JP3263635B2 - 販売予測装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は販売予測装置に関
し、特にたとえばコーヒーや清涼飲料水あるいはインス
タント食品などの自動販売機に用いられる販売予測装置
に関する。

【０００２】

【従来の技術】自動販売機は、街角や工場などの建物内
に多数設置されており、その販売商品も、コーヒーや清
涼飲料水など多岐にわたっている。

【０００３】その販売商品の中には、購入者が金銭を投
入し、商品選択を経て実際に取り出し口で商品を受け取
るまでに、長時間を要するものがある。たとえば、豆か
ら抽出するタイプの本格コーヒーなどは、商品選択後の
抽出過程に１分前後の時間を要する。

【０００４】このような、購入者一人当たりの販売時間
が長くなる商品を取り扱う自動販売機では、一定時間内
で見込める販売量を予測し、その分だけ商品を予め用意
しておくことが望ましい。

【０００５】そこで、従来より、自動販売機において商
品の販売予測を行う技術が開発されており、たとえば、
ニューラルネットワークを利用して、従来の販売傾向を
学習し、予測を行うものがある。

【０００６】ニューラルネットワークを利用した先行技
術には、過去３週間ほどの１日の総販売実績と過去３日
間ほどの１日の総販売実績とをニューラルネットワーク
で学習し、それを基準に販売予測を行うものがあるが、
これは、各時間帯と販売量とを明確に関係付けて学習す
るものではなかった。

【０００７】

【発明が解決しようとする課題】したがって、ニューラ
ルネットワークの特性上、以下のような問題が生ずる。

【０００８】たとえば、図６のような関係をニューラル
ネットワークで学習すると、１０時と１５時の短い休憩
時間に急激に販売量が増える状況などでは、周辺時刻の
販売量が休憩時間の販売量に影響された形で学習され
る。すなわち、その周辺時刻では販売量は０であるにも
かかわらず、休憩時間の販売量に影響されて、周辺時刻
での販売量を０より大きな値で覚え込む場合がある。こ
のような場合に、周辺時刻での販売量を予測すると０よ
り大きな値を予測量として商品を作り置きすることにな
るが、周辺時刻の実際の販売量は０になるので、商品を
廃棄しなければならず損失を招くことがあった。

【０００９】また、通常の販売量が０となる出退時刻前
後と休憩時間以外の時刻に、工場見学者の影響などで販
売量が一時的に発生すると、その不規則な販売量に影響
を受けた学習を行ってしまう場合がある。たとえば、工
場見学者が２日間ほど続けて１３時から１５時までの間
に自動販売機を利用したとすると、その影響により、そ
の時間帯に一定の販売量があるとして覚え込む場合があ
る。このような場合に、翌日の販売量を予測すると、翌
日には工場見学者はいないので需要が存在せず、商品を
廃棄しなければならず損失を招くことがあった。

【００１０】また、一日の中の連続した時間帯での販売
傾向から販売予測を行う方法でも、精度のよい販売予測
はできない。たとえば、１５時頃の販売量が従来よりも
多いからといって、１５時３０分頃までの販売量も従来
より多くなるというような予測は根拠がないからできな
い。したがって、この場合も、作り置きをし過ぎて損失
を招くことがあった。

【００１１】それゆえに、この発明の主たる目的は、損
失を招かないように堅実に予測できる、販売予測装置を
提供することである。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に、請求項１に記載の販売予測装置は、所定時間帯毎の
販売量を複数日数分記憶する第１記憶手段、第１記憶手
段に記憶されている複数日数分の販売量に基づいて時間
帯毎の販売量の平均値を求める平均値算出手段、第１記
憶手段に記憶されている複数日数分の販売量と平均値と
に基づいて時間帯毎の分散値を求める分散値算出手段、
時間帯毎の販売量の最小値を検出する最小値検出手段、
分散値と第１閾値とを比較する第１比較手段、および分
散値が第１閾値以上であれば最小値を予測量とし、分散
値が第１閾値未満であれば平均値を予測量とする予測量
決定手段を備える。

【００１３】請求項１に記載の販売予測装置では、ま
ず、所定の複数日数分の所定時間毎の販売量を第１記憶
手段に記憶する。そして、平均値算出手段で、第１記憶
手段に記憶された販売量に基づいて時間帯毎の販売量の
平均値を算出し、分散値算出手段で、その平均値と第１
記憶手段に記憶された販売量とに基づいて時間帯毎の販
売量の分散値を求める。さらに、最小値検出手段で時間
帯毎の販売量の最小値を求める。その後、第１比較手段
で、分散値と第１閾値とを比較し、その比較結果に応じ
て予測量決定手段で予測量を決定する。このとき、分散
値が第１閾値以上であれば、実際の販売量はばらつきが
大きく販売予測は困難であるので、最低限販売できるで
あろう値、すなわち最小値を予測量とする。一方、分散
値が第１閾値未満であれば、実際の販売量は安定してお
り販売予測も可能であるので、平均値を予測量とする。

【００１４】

【００１５】

【００１６】請求項２に記載の販売予測装置は、所定時
間帯毎の販売量を複数日数分記憶する第１記憶手段、第
１記憶手段に記憶されている複数日数分の販売量に基づ
いて時間帯毎の販売量の平均値を求める平均値算出手
段、第１記憶手段に記憶されている複数日数分の販売量
と平均値とに基づいて時間帯毎の分散値を求める分散値
算出手段、分散値と第１閾値とを比較する第１比較手
段、および分散値が第１閾値以上であれば０を予測量と
し、分散値が第１閾値未満であれば平均値を予測量とす
る予測量決定手段を備える。

【００１７】請求項２に記載の販売予測装置では、分散
値が第１閾値以上であれば、実際の販売量はばらつきが
大きく販売予測は困難であるので、敢えてリスクを負っ
てまで販売予測はせず０を予測量とする。一方、分散値
が第１閾値未満であれば、実際の販売量は安定しており
販売予測も可能であるので、平均値を予測量とする。

【００１８】請求項３に記載の販売予測装置は、請求項
１または２に記載の販売予測装置において、決定した予
測量を記憶する第２記憶手段、当日の各時間帯での実際
の販売量と第２記憶手段に記憶された当日の各時間帯で
の予測量とに基づいて、当日のその時点での予測結果評
価値を求める評価値算出手段、予測結果評価値と第２閾
値とを比較する第２比較手段、および第２比較手段での
比較結果に応じて予測量を再決定する予測量再決定手段
を備えるものである。

【００１９】請求項３に記載の販売予測装置では、決定
した予測量を第２記憶手段に記憶し、さらに、評価値算
出手段で予測結果評価値、すなわちその当日の予測量と
実際の販売量との誤差を算出する。そして、第２比較手
段で、予測結果評価値と第２閾値とを比較し、その比較
結果によって、その当日の販売傾向が今までと同じか否
かを判断し、適当な予測量を予測量再決定手段で再決定
する。

【００２０】請求項４に記載の販売予測装置は、請求項
３に記載の販売予測装置において、予測量再決定手段
は、予測結果評価値が第２閾値以上であれば予測量を０
に変更し、予測結果評価値が第２閾値未満であれば予測
量をそのままにしておくものである。

【００２１】請求項４に記載の販売予測装置では、予測
結果評価値が第２閾値以上であればその当日の販売傾向
は今までとは異なると考えられ、その当日の販売予測は
困難であるとして、一旦決定した予測量を予測量再決定
手段によって０に変更する。一方、予測結果評価値が第
２閾値未満であれば、その当日の販売傾向はおおむね今
までと同様であるとし、一旦決定した予測量をそのまま
用いる。

【００２２】請求項５に記載の販売予測装置は、請求項
１ないし４のいずれかに記載の販売予測装置において、
第１閾値を可変にする第１閾値可変手段をさらに備える
ものである。

【００２３】請求項５に記載の販売予測装置では、予測
状況等を考慮して第１閾値可変手段によって分散値の第
１閾値をより適当な値に変更する。

【００２４】請求項６に記載の販売予測装置は、請求項
５に記載の販売予測装置において、第１閾値可変手段
は、算出した分散値が所定値以上の場合において、予測
量決定手段によって決定された予測量を記憶する第３記
憶手段、実際の販売量と第３記憶手段に記憶された予測
量とを比較する第３比較手段、および第３比較手段での
所定回数分の比較結果に基づいて判断した結果、販売量
が予測量より大きくなる傾向が強いときには第１閾値を
増加させ、一方、販売量が予測量より小さくなる傾向が
強いときには第１閾値を減少させる手段を含むものであ
る。

【００２５】請求項６に記載の販売予測装置では、第３
記憶手段に記憶された予測量と実際の販売量とを第３比
較手段で比較する。ここで、第３記憶手段には、分散値
が所定値以上になる時間帯の予測量が記憶され、第３比
較手段では、分散値が所定値以上になる時間帯について
順次、予測量と実際の販売量とが比較される。そして、
第３比較手段での比較結果を所定回数分得て、それらに
基づいて、販売量が予測量より大きくなる傾向が強い
か、小さくなる傾向が強いかを判断する。

【００２６】販売量が予測量より大きくなる傾向が強け
れば、第１閾値を増加させる。第１閾値を増加させるこ
とによって、実際の販売量は安定しているとする場合、
すなわち平均値を予測量とする場合が増加し、販売量が
予測量より大きくなるという傾向を是正する。一方、販
売量が予測量より小さくなる傾向が強ければ、第１閾値
を減少させる。第１閾値を減少させることによって、実
際の販売量はばらつきが大きいとする場合、すなわち最
低値または０を予測量とする場合が増加し、販売量が予
測量より小さくなるという傾向を是正する。

【００２７】請求項７に記載の販売予測装置は、請求項
３または４に記載の販売予測装置において、第２閾値を
可変にする第２閾値可変手段をさらに備えるものであ
る。

【００２８】請求項７に記載の販売予測装置では、予測
状況等を考慮して第２閾値可変手段によって予測結果評
価値の第２閾値をより適当な値に変更する。

【００２９】請求項８に記載の販売予測装置は、請求項
１ないし７のいずれかに記載の販売予測装置において、
第１記憶手段は複数の同一曜日における時間帯毎の販売
量を記憶し、平均値算出手段は同一曜日における時間帯
毎の販売量の平均値を算出し、分散値算出手段は同一曜
日における時間帯毎の販売量の分散値を算出するもので
ある。

【００３０】請求項８に記載の販売予測装置では、第１
記憶手段に記憶されている複数の同一曜日における時間
帯毎の販売量を用いて、平均値算出手段で同一曜日にお
ける時間帯毎の平均値を、分散値算出手段で同一曜日に
おける時間帯毎の分散値を、それぞれ求め、各曜日に応
じた販売予測を行う。

【００３１】請求項９に記載の販売予測装置は、請求項
１ないし７のいずれかに記載の販売予測装置において、
第１記憶手段は連続日における時間帯毎の販売量を記憶
し、平均値算出手段は連続日における時間帯毎の販売量
の平均値を算出し、分散値算出手段は連続日における時
間帯毎の販売量の分散値を算出するものである。

【００３２】請求項９に記載の販売予測装置では、第１
記憶手段に記憶されている連続日における時間帯毎の販
売量を用いて、平均値算出手段で連続日における時間帯
毎の平均値を、分散値算出手段で連続日における時間帯
毎の分散値を、それぞれ求め、連続日における販売状況
に応じて販売予測を行う。

【００３３】

【発明の実施の形態】以下、この発明を、コーヒーをド
リップする方式の自動販売機１０に適用した場合の実施
の形態について図面を参照して説明する。

【００３４】図１を参照して、この発明の実施の形態の
自動販売機１０は、周知の商品選択キー１２および販売
機構１４を含む。商品選択キー１２はたとえば自動販売
機本体（図示せず）の前面に形成され、利用者が商品を
選択するために用いられる。販売機構１４は、自動販売
機本体に内蔵され、商品保管部１６および商品貯蔵部１
８を含む。図示しないが、商品保管部１６は、温水が収
容された温水タンクおよび粉末化されたコーヒー豆が収
容されたコーヒー豆タンクを有し、商品貯蔵部１８は、
温水とコーヒー豆とから複数杯分のコーヒーを抽出する
ことができる抽出機および抽出されたコーヒーを貯蔵す
る貯蔵部を有する。また、自動販売機本体のたとえば前
面下部には、商品取り出し口２０が形成される。商品取
り出し口２０には、販売時にコップ（図示せず）が自動
的にセットされ、コップにはコーヒーが供給される。

【００３５】また、自動販売機本体には販売予測装置２
２が内蔵され、販売予測装置２２はＣＰＵ２４を含む。
ＣＰＵ２４は、ＲＯＭ２６に格納される制御プログラム
によって自動販売機１０全体の動作および販売予測動作
を制御する。また、ＣＰＵ２４には、２４時間計時可能
な時計機構２８から時刻情報が与えられる。ＣＰＵ２４
は、時計機構２８からの時刻情報に基づいて、日数をカ
ウントし、さらに１日２４時間を短い時間帯に分割し、
たとえば１０分単位で管理する。すなわち、５時１０分
から５時２０分まで、５時２０分から５時３０分までと
いうように時間帯を区切って管理する。

【００３６】そして、ＣＰＵ２４は時間帯毎の商品の販
売量を算出し、データベース用メモリ３０に記憶させ
る。たとえば工場などでは、その勤務形態は１週間周期
の特徴を持つと考えられるから、データベース用メモリ
３０は、少なくとも、７日分のデータを数週間分、ここ
では４週間分、全部で２８日分のデータを記憶できるよ
うに構成される。これにより、休日と平日での販売傾向
の違いはもちろんのこと、曜日による違いまでも把握で
きる。

【００３７】ここでは、過去の販売量を曜日毎に記憶で
きるように、曜日毎の７つのブロックが形成され、それ
ぞれのブロックには同一曜日の４週間分のデータが記憶
される。たとえば、あるブロックが月曜日に対応する場
合、そのブロックには、４週間前、３週間前、２週間
前、１週間前の各月曜日の販売量が記憶される。

【００３８】また、各日のデータは、たとえば１０分単
位に分割した各時間帯での販売量を記憶することによっ
て構成される。したがって、この場合、１日につき、６
×２４＝１４４個分のデータがそれぞれ時間帯毎のエリ
アに記憶される。

【００３９】時間帯毎の販売量をデータベース用メモリ
３０の所定のエリアへ書き込む動作は、時計機構２８か
らの時刻情報に基づいてＣＰＵ２４によって制御され、
第１週１日目、第１週２日目、・・・の順番に時間帯毎
の販売量が記憶される。そして、第４週７日目までの記
憶が済むと、翌日には第１週１日目に記憶される。その
際には、以前に記憶されていたものは、時間帯毎に順次
消去される。以降同様に繰り返される。したがって、デ
ータベース用メモリ３０には、最新の２８日分の販売量
が常時記憶されることになる。

【００４０】このようなデータベース用メモリ３０の記
憶例を図２に示す。図２には、図６に示すような販売傾
向がある場合の記憶例が示され、ここでは、月曜日に対
応する１ブロック分のデータを示す。なお、図２では、
７時から１８時までの第１週目から第４週目までの各１
０分間での販売量が表されているだけであるが、０時か
ら７時まで、１８時から２４時までは、販売量は０とし
て記録されているものとし、その表記を省略している。

【００４１】また、ＣＰＵ２４は、データベース用メモ
リ３０に格納されるデータを用いて販売予測を行う。

【００４２】ある時間帯の販売量の予測は、当然その時
間帯よりも前に行われる。たとえば、３０分前というよ
うになる。この時間は商品の品質が低下するのに要する
時間を考慮して決定されるべきものであるが、ここでは
商品の品質が低下する時間は１０分として、予測時点か
ら１０分間の時間帯での販売量を予測する場合を例に説
明する。

【００４３】ＣＰＵ２４が販売予測を行うときには、ま
ずデータベース用メモリ３０のデータを分析する。

【００４４】ＣＰＵ２４は、予測時点から１０分間の時
間帯に関して、過去の販売量をデータベース用メモリ３
０から読み出す。すなわち、データベース用メモリ３０
に含まれる、当日と同一曜日に対応するブロックから、
この１０分間の時間帯に関して、４週間前、３週間前、
２週間前、１週間前の各販売量を読み出す。読み出した
過去のデータから、販売量の平均値とデータのばらつき
を表す分散値とを算出し、販売量の最小値を検出する。

【００４５】ついで、ＣＰＵ２４は、当日における時間
帯毎の予測量と実際の販売量との差（誤差）を算出し、
予測結果を評価する（予測結果評価値を得る）。

【００４６】この誤差が大きければ、予測がはずれてい
ることになる。このときは、時間帯と販売量との関係か
らいえば、その予測当日は同一曜日であるにも拘わらず
過去の販売傾向とは異なると判断できる。したがって、
１日の午前中に予測が大きく外れるならば、午後にも外
れる可能性があるので、大きな販売量を予測しないこと
が望ましく、最終的な予測量を制限する。

【００４７】そして、ＣＰＵ２４は、販売量の平均値、
最小値、分散値および予測結果評価値に基づいて、実際
の予測量を算出する。算出された予測量は、予測量記憶
用メモリ３２に格納されるとともに、販売機構１４にも
与えられ、作り置きしておく商品（ここではコーヒー）
の量が決定される。

【００４８】このように構成される自動販売機１０の動
作を、図３を参照して説明する。

【００４９】図３において、まず、データベース用メモ
リ３０は初期設定済みか否かが判断される（ステップＳ
１）。初期設定済みでなければ、現時間帯での販売量を
データベース用メモリ３０に書き込み（ステップＳ２
１）、初期設定済みであれば、ステップＳ３へ進む。

【００５０】自動販売機１０の設置当初、データベース
用メモリ３０には何の情報も記憶されていない。したが
って、自動販売機１０の設置当初は、データベース用メ
モリ３０へ販売量を書き込む処理に専念し、販売予測を
行わない。自動販売機１０の設置後、最初の０時から書
き込みを開始し、２８日後にデータベース用メモリ３０
のデータが一通りそろうので、販売予測が可能となる。
このように４週間前までの過去のデータが存在すると、
今週分のデータは第１週のエリアに書き込まれることに
なる。

【００５１】このようにデータベース用メモリ３０が初
期設定されると、予測時点から１０分間の時間帯での過
去の販売量をデータベース用メモリ３０から読み出す
（ステップＳ３）。

【００５２】たとえば、現在の時刻を７時００分とする
と、それまでの各１０分間の販売量は新たに第１週のエ
リアに書き込まれている。この時点で、今日の７時００
分から７時１０分までの販売量を予測する（図４参
照）。ＣＰＵ２４は、データベース用メモリ３０の所定
エリアより過去４週間分の月曜日の７時００分から７時
１０分までの各販売量を読み出す。図２の例では、２
杯、２杯、３杯、３杯となる。

【００５３】ＣＰＵ２４は、読み出した４つの販売量に
関して、平均値および分散値を算出し、最小値を検出す
る（ステップＳ５）。

【００５４】図２の例では、販売量の最小値は「２杯」
となる。販売量の平均値は「２．５杯」となる。その平
均値を利用して、４つの販売量の分散値を算出すると、
上述の例では、数１より「０．２５」となる。

【００５５】

【数１】

【００５６】ついで、ＣＰＵ２４は、分散値が１以上か
否かを判断する（ステップＳ７）。分散値が１以上であ
れば最小値を予測量とし（ステップＳ９）、一方、分散
値が１未満であれば平均値を予測量とする（ステップＳ
１１）。

【００５７】分散値が大きければ、実際の販売量はばら
つきが大きく販売予測は困難であり、実際の販売量が平
均値以上になる確証はない。一方、分散値が小さけれ
ば、実際の販売量は安定しており販売予測も可能とな
る。そこで、分散値が１以上であれば、最低限販売でき
るであろう値すなわち最小値を予測量とすることによっ
て、作り過ぎによる損失を生じない程度に堅実な作り置
きが可能となる。一方、分散値が１未満であれば、平均
値を予測量とすることによって、その時間帯に応じた作
り置きが可能となる。上述の例では、分散値は「０．２
５」であるので、予測量は平均値＝「２．５杯」とな
る。

【００５８】ただし、予測量は、小数点以下が切り捨て
られ、「２．５杯」であれば、実際には「２杯」とす
る。

【００５９】そして、決定した予測量をつぎの予測時点
で利用するために予測量記憶用メモリ３２に記憶する
（ステップＳ１３）。

【００６０】その後、ＣＰＵ２４は、当日のその時点ま
での予測結果評価値を算出する（ステップＳ１５）。

【００６１】すなわち、ＣＰＵ２４は、その当日のその
時点までの予測量と実際の販売量との誤差を算出する。
各時間帯での予測量と実際の販売量との誤差検出には、
予測時点の１０分前までに記憶している予測量および実
際の販売量を利用する。ただし、損失を防ぐことを重視
する観点から、予測量よりも販売量が小さい場合は誤差
を０とする。予測量が販売量よりも大きい場合のみ、そ
の差をその時間帯の誤差とする。そして、時間帯毎の誤
差を積算する。つぎに、当日においてその時点までに１
以上の予測量を算出した回数で積算値を割って、予測結
果評価値とする。この朝７時００分の時点では、当日の
７時００分までの予測量はすべて０であり、実際の販売
量も０であるので、ＣＰＵ２４は予測結果評価値を０と
する（図４参照）。

【００６２】そして、ＣＰＵ２４は、予測結果評価値が
２以上の値か否かを判断する（ステップＳ１７）。予測
結果評価値が２以上であれば、予測量を０に変更して
（ステップＳ１９）、ステップＳ２１へ進む。

【００６３】予測結果評価値が２以上になる場合は、理
由はわからないが、その当日の販売傾向が過去の同一曜
日の販売傾向とは異なり、当日の予測は外れていると判
断できる。したがって、その場合には、その時点以降も
過去とは販売傾向が異なる可能性があり、販売予測は困
難であると判断できる。そこで、損失を防ぐため、先に
求めた平均値または最小値を予測量として採用せずに、
０を予測量とし、敢えて販売予測を行わない。ただし、
ステップＳ１９において予測量を０に変更しても、つぎ
の予測時点では、ステップＳ１３において予測量記憶用
メモリ３２に記憶した予測量、すなわち平均値または最
小値を用いる。

【００６４】予測結果評価値が２未満であれば、その当
日の予測はおおむね信頼できるとし、ステップＳ９また
はステップＳ１１で一旦決定した予測量をそのまま用い
る。ここで、ステップＳ１１で決定した予測量をそのま
ま用いる場合は、データベース用メモリ３０に記憶して
いる販売傾向通りに販売が推移し、かつ、その時間帯で
の販売量にばらつきがないと判断できるので、以前と同
様の販売量が見込め、過去の販売量の平均値を予測量と
するのである。このように、予測結果評価値を用いるこ
とによって、単純に過去のデータに基づいて予測量を決
定するのではなく、当日の予測結果に応じて予測量を再
決定できるので、さらに高精度な販売予測が可能とな
る。

【００６５】このように販売量を予測した後は、ステッ
プＳ２１において、現時間帯での販売量をデータベース
用メモリ３０の所定のエリアに書き込む。

【００６６】上述の例では、７時００分の時点でその後
１０分間の時間帯での販売量を予測した後に、その時間
帯での実際の販売量をデータベース用メモリ３０の対応
するエリアに書き込んでいく。したがって、ここでは、
第１週第１日目の７時００分から７時１０分までのデー
タが古い値から書き換えられることになる。すなわち、
第１週第１日目のデータは、その時間帯を境に、４週間
前のデータと今週のデータとが共存することになる。

【００６７】そして、販売機構１４によって、予測量に
応じた商品の作り置きが行われる。

【００６８】なお、 自動販売機１０は、ここでは、６
時４０分、６時５０分、７時００分という所定時刻毎
に、上述の処理を開始する（図４参照）。

【００６９】７時台以降も同様に予測を行う。

【００７０】たとえば、図２に示す場合について、１０
時００分時点に１０時００分から１０時１０分までの販
売量を予測する場合、過去の４つのデータはすべて
「７」であるので、平均値「７」、分散値「０」から、
販売量を「７杯」と予測する。そして、当日のそれまで
の予測結果がほぼ正確なら、「７杯」をそのまま予測量
として用いる。もし、予測結果が悪く、予測結果評価値
が２以上なら、予測量を「０」に変更する。これは、こ
の発明の販売予測技術が過去の販売傾向に基づくもので
あるので、当日の販売傾向が過去とは異なる場合には、
基本的には予測は不可能となるからである。したがっ
て、予測量を０とするのは、損失を避ける観点からは妥
当である。

【００７１】また、図２に示す例では、１１時００分か
ら１１時１０分までの過去の販売量として、第３週目だ
けに販売実績が存在している。この場合、１１時００分
から１１時１０分までの販売予測は、以下のように行わ
れる。

【００７２】平均値は「４／４＝１杯」、分散値は数２
で表され、分散値は「１」以上の大きな値となる。

【００７３】

【数２】

【００７４】したがって、この場合は過去の販売傾向に
ばらつきが大きいので、予測量は過去の販売量の最小値
＝「０」とする。これは、過去４週間分の同一曜日にお
いて少なくとも最小値は見込めるが、分散値のばらつき
が大きいので販売量がそれ以上になる確証はないからで
ある。したがって、予測量を最小値とするのは、損失を
避ける観点からは妥当である。

【００７５】このような販売予測装置２２を用いた自動
販売機１０では、時間帯と販売量とに明確な関係がある
ときには正確な販売予測が可能であり、時間帯と販売量
との関係が不明確であるときには損失を避けるような販
売予測が可能となる。

【００７６】たとえば、ある時間帯での販売量が従来か
ら「５杯」であるなら、別の日も「５杯」程度の販売が
あると判断できる。もし、その時間帯での販売量が従来
より「０杯」から「５杯」までばらついているなら、別
の日には販売量を「０杯」と予測する方が損失を避ける
ことができる。「２杯」から「５杯」までばらついてい
るなら、別の日には販売量を「２杯」と予測すれば損失
を避けることができる。

【００７７】また、自動販売機１０は、ニューラルネッ
トワークを用いることなく、各時間帯と販売量との関
係、すなわち、各時間帯での従来からの販売傾向を把握
し、それを現在の状況と照らし合わせることで、販売予
測を行う。したがって、ニューラルネットワークを用い
る場合のような不確かさがなく、信頼性が高くなり、ま
た、ニューラルネットワークで学習する場合に比べて計
算負荷は明らかに小さくなる。

【００７８】さらに、ニューラルネットワークを利用し
た従来技術では、平日か休日かを見分けるために光セン
サなどを利用した人間検知センサを用いていたが、この
自動販売機１０では、このような特別なセンサを用いる
必要がなく、コストを抑えることができる。また、自動
販売機１０によれば、曜日毎の販売傾向を知ることがで
き、曜日毎の販売予測を行えるので、たとえば、平日と
休日のみならず、曜日毎に全く独立して別々に販売予測
を行える。

【００７９】なお、この発明の販売予測装置２２は、工
場のような所に設置される自動販売機に適用されるだけ
ではなく、販売傾向が時間帯や曜日に関連する場所に設
置される自動販売機であればいかなるものにも適用でき
る。たとえば、営業時間が固定化されているスーパーマ
ーケットやゲームセンターなどの娯楽施設では、その利
用者そのものは不特定であるが、客数が一定以上であれ
ば、時間帯や曜日にその客数がリンクし、結果として販
売傾向にもその影響が表れるので、この発明を適用でき
る。一例として、映画館内に設置される自動販売機を考
えると、ロングラン上映の場合には、一定期間は上映時
間を固定化するから、結果として、その販売傾向は固定
したものになり、販売量を予測できるので、この発明を
適用できる。また、自動販売機毎に独立して販売予測を
行える。

【００８０】また、この発明では、時間帯や曜日に関連
した販売傾向に基づいて販売予測を行っているので、特
別に販売量が多くなるような場合があっても販売予測に
は影響しない。さらに、予測結果を実際の販売量と常時
比較しているので、その当日の販売状況が従来と異なれ
ば、予測量を変更できる。したがって、日常とは異なる
販売状況があっても、その影響を極力抑制した販売予測
が可能となる。

【００８１】さらに、上述の実施の形態では、予測時点
から１０分間の時間帯の販売量を予測する場合を例とし
て説明したが、予測時点は、商品の品質低下に至るまで
の時間の長短に応じて設定され得る。

【００８２】商品の品質低下に至るまでの時間が長い場
合には、かなり前に予測を行うこともできる。この場合
には、作り置きをしている分が何杯か残っている場合が
あるので、予測量から残っている量を差し引いた分を新
たに準備するようにしてもよい。

【００８３】また、時間帯の長さも、１０分間に限定さ
れず、任意に設定できる。

【００８４】さらに、上述の実施の形態の図３に示す動
作において、ステップＳ９では、最小値を予測量とした
が、その代わりに０を予測量としてもよく、この場合に
はより確実に作りすぎによる損失を回避することがで
き、さらに堅実な作り置きが可能となる。ステップＳ９
で０を予測量とする場合には、ステップＳ５において最
小値を検出しなくてもよい。

【００８５】なお、上述の実施の形態における分散値お
よび予測結果評価値それぞれの閾値は一例であり、これ
らの閾値を自動販売機毎に可変にして、販売量が最も多
くなる値に閾値を設定できるようにしてもよい。

【００８６】ここで、分散値の閾値を可変にする場合に
ついて述べる。分散値の閾値の可変幅は０．３から２ま
でとし、分散値の閾値を、たとえば、図１では図示しな
いＲＡＭなどに格納しておく。その閾値の初期値を１と
して、閾値の可変手段を説明する。

【００８７】まず、算出した分散値が０．３以上の場合
において、その分散値と閾値とを比較し、その結果、最
小値を予測量とするか平均値を予測量とするかを決定
し、決定した予測量を記憶しておく。すなわち、予測量
記憶用メモリ３２に記憶した予測量のうち、分散値が
０．３以上の場合の予測量を用いればよい。そして、そ
の際の実際の販売量が予測量より大きい場合は、その度
合いを＋１、逆に小さい場合はその度合いをー１とす
る。そして、実際の販売量と予測量とを比較した場合の
最近１０回分の度合いをそれぞれ加算して、結果が正の
場合は販売量が予測量より大きくなる傾向が強いと判断
し、閾値を０．１上げ、逆に、結果が負の場合は販売量
が予測量より小さくなる傾向が強いと判断し、閾値を
０．１下げる。結果が０の場合は、閾値はそのままとす
る。上述のように、閾値を増加させることによって、平
均値を予測量とする場合が増加し、販売量が予測量より
大きくなるという傾向を是正することができる。一方、
閾値を減少させることによって、最低値を予測量とする
場合が増加し、販売量が予測量より小さくなるという傾
向を是正することができる。

【００８８】ただし、閾値の変更は１日に１回のみと
し、特別な１日の状況で閾値が変化しすぎることを防止
する。このように、分散値の閾値を可変にすることで、
販売量がばらついているか否かの判断をより正確に行え
る。また、過去の予測結果に基づいて予測量が適切か否
かを判断し、その結果に応じて、予測量を販売量に近づ
くように分散値の閾値を増減させるので、販売予測の精
度をより高めることができる。

【００８９】また、分散値の最適な閾値を人間が入力で
きる適当な入力手段（図示せず）を設け、商品納入や故
障修理を行うサービスマンなどが、その自動販売機の販
売や予測のデータあるいは設置場所に関する情報などか
ら、最適な閾値を決定し、その入力手段を用いて最適な
閾値を入力するようにしてもよい。

【００９０】さらに、分散値の閾値を可変にするには、
図５に示すようなニューラルネットワークを利用する方
法も考えられる。

【００９１】上述の場合と同様に、算出した分散値が
０．３以上の場合に、予測量を最小値にするか平均値に
するかの判断を行い、その際の（販売量ー予測量）を算
出する。販売量が予測量より小さい場合には（販売量ー
予測量）は負の値となる。その結果を、１日の初め（０
時００分）から、予測量を最小値にするか平均値にする
かの判断がある毎に加算し、１日全体での結果を算出す
る。その結果の最近７日分をニューラルネットワークに
入力し、出力として閾値の変更量を算出する。なお、ニ
ューラルネットワークの学習は予め行っておく。

【００９２】このように、分散値の閾値を変更するため
にニューラルネットワークを用いれば、（販売量ー予測
量）すなわち予測誤差が日毎に悪くなる場合や予測誤差
の値が大きい場合に閾値の変更量を大きくできるなど、
状況に応じて分散値の閾値を適切に変更できる。

【００９３】ついで、予測結果評価値の閾値を可変にす
る場合について述べる。

【００９４】この場合、予測結果評価値の閾値の可変幅
を１から１０程度とし、取りうる値は整数値とし、この
閾値を、たとえば、図１では図示しないＲＡＭなどに格
納しておく。予測結果評価値の閾値は、作り置きをしす
ぎたために、廃棄処分になってもやむを得ないとする１
日での許容量を示している。したがって、最適な閾値を
人間が入力できる適当な入力手段（図示せず）を設け、
自動販売機の設置者が容認できる閾値をサービスマンが
入力できるようにする。このように、予測結果評価値の
閾値を可変にすることで、その当日の販売傾向が今まで
と同様であるか否かの判断をより正確に行え、さらに精
度の高い販売予測が可能となる。

【００９５】なお、上述の実施の形態では、平均値も予
測量となり得たが、損失を防ぐことを最も重要視するな
ら、平均値を用いることなく最小値または０のみを予測
量とすればよい。

【００９６】また、上述の実施の形態では、データベー
ス用メモリ３０に、曜日毎の販売量を記憶する場合につ
いて説明したが、これに限定されず、連続日（たとえば
最近の過去数日間）における販売量を記憶するようにし
ても予測は可能である。この場合には、所定の期間や最
近の販売傾向に応じた販売予測ができる。短期間の連続
日における販売量を記憶する場合には、多少精度は落ち
るであろうが、データベース用メモリ３０のメモリ消費
を少なくすることができる。

【００９７】なお、この発明の販売予測装置２２は、コ
ーヒー用の自動販売機１０に限定されず、清涼飲料水や
インスタント食品など、商品を選択してから商品を提供
するまでに多少の時間を要する任意の商品用の自動販売
機に適用できる。

【００９８】

【発明の効果】この発明の販売予測装置によれば、時間
帯毎と販売量との関係を正確に把握し、その関係に基づ
いて時間帯毎に適当な販売量を予測できる。したがっ
て、短時間に生じる大きな需要に供給を合わせることが
可能になり、損失を生じることなく販売量を増やすこと
ができる。

【図面の簡単な説明】

【図１】この発明の一実施形態を示すブロック図であ
る。

【図２】データベース用メモリに格納される各時間帯と
販売量とに関するデータの一例を示す図解図である。

【図３】この発明の主要動作の一例を示すフロー図であ
る。

【図４】各時点での処理内容を示す図解図である。

【図５】ニューラルネットワークを用いて分散値の閾値
を可変にする場合の一例を示す図解図である。

【図６】時刻と販売量との関係の一例を示すグラフであ
る。

【符号の説明】 １０ 自動販売機 １２ 商品選択キー １４ 販売機構 ２２ 販売予測装置 ２４ ＣＰＵ ２６ ＲＯＭ ２８ 時計機構 ３０ データベース用メモリ ３２ 予測量記憶用メモリ

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平５−282547（ＪＰ，Ａ) 特開 平９−91530（ＪＰ，Ａ) 特開 平９−62931（ＪＰ，Ａ) 特開 平４−71096（ＪＰ，Ａ) 特開 平１−237899（ＪＰ，Ａ) 特開 平８−314891（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G07F 13/00 - 15/12 G07F 17/00 - 17/42 G06F 17/60 - 17/60 124 G06F 17/60 126 G06F 17/60 128 G06F 17/60 234 G06F 17/60 300 - 342 G06F 17/60 414 G06F 17/60 500 - 19/00 140 G06F 19/00 600 G07G 1/00 - 5/00 G07F 5/00 - 9/10 102

Claims (9)

(57)【特許請求の範囲】
1. 【請求項１】 所定時間帯毎の販売量を複数日数分記憶
   する第１記憶手段、 前記第１記憶手段に記憶されている複数日数分の前記販
   売量に基づいて時間帯毎の前記販売量の平均値を求める
   平均値算出手段、 前記第１記憶手段に記憶されている複数日数分の前記販
   売量と前記平均値とに基づいて時間帯毎の分散値を求め
   る分散値算出手段、 時間帯毎の前記販売量の最小値を検出する最小値検出手
   段、 前記分散値と第１閾値とを比較する第１比較手段、およ
   び前記分散値が前記第１閾値以上であれば前記最小値を
   前記予測量とし、前記分散値が前記第１閾値未満であれ
   ば前記平均値を前記予測量とする予測量決定手段を備え
   る、販売予測装置。
2. 【請求項２】 所定時間帯毎の販売量を複数日数分記憶
   する第１記憶手段、 前記第１記憶手段に記憶されている複数日数分の前記販
   売量に基づいて時間帯毎の前記販売量の平均値を求める
   平均値算出手段、 前記第１記憶手段に記憶されている複数日数分の前記販
   売量と前記平均値とに基づいて時間帯毎の分散値を求め
   る分散値算出手段、 前記分散値と第１閾値とを比較する第１比較手段、およ
   び前記分散値が前記第１閾値以上であれば０を前記予測
   量とし、前記分散値が第１閾値未満であれば前記平均値
   を前記予測量とする予測量決定手段を備える、販売予測
   装置。
3. 【請求項３】 決定した前記予測量を記憶する第２記憶
   手段、 当日の各時間帯での実際の販売量と前記第２記憶手段に
   記憶された当日の各時間帯での前記予測量とに基づい
   て、当日のその時点での予測結果評価値を求める評価値
   算出手段、 前記予測結果評価値と第２閾値とを比較する第２比較手
   段、および前記第２比較手段での比較結果に応じて前記
   予測量を再決定する予測量再決定手段を備える、請求項
   １または２に記載の販売予測装置。
4. 【請求項４】 前記予測量再決定手段は、前記予測結果
   評価値が前記第２閾値以上であれば前記予測量を０に変
   更し、前記予測結果評価値が前記第２閾値未満であれば
   前記予測量をそのままにしておく、請求項３に記載の販
   売予測装置。
5. 【請求項５】 前記第１閾値を可変にする第１閾値可変
   手段をさらに備える、請求項１ないし４のいずれかに記
   載の販売予測装置。
6. 【請求項６】 前記第１閾値可変手段は、 算出した前記分散値が所定値以上の場合において、前記
   予測量決定手段によって決定された前記予測量を記憶す
   る第３記憶手段、 実際の販売量と前記第３記憶手段に記憶された前記予測
   量とを比較する第３比較手段、および前記第３比較手段
   での所定回数分の比較結果に基づいて判断した結果、前
   記販売量が前記予測量より大きくなる傾向が強いときに
   は前記第１閾値を増加させ、一方、前記販売量が前記予
   測量より小さくなる傾向が強いときには前記第１閾値を
   減少させる手段を含む、請求項５に記載の販売予測装
   置。
7. 【請求項７】 前記第２閾値を可変にする第２閾値可変
   手段をさらに備える、請求項３または４に記載の販売予
   測装置。
8. 【請求項８】 前記第１記憶手段は複数の同一曜日にお
   ける時間帯毎の販売量を記憶し、 前記平均値算出手段は同一曜日における時間帯毎の前記
   販売量の平均値を算出し、 前記分散値算出手段は同一曜日における時間帯毎の前記
   販売量の分散値を算出する、請求項１ないし７のいずれ
   かに記載の販売予測装置。
9. 【請求項９】 前記第１記憶手段は連続日における時間
   帯毎の販売量を記憶し、 前記平均値算出手段は連続日における時間帯毎の前記販
   売量の平均値を算出し、 前記分散値算出手段は連続日における時間帯毎の前記販
   売量の分散値を算出する、請求項１ないし７のいずれか
   に記載の販売予測装置。