺレータに伝達される。
【００４４】予測用系列作成装置３によって得られた翌
日の販売量予測のための予測用系列をＸ2 、Ｘ3 、
Ｘ4 、Ｘ5 、Ｘ6 、Ｘ7 とすると、予測装置４では次の
ようにして、翌日の販売量の予測値Ｚ8 が求められる。
日の販売量予測のための予測用系列をＸ2 、Ｘ3 、
Ｘ4 、Ｘ5 、Ｘ6 、Ｘ7 とすると、予測装置４では次の
ようにして、翌日の販売量の予測値Ｚ8 が求められる。
【００４５】つまり、まず、Ｘ2 、Ｘ3 、Ｘ4 を入力パ
ターンとし、Ｘ5 を教師データとして、ニューラルネッ
トワークが学習せしめられる。また、Ｘ3 、Ｘ4 、Ｘ5
を入力パターンとし、Ｘ6 を教師データとして、ニュー
ラルネットワークが学習せしめられる。さらに、Ｘ4 、
Ｘ5 、Ｘ6 を入力パターンとし、Ｘ7 を教師データとし
て、ニューラルネットワークが学習せしめられる。学習
後のニューラルネットワークにＸ5 、Ｘ6 、Ｘ7 を入力
することにより、翌日の販売量の予測値Ｚ8 が得られ
る。
ターンとし、Ｘ5 を教師データとして、ニューラルネッ
トワークが学習せしめられる。また、Ｘ3 、Ｘ4 、Ｘ5
を入力パターンとし、Ｘ6 を教師データとして、ニュー
ラルネットワークが学習せしめられる。さらに、Ｘ4 、
Ｘ5 、Ｘ6 を入力パターンとし、Ｘ7 を教師データとし
て、ニューラルネットワークが学習せしめられる。学習
後のニューラルネットワークにＸ5 、Ｘ6 、Ｘ7 を入力
することにより、翌日の販売量の予測値Ｚ8 が得られ
る。
【００４６】この実施例によれば、実績収集ミス、オペ
レーションミス等によって、販売量実績値が異常値とな
ったために販売量予測に大きな誤差が生じた場合には、
その次の販売量予測には、異常値である実績値に代わっ
て予測値が予測用系列データとして用いられるので、予
測精度を向上させることができる。
レーションミス等によって、販売量実績値が異常値とな
ったために販売量予測に大きな誤差が生じた場合には、
その次の販売量予測には、異常値である実績値に代わっ
て予測値が予測用系列データとして用いられるので、予
測精度を向上させることができる。
【００４７】上記実施例では、販売量の傾向が大きく変
化したために販売量予測に大きな誤差が生じた場合に
は、販売量の傾向が大きく変化した直後の販売予測にお
いては予測値が予測用系列データとして誤って用いられ
ることがある。しかしながら、次の予測において大きな
予測誤差が生じるため、さらにその次の販売量予測に用
いられる予測用系列を作成する際に、過去に予測用系列
のデータとして誤って用いられた予測値が実績値に置き
換えられる。このため、販売量の傾向が大きく変化した
場合でも販売量予測を販売量の傾向の変化に追従させる
ことができる。
化したために販売量予測に大きな誤差が生じた場合に
は、販売量の傾向が大きく変化した直後の販売予測にお
いては予測値が予測用系列データとして誤って用いられ
ることがある。しかしながら、次の予測において大きな
予測誤差が生じるため、さらにその次の販売量予測に用
いられる予測用系列を作成する際に、過去に予測用系列
のデータとして誤って用いられた予測値が実績値に置き
換えられる。このため、販売量の傾向が大きく変化した
場合でも販売量予測を販売量の傾向の変化に追従させる
ことができる。
【００４８】
【発明の効果】この発明によれば、実績値データ中に異
常値が存在する場合にも、高い精度の予測を行うことが
できる。
常値が存在する場合にも、高い精度の予測を行うことが
できる。
【図１】商品販売量予測装置の構成を示すブロック図で
ある。
ある。
【図２】予測用系列作成装置による予測用系列作成手順
を示すフローチャートである。
を示すフローチャートである。
１ 実績収集手段 ２ 実績・予測値保管装置 ３ 予測用系列作成装置 ４ 予測装置 ５ 予測値伝達手段
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/60 170 G06F 17/60 118 G06F 17/60 150 G06F 15/18 520 G06F 19/00 100
Claims (4)
- 【請求項１】商品販売量等の実績値を所定時間毎に収集
する実績収集手段と、該実績収集手段により収集された
実績値および該実績値に対応する予測値から、それぞれ
二者択一的に選択されたデータで構成される予測用系列
に基づいて、前記実績収集手段により収集される次の実
績値に対応する予測値を予測する予測手段とを有する商
品販売量等の予測装置であって、前記実績収集手段によ
り収集された最新の実績値、および該最新の実績値の収
集前に算出された、該最新の実績値に対応する最新の予
測値のいずれか一方のデータと、該最新の予測値を算出
するために用いられた予測用系列とに基づいて、前記実
績収集手段により収集される次の実績値に対応する予測
値を求めるための次の予測用系列を作成する予測用系列
作成手段を備えていることを特徴とする商品販売量等の
予測装置。 - 【請求項２】 予測用系列作成手段は、最新の実績値と該最新の実績値の収集前に算出した最新
の予測値との差の絶対値が、所定のしきい値より大きい
か否かにより、次の時点における予測値を算出するため
の予測用系列を作成することを特徴とする請求項１に記
載の商品販売量等の予測装置。 - 【請求項３】 予測用系列作成手段は、 最新の実績値と該最新の実績値収集前に算出した、該最
新の実績値に対応する最新の予測値との差の絶対値が、
所定のしきい値以下であるときには、該最新の予測値を
算出するために用いられた予測用系列と最新の実績値と
に基づいて、次の時点における予測値を求めるための予
測用系列を作成し、最新の実績値と該最新の実績値に対
応する最新の予測値との差の絶対値が、所定のしきい値
より大きいときには、予測用系列と該最新の予測値とに
基づいて、次の予測値を算出するための予測用系列を作
成することを特徴とする請求項１に記載の商品販売量等
の予測装置。 - 【請求項４】 時系列データを構成する実績値および各
実績値に対応する予測値から、それぞれ二者択一的に選
択されたデータで構成される予測用系列に基づいて、次
の時系列データを予測する商品販売量等の予測装置であ
って、最新の 実績値と最新の第１予測値との差の絶対値
が、所定のしきい値より大きいか否かを判定する手段、
最新の実績値と第１予測値との差の絶対値が、所定のし
きい値以下であるときには、第１予測値を求めるために
用いられた第１予測用系列と最新の実績値とに基づい
て、次の予測値を求めるための予測用系列を作成する手
段、最新の実績値と第１予測値との差の絶対値が、所定
のしきい値より大きいと判定されたときには、第１予測
用系列の中に、予測値が含まれているか否かを判定する
手段、第１予測用系列の中に、予測値が含まれていない
ときには、第１予測用系列と第１予測値とに基づいて、
次の予測値を求めるための予測用系列を作成する手段、
第１予測用系列の中に、予測値が含まれているときに
は、第１予測用系列の中に含まれている最も新しい予測
値をそれに対応する実績値に置き換え、置き換え後の第
２予測用系列を用いて最新の第２予測値を算出する手
段、第２予測値と、最新の実績値との差の絶対値が、所
定のしきい値より大きいか否かを判定する手段、第２予
測値と最新の実績値との差の絶対値が、所定のしきい値
より大きいときには、第１予測用系列と第１予測値とに
基づいて、次の予測値を求めるための予測用系列を作成
する手段、および第２予測値と最新の実績値との差の絶
対値が、所定のしきい値以下のときには、第２予測用系
列と最新の実績値とに基づいて、次の予測値を予測する
ための予測用系列を作成する手段、からなる予測用系列
作成手段、ならびに予測用系列作成手段によって作成さ
れた予測用系列に基づいて、次の時系列データを予測す
る予測手段、を備えていることを特徴とする商品販売量
等の予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11572295A JP3229773B2 (ja) | 1995-05-15 | 1995-05-15 | 商品販売量等の予測装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11572295A JP3229773B2 (ja) | 1995-05-15 | 1995-05-15 | 商品販売量等の予測装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08314891A JPH08314891A (ja) | 1996-11-29 |
| JP3229773B2 true JP3229773B2 (ja) | 2001-11-19 |
Family
ID=14669516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11572295A Expired - Fee Related JP3229773B2 (ja) | 1995-05-15 | 1995-05-15 | 商品販売量等の予測装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3229773B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6566631B2 (ja) * | 2014-11-28 | 2019-08-28 | キヤノン株式会社 | 予測装置、予測方法、及びプログラム |
| JP6798905B2 (ja) * | 2017-02-28 | 2020-12-09 | 株式会社Ｌｓｉメディエンス | 異常指標算出装置、異常指標算出方法及び異常指標算出プログラム |
-
1995
- 1995-05-15 JP JP11572295A patent/JP3229773B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08314891A (ja) | 1996-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8615420B2 (en) | Automatic self-optimizing queue management system | |
| US7243049B1 (en) | Method for modeling system performance | |
| EP0786725A1 (en) | Improvements in or relating to the prediction of product defects | |
| US20080183786A1 (en) | Systems and methods for distribution-transition estimation of key performance indicator | |
| JP2018180759A (ja) | システム分析装置、及びシステム分析方法 | |
| EP3499437A1 (en) | Business improvement assistance device and business improvement assistance method | |
| US6937966B1 (en) | System and method for on-line adaptive prediction using dynamic management of multiple sub-models | |
| US20160361878A1 (en) | System and method for evaluating additive manufacturing index | |
| JP2002215231A (ja) | 動作しているシステムの正常性を監視する方法およびシステムの正常性をシステム間で比較する方法 | |
| JP2018156346A5 (ja) | ||
| CN109376929B (zh) | 配送参数的确定方法、确定装置、存储介质和电子设备 | |
| US6560584B1 (en) | Method and apparatus for prediction of system reliability | |
| JP3229773B2 (ja) | 商品販売量等の予測装置 | |
| CN116703250A (zh) | 二手车业务监督预测系统 | |
| JP2002099319A (ja) | プラント診断装置 | |
| JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
| JP2002334293A (ja) | 特性予測システム、特性予測方法およびその方法を記憶した記憶媒体 | |
| JPH09101947A (ja) | 時系列予測方法 | |
| CN115394442A (zh) | 一种发育评估方法、装置、设备及介质 | |
| JPH07200981A (ja) | プラントの信頼性評価方法および更新評価方法 | |
| JPH08194854A (ja) | 生産情報収集システム | |
| RU2453912C2 (ru) | Унифицированный способ оценки эффективности больших систем и автоматизированное устройство его осуществления | |
| JP2002169946A (ja) | 新商品売行予測装置及び新商品売行予測方法 | |
| JP2003054074A (ja) | 余寿命診断システムおよび余寿命診断方法 | |
| JP2002006929A (ja) | 進度予測システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |