JP5663081B2 - 部品出荷数予測システム、及びプログラム - Google Patents

Description

本発明は、情報処理システム等の技術に関し、特に、部品出荷数の予測処理を行うシステム等に関する。

本技術分野の先行技術例として、特開２００３−２６３３００号公報（特許文献１）、特開２００３−１４１３２９号公報（特許文献２）などがある。

特許文献１には、「従来、コピー機やプリンターのような消耗品を伴う製品について、……消耗品に関する需要量は、消耗品の過去の販売実績の推移と、市場の動向、本体の販売計画数量から経験的に決められている」、「製品が出力する出力物の出力量と、消耗品の販売量とから、将来の出力物を出力するための消耗品の消費量を予測する」と記載されている（要約参照）。

特許文献２には、「製品およびその純正部品のみを購入する特定需要者に販売した該製品の数量Ｐを集計するＰ集計手段12と、特定需要者に販売した該純正部品の数量Ｑを集計するＱ集計手段13と、全国における該製品の保有数量Ａを集計するＡ集計手段14と、全国で販売された該純正部品の数量Ｂを集計するＢ集計手段15と、……集計結果Ｐ，Ｑ，Ａを用いて該製品の全国で販売された部品の推定数量ＣをＣ＝Ａ・（Ｑ／Ｐ）により算出するＣ演算手段16と、……演算結果Ｃおよび……演算結果Ｂを用いて該製品の全国で販売された非純正部品の推定数量ＤをＤ＝Ｃ−Ｂにより算出するＤ演算手段17とを備え、……推定数量Ｄを全国の非純正部品の需要数とする非純正部品の需要数算出装置」と記載されている（要約参照）。

背景として、製品とその部品の情報管理等に関し、部品出荷数を予測することが有効である。例えば予測した部品出荷数に基づいて部品発注を行うことが有効である。

特開２００３−２６３３００号公報 特開２００３−１４１３２９号公報

課題は、製品出荷日を起点とする、顧客が部品を購入することが想定される期間の長さである部品購入想定期間（例えば製品の無償保証期間や、販促強化期間や、製品下取りキャンペーン開始時期）に応じて変化する、メーカ純正部品の出荷数の予測である。

まず、製品の無償保証期間とは、定期交換を推奨している消耗品や交換品としてメーカ純正部品を、顧客が必ず使用することを条件に、製品故障時の保守をメーカが無償で実施することを保証する、製品出荷日を起点とする期間である。一般に、製品の無償保証期間中は保証を受ける目的で顧客はメーカ純正部品を積極的に購入するが、保証期間終了後は保守部品の購入代金を低減する目的で顧客はより安価な非純正品を購入する傾向がある。

次に、販促強化期間とは、顧客がメーカ純正部品を購入するよう、メーカが積極的に販売促進（顧客訪問、ダイレクトメール送付など）を行う、製品出荷日を起点とする期間である。一般に、販促強化期間中はメーカ純正部品の購入が容易である（メーカの営業担当者の顧客訪問時に購入可能であるなど）ことから、メーカ純正部品の購入が増える傾向があり、販促強化期間終了後は購入が比較的容易でなくなるため、非純正部品の購入が増える傾向がある。

また、製品下取りキャンペーン開始時期とは、顧客が新製品を購入することを条件に、顧客が既に保有する旧製品を、メーカが下取りするキャンペーンを開始する、製品出荷日を起点とする時期である。一般に、キャンペーン開始前は、顧客は旧製品用の部品（純正部品）を購入するが、キャンペーン開始後は、顧客は新製品への買換えを計画するため、旧製品用の部品の購入を控える傾向がある。

よって、部品購入想定期間は、一般に、製品の無償保証期間および販促強化期間が長くなると同時に長くなり、また、製品下取りキャンペーン開始時期が遅くなっても長くなる。また、製品出荷日からの累積経過時間が部品購入想定期間内である製品を所有する顧客は、一般に、メーカ純正部品の購入に積極的であることから、メーカ純正部品の出荷数は、一般に、製品出荷日からの累積経過時間が部品購入想定期間内である製品の稼働台数と正比例する。以上より、製品の無償保証期間や、販促強化期間や、製品下取りキャンペーン開始時期に応じて部品購入想定期間を推定し、推定した部品購入想定期間内の製品の稼働台数を予測し、その予測台数に応じてメーカ純正部品の出荷数を予測することにより、メーカ純正部品の出荷数の予測精度を従来技術に比べて向上できる、と考える。

先行技術例（特許文献１，２）は、部品購入想定期間（例えば製品の無償保証期間や、販促強化期間や、製品下取りキャンペーン開始時期）を考慮した部品出荷数予測処理についての開示や示唆は無い。

特許文献１には、ユーザによる純正部品の購入が減少し、代わりに模造部品（非純正部品）の購入が増えたと判断した場合、部品出荷数の予測モデルを変更する、という旨の記載がある。しかしその方法の具体的な記載は無い。

特許文献２には、純正部品と模造部品（非純正部品）とのそれぞれの市場シェアの推測方法に関する記載がある。しかし、部品出荷数予測への活用方法の記載は無く、かつ、部品購入想定期間を活用するものではない。

以上を鑑み、本発明の主な目的は、部品購入想定期間（例えば製品の無償保証期間）に応じて変化する部品出荷数を予測することができ、従来よりも予測の精度を上げることができるシステム等の技術を提供することである。

なお本明細書では、「製品」とは、コピー機やプリンターの他、例えば、建設機械（例えばショベル、ダンプなど）や医療機器（例えば磁気共鳴画像診断装置：ＭＲＩなど）やインフラ設備（例えば発電所や水浄化施設などの設備）などを含む。例えば、発電所のタービン、発電機、なども含む。「部品」とは、製品の構成要素となる部品（例えばエンジンなどの基幹部品、ボルトなどの構成部品、電子部品など）だけでなく、製品の運用・保守等に係わる消耗品や定期交換品など（例えばフィルタ、オイルなど）を含む。例えば製品が建設機械である場合、運用・保守等に係わる部品として、フィルタ、オイル、バッテリ、バケットの爪、足回り部品、油圧ポンプ、エンジン、等がある。製品がＭＲＩである場合、部品として、ケーブル、プリント基盤、コイル、等がある。製品が発電機である場合、部品として、タービンの翼、燃焼器、回転部品、等がある。製品が水浄化施設である場合、部品として、フィルタ、ポンプ、バルブ、パイプ、等がある。

本発明のうち代表的な形態は、部品出荷数の予測処理を行う情報処理システム（部品出荷数予測システム）及びプログラム等であって、以下に示す構成を有することを特徴とする。

本システムは、部品購入想定期間に応じて部品出荷数を予測する処理を行う機能（予測部）を備える。本システムは、部品購入想定期間を定義し、部品出荷数の予測に活用する（部品購入想定期間を含む予測条件により予測処理を行う）。部品購入想定期間を決める要因として、例えば、保証期間（製品の無償保証期間）、販促強化期間、キャンペーン期間などが挙げられる。また、本システムは、ユーザ（管理者等）により部品購入想定期間を設定することができるユーザインタフェースを提供する。例えば画面で部品購入想定期間の値またはその要因（パラメータ）の値を設定可能とする。部品購入想定期間の長短などに応じて部品出荷数の多少（増減）の変動が推測できるため、本システム（予測部）は、部品購入想定期間を含む予測条件に応じて部品出荷数を予測する処理を行う。

本部品出荷数予測システムは、例えば、コンピュータに、製品データ、部品出荷データ、及び予測条件を入力する処理を行う入力処理部と、前記製品データ、部品出荷データ、及び予測条件を記憶する記憶部と、前記製品データ、部品出荷データ、及び予測条件を入力して、将来の部品ごとの出荷数を予測する処理を行い、予測結果データを出力する予測部と、前記予測結果データを格納または出力する処理を行う出力処理部と、を有する。前記製品データは、製品ごとの実績の出荷及び撤去の日時情報を含む。前記部品出荷データは、部品ごとの実績の出荷の日時情報及び数量情報を含む。前記予測条件は、部品購入想定期間の情報を含む。前記予測部は、前記部品購入想定期間に応じた前記将来の部品ごとの出荷数を予測する処理を行う。

本発明のうち代表的な形態によれば、部品購入想定期間（例えば製品の無償保証期間や、販促強化期間や、製品下取りキャンペーン開始時期）に応じて変化する部品出荷数を予測することができ、従来よりも予測の精度を上げることができる。

また特に、部品事業において無償保証期間などの変更を検討する際にも、変更による部品購入想定期間の変動によって部品出荷数にどの程度影響するかを見積もることができる（部品出荷数予測）という効果がある。

本発明の実施の形態１の部品出荷数予測システム及びその関連要素を含んで成るシステム全体像を示す図である。 実施の形態１の部品出荷数予測システムの構成例を示す図である。 実施の形態１の予測処理のフローを示す図である。 実施の形態１の製品データ（Ｄ１）のテーブル例を示す図である。 実施の形態１の部品出荷データ（Ｄ２）のテーブル例を示す図である。 実施の形態１の予測結果データ（Ｄ０）のテーブル例を示す図である。 （ａ），（ｂ）は、実施の形態１の入力画面の例を示す図である。 実施の形態１の出力画面の例を示す図である。 図３のステップＳ４の予測処理の第１の処理フロー例を示す図である。 実施の形態１の第１の処理フローにおける部品出荷数予測モデルについて示す図である。 実施の形態１の予測処理の第２の処理フロー例を示す図である。 実施の形態１の第２の処理フローにおける部品出荷数予測モデルについて示す図である。 実施の形態１の第２の処理フローに関する実データを用いた実施例を示す図である。 実施の形態２の部品出荷数予測システムの構成例を示す図である。 実施の形態２のシステムの処理フローを示す図である。 実施の形態３の部品出荷数予測システムの構成例を示す図である。 実施の形態３のシステムの処理フローを示す図である。 実施の形態３の予測結果データ（Ｄ７）のテーブル例を示す図である。 実施の形態３の出力画面の例を示す図である。 実施の形態４，５，６のシステム（部品出荷数予測システムまたは適正化システム）の構成例を示す図である。 実施の形態４の保証対象フラグデータ（Ｄ１１）のテーブル例を示す図である。 実施の形態４の出力画面の例を示す図である。 実施の形態６の全倉庫販社における実際の在庫量のデータのテーブル例を示す図である。

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一部には原則として同一符号を付し、その繰り返しの説明は省略する。説明上の記号として例えば部品購入想定期間をＨで表す。

本実施の形態のシステム（部品出荷数予測システム）における主な特徴として、部品購入想定期間Ｈ（無償保証期間を含む）を活用した部品出荷数の予測処理を行う処理機能を有する。本処理機能は主に図２の予測部１００により実現される。また図２の予測条件（Ｄ３）に部品購入想定期間Ｈの情報を含む。

＜実施の形態１＞
図１〜図１３を用いて、本発明の実施の形態１のシステム（部品出荷数予測システム）１について説明する。実施の形態１のシステム１では、製品データＤ１、部品出荷データＤ２、及び部品購入想定期間Ｈ（無償保証期間を含む）を含む予測条件Ｄ３に応じて、部品出荷数を予測して予測結果データＤ０を出力する予測部１００を備える。

［全体］
図１は、本部品出荷数予測システム１及びその関連要素を含むシステム全体像を示す。全体は、統括センタ１００１、自社部品工場１００２、他社部品工場（サプライヤ）１００３、倉庫１００４、販社１００５、現場１００６、サービス部門１００７を有し、これらは図示しない通信ネットワークや物理的な配送などを介した関係で接続される。Ａ０等の破線矢印は通信ネットワーク上の通信を示し、Ｂ１等の矢印は物理的な配送（部品配送）を示す。各要素（１００２〜１００７）は１つ以上が存在し、それぞれ対応するコンピュータ（サーバや端末等）を備える。各要素（１００２〜１００７）内の例えばｂ２１〜ｂ２ｎ_２等の符号は当該各要素の構成要素を示す。例えば、自社部品工場１００２内のｂ２１〜ｂ２ｎ_２は、ｎ_２個の自社部品工場をそれぞれ示し、販社１００５内のｂ５１〜ｂ５ｎ_５は，ｎ_５個の販社をそれぞれ示す。

統括センタ１００１は、製品・部品の販売管理等に関する統括業務を行う人員及び情報処理システムを含む。統括センタ１００１の中に、実施の形態１の部品出荷数予測システム１（図２）を有する。部品出荷数予測システム１は、サーバ１０などの一般的な装置（図２）を含んで構成される。サーバ１０は、後述の予測部１００（図２）などを備え、ソフトウェアプログラム処理（本実施の形態のプログラムによる処理）などにより部品出荷数の予測処理などを実現する。

また、統括センタ１００１内には、既存の製品・部品の販売管理等に関する情報処理を行うコンピュータや、予測に係わる情報やその他の情報（各関連要素と授受するデータ情報を含む）を格納して統括センタ１００１で活用・共有するためのＤＢ（データベース）３０や、ＬＡＮなどのネットワーク設備や、後述の適正化システム２などを有する。

自社部品工場１００２、他社部品工場（サプライヤ）１００３は、それぞれ、部品出荷処理などを行うサーバなどを含み、統括センタ１００１からの部品発注Ａ０の指示・情報などに基づき、部品出荷処理などを行う。自社部品工場１００２、及び他社部品工場１００３からは、倉庫１００４や販社１００５へ、出荷部品が配送（Ｂ１，Ｂ２，Ｂ３）される。

倉庫１００４や販社１００５は、統括センタ１００１からの指示・情報（部品在庫Ａ１１，Ａ１２）に基づき、部品の在庫を保持する。倉庫から販社へ部品が配送（Ｂ４）され、また、販社から現場へ部品が配送（Ｂ５）される。

また、自社部品工場１００２、他社部品工場１００３、倉庫１００４、及び販社１００５などからそれぞれ統括センタ１００１へ部品出荷実績情報（Ａ１，Ａ２，Ａ３，Ａ４）が送信される。統括センタ１００１のサーバ１０は、それらの部品出荷実績情報を取得して格納する（図２の部品出荷データ記憶部１１２に反映される）。

現場１００６は、部品に係わる製品（例えば建設機械）が設置・使用される顧客の現場である。各販社ｂ５１〜ｂ５ｎ_５は、現場（顧客）に対して、製品・部品に係わるサービス（保守運用・カスタマサポート・営業など）を行うサービス部門１００７を有する。サービス部門１００７から現場１００６に対して、製品・部品の出荷（導入）を含む、サービス・営業等のやりとり（Ａ５）が実施される。また、現場１００６からサービス部門１００７に対して、製品・部品の撤去などを含む、サービス・営業等のやりとり（Ａ６）が実施される。Ａ６は、製品撤去情報を含む。サービス部門１００７はそれらの情報（製品出荷情報及び製品撤去情報）（Ａ７）を統括センタ１００１へ送信する。統括センタ１００１は、サービス部門１００７などから、製品の情報（Ａ７）を取得し格納する（図２の製品データ記憶部１１１に反映される）。

また、部品購入想定期間Ｈ（無償保証期間など）に関する情報は、本システム１の管理者（ユーザ）等により、画面で入力（設定）や確認が可能である（図２の予測条件記憶部１１３に反映される）。

そして、本システム１は、部品出荷数の予測結果データ（図２のＤ０）に基づいて、例えば自社部品工場１００２やサプライヤ１００３へ、部品発注を行うことができる（Ａ１３，Ａ１４）。また、本システム１は、部品出荷数の予測結果データ（図２のＤ０）に基づいて、例えば倉庫１００４や販社１００５へ、在庫確保を要求することができる（Ａ１１，Ａ１２）。

自社部品工場１００２、他社部品工場１００３、倉庫１００４、販社１００５、現場１００６、及びサービス部門１００７では、複数の各種の部品を取り扱っている。

［システム構成］
図２は、実施の形態の部品出荷数予測システム１の構成例を示している。本システム１は、サーバ１０で実現される場合である。サーバ１０は、機能ブロック的な構成としては、予測部（部品出荷数予測部）１００、データ入力処理部１０１、データ出力処理部１０２、顧客所有製品データ記憶部１１１、部品出荷データ記憶部１１２、予測条件記憶部１１３、予測結果データ記憶部１１４、等を有する。予測部１００は、主要な処理（予測処理）を行う。データ入力処理部１０１及びデータ出力処理部１０２では、予測処理に関する情報データの入力処理及び出力処理（例えば画面表示処理）などを行う。

サーバ１０は、ハードウェア・ソフトウェア構成としては、一般的な演算装置２００、入出力Ｉ/Ｆ装置２０１、記憶装置２０２、バス２０５等で構成される。演算装置２００は、プロセッサ、メモリ等を含み、プロセッサがメモリ上にプログラムコードを読み出して実行することにより、予測部１００、データ入力処理部１０１、データ出力処理部１０２を含む各処理を実現する。記憶装置２０２は、メモリ、ディスク、あるいは外部のストレージ、等で構成される。バス２０５は、入出力Ｉ/Ｆ装置２０１を介して外部の通信ネットワーク等に接続される。

入出力Ｉ/Ｆ装置２０１は、ネットワークＩ/Ｆ装置、ストレージＩ/Ｆ装置などを含み、入力装置（キーボードやマウス等を含む）や出力装置（ディスプレイやプリンタを含む）を含む各デバイスや外部媒体が接続され、また所定のユーザインタフェースを提供する。特にグラフィカルユーザインタフェースの画面（ディスプレイ画面）を提供する。本画面でユーザが情報を確認したり入力したりすることができる。なお入出力Ｉ/Ｆ装置２０１内のデータ入力処理部１０１，データ出力処理部１０２における、数値の算出などを含む主な処理は、実際には演算装置２００（予測部１００）により行うと捉えてもよい。

データ入力処理部１０１は、ユーザインタフェース（画面）、及び外部媒体等から、データ情報の入力を受け付け、入力処理した情報を、記憶装置２０２内の各部（１１１〜１１３）に受け渡して格納する。データ入力処理部１０１の処理は、例えば入力画面を生成・表示する処理や、外部システムから情報を受信する処理などを含む。

顧客所有製品データ記憶部１１１は、データ入力処理部１０１から渡された製品データ（顧客所有製品データ）（Ｄ１とする）を格納する。製品データＤ１は、製品（顧客所有製品）一台毎の実績の出荷年月日、および当該製品が撤去済みである場合に限り撤去年月日の情報を含んでいる（後述、図４）。顧客所有製品データ記憶部１１１は、製品データＤ１を予測部１００に受け渡す。

部品出荷データ記憶部１１２は、データ入力処理部１０１から渡された部品出荷データ（Ｄ２とする）を格納する。部品出荷データＤ２は、部品毎の実績の出荷の年月日とその数量の情報を含む。部品出荷データ記憶部１１２は、部品出荷データ（Ｄ２）を予測部１００に受け渡す。

予測条件記憶部１１３は、データ入力処理部１０１から渡された予測条件のデータ情報（Ｄ３とする）を格納する。予測条件Ｄ３は、部品購入想定期間Ｈの情報を含む。予測条件記憶部１１３は、部品購入想定期間Ｈを含む予測条件Ｄ３を、予測部１００に受け渡す。

予測部１００は、各記憶部（１１１，１１２，１１３）から必要なデータ（Ｄ１，Ｄ２，Ｄ３）を入力し、部品出荷数の予測処理を行い、その結果である予測結果データＤ０を、予測結果データ記憶部１１４に格納する。予測結果データＤ０は、将来の部品毎の部品出荷数の年月別の予測結果の情報を含む。また、データ出力処理部１０２は、予測結果データ記憶部１１４から、予測結果データＤ０を受け取り、当該データを、ユーザインタフェース（画面）や外部媒体へ出力する処理を行う。データ出力処理部１０２の処理は、例えば出力画面を生成・表示する処理や、外部システムへ情報を送信する処理などを含む。

［予測処理］
図３は、部品出荷数予測システム１の予測部１００の処理（予測処理）のフロー（Ｆ１）である。Ｓ１等は処理ステップを表す。Ｓ１で、予測部１００は、製品データＤ１（予測用）を記憶部（１１１）から入力処理する。Ｓ２で、予測部１００は、部品出荷データＤ２（予測用）を記憶部（１１２）から入力処理する。Ｓ３で、予測部１００は、予測条件Ｄ３を記憶部（１１３）から入力処理する。Ｓ４で、予測部１００は、Ｓ１〜Ｓ３で入力したデータ（Ｄ１，Ｄ２，Ｄ３）を用いて、部品出荷数の予測処理を演算により行う（後述）。Ｓ５で、予測部１００は、Ｓ４の結果である予測結果データＤ０を、記憶部（１１４）へ出力して格納し、更にはデータ出力処理部１０２を通じて出力処理する。

［製品データＤ１］
図４は、顧客所有製品データＤ１のテーブル例を示す。項目（列）として、「Ｎｏ．」（行番号）、「製品ＩＤ」（ａ）、「製品名」（ｂ）、「号機ＩＤ」（ｃ）、「出荷年月日」（ｄ）、「撤去年月日」（ｅ）、などを有する。ａの製品ＩＤは、製品の型式モデルを一意に識別する情報である。ｂの製品名は、ａの製品ＩＤに対して関係付けられ、製品の名前・型式・種別などを示す情報である（管理対象とする製品に応じた形式の情報である）。ｃの「号機ＩＤ」は、製品の１台１台を一意に識別する情報であり、シリアル番号などである。ｄの「出荷年月日」は、製品を出荷した実績の日時情報であり、図１のＡ７等に基づく。ｅの「撤去年月日」は、製品を撤去した実績の日時情報であり、図１のＡ７等に基づく。

「顧客所有製品」は、顧客が購入し所有している製品（現場１００６へ出荷された製品）を指す。言い換えれば、事業者が顧客に販売し、顧客の現場１００６（例えば建設現場）にて設置・使用される製品を指す。製品の例は、前述の建設機械の他、発電所内に設置されている発電機などがある。

［部品出荷データＤ１２２］
図５は、部品出荷データＤ２のテーブル例を示す。「Ｎｏ．」、「部品ＩＤ」（ａ）、「部品名」（ｂ）、「出荷年月日」（ｃ）、「出荷数」（ｄ）、等を有する。ａの部品ＩＤは、部品の型式モデルを一意に識別する情報である。ｂの部品名は、ａの部品ＩＤに対して関係付けられ、部品の名前・種別・その他属性などを示す情報である（管理対象とする部品に応じた形式の情報である）。ｃの「出荷年月日」は、部品を出荷した実績の日時情報であり、図１のＡ１〜Ａ４等に基づく。ｄの「出荷数」は、部品の出荷の数量を示し、図１のＡ１〜Ａ４等に基づく。

「部品」とは、前述のように、製品の構成要素となる部品だけでなく、製品の運用・保守等に係わる消耗品や交換品などを含む。例えば製品が建設機械である場合、運用・保守等に係わる部品として、フィルタ、オイル（作業油）、バッテリ、といったものがある。図５の例では、部品「フィルタＡ」、部品「オイル」に関する数値例を記載している。

［予測結果データＤ０］
図６は、予測結果データＤ０のテーブル例を示す。「Ｎｏ．」、「年月」（ａ）、「部品毎の出荷数予測結果（値）」（ｂ）、「部品購入想定期間Ｈ（ヶ月）」（ｈ）等を有する。ａの「年月」は、予測の単位となる年月を示す。ｂの「部品毎の出荷数の予測結果」は、将来における部品（部品ＩＤ）毎の部品出荷数の予測結果の数値を示す。ｈは、Ｈ値を月単位で示す。なお、本実施の形態では、部品名が同じであれば部品ＩＤが同じとし（図５）、この部品名（部品ＩＤ）ごとに予測を行う形である。

図６の例では、部品「フィルタＡ」、部品「オイル」に関して、将来の年月ごとに、出荷数の予測値を記載している。他の部品（例えば「フィルタＢ」「バッテリ」等）が存在する場合も同様に記載される。

［入力画面］
図７（ａ），（ｂ）は、ユーザからの部品購入想定期間Ｈに関する情報入力をユーザインタフェース（入出力Ｉ/Ｆ部２０１）を介して受け付ける場合の入力画面の２つの例を示す。なお本処理は、主にデータ入力処理部１０１及び演算部２００（予測部１００）などによる。本入力により決定された部品購入想定期間Ｈは、予測条件Ｄ３に反映される。

図７（ａ）は、予測条件Ｄ３を構成する部品購入想定期間Ｈを直接的に入力（設定）する場合の画面Ｇ１ａを示す。画面Ｇ１ａで、ユーザが、製品出荷時を基準（０）とした、製品出荷後からの月数を入力する。本システムはこの値（Ｔｘ）をそのまま部品購入想定期間Ｈの値とする。

図７（ｂ）は、部品購入想定期間Ｈの算出用の各項目情報を入力する場合の画面Ｇ１ｂを示す。画面Ｇ１ｂでは、部品購入想定期間Ｈを決定する要因となる１つ以上（本例では３種類）のパラメータ（期間）の入力を受け付け、その入力値を用いて、１つの部品購入想定期間Ｈを算出（決定）する処理を行い、部品購入想定期間Ｈを含む予測条件Ｄ３に反映する。本例では、１つの部品購入想定期間Ｈを決めるための３種類の要因として、無償保証期間（Ｐ１）、販促強化期間（Ｐ２）、製品下取りキャンペーン開始時期（Ｐ３）を有する。

画面Ｇ１ｂの各パラメータ（Ｐ１，Ｐ２，Ｐ３）のチェックボックス（Ｃａ，Ｃｂ，Ｃｃ）では、対応する期間の入力値（Ｔａ，Ｔｂ，Ｔｃ）を、部品購入想定期間Ｈの算出に用いるかどうかを、ユーザにより選択することができる。図７の例では、Ｔａ＝１２ヶ月、Ｔｂ＝２４ヶ月、Ｔｃ＝３６ヶ月である。部品購入想定期間Ｈの算出式は、チェックされているパラメータの期間値を変数とする多項式などの関数で定義できる。例えば下記の式（１）である。ただし、Ｃａ，Ｃｂ，Ｃｃは、チェックがオンのとき１、オフのとき０の値をとる。各パラメータの期間値（Ｔａ，Ｔｂ，Ｔｃ）は例えば製品出荷後の月数である。また、各パラメータに対して重み（係数）Ｋａ，Ｋｂ，Ｋｃを付ける。Ｋａ，Ｋｂ，Ｋｃはユーザが設定するとしてもよい。

［期間］
部品購入想定期間Ｈを決定する要因（パラメータ）である各種の期間（図７の例）について以下である。

Ｐ１の無償保証期間（Ｔａ）は、前述のように、定期交換を推奨している消耗品や交換品としてメーカ純正部品を、顧客が必ず使用することを条件に、顧客が購入した製品故障時の保守を、メーカ（事業者、製品・部品の製造・販売者側）が無償で実施することを保証する、製品出荷日を起点とする期間である。一般に、製品の無償保証期間中は保証を受ける目的で顧客はメーカ純正部品を積極的に購入するが、保証期間終了後は保守部品の購入代金を低減する目的で顧客はより安価な非純正品を購入する傾向がある。

Ｐ２の販促強化期間は、顧客がメーカ純正部品を購入するよう、メーカが積極的に販売促進（顧客訪問、ダイレクトメール送付など）を行う、製品出荷日を起点とする期間である。他にも、部品の割引販売など、各種のキャンペーン期間を扱ってもよい。一般に、販促強化期間中はメーカ純正部品の購入が容易・安価である（メーカの営業担当者の顧客訪問時に購入可能であり、顧客自ら店舗に出向く必要が無いなど）ことから、メーカ純正部品の購入が増える傾向があり、販促強化期間終了後は購入が比較的容易でなくなるため、非純正部品の購入が増える傾向がある。そのため、この期間が長い場合は、製品の出荷数が多くなり、部品の出荷数も多くなる、と経験上推測できる。

Ｐ３の製品下取りキャンペーン開始時期は、顧客が新製品を購入することを条件に、顧客が既に保有する旧製品を、メーカが下取りするキャンペーンを開始する、製品出荷日を起点とする時期である。一般に、キャンペーン開始前は、顧客は旧製品用の部品（純正部品）を購入するが、キャンペーン開始後は、顧客は新製品への買換えを計画するため、旧製品用の部品の購入を控える傾向がある。

よって、部品購入想定期間は、一般に、製品の無償保証期間および販促強化期間が長くなると同時に長くなり、また、製品下取りキャンペーン開始時期が遅くなっても長くなる。そのため通常、Ｋａ，Ｋｂ，Ｋｃは、０≦Ｋａ，Ｋｂ，Ｋｃ≦１、Ｋａ＋Ｋｂ＋Ｋｃ＝１、となるように設定すればよい。

［出力画面］
図８は、ユーザに対して部品出荷数の予測結果データＤ０をユーザインタフェース（入出力Ｉ/Ｆ部２０１）を介して出力する場合の出力画面（Ｇ２）の例を示す。なお本処理は、主にデータ出力処理部１０２及び演算部２００（予測部１００）などによる。図８の画面Ｇ２における表示内容例として、（Ａ）予測対象部品の名前、（Ｂ）予測条件（部品購入想定期間Ｈ）、（ｃ）予測結果グラフ、を有する。Ａの予測対象部品の名前の表示は、図５のＤ２のテーブルで管理している「部品名」あるいは「部品ＩＤ」等に基づく。Ｂの表示では、部品購入想定期間Ｈの値をｂの欄に表示する。

Ｃの予測結果グラフでは、部品別（例「フィルタＡ」「オイル」）に、各年月における部品出荷数の実績値と予測値を例えば実線と破線で表示する。これにより、ユーザによる予測値の確認、及び予測値と実績値との比較などができる。Ｃの表示では、実績値と予測値それぞれの得られたデータ期間をｄの欄に表示する。

［予測処理（ＦＡ）］
図９の処理フロー（ＦＡ）は、図３の処理フロー（Ｆ１）のステップＳ４の部品出荷数の予測処理に関する詳しい処理フローの第１の例（ＦＡ）を示す。ＦＡは３つの処理ステップＳＡ１，ＳＡ２，ＳＡ３を有する。ＳＡ１では、部品購入想定期間Ｈ内の製品稼働台数である［部品購入想定期間内製品稼働台数］を、下記の式（２）で定義する予測式を用いて推測する処理を行う。ただし、製品の出荷・撤去の台数の実績データ（Ｄ１）は、０〜ｎ_０月の期間のみについて得られ、予測最終月ｎはｎ＞ｎ_０である場合を想定する。また、“A_plan”はAの計画値、“A_pred”はAの予測値または推定値を示す。

式（２）における記号の意味は以下とする：
ｘ_pred(ｎ)： 部品購入想定期間Ｈ内の製品稼働台数の予測値
ｎ_０： 製品出荷実績データが存在する最終月
ｎ： 予測最終月 （ｎ＞ｎ_０）
ｐ(ｉ)： ｉ月における製品出荷数の実績値
ｐ_plan(ｉ)： ｉ月における製品出荷数の計画値
λ(ｊ)： 製品の累積使用月数がｊ月である製品の故障率（０≦λ≦１）
τ(ｊ)： 製品の累積使用月数ｊについて、０≦ｊ≦Ｈのときは１、Ｈ＜ｊのときは０をとるような関数
λ_０(ｊ)： 真の故障率
ｒ_ｃ： 市場補足率。

また、故障率λ(ｊ)は、真の故障率λ_０(ｊ)に、市場補足率ｒ_ｃを掛けたもの（λ_０(ｊ)×ｒ_ｃ）に相当する。故障率λ(ｊ)は、製品の出荷・撤去の実績数のデータ（Ｄ１）を用いて、一般的な手法である累積ハザード法により推定できる。

式（２）において、第１項（Ｂ１）は、製品出荷実績データが存在する０〜ｎ_０月の累積出荷台数である。第２項（Ｂ２）は、０月から予測対象月（ｎ月）までの期間において、製品出荷数の実績値ｐと製品故障率λとの畳み込み積分をすることにより求めた、０〜ｎ月の累積撤去台数である。

第３項（Ｂ３）および第４項（Ｂ４）では、製品出荷実績データが存在しないｎ_０＋１〜ｎ月の累積出荷台数および累積撤去台数を、製品出荷実績データの代わりに出荷または生産台数の計画値を活用することで算出できるようにした。第３項（Ｂ３）は、製品出荷実績データが存在しないｎ_０＋１〜ｎ月の累積出荷台数の計画値である。第４項（Ｂ４）は、ｎ_０＋１月から予測対象月（ｎ月）までの期間において、製品出荷数の計画値ｐ_planと、製品故障率λとの畳み込み積分をすることにより求めた、ｎ_０＋１〜ｎ月の製品の累積撤去台数の予測値である。

ここで、畳み込み積分とは、ｉ月の出荷製品の台数ｐ(ｉ)または計画台数ｐ_plan(ｉ)と、それらｉ月の出荷製品が予測対象月（ｎ月）までに使用されてきた累積使用月数ｎ−ｉ月時点での製品故障率λ(ｎ−ｉ)との乗算により、ｉ月の出荷製品の予測対象月（ｎ月）時点での累積撤去数を予測し、これをｉ＝０〜ｎについて総和するような演算の一般総称である。

次に、ステップＳＡ２では、［部品故障率（部品購入想定期間内部品故障率）］を推定する処理を行う（後述）。

次に、ステップＳＡ３では、ＳＡ１で推定した［部品購入想定期間内製品稼働台数］、及びＳＡ２で推定した［部品故障率］、を活用する［部品購入想定期間内台数モデル］（Ｍとする）による、部品出荷数の予測処理を行う。ＳＡ３では、以下の式（３）のような［部品購入想定期間内台数モデル］（Ｍ）を用いて処理を行う。

ただし上記で、Ｔ_pred(ｎ)＝ａ_０×ｘ_pred__all(ｎ)＋ｂ、Ｆ_pred(ｎ)＝１＋ｆ_pred(ｎ)、である。

ステップＳＡ２の［部品故障率］の推定は以下のような手順（（１）〜（５））で行う。

（１） 保守部品の実績出荷数データｙ(ｉ)について次数が１年＝１２ヶ月の移動平均をとることにより１年周期の季節変動を除去し、除去後のデータをトレンドの実績値Ｔ(ｉ)と定義する（ｉ＝７〜ｎ−７）。即ち、下記の式（４）とする。

（２） 保守部品の実績出荷数データｙ(ｉ)をトレンドＴ(ｉ)で除算したものを、季節変動の実績値Ｆ(ｉ)と定義する（ｉ＝７〜ｎ−７）。即ち、下記の式（５）とする。

（３） ａ_０およびｂについては、トレンドの実績値にフィットするよう、トレンドの実績値Ｔ(ｉ)＝ａ_０×ｘ_pred__all(ｎ)＋ｂとなるａ_０，ｂを、例えば最小自乗法により推定する。

（４） 季節変動の実績Ｆ(ｎ)を用いて、季節性部品故障率の実績値ｆ(ｎ)を算出する。即ち、下記の式（６）とする。

（５） 季節性部品故障率の実績値ｆ(ｎ)から、季節性部品故障率モデルｆ_pred(ｎ)（ただし、ｆ_pred(ｎ)＝ｆ_pred(ｎ＋１２)）を構築する。

このモデルｆ_pred(ｎ)の構築方法としては、過去数年間の同じ月における季節性部品故障率の平均値をとる方法や、三角関数などの周期関数にあてはめる方法などがある。

また、ノイズ耐性向上のため、各月の季節性部品故障率の実績値ｆ(ｎ)を、予め、次数ｋの移動平均で平準化した値ｆ_ｋ(ｎ)を用いる。なお物理的意味の観点から、ｋ＝３（四季を構成する１季節の３ヶ月），ｋ＝６（夏中心と冬中心の半年間）などが望ましい。

［予測処理（Ａ）−部品出荷数予測モデル］
図１０は、上述した処理（部品出荷数予測モデル）における、部品購入想定期間Ｈ内の製品稼働台数の予測値などを示す。横軸が予測対象月ｎ、縦軸が製品稼働台数や部品出荷数を示す。ａは、式（２）で予測した、製品稼働台数予測値ｘ_pred(ｎ)を示す。ｂは、ａのｘ_pred(ｎ)に基づいて予測した、式（３）におけるトレンドの推定値Ｔ_pred(ｎ)を示す。ｃは、式（３）における季節性部品故障率の推定値ｆ_pred(ｎ)を示す。ｄは、ｂとｃの加算により算出される、式（３）による部品出荷数の予測値ｙ_pred(ｎ)を示す。

［予測処理（Ｂ）］
図１１の処理フロー（ＦＢ）は、図３の処理フロー（Ｆ１）のステップＳ４の部品出荷数の予測処理に関する詳しい処理フローの第２の例（ＦＢ）を示す。本処理フロー（ＦＢ）は、ステップＳＢ１，ＳＢ２，ＳＢ３、及びモデル自動選択処理（ＳＢ）などから構成される。ＳＢ１では、図９のＳＡ１と同じ［部品購入想定期間内製品稼働台数］に加えて、製品出荷日からの累積期間が前記部品購入想定期間の内外のいずれかに関わらず集計した製品稼働台数である［全製品稼働台数］（式（２）におけるτ(ｊ)が常にτ(ｊ)＝１と定義した場合の、式（２）で予測した稼働台数に相当）を用い、これらのそれぞれを用いて製品稼働台数を予測する。ＳＢ２の処理内容は図９のＳＡ２と同様である。

ＳＢ３では、ＳＢ２の部品購入想定期間内台数モデル（［部品購入想定期間内製品稼働台数］によるモデル）（第１のモデル：Ｍ１とする）に加えて、式（２）におけるτ(ｊ)が常にτ(ｊ)＝１と定義した場合の式（２）に相当する全台数モデル（第２のモデル：Ｍ２とする）を用い、これらのそれぞれを用いて部品出荷数を予測する。

モデル自動選択処理（ＳＢ）では、予測部１００は、ＳＢ４で、第１のモデル（Ｍ１）の方が予測誤差が小さいかどうかを判定し、小さい場合（Ｙ）は、ＳＢ５で、第１のモデル（Ｍ１）の部品出荷数の予測結果を出力する。そうでない場合（Ｎ）は、ＳＢ６で、第２のモデル（Ｍ２）の部品出荷数の予測結果を出力する。

［予測処理（Ｂ）−部品出荷数予測モデル］
図１２は、図１１の予測処理で選択する部品出荷数予測モデル（Ｍ：Ｍ１，Ｍ２）のイメージ例を示す。（ａ）は製品稼働台数、（ｂ）は（ａ）の製品稼働台数に応じて部品出荷数予測モデル（Ｍ）により予測される部品出荷数イメージを示す。（ａ）で、横軸は年月、縦軸は各年月における製品稼働台数である。１２０１はＨ内の台数である［部品購入想定期間内製品稼働台数］、１２０２は［全製品稼働台数］である。

（ｂ）で、横軸は年月、縦軸は各年月における部品出荷数である。（ｂ）の部品出荷数のうち、１２１１は、期間内台数モデル（Ｍ１）に、（ａ）の［部品購入想定期間内製品稼働台数］（１２０１）と部品故障率を代入して算出される部品出荷数予測値である。１２１２は、全台数モデル（Ｍ２）に、（ａ）の［全製品稼働台数］（１２０２）と部品故障率を代入して算出される部品出荷数予測値である。

このとき、１２２０ａは、Ｈ後にメーカ純正部品のシェアが低下する部品の出荷実績値イメージであり、（Ｍ１）予測値１２１１の方が（Ｍ２）予測値１２１２に比べて高精度に出荷実績１２２０ａを予測できる。この場合、前述のモデル自動選択処理ＳＢにより、（Ｍ１）予測値が自動選択できる。

これに対し、１２２０ｂは、Ｈ後もメーカ純正部品のシェアが高く維持されている部品の出荷実績値イメージであり、（Ｍ２）予測値１２１２の方が（Ｍ１）予測値１２１１に比べて高精度に出荷実績１２２０ｂを予測できる。この場合、前述のモデル自動選択処理ＳＢにより、（Ｍ２）予測値が自動選択できる。

［予測処理（Ｂ）−実施例］
図１３は、Ｈ後にメーカ純正部品のシェアが低下する部品の実データに対する、図１１の予測処理（Ｂ）の実施例を示す。

（ａ）で、横軸は年月、縦軸は部品出荷数である。１３２０は部品出荷数の実績値（実データ）を示す。１３１１はこのときの期間内台数モデル（Ｍ１）予測値（前述）を示す。１３１２は全台数モデル（Ｍ２）予測値（前述）を示す。ここで、グラフより、モデルＭ１の方が高精度であることが明らかであり、実際、前述のモデル自動選択処理ＳＢにより、Ｍ１予測値が自動選択された。

（ｂ）は、このときの（ａ）における１３１１の値を横軸に、１３２０の値を縦軸とした散布図である。１３４０の直線は線形近似であり、散布図はこの直線に良く乗っており、（Ｍ１）予測値は実績値と高相関である。以上より、本システムにより、Ｈ後にメーカ純正部品のシェアが低下する部品の出荷数を精度良く予測可能であることが確認できた。

［変形例］
また、前記図１１のモデル自動選択処理（ＳＢ）では、第１のモデルである期間内台数モデル（Ｍ１）、または第２のモデルである全台数モデル（Ｍ２）のいずれかのみを選択肢としたが、以下のようにしてもよい。本システムで、予めしきい値を設定しておき、自動選択したモデル（Ｍ１またはＭ２）の予測精度がしきい値未満の場合は、いずれのモデル（Ｍ１，Ｍ２）も不適切（予測精度が不十分）であると判断し、第１のモデル（Ｍ１）と第２のモデル（Ｍ２）の予測結果それぞれを重み付けして加算した値を、部品出荷数の予測値として用いる。あるいは、単純移動平均など一般的手法による予測値を用いる。

［効果］
実施の形態１により、特に、部品購入想定期間Ｈ後にメーカ純正部品のシェアが低下するか否かに関わらず、部品の出荷数を精度良く予測できる。

＜実施の形態２＞
次に、実施の形態２の部品出荷数予測システムでは、実施の形態１のように部品出荷数を予測するだけではなく、予測値と実績値との差である誤差の大きさに応じて予測精度が不十分であることを警告するアラート機能を有する。

［システム構成］
図１４は、実施の形態２の部品出荷数予測システム１（システム１Ｂ）の構成例を示す。本システム１Ｂは、図１のシステム１と異なる箇所（アラート機能の構成要素）として、予測部１００（１００Ｂ）は、アラート部１５２を有する。また部品出荷データ記憶部１１２から予測部１００（アラート部１５２）へ検証用データＤ４（部品毎の実績の出荷の年月日とその数量を含む検証用データ）を入力し、予測条件記憶部１１３から予測部１００Ｂへアラート用の予測誤差の上限値を含む情報Ｄ５を入力する。また予測部１００Ｂ（アラート部１５２）から入出力Ｉ/Ｆ部２０１（データ出力処理部１０２）を介して所定のアラート先へアラートＡ１（予測精度不十分を示すアラート）を出力する。

［アラート処理］
図１５は、本システム１Ｂの処理フロー例を示す。まず部品出荷数予測処理（Ｆ１）では、図３の処理フロー（Ｆ１）と同様の処理を行う。次に以下、Ｓ２０１〜Ｓ２０４では、アラート機能に関する処理を行う。

Ｓ２０１では、予測用データ（Ｄ２）以外の検証用データＤ４（部品毎の実績の出荷の年月日とその数量を含むデータ）を、予測部１００Ｂ（アラート部１５２）に入力する。Ｓ２０２では、アラート用の（部品出荷数の）予測誤差上限値（Ｄ５）を、予測部１００Ｂ（アラート部１５２）に入力する。Ｓ２０３では、予測部１００Ｂ（アラート部１５２）は、部品毎の月毎の出荷数の予測値と実績値の差である予測誤差の大きさが、上限値（Ｄ５）以下であるかどうかを判断する。上限値（Ｄ５）以下である場合（Ｙ）は終了する。上限値（Ｄ１２５）よりも大きい場合（Ｎ）、Ｓ２０４では、予測部１００Ｂ（アラート部１５２）は、部品出荷数の予測精度が不十分であることを示すアラートＡ１を、入出力Ｉ/Ｆ部２０１（データ出力処理部１０２）を介して所定のアラート先（ユーザ等）へ出力（発報）する。

アラートＡ１では、例えば、画面に、「部品Ｘの予測誤差が上限を超えました。実績出荷数または予測モデルに異常無いかご確認ください」といったメッセージを出力する。

［効果］
実施の形態２により、特に、膨大な数である全部品について、エンジニアが予測誤差に異常がないかどうかをチェックしなくても、予測誤差に異常のある部品のみを自動的に抽出・アラートできる。

＜実施の形態３＞
次に、実施の形態３では、将来の部品出荷数（期間Ｈ別）のシミュレーション機能を持つ部品出荷数予測システムについて説明する。なお実施の形態１の機能と実施の形態３の機能とを両方併せ持つ形態としてもよい。

［システム構成］
図１６は、実施の形態３の部品出荷数予測システム１（システム１Ｃ）の構成例を示す。本システム１Ｃは、図１のシステム１と異なる箇所として、予測部１００（１００Ｃ）にシミュレーション部１５３を有する。また、予測条件記憶部１１３から、部品購入想定期間Ｈを含む予測条件Ｄ３の代わりに、シミュレーション用の部品購入想定期間Ｈの上下限値の情報Ｄ６（シミュレーション用の予測条件）を予測部１００Ｃ（シミュレーション部１５３）へ入力する。また、予測部１００Ｃ（シミュレーション部１５３）から、将来の部品毎の部品出荷数予測結果Ｄ０の代わりに、シミュレーション結果として、将来の部品毎の部品出荷数の（部品購入想定期間別）予測結果Ｄ７を出力する。

［シミュレーション処理］
図１７は、本システム１Ｃの処理（シミュレーション処理）のフロー（Ｆ３）を示す。Ｓ３０１，Ｓ３０２，Ｓ３０５の処理内容は、図３のＳ１，Ｓ２，Ｓ４と同様である。ただしＳ３０５はシミュレーション処理であり、Ｄ１，Ｄ２，Ｄ３（Ｄ６）を用いた部品出荷数（Ｄ７）の予測処理となる。本シミュレーション処理では、部品購入想定期間Ｈを変数（長短変動させる）として、各期間Ｈ別の予測処理を行う。

Ｓ３０３では、シミュレーション用の部品購入想定期間の上下限値（Ｄ６）を予測部１００Ｃ（シミュレーション部１５３）へ入力する。この上下限値（Ｄ６）は、下限値（Ｄ６ａ）と上限値（Ｄ６ｂ）を含む。Ｓ３０４では、予測部１００Ｃ（シミュレーション部１５３）は、入力した下限値（Ｄ６ａ）を部品購入想定期間Ｈの初期値として設定する。

Ｓ３０６では、予測部１００Ｃ（シミュレーション部１５３）は、Ｓ３０５による部品出荷数の予測結果Ｄ７（シミュレーション結果）を予測結果データ記憶部１１４に書き込む。Ｓ３０７では、予測部１００Ｃ（シミュレーション部１５３）は、部品購入想定期間Ｈ（変数）＝上限値（Ｄ６ｂ）かどうかを判断し、Ｈ値が上限値になった場合（Ｙ）は終了する（予測結果データ記憶部１１４の予測結果Ｄ７を出力する）。Ｈ値が上限値になっていない場合（Ｎ）、Ｓ３０８で、Ｈ（変数）にＨ＋１を代入し（Ｈ値を１［月］増加させる）、Ｓ３０５に戻り、同様の処理を繰り返す。

［予測結果］
図１８は、将来の部品毎の部品出荷数の予測結果データ（期間Ｈ別）Ｄ７のテーブル例を示す。データ項目として、ａの「部品購入想定期間」は、上述のＨ（変数）の値を示す（単位は例えば月）。ｂ，ｃは、図６のＤ０のａ，ｂと同様である。

［出力画面］
図１９は、上記シミュレーション結果（Ｄ７）をユーザインタフェースを介して出力する場合の出力画面Ｇ３の例である。画面Ｇ３の表示内容例として、（Ａ）予測対象部品、（Ｂ）シミュレーション条件（予測条件（Ｄ６）である期間Ｈの値）、（Ｃ）シミュレーション結果グラフ（予測結果グラフ）、がある。Ｂの条件では、期間Ｈの下限値の月の値、上限値の月の値を、各欄（ａ，ｂ）に表示する。Ｃのグラフでは、部品別（例えば「フィルタＡ」「エンジン」）に、期間Ｈ毎における部品出荷数の予測値（合計値）を例えば実線で表示する。これにより、ユーザは、期間Ｈ毎の予測値を確認できる。

［効果］
実施の形態３により、特に、部品購入想定期間Ｈ後のメーカ純正部品のシェアの低下の有無や、部品故障率が異なる部品毎に、Ｈが変動した際の部品出荷数への影響を定量的に評価できる。

＜実施の形態４＞
次に、実施の形態４の部品出荷数予測システムでは、実施の形態３に機能を追加した構成を説明する。実施の形態４のシステム１Ｄは、実施の形態３の部品出荷数のシミュレーション結果（Ｄ７）に基づき、「部品出荷金額」が最大となるように、無償保証期間（図７のＰ１）を適正化する処理を行う機能（部品出荷金額最大化部）を備える。

図２０は、実施の形態４の部品出荷数予測システム１（システム１Ｄ）の構成例を示す。なお図２０では、実施の形態４と併せて実施の形態５，６の構成例も示しており、これらの形態は各種の組み合わせが可能である。図２０は、本機能（部品出荷金額最大化部）を、例えば図１の統括センタ１００１内のコンピュータに備える処理部（ソフトウェアプログラム処理）として実現した場合である。統括センタ１００１内の適正化システム２は、サーバ２０等のコンピュータで構成され、サーバ２０に、部品出荷金額最大化部１５４を有する。部品出荷金額最大化部１５４は、図１６のような実施の形態３の部品出荷数予測システム１ＣあるいはＤＢ３０等から、予測結果データ（Ｄ７）、および保証対象フラグデータＤ１１（無償保証期間中はメーカが無償で交換する対象であれば「無償部品」、対象外であれば「有償部品」と部品毎に定義した保証対象フラグデータＤ１１）を入力（取得）し、有償部品の部品出荷金額を最大化する計算を行い、その結果（部品出荷金額情報）および部品出荷金額が最大となる無償保証期間（最適無償保証期間）を含む出力データＤ８を格納及び出力する。本計算において、［部品出荷金額］＝［有償部品の部品出荷数］×［単価または利益］−［無償部品の部品出荷数］×［単価または利益］、である。

［保証対象フラグデータＤ１１］
図２１は、保証対象フラグデータＤ１１のテーブル例を示す。「Ｎｏ．」、「部品ＩＤ」（ａ）、「部品名」（ｂ）、「保証対象フラグ」（ｃ）、「備考」（ｄ）、等を有する。ａの部品ＩＤ，ｂの部品名は、前述の図５に同じである。ｃの「保証対象フラグ」は、無償保証期間中はメーカが無償で交換する対象であれば「無償部品」、対象外であれば「有償部品」、と記載する。ｄの「備考」は、必要に応じて「定期交換部品」，「故障時交換部品」，「消耗品」など、交換方法に応じた部品種別などを記載する。図２１の例では、部品「フィルタＡ」、「オイル」、「油圧ポンプ」、「バケットの爪」に関する例を記載している。

［出力画面］
図２２は、上記シミュレーション結果（Ｄ７）をユーザインタフェースを介して出力する場合の出力画面Ｇ４の例である。画面Ｇ４の表示内容例として、（Ａ）予測対象部品（保証対象フラグの定義に応じて分類）、（Ｂ）シミュレーション条件（予測条件（Ｄ６）である部品購入想定期間Ｈの値）、（Ｃ）シミュレーション結果グラフ（予測結果グラフ）、（Ｄ）最適無償保証期間、がある。Ｂの条件では、期間Ｈの下限値の月の値、上限値の月の値を、各欄（ａ，ｂ）に表示する。

Ｃのグラフでは、保証対象フラグの「有償部品」または「無償部品」の定義別に、部品購入想定期間Ｈ毎における部品出荷金額の予測値（合計値）を例えば実線で表示する。あわせて、有償部品の部品出荷金額から無償部品の部品出荷金額を引算することで算出できる［部品出荷金額］を例えば破線で表示し、その［部品出荷金額］が最大となる無償保証期間である最適無償保証期間を横軸上に示す（ｄ）。これにより、ユーザは、期間Ｈ毎の有償および無償部品の部品出荷金額の予測値と最適無償保証期間を同時に確認できる。

ここで、Ｃのグラフで示すように、一般にフィルタやオイルなどの定期交換部品やバケットの爪などの消耗品で構成される有償部品は、製品の出荷当初から継続的に売れる傾向があるのに対し、油圧ポンプやエンジンなどの故障時交換部品は、製品の出荷からある程度の劣化期間を経た後に出荷が増える傾向がある。以上より、無償保証期間が短すぎる場合、部品購入想定期間Ｈ（一般に無償保証期間に正比例する）が短くなるために有償部品の出荷数が減って全体の部品出荷金額も少なくなる反面、無償保証期間が長すぎる場合、部品購入想定期間Ｈが長くなるために比較的高価な部品が多い故障時交換部品の無償保証出荷が増えて全体の部品出荷金額がやはり少なくなる、というトレードオフが生じることが分かる。このため、実施の形態４（部品出荷金額適正化部１５４）のように、部品出荷金額を最大化するよう無償保証期間を適正化することは重要である。

［効果］
実施の形態４により、特に、有償部品と無償部品が混在する場合においても、部品出荷金額を最大化するような適正無償保証期間を予測できる。

＜実施の形態５＞
次に、実施の形態５の部品出荷数予測システム１（１Ｅ）では、上述した部品出荷数予測システム１（実施の形態１〜４）に基づき、サプライチェーン（例えば図１）における在庫（部品在庫）を適正化できる機能を備える在庫適正化システムの例を説明する。

図２０では、本機能を、実施の形態４と同様に、図１の統括センタ１００１内のサーバ２０に備える在庫適正化部１５５として実現した場合である。在庫適正化部１５５は、例えば実施の形態３の部品出荷数予測システム１ＣあるいはＤＢ３０等から、倉庫または販社ごとの予測結果データＤ７を入力（取得）し、倉庫または販社ごとの在庫を適正化する計算を行い、その結果の情報（Ｄ９）を格納及び出力する。

在庫を適正化する計算式としては、例えば、一般的に広く用いられている下記の式（７）を使えばよい。

適正化システム２（在庫適正化部１５５）は、例えば図１の各倉庫１００４や各販社１００５からの在庫状況の情報（Ａ３，Ａ４）と、式（７）による各倉庫１００４や各販社１００５ごとの計算結果の情報（Ｄ９）とを用いて、各倉庫１００４や各販社１００５に在庫指示（Ａ１１，Ａ１２）を送信する。これにより各倉庫１００４や各販社１００５での部品在庫量を適正な量に制御する。上記（Ａ３，Ａ４）の例は図２０の全倉庫販社における実際の在庫量のデータＤ１２である。

［効果］
実施の形態５により、特に、部品購入想定期間Ｈ後のメーカ純正部品のシェアの低下の有無や、部品故障率が異なる部品が混在する場合においても、各倉庫や各販社での部品在庫量を適正な量に制御できる。

＜実施の形態６＞
次に、実施の形態６の部品出荷数予測システム１（１Ｆ）では、実施の形態５の在庫適正化処理を、図１の各倉庫１００４または各販社１００５のそれぞれについて実施し、それにより得られた適正在庫量に対し、各倉庫１００４または各販社１００５のそれぞれにおける実際の在庫量の不足分を算出し、全倉庫１００４または全販社１００５における在庫不足分の総和、つまり部品生産の必要数、を予測する機能（部品生産必要数予測部１５６）を備える。

本機能（部品生産必要数予測部１５６）は、例えば図２０のように適正化システム２のサーバ２０に備える処理部として実現され、実施の形態５の在庫適正部１５５の出力（Ｄ９）、および全倉庫販社における実際の在庫量のデータＤ１２（具体例は図２３参照）を入力し、部品生産必要数Ｄ１０を算出して格納及び出力する。なお実施の形態６の場合、図１の倉庫１００４及び販社１００５は複数存在しそれぞれコンピュータを備え統括センタ１００１との間で通信を行う。

［効果］
実施の形態６により、特に、部品購入想定期間Ｈ後のメーカ純正部品のシェアの低下の有無や、部品故障率が異なる部品が混在する場合においても、各倉庫や各販社での部品在庫量の不足分に応じた、部品生産必要数を予測できる。

＜効果等＞
以上説明したように、各実施の形態によれば、部品購入想定期間Ｈ（例えば製品の無償保証期間）に応じて変化する部品出荷数を予測することができ、従来よりも予測の精度を上げることができる。また特に、部品事業において無償保証期間などの変更を検討する際にも、変更による部品購入想定期間の変動によって部品出荷数にどの程度影響するかを見積もることができる（部品出荷数予測）という効果がある。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることは言うまでもない。

本発明は、生産管理システム、ＳＣＭ（サプライチェーン管理）システムなどに利用可能である。

１…部品出荷数予測システム、２…適正化システム、１０，２０…サーバ、３０…ＤＢ、
１００…部品出荷数予測部、１０１…データ入力処理部、１０２…データ出力処理部、
１１１…顧客所有製品データ記憶部、１１２…部品出荷データ記憶部、１１３…予測条件記憶部、１１４…予測結果データ記憶部、
１５２…アラート部、１５３…シミュレーション部、１５４…部品出荷金額最大化部、１５５…在庫適正化部、１５６…部品生産必要数予測部、
２００…演算装置、２０１…入出力Ｉ/Ｆ装置、２０２…記憶装置、２０５…バス、
１００１…統括センタ、１００２…部品工場、１００３…サプライヤ、１００４…倉庫、１００５…販社、１００６…現場、１００７…サービス部門、
Ｄ０…予測結果データ、Ｄ１…製品データ、Ｄ２…部品出荷データ、Ｄ３…予測条件。

Claims (8)

1. コンピュータの情報処理を用いて、管理対象の製品の部品の出荷数を予測する処理を行うシステムであり、
   前記コンピュータに、
   製品データ、部品出荷データ、及び予測条件を入力する処理を行う入力処理部と、
   前記製品データ、部品出荷データ、及び予測条件を記憶する記憶部と、
   前記製品データ、部品出荷データ、及び予測条件を入力して、将来の部品ごとの出荷数を予測する処理を行い、予測結果データを出力する予測部と、
   前記予測結果データを格納または出力する処理を行う出力処理部と、を有し、
   前記製品データは、製品ごとの実績の出荷及び撤去の日時情報を含み、
   前記部品出荷データは、部品ごとの実績の出荷の日時情報及び数量情報を含み、
   前記予測条件は、部品購入想定期間の情報を含み、
   前記部品購入想定期間は、顧客が部品を購入することが想定される期間の長さであり、製品出荷日を起点とする経過年月、または、製品出荷日を起点とする経過年月のうち製品が稼動した時間のみを記録する稼働時間、について定義され、
   前記予測部は、前記部品購入想定期間に応じた前記将来の部品ごとの出荷数を予測する処理を行い、
   前記部品購入想定期間を決定する要因として、製品の無償保証期間、販促強化期間、及び製品下取りキャンペーン開始時期のうち少なくとも１つを含む１つ以上の期間を有し、
   前記製品の無償保証期間は、定期交換を推奨している消耗品や交換品としてメーカ純正部品を顧客が必ず使用することを条件に製品故障時の保守をメーカが無償で実施することを保証する期間であり、前記販促強化期間は、顧客がメーカ純正部品を購入するようにメーカが販売促進を行う期間であり、前記製品下取りキャンペーン開始時期は、顧客が新製品を購入することを条件に顧客が既に保有する旧製品をメーカが下取りするキャンペーンを開始する時期であり、
   前記入力処理部は、入力画面でのユーザ入力操作に基づいた、前記部品購入想定期間の値、もしくは前記要因である１つ以上の期間の値から決定される前記部品購入想定期間の値を、前記予測条件に設定する処理を行い、
   前記予測部は、前記１つ以上の期間における各々の期間の値と期間ごとの係数値との四則演算による計算式により、前記部品購入想定期間の値を決定し、
   前記出力処理部は、出力画面に、前記部品購入想定期間を含む予測条件、及び前記予測結果データによるグラフ、を表示する処理を行い、
   前記予測部による予測処理において、
   前記部品購入想定期間内の製品稼働台数である部品購入想定期間内製品稼働台数を推定する第１の処理と、
   前記部品の故障率である部品故障率を推定する第２の処理と、
   前記第１の処理で推定した部品購入想定期間内製品稼働台数と、前記第２の処理で推定した部品故障率と、を活用する第１のモデルにより、前記部品の出荷数を予測する第３の処理と、を行うこと、を特徴とする部品出荷数予測システム。
2. 請求項１記載の部品出荷数予測システムにおいて、
   前記予測部による予測処理において、
   前記部品購入想定期間内製品稼働台数、及び、製品出荷日からの累積期間が前記部品購入想定期間の内外のいずれかに関わらず集計した製品稼働台数である全製品稼働台数を推定する第４の処理と、
   前記第４の処理で推定した前記全製品稼働台数と前記第２の処理で推定した部品故障率とを活用する第２のモデルにより前記部品の出荷数を予測する処理と、
   前記第１のモデルによる予測誤差と前記第２のモデルによる予測誤差とで予測誤差が小さい方のモデルによる予測結果を出力する処理と、を行うこと、を特徴とする部品出荷数予測システム。
3. 請求項１記載の部品出荷数予測システムにおいて、
   前記予測部は、アラート部を有し、
   前記アラート部は、部品毎の実績の出荷の日時情報及び数量情報を含む、検証用の部品出荷データと、アラート用の予測誤差上限値を含む予測条件とを入力し、部品毎の月毎の出荷数の予測値と実績値との誤差である予測誤差の大きさが前記予測誤差上限値よりも大きい場合は、アラートを出力する処理を行うこと、を特徴とする部品出荷数予測システム。
4. 請求項１記載の部品出荷数予測システムにおいて、
   前記予測部は、シミュレーション部を有し、
   前記シミュレーション部は、前記予測条件として、シミュレーション用の部品購入想定期間の上下限値を入力し、前記部品購入想定期間を前記上下限値内で変動する変数として、各部品購入想定期間別に前記部品の出荷数の予測値を算出し、前記予測結果データとして出力する処理を行うこと、を特徴とする部品出荷数予測システム。
5. 請求項４記載の部品出荷数予測システムにおいて、
   前記コンピュータに、部品出荷金額最大化部を有し、
   前記部品出荷金額最大化部は、前記予測部による前記予測結果データと、保証対象フラグデータとを入力し、
   前記保証対象フラグデータは、無償保証期間中であればメーカが無償で交換する対象である場合は「無償部品」、当該対象外である場合は「有償部品」、といったように部品毎に定義した保証対象フラグを含むデータであり、
   前記部品出荷金額最大化部は、［部品出荷金額］＝［有償部品の部品出荷数］×［単価または利益］−［無償部品の部品出荷数］×［単価または利益］で計算される部品出荷金額が最大となる前記無償保証期間を選択し、結果を適正無償保証期間として出力する処理を行うこと、を特徴とする部品出荷数予測システム。
6. 請求項１記載の部品出荷数予測システムにおいて、
   前記コンピュータに、在庫適正化部を有し、
   前記在庫適正化部は、前記予測部による前記予測結果データを入力し、保有する部品の在庫の適正量である適正在庫量を倉庫または販社ごとに算出して出力する処理を行うこと、を特徴とする部品出荷数予測システム。
7. 請求項６記載の部品出荷数予測システムにおいて、
   前記コンピュータに、部品生産必要数予測部を有し、
   前記部品生産必要数予測部は、前記部品ごとに、管理対象の複数の種類の部品を取り扱う複数のすべての倉庫または販社について、前記倉庫または販社ごとに、前記倉庫または販社における前記在庫適正化部による前記適正在庫量の出力結果データ、および、前記倉庫または販社における実際の在庫量のデータを入力し、
   前記部品生産必要数予測部は、前記部品ごとに、前記倉庫または販社ごとに、前記適正在庫量の出力結果に対する前記実際の在庫量の不足分を算出し、算出した前記倉庫または販社ごとの在庫量の不足分を、前記すべての倉庫と販社について総和を算出し、前記総和を自社または他社の部品工場における部品生産必要数として予測する処理を行うこと、を特徴とする部品出荷数予測システム。
8. 管理対象の製品の部品の出荷数を予測する処理をコンピュータに実行させるプログラムであり、
   製品データ、部品出荷データ、及び予測条件を入力する処理を行う入力処理部と、
   前記製品データ、部品出荷データ、及び予測条件を記憶する記憶部と、
   前記製品データ、部品出荷データ、及び予測条件を入力して、将来の部品ごとの出荷数を予測する処理を行い、予測結果データを出力する予測部と、
   前記予測結果データを格納または出力する処理を行う出力処理部と、を実現するプログラムを有し、
   前記製品データは、製品ごとの実績の出荷及び撤去の日時情報を含み、
   前記部品出荷データは、部品ごとの実績の出荷の日時情報及び数量情報を含み、
   前記予測条件は、部品購入想定期間の情報を含み、
   前記部品購入想定期間は、顧客が部品を購入することが想定される期間の長さであり、製品出荷日を起点とする経過年月、または、製品出荷日を起点とする経過年月のうち機械が稼動した時間のみを記録する稼働時間、について定義され、
   前記予測部は、前記部品購入想定期間に応じた前記将来の部品ごとの出荷数を予測する処理を行い、
   前記部品購入想定期間を決定する要因として、製品の無償保証期間、販促強化期間、及び製品下取りキャンペーン開始時期のうち少なくとも１つを含む１つ以上の期間を有し、
   前記製品の無償保証期間は、定期交換を推奨している消耗品や交換品としてメーカ純正部品を顧客が必ず使用することを条件に製品故障時の保守をメーカが無償で実施することを保証する期間であり、前記販促強化期間は、顧客がメーカ純正部品を購入するようにメーカが販売促進を行う期間であり、前記製品下取りキャンペーン開始時期は、顧客が新製品を購入することを条件に顧客が既に保有する旧製品をメーカが下取りするキャンペーンを開始する時期であり、
   前記入力処理部は、入力画面でのユーザ入力操作に基づいた、前記部品購入想定期間の値、もしくは前記要因である１つ以上の期間の値から決定される前記部品購入想定期間の値を、前記予測条件に設定する処理を行い、
   前記予測部は、前記１つ以上の期間における各々の期間の値と期間ごとの係数値との四則演算による計算式により、前記部品購入想定期間の値を決定し、
   前記出力処理部は、出力画面に、前記部品購入想定期間を含む予測条件、及び前記予測結果データによるグラフ、を表示する処理を行い、
   前記予測部による予測処理において、
   前記部品購入想定期間内の製品稼働台数である部品購入想定期間内製品稼働台数を推定する第１の処理と、
   前記部品の故障率である部品故障率を推定する第２の処理と、
   前記第１の処理で推定した部品購入想定期間内製品稼働台数と、前記第２の処理で推定した部品故障率と、を活用する第１のモデルにより、前記部品の出荷数を予測する第３の処理と、を行うこと、を特徴とするプログラム。