JP5752621B2 - 需要予測装置、需要予測プログラムおよび需要予測方法 - Google Patents
需要予測装置、需要予測プログラムおよび需要予測方法 Download PDFInfo
- Publication number
- JP5752621B2 JP5752621B2 JP2012046931A JP2012046931A JP5752621B2 JP 5752621 B2 JP5752621 B2 JP 5752621B2 JP 2012046931 A JP2012046931 A JP 2012046931A JP 2012046931 A JP2012046931 A JP 2012046931A JP 5752621 B2 JP5752621 B2 JP 5752621B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- demand
- parts
- information
- shipment
- 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
Images
Description
家電、電気機器、自動車等の耐久消費財では、製品は長期にわたって使用されるため、保守サービスを提供する期間である保守期間が長期にわたり定められている場合がある。この保守期間は、製品の製造を開始してから終了するまでの期間である製造期間よりも、長く定められていることが多い。
ここで、需要予測値は、下記の式(1)により算出される(式(1)は、「数1」で示される式である。以下同様。)。
しかしながら、このような需要予測の技術を実務で利用しようとすると、以下のような理由により、予測手法の適用が困難であるという課題があった。
上記の予測手法では、このような部品のモデルチェンジや共通化等による需要の変化は考慮されていない。そのため、需要予測値が需要実績に適合しなくなる。
図1は、本実施形態に係る需要予測装置のハードウェア構成図である。
需要予測装置1000は、相互にバスで接続された、中央制御装置(制御部)1100、補助記憶装置(記憶部)1200、主記憶装置(記憶部)1300、入力装置(入力部)1400および出力装置(出力部)1500を有する。
出力装置1500は、ディスプレイ、プリンタ等であり、需要予測装置1000の操作画面を表示する装置である。
図2に沿って、後継部品テーブル1201を説明する。後継部品テーブル1201は、部品のモデルチェンジや共通化等における、先行部品と後継部品との関係を示す情報である。後継部品テーブル1201は、需要予測装置1000の操作者等により予め情報が登録されているものとする。
後継部品テーブル1201においては、先行部品コード欄12011に記憶された部品コードに関連付けて、後継部品コード欄12012には部品コードが、記憶されている。
後継部品コード欄12012の部品コードは、後継部品である部品を一意に特定するコードである。
図3に沿って、製品部品対応テーブル1202を説明する。製品部品対応テーブル1202は、どの部品がどの製品に使用されるかを示す情報である。製品部品対応テーブル1202は、需要予測装置1000の操作者等により予め情報が登録されているものとする。
製品部品対応テーブル1202においては、製品コード欄12021に記憶された製品コードに関連付けて、部品コード欄12022には部品コードが、記憶されている。
部品コード欄12022の部品コードは、製品に使用される部品を一意に特定するコードである。
図4に沿って、製品出荷実績テーブル1203を説明する。製品出荷実績テーブル1203は、年ごと、製品ごとにおける出荷数量の実績値を示す情報である。製品出荷実績テーブル1203は、需要予測装置1000の操作者等により予め情報が登録されているものとする。
製品出荷実績テーブル1203においては、年欄12031に記憶された年および製品コード欄12032に記憶された製品コードに関連付けて、製品出荷実績欄12033には出荷数量が、記憶されている。
製品コード欄12032の製品コードは、製品を一意に特定するコードである。
製品出荷実績欄12033の出荷数量は、製品が出荷された数量(実績値)である。図4に示す例では、出荷数量の単位は「台」である。
図5に沿って、部品需要実績テーブル1204を説明する。部品需要実績テーブル1204は、年ごと、部品ごとにおける、保守部品としての需要数量の実績値を示す情報である。部品需要実績テーブル1204は、需要予測装置1000の操作者等により予め情報が登録されているものとする。
部品需要実績テーブル1204においては、年欄12041に記憶された年および部品コード欄12042に記憶された部品コードに関連付けて、保守部品需要実績欄12043には需要数量が、記憶されている。
部品コード欄12042の部品コードは、部品を一意に特定するコードである。
保守部品需要実績欄12043の需要数量は、保守部品としての需要があった数量(実績値)である。なお、需要数量には、保守部品の受注数量を用いることが望ましいが、出荷数量を用いてもよい。図5に示す例では、需要数量の単位は「個」である。
図6に沿って、製品属性テーブル1205を説明する。製品属性テーブル1205は、製品の性質や特徴である属性を示す情報であり、部品を分類する際に使用される(詳細後記)。製品属性テーブル1205は、需要予測装置1000の操作者等により予め情報が登録されているものとする。
製品属性テーブル1205においては、製品コード欄12051に記憶された製品コードに関連付けて、製品種類欄12052には製品種類が、製品シリーズ欄12053には製品シリーズ名が、記憶されている。
製品種類欄12052の製品種類は、製品の性質や形態等が共通するものを分類した際のまとまりを示す名称である。製品種類は、例えば、「エアコン」、「冷蔵庫」、「洗濯機」等である。
製品シリーズ欄12053の製品シリーズ名は、傾向の似た一連の製品のまとまりを示す名称である。製品シリーズ名は、製品種類が異なる製品においても、同じ製品シリーズ名が使用されることがある。
なお、製品属性テーブル1205には、製品の寸法(サイズ)や重量、製品の出荷開始年、製品の出荷数量の累計等の情報を含めることができる。
図7に沿って、部品属性テーブル1206を説明する。部品属性テーブル1206は、部品の性質や特徴である属性を示す情報であり、部品を分類する際に使用される(詳細後記)。部品属性テーブル1206は、需要予測装置1000の操作者等により予め情報が登録されているものとする。
部品属性テーブル1206においては、部品コード欄12061に記憶された部品コードに関連付けて、部品種類欄12062には部品種類が、部品部位欄12063には部位名が、記憶されている。
部品種類欄12062の部品種類は、部品の性質や形態等が共通するものを分類した際のまとまりを示す名称である。部品種類は、例えば、「基板」、「コネクタ」、「開閉器(スイッチ)」等である。
部品部位欄12063の部位名は、製品の部位を示す名称であり、部品が製品のどの部位に使用されるかを示す情報である。
なお、部品属性テーブル1206には、部品の寸法(サイズ)や重量、部品の製造開始年、部品の保守部品としての需要数量の累計等の情報を含めることができる。
図8に沿って、部品グループテーブル1207を説明する。部品グループテーブル1207は、部品を分類した際のまとまり(グループ)を示す情報である。部品グループテーブル1207は、需要予測装置1000の操作者等により予め情報が登録されていてもよいし、図1に示す部品グループ化部1105により作成および登録されてもよい(詳細後記)。
部品グループテーブル1207においては、部品コード欄12071に記憶された部品コードに関連付けて、グループコード欄12072にはグループコードが、記憶されている。
グループコード欄12072のグループコードは、グループを一意に特定するコードである。
図9に沿って、モデルテーブル1208を説明する。モデルテーブル1208は、保守部品の需要数量に影響を与える諸要素を定式化して表したものであるモデルの値を示す情報である。モデルテーブル1208は、図1に示すモデル算出部1107により作成および記憶される(詳細後記)。
モデルテーブル1208においては、部品コード欄12081に記憶された部品コードおよび経過年欄12082に記憶された年数に関連付けて、製品残存率欄12083には製品残存率が、修理依頼率欄12084には修理依頼率が、部品故障率欄12085には部品故障率が、記憶されている。
経過年欄12082の年数は、製品が出荷されてから経過した年数である。
製品残存率欄12083の製品残存率は、製品が稼動している確率である。製品残存率は、全ての製品が稼動している場合は「1」となり、全ての製品が稼動していない場合は「0」となる。
修理依頼率欄12084の修理依頼率は、故障した製品のうち、メーカへの修理依頼で修理される確率である。修理依頼率は、故障した製品の全てがメーカへの修理依頼で修理される場合は「1」となり、メーカ以外への修理依頼で修理される場合は「0」となる。メーカ以外への修理依頼で修理される場合とは、メーカ以外(サードパーティ)への修理依頼で修理されたり、新製品に買い替えたり、製品を廃棄する場合である。
部品故障率欄12085の部品故障率は、部品が故障する確率である。部品故障率は、全ての部品が故障する場合は「1」となり、故障する部品が全くない場合は「0」となる。
なお、製品残存率モデル、修理依頼率モデルおよび部品故障率モデルを総称して、需要予測モデルと呼ぶ。また、ここでの「モデル」は数式を示しており、「モデルチェンジ」という場合の「モデル」とは全く関係ない。
図10に沿って、需要予測値テーブル1209を説明する。需要予測値テーブル1209は、年ごと、部品ごとにおける、保守部品の需要数量の予測値を示す情報である。需要予測値テーブル1209は、図1に示す需要予測部1109により作成および記憶される(詳細後記)。また、需要予測値テーブル1209は、外部のシステムから参照することもできる。
需要予測値テーブル1209においては、年欄12091に記憶された年および部品コード欄12092に記憶された部品コードに関連付けて、保守部品需要予測値欄12093には予測数量が、記憶されている。
部品コード欄12092の部品コードは、部品を一意に特定するコードである。
保守部品需要予測値欄12093の予測数量は、保守部品としての需要数量の予測値である。図10に示す例では、予測数量の単位は「個」である。
図10に示す例では、2005年において、部品コードが「P00002」である部品の、保守部品としての需要数量は150個であることを示している。
図11に沿って、修理用部品テーブル1301を説明する。修理用部品テーブル1301は、部品の修理用部品を示す情報である。修理用部品テーブル1301は、図1に示す修理用部品抽出部1101により作成および記憶される(詳細後記)。ここで、修理用部品とは、製品で使用される部品のうち、当該製品を修理する際に使用される、最も新しい型式であり、それ以降後継部品をもたない部品である。言い換えると、修理用部品とは、ある部品に着目した場合、当該部品を先行部品とする後継部品を辿り、更に当該後継部品を先行部品とする後継部品を辿っていくように、先行部品および後継部品の関係を次々と辿り、最終的に到達する部品である。また、修理用部品とは、いずれの部品に対しても先行部品とならない部品である。
修理用部品テーブル1301においては、部品コード欄13011に記憶された部品コードに関連付けて、修理用部品コード欄13012には部品コードが、記憶されている。
修理用部品コード欄13012の部品コードは、部品を一意に特定するコードであって、修理用部品の部品コードである。
図12に沿って、製品部品対応統合テーブル1302を説明する。製品部品対応統合テーブル1302は、どの修理用部品がどの製品の修理に使用される可能性があるかを示す情報である。製品部品対応統合テーブル1302は、図1に示す製品部品対応統合部1102により作成および記憶される(詳細後記)。ここで、製品の修理に使用される可能性があるとは、図9における修理依頼率について説明したように、故障した製品の全てがメーカへの修理依頼で修理されるとは限らないこと意味している。
製品部品対応統合テーブル1302においては、製品コード欄13021に記憶された製品コードに関連付けて、修理用部品コード欄13022には部品コードが、記憶されている。
修理用部品コード欄13022の部品コードは、部品を一意に特定するコードであって、修理用部品の部品コードである。
図13に沿って、製品出荷実績統合テーブル1303を説明する。製品出荷実績統合テーブル1303は、年ごと、修理用部品ごとにおける、当該修理用部品を保守部品として使用する可能性のある(使用可能な)製品の出荷数量の実績値(統合された製品出荷実績)を示す情報である。製品出荷実績統合テーブル1303は、図1に示す製品出荷実績統合部1103により作成および記憶される(詳細後記)。ここで、修理用部品は、先行部品の代替等のために製造されるので、先行部品を使用する製品においても使用可能である。
製品出荷実績統合テーブル1303においては、年欄13031に記憶された年および修理用部品コード欄13032に記憶された部品コードに関連付けて、製品出荷実績欄13033には出荷数量が、記憶されている。
修理用部品コード欄13032の部品コードは、部品を一意に特定するコードであって、修理用部品の部品コードである。
製品出荷実績欄13033の出荷数量は、修理用部品を保守部品として使用する可能性のある製品が出荷された数量(実績値)である。ここで、修理用部品を保守部品として使用する可能性のある製品が複数存在する場合、製品出荷実績欄13033の出荷数量は、当該複数の製品の出荷数量の合計である。なお、図13に示す例では、出荷数量の単位は「台」である。
図14に沿って、部品需要実績統合テーブル1304を説明する。部品需要実績統合テーブル1304は、年ごと、修理用部品ごとにおける、当該修理用部品の保守部品としての需要数量の実績値(統合された部品需要実績)を示す情報である。部品需要実績統合テーブル1304は、図1に示す部品需要実績統合部1104により作成および記憶される(詳細後記)。
部品需要実績統合テーブル1304においては、年欄13041に記憶された年および修理用部品コード欄13042に記憶された部品コードに関連付けて、保守部品需要実績欄13043には需要数量が、記憶されている。
修理用部品コード欄13042の部品コードは、部品を一意に特定するコードであって、修理用部品の部品コードである。
保守部品需要実績欄13043の需要数量は、保守部品として、修理用部品の需要があった数量(実績値)である。ここで、当該修理用部品が、複数の先行部品に対する修理用部品である場合、保守部品需要実績欄13043の需要数量は、当該複数の先行部品の保守部品としての需要数量の実績値の合計である。図14に示す例では、需要数量の単位は「個」である。
図15に沿って、推定パラメータテーブル1306を説明する。推定パラメータテーブル1306は、需要予測モデルの値を定めるために、変数に対して加算される、べき乗されるまたは乗算される係数であるパラメータの推定値を示す情報である。推定パラメータテーブル1306は、図1に示すパラメータ推定部1106により作成および記憶される(詳細後記)。
推定パラメータテーブル1306においては、部品コード欄13061に記憶された部品コードに関連付けて、製品残存率パラメータd欄13062にはパラメータdの値が、修理依頼率パラメータu欄13063にはパラメータuの値が、部品故障率パラメータa欄13064にはパラメータaの値が、部品故障率パラメータr欄13065にはパラメータrの値が、部品故障率パラメータm欄13066にはパラメータmの値が、記憶されている。
製品残存率パラメータd欄13062のパラメータdの値は、製品残存率モデルのパラメータdの値である。
修理依頼率パラメータu欄13063のパラメータuの値は、修理依頼率モデルのパラメータuの値である。
部品故障率パラメータa欄13064のパラメータaの値は、部品故障率モデルのパラメータaの値である。
部品故障率パラメータr欄13065のパラメータrの値は、部品故障率モデルのパラメータrの値である。
部品故障率パラメータm欄13066のパラメータmの値は、部品故障率モデルのパラメータmの値である。
図16に沿って、平均モデルテーブル1307を説明する。平均モデルテーブル1307は、部品のグループごと、経過年ごとにおける、保守部品の需要数量に影響を与える諸要素を定式化して表したものであるモデルの、平均値を示す情報である。平均モデルテーブル1307は、図1に示す平均モデル算出部1108により作成および記憶される(詳細後記)。
平均モデルテーブル1307においては、グループコード欄13071に記憶されたグループコードおよび経過年欄13072に記憶された年数に関連付けて、製品残存率モデル平均値欄13073には製品残存率モデルの平均値が、修理依頼率モデル平均値欄13074には修理依頼率モデルの平均値が、部品故障率モデル平均値欄13075には部品故障率モデルの平均値が、記憶されている。
経過年欄13072の年数は、製品が出荷されてから経過した年数である。
製品残存率モデル平均値欄13073の製品残存率モデルの平均値は、製品が稼動している確率である製品残存率のモデルの値の当該グループにおける平均値である。
修理依頼率モデル平均値欄13074の修理依頼率モデルの平均値は、メーカへの修理依頼で修理される確率である修理依頼率のモデルの値の当該グループにおける平均値である。
部品故障率モデル平均値欄13075の部品故障率モデルの平均値は、部品が故障する確率である部品故障率のモデルの値の当該グループにおける平均値である。
次に、図17に沿って(適宜、図1〜図16参照)、需要予測装置1000(図1)が行う需要予測処理を説明する。図17は、需要予測処理のフローチャートである。
そして、ステップS1702に進む。
そして、ステップS1703に進む。
ここで、修理用部品rが修理に使用される可能性がある製品mの集合をMr’とする。ある年tにおける、製品mの出荷数量をsm(t)とする。すると、ある年tにおける、修理用部品rの統合された製品出荷実績(Sr’(t))は、製品m∈Mr’の出荷数量の合計値であり、次の式(5)で表される。なお、製品を示す変数mは、前記したパラメータmとは別のものである。また、修理用部品を示す変数rは、前記したパラメータrとは別のものである。
そして、ステップS1704に進む。
ここで、製品を修理する際に、修理用部品rで代替される部品pおよび最新修理用部品rからなる集合をVとし、ある年tにおける部品pの保守部品としての需要数量をDp(t)とする。すると、ある年tにおける、修理用部品rの統合された部品需要実績(Dr’(t))は、部品p∈Vの需要数量の合計値であり、次の式(6)で表される。
そして、ステップS1705に進む。
具体的には、第一に、部品グループ化部1105は、製品部品対応テーブル1202(図3)および製品属性テーブル1205(図6)を、製品コードをキーとして結合する。第二に、部品グループ化部1105は、当該結合されたテーブルおよび部品属性テーブル1206(図7)を、部品コードをキーとして結合する。第三に、部品グループ化部1105は、入力装置1400を介して受け付けた部品グループ設定データ1305に基づいて、当該結合されたテーブルのデータを分類する。ここで、部品グループ設定データ1305とは、部品を分類する際の基準となる情報であり、需要予測装置1000の操作者が任意に設定することができる。部品グループ設定データ1305は、例えば、下記のような情報である。
(2)部品を使用している全ての製品の製品シリーズが「シリーズA」である。
(3)部品種類が「基板」である。
(4)部品部位が「室内機電源制御用」である。
なお、これら(1)〜(4)は、単独であってもよいし、複数の組み合わせの論理積(AND条件)であってもよい。
そして、ステップS1706に進む。
(2)予測対象とする期間の始期となる年(予測開始年)。
(3)予測対象とする期間の終期となる年(予測終了年)。
なお、予測対象部品は修理用部品から選択するものとする。修理用部品の選択は、ステップS1701において作成した修理用部品テーブル1301(図11)を出力装置1500に出力し、入力装置1400を介して需要予測装置1000の操作者に選択させることができる。
そして、ステップS1707に進む。
可能である場合(ステップS1707“Yes”)、ステップS1708に進む。
可能でない場合(ステップS1707“No”)、ステップS1711に進む。
そして、ステップS1709に進む。
具体的には、モデル算出部1107は、前記した式(2)、式(3)および式(4)に、推定パラメータテーブル1306(図15)に記憶された値を代入して、経過年ごとに、予測対象部品の製品残存率、修理依頼率および部品故障率を算出し、モデルテーブル1208(図9)に記憶する。このように作成・記憶されたモデルテーブル1208(図9)は、次回の処理で利用することができる。
そして、ステップS1710に進む。
具体的には、第一に、需要予測部1109は、モデルテーブル1208(図9)から、予測対象部品の部品コードを記憶しているレコードを検索し、当該レコードに記憶された各モデルの値を取得する。第二に、需要予測部1109は、製品出荷実績統合テーブル1303(図13)から、予測対象部品の部品コードを記憶しているレコードを検索し、当該レコードに記憶された値を全て取得する。第三に、需要予測部1109は、第一および第二において取得した値を、前記した式(1)に代入して、予測開始年から予測終了年までの年ごとの予測対象部品の需要数量の予測値を算出する。第四に、需要予測部1109は、当該算出された値を、需要予測値テーブル1209(図10)に記憶する。
そして、ステップS1713に進む。
ステップS1711において、平均モデル算出部1108は、グループの平均モデルを算出する。
具体的には、第一に、平均モデル算出部1108は、部品グループテーブル1207(図8)から、予測対象部品の部品コードを記憶しているレコードを検索し、当該レコードに記憶されたグループコード(予測対象部品のグループコード)を取得する。第二に、平均モデル算出部1108は、部品グループテーブル1207(図8)から、当該取得したグループコードを記憶しているレコードを検索し、当該レコードに記憶された部品コード(予測対象部品が属するグループと同じグループに属する部品の部品コード)を取得する。第三に、平均モデル算出部1108は、モデルテーブル1208(図9)から、当該取得した部品コードを記憶しているレコードを取得する。
ここで、予測対象部品のグループと同じグループに属する部品であって、当該部品についてのパラメータ推定が可能である場合(ステップS1707と同様の条件)、ステップS1708〜S1709の処理に従って、当該部品についてのモデルの値を、モデルテーブル1208(図9)に記憶する。このように、当該部品についてのモデルの値を予め記憶しておくことで、当該部品が予測対象部品となった場合に、当該記憶した値を用いることができ、処理の高速化が期待できる。
そして、ステップS1712に進む。
ここで、パラメータ推定が可能でない場合に、グループのモデルの平均値を用いて需要予測するのは、部品を分類する際の基準(部品グループ設定データ1305)が適切であれば、同じグループに属する部品におけるモデルは類似すると考えられるからである。このように、グループのモデルの平均値を用いることで、需要数量の実績値のデータが少ない場合であっても、需要予測をすることが可能となる。
そして、ステップS1713に進む。
具体的には、予測結果表示部1110は、ステップS1710またはステップS1712において算出し需要予測値テーブル1209(図10)に記憶された、予測対象部品の需要数量の予測値を、入力装置1400に表示する。
そして、需要予測装置1000は、処理を終了する。
次に、図18に沿って(適宜、図1〜図17参照)、需要予測装置1000の修理用部品抽出部1101(図1)が行う修理用部品抽出処理を説明する。修理用部品抽出処理は、製品部品対応テーブル1202(図3)に記憶されている部品コードごとに、修理用部品を抽出し、修理用部品テーブル1301(図11)を作成・記憶する処理である。なお、この修理用部品抽出処理は、図17のステップS1701である。図18は、修理用部品抽出処理のフローチャートである。
具体的には、修理用部品抽出部1101は、製品部品対応テーブル1202(図3)から未処理である任意のレコードを取得し、当該レコードの部品コード欄12022に記憶された部品コードを変数pに代入する。ここで、変数pは、着目する部品の部品コードを代入する変数である。
そして、ステップS1802に進む。
そして、ステップS1803に進む。
レコードが存在する場合(ステップS1803“Yes”)、当該レコードは以前の処理において作成されたものである。そこで、部品コードpについては処理済みとし、ステップS1801に進む。
レコードが存在しない場合(ステップS1803“No”)、ステップS1804に進む。
そして、ステップS1805に進む。
そして、ステップS1806に進む。
レコードが存在する場合(ステップS1806“Yes”)、ステップS1807に進む。
レコードが存在しない場合(ステップS1806“No”)、ステップS1808に進む。
そして、ステップS1805に戻る。
そして、ステップS1809に進む。
処理が完了していない場合(ステップS1809“No”)、ステップS1801に戻る。
処理が完了した場合(ステップS1809“Yes”)、メインルーチンへ戻る。
次に、図19に沿って(適宜、図1〜図17参照)、需要予測装置1000の製品部品対応統合部1102(図1)が行う製品部品対応統合処理を説明する。製品部品対応統合処理は、製品部品対応テーブル1202(図3)に記憶されている製品と部品との対応関係を、製品と当該部品の修理用部品との対応関係に統合し、製品部品対応統合テーブル1302(図12)を作成・記憶する処理である。なお、この製品部品対応統合処理は、図17のステップS1702である。図19は、製品部品対応統合処理のフローチャートである。
そして、ステップS1902に進む。
そして、ステップ1903に進む。
そして、ステップS1904に進む。
そして、ステップS1905に進む。
そして、ステップS1906に進む。
レコードが存在しない場合(ステップS1906“No”)、ステップS1907に進む。
レコードが存在する場合(ステップS1906“Yes”)、ステップS1908に進む。
そして、ステップS1908に進む。
処理が完了していない場合(ステップS1908“No”)、ステップS1901に戻る。
処理が完了した場合(ステップS1908“Yes”)、メインルーチンへ戻る。
次に、図20に沿って(適宜、図1〜図17参照)、需要予測装置1000のパラメータ推定部1106(図1)が行うパラメータ推定処理を説明する。パラメータ推定処理は、製品出荷実績統合テーブル1303(図13)および部品需要実績統合テーブル1304(図14)を用いて、パラメータの最適値を探索(パラメータを推定)し、推定パラメータテーブル1306(図15)を作成・記憶する処理である。
図20は、パラメータ推定処理のフローチャートである。なお、図20においては、遺伝的アルゴリズムを用いてパラメータの最適値の探索を行う処理について説明する。
そして、ステップS2002に進む。
そして、ステップS2003に進む。
世代数の上限に到達していない場合(ステップS2003“No”)、ステップS2004に進む。
世代数の上限に到達している場合(ステップS2003“Yes”)、ステップS2005に進む。
そして、ステップS2002に戻る。
そして、メインルーチンへ戻る。
本実施形態の需要予測装置1000は、統合された製品出荷実績(製品出荷実績統合テーブル1303(図13))および統合された部品需要実績(部品需要実績統合テーブル1304(図14))から、パラメータを推定するので、部品のモデルチェンジや共通化等による需要の変化の影響を受けずに、需要予測が可能となる。
また、本実施形態の需要予測装置1000は、予測対象部品についてのパラメータ推定が可能でない場合に、グループのモデルの平均値を用いるので、需要数量の実績値のデータが少ない場合であっても、需要予測をすることが可能となる。そのため、生涯需要予測の早期化に対応することができる。
なお、前記した実施形態は、本発明を実施するための好適なものであるが、その実施形式はこれらに限定されるものではなく。本発明の要旨を逸脱しない範囲内において種々変更することが可能である。
あるいは、補助記憶装置1200に複数の予測対象部品に対する予測設定データを登録しておき、複数の予測対象部品の需要予測値を自動で算出する。これにより、従来は需要予測モデルの適用ができず、個別に経験にもとづいて製造・発注数量を設定せざるを得なかった部品も、まとめて需要予測モデルで需要予測値を算出できるようになる。そのため、保守部品の製造・発注数量の適正化が可能となるとともに、個別に製造・発注数量を設定する手間を削減できる。
1100 中央制御装置(制御部)
1101 修理用部品抽出部
1102 製品部品対応統合部
1103 製品出荷実績統合部
1104 部品需要実績統合部
1105 部品グループ化部
1106 パラメータ推定部
1107 モデル算出部
1108 平均モデル算出部
1109 需要予測部
1110 予測結果表示部
1200 補助記憶装置(記憶部)
1201 後継部品テーブル(後継部品情報)
1202 製品部品対応テーブル(製品部品対応情報)
1203 製品出荷実績テーブル(製品出荷実績情報)
1204 部品需要実績テーブル(部品需要実績情報)
1205 製品属性テーブル(製品属性情報)
1206 部品属性テーブル(部品属性情報)
1207 部品グループテーブル(部品グループ情報)
1208 モデルテーブル(モデル情報)
1209 需要予測値テーブル(需要予測値情報)
1300 主記憶装置(記憶部)
1301 修理用部品テーブル(修理用部品情報)
1302 製品部品対応統合テーブル(製品部品対応統合情報)
1303 製品出荷実績統合テーブル(製品出荷実績統合情報)
1304 部品需要実績統合テーブル(部品需要実績統合情報)
1305 部品グループ設定データ(部品グループ設定情報)
1306 推定パラメータテーブル(推定パラメータ情報)
1307 平均モデルテーブル(平均モデル情報)
1308 予測設定データ(予測設定情報)
1400 入力装置
1500 出力装置
Claims (10)
- 製品に使用される部品のうち、前記製品の保守に用いられる保守部品の将来における出荷数量の需要予測値を需要予測モデルを用いて算出する需要予測装置であって、
前記需要予測装置の記憶部は、
前記製品に使用される部品を記憶している製品部品対応情報と、
複数の部品のうち、他の部品よりも先に製造が開始された部品であって、前記他の部品により代替または後継され、もしくは、前記他の部品により共通化または統合化される部品である先行部品と、複数の部品のうち、他の部品よりも後に製造が開始された部品であって、前記先行部品の代替または後継のため、もしくは、複数の先行部品を共通化または統合化するための部品である後継部品との関係を記憶している後継部品情報と、
前記製品の出荷数量の実績値を記憶している製品出荷実績情報と、
前記部品の保守部品としての需要数量の実績値を記憶している部品需要実績情報と、
を記憶しており、
前記需要予測装置の制御部は、
前記製品部品対応情報および前記後継部品情報を参照して、前記部品のいずれに対しても先行部品とならない部品である修理用部品を示す修理用部品情報を求め、
前記製品部品対応情報を参照して、前記修理用部品が使用される可能性のある製品を示す製品部品対応統合情報を求め、
前記製品部品対応統合情報および前記製品出荷実績情報を参照して、前記修理用部品を使用可能な前記製品の出荷数量の実績値である製品出荷実績統合情報を求め、
前記部品需要実績情報および前記修理用部品情報を参照して、前記修理用部品および前記修理用部品の先行部品の保守部品としての需要数量の実績値である部品需要実績統合情報を求め、
前記後継部品情報を参照して、前記先行部品と前記後継部品とを同じ部品とみなして、前記製品出荷実績統合情報の前記製品の出荷数量の実績値および前記部品需要実績統合情報の前記保守部品としての需要数量の実績値を集計し、該集計した前記製品出荷実績統合情報および前記部品需要実績統合情報から、前記需要予測モデルのパラメータを求め、
前記パラメータおよび前記製品出荷実績統合情報を用いて前記需要予測モデルにより、前記部品の保守部品としての需要数量の予測値を算出する、
ことを特徴とする、需要予測装置。 - 前記需要予測装置の記憶部は、さらに、
前記製品の属性を示す製品属性テーブルと、
前記部品の属性を示す部品属性テーブルと、
前記部品ごとに、前記需要予測モデルの値を記憶しているモデル情報と、
を記憶しており、
前記需要予測装置の制御部は、
前記製品属性テーブルおよび部品属性テーブルを参照して、前記部品を所定の基準により分類したまとまりであるグループを示す部品グループ情報を求め、
前記部品グループ情報を参照して、前記部品と同じグループに属する部品についての前記需要予測モデルの値の平均値を求め、
前記需要予測モデルの値の平均値および前記製品出荷実績統合情報から、前記部品の保守部品としての需要数量の予測値を算出する、
ことを特徴とする、請求項1に記載の需要予測装置。 - 前記需要予測装置の制御部は、
前記所定の基準として、前記製品の種類、前記製品のシリーズ名、前記製品の寸法、前記製品の重量、前記製品の出荷開始年、前記製品の出荷数量の累計値、前記部品の種類、前記部品の使用部位、前記部品の寸法、前記部品の重量、前記部品の製造開始年、前記部品の保守部品としての需要数量の累計値、のいずれか一つに対する条件、または複数に対する条件の論理積を用いる
ことを特徴とする、請求項2に記載の需要予測装置。 - 前記需要予測装置の記憶部は、さらに、
前記部品の属性および在庫数量を示す部品属性テーブルを記憶しており、
前記需要予測装置の制御部は、
前記部品の保守部品としての需要数量の予測値の算出を行う際、前記算出の結果から前記部品の在庫数量を減算し、
前記製品の修理要求があった場合、前記部品の先行部品の在庫数量がゼロになった後、前記部品の後継部品の在庫数量を減算する
ことを特徴とする、請求項1に記載の需要予測装置。 - 製品に使用される部品のうち、前記製品の保守に用いられる保守部品の将来における出荷数量の需要予測値を需要予測モデルを用いて算出する需要予測装置の需要予測方法であって、
前記需要予測装置の記憶部は、
前記製品に使用される部品を記憶している製品部品対応情報と、
複数の部品のうち、他の部品よりも先に製造が開始された部品であって、前記他の部品により代替または後継され、もしくは、前記他の部品により共通化または統合化される部品である先行部品と、複数の部品のうち、他の部品よりも後に製造が開始された部品であって、前記先行部品の代替または後継のため、もしくは、複数の先行部品を共通化または統合化するための部品である後継部品との関係を記憶している後継部品情報と、
前記製品の出荷数量の実績値を記憶している製品出荷実績情報と、
前記部品の保守部品としての需要数量の実績値を記憶している部品需要実績情報と、
を記憶しており、
前記需要予測装置の制御部は、
前記製品部品対応情報および前記後継部品情報を参照して、前記部品のいずれに対しても先行部品とならない部品である修理用部品を示す修理用部品情報を求め、
前記製品部品対応情報を参照して、前記修理用部品が使用される可能性のある製品を示す製品部品対応統合情報を求め、
前記製品部品対応統合情報および前記製品出荷実績情報を参照して、前記修理用部品を使用可能な前記製品の出荷数量の実績値である製品出荷実績統合情報を求め、
前記部品需要実績情報および前記修理用部品情報を参照して、前記修理用部品および前記修理用部品の先行部品の保守部品としての需要数量の実績値である部品需要実績統合情報を求め、
前記後継部品情報を参照して、前記先行部品と前記後継部品とを同じ部品とみなして、前記製品出荷実績統合情報の前記製品の出荷数量の実績値および前記部品需要実績統合情報の前記保守部品としての需要数量の実績値を集計し、該集計した前記製品出荷実績統合情報および前記部品需要実績統合情報から、前記需要予測モデルのパラメータを求め、
前記パラメータおよび前記製品出荷実績統合情報を用いて前記需要予測モデルにより、前記部品の保守部品としての需要数量の予測値を算出する、
ことを特徴とする、需要予測方法。 - 前記需要予測装置の記憶部は、さらに、
前記製品の属性を示す製品属性テーブルと、
前記部品の属性を示す部品属性テーブルと、
前記部品ごとに、前記需要予測モデルの値を記憶しているモデル情報と、
を記憶しており、
前記需要予測装置の制御部は、
前記製品属性テーブルおよび部品属性テーブルを参照して、前記部品を所定の基準により分類したまとまりであるグループを示す部品グループ情報を求め、
前記部品グループ情報を参照して、前記部品と同じグループに属する部品についての前記需要予測モデルの値の平均値を求め、
前記需要予測モデルの値の平均値および前記製品出荷実績統合情報から、前記部品の保守部品としての需要数量の予測値を算出する、
ことを特徴とする、請求項5に記載の需要予測方法。 - 前記需要予測装置の制御部は、
前記所定の基準として、前記製品の種類、前記製品のシリーズ名、前記製品の寸法、前記製品の重量、前記製品の出荷開始年、前記製品の出荷数量の累計値、前記部品の種類、前記部品の使用部位、前記部品の寸法、前記部品の重量、前記部品の製造開始年、前記部品の保守部品としての需要数量の累計値、のいずれか一つに対する条件、または複数に対する条件の論理積を用いる
ことを特徴とする、請求項6に記載の需要予測方法。 - 製品に使用される部品のうち、前記製品の保守に用いられる保守部品の将来における出荷数量の需要予測値を需要予測モデルを用いて算出する需要予測装置を機能させる需要予測プログラムであって、
前記需要予測装置の記憶部に対し、
前記製品に使用される部品を記憶している製品部品対応情報と、
複数の部品のうち、他の部品よりも先に製造が開始された部品であって、前記他の部品により代替または後継され、もしくは、前記他の部品により共通化または統合化される部品である先行部品と、複数の部品のうち、他の部品よりも後に製造が開始された部品であって、前記先行部品の代替または後継のため、もしくは、複数の先行部品を共通化または統合化するための部品である後継部品との関係を記憶している後継部品情報と、
前記製品の出荷数量の実績値を記憶している製品出荷実績情報と、
前記部品の保守部品としての需要数量の実績値を記憶している部品需要実績情報と、
を記憶させ、
前記需要予測装置の制御部に対し、
前記製品部品対応情報および前記後継部品情報を参照して、前記部品のいずれに対しても先行部品とならない部品である修理用部品を示す修理用部品情報を求め、
前記製品部品対応情報を参照して、前記修理用部品が使用される可能性のある製品を示す製品部品対応統合情報を求め、
前記製品部品対応統合情報および前記製品出荷実績情報を参照して、前記修理用部品を使用可能な前記製品の出荷数量の実績値である製品出荷実績統合情報を求め、
前記部品需要実績情報および前記修理用部品情報を参照して、前記修理用部品および前記修理用部品の先行部品の保守部品としての需要数量の実績値である部品需要実績統合情報を求め、
前記後継部品情報を参照して、前記先行部品と前記後継部品とを同じ部品とみなして、前記製品出荷実績統合情報の前記製品の出荷数量の実績値および前記部品需要実績統合情報の前記保守部品としての需要数量の実績値を集計し、該集計した前記製品出荷実績統合情報および前記部品需要実績統合情報から、前記需要予測モデルのパラメータを求め、
前記パラメータおよび前記製品出荷実績統合情報を用いて前記需要予測モデルにより、前記部品の保守部品としての需要数量の予測値を算出する、
処理を実行させるための、需要予測プログラム。 - 前記需要予測装置の記憶部に対し、さらに、
前記製品の属性を示す製品属性テーブルと、
前記部品の属性を示す部品属性テーブルと、
前記部品ごとに、前記需要予測モデルの値を記憶しているモデル情報と、
を記憶させ、
前記需要予測装置の制御部に対し、
前記製品属性テーブルおよび部品属性テーブルを参照して、前記部品を所定の基準により分類したまとまりであるグループを示す部品グループ情報を求め、
前記部品グループ情報を参照して、前記部品と同じグループに属する部品についての前記需要予測モデルの値の平均値を求め、
前記需要予測モデルの値の平均値および前記製品出荷実績統合情報から、前記部品の保守部品としての需要数量の予測値を算出する、
処理を実行させるための、請求項8に記載の需要予測プログラム。 - 前記需要予測装置の制御部に対し、
前記所定の基準として、前記製品の種類、前記製品のシリーズ名、前記製品の寸法、前記製品の重量、前記製品の出荷開始年、前記製品の出荷数量の累計値、前記部品の種類、前記部品の使用部位、前記部品の寸法、前記部品の重量、前記部品の製造開始年、前記部品の保守部品としての需要数量の累計値、のいずれか一つに対する条件、または複数に対する条件の論理積を用いる
処理を実行させるための、請求項9に記載の需要予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012046931A JP5752621B2 (ja) | 2012-03-02 | 2012-03-02 | 需要予測装置、需要予測プログラムおよび需要予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012046931A JP5752621B2 (ja) | 2012-03-02 | 2012-03-02 | 需要予測装置、需要予測プログラムおよび需要予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013182498A JP2013182498A (ja) | 2013-09-12 |
JP5752621B2 true JP5752621B2 (ja) | 2015-07-22 |
Family
ID=49273089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012046931A Active JP5752621B2 (ja) | 2012-03-02 | 2012-03-02 | 需要予測装置、需要予測プログラムおよび需要予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5752621B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197156A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 用电信息采集系统的异常电量数据修复方法及终端设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017090475A1 (ja) | 2015-11-25 | 2017-06-01 | 日本電気株式会社 | 情報処理システム、関数作成方法および関数作成プログラム |
WO2018180970A1 (ja) * | 2017-03-30 | 2018-10-04 | 日本電気株式会社 | 情報処理システム、特徴量説明方法および特徴量説明プログラム |
EP3605362A4 (en) * | 2017-03-30 | 2020-04-22 | dotData, Inc. | INFORMATION PROCESSING SYSTEM, METHOD FOR EXPLAINING THE VALUE OF FUNCTIONS AND PROGRAM FOR EXPLANATING THE VALUE OF FUNCTIONS |
JPWO2019069507A1 (ja) | 2017-10-05 | 2020-11-05 | ドットデータ インコーポレイテッド | 特徴量生成装置、特徴量生成方法および特徴量生成プログラム |
JP6753442B2 (ja) | 2018-09-10 | 2020-09-09 | 日本電気株式会社 | モデル生成装置、モデル生成方法、及びプログラム |
JP2021082226A (ja) * | 2019-11-22 | 2021-05-27 | 三菱重工業株式会社 | 需要予測装置、需要予測方法およびプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5291386B2 (ja) * | 2008-06-02 | 2013-09-18 | 中村留精密工業株式会社 | 工作機械の補給部品管理システム |
JP5411794B2 (ja) * | 2010-04-27 | 2014-02-12 | 株式会社日立ソリューションズ東日本 | 生涯需要予測方法、プログラムおよび生涯需要予測装置 |
JP5444110B2 (ja) * | 2010-04-27 | 2014-03-19 | 株式会社日立ソリューションズ東日本 | 需要予測装置、需要予測方法、及び需要予測プログラム |
-
2012
- 2012-03-02 JP JP2012046931A patent/JP5752621B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197156A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 用电信息采集系统的异常电量数据修复方法及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
JP2013182498A (ja) | 2013-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5752621B2 (ja) | 需要予測装置、需要予測プログラムおよび需要予測方法 | |
JP6926008B2 (ja) | 保守計画装置、及び保守計画方法 | |
Asl-Najafi et al. | A dynamic closed-loop location-inventory problem under disruption risk | |
JP4239932B2 (ja) | 生産管理システム | |
Das | A comparative study of exponential distribution vs Weibull distribution in machine reliability analysis in a CMS design | |
TW201337804A (zh) | 生命週期過時預測工具 | |
JP2005092827A (ja) | スケジューリングシステムおよびスケジューリングをコンピュータに実行させるためのプログラム | |
WO2018105104A1 (ja) | 故障リスク指標推定装置および故障リスク指標推定方法 | |
Ahiska et al. | Heuristic inventory policies for a hybrid manufacturing/remanufacturing system with product substitution | |
Nazim et al. | A new approach to supplier selection problem: An introduction of AHP-SCOR integrated model | |
JP4309803B2 (ja) | 保守支援プログラム | |
El Hayek et al. | Optimizing life cycle cost of complex machinery with rotable modules using simulation | |
Lad et al. | Integrated reliability and optimal maintenance schedule design: a life cycle cost based approach | |
JP5133012B2 (ja) | 在庫部品設定システム、在庫部品設定方法及び在庫部品設定プログラム | |
Asih et al. | Capacity planning and product allocations under testing time uncertainty in electronic industry | |
JP6844113B2 (ja) | 情報処理装置、情報処理システム、制御方法、及びプログラム | |
JP2010020573A (ja) | 設備のライフサイクルマネジメントシステムおよびその方法 | |
Alghamdi et al. | A conceptual framework to support decision-making in remanufacturing engineering processes | |
Grobbelaar et al. | Determining the cost of predictive component replacement in order to assist with maintenance decision-making | |
Bradley et al. | Evaluating a Bayesian approach to demand forecasting with simulation | |
Nova et al. | Integrative conceptual framework to support decisions on warehousing operations in forward and reverse flow | |
US8126767B1 (en) | System and method for tuning a segmented model representating product flow through a supply chain or manufacturing process | |
Huang et al. | Simulation model of multi-echelon closed supply chain for spare parts | |
Joshi et al. | Evaluation of design alternatives of end-of-life products under stochastic yields in multiple periods | |
JP6384153B2 (ja) | プログラム、情報処理装置及び情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140722 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150416 |
|
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: 20150512 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150520 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5752621 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 |