JP6886186B2 - 食品仕入れ数決定支援システム - Google Patents
食品仕入れ数決定支援システム Download PDFInfo
- Publication number
- JP6886186B2 JP6886186B2 JP2018090814A JP2018090814A JP6886186B2 JP 6886186 B2 JP6886186 B2 JP 6886186B2 JP 2018090814 A JP2018090814 A JP 2018090814A JP 2018090814 A JP2018090814 A JP 2018090814A JP 6886186 B2 JP6886186 B2 JP 6886186B2
- Authority
- JP
- Japan
- Prior art keywords
- item
- purchases
- items
- candidate
- determined
- 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
- 235000013305 food Nutrition 0.000 title claims description 61
- 238000011156 evaluation Methods 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
食品仕入れ数最適組み合わせの学習モデルを作成する学習部と、並びに、
前記学習モデルに基づいて、各品目の仕入れ数候補毎の評価値、及び、一品目の仕入れ数が複数に割り当てられる場合の割当比率候補毎の評価値を算出する演算部とを備え、
前記学習モデルは少なくとも、各品目における仕入れ数候補と、状態記述パラメータと、割引率と、及び第1の評価関数と、並びに、一品目の仕入れ数が複数に割り当てられる場合の割当比率候補と、状態記述パラメータと、及び第2の評価関数とで、構成され、
前記学習部は、
各品目について、ロス額に基づいて割引率を決定し、仕入れ数候補毎に、状態記述パラメータ及び確定した粗利に基づいて第1の評価関数を決定し、
更に、一品目の仕入れ数が複数に割り当てられる場合に、割当比率候補毎に、状態記述パラメータ及び確定した粗利に基づいて第2の評価関数を決定し、
前記演算部は、
各品目の仕入れ数候補毎の評価値を、前記学習モデルにおける、各品目の仕入れ数候補毎の第1の評価関数から導出し、
一品目の仕入れ数が複数に割り当てられる場合の割当比率候補毎の評価値を、前記学習モデルにおける、割当比率候補毎の第2の評価関数から導出する。
食品仕入れ業務は、数万点に及ぶ品目について毎日、仕入れ個数を決定・発注する作業を伴っており、スーパーマーケットや食料品店等の店舗の利益に直接影響を及ぼす重要な業務である。
本開示に係る食品仕入れ数決定支援システムについての基本的特徴を以下、説明する。
[1.1.1 仕入れ数決定作業]
品目数をk、第i品目に対する仕入れ数の選択肢数をmiとし、現場の仕入れ決定作業と同じ順序で仕入れ数oiの決定を行う。現場の運用形態に依存するがこの際、外部(例えば、外部の管理サーバからの)入力として、決定対象品目の在庫数をsi(i=1, ・ ・ ・ , k)、売行き予測をbiと表し、初期値を与える。また、消費期限をli、予算残額をMi、相関のある他商品の仕入れ数をpi=[pi1, ・ ・ ・ , pil] とし、状態記述パラメータxiを次式で表す:
(1)仕入れ数の評価値と更新則
上記[1.1.1 仕入れ数決定作業]で述べたモデルに対し、第i品目に対する仕入れ数を、各候補
生食可能な魚類を焼き物、惣菜、弁当へ転用するなど、1品目の仕入れが複数の販売品目と相関している場合、対応する販売品目に対する割当比率がロス額に影響する。そこで、割当比率を選択肢として、局所評価を行う。つまり、割当比率の候補を
各品目の仕入れ数が販売後の粗利とロス額に影響を及ぼす。
このとき、各仕入れ数の候補の評価に粗利とロス額を反映するために、次式で第i品目のoi,wiに対する割引率γi(i=1, ・ ・ ・ , k) を計算する:
目標配置、移動対象、貨車移動先、移動貨車台数は、Soft-Max法(非特許文献1参照)によって確率的選択を行う。本更新則では、Qi(i=1,2)の値が、割引回数の増加とともに小さくなる。一般に大規模問題では、品目数の増加に伴って、仕入れ数の組み合わせ数が大きくなるため、特に初期配置周辺の評価値が過剰に小さくなる。この場合、学習前半部分の導出における探索範囲が過剰に広がり、十分な学習効果が得られない。
十分な学習を実行後、各品目における仕入れ数候補には、少なくとも探索済み領域内において導出した粗利とロス額を反映した評価値が対応付けられているため、すべての候補について評価値を取出し、大小関係を比較することによって、仕入れ数の優劣に関する順位付けが可能になる。
意思決定支援を行うために予備学習を行い、Qiによる評価関数を獲得する。Qiは初期値0から始め、粗利確定時に受け取るRが割引を伴って伝播する。予備学習を繰り返すことによって、全仕入れ数が決定した状態から初期状態に向かって徐々に評価値が広がっていくが、この際、決定仕入れ数に関わらず、最大の評価値を持つ状態から伝播を実施する。つまり、評価値が粗利に対するロス率を反映している場合にはロス率最小となる選択肢の評価が伝播し、Qiによる評価関数が任意の状態から最良の仕入れ数組み合わせに対する評価を関数値としてとることになる。
図1は、本開示に係る食品仕入れ数決定支援システムにおける、意思決定フローを模式的に示す図である。例えば、品目Aについては「仕入れ数1」、「仕入れ数2」・・・「仕入れ数n」という、仕入数の選択肢が存在することが示されている。また、例えば、品目Aについては「生食用」、「寿司用」、「弁当用」に割り当てられ得ることが示されている。更に、粗利、ロス率に基づく評価が、各仕入数候補に順次、伝播する様子を示している。
上記の[1.1.1 仕入れ数決定作業]で述べた仕入れ数決定モデル、[1.1.2 学習モデル]の学習モデル、[1.1.3 割引率の計算]の割引計算法が夫々、意思決定支援、最適性、粗利とロス率の考慮に必要な基礎理論上の新規手法であり、既存技術では代替手法が存在しない。
続いて、以下、適宜図面を参照しながら、実施の形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。
図2は、第1の実施形態に係る食品仕入れ数決定支援システム1のブロック図である。図1に示す食品仕入れ数決定支援システム1は、PDA等により構成され外部ネットワーク16と接続する食品仕入れ数決定支援装置2と、及び、外部ネットワーク16と接続する管理サーバ18とを含む。外部ネットワーク16は、例えば、LAN、WAN、及びインターネットなどである。
作を制御する。制御部4における演算処理や装置全体の制御処理は、ハードウエア資源であるプロセッサと、記憶部10に記録される、若しくは外部ネットワーク16を介して外部から取り込まれる、ソフトウエアであるプログラムとの協働により実現される。制御部4は、専用に設計された電子回路や再構成可能な電子回路などのハードウエア回路(ASIC、FPGA等)で実現されてもよい。第1の実施形態に係る食品仕入れ数決定支援装置2の特徴的動作は、制御部4における演算処理及び制御処理により実現される。
図3及び図4は、第1の実施形態に係る食品仕入れ数決定支援システム1のうちの、食品仕入れ数決定支援装置2の動作を示すフローチャートである。図3及び図4を用いて、第1の実施形態に係る食品仕入れ数決定支援装置2の動作を説明する。
以上のように、本出願において開示する技術の例示として、第1の実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。
Claims (1)
- 食品仕入れ数の最適組合せ学習及び導出法に係る食品仕入れ数決定支援システムにおいて、
食品仕入れ数最適組み合わせの学習モデルを作成する学習部と、並びに、
前記学習モデルに基づいて、各品目の仕入れ数候補毎の評価値、及び、一品目の仕入れ数が複数に割り当てられる場合の割当比率候補毎の評価値を算出する演算部とを備え、
前記学習モデルは少なくとも、各品目における仕入れ数候補と、状態記述パラメータと、割引率と、及び第1の評価関数と、並びに、一品目の仕入れ数が複数に割り当てられる場合の割当比率候補と、状態記述パラメータと、及び第2の評価関数とで、構成され、
前記学習部は、
各品目について、ロス額に基づいて割引率を決定し、仕入れ数候補毎に、状態記述パラメータ及び確定した粗利に基づいて第1の評価関数を決定し、
更に、一品目の仕入れ数が複数に割り当てられる場合に、割当比率候補毎に、状態記述パラメータ及び確定した粗利に基づいて第2の評価関数を決定し、
前記演算部は、
各品目の仕入れ数候補毎の評価値を、前記学習モデルにおける、各品目の仕入れ数候補毎の第1の評価関数から導出し、
一品目の仕入れ数が複数に割り当てられる場合の割当比率候補毎の評価値を、前記学習モデルにおける、割当比率候補毎の第2の評価関数から導出する、
食品仕入れ数決定支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018090814A JP6886186B2 (ja) | 2018-05-09 | 2018-05-09 | 食品仕入れ数決定支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018090814A JP6886186B2 (ja) | 2018-05-09 | 2018-05-09 | 食品仕入れ数決定支援システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019197374A JP2019197374A (ja) | 2019-11-14 |
JP6886186B2 true JP6886186B2 (ja) | 2021-06-16 |
Family
ID=68537570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018090814A Active JP6886186B2 (ja) | 2018-05-09 | 2018-05-09 | 食品仕入れ数決定支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6886186B2 (ja) |
-
2018
- 2018-05-09 JP JP2018090814A patent/JP6886186B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019197374A (ja) | 2019-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chien et al. | Deep reinforcement learning for selecting demand forecast models to empower Industry 3.5 and an empirical study for a semiconductor component distributor | |
Ozgen et al. | Combining possibilistic linear programming and fuzzy AHP for solving the multi-objective capacitated multi-facility location problem | |
US11010798B2 (en) | System and method for integrating retail price optimization for revenue and profit with business rules | |
JP6819607B2 (ja) | 情報処理システム、情報処理方法および情報処理用プログラム | |
CN109840730B (zh) | 用于数据预测的方法及装置 | |
Kreng et al. | An innovation diffusion of successive generations by system dynamics—An empirical study of Nike Golf Company | |
WO2017056368A1 (ja) | 最適化システム、最適化方法および最適化プログラム | |
Patne et al. | Solving closed-loop supply chain problems using game theoretic particle swarm optimisation | |
US20210398061A1 (en) | Reinforcement learning systems and methods for inventory control and optimization | |
US11403573B1 (en) | Method and system of demand forecasting for inventory management of slow-moving inventory in a supply chain | |
Xu et al. | A dynamic programming-based particle swarm optimization algorithm for an inventory management problem under uncertainty | |
JPWO2019159772A1 (ja) | モデル生成装置、需要予測装置、需要予測方法、及びプログラム | |
WO2023020255A1 (zh) | 数据处理方法、装置、设备及存储介质 | |
Agarwal et al. | Machine Learning and Natural Language Processing in Supply Chain Management: A Comprehensive Review and Future Research Directions. | |
Saeed Osman | Modeling and simulation for inventory management of repairable items in maintenance systems | |
Boubaker et al. | A supply chain flow model to assess agility in supply chains | |
Subulan et al. | Metaheuristic-based simulation optimization approach to network revenue management with an improved self-adjusting bid price function | |
Miltenburg et al. | Order quantities for style goods with two order opportunities and Bayesian updating of demand. Part II: capacity constraints | |
JP6886186B2 (ja) | 食品仕入れ数決定支援システム | |
US20200034859A1 (en) | System and method for predicting stock on hand with predefined markdown plans | |
Niu et al. | Guided chemotaxis-based bacterial colony algorithm for three-echelon supply chain optimisation | |
CN114626660A (zh) | 用于激增调整预报的方法和装置 | |
JP7243533B2 (ja) | 情報処理方法および情報処理装置 | |
JP7042879B1 (ja) | 情報処理装置、方法及びコンピュータプログラム | |
TW202420171A (zh) | 短效期商品的庫存規劃系統與方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20181221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20181221 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210119 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210119 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210402 |
|
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: 20210420 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210507 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6886186 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |