JP3481570B2 - 部品在庫管理における需要予測装置 - Google Patents

部品在庫管理における需要予測装置

Info

Publication number
JP3481570B2
JP3481570B2 JP2000260918A JP2000260918A JP3481570B2 JP 3481570 B2 JP3481570 B2 JP 3481570B2 JP 2000260918 A JP2000260918 A JP 2000260918A JP 2000260918 A JP2000260918 A JP 2000260918A JP 3481570 B2 JP3481570 B2 JP 3481570B2
Authority
JP
Japan
Prior art keywords
demand
frequency
parts
probability distribution
low
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
Application number
JP2000260918A
Other languages
English (en)
Other versions
JP2002073746A (ja
Inventor
為勇 柳野
之彦 須崎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Priority to JP2000260918A priority Critical patent/JP3481570B2/ja
Priority to US09/929,356 priority patent/US7225140B2/en
Priority to BR0107024-0A priority patent/BR0107024A/pt
Priority to CN01802034A priority patent/CN1386234A/zh
Priority to CA002381569A priority patent/CA2381569A1/en
Priority to MXPA02004267A priority patent/MXPA02004267A/es
Priority to EP01956959A priority patent/EP1315107A1/en
Priority to PCT/JP2001/007107 priority patent/WO2002019190A1/ja
Priority to TW090120665A priority patent/TWI248572B/zh
Publication of JP2002073746A publication Critical patent/JP2002073746A/ja
Priority to ZA200202274A priority patent/ZA200202274B/en
Application granted granted Critical
Publication of JP3481570B2 publication Critical patent/JP3481570B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】この発明は部品在庫管理にお
ける需要予測装置に関し、より具体的には需要が所定頻
度以下となった低頻度部品群の将来の需要を予測する装
置に関する。
【０００２】
【従来の技術】製造業にあっては、販売した自動車など
の製品を構成する多くの部品（スペアパーツ）群を所定
期間にわたって保有し、ディーラあるいはユーザの需要
に応じて供給する必要があるが、現状では熟練者が適宜
な手法で将来の需要を予測して部品群の在庫量を算出し
ているのが通常である。
【０００３】尚、特開平１１−７４８２号公報は、流通
経路における中間サプライ業者が保有すべき在庫量を、
モンテカルロ・シミュレーションを用いて予測する技術
を提案している。
【０００４】
【発明が解決しようとする課題】一般に、部品の需要
は、製品が生産中あるいは生産が中止されてから暫くの
間は比較的活発であるが、その後は次第に減少し、やが
ては月に１個以下程度の低頻度となる。
【０００５】需要が活発な間は取引数も多く、実績デー
タも多いことから、適正な在庫量を予測することは比較
的容易であるが、需要が減少するにつれて予測が困難と
なる。特に、需要が低頻度となると、熟練者をもってし
ても需要を精度良く予測することは困難である。
【０００６】しかしながら、部品点数としては低頻度化
した部品の方が多く、さらに低頻度部品群に関しては部
品製作用金型を廃棄すべきか否かなど付随的に生じる問
題も解決しなければならない。
【０００７】従って、部品群、特に低頻度化した部品群
に対するユーザあるいはディーラなどの末端の需要を精
度良く予測することが望まれているが、上記した従来技
術は、ユーザなどの末端の需要予測を既知とした上で、
中間のサプライ業者が保有すべき適正在庫量をモンテカ
ルロ・シミュレーションを用いて予測する手法を提案す
るに止まっていた。
【０００８】 従って、この発明の目的は上記した課題
を解決し、部品群、特に低頻度化した部品群に対するユ
ーザあるいはディーラなどの末端の需要を精度良く予測
する部品在庫管理における需要予測装置を提供すること
にある。
【０００９】
【課題を解決するための手段】上記の目的を解決するた
めに、この発明は請求項１項にあっては、メインフレー
ムコンピュータに接続されるマイクロコンピュータから
なり、販売した製品を構成する部品群を所定期間にわた
って保有すると共に、需要に応じて販売する部品在庫管
理において需要が所定頻度以下となった低頻度部品群の
将来の需要を予測する装置であって、前記メインフレー
ムコンピュータにアクセスして前記部品群のそれぞれに
ついて過去の経時的な需要実績を入力して前記需要実績
が前記所定頻度以下となった低頻度部品群を抽出し、抽
出した低頻度部品群についてのデータをデータベースに
格納する手段、前記格納された低頻度部品群についての
データを部品カテゴリ別に設けられたデータベースに入
力し、そこで前記需要実績から前記所定頻度以下となっ
た時点以後の需要の特徴を示すパラメータに基づいて前
記抽出された低頻度部品群を複数のカテゴリに分類する
手段、前記複数のカテゴリに分類された低頻度部品群の
データを入力し、前記複数のカテゴリのそれぞれについ
て前記需要の特徴を示すパラメータに基づいて需要発生
確率分布を算出し、前記算出された需要発生確率分布を
入力してモンテカルロ・シミュレーションを行って所定
期間における需要個数の出現頻度確率分布を算出する手
段、および前記算出された所定期間における需要個数の
出現頻度確率分布を入力し、入力した需要個数の出現頻
度に基づいて前記低頻度部品群の将来の需要個数を予測
し、ＣＲＴを介して表示する手段を備える如く構成し
た。
【００１０】部品群のそれぞれについて過去の経時的な
需要実績を求め、所定頻度以下となった低頻度部品群を
抽出し、需要実績から所定頻度以下となった時点以後の
需要の特徴を示すパラメータを求めて抽出された低頻度
部品群を複数のカテゴリに分類すると共に、そのそれぞ
れについて前記需要の特徴を示すパラメータに基づいて
需要発生確率分布を算出し、算出された需要発生確率分
布に基づいてモンテカルロ・シミュレーションを行って
所定期間における需要個数の出現頻度確率分布を算出
し、算出された需要個数の出現頻度確率分布に基づいて
低頻度部品群の将来の需要個数を予測することからなる
如く構成したので、需要が低頻度化した部品群の将来の
需要個数を精度良く予測することができ、それによって
在庫管理量を適正に求めることができる。さらに、部品
製作用金型の廃棄すべきか否かなどについても適正に判
断することができると共に、カバー率も含めた在庫管理
に関する経営戦略の決定を容易にすることができる。
【００１１】 請求項２項にあっては、さらに、前記メ
インフレームコンピュータにアクセスして前記部品群の
それぞれについて過去の経時的な需要実績を入力して前
記需要実績が前記所定頻度より高頻度の第２の所定頻度
以下となった第２の低頻度部品群を抽出し、抽出した第
２の低頻度部品群についてのデータをデータベースに格
納する手段、前記格納された第２の低頻度部品群につい
てのデータを部品カテゴリ別に設けられたデータベース
に入力し、そこで前記抽出された第２の低頻度部品群を
複数のカテゴリに分類する手段、前記複数のカテゴリに
分類された第２の低頻度部品群のデータを入力し、前記
複数のカテゴリのそれぞれについて前記需要の特徴を示
すパラメータに基づいて需要発生確率分布を算出し、前
記算出された需要発生確率分布を入力してモンテカルロ
・シミュレーションを行って所定期間における需要個数
の出現頻度確率分布を算出する手段、前記算出された所
定期間における需要個数の出現頻度確率分布を入力し、
入力した需要個数の出現頻度確率分布に基づいて前記第
２の低頻度部品群の将来の需要個数を算出する手段、お
よび前記第２の所定頻度以下となった時点以前の前記需
要実績と前記算出された需要個数に基づき、回帰分析に
よって前記第２の低頻度部品群の将来の需要個数を予測
し、ＣＲＴを介して表示する手段を備える如く構成し
た。
【００１２】さらに、前記部品群のそれぞれについて過
去の経時的な需要実績を求め、前記所定頻度より高頻度
の第２の所定頻度以下となった第２の低頻度部品群を抽
出し、抽出された低頻度部品群を複数のカテゴリに分類
すると共に、そのそれぞれについて前記需要の特徴を示
すパラメータに基づいて需要発生確率分布を算出し、算
出された需要発生確率分布に基づいてモンテカルロ・シ
ミュレーションを行って所定期間における需要個数の出
現頻度確率分布を算出し、それに基づいて前記第２の低
頻度部品群の将来の需要個数を算出し、前記第２の所定
頻度以下となった時点以前の前記需要実績と算出された
需要個数に基づき、回帰分析によって前記第２の低頻度
部品群の将来の需要個数を予測する如く構成したので、
換言すればモンテカルロ分析と回帰分析の利点を組み合
わせて予測するようにしたので、低頻度化した部品群
が、その取引の挙動が部品間によって必ずしも同様の特
性に示すに至っていない場合であっても、その将来の需
要個数の予測精度を一層向上させることができる。
【００１３】請求項３項にあっては、前記需要の特徴を
示すパラメータが、需要発生間隔および需要個数率の少
なくともいずれか、より望ましくはその両方である如く
構成した。
【００１４】このように、前記需要の特徴を示すパラメ
ータとして需要発生間隔および需要個数率の少なくとも
いずれかに着目し、それらに基づいて需要発生確率分布
を算出してモンテカルロ・シミュレーションの入力とす
ることで、モンテカルロ・シミュレーションの出力とし
て同様の所定期間における需要頻度の確率分布を算出す
ることができ、それによって低頻度部品群の将来の需要
個数の予測精度を一層向上させることができる。
【００１５】請求項４項にあっては、前記個数率が、需
要が途絶える前の需要個数に対する需要が途絶えた後の
需要個数の割合である如く構成した。
【００１６】このように、途絶える前と途絶えた後の需
要の挙動を個数面から勘案することで需要発生確率分布
を的確に算出することができ、よって低頻度部品群の将
来の需要個数の予測精度を一層向上させることができ
る。
【００１７】 請求項５項にあっては、メインフレーム
コンピュータに接続されるマイクロコンピュータからな
り、販売した製品を構成する部品群を所定期間にわたっ
て保有すると共に、需要に応じて販売する部品在庫管理
において需要が所定頻度以下となった低頻度部品群の将
来の需要を予測する装置であって、前記メインフレーム
コンピュータにアクセスして前記部品群のそれぞれにつ
いて過去の経時的な需要実績を入力し、前記需要実績が
前記所定頻度以下となった低頻度部品群を抽出し、抽出
した低頻度部品群についてのデータをデータベースに格
納する手段、前記格納されたデータを入力し、前記需要
実績に基づき、時間に対する需要発生確率分布、および
需要個数率に対する需要発生確率分布を算出し、前記算
出された需要発生確率分布を入力してモンテカルロ・シ
ミュレーションを行って所定期間における需要個数の出
現頻度確率分布を算出する手段、および前記算出された
所定期間における需要個数の出現頻度確率分布を入力
し、入力した需要個数の出現頻度確率分布に基づいて前
記低頻度部品群の将来の需要個数を予測し、ＣＲＴを介
して表示する手段を備える．如く構成した。
【００１８】部品群のそれぞれについて過去の経時的な
需要実績を求め、所定頻度以下となった低頻度部品群を
抽出し、需要実績に基づき、時間に対する需要発生確率
分布、および需要個数率に対する需要発生確率分布を算
出し、算出された需要発生確率分布に基づいてモンテカ
ルロ・シミュレーションを行って所定期間における需要
個数の出現頻度確率分布を算出し、算出された所定期間
における需要個数の出現頻度確率分布に基づいて低頻度
部品群の将来の需要個数を予測する如く構成したので、
換言すれば、時間に対する需要発生確率分布、および需
要個数率に対する需要発生確率分布の少なくともいずれ
かに着目して需要発生確率分布を算出してモンテカルロ
・シミュレーションの入力とするこどで、モンテカルロ
・シミュレーションの出力として同様の所定期間におけ
る需要頻度の確率分布を算出して需要を予測するように
構成したので、需要が低頻度化した部品群の将来の需要
個数を精度良く予測することができ、それによって在庫
管理量を適正に求めることができる。さらに、部品製作
用金型の廃棄すべきか否かなどについても適正に判断す
ることができると共に、カバー率も含めた在庫管理に関
する経営戦略の決定を容易にすることができる。
【００１９】 請求項６項にあっては、さらに、前記抽
出された低頻度部品群を複数のカテゴリに分類すると共
に、前記複数のカテゴリのそれぞれについて前記需要発
生確率分布を算出する手段を備える如く構成した。
【００２０】抽出された低頻度部品群を複数のカテゴリ
に分類すると共に、複数のカテゴリのそれぞれについて
需要発生確率分布を算出する如く構成したので、部品に
特有の需要の挙動を勘案することができ、よって低頻度
部品群の将来の需要個数の予測精度を一層向上させるこ
とができる。
【００２１】 請求項７項にあっては、さらに、前記予
測された需要個数の精度を検証する手段、および前記検
証した結果に基づいて前記カテゴリを変更する手段を備
える如く構成した。
【００２２】予測された需要個数の精度を検証し、その
結果に基づいてカテゴリを変更する如く構成したので、
換言すれば需要予測を進化させるように構成したので、
これによって低頻度部品群の将来の需要個数の予測精度
を絶え間なく向上させることができる。
【００２３】
【発明の実施の形態】以下、添付図面に即してこの発明
の一つの実施の形態に係る部品在庫管理における需要予
測装置を説明する。
【００２４】 図１は、この発明の一つの実施の形態に
係る部品在庫管理における需要予測装置を説明するブロ
ック図である。
【００２５】 尚、図１では、この需要予測装置を実現
する、マイクロコンピュータからなる装置１０の処理
（図で「ＥＮＧ」と示す）として示す。
【００２６】図示の如く、装置１０は、メインフレーム
コンピュータ（あるいはホストコンピュータ。図示せ
ず）１２に接続され、そこに格納された基幹システムの
需要実績ＤＢ（データベース）１２ａおよび部品情報Ｄ
Ｂ（データベース）１２ｂにアクセスして販売した製品
群を構成する部品群の需要実績および部品情報を入力す
る。部品情報は、各部品の名称、部品番号、仕向け地
（出荷先）、価格などを意味する。
【００２７】尚、この実施の形態において、販売した製
品群は、４輪自動車、２輪自動車および汎用エンジンな
どの汎用製品の３種に大別されるものとし、部品群はそ
れらの構成部品（いわゆるスペアパーツ）とする。部品
は、独立して取引される単位当たりを１個とすると共
に、部品番号で特定される。
【００２８】データ抽出および加工ＥＮＧ１０ａでは入
力したデータに基づき、４輪自動車などの複数個の部品
のそれぞれについて過去の経時的な需要実績が求めら
れ、需要実績が第１の所定頻度以下となった第１の低頻
度部品群、および前記第１の所定頻度より高頻度の第２
の所定頻度以下となった第２の低頻度部品群が抽出され
る。
【００２９】図２は、その作業を示す説明図である。
【００３０】図示の如く、第１の所定頻度としては、あ
る部品について月平均需要個数が１個以下で、かつ過去
に２４ケ月の間、需要が途絶えたことがあることを条件
とし、それに該当するものを集合的に第１の低頻度部品
群（以下「極低頻度（１）部品」という）とする。
【００３１】また、第２の所定頻度としては、ある部品
について月平均需要個数が１個以下で、かつ過去に需要
が発生した月が通算して１３ケ月以上あることを条件と
し、それに該当するものを集合的に第２の低頻度部品群
（以下「極低頻度（２）部品」という）とする。
【００３２】ここで、「月平均需要個数が１個以下で、
かつ過去に需要が発生した月が通算して１３ケ月以上あ
る」とは、ある部品について現在の月平均需要は１個以
下であるが、過去に、１個以上需要が発生した月が、継
続すると否とを問わず、合計すると、１３ケ月以上あっ
た、という意味である。
【００３３】即ち、図２の左側に示すように、一般に、
部品の需要は、製品が生産中あるいは生産が中止されて
から暫くの間は、例えば５０００個程度と比較的活発で
あるが、その後は次第に減少し、やがては平均して月に
１個以下程度の低頻度となる。
【００３４】尚、この明細書で「需要」とは、末端のユ
ーザあるいはディーラからの需要（発注）をいい、「需
要個数」とは発注回当たりの部品個数をいう。従って、
１ケ月の間に、１度に同一部品を３個発注された場合
も、３度に分けて１個づつ発注された場合も、需要個数
は３となる。
【００３５】上記した定義から明らかな如く、通例、部
品は需要が低頻度化すると、最初に極低頻度（２）部品
となり、次いで極低頻度（１）部品となる。データ抽出
および加工ＥＮＧ１０ａでは、このようにして極低頻度
（１）部品および極低頻度（２）部品が抽出される。
【００３６】図１の説明に戻ると、データ抽出および加
工エンジン１０ａで抽出された極低頻度（１）部品およ
び極低頻度（２）部品についての情報は、極低頻度需要
予測ＤＢ（データベース）１０ｂに、一旦、格納され
る。
【００３７】次いで、格納された極低頻度部品情報は、
需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）
部品Ｍシミュレーション（モンテカルロ・シミュレーシ
ョン）用入力データ作成ＥＮＧ１０ｄ、および極低頻度
（２）部品入力データ作成ＥＮＧ１０ｅに送られる。
【００３８】需要特性分析データ作成ＥＮＧ１０ｃに送
られた極低頻度部品情報は、次いで統計分析処理および
特性式入力処理を経て部品カテゴリ別に設けられた需要
発生判定式および需要個数判定式ＤＢ（データベース）
１０ｆに入力され、そこで、需要実績から第１所定頻度
以下となった時点以後の需要の特徴を示すパラメータに
基づき、抽出された低頻度部品群（極低頻度（１）部
品）は、複数のカテゴリに分類される。
【００３９】複数のカテゴリへの分類は、４輪自動車
用、２輪自動車用および汎用製品用の３種に止まらず、
さらに細分類、例えば２４，５０，１００などのグルー
プに分類することを意味する。
【００４０】需要発生判定式および需要個数判定式ＤＢ
（データベース）１０ｆに入力されたデータは、極低頻
度（１）部品Ｍシミュレーション用入力データ作成ＥＮ
Ｇ１０ｄに格納されたデータと共に、Ｍシミュレーショ
ンＥＮＧ１０ｇに送られる。
【００４１】尚、「需要発生判定式」および「需要個数
判定式」は上記した「所定頻度以下となった時点以後の
需要の特徴を示すパラメータ」を意味し、より具体的に
は上記したように、需要発生間隔および需要個数を意味
する。
【００４２】ＭシミュレーションＥＮＧ１０ｇにおいて
は、カテゴリごとにそのカテゴリに属する対象部品につ
いて前記した需要の特徴を示すパラメータに基づいて需
要発生確率分布が２種算出され、算出された需要発生確
率分布を入力してモンテカルロ・シミュレーションが行
われ、所定期間Ｎにおける需要個数の出現頻度確率分布
が算出される。
【００４３】ここで、そのモンテカルロ・シミュレーシ
ョンを利用した需要予測手法について説明する。
【００４４】モンテカルロ・シミュレーション（「モン
テカルロ分析」あるいは「モンテカルロ法」とも呼ばれ
る）は、定式化されたものを再び確率の世界に置き直し
て解く手法であり、解析的な手法では解けない問題の近
似的な解を求める際に良く利用される。
【００４５】発明者は低頻度化した部品群の需要予測に
ついて考究を重ねたところ、低頻度化した後の需要には
幾つかの特徴（法則性）があるのが見い出された。図３
は部品ａ，ｂ，ｃについて需要個数（月平均値）の経時
的な変動を示す図であるが、図示の如く、需要が活発に
ある間は部品によって需要個数は相違する。
【００４６】しかしながら、需要が減少して需要の頻度
が低下し、先に述べたように、例えば、月平均需要個数
が１個以下で、かつ過去に２４ケ月の間、需要が途絶え
るようになると、部品間の需要の個性は薄れてほぼ均一
化し、部品ａ，ｂ，ｃの需要個数は共通化してほぼ１種
の特性で把握することができる。
【００４７】従って、そのような時点（第１の所定頻度
以下となる時点）に着目することで、換言すれば低頻度
化した時点を揃えることで、複数個の部品の需要個数を
共通した特性で把握することができる。
【００４８】 さらに、図３に示す過去の経時的な需要
実績（データ）について考察を重ねた結果、低頻度化し
た後の部品の取引の挙動は、需要（個数を問わず）が何
ケ月ぶりに発生したかを示すもの、即ち、時間に対する
需要発生確率分布、より具体的には、翌月の需要が発生
する確率分布を示すことが見い出された。
【００４９】さらに、この需要実績（データ）は、例え
ば２４ケ月などの間途絶える前の需要個数に対してどの
位の個数の需要が発生したかを示すもの、即ち、需要個
数率に対する需要発生確率分布を示すことが見い出され
た。尚、図３で右側下方に示すｎ倍は、途絶えた後の需
要個数が、途絶える前のそれの何倍であることを示す。
【００５０】このように、途絶える前と途絶えた後の需
要の挙動を個数面から勘案することで需要発生確率分布
を的確に算出することができ、よって低頻度部品群の将
来の需要個数の予測精度を一層向上させることができ
る。
【００５１】図４に、上記した知見に基づき、過去の経
時的な需要実績（点で表す）を近似的にプロットして得
た、時間に対する需要発生確率分布、より具体的には、
需要発生間隔（月）に対する需要発生確率分布を示す。
【００５２】また、図５に、過去の経時的な需要実績を
分析して得た、需要個数率に対する需要発生確率分布を
示す。
【００５３】「個数率」は、需要が途絶える前の需要個
数に対する需要が途絶えた後の需要個数の割合を示す。
より具体的には、個数率＝２４ケ月の間、需要が途絶え
た後の需要発生月の需要個数／２４ケ月の間、需要が途
絶える直前の需要個数を意味する。簡単に言えば、個数
率は、途絶える前と途絶えた後の需要個数の割合を意味
する。
【００５４】さらに、図４および図５に示す特性は、部
品の種類によって相違することから、抽出した極低頻度
（１）部品群を複数のカテゴリに分類し、カテゴリごと
に図６に示すように時間に対する需要発生確率分布（図
４に示す）を算出すると共に、図７に示すように需要個
数率に対する需要発生確率分布（図５に示す）を算出す
るようにした。
【００５５】部品群のカテゴリへの分類は、極低頻度
（１）部品のそれぞれについて需要発生間隔および需要
個数率（所定頻度以下となった時点以後の需要の特徴を
示すパラメータ）を求め、求めたパラメータが近い部品
同士を同一のカテゴリとみなして行うようにした。
【００５６】尚、部品群は、例えば２４，５０などのカ
テゴリに細分されるが、図６および図７では図示の簡略
化のため、４個のカテゴリＡ，Ｂ，Ｃ，Ｄのみ示す。
【００５７】次いで、算出した図６および図７に示す２
種の需要発生確率分布に基づいて図８に示すようにモン
テカルロ・シミュレーションを繰り返し（例えば５００
０回）実行し、図９に示すように、将来、需要がどの位
の確率で何ケ月の間隔で何個発生するか、具体的には所
定期間（Ｎケ月間）における需要個数（総数）の出現頻
度を算出する。
【００５８】尚、モンテカルロ・シミュレーションは、
当該の部品が属するカテゴリについて算出された図６お
よび図７に示す２種の需要発生確率分布を選択し、選択
した需要発生確率分布ごとに実行する。
【００５９】即ち、この発明は、過去の需要実績は既知
であり、将来の需要は未知であるが、将来の需要も、過
去の需要発生と同様な確率分布で生じるとみなすこと
で、予測できるという知見に基づいてなされた。
【００６０】 このように、需要の特徴を示すパラメー
タとして時間に対する需要発生確率分布および需要個数
率に着目し、それらの少なくともいずれかに着目して需
要発生確率分布を算出してモンテカルロ・シミュレーシ
ョンの入力とすることで、モンテカルロ・シミュレーシ
ョンの出力として同様の所定期間における需要頻度の確
率分布を算出することができ、それによって低頻度部品
群の将来の需要個数の予測精度を一層向上させることが
できる。
【００６１】次いで、算出されたＮケ月間における需要
個数（総数）の出現頻度確率分布に基づいて極低頻度
（１）部品の将来の需要個数を予測（算出）する。より
具体的には、図１０に示すように、当該カテゴリに属す
る極低頻度（１）部品のＮケ月間の需要をＺ％のカバー
率（需要に対する目標供給率）でまかなうにはＹｚ個必
要と予測（算出）する。
【００６２】尚、上記でＮケ月をどの程度の期間に設定
するかは任意であり、所望の予測期間に対応する値を適
宜設定すれば良い。
【００６３】 このように、任意の幅をもった期間にお
ける需要個数（より正確には総数）として予測できるよ
うにした点も、この需要予測装置の特徴の一つに挙げる
ことができる。
【００６４】これにより、目標とする予測期間あるいは
予測数に応じてその期間に適宜設定することで、必要と
する需要を精度良く予測することができる。また、例え
ばその幅を小さく設定することによって需要個数を絞る
ことも可能となり、あるいは、縦軸に示す出現頻度確率
が所定値以上にあるか否か判断することによって需要個
数を絞ることも可能となる。
【００６５】上記を図１に示す構成で説明すると、Ｍシ
ミュレーションＥＮＧ１０ｇにおいてモンテカルロ・シ
ミュレーションによって得たデータ（Ｎケ月間の需要総
数（個数）の出現頻度確率分布）は、計算結果表示ＥＮ
Ｇ１０ｈに送られる。
【００６６】計算結果表示ＥＮＧ１０ｈではデータに基
づいて上記のように極低頻度（１）部品の将来の需要個
数が予測（算出）され、図示しないＣＲＴおよびプリン
タなどを介して表示される。
【００６７】また、ＭシミュレーションＥＮＧ１０ｇの
出力は予測精度検証データ作成ＥＮＧ１０ｉにも送ら
れ、極低頻度（１）部品のカテゴリ（分類）の適否が検
討され、必要に応じてカテゴリの再設定（変更）が行わ
れる。
【００６８】予測精度検証データ作成ＥＮＧ１０ｉで
は、該当するカテゴリに属する極低頻度（１）部品につ
いて過去のある時点以前の需要実績に基づき、その時点
から過去のある時点までの需要が予測され、実績データ
と比較されて予測精度が検証される。その結果、予測精
度が低いときは、カテゴリが再設定（変更）される。
【００６９】カテゴリの数は少ないほど作業が容易とな
るが、予測精度は低下することから、この実施の形態に
あっては、カテゴリ数は先に述べたように、例えば２
４，５０などとする。
【００７０】 ここで、図１１を参照し、２３万９００
０アイテムの低頻度部品群について、カテゴリ数を２４
としたときの、この実施の形態に係る需要予測装置を適
用した場合の予測精度を検証した結果を、過去の需要実
績と対比して示す。
【００７１】 尚、予測精度検証データ作成ＥＮＧ１０
ｉでも同種の処理が行われるが、図１１に示すものは、
アイテム数などにおいてそれと相違する。「アイテム」
は部品番号に部品の仕向け地を付したものを意味し、従
って同一の部品が日本と米国を仕向け地とするとき、ア
イテムの数は２となる。
【００７２】 同図は、２３万９０００アイテムについ
て、この実施の形態に係る需要予測装置で予測した部品
在庫量を保有したと仮定した場合の、カバー率９０％，
９５％，９８％および９９．６％（横軸）としたときの
欠品率および引当率（縦軸）を示す。
【００７３】上記で、「欠品率」（％）は需要に応じら
れなかった率を、「引当率」（％）は需要に応じられた
率を示す。本来的には１００％から引当率を減算した値
が欠品率となるが、検証期間内に異常需要があったた
め、欠品率と引当率と異常需要（例えばカバー率９９．
６％のとき０．１５％）を加算して１００％とした。
【００７４】 同図から明らかな通り、ほぼ目標通りの
引当率が達成されており、この実施の形態に係る需要予
測装置が効果的であることが実証された。
【００７５】図１の説明に戻ると、極低頻度（２）部品
入力データ作成ＥＮＧ１０ｅの出力は一方では極低頻度
（２）部品需要予測ＥＮＧ１０ｊに直接に送られると共
に、他方ではＭシミュレーションＥＮＧ１０ｇを介して
極低頻度（２）部品需要予測ＥＮＧ１０ｊに送られる。
【００７６】概括すると、この実施の形態においては、
極低頻度（１）部品に関しては上記したようにモンテカ
ルロ・シミュレーションを用いて需要を予測すると共
に、極低頻度（２）部品に関しては回帰分析手法を用い
るようにした。また、回帰分析において回帰直線を決定
するとき、既知データにモンテカルロ・シミュレーショ
ンで得た需要予測値（需要個数）を加えるようにした。
即ち、極低頻度（２）部品については、回帰分析とモン
テカルロ・シミュレーションの利点を組み合わせて需要
を予測するようにした。
【００７７】図１２を参照して説明すると、同図上部に
示すように需要量が多い期間は、単位期間当たりの需要
量で取り扱うのが便利であるが、需要量が減少して低頻
度化した場合、人為的に決めた単位期間によってデータ
自身が変化してしまう。
【００７８】そこで、同図左下に示すように、低頻度部
品群（より正確には極低頻度（２）部品）は、累積需要
数で取り扱うようにした。具体的には、指数関数を用い
て同図右下に示すように累積需要数（実績データ）を直
線化し、それから回帰直線を引くようにした。
【００７９】より具体的には、図１３に示すように、既
知データから最小２乗法などの公知の手法を用いて回帰
係数を決定して直線を引くと共に、モンテカルロ・シミ
ュレーションで得たデータの中の任意の値（符合Ｍｄで
示す）も利用して回帰直線を決定するようにした。
【００８０】即ち、回帰分析とモンテカルロ分析は本来
的に異なる手法であるが、先に述べたように、通例、部
品は需要が低頻度化すると、最初に極低頻度（２）部品
となり、次いで極低頻度（１）部品となるという関係に
あると共に、モンテカルロ・シミュレーションで得た極
低頻度（１）部品の需要予測が高精度であることが検証
されたため、このように構成した。
【００８１】ただし、上で述べたように極低頻度（２）
部品は極低頻度（１）部品に時間的に先行することか
ら、極低頻度（２）部品の需要予測のとき、同一部品に
ついてのモンテカルロ・シミュレーションによる需要予
測はなされていない。
【００８２】従って、この実施の形態においては、極低
頻度（１）部品について述べた手法を変形し、極低頻度
（２）部品についてカテゴリごとに時間に対する需要発
生確率分布および需要個数率に対する需要発生確率分布
を求めるとき、例えば個数率の算出に際しては２４ケ月
に代えて数ケ月などの短縮した期間を使用するようにし
た。
【００８３】 図１３において、Ｌ１は既知データのみ
から得た回帰直線であり、Ｌ２は既知データと変形モン
テカルロ・シミュレーションで得た値Ｍｄから得た回帰
直線である。図において、回帰直線Ｌ１は参考的に示す
ものであり、この実施の形態に係る需要予測装置におい
ては回帰直線Ｌ２が使用される。
【００８４】従って、図１３の横軸に示す予測期間に対
応する回帰直線Ｌ２上の値が、縦軸に示す予測数とな
る。極低頻度（１）部品の場合と同様に、極低頻度
（２）部品についても、将来の需要は、任意の幅の期間
における需要個数（総数）として予測される。
【００８５】このように、極低頻度（２）部品について
は、モンテカルロ分析と回帰分析の利点を組み合わせて
予測するようにしたので、極低頻度（２）部品の取引の
挙動が、極低頻度（１）部品について図３を参照して説
明したような部品間によって同様の特性に示す状態ま
で、必ずしも至っていない場合であっても、その将来の
需要個数の予測精度を一層向上させることができる。
【００８６】図１の説明に戻ると、極低頻度（２）部品
需要予測ＥＮＧ１０ｊにおいては、極低頻度（２）部品
入力データ作成ＥＮＧ１０ｅとＭシミュレーションＥＮ
Ｇ１０ｇの出力に基づいて上記したような回帰直線Ｌ２
が決定される。
【００８７】極低頻度（２）部品需要予測ＥＮＧ１０ｊ
の出力は、ＭシミュレーションＥＮＧ１０ｇの出力と共
に計算結果表示ＥＮＧ１０ｈに送られ、そこで極低頻度
（２）部品の需要個数が予測（算出）されると共に、図
示しないＣＲＴおよびプリンタなどを介して表示され
る。
【００８８】この実施の形態は上記の如く構成したの
で、需要が月１個以下程度に減少した低頻度部品群の将
来の需要を精度良く予測することができ、それによって
在庫管理量を適正に求めることができる。
【００８９】さらに、低頻度部品群の将来の需要を精度
良く予測することで、部品製作用金型を廃棄すべきか否
かなどについても適正に判断することができる。
【００９０】さらに、低頻度部品群の将来の需要を精度
良く予測することで、カバー率も含めた部品在庫に関す
る経営戦略の決定を容易にすることができる。
【００９１】 さらに、図１に示す如く、予測精度検証
データ作成ＥＮＧ１０ｉにおいて予測精度を検証し、検
証結果に基づき、必要に応じてカテゴリを再設定（変
更）する、換言すれば、この実施の形態に係る需要予測
装置が進化できるように構成したので、絶え間なく予測
精度の向上を図ることができる。
【００９２】さらに、低頻度部品群を極低頻度（１）部
品と極低頻度（２）部品に区分し、前者についてはモン
テカルロ分析を用いて需要個数を予測すると共に、後者
についてはモンテカルロ分析と回帰分析をコンバインし
て需要個数を予測、換言すれば両者の利点を組み合わせ
て予測するようにしたので、予測精度を一層向上させる
ことができる。
【００９３】即ち、極低頻度（２）部品の取引の挙動
が、極低頻度（１）部品について図３を参照して説明し
たような部品間によって同様の特性に示す状態まで、必
ずしも至っていない場合であっても、その将来の需要個
数の予測精度を一層向上させることができる。
【００９４】さらに、需要を任意の幅をもった期間にお
ける需要個数（総数）として予測するようにしたので、
目標とする予測期間あるいは予測数に応じて最適に需要
を予測することができる。
【００９５】 上記した如く、この実施の形態にあって
は、販売した製品（４輪自動車、２輪自動車および汎用
製品）を構成する部品群を所定期間にわたって保有する
と共に、需要に応じて販売する部品在庫管理において需
要が所定頻度以下となった低頻度部品群の将来の需要を
予測する装置であって、前記部品群のそれぞれについて
過去の経時的な需要実績を求め、前記需要実績が前記所
定頻度以下となった低頻度部品群（極低頻度（１）部
品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極
低頻度需要予測ＤＢ１０ｂ）、前記需要実績から前記所
定頻度以下となった時点以後の需要の特徴を示すパラメ
ータを求めて前記抽出された低頻度部品群を複数のカテ
ゴリに分類すると共に、前記複数のカテゴリのそれぞれ
について前記需要の特徴を示すパラメータに基づいて需
要発生確率分布を算出し（需要特性分析データ作成ＥＮ
Ｇ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入
力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要
個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ
１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出
された需要発生確率分布に基づいてモンテカルロ・シミ
ュレーションを行って所定期間（Ｎケ月間）における需
要個数の出現頻度確率分布を算出し（Ｍシミュレーショ
ンＥＮＧ１０ｇ）、および前記算出された所定期間にお
ける需要個数の出現頻度確率分布に基づいて前記低頻度
部品群の将来の需要個数（総数）を予測する（計算結果
表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【００９６】 さらに、前記部品群のそれぞれについて
過去の経時的な需要実績を求め、前記需要実績が前記所
定頻度より高頻度の第２の所定頻度以下となった第２の
低頻度部品群（極低頻度（２）部品）を抽出し（データ
抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１
０ｂ）、前記抽出された低頻度部品群を複数のカテゴリ
に分類すると共に、前記複数のカテゴリのそれぞれにつ
いて前記需要の特徴を示すパラメータに基づいて需要発
生確率分布を算出し（需要特性分析データ作成ＥＮＧ１
０ｃ、極低頻度（２）部品Ｍシミュレーション用入力デ
ータ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数
判定式ＤＢ１０ｅ、予測精度検証データ作成ＥＮＧ１０
ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出され
た需要発生確率分布に基づいてモンテカルロ・シミュレ
ーションを行って所定期間における需要個数の出現頻度
確率分布を算出し（ＭシミュレーションＥＮＧ１０
ｇ）、前記算出された所定期間における需要個数の出現
頻度確率分布に基づいて前記第２の低頻度部品群の将来
の需要個数を算出し、および前記第２の所定頻度以下と
なった時点以前の前記需要実績と前記算出された需要個
数に基づき、回帰分析によって前記第２の低頻度部品群
の将来の需要個数を予測する（極低頻度（２）部品需要
予測ＥＮＧ１０ｊ、計算結果表示ＥＮＧ１０ｈ）ことか
らなる如く構成した。
【００９７】また、前記需要の特徴を示すパラメータ
が、需要発生間隔（月）（図４に示す）および需要個数
率（図５に示す）の少なくともいずれか、より望ましく
はその両方である如く構成した。
【００９８】また、前記個数率が、需要が途絶える前の
需要個数に対する需要が途絶えた後の需要個数の割合、
より具体的には、２４ケ月の間、需要が途絶えた後の需
要発生月の需要個数／２４ケ月の間、需要が途絶える直
前の需要発生月の需要個数である如く構成した。
【００９９】 また、販売した製品（４輪自動車、２輪
自動車および汎用製品）を構成する部品群を所定期間に
わたって保有すると共に、需要に応じて販売する部品在
庫管理において需要が所定頻度以下となった低頻度部品
群の将来の需要を予測する装置であって、前記部品群の
それぞれについて過去の経時的な需要実績を求め、前記
需要実績が前記所定頻度以下となった低頻度部品群（極
低頻度（１）部品）を抽出し（データ抽出および加工Ｅ
ＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記需要
実績に基づき、時間に対する需要発生確率分布、および
需要個数率に対する需要発生確率分布を算出し（需要特
性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍ
シミュレーション用入力データ作成ＥＮＧ１０ｄ、需要
発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度
検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮ
Ｇ１０ｇ）、前記算出された需要発生確率分布に基づい
てモンテカルロ・シミュレーションを行って所定期間
（Ｎケ月間）における需要個数の出現頻度確率分布を算
出し（ＭシミュレーションＥＮＧ１０ｇ）、および前記
算出された所定期間における需要個数の出現頻度確率分
布に基づいて前記低頻度部品群の将来の需要個数を予測
する（計算結果表示ＥＮＧ１０ｈ）ことからなる如く構
成した。
【０１００】また、前記抽出された低頻度部品群を複数
のカテゴリ（例えば２４，５０）に分類すると共に、前
記複数のカテゴリのそれぞれについて前記需要発生確率
分布を算出する（需要特性分析データ作成ＥＮＧ１０
ｃ、極低頻度（１）部品Ｍシミュレーション用入力デー
タ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判
定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０
ｉ，ＭシミュレーションＥＮＧ１０ｇ）如く構成した。
【０１０１】さらに、前記予測された需要個数の精度を
検証し、前記検証した結果に基づいて前記カテゴリを変
更する（予測精度検証データ作成ＥＮＧ１０ｉ）如く構
成した。
【０１０２】尚、上記において、期間あるいは時間の単
位として月を使用しているが、それに代え、日、週、
旬、季、年など、期間あるいは時間を示す単位であれ
ば、他のどのようなものを用いても良い。
【０１０３】
【発明の効果】請求項１項にあっては、部品群のそれぞ
れについて過去の経時的な需要実績を求め、所定頻度以
下となった低頻度部品群を抽出し、需要実績から所定頻
度以下となった時点以後の需要の特徴を示すパラメータ
を求めて抽出された低頻度部品群を複数のカテゴリに分
類すると共に、そのそれぞれについて前記需要の特徴を
示すパラメータに基づいて需要発生確率分布を算出し、
算出された需要発生確率分布に基づいてモンテカルロ・
シミュレーションを行って所定期間における需要個数の
出現頻度確率分布を算出し、算出された需要個数の出現
頻度確率分布に基づいて低頻度部品群の将来の需要個数
を予測することからなる如く構成したので、需要が低頻
度化した部品群の将来の需要個数を精度良く予測するこ
とができ、それによって在庫管理量を適正に求めること
ができる。さらに、部品製作用金型の廃棄すべきか否か
などについても適正に判断することができると共に、カ
バー率も含めた在庫管理に関する経営戦略の決定を容易
にすることができる。
【０１０４】請求項２項にあっては、さらに、前記部品
群のそれぞれについて過去の経時的な需要実績を求め、
前記所定頻度より高頻度の第２の所定頻度以下となった
第２の低頻度部品群を抽出し、抽出された低頻度部品群
を複数のカテゴリに分類すると共に、そのそれぞれにつ
いて前記需要の特徴を示すパラメータに基づいて需要発
生確率分布を算出し、算出された需要発生確率分布に基
づいてモンテカルロ・シミュレーションを行って所定期
間における需要個数の出現頻度確率分布を算出し、それ
に基づいて前記第２の低頻度部品群の将来の需要個数を
算出し、前記第２の所定頻度以下となった時点以前の前
記需要実績と算出された需要個数に基づき、回帰分析に
よって前記第２の低頻度部品群の将来の需要個数を予測
する如く構成したので、換言すればモンテカルロ分析と
回帰分析の利点を組み合わせて予測するようにしたの
で、低頻度化した部品群が、その取引の挙動が部品間に
よって必ずしも同様の特性に示すに至っていない場合で
あっても、その将来の需要個数の予測精度を一層向上さ
せることができる。
【０１０５】請求項３項にあっては、前記需要の特徴を
示すパラメータとして需要発生間隔および需要個数率少
なくともいずれかに着目し、それらに基づいて需要発生
確率分布を算出してモンテカルロ・シミュレーションの
入力とすることで、モンテカルロ・シミュレーションの
出力として同様の所定期間における需要頻度の確率分布
を算出することができ、それによって低頻度部品群の将
来の需要個数の予測精度を一層向上させることができ
る。
【０１０６】請求項４項にあっては、途絶える前と途絶
えた後の需要の挙動を個数面から勘案することで需要発
生確率分布を的確に算出することができ、よって低頻度
部品群の将来の需要個数の予測精度を一層向上させるこ
とができる。
【０１０７】請求項５項にあっては、部品群のそれぞれ
について過去の経時的な需要実績を求め、所定頻度以下
となった低頻度部品群を抽出し、需要実績に基づき、時
間に対する需要発生確率分布、および需要個数率に対す
る需要発生確率分布を算出し、算出された需要発生確率
分布に基づいてモンテカルロ・シミュレーションを行っ
て所定期間における需要個数の出現頻度確率分布を算出
し、算出された所定期間における需要個数の出現頻度確
率分布に基づいて低頻度部品群の将来の需要個数を予測
する如く構成したので、換言すれば、時間に対する需要
発生確率分布、および需要個数率に対する需要発生確率
分布の少なくともいずれかに着目して需要発生確率分布
を算出してモンテカルロ・シミュレーションの入力とす
るこどで、モンテカルロ・シミュレーションの出力とし
て同様の所定期間における需要頻度の確率分布を算出し
て需要を予測するように構成したので、需要が低頻度化
した部品群の将来の需要個数を精度良く予測することが
でき、それによって在庫管理量を適正に求めることがで
きる。さらに、部品製作用金型の廃棄すべきか否かなど
についても適正に判断することができると共に、カバー
率も含めた在庫管理に関する経営戦略の決定を容易にす
ることができる。
【０１０８】請求項６項にあっては、抽出された低頻度
部品群を複数のカテゴリに分類すると共に、複数のカテ
ゴリのそれぞれについて需要発生確率分布を算出する如
く構成したので、部品に特有の需要の挙動を勘案するこ
とができ、よって低頻度部品群の将来の需要個数の予測
精度を一層向上させることができる。
【０１０９】請求項７項にあっては、予測された需要個
数の精度を検証し、その結果に基づいてカテゴリを変更
する如く構成したので、換言すれば需要予測を進化させ
るように構成したので、これによって低頻度部品群の将
来の需要個数の予測精度を絶え間なく向上させることが
できる。
【図面の簡単な説明】
【図１】この発明の一つの実施の形態に係る部品在庫に
おける需要予測装置を、その実現に使用する装置（マイ
クロコンピュータ）の処理を介して全体的に示す概略図
である。
【図２】図１に示す需要予測装置で行われる低頻度部品
（極低頻度（１）部品および極低頻度（２）部品）の抽
出処理を示す説明図である。
【図３】図１に示す需要予測装置で予測する部品群の需
要個数の経時的な変動を示す説明図である。
【図４】図１に示す需要予測装置で行われるモンテカル
ロ・シミュレーションの入力たる需要発生間隔（需要の
特徴を示すパラメータ）に対する需要発生確率分布を示
す説明図である。
【図５】同様に、図１に示す需要予測装置で行われるモ
ンテカルロ・シミュレーションの入力たる需要個数率
（需要の特徴を示すパラメータ）に対する需要発生確率
分布を示す説明図である。
【図６】図４に示す需要発生間隔に対する需要発生確率
分布を部品のカテゴリごとに算出した例を示す説明図で
ある。
【図７】図５に示す需要個数率に対する需要発生確率分
布を部品のカテゴリごとに算出した例を示す説明図であ
る。
【図８】図６および図７の需要発生確率分布を用いて図
１に示す需要予測装置で行われるモンテカルロ・シミュ
レーションを示す説明図である。
【図９】図８のモンテカルロ・シミュレーションで得ら
れる所定期間（Ｎケ月間）における需要個数の出現頻度
確率分布を示す説明図である。
【図１０】図９の需要個数の出現頻度確率分布に基づい
て行われる需要個数の予測を示す説明図である。
【図１１】図８のモンテカルロ・シミュレーションによ
る需要予測の予測精度の検証結果を示すグラフである。
【図１２】図１に示す需要予測装置で行われる回帰分析
による需要予測を示す説明図である。
【図１３】同様に、図１に示す需要予測装置で行われる
回帰分析による需要予測を示す説明図である。
【符号の説明】
１０ 装置（マイクロコンピュータ） １２ メインフレームコンピュータ
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/60 320 G06F 17/60 106 G06F 19/00 100 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (7)

    (57)【特許請求の範囲】
  1. 【請求項１】 メインフレームコンピュータに接続され
    るマイクロコンピュータからなり、販売した製品を構成
    する部品群を所定期間にわたって保有すると共に、需要
    に応じて販売する部品在庫管理において需要が所定頻度
    以下となった低頻度部品群の将来の需要を予測する装置
    であって、 ａ．前記メインフレームコンピュータにアクセスして前
    記部品群のそれぞれについて過去の経時的な需要実績を
    入力して前記需要実績が前記所定頻度以下となった低頻
    度部品群を抽出し、抽出した低頻度部品群についてのデ
    ータをデータベースに格納する手段、 ｂ．前記格納された低頻度部品群についてのデータを部
    品カテゴリ別に設けられたデータベースに入力し、そこ
    で前記需要実績から前記所定頻度以下となった時点以後
    の需要の特徴を示すパラメータに基づいて前記抽出され
    た低頻度部品群を複数のカテゴリに分類する手段、 ｃ．前記複数のカテゴリに分類された低頻度部品群のデ
    ータを入力し、前記複数のカテゴリのそれぞれについて
    前記需要の特徴を示すパラメータに基づいて需要発生確
    率分布を算出し、前記算出された需要発生確率分布を入
    力してモンテカルロ・シミュレーションを行って所定期
    間における需要個数の出現頻度確率分布を算出する手
    段、 および ｄ．前記算出された所定期間における需要個数の出現頻
    度確率分布を入力し、入力した需要個数の出現頻度に基
    づいて前記低頻度部品群の将来の需要個数を予測し、Ｃ
    ＲＴを介して表示する手段、を備えることを特徴とする 部品在庫管理における需要予
    測装置。
  2. 【請求項２】 さらに、 ｅ．前記メインフレームコンピュータにアクセスして前
    記部品群のそれぞれについて過去の経時的な需要実績を
    入力して前記需要実績が前記所定頻度より高頻度の第２
    の所定頻度以下となった第２の低頻度部品群を抽出し、
    抽出した第２の低頻度部品群についてのデータをデータ
    ベースに格納する手段、 ｆ．前記格納された第２の低頻度部品群についてのデー
    タを部品カテゴリ別に設けられたデータベースに入力
    し、そこで前記抽出された第２の低頻度部品群を複数の
    カテゴリに分類する手段、 ｇ．前記複数のカテゴリに分類された第２の低頻度部品
    群のデータを入力し、前記複数のカテゴリのそれぞれに
    ついて前記需要の特徴を示すパラメータに基づいて需要
    発生確率分布を算出し、前記算出された需要発生確率分
    布を入力してモンテカルロ・シミュレーションを行って
    所定期間における需要個数の出現頻度確率分布を算出す
    る手段、 ｈ．前記算出された所定期間における需要個数の出現頻
    度確率分布を入力し、入力した需要個数の出現頻度確率
    分布に基づいて前記第２の低頻度部品群の将来の需要個
    数を算出する手段、 および ｉ．前記第２の所定頻度以下となった時点以前の前記需
    要実績と前記算出された需要個数に基づき、回帰分析に
    よって前記第２の低頻度部品群の将来の需要個数を予測
    し、ＣＲＴを介して表示する手段、を備えることを特徴とする 請求項１項記載の部品在庫管
    理における需要予測装置。
  3. 【請求項３】 前記需要の特徴を示すパラメータが、需
    要発生間隔および需要個数率の少なくともいずれかであ
    ることを特徴とする請求項１項または２項記載の部品在
    庫管理における需要予測装置。
  4. 【請求項４】 前記個数率が、需要が途絶える前の需要
    個数に対する需要が途絶えた後の需要個数の割合である
    ことを特徴とする請求項３項記載の部品在庫管理におけ
    る需要予測装置。
  5. 【請求項５】 メインフレームコンピュータに接続され
    るマイクロコンピュータからなり、販売した製品を構成
    する部品群を所定期間にわたって保有すると共に、需要
    に応じて販売する部品在庫管理において需要が所定頻度
    以下となった低頻度部品群の将来の需要を予測する装置
    であって、 ｊ．前記メインフレームコンピュータにアクセスして前
    記部品群のそれぞれについて過去の経時的な需要実績を
    入力し、前記需要実績が前記所定頻度以下となった低頻
    度部品群を抽出し、抽出した低頻度部品群についてのデ
    ータをデータベースに格納する手段、 ｋ．前記格納されたデータを入力し、前記需要実績に基
    づき、時間に対する需要発生確率分布、および需要個数
    率に対する需要発生確率分布を算出し、前記算出された
    需要発生確率分布を入力してモンテカルロ・シミュレー
    ションを行って所定期間における需要個数の出現頻度確
    率分布を算出する手段、 およびｌ ．前記算出された所定期間における需要個数の出現頻
    度確率分布を入力し、入力した需要個数の出現頻度確率
    分布に基づいて前記低頻度部品群の将来の需要個数を予
    測し、ＣＲＴを介して表示する手段、を備えることを特徴とする 部品在庫管理における需要予
    測装置。
  6. 【請求項６】 さらに、前記抽出された低頻度部品群を
    複数のカテゴリに分類すると共に、前記複数のカテゴリ
    のそれぞれについて前記需要発生確率分布を算出する手
    段を備えることを特徴とする請求項５項記載の部品在庫
    管理における需要予測装置。
  7. 【請求項７】 さらに、ｍ ．前記予測された需要個数の精度を検証する手段、 および ｎ．前記検証した結果に基づいて前記カテゴリを変更す
    る手段、を備える ことを特徴とする請求項１項から６項のいずれ
    かに記載の部品在庫管理における需要予測装置。
JP2000260918A 2000-08-30 2000-08-30 部品在庫管理における需要予測装置 Expired - Fee Related JP3481570B2 (ja)

Priority Applications (10)

Application Number Priority Date Filing Date Title
JP2000260918A JP3481570B2 (ja) 2000-08-30 2000-08-30 部品在庫管理における需要予測装置
US09/929,356 US7225140B2 (en) 2000-08-30 2001-08-15 Method of and system for forecasting future orders in parts inventory system
CN01802034A CN1386234A (zh) 2000-08-30 2001-08-20 零件库存系统中预测未来定单的方法
CA002381569A CA2381569A1 (en) 2000-08-30 2001-08-20 Method of forecasting future orders in parts inventory management
MXPA02004267A MXPA02004267A (es) 2000-08-30 2001-08-20 Metodo para pronosticar pedidos futuros en el manejo de inventario de partes.
EP01956959A EP1315107A1 (en) 2000-08-30 2001-08-20 Demand forecasting method in parts inventory control
BR0107024-0A BR0107024A (pt) 2000-08-30 2001-08-20 Método de previsão de pedidos futuros de peças para produtos vendidos a usuários e método de previsão de pedidos futuros de peças de baixa taxa de pedidos para produtos vendidos a usuários
PCT/JP2001/007107 WO2002019190A1 (fr) 2000-08-30 2001-08-20 Procede de prevision de demande dans un controle d'inventaire de pieces
TW090120665A TWI248572B (en) 2000-08-30 2001-08-22 Method of and system for forecasting future orders in parts inventory system
ZA200202274A ZA200202274B (en) 2000-08-30 2002-03-20 Demand forcasting method in parts inventory control.

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2000260918A JP3481570B2 (ja) 2000-08-30 2000-08-30 部品在庫管理における需要予測装置

Publications (2)

Publication Number Publication Date
JP2002073746A JP2002073746A (ja) 2002-03-12
JP3481570B2 true JP3481570B2 (ja) 2003-12-22

Family

ID=18748855

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000260918A Expired - Fee Related JP3481570B2 (ja) 2000-08-30 2000-08-30 部品在庫管理における需要予測装置

Country Status (10)

Country Link
US (1) US7225140B2 (ja)
EP (1) EP1315107A1 (ja)
JP (1) JP3481570B2 (ja)
CN (1) CN1386234A (ja)
BR (1) BR0107024A (ja)
CA (1) CA2381569A1 (ja)
MX (1) MXPA02004267A (ja)
TW (1) TWI248572B (ja)
WO (1) WO2002019190A1 (ja)
ZA (1) ZA200202274B (ja)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7480623B1 (en) * 2000-03-25 2009-01-20 The Retail Pipeline Integration Group, Inc. Method and system for determining time-phased product sales forecasts and projected replenishment shipments for a retail store supply chain
US20020082899A1 (en) * 2000-09-29 2002-06-27 Aley Fredrick J. Methods and systems for integrating marketing, production, and finance
US7552066B1 (en) * 2001-07-05 2009-06-23 The Retail Pipeline Integration Group, Inc. Method and system for retail store supply chain sales forecasting and replenishment shipment determination
US7295990B1 (en) 2001-09-27 2007-11-13 Amazon.Com, Inc. Generating current order fulfillment plans based on expected future orders
US7747543B1 (en) 2001-09-27 2010-06-29 Amazon Technologies, Inc Dynamically determining actual delivery information for orders based on actual order fulfillment plans
US20030163364A1 (en) * 2002-02-28 2003-08-28 Piercy Lee W. Net delta change in inventory management
JP2004021881A (ja) * 2002-06-20 2004-01-22 Honda Motor Co Ltd 小売価格決定支援システム
US20040210473A1 (en) * 2002-11-08 2004-10-21 Pfizer Inc. Method and system for forecasting resources for the development of pharmaceutical drugs
US8271369B2 (en) * 2003-03-12 2012-09-18 Norman Gilmore Financial modeling and forecasting system
US7840449B2 (en) * 2004-09-07 2010-11-23 International Business Machines Corporation Total inventory management
US7558755B2 (en) 2005-07-13 2009-07-07 Mott Antony R Methods and systems for valuing investments, budgets and decisions
US8483869B2 (en) 2005-07-19 2013-07-09 Amazon Technologies, Inc. Method and system for fulfilling requests in an inventory system
US9330373B2 (en) * 2005-07-19 2016-05-03 Amazon Technologies, Inc. Method and system for storing inventory holders
US7894932B2 (en) * 2005-07-19 2011-02-22 Kiva Systems, Inc. Method and system for replenishing inventory items
US7894933B2 (en) * 2005-07-19 2011-02-22 Kiva Systems, Inc. Method and system for retrieving inventory items
US9123000B2 (en) * 2005-10-31 2015-09-01 Friedrich Gartner Automatic generation of calendarization curves
JP4696874B2 (ja) * 2005-11-28 2011-06-08 株式会社日立製作所 リソース予測装置及び方法
US7424448B2 (en) * 2006-03-23 2008-09-09 Sap Ag Method for quantity checking of product purchase orders
US7694874B2 (en) 2006-03-29 2010-04-13 Amazon Technologies, Inc. Over-the-air device provisioning and activation
JP4805055B2 (ja) * 2006-08-02 2011-11-02 シーコムス株式会社 商品発注量計算装置
US8374922B1 (en) 2006-09-22 2013-02-12 Amazon Technologies, Inc. Fulfillment network with customer-transparent costs
JP2008171171A (ja) * 2007-01-11 2008-07-24 Hitachi Ltd 需要予測方法、および需要予測分析サーバ、並びに需要予測プログラム
US10366426B2 (en) * 2007-03-09 2019-07-30 Amazon Technologies, Inc. Personalizing handheld electronic book readers
US20090024446A1 (en) * 2007-07-20 2009-01-22 Shan Jerry Z Providing a model of a life cycle of an enterprise offering
KR100928621B1 (ko) * 2007-11-07 2009-11-26 연세대학교 산학협력단 부품 수요 예측 방법 및 시스템
US20100274601A1 (en) * 2009-04-24 2010-10-28 Intermational Business Machines Corporation Supply chain perameter optimization and anomaly identification in product offerings
US8234295B2 (en) 2009-06-03 2012-07-31 International Business Machines Corporation Managing uncertain data using Monte Carlo techniques
US8364512B2 (en) * 2010-02-01 2013-01-29 Taiwan Semiconductor Manufacturing Company, Ltd. Methods and systems for dynamic inventory control
US8498888B1 (en) 2011-06-22 2013-07-30 Amazon Technologies, Inc. Cost-based fulfillment tie-breaking
US20140058783A1 (en) * 2012-08-22 2014-02-27 Hartford Fire Insurance Company System and method for optimizing catastrophe based resources
US10133996B2 (en) * 2014-04-22 2018-11-20 International Business Machines Corporation Object lifecycle analysis tool
CN104091094A (zh) * 2014-08-03 2014-10-08 刘鸿 Meta分析数值缺失状态下MCMC模拟导向的基于多重填补法的缺失值处理的方法
EP3182348A1 (en) * 2015-12-17 2017-06-21 Dematic Systems GmbH Method of order fulfilling by making storage units available from a storage facility in a desired sequence at a picking station
US11810044B1 (en) * 2016-04-11 2023-11-07 Blue Yonder Group, Inc. System and method of providing a supply chain digital hub
US10373117B1 (en) * 2016-11-15 2019-08-06 Amazon Technologies, Inc. Inventory optimization based on leftover demand distribution function
CN111192071B (zh) * 2018-11-15 2023-11-17 北京嘀嘀无限科技发展有限公司 发单量预估方法及装置、训练发单概率模型的方法及装置
CN113344652A (zh) * 2020-03-02 2021-09-03 多点(深圳)数字科技有限公司 信息呈现方法、装置、电子设备和介质
CN113537850A (zh) * 2020-04-14 2021-10-22 顺丰科技有限公司 仓储优化方法、装置、计算机设备和存储介质
CN111724205B (zh) * 2020-06-17 2021-08-10 乐清市凡山电器有限公司 一种车辆装备维修管理经费评估系统及方法
US20230267484A1 (en) * 2022-02-23 2023-08-24 Jio Platforms Limited System and methods for forecasting inventory

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4414629A (en) * 1979-04-02 1983-11-08 Waite John H Method and apparatus for making correlations and predictions using a finite field of data of unorganized and/or partially structured elements
JPH08147357A (ja) * 1994-11-22 1996-06-07 Nec Yamagata Ltd 製造装置の簡易モデリング方法
US5765143A (en) * 1995-02-28 1998-06-09 Triad Systems Corporation Method and system for inventory management
US5608621A (en) * 1995-03-24 1997-03-04 Panduit Corporation System and method for controlling the number of units of parts in an inventory
US5893076A (en) * 1996-01-16 1999-04-06 Sterling Commerce, Inc. Supplier driven commerce transaction processing system and methodology
US6006196A (en) * 1997-05-01 1999-12-21 International Business Machines Corporation Method of estimating future replenishment requirements and inventory levels in physical distribution networks
US6144945A (en) * 1997-07-14 2000-11-07 International Business Machines Corporation Method for fast and accurate evaluation of periodic review inventory policy
JP2000003388A (ja) * 1998-06-16 2000-01-07 Hitachi Ltd 需要予測単位設定方法
US6253187B1 (en) * 1998-08-31 2001-06-26 Maxagrid International, Inc. Integrated inventory management system
DE19848094A1 (de) * 1998-10-19 2000-04-20 Asea Brown Boveri Verfahren zur Ermittlung des Grades der Aufgabenerfüllung technischer Systeme
US6826538B1 (en) * 1999-07-28 2004-11-30 I2 Technologies Us, Inc. Method for planning key component purchases to optimize revenue
US6611726B1 (en) * 1999-09-17 2003-08-26 Carl E. Crosswhite Method for determining optimal time series forecasting parameters
US7240027B2 (en) * 2000-04-07 2007-07-03 The Procter & Gamble Company Method and apparatus for monitoring the flow of items through a store or warehouse
US6970841B1 (en) * 2000-04-17 2005-11-29 International Business Machines Corporation Large inventory-service optimization in configure-to-order systems
US6816839B1 (en) * 2000-05-04 2004-11-09 International Business Machines Corporation Demand planning for configure-to-order and building blocks-based market environment
US6978249B1 (en) * 2000-07-28 2005-12-20 Hewlett-Packard Development Company, L.P. Profile-based product demand forecasting

Also Published As

Publication number Publication date
CA2381569A1 (en) 2002-03-07
JP2002073746A (ja) 2002-03-12
US7225140B2 (en) 2007-05-29
TWI248572B (en) 2006-02-01
CN1386234A (zh) 2002-12-18
WO2002019190A1 (fr) 2002-03-07
EP1315107A1 (en) 2003-05-28
MXPA02004267A (es) 2002-10-17
US20020026347A1 (en) 2002-02-28
BR0107024A (pt) 2002-05-21
ZA200202274B (en) 2003-03-20

Similar Documents

Publication Publication Date Title
JP3481570B2 (ja) 部品在庫管理における需要予測装置
EP1265169A2 (en) Attribute forecasting system and method thereof, insurance premium calculation system and method thereof, and computer program product
Anderson et al. Designing quality into products: The use of accounting data in new product development
US20090063309A1 (en) System And Method For Automating Engineering Processes For Build-To-Order Projects
EP2192537A2 (en) Predictive modeling
US20060004624A1 (en) Forecast and replenishment analytics
CA2471294A1 (en) Sales optimization
US20090157458A1 (en) Supply chain evaluation system, method, and program
US20070078692A1 (en) System for determining the outcome of a business decision
JP2003529159A (ja) サプライチェーンマネージメントのためのマトリクス方法およびシステム
US20040019516A1 (en) Method for calculating the probability that an automobile will be sold by a future date
US20160012494A1 (en) Computer-implemented method of valuing automotive assets
US20040148212A1 (en) Method and apparatus for measuring optimality for master production schedules
Helbing et al. Estimating location values of agricultural land
US8046252B2 (en) Sales plan evaluation support system
ElMaraghy et al. Integrated supply chain design using multi-criteria optimization
JPH10134027A (ja) 販売予測支援方法およびその装置
JP2003242329A (ja) 顧客のニーズに適合するよう車両の仕様を最適化するコンピュータシステムおよびその方法
JPH04211860A (ja) 統合品質管理方法
US8650050B1 (en) Presentation of benefits of insurance related products
JP2004035219A (ja) サプライチェーン・マネージメント支援方法及びその装置、サプライチェーン・マネージメント支援プログラム
CN101009013A (zh) 增加客户联系策略的效率的方法和系统
JP4949933B2 (ja) 販売予測プログラム、販売予測装置
JP2001312542A (ja) 在庫量決定装置及び在庫量決定方法
JP2007172326A (ja) 生産量決定支援システム、生産量決定支援方法、および生産量決定支援プログラム

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20030916

LAPS Cancellation because of no payment of annual fees