JP5079901B1 - Prediction method and prediction device for changes in work volume and number of visitors - Google Patents
Prediction method and prediction device for changes in work volume and number of visitors Download PDFInfo
- Publication number
- JP5079901B1 JP5079901B1 JP2011101928A JP2011101928A JP5079901B1 JP 5079901 B1 JP5079901 B1 JP 5079901B1 JP 2011101928 A JP2011101928 A JP 2011101928A JP 2011101928 A JP2011101928 A JP 2011101928A JP 5079901 B1 JP5079901 B1 JP 5079901B1
- Authority
- JP
- Japan
- Prior art keywords
- value
- work
- extracted
- peak index
- months
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 38
- 230000007704 transition Effects 0.000 claims description 48
- 230000000737 periodic effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】翌月の事務量、来客数の予測値を算出する。
【解決手段】データベースから予測対象月のN月前からM月前までの事務量人員、月間事務量、ピーク指数に関するデータを抽出するステップと、抽出された事務量人員と月間事務量とに関するデータの各項目の平均値を算出するステップと、各項目の増減率を算出するステップと、算出された増減率に予測対象月のK月前の値を乗算するステップと、予測対象月のN月前からM月前までの各日付と予測対象月の各日付とに日の特徴に応じたコード値を割り当てるステップと、割り当てられた予測対象月のN月前からM月前までのコード値に一致するコード値があるかどうかを決定するステップと、決定されたコード値が一致するすべての日付の各項目のピーク指数を抽出するステップと、抽出された各項目のピーク指数の平均値を算出するステップとを備える。ただし、N、M、KはN>K>Mを満たす自然数である。
【選択図】図8An object of the present invention is to calculate a predicted value of the amount of work and the number of visitors for the next month.
SOLUTION: A step of extracting data relating to office work volume personnel, monthly office work volume, and peak index from N months to M months before the forecast target month, and data relating to the extracted office work volume personnel and monthly office work volume Calculating an average value of each item, a step of calculating an increase / decrease rate of each item, a step of multiplying the calculated increase / decrease rate by a value K months before the prediction target month, and N month of the prediction target month Assigning code values according to the characteristics of the day to each date from the previous month to M months ago and each date of the prediction target month, and code values from N months to M months before the assigned prediction target month Determining whether there is a matching code value, extracting the peak index for each item for all dates that match the determined code value, and calculating the average value of the peak index for each extracted item Do And a step. However, N, M, and K are natural numbers that satisfy N>K> M.
[Selection] Figure 8
Description
本発明は、事務量推移、来客数推移の予測方法および予測装置に関し、より詳細には、データベースに接続されたコンピューターにおける、翌月の事務量、来客数を予測する事務量推移、来客数推移の予測方法および予測装置に関する。 The present invention relates to a prediction method and a prediction device for a change in the amount of work, a change in the number of visitors, and more specifically, in a computer connected to a database, the amount of work in the next month, a change in the amount of visit to predict the number of visitors, and a change in the number of visitors The present invention relates to a prediction method and a prediction apparatus.
従来、翌月の日別の事務量、来客数の予測は、過去の実績データと管理職の経験等とにより行われ、日別、時間帯別の待ち時間の予測は、店舗が都心にあるか、住宅街にあるか等により店舗をタイプ別に区分し、区分したタイプ別にパターン化された、閑散、平準、繁忙の繁閑パターンとして日別混雑予測情報を出力する混雑照会システムを利用して行われている。 Conventionally, the daily work volume and the number of visitors for the next month are forecasted based on past performance data and the experience of managers, etc., and the waiting time forecast for each day and time zone is based on whether the store is in the city center. It is done using a congestion inquiry system that outputs daily congestion forecast information as a busy, busy, busy pattern that divides stores by type depending on whether it is in a residential area, etc. ing.
また、小売店、飲食店等の店舗の来客数を予測するシステムとして、日報情報、労務情報、販売情報、気象センサー情報、ネットワーク情報を入力し、ベイジアンネットワークの確率テーブルを作成し、来客数予測データを出力するベイジアンネットワークを用いた来客数予測システムが知られている(例えば、特許文献1参照)。 In addition, as a system for predicting the number of customers at retail stores, restaurants, etc., daily report information, labor information, sales information, weather sensor information, and network information are input, a Bayesian network probability table is created, and the number of visitors is predicted. A visitor number prediction system using a Bayesian network that outputs data is known (see, for example, Patent Document 1).
さらに、来客予測・実績データを提供するシステムとして、ナビゲーションシステムに目的地が登録されると、経路案内情報、位置情報、経路案内開始日時を蓄積し、ナビゲーションシステムによる経路案内が終了すると、目的地到着有無情報、経路案内終了日時を蓄積し、蓄積した経路案内情報、位置情報、経路案内開始日時、目的地到着有無情報、経路案内終了日時を来客予測データとして保存する来客予測・実績情報提供システムがある(例えば、特許文献2参照)。 Furthermore, as a system for providing visitor prediction / actual data, when a destination is registered in the navigation system, route guidance information, location information, and route guidance start date / time are accumulated, and when the route guidance by the navigation system ends, the destination Arrival prediction information, route guidance end date and time are accumulated, and the stored route guidance information, location information, route guidance start date and time, destination arrival presence / absence information, route guidance end date and time are stored as visitor prediction / result information providing system (See, for example, Patent Document 2).
しかしながら、店舗をタイプ別に区分し、区分したタイプ別にパターン化された繁閑パターンとして日別混雑予測情報を出力する場合、実効的な予測をするために考慮可能なすべてのパターンを作成するのは困難であるという問題があった。 However, if you divide stores by type and output daily congestion forecast information as a busy pattern patterned by segmented type, it is difficult to create all patterns that can be considered for effective forecasting There was a problem of being.
店舗をタイプ別に区分し、区分したタイプ別にパターン化された繁閑パターンとして日別混雑予測情報を出力するのに繁閑パターンの適用が困難である場合、手動により、日別混雑予測情報を修正する必要があるという問題もあった。 If it is difficult to apply the busy pattern to output the daily congestion forecast information as a busy pattern that is classified by type and classified into stores, it is necessary to manually correct the daily congestion forecast information There was also a problem that there was.
さらに、店舗をタイプ別に区分し、区分したタイプ別にパターン化された繁閑パターンとして日別混雑予測情報を出力する場合、予測結果として、閑散、平準、繁忙の繁閑パターンしか出力することができず、閑散、繁忙の度合いを出力できないというという問題もあった。 In addition, if you divide stores by type and output daily congestion forecast information as a busy pattern that is patterned by sorted type, you can only output busy, flat, busy busy patterns as forecast results, There was also a problem that the degree of busyness and busyness could not be output.
本発明は、このような問題に鑑みてなされたもので、その目的とするところは、翌月の事務量、来客数の予測値を算出するための、事務量推移、来客数推移の予測方法および予測装置を提供することにある。 The present invention has been made in view of such problems. The purpose of the present invention is to calculate the amount of work for the next month, the predicted value of the number of customers, It is to provide a prediction device.
本発明は、このような目的を達成するために、請求項1に記載の発明は、過去の事務量人員と、月間事務量と、ピーク指数とに関するデータを月毎に格納しているデータベースに接続されたコンピューターにおいて、データベースから予測対象月のN月前からM月前までの事務量人員と、月間事務量と、ピーク指数とに関するデータ、ただしN、Mは自然数でありN>(M+1)を満たす、を抽出するステップと、抽出された事務量人員と月間事務量とに関するデータの各項目の平均値を算出するステップと、算出された平均値により抽出された予測対象月のM月前の値を除算することによって、各項目の増減率を算出するステップと、抽出された事務量人員と月間事務量とに関するデータの各項目に対し、算出された増減率に、抽出された予測対象月のK月前の値、ただしKは自然数でありN>K>Mを満たす、を乗算し、乗算された値を事務量人員と月間事務量とに関する予測値として格納するステップと、予測対象月のN月前からM月前までの各日付と、予測対象月の各日付とに日の特徴に応じたコード値を割り当てるステップと、割り当てられた予測対象月の各日付のコード値に対して、割り当てられた予測対象月のN月前からM月前までのコード値に一致するコード値があるかどうかを決定するステップと、抽出された予測対象月のN月前からM月前までのピーク指数に関するデータから、決定されたコード値が一致するすべての日付の各項目のピーク指数を抽出するステップと、抽出された各項目のピーク指数の平均値を算出し、算出された平均値をピーク指数に関する予測値として格納するステップと、格納された事務量人員と月間事務量とに関する予測値と、格納されたピーク指数に関する予測値とを出力するステップとを備えたことを特徴とする。 In order to achieve such an object, the present invention provides a database in which data relating to past work volume personnel, monthly work volume, and peak index are stored monthly. On the connected computer, data on the amount of work from N to M months before the forecast month from the database, data on monthly work and peak index, where N and M are natural numbers and N> (M + 1) The step of calculating the data, the step of calculating the average value of each item of the extracted work volume personnel and the monthly work volume, and M months before the prediction target month extracted by the calculated average value By calculating the rate of increase / decrease for each item by dividing the value of, and for each item of data on the extracted work volume personnel and monthly work volume, the calculated increase / decrease rate was extracted A value of K months before the measurement month, where K is a natural number and satisfies N> K> M, and the multiplied value is stored as a predicted value for the amount of work and the amount of monthly work; A step of assigning code values according to the characteristics of the day to each date from N months to M months before the prediction target month and each date of the prediction target month, and a code value of each date of the assigned prediction target month Determining whether there is a code value that matches the code values from N months to M months before the assigned prediction target month, and from N months before the extracted prediction target month to M months The step of extracting the peak index of each item for all dates that match the determined code value from the previous peak index data, and calculating the average value of the peak index of each extracted item Average value for peak index And storing as a prediction value, characterized by comprising a predicted value related to the stored office amount personnel and monthly office amount, and outputting a predicted value related to the stored peak index.
この構成によれば、翌月の事務量、来客数の予測値を算出して、事務量推移、来客数推移の予測結果を提供することが可能となる。 According to this configuration, it is possible to calculate the amount of work for the next month and the predicted value of the number of visitors, and provide the prediction result of the amount of work and the number of visitors.
請求項2に記載の発明は、請求項1に記載の格納されたピーク指数に関する予測値は、来客数についてのピーク指数に関する予測値を含むことを特徴とする。
The invention described in
この方法によれば、翌月の事務量、来客数の予測値を算出して、事務量推移、来客数推移の予測結果を提供することが可能となる。 According to this method, it is possible to calculate predicted values for the amount of work and the number of visitors for the next month, and to provide prediction results of the amount of work and the number of visitors.
請求項3に記載の発明は、過去の事務量人員と、月間事務量と、ピーク指数とに関するデータを月毎に格納しているデータベースに接続されたコンピューターにおいて、データベースから予測対象月のN月前からM月前までの事務量人員と、月間事務量と、ピーク指数とに関するデータを抽出する手段と、抽出された事務量人員と月間事務量とに関するデータの各項目の平均値を算出する手段と、算出された平均値により抽出された予測対象月のM月前の値を除算することによって、各項目の増減率を算出する手段と、抽出された事務量人員と月間事務量とに関するデータの各項目に対し、算出された増減率に、抽出された予測対象月のK月前の値を乗算し、乗算された値を事務量人員と月間事務量とに関する予測値として格納する手段と、予測対象月のN月前からM月前までの各日付と、予測対象月の各日付とに日の特徴に応じたコード値を割り当てる手段と、割り当てられた予測対象月の各日付のコード値に対して、割り当てられた予測対象月のN月前からM月前までのコード値に一致するコード値があるかどうかを決定する手段と、抽出された予測対象月のN月前からM月前までのピーク指数に関するデータから、決定されたコード値が一致するすべての日付の各項目のピーク指数を抽出する手段と、抽出された各項目のピーク指数の平均値を算出し、算出された平均値をピーク指数に関する予測値として格納する手段と、格納された事務量人員と月間事務量とに関する予測値と、格納されたピーク指数に関する予測値とを出力する手段とを備えたことを特徴とする。
The invention according to
この構成によれば、翌月の事務量、来客数の予測値を算出して、事務量推移、来客数推移の予測結果を提供することが可能となる。 According to this configuration, it is possible to calculate the amount of work for the next month and the predicted value of the number of visitors, and provide the prediction result of the amount of work and the number of visitors.
請求項4に記載の発明は、請求項3に記載の格納されたピーク指数に関する予測値は、来客数についてのピーク指数に関する予測値を含むことを特徴とする。
The invention described in
この装置によれば、翌月の事務量、来客数の予測値を算出して、事務量推移、来客数推移の予測結果を提供することが可能となる。 According to this apparatus, it is possible to calculate a predicted value of the next month's office work volume and the number of visitors, and provide a prediction result of the office work volume transition and the visitor number transition.
以上説明したように、本発明によれば、データベースから予測対象月のN月前からM月前までの事務量人員と、月間事務量と、ピーク指数とに関するデータを抽出するステップと、抽出された事務量人員と月間事務量とに関するデータの各項目の平均値を算出するステップと、算出された平均値により抽出された予測対象月のM月前の値を除算することによって、各項目の増減率を算出するステップと、抽出された事務量人員と月間事務量とに関するデータの各項目に対し、算出された増減率に、抽出された予測対象月のK月前の値を乗算し、乗算された値を事務量人員と月間事務量とに関する予測値として格納するステップと、予測対象月のN月前からM月前までの各日付と、予測対象月の各日付とに日の特徴に応じたコード値を割り当てるステップと、割り当てられた予測対象月の各日付のコード値に対して、割り当てられた予測対象月のN月前からM月前までのコード値に一致するコード値があるかどうかを決定するステップと、抽出された予測対象月のN月前からM月前までのピーク指数に関するデータから、決定されたコード値が一致するすべての日付の各項目のピーク指数を抽出するステップと、抽出された各項目のピーク指数の平均値を算出し、算出された平均値をピーク指数に関する予測値として格納するステップと、格納された事務量人員と月間事務量とに関する予測値と、格納されたピーク指数に関する予測値とを出力するステップとを備えたので、翌月の事務量、来客数の予測値を算出することが可能となる。 As described above, according to the present invention, the step of extracting data related to the work amount personnel, the monthly work amount, and the peak index from N months to M months before the target month is extracted from the database. Calculating the average value of each item of data regarding the amount of work and the amount of monthly work, and dividing the value of each item by M times of the forecast target month extracted by the calculated average value For each item of the data relating to the step of calculating the rate of increase / decrease and the extracted work volume personnel and monthly work volume, the calculated rate of increase / decrease is multiplied by the value K months before the extracted forecast target month, Steps for storing the multiplied value as a predicted value related to the amount of work and the amount of work for the month, each date from N months to M months before the prediction target month, and each date of the prediction target month Assign code values according to And a step of determining whether or not there is a code value that matches a code value from N months to M months before the assigned prediction target month, for the code value of each date of the assigned prediction target month And extracting the peak index of each item of all the dates with the determined code values from the data relating to the peak index from N months to M months before the extracted forecast target month, The average value of the peak index for each item is calculated, the calculated average value is stored as a predicted value for the peak index, the predicted value for the stored work volume personnel and the monthly work volume, and the stored peak index And a predicted value of the number of visitors can be calculated in the next month.
以下、図面を参照しながら本発明の実施形態について詳細に説明する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
図1は、本発明の一実施形態にかかる事務量推移、来客数推移を予測するシステム環境を示す構成図である。事務量推移、来客数推移の予測結果を算出し出力する予測装置101と、事務量推移、来客数推移を予測するためのデータが格納されているデータベース102とが、接続ケーブルにより接続されている。
FIG. 1 is a configuration diagram showing a system environment for predicting a change in the amount of work and a change in the number of visitors according to an embodiment of the present invention. The
本明細書において、説明の目的のために、システム環境は、予測装置101とデータベース102とを直接接続しているが、ネットワーク103を介して予測装置101とデータベース102とを接続してもよい。また、ネットワーク103を介して他のコンピューター104から予測装置101にアクセスして、予測結果を算出し出力してもよい。インターネット105を介して他のコンピューター106から予測装置101にアクセスして、予測結果を算出し出力してもよい。さらに、本明細書において、説明の目的のために、システム環境は、予測装置101とデータベース102とが分離されているが、予測装置101がデータベース102を含んでいてもよい。
In this specification, for the purpose of explanation, the system environment directly connects the
予測装置101は、図2を参照して後述するアプリケーションを処理することにより、データベース102に接続し、データベース102が格納しているデータを検索して、事務量推移、来客数推移を予測するために必要なデータを抽出し、抽出したデータから予測値を算出する。詳細は、図3〜5を参照して後述する。
The
データベース102は、月毎に、過去の実績値を記録する帳票データとして、例えば、事務効率管理表と、事務効率管理明細表と、ピーク日概況表とを格納する。事務効率管理表は、項目として、例えば、ハイカウンター関連事務の窓口、後方、主任の事務量人員と、ローカウンター関連事務の相談窓口、諸届窓口、後方、主任の事務量人員とを含む。ただし、事務量人員は、事務手続き通りに事務処理を行った場合の標準的な処理時間を人員換算した数値であり、単位は人数である。
The
事務効率管理明細表は、項目として、例えば、ハイカウンター関連事務の入金、出金、窓口電信振込、窓口文書振込、税公金納付、円貨両替、通帳記入・繰越の事務量と、ローカウンター関連事務の普通預金新口、普通預金解約、定期新口、定期継続、定期解約、通帳記入・繰越、口座振替受付、喪失受付・喪失完結、住所変更・名義変更、外貨売却、外貨買取、T/C売却、T/C買取の事務量とを含む。ただし、事務量は、1営業日当たりの件数である。 The work efficiency management schedule includes, for example, deposits, withdrawals, counter telegraph transfers, counter document transfers, tax payments, yen exchange, bankbook entry / carry-back work volume for high counter related office work, and low counter related office work. New account savings account, normal account cancellation, periodic new account, periodic continuation, periodic cancellation, passbook entry / carry-over, account transfer acceptance, loss acceptance / loss completion, address change / name change, foreign currency sale, foreign currency purchase, T / C Includes sales and T / C purchases. However, the amount of work is the number of cases per business day.
ピーク日概況表は、項目として、日別に、例えば、ハイカウンター関連の入金、出金、電信振込、文書振込、税金納付、円貨両替、通帳記入・繰越の事務量のピーク指数と、ローカウンター関連の普通預金新口、普通預金解約、定期新口・定期継続、定期解約、諸届受付、外貨両替・T/Cの事務量のピーク指数と、ロビー・コーナーの窓口のハイ、ロー(相談)、ロー(諸届)の来客数のピーク指数と、ロビー・コーナーの自動サービス機の来客数のピーク指数と、ハイ、ロー(相談)、ロー(諸届)の窓口数とを含む。 The peak day summary table includes items for each day, for example, high-counter related deposits, withdrawals, wire transfers, document transfers, tax payments, yen exchanges, passbook entry / carry forward work volume peak indices, and low counter-related items. New deposits, regular account cancellations, regular new account / continuation, periodic cancellation, receipt of notifications, foreign currency exchange, peak index of T / C work volume and high / low (consultation) at the lobby corner window , Including the peak index of the number of visitors in the low (notifications), the peak index of the number of visitors in the automatic service machine in the lobby corner, and the number of counters in the high, low (consultation) and low (various notifications).
ただし、ピーク指数は、当日の値を月中平均の値により除算し、除算した値に100を乗算した数値であり、言い換えると、月間の1営業日平均を100として、繁忙度を表す指数である。例えば、月間の1営業日平均の来客数を50人とし、当日の来客数を75人とすると、当日の来客数のピーク指数は、次の式の通りである。
ピーク指数=75人÷50人×100=150
図2は、本発明の一実施形態にかかる事務量推移、来客数推移の予測装置を示すブロック図である。予測装置101は、各ブロックを制御する中央処理装置201と、プログラムおよびデータを記憶するメモリ202と、データを保存する記憶装置203と、入力を処理する入力装置204と、出力を表示する画面表示装置205と、データベース102に接続するネットワーク接続装置206とが、バスを介して相互に接続されている。
However, the peak index is a value obtained by dividing the current day value by the average value during the month and multiplying the divided value by 100. In other words, the peak index is an index representing busyness with the average of one business day per month as 100. is there. For example, assuming that the average number of visitors per business day per month is 50 and the number of visitors on the day is 75, the peak index of the number of visitors on the day is as follows.
Peak index = 75 people / 50 people x 100 = 150
FIG. 2 is a block diagram showing an apparatus for predicting a change in the amount of work and a change in the number of visitors according to an embodiment of the present invention. The
中央処理装置201は、メモリ202に記憶されたプログラムを実行する。中央処理装置201は、入力装置204から事務量推移、来客数推移の予測の要求を受信すると、基本ソフトウェア211と、アプリケーション212と、データ213とによって、ネットワーク接続装置206を介してデータベース102に接続してデータベース102のデータを検索して、事務量推移、来客数推移を予測するために必要なデータを抽出し、抽出したデータから予測値を算出し、算出した予測値を画面表示装置205に表示させる。
The
このような構成により、翌月の事務量、来客数の予測値を算出して、事務量推移、来客数推移の予測結果を提供する。 With such a configuration, the predicted value of the next month's amount of work and the number of visitors is calculated, and the prediction result of the change in the amount of work and the number of visitors is provided.
図3は、本発明の一実施形態にかかる事務量推移、来客数推移の予測方法を示すフローチャートである。予測装置101のメモリ202に格納されたアプリケーション212が実行されることにより、事務量推移、来客数推移の予測結果を取得する場合の予測方法の処理を説明する。
FIG. 3 is a flowchart showing a method for predicting the transition of the amount of work and the transition of the number of visitors according to the embodiment of the present invention. Processing of the prediction method in the case where the
予測装置101のメモリ202に格納されたアプリケーション212が実行されて、予測装置101の入力装置204から事務量推移、来客数推移の予測の要求を受信すると、ステップS301において、データベース102から、事務量推移、来客数推移を予測するために必要な帳票データを抽出して、ステップS302に進む。例えば、ステップS301において抽出する帳票データは、事務効率管理表と、事務効率管理明細表と、ピーク日概況表とを含む。
When the
ステップS302では、予測対象月のN月前からM月前までの(N−M+1)月分の帳票データをデータベース102からすべて抽出したかどうかを決定する。ただし、N、Mは自然数であり、N>(M+1)を満たすとおく。例えば、Nが15であり、Mが3であり、予測対象月が2010年12月であるとすると、2009年9月から2010年9月までの13月分の帳票データをデータベース102からすべて抽出したかどうかを決定する。
In step S <b> 302, it is determined whether or not all the form data for (N−M + 1) months from N months to M months before the prediction target month have been extracted from the
ステップS302において、予測対象月のN月前からM月前までの(N−M+1)月分の帳票データをデータベース102から抽出していた場合、ステップS303に進む。ステップS303では、事務量人員として、事務処理明細の項目のうち、配置する人員数が事務量に比例する項目について、予測対象月のN月前からM月前までの平均値を算出する。
In step S302, when the form data for (N−M + 1) months from N months before M months before the prediction target month has been extracted from the
例えば、ステップS303において、配置する人員数が事務量に比例する項目は、ハイカウンター関連事務の窓口、後方、主任の事務量人員と、ローカウンター関連事務の相談窓口、諸届窓口、後方、主任の事務量人員と、ハイカウンター関連事務の入金、出金、窓口電信振込、窓口文書振込、税公金納付、円貨両替、通帳記入・繰越の事務量と、ローカウンター関連事務の普通預金新口、普通預金解約、定期新口、定期継続、定期解約、通帳記入・繰越、口座振替受付、喪失受付・喪失完結、住所変更・名義変更、外貨売却、外貨買取、T/C売却、T/C買取の事務量とを含むことができる。 For example, in step S303, the items in which the number of staff to be allocated is proportional to the amount of work include the counter for high counter-related work, the back, and the chief work amount of staff, and the counter for clerical work related to the low counter, various notification windows, the back, and the chief The amount of work in the office, and deposits, withdrawals, bank wire transfers, bank document transfers, tax payments, yen exchange, bankbook entry / carry-over work volumes, and low counter-related work Termination of ordinary deposit, periodic new account, periodic continuation, periodic termination, bankbook entry / carry-over, account transfer acceptance, loss acceptance / loss completion, address change / name change, foreign currency sale, foreign currency purchase, T / C sale, T / C purchase Can be included.
さらに、ステップS303では、月間事務量の項目について、予測対象月のN月前からM月前までの平均値を算出して、ステップS304に進む。例えば、月間事務量の項目は、ハイカウンター関連の入金、出金、電信振込、文書振込、税金納付、円貨両替、通帳記入・繰越の事務量のピーク指数と、ローカウンター関連の普通預金新口、普通預金解約、定期新口・定期継続、定期解約、諸届受付、外貨両替・T/Cの事務量のピーク指数と、ロビー・コーナーの窓口のハイ、ロー(相談)、ロー(諸届)の来客数のピーク指数と、ロビー・コーナーの自動サービス機の来客数のピーク指数と、ハイ、ロー(相談)、ロー(諸届)の窓口数とを含む。 Further, in step S303, an average value from N months to M months before the prediction target month is calculated for the monthly work amount item, and the process proceeds to step S304. For example, monthly work volume items include high-counter related deposits, withdrawals, wire transfers, document transfers, tax payments, yen exchanges, passbook entry / carry-over peak work volumes, and low counter-related new savings accounts , Normal deposit cancellation, periodic new mouth / continuous continuation, periodic cancellation, receipt of notifications, foreign currency exchange / T / C work volume peak index, lobby corner window high, low (consultation), low (notifications) ) Visitor peak index, lobby corner automatic service machine peak index, and high, low (consultation), and low (notification) counters.
ステップS302において、予測対象月のN月前からM月前までの(N−M+1)月分の帳票データをデータベース102から抽出していなかった場合、ステップS301に戻り、データベース102から、事務量推移、来客数推移を予測するために必要な帳票データを抽出する。
In step S302, if the form data for (N−M + 1) months from N months before M months before the prediction target month has not been extracted from the
ステップS304では、ステップS303において算出した項目について、予測対象月のM月前の実績値を、算出した予測対象月のN月前からM月前までの平均値により除算することにより、増減率を算出して、ステップS305に進む。例えば、Nが15であり、Mが3であり、予測対象月が2010年12月であり、項目Aの2009年9月から2010年9月までの平均値が10であり、項目Aの実績値が12であるとすると、算出される項目Aの増減率は、次の通りである。
増減率=12÷10=1.2
ステップS305では、ステップS303において算出した項目について、ステップS304において算出した増減率に、予測対象月のK月前の実績値を乗算し、乗算した値を、事務量人員、月間事務量の予測値として、メモリ202のデータ212に格納し、ステップS306に進む。ただし、Kは自然数であり、N>K>Mを満たすとおく。例えば、Nが15であり、Kが12であり、Mが3であり、予測対象月が2010年12月であり、算出された項目Aの増減率が1.2であり、予測対象月の12月前(前年同月)である2009年12月の項目Aの実績値が20とすると、算出される項目Aの予測値は、次の通りである。
予測値=20×1.2=24
上記の自然数N、M、Kは、業務の実態に応じて設定することができるが、Nが15であり、Kが12であり、Mが3である場合は、年間の増減傾向と季節変動とを考慮した予測値を算出することができる。
In step S304, with respect to the item calculated in step S303, the change rate is calculated by dividing the actual value before M months of the prediction target month by the average value from N months to M months before the calculated prediction target month. Calculate and go to step S305. For example, N is 15, M is 3, the prediction target month is December 2010, the average value of item A from September 2009 to September 2010 is 10, and the result of item A Assuming that the value is 12, the calculated rate of increase / decrease of item A is as follows.
Increase / decrease rate = 12 ÷ 10 = 1.2
In step S305, for the item calculated in step S303, the increase / decrease rate calculated in step S304 is multiplied by the actual value before K months of the prediction target month, and the multiplied value is used as the predicted value for the amount of work and the monthly amount of work. Is stored in the
Predicted value = 20 × 1.2 = 24
The natural numbers N, M, and K can be set according to the actual state of business. However, when N is 15, K is 12, and M is 3, the annual increase and decrease trends and seasonal variations It is possible to calculate a predicted value in consideration of
ステップS306では、予測に必要な項目について、すべて算出されているかどうかを決定する。予測に必要な項目について、すべて算出されている場合には、ステップS305においてメモリ202のデータ213に格納した予測値を、画面表示装置205に出力し、処理を終了して、すべて算出されていない場合には、ステップS303に戻る。
In step S306, it is determined whether all items necessary for prediction have been calculated. If all the items necessary for the prediction are calculated, the predicted values stored in the
図4、5は、本発明の一実施形態にかかる事務量推移、来客数推移の予測方法を示すフローチャートである。予測装置101のメモリ202に格納されたアプリケーション212が実行されることにより、事務量推移、来客数推移の予測結果を取得する場合の予測方法の処理を説明する。
4 and 5 are flowcharts showing a method for predicting the transition of the amount of work and the transition of the number of visitors according to the embodiment of the present invention. The process of the prediction method when acquiring the prediction result of the business amount transition and the visitor number transition by executing the
予測装置101のメモリ202に格納されたアプリケーション212が実行されて、予測装置101の入力装置204から事務量推移、来客数推移の予測の要求を受信すると、ステップS401において、図6を参照して後述するグループの定義に基づいて、予測対象月の各日付にコード値を割り当てることにより、予測対象月の各日付をグループに分類して、ステップS402に進む。
When the
ステップS402では、データベース102から、事務量推移、来客数推移を予測するために必要な帳票データを抽出して、ステップS403に進む。例えば、ステップS402において抽出する帳票データは、ピーク日概況表を含む。
In step S402, the form data necessary for predicting the business amount transition and the visitor number transition is extracted from the
ステップS403では、図6を参照して後述するグループの定義に基づいて、ステップS402において抽出された帳票データの各日付にコード値を割り当てることにより、ステップS402において抽出された帳票データの各日付をグループに分類して、ステップS404に進む。 In step S403, each date of the form data extracted in step S402 is assigned by assigning a code value to each date of the form data extracted in step S402 based on the group definition described later with reference to FIG. The group is classified, and the process proceeds to step S404.
ステップS404では、ステップS401において割り当てた予測対象月の各日付のコード値に対して、ステップS403において割り当てた帳票データのコード値の中に、一致するコード値があるかどうかを決定する。ステップS401において割り当てた予測対象月の各日付のコード値に対して、ステップS403において割り当てた帳票データのコード値の中に、一致するコード値がある場合、ステップS405に進み、一致するコード値がない場合、ステップS406に進む。 In step S404, it is determined whether there is a matching code value among the code values of the form data assigned in step S403 with respect to the code value of each date of the prediction target month assigned in step S401. If there is a matching code value among the code values of the form data assigned in step S403 for the code value of each date of the prediction target month assigned in step S401, the process proceeds to step S405, and the matching code value is determined. If not, the process proceeds to step S406.
ステップS405では、コード値が一致するすべての日付の各項目のピーク指数を、ステップS402において抽出した帳票データから抽出して、ステップS406に進む。例えば、抽出されるピーク指数は、ハイカウンター関連の入金、出金、電信振込、文書振込、税金納付、円貨両替、通帳記入・繰越の事務量のピーク指数と、ローカウンター関連の普通預金新口、普通預金解約、定期新口・定期継続、定期解約、諸届受付、外貨両替・T/Cの事務量のピーク指数と、ロビー・コーナーの窓口のハイ、ロー(相談)、ロー(諸届)の来客数のピーク指数と、ロビー・コーナーの自動サービス機の来客数のピーク指数とを含む。 In step S405, the peak index of each item of all dates having the same code value is extracted from the form data extracted in step S402, and the process proceeds to step S406. For example, the peak indices to be extracted are the peak indices for high counter-related deposits, withdrawals, wire transfers, document transfers, tax payments, yen exchanges, passbook entry / carry-over work volumes, and low counter-related new savings account , Normal deposit cancellation, periodic new mouth / continuous continuation, periodic cancellation, receipt of notifications, foreign currency exchange / T / C work volume peak index, lobby corner window high, low (consultation), low (notifications) ) And the peak index of the number of visitors of the lobby corner automatic service machine.
ステップS406では、予測対象月のN月前からM月前までの(N−M+1)月分の帳票データをデータベース102からすべて抽出したかどうかを決定する。例えば、Nが15であり、Mが3であり、予測対象月が2010年12月であるとすると、2009年9月から2010年9月までの13月分の帳票データをデータベース102からすべて抽出したかどうかを決定する。
In step S <b> 406, it is determined whether or not all the form data for (N−M + 1) months from N months before M months before the prediction target month have been extracted from the
ステップS406において、予測対象月のN月前からM月前までの(N−M+1)月分の帳票データをデータベース102から抽出していた場合、ステップS501に進み、予測対象月のN月前からM月前までの(N−M+1)月分の帳票データをデータベース102から抽出していなかった場合、ステップS402に戻る。
In step S406, when the form data for (N-M + 1) months from N months before the prediction target month to M months has been extracted from the
ステップS501では、抽出したピーク指数の平均値を算出し、算出した平均値を、ピーク指数の予測値として、メモリ202のデータ213に格納して、ステップS502に進む。例えば、Nが15であり、Mが3であり、予測対象月が2010年12月であるとすると、図6を参照して後述するコード値がS10の場合、すなわち、2010年12月10日(金)の場合、2009年9月から2010年9月までの13月分の帳票データに、コード値S10が割り当てられるのは、2009年11月10日(火)、2009年12月10日(木)、2010年2月10日(水)、2010年3月10日(水)、2010年5月10日(月)、2010年6月10日(木)、2010年8月10日(火)、2010年9月10日(金)の8月分の帳票データであり、抽出したピーク指数の平均値は、8月分のピーク指数の平均値となる。
In step S501, the average value of the extracted peak index is calculated, the calculated average value is stored in the
ステップS502では、予測に必要な項目について、すべて算出されているかどうかを決定する。予測に必要な項目について、すべて算出されている場合には、ステップS501においてメモリ202のデータ213に格納した予測値を、画面表示装置205に出力し、処理を終了し、すべて算出されていない場合には、ステップS501に戻る。
In step S502, it is determined whether all items necessary for prediction have been calculated. When all items necessary for the prediction are calculated, the predicted value stored in the
図6は、本発明の一実施形態にかかる事務量推移、来客数推移の予測方法に用いるグループおよびコード値を例示する図である。グループは、日が、月末相当日、10日、25日の繁忙日であるのか、閑散日であるのか、その他の平準日であるのかといった特徴によって区分され、区分毎にコード値を割り当てる。 FIG. 6 is a diagram exemplifying groups and code values used in the method for predicting the transition of the business amount and the transition of the number of visitors according to the embodiment of the present invention. The groups are divided according to characteristics such as whether the day is a busy day of the end of the month, the 10th or 25th, the off-day, or another level day, and a code value is assigned to each of the groups.
図4、5を参照して説明したステップS401、S403において、日付にコード値を割り当てる際の優先順位は、#1、#2、・・・、#13の順であり、優先順位の最上位は、#1であり、優先順位の最下位は、#13である。この優先順位に従うと、各日付に対して、コード値が一意的に定まる。 In steps S401 and S403 described with reference to FIGS. 4 and 5, the priority when assigning code values to dates is in the order of # 1, # 2,..., # 13, and the highest priority order. Is # 1, and the lowest priority is # 13. According to this priority order, a code value is uniquely determined for each date.
図7は、本発明の一実施形態にかかる事務量推移、来客数推移の予測方法に用いるグループおよびコード値が適用された例を例示する図である。図7は、2010年12月の各日付にコード値を割り当てた場合の例であり、2010年12月10日(金)には、S10が割り当てられ、2010年12月25日(土)には、Z01が割り当てられ、2010年12月28日(火)には、S31が割り当てられている。 FIG. 7 is a diagram illustrating an example in which a group and a code value used in a method for predicting a change in the amount of work and a change in the number of visitors according to an embodiment of the present invention are applied. FIG. 7 shows an example in which a code value is assigned to each date in December 2010. On December 10, 2010 (Friday), S10 is assigned, and on December 25, 2010 (Saturday). Z01 is assigned, and S31 is assigned on December 28, 2010 (Tuesday).
図8は、本発明の一実施形態にかかる事務量推移、来客数推移の予測結果を例示する図である。図8は、Nが15であり、Mが3であり、予測対象月が2010年12月の場合の例であり、2009年9月から2010年9月までの13月分の帳票データを基に算出された予測値を、事務量人員、月間事務量、お客様サービス課のピーク指数、ロビー・コーナー来客数のピーク指数として出力した例である。 FIG. 8 is a diagram exemplifying prediction results of the business amount transition and the visitor number transition according to the embodiment of the present invention. FIG. 8 shows an example where N is 15, M is 3, and the prediction target month is December 2010. Based on the form data for 13 months from September 2009 to September 2010. In this example, the predicted values calculated in the above are output as the work volume personnel, the monthly work volume, the peak index of the customer service section, and the peak index of the number of visitors in the lobby corner.
本実施形態によれば、翌月の事務量、来客数の予測値を算出することができ、事務量推移、来客数推移の予測結果を提供することが可能となる。 According to the present embodiment, it is possible to calculate a predicted value of the amount of work and the number of visitors in the next month, and to provide a prediction result of the amount of work and the number of visitors.
本発明は、さまざまな分野の事務量推移予測、来客数推移予測に利用することができる。 The present invention can be used for business amount transition prediction and visitor number transition prediction in various fields.
101 予測装置
102 データベース
104、106 コンピューター
105 インターネット
201 中央処理装置
202 メモリ
203 記憶装置
204 入力装置
205 画面表示装置
206 ネットワーク接続装置
211 基本ソフトウェア
212 アプリケーション
213 データ
DESCRIPTION OF
Claims (4)
前記データベースから予測対象月のN月前からM月前までの事務量人員と、月間事務量と、ピーク指数とに関するデータ、ただしN、Mは自然数でありN>(M+1)を満たす、を抽出するステップと、
前記抽出された事務量人員と月間事務量とに関するデータの各項目の平均値を算出するステップと、
前記算出された平均値により前記抽出された予測対象月のM月前の値を除算することによって、各項目の増減率を算出するステップと、
前記抽出された事務量人員と月間事務量とに関するデータの各項目に対し、前記算出された増減率に、前記抽出された予測対象月のK月前の値、ただしKは自然数でありN>K>Mを満たす、を乗算し、前記乗算された値を事務量人員と月間事務量とに関する予測値として格納するステップと、
前記予測対象月のN月前からM月前までの各日付と、前記予測対象月の各日付とに日の特徴に応じたコード値を割り当てるステップと、
前記割り当てられた予測対象月の各日付のコード値に対して、前記割り当てられた予測対象月のN月前からM月前までのコード値に一致するコード値があるかどうかを決定するステップと、
前記抽出された予測対象月のN月前からM月前までのピーク指数に関するデータから、前記決定されたコード値が一致するすべての日付の各項目のピーク指数を抽出するステップと、
前記抽出された各項目のピーク指数の平均値を算出し、前記算出された平均値をピーク指数に関する予測値として格納するステップと、
前記格納された事務量人員と月間事務量とに関する予測値と、前記格納されたピーク指数に関する予測値とを出力するステップと
を備えたことを特徴とする予測方法。 In a computer connected to a database that stores data on past work volume personnel, monthly work volume, and peak index on a monthly basis,
Extracted from the database data related to the work volume from N months to M months before the forecast month, monthly work volume, and peak index, where N and M are natural numbers and satisfy N> (M + 1) And steps to
Calculating an average value of each item of data relating to the extracted office work volume and monthly work volume;
Calculating an increase / decrease rate of each item by dividing a value of M months before the extracted prediction target month by the calculated average value;
For each item of data relating to the extracted amount of office work and monthly amount of work, the calculated increase / decrease rate is a value K months before the extracted prediction target month, where K is a natural number and N> Multiplying K> M, and storing the multiplied value as a predicted value for the work amount personnel and the monthly work amount;
Assigning code values according to the characteristics of the day to each date from N months before M months before the prediction target month and to each date of the prediction target month;
Determining whether there is a code value corresponding to a code value from N months before to M months before the assigned prediction target month for the code value of each date of the assigned prediction target month; ,
Extracting the peak index of each item on all dates for which the determined code values match from data relating to the peak index from N months to M months before the extracted prediction target month;
Calculating an average value of the peak index of each extracted item, and storing the calculated average value as a predicted value related to the peak index;
A prediction method, comprising: a step of outputting a predicted value related to the stored work volume personnel and monthly work volume, and a predicted value related to the stored peak index.
前記データベースから予測対象月のN月前からM月前までの事務量人員と、月間事務量と、ピーク指数とに関するデータ、ただしN、Mは自然数でありN>(M+1)を満たす、を抽出する手段と、
前記抽出された事務量人員と月間事務量とに関するデータの各項目の平均値を算出する手段と、
前記算出された平均値により前記抽出された予測対象月のM月前の値を除算することによって、各項目の増減率を算出する手段と、
前記抽出された事務量人員と月間事務量とに関するデータの各項目に対し、前記算出された増減率に、前記抽出された予測対象月のK月前の値、ただしKは自然数でありN>K>Mを満たす、を乗算し、前記乗算された値を事務量人員と月間事務量とに関する予測値として格納する手段と、
前記予測対象月のN月前からM月前までの各日付と、前記予測対象月の各日付とに日の特徴に応じたコード値を割り当てる手段と、
前記割り当てられた予測対象月の各日付のコード値に対して、前記割り当てられた予測対象月のN月前からM月前までのコード値に一致するコード値があるかどうかを決定する手段と、
前記抽出された予測対象月のN月前からM月前までのピーク指数に関するデータから、前記決定されたコード値が一致するすべての日付の各項目のピーク指数を抽出する手段と、
前記抽出された各項目のピーク指数の平均値を算出し、前記算出された平均値をピーク指数に関する予測値として格納する手段と、
前記格納された事務量人員と月間事務量とに関する予測値と、前記格納されたピーク指数に関する予測値とを出力する手段と
を備えたことを特徴とする予測装置。 It is a forecasting device for the transition of the amount of work and the number of visitors connected to the database that stores the data on the past work volume, the monthly work volume, and the peak index,
Extracted from the database data related to the work volume from N months to M months before the forecast month, monthly work volume, and peak index, where N and M are natural numbers and satisfy N> (M + 1) Means to
Means for calculating an average value of each item of data relating to the extracted office work volume and monthly work volume;
Means for calculating an increase / decrease rate of each item by dividing a value of M months before the extracted prediction target month by the calculated average value;
For each item of data relating to the extracted amount of office work and monthly amount of work, the calculated rate of change is the value K months before the extracted forecast target month, where K is a natural number and N> Means for satisfying K> M, and storing the multiplied value as a predicted value relating to the amount of work and the amount of monthly work;
Means for assigning code values according to the characteristics of the day to each date from N months to M months before the prediction target month and to each date of the prediction target month;
Means for determining whether there is a code value corresponding to a code value from N months to M months before the assigned prediction target month, for each assigned code value of the prediction target month; ,
Means for extracting the peak index of each item on all dates for which the determined code value matches, from data relating to the peak index from N months to M months before the extracted prediction target month;
Means for calculating an average value of the peak index of each extracted item, and storing the calculated average value as a predicted value for the peak index;
A prediction apparatus, comprising: means for outputting a predicted value related to the stored work volume personnel and monthly work volume, and a predicted value related to the stored peak index.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011101928A JP5079901B1 (en) | 2011-04-28 | 2011-04-28 | Prediction method and prediction device for changes in work volume and number of visitors |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011101928A JP5079901B1 (en) | 2011-04-28 | 2011-04-28 | Prediction method and prediction device for changes in work volume and number of visitors |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5079901B1 true JP5079901B1 (en) | 2012-11-21 |
JP2012234325A JP2012234325A (en) | 2012-11-29 |
Family
ID=47434601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011101928A Active JP5079901B1 (en) | 2011-04-28 | 2011-04-28 | Prediction method and prediction device for changes in work volume and number of visitors |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5079901B1 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6124341B2 (en) * | 2013-09-10 | 2017-05-10 | 株式会社ゼンリンデータコム | Estimated value calculating apparatus, estimated value calculating method, and program |
JP6619938B2 (en) * | 2015-02-13 | 2019-12-11 | 株式会社日立システムズ | Resource control system and resource control method |
JP6251840B1 (en) * | 2017-09-29 | 2017-12-20 | 株式会社Epark | Information provision system |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001350914A (en) * | 2000-06-07 | 2001-12-21 | Nec Corp | System and method for predicting office work volume statistic |
JP2004127265A (en) * | 2002-08-06 | 2004-04-22 | Mizuho Trust & Banking Co Ltd | Personnel management system in security agency service |
JP2005228014A (en) * | 2004-02-13 | 2005-08-25 | Inter Db:Kk | System for predicting number of visitor using bayesian network |
JP2010191763A (en) * | 2009-02-19 | 2010-09-02 | Nec Software Chubu Ltd | Visitor prediction-records information provider system and method thereof |
-
2011
- 2011-04-28 JP JP2011101928A patent/JP5079901B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012234325A (en) | 2012-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9188453B2 (en) | Constrained service restoration with heuristics | |
JP4928962B2 (en) | How to predict call volume | |
US20160300196A1 (en) | Consolidated platform for financial institution fund transfers | |
JP4678879B2 (en) | Sales prediction system, method and computer program | |
US10572844B1 (en) | Determining employee shift schedules | |
CN107615313A (en) | The business activity servicing unit and business activity householder method predicted using contract cancellation | |
US20200342379A1 (en) | Forecasting methods | |
US20200210920A1 (en) | Machine Learning System for Demand Forecasting With Improved Date Alignment | |
JP2012247964A (en) | Progress management apparatus and progress management program | |
CN110941687A (en) | Method and device for generating visit report | |
US8527384B2 (en) | Currency equivalency application | |
JP5079901B1 (en) | Prediction method and prediction device for changes in work volume and number of visitors | |
JP2014093041A (en) | Inheritance management program and inheritance management system | |
JP5862144B2 (en) | Server apparatus and program | |
JP2009230689A (en) | Reservation processing system | |
Willcocks et al. | Information Technology and Organizational Performance Beyond the IT productivity paradox | |
CN116011863A (en) | Network point service evaluation system and method | |
JP5581255B2 (en) | Usage number optimization program and usage number optimization method | |
JP4241557B2 (en) | Campaign display system | |
JP2019053357A (en) | System, method and computer program for proposing real estate utilization | |
JP5564544B2 (en) | Method and system for counting work amount by customer attribute | |
JP6651173B1 (en) | Credit judgment material providing system for construction industry | |
CN112116253A (en) | Method, device and system for selecting central mesh point | |
KR20210055130A (en) | Method for recommedning banking business store and server performing the same | |
JP6121017B2 (en) | Financial institution management support system and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20120821 |
|
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: 20120829 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150907 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5079901 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |