JP6273967B2 - 拠点数推定方法、拠点数推定装置及び拠点数推定プログラム - Google Patents

Description

本発明は、物品等の在庫管理を行う技術に関する。

従来、顧客先で稼働中の機器の保守業務においては、稼動中の機器の故障等により、例えば部品（物品の一例）の交換が必要になることがある。この場合、保守業務の事業者等は、交換用の部品の要求を受け付けた後、保守用の部品が配備されている拠点（倉庫、パーツセンタ等）から、その部品を顧客先に配送する等のサービスの提供を行っている。
ところで、保守業務のサービスレベルの指標としては、例えば、故障等により、交換用の部品を要求する連絡を受けてから、所定時間内にその部品の配送を完了した割合を示す配送率が挙げられる。そのため、サービスレベルの指標を維持できるように、拠点の立地場所、拠点数等を考慮した部品配備の策定が提案されている。

特開２００４−２７２６１５号公報

ここで、サービスレベルの指標を向上させるためには、例えば、各部品について、部品を配備しておく倉庫等の拠点数を増やすことが考えられる。
しかし、拠点数を増やすに従って、例えば、倉庫等に配備しておく部品を購入する資金や、拠点の維持費が増大する傾向になりやすい。
そのため、要求されるサービスレベルの指標を維持しながら、各部品を配備しておく拠点数を適正化することで、部品の購入資金や拠点の維持費等を抑えることが望ましい。
そこで、本発明の１つの側面では、指定された物品について、指定された配送率で配送可能とする適切な拠点数を推定する手段を提供することを目的とする。

本発明の１つの側面によれば、コンピュータが、記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した物品の配送時間を含む配送情報と、所定期間内における拠点毎の物品の出庫状況を示す情報を含む実績情報と、に基づいて、所定期間内に物品を出庫した割合を示す出庫率と、拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出する。そして、指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された出庫率及び指定された配送率と、相関関係と、に基づいて推定する。

本発明の１つの側面によれば、指定された物品について、指定された配送率で配送可能とする適切な拠点数を推定する手段を提供できる。

本実施形態における拠点数推定システムの構成例を示す説明図である。 本実施形態における拠点数推定装置の機能構成及びデータ構成の一例を示す説明図である。 本実施形態における拠点数推定装置のハードウェア構成の一例を示すブロック図である。 倉庫情報のデータ構造の一例を示す説明図である。 倉庫間情報のデータ構造の一例を示す説明図である。 顧客情報のデータ構造の一例を示す説明図である。 在庫情報のデータ構造の一例を示す説明図である。 配送実績情報のデータ構造の一例を示す説明図である。 出庫情報のデータ構造の一例を示す説明図である。 拠点数推定方法の処理における動作の一例を示すフローチャートである。 相関関係導出処理における動作の一例を示すサブルーチンのフローチャートである。 サービス情報のデータ構造の一例を示す説明図である。 出庫確率５０％における拠点数と配送率との相関関係の一例となるグラフを示す図である。 配備先情報のデータ構造の一例を示す説明図である。 本実施形態における変形例の説明図である。

以下、図面に基づいて、本件に開示する実施形態について詳細に説明する。先ず、本実施形態の背景及び概要を説明した後、一の実施形態における拠点数推定装置の機能構成及びデータ構成の一例について説明する。この拠点数推定装置には、一の実施形態における拠点数推定プログラムがインストールされる。ここで、拠点数推定プログラムは、指定された出庫率の物品について、指定された配送率で配送可能な拠点数を推定するプログラムである。

［本実施形態の背景及び概要］
図１は、本実施形態における拠点数推定システムの構成例を示す説明図である。拠点数推定システム１００は、一例として、複数のパーツセンタ（PC : Parts Center、例えばＷ１〜Ｗ５）と、各パーツセンタに配備される管理対象用コンピュータ（例えばＣ１〜Ｃ５）と、これらのコンピュータを集中管理する管理用サーバ１１とネットワークＮ１とを備える。パーツセンタは、拠点の一例であって、部品を配備して、ユーザの要求に応じてその部品を配送するサービスを提供する。この管理用サーバ１１は、拠点数推定装置として機能するコンピュータである。

そして、拠点数推定システム１００は、配送トラック（例えばＴ１〜Ｔ５）等の輸送手段を利用して、各配送先（例えばＤ１〜Ｄ５）に指定された配送率で部品（例えばＰ１〜Ｐ５）を届けるサービスを提供することを主な目的とするシステムである。なお、拠点数推定システム１００では、説明をわかりやすくするため、主に物品の一形態である部品を取り扱うが、部品のみに限定されるのではなく、部品を含む製品自体を取り扱ってもよい。
また、輸送手段は、配送トラックに限られず、例えば、配送用自動二輪車（図示省略）でもよく、さらに、貨物列車（図示省略）、又は貨物輸送可能な航空機（図示省略）を組み合わせて利用してもよい。

図１では、簡略化のため、パーツセンタとして、北海道パーツセンタＷ１、青森パーツセンタＷ２、東京中央パーツセンタＷ３、大阪パーツセンタＷ４、沖縄パーツセンタＷ５を代表させて例示しているが、日本全国にパーツセンタの拠点が点在していることとする。
パーツセンタの拠点数は、拠点数推定システム１００を運用できれば特に限定されないが、本実施形態では、一例としてパーツセンタの拠点数を説明の便宜上、８２とする。また、配送トラックもＴ１〜Ｔ５に限られず、各パーツセンタで利用可能な状態にあることとする。また、同様にして、配送先もＤ１〜Ｄ５に限られず、日本全国に点在し、また、部品もＰ１〜Ｐ５に限られず、各パーツセンタに在庫管理されている各種の部品の数だけ配備されていることとする。

また、図１では、一例として、東京中央パーツセンタＷ３内に管理用サーバ１１が配備されていることとする。管理用サーバ１１は、ネットワークＮ１を介して各パーツセンタに配備されている管理対象用コンピュータとデータ通信をすることができる。これにより、管理用サーバ１１は、例えば、日本全国のパーツセンタにおける部品の在庫状況等を取得することができる。

ここで、上述した通り、要求されるサービスレベルの指標を維持しながら、各部品を配備しておくパーツセンタの拠点数を適正化することで、部品の購入資金や拠点の維持費等を抑えることが望ましい。なお、部品の配備は、顧客による要求時に最寄りのパーツセンタに配備されていることが望ましい。
また、例えば、官公庁、大学、企業等の研究機関で使用される大型電子計算機（一例として、スーパーコンピュータ）の保守用の部品は、部品によっては汎用品に比べて高額な専用品が存在する。そこで、全国の各パーツセンタでは、このような専用品の部品の配備についても考慮することが望ましい。
さらに、保守業務の事業者等の保有する保守用の部品は、種類も豊富であり、かつ部品の点数も総計で数万〜数十万個になる場合もあり、この点についても考慮する必要がある。
そこで、本実施形態では、上記事情に鑑み、例えば管理用サーバ１１の作業者により指定された物品について、指定された配送率で配送可能となる適切な拠点数を推定する手段を提供する。

以下、上記の手段を実現するための具体的構成や、処理の詳細について説明する。
［拠点数推定装置の機能構成及びデータ構成］
図２は、本実施形態における拠点数推定装置の機能構成及びデータ構成の一例を示す説明図である。
拠点数推定装置１は、記憶手段において、データベースＤＢ（Data Base）内に、倉庫情報３１、倉庫間情報３２、顧客情報３３、在庫情報３４、配送実績情報３５、出庫情報３６、サービス情報３７、配備先情報３８及び地図情報３９を備える。なお、倉庫情報３１、倉庫間情報３２は、拠点情報の一例である。また、在庫情報３４は、倉庫情報３１と関連付けられるので、拠点情報に含まれる。また、配送実績情報３５は、配送情報の一例であり、倉庫情報３１、倉庫間情報３２、顧客情報３３及び出庫情報３６等に基づいて、作成される。また、出庫情報３６は、実績情報の一例である。

ここで、各情報３１〜３９について簡単に説明すると、倉庫情報３１は、パーツセンタの所在地を含むデータである。倉庫間情報３２は、各パーツセンタ間の距離情報を含むデータである。顧客情報３３は、顧客の契約先の名称、その契約先の住所等を含むデータである。在庫情報３４は、部品の在庫状況を含むデータである。配送実績情報３５は、顧客等のユーザからの要求に応じて出庫した部品等の物品の配送時間を含むデータである。なお、配送実績情報３５は、出庫した部品等の物品の配送距離のデータを含む。出庫情報３６は、パーツセンタ等の拠点毎に所定期間内における拠点毎の各々の物品の出庫状況を示す情報を含み、例えば、所定期間内に各々の物品毎に出庫した割合を示す出庫確率を含むデータである。なお、出庫確率は出庫率の一例である。

サービス情報３７は、指定された配送率で部品を配送するサービスを提供するためのデータである。具体的には、サービス情報３７は、出庫確率と、拠点数と、配送率との関係を示すデータ及びそのデータに基づくグラフである。一例として、配送率８０％とは、配送時間を例えば２時間以内に設定した場合、配送対象となる複数の部品（例えば１００個）のうち、８０％の部品（８０個の部品）が２時間以内に各々の顧客先等に配送されることをいう。

配備先情報３８は、拠点数に割り当てられたパーツセンタの情報を含むデータである。地図情報３９は、緯度、経度、住所等の位置情報が電子地図に結び付けられたデータベース機能を有している。
なお、上記の各情報３１〜３８のデータ構造の詳細については、後述する。但し、地図情報３９については、パーツセンタ間の距離が電子地図から得られるのであれば、特に限定されないので、データ構造の詳細については、説明を省略する。ここで、管理用サーバ１１は、インターネットＮ１を介して電子地図を提供しているコンテンツにアクセスして、電子地図を参照し、パーツセンタ間の距離を取得するようにしてもよい。

また、拠点数推定装置１は、拠点数推定プログラムを実行することによって、その機能が実現される。具体的には、拠点数推定装置１は、図２に示す通り、蓄積処理部２１と、相関関係導出部２２と、拠点数推定部２３と、配備先決定部２４と、データ通信処理部２５と、入出力処理部２６とを備える。相関関係導出部２２は、導出部の一例であり、拠点数推定部２３は、推定部の一例である。

蓄積処理部２１は、上記の各情報３１〜３８をデータベースＤＢ内に蓄積する処理を行う。この蓄積処理部２１は、例えば、上記の拠点情報、配送実績情報３５及び出庫情報３６を受け付けてデータベースＤＢに蓄積する処理を行う。本実施形態では、地図情報３９をデータベースＤＢ内に予め格納しておく。なお、相関関係導出部２２は、所定期間内に出庫した部品について、倉庫情報３１、倉庫間情報３２、在庫情報３４、配送実績情報３５及び出庫情報３６に基づいて、出庫確率と、拠点数と、配送率との相関関係を導出する。拠点数推定部２３は、所定期間内に出庫した部品の内から指定された部品について、指定された配送率で配送可能なパーツセンタの拠点数を相関関係に基づいて推定する。配備先決定部２４は、拠点数推定部２３が推定した拠点数、倉庫情報３１、倉庫間情報３２、配送実績情報３５及び出庫情報３６に基づいて、部品の配備先のパーツセンタを決定する。データ通信処理部２５は、管理対象用コンピュータ（図１に示すＣ１〜Ｃ５等）とのデータ通信を処理する。入出力処理部２６は、管理用サーバ１１の入出力制御を行う。これらの各部２１〜２６における処理の詳細は、図１０に示すフローチャート等を用いて後述する。

［拠点数推定装置のハードウェア構成］
次に、拠点数推定装置のハードウェア構成例について説明する。本件開示の拠点数推定装置１は、例えば、図１に示す管理用サーバ１１等のコンピュータを用いて実現できる。

図３は、本実施形態における拠点数推定装置のハードウェア構成の一例を示すブロック図である。図３では、図１に示す拠点数推定装置１として機能するコンピュータのハードウェア構成例として管理用サーバ１１を示す。管理用サーバ１１は、プロセッサ２、ストレージ３、メモリ４、駆動装置５、入力装置６、通信インターフェース７、表示装置８及びバス９を備える。プロセッサ２、ストレージ３、メモリ４、駆動装置５、入力装置６、通信インターフェース７及び表示装置８は、バス９を介して、互いに接続されている。

プロセッサ２は、管理用サーバ１１の統括的な制御を行うものである。具体的には、プロセッサ２は、制御ユニット、演算ユニット及び命令デコーダ等を含み、実行ユニットが、命令デコーダで解読されたプログラムの命令に従い、制御ユニットより出力される制御信号に応じ、演算ユニットを用いて算術・論理演算を実行する。プロセッサ２は、制御に用いる各種情報が格納される制御レジスタ、既にアクセスしたメモリ４等の内容を一時的に格納可能なキャッシュ、及び、仮想記憶のページテーブルのキャッシュとしての機能を果たすＴＬＢ（Translation Look-aside Buffer）を備える。なお、プロセッサ２は、ＣＰＵ（Central Processing Unit）コアが複数設けられている構成でもよい。

また、ストレージ３は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ等の記憶装置であり、プログラムや各種データが格納される。メモリ４は、例えば、ＲＡＭ（Random Access Memory）等の記憶装置であり、プロセッサ２で実行されるプログラムがロードされるとともに、プロセッサ２の処理に用いるデータが格納されるメインメモリである。メモリ４には、プロセッサ２がプログラムを実行する際の作業メモリを備える。駆動装置５は、可搬型の記憶媒体１０に記憶されたデータやプログラムを読み出す装置である。記憶媒体１０は、例えば、光ディスク、磁気ディスク、光磁気ディスク、ＵＳＢ（Universal Serial Bus）メモリ又は半導体メモリ（フラッシュメモリ等）を採用したメモリカード等の可搬型の記憶媒体である。

また、入力装置６は、例えば、キーボード、マウス等の入力デバイスである。通信インターフェース７は、例えば、無線又は有線でのデータ通信を行うための手段を具備する。表示装置８は、例えば、液晶モニタであって、操作用のメニュー画面や出力結果を表示する。図１に示す入出力処理部２６は、入力装置６、表示装置８を制御し、データ通信処理部２５は、通信インターフェース７を制御して、データの送受信を行う。バス９は、データバス、アドレスバス及びコントロールバスの３系統のバスを含む。

なお、プロセッサ２が実行するプログラムや、アクセス対象となるデータは、管理用サーバ１１と通信可能な他の装置に格納されていてもよい。また、本実施形態で記載した拠点数推定装置１の記憶手段とは、メモリ４、ストレージ３、記憶媒体１０又は管理用サーバ１１との間で通信可能な他の装置の少なくとも何れかを示す。したがって、図２に示すデータベースＤＢは、拠点数推定装置１の記憶手段の何れかに格納されてもよいが、以下の説明では、ストレージ３に格納されることとする。

また、図３に例示した管理用サーバ１１は、プロセッサ２、ストレージ３、メモリ４等のハードウェアと、オペレーティング・システムやアプリケーション・プログラム等のプログラムとが協働することにより、各種機能を実現する。このアプリケーション・プログラムには、拠点数推定プログラムが含まれる。したがって、図１に示した蓄積処理部２１、相関関係導出部２２、拠点数推定部２３、配備先決定部２４、データ通信処理部２５及び入出力処理部２６は、プロセッサ２が拠点数推定プログラムを実行することにより機能を実現する。

なお、図１に示した管理対象用コンピュータ（Ｃ１〜Ｃ５等）は、図３に例示した管理用サーバ１１と同様のハードウェアの構成である。但し、管理対象用コンピュータは、通信インターフェース７を介して、管理用サーバ１１のデータベースＤＢに蓄積されるデータを送信する機能を有する。また、管理対象用コンピュータは、管理用サーバ１１にアクセスして、上記の各情報３１〜３９を閲覧することができる。

［拠点数推定装置で用いるデータ構造］
次に、拠点数推定装置１で用いるデータ構造例について、図４から図９を用いて説明する。なお、サービス情報３７、配備先情報３８については、フローチャートの処理（以下「フローの処理」という。）と合わせて、図１２、１４で後述する。
図４は、倉庫情報のデータ構造の一例を示す説明図である。図４に示す倉庫情報３１は、各パーツセンタの所在地等を表したテーブル形式のデータであって、一例として、「倉庫名」、「郵便番号」、「倉庫住所」及び「機能情報」等の列を含んでいる。ここで、機能情報とは、パーツセンタの特徴を示す情報である。図４では、機能情報の内容を、説明の便宜上「・・・」で表記している。例えば、２４時間営業のパーツセンタの場合、機能情報の欄には、その旨が記載される。また、東京中央パーツセンタの場合、機能情報の欄には、管理用サーバ１１を配備して、拠点数推定システム１００の中核を担う旨が記載される。あるいは、部品の在庫の総数が所定の数を超えており、顧客への対応能力がその分高いパーツセンタである場合、機能情報の欄には、その旨が記載される。

図４では、「倉庫名」として、５つのパーツセンタを例示しているが、倉庫情報３１には、日本全国に点在するパーツセンタの情報が記載されている。なお、「倉庫名」の欄の合計が、拠点数となる。

図５は、倉庫間情報のデータ構造の一例を示す説明図である。図５に示す倉庫間情報３２は、日本全国に点在している各々のパーツセンタ間の距離情報を表したテーブル形式のデータであって、一例として、「配送元倉庫名」及び「配送先倉庫名」等の列を含んでいる。図５では、簡略化のため、各々のパーツセンタ間の距離（ｋｍ）を、アルファベットの文字に置換して表している。倉庫間情報３２は、例えば、配送元のパーツセンタに、交換用の部品の在庫がなく、他のパーツセンタから取り寄せる場合に利用される。なお、同一のパーツセンタ間の距離情報は、ゼロ（０）になる。一例として、「配送元倉庫名」が北海道ＰＣの場合、「配送先倉庫名」の距離情報は、北海道ＰＣ（０）、青森ＰＣ（Ａ）、・・・東京中央ＰＣ（Ｂ）、・・・大阪ＰＣ（Ｄ）、・・・沖縄ＰＣ（Ｅ）となる。

また、各々のパーツセンタ間の距離は、例えば、地図情報３９に基づいて算出された道路上のルートの最短距離である。また、この距離は、必要に応じて２つのパーツセンタ間の直線距離であってもよく、また、配送トラック等の走行距離のメータに基づいて、実際の走行距離を入力データとしてもよい。また、倉庫間情報３２は、例えば、最短距離、直線距離、実際の走行距離毎にテーブル形式のデータを構成してもよい。

図６は、顧客情報のデータ構造の一例を示す説明図である。図６に示す顧客情報３３は、日本全国の顧客先の情報を一元化して管理するテーブル形式のデータであって、「契約先名」、「郵便番号」、「契約先住所」等の列を含んでいる。図６では、「契約先名」として、５つの会社を例示しているが、顧客情報３３には、日本全国の顧客について契約先の情報が記載されている。

図７は、在庫情報のデータ構造の一例を示す説明図である。図７に示す在庫情報３４は、日本全国におけるパーツセンタの在庫の情報を一元化して管理するテーブル形式のデータであって、「機種名」、「仕様」、「品名」、「倉庫名」及び「部品総数」等の列を含んでいる。「機種名」は、例えば、ストレージ、メモリのように物品の機種を示す。「仕様」は、部品の機能や性能等を示し、「仕様」の欄の文字列が仕様書の内容に関連付けられている。「品名」は、部品の名称を示し、部品を識別できる。図７では、例えば「品名」から本実施形態の物品（部品等）を一義的に特定することができる。本実施形態では、一例として、「品名」から図１に示す部品Ｐ１〜Ｐ５を一義的に特定できるが、例えば「機種名」、「仕様」及び「品名」の組み合わせから物品（部品）を一義的に特定するようにしてもよい。

また、図７では、「倉庫名」として、５ヶ所のパーツセンタを例示しているが、実際の在庫情報３４には、日本全国のパーツセンタ毎に、各々の部品における在庫のデータが格納されている。「部品総数」は、各々の品名の部品が日本全国のパーツセンタに配備されている在庫の総数を示す。

ここで、各パーツセンタの管理対象用コンピュータ（図１に示すＣ１〜Ｃ５等）は、各々の部品の在庫数が増減した場合には、在庫数の増減に関するデータを管理用サーバ１１に送信する。管理用サーバ１１が在庫数の増減に関するデータを受信した場合、蓄積処理部２１は、在庫情報３４を更新して、常に最新の在庫の情報を蓄積する。

図８は、配送実績情報のデータ構造の一例を示す説明図である。図８に示す配送実績情報３５は、全国のパーツセンタの配送実績を一元管理するテーブル形式のデータである。ここで、図８に示す配送実績情報３５は、一例として、「取引年月日」、「品名」、「配送距離（ｋｍ）」、「配備数」、「配送元倉庫名」、「配送先名」、「所要時間（分）」、「受付日時」、「出発日時」、「到着日時」の列を含んでいる。各パーツセンタの管理対象用コンピュータは、これらのデータを、管理用サーバ１１に送信する。「取引年月日」は、例えば、実際に顧客先からパーツセンタに交換要求の依頼があった日である。なお、各パーツセンタには、一例として、顧客サービスの部署があり、その顧客サービスの部署では、電話、ファックス又は電子メール等の通信手段により、顧客先から部品等の交換要求を受け付ける。

「品名」は、図７に示す在庫情報３４と同様であり、「配送距離」は、部品の在庫のあるパーツセンタから顧客の配送先までの距離（ｋｍ）を示す。また、「在庫数」は、配送元のパーツセンタに配備されている部品の在庫数を示す。「配送元倉庫名」は、配送元のパーツセンタの名称を示す。「配送先名」は、配送先の顧客の名称を示す。「所要時間（分）」は、例えば、配送元のパーツセンタの受付日時から顧客先への到着日時までの時間を示す。「受付日時」は、例えば、顧客先からパーツセンタに交換要求の依頼があった日時を示す。「出発日時」は、配送トラック等の輸送手段が、パーツセンタから出発した日時を示す。「到着日時」は、顧客先への到着日時を示す。

図９は、出庫情報のデータ構造の一例を示す説明図である。図９に示す出庫情報３６は、部品の出庫状況を示すテーブル形式のデータである。図９は、例えば、北海道パーツセンタの出庫情報３６の一例を示す。したがって、蓄積処理部２１は、全国のパーツセンタ毎に出庫情報３６をデータベースＤＢ内に格納する。

この出庫情報３６は、「機種名」、「仕様」、「品名」、「出庫数」、「出庫月数」及び「出庫確率」等の列を含んでいる。「機種名」、「仕様」、「品名」は、図７に示す項目と同様であり、「出庫数」は、例えば、１月当たりにおける交換要求のあった部品毎の各々の出庫数を示す。「出庫月数」は、交換要求のあった部品毎に出庫のあった月の総計を示す。「出庫確率」は、パーツセンタ毎に所定期間内に各々の部品を出庫した割合を示す。図９において、部品が出庫されなかった月は、「−」で示す。図９に示す出庫情報３６では、所定期間を例えば３年（３６月）とした場合、品名毎の出庫数を各月毎に記憶している。なお、図９では、説明の便宜上、「１月」、「２月」、「１２月」、「２４月」、「３６月」の欄の出庫数を例示しているが、実際には、１月〜３６月の出庫数が出庫情報３６に記憶されている。

ここで、本実施形態では、所定期間のうちで、ある品名における部品の出庫の有無を各月毎にカウントした出庫月数を用いる。したがって、ある品名における部品が、ある月で１個以上出庫されれば、有り（１）となり、出庫がされていなければ、無し（０）となる。そのため、仮に、ある品名における部品が、１月に１００個出庫されたとしても、有り（１）とカウントされる。このような数え方をするのは、以下の理由による。すなわち、例えば、あるパーツセンタに対して１月に１００個の同一部品の要求があり、部品の交換の要求を受け付けたパーツセンタが、複数のパーツセンタから部品を調達して配送したとする。その後、部品の交換の要求を受け付けたパーツセンタに、その部品の在庫を１００個配備したとしても、１００個の部品の要求が特殊な要因等の場合、不必要な在庫配備になってしまうからである。つまり、本実施形態では、このような偶発的な出庫について、異常値として取り扱い、出庫確率に影響を及ぼさないようにする。

具体的には、図９を参照すると、「品名」が例えばＦＭ−ＳＴ００１の場合、出庫数は、「１月(無し)」、「２月（２個）」、「１２月（３個）」、「２４月（無し）」、「３６月（無し）」となっている。したがって、出庫月数のカウントでは、「１月(０)」、「２月（１）」、「１２月（１）」、「２４月（０）」、「３６月（０）」となる。この場合、「出庫月数」の欄が、例えば１８になっているので、３６月のうち何れかの１８月において、「品名」がＦＭ−ＳＴ００１の部品の出庫があったことを示す。ここで、出庫確率（出庫月数／所定期間の月数）は、５０％（１８月／３６月）となる。

つまり、出庫確率は、所定期間内を予め設定した分割数で一定期間毎に分割し、一定期間毎に部品毎の出庫の有無を特定し、部品毎に出庫が有った回数を分割数で除算した値である。なお、実際の出庫確率の算出処理において、出庫の有無における特定の仕方は、一定期間毎に部品毎の出庫の有無をカウントすればよく、部品毎に出庫が有った回数の算出は、出庫の有ったカウントの積算値とすればよい。

具体例として、出庫確率は、上述した通り、例えば３年（３６月）を所定の分割数（例えば３６）で１月毎に分割し、１月毎に部品毎の出庫の有無をカウントし、出庫の有ったカウントの積算値（例えば１８）を分割数で除算した値（例えば５０％）となる。
なお、「出庫数」は、例えば、１月当たりにおける交換要求のあった拠点毎の各々の部品の出庫数を示したが、これは一例であって、例えば、１週間当たりにおける交換要求のあった拠点毎の各々の部品の出庫数としてもよい。この場合は、出庫月数は、１週間毎の出庫の有無に置き換わる。また、図７に示す在庫情報３４は、最新の在庫の状態を表しており、図９に示す出庫情報３６は、その時々の在庫情報３４の在庫数に応じた出庫数を表している。

［拠点数推定方法の処理動作の説明］
次に、本実施形態における拠点数推定方法の処理動作の一例について説明する。ここで、拠点数推定装置１が拠点数推定プログラムの処理を実行することで、本実施形態における拠点数推定方法が実現される。この拠点数推定プログラムは、蓄積処理、配送率導出処理、拠点数推定処理、配備先決定処理、データ通信処理及び入出力処理等をプロセッサ２に実行させる。

図１０は、拠点数推定方法の処理における動作の一例を示すフローチャートである。
ここで、本実施形態では、説明をわかりやすくするため、一例として、拠点数推定プログラムを管理用サーバ１１内で常時稼動させておく。なお、倉庫情報３１、倉庫間情報３２、顧客情報３３については、図４〜図６に示すデータが初期データとして、ストレージ３のデータベースＤＢに予め格納されていることとする。

ステップＳ１０１：図１に示す蓄積処理部２１は、データベースＤＢに必要なデータの蓄積処理を行う。データベースＤＢの内容に、追加、削除等の変更が伴う場合には、蓄積処理部２１は、その変更にかかる処理を行う。ここで、本実施形態では、全国のパーツセンタの管理対象用コンピュータ（図１に示すＣ１〜Ｃ５等）から管理用サーバ１１に、配送実績情報３５や出庫情報３６の元になるデータが送信される。具体的には、全国各地において、各パーツセンタから顧客先に部品が配送された後、図２に示すデータ通信処理部２５は、図８に示す配送実績情報３５の元になる配送実績のデータ、在庫の変更情報、配送した部品の機種名、仕様、出庫数、発送日時等の納品データ等を各パーツセンタの管理対象用コンピュータから受信し、メモリ４に格納する。これにより、蓄積処理部２１は、メモリ４から配送実績のデータを読み出して、配送実績情報３５に蓄積して行く。また、蓄積処理部２１は、メモリ４から納品データを読み出して、例えば図７に示す在庫情報３４の更新を行う。

また、新たにパーツセンタが設置された場合、例えば、入出力処理部２６がそのパーツセンタの情報の入力データを、入力装置６を介して受け付けることにより、蓄積処理部２１は、そのパーツセンタの情報を倉庫情報３１及び倉庫間情報３２に書き加える。また、パーツセンタが移転した場合、蓄積処理部２１は、移転先の情報に変更して、倉庫情報３１及び倉庫間情報３２を書き加える。また、パーツセンタが閉鎖した場合、蓄積処理部２１は、倉庫情報３１、倉庫間情報３２からその閉鎖したパーツセンタの情報を削除する。
さらに、新たな顧客と契約等を結んだ場合、蓄積処理部２１は、例えば、入出力処理部２６がその顧客の情報の入力データを、入力装置６を介して受け付けることにより、その顧客の情報を顧客情報３３に追加する。

ステップＳ１０２：入出力処理部２６は、入力装置６を介して拠点数を推定する指示入力の有無を判断する。指示入力がない場合（ステップＳ１０２：Ｎｏ）、ステップＳ１０１の処理に戻り、ステップＳ１０１の処理を繰り返す。
一方、指示入力があった場合には（ステップＳ１０２：Ｙｅｓ）、ステップＳ１０３の処理に移行する。

ステップＳ１０３：入出力処理部２６は、管理用サーバ１１の作業者より、部品の指定入力の受付処理を行う。具体的には、管理用サーバ１１の作業者は、特定の部品（例えば、図７の在庫情報３４に示す、品名ＦＭ−ＳＴ００１）について全国８２拠点のパーツセンタのうち、実際のところ、最低何拠点に配備すれば、例えば２時間配送率（８０％）を満たすのかを知りたいとする。この場合、管理用サーバ１１の作業者が入力装置６を介して、処理対象となる特定の部品（例えば、品名ＦＭ−ＳＴ００１）を指定入力することにより、入出力処理部２６は、その部品の指定入力の受付処理を行う。
ステップＳ１０４：入出力処理部２６は、管理用サーバ１１の作業者より、配送率の指定入力の受付処理を行う。具体的には、管理用サーバ１１の作業者が入力装置６を介して、例えば、２時間配送率（８０％）を指定入力することにより、入出力処理部２６は、その配送率の指定入力の受付処理を行う。
ステップＳ１０５：相関関係導出部２２は、相関関係導出処理のサブルーチンを行う。このサブルーチンの処理において、相関関係導出部２２は、拠点数と配送率との相関関係の導出するためのグラフを作成する。サブルーチンの処理の詳細は、図１１を用いて後述する。

ステップＳ１０６：拠点数推定部２３は、拠点数と配送率との相関関係から拠点数を推定する。詳細は、図１３を用いて後述する。

ステップＳ１０７：配備先決定部２４は、ステップＳ１０６で推定された拠点数の配備先の決定処理を行う。
図１４は、配備先情報のデータ構造の一例を示す説明図である。図１４に示す配備先情報３８は、配備先決定部２４が、指定された部品に応じて決定した拠点数分のパーツセンタの名前等を表したテーブル形式のデータであって、一例として、「倉庫名」及び「機種名・仕様・品名」等の列を含んでいる。配備先決定部２４は、要求実績、地理的要因、地域区分、予め定めたパーツセンタの優先順位のうち、少なくとも１つ以上を考慮して、パーツセンタの配備先を決定する。そして、蓄積処理部２１は、その配備先を含む情報を配備先情報３８として、データベースＤＢ内に格納する。なお、本実施形態では、例えば、全国のパーツセンタを、北海道、東北、関東、東海、関西、九州というようにブロックに分けて、先ず、このブロックに拠点数を割り振るようにしてもよい。

ここで、入出力処理部２６は、配備先情報３８を表示装置８の表示画面に表示させる。そして、図１０に示すフローの処理が終了する。このフローの処理により、本実施形態では、指定された物品について、指定された配送率で配送可能とする適切な拠点数を推定できる。

なお、本実施形態では、例えば、図１０に示すフローの処理が一旦終了すると、再度開始し、データベースＤＢへの蓄積処理を継続させる。この場合、配備先決定部２４は、次回、図１０に示すフローの処理において、配備先を決定する処理を行う場合、データベースＤＢ内に格納されている配備先情報３８も参照して、配備先のパーツセンタを決定してもよい。つまり、配備先決定部２４は、配備先情報３８をフィードバックさせて、配備先を決定してもよい。これにより、本実施形態では、拠点数に加え、配備先も適正化を図ることが可能となる。

次に、相関関係導出処理のサブルーチンについて説明する。
図１１は、相関関係導出処理における動作の一例を示すサブルーチンのフローチャートである。このサブルーチンの概要を説明すると、先ず、相関関係導出部２２は、出庫確率と、拠点数と、配送率との関係を導出する。続いて、相関関係導出部２２は、各々の出庫確率毎の、拠点数と配送率との相関関係を導出する。ここで、一例として、所定期間を３年（３６月）として以下具体的に説明する。なお、この所定期間についても上記作業者により、指定入力させるようにしてもよい。

ステップＳ２０１：相関関係導出部２２は、出庫情報３６の作成処理を行う。先ず、相関関係導出部２２は、配送実績情報３５等に基づいて、指定された部品（例えば、ＦＭ−ＳＴ００１）について、図９に示す出庫情報３６を作成する。この際、相関関係導出部２２は、所定期間を３年とし、例えば、前月から過去３年に遡って、図９に示す出庫情報３６を作成する。この場合、相関関係導出部２２は、図９に示す出庫情報３６のテーブルにおいて、１行目のＦＭ−ＳＴ００１の出庫確率を算出する。なお、説明の便宜上、ＦＭ−ＳＴ００１の出庫確率を例えば５０％とする。この段階では、出庫情報３６のテーブルは、図９に示す出庫情報３６のテーブルの１行目のみ作成された状態になっている。

ここで、出庫情報３６の作成処理において、例えば出庫確率５０％における拠点数と配送率との相関関係は得るためには、指定された部品の出庫確率が５０％であれば、他の部品等について、出庫確率が５０％の部品を抽出する必要が生じる。
そこで、相関関係導出部２２は、例えば、出庫確率Ｐ_Nとして、全国のパーツセンタに配備されている全ての部品について、Ｐ₀（０月／３６月）、Ｐ₁（１月／３６月）、Ｐ₂（２月／３６月）、・・・Ｐ₁₈（１８月／３６月）、・・・Ｐ₃₅（３５月／３６月）、Ｐ₃₆（３６月／３６月）というように、各々出庫確率を算出する。

続いて、相関関係導出部２２は、指定された物品の出庫確率（５０％）と同じ、Ｐ₁₈（１８月／３６月）の部品について、図９に示すようにリスト化した出庫情報３６を作成する。なお、図９では、出庫確率が５０％（１８月／３６月）の場合を例示しているが、相関関係導出部２２は、例えば、出庫確率Ｐ_Nとして、Ｐ₀（０月／３６月）、Ｐ₁（１月／３６月）、Ｐ₂（２月／３６月）、・・・Ｐ₁₈（１８月／３６月）、・・・Ｐ₃₅（３５月／３６月）、Ｐ₃₆（３６月／３６月）というように、各々の出庫確率毎に、図９に示す出庫情報３６を作成する。

ステップＳ２０２：相関関係導出部２２は、拠点数と配送率との相関関係を導出するため、配送実績情報３５と出庫情報３６とを参照して、サービス情報３７を作成する。
図１２は、サービス情報のデータ構造の一例を示す説明図である。サービス情報３７は、相関関係を導出するためのテーブル形式のデータであって、一例として、「都道府県名」、「要求件数（試行件数）」及び「２時間配送率」の列を含んでいる。さらに、「２時間配送率」の欄は、「７３ヶ所」、「４７ヶ所」、「１７ヶ所」、・・・、「２ヶ所」と細分化されている。ここで、このような間隔で８つに細分化したのは、後に最小自乗法等の計算に利用するためである。「都道府県名」の欄は、全国のパーツセンタを都道府県別に分類するための欄である。なお、「２時間配送率」の欄は、「１ヶ所」から「８２ヶ所」までの値にしてもよい。この場合、相関関係導出部２２の計算精度が８つに細分化した場合よりも向上する。なお、「２時間配送率」は、所要時間が２時間以内の配送率を意味する。

図１２では、出庫確率が５０％の場合のサービス情報３７を例示している。図１２において、サービス情報３７は、全国のパーツセンタを都道府県別に分けて、一例として、３年間の期間内で出庫確率５０％の部品（３年間のうち何れかの１８月に出庫の実績がある部品）が、２時間以内の配送率における達成状況を示している。
「要求件数（試行件数）」の欄は、例えば３年間で都道府県別に出庫確率が５０％の部品の要求があった件数を示す。具体的には、北海道の項目の「要求件数」の場合、北海道内の何れかのパーツセンタに出庫確率が５０％の部品の要求があった件数を意味する。

相関関係導出部２２は、「北海道」の項目から「沖縄」の項目の順番で出庫確率５０％における２時間以内の配送率を求める算出処理を実行する。ここで、相関関係導出部２２は、先ず、「北海道」の項目について、出庫確率５０％の部品（例えば品名ＦＭ−ＳＴ００１）が在庫情報３４により全国８２ヶ所の内、何れかの７３ヶ所のパーツセンタに配備されていた場合を例にして説明する。相関関係導出部２２は、配送実績情報３５を参照し、その部品が北海道内の顧客先に２時間以内に配送されていれば、カウントする。なお、図１２において、「７３ヶ所」、「４７ヶ所」、「１７ヶ所」、・・・、「２ヶ所」のパーツセンタには、東京中央パーツセンタと大阪パーツセンタが少なくとも含まれている例を示している。

具体的には、相関関係導出部２２は、メモリ４内にカウンタ（初期値０）の作業領域を設けて、カウンタに１を加える。つまり、北海道内の顧客が要求した部品（例えば品名ＦＭ−ＳＴ００１）が、出庫確率５０％の部品であって、７３ヶ所のパーツセンタに配備されており、２時間以内に配送されていれば、相関関係導出部２２は、カウンタに１を加算する。

続いて、相関関係導出部２２は、以下同様にして、北海道内のパーツセンタに要求があった部品であって、７３ヶ所のパーツセンタに配備されている出庫確率５０％の部品の全てについて、北海道内の顧客先に２時間以内に配送された件数に基づいて、２時間以内の配送率を算出する。つまり、相関関係導出部２２は、カウンタの積算値／試行回数の積算値により、配送率を算出する。

そして、相関関係導出部２２は、その配送率を、サービス情報３７の「北海道」の項目の「７３ヶ所」の欄に記憶する。この場合、配送率１００％となるが、これは、北海道内のパーツセンタが、「７３ヶ所」の中に含まれており、北海道内のパーツセンタから２時間圏内で配送される場所に、顧客先があったことを意味する。

また、相関関係導出部２２は、「北海道」の項目について、出庫確率５０％の部品（例えば品名ＦＭ−ＳＴ００２）が在庫情報３４により全国８２ヶ所の内、何れかの４７ヶ所のパーツセンタに配備されていた場合、上記の算出処理を実行し、配送率を算出する。さらに、相関関係導出部２２は、以下、同様にして、「北海道」の項目の「１７ヶ所」、「１０ヶ所」、「７ヶ所」、「５ヶ所」、「４ヶ所」、「２ヶ所」についても上記の算出処理を実行して、サービス情報３７において、「北海道」の項目における各々の欄に配送率を各々記憶する。

続いて、相関関係導出部２２は、以下、同様にして、上記算出処理を都道府県別に行う。そして、相関関係導出部２２は、「沖縄」の項目において、２時間配送率の欄の記憶を終了すると、要求件数と各々の平均値を算出する。なお、図１２に示すサービス情報３７の要求件数の合計値（349,289）は、出庫確率５０％の部品が３年間の期間において全国単位で要求された件数を意味する。また、図１２に示す「７３ヶ所」、・・・「２ヶ所」の欄における各々の２時間配送率の平均値が、図１３に示す横軸の配送率の実測値となる。
ステップＳ２０３：相関関係導出部２２は、サービス情報３７に基づいて、相関関係を導出する。具体的には、相関関係導出部２２は、以下に説明する通り、出庫確率（例えば５０％）の、拠点数と配送率との相関関係を導出する。

図１３は、出庫確率５０％における拠点数と配送率との相関関係の一例をとなるグラフを示す図である。横軸（ｘ軸）は、倉庫数（パーツセンタの数）を示し、縦軸（ｙ軸）は、配送率を示す。
ここで、パーツセンタは、上述した通り、一例として８２ヶ所ある。今回は、パーツセンタの数が図１２に示す通り、「７３ヶ所」、・・・、「２ヶ所」の８種類の場合について、配送率を導出しているだけなので、相関関係導出部２２は、最小自乗法等の補間処理を用いる。
具体的には、相関関係導出部２２は、先ず、図１３に示す（ｘ，ｙ）座標において、実測値（２ヶ所，６１．７％）、（４ヶ所，６５．２％）、（５ヶ所，６１．７％）、（７ヶ所，７３．８％）、（１０ヶ所，８５．３％）、（１７ヶ所，８７．７％）、（４７ヶ所，９７．７％）及び（７３ヶ所，９９．１％）に基づいて、プロットし、最小自乗法等の補間処理を用いて、曲線のグラフを得る。なお、補間処理は、最小自乗法には限られず、他の補間処理を行ってもよい。

図１３において、四角の黒点が実測値を表し、その黒点より小さい黒丸の点が予測値を示している。本実施形態では、８つの実測値を求めることで、精度よく曲線を求めているが、相関関係導出部２２は、全て実測値（１ヶ所〜８２ヶ所）として拠点数と配送率との相関関係を導出してもよい。これにより、相関関係の精度がより高まる。

ここで、図１３では、出庫確率５０％の場合について例示しているが、相関関係導出部２２は、出庫確率Ｐ_Nとして、Ｐ₀（出庫確率０％），Ｐ₁，Ｐ₂，・・・Ｐ₁₈（出庫確率５０％），・・・Ｐ₃₅，Ｐ₃₆（出庫確率１００％）というように、各々の出庫確率毎に、サービス情報３７及び図１３に示すような、拠点数と配送率との相関関係を導出する。
これにより、本実施形態では、各々の出庫確率に応じて部品の配備が必要な拠点数を推定できることを例示している。

なお、パーツセンタの拠点数を増やすに従って配送率は上昇することが期待される。しかし、図１３では、パーツセンタの拠点数がある数を超えると、配送率が鈍化する傾向になる。この理由は、例えば、部品の在庫の配備箇所を増やすことにより、配送エリアが重複することによるものと考えられる。また、２時間の配送圏内に部品を配備したとしても、想定している要求件数を超過した場合や交通障害による不可抗力等の要因によって、延着が発生する。また、配備するパーツセンタの場所の偏りにより、遠隔地又は交通が不便な地のエリアに対して、十分に対処できないことも考えられる。

ここで、図１３に示す通り、配送率１００％が上限となるグラフの曲線において、例えば２４ヶ所にパーツセンタを配備した付近から、配送率の変化が緩やかになる傾向を示している。したがって、２４ヶ所以上のパーツセンタに、例えば出庫確率５０％の部品を配備しても、配送率は同程度になることが示唆される。なお、ステップＳ２０３のフローの処理が終了すると、図１２に示すステップＳ１０５の処理に戻り、拠点数推定部２３は、図１３に示す拠点数と配送率との相関関係のグラフから拠点数を推定する。この場合、図１３において、配送率８０％では、拠点数が約１０付近となる。なお、拠点数は自然数なので、拠点数推定部２３は、小数点１桁で四捨五入して、自然数の拠点数を推定する。この場合、拠点数推定部２３は、拠点数を１０拠点と推定する。

以上のフローの処理により、管理用サーバ１１の作業者は、一例として、特定の部品（例えば、品名ＦＭ−ＳＴ００１）を、１０拠点程度に配備すれば、例えば２時間配送率（８０％）を満たすという指針が得られる。つまり、本実施形態では、２時間配送率（８０％）の目標に対して、現在の拠点数が過剰なのか少ないのかといった指針を与えることができる。
したがって、拠点数推定システム１００を利用する事業者等は、仮に、特定の部品（例えば、品名ＦＭ−ＳＴ００１）を２０拠点に配備していた場合、拠点数推定部２３の推定結果に応じて１０拠点程度に配備し直す指針が得られる。これにより、本実施形態では、要求されるサービスレベルの指標を維持しながら、各部品を配備しておく拠点数を適正化することができる。
以上より、本実施形態では、所定期間内に出庫した部品の内から指定された部品について、指定された配送率で配送可能とする適切な拠点数を、図１３に示した相関関係に基づいて推定する手段を提供できる。

［本実施形態における変形例］
次に、本実施形態における変形例について説明する。
図１５は、本実施形態における変形例の説明図である。変形例では、図１０に示すステップＳ１０４のサブルーチン処理において、相関関係導出部２２は、サービス情報３７に基づいて、各々の配送率についての、拠点数と出庫確率との相関関係を導出してもよい。

図１５では、各々の配送率についての、拠点数と出庫確率との相関関係の一例を示しており、横軸は、倉庫数を示し、縦軸は、出庫確率を示す。ここで、図１３では、出庫確率５０％の場合における、拠点数と配送率との相関関係を例示したが、上述した通り、相関関係導出部２２は、出庫確率Ｐ_N（Ｎ＝０〜３６）というように、各々の出庫確率毎に、図１３にグラフで示すような相関関係を複数導出している。

一方、図１５において、相関関係導出部２２は、出庫確率Ｐ_N（Ｎ＝０〜３６）毎に作成された図１３に示す複数のグラフを、１枚のグラフに統合するべく、出庫確率Ｐ_Nを縦軸とし、倉庫数を横軸として、プロットし直している。なお、相関関係導出部２２は、出庫確率についても０％から１００％の間について、補間処理等を行うことにより、図１５に示すグラフのような、各々の配送率についての、拠点数と出庫確率との相関関係を導出する。ここで、図１５に示すグラフは、各々（ａ）配送率８０％、（ｂ）配送率８５％、（ｃ）配送率９０％、（ｄ）配送率９５％の曲線を例示している。なお、相関関係導出部２２は、４種類の配送率の曲線に限られず、任意の配送率の曲線を例示できる。

図１５によれば、一例として、顧客先からの要求率の低い部品（例えば出庫確率１５％程度）について、パーツセンタの拠点数を１０拠点程度に絞っても、顧客先の場所と部品の配備とによっては、指定された配送率（２時間配送率９５％）を維持できることがわかる。このことから、例えば、指定された配送率（２時間配送率９５％）を満たさない場所からの顧客先の要求については、残りの５％に含まれる傾向を示す。

つまり、顧客先からの要求率の低い部品（例えば出庫確率１５％程度）でも、その部品を配備しているパーツセンタの拠点数を１０拠点程度にできるのは、以下の理由による。要求率の低い部品は、傾向として顧客が少なく、契約箇所が限定されているので、適切に配備を行えば、その部品に関しては高い配送率（例えば８０％以上）を維持できるからである。
例えば、大型スーパーコンピュータの稼働場所が、国の研究機関で兵庫県の神戸市である場合、本実施形態では、そのコンピュータのみに使用される高額な専用品の部品を２時間圏内の位置にあるパーツセンタの１ヶ所に配備すればよい。この場合、２時間配送率は、１００％になる。

なお、所定期間を１００月とし、分割数を１００とすると、出庫確率は、Ｐ_N（Ｎ＝０〜１００）となる。具体的には、出庫確率Ｐ_N は、Ｐ₀（０月／１００月）、Ｐ₁（１月／１００月）、Ｐ₂（２月／１００月）、・・・Ｐ₅₀（５０月／１００月）、・・・Ｐ₉₉（９９月／１００月）、Ｐ₁₀₀（１００月／１００月）となる。この場合、相関関係導出部２２は、１％刻みで、予測値を用いずに実測値のみで、図１５のグラフに示すような相関関係を導出することができる。したがって、相関関係導出部２２は、より精度が高い相関関係を導出できる。

また、図１５に示す相関関係のグラフは、図１３に示す相関関係のグラフに比べて、１枚のグラフで、各々の出庫確率の部品について、指定された配送率で配送可能な拠点数を推定できるメリットを有する。

［上記実施形態の補足事項］
（１）上記実施形態では、蓄積処理部２１が図２に示す各情報３１〜３８等をデータベースＤＢに蓄積する処理を採用したが、これに限られない。すなわち、上記実施形態では、サービス情報３７や配備先情報３８等の作成に必要な各情報３１〜３６等を、予めストレージ３に記憶しておいてもよい。また、上記実施形態では、例えば、各情報３１〜３６等を、図３に示す記憶媒体１０に保存し、その記憶媒体に記憶されている各情報３１〜３６をストレージ３に読み出してもよい。これにより、相関関係導出部２２は、蓄積処理部２１を介さずにストレージ３を参照して、サービス情報３７を作成し、図１３、図１５にグラフで示すような相関関係を導出することができる。

（２）上記実施形態では、新製品等の配送実績のない部品の配備の仕方については、特に言及しなかったが、以下の対応をとることが可能である。具体的には、相関関係導出部２２は、配送実績のない未配送部品に関し、未配送部品に関連する部品（以下、「関連部品」という。）の配送実績情報３５に基づいて、出庫率を適用する。

関連部品は、例えば、新製品の発表等がなされた場合、その新製品について旧バージョン（例えば１つ前のバージョン）の製品が相当する。この場合、管理用サーバ１１の作業者が、新製品と旧バージョンの製品とを関連付けたデータを入力すると、蓄積処理部２１は、その情報をデータベースＤＢに登録するようにしてもよい。このようにするのは、新製品における部品の交換要求率は、旧バージョンの製品における部品の交換要求率に近いことがあるという経験側に基づく。
したがって、相関関係導出部２２は、配送実績のない部品に関し、データベースＤＢを参照して旧バージョンの製品の部品を特定し、その旧バージョンの製品の部品における配送実績情報３５に基づいて、出庫率を適用して出庫情報３６に追加できる。

一例として、図９に示す品名ＦＭ−ＰＲ００４が新製品の部品で、品名ＦＭ−ＰＲ００３がＦＭ−ＰＲ００４の旧バージョンの製品の部品であれば、相関関係導出部２２は、ＦＭ−ＰＲ００４の出庫月数を１８月とし、出庫確率を５０％とする。なお、未配送部品は、未配送物品の一例であり、関連部品は、関連物品の一例である。

（３）上記実施形態では、所要時間を、配送元のパーツセンタの受付日時から顧客先への到着日時までの時間としたが、これに限られない。上記実施形態では、例えば、パーツセンタの顧客サービスの部署とは別の場所に位置するサポートセンターのカスタマーエンジニアに顧客から連絡が入ってもよい。この場合、その連絡後すぐに、そのカスタマーエンジニアがパーツセンタに依頼し、その依頼した受付日時から顧客先への到着日時までの時間を所要時間としてもよい。

また、カスタマーエンジニアがパーツセンタに依頼し、その依頼した受付日時から、カスタマーエンジニアが部品を受領した日時までの時間を所要時間としてもよい。あるいは、カスタマーエンジニアが部品を受領した後、そのカスタマーエンジニアが指示した顧客先への到着日時としてもよい。つまり、２時間配送率８０％等は、拠点数推定システム１００における保守業務を行う事業者等の管理目標の一例であり、事業者等は、管理目標に応じて所要時間の定義を適宜変更することは裁量に委ねられているからである。

（４）上記実施形態では、図１０に示すフローの処理において、部品の指定や配送率の指定を管理用サーバ１１の作業者が入力するようにしたが、これに限られない。例えば、予め拠点数推定プログラムに部品の指定や配送率の指定を記載しておいてもよい。

［上記実施形態による効果等］
以上より、上記実施形態によれば、本件開示の技術は、所定期間内に出庫した部品について、例えば、倉庫情報３１、倉庫間情報３２、在庫情報３４、配送実績情報３５及び出庫情報３６に基づいて、出庫確率と、拠点数と、配送率との相関関係を導出する。そして、本件開示の技術は、所定期間内に出庫した部品の内から指定された部品について、指定された配送率で配送可能とする適切なパーツセンタの拠点数を相関関係に基づいて推定できる。

これにより、本件開示の技術は、上述した通り、例えば、指定された配送率（例えば、２時間配送率８０％）に対して、先ず、拠点数を推定するので、拠点数を超えて余計なパーツセンタに部品を配備することを防止できる。したがって、本件開示の技術は、要求されるサービスレベルの指標を維持しながら、各部品を配備しておく拠点数を適正化することで、部品の購入資金や拠点の維持費を抑えることが可能となる。

また、上記実施形態によれば、本件開示の技術は、出庫確率Ｐ_Nとして、例えば、Ｐ_N＝（出庫月数／所定期間の月数）を採用した。これにより、本件開示の技術は、個々の部品単位ではなく、出庫確率何％の部品という枠組みで部品を分類し、その出庫確率と、拠点数と、配送率との相関関係を導出することにより、個々の部品単位では見えづらい、配送率との相関を浮き彫らせることで、指定された配送率で配送可能とする適切な拠点数をより好適に推定できる。

また、上記実施形態によれば、本件開示の技術は、各々の出庫率毎の、拠点数と配送率との相関関係を導出することで、横軸を拠点数とし、縦軸を配送率として、両者の相関関係を導出できるので、所定期間内に出庫した部品の内から指定された部品について、指定された配送率で配送可能とする適切な拠点数を容易に推定できる。

また、上記実施形態によれば、本件開示の技術は、各々の配送率についての、拠点数と出庫確率との相関関係を導出することで、横軸を拠点数とし、縦軸を出庫確率として、両者の相関関係を導出できるので、所定期間内に出庫した部品の内から指定された部品について、指定された配送率で配送可能とする適切な拠点数を容易に推定できる。

また、上記実施形態によれば、本件開示の技術は、図２に示す各情報３１〜３６等を予め記憶手段に記憶しておいてもよい。これにより、相関関係導出部２２は、蓄積処理部２１の処理を介さずに記憶手段（例えばストレージ３）を参照して、サービス情報３７を作成し、図１３、図１５にグラフで示すような相関関係を導出することができる。

また、上記実施形態によれば、本件開示の技術は、配送実績のない部品に関し、関連部品の配送実績情報３５に含まれる出庫率を、指定された出庫率として適用するので、配送実績のない部品についても指定された配送率で配送可能とする適切な拠点数を推定することができる。

［その他］
以上、本件に開示する一実施形態について明細書及び図面等を用いて説明したが、本件開示の技術は、上記実施形態に限定されるものではない。つまり、本発明の技術的範囲内において、各種の改良又は変更も本件開示の技術に含まれるのは、特許請求の範囲の記載から明らかである。

また、特許請求の範囲、明細書及び図面中において示したプログラム、装置及び方法における動作等の各処理の実行順序は、前の処理の出力結果を後の処理で用いるのでない限り、任意の順序で実行してもよい場合がある点に留意すべきである。
さらに、明細書及び図面中のフローの処理に関して、「先ず、」、「次に、」「続いて、」等の用語を用いて説明したとしても、各種の改良又は変更に関し、この順で実施しなければならないことを必ずしも意味しないという点に留意すべきである。例えば、図１０に示すフローの処理で、ステップＳ１０３とステップＳ１０４とは、順序が逆であってもよい。

なお、上記実施形態では、テーブル形式のデータを用いて説明をしたが、上述したようなデータ構造に限定されるものではなく、上述した拠点数推定方法が行えるのであれば、いかなる構造のデータでもよい。

以上の実施形態に関し、さらに以下の付記を開示する。
（付記１）
コンピュータが、
記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した前記物品の配送時間を含む配送情報と、所定期間内における前記拠点毎の各々の前記物品の出庫状況を示す情報を含む実績情報と、に基づいて、前記所定期間内に各々の前記物品毎に出庫した割合を示す出庫率と、前記拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出し、
指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された前記出庫率及び前記配送率と、前記相関関係と、に基づいて推定する
処理を実行する拠点数推定方法。
（付記２）
前記出庫率は、前記所定期間内を予め設定した分割数で一定期間毎に分割し、前記一定期間毎に前記物品毎の出庫の有無を特定し、前記物品毎に前記出庫が有った回数を前記分割数で除算した値である、付記１に記載の拠点数推定方法。
（付記３）
前記相関関係は、各々の前記出庫率毎の、前記拠点数と前記配送率との相関関係を含む、付記１又は付記２に記載の拠点数推定方法。
（付記４）
前記相関関係は、各々の前記配送率についての、前記拠点数と前記出庫率との相関関係を含む、付記１又は付記２に記載の拠点数推定方法。
（付記５）
前記拠点情報、前記配送情報及び前記実績情報を受け付けて前記記憶部に蓄積する処理をさらに備える、付記１から付記４の何れかに記載の拠点数推定方法。
（付記６）
前記配送率を導出する処理は、配送実績がない未配送物品に関し、当該未配送物品に関連する物品の前記実績情報に含まれる前記出庫率を、指定された前記出庫率として適用する、付記１から付記５の何れかに記載の拠点数推定方法。
（付記７）
記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した前記物品の配送時間を含む配送情報と、所定期間内における前記拠点毎の各々の前記物品の出庫状況を示す情報を含む実績情報と、に基づいて、前記所定期間内に各々の前記物品毎に出庫した割合を示す出庫率と、前記拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出する導出部と、
指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された前記出庫率及び前記配送率と、前記相関関係と、に基づいて推定する推定部と、
を備える拠点数推定装置。
（付記８）
コンピュータに、
記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した前記物品の配送時間を含む配送情報と、所定期間内における前記拠点毎の各々の前記物品の出庫状況を示す情報を含む実績情報と、に基づいて、前記所定期間内に各々の前記物品毎に出庫した割合を示す出庫率と、前記拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出し、
指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された前記出庫率及び前記配送率と、前記相関関係と、に基づいて推定する
処理を実行させる拠点数推定プログラム。

１…拠点数推定装置、１１…管理対象用コンピュータ、２１…蓄積処理部、２２…相関関係導出部、２３…拠点数推定部、２４…配備先決定部、２５…データ通信処理部、２６…入出力処理部、３１…倉庫情報、３２…倉庫間情報、３３…顧客情報、３４…在庫情報、３５…配送実績情報、３６…出庫情報、３７…サービス情報、３８…配備先情報、３９…地図情報

Claims (8)

1. コンピュータが、
   記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した前記物品の配送時間を含む配送情報と、所定期間内における拠点毎の前記物品の出庫状況を示す情報を含む実績情報と、に基づいて、前記所定期間内に前記物品を出庫した割合を示す出庫率と、前記拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出し、
   指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された前記出庫率及び指定された前記配送率と、前記相関関係と、に基づいて推定する
   処理を実行する拠点数推定方法。
2. 前記出庫率は、前記所定期間を予め設定した分割数で一定期間毎に分割し、前記一定期間毎に前記物品の出庫の有無を特定し、前記物品の前記出庫が有った回数を前記分割数で除算した値である、請求項１に記載の拠点数推定方法。
3. 前記相関関係は、前記出庫率毎の、前記拠点数と前記配送率との相関関係を含む、請求項１又は請求項２に記載の拠点数推定方法。
4. 前記相関関係は、各々の前記配送率についての、前記拠点数と前記出庫率との相関関係を含む、請求項１又は請求項２に記載の拠点数推定方法。
5. 前記拠点情報、前記配送情報及び前記実績情報を受け付けて前記記憶部に蓄積する処理をさらに備える、請求項１から請求項４の何れかに記載の拠点数推定方法。
6. 前記配送率を導出する処理は、配送実績がない未配送物品に関し、当該未配送物品に関連する物品の前記実績情報に含まれる前記出庫率を、指定された前記出庫率として適用する、請求項１から請求項５の何れかに記載の拠点数推定方法。
7. 記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した前記物品の配送時間を含む配送情報と、所定期間内における拠点毎の前記物品の出庫状況を示す情報を含む実績情報と、に基づいて、前記所定期間内に前記物品を出庫した割合を示す出庫率と、前記拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出する導出部と、
   指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された前記出庫率及び指定された前記配送率と、前記相関関係と、に基づいて推定する推定部と、
   を備える拠点数推定装置。
8. コンピュータに、
   記憶部に蓄積された、物品を配備した拠点数を含む拠点情報と、出庫した前記物品の配送時間を含む配送情報と、所定期間内における拠点毎の前記物品の出庫状況を示す情報を含む実績情報と、に基づいて、前記所定期間内に前記物品を出庫した割合を示す出庫率と、前記拠点数と、所定の配送時間内に配送処理が完了した割合を示す配送率との相関関係を導出し、
   指定された出庫率の物品を指定された配送率で配送可能な前記拠点数を、指定された前記出庫率及び指定された前記配送率と、前記相関関係と、に基づいて推定する
   処理を実行させる拠点数推定プログラム。