JP6814302B2 - 発注支援システム、発注支援プログラム及び発注支援方法 - Google Patents
発注支援システム、発注支援プログラム及び発注支援方法 Download PDFInfo
- Publication number
- JP6814302B2 JP6814302B2 JP2019541551A JP2019541551A JP6814302B2 JP 6814302 B2 JP6814302 B2 JP 6814302B2 JP 2019541551 A JP2019541551 A JP 2019541551A JP 2019541551 A JP2019541551 A JP 2019541551A JP 6814302 B2 JP6814302 B2 JP 6814302B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- demand
- forecast
- unit
- sales
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
Description
本発明は、商品の発注を支援する技術に関する。
適正な在庫量を設定するために、特開平8−279013号公報(特許文献1)に記載された技術がある。特許文献1には、「データの入出力表示と演算処理機能を有するデータ入出力部と、過去の需要量実績を機種別に記憶する需要量実績記憶部と、前記需要量実績記憶部の情報を用いて、機種別に需要量の確率分布を予測する需要量確率分布予測部と、前記需要量確率分布予測部から得られる機種別需要量の確率分布から適正在庫量の設定範囲を決定する適正在庫量範囲設定部と、在庫時に発生する在庫コストや品切れ時に発生する販売機会損失コストを算出するコスト記憶部と、前記コスト記憶部との出力結果から製品の品切れリスクや在庫リスクを算出するリスク算出部と、前記リスク算出部の出力結果から最小のリスク結果であった在庫量を適正在庫量とする適正在庫量決定部と、データ記憶部を備え、各市場の需要量を確率分布で求めることにより工場や物流センタにおける在庫量を品切れリスクや在庫リスクで評価することでリスク最小な適正在庫量を設定する」、と記載されている。また、「需要量実績記憶部で、製品機種別、市場別、月別に、過去の需要量の実績を記憶しておき、需要量確率分布予測部で、前記需要量実績記憶部から対象製品の市場別月別需要量を読みだし、その情報から対象となる月の最小需要量、最大需要量を求め、また、それらの範囲内での分布状況(ヒストグラム)から各需要量の確率分布を算出する」、と記載されている。
特許文献1:特開平8−279013号公報
特許文献1では、過去実績から一意に確率分布を設定する。そのため、昨今の趣味嗜好の多様化による日々の購買傾向の変化に対応できない。
そこで、本発明では、購買傾向の変化を考慮し、販売機会ロスや過剰在庫のリスクを抑制する適正な発注量を提示する、発注支援装置、及び発注支援プログラムを提供することを目的とする。
上記の課題を解決するため、本発明は、記憶部と、データ処理部と、を有する発注支援システムであって、前記記憶部は、商品の販売実績の情報を保持し、前記データ処理部は、前記販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測部と、前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出部と、算出された前記リスク値に基づいて推奨発注量を出力する発注量出力部と、前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価部と、を含み、前記評価部が前記需要予測モデルを更新すると判定した場合に、前記需要予測部が前記需要予測モデルを更新することを特徴とする。
本発明によれば、日々の発注業務において購買傾向の変化を考慮し、販売機会ロスおよび過剰在庫のリスクを抑制する適正な発注量を提示することが可能となる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
以下、実施形態について図面とともに説明する。以下の説明において、同一または類似の部分に同一の符号を付して重複する説明を省略することがある。
図1は、本発明の実施例1として説明する発注支援システム1の概略的な構成を示すブロック図である。
図1に示すように、発注支援システム1は、通信ネットワーク4を介して通信可能に接続された、POS端末20と発注端末30と発注支援装置10とを含む。発注支援装置10は、情報処理装置(コンピュータ)や専用のハードウェアを用いて構成されている。発注支援装置10は、通信可能に接続された複数の情報処理装置を用いて実現してもよい。通信ネットワーク4は、例えば、公衆通信網、LAN(Local Area Network)、WAN(Wide Area Network)等であり、有線/無線の区別を問わない。
発注支援装置10は、例えば、システムセンタ又はデータセンタに設置された情報処理装置を用いて実現される。発注支援装置10は、クラウドサーバ等として仮想的に実現されるものであってもよい。
POS端末20は、例えば店舗の会計場(レジ)に設置される。POS端末20は、顧客が買い上げる商品(買上商品)の販売情報を記憶装置に登録処理する。またPOS端末20は、買上商品の代金を決済する決済処理を行う。決済処理には、現金支払いに対する決済処理、及び、クレジット支払いに対する決済処理等がある。このような登録処理及び決済処理は、周知の処理であるため、詳細な説明は省略する。
発注端末30は、ユーザによって操作される情報処理装置であり、例えば、スマートフォン、携帯電話機及びタブレット端末等の携帯情報端末、及びパーソナルコンピュータ等である。発注端末30は、例えば、店舗等に設置された端末装置であってもよい。
発注支援装置10は、商品ごとに販売実績と天候などの外部情報から将来の需要量を予測し、当該商品の消費期限、リードタイム及び現在の在庫量を考慮して推奨発注量を出力する。
図2は、本発明の実施例1の発注支援装置10及び発注端末30の実現に用いる情報処理装置100(コンピュータ)の構成例を示すブロック図である。
図2に示すように、情報処理装置100は、プロセッサ101、主記憶装置102、補助記憶装置103、入力装置104、出力装置105、及び通信装置106を備える。これらは図示しないバス等の通信手段を介して互いに通信可能に接続されている。
プロセッサ101は、例えば、CPU(Central Processing Unit)又はMPU(Micro Processing Unit)を用いて構成される。プロセッサ101が、主記憶装置102に格納されているプログラムを読み出して実行することによって、情報処理装置100の様々な機能が実現される。
主記憶装置102は、プログラム及びデータを記憶する装置であり、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)、及びNVRAM(Non Volatile RAM)等である。補助記憶装置103は、ハードディスクドライブ、SSD(Solid State Drive)、光学式記憶装置、及び記録媒体読取/書込装置等である。補助記憶装置103に格納されているプログラム及びデータは主記憶装置102に随時ロードされる。
入力装置104は、例えば、キーボード、マウス、及びタッチパネル等である。出力装置105は、例えば、液晶モニタ、LCD(Liquid Crystal Display)、及びグラフィックカード等である。通信装置106は、通信ネットワーク4を介して他の装置と通信する通信インタフェースであり、例えば、NIC(Network Interface Card)、及び無線通信モジュール等である。
図3は、本発明の実施例1の発注支援装置10が備える主な機能、及び、発注支援装置10が記憶する主なデータを示すブロック図である。
図3に示すように、発注支援装置10は、データ処理部110及び記憶部120を備える。またデータ処理部110は、需要予測部111、需要予測統合部112、リスク値算出部113、発注量出力部114、評価部115及び推奨結果提供部116を備える。これらの機能は、例えば、情報処理装置100のプロセッサ101が、主記憶装置102に格納されているプログラムを読み出して実行することによって実現される。すなわち、以下の説明において上記の各部が実行する処理は、実際にはプロセッサ101がプログラムに記述された命令に従って実行する。
記憶部120は、販売情報121、外部情報122、予測モデル情報123、予測情報124、商品情報125、在庫情報126及び推奨情報127を記憶する。記憶部120は、これらの情報(データ)を、例えば、テキストファイル又はRDBMS(Relational DataBase Management System)等のデータベースのテーブルとして管理する。これらの情報の全てまたは一部は、通信ネットワーク4を介して他のサーバ上に記憶されるように構成してもよい。
需要予測部111は、当該商品の予測モデル情報123が生成されていない場合に、販売情報121および外部情報122から1つ以上の需要予測モデルを構築し、予測モデル情報123を生成する。本実施形態では、予測期間を、1日を単位として説明する。需要予測モデルには、例えば、単純移動平均モデル、指数平滑法モデル、ARIMAモデル(Auto Regressive Integrated Moving Average model)、又は重回帰モデルなどを利用する。販売頻度によって、通常の需要予測モデルが適さない場合がある。例えば、月に数日しか販売実績がない場合、ARIMAモデル及び重回帰モデルを適用することは望ましくない。販売頻度が低い場合には、それに適する特定の需要予測モデルのみを使用するよう制限したり、予測期間の単位を変更し、通常の予測期間(上記の例では1日)より長い期間、例えば1週間単位での予測をしたりすることが望ましい。本実施例では、販売頻度が低い場合には、専用のモデル(以下、「低頻度モデル」と称する。)を使用するものとして説明する。需要予測部111は、予測モデル情報123に更新予定が登録されている場合に、需要予測モデルを再構築する。
また需要予測部111は、予測モデル情報123、販売情報121および外部情報122に基づき、予測需要量を算出し、予測情報124を生成する。予測需要量は、需要予測モデルに応じた確率分布で算出される。
図4は、本発明の実施例1の需要予測部111で算出される予測需要量の一例を示す説明図である。
図4の場合、予測期間(例えば1日)当たりの需要量が「20」である確率は1%、需要量が「50」である確率は14%である。このような予測需要量の確率分布を表によって表示した例を図4(a)に、グラフによって表示した例を図4(b)に示す。
需要予測統合部112は、同一商品の需要予測モデルが複数ある場合に、需要予測部111で算出された複数の予測需要量を1つの予測需要量として統合する。需要予測統合部112は、例えば、複数の需要予測モデルから算出された予測需要量を均等な割合で統合してもよい。あるいは、需要予測統合部112は、各需要予測モデルの予測誤差に応じて、予測誤差の小さい需要予測モデルから算出された予測需要量ほど大きな割合となるように(すなわち統合された予測需要量への寄与が大きくなるように)統合してもよい。例えば、需要予測統合部112は、予測誤差の逆数に比例する割合で統合する。これによって、予測精度が向上する。予測誤差には、MAPE(Mean Absolute Percentage Error)、MSE(Mean Squared Error)、RMSE(Root Mean Squared Error)などを用いる。
リスク値算出部113は、統合後の予測需要量に基づき、消費期限、販売可能期限、及びリードタイムなどの商品情報125、並びに在庫情報126を考慮して、発注量ごとに、販売機会ロスおよび過剰在庫によるリスク値を算出する。販売機会ロスは、商品の需要があるにもかかわらず、その商品の在庫が不足していることによって生じる販売機会の損失である。リスク値算出部113は、販売機会ロスによるリスクとして品切れリスクと陳列数少リスクを算出する。陳列数少リスクとは、スーパー等の店舗の陳列棚に並べられた商品の残数が少なくなっていることによって、消費者が購買を控えて売り上げが減少するリスクである。リスク値算出部113は、例えば、次の式(1)を用いて品切れリスクを算出し、式(2)を用いて陳列数少リスクを算出する。
Nは予測期間の単位であり、本実施形態では、N=1(日)となる。mは、予測期間における真の需要量である。上記のように算出された予測需要量に基づいてリスク値を算出する場合、その予測需要量をmとする。sは、発注量である。aは、陳列数が少ないと判断する基準となる個数であり、陳列数がa個以下となった場合に、リスクが生じると判断する。需要量mの商品が一定の速度で売れると仮定すると、商品が売れる間隔はN/m日であり、発注量sが売れるまでの日数はN/m×s日となる。
リスク値算出部113はまた、過剰在庫によるリスクとして消費期限切れリスクと余剰在庫リスクを算出する。余剰在庫リスクとは、余分な在庫を保管することによるリスクである。例えば、需要量および安全在庫数を超える在庫量を余分な在庫と考えることができる。リスク値算出部113は、例えば、次の式(3)を用いて消費期限切れリスクを算出し、式(4)を用いて余剰在庫リスクを算出する。
yは安全在庫数である。安全在庫数は、予め設定した値を利用することもできるし、次の式(5)を用いて算出してもよい。予測誤差の標準偏差の代わりに、購買数の標準偏差を用いてもよい。また、予測需要量が算出されている期間については、式(3)および式(4)における平均販売数量の代わりに予測需要量を利用してもよい。上記のような計算をすることによって、消費期限及びリードタイムといった商品情報と、予測需要量とに基づいて、適切にそれぞれの種類のリスクの大きさを算出することができる。
本実施例では、例えば、品切れリスクが0.2であれば、品切れになる日数が0.2日、というように各リスクを日数ベースで算出する。商品価格及び保管に要する費用が明確になる場合には、各リスクを金額ベースで算出してもよい。金額ベースで算出する場合には、経営へのインパクトをより把握しやすくなる。また、異なる商品の間でリスクを比較できるようになる。一方、保管に要する費用は曖昧であることが多く、商品価格も変動することから、多種の商品を扱う場合には、各リスクを日数ベースで算出することによって煩雑な処理を減らすことができる。
リスク値算出部113は、発注量ごとに、予測需要量の確率分布から品切れリスク、陳列数少リスク、消費期限切れリスクおよび余剰在庫リスクの期待値を算出し、算出した期待値を重み付けして加算することによってリスク値を算出する。各リスクに対する重みは均等としてもよいし、例えば品切れリスクを重視し、品切れリスクへの重みを大きくしてもよい。また、重みを“0”にすることによって、考慮する必要がないリスクをリスク値の計算から除外することもできる。例えば、通信販売又は卸売業等で商品の陳列がない場合には、陳列数少リスクの重みを“0”としてもよい。
図5は、本発明の実施例1のリスク値算出部113によるリスク値算出過程の例を示す説明図である。
具体的には、図5は、発注量を50個とした場合のリスク値算出過程の例を示す。例えば、商品を50個発注した場合、需要量が50個までは品切れリスクは0であるが、需要量が50個を超えると品切れが発生し、需要量が55個の場合の品切れリスクは式(1)から0.091となる。需要量の確率分布より、需要量が55個となる確率が12%であることから、その期待値は0.091×12%で0.0109となる。確率分布で設定された全ての需要量について期待値を算出し、品切れリスクの最終的な期待値は0.138となる。品切れリスクの期待値と同様にして算出される陳列数少リスク、余剰在庫リスク及び消費期限切れリスクの期待値はそれぞれ、0.152、0.115及び0となる。ここで、品切れリスクの重みを2、その他リスクの重みを1に設定した場合、リスク値は0.543と計算され、この値が発注量を50個とした場合のリスク値となる。
図6は、本発明の実施例1のリスク値算出部113によって算出された結果の例を示す説明図である。具体的には、図6は、発注量ごとに、図5に示す方法でリスク値を算出した場合の結果をグラフ表示する例を示す。
以上に示した例で算出されるリスク値は、発注した商品が納入される時点での在庫量が0である場合のリスク値となる。実際には、納入時点での在庫量を推定して、発注量ごとのリスク値を算出する必要がある。例えば、次の式(6)を用いて、納入時点での在庫量を推定する。
リスク値算出部113は、式(6)で推定された納入時点での在庫量によって、発注量を調整し、最終的なリスク値とする。例えば、図5で説明したリスク値の場合、発注量を50個とした場合のリスク値は0.543であるが、納入時点での在庫量が10個と推定される場合には、発注量を(50−10=)40個とした場合のリスク値が0.543となる。
発注量出力部114は、リスク値算出部113で算出されたリスク値に基づき、適切な発注量を推奨発注量として出力する。発注量出力部114は、例えば、リスク値が最小となる発注量を推奨発注量として出力する。あるいは、ユーザが許容可能なリスク値の範囲と販売機会ロスおよび過剰在庫のどちらをより避けたいかを設定しておき、発注量出力部114は、設定された条件に従って推奨発注量を出力する。発注量出力部114は、推奨発注量とリスク値算出部で算出されたリスク値を推奨情報127に登録する。
評価部115は、在庫量のレベルを確認し、在庫量レベルが適正ではない場合に、需要予測モデルの更新が必要か否か評価を行う。適正な在庫量レベルは、例えば、直近の平均販売数量に基づいて設定することができる。評価部115は、例えば、次の式(7)を用いて在庫量レベルが適正かどうか確認する。
bkiは、商品kのi番目の販売数量である。nkは、商品kの最新の販売数量が何番目にあたるかを示す値である。例えば、商品kの販売数量が100日前から記憶されている場合、nkは100となる。Tは、平均販売数量を算出する日数であり、例えば、直近2週間の平均販売数量を利用する場合、Tは14となる。Lkは、商品kのリードタイムである。評価部115は、平均販売数量と比較して発注単位が大きい商品を扱う場合には、例えば、式(7)の代わりに次の式(8)を用いて在庫量レベルの上限を求める。
Ukは、商品kの発注単位である。これによって、平均販売数量が30個、リードタイムが1日、発注単位が100個のように発注単位が平均販売数量を大きく超える商品において、その在庫量レベルが常に適正な在庫量レベルの上限を超えてしまう状況を回避することができる。
評価部115は、在庫量レベルが適正ではない場合に、需要予測モデルの精度を(言い換えると需要予測モデルの更新が必要か否かを)評価する。例えば、評価部115は、販売情報121に記憶された過去の販売数量と、同日の予測需要量とを比較し、実際の販売数量と予測需要量の差が大きい場合に需要予測モデルの更新が必要であると判定し、当該商品の予測モデル情報123に更新予定を登録する。更新予定が登録されると、その後、需要予測部111が需要予測モデルを更新する(詳細は図17等参照)。
評価部115において、需要予測モデルの更新が必要か否かを評価するトリガーとなる指標は在庫量レベルに限らず、欠品率、在庫回転率、廃棄率、平均販売数変化、又は商品ライフサイクルの変化点などを用いてもよい。記憶部120は(例えば商品情報125内に)各商品のライフサイクルに関する情報を保持してもよい。評価部115は、各商品のライフサイクルに基づいて、ライフサイクルの段階が変化する時期、例えば導入期から成長期に移行する時期など、需要量が変化すると推定される時期に需要予測モデルの更新が必要か否かを判定してもよい。これによって、適切なタイミングで需要予測モデルを更新することができる。
推奨結果提供部116は、発注端末30から推奨発注量の提供要求を受信すると、提供要求とともに受信した商品カテゴリについて、当該カテゴリに属する全商品の情報を取得し、取得した上記全商品の情報(リスト)を発注端末30に送信する。
図7は、本発明の実施例1の発注端末30が備える主な機能を示すブロック図である。
図7に示すように、発注端末30は、発注支援結果受信部311、発注支援結果表示部312及び発注量決定部313を備える。これらの機能は、例えば、発注端末30を構成する情報処理装置100のプロセッサが、主記憶装置102に格納されているプログラムを読み出して実行することによって実現される。
発注支援結果受信部311は、発注支援装置10の推奨結果提供部116から送信される情報を受信する。
図8は、本発明の実施例1においてユーザが発注量を確定する際に発注端末30が出力装置105に表示する発注一覧画面800の一例を示す説明図である。
図8に示すように、発注一覧画面800は、商品カテゴリ入力領域801、発注一覧表示部802、発注量入力領域803及び発注量確定操作部804を含む。
発注端末30の発注支援結果表示部312は、商品カテゴリ入力領域801で商品カテゴリが選択されると、選択された商品カテゴリとともに推奨発注量の提供要求を発注支援装置10に送信する。商品カテゴリ入力領域801への入力は、上記のようにユーザが予め用意された商品カテゴリのリストから選択することによって行ってもよいし、商品カテゴリ名を直接入力することによって行ってもよい。
発注支援結果表示部312はまた、発注支援結果受信部311が受信した情報に基づき、商品カテゴリ入力領域801で入力された商品カテゴリの商品について、推奨発注量の一覧を発注一覧表示部802に表示する。発注一覧表示部802に表示される推奨発注量の一覧には、例えば、商品名、発注パターン、傾向、予測需要量、推奨発注量、及び発注量の各項目が含まれる。
発注パターンには、各商品の予測モデル情報123に記憶されたモデル種類が低頻度モデルの場合には「低頻度」、それ以外の場合には「定番」と表示される。傾向には、各商品の販売情報121に記憶された販売数量が増加傾向にある場合には「増加」、減少傾向にある場合には「減少」、変わらない場合には「変化なし」と表示される。発注量には、初期値として推奨発注量に表示される値と同一の値が表示される。これによって、ユーザの発注作業が支援される。
発注一覧表示部802に表示される項目は、ユーザが発注量を確定可能な情報が含まれていればよく、発注パターン及び傾向は、必ずしも必要ない。本実施例では、ユーザが発注量を確定する上で考慮可能な情報として、これらの項目も含める例を提示した。
発注量決定部313は、ユーザによる発注量確定処理を受け付ける。発注一覧画面800の発注一覧表示部802に表示される発注量の欄は発注量入力領域803を兼ね、ユーザが発注量の変更を希望する場合に、発注量決定部313は、発注量入力領域803に入力されたユーザからの入力を受け付ける。ユーザが発注量確定操作部804を操作すると、発注量決定部313は発注量を確定する。
図9は、本発明の実施例1の発注一覧画面800の発注一覧表示部802で特定の商品が選択された際に表示される発注詳細画面900の一例を示す説明図である。
発注一覧画面800での商品の選択は、例えば、ユーザが発注一覧表示部802において特定の商品の行をクリックすることで実行される。あるいは、発注端末30への入力がタッチパネルを介して行われる場合には、ユーザが特定の商品の行をタッチすることで実行される。図9に示すように、発注詳細画面900は、商品情報表示部901、設定条件表示部902、結果表示部903、変更発注量入力領域904及び発注量更新操作部905を含む。
商品情報表示部901には、商品情報125に記憶されている当該商品(すなわちユーザが選択した商品)の情報が表示される。
設定条件表示部902には、リスク値の算出方法及び推奨発注量の決定方法に関する設定条件が表示される。設定条件の設定の詳細については、図16を参照して後述する。
結果表示部903には、推奨情報127に記憶されているリスク値903A、及び、販売実績と予測需要量との変化を示す需要変化903Bが表示される。需要変化903Bは、販売情報121に記憶されている販売数量(販売実績)、及び、予測情報124に記憶されている予測需要量を、例えば横軸を日付とするグラフ上にプロットしたものである。ここで、図4に示すように予測需要量が確率分布として得られる場合、その確率分布から計算される需要量がプロットされる。例えば、確率が最大となる需要量をプロットしてもよいし、その確率分布から計算される需要量の期待値をプロットしてもよい。図8に表示される予測需要量、及び以下の説明における予測需要量も同様である。
結果表示部903にはまた、発注日から発注日に発注した数量が納入される日までの予測需要量及び納入予定数量903Cがグラフ形式で表示される。図9の場合、発注日は2月19日、リードタイムが2日の商品であるから、納入される日は2月21日となり、2月19日から2月21日までの予測需要量及び納入予定数量が表示される。これによって、ユーザは過去の販売実績と予測需要量の差、及び今後の納入予定を考慮しながら発注量の調整を行うことができる。ユーザは、発注量を変更したい場合に、変更発注量入力領域904に変更後の発注量を入力し、発注量更新操作部905を操作する(例えば画面上に表示された更新ボタンを押下する)ことで発注量を変更できる。
ユーザによる発注量の更新が受け付けられると、発注一覧画面800に表示される発注量も更新される。
図10は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する販売情報121の一例を示す説明図である。
販売情報121は、商品販売の実績を保持する。図10に示すように、販売情報121は、商品ID1011、販売された日付1012、及び販売数量1013の各項目を有する一つ以上のレコードで構成されている。商品ID1011には商品を識別するためのIDが設定される。商品ID1011には、例えば、JANコードを利用してもよい。販売された日付1012及び販売数量1013には、それぞれ、各商品が販売された日付及びその数量が設定される。
図11は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する外部情報122の一例を示す説明図である。
外部情報122には、重回帰モデルなどの、販売数量以外のデータを利用する需要予測モデルを使用するために必要な情報が管理される。図11に示すように、外部情報122は、日付1111、曜日1112、祝日フラグ1113、天気1114、気温1115、及びイベント1116の各項目を有する一つ以上のレコードで構成されている。各レコードは日付1111に設定された日付ごとの情報に対応している。
祝日フラグ1113には当該日付が祝日であるかが設定される。例えば、当該日付が祝日である場合には、祝日フラグ1113は「1」と設定され、祝日ではない場合には、祝日フラグ1113は「0」と設定される。イベント1116には当該日付における、近隣(例えば発注端末30が設置された店舗の近隣)で開催されるイベントの有無が設定される。例えば、イベントが開催される場合にはイベント1116には「1」が設定され、イベントが開催されない場合にはイベント1116には「0」が設定される。管理される外部情報122は、曜日、祝日フラグ、天気、気温及びイベントに限らず、風力、特売有無、トレンド及び定価からの割引率などを含んでもよい。
図12は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する予測モデル情報123の一例を示す説明図である。
予測モデル情報123には、需要予測部111で構築された需要予測モデルの情報が管理される。図12に示すように、予測モデル情報123は、商品ID1211、モデル種類1212、頻度1213、誤差1214、更新予定1215、及び更新内容1216の各項目を有する一つ以上のレコードで構成されている。
モデル種類1212には需要予測モデルの種類が設定される。頻度1213には、各レコードの商品ID1211で設定された商品の販売頻度が高いか低いかが設定される。例えば、当該商品の販売実績が週に2日以下である場合に頻度は「低」と設定され、週に3日以上である場合に頻度は「高」と設定される。誤差1214には各レコードの商品の需要量をモデル種類1212で設定された需要予測モデルで予測した場合の予測誤差が設定される。予測誤差の算出としては、需要予測モデルを構築する際に利用したデータにおける、モデル構築時の誤差を利用してもよいし、直近の定められた期間での予測と販売実績との誤差を利用してもよい。
更新予定1215には、評価部115での評価の結果、当該レコードの情報を更新する必要がある場合に「1」が設定され、更新の必要がない場合に「0」と設定される。更新内容1216には、評価部115で決定された需要予測モデルの更新内容が設定される。例えば、需要予測モデルの種類の変更である場合には「モデル種類」と設定され、パラメータの変更である場合には「パラメータ」と設定される。需要予測モデルの種類の変更とは、低頻度モデル以外のモデルから低頻度モデルへの変更、あるいは低頻度モデルからそれ以外のモデルへの変更を意味する。販売頻度に応じた、使用する需要予測モデルの種類の制限を実施しない等、需要予測モデルの種類の変更を考慮しない場合には、予測モデル情報123の項目から、更新内容1216を除いてもよい。
図13は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する商品情報125の一例を示す説明図である。
図13に示すように、商品情報125は、商品ID1311、商品名1312、カテゴリ1313、消費期限1314、リードタイム1315、及び発注単位1316の各項目を有する一つ以上のレコードで構成されている。カテゴリ1313には商品のカテゴリ(例えば、スナック菓子、調味料、肉類、及び野菜等)が設定される。消費期限1314には商品の消費期限が日数で設定される。例えば、製造から60日が消費期限となる商品の場合には、消費期限1314は60と設定される。消費期限の存在しない商品の場合には、消費期限の代わりに使用期限又は販売可能期間を設定してもよい。リードタイム1315には商品を発注してから納品されるまでの期間が設定される。発注単位1316には商品を発注する際の単位が設定される。例えば、1個単位での発注はできず、10個単位で発注する必要がある商品の場合には「10」と設定される。
図14は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する在庫情報126の一例を示す説明図である。
在庫情報126は、商品在庫の履歴を保持する。図14に示すように、在庫情報126は、商品ID1411、日付1412、在庫量1413、納入量1414、及び発注量1415の各項目を有する一つ以上のレコードで構成されている。在庫量1413には商品ID1411で設定された商品の日付1412で設定された日付における在庫量が設定される。納入量1414には商品ID1411で設定された商品が日付1412で設定された日付に納入された数量が設定される。発注量1415には日付1412で設定された日付に発注した商品ID1411で設定された商品の数量が設定される。本実施例では、納入量1414および発注量1415を在庫情報126として管理する構成として説明したが、それらを発注情報として在庫情報とは別に管理してもよい。
図15は、本発明の実施例1の発注支援装置10の記憶部120がデータベースのテーブルとして管理する推奨情報127の一例を示す説明図である。
図15に示すように、推奨情報127は、商品ID1511、日付1512、推奨発注量1513、リスク値1514の各項目を有する一つ以上のレコードで構成されている。推奨発注量1513には、発注量出力部114で決定される推奨発注量が記憶される。リスク値1514には、リスク値算出部113で算出されるリスク値が記憶される。リスク値1514は、発注量とその発注量におけるリスク値との組をリスト形式で記述したものであってもよいし、実装プログラムの言語に対応したデータ形式で記述したものであってもよい。
図16は、本発明の実施例1のリスク値算出部113がリスク値を算出するための条件および発注量出力部114が出力する推奨発注量を決定するための条件を設定するオプション設定画面1600の一例を示す説明図である。
オプション設定画面1600の「リスク値算出モード」の欄1601において、ユーザは表示された選択肢のいずれかを選択する。図16の例では、選択肢として、「均等」、「販売機会ロス回避を優先」、「販売機会ロス回避のみ考慮」、「過剰在庫回避を優先」、「過剰在庫回避のみ考慮」及び「マニュアル」が表示されている。
例えば、「販売機会ロス回避を優先」が選択された場合、リスク値算出部113は、販売機会ロスのリスク(品切れリスク、陳列数少リスク)と過剰在庫のリスク(消費期限切れリスク、余剰在庫リスク)の期待値を重み付けして加算する際に、販売機会ロスのリスクの重みを過剰在庫のリスクより大きくする。「均等」が選択された場合、リスク値算出部113は、販売機会ロスのリスクの重みと過剰在庫のリスクの重みを同一の大きさに設定する。図16の例では「均等」がデフォルト値であり、ユーザがいずれの選択肢も選択しなかった場合には自動的に「均等」が選択される。「販売機会ロス回避のみ考慮」が選択された場合、リスク値算出部113は、過剰在庫のリスクの重みを0にする。「過剰在庫回避を優先」が選択された場合、リスク値算出部113は、過剰在庫のリスクの重みを販売機会ロスのリスクの重みより大きくする。「過剰在庫回避のみ考慮」が選択された場合、リスク値算出部113は、販売機会ロスのリスクの重みを0にする。
例えば店舗の立地条件等によって許容されるリスクの種類が異なる場合があるが、店舗ごとに上記のような重み付けを行うことによって店舗の条件に適合したリスク値を計算し、その結果、店舗の条件に適合した発注量を提示することができる。
ユーザは、「マニュアル」を選択した場合、さらに、品切れリスク、陳列数少リスク、消費期限切れリスク及び余剰在庫リスクの重みをそれぞれ入力欄に入力する。この場合、リスク値算出部113は、ユーザによって入力された重みを利用してリスク値を算出する。
なお、上記のような重み付けの選択肢及びそれぞれの選択肢に対応する重みの設定方法は一例であり、例えば上記以外の選択肢が表示されるなど、上記とは異なる重み付けが行われてもよい。
オプション設定画面1600の「推奨発注量の決め方」の欄1602において、ユーザは、表示された選択肢のいずれかを選択する。図16の例では、選択肢として「リスク値が最小となる発注量」及び「リスク値の許容範囲を設定」が表示されている。リスク値が最小となる発注量を推奨発注量とする場合、ユーザは「リスク値が最小となる発注量」を選択する。許容範囲内のリスク値となる発注量から推奨発注量を決定する場合、ユーザは「リスク値の許容範囲を設定」を選択する。「リスク値の許容範囲を設定」を選択した場合、ユーザはさらに「許容できる最大のリスク値」の入力欄に許容できるリスク値の最大値を入力し、販売機会ロスまたは過剰在庫のいずれの回避を優先したいか選択する。ユーザはまた、リスク値の最小値が「許容できる最大のリスク値」で設定した値を超える場合に、「リスク値が最小となる発注量を提示」及び「推奨発注量を提示しない」のいずれの方法で対処するか選択する。
図16の設定では、発注量出力部114は、リスク値が1以下となる発注量の範囲のうち、過剰在庫を回避するよう少なめの発注量(例えば消費期限切れリスク又は余剰在庫リスクが最小となる発注量)を推奨発注量として出力する。
なお、上記のような推奨発注量の決め方の設定は一例であり、例えば上記以外の選択肢が表示されるなど、上記とは異なる設定が行われてもよい。あるいは、「推奨発注量の決め方」の欄1602において、ユーザが「リスク値の許容範囲を設定」を選択し、「許容できる最大のリスク値」の入力欄に許容できるリスク値の最大値を入力したが、販売機会ロスまたは過剰在庫のいずれの回避を優先したいかを選択しなかった場合に、発注量出力部114は、リスク値が1以下となる発注量の範囲のうち、販売機会ロスを回避する多めの発注量(例えば品切れリスク又は陳列数少リスクが最小となる発注量)、及び、過剰在庫を回避する少なめの発注量の両方を、推奨発注量として出力してもよい。このとき、発注量出力部114は、それぞれの発注量とともに、それぞれの発注量がいずれのリスクを回避するものであるかを示す情報を出力してもよい。ユーザは、出力された情報を参照していずれかを選択することができる。
オプションの設定は、以上のように画面(オプション設定画面1600)を介して行ってもよいし、例えば、オプションを記述したファイルを発注支援装置10に入力として与えるようにしてもよい。
<処理説明>
続いて、以上に説明した構成からなる発注支援システム1において行われる処理について説明する。
続いて、以上に説明した構成からなる発注支援システム1において行われる処理について説明する。
図17は、本発明の実施例1の需要予測部111及び需要予測統合部112が行う処理の一例を示すフローチャートである。
需要予測部111は、需要を予測する対象となる商品を設定する(S1701)。需要予測部111は、対象商品について、需要予測モデルが構築されているか判定する(S1702)。需要予測モデルが構築されている場合は(S1702:YES)S1703に進む。需要予測モデルが構築されていない場合は(S1702:NO)、需要予測部111は需要予測モデルを構築し、予測モデル情報123を追加する(S1704)。
需要予測部111は、需要予測モデルが構築されている場合に、構築済みの需要予測モデルに更新予定があるか判定する(S1703)。更新予定がない場合は(S1703:NO)S1706に進む。更新予定がある場合は(S1703:YES)、需要予測部111は需要予測モデルを構築し直し、予測モデル情報123を更新する(S1705)。
需要予測部111は、予測モデル情報123から対象商品の需要予測モデルを読み出す(S1706)。需要予測部111は、S1706で読み出した需要予測モデルの中で、予測需要量が算出されていない需要予測モデルはあるか判定する(S1707)。各需要予測モデルについて予測需要量が算出済みである場合は(S1707:NO)S1708に進む。予測需要量が算出されていない需要予測モデルが存在する場合は(S1707:YES)S1709に進み、需要予測部111は予測需要量を算出する。
需要予測部111は、2つ以上の複数の需要予測モデルから予測需要量が算出されているか判定する(S1708)。1つの需要予測モデルから単一の予測需要量のみが算出されている場合は(S1708:NO)需要予測部111がその予測需要量を予測情報124に登録して(S1711)処理を終了する。2つ以上の複数の需要予測モデルからそれぞれ予測需要量が算出されている場合は(S1708:YES)、需要予測統合部112が算出済みの予測需要量を統合した後(S1710)、需要予測部111が統合後の予測需要量を予測情報に登録して(S1711)処理を終了する。
図18は、本発明の実施例1の評価部115が行う処理の一例を示すフローチャートである。
評価部115は、現在の在庫量レベルが適正であるか判定する(S1801)。例えば、評価部115は、現在の在庫量レベルが式(7)又は式(8)によって計算される在庫量の下限から上限までの範囲内である場合に適正であると判定してもよい。現在の在庫量レベルが適正である場合は(S1801:YES)処理を終了し、現在の在庫量レベルが適正ではない場合は(S1801:NO)、需要予測モデルを更新するか否かを判定するために、S1802に進む。
なお、既に説明したように、現在の在庫量レベルが適正でないことは、需要予測モデルを更新するか否かの判定のトリガーの一例であり、評価部115はS1801において他のトリガーに基づく判定を行ってもよい。例えば、評価部115は、S1801において、商品のライフサイクルに基づいて需要量が変化する時期が到来したか否かを判定し、到来したと判定した場合にS1802に進んでもよい。
評価部115は、現在の在庫量レベルが適正ではない場合に、欠品が発生しているか判定する(S1802)。欠品が発生していない場合は(S1802:NO)、評価部115は在庫量レベルが適正範囲に向かう方向に推移しているか判定し(S1803)、欠品が発生している場合は(S1802:YES)S1804に進む。
評価部115は、在庫量レベルが適正範囲に向かう方向に推移している場合は(S1803:YES)処理を終了し、適正範囲に向かう方向に推移していない場合は(S1803:NO)S1804に進む。
S1804では、評価部115は、販売情報121から日付と販売数量を読み出し、販売頻度に変更があるか判定する。例えば、評価部115は、直近1ヶ月の販売頻度が所定の基準(例えば1週間に3日以上など)より高いか低いかを算出し、算出した結果が予測モデル情報123に登録された頻度1213の値と異なる場合に、販売頻度に変更があると判定する。販売頻度に変更がない場合は(S1804:NO)S1805に進み、販売頻度に変更がある場合は(S1804:YES)S1806に進む。
評価部115は、販売頻度に変更がある場合に、予測モデル情報123の変更予定に「1」を設定し、予測モデル情報123の更新内容1216に「モデル種類」と設定する(S1806)。評価部115は、S1806での設定を終えた後、処理を終了する。
上記のように、予測モデル情報123の変更予定に「1」が設定され、予測モデル情報123の更新内容1216に「モデル種類」が設定されると、その後、需要予測部111が、図17のS1705において、需要予測モデルの種類を変更する。例えばS1804において販売頻度が高頻度から低頻度に変更された場合には低頻度モデルが新たに構築される。一方、S1804において販売頻度が低頻度から高頻度に変更された場合には、例えば重回帰モデル等、通常の種類の需要予測モデルが構築される。これによって販売頻度に応じて適切な需要予測モデルを構築することができる。
評価部115は、販売頻度に変更がない場合に、販売情報121の販売数量と予測情報124の予測需要量とを比較し、両者に乖離があるかを判定する(S1805)。このとき、評価部115は、販売数量と予測需要量との差分が所定の基準より大きい場合に両者に乖離があると判定する。例えば、評価部115は、直近2週間において、販売数量と予測需要量との差分が平均販売数量の10%以上である場合に、販売数量と予測需要量に乖離があると判定してもよい。販売数量と予測需要量を比較する期間は直近2週間に限らず、10日間や1ヶ月などとしてもよい。また、その差分の判断は、平均販売数量の10%以上に限らず、異なる割合又は特定の数値を基準として行ってもよい。販売数量と予測需要量との間に乖離がない場合には(S1805:NO)処理を終了し、乖離がある場合には(S1805:YES)S1807に進む。
S1807では、評価部115は、予測モデル情報123の変更予定に「1」を設定し、予測モデル情報123の更新内容1216に「パラメータ」と設定する。評価部115は、S1807での設定を終えた後、処理を終了する。この場合、その後、需要予測部111が、図17のS1705において、需要予測モデルのパラメータを変更する。これによって、需要予測モデルの予測精度が改善される。
上述した実施例1においては、予測期間を1日単位として説明したが、必要に応じて複数の日をまとめて1つの予測期間としてもよい。例えば、予測期間を1週間単位としてもよい。あるいは、1時間単位など、1日より短い単位としてもよい。
また、年末年始及び盆休みなどの長期休暇前は、様々な商品で販売数量が増加し、納品や納入作業に必要なリソースが不足する場合がある。そのため、長期的に(2週間、3週間など)将来の需要量を予測し、消費期限の長い商品について、前倒しで発注量を増加させてもよい。
以上に説明したように、本実施例の発注支援システム1は、商品情報(消費期限、リードタイムなど)や将来予測される需要量を考慮した販売機会ロスや過剰在庫のリスクを算出し、リスクを抑制する適正な発注量を提示する。また、本実施例の発注支援システム1は、在庫量レベルが適正ではない場合に需要予測モデルを更新する。このため、購買傾向の変化に対応しながら、適正な発注量を提示することができる。
実施例1の発注支援システム1は、需要予測モデルの更新が必要な場合には、すぐに更新されるように設定されていた。これに対し、以下に説明する実施例2の発注支援システム1は、需要予測モデルの更新が必要な場合に、需要予測モデルの再構築に利用する情報(販売情報121及び外部情報122)の期間を設定し、再構築のために十分な量の情報が蓄積された後に需要予測モデルの更新を行う。また、実施例2の発注支援システム1は、販売頻度が極端に少ない商品に対して、需要予測を行わず(すなわち需要予測モデルも構築せず)、受注発注で対応するように設定する。ここで、受注発注とは、顧客から受けた注文に応じて店舗が発注することである。すなわち、店舗は、受注発注で対応するように設定された商品の在庫を(顧客からその商品の注文を受けない限り)持たない。
以下、図1〜図18に示された実施例1と同一の符号を付した構成については実施例1と同様であるので説明を省略し、実施例1との相違点を中心として実施例2の発注支援システム1について説明する。
図19は、本発明の実施例2の発注支援装置10Aが備える主な機能、及び、発注支援装置10Aが記憶する主なデータを示すブロック図である。
図19に示すように、実施例2の発注支援装置10Aのデータ処理部110は、需要予測部111の代わりに需要予測部111Aを備え、評価部115の代わりに評価部115Aを備える。また記憶部120は、予測モデル情報123の代わりに予測モデル情報123Aを記憶し、在庫情報126の代わりに在庫情報126Aを記憶する。
図20は、本発明の実施例2の発注支援装置10Aの記憶部120がデータベースのテーブルとして管理する予測モデル情報123Aの一例を示す説明図である。
実施例1における予測モデル情報123のレコードの各項目に加え、実施例2の予測モデル情報123Aのレコードは、データ開始日1217、及びレベル調整1218の各項目をさらに有する。また、予測モデル情報123Aのレコードは、モデル種類1212の代わりにモデル種類1212A、更新予定1215の代わりに更新予定1215A、更新内容1216の代わりに更新内容1216Aの項目を有する。
モデル種類1212Aには、商品ID1211の値によって識別される各商品が受注発注で対応する商品である場合には「受注発注」と設定される。各商品が受注発注で対応する商品ではない場合には、実施例1と同様に需要予測モデルの種類が設定される。
更新予定1215Aには、需要予測モデルを更新する予定日が設定される。更新内容1216Aには、実施例1における予測モデル情報123の更新内容1216として設定される「モデル種類」及び「パラメータ」の他、受注発注で対応していた商品が、受注発注から予測対象に変更になった場合に「新規」と登録される。
データ開始日1217には、需要予測モデルの更新が必要な場合に、需要予測モデルを再構築する際に利用するデータの開始日が設定される。例えば、販売情報121に当該商品の情報が2015年5月17日から蓄積されている場合、最初に需要予測モデルが構築される際には、2015年5月17日からのデータを利用する。その後、販売数量のレベルが変わる、販売頻度が変わる等、販売の傾向が変化した場合、需要予測モデルの再構築に利用するデータは、販売傾向の変化後のデータを利用する。2016年10月1日に直近の販売傾向の変化が生じていた場合、データ開始日1217には「2016/10/1」と設定される。これによって、販売傾向の異なるデータを利用して需要予測モデルを構築する場合に生じうる予測精度の悪化を防ぐことができる。
レベル調整1218には、需要予測モデルを更新する際に、需要予測モデルの構築に利用するデータ量が十分ではなく、十分なデータ量が蓄積されるまでの間、既存の需要予測モデルで算出される予測需要量のレベルを調整することで対処する場合に「1」と設定され、それ以外の場合に「0」と設定される。例えば、データ開始日が「2016/10/1」であり、需要予測モデルの構築に必要なデータ量が2週間分に設定されている場合、需要予測モデルは2016/10/15以降に更新される。それまでの間、レベル調整を行う場合に、レベル調整1218に「1」と設定される。需要予測モデルの構築に必要なデータ量は、需要予測モデルの種類ごとに設定しても良いし、全ての種類の需要予測モデルに対して同一の値を設定してもよい。
図21は、本発明の実施例2の発注支援装置10Aの記憶部120がデータベースのテーブルとして管理する在庫情報126Aの一例を示す説明図である。
実施例1における在庫情報126のレコードの各項目に加え、実施例2の在庫情報126Aのレコードは、廃棄量1416の項目をさらに有する。廃棄量1416には、当該商品が消費期限切れ等によって廃棄された場合に、その数量が設定される。
需要予測部111Aは、当該商品の予測モデル情報123Aが生成されていない場合に、販売情報121および外部情報122から1つ以上の需要予測モデルを構築し、予測モデル情報123Aを生成する。需要予測部111Aは、当該商品の販売頻度が極端に少ない場合や消費期限切れ等による廃棄の発生が多い場合に、当該商品の需要予測モデルは構築せず、当該商品を受注発注で対応する商品として予測モデル情報123Aに登録する。例えば、需要予測部111Aは、販売頻度が所定の頻度(例えば月に1回など、実施例1における低頻度モデルの判定基準となる販売頻度より低い頻度)以下となる場合、あるいは、販売間隔が当該商品の商品情報125に登録された消費期限より長い場合に、販売頻度が極端に少ないと判断する。また、需要予測部111Aは、当該商品の納入(仕入れ)量に対する廃棄量の割合(以下、廃棄率と称する。)が、事前に設定した値より高い場合に、廃棄の発生が多いと判断する。
需要予測部111Aは、予測モデル情報123Aに更新予定が登録されている場合に、需要予測モデルを再構築する。また需要予測部111Aは、当該商品が受注発注で対応する商品ではない場合に、予測モデル情報123A、販売情報121および外部情報122に基づき、予測需要量を算出し、予測情報124を生成する。
評価部115Aは、受注発注で対応されない商品について、在庫量レベルが適正ではない場合に、販売情報121に記憶された過去の販売数量と、同日の予測需要量とを比較し、実際の販売数量と予測需要量の差が大きい場合に需要予測モデルの更新が必要であると判定し、当該商品の予測モデル情報123Aに更新予定を登録する。評価部115Aはまた、受注発注で対応する商品について、引き続き受注発注で対応するか判定し、必要に応じて受注発注を解除するよう登録する。
<処理説明>
図22は、本発明の実施例2の需要予測部111A及び需要予測統合部112が行う処理の一例を示すフローチャートである。
図22は、本発明の実施例2の需要予測部111A及び需要予測統合部112が行う処理の一例を示すフローチャートである。
図17の実施例1における需要予測部111及び需要予測統合部112が行う処理と同一の符号を付した処理については、図17の処理と同様であるので詳細な説明は省略する。
需要予測部111Aは、需要予測モデルが構築されていない場合に(S1702:NO)、S1701で設定された対象商品の販売頻度や販売間隔、廃棄率に基づき、当該商品が受注発注で対応すべき商品かどうか判定する(S2212)。受注発注で対応すべき商品である場合は(S2212:YES)S2213に進み、受注発注の必要がない場合は(S2212:NO)、S1704に進む。需要予測部111Aは、当該商品が受注発注で対応すべき商品である場合に、予測モデル情報123Aのモデル種類1212Aに「受注発注」と登録する(S2213)。
需要予測部111Aは、構築済みの需要予測モデルに更新予定がある場合に(S1703:YES)、予測モデル情報123Aの更新予定1215Aに登録された更新予定日を過ぎているか判定する(S2214)。更新予定日を過ぎている場合は(S2214:YES)S1705に進み、更新予定日が来ていない場合は(S2214:NO)S2215に進む。
需要予測部111Aは、更新予定日が来ていないと判定した場合(S2214:NO)、S1705を実行した場合、更新予定がないと判定した場合(S1703:NO)、S2213を実行した場合、及び、S1704を実行した場合に、対象商品の予測モデル情報123Aに設定されたモデル種類1212Aが「受注発注」であるかどうかに基づき、当該商品の需要予測が必要であるか判定する(S2215)。モデル種類1212Aが「受注発注」ではない場合に、需要予測部111Aは、需要予測が必要であると判断し(S2215:YES)S1706に進む。モデル種類1212Aが「受注発注」である場合に、需要予測部111Aは需要予測が必要ないと判断し(S2215:NO)処理を終了する。
需要予測部111Aは、予測需要量が算出されていない需要予測モデルが存在する場合に(S1707:YES)、予測需要量を算出する(S1709A)。S1709Aでの予測需要量の算出において、需要予測部111Aは、当該商品の予測モデル情報123Aのレベル調整1218が「1」と設定されている場合に、予測需要量のレベルを調整する。需要予測部111Aは、例えば、所定の期間(例えば直近2週間)において、予測需要量が販売数量より多くなる日が所定の長さ(例えば10日)以上続き、その誤差の中央値が直近2週間の平均販売数量の所定の割合(例えば10%)以上となる場合に、算出された予測需要量に1未満の数値を積算することで予測需要量が少なくなるように調整してもよい。需要予測部111Aはまた、例えば、直近2週間において、予測需要量が販売数量より少なくなる日が10日以上続き、その誤差の中央値が直近2週間の平均販売数量の10%以上となる場合に、算出された予測需要量に1より大きな数値を積算することで予測需要量が多くなるように調整してもよい。
図23および図24は、本発明の実施例2の評価部115Aが行う処理の一例を示すフローチャートである。
図18の実施例1における評価部115が行う処理と同一の符号を付した処理については、図18の処理と同様であるので詳細な説明は省略する。
評価部115Aは、対象商品が受注発注で対応している商品かどうか判定する(S2308)。対象商品が受注発注で対応している商品である場合は(S2308:YES)S2309に進み、対象商品が受注発注で対応している商品ではない場合は(S2308:NO)S1801に進む。
評価部115Aは、対象商品が受注発注で対応している商品である場合に、継続して受注発注とするかどうか判定する(S2309)。ここで、評価部115Aは、当該商品の販売頻度、販売間隔及び廃棄率に基づいて、継続判定を行う。継続して受注発注とする場合は(S2309:YES)処理を終了し、受注発注を解除する場合は(S2309:NO)S2310に進む。
S2310では、評価部115Aは、予測モデル情報123Aの更新内容1216Aに「新規」と登録し、受注発注の解除の要因となった販売頻度、販売間隔及び廃棄率に変化が生じた日をデータ開始日1217として登録する。また、データ開始日1217に需要予測モデルの構築に必要な量のデータが蓄積されるまでの日数を加えた日を更新予定日として更新予定1215Aに登録する。
評価部115Aは、販売頻度に変更がある場合に(S1804:YES)S2311に進む。S2311では、評価部115Aは、販売頻度が減少する方向に変更している場合に、当該商品の販売頻度、販売間隔及び廃棄率に基づいて、受注発注での対応に切り替えるか判定する。受注発注での対応に切り替える場合は(S2311:YES)S2312に進み、受注発注での対応に切り替えない場合は(S2311:NO)S2313に進む。
受注発注での対応に切り替える場合は、評価部115Aは、予測モデル情報123Aの商品ID1211が当該商品のIDとなるレコードを削除し、モデル種類1212Aを「受注発注」、頻度1213を「低」とする情報を当該商品の予測モデル情報123Aとして新たに追加する(S2312)。
受注発注での対応に切り替えない場合は、評価部115Aは、販売頻度の変更が生じた日を特定し(S2313)、当該商品の予測モデル情報123Aに需要予測モデルの種類を変更するために必要な情報を登録して(S1806A)、S2315に進む。
S1806Aでは、評価部115Aは、S2313で特定した日を予測モデル情報123Aのデータ開始日1217に登録し、データ開始日に需要予測モデルの構築に必要な量のデータが蓄積されるまでの日数を加えた日を予測モデル情報123Aの更新予定1215Aに登録し、予測モデル情報123Aの更新内容1216Aに「モデル情報」と登録する。
評価部115Aは、販売数量と予測需要量のレベルに乖離がある場合に(S1805:YES)、販売数量と予測需要量のレベルに乖離が発生し出した日を特定する(S2314)。評価部115Aは、例えば、所定の期間(例えば直前1週間)の平均販売数量が、過去の所定の時点(例えばその7日前)における所定の期間(例えば直前1週間)の平均販売数量より所定の比率以上大きい(例えばその1.3倍以上となる)日が所定の日数(例えば3日間)以上続いた時点、あるいは所定の比率以下に小さい(例えば0.7倍以下となる)日が所定の日数(例えば3日間)以上続いた時点を、販売数量と予測需要量のレベルに乖離が発生し出した日と判断してもよい。評価部115Aは、当該商品の予測モデル情報123Aに需要予測モデルのパラメータを更新するために必要な情報を登録して(S1807A)、S2315に進む。
S1807Aでは、評価部115Aは、S2314で特定した日を予測モデル情報123Aのデータ開始日1217に登録し、データ開始日に需要予測モデルの構築に必要な量のデータが蓄積されるまでの日数を加えた日を予測モデル情報123Aの更新予定1215Aに登録し、予測モデル情報123Aの更新内容1216Aに「パラメータ」と登録する。
S2315では、評価部115Aは、予測モデル情報123Aに登録された更新予定日までの間、既存の需要予測モデルで算出される予測需要量のレベルを調整することで対処するかどうか判定する。評価部115Aは、例えば、所定の期間(例えば直近2週間)において、予測需要量が販売数量より多くなる日が所定の日数(例えば10日)以上続き、その誤差の中央値が直近2週間の平均販売数量の所定の割合(例えば10%)以上となる場合に、レベル調整を実施すると判断してもよい。評価部115Aはまた、直近2週間において、予測需要量が販売数量より少なくなる日が10日以上続き、その誤差の中央値が直近2週間の平均販売数量の10%以上となる場合に、レベル調整を実施すると判断してもよい。
評価部115Aは、レベル調整を実施する場合は(S2315:YES)予測モデル情報123Aのレベル調整1218に「1」を設定し(S2316)、レベル調整を実施しない場合は(S2315:NO)は予測モデル情報123Aのレベル調整1218に「0」を設定して(S2317)、処理を終了する。
以上に説明したように、実施例2の発注支援システム1によれば、販売傾向の変化に応じて需要予測モデルを更新する際には、販売傾向の変化後のデータを利用して需要予測モデルを構築する。このため、より精度の高い需要予測を行うことができ、より適正な発注量を提示することができる。また、販売頻度が極端に少ない商品に対して、需要予測および推奨発注量の提示を行わず、受注発注で対応するように設定する。このため、販売頻度が低いことで発生する商品の廃棄を削減することができ、また、推奨発注量の算出対象となる商品を減らすことができるため、処理に必要となるリソースを削減することができる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることが可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、SSD(Solid State Drive)等の記憶デバイス、または、ICカード、SDカード、DVD等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。
また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。
Claims (15)
- 記憶部と、データ処理部と、を有する発注支援システムであって、
前記記憶部は、商品の販売実績の情報を保持し、
前記データ処理部は、
前記販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測部と、
前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出部と、
算出された前記リスク値に基づいて推奨発注量を出力する発注量出力部と、
前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価部と、を含み、
前記評価部が前記需要予測モデルを更新すると判定した場合に、前記需要予測部が前記需要予測モデルを更新することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記記憶部は、前記商品の消費期限、及び、前記商品の発注から入荷までの時間であるリードタイムを含む商品情報をさらに保持し、
前記リスク値算出部は、前記予測需要量、前記商品の発注量及び前記商品情報に基づいて前記リスク値を算出することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記記憶部は、前記商品のライフサイクルの情報をさらに保持し、
前記評価部は、前記商品のライフサイクルから前記商品の需要量が変化すると推定される時期に、前記需要予測モデルを更新するか否かを判定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記記憶部は、前記商品の在庫量の情報をさらに保持し、
前記評価部は、前記商品の在庫量が適正でないと判定した場合に、前記需要予測モデルを更新するか否かを判定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記評価部は、前記需要予測モデルを更新すると判定した場合に、前記商品の販売頻度、及び、過去の前記商品の予測需要量と販売実績との差に基づいて、前記需要予測モデルの更新の内容を決定し、
前記需要予測部は、前記需要予測モデルに対して前記決定された内容の更新を行うことを特徴とする発注支援システム。 - 請求項5に記載の発注支援システムであって、
前記需要予測部は、前記商品の販売頻度が所定の第1の基準より高い場合に、前記販売実績に基づいて、所定の長さの第1の期間ごとの予測需要量を算出するための前記需要予測モデルを構築し、
前記評価部は、
前記商品の販売頻度が前記第1の基準より低くなった場合に、前記需要予測部が、前記販売実績に基づいて、前記第1の期間より長い第2の期間ごとの予測需要量を算出するための前記需要予測モデルを構築するか、又は、販売頻度が低い場合に適する特定の種類の需要予測モデルを構築するように、前記需要予測モデルの更新内容を決定し、
前記商品の販売頻度が前記第1の基準より高く、かつ、過去の前記商品の予測需要量と販売実績との差が所定の第2の基準より大きい場合に、前記需要予測部が、前記販売実績に基づいて、前記第1の期間ごとの予測需要量を算出するための前記需要予測モデルのパラメータを変更するように、前記需要予測モデルの更新内容を決定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記需要予測部は、前記商品の販売頻度が所定の第3の基準より低いと判定した場合、又は、前記商品の廃棄量が多いと判定した場合に、前記商品の需要予測モデルを構築せず、前記商品を受注に応じて発注することを示す情報を出力することを特徴とする発注支援システム。 - 請求項7に記載の発注支援システムであって、
前記記憶部は、前記商品の消費期限、前記商品の過去の仕入れ量、及び前記商品の過去の廃棄量を示す情報を保持し、
前記需要予測部は、前記商品の販売間隔が前記商品の消費期限より長い場合に、前記商品の販売頻度が前記第3の基準より低いと判定し、前記商品の過去の仕入れ量に対する前記商品の過去の廃棄量の割合が所定の基準を超える場合に、前記商品の廃棄量が多いと判定することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記需要予測部は、前記販売実績に基づいて前記商品の複数の需要予測モデルを構築し、構築した前記複数の需要予測モデルを用いて前記商品の複数の予測需要量を算出し、
前記データ処理部は、前記複数の予測需要量を統合する需要予測統合部をさらに有することを特徴とする発注支援システム。 - 請求項9に記載の発注支援システムであって、
前記需要予測統合部は、過去に前記複数の需要予測モデルの各々を用いて算出された予測需要量と過去の販売実績とを比較することで前記各需要予測モデルの予測誤差を算出し、前記予測誤差の小さい需要予測モデルを用いて算出された前記予測需要量の寄与が大きくなるように前記複数の予測需要量を統合することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記リスク値算出部は、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクを算出し、両者に所定の重み付けをして統合することによって前記リスク値を算出し、
前記発注量出力部は、前記リスク値が最小となる前記商品の発注量を前記推奨発注量として出力するか、又は、前記リスク値が所定の許容範囲内となり、かつ、前記商品の販売機会損失が発生するリスクが最小となる前記商品の発注量、及び、前記リスク値が所定の許容範囲内となり、かつ、前記商品の過剰在庫が発生するリスクが最小となる前記商品の発注量の少なくとも一方を前記推奨発注量として出力することを特徴とする発注支援システム。 - 請求項1に記載の発注支援システムであって、
前記商品を販売する店舗が前記商品を発注するために使用される発注端末をさらに有し、
前記データ処理部は、前記推奨発注量を前記発注端末に送信する推奨結果提供部をさらに含み、
前記発注端末は、
前記商品の発注を受け付ける画面を表示し、
前記商品の発注を受け付ける画面において、前記商品の発注量の初期値として、前記推奨発注量を表示することを特徴とする発注支援システム。 - プロセッサと、前記プロセッサに接続される記憶装置と、を有する計算機システムに以下の手順を実行させるための発注支援プログラムであって、
前記記憶装置に保持された商品の販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測手順と、
前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出手順と、
算出された前記リスク値に基づいて推奨発注量を出力する発注量出力手順と、
前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価手順と、を前記プロセッサに実行させ、
前記評価手順において前記需要予測モデルを更新すると判定された場合に、前記需要予測モデルを更新するために前記需要予測手順を前記プロセッサに実行させることを特徴とする発注支援プログラム。 - 請求項13に記載の発注支援プログラムであって、
前記需要予測手順は、前記販売実績に基づいて前記商品の複数の需要予測モデルを構築し、構築した前記複数の需要予測モデルを用いて前記商品の複数の予測需要量を算出する手順を含み、
前記発注支援プログラムは、前記複数の予測需要量を統合する需要予測統合手順をさらに前記プロセッサに実行させることを特徴とする発注支援プログラム。 - 記憶部と、データ処理部と、を有する発注支援システムが実行する発注支援方法であって、
前記記憶部は、商品の販売実績の情報を保持し、
前記発注支援方法は、
前記データ処理部が、前記販売実績に基づいて前記商品の需要予測モデルを構築し、構築した前記需要予測モデルを用いて前記商品の予測需要量を算出する需要予測手順と、
前記データ処理部が、前記予測需要量に基づいて、前記商品の発注量ごとに、前記商品の販売機会損失が発生するリスク及び前記商品の過剰在庫が発生するリスクの少なくとも一方の大きさを示すリスク値を算出するリスク値算出手順と、
前記データ処理部が、算出された前記リスク値に基づいて推奨発注量を出力する発注量出力手順と、
前記データ処理部が、前記販売実績及び前記予測需要量に基づいて前記需要予測モデルを更新するか否かを判定する評価手順と、を含み、
前記評価手順において前記需要予測モデルを更新すると判定された場合に、前記需要予測モデルを更新するために前記データ処理部が前記需要予測手順を実行することを特徴とする発注支援方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/033092 WO2019053821A1 (ja) | 2017-09-13 | 2017-09-13 | 発注支援システム、発注支援プログラム及び発注支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019053821A1 JPWO2019053821A1 (ja) | 2020-06-18 |
JP6814302B2 true JP6814302B2 (ja) | 2021-01-13 |
Family
ID=65723550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019541551A Active JP6814302B2 (ja) | 2017-09-13 | 2017-09-13 | 発注支援システム、発注支援プログラム及び発注支援方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6814302B2 (ja) |
WO (1) | WO2019053821A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024048694A1 (ja) * | 2022-08-31 | 2024-03-07 | パナソニックIpマネジメント株式会社 | 発注支援装置、発注支援方法、及び、発注支援プログラム |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7198700B2 (ja) * | 2019-03-27 | 2023-01-04 | 株式会社オービック | 判断支援装置、判断支援プログラムおよび判断支援方法 |
CN110147925B (zh) * | 2019-04-10 | 2023-10-03 | 创新先进技术有限公司 | 一种风险决策方法、装置、设备及系统 |
WO2021039840A1 (ja) * | 2019-08-28 | 2021-03-04 | 株式会社Nttドコモ | 需要予測装置 |
JP7243533B2 (ja) * | 2019-09-03 | 2023-03-22 | トヨタ自動車株式会社 | 情報処理方法および情報処理装置 |
JP7433892B2 (ja) * | 2019-12-24 | 2024-02-20 | 株式会社東芝 | 需要予測装置、需要予測方法、およびプログラム |
JP2021103373A (ja) * | 2019-12-24 | 2021-07-15 | 東芝デジタルソリューションズ株式会社 | 需要予測装置、需要予測方法、およびプログラム |
JP7244777B2 (ja) * | 2020-07-10 | 2023-03-23 | ダイキン工業株式会社 | 生成方法、生成装置、プログラム、情報処理方法、及び情報処理装置 |
CN112163877B (zh) * | 2020-09-07 | 2022-06-28 | 山东青岛烟草有限公司 | 一种基于机器学习的投放策略自动生成方法及电子装置 |
KR102360948B1 (ko) * | 2021-04-23 | 2022-02-09 | 쿠팡 주식회사 | 아이템 폐기와 관련된 정보 제공 방법 및 그 장치 |
KR102340809B1 (ko) | 2021-04-26 | 2021-12-20 | 쿠팡 주식회사 | 발주와 관련된 정보를 제공하는 전자 장치의 동작 방법 및 이를 지원하는 전자 장치 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08279013A (ja) * | 1995-04-07 | 1996-10-22 | Hitachi Ltd | 適正在庫量設定方式 |
JP2004292101A (ja) * | 2003-03-26 | 2004-10-21 | Osaka Gas Co Ltd | 発注処理支援システム及び方法 |
JP2007172307A (ja) * | 2005-12-22 | 2007-07-05 | Internatl Business Mach Corp <Ibm> | 商品の仕入または生産を支援するシステム |
JP6173803B2 (ja) * | 2013-07-05 | 2017-08-02 | 株式会社日立システムズ | 発注量計算システム |
JP6536028B2 (ja) * | 2014-12-10 | 2019-07-03 | 富士通株式会社 | 発注計画決定装置、発注計画決定方法および発注計画決定プログラム |
JP6275078B2 (ja) * | 2015-04-28 | 2018-02-07 | 株式会社リンク | 商品発注数調整装置、商品発注数調整方法、発注システムおよびコンピュータプログラム |
-
2017
- 2017-09-13 WO PCT/JP2017/033092 patent/WO2019053821A1/ja active Application Filing
- 2017-09-13 JP JP2019541551A patent/JP6814302B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024048694A1 (ja) * | 2022-08-31 | 2024-03-07 | パナソニックIpマネジメント株式会社 | 発注支援装置、発注支援方法、及び、発注支援プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2019053821A1 (ja) | 2019-03-21 |
JPWO2019053821A1 (ja) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6814302B2 (ja) | 発注支援システム、発注支援プログラム及び発注支援方法 | |
JP5337174B2 (ja) | 需要予測装置、及びそのプログラム | |
CN102282551A (zh) | 娱乐入场券定价的自动决策支持 | |
JP6280272B1 (ja) | 決定装置、決定方法、及び決定プログラム | |
JP2019091319A (ja) | 管理システム | |
JP5776797B2 (ja) | プログラム、評価情報生成方法及び評価情報生成システム | |
JP2016012321A (ja) | 需要予測装置およびプログラム | |
JP6282993B2 (ja) | 需要予測装置及びプログラム | |
JP2014052685A (ja) | データ編集装置およびプログラム | |
JP2016012300A (ja) | 需要予測装置およびプログラム | |
JP7066921B1 (ja) | 倉庫内商品販売システム、方法及びプログラム | |
JP6475429B2 (ja) | 需要予測装置およびプログラム | |
US11282126B1 (en) | Learning staple goods for a user | |
US20140074752A1 (en) | Commerce System and Method of Providing Access to an Investment Signal Based on Product Information | |
JP5781555B2 (ja) | データ編集装置およびプログラム | |
JP5844293B2 (ja) | データ編集装置およびプログラム | |
JP5786001B2 (ja) | 需要予測装置およびプログラム | |
JP2022108172A (ja) | 商品発注支援システム | |
JP5714037B2 (ja) | データ編集装置およびプログラム | |
JP6182171B2 (ja) | 需要予測装置及びプログラム | |
JP2021089542A (ja) | 商品の発注数を調整する方法、システム及びプログラム | |
JP2016012299A (ja) | 需要予測装置およびプログラム | |
JP2011215939A (ja) | 受発注在庫管理システム | |
JP2016012309A (ja) | 需要予測装置およびプログラム | |
JP2003150683A (ja) | 流通処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200108 |
|
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: 20201208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201218 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6814302 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |