JP4268408B2 - 製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 - Google Patents
製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP4268408B2 JP4268408B2 JP2003014532A JP2003014532A JP4268408B2 JP 4268408 B2 JP4268408 B2 JP 4268408B2 JP 2003014532 A JP2003014532 A JP 2003014532A JP 2003014532 A JP2003014532 A JP 2003014532A JP 4268408 B2 JP4268408 B2 JP 4268408B2
- Authority
- JP
- Japan
- Prior art keywords
- contract
- shipment
- information
- similar
- amount
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体に関し、特に鉄鋼製品のような、一つの受注契約に対して製品の出荷が複数回にわたる場合があるような製品の出荷量を契約情報から予測するために用いて好適な技術に関する。
【０００２】
【従来の技術】
製品の出荷量予測は、生産計画の立案や、製品在庫の不足や過剰の防止、顧客からの注文に対する納期予測、更には数ヵ月後の収益予測を行う為に重要な指標である。通常、この出荷量予測は、生産管理担当者や販売担当者が、各自が担当する製品を購入する顧客の需要動向、さらには受注量と生産に必要な工期を考慮して、経験的に予測を行っていた。
また、特許文献１に開示された手法では、過去の製品出荷履歴と日付の実績データを用いて、多層神経回路網（multi layer neural network）による出荷量推定装置を学習させ、この製品出荷量推定装置に、予測対象期間直前の出荷量履歴と日付情報を入力し、予測出荷量推定値を算出することで、過去の実績に基づく予測を可能としている。
【０００３】
【特許文献１】
特開平６−１４９８４９号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、製品毎の出荷量予測を人の経験に頼る従来の方法では、担当者の個人差によって予測精度バラツキが有ることに加えて、多数の製品や顧客を抱える場合には、製造工期や需要動向を詳細に考慮することが困難である為、勘に基づいて予測を行わざるを得ず、精度が良くない問題があった。
【０００５】
また、特許文献１に開示された手法では、過去の製品出荷履歴とカレンダー情報の実績データを用いて、多層神経回路網（multi layer neural network）に基づく出荷量推定装置を学習させ、予測を行っている。しかしながら、実際の出荷予測対象製品においては、多層神経回路網の学習に十分なデータ数が得られるほど、常に安定して注文がある製品ばかりではなく、出荷が全く無い期間が実績データに多く含まれるような製品については、データ量が不十分である為に出荷量推定装置の学習が困難である問題があった。更に、出荷量予測の判断材料となる因子の多くは、製品の種類、需要家、生産工場、流通経路、輸送手段など一般にはコードで表現される非数値情報であり、これらに加えて、総出荷量などの数値情報も考慮して予測を行わねばならないが、多層神経回路網は数値情報を入力して、数値情報を出力する推定装置である為、非数値で表現されている因子の情報を有効に予測に使用できず、必ずしも十分に高い精度が得られない、という問題もあった。
【０００６】
本発明は、上記のような点に鑑みてなされたものであり、一つの受注契約に対して製品の出荷が複数回にわたる場合があるような製品の出荷量を、過去の出荷実績に基づいて予測できるようにすることを目的とする。特に、過去に同様の出荷実績事例が少ないような製品においても、需要家や流通経路など非数値情報を有効に活用して類似の出荷事例を探索し、これら類似事例に基づく適切な予測ができるようにすることを目的とする。
【０００７】
【課題を解決するための手段】
本発明の製品の出荷量予測装置は、一つの受注契約に対して製品の出荷が複数回にわたる場合がある製品の過去の出荷実績情報、及び前記過去の出荷実績情報に対する契約情報を使用して、予測対象期間における予測対象契約からの出荷量を予測する製品の出荷量予測装置であって、
契約総出荷量を含む過去の契約実績情報と、該過去の契約から契約後の各単位期間にそれぞれ発生した出荷量実績を示す出荷パターン情報を入力する「実績データ入力手段」と、
前記実績データ入力手段から入力された実績情報を蓄積する「実績データ蓄積部」と、
予測対象となる契約についての、契約総出荷量を含む契約情報と当該契約から既に発生した出荷パターン情報とを入力する「予測対象情報入力手段」と、
前記予測対象となる契約情報と前記実績データ蓄積部に蓄積された前記過去の契約実績情報の類似度を計算する「契約類似度計算手段」と、
前記契約類似度計算手段で算出した類似度に基づき所定の類似度を有する複数の過去の類似契約実績を選び出す「類似契約実績抽出手段」と、
前記予測対象契約における契約情報及び既に発生した出荷パターン情報と、選び出した前記類似契約実績の契約実績情報及び出荷実績パターンとを用いて、契約総出荷量から予測対象期間前の累積出荷量を差し引いたものを、更に契約総出荷量で除して得られる正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量が予測対象契約の正規化契約残量に最も近いタイミングを前記類似契約実績における最類似出荷タイミングとして抽出し、前記類似契約実績における最類似出荷タイミングの出荷量を抽出する「最類似出荷タイミング出荷量抽出手段」と、
前記複数の類似契約事例それぞれに対して抽出された最類似出荷タイミング出荷量に、前記類似度に基づいて重み付けを行って、前記予測対象情報に対する出荷量を演算する「出荷量演算手段」と、
前記出荷量演算手段から出力された予測出荷量を表示する「出荷量予測結果表示手段」を備えた点に特徴を有する。
【０００８】
本発明の製品の出荷量予測装置の他の特徴とするところは、前記契約類似度計算手段が、契約情報における出荷量のような数値属性情報と、製品の種類や出荷先のような非数値属性情報の両者を用いて、前記予測対象となる契約情報の各項目と対応する前記過去の契約実績情報の各項目とのノルムを評価することにより、類似度計算処理するようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、前記契約類似度計算手段が、契約情報における複数の項目を用いて類似度計算処理する場合に、前記複数の項目それぞれに対する重要度を個別に設定して類似度処理するようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、前記契約類似度計算手段が、契約情報における数値属性情報の項目を用いて類似度計算処理する場合に、前記数値属性情報項目の数値の範囲に基づいて決定される重み付けを行って類似度処理するようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、前記過去の契約実績情報に、製品の種類情報、契約総出荷量情報、需要家情報、生産工場情報、流通経路情報、輸送手段情報のいずれか一つ、或いは複数を含むようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、鉄鋼製品の出荷量予測に適用され、前記過去の出荷実績情報は、薄板、厚板、条鋼などの鉄鋼製品受注契約に対する月別の出荷量情報である点にある。
【０００９】
本発明における製品の出荷量予測装置の動作方法は、一つの受注契約に対して製品の出荷が複数回にわたる場合がある製品の過去の出荷実績情報、及び前記過去の出荷実績情報に対する契約情報を使用して、予測対象期間における予測対象契約からの出荷量を予測する製品の出荷量予測装置の動作方法であって、
実績データ入力部が、契約総出荷量を含む過去の契約実績情報と、該過去の契約から契約後の各単位期間にそれぞれ発生した出荷量実績を示す出荷パターン情報とを受け付ける「実績データ入力工程」と、
実績データ蓄積部が、前記実績データ入力工程で入力された実績情報を蓄積する「実績データ蓄積工程」と、
予測対象情報入力手段が、予測対象となる契約についての、契約総出荷量を含む契約情報と当該契約から既に発生した出荷パターン情報とを受け付ける「予測対象情報入力工程」と、
契約類似度計算手段が、前記予測対象となる契約情報と前記実績データ蓄積部に蓄積された前記過去の契約実績情報の類似度を計算する「契約類似度計算工程」と、
類似契約実績抽出手段が、前記契約類似度計算工程で算出した類似度に基づき所定の類似度を有する複数の過去の類似契約実績を選び出す「類似契約実績抽出工程」と、
最類似出荷タイミング出荷量抽出手段が、前記予測対象契約における契約情報及び既に発生した出荷パターン情報と、選び出した前記類似契約実績の契約実績情報及び出荷実績パターンとを用いて、契約総出荷量から予測対象期間前の累積出荷量を差し引いたものを、更に契約総出荷量で除して得られる正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量が予測対象契約の正規化契約残量に最も近いタイミングを前記類似契約実績における最類似出荷タイミングとして抽出し、前記類似契約実績における最類似出荷タイミングの出荷量を抽出する「最類似出荷タイミング出荷量抽出工程」と、
出荷量演算手段が、前記複数の類似契約事例それぞれに対して抽出された最類似出荷タイミング出荷量に、前記類似度に基づいて重み付けを行って、前記予測対象情報に対する出荷量を演算する「出荷量演算工程」と、
出荷量予測結果表示手段が、前記出荷量演算工程から出力された予測出荷量を表示する「出荷量予測結果表示工程」と、
を実行する点に特徴を有する。
【００１０】
本発明のコンピュータ読み取り可能な記憶媒体は、上記製品の出荷量予測装置における各手段として、コンピュータを機能させるプログラムを記録した点に特徴を有する。
本発明のコンピュータ読み取り可能な記憶媒体の他の特徴とするところは、上記製品の出荷量予測方法をコンピュータに実行させるためのプログラムを記録した点に特徴を有する。
【００１１】
【発明の実施の形態】
以下に、図面を参照して、本発明の製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体について説明する。
図１は、本実施の形態による製品の出荷量予測装置の構成を示す図である。同図の１０１は、実績データ入力部であり、出荷量予測装置には、過去の契約情報と、その契約に対応する出荷パターン情報が、例えばコンピュータシステムのキーボード入力装置を用いてインプットされる。上記契約情報は、例えば鉄鋼製品の受注契約に係わる製品コード、需要家コード、上記製品を生産するミルのコード、製品の受け渡し場所及び受け渡し条件コード、輸送手段コードなどの非数値情報と、契約総出荷トン数などの数値情報で構成されているのが、一般的である。また、上記出荷パターンは、受注契約後の期間を、例えば1ヶ月等の単位期間に分割し、上記契約から各単位期間にそれぞれ何トンの出荷実績が発生したかを示すものである。図２に、鉄鋼薄板製品の契約情報と一ヶ月を単位期間とした出荷パターン情報の例を示す。
【００１２】
１０２は、実績データ蓄積部であり、前記実績データ入力部１０１よりインプットされた契約情報と出荷パターン実績情報を蓄積し、かつ参照の指示が入力された場合は、蓄積された情報を随時、出力するものである。データ蓄積部を実現する手段としては、例えば、データベースソフトウェアと計算機を用いる方法がある。
【００１３】
１０３は、予測対象情報入力部であり、出荷量を予測したい受注契約に係わる契約情報、例えば鉄鋼製品の受注契約における製品コード、需要家コード、ミルのコード、製品の受け渡し場所及び受け渡し条件コード、輸送手段コード、及び契約総出荷トン数を入力する。更に上記予測したい受注契約から、既に出荷が発生している場合には、上記契約情報に加えて、既に発生した出荷パターン情報を入力する。
【００１４】
１０４は、契約類似度計算部であり、例えばＣＰＵ、メモリ、及び計算アルゴリズムを記憶したハードディスク等を備えたコンピュータを用いて実現される。予測対象情報入力部１０３で入力した予測対象の契約情報と、実績データ蓄積部１０２に蓄積された実績契約情報を比較し、全ての契約実績について、予測対象契約との類似度評価を行う。コード等の非数値情報と、数値情報の両者を用いて類似度を評価する方法としては、例えば式（１）に示すように、数値情報の項目についてはユークリッド距離等、幾何学的に評価される距離（ノルム）を用い、非数値情報の項目については、比較すべき両者のコードが同一コードの場合ノルム０、異なるコードの場合ノルム１と定義して、全ての項目のノルムを加算したものを類似度とする方法がある。
【数１】
ここで、非数値情報項目のノルムが０或いは１の値を取ることに対応させる為、数値情報についても、ａk i及びａk jの正規化処理を行い、ノルムが０から１の範囲となるようにしている。式（１）より、類似性が高い場合Ｄijは小さい値となり、契約ｉとｊが全く同一条件を有する場合には、Ｄij＝０と評価されることが判る。
また、式（１）では、契約情報における全ての項目が類似度に対して同一の寄与率として評価しているが、ある特定の項目が、契約間の類似性を評価する上で、他の項目よりも寄与率が高いことが判明している場合、式（２）に示すように項目それぞれに対して重要度を設定して類似度処理を行うことが出来る。
【数２】
重み係数が大きく設定された項目は、他の項目に比べてノルムの差が大きく評価される為、結果的に、重み係数が大きく設定された項目が類似した契約を、類似性が高いと評価する。
【００１５】
更に、式（１）及び（２）において、数値情報項目の数値が広いレンジに分布しており、かつ契約の類似性を評価する上で、数値が存在する範囲情報の寄与率が高いと判明している場合、式（３）に示すように、２つの契約それぞれの数値情報の範囲に応じて、重み付けを行い、類似度処理を行っても良い。
【数３】
ここで、ｗk i′j′は、対角要素の値が１、ｎ行ｎ列の対称行列
【数４】
の要素である。ここでＷk ijの行及び列のインデックスは、ａkの値の範囲と例えば以下のように対応している。
【数５】
ａk i及びａk jそれぞれについて、値に応じて行と列のインデックスを決定し、このインデックスに対応するＷk ijの要素の値を重み係数として使用する。このため、ａk i及びａk j同一の範囲に存在する場合は、重み１として評価されるが、両者が異なる範囲にある場合は、式（４）に応じた重み付けを行って、類似度処理が行われる。
【００１６】
１０５は類似契約実績抽出部であり、契約類似度契約部１０４にて算出した類似度を用いて、予測対象契約に類似した契約実績を抽出する。類似契約の抽出方法としては、契約実績を類似性の高い順番にソートし、別途装置に入力された抽出契約個数分だけ類似性の高い契約から選択する方法がある。また、これとは別に、別途装置に入力された類似度限界指標を用いて、前記類似度限界指標よりも高い類似性を持っている契約実績を全て類似契約とする方法でも良い。
【００１７】
１０６は、最類似出荷タイミング出荷量抽出部である。類似契約実績抽出部１０５で得られた類似契約実績の出荷パターンと、予測対象情報入力部１０３で入力された既に発生した出荷パターン情報に基づいて、類似契約実績の出荷タイミングの中で、予測対象契約の出荷タイミングに最も類似したタイミングを抽出し、更に類似契約実績からの予測出荷量を抽出する。最類似タイミングの抽出方法としては、例えば、単位期間毎に契約総出荷量から予測対象期間前の累積出荷量を差し引き、更に契約総出荷量で除した正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量パターンにおいて最も予測対象契約の正規化契約残量に近いタイミングを最類似出荷タイミングとする方法がある。この方法を以下、例に従って説明する。
【００１８】
図３に予測対象契約から既に発生した出荷パターン例、図４に類似契約事例の出荷パターンを、月毎の表形式にした例を示す。この例では、予測対象契約におけるＮ＋２月の出荷量を予測することが目的であり、また類似契約事例は３件抽出されている。図３、図４のそれぞれにおいて、上記に述べた手順に従って正規化契約残量を月毎に算出し、表形式にしたものを、図５及び図６に示す。図５におけるＮ＋１月の正規化契約残量は５０％であり、図６における類似契約の出荷パターンにおいて、これに最も近い正規化契約残量を有しているタイミングを抽出すれば、No1の類似契約事例ではＮ＋２月、No２の類似契約事例ではＮ＋１月、No３の類似契約事例ではＮ＋２月が最類似出荷タイミングと評価される。更に図４の類似契約からの出荷パターンと、上記の手順で求められた最類似出荷タイミング情報を用いて、予測対象契約のＮ＋２月出荷量に対応する推定出荷量は、図７のように求められる。
【００１９】
１０７は、出荷量演算部であり、最類似出荷タイミング出荷量抽出部１０６で得られた類似契約毎の予測出荷量と、契約類似度計算部１０４で算出した類似契約の類似度に基づいて、予測出荷量を算出する。予測出荷量の計算方法としては、例えば式（１）〜（３）のいずれかに基づいて計算された類似度Ｄijの逆数を用いて各類似契約に対する重み係数を算出し、各類似契約からの予測出荷量に重み係数を乗じて、線形和を求める方法がある。
【００２０】
１０８は、出荷量予測結果表示部であり、対象契約の出荷量予測結果、及びその推定の根拠となった類似契約事例と出荷パターン、最類似出荷タイミングなど、予測結果の評価に有効な情報を、例えばコンピュータシステムにおけるＣＲＴや、或いはプリンタ等の印刷手段によって出力する。
【００２１】
以上に述べた本実施の形態による製品の出荷量予測装置によれば、予測対象の契約情報に類似した過去の契約実績を探索する際に、数値情報にのみならず、顧客や輸送手段情報など出荷量推定に影響の高い非数値情報も考慮する為、高い精度で予測を行うことが可能である。また、過去に出荷実績が少ない契約事例についても、存在する契約実績の中で、最も類似した契約を抽出し、その出荷実績に基づいた予測を行うことができる。
【００２２】
【実施例】
以下では、鉄鋼薄板製品の出荷量を本手法で予測した実施例について説明する。
今回の実施例では、５年間における約１５万件の契約情報、及び各契約に対する月毎の出荷実績情報を用いて、出荷量予測を行った。契約情報のうち、最初の４年分を前記実績データ蓄積部に保存し、残り１年分の出荷量を予測することとした。予測出荷量については、更に実績値と比較することで予測精度を評価している。
【００２３】
契約の類似性を評価する為の項目としては、数値情報である契約総出荷トン数に加え、非数値情報である品名コード、ユーザーコード、商社コード、営業部門コード、製品の受け渡し条件コード、受け渡し場所コード、輸送形態コード、輸送機関コードを使用した。
また、類似度指標の計算においては、薄板製品の出荷パターンが、特に総契約出荷トン数に大きく影響を受けることに着目し、非数値情報項目に対する重み係数は全て１に設定した状態で、総契約出荷トン数に対する重み係数Ｑを種々変更して、予測対象契約と抽出された類似契約の出荷パターンを比較した。その結果、Ｑ＝３において、最も類似性の高い出荷パターンが多く抽出されると評価された為、以降、この条件で出荷予測を行っている。
【００２４】
また、上記総出荷トン数と出荷パターンの関連を調査する過程で、総出荷トン数の範囲によって出荷パターンが概ねグループ化できることが明らかになったため、総契約トン数の範囲に応じたグルーピングと、各グループ間の重み係数を種々変更して、予測対象契約と抽出された類似契約の出荷パターンを比較した。その結果、総契約出荷トン数を、グループ１：総契約出荷トン数０〜１０トン、グループ２：総契約出荷トン数１０〜１００トン、グループ３：総契約出荷トン数１００〜１０００トン、グループ４：総契約出荷トン数１０００トン以上の４つに分類し、式（４）におけるＷij行列を以下のように設定した場合に、最も類似性の高い出荷パターンが抽出されると評価された為、以降、この条件で予測を行っている。
【数６】
ここで、行列のインデックス１から４は上記グループの１〜４に対応するものである。
【００２５】
次に、類似契約事例の抽出については、契約実績の中で類似性が高いものからＰ個の事例を抽出するものとし、Ｐの値を種々変更して予測出荷量を算出、出荷実績と比較した精度評価で最も、誤差が小さくなる条件を探索した。その結果、Ｐ＝３とした場合に、最も誤差が小さかった為、以下、この条件で予測を行っている。
【００２６】
図８は、予測対象契約の情報と、本手法によって抽出された３つの類似契約の情報、及びそれぞれの出荷パターンである。各類似契約には、予測対象との類似度も記載している。予測対象契約からは、Ｎ＋１月分までの出荷が既に発生しており、Ｎ＋２月分の出荷量を予測することが目的である。本手法によって、類似契約における最類似出荷タイミングを抽出した結果、いずれの類似契約の場合もＮ＋２月と抽出された。類似契約の類似度指標から逆数を求め、更に線形和係数の合計が１となるように正規化したものを図９に示す。この線形和係数と推定出荷量を乗じて、３つの類似契約について加えたものは、３９７．５トンである。予測対象事例のＮ＋２月における出荷実績は、４１２トンであった為、この契約事例に関する予測誤差は３．５％と、比較的良好であった。
【００２７】
図１０は、月毎に全ての契約から、特定の鋼種に対する出荷量を予測し、実績出荷量と併記してプロットしたものである。本手法による平均予測誤差は、約２．５％であり、例えば従来の人手による予測よりも、安定して高い精度で出荷量を予測できている。
この結果を利用して、各製鉄所に対する生産量の配分計画や、製品在庫の推移予測を従来よりも精度よく行うことが可能となる効果を得ることができた。
【００２８】
なお、今回の実施例では、コンピュータ上のプログラムとして出荷量予測装置を実現したが、演算装置、メモリ等を組み合わせたハードウェアによって構成されるものであっても良い。
また、本発明の製品の出荷量予測装置は、複数の機器から構成されるものであっても、一つの機器から構成されるものであっても良い。
また、上述した実施の形態は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することで実施される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【００２９】
【発明の効果】
以上に述べたように、本発明によれば、契約情報における数値情報と、非数値情報の両者を活用して類似契約事例を抽出し、更に出荷パターン情報を用いて、類似した出荷タイミングから出荷量を推定することにより、より精度の高い出荷量予測を可能としている。
また、過去に同様の事例が少ない為に、出荷予測モデルを学習によって得ることが困難であったような場合でも、非数値情報を活用して類似事例を探索する為、これら類似事例に基づく適切な予測が可能である。
【図面の簡単な説明】
【図１】本発明に係る実施形態の製品の出荷量予測装置の構成を示す図である。
【図２】製品の契約実績データと出荷パターンデータを示す図である。
【図３】予測対象契約から既に発生した出荷のパターンデータを示す図である。
【図４】類似契約における出荷パターンデータを示す説明図である。
【図５】予測対象契約の正規化契約残量パターンデータを示す図である。
【図６】類似契約の出荷パターンから導出された正規化契残量パターンデータを示す図である。
【図７】予測対象事例の出荷タイミングに最も類似した類似契約の出荷タイミングと、その翌月の出荷量データを示す説明図である。
【図８】予測対象情報と類似契約の契約情報と出荷パターンデータを示す図である。
【図９】類似契約の類似度指標と線形結合係数を示す図である。
【図１０】 1年間に渡る月毎の総出荷量の予測値と実績値を示す図である。
【符号の説明】
１０１：実績データ入力部
１０２：実績データ蓄積部
１０３：予測対象情報部
１０４：契約類似度計算部
１０５：類似契約実績抽出部
１０６：最類似出荷タイミング出荷量抽出部
１０７：出荷量演算部
１０８：予測出荷量表示部
【発明の属する技術分野】
本発明は、製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体に関し、特に鉄鋼製品のような、一つの受注契約に対して製品の出荷が複数回にわたる場合があるような製品の出荷量を契約情報から予測するために用いて好適な技術に関する。
【０００２】
【従来の技術】
製品の出荷量予測は、生産計画の立案や、製品在庫の不足や過剰の防止、顧客からの注文に対する納期予測、更には数ヵ月後の収益予測を行う為に重要な指標である。通常、この出荷量予測は、生産管理担当者や販売担当者が、各自が担当する製品を購入する顧客の需要動向、さらには受注量と生産に必要な工期を考慮して、経験的に予測を行っていた。
また、特許文献１に開示された手法では、過去の製品出荷履歴と日付の実績データを用いて、多層神経回路網（multi layer neural network）による出荷量推定装置を学習させ、この製品出荷量推定装置に、予測対象期間直前の出荷量履歴と日付情報を入力し、予測出荷量推定値を算出することで、過去の実績に基づく予測を可能としている。
【０００３】
【特許文献１】
特開平６−１４９８４９号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、製品毎の出荷量予測を人の経験に頼る従来の方法では、担当者の個人差によって予測精度バラツキが有ることに加えて、多数の製品や顧客を抱える場合には、製造工期や需要動向を詳細に考慮することが困難である為、勘に基づいて予測を行わざるを得ず、精度が良くない問題があった。
【０００５】
また、特許文献１に開示された手法では、過去の製品出荷履歴とカレンダー情報の実績データを用いて、多層神経回路網（multi layer neural network）に基づく出荷量推定装置を学習させ、予測を行っている。しかしながら、実際の出荷予測対象製品においては、多層神経回路網の学習に十分なデータ数が得られるほど、常に安定して注文がある製品ばかりではなく、出荷が全く無い期間が実績データに多く含まれるような製品については、データ量が不十分である為に出荷量推定装置の学習が困難である問題があった。更に、出荷量予測の判断材料となる因子の多くは、製品の種類、需要家、生産工場、流通経路、輸送手段など一般にはコードで表現される非数値情報であり、これらに加えて、総出荷量などの数値情報も考慮して予測を行わねばならないが、多層神経回路網は数値情報を入力して、数値情報を出力する推定装置である為、非数値で表現されている因子の情報を有効に予測に使用できず、必ずしも十分に高い精度が得られない、という問題もあった。
【０００６】
本発明は、上記のような点に鑑みてなされたものであり、一つの受注契約に対して製品の出荷が複数回にわたる場合があるような製品の出荷量を、過去の出荷実績に基づいて予測できるようにすることを目的とする。特に、過去に同様の出荷実績事例が少ないような製品においても、需要家や流通経路など非数値情報を有効に活用して類似の出荷事例を探索し、これら類似事例に基づく適切な予測ができるようにすることを目的とする。
【０００７】
【課題を解決するための手段】
本発明の製品の出荷量予測装置は、一つの受注契約に対して製品の出荷が複数回にわたる場合がある製品の過去の出荷実績情報、及び前記過去の出荷実績情報に対する契約情報を使用して、予測対象期間における予測対象契約からの出荷量を予測する製品の出荷量予測装置であって、
契約総出荷量を含む過去の契約実績情報と、該過去の契約から契約後の各単位期間にそれぞれ発生した出荷量実績を示す出荷パターン情報を入力する「実績データ入力手段」と、
前記実績データ入力手段から入力された実績情報を蓄積する「実績データ蓄積部」と、
予測対象となる契約についての、契約総出荷量を含む契約情報と当該契約から既に発生した出荷パターン情報とを入力する「予測対象情報入力手段」と、
前記予測対象となる契約情報と前記実績データ蓄積部に蓄積された前記過去の契約実績情報の類似度を計算する「契約類似度計算手段」と、
前記契約類似度計算手段で算出した類似度に基づき所定の類似度を有する複数の過去の類似契約実績を選び出す「類似契約実績抽出手段」と、
前記予測対象契約における契約情報及び既に発生した出荷パターン情報と、選び出した前記類似契約実績の契約実績情報及び出荷実績パターンとを用いて、契約総出荷量から予測対象期間前の累積出荷量を差し引いたものを、更に契約総出荷量で除して得られる正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量が予測対象契約の正規化契約残量に最も近いタイミングを前記類似契約実績における最類似出荷タイミングとして抽出し、前記類似契約実績における最類似出荷タイミングの出荷量を抽出する「最類似出荷タイミング出荷量抽出手段」と、
前記複数の類似契約事例それぞれに対して抽出された最類似出荷タイミング出荷量に、前記類似度に基づいて重み付けを行って、前記予測対象情報に対する出荷量を演算する「出荷量演算手段」と、
前記出荷量演算手段から出力された予測出荷量を表示する「出荷量予測結果表示手段」を備えた点に特徴を有する。
【０００８】
本発明の製品の出荷量予測装置の他の特徴とするところは、前記契約類似度計算手段が、契約情報における出荷量のような数値属性情報と、製品の種類や出荷先のような非数値属性情報の両者を用いて、前記予測対象となる契約情報の各項目と対応する前記過去の契約実績情報の各項目とのノルムを評価することにより、類似度計算処理するようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、前記契約類似度計算手段が、契約情報における複数の項目を用いて類似度計算処理する場合に、前記複数の項目それぞれに対する重要度を個別に設定して類似度処理するようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、前記契約類似度計算手段が、契約情報における数値属性情報の項目を用いて類似度計算処理する場合に、前記数値属性情報項目の数値の範囲に基づいて決定される重み付けを行って類似度処理するようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、前記過去の契約実績情報に、製品の種類情報、契約総出荷量情報、需要家情報、生産工場情報、流通経路情報、輸送手段情報のいずれか一つ、或いは複数を含むようにした点にある。
また、本発明の製品の出荷量予測装置の他の特徴とするところは、鉄鋼製品の出荷量予測に適用され、前記過去の出荷実績情報は、薄板、厚板、条鋼などの鉄鋼製品受注契約に対する月別の出荷量情報である点にある。
【０００９】
本発明における製品の出荷量予測装置の動作方法は、一つの受注契約に対して製品の出荷が複数回にわたる場合がある製品の過去の出荷実績情報、及び前記過去の出荷実績情報に対する契約情報を使用して、予測対象期間における予測対象契約からの出荷量を予測する製品の出荷量予測装置の動作方法であって、
実績データ入力部が、契約総出荷量を含む過去の契約実績情報と、該過去の契約から契約後の各単位期間にそれぞれ発生した出荷量実績を示す出荷パターン情報とを受け付ける「実績データ入力工程」と、
実績データ蓄積部が、前記実績データ入力工程で入力された実績情報を蓄積する「実績データ蓄積工程」と、
予測対象情報入力手段が、予測対象となる契約についての、契約総出荷量を含む契約情報と当該契約から既に発生した出荷パターン情報とを受け付ける「予測対象情報入力工程」と、
契約類似度計算手段が、前記予測対象となる契約情報と前記実績データ蓄積部に蓄積された前記過去の契約実績情報の類似度を計算する「契約類似度計算工程」と、
類似契約実績抽出手段が、前記契約類似度計算工程で算出した類似度に基づき所定の類似度を有する複数の過去の類似契約実績を選び出す「類似契約実績抽出工程」と、
最類似出荷タイミング出荷量抽出手段が、前記予測対象契約における契約情報及び既に発生した出荷パターン情報と、選び出した前記類似契約実績の契約実績情報及び出荷実績パターンとを用いて、契約総出荷量から予測対象期間前の累積出荷量を差し引いたものを、更に契約総出荷量で除して得られる正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量が予測対象契約の正規化契約残量に最も近いタイミングを前記類似契約実績における最類似出荷タイミングとして抽出し、前記類似契約実績における最類似出荷タイミングの出荷量を抽出する「最類似出荷タイミング出荷量抽出工程」と、
出荷量演算手段が、前記複数の類似契約事例それぞれに対して抽出された最類似出荷タイミング出荷量に、前記類似度に基づいて重み付けを行って、前記予測対象情報に対する出荷量を演算する「出荷量演算工程」と、
出荷量予測結果表示手段が、前記出荷量演算工程から出力された予測出荷量を表示する「出荷量予測結果表示工程」と、
を実行する点に特徴を有する。
【００１０】
本発明のコンピュータ読み取り可能な記憶媒体は、上記製品の出荷量予測装置における各手段として、コンピュータを機能させるプログラムを記録した点に特徴を有する。
本発明のコンピュータ読み取り可能な記憶媒体の他の特徴とするところは、上記製品の出荷量予測方法をコンピュータに実行させるためのプログラムを記録した点に特徴を有する。
【００１１】
【発明の実施の形態】
以下に、図面を参照して、本発明の製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体について説明する。
図１は、本実施の形態による製品の出荷量予測装置の構成を示す図である。同図の１０１は、実績データ入力部であり、出荷量予測装置には、過去の契約情報と、その契約に対応する出荷パターン情報が、例えばコンピュータシステムのキーボード入力装置を用いてインプットされる。上記契約情報は、例えば鉄鋼製品の受注契約に係わる製品コード、需要家コード、上記製品を生産するミルのコード、製品の受け渡し場所及び受け渡し条件コード、輸送手段コードなどの非数値情報と、契約総出荷トン数などの数値情報で構成されているのが、一般的である。また、上記出荷パターンは、受注契約後の期間を、例えば1ヶ月等の単位期間に分割し、上記契約から各単位期間にそれぞれ何トンの出荷実績が発生したかを示すものである。図２に、鉄鋼薄板製品の契約情報と一ヶ月を単位期間とした出荷パターン情報の例を示す。
【００１２】
１０２は、実績データ蓄積部であり、前記実績データ入力部１０１よりインプットされた契約情報と出荷パターン実績情報を蓄積し、かつ参照の指示が入力された場合は、蓄積された情報を随時、出力するものである。データ蓄積部を実現する手段としては、例えば、データベースソフトウェアと計算機を用いる方法がある。
【００１３】
１０３は、予測対象情報入力部であり、出荷量を予測したい受注契約に係わる契約情報、例えば鉄鋼製品の受注契約における製品コード、需要家コード、ミルのコード、製品の受け渡し場所及び受け渡し条件コード、輸送手段コード、及び契約総出荷トン数を入力する。更に上記予測したい受注契約から、既に出荷が発生している場合には、上記契約情報に加えて、既に発生した出荷パターン情報を入力する。
【００１４】
１０４は、契約類似度計算部であり、例えばＣＰＵ、メモリ、及び計算アルゴリズムを記憶したハードディスク等を備えたコンピュータを用いて実現される。予測対象情報入力部１０３で入力した予測対象の契約情報と、実績データ蓄積部１０２に蓄積された実績契約情報を比較し、全ての契約実績について、予測対象契約との類似度評価を行う。コード等の非数値情報と、数値情報の両者を用いて類似度を評価する方法としては、例えば式（１）に示すように、数値情報の項目についてはユークリッド距離等、幾何学的に評価される距離（ノルム）を用い、非数値情報の項目については、比較すべき両者のコードが同一コードの場合ノルム０、異なるコードの場合ノルム１と定義して、全ての項目のノルムを加算したものを類似度とする方法がある。
【数１】
また、式（１）では、契約情報における全ての項目が類似度に対して同一の寄与率として評価しているが、ある特定の項目が、契約間の類似性を評価する上で、他の項目よりも寄与率が高いことが判明している場合、式（２）に示すように項目それぞれに対して重要度を設定して類似度処理を行うことが出来る。
【数２】
【００１５】
更に、式（１）及び（２）において、数値情報項目の数値が広いレンジに分布しており、かつ契約の類似性を評価する上で、数値が存在する範囲情報の寄与率が高いと判明している場合、式（３）に示すように、２つの契約それぞれの数値情報の範囲に応じて、重み付けを行い、類似度処理を行っても良い。
【数３】
【数４】
【数５】
【００１６】
１０５は類似契約実績抽出部であり、契約類似度契約部１０４にて算出した類似度を用いて、予測対象契約に類似した契約実績を抽出する。類似契約の抽出方法としては、契約実績を類似性の高い順番にソートし、別途装置に入力された抽出契約個数分だけ類似性の高い契約から選択する方法がある。また、これとは別に、別途装置に入力された類似度限界指標を用いて、前記類似度限界指標よりも高い類似性を持っている契約実績を全て類似契約とする方法でも良い。
【００１７】
１０６は、最類似出荷タイミング出荷量抽出部である。類似契約実績抽出部１０５で得られた類似契約実績の出荷パターンと、予測対象情報入力部１０３で入力された既に発生した出荷パターン情報に基づいて、類似契約実績の出荷タイミングの中で、予測対象契約の出荷タイミングに最も類似したタイミングを抽出し、更に類似契約実績からの予測出荷量を抽出する。最類似タイミングの抽出方法としては、例えば、単位期間毎に契約総出荷量から予測対象期間前の累積出荷量を差し引き、更に契約総出荷量で除した正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量パターンにおいて最も予測対象契約の正規化契約残量に近いタイミングを最類似出荷タイミングとする方法がある。この方法を以下、例に従って説明する。
【００１８】
図３に予測対象契約から既に発生した出荷パターン例、図４に類似契約事例の出荷パターンを、月毎の表形式にした例を示す。この例では、予測対象契約におけるＮ＋２月の出荷量を予測することが目的であり、また類似契約事例は３件抽出されている。図３、図４のそれぞれにおいて、上記に述べた手順に従って正規化契約残量を月毎に算出し、表形式にしたものを、図５及び図６に示す。図５におけるＮ＋１月の正規化契約残量は５０％であり、図６における類似契約の出荷パターンにおいて、これに最も近い正規化契約残量を有しているタイミングを抽出すれば、No1の類似契約事例ではＮ＋２月、No２の類似契約事例ではＮ＋１月、No３の類似契約事例ではＮ＋２月が最類似出荷タイミングと評価される。更に図４の類似契約からの出荷パターンと、上記の手順で求められた最類似出荷タイミング情報を用いて、予測対象契約のＮ＋２月出荷量に対応する推定出荷量は、図７のように求められる。
【００１９】
１０７は、出荷量演算部であり、最類似出荷タイミング出荷量抽出部１０６で得られた類似契約毎の予測出荷量と、契約類似度計算部１０４で算出した類似契約の類似度に基づいて、予測出荷量を算出する。予測出荷量の計算方法としては、例えば式（１）〜（３）のいずれかに基づいて計算された類似度Ｄijの逆数を用いて各類似契約に対する重み係数を算出し、各類似契約からの予測出荷量に重み係数を乗じて、線形和を求める方法がある。
【００２０】
１０８は、出荷量予測結果表示部であり、対象契約の出荷量予測結果、及びその推定の根拠となった類似契約事例と出荷パターン、最類似出荷タイミングなど、予測結果の評価に有効な情報を、例えばコンピュータシステムにおけるＣＲＴや、或いはプリンタ等の印刷手段によって出力する。
【００２１】
以上に述べた本実施の形態による製品の出荷量予測装置によれば、予測対象の契約情報に類似した過去の契約実績を探索する際に、数値情報にのみならず、顧客や輸送手段情報など出荷量推定に影響の高い非数値情報も考慮する為、高い精度で予測を行うことが可能である。また、過去に出荷実績が少ない契約事例についても、存在する契約実績の中で、最も類似した契約を抽出し、その出荷実績に基づいた予測を行うことができる。
【００２２】
【実施例】
以下では、鉄鋼薄板製品の出荷量を本手法で予測した実施例について説明する。
今回の実施例では、５年間における約１５万件の契約情報、及び各契約に対する月毎の出荷実績情報を用いて、出荷量予測を行った。契約情報のうち、最初の４年分を前記実績データ蓄積部に保存し、残り１年分の出荷量を予測することとした。予測出荷量については、更に実績値と比較することで予測精度を評価している。
【００２３】
契約の類似性を評価する為の項目としては、数値情報である契約総出荷トン数に加え、非数値情報である品名コード、ユーザーコード、商社コード、営業部門コード、製品の受け渡し条件コード、受け渡し場所コード、輸送形態コード、輸送機関コードを使用した。
また、類似度指標の計算においては、薄板製品の出荷パターンが、特に総契約出荷トン数に大きく影響を受けることに着目し、非数値情報項目に対する重み係数は全て１に設定した状態で、総契約出荷トン数に対する重み係数Ｑを種々変更して、予測対象契約と抽出された類似契約の出荷パターンを比較した。その結果、Ｑ＝３において、最も類似性の高い出荷パターンが多く抽出されると評価された為、以降、この条件で出荷予測を行っている。
【００２４】
また、上記総出荷トン数と出荷パターンの関連を調査する過程で、総出荷トン数の範囲によって出荷パターンが概ねグループ化できることが明らかになったため、総契約トン数の範囲に応じたグルーピングと、各グループ間の重み係数を種々変更して、予測対象契約と抽出された類似契約の出荷パターンを比較した。その結果、総契約出荷トン数を、グループ１：総契約出荷トン数０〜１０トン、グループ２：総契約出荷トン数１０〜１００トン、グループ３：総契約出荷トン数１００〜１０００トン、グループ４：総契約出荷トン数１０００トン以上の４つに分類し、式（４）におけるＷij行列を以下のように設定した場合に、最も類似性の高い出荷パターンが抽出されると評価された為、以降、この条件で予測を行っている。
【数６】
【００２５】
次に、類似契約事例の抽出については、契約実績の中で類似性が高いものからＰ個の事例を抽出するものとし、Ｐの値を種々変更して予測出荷量を算出、出荷実績と比較した精度評価で最も、誤差が小さくなる条件を探索した。その結果、Ｐ＝３とした場合に、最も誤差が小さかった為、以下、この条件で予測を行っている。
【００２６】
図８は、予測対象契約の情報と、本手法によって抽出された３つの類似契約の情報、及びそれぞれの出荷パターンである。各類似契約には、予測対象との類似度も記載している。予測対象契約からは、Ｎ＋１月分までの出荷が既に発生しており、Ｎ＋２月分の出荷量を予測することが目的である。本手法によって、類似契約における最類似出荷タイミングを抽出した結果、いずれの類似契約の場合もＮ＋２月と抽出された。類似契約の類似度指標から逆数を求め、更に線形和係数の合計が１となるように正規化したものを図９に示す。この線形和係数と推定出荷量を乗じて、３つの類似契約について加えたものは、３９７．５トンである。予測対象事例のＮ＋２月における出荷実績は、４１２トンであった為、この契約事例に関する予測誤差は３．５％と、比較的良好であった。
【００２７】
図１０は、月毎に全ての契約から、特定の鋼種に対する出荷量を予測し、実績出荷量と併記してプロットしたものである。本手法による平均予測誤差は、約２．５％であり、例えば従来の人手による予測よりも、安定して高い精度で出荷量を予測できている。
この結果を利用して、各製鉄所に対する生産量の配分計画や、製品在庫の推移予測を従来よりも精度よく行うことが可能となる効果を得ることができた。
【００２８】
なお、今回の実施例では、コンピュータ上のプログラムとして出荷量予測装置を実現したが、演算装置、メモリ等を組み合わせたハードウェアによって構成されるものであっても良い。
また、本発明の製品の出荷量予測装置は、複数の機器から構成されるものであっても、一つの機器から構成されるものであっても良い。
また、上述した実施の形態は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することで実施される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【００２９】
【発明の効果】
以上に述べたように、本発明によれば、契約情報における数値情報と、非数値情報の両者を活用して類似契約事例を抽出し、更に出荷パターン情報を用いて、類似した出荷タイミングから出荷量を推定することにより、より精度の高い出荷量予測を可能としている。
また、過去に同様の事例が少ない為に、出荷予測モデルを学習によって得ることが困難であったような場合でも、非数値情報を活用して類似事例を探索する為、これら類似事例に基づく適切な予測が可能である。
【図面の簡単な説明】
【図１】本発明に係る実施形態の製品の出荷量予測装置の構成を示す図である。
【図２】製品の契約実績データと出荷パターンデータを示す図である。
【図３】予測対象契約から既に発生した出荷のパターンデータを示す図である。
【図４】類似契約における出荷パターンデータを示す説明図である。
【図５】予測対象契約の正規化契約残量パターンデータを示す図である。
【図６】類似契約の出荷パターンから導出された正規化契残量パターンデータを示す図である。
【図７】予測対象事例の出荷タイミングに最も類似した類似契約の出荷タイミングと、その翌月の出荷量データを示す説明図である。
【図８】予測対象情報と類似契約の契約情報と出荷パターンデータを示す図である。
【図９】類似契約の類似度指標と線形結合係数を示す図である。
【図１０】 1年間に渡る月毎の総出荷量の予測値と実績値を示す図である。
【符号の説明】
１０１：実績データ入力部
１０２：実績データ蓄積部
１０３：予測対象情報部
１０４：契約類似度計算部
１０５：類似契約実績抽出部
１０６：最類似出荷タイミング出荷量抽出部
１０７：出荷量演算部
１０８：予測出荷量表示部
Claims (9)
- 一つの受注契約に対して製品の出荷が複数回にわたる場合がある製品の過去の出荷実績情報、及び前記過去の出荷実績情報に対する契約情報を使用して、予測対象期間における予測対象契約からの出荷量を予測する製品の出荷量予測装置であって、
契約総出荷量を含む過去の契約実績情報と、該過去の契約から契約後の各単位期間にそれぞれ発生した出荷量実績を示す出荷パターン情報を入力する「実績データ入力手段」と、
前記実績データ入力手段から入力された実績情報を蓄積する「実績データ蓄積部」と、
予測対象となる契約についての、契約総出荷量を含む契約情報と当該契約から既に発生した出荷パターン情報とを入力する「予測対象情報入力手段」と、
前記予測対象となる契約情報と前記実績データ蓄積部に蓄積された前記過去の契約実績情報の類似度を計算する「契約類似度計算手段」と、
前記契約類似度計算手段で算出した類似度に基づき所定の類似度を有する複数の過去の類似契約実績を選び出す「類似契約実績抽出手段」と、
前記予測対象契約における契約情報及び既に発生した出荷パターン情報と、選び出した前記類似契約実績の契約実績情報及び出荷実績パターンとを用いて、契約総出荷量から予測対象期間前の累積出荷量を差し引いたものを、更に契約総出荷量で除して得られる正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量が予測対象契約の正規化契約残量に最も近いタイミングを前記類似契約実績における最類似出荷タイミングとして抽出し、前記類似契約実績における最類似出荷タイミングの出荷量を抽出する「最類似出荷タイミング出荷量抽出手段」と、
前記複数の類似契約事例それぞれに対して抽出された最類似出荷タイミング出荷量に、前記類似度に基づいて重み付けを行って、前記予測対象情報に対する出荷量を演算する「出荷量演算手段」と、
前記出荷量演算手段から出力された予測出荷量を表示する「出荷量予測結果表示手段」を備えたことを特徴とする製品の出荷量予測装置。 - 前記契約類似度計算手段が、契約情報における出荷量のような数値属性情報と、製品の種類や出荷先のような非数値属性情報の両者を用いて、前記予測対象となる契約情報の各項目と対応する前記過去の契約実績情報の各項目とのノルムを評価することにより、類似度計算処理するようにしたことを特徴とする請求項１に記載の製品の出荷量予測装置。
- 前記契約類似度計算手段が、契約情報における複数の項目を用いて類似度計算処理する場合に、前記複数の項目それぞれに対する重要度を個別に設定して類似度処理するようにしたことを特徴とする請求項１又は２に記載の製品の出荷量予測装置。
- 前記契約類似度計算手段が、契約情報における数値属性情報の項目を用いて類似度計算処理する場合に、前記数値属性情報項目の数値の範囲に基づいて決定される重み付けを行って類似度処理するようにしたことを特徴とする請求項１〜３のいずれか１項に記載の製品の出荷量予測装置。
- 前記過去の契約実績情報に、製品の種類情報、契約総出荷量情報、需要家情報、生産工場情報、流通経路情報、輸送手段情報のいずれか一つ、或いは複数を含むことを特徴とする請求項１〜４のいずれか１項に記載の製品の出荷量予測装置。
- 鉄鋼製品の出荷量予測に適用され、前記過去の出荷実績情報は、薄板、厚板、条鋼などの鉄鋼製品受注契約に対する月別の出荷量情報であることを特徴とする請求項１〜５のいずれか１項に記載の製品の出荷量予測装置。
- 一つの受注契約に対して製品の出荷が複数回にわたる場合がある製品の過去の出荷実績情報、及び前記過去の出荷実績情報に対する契約情報を使用して、予測対象期間における予測対象契約からの出荷量を予測する製品の出荷量予測装置の動作方法であって、
実績データ入力部が、契約総出荷量を含む過去の契約実績情報と、該過去の契約から契約後の各単位期間にそれぞれ発生した出荷量実績を示す出荷パターン情報とを受け付ける「実績データ入力工程」と、
実績データ蓄積部が、前記実績データ入力工程で入力された実績情報を蓄積する「実績データ蓄積工程」と、
予測対象情報入力手段が、予測対象となる契約についての、契約総出荷量を含む契約情報と当該契約から既に発生した出荷パターン情報とを受け付ける「予測対象情報入力工程」と、
契約類似度計算手段が、前記予測対象となる契約情報と前記実績データ蓄積部に蓄積された前記過去の契約実績情報の類似度を計算する「契約類似度計算工程」と、
類似契約実績抽出手段が、前記契約類似度計算工程で算出した類似度に基づき所定の類似度を有する複数の過去の類似契約実績を選び出す「類似契約実績抽出工程」と、
最類似出荷タイミング出荷量抽出手段が、前記予測対象契約における契約情報及び既に発生した出荷パターン情報と、選び出した前記類似契約実績の契約実績情報及び出荷実績パターンとを用いて、契約総出荷量から予測対象期間前の累積出荷量を差し引いたものを、更に契約総出荷量で除して得られる正規化契約残量を求めて、予測対象契約と類似契約の正規化契約残量を比較し、類似契約の正規化契約残量が予測対象契約の正規化契約残量に最も近いタイミングを前記類似契約実績における最類似出荷タイミングとして抽出し、前記類似契約実績における最類似出荷タイミングの出荷量を抽出する「最類似出荷タイミング出荷量抽出工程」と、
出荷量演算手段が、前記複数の類似契約事例それぞれに対して抽出された最類似出荷タイミング出荷量に、前記類似度に基づいて重み付けを行って、前記予測対象情報に対する演算する「出荷量演算工程」と、
出荷量予測結果表示手段が、前記出荷量演算工程から出力された予測出荷量を表示する「出荷量予測結果表示工程」と、
を実行することを特徴とする製品の出荷量予測装置の動作方法。 - 請求項１に記載の製品の出荷量予測装置における各手段として、コンピュータを機能させるプログラムを記録したことを特徴とするコンピュータ読み取り可能な記憶媒体。
- 請求項７に記載の製品の出荷量予測方法をコンピュータに実行させるためのプログラムを記録したことを特徴とするコンピュータ読み取り可能な記憶媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003014532A JP4268408B2 (ja) | 2003-01-23 | 2003-01-23 | 製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003014532A JP4268408B2 (ja) | 2003-01-23 | 2003-01-23 | 製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004227301A JP2004227301A (ja) | 2004-08-12 |
| JP4268408B2 true JP4268408B2 (ja) | 2009-05-27 |
Family
ID=32902556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003014532A Expired - Fee Related JP4268408B2 (ja) | 2003-01-23 | 2003-01-23 | 製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4268408B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4706018B2 (ja) * | 2004-06-14 | 2011-06-22 | 国立大学法人電気通信大学 | 流動数管理システム、方法、及びプログラム |
| JP4636609B2 (ja) * | 2005-07-19 | 2011-02-23 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 材料引当方法、装置、プログラム |
| JP4956372B2 (ja) | 2007-10-26 | 2012-06-20 | 株式会社日立製作所 | 規制対策の実施決定支援プログラム及び装置 |
| JP5097019B2 (ja) * | 2008-06-05 | 2012-12-12 | 積水化学工業株式会社 | 生産計画立案システム及び方法 |
| CN116680162B (zh) * | 2023-04-17 | 2023-11-10 | 中国软件评测中心(工业和信息化部软件与集成电路促进中心) | 一种测试用例复用方法、装置、介质、设备及产品 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2955081B2 (ja) * | 1991-09-13 | 1999-10-04 | 鐘紡株式会社 | 商品の需要予測装置 |
| JPH11203361A (ja) * | 1998-01-14 | 1999-07-30 | Nec Corp | 生産計画案簡易算出方式 |
| JP3751485B2 (ja) * | 1999-10-08 | 2006-03-01 | キリンエンジニアリング株式会社 | 物流システム |
| JP2002073752A (ja) * | 2000-09-04 | 2002-03-12 | Kao Corp | 受注予測システムおよび受注管理システムならびに生産管理システム |
-
2003
- 2003-01-23 JP JP2003014532A patent/JP4268408B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004227301A (ja) | 2004-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220222691A1 (en) | Trust Rating Metric for Future Event Prediction of an Outcome | |
| US7424440B1 (en) | Sales optimization | |
| CN109741082B (zh) | 一种基于时间序列分解的季节性商品需求预测方法 | |
| JP6514342B2 (ja) | オンライン予測システムおよび方法 | |
| JP4678879B2 (ja) | 販売予測システム、方法及びコンピュータプログラム | |
| JP6370757B2 (ja) | 損益予測装置及び損益予測プログラム | |
| van Donselaar et al. | Heuristics for setting reorder levels in periodic review inventory systems with an aggregate service constraint | |
| Barron et al. | Shortage decision policies for a fluid production model with MAP arrivals | |
| JP5031715B2 (ja) | 商品需要予測システム、商品の売上数調整システム | |
| Adur Kannan et al. | Forecasting spare parts sporadic demand using traditional methods and machine learning-a comparative study | |
| Ivanov et al. | Demand forecasting | |
| CN111768243A (zh) | 销量预测方法、预测模型构建方法、装置、设备及介质 | |
| Lim et al. | A DEA approach for Supplier Selection with AHP and risk consideration | |
| JP4268408B2 (ja) | 製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 | |
| JP2007122264A (ja) | 経営または需要の予測システムおよびこれに用いる予測プログラム | |
| JPH11259564A (ja) | 販売予測支援システム | |
| Huang et al. | Improvement of inventory control and forecast according to activity-based classifications: T company as an example | |
| JP2007026335A (ja) | 評価指標見通し可視化方法 | |
| JP6704464B2 (ja) | 物流倉庫の業務における事故要因を推定するシステム | |
| JPH08221384A (ja) | 販売量予測方法および装置 | |
| JP2016184250A (ja) | 損益予測装置及び損益予測プログラム | |
| Choudhury | Market Demand Forecast Method Selection and Application: A Case Study in Hero MotoCorp Ltd. | |
| JP2001229463A (ja) | Ｐｏｓ分析システムおよびその方法 | |
| JPH09237265A (ja) | 販売予測装置および販売予測方法 | |
| JP7351578B1 (ja) | 生産性評価システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050914 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080729 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080924 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20081111 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081208 |
|
| A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20090130 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090217 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090220 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120227 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120227 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130227 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130227 Year of fee payment: 4 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130227 Year of fee payment: 4 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130227 Year of fee payment: 4 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130227 Year of fee payment: 4 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140227 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |