JP4388713B2 - 日配品発注最適化支援システム、その方法、及びプログラム - Google Patents
日配品発注最適化支援システム、その方法、及びプログラム Download PDFInfo
- Publication number
- JP4388713B2 JP4388713B2 JP2001097105A JP2001097105A JP4388713B2 JP 4388713 B2 JP4388713 B2 JP 4388713B2 JP 2001097105 A JP2001097105 A JP 2001097105A JP 2001097105 A JP2001097105 A JP 2001097105A JP 4388713 B2 JP4388713 B2 JP 4388713B2
- Authority
- JP
- Japan
- Prior art keywords
- sales
- product
- order
- expected
- expected profit
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
-
- 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
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Description
【０００１】
【発明の属する技術分野】
本発明は、日配品等の発注において最適な発注品目／発注数の判断、売れ筋・死に筋商品管理を行なえるように支援するシステム、方法に関する。
【０００２】
【従来の技術】
従来、例えばコンビニエンスストア等で特に日配品（弁当類、おにぎり、その他生鮮食料品等のように基本的に毎日発注／配送されるような商品）の店頭商品管理は、販売実績（実販数）に基づいて、売れ筋・死に筋商品管理を行なっていた。
【０００３】
従来、上記日配品の発注業務は、人間による判断で行なっていた。すなわち、アイテムバリエーションの決定は、人間による判断で行なっていた。単品への数量落し込みは、前日／前週等の過去の販売実績をベースに決定していた。数量調整は、人間による試行錯誤による見切り型判断で行なっていた。前便の数量による当便への影響（販売時間帯（納入から賞味期限切れまでの期間）の重なりによるもの）についても、人間による判断で行なっていた。
【０００４】
【発明が解決しようとする課題】
上記売れ筋・死に筋商品管理や、数量落し込みは、過去の販売実績に基づいて行なっているが、例えばある商品の販売実績が５個であったとしても、それは発注数量が５個であった為で、もしもっと多く発注していればより多く売れていたかもしれない（すなわち、販売機会ロスが発生している）。一方で、発注数量が多過ぎれば、売れ残りが生じ、廃棄しなければならなくなる（すなわち、廃棄ロスが発生する）。
【０００５】
しかしながら、各商品の販売動向は各店舗毎に異なり、更に同一店舗においても日々バラツキがあり、人間の経験や試行錯誤にたよって適切な発注数を判断するのは難しいし、また多大な時間が掛かる。
【０００６】
このようなバラツキのある現象への対応（不確実性への対応）として、例えば重回帰分析、ツリー分析等の各種手法を用いて、バラツキの要因を解明し、バラツキを排除したり、バラツキによる影響を定量化することで、各商品毎にその商品が売れるはずの数量を予測する方法がある。
【０００７】
しかしながら、このような売上数を予測するというアプローチの仕方では、以下に述べる理由により、高精度の予測を行なえる予測モデルを構築することは極めて困難であった。
【０００８】
・同一条件で大量のデータの取得ができない（今日と昨日は違う／この店と隣の店とは違う、という現実の中では、同一条件の設定が困難）。
・バラツキを説明する要因の候補群が充分でない（例えば、弁当の詳細属性等）。
【０００９】
本発明の課題は、日配品等の発注において、利益基準で最適な発注パターン（どの商品を何個発注するのか）が提示され、これに基づく容易且つ適正な発注の判断が行なえ、販売機会ロスの減少を図れ、適正な売れ筋・死に筋商品管理を行なえるように支援できる日配品発注最適化支援システム、その方法、記録媒体、プログラムを提供することである。
【００１０】
【課題を解決するための手段】
本発明による請求項１記載の日配品発注最適化支援システムは、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成手段と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出手段とを有するように構成する。
【００１１】
上記日配品発注最適化支援システムによれば、全体として最大の利益が得られることを期待できる発注パターン（どの商品を何個発注するか）を算出することができる。ユーザは、このような利益基準で最適な発注パターン（どの商品を何個発注するのか）の提示を受けることができ、また更にこれを参考にして適正な発注パターンの判断が行なえるようになる。また、利益基準で算出する手法を用いることにより、異なるカテゴリ／異なる価格ゾーンの商品同士（例えば８００円の弁当と１００円のおにぎり）を、利益基準でスワップできるようになる。
【００１２】
本発明による請求項２記載の日配品発注最適化支援システムは、上記請求項１記載のシステムにおいて、更に、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間に基づいて、各商品毎に、時間帯別欠品見込数を算出する欠品見込数算出手段とを有するように構成する。
【００１３】
この場合、前記期待利益順発注優先順位作成手段は、前記販売実績データと該時間帯別欠品見込数とに基づいて、前記期待利益の算出を行う。このようにすることで、販売機会ロスが少なくなるようにしつつ最大利益が期待できる発注パターンを算出できる。
【００１４】
本発明による請求項３記載の日配品発注最適化支援システムは、上記請求項１または２記載のシステムにおいて、前記期待利益の算出は、前便の処理において算出されていた前便からの持ち越し見込数量も考慮して行うようにしている。
【００１５】
当該処理は次便に対する持ち越し数量を算出しておくものであり、次便（ここでは今回処理対象となっている当便）において期待利益を算出する際に、前便からの持ち越し数量が多いほどその商品の期待利益が少なくなるように補正している。これに基づいて発注パターンが算出される結果、前便からの持ち越し分による影響を考慮した発注量の調整が自動的に行なえる。また、これより、配送スケジュール変更や対応需要時間帯変更にも柔軟な対応が可能となる。
【００１６】
本発明による請求項４記載の日配品発注最適化支援システムは、上記請求項１または２または３記載のシステムにおいて、更に、過去の直近期間内の販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を有するように構成する。
【００１７】
そして、曜日特性分析手段により売上特性に違いがあると判定された場合、前記期待利益順発注優先順位作成手段または／及び前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データまたは／及び各時間帯別の売上シェアに基づいて処理を行う。
【００１８】
上記システムによれば、例えば、休日と平日とで売上特性に違いがある場合には、例えば処理対象の便の日が休日である場合には、過去の休日の販売実績データと休日の時間帯別の売上シェアに基づいて処理を行うことで、より精度の良い処理結果が得られるようになる。
【００１９】
本発明による請求項５記載の日配品発注最適化支援システムは、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する欠品見込数算出手段と、該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する潜在力算出手段とを有するように構成する。
【００２０】
上記潜在力の数値が大きい商品ほど「売り逃しを多く発生させている商品」であることを意味し、ユーザは、これを参照すれば、各商品の発注量の増減等の判断を容易に適切に行うことができる。
【００２１】
また、更に、上記曜日特性分析手段による判定を行うことで、より精度の良い処理結果が得られるようになる。本発明による請求項６記載の日配品発注最適化支援方法は、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理とを行う。
【００２２】
本発明による請求項７記載の日配品発注最適化支援方法は、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求め、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出し、該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する。
【００２３】
本発明による請求項８記載のプログラムは、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理と、をコンピュータに実行させるプログラムである。
【００２４】
本発明による請求項９記載のプログラムは、コンピュータに、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める機能と、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する機能と、該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する機能とを実現させるためのプログラムである。
【００２５】
本発明による請求項１０記載の記録媒体は、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理とを実現させるプログラムを記録したコンピュータが読取り可能な記録媒体である。
【００２６】
【発明の実施の形態】
本発明では、上記のような、バラツキの要因を解明し、バラツキを排除したり、バラツキによる影響を定量化することで、各商品毎にその商品が売れるはずの数量を予測するというアプローチではなく、バラツキを所与のものとして、バラツキのある中で最善の戦術をとるアプローチ（手法；確率分布分析、線型計画、２次計画等）を採用する。そして、目的変数を期待利益（期待利益額または期待利益率の一方または両方を意味するものとする）とすることで、全体として最大利益を期待できる発注パターンを提示し、これに基づいて適正な発注が行なえるように支援することを第１の特徴としている。更に欠品機会損失の数量化や前便からの持ち越し数量の見積り処理を加えることで、より適正な発注が行なえるように支援できるようになる。
【００２７】
また、各商品毎の欠品見込数を算出し、これより各商品毎の潜在力（この数値が高いほど売り逃しを多く発生させていることを示す）を算出／表示することで、ユーザが例えば潜在力が高い商品の発注数を増やす等することで、販売機会ロスを少なくできることを第２の特徴としている。
【００２８】
以下、図面を参照して、本発明の実施の形態について説明する。
尚、以下の実施の形態の説明では、例えばコンビニエンスストア等の弁当、おにぎり等の商品を例にしているが、本発明の対象はこのようなコンビニエンスストア等に限るわけではなく、日配品の発注に係わる全てのものを対象とする。
【００２９】
図１は、日配品発注最適化支援システムの概略的な機能ブロック図である。
尚、同図において、実線の矢印で示しているのは、矢印の入力側の機能部における処理に必要最小限必要なデータ（または前の機能部での処理結果）であることを意味する。一方、点線の矢印で示しているのは、矢印の入力側の機能部における処理に必要最小限必要なものではないが、それが入力されることによって、より適正な処理結果が得られるようになることを意味する。
【００３０】
同図において、まず、本発明の第１の特徴に係わる必要最小限の構成として、期待利益順発注優先順位作成部１、最適発注パターン算出／表示部２がある。
期待利益順発注優先順位作成部１は、データ入力部８を介して入力される過去の直近期間内の販売実績データ等に基づいて、各商品毎に、今回の発注対象の“便”の販売時間帯における各販売日毎の実際の販売数（販売実績データ）を得て、この実際の販売数に基づいて（欠品見込数算出部５による算出結果を用いる場合には「実際の販売数＋欠品見込数」に基づいて）、これを平均μ、標準偏差σの正規分布であると見做して累積正規分布関数に当てはめた場合の累積確率密度（その商品のｎ個目（ｎ；後述する１〜ｍ個の中の任意の整数）が売れない確率）を求める（その際、前便からの持ち越し見込数量等（前便における当該処理で算出しておいたもの）を考慮するようにすることで、より適正な値が求まる）。
【００３１】
そして、この累積確率密度と、データ入力部８を介して入力されるデータより得られる各商品の原価、粗利のデータとに基づいて、各商品の１〜ｍ個目（ｍ；最大規定数；例えば２０個）までの各々の期待利益額／期待利益率を求める。
【００３２】
「期待利益額＝粗利×（１−累積確率密度）−原価×累積確率密度」
「期待利益率＝｛粗利×（１−累積確率密度）−原価×累積確率密度｝／販売価格」
（尚、（１−累積確率密度）は、その商品のｎ個目が売れる確率）
全ての商品について、１〜ｎ個目までの各々の期待利益額／期待利益率を求められたら、商品に関係なく、全体として、期待利益率（または期待利益額）が高いものから順にソートする（これより、期待利益順発注優先順位が作成される）。
【００３３】
最適発注パターン算出／表示部２は、期待利益順発注優先順位作成部１の処理結果に基づいて、設定された条件（例えば発注予算内）での最適発注パターン（すなわち、どの商品を何個発注するのか）を算出し、表示する。
【００３４】
このように、本発明の第１の特徴は、利益基準で最適な（最大利益を期待できる）発注パターンを自動的に算出することである。ここで、利益基準で計算することのもう１つのメリットは、価格帯や仕様の異なる物同士（例えば８００円の弁当と１００円のおにぎり）を、利益基準でスワップできることにある。
【００３５】
次に、更に、発注シミュレーション部３により、ユーザが、上記最適発注パターン算出／表示部２により算出／表示された内容を参考にしながら、実発注数を入力し、実発注数に応じた発注額、利益額を算出する等のシミュレーションを行なった後、ユーザが最も良いと思う発注数で発注を行うようにしてもよい。
【００３６】
また、上述した本発明の第１の特徴に係わる処理は、曜日特性分析部７による分析結果を用いることで、分析精度が向上する。すなわち、曜日特性分析部７は、平日／休日によって（または曜日によって）時間帯別売上パターンが異なるか否かを判定するものであり、この判定結果によっては、第１の特徴に係わる処理は、例えば平日と休日とで分けて処理することにより、分析精度が向上する。これは、以下に述べる本発明の第２の特徴に係わる処理についても同様である。
【００３７】
本発明の第２の特徴に係わる必要最小限の構成としては、売上シェア分析部４、欠品見込数算出部５、及び潜在力算出／表示部６がある。
売上シェア分析部４は、データ入力部８を介して入力される過去の直近期間内の販売実績データ等に基づいて、各時間帯別の売上シェアを求める（ここでは、各商品別ではなく、各時間帯別に全商品の売上金額を合計し、更にこれらを全て累計した売上金額総計額を求め、各時間帯別に、上記売上金額合計を売上金額総計額で割った値が、各時間帯別の売上シェアである）。
【００３８】
尚、曜日特性分析部７では、その処理中に、休日／平日別（または曜日別）で、各時間帯別の売上シェアを求めているので、第２の特徴に係わる処理において、例えば平日と休日とで分けて処理することにより分析精度が向上させたい場合にはこれを用いる。
【００３９】
欠品見込数算出部５は、上記各時間帯別の売上シェアと、データ入力部８を介して入力される過去の直近期間内の販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間等のデータに基づいて、各商品毎に、時間帯別欠品見込数を算出する。
【００４０】
そして、潜在力算出／表示部６は、上記各商品毎の時間帯別欠品見込数等を用いて、各商品毎に、その商品の潜在力を算出し、一覧表示する。
潜在力＝総計算需要値数（＝総販売数＋総欠品数）／総販売数
潜在力の値が大きい商品ほど「売り逃しを多く発生させている商品」であることを意味しており、ユーザが発注量の増減や売れ筋／死に筋商品を適切に判断できるようにする為に非常に役立つ。
【００４１】
また、潜在力は、上記発注シミュレーション部３においてユーザが実発注数を決めるときの判断材料の１つとしてもよい。
図２は、日配品発注最適化支援システムに係わる全体構成を概略的に説明する為の図である。
【００４２】
図示の日配品発注最適化支援システム２０は、次便の発注を行う際に、例えばコンビニエンスストア等の各店舗または本部のデータベース１０（ＰＯＳ情報）から、必要なデータを取込んで、後述する各種処理を実行する（実行中に得られる各種テーブルは、最適化支援システム２０のデータベースに格納される）。そして、処理の最後にユーザの入力等に応じたシミュレーション結果により、発注システム３４へ次便の発注品目／その各発注数量を渡すことで、発注作業は完了する。
【００４３】
本部のデータベース１０には、例えば、店舗別に、売上明細テーブル１１、納品明細テーブル１２、商品廃棄明細テーブル１３、単価テーブル１４等が格納されている。
【００４４】
これらデータベース１０に格納される各種テーブルのデータを取込んで各種処理を行う途中またはその結果として、日配品発注最適化支援システム２０のデータベースには、平日／休日別売上合計テーブル２１、平日／休日別時間帯別売上シェアテーブル２２、便別納品テーブル２３、便別商品売上金額テーブル２４、便別廃棄商品テーブル２５、単品別時刻別在庫数テーブル２６、単品別時刻別欠品数テーブル２７、単品別潜在力テーブル２８、商品原価テーブル２９、日別便別期待利益額／期待利益率テーブル３０／３１、全商品ソート結果テーブル（発注優先順位テーブル）３２、シミュレーション結果テーブル３３が作成／格納される。
【００４５】
これら、各テーブルについては、後に、随時、一例を示して説明していくものとする。
図３（ａ）〜（ｃ）は、発注作業全体の流れを概略的に示す図である。
【００４６】
尚、同図に示す作業の意味は、後の説明で述べていくこととする。
図３（ａ）のフローチャートを参照して説明する。
まず、ユーザに休日設定を行なわせる（ステップＳ１）。これは、例えば日曜／祝日は当然休日であるとし、更に土曜日を休日とするか否か、あるいは特に後述する処理で休日として扱うべき日があるか否か等を設定／入力させる。尚、休日設定画面４１の一例を同図（ｂ）に示しておく。
【００４７】
休日設定が完了したら、上記各店舗または本部のデータベース１０から必要なデータを取込む（ステップＳ２）。
次に、ユーザに、分析条件の設定を行なわせる（ステップＳ３）。同図（ｃ）に分析条件設定画面の一例を示す。図示の分析条件設定画面４２には、データ期間４３、発注限度額４４、便の時間設定４５の設定／入力領域がある。
【００４８】
データ期間４３には、後述する直近期間を入力する。発注限度額４４には、後述する発注予算（総仕入額）を入力する。便の時間設定４５には、後述する各便毎の納品時間／廃棄時間を入力する。
【００４９】
そして、日配品発注最適化支援システム２０は、以下の図４以降で詳細に説明するように、最適化計算実行処理を行う（ステップＳ４）。
そして、ユーザは、ステップＳ４の処理結果として表示される、商品発注シミュレーション画面を参照しながら、実際の発注数を入力／決定する（ステップＳ５）。
【００５０】
これは、発注システム３４に渡され、発注作業は完了する（ステップＳ６）。
図４は、本例による日配品発注最適化支援の為の分析プロセスを概略的に示す図である。
【００５１】
図４において、プロセスＡ５１は、例えば各コンビニエンスストアの店舗内一覧を表示し、ユーザに所望の店舗を選択させるプロセスであり、選択された店舗について、プロセスＢ５２以降の処理を行う。
【００５２】
プロセスＢ５２では、プロセスＡ５１で選択された店舗の売上明細テーブルに格納されているデータを読み出して、平日と休日とで時間帯別売上パターンが異なるか否かを判別する。もし、平日と休日とで違いがあるならば、以降の処理は、平日と休日とで分けて分析することになる。
【００５３】
プロセスＣ５３では、単品別時刻別の欠品見込数を算出する。
プロセスＣ５３の処理以降は、プロセスＤ５４の処理、またはプロセスＥ５５〜プロセスＧ５７の処理を行う。
【００５４】
プロセスＤ５４では、プロセスＣ５３で求めた単品別時刻別の欠品見込数データを用いて、単品別潜在力（単品潜在売上量）を求める。単品別「潜在力」とは、各商品が本来はどれだけ売れる可能性があるのかを示すものである。これにより、販売機会損失の大きい商品の活性化（発注数を増加させ、売上を伸ばす等）を実現でき、また適切な売れ筋・死に筋商品管理を行なえるようになる。
【００５５】
一方、プロセスＥ５５〜プロセスＧ５７では、まず、プロセスＥ５５において、上記プロセスＣ５３で求めた単品別時刻別の欠品見込数データを用いて、期待利益テーブルの作成処理を行う。次に、プロセスＦ５６で、上記期待利益テーブルに基づいて、期待利益の高い順にソートさせて成る期待利益順発注優先順位テーブルを作成する。そして、これらの処理結果を用いて、プロセスＧ５７で、発注シミュレーションを実行する。
【００５６】
以下、上記各プロセスの詳細について説明していく。
図５は、プロセスＢ５２の詳細処理フローチャート図である。
また、図６（ａ）〜（ｃ）には、上記各種テーブルのうち当該処理に関係するテーブルの内容の一例を示す。尚、図６（ｂ）、（ｃ）に示す平日休日フラグは、‘０’が平日、‘１’が休日を意味するものとする。尚、図６（ａ）〜（ｃ）は、参考までに具体的な一例を示しているだけであるので、特にその内容を詳細に説明したりはしない。
【００５７】
図５において、まず、プロセスＡ５１で選択された店舗の売上明細テーブル１１（図６（ａ））を取得する（ステップＳ１１）。これは、直近期間内（上記分析データ条件設定画面上で設定／入力された「データ期間」）の全データを取得する。
【００５８】
次に、平日について、その日毎の全商品売上額、平日の平均売上、時間帯別売上シェアを算出する（ステップＳ１２）。
すなわち、上記取得した売上明細テーブル１１に基づいて、直近期間内の各平日の全商品売上額の合計を算出する（図６（ｂ）にはこれを示している）。更に、これら全ての平日の全商品売上額の合計を求める（すなわち、図６（ｂ）において、平日休日フラグが‘０’であるレコードの全商品売上額を合計する。これが、平日／休日別売上合計テーブル２１となる）。
【００５９】
そして、この合計値を、上記全ての平日の日数で割ることにより平均値（平均売上）を求める。
一方、時間帯別売上シェアは、上記取得した売上明細テーブル１１に基づいて、まず、平日と休日とでグループ分けし、それぞれ、全商品の売上額を時間帯別に合計する（これより、図６（ｃ）の左側に示す平日／休日別時間帯別売上合計テーブルが作成される）。
【００６０】
そして、この時間帯別売上合計額を２４時間合計額で割ることで、時間帯別売上シェアを求める（図６（ｃ）の右側に示す平日／休日別時間帯別売上シェアテーブル２２が作成される）。
【００６１】
休日についても、同様にして、その日毎の全商品売上額の合計、休日の平均売上、時間帯別売上シェアを算出する（ステップＳ１３）。
次に、ステップＳ１２、Ｓ１３で求めた平日の売上平均と休日の売上平均とを用いて、平日と休日とで日別全商品売上額合計に違いがあるか否かを、ｔ検定（平均値の差の検定）によって確認する（ステップＳ１４）。
【００６２】
ｔ検定については、よく知られているので、特に詳細には説明しないが、例えば、「平日と休日とで平均売上が等しい」という帰無仮説が有意水準５％で棄却されるならば、平日と休日とで日別売上額合計の水準は異なるという結果が導き出され（ステップＳ１４，ＹＥＳ）、ステップＳ１７の処理に進む。
【００６３】
例えば上記帰無仮説が有意水準５％で棄却されないならば（ステップＳ１４，ＮＯ）、続いて、ステップＳ１２、Ｓ１３で求めた平日／休日の時間帯別売上シェアを用いて、平日の各時間帯における売上と休日の各時間帯における売上のパターンの間に違いがあるか否かを検定する（ステップＳ１５）。
【００６４】
これは、カイ二乗検定（独立性の検定）により行う。カイ二乗検定についても、よく知られているので、特に詳細には説明しないが、例えば「平日か休日かによって時間帯別売上シェアが等しい」という帰無仮説が有意水準５％で棄却されるならば、平日と休日とで時間帯別売上パターンが異なる、という結果が導き出され（ステップＳ１５，ＹＥＳ）、ステップＳ１７の処理に進む。そうでなかれば（ステップＳ１５，ＮＯ）、ステップＳ１６の処理に進む。
【００６５】
そして、ステップＳ１６の処理では、上記ステップＳ１４、Ｓ１５の検定により平日と休日とで分けて分析する必要はないということになるので、平日／休日を区別しない時間帯別売上シェアテーブルを作成する。
【００６６】
一方、ステップＳ１７の処理では、上記ステップＳ１４、Ｓ１５の検定により平日と休日とで分けて分析する必要があるということになるので、上記平日／休日別時間帯別売上シェアテーブル２２を用いることになる。
【００６７】
図７は、プロセスＣ５３の詳細処理フローチャート図である。
同図において、まず、上記プロセスＢ５２の処理結果より、平日と休日とで時間帯別売上パターンが異ならない場合には（ステップＳ２１，ＮＯ）、上記ステップＳ１６で作成された時間帯別売上シェアテーブルを取得する（ステップＳ２２）。
【００６８】
一方、平日と休日とで時間帯別売上パターンが異なる場合には（ステップＳ２１，ＹＥＳ），まず発注日の曜日を取得して（ステップＳ２３）、平日である場合には平日の時間帯別売上シェアテーブルを取得し、休日である場合には休日の時間帯別売上シェアテーブルを取得する（ステップＳ２４）。
【００６９】
次に、上記ステップＳ２２またはステップＳ２４の処理後、分析対象店舗の納品明細テーブル１２、売上明細テーブル１１から必要なデータ（上記直近期間内の本処理で対応する日（例えば、ステップＳ２１，ＹＥＳで且つステップＳ２４で休日である場合には、直近期間内の全ての休日のデータ）を取込んで、それぞれ、便別納品テーブル２３、便別商品売上金額テーブル２４を作成する（ステップＳ２５）。
【００７０】
図８（ａ）は便別納品テーブル２３のデータ構成の一例、図８（ｂ）は便別商品売上金額テーブル２４のデータ構成の一例を示す図である。
図示のように、便別納品テーブル２３には、各日毎に何便でどの商品が何個納品されたかを示すデータが格納される。便別商品売上金額テーブル２４には、各日毎に各時間帯にどの商品が何個売れ、それが何便の商品であるのかを示すデータが格納される。
【００７１】
そして、便別納品テーブル２３と便別商品売上金額テーブル２４のデータを用いて、各商品毎（単品毎）に、以下のステップＳ２６、Ｓ２７の処理を行う。すなわち、後述する単品別時刻別在庫数テーブル２６、単品別時刻別欠品数テーブル２７は、各商品毎に作成される。
【００７２】
まず、ステップＳ２６について説明する。まず、本処理を行う毎に、処理対象となる商品を１つ選択し、上記便別納品テーブル２３、便別商品売上金額テーブル２４からこの商品に関するデータを抽出し、まず、各便別に各時間帯毎の在庫数を算出し、次に全ての便を合計した各時間帯毎の在庫数を算出する（上記の通り、元となるデータは便別に管理されているが、本処理で算出する在庫数及び後述する欠品数は、便毎に区別しない値を算出する）。
【００７３】
図９は、この各時間帯毎の在庫数の算出の様子を示す図である。
同図において、例えば図３で設定したように、各便毎の納品時間と廃棄時間は決まっている。この例では納品時間は１便が１時、２便が１０時、３便が１７時、廃棄時間は１便が１６時、２便が０時、３便が１０時となっている。
【００７４】
同図において、納品６１、６５、６９には、上記納品時間と便別納品テーブル２３により、当該処理対象商品に関する各便毎の納品時間における納品数が格納される。売上６２、６６、７０には、上記便別商品売上金額テーブル２４から抽出したデータから、当該処理対象商品に関する各便毎の各時間帯毎の売上数が格納される。
【００７５】
そして、まず、各便毎の各時間帯の在庫数を求める。これは、例えば、各時間毎に、以下の（１）式により算出する。
当時間在庫数＝前時間在庫−当時間売上数＋当時間納品数 ・・・（１）式
但し、各便毎の廃棄時間の在庫数は、強制的に‘０’にする。本例では、１便は１６時、２便は０時、３便は１０時の在庫数が強制的に‘０’にされる。また、廃棄時間後は、次の納品時間までの間は、当然、その便の在庫数は‘０’となる。
【００７６】
尚、本例では、期首在庫は、以下の通り設定する。
１便・・・０個、２便・・・０時の売上数、３便・・・０時〜１０時までの売上合計数
上述した処理により、各便毎に、各時間帯別の売上及び在庫が求まったら、次にこれらの各時間帯別の合計値を各々求める。すなわち、各時間帯別に売上６２と売上６６と売上７０を合計し、これを売上７３とする。各時間帯別に在庫６４と在庫６８と在庫７２を合計し、これを在庫７４とする。
【００７７】
このように、便毎に区別することのない、各時間帯別の売上数、及び在庫数が格納されたテーブルが、単品別時刻別在庫数テーブル２６であり、上述した処理を全ての対象商品について行なって全ての商品について単品別時刻別在庫数テーブル２６を作成したら、次にこれら単品別時刻別在庫数テーブル２６と平日／休日別時間帯別売上シェアテーブル２２（または時間帯別売上シェアテーブル）とを用いて、時刻別欠品見込数を算出する処理を行う（ステップＳ２７）。
【００７８】
図１０は、この時刻別欠品見込数の算出方法を一例を示して概略的に説明する為の図である。
図示のテーブルにおいて、シェア７５は、上記平日／休日別時間帯別売上シェアテーブル２２（または時間帯別売上シェアテーブル）から得たデータであり、よって、これは商品別ではなく、全体としての時間帯別のシェアである（よって、処理対象商品毎に値が変わるわけではない）。一方、在庫数７４、売上７３は、単品別時刻別在庫数テーブル２６から、今回処理対象となる商品のデータを取得したものであるので、これらは商品別の時間帯別の値となる。
【００７９】
尚、実際の計算には、在庫数７４のように数量データを用いるのではなく、後述するように、在庫の有／無を示すフラグを用い、各時間帯毎に、在庫有りのフラグ（＝１）の場合には上記の様に欠品見込数は‘０’となり、在庫無しのフラグ（＝０）の場合には上記欠品見込数の算出を行う。
【００８０】
図示の例では、簡単に説明する為に、１０時〜１４時の範囲のみを示している。この範囲内で、各時間帯毎に欠品見込数を算出すると、まず、欠品見込数は、在庫がなくなった後に、もし在庫があればどれだけ売れていたのかを示すものであるので、在庫がある１０時、１１時の欠品見込数は‘０’となる。
【００８１】
在庫が無い１３時、１４時については、図示のような算出方法により欠品見込数を算出する。
すなわち、上記１０時〜１４時の範囲において、今回の処理対象の時間帯を除いた売上数の合計を求め、また在庫がある時間帯のシェアの合計を求め、この売上数合計をシェア合計で除算し、これに今回の処理対象の時間帯のシェアを乗算することにより、その時間帯の欠品見込数を算出する。例えば１３時を処理対象とすると、売上数の合計は１１時の２個と１２時の３個とで５個であり、在庫がある時間帯である１０時のシェアは０．１、１１時のシェアは０．１であるのでシェア合計は０．２となり、１３時のシェアは０．０７であるので、１３時の欠品見込数は、
（５／０．２）×０．０７＝１．７５個となる。
【００８２】
但し、図示の例では１０時〜１４時の範囲を対象とした計算例を示しているが、実際には０時〜２３時までの各算出対象時間を除いた全ての時間を対象にして行う（例えば、１３時について求める場合には、０時〜１２時及び１４時〜２３時の中での売上数の合計を、在庫のある時間帯におけるシェアの合計値で除算し、これに１３時のシェア（０．０７）を乗算することにより、１３時の欠品見込数を算出する）。
【００８３】
尚、２４時間（１日）の各時間帯の在庫数、売上が全て‘０’の場合には、意図的に発注しなかったと考えられるので、欠品見込数は全ての時間帯で一律‘０’とする。
【００８４】
また、尚、１２時のように在庫がないのに売上があるケースについての欠品見込数の算出は、以下の図１１で説明する。
図１１は、単品別時刻別欠品数テーブル２７の一例と、その欠品見込数の算出方法の一例を示す図である。
【００８５】
尚、▲４▼発注数（＝納品）８４及び▲６▼廃棄数８６は、後述するプロセスＤ５４の処理で図１３のような単品別潜在力テーブル２８を作成する際に、この単品別時刻別欠品数テーブル２７のデータが用いられる為、図示されているが、ここでの欠品見込数算出処理では必要ないので、説明は省略する。
【００８６】
▲１▼在庫フラグ８１は、上記の通り、在庫が無い場合に‘０’、在庫がある場合に‘１’となるフラグである。
▲２▼時間帯別シェア８２は、上記の通り、例えば図１０のシェア７５のことである。
【００８７】
▲３▼８３は、各時間帯別に▲１▼在庫フラグ×▲２▼時間帯別シェアを求めたものであり、図１０に示す欠品見込数算出式における分母（つまり、在庫がある時間帯のシェアの総和）を求める為のものである。
【００８８】
▲５▼販売数（売上）８５は、上記図１０の売上７３のことである。
これら▲１▼在庫フラグ８１、▲３▼８３、及び▲５▼販売数（売上）８５を用いて、以下の式（２）により、各時間帯の欠品見込数（Ｋｎ；ｎは各時間帯０〜２３）を算出する。
【００８９】
欠品見込数（Ｋｎ）＝−１×（Ｆｎ−１）×Ｓｎ
×Σ販売数／Σ（在庫フラグ×時間帯別シェア）−Ｈｎ・・・（２）式
（但し、Ｋｎ≦０の場合は、Ｋｎ＝０とする。また、２４時間（１日）の販売総数が‘０’の場合には、当日の欠品数は‘０’とする。）
ここで、（２）式のΣの範囲は、上述してある通り、０時〜２３時の中で今回計算対象となっている時間（ｎ）を除く全ての時間帯を意味する。一方、Ｆｎ、Ｓｎ、Ｈｎは、各々、今回計算対象となっている時間（ｎ）の▲１▼在庫フラグ８１、▲２▼時間帯別シェア８２、▲５▼販売数（売上）８５である。（２）式においては、「−１×（Ｆｎ−１）」の部分により、在庫がある時間帯（Ｆｎ＝１）の欠品数は必ず‘０’になる（−Ｈｎによって負の値となってもＫｎ≦０の場合は、Ｋｎ＝０としているので）。一方、通常は（図１０の１２時ような場合は例外）、在庫がない時間帯には、−Ｈｎは必ず‘０’となる（在庫がないのに売れるはずがない）。
【００９０】
上記（２）式の最後の「−Ｈｎ」は、例えば図１０の１２時のように、在庫数が無いのに販売数がある時間帯に対応する補正の為のものである。よって、このような時間帯を考慮しない場合には「−Ｈｎ」は必要ない。
【００９１】
すなわち、図１０の１２時の時間帯の例は、この時間帯の最初（１２：００）には在庫数が３個であり、１２時台に３個売れたのであるが、本例の在庫数は各時間帯の最後（この例では１２：５９）における在庫数を意味する為、本システムのデータ取扱上は、在庫数は‘０’となっている。本例では、このようなケースに対して、（２）式の「−Ｈｎ」により、算出した欠品見込数（ここでは（２）式で「−Ｈｎ」以外の部分による算出値をいう）が、販売数（売上）以下の場合には欠品見込数が‘０’になるように補正している（つまり、その時間帯にある程度以上の売上があれば、その時間帯の欠品はないものと見做す）。
【００９２】
このようにして、各商品毎に時間帯別の欠品見込数を算出したら、続いて、プロセスＤ５４の潜在力算出処理か、プロセスＥ５５の期待利益テーブル作成処理に移る。
【００９３】
まず、プロセスＤ５４の潜在力算出処理について、図１２、図１３を参照して説明する。
図１２は、プロセスＤ５４の潜在力算出処理を説明する為のフローチャート図である。
【００９４】
上記プロセスＣ５３の処理により、各商品別に、各時間帯別の欠品数が算出され、また各時間帯の販売数（売上数）も分かっているので、まず、各商品毎に（単品別に）これらの総和（０時〜２３時までの総和）を求める（総販売数、総欠品数）。
【００９５】
そして、各商品毎に、まず、以下の式（３）により、総計算需要値を算出する（ステップＳ３１）。
総計算需要値＝総販売数＋総欠品数 ・・・（３）
次に、各商品毎に、以下の式（４）により、単品別潜在力を算出する（ステップＳ３２）。
【００９６】
単品別潜在力＝総計算需要値／総販売数 ・・・（４）
そして、上記算出結果より単品別潜在力テーブルを作成し、これを表示する（ステップＳ３３）。
【００９７】
図１３は、単品別潜在力テーブル２８の一例を示す図である。
図示の例の単品別潜在力テーブル２８は、販売日数９１、総発注数９２、総実売上数９３、１日当たりの売上数９４、総廃棄数９５、総欠品数９６、総計算需要値数９７、１日当たりの総計算需要値数９８、潜在力９９の各項目より成る。
【００９８】
販売日数９１は、各商品の上記直近期間内での実際の販売日数であり、特に説明していないが、上記ステップＳ２５、Ｓ２６の処理中に分かることである。
総発注数９２は、上記単品別時刻別欠品数テーブル２７の▲４▼発注数８４より分かる（総和を求める）。総実売上数９３、総廃棄数９５、総欠品数９６についても、同様に、単品別時刻別欠品数テーブル２７のデータより分かる。
【００９９】
１日当たりの売上数９４は、「総実売上数９３／販売日数９１」より求める。
総計算需要値数９７はステップＳ３１で求めた値であり、１日当たりの総計算需要値数９８はこれを販売日数９１で割った値である。潜在力９９は、上記ステップＳ３２で求めた値である。
【０１００】
このように、図示の例では、潜在力９９以外にも種々のデータが存在するが、潜在力９９が表示されれば、ユーザは、発注量の増減の判断等を行なえる。すなわち、「潜在力」は、潜在力＝（実際に販売のあった日の間の）総計算需要値／（実際に販売のあった日の間の）総販売数で算出されているので、単純に、数値が大きくなるほど「売り逃しを多く発生させている商品」であるといえる。
【０１０１】
よって、例えばユーザが“「おにぎり」商品の発注を２個増やしたい”と思ったとすると、潜在力９９を参照すれば、各種「おにぎり」商品の中で潜在力９９の値が大きい商品の発注数を増やせばよいことになる。
【０１０２】
このように、潜在力を算出／表示することで、ユーザは、発注量の増減の判断等を適切に行なえるようになる。また、適切な売れ筋／死に筋商品管理が行なえるようになる。
【０１０３】
次に、プロセスＥ５５の処理について、図１４〜図１７を参照して説明する。
図１４は、プロセスＥ５５の処理を示すフローチャート図である。
以下、図１４に示す処理について説明するが、その際、一例として、図１５に示すある一日における１便の発注前に、この１便についての期待利益率を求めることとして説明する。つまり、上記プロセスＣ５３では、便毎に区別することなく、時間帯別の分析を行なったが、プロセスＥ５５以降では、発注前の任意の便を対象として処理を行う。
【０１０４】
図１５において、１便の販売時間を▲１▼時限、１便販売時間と３便販売時間が重複する時間帯を▲２▼時限、１便販売時間と２便販売時間が重複する時間帯を▲３▼時限、１便販売時間開始から２便販売時間開始までの時間帯を▲４▼時限とする。
【０１０５】
図１４において、まず、上記プロセスＣ５３で作成された単品別時刻別欠品見込数テーブル２７を取得する（ステップＳ４１）。
次に、各単品別に、直近期間の販売実績データより、各日別の▲１▼時限の（日別便別の）総需要数（販売数＋欠品見込数）をそれぞれ算出し、更にこれらより平均値μ、分散値（標準偏差）σを算出する（ステップＳ４２）。
【０１０６】
例えば、今回の処理対象の日が平日であり、処理対象の商品が「幕の内弁当」であったとし、直近期間の平日（月、火、水、木、金）の「幕の内弁当」の▲１▼時限（１時〜１６時）の売上の合計が（４、５、３、５、３）個、欠品見込数の合計が（２、３、２、４、３）であったとすると、１便に関する各日の総需要数（売上＋欠品見込数）は（６、８、５、９、６）となる。本例では、これを平均値μ、分散値（標準偏差）σ（この例で計算すると平均値μ＝６．８個、分散値（標準偏差）σ＝１．６４個）の正規分布であるとして処理を行なっていく。
【０１０７】
次に、▲２▼時限に売れる前便（本例では３便）の単品別の期待販売数量Ｊを、以下の（５）式により算出する（ステップＳ４３）。
期待販売数量Ｊ＝持ち越し期待数量−廃棄期待数量 ・・・（５）
ここで、単品別の持ち越し期待数量／廃棄期待数量は、予め、当該１便に関する処理の前に行なわれているはずの、前便（３便）に関する処理において各単品の発注数（以下の式におけるｎ）が決められた後に、以下の算出式（６）、（７）により求めて記憶しておいた値を用いる。
【０１０８】
【数１】
【０１０９】
【数２】
【０１１０】
次に、商品原価テーブル２９より、各単品別の１個当たりの原価、販売価格（売価）、及び粗利（＝売価−原価）データを取得する（ステップＳ４４）。商品原価テーブル２９は、予め、単価テーブル１４に基づいて作成されている（尚、商品原価テーブル２９の一例を図１６に示す）。
【０１１１】
そして、上記ステップＳ４２、Ｓ４３、Ｓ４４で求めた各値（粗利額、原価額、μ，σ，Ｊ）を用いて、日別便別の期待利益／期待利益率を算出する（ステップＳ４５）。
【０１１２】
期待利益は、各単品毎に、１個目を発注した場合の期待利益、２個目を発注した場合の期待利益、・・・、ｎ個目を発注した場合の期待利益、・・・、最大規定数（予め、例えば２０個等と設定しておく）を発注した場合の期待利益、というように、順次算出していくものであり、ｎ個目の期待利益額（Ｍｎ）は以下の（８）式により算出される。
【０１１３】
Ｍｎ＝粗利額×（１−Ф（μ，σ，ｎ＋Ｊ））−原価額×Ф（μ，σ，ｎ＋Ｊ） ・・・（８）
（Ф（μ，σ，ｎ＋Ｊ）は、累積正規分布関数平均μ、分散σの時の値ｎ＋Ｊにおける累積確率密度；ＥＸＣＥＬを用いて算出する場合は、ＮＯＲＭＤＩＳＴ（ｎ＋Ｊ，μ，σ，ＴＲＵＥ）により求める。）
すなわち、簡単に言えば、Ф（μ，σ，ｎ＋Ｊ）は、その商品のｎ個目が売れない確率を意味する。また、売れる確率と売れない確率を足すと１（１００％）になることより、（１−Ф（μ，σ，ｎ＋Ｊ）でその商品のｎ個目が売れる確率を意味している。よって、上記（８）式は、簡単に言えば以下の通りとなる。
【０１１４】
Ｍｎ＝粗利額×ｎ個目が売れる確率
−原価額×ｎ個目が売れない確率
但し、（８）式において“ｎ”ではなく“ｎ＋Ｊ”としていることより、基本的に、前便の持ち越し数量が多いほど、期待利益額は少なくなることになる（当然のことながら、例えば２個目が売れないのに３個目が売れるはずはないのであるから、期待利益額は、個数が大きいと小さくなる傾向となる）。
【０１１５】
また、正規分布は、上記の通り、売上数に対するものではなく、「売上数＋欠品見込数」に対するものであるので、ｎ個目が売れる確率の値には、欠品見込数が影響を与えている。よって、当然、期待利益額に影響する。
【０１１６】
また、各期待利益額を算出する毎に、その期待利益率を、以下の（９）式により求める。
期待利益率＝期待利益額／販売価格 ・・・（９）
上記（９）式によれば、例えば期待利益額が１００円の商品Ａと期待利益額が５０円の商品Ｂであり、期待利益額だけみれば商品Ａの方が良いように思われる場合でも、例えば商品Ａの販売価格が５００円で商品Ｂの販売価格が１００円であったならば、期待利益率は商品Ｂのほうが良くなる。一般に、販売価格が高い商品の方が商品１個当たりの粗利が高いので、期待利益額だけ見ると販売価格が高い商品の発注数が多くなる可能性があるので、期待利益率を求める。
【０１１７】
上記処理を、発注対象となる全ての商品について行ない、これをまとめた日別便別期待利益額／期待利益率テーブルを作成し、表示する（ステップＳ４６）。
図１７は、日別便別期待利益額／期待利益率テーブルの一例を示す図である。
【０１１８】
図示の例では、日別便別期待利益率テーブル３１の例を示しており、上記期待利益額／期待利益率算出処理対象の便名１０１（本例では１便）、商品名１０２、売価１０３、原価１０４、粗利１０５等が表示され、更に粗利１０５の右側に示す‘１’〜‘５’の項目（上記最大規定数を２０個と規定した場合には‘６’〜‘２０’も存在するが、ここでは省略している）は、各々上記ステップＳ４５で算出した「ｎ個目を発注した場合の期待利益率」を意味する。
【０１１９】
続いて、図１８に示すプロセスＦ５６の処理により、まず、ユーザは、処理対象を全商品とするのか、それとも対象商品を限定するのか（逆に言えば例えば元々発注するつもりがない商品等は除外するのか）を判断し、何れかを選択／指示する（ステップＳ５１）。
【０１２０】
ユーザの選択／指示が、対象商品限定ありであった場合には（ステップＳ５１，ＹＥＳ）、続いて、例えば全商品名のリストを表示する等して、この中からユーザに処理対象の商品（または除外する商品）を指定させる等して、対象商品の選別を行わせる（ステップＳ５２）。尚、これに限らず、過去の実績データより納品実績のある商品を対象商品としてもよい。
【０１２１】
上記期待利益率テーブル３１の各レコードを順次読みこんでいき（ステップＳ５３及びそのループ）、これを期待利益率の高い順にソートする処理を行う（ステップＳ５４）。その際、上記ステップＳ５２の処理を行なっていた場合には、対象商品のレコードのみを読み込んでいくものとし、対象外の商品のレコードは読みこまない。
【０１２２】
更に、ソートした期待利益率の最も高いものから、順次、発注金額累計を算出していく。尚、発注金額は、売価、原価のいずれであってもよいが、図１９の例では売価により発注金額累計を算出している。
【０１２３】
これより、例えば図１９に示すような全商品ソート結果テーブル（発注優先順位テーブル）３２が作成／表示される（ステップＳ５５）。
図１９の例の全商品ソート結果テーブル（発注優先順位テーブル）３２は、本処理対象の便名１１１（本例では１便）、商品名１１２、売価１１３、原価１１４、粗利１１５、発注ｎ個目１１６、期待利益率１１７、及び発注金額累計１１８の各項目より成る。
【０１２４】
そして、プロセスＧ５７の発注シミュレーションを実行する。
図２０は、プロセスＧ５７の発注シミュレーション処理を説明する為のフローチャート図である。
【０１２５】
まず、本処理で求めるものが、発注予算内で最大限の利益が期待できる発注の仕方を求めるものであるのか、発注予算に関係なく最大限の利益が期待できる発注の仕方を求めるものであるのかをユーザに判断／入力させる。
【０１２６】
発注予算内とする場合には（ステップＳ６１，ＹＥＳ）、ユーザ等に発注予算の設定／入力を行なわせる（ステップＳ６２）。
そして、上記プロセスＦ５６で作成された発注優先順位テーブル３２の先頭から（つまり、期待利益率が高いものから）順次１つずつレコードを読みこんで（ステップＳ６３及びそのループ）、発注シミュレーション結果テーブルを順次作成していく（ステップＳ６５）処理を、読み出したレコードの「発注金額累計」１１８の値が発注予算以上となる（ステップＳ６４，ＹＥＳ）レコードが現われるまで、繰り返し行なっていくものである。
【０１２７】
例えば、本例では、発注予算が1,000円であるとし、図１９の例を用いると、最初のレコードの発注金額累計は１３０円であるので、ステップＳ６４の判定はＮＯとなり、ステップＳ６５の処理に移る。ステップＳ６５では、このレコードをそれまでに作成された発注シミュレーション結果テーブル３３に追加することで、発注シミュレーション結果テーブル３３を順次作成していく（ステップＳ６５）。その際、このレコードの「発注ｎ個目」の値を、図２１に示す最適発注数１２６とする。尚、後にこの商品と同一商品のレコードが発注予算枠内に存在し、ステップＳ６５の処理が行なわれた場合には、そのレコードの「発注ｎ個目」１１６の値により、最適発注数１２６の値が更新されることになる。
【０１２８】
そして、ステップＳ６３の処理に戻り、次のレコードを読み出して、同様の処理を行なっていく。上記図１９の例では、商品「おべんとうＡ」のレコードの処理において、レコード累計金額（＝1,420）≧発注予算となるので（ステップＳ６４，ＹＥＳ）、ステップＳ６９の処理に移る。
【０１２９】
一方、発注予算に関係なく最大限の利益が期待できる発注の仕方を求める場合の処理（ステップＳ６６、Ｓ６７、Ｓ６８）については、ステップＳ６９の処理に移行する条件が違う（すなわち、期待利益率が‘０’以下のレコードが現われるまで処理を繰り返す）ことを除けば、ステップＳ６３、Ｓ６４、Ｓ６５の処理と同様の処理を行うものであるので、特に説明しない。
【０１３０】
発注シミュレーション結果テーブル３３は、この商品「おべんとうＡ」のレコードの直前のレコードまでについてのステップＳ６５の処理により作成されているので、これを表示する。更に期待利益額テーブル３０を用いて期待利益額のトータル値（本例では１便トータルの期待利益額）が求まる。また総発注額も求まるので、これらを、発注シミュレーション結果テーブル３３と共に表示する。
【０１３１】
この表示例を、図２２に示す。但し、この段階では、上記最適発注数１２６に応じた発注額、利益は算出／表示されているが、シミュレーション結果に応じた発注額、利益はまだ算出／表示されていない。これについては後述する。
【０１３２】
図２１は、発注シミュレーション結果テーブル３３の一例を示す図である。。
図示の発注シミュレーション結果テーブル３３は、便名１２１、商品名１２２、売価１２３、原価１２４、粗利１２５、最適発注数１２６、及び実発注数１２７の各項目より成る。
【０１３３】
便名１２１、商品名１２２、売価１２３、原価１２４、粗利１２５についての説明は省略する。
最適発注数１２６については、上述した通りであり、例えば、図１９において商品「おべんとうＡ」のレコードの前までに存在するレコードの商品の中で、「発注ｎ個目」が‘２’のレコードが存在している商品「おにぎりＤ」、「おにぎりＢ」の最適発注数は‘２’、それ以外の商品の最適発注数は‘１’となっている。また、当然、商品「おべんとうＡ」及び発注１個目の期待利益率がこれより低い商品は、発注候補から外されることになる。
【０１３４】
ユーザは、システムが推奨する（最大利益が期待できる）発注対象商品及びその発注数（最適発注数１２６）をそのまま実際の発注数量としてもよいが、これを参考にしながら図２１に示す「実発注数」１２７の項目に任意の発注数を入力していってもよい。
【０１３５】
すなわち、ステップＳ６９の段階では、未だ、実発注数１２７の項目には何もデータは入っていない。例えば図２２に示す表示画面上で、必要に応じて、ユーザが入力していくものである。
【０１３６】
ユーザが発注数量を変更したい場合には（ステップＳ７０，ＹＥＳ）、表示画面上で実発注数１２７の項目に任意の発注数を入力させる（ステップＳ７１）。
これより、発注数が変更された（最適発注数１２６の値とは違う値が入力された）レコードについては、再度、期待利益額テーブル３０から対応するデータを読み込んで（ステップＳ７２）、再度、上記期待利益額のトータル値及び総発注額を算出する処理を実行し、この算出結果を図２２のシミュレーション結果として表示する（ステップＳ７３）。
【０１３７】
ユーザは、この結果を見て、未だ納得がいかない場合には、再度、実発注数１２７のデータを入力し直し、ステップＳ７０〜ステップＳ７３の処理が繰り返されることになる。そして、納得がいったら（ステップＳ７０，ＮＯ）、そのときの実発注数１２７で発注数量が確定する（ステップＳ７４）。
【０１３８】
図２３（ａ）〜（ｅ）は、簡単な一例を用いて、期待利益率算出から発注優先順位テーブル作成により、最適発注数及び実発注数を決める過程を説明する為の図である。
【０１３９】
同図においては、対象商品は、「弁当Ａ」、「弁当Ｂ」のみとする。
同図（ａ）には、これらの各商品の販売価格、仕入価格、粗利（ステップＳ４５で得る）、及び上記ステップＳ４１で取得した単品別の過去（直近期間）内のこれら各対象商品の販売日（本例では５日分とする）の総需要数（売上数＋欠品見込数）の一例が示され、更にこれに基づいて上記ステップＳ４１、Ｓ４２の処理で算出された単品別の平均値μ、分散値（標準偏差）σが示されている。
【０１４０】
同図（ｂ）には、同図（ａ）のデータに基づいて算出された各商品毎の販売確率を示す。ここで、販売確率とは、上記ステップＳ４５の処理途中で得られる（１−Ф（μ，σ，ｎ＋Ｊ））のことであり、その商品のｎ個目が売れる確率を意味する。尚、Ф（μ，σ，ｎ＋Ｊ）は、上記の通り、累積確率密度のことである。
【０１４１】
同図（ｃ）には、これら「弁当Ａ」、「弁当Ｂ」のみを対象として求めた期待利益率テーブル３１の一例を示し、ここでは発注１個目〜発注９個目までの値を求めている。
【０１４２】
これらを、期待利益率の高い順にソートすると、同図（ｄ）に示すような発注優先順位テーブルが作成される。図（ｃ）の期待利益率の各数値に従えば、図（ｄ）に示す通り、最上位から順に、弁当Ａの発注１個目、弁当Ａの発注２個目、弁当Ａの発注３個目、弁当Ａの発注４個目、弁当Ｂの発注１個目、弁当Ｂの発注２個目、・・・という順にソートされることになる。尚、図示の通り、期待利益率が同じものがある場合には、発注ｎ個目のｎの値が小さいほうが上位となる。
【０１４３】
この例において、図２０のステップＳ６１でＹＥＳで、ステップＳ６２で発注予算を１５００円に設定したものとすると、図２３（ｄ）のＮＯ．６のレコード（弁当Ｂの発注２個目のレコード）を読み込んで図２０のステップＳ６４の判定をした時点で判定がＹＥＳとなり、それまでのレコード（すなわちＮＯ．１〜ＮＯ．５までのレコード）によりステップＳ６５の処理により作成されていた発注シミュレーション結果テーブル３３の内容は、図２３（ｅ）に示す通りとなる。
【０１４４】
すなわち、この場合の最適発注数は、弁当Ａが４個、弁当Ｂが１個となる（図（ｃ）を見れば、５個注文する場合の全ての組み合わせの中で、弁当Ａが４個、弁当Ｂが１個の組み合わせが最適となっている（両者の期待利益率の和が最も大きいもの）ことからも、利益基準での最適な発注数が得られていることが分かるであろう）。
【０１４５】
ここで例えば、この最適発注数の表示を見たユーザが、発注予算は１５００円と設定したが、やはり弁当は合計で６個発注したいと思ったとしたら、図２３（ｅ）に示す通り、実発注数は弁当Ａが４個、弁当Ｂが２個としてもよい。
【０１４６】
一方、図２０のステップＳ６１でＮＯとし、発注予算の制限なく、最大限の利益が期待できる発注量を求めた場合には、ＮＯ．１〜ＮＯ．７までにレコードにより発注シミュレーション結果テーブル３３が作成されるので、この場合の最適発注数は、弁当Ａが４個、弁当Ｂが３個となる。
【０１４７】
尚、上記手法では、商品カテゴリに関係なく最大利益のみを追及する為、例えば極端な場合、弁当類ばかりを発注し、おにぎり類は全く発注されないという事態も考えられ、これは実際の営業上まずいので、例えば弁当類、おにぎり類等それぞれに発注数量枠（または発注金額枠）を設け、この枠を越える分については他の商品の発注分にまわすようにしてもよい。
【０１４８】
また、尚、現実には、頻繁に商品の改廃が行なわれる。上記説明では新商品については処理対象としていない（当然、過去の販売データがないので）が、新商品については通常本部からの指導により発注数が決められているので（各店舗の店長が独自に決める等してもよいが、いずれにしても）予め新商品の発注数は決められている。よって、このような場合、この新商品の発注数分を指し引いた数を、例えば上記弁当Ａと弁当Ｂとで配分すればよい（例えば、上記設定入力する発注予算を「本来の発注予算−新商品の発注金額」とすればよい）。
【０１４９】
また、尚、上記発注予算に応じた最適発注数の算出は、特に、外的要因により仕入額が変動する場合に特に有効である。例えば、天候の変化（台風、雪等）や近隣のイベント（花見や道路工事など）の外的要因によって来客数の変動が見込まれる場合、仕入総額を変動させる必要があり、この仕入総額に応じて各商品の数量を調整する必要がある。本例のシステムによれば、このような場合、自動的に、仕入総額（発注予算）の変動に応じた最適な発注数を提案するので、ユーザは、効率良く適切に各商品の数量を調整することができる。
【０１５０】
また、本システムを利用していくことにより、店舗の利益向上につながり、この改善利益を原資に発注予算を拡大し、単品発注の最適化を実現し、更にこれが販売機会拡大をもたらし売上向上につながるというような、良いサイクルに入ることが期待できる。
【０１５１】
図２４は、本実施の形態による日配品発注最適化システムを実現する情報処理装置のハードウェア構成の一例を示す図である。
同図に示す情報処理装置１３０は、ＣＰＵ１３１、メモリ１３２、入力装置１３３、出力装置１３４、外部記憶装置１３５、媒体駆動装置１３６、ネットワーク接続装置１３７等を有し、これらがバス１３８に接続された構成となっている。同図に示す構成は一例であり、これに限るものではない。
【０１５２】
ＣＰＵ１３１は、当該情報処理装置１３０全体を制御する中央処理装置である。
メモリ１３２は、プログラム実行、データ更新等の際に、外部記憶装置１３５（あるいは可搬記憶媒体１３９）に記憶されているプログラムあるいはデータを一時的に格納するＲＡＭ等のメモリである。ＣＰＵ１３１は、メモリ１３２に読み出したプログラム／データを用いて、上述してある各種処理を実行する。
【０１５３】
入力装置１３３は、例えば、キーボード、マウス等であり、ユーザが例えば上記図３の設定画面上等で入力を行う為の構成である。
出力装置１３４は、ディスプレイ等であり、例えば設定画面や処理途中、処理結果としての上述した各種テーブルを表示する。
【０１５４】
外部記憶装置１３５は、例えば磁気ディスク装置、光ディスク装置、光磁気ディスク装置等であり、上記各種処理を実行させて、上述してきた日配品発注最適化支援システムとしての各種機能を実現させる為のプログラム等が格納されている。
【０１５５】
媒体駆動装置１３６は、可搬記憶媒体１３９に記憶されているプログラム／データ等を読み出す。可搬記憶媒体１３９は、例えば、ＦＤ（フロッピーディスク）、ＣＤ−ＲＯＭ、その他、ＤＶＤ、光磁気ディスク等である。
【０１５６】
ネットワーク接続装置１３７は、ネットワークに接続して、例えば、上記図２の各店舗または本部のデータベース１０から必要なデータを入力したり、発注システム３４に発注内容を出力する為の構成である。
【０１５７】
図２５は、記録媒体の一例を示す図である。
図示のように、上記プログラム／データは、可搬記憶媒体１３９に記憶されているプログラム／データ等を、情報処理装置側にロードして、メモリ１３２に格納し実行するものであってもよいし、また、上記プログラム／データは、ネットワーク接続装置１３７により接続しているネットワーク（インターネット等）を介して、外部の情報提供者側の装置１４１の記憶装置１４２に記憶されているプログラム／データをダウンロードするものであってもよい。
【０１５８】
また、本発明は、上記プログラム自体として構成することもできる。
（付記１） 過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートする期待利益順発注優先順位作成手段と、
該期待利益順発注優先順位作成手段の処理結果に基づいて、最適発注パターンを算出する最適発注パターン算出手段と、
を有することを特徴とする日配品発注最適化支援システム。
（付記２） 過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間に基づいて、各商品毎に、時間帯別欠品見込数を算出する欠品見込数算出手段とを更に有し、
前記期待利益順発注優先順位作成手段は、前記販売実績データと該時間帯別欠品見込数とに基づいて、前記期待利益の算出を行うことを特徴とする付記１記載の日配品発注最適化支援システム。
（付記３） 前記期待利益の算出は、前便の処理において算出されていた前便からの持ち越し見込数量も考慮して行うことを特徴とする付記１または２記載の日配品発注最適化支援システム。
（付記４） 過去の直近期間内の販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を更に備え、
該曜日特性分析手段により売上特性に違いがあると判定された場合、前記期待利益順発注優先順位作成手段または／及び前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データまたは／及び各時間帯別の売上シェアに基づいて処理を行うことを特徴とする付記１〜３の何れかに記載の日配品発注最適化支援システム。
（付記５） 前記期待利益順発注優先順位作成手段は、各商品毎に、前記販売実績データより得られる各日毎の総売上または総需要値を平均μ、標準偏差σの正規分布として累積正規分布関数に当てはめた場合の各商品の特定個数までの各個毎の累積確率密度を求め、該累積確率密度と各商品の原価、粗利、販売価格とにより前記期待利益を算出することを特徴とする付記１〜４の何れかに記載の日配品発注最適化支援システム。
（付記６） 前記最適発注パターン算出手段により算出される最適発注パターンと該最適発注パターンに応じた総発注額、総利益額を算出して表示すると共に、入力される実発注数に応じた総発注額、総利益額を算出して表示する発注シミュレーション手段を更に有することを特徴とする付記１〜５の何れかに記載の日配品発注最適化支援システム。
（付記７） 過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する欠品見込数算出手段と
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する潜在力算出手段と、
を有することを特徴とする日配品発注最適化支援システム。
（付記８） 過去の直近期間内の販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を更に備え、
該曜日特性分析手段により売上特性に違いがあると判定された場合、前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データ／各時間帯別の売上シェアに基づいて処理を行うことを特徴とする付記７記載の日配品発注最適化支援システム。
（付記９） 過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートし、
該ソート結果に基づいて、最適発注パターンを算出することを特徴とする日配品発注最適化支援方法。
（付記１０） 過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求め、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出し、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示することを特徴とする日配品発注最適化支援方法。
（付記１１） コンピュータに、
過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートする機能と、
該ソート結果に基づいて、最適発注パターンを算出する機能と、
を実現させるためのプログラム。
（付記１２） コンピュータに、
過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める機能と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する機能と、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する機能と、
を実現させるためのプログラム。
（付記１３） コンピュータにおいて用いられたとき、
過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートする機能と、
該ソート結果に基づいて、最適発注パターンを算出する機能と、
を実現させるプログラムを記録した前記コンピュータ読取り可能な記録媒体。
（付記１４） コンピュータにおいて用いられたとき、
過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める機能と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する機能と、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する機能と、
を実現させるプログラムを記録した前記コンピュータ読取り可能な記録媒体。
【０１５９】
【発明の効果】
以上、詳細に説明したように、本発明の日配品発注最適化システム、その方法によれば、利益基準で最適な発注パターン（どの商品を何個発注するのか）が提示され、これに基づく容易且つ適正な発注の判断が行なえ、販売機会ロスの減少を図れ、適正な売れ筋・死に筋商品管理を行なえるように支援できる。
【図面の簡単な説明】
【図１】図１は、本発明の機能ブロック図である。
【図２】本実施の形態による日配品発注最適化システム全体の概略的な構成図である。
【図３】日配品発注最適化システムを用いる最適化／発注処理全体の概略フローチャートである。
【図４】日配品発注最適化支援の為の分析プロセスを概略的に示す図である。
【図５】プロセスＢの詳細処理フローチャート図である。
【図６】（ａ）は売上明細テーブル、（ｂ）は平日休日別売上合計テーブル、（ｃ）は平日／休日別時間帯別売上シェアテーブルの一例を示す図である。
【図７】プロセスＣの詳細処理フローチャート図である。
【図８】（ａ）は便別納品テーブル、（ｂ）は便別商品売上金額テーブルの一例を示す図である。
【図９】各時間帯毎の在庫数の算出の様子を示す図である。
【図１０】時刻別欠品見込数の算出方法を一例を示して概略的に説明する為の図である。
【図１１】単品別時刻別欠品数テーブルの一例と、その欠品見込数の算出方法の一例を示す図である。
【図１２】プロセスＤの潜在力算出処理を説明する為のフローチャート図である。
【図１３】単品別潜在力テーブルの一例を示す図である。
【図１４】プロセスＥの処理を示すフローチャート図である。
【図１５】図１４の処理を一例を示して説明する為の図である。
【図１６】商品原価テーブルの一例を示す図である。
【図１７】期待利益率テーブルの一例を示す図である。
【図１８】プロセスＦの処理を示すフローチャート図である。
【図１９】全商品ソート結果テーブル（発注優先順位テーブル）の一例を示す図である。
【図２０】プロセスＧの発注シミュレーション処理を説明する為のフローチャート図である。
【図２１】発注シミュレーション結果テーブルの一例を示す図である。
【図２２】発注シミュレーション結果の表示例を示す図である。
【図２３】（ａ）〜（ｅ）は、簡単な一例を用い、期待利益率算出からの発注優先順位テーブル作成により、最適発注数及び実発注数を決める過程を説明する為の図である。
【図２４】本実施の形態による日配品発注最適化システムを実現する情報処理装置のハッドウェア構成の一例を示す図である。
【図２５】記録媒体を示す図である。
【符号の説明】
１ 期待利益順発注優先順位作成部
２ 最適発注パターン算出／表示部
３ 発注シミュレーション部
４ 売上シェア分析部
５ 欠品見込数算出部
６ 潜在力算出／表示部
７ 曜日特性分析部
８ データ入力部
１０ 店舗または本部のデータベース
１１ 売上明細テーブル
１２ 納品明細テーブル
１３ 商品廃棄明細テーブル
１４ 単価テーブル
２０ 日配品発注最適化支援システム
２１ 平日／休日別売上合計テーブル
２２ 平日／休日別時間帯別売上シェアテーブル
２３ 便別納品テーブル
２４ 便別商品売上金額テーブル
２５ 便別廃棄商品テーブル
２６ 単品別時刻別在庫数テーブル
２７ 単品別時刻別欠品数テーブル
２８ 単品別潜在力テーブル
２９ 商品原価テーブル
３０ 日別便別期待利益額テーブル
３１ 日別便別期待利益率テーブル
３２ 全商品ソート結果テーブル（発注優先順位テーブル）
３３ シミュレーション結果テーブル
３４ 発注システム
４１ 休日設定画面
４２ 分析条件設定画面
４３ データ期間
４４ 発注限度額
４５ 便の時間設定
５１ プロセスＡ
５２ プロセスＢ
５３ プロセスＣ
５４ プロセスＤ
５５ プロセスＥ
５６ プロセスＦ
５７ プロセスＧ
６１ 納品（１便）
６２ 売上（１便）
６３ 廃棄（１便）
６４ 在庫（１便）
６５ 納品（２便）
６６ 売上（２便）
６７ 廃棄（２便）
６８ 在庫（２便）
６９ 納品（２便）
７０ 売上（２便）
７１ 廃棄（２便）
７２ 在庫（２便）
７３ 売上（全体）
７４ 在庫（全体）
７５ 売上シェア
８１ 在庫フラグ
８２ 時間帯別シェア
８３ 在庫フラグ×時間帯別シェア
８４ 発注数（＝納品）
８５ 販売数（＝売上）
８６ 廃棄数
８７ 欠品見込数
９１ 販売日数
９２ 総発注数
９３ 総実売上数
９４ １日当たりの売上数
９５ 総廃棄数
９６ 総欠品数
９７ 総計算需要値数
９８ １日当たりの総計算需要値数
９９ 潜在力
１０１ 便名
１０２ 商品名
１０３ 売価
１０４ 原価
１０５ 粗利
１０６ 「ｎ個目を発注した場合の期待利益率」
１１１ 便名
１１２ 商品名
１１３ 売価
１１４ 原価
１１５ 粗利
１１６ 発注ｎ個目
１１７ 期待利益率
１１８ 発注金額累計
１２１ 便名
１２２ 商品名
１２３ 売価
１２４ 原価
１２５ 粗利
１２６ 最適発注数
１２７ 実発注数
１３０ 情報処理装置
１３１ ＣＰＵ
１３２ メモリ
１３３ 入力装置
１３４ 出力装置
１３５ 外部記憶装置
１３６ 媒体駆動装置装置
１３７ ネットワーク接続装置
１３８ バス
１３９ 可搬記憶媒体
１４１ 情報提供者側の装置
１４２ 記憶装置
【発明の属する技術分野】
本発明は、日配品等の発注において最適な発注品目／発注数の判断、売れ筋・死に筋商品管理を行なえるように支援するシステム、方法に関する。
【０００２】
【従来の技術】
従来、例えばコンビニエンスストア等で特に日配品（弁当類、おにぎり、その他生鮮食料品等のように基本的に毎日発注／配送されるような商品）の店頭商品管理は、販売実績（実販数）に基づいて、売れ筋・死に筋商品管理を行なっていた。
【０００３】
従来、上記日配品の発注業務は、人間による判断で行なっていた。すなわち、アイテムバリエーションの決定は、人間による判断で行なっていた。単品への数量落し込みは、前日／前週等の過去の販売実績をベースに決定していた。数量調整は、人間による試行錯誤による見切り型判断で行なっていた。前便の数量による当便への影響（販売時間帯（納入から賞味期限切れまでの期間）の重なりによるもの）についても、人間による判断で行なっていた。
【０００４】
【発明が解決しようとする課題】
上記売れ筋・死に筋商品管理や、数量落し込みは、過去の販売実績に基づいて行なっているが、例えばある商品の販売実績が５個であったとしても、それは発注数量が５個であった為で、もしもっと多く発注していればより多く売れていたかもしれない（すなわち、販売機会ロスが発生している）。一方で、発注数量が多過ぎれば、売れ残りが生じ、廃棄しなければならなくなる（すなわち、廃棄ロスが発生する）。
【０００５】
しかしながら、各商品の販売動向は各店舗毎に異なり、更に同一店舗においても日々バラツキがあり、人間の経験や試行錯誤にたよって適切な発注数を判断するのは難しいし、また多大な時間が掛かる。
【０００６】
このようなバラツキのある現象への対応（不確実性への対応）として、例えば重回帰分析、ツリー分析等の各種手法を用いて、バラツキの要因を解明し、バラツキを排除したり、バラツキによる影響を定量化することで、各商品毎にその商品が売れるはずの数量を予測する方法がある。
【０００７】
しかしながら、このような売上数を予測するというアプローチの仕方では、以下に述べる理由により、高精度の予測を行なえる予測モデルを構築することは極めて困難であった。
【０００８】
・同一条件で大量のデータの取得ができない（今日と昨日は違う／この店と隣の店とは違う、という現実の中では、同一条件の設定が困難）。
・バラツキを説明する要因の候補群が充分でない（例えば、弁当の詳細属性等）。
【０００９】
本発明の課題は、日配品等の発注において、利益基準で最適な発注パターン（どの商品を何個発注するのか）が提示され、これに基づく容易且つ適正な発注の判断が行なえ、販売機会ロスの減少を図れ、適正な売れ筋・死に筋商品管理を行なえるように支援できる日配品発注最適化支援システム、その方法、記録媒体、プログラムを提供することである。
【００１０】
【課題を解決するための手段】
本発明による請求項１記載の日配品発注最適化支援システムは、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成手段と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出手段とを有するように構成する。
【００１１】
上記日配品発注最適化支援システムによれば、全体として最大の利益が得られることを期待できる発注パターン（どの商品を何個発注するか）を算出することができる。ユーザは、このような利益基準で最適な発注パターン（どの商品を何個発注するのか）の提示を受けることができ、また更にこれを参考にして適正な発注パターンの判断が行なえるようになる。また、利益基準で算出する手法を用いることにより、異なるカテゴリ／異なる価格ゾーンの商品同士（例えば８００円の弁当と１００円のおにぎり）を、利益基準でスワップできるようになる。
【００１２】
本発明による請求項２記載の日配品発注最適化支援システムは、上記請求項１記載のシステムにおいて、更に、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間に基づいて、各商品毎に、時間帯別欠品見込数を算出する欠品見込数算出手段とを有するように構成する。
【００１３】
この場合、前記期待利益順発注優先順位作成手段は、前記販売実績データと該時間帯別欠品見込数とに基づいて、前記期待利益の算出を行う。このようにすることで、販売機会ロスが少なくなるようにしつつ最大利益が期待できる発注パターンを算出できる。
【００１４】
本発明による請求項３記載の日配品発注最適化支援システムは、上記請求項１または２記載のシステムにおいて、前記期待利益の算出は、前便の処理において算出されていた前便からの持ち越し見込数量も考慮して行うようにしている。
【００１５】
当該処理は次便に対する持ち越し数量を算出しておくものであり、次便（ここでは今回処理対象となっている当便）において期待利益を算出する際に、前便からの持ち越し数量が多いほどその商品の期待利益が少なくなるように補正している。これに基づいて発注パターンが算出される結果、前便からの持ち越し分による影響を考慮した発注量の調整が自動的に行なえる。また、これより、配送スケジュール変更や対応需要時間帯変更にも柔軟な対応が可能となる。
【００１６】
本発明による請求項４記載の日配品発注最適化支援システムは、上記請求項１または２または３記載のシステムにおいて、更に、過去の直近期間内の販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を有するように構成する。
【００１７】
そして、曜日特性分析手段により売上特性に違いがあると判定された場合、前記期待利益順発注優先順位作成手段または／及び前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データまたは／及び各時間帯別の売上シェアに基づいて処理を行う。
【００１８】
上記システムによれば、例えば、休日と平日とで売上特性に違いがある場合には、例えば処理対象の便の日が休日である場合には、過去の休日の販売実績データと休日の時間帯別の売上シェアに基づいて処理を行うことで、より精度の良い処理結果が得られるようになる。
【００１９】
本発明による請求項５記載の日配品発注最適化支援システムは、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する欠品見込数算出手段と、該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する潜在力算出手段とを有するように構成する。
【００２０】
上記潜在力の数値が大きい商品ほど「売り逃しを多く発生させている商品」であることを意味し、ユーザは、これを参照すれば、各商品の発注量の増減等の判断を容易に適切に行うことができる。
【００２１】
また、更に、上記曜日特性分析手段による判定を行うことで、より精度の良い処理結果が得られるようになる。本発明による請求項６記載の日配品発注最適化支援方法は、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理とを行う。
【００２２】
本発明による請求項７記載の日配品発注最適化支援方法は、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求め、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出し、該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する。
【００２３】
本発明による請求項８記載のプログラムは、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理と、をコンピュータに実行させるプログラムである。
【００２４】
本発明による請求項９記載のプログラムは、コンピュータに、過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める機能と、該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する機能と、該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する機能とを実現させるためのプログラムである。
【００２５】
本発明による請求項１０記載の記録媒体は、商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理とを実現させるプログラムを記録したコンピュータが読取り可能な記録媒体である。
【００２６】
【発明の実施の形態】
本発明では、上記のような、バラツキの要因を解明し、バラツキを排除したり、バラツキによる影響を定量化することで、各商品毎にその商品が売れるはずの数量を予測するというアプローチではなく、バラツキを所与のものとして、バラツキのある中で最善の戦術をとるアプローチ（手法；確率分布分析、線型計画、２次計画等）を採用する。そして、目的変数を期待利益（期待利益額または期待利益率の一方または両方を意味するものとする）とすることで、全体として最大利益を期待できる発注パターンを提示し、これに基づいて適正な発注が行なえるように支援することを第１の特徴としている。更に欠品機会損失の数量化や前便からの持ち越し数量の見積り処理を加えることで、より適正な発注が行なえるように支援できるようになる。
【００２７】
また、各商品毎の欠品見込数を算出し、これより各商品毎の潜在力（この数値が高いほど売り逃しを多く発生させていることを示す）を算出／表示することで、ユーザが例えば潜在力が高い商品の発注数を増やす等することで、販売機会ロスを少なくできることを第２の特徴としている。
【００２８】
以下、図面を参照して、本発明の実施の形態について説明する。
尚、以下の実施の形態の説明では、例えばコンビニエンスストア等の弁当、おにぎり等の商品を例にしているが、本発明の対象はこのようなコンビニエンスストア等に限るわけではなく、日配品の発注に係わる全てのものを対象とする。
【００２９】
図１は、日配品発注最適化支援システムの概略的な機能ブロック図である。
尚、同図において、実線の矢印で示しているのは、矢印の入力側の機能部における処理に必要最小限必要なデータ（または前の機能部での処理結果）であることを意味する。一方、点線の矢印で示しているのは、矢印の入力側の機能部における処理に必要最小限必要なものではないが、それが入力されることによって、より適正な処理結果が得られるようになることを意味する。
【００３０】
同図において、まず、本発明の第１の特徴に係わる必要最小限の構成として、期待利益順発注優先順位作成部１、最適発注パターン算出／表示部２がある。
期待利益順発注優先順位作成部１は、データ入力部８を介して入力される過去の直近期間内の販売実績データ等に基づいて、各商品毎に、今回の発注対象の“便”の販売時間帯における各販売日毎の実際の販売数（販売実績データ）を得て、この実際の販売数に基づいて（欠品見込数算出部５による算出結果を用いる場合には「実際の販売数＋欠品見込数」に基づいて）、これを平均μ、標準偏差σの正規分布であると見做して累積正規分布関数に当てはめた場合の累積確率密度（その商品のｎ個目（ｎ；後述する１〜ｍ個の中の任意の整数）が売れない確率）を求める（その際、前便からの持ち越し見込数量等（前便における当該処理で算出しておいたもの）を考慮するようにすることで、より適正な値が求まる）。
【００３１】
そして、この累積確率密度と、データ入力部８を介して入力されるデータより得られる各商品の原価、粗利のデータとに基づいて、各商品の１〜ｍ個目（ｍ；最大規定数；例えば２０個）までの各々の期待利益額／期待利益率を求める。
【００３２】
「期待利益額＝粗利×（１−累積確率密度）−原価×累積確率密度」
「期待利益率＝｛粗利×（１−累積確率密度）−原価×累積確率密度｝／販売価格」
（尚、（１−累積確率密度）は、その商品のｎ個目が売れる確率）
全ての商品について、１〜ｎ個目までの各々の期待利益額／期待利益率を求められたら、商品に関係なく、全体として、期待利益率（または期待利益額）が高いものから順にソートする（これより、期待利益順発注優先順位が作成される）。
【００３３】
最適発注パターン算出／表示部２は、期待利益順発注優先順位作成部１の処理結果に基づいて、設定された条件（例えば発注予算内）での最適発注パターン（すなわち、どの商品を何個発注するのか）を算出し、表示する。
【００３４】
このように、本発明の第１の特徴は、利益基準で最適な（最大利益を期待できる）発注パターンを自動的に算出することである。ここで、利益基準で計算することのもう１つのメリットは、価格帯や仕様の異なる物同士（例えば８００円の弁当と１００円のおにぎり）を、利益基準でスワップできることにある。
【００３５】
次に、更に、発注シミュレーション部３により、ユーザが、上記最適発注パターン算出／表示部２により算出／表示された内容を参考にしながら、実発注数を入力し、実発注数に応じた発注額、利益額を算出する等のシミュレーションを行なった後、ユーザが最も良いと思う発注数で発注を行うようにしてもよい。
【００３６】
また、上述した本発明の第１の特徴に係わる処理は、曜日特性分析部７による分析結果を用いることで、分析精度が向上する。すなわち、曜日特性分析部７は、平日／休日によって（または曜日によって）時間帯別売上パターンが異なるか否かを判定するものであり、この判定結果によっては、第１の特徴に係わる処理は、例えば平日と休日とで分けて処理することにより、分析精度が向上する。これは、以下に述べる本発明の第２の特徴に係わる処理についても同様である。
【００３７】
本発明の第２の特徴に係わる必要最小限の構成としては、売上シェア分析部４、欠品見込数算出部５、及び潜在力算出／表示部６がある。
売上シェア分析部４は、データ入力部８を介して入力される過去の直近期間内の販売実績データ等に基づいて、各時間帯別の売上シェアを求める（ここでは、各商品別ではなく、各時間帯別に全商品の売上金額を合計し、更にこれらを全て累計した売上金額総計額を求め、各時間帯別に、上記売上金額合計を売上金額総計額で割った値が、各時間帯別の売上シェアである）。
【００３８】
尚、曜日特性分析部７では、その処理中に、休日／平日別（または曜日別）で、各時間帯別の売上シェアを求めているので、第２の特徴に係わる処理において、例えば平日と休日とで分けて処理することにより分析精度が向上させたい場合にはこれを用いる。
【００３９】
欠品見込数算出部５は、上記各時間帯別の売上シェアと、データ入力部８を介して入力される過去の直近期間内の販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間等のデータに基づいて、各商品毎に、時間帯別欠品見込数を算出する。
【００４０】
そして、潜在力算出／表示部６は、上記各商品毎の時間帯別欠品見込数等を用いて、各商品毎に、その商品の潜在力を算出し、一覧表示する。
潜在力＝総計算需要値数（＝総販売数＋総欠品数）／総販売数
潜在力の値が大きい商品ほど「売り逃しを多く発生させている商品」であることを意味しており、ユーザが発注量の増減や売れ筋／死に筋商品を適切に判断できるようにする為に非常に役立つ。
【００４１】
また、潜在力は、上記発注シミュレーション部３においてユーザが実発注数を決めるときの判断材料の１つとしてもよい。
図２は、日配品発注最適化支援システムに係わる全体構成を概略的に説明する為の図である。
【００４２】
図示の日配品発注最適化支援システム２０は、次便の発注を行う際に、例えばコンビニエンスストア等の各店舗または本部のデータベース１０（ＰＯＳ情報）から、必要なデータを取込んで、後述する各種処理を実行する（実行中に得られる各種テーブルは、最適化支援システム２０のデータベースに格納される）。そして、処理の最後にユーザの入力等に応じたシミュレーション結果により、発注システム３４へ次便の発注品目／その各発注数量を渡すことで、発注作業は完了する。
【００４３】
本部のデータベース１０には、例えば、店舗別に、売上明細テーブル１１、納品明細テーブル１２、商品廃棄明細テーブル１３、単価テーブル１４等が格納されている。
【００４４】
これらデータベース１０に格納される各種テーブルのデータを取込んで各種処理を行う途中またはその結果として、日配品発注最適化支援システム２０のデータベースには、平日／休日別売上合計テーブル２１、平日／休日別時間帯別売上シェアテーブル２２、便別納品テーブル２３、便別商品売上金額テーブル２４、便別廃棄商品テーブル２５、単品別時刻別在庫数テーブル２６、単品別時刻別欠品数テーブル２７、単品別潜在力テーブル２８、商品原価テーブル２９、日別便別期待利益額／期待利益率テーブル３０／３１、全商品ソート結果テーブル（発注優先順位テーブル）３２、シミュレーション結果テーブル３３が作成／格納される。
【００４５】
これら、各テーブルについては、後に、随時、一例を示して説明していくものとする。
図３（ａ）〜（ｃ）は、発注作業全体の流れを概略的に示す図である。
【００４６】
尚、同図に示す作業の意味は、後の説明で述べていくこととする。
図３（ａ）のフローチャートを参照して説明する。
まず、ユーザに休日設定を行なわせる（ステップＳ１）。これは、例えば日曜／祝日は当然休日であるとし、更に土曜日を休日とするか否か、あるいは特に後述する処理で休日として扱うべき日があるか否か等を設定／入力させる。尚、休日設定画面４１の一例を同図（ｂ）に示しておく。
【００４７】
休日設定が完了したら、上記各店舗または本部のデータベース１０から必要なデータを取込む（ステップＳ２）。
次に、ユーザに、分析条件の設定を行なわせる（ステップＳ３）。同図（ｃ）に分析条件設定画面の一例を示す。図示の分析条件設定画面４２には、データ期間４３、発注限度額４４、便の時間設定４５の設定／入力領域がある。
【００４８】
データ期間４３には、後述する直近期間を入力する。発注限度額４４には、後述する発注予算（総仕入額）を入力する。便の時間設定４５には、後述する各便毎の納品時間／廃棄時間を入力する。
【００４９】
そして、日配品発注最適化支援システム２０は、以下の図４以降で詳細に説明するように、最適化計算実行処理を行う（ステップＳ４）。
そして、ユーザは、ステップＳ４の処理結果として表示される、商品発注シミュレーション画面を参照しながら、実際の発注数を入力／決定する（ステップＳ５）。
【００５０】
これは、発注システム３４に渡され、発注作業は完了する（ステップＳ６）。
図４は、本例による日配品発注最適化支援の為の分析プロセスを概略的に示す図である。
【００５１】
図４において、プロセスＡ５１は、例えば各コンビニエンスストアの店舗内一覧を表示し、ユーザに所望の店舗を選択させるプロセスであり、選択された店舗について、プロセスＢ５２以降の処理を行う。
【００５２】
プロセスＢ５２では、プロセスＡ５１で選択された店舗の売上明細テーブルに格納されているデータを読み出して、平日と休日とで時間帯別売上パターンが異なるか否かを判別する。もし、平日と休日とで違いがあるならば、以降の処理は、平日と休日とで分けて分析することになる。
【００５３】
プロセスＣ５３では、単品別時刻別の欠品見込数を算出する。
プロセスＣ５３の処理以降は、プロセスＤ５４の処理、またはプロセスＥ５５〜プロセスＧ５７の処理を行う。
【００５４】
プロセスＤ５４では、プロセスＣ５３で求めた単品別時刻別の欠品見込数データを用いて、単品別潜在力（単品潜在売上量）を求める。単品別「潜在力」とは、各商品が本来はどれだけ売れる可能性があるのかを示すものである。これにより、販売機会損失の大きい商品の活性化（発注数を増加させ、売上を伸ばす等）を実現でき、また適切な売れ筋・死に筋商品管理を行なえるようになる。
【００５５】
一方、プロセスＥ５５〜プロセスＧ５７では、まず、プロセスＥ５５において、上記プロセスＣ５３で求めた単品別時刻別の欠品見込数データを用いて、期待利益テーブルの作成処理を行う。次に、プロセスＦ５６で、上記期待利益テーブルに基づいて、期待利益の高い順にソートさせて成る期待利益順発注優先順位テーブルを作成する。そして、これらの処理結果を用いて、プロセスＧ５７で、発注シミュレーションを実行する。
【００５６】
以下、上記各プロセスの詳細について説明していく。
図５は、プロセスＢ５２の詳細処理フローチャート図である。
また、図６（ａ）〜（ｃ）には、上記各種テーブルのうち当該処理に関係するテーブルの内容の一例を示す。尚、図６（ｂ）、（ｃ）に示す平日休日フラグは、‘０’が平日、‘１’が休日を意味するものとする。尚、図６（ａ）〜（ｃ）は、参考までに具体的な一例を示しているだけであるので、特にその内容を詳細に説明したりはしない。
【００５７】
図５において、まず、プロセスＡ５１で選択された店舗の売上明細テーブル１１（図６（ａ））を取得する（ステップＳ１１）。これは、直近期間内（上記分析データ条件設定画面上で設定／入力された「データ期間」）の全データを取得する。
【００５８】
次に、平日について、その日毎の全商品売上額、平日の平均売上、時間帯別売上シェアを算出する（ステップＳ１２）。
すなわち、上記取得した売上明細テーブル１１に基づいて、直近期間内の各平日の全商品売上額の合計を算出する（図６（ｂ）にはこれを示している）。更に、これら全ての平日の全商品売上額の合計を求める（すなわち、図６（ｂ）において、平日休日フラグが‘０’であるレコードの全商品売上額を合計する。これが、平日／休日別売上合計テーブル２１となる）。
【００５９】
そして、この合計値を、上記全ての平日の日数で割ることにより平均値（平均売上）を求める。
一方、時間帯別売上シェアは、上記取得した売上明細テーブル１１に基づいて、まず、平日と休日とでグループ分けし、それぞれ、全商品の売上額を時間帯別に合計する（これより、図６（ｃ）の左側に示す平日／休日別時間帯別売上合計テーブルが作成される）。
【００６０】
そして、この時間帯別売上合計額を２４時間合計額で割ることで、時間帯別売上シェアを求める（図６（ｃ）の右側に示す平日／休日別時間帯別売上シェアテーブル２２が作成される）。
【００６１】
休日についても、同様にして、その日毎の全商品売上額の合計、休日の平均売上、時間帯別売上シェアを算出する（ステップＳ１３）。
次に、ステップＳ１２、Ｓ１３で求めた平日の売上平均と休日の売上平均とを用いて、平日と休日とで日別全商品売上額合計に違いがあるか否かを、ｔ検定（平均値の差の検定）によって確認する（ステップＳ１４）。
【００６２】
ｔ検定については、よく知られているので、特に詳細には説明しないが、例えば、「平日と休日とで平均売上が等しい」という帰無仮説が有意水準５％で棄却されるならば、平日と休日とで日別売上額合計の水準は異なるという結果が導き出され（ステップＳ１４，ＹＥＳ）、ステップＳ１７の処理に進む。
【００６３】
例えば上記帰無仮説が有意水準５％で棄却されないならば（ステップＳ１４，ＮＯ）、続いて、ステップＳ１２、Ｓ１３で求めた平日／休日の時間帯別売上シェアを用いて、平日の各時間帯における売上と休日の各時間帯における売上のパターンの間に違いがあるか否かを検定する（ステップＳ１５）。
【００６４】
これは、カイ二乗検定（独立性の検定）により行う。カイ二乗検定についても、よく知られているので、特に詳細には説明しないが、例えば「平日か休日かによって時間帯別売上シェアが等しい」という帰無仮説が有意水準５％で棄却されるならば、平日と休日とで時間帯別売上パターンが異なる、という結果が導き出され（ステップＳ１５，ＹＥＳ）、ステップＳ１７の処理に進む。そうでなかれば（ステップＳ１５，ＮＯ）、ステップＳ１６の処理に進む。
【００６５】
そして、ステップＳ１６の処理では、上記ステップＳ１４、Ｓ１５の検定により平日と休日とで分けて分析する必要はないということになるので、平日／休日を区別しない時間帯別売上シェアテーブルを作成する。
【００６６】
一方、ステップＳ１７の処理では、上記ステップＳ１４、Ｓ１５の検定により平日と休日とで分けて分析する必要があるということになるので、上記平日／休日別時間帯別売上シェアテーブル２２を用いることになる。
【００６７】
図７は、プロセスＣ５３の詳細処理フローチャート図である。
同図において、まず、上記プロセスＢ５２の処理結果より、平日と休日とで時間帯別売上パターンが異ならない場合には（ステップＳ２１，ＮＯ）、上記ステップＳ１６で作成された時間帯別売上シェアテーブルを取得する（ステップＳ２２）。
【００６８】
一方、平日と休日とで時間帯別売上パターンが異なる場合には（ステップＳ２１，ＹＥＳ），まず発注日の曜日を取得して（ステップＳ２３）、平日である場合には平日の時間帯別売上シェアテーブルを取得し、休日である場合には休日の時間帯別売上シェアテーブルを取得する（ステップＳ２４）。
【００６９】
次に、上記ステップＳ２２またはステップＳ２４の処理後、分析対象店舗の納品明細テーブル１２、売上明細テーブル１１から必要なデータ（上記直近期間内の本処理で対応する日（例えば、ステップＳ２１，ＹＥＳで且つステップＳ２４で休日である場合には、直近期間内の全ての休日のデータ）を取込んで、それぞれ、便別納品テーブル２３、便別商品売上金額テーブル２４を作成する（ステップＳ２５）。
【００７０】
図８（ａ）は便別納品テーブル２３のデータ構成の一例、図８（ｂ）は便別商品売上金額テーブル２４のデータ構成の一例を示す図である。
図示のように、便別納品テーブル２３には、各日毎に何便でどの商品が何個納品されたかを示すデータが格納される。便別商品売上金額テーブル２４には、各日毎に各時間帯にどの商品が何個売れ、それが何便の商品であるのかを示すデータが格納される。
【００７１】
そして、便別納品テーブル２３と便別商品売上金額テーブル２４のデータを用いて、各商品毎（単品毎）に、以下のステップＳ２６、Ｓ２７の処理を行う。すなわち、後述する単品別時刻別在庫数テーブル２６、単品別時刻別欠品数テーブル２７は、各商品毎に作成される。
【００７２】
まず、ステップＳ２６について説明する。まず、本処理を行う毎に、処理対象となる商品を１つ選択し、上記便別納品テーブル２３、便別商品売上金額テーブル２４からこの商品に関するデータを抽出し、まず、各便別に各時間帯毎の在庫数を算出し、次に全ての便を合計した各時間帯毎の在庫数を算出する（上記の通り、元となるデータは便別に管理されているが、本処理で算出する在庫数及び後述する欠品数は、便毎に区別しない値を算出する）。
【００７３】
図９は、この各時間帯毎の在庫数の算出の様子を示す図である。
同図において、例えば図３で設定したように、各便毎の納品時間と廃棄時間は決まっている。この例では納品時間は１便が１時、２便が１０時、３便が１７時、廃棄時間は１便が１６時、２便が０時、３便が１０時となっている。
【００７４】
同図において、納品６１、６５、６９には、上記納品時間と便別納品テーブル２３により、当該処理対象商品に関する各便毎の納品時間における納品数が格納される。売上６２、６６、７０には、上記便別商品売上金額テーブル２４から抽出したデータから、当該処理対象商品に関する各便毎の各時間帯毎の売上数が格納される。
【００７５】
そして、まず、各便毎の各時間帯の在庫数を求める。これは、例えば、各時間毎に、以下の（１）式により算出する。
当時間在庫数＝前時間在庫−当時間売上数＋当時間納品数 ・・・（１）式
但し、各便毎の廃棄時間の在庫数は、強制的に‘０’にする。本例では、１便は１６時、２便は０時、３便は１０時の在庫数が強制的に‘０’にされる。また、廃棄時間後は、次の納品時間までの間は、当然、その便の在庫数は‘０’となる。
【００７６】
尚、本例では、期首在庫は、以下の通り設定する。
１便・・・０個、２便・・・０時の売上数、３便・・・０時〜１０時までの売上合計数
上述した処理により、各便毎に、各時間帯別の売上及び在庫が求まったら、次にこれらの各時間帯別の合計値を各々求める。すなわち、各時間帯別に売上６２と売上６６と売上７０を合計し、これを売上７３とする。各時間帯別に在庫６４と在庫６８と在庫７２を合計し、これを在庫７４とする。
【００７７】
このように、便毎に区別することのない、各時間帯別の売上数、及び在庫数が格納されたテーブルが、単品別時刻別在庫数テーブル２６であり、上述した処理を全ての対象商品について行なって全ての商品について単品別時刻別在庫数テーブル２６を作成したら、次にこれら単品別時刻別在庫数テーブル２６と平日／休日別時間帯別売上シェアテーブル２２（または時間帯別売上シェアテーブル）とを用いて、時刻別欠品見込数を算出する処理を行う（ステップＳ２７）。
【００７８】
図１０は、この時刻別欠品見込数の算出方法を一例を示して概略的に説明する為の図である。
図示のテーブルにおいて、シェア７５は、上記平日／休日別時間帯別売上シェアテーブル２２（または時間帯別売上シェアテーブル）から得たデータであり、よって、これは商品別ではなく、全体としての時間帯別のシェアである（よって、処理対象商品毎に値が変わるわけではない）。一方、在庫数７４、売上７３は、単品別時刻別在庫数テーブル２６から、今回処理対象となる商品のデータを取得したものであるので、これらは商品別の時間帯別の値となる。
【００７９】
尚、実際の計算には、在庫数７４のように数量データを用いるのではなく、後述するように、在庫の有／無を示すフラグを用い、各時間帯毎に、在庫有りのフラグ（＝１）の場合には上記の様に欠品見込数は‘０’となり、在庫無しのフラグ（＝０）の場合には上記欠品見込数の算出を行う。
【００８０】
図示の例では、簡単に説明する為に、１０時〜１４時の範囲のみを示している。この範囲内で、各時間帯毎に欠品見込数を算出すると、まず、欠品見込数は、在庫がなくなった後に、もし在庫があればどれだけ売れていたのかを示すものであるので、在庫がある１０時、１１時の欠品見込数は‘０’となる。
【００８１】
在庫が無い１３時、１４時については、図示のような算出方法により欠品見込数を算出する。
すなわち、上記１０時〜１４時の範囲において、今回の処理対象の時間帯を除いた売上数の合計を求め、また在庫がある時間帯のシェアの合計を求め、この売上数合計をシェア合計で除算し、これに今回の処理対象の時間帯のシェアを乗算することにより、その時間帯の欠品見込数を算出する。例えば１３時を処理対象とすると、売上数の合計は１１時の２個と１２時の３個とで５個であり、在庫がある時間帯である１０時のシェアは０．１、１１時のシェアは０．１であるのでシェア合計は０．２となり、１３時のシェアは０．０７であるので、１３時の欠品見込数は、
（５／０．２）×０．０７＝１．７５個となる。
【００８２】
但し、図示の例では１０時〜１４時の範囲を対象とした計算例を示しているが、実際には０時〜２３時までの各算出対象時間を除いた全ての時間を対象にして行う（例えば、１３時について求める場合には、０時〜１２時及び１４時〜２３時の中での売上数の合計を、在庫のある時間帯におけるシェアの合計値で除算し、これに１３時のシェア（０．０７）を乗算することにより、１３時の欠品見込数を算出する）。
【００８３】
尚、２４時間（１日）の各時間帯の在庫数、売上が全て‘０’の場合には、意図的に発注しなかったと考えられるので、欠品見込数は全ての時間帯で一律‘０’とする。
【００８４】
また、尚、１２時のように在庫がないのに売上があるケースについての欠品見込数の算出は、以下の図１１で説明する。
図１１は、単品別時刻別欠品数テーブル２７の一例と、その欠品見込数の算出方法の一例を示す図である。
【００８５】
尚、▲４▼発注数（＝納品）８４及び▲６▼廃棄数８６は、後述するプロセスＤ５４の処理で図１３のような単品別潜在力テーブル２８を作成する際に、この単品別時刻別欠品数テーブル２７のデータが用いられる為、図示されているが、ここでの欠品見込数算出処理では必要ないので、説明は省略する。
【００８６】
▲１▼在庫フラグ８１は、上記の通り、在庫が無い場合に‘０’、在庫がある場合に‘１’となるフラグである。
▲２▼時間帯別シェア８２は、上記の通り、例えば図１０のシェア７５のことである。
【００８７】
▲３▼８３は、各時間帯別に▲１▼在庫フラグ×▲２▼時間帯別シェアを求めたものであり、図１０に示す欠品見込数算出式における分母（つまり、在庫がある時間帯のシェアの総和）を求める為のものである。
【００８８】
▲５▼販売数（売上）８５は、上記図１０の売上７３のことである。
これら▲１▼在庫フラグ８１、▲３▼８３、及び▲５▼販売数（売上）８５を用いて、以下の式（２）により、各時間帯の欠品見込数（Ｋｎ；ｎは各時間帯０〜２３）を算出する。
【００８９】
欠品見込数（Ｋｎ）＝−１×（Ｆｎ−１）×Ｓｎ
×Σ販売数／Σ（在庫フラグ×時間帯別シェア）−Ｈｎ・・・（２）式
（但し、Ｋｎ≦０の場合は、Ｋｎ＝０とする。また、２４時間（１日）の販売総数が‘０’の場合には、当日の欠品数は‘０’とする。）
ここで、（２）式のΣの範囲は、上述してある通り、０時〜２３時の中で今回計算対象となっている時間（ｎ）を除く全ての時間帯を意味する。一方、Ｆｎ、Ｓｎ、Ｈｎは、各々、今回計算対象となっている時間（ｎ）の▲１▼在庫フラグ８１、▲２▼時間帯別シェア８２、▲５▼販売数（売上）８５である。（２）式においては、「−１×（Ｆｎ−１）」の部分により、在庫がある時間帯（Ｆｎ＝１）の欠品数は必ず‘０’になる（−Ｈｎによって負の値となってもＫｎ≦０の場合は、Ｋｎ＝０としているので）。一方、通常は（図１０の１２時ような場合は例外）、在庫がない時間帯には、−Ｈｎは必ず‘０’となる（在庫がないのに売れるはずがない）。
【００９０】
上記（２）式の最後の「−Ｈｎ」は、例えば図１０の１２時のように、在庫数が無いのに販売数がある時間帯に対応する補正の為のものである。よって、このような時間帯を考慮しない場合には「−Ｈｎ」は必要ない。
【００９１】
すなわち、図１０の１２時の時間帯の例は、この時間帯の最初（１２：００）には在庫数が３個であり、１２時台に３個売れたのであるが、本例の在庫数は各時間帯の最後（この例では１２：５９）における在庫数を意味する為、本システムのデータ取扱上は、在庫数は‘０’となっている。本例では、このようなケースに対して、（２）式の「−Ｈｎ」により、算出した欠品見込数（ここでは（２）式で「−Ｈｎ」以外の部分による算出値をいう）が、販売数（売上）以下の場合には欠品見込数が‘０’になるように補正している（つまり、その時間帯にある程度以上の売上があれば、その時間帯の欠品はないものと見做す）。
【００９２】
このようにして、各商品毎に時間帯別の欠品見込数を算出したら、続いて、プロセスＤ５４の潜在力算出処理か、プロセスＥ５５の期待利益テーブル作成処理に移る。
【００９３】
まず、プロセスＤ５４の潜在力算出処理について、図１２、図１３を参照して説明する。
図１２は、プロセスＤ５４の潜在力算出処理を説明する為のフローチャート図である。
【００９４】
上記プロセスＣ５３の処理により、各商品別に、各時間帯別の欠品数が算出され、また各時間帯の販売数（売上数）も分かっているので、まず、各商品毎に（単品別に）これらの総和（０時〜２３時までの総和）を求める（総販売数、総欠品数）。
【００９５】
そして、各商品毎に、まず、以下の式（３）により、総計算需要値を算出する（ステップＳ３１）。
総計算需要値＝総販売数＋総欠品数 ・・・（３）
次に、各商品毎に、以下の式（４）により、単品別潜在力を算出する（ステップＳ３２）。
【００９６】
単品別潜在力＝総計算需要値／総販売数 ・・・（４）
そして、上記算出結果より単品別潜在力テーブルを作成し、これを表示する（ステップＳ３３）。
【００９７】
図１３は、単品別潜在力テーブル２８の一例を示す図である。
図示の例の単品別潜在力テーブル２８は、販売日数９１、総発注数９２、総実売上数９３、１日当たりの売上数９４、総廃棄数９５、総欠品数９６、総計算需要値数９７、１日当たりの総計算需要値数９８、潜在力９９の各項目より成る。
【００９８】
販売日数９１は、各商品の上記直近期間内での実際の販売日数であり、特に説明していないが、上記ステップＳ２５、Ｓ２６の処理中に分かることである。
総発注数９２は、上記単品別時刻別欠品数テーブル２７の▲４▼発注数８４より分かる（総和を求める）。総実売上数９３、総廃棄数９５、総欠品数９６についても、同様に、単品別時刻別欠品数テーブル２７のデータより分かる。
【００９９】
１日当たりの売上数９４は、「総実売上数９３／販売日数９１」より求める。
総計算需要値数９７はステップＳ３１で求めた値であり、１日当たりの総計算需要値数９８はこれを販売日数９１で割った値である。潜在力９９は、上記ステップＳ３２で求めた値である。
【０１００】
このように、図示の例では、潜在力９９以外にも種々のデータが存在するが、潜在力９９が表示されれば、ユーザは、発注量の増減の判断等を行なえる。すなわち、「潜在力」は、潜在力＝（実際に販売のあった日の間の）総計算需要値／（実際に販売のあった日の間の）総販売数で算出されているので、単純に、数値が大きくなるほど「売り逃しを多く発生させている商品」であるといえる。
【０１０１】
よって、例えばユーザが“「おにぎり」商品の発注を２個増やしたい”と思ったとすると、潜在力９９を参照すれば、各種「おにぎり」商品の中で潜在力９９の値が大きい商品の発注数を増やせばよいことになる。
【０１０２】
このように、潜在力を算出／表示することで、ユーザは、発注量の増減の判断等を適切に行なえるようになる。また、適切な売れ筋／死に筋商品管理が行なえるようになる。
【０１０３】
次に、プロセスＥ５５の処理について、図１４〜図１７を参照して説明する。
図１４は、プロセスＥ５５の処理を示すフローチャート図である。
以下、図１４に示す処理について説明するが、その際、一例として、図１５に示すある一日における１便の発注前に、この１便についての期待利益率を求めることとして説明する。つまり、上記プロセスＣ５３では、便毎に区別することなく、時間帯別の分析を行なったが、プロセスＥ５５以降では、発注前の任意の便を対象として処理を行う。
【０１０４】
図１５において、１便の販売時間を▲１▼時限、１便販売時間と３便販売時間が重複する時間帯を▲２▼時限、１便販売時間と２便販売時間が重複する時間帯を▲３▼時限、１便販売時間開始から２便販売時間開始までの時間帯を▲４▼時限とする。
【０１０５】
図１４において、まず、上記プロセスＣ５３で作成された単品別時刻別欠品見込数テーブル２７を取得する（ステップＳ４１）。
次に、各単品別に、直近期間の販売実績データより、各日別の▲１▼時限の（日別便別の）総需要数（販売数＋欠品見込数）をそれぞれ算出し、更にこれらより平均値μ、分散値（標準偏差）σを算出する（ステップＳ４２）。
【０１０６】
例えば、今回の処理対象の日が平日であり、処理対象の商品が「幕の内弁当」であったとし、直近期間の平日（月、火、水、木、金）の「幕の内弁当」の▲１▼時限（１時〜１６時）の売上の合計が（４、５、３、５、３）個、欠品見込数の合計が（２、３、２、４、３）であったとすると、１便に関する各日の総需要数（売上＋欠品見込数）は（６、８、５、９、６）となる。本例では、これを平均値μ、分散値（標準偏差）σ（この例で計算すると平均値μ＝６．８個、分散値（標準偏差）σ＝１．６４個）の正規分布であるとして処理を行なっていく。
【０１０７】
次に、▲２▼時限に売れる前便（本例では３便）の単品別の期待販売数量Ｊを、以下の（５）式により算出する（ステップＳ４３）。
期待販売数量Ｊ＝持ち越し期待数量−廃棄期待数量 ・・・（５）
ここで、単品別の持ち越し期待数量／廃棄期待数量は、予め、当該１便に関する処理の前に行なわれているはずの、前便（３便）に関する処理において各単品の発注数（以下の式におけるｎ）が決められた後に、以下の算出式（６）、（７）により求めて記憶しておいた値を用いる。
【０１０８】
【数１】
【数２】
次に、商品原価テーブル２９より、各単品別の１個当たりの原価、販売価格（売価）、及び粗利（＝売価−原価）データを取得する（ステップＳ４４）。商品原価テーブル２９は、予め、単価テーブル１４に基づいて作成されている（尚、商品原価テーブル２９の一例を図１６に示す）。
【０１１１】
そして、上記ステップＳ４２、Ｓ４３、Ｓ４４で求めた各値（粗利額、原価額、μ，σ，Ｊ）を用いて、日別便別の期待利益／期待利益率を算出する（ステップＳ４５）。
【０１１２】
期待利益は、各単品毎に、１個目を発注した場合の期待利益、２個目を発注した場合の期待利益、・・・、ｎ個目を発注した場合の期待利益、・・・、最大規定数（予め、例えば２０個等と設定しておく）を発注した場合の期待利益、というように、順次算出していくものであり、ｎ個目の期待利益額（Ｍｎ）は以下の（８）式により算出される。
【０１１３】
Ｍｎ＝粗利額×（１−Ф（μ，σ，ｎ＋Ｊ））−原価額×Ф（μ，σ，ｎ＋Ｊ） ・・・（８）
（Ф（μ，σ，ｎ＋Ｊ）は、累積正規分布関数平均μ、分散σの時の値ｎ＋Ｊにおける累積確率密度；ＥＸＣＥＬを用いて算出する場合は、ＮＯＲＭＤＩＳＴ（ｎ＋Ｊ，μ，σ，ＴＲＵＥ）により求める。）
すなわち、簡単に言えば、Ф（μ，σ，ｎ＋Ｊ）は、その商品のｎ個目が売れない確率を意味する。また、売れる確率と売れない確率を足すと１（１００％）になることより、（１−Ф（μ，σ，ｎ＋Ｊ）でその商品のｎ個目が売れる確率を意味している。よって、上記（８）式は、簡単に言えば以下の通りとなる。
【０１１４】
Ｍｎ＝粗利額×ｎ個目が売れる確率
−原価額×ｎ個目が売れない確率
但し、（８）式において“ｎ”ではなく“ｎ＋Ｊ”としていることより、基本的に、前便の持ち越し数量が多いほど、期待利益額は少なくなることになる（当然のことながら、例えば２個目が売れないのに３個目が売れるはずはないのであるから、期待利益額は、個数が大きいと小さくなる傾向となる）。
【０１１５】
また、正規分布は、上記の通り、売上数に対するものではなく、「売上数＋欠品見込数」に対するものであるので、ｎ個目が売れる確率の値には、欠品見込数が影響を与えている。よって、当然、期待利益額に影響する。
【０１１６】
また、各期待利益額を算出する毎に、その期待利益率を、以下の（９）式により求める。
期待利益率＝期待利益額／販売価格 ・・・（９）
上記（９）式によれば、例えば期待利益額が１００円の商品Ａと期待利益額が５０円の商品Ｂであり、期待利益額だけみれば商品Ａの方が良いように思われる場合でも、例えば商品Ａの販売価格が５００円で商品Ｂの販売価格が１００円であったならば、期待利益率は商品Ｂのほうが良くなる。一般に、販売価格が高い商品の方が商品１個当たりの粗利が高いので、期待利益額だけ見ると販売価格が高い商品の発注数が多くなる可能性があるので、期待利益率を求める。
【０１１７】
上記処理を、発注対象となる全ての商品について行ない、これをまとめた日別便別期待利益額／期待利益率テーブルを作成し、表示する（ステップＳ４６）。
図１７は、日別便別期待利益額／期待利益率テーブルの一例を示す図である。
【０１１８】
図示の例では、日別便別期待利益率テーブル３１の例を示しており、上記期待利益額／期待利益率算出処理対象の便名１０１（本例では１便）、商品名１０２、売価１０３、原価１０４、粗利１０５等が表示され、更に粗利１０５の右側に示す‘１’〜‘５’の項目（上記最大規定数を２０個と規定した場合には‘６’〜‘２０’も存在するが、ここでは省略している）は、各々上記ステップＳ４５で算出した「ｎ個目を発注した場合の期待利益率」を意味する。
【０１１９】
続いて、図１８に示すプロセスＦ５６の処理により、まず、ユーザは、処理対象を全商品とするのか、それとも対象商品を限定するのか（逆に言えば例えば元々発注するつもりがない商品等は除外するのか）を判断し、何れかを選択／指示する（ステップＳ５１）。
【０１２０】
ユーザの選択／指示が、対象商品限定ありであった場合には（ステップＳ５１，ＹＥＳ）、続いて、例えば全商品名のリストを表示する等して、この中からユーザに処理対象の商品（または除外する商品）を指定させる等して、対象商品の選別を行わせる（ステップＳ５２）。尚、これに限らず、過去の実績データより納品実績のある商品を対象商品としてもよい。
【０１２１】
上記期待利益率テーブル３１の各レコードを順次読みこんでいき（ステップＳ５３及びそのループ）、これを期待利益率の高い順にソートする処理を行う（ステップＳ５４）。その際、上記ステップＳ５２の処理を行なっていた場合には、対象商品のレコードのみを読み込んでいくものとし、対象外の商品のレコードは読みこまない。
【０１２２】
更に、ソートした期待利益率の最も高いものから、順次、発注金額累計を算出していく。尚、発注金額は、売価、原価のいずれであってもよいが、図１９の例では売価により発注金額累計を算出している。
【０１２３】
これより、例えば図１９に示すような全商品ソート結果テーブル（発注優先順位テーブル）３２が作成／表示される（ステップＳ５５）。
図１９の例の全商品ソート結果テーブル（発注優先順位テーブル）３２は、本処理対象の便名１１１（本例では１便）、商品名１１２、売価１１３、原価１１４、粗利１１５、発注ｎ個目１１６、期待利益率１１７、及び発注金額累計１１８の各項目より成る。
【０１２４】
そして、プロセスＧ５７の発注シミュレーションを実行する。
図２０は、プロセスＧ５７の発注シミュレーション処理を説明する為のフローチャート図である。
【０１２５】
まず、本処理で求めるものが、発注予算内で最大限の利益が期待できる発注の仕方を求めるものであるのか、発注予算に関係なく最大限の利益が期待できる発注の仕方を求めるものであるのかをユーザに判断／入力させる。
【０１２６】
発注予算内とする場合には（ステップＳ６１，ＹＥＳ）、ユーザ等に発注予算の設定／入力を行なわせる（ステップＳ６２）。
そして、上記プロセスＦ５６で作成された発注優先順位テーブル３２の先頭から（つまり、期待利益率が高いものから）順次１つずつレコードを読みこんで（ステップＳ６３及びそのループ）、発注シミュレーション結果テーブルを順次作成していく（ステップＳ６５）処理を、読み出したレコードの「発注金額累計」１１８の値が発注予算以上となる（ステップＳ６４，ＹＥＳ）レコードが現われるまで、繰り返し行なっていくものである。
【０１２７】
例えば、本例では、発注予算が1,000円であるとし、図１９の例を用いると、最初のレコードの発注金額累計は１３０円であるので、ステップＳ６４の判定はＮＯとなり、ステップＳ６５の処理に移る。ステップＳ６５では、このレコードをそれまでに作成された発注シミュレーション結果テーブル３３に追加することで、発注シミュレーション結果テーブル３３を順次作成していく（ステップＳ６５）。その際、このレコードの「発注ｎ個目」の値を、図２１に示す最適発注数１２６とする。尚、後にこの商品と同一商品のレコードが発注予算枠内に存在し、ステップＳ６５の処理が行なわれた場合には、そのレコードの「発注ｎ個目」１１６の値により、最適発注数１２６の値が更新されることになる。
【０１２８】
そして、ステップＳ６３の処理に戻り、次のレコードを読み出して、同様の処理を行なっていく。上記図１９の例では、商品「おべんとうＡ」のレコードの処理において、レコード累計金額（＝1,420）≧発注予算となるので（ステップＳ６４，ＹＥＳ）、ステップＳ６９の処理に移る。
【０１２９】
一方、発注予算に関係なく最大限の利益が期待できる発注の仕方を求める場合の処理（ステップＳ６６、Ｓ６７、Ｓ６８）については、ステップＳ６９の処理に移行する条件が違う（すなわち、期待利益率が‘０’以下のレコードが現われるまで処理を繰り返す）ことを除けば、ステップＳ６３、Ｓ６４、Ｓ６５の処理と同様の処理を行うものであるので、特に説明しない。
【０１３０】
発注シミュレーション結果テーブル３３は、この商品「おべんとうＡ」のレコードの直前のレコードまでについてのステップＳ６５の処理により作成されているので、これを表示する。更に期待利益額テーブル３０を用いて期待利益額のトータル値（本例では１便トータルの期待利益額）が求まる。また総発注額も求まるので、これらを、発注シミュレーション結果テーブル３３と共に表示する。
【０１３１】
この表示例を、図２２に示す。但し、この段階では、上記最適発注数１２６に応じた発注額、利益は算出／表示されているが、シミュレーション結果に応じた発注額、利益はまだ算出／表示されていない。これについては後述する。
【０１３２】
図２１は、発注シミュレーション結果テーブル３３の一例を示す図である。。
図示の発注シミュレーション結果テーブル３３は、便名１２１、商品名１２２、売価１２３、原価１２４、粗利１２５、最適発注数１２６、及び実発注数１２７の各項目より成る。
【０１３３】
便名１２１、商品名１２２、売価１２３、原価１２４、粗利１２５についての説明は省略する。
最適発注数１２６については、上述した通りであり、例えば、図１９において商品「おべんとうＡ」のレコードの前までに存在するレコードの商品の中で、「発注ｎ個目」が‘２’のレコードが存在している商品「おにぎりＤ」、「おにぎりＢ」の最適発注数は‘２’、それ以外の商品の最適発注数は‘１’となっている。また、当然、商品「おべんとうＡ」及び発注１個目の期待利益率がこれより低い商品は、発注候補から外されることになる。
【０１３４】
ユーザは、システムが推奨する（最大利益が期待できる）発注対象商品及びその発注数（最適発注数１２６）をそのまま実際の発注数量としてもよいが、これを参考にしながら図２１に示す「実発注数」１２７の項目に任意の発注数を入力していってもよい。
【０１３５】
すなわち、ステップＳ６９の段階では、未だ、実発注数１２７の項目には何もデータは入っていない。例えば図２２に示す表示画面上で、必要に応じて、ユーザが入力していくものである。
【０１３６】
ユーザが発注数量を変更したい場合には（ステップＳ７０，ＹＥＳ）、表示画面上で実発注数１２７の項目に任意の発注数を入力させる（ステップＳ７１）。
これより、発注数が変更された（最適発注数１２６の値とは違う値が入力された）レコードについては、再度、期待利益額テーブル３０から対応するデータを読み込んで（ステップＳ７２）、再度、上記期待利益額のトータル値及び総発注額を算出する処理を実行し、この算出結果を図２２のシミュレーション結果として表示する（ステップＳ７３）。
【０１３７】
ユーザは、この結果を見て、未だ納得がいかない場合には、再度、実発注数１２７のデータを入力し直し、ステップＳ７０〜ステップＳ７３の処理が繰り返されることになる。そして、納得がいったら（ステップＳ７０，ＮＯ）、そのときの実発注数１２７で発注数量が確定する（ステップＳ７４）。
【０１３８】
図２３（ａ）〜（ｅ）は、簡単な一例を用いて、期待利益率算出から発注優先順位テーブル作成により、最適発注数及び実発注数を決める過程を説明する為の図である。
【０１３９】
同図においては、対象商品は、「弁当Ａ」、「弁当Ｂ」のみとする。
同図（ａ）には、これらの各商品の販売価格、仕入価格、粗利（ステップＳ４５で得る）、及び上記ステップＳ４１で取得した単品別の過去（直近期間）内のこれら各対象商品の販売日（本例では５日分とする）の総需要数（売上数＋欠品見込数）の一例が示され、更にこれに基づいて上記ステップＳ４１、Ｓ４２の処理で算出された単品別の平均値μ、分散値（標準偏差）σが示されている。
【０１４０】
同図（ｂ）には、同図（ａ）のデータに基づいて算出された各商品毎の販売確率を示す。ここで、販売確率とは、上記ステップＳ４５の処理途中で得られる（１−Ф（μ，σ，ｎ＋Ｊ））のことであり、その商品のｎ個目が売れる確率を意味する。尚、Ф（μ，σ，ｎ＋Ｊ）は、上記の通り、累積確率密度のことである。
【０１４１】
同図（ｃ）には、これら「弁当Ａ」、「弁当Ｂ」のみを対象として求めた期待利益率テーブル３１の一例を示し、ここでは発注１個目〜発注９個目までの値を求めている。
【０１４２】
これらを、期待利益率の高い順にソートすると、同図（ｄ）に示すような発注優先順位テーブルが作成される。図（ｃ）の期待利益率の各数値に従えば、図（ｄ）に示す通り、最上位から順に、弁当Ａの発注１個目、弁当Ａの発注２個目、弁当Ａの発注３個目、弁当Ａの発注４個目、弁当Ｂの発注１個目、弁当Ｂの発注２個目、・・・という順にソートされることになる。尚、図示の通り、期待利益率が同じものがある場合には、発注ｎ個目のｎの値が小さいほうが上位となる。
【０１４３】
この例において、図２０のステップＳ６１でＹＥＳで、ステップＳ６２で発注予算を１５００円に設定したものとすると、図２３（ｄ）のＮＯ．６のレコード（弁当Ｂの発注２個目のレコード）を読み込んで図２０のステップＳ６４の判定をした時点で判定がＹＥＳとなり、それまでのレコード（すなわちＮＯ．１〜ＮＯ．５までのレコード）によりステップＳ６５の処理により作成されていた発注シミュレーション結果テーブル３３の内容は、図２３（ｅ）に示す通りとなる。
【０１４４】
すなわち、この場合の最適発注数は、弁当Ａが４個、弁当Ｂが１個となる（図（ｃ）を見れば、５個注文する場合の全ての組み合わせの中で、弁当Ａが４個、弁当Ｂが１個の組み合わせが最適となっている（両者の期待利益率の和が最も大きいもの）ことからも、利益基準での最適な発注数が得られていることが分かるであろう）。
【０１４５】
ここで例えば、この最適発注数の表示を見たユーザが、発注予算は１５００円と設定したが、やはり弁当は合計で６個発注したいと思ったとしたら、図２３（ｅ）に示す通り、実発注数は弁当Ａが４個、弁当Ｂが２個としてもよい。
【０１４６】
一方、図２０のステップＳ６１でＮＯとし、発注予算の制限なく、最大限の利益が期待できる発注量を求めた場合には、ＮＯ．１〜ＮＯ．７までにレコードにより発注シミュレーション結果テーブル３３が作成されるので、この場合の最適発注数は、弁当Ａが４個、弁当Ｂが３個となる。
【０１４７】
尚、上記手法では、商品カテゴリに関係なく最大利益のみを追及する為、例えば極端な場合、弁当類ばかりを発注し、おにぎり類は全く発注されないという事態も考えられ、これは実際の営業上まずいので、例えば弁当類、おにぎり類等それぞれに発注数量枠（または発注金額枠）を設け、この枠を越える分については他の商品の発注分にまわすようにしてもよい。
【０１４８】
また、尚、現実には、頻繁に商品の改廃が行なわれる。上記説明では新商品については処理対象としていない（当然、過去の販売データがないので）が、新商品については通常本部からの指導により発注数が決められているので（各店舗の店長が独自に決める等してもよいが、いずれにしても）予め新商品の発注数は決められている。よって、このような場合、この新商品の発注数分を指し引いた数を、例えば上記弁当Ａと弁当Ｂとで配分すればよい（例えば、上記設定入力する発注予算を「本来の発注予算−新商品の発注金額」とすればよい）。
【０１４９】
また、尚、上記発注予算に応じた最適発注数の算出は、特に、外的要因により仕入額が変動する場合に特に有効である。例えば、天候の変化（台風、雪等）や近隣のイベント（花見や道路工事など）の外的要因によって来客数の変動が見込まれる場合、仕入総額を変動させる必要があり、この仕入総額に応じて各商品の数量を調整する必要がある。本例のシステムによれば、このような場合、自動的に、仕入総額（発注予算）の変動に応じた最適な発注数を提案するので、ユーザは、効率良く適切に各商品の数量を調整することができる。
【０１５０】
また、本システムを利用していくことにより、店舗の利益向上につながり、この改善利益を原資に発注予算を拡大し、単品発注の最適化を実現し、更にこれが販売機会拡大をもたらし売上向上につながるというような、良いサイクルに入ることが期待できる。
【０１５１】
図２４は、本実施の形態による日配品発注最適化システムを実現する情報処理装置のハードウェア構成の一例を示す図である。
同図に示す情報処理装置１３０は、ＣＰＵ１３１、メモリ１３２、入力装置１３３、出力装置１３４、外部記憶装置１３５、媒体駆動装置１３６、ネットワーク接続装置１３７等を有し、これらがバス１３８に接続された構成となっている。同図に示す構成は一例であり、これに限るものではない。
【０１５２】
ＣＰＵ１３１は、当該情報処理装置１３０全体を制御する中央処理装置である。
メモリ１３２は、プログラム実行、データ更新等の際に、外部記憶装置１３５（あるいは可搬記憶媒体１３９）に記憶されているプログラムあるいはデータを一時的に格納するＲＡＭ等のメモリである。ＣＰＵ１３１は、メモリ１３２に読み出したプログラム／データを用いて、上述してある各種処理を実行する。
【０１５３】
入力装置１３３は、例えば、キーボード、マウス等であり、ユーザが例えば上記図３の設定画面上等で入力を行う為の構成である。
出力装置１３４は、ディスプレイ等であり、例えば設定画面や処理途中、処理結果としての上述した各種テーブルを表示する。
【０１５４】
外部記憶装置１３５は、例えば磁気ディスク装置、光ディスク装置、光磁気ディスク装置等であり、上記各種処理を実行させて、上述してきた日配品発注最適化支援システムとしての各種機能を実現させる為のプログラム等が格納されている。
【０１５５】
媒体駆動装置１３６は、可搬記憶媒体１３９に記憶されているプログラム／データ等を読み出す。可搬記憶媒体１３９は、例えば、ＦＤ（フロッピーディスク）、ＣＤ−ＲＯＭ、その他、ＤＶＤ、光磁気ディスク等である。
【０１５６】
ネットワーク接続装置１３７は、ネットワークに接続して、例えば、上記図２の各店舗または本部のデータベース１０から必要なデータを入力したり、発注システム３４に発注内容を出力する為の構成である。
【０１５７】
図２５は、記録媒体の一例を示す図である。
図示のように、上記プログラム／データは、可搬記憶媒体１３９に記憶されているプログラム／データ等を、情報処理装置側にロードして、メモリ１３２に格納し実行するものであってもよいし、また、上記プログラム／データは、ネットワーク接続装置１３７により接続しているネットワーク（インターネット等）を介して、外部の情報提供者側の装置１４１の記憶装置１４２に記憶されているプログラム／データをダウンロードするものであってもよい。
【０１５８】
また、本発明は、上記プログラム自体として構成することもできる。
（付記１） 過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートする期待利益順発注優先順位作成手段と、
該期待利益順発注優先順位作成手段の処理結果に基づいて、最適発注パターンを算出する最適発注パターン算出手段と、
を有することを特徴とする日配品発注最適化支援システム。
（付記２） 過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間に基づいて、各商品毎に、時間帯別欠品見込数を算出する欠品見込数算出手段とを更に有し、
前記期待利益順発注優先順位作成手段は、前記販売実績データと該時間帯別欠品見込数とに基づいて、前記期待利益の算出を行うことを特徴とする付記１記載の日配品発注最適化支援システム。
（付記３） 前記期待利益の算出は、前便の処理において算出されていた前便からの持ち越し見込数量も考慮して行うことを特徴とする付記１または２記載の日配品発注最適化支援システム。
（付記４） 過去の直近期間内の販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を更に備え、
該曜日特性分析手段により売上特性に違いがあると判定された場合、前記期待利益順発注優先順位作成手段または／及び前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データまたは／及び各時間帯別の売上シェアに基づいて処理を行うことを特徴とする付記１〜３の何れかに記載の日配品発注最適化支援システム。
（付記５） 前記期待利益順発注優先順位作成手段は、各商品毎に、前記販売実績データより得られる各日毎の総売上または総需要値を平均μ、標準偏差σの正規分布として累積正規分布関数に当てはめた場合の各商品の特定個数までの各個毎の累積確率密度を求め、該累積確率密度と各商品の原価、粗利、販売価格とにより前記期待利益を算出することを特徴とする付記１〜４の何れかに記載の日配品発注最適化支援システム。
（付記６） 前記最適発注パターン算出手段により算出される最適発注パターンと該最適発注パターンに応じた総発注額、総利益額を算出して表示すると共に、入力される実発注数に応じた総発注額、総利益額を算出して表示する発注シミュレーション手段を更に有することを特徴とする付記１〜５の何れかに記載の日配品発注最適化支援システム。
（付記７） 過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する欠品見込数算出手段と
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する潜在力算出手段と、
を有することを特徴とする日配品発注最適化支援システム。
（付記８） 過去の直近期間内の販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を更に備え、
該曜日特性分析手段により売上特性に違いがあると判定された場合、前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データ／各時間帯別の売上シェアに基づいて処理を行うことを特徴とする付記７記載の日配品発注最適化支援システム。
（付記９） 過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートし、
該ソート結果に基づいて、最適発注パターンを算出することを特徴とする日配品発注最適化支援方法。
（付記１０） 過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求め、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出し、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示することを特徴とする日配品発注最適化支援方法。
（付記１１） コンピュータに、
過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートする機能と、
該ソート結果に基づいて、最適発注パターンを算出する機能と、
を実現させるためのプログラム。
（付記１２） コンピュータに、
過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める機能と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する機能と、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する機能と、
を実現させるためのプログラム。
（付記１３） コンピュータにおいて用いられたとき、
過去の直近期間内の販売実績データに基づいて、各商品毎に、各商品の特定個数までの各個毎の期待利益を算出し、全商品の算出結果を対象として期待利益が高い順にソートする機能と、
該ソート結果に基づいて、最適発注パターンを算出する機能と、
を実現させるプログラムを記録した前記コンピュータ読取り可能な記録媒体。
（付記１４） コンピュータにおいて用いられたとき、
過去の直近期間内の販売実績データに基づいて、各時間帯別の売上シェアを求める機能と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する機能と、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する機能と、
を実現させるプログラムを記録した前記コンピュータ読取り可能な記録媒体。
【０１５９】
【発明の効果】
以上、詳細に説明したように、本発明の日配品発注最適化システム、その方法によれば、利益基準で最適な発注パターン（どの商品を何個発注するのか）が提示され、これに基づく容易且つ適正な発注の判断が行なえ、販売機会ロスの減少を図れ、適正な売れ筋・死に筋商品管理を行なえるように支援できる。
【図面の簡単な説明】
【図１】図１は、本発明の機能ブロック図である。
【図２】本実施の形態による日配品発注最適化システム全体の概略的な構成図である。
【図３】日配品発注最適化システムを用いる最適化／発注処理全体の概略フローチャートである。
【図４】日配品発注最適化支援の為の分析プロセスを概略的に示す図である。
【図５】プロセスＢの詳細処理フローチャート図である。
【図６】（ａ）は売上明細テーブル、（ｂ）は平日休日別売上合計テーブル、（ｃ）は平日／休日別時間帯別売上シェアテーブルの一例を示す図である。
【図７】プロセスＣの詳細処理フローチャート図である。
【図８】（ａ）は便別納品テーブル、（ｂ）は便別商品売上金額テーブルの一例を示す図である。
【図９】各時間帯毎の在庫数の算出の様子を示す図である。
【図１０】時刻別欠品見込数の算出方法を一例を示して概略的に説明する為の図である。
【図１１】単品別時刻別欠品数テーブルの一例と、その欠品見込数の算出方法の一例を示す図である。
【図１２】プロセスＤの潜在力算出処理を説明する為のフローチャート図である。
【図１３】単品別潜在力テーブルの一例を示す図である。
【図１４】プロセスＥの処理を示すフローチャート図である。
【図１５】図１４の処理を一例を示して説明する為の図である。
【図１６】商品原価テーブルの一例を示す図である。
【図１７】期待利益率テーブルの一例を示す図である。
【図１８】プロセスＦの処理を示すフローチャート図である。
【図１９】全商品ソート結果テーブル（発注優先順位テーブル）の一例を示す図である。
【図２０】プロセスＧの発注シミュレーション処理を説明する為のフローチャート図である。
【図２１】発注シミュレーション結果テーブルの一例を示す図である。
【図２２】発注シミュレーション結果の表示例を示す図である。
【図２３】（ａ）〜（ｅ）は、簡単な一例を用い、期待利益率算出からの発注優先順位テーブル作成により、最適発注数及び実発注数を決める過程を説明する為の図である。
【図２４】本実施の形態による日配品発注最適化システムを実現する情報処理装置のハッドウェア構成の一例を示す図である。
【図２５】記録媒体を示す図である。
【符号の説明】
１ 期待利益順発注優先順位作成部
２ 最適発注パターン算出／表示部
３ 発注シミュレーション部
４ 売上シェア分析部
５ 欠品見込数算出部
６ 潜在力算出／表示部
７ 曜日特性分析部
８ データ入力部
１０ 店舗または本部のデータベース
１１ 売上明細テーブル
１２ 納品明細テーブル
１３ 商品廃棄明細テーブル
１４ 単価テーブル
２０ 日配品発注最適化支援システム
２１ 平日／休日別売上合計テーブル
２２ 平日／休日別時間帯別売上シェアテーブル
２３ 便別納品テーブル
２４ 便別商品売上金額テーブル
２５ 便別廃棄商品テーブル
２６ 単品別時刻別在庫数テーブル
２７ 単品別時刻別欠品数テーブル
２８ 単品別潜在力テーブル
２９ 商品原価テーブル
３０ 日別便別期待利益額テーブル
３１ 日別便別期待利益率テーブル
３２ 全商品ソート結果テーブル（発注優先順位テーブル）
３３ シミュレーション結果テーブル
３４ 発注システム
４１ 休日設定画面
４２ 分析条件設定画面
４３ データ期間
４４ 発注限度額
４５ 便の時間設定
５１ プロセスＡ
５２ プロセスＢ
５３ プロセスＣ
５４ プロセスＤ
５５ プロセスＥ
５６ プロセスＦ
５７ プロセスＧ
６１ 納品（１便）
６２ 売上（１便）
６３ 廃棄（１便）
６４ 在庫（１便）
６５ 納品（２便）
６６ 売上（２便）
６７ 廃棄（２便）
６８ 在庫（２便）
６９ 納品（２便）
７０ 売上（２便）
７１ 廃棄（２便）
７２ 在庫（２便）
７３ 売上（全体）
７４ 在庫（全体）
７５ 売上シェア
８１ 在庫フラグ
８２ 時間帯別シェア
８３ 在庫フラグ×時間帯別シェア
８４ 発注数（＝納品）
８５ 販売数（＝売上）
８６ 廃棄数
８７ 欠品見込数
９１ 販売日数
９２ 総発注数
９３ 総実売上数
９４ １日当たりの売上数
９５ 総廃棄数
９６ 総欠品数
９７ 総計算需要値数
９８ １日当たりの総計算需要値数
９９ 潜在力
１０１ 便名
１０２ 商品名
１０３ 売価
１０４ 原価
１０５ 粗利
１０６ 「ｎ個目を発注した場合の期待利益率」
１１１ 便名
１１２ 商品名
１１３ 売価
１１４ 原価
１１５ 粗利
１１６ 発注ｎ個目
１１７ 期待利益率
１１８ 発注金額累計
１２１ 便名
１２２ 商品名
１２３ 売価
１２４ 原価
１２５ 粗利
１２６ 最適発注数
１２７ 実発注数
１３０ 情報処理装置
１３１ ＣＰＵ
１３２ メモリ
１３３ 入力装置
１３４ 出力装置
１３５ 外部記憶装置
１３６ 媒体駆動装置装置
１３７ ネットワーク接続装置
１３８ バス
１３９ 可搬記憶媒体
１４１ 情報提供者側の装置
１４２ 記憶装置
Claims (10)
- 商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、
前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、
前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成手段と、
発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出手段と、
を有することを特徴とする日配品発注最適化支援システム。 - 前記販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、
該各時間帯別の売上シェアと、前記販売実績データ、各便の各商品毎の納品数、設定される各便の納品時間／廃棄時間に基づいて、各商品毎に、時間帯別欠品見込数を算出する欠品見込数算出手段とを更に有し、
前記期待利益順発注優先順位作成手段は、前記販売実績データと該時間帯別欠品見込数とに基づいて、前記期待利益の算出を行うことを特徴とする請求項１記載の日配品発注最適化支援システム。 - 前記期待利益の算出は、前便の処理において算出されていた前便からの持ち越し見込数量も考慮して行うことを特徴とする請求項１または２記載の日配品発注最適化支援システム。
- 前記販売実績データに基づいて、休日か平日かによってまたは曜日によって売上特性に違いがあるか否かを判定する曜日特性分析手段を更に備え、
該曜日特性分析手段により売上特性に違いがあると判定された場合、前記期待利益順発注優先順位作成手段または／及び前記欠品見込数算出手段は、休日／平日別または曜日別の前記過去の直近期間内の販売実績データまたは／及び各時間帯別の売上シェアに基づいて処理を行うことを特徴とする請求項１〜３の何れかに記載の日配品発注最適化支援システム。 - 前記販売実績データに基づいて、各時間帯別の売上シェアを求める売上シェア分析手段と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する欠品見込数算出手段と該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する潜在力算出手段と、
を有することを特徴とする請求項１に記載する日配品発注最適化支援システム。 - 商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、
前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、
前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、
発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理と、
を行うことを特徴とする日配品発注最適化支援方法。 - 前記販売実績データに基づいて、各時間帯別の売上シェアを求め、
該各時間帯別の売上シェアと、前記販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出し、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示することを特徴とする請求項６記載の日配品発注最適化支援方法。 - 商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、
前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、
前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、
発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理と、
をコンピュータに実行させることを特徴とするプログラム。 - 前記販売実績データに基づいて、各時間帯別の売上シェアを求める処理と、
該各時間帯別の売上シェアと、過去の直近期間内の販売実績データ、各便の納品数、設定される各便の納品時間／廃棄時間に基づいて、時間帯別欠品見込数を算出する処理と、
該時間帯別欠品見込数を用いて、商品の潜在力を算出し表示する処理と、
をコンピュータに実行させることを特徴とする請求項８に記載のプログラム。 - 商品と販売日毎の実際の販売数とを関連付けて記録した販売実績データをもとに、該商品の１個目から所定個数目が売れない確率を１個目から所定個数分まで各々で求め、
前記求めた１個目から所定個数目が売れない各々の確率と、商品の原価と粗利とを関連付けて記録した商品原価テーブルを用いて１個目から所定個数を発注した際の各々の個数での期待利益を求め、商品と該商品を１個目から所定個数を発注した際の各々の個数での期待利益を関連付けて期待利益テーブルに記録し、
前記期待利益テーブルの期待利益の大きなものからソートし、商品と発注個数と発注金額累計とを関連付けてもつ全商品ソート結果テーブルを作成する期待利益順発注優先順位作成処理と、
発注予算が指定されると、前記全商品ソート結果テーブルを参照し、期待利益が多いものから発注累計金額が指定された発注予算を超えるまでの記録を読み込んで表示を行う最適発注パターン算出処理と、
を実現させるプログラムを記録したコンピュータが読取り可能な記録媒体。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001097105A JP4388713B2 (ja) | 2001-03-29 | 2001-03-29 | 日配品発注最適化支援システム、その方法、及びプログラム |
| US10/102,821 US7328168B2 (en) | 2001-03-29 | 2002-03-22 | Daily delivered articles order optimization support system, method, and storage medium therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001097105A JP4388713B2 (ja) | 2001-03-29 | 2001-03-29 | 日配品発注最適化支援システム、その方法、及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002297958A JP2002297958A (ja) | 2002-10-11 |
| JP4388713B2 true JP4388713B2 (ja) | 2009-12-24 |
Family
ID=18950930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001097105A Expired - Fee Related JP4388713B2 (ja) | 2001-03-29 | 2001-03-29 | 日配品発注最適化支援システム、その方法、及びプログラム |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7328168B2 (ja) |
| JP (1) | JP4388713B2 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030009411A1 (en) * | 2001-07-03 | 2003-01-09 | Pranil Ram | Interactive grid-based graphical trading system for real time security trading |
| US7729937B2 (en) * | 2004-04-19 | 2010-06-01 | Star Travel Services Inc. | System for developing custom group tours |
| JP4996107B2 (ja) * | 2006-02-17 | 2012-08-08 | アスクル株式会社 | 経営指標に基づく発注優先順位算出装置、経営指標に基づく発注優先順位算出方法、経営指標に基づく発注優先順位算出プログラム |
| US10346784B1 (en) | 2012-07-27 | 2019-07-09 | Google Llc | Near-term delivery system performance simulation |
| CN107818056B (zh) * | 2016-09-14 | 2021-09-07 | 华为技术有限公司 | 一种队列管理方法及装置 |
| US10424006B2 (en) * | 2017-07-05 | 2019-09-24 | Accenture Global Solutions Limited | Automatic ordering of products |
| CN112534459A (zh) * | 2018-08-10 | 2021-03-19 | 日本电气株式会社 | 构成比校正装置、构成比校正方法和构成比校正程序 |
| JP7425596B2 (ja) * | 2019-12-24 | 2024-01-31 | 株式会社東芝 | 損失推定システム、損失推定方法、およびプログラム |
| US20210304094A1 (en) * | 2020-03-30 | 2021-09-30 | Coupang Corp | Computer-implemented systems and methods for intelligent profit gap determination and responsive adjustment |
| US20210365970A1 (en) * | 2020-05-20 | 2021-11-25 | Coupang Corp. | Systems and methods for optimizing cost of goods sold |
| JPWO2022102160A1 (ja) * | 2020-11-12 | 2022-05-19 | ||
| CN115376242B (zh) * | 2022-08-22 | 2023-08-08 | 广东便捷神科技股份有限公司 | 一种售货机的智能储物架的货物自动分配方法 |
| CN117495062B (zh) * | 2024-01-03 | 2024-03-29 | 山东悦朋智能科技有限公司 | 一种erp管理系统及方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02155067A (ja) * | 1988-12-07 | 1990-06-14 | Hitachi Ltd | 在庫警告方法及びこれを用いた在庫警告システム |
| JPH0934955A (ja) | 1995-07-17 | 1997-02-07 | Hitachi Ltd | 在庫管理診断支援方法およびシステム |
| WO1997015023A2 (en) * | 1995-10-17 | 1997-04-24 | Citibank, N.A. | Sales process support system and method |
| JPH09198448A (ja) | 1996-01-21 | 1997-07-31 | Nippon Syst Design Kk | 自動商品発注システムと自動商品発注装置 |
| US5946662A (en) * | 1996-03-29 | 1999-08-31 | International Business Machines Corporation | Method for providing inventory optimization |
| JP3816185B2 (ja) | 1997-05-07 | 2006-08-30 | 株式会社野村総合研究所 | 商品の流行予測を加味した売上予測装置及びその予測方法 |
| US6006202A (en) * | 1997-09-03 | 1999-12-21 | International Business Machines Corporation | Method to provide sensitivity information for lost-sale (R, s,S) inventory systems |
| JP2000123255A (ja) | 1998-10-20 | 2000-04-28 | Fujitsu General Ltd | 店舗／本部間データ伝送システム |
| US6341269B1 (en) * | 1999-01-26 | 2002-01-22 | Mercani Technologies, Inc. | System, method and article of manufacture to optimize inventory and merchandising shelf space utilization |
| AU3771800A (en) * | 1999-03-26 | 2000-10-16 | Retail Pipeline Integration Group, Inc., The | Method and system for determining time-phased sales forecasts and projected replenishment shipments in a supply chain |
-
2001
- 2001-03-29 JP JP2001097105A patent/JP4388713B2/ja not_active Expired - Fee Related
-
2002
- 2002-03-22 US US10/102,821 patent/US7328168B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002297958A (ja) | 2002-10-11 |
| US7328168B2 (en) | 2008-02-05 |
| US20020165761A1 (en) | 2002-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2002353396B2 (en) | Sales optimization | |
| US8473260B2 (en) | Model creation support system, model creation support method, and model creation support program | |
| US11769194B2 (en) | Method and system for presenting items in online environment based on previous item selections | |
| JP2735213B2 (ja) | 自動発注システム | |
| JP3767954B2 (ja) | 需要予測装置 | |
| US9773250B2 (en) | Product role analysis | |
| CN110119903B (zh) | 数据综合分析系统 | |
| JP4388713B2 (ja) | 日配品発注最適化支援システム、その方法、及びプログラム | |
| US20060004624A1 (en) | Forecast and replenishment analytics | |
| US20020116348A1 (en) | Dynamic pricing system | |
| US20030195791A1 (en) | System, method and article of manufacture to determine and communicate redistributed product demand | |
| JP2016012321A (ja) | 需要予測装置およびプログラム | |
| US6615195B1 (en) | Method and system for evaluating technology transfer value | |
| JP2000251001A (ja) | 訪問スケジュールと連動した最適商品抽出方法 | |
| JP7387422B2 (ja) | 発注推奨システム、発注推奨方法、およびプログラム | |
| JP7433892B2 (ja) | 需要予測装置、需要予測方法、およびプログラム | |
| JPH07160762A (ja) | 見積り支援装置 | |
| US20200202279A1 (en) | System and Method for Improving Sales Force Performance | |
| JP2004102357A (ja) | 生産量算定方法，生産量算定装置，生産量算定システム，生産量算定プログラムおよび記録媒体 | |
| JP2005029368A (ja) | 在庫管理システム及び在庫管理方法 | |
| JP2020113033A (ja) | 営業支援装置および営業支援方法 | |
| JP2004334327A (ja) | 発注提案システムおよび方法 | |
| JPH09237265A (ja) | 販売予測装置および販売予測方法 | |
| Gel et al. | Dynamic price and lead time quotation strategies to match demand and supply in make-to-order manufacturing environments | |
| JP7425596B2 (ja) | 損失推定システム、損失推定方法、およびプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060316 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081104 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081118 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090119 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090331 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090601 |
|
| 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: 20090929 |
|
| 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: 20091005 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4388713 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121009 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121009 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131009 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |