JP7015740B2 - 予測システム及び予測方法 - Google Patents

Description

本発明は、過去の数値に基づいて予測値を出力する予測システムに関する。

過去の数値データから将来の数値の予測を行う技術が様々な分野で活用されている。例えば物流分野では、倉庫内の人件費又は配送費の見積もりのため、倉庫の入荷量及び出荷量などを予測し、見積もりに使用している。その際、入荷量及び出荷量などの物量の予測は、専門知識を持つ作業者が行っており、その精度向上及び自動化が求められている。

また、生産分野でも同様に、生産量の最適化のため、消費者の需要予測を行っており、その精度向上が求められている。その他、販売店舗での商品の発注量の最適化のための消費者の購入量の予測など、様々な分野で予測技術が必要となっている。

精度の高い予測を自動的に行う技術は様々ある。

特許文献１では、過去の出荷量だけでなく、天候や営業日数などのデータ群を使用して出荷量の予測を行っている。

特許文献２では、ニューラルネットを使った精度の高い予測方式を提案している。

特開２００５－７８２７７号公報 特開平９－２２４０２号公報

上記の特許文献１では、予測精度を高めるため、過去の出荷量だけでなく、出荷量の一時的変動の要因となっている天候等のデータを使用した重回帰分析を行っている。しかし、重回帰分析は、説明変数の予測数値が必要となるため、天気予報など説明変数自体の予測を行わなくてはならず、予測精度に課題が残る。

一方、上記の特許文献２に記載された技術によれば、より精度の高い予測を行うことが出来る。その際、特許文献１に記載のとおり、予測の精度を上げるためには、過去の出荷量だけでなく、天候及び営業日等の変動要因のデータを含む事が有効である。しかし、季節用品は、気温が大きく影響する一方、化粧品は季節要因よりも販促活動が大きく影響するなど、商品によって変動要因は異なり、また変動要因として影響の大きい有効なデータを特定するのは簡単ではない。有効なデータを用いて精度の高い予測を行うため、予測の前に、変動要因を推測し、検証する必要がある。推測した変動要因の有効性は、実際に変動要因データを使って予測を行い、予測結果を評価することで明らかとなる。しかし、特許文献２のように精度の高い予測を使用している場合、一般的に予測の計算に時間がかかる。例えば、物流分野では、倉庫で扱う商品数が膨大であり、全ての商品の出荷量等を予測するには膨大な学習、予測時間がかかる。そのため、推測した変動要因の有効性について、リアルタイムに検討を行うことは出来ず、変動要因の特定に時間がかかる。

上記課題を解決するための本発明の代表的なものの一例を示すと、次のとおりである。すなわち、過去の数値データに基づいて将来の数値を予測する第１の予測部及び第２の予測部を有する予測システムであって、前記第１の予測部は、少なくとも過去の第１の期間の数値データを含む入力データに基づいて、将来の期間を含む第２の期間の数値を予測し、前記第２の予測部は、前記第１の予測部が予測に使用した前記入力データと、前記第１の予測部が予測した前記第２の期間の数値と、前記入力データの変更を示す情報とを取得し、前記入力データの変更を示す情報に従って変更された入力データの少なくとも一部に基づいて、前記第１の予測部が行ったものより計算量が少ない予測処理を行うことによって、前記第２の期間の少なくとも一部の数値を予測し、前記第１の予測部による予測の結果と、前記第２の予測部による予測の結果とを出力し、前記入力データの変更が有効である場合、前記第１の予測部は、前記入力データの変更を示す情報に従って変更された入力データに基づいて、前記第２の期間の数値を予測することを特徴とする。

本発明の一態様によれば、計算速度は速いが精度が低い第２の予測方式で変動要因の選択を行い、選択された有効データを、計算速度は遅いが精度の高い第１の予測方式で予測を行い、限られた計算時間の中で予測精度を改善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、以下の実施例の説明によって明らかにされる。

本発明の実施例１に係る予測システムの構成の一例を示すブロック図である。 本発明の実施例１に係る本予測装置及びデータ検証用予測装置のアプリケーションの機能構成の一例を示す説明図である。 本発明の実施例１に係る本予測装置のアプリケーションの処理の一例を示すフローチャートである。 本発明の実施例１に係る予測対象の過去の時間推移の数値データの一例を示す説明図である。 本発明の実施例１に係る変動要因候補データの一例を示す説明図である。 本発明の実施例１に係る予測結果データの一例を示す説明図である。 本発明の実施例１に係るデータ検証用予測装置のアプリケーションの処理の一例を示すフローチャートである。 本発明の実施例１に係る表示機能による表示の一例を示す説明図である。 本発明の実施例１に係るデータ検証時の表示機能の表示の一例を示す説明図である。 本発明の実施例１に係るデータ検証時の表示機能の表示の一例を示す説明図である。 本発明の実施例１に係るデータ検証時の表示機能の表示の一例を示す説明図である。 本発明の実施例２に係る本予測装置とデータ検証用予測装置のアプリケーションの機能構成の一例を示す説明図である。

以下、実施例について図面を用いて説明する。なお、図面において、同一符号は、同一または相当部分を示す。また、本発明は、図示した例に限定されるものではない。

本発明に係る実施例１を、図１～図１１を用いて説明する。

実施例１では、本発明を、物流倉庫での商品の出荷量の予測に適用した場合の例を示す。

物流倉庫では、数万種類の商品を管理しており、倉庫内の人件費又は配送費の見積もりのため、倉庫内の各商品の日々の入荷量及び出荷量などを予測し、見積もりに使用している。その際、入荷量及び出荷量などの予測は、専門知識を持つ作業者が行っており、その精度向上や自動化が求められている。

本実施例では、倉庫内に保管されている各商品の日々の出荷量の予測精度を高めるために、ユーザがリアルタイムに効率的に予測の変動要因となっている変動要因候補のデータの有効性を検証可能とし、実際に見積もり等に使用する出荷量の予測には、精度の高い予測を行う技術について説明する。

図１は、本発明の実施例１に係る予測システムの構成の一例を示すブロック図である。

本実施例では、予測システムは、第１の予測装置１１と第２の予測装置１２の２つの予測装置からなる。本実施例では、第１の予測装置１１は本予測装置１１、第２の予測装置１２はデータ検証用予測装置１２として説明をする。本予測装置１１は、倉庫運営のための見積もり等に予測を活用するため、時間はかかるが精度の高い予測を行う。データ検証用予測装置１２は、本予測装置１１の予測精度を高めるため、予測の変動要因となっている変動予測要因データの検証のために予測精度は劣るものの高速な予測を行う。

ユーザは、適宜、データ検証用予測装置１２を用いて高速な予測で予測に使うデータを見直し、実際の活用時には、見直した有効なデータを用いた予測精度の高い本予測装置１１の予測結果を使用する。例えば、本予測装置での予測は、１日１回実施し、データ検証用予測装置の予測は、任意のタイミングでデータ検証時に行ってもよい。

本予測装置１１とデータ検証用予測装置１２はネットワーク１３経由で接続され、通信部間でデータのやり取りを行う。

本予測装置１１は、ＣＰＵ１１１、メモリ１１２、記憶部１１３、通信部１１４及びバス１１５を備える。

ＣＰＵ１１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、及びＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等の総称であり、所定のプログラムを実行する。

メモリ１１２は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などから構成される。メモリ１１２に、記憶部１１３に格納しているアプリケーションプログラムの機能部が展開される。

記憶部１１３は、本予測装置１１に内蔵される記録媒体、取り外し可能な外部記録媒体又は光ディスクなどから構成され、各種の情報を記憶する。例えば、記憶部１１３は、アプリケーションプログラムを保存することができる。また、記憶部１１３は、アプリケーションプログラムで使用する各種情報、例えば、予測に使用する数値データ及び予測結果等を保存する。

通信部１１４は、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、赤外線通信、ＩＣタグ機能、ＴｒａｎｓｆｅｒＪＥＴ（登録商標）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＨＳＰＡ（Ｈｉｇｈ Ｓｐｅｅｄ Ｐａｃｋｅｔ Ａｃｃｅｓｓ）、ＥＶ－ＤＯ（Ｅｖｏｌｕｔｉｏｎ Ｄａｔａ Ｏｎｌｙ）、及びＷｉＭＡＸ等の無線通信機能、または、Ｅｔｈｅｒｎｅｔ（登録商標）等の有線通信機能を備え、各種の情報を送受信する。無線通信機能は、アンテナ、及び変復調回路等を含む。有線通信機能は、コネクタ、及び変復調回路等を含む。情報の送受信には、ネットワークを介して行うネットワーク通信と、ネットワークを介さずに各機器間で直接通信を行う直接通信（例えばＢｌｕｅｔｏｏｔｈ（登録商標）、ワイヤレスＵＳＢ、Ｆｅｌｉｃａ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｚ－ＷＡＶＥ（登録商標）、可視光通信、赤外線通信、又はＮＦＣ（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）（登録商標））とを適宜切り替えて使用できる。通信部１１４は、複数の通信方式に対応するよう構成されても良い。

バス１１５は、本予測装置１１の各部が相互に信号を伝送するための伝送路である。

データ検証用予測装置１２は、ＣＰＵ１２１、メモリ１２２、記憶部１２３、通信部１２４、バス１２５、入力部１２６及び表示部１２７を備える。

ＣＰＵ１２１、メモリ１２２、記憶部１２３、通信部１２４及びバス１２５の詳細については、本予測装置と同様である。

入力部１２６は、キーボード、ボタン、又はマウスなどで構成され、ユーザによる操作の入力が可能である。その他に、入力部１２６は、マイク又はカメラなどの外部装置からの入力を受け取っても良い。

表示部１２７は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）又は有機ＥＬ等で構成され、入力部１２６から入力された文字、操作、記録部に記録されているファイル又はアプリケーションなどを表示する。

図２は、本発明の実施例１に係る本予測装置及びデータ検証用予測装置のアプリケーションの機能構成の一例を示す説明図である。

図２に示す予測装置１（２１）は、図１に示す本予測装置１１に相当する。予測装置１（２１）は、入力機能１（２１１）、記憶機能１（２１２）、予測機能１（２１３）及び出力機能１（２１４）を有する。これらの機能は、プロセッサ（ＣＰＵ）１１１が、メモリ１１２に格納されたプログラム（図示省略）を実行することによって実現される。プログラムは、記憶部１１３に格納され、必要に応じてメモリ１１２にコピーされてもよい。以下の説明において上記の機能が実行する処理は、実際にはＣＰＵ１１１がプログラムに従って実行する。

図２に示す予測装置２（２２）は、図１に示すデータ検証用予測装置１２に相当する。予測装置２（２２）は、入力機能２（２２１）、記憶機能２（２２２）、表示機能（２２３）、予測機能２（２２４）、出力機能２（２２５）及びユーザ操作入力機能（２２６）を有する。これらの機能は、プロセッサ（ＣＰＵ）１２１が、メモリ１２２に格納されたプログラム（図示省略）を実行することによって実現される。プログラムは、記憶部１２３に格納され、必要に応じてメモリ１２２にコピーされてもよい。以下の説明において上記の機能が実行する処理は、実際にはＣＰＵ１２１がプログラムに従って実行する。

なお、図１及び図２の例では、本予測装置１１とデータ検証用予測装置１２とがそれぞれ独立した計算機によって実現されている。本実施例の本予測装置１１は、高精度の予測のために大量の計算を行う。このため、本予測装置１１は高性能な計算機によって実現されることが望ましい。また、本予測装置１１の機能が複数の物理的な計算機の並行処理によって実現されてもよい。一方、データ検証用予測装置１２は、精度は本予測装置１１によるものより劣るかもしれないが、短時間で終了する比較的計算量の少ない予測を行う。このため、データ検証用予測装置１２例えばいわゆる個人向けの計算機（ＰＣ）など、安価で、それほど高性能ではない計算機によって実現されてもよい。

ただし、上記のような構成は一例であり、上記のとおり計算量が多く精度が高い予測を行う部分（第１の予測部）と、計算量が少ない予測を行う部分（第２の予測部）とを有する限り、任意の形態の計算機システムによって本実施例の予測システムを実現することができる。例えば、図１の本予測装置１１又はデータ検証用予測装置１２と同等の構成を有する物理的に一つの計算機が、図２に示す本予測装置１１及びデータ検証用予測装置１２の全ての機能を有してもよい。

図３は、本発明の実施例１に係る本予測装置１１のアプリケーションの処理の一例を示すフローチャートである。

本予測装置１１は、処理を開始（Ｓ３０１）すると、入力機能１（２１１）は、予測対象である出荷量の予測のために、通信部１１４を通して、倉庫内の全商品の過去の出荷量データベース（図示省略）から、過去の所定の期間の出荷量データを、予測に使用する過去の時間推移の数値データとして取得する（Ｓ３０２）。過去の出荷量データベースは、例えば記憶部１１３に格納されてもよいし、ネットワーク１３に接続された別の装置（図示省略）に格納されてもよい。例えば、入力機能１（２１１）は、各商品の過去３ヶ月間の１日毎の出荷量を取得する。

図４は、本発明の実施例１に係る予測対象の過去の時間推移の数値データの一例を示す説明図である。

図４の例は、予測を２０１７／１２／１に実施するために取得される、２０１７／９／１から２０１７／１１／３０までの倉庫内の全商品の過去の１日単位の数値データを表しており、予測対象の商品の出荷日を示す出荷日４１、当該商品を識別する商品ＩＤ４２、及び当該商品の各出荷日における出荷量を示す出荷量４３からなる。

将来の出荷量の予測に影響のある変動要因候補のデータがある場合には、入力機能１（２１１）は、データ検証用予測装置１２又は図示しないその他のデータベースなどから変動要因候補データを取得する。例えば、予測対象の商品が傘であり、天気が出荷量の予測の変動要因と認められている場合には、入力機能１（２１１）は、天気データベース（図示省略）から、通信部１１４を通して、過去の一定期間の天気データを変動要因候補データとして取得する。その際、過去だけでなく、将来のデータがある場合には、これを含めて取得してもよい。例えば、天気予報等を使って、過去だけでなく１週間先までの天気予測データがある場合には、これを含めて取得してもよい。本実施例では、予測に使用する数値データは、通信部１１４を介して、データベースから取得されるが、データ検証用予測装置１２から直接取得されてもよいし、数値データが取得可能であれば、その他のいかなる方法で取得されてもよい。例えば、入力機能１（２１１）は、図示しないユーザ操作入力機能等でユーザの操作によって入力されたデータを取得してもよい。

図５は、本発明の実施例１に係る変動要因候補データの一例を示す説明図である。

図５に例示する変動要因候補データは、天気の時間推移を表しており、予測対象の商品の出荷日を示す出荷日５１、及び、各出荷日の天気を示す天気５２からなる。図５の例では、予測を２０１７／１２／１に実施するために、２０１７／９／１から２０１７／１１／３０までの１日単位の実際の天気データと、２０１７／１２／６までの天気予測のデータとが、天気データとして取得されている。

次に、記憶機能１（２１２）が、入力機能１（２１１）によって取得された予測に使う過去の出荷量データ及び変動要因候補データ（例えば天気データ）を記憶部１１３に記憶する（Ｓ３０３）。

そして、予測機能１（２１３）が、記憶部１１３に記憶した過去の出荷量データ及び天気データを用いて、予測対象である倉庫内の全商品のそれぞれの将来の出荷量の時間推移を予測した予測結果データ１を予測結果として作成する（Ｓ３０４）。例えば、予測機能１（２１３）は、各商品の１ヶ月先までの１日単位の出荷量の予測を行い、予測結果として予測結果データ１を作成する。この際の予測では、予測機能１（２１３）は、精度の高い予測方式を使う。例えば、ディープラーニング等を使った精度の高い予測を行ってもよい。

図６は、本発明の実施例１に係る予測結果データ１の一例を示す説明図である。

図６には、例として、２０１７／１２／１に実施された予測結果を示している。この例では、予測の実施日の１ヶ月先である２０１７／１２／３１までの倉庫内の全商品の１日単位の予測値を予測結果データ１として表している。予測結果データ１は、出荷日６１、商品を識別する商品ＩＤ６２、及び予測出荷量６３からなる。

そして、出力機能１（２１４）が、通信部１１４を通して、データ検証用予測装置１２に予測結果として予測結果データ１と、本予測装置１１が予測の基礎（すなわち入力データ）として使用したデータ系列を特定できる情報とを渡し（Ｓ３０５）、処理を終了する（Ｓ３０６）。ここで、入力データに相当するデータ系列は、例えば過去の所定の期間の商品の出荷量など、予測対象の数値と同じ項目の過去の数値データを含み、さらに、例えば過去の天気の実績及び将来の天気の予測結果など、予測対象の数値に影響を与える要因データを含んでもよい。

本実施例では、使用したデータ系列を特定できる情報として、使用したデータ系列そのものを直接渡す。しかし、使用したデータ系列を特定できる情報として当該使用したデータ系列の保管場所を指示してもよいし、あるいは、入力機能１（２１１）がデータ系列を入手した入手先を指示してもよい。本予測装置１１が予測結果データ１を得るために使用したものと同一のデータ系列をデータ検証用予測装置１２が取得できる方法であればいかなる方法を使用してもよい。出力された予測結果データ１は、倉庫内の様々な見積り又は最適化施策に活用される。

図７は、本発明の実施例１に係るデータ検証用予測装置１２のアプリケーションの処理の一例を示すフローチャートである。

データ検証用予測装置１２が処理を開始する（Ｓ７０１）と、入力機能２（２２１）は、本予測装置１１が予測対象である出荷量の予測に使うデータの有効性の検証のために、通信部１２４を通して、本予測装置１１から、本予測装置１１が予測に使用したデータ系列を特定できる情報として、使用したデータ系列を取得し、さらに、予測結果として予測結果データ１を取得する（Ｓ７０２）。

例えば、予測に使用したデータ系列として、出荷量データ及び天気データ等を取得する。本実施例では、データ検証用予測装置１２が本予測装置１１からデータ系列を直接取得しているが、使用したデータ系列を特定できる情報としてデータ系列の保管場所の指示を受け取り、その保管場所から取得してもよいし、本予測装置１１の入力機能がデータ系列を入手した入手先の指示を受け取り、その入手先から取得してもよいし、その他、本予測装置１１が使用したデータ系列を取得可能であればいかなる方法で取得してもよい。取得するデータ系列の例は、本予測装置１１の処理の説明のために使用した図４及び図５、図６と同様である。

次に、記憶機能２（２２２）が、入力機能２（２２１）で取得したデータ系列を記憶部１２３に記憶する（Ｓ７０３）。

そして、表示機能（２２３）が、出荷量データ及び天気データ等の、予測に使ったデータ系列と、それを用いた本予測装置１１による予測結果である予測結果データ１等と、を表示部１２７に表示する（Ｓ７０４）。

図８は、本発明の実施例１に係る表示機能による表示の一例を示す説明図である。

表８２は、予測に使用した出荷量データ及び天気データを表形式で表示する。グラフ８１は、過去の出荷量データと本予測装置１１による予測結果データ１とをグラフ形式で表示する。グラフ８１の横軸は日付、縦軸は出荷量であり、過去の出荷量の実績が棒グラフで、本予測装置１１による予測結果が折れ線グラフで表示されている。

本実施例では、２０１７／９／１から２０１７／１１／３０までの出荷量の実績と、同じ期間の天気の実績と、２０１７／１２／１から２０１７／１２／６までの天気予報データと、に基づいて、本予測装置１１が２０１７／１２／１に、２０１７／９／１から２０１７／１２／３１までの出荷量を予測している。図８には、上記の期間のうち、２０１７／１１／２９から２０１７／１２／５までのデータを表示している。

具体的には、グラフ８１の棒グラフと表８２の出荷量は実績値であるため、１２／１以降の分は表示されていない。グラフ８１には、１１／２９及び１１／３０については出荷量の実績値（棒グラフ）と予測結果（折れ線グラフ）の両方が表示されている。また、表８２の天気データのうち１１／２９及び１１／３０の分は実績値であり、１２／１から１２／５までの分は予測値（例えば予測システムの外部から取得した天気予報データ）である。

なお、本実施例では、グラフ及び表による表示を説明したが、予測に使用したデータ系列と本予測装置１１による予測結果とが確認可能であればいかなる表示を行ってもよい。例えば、グラフ又は表のいずれか一方のみを表示してもよいし、その他の形式の表示を行ってもよい。

再び図７を参照する。Ｓ７０４が終了すると、次に、ユーザ操作入力機能２２６が、予測に使用するデータの追加、削除又は編集等を行う（Ｓ７０５）。具体的には、例えば、過去の出荷量データ及び天気データの他に、有効性を検証したい変動要因候補データがある場合には、入力部１２６を用いたユーザ操作によって追加される。ここで、変動要因候補データとは、出荷量の予測に影響を与える要因となり得るデータであり、天気データはその一例である。天気データの他に、例えば、倉庫の稼働日データ（すなわちそれぞれの日が倉庫の稼働日であるか否かといった稼働状況を示すデータ）、及び、新商品の発売日データ（すなわち、どの品目の商品がどの日に発売されるかを示すデータ）などが、有効性を検証したい変動要因候補データの例として挙げられる。これによって種々の要因の有効性を検証することができる。

また、ユーザ操作入力機能２２６は、同様の方法で、本予測装置１１が予測に使用したデータの削除又は変更を行ってもよい。例えば、予測に使用したいずれかのデータの有効性が疑われる（すなわち当該データが予測精度の向上に寄与していない可能性がある）場合にはそのデータを削除してデータ検証用予測装置１２による予測を行うことで、当該データの有効性を検証することができる。あるいは、例えばより正確なデータが取得された場合にはそれによって既に使用したデータを置き換えてもよい。

なお、上記のようなユーザ操作入力機能２２６を介したデータの追加、削除又は編集等は、データ検証用予測装置１２が予測に使用するデータ系列（入力データ）の変更を示す情報を取得する方法の一例である。

記憶機能２（２２２）は、予測に使用するデータの追加、削除及び編集の結果（すなわち変更を示す情報に基づいて変更されたデータ系列）を記憶部１２３に記憶しなおす。以下、例として、倉庫の稼働日のデータ（すなわちそれぞれの日が倉庫の稼働日であるか否かを示すデータ）が追加された場合について説明する。

そして、予測機能２（２２４）が、記憶部１２３に記憶した過去の出荷量データ、天気データ、及び、新たに追加された倉庫の稼働日データを使って、予測対象である倉庫内の全商品のそれぞれの将来の出荷量の時間推移を予測した予測結果データ２を作成する（Ｓ７０６）。例えば、予測機能２（２２４）は、各商品の１ヶ月先までの１日単位の出荷量の予測を行い、予測結果として予測結果データ２を作成する。この際の予測では、リアルタイムに予測を行える（すなわち計算量が少なく、短時間で実行できる）予測方式を使う。例えば、重回帰分析を使った予測などである。予測結果データ２の形式は、図６で示した予測結果データ１と同様である。

そして、表示機能（２２３）が、出荷量データ、天気データ及び新たに追加された稼働日データ等の、予測に使ったデータ系列、それらを用いたデータ検証用予測装置１２の予測結果として予測結果データ２、並びに、新たなデータを追加する前の本予測装置１１による予測結果データ１等を表示部１２７に表示する（Ｓ７０７）。

図９は、本発明の実施例１に係るデータ検証時の表示機能の表示の一例を示す説明図である。

表９２は、予測に使用した出荷量データ、天気データ、及び、追加された変動要因候補データである稼働日データを表形式で表示する。グラフ９１は、過去の出荷量データと本予測装置１１による予測結果データ１と、稼働日データを追加して予測を行った場合のデータ検証用予測装置１２による予測結果である予測結果データ２をグラフ形式で表示する。

以下、図９の表示のうち、図８からの変更点について説明する。グラフ９１には、予測結果データ２を示す破線の折れ線グラフが追加されている。表９２には、追加された変動要因候補データである稼働日データが追加されている。図９に示した例では、１１／２９から１２／５までの期間のうち、１２／１及び１２／２には倉庫が稼働せず、それ以外の日には倉庫が稼働する例を示している。なお、この例では１２／１に予測が行われるため、１２／１以降の稼働日データは予定（すなわち予測値）を示している。

１２／１及び１２／２には倉庫が稼働しないため、それらの日の予測結果データ２の出荷量は０となっている。図９の例において、他の日の予測結果データ２は予測結果データ１と同じである。しかし、データ検証用予測装置１２による予測は本予測装置１１による予測と比較して計算量が少ない方法で行われるため、一般には、他の日の予測結果データ２の値も予測結果データ１と完全に同一にはならない。

図９に示すように、過去の出荷量データと予測結果データ１と予測結果データ２とを表示することで、ユーザは、検証中のデータ（上記の例では稼働日データ）を使うことで予測精度が改善されるかを比較することが可能である。なお、本実施例では、グラフ及び表による表示を説明したが、予測に使用したデータ系列、本予測装置１１による予測結果及びデータ検証用予測装置１２による予測結果が確認可能であればいかなる表示を行ってもよい。例えば、グラフ又は表のいずれか一方のみを表示してもよいし、その他の形式の表示を行ってもよい。

再び図７を参照する。表示機能２２３にて、ユーザが追加、削除又は編集したデータ系列が有効と判断した場合には、出力機能２（２２５）が、通信部１２４を通して、予測に使うデータ系列を特定できる情報を本予測装置１１に渡し（Ｓ７０８）、処理を終了する（Ｓ７０９）。本実施例では、予測に使うデータ系列を特定できる情報としてデータ系列そのものを本予測装置１１に直接渡している。しかし、予測に使うデータ系列を特定できる情報として当該データ系列の保管場所を示す情報を渡してもよいし、入力機能２（２２１）が当該データ系列を入手した入手先を示す情報を渡してもよい。データ検証用予測装置１２が予測結果データ２を得るために使用したものと同一のデータ系列を本予測装置１１が取得できる方法であればいかなる方法を使用してもよい。

その後、本予測装置１１は、有効と判断されたデータ系列に基づいて予測を行い、その結果を出力する（図３参照）。

なお、ユーザが追加、削除又は編集したデータ系列が有効か否かは、表示機能２２３によって表示された情報に基づいてユーザが判断してその結果を入力してもよいが、データ検証用予測装置１２が所定の条件に基づいて自動的に判定してもよい。例えば、データ検証用予測装置１２は、予測結果データ１及び予測結果データ２それぞれの予測精度を計算し、予測結果データ２の予測精度が予測結果データ１の予測精度より高い場合に、ユーザが追加、削除又は編集したデータ系列が有効であると判定してもよい。

本実施例に拠れば、ユーザはデータ検証用予測装置１２を用いて、予測に使うデータの有効性の検証のため、リアルタイムな（すなわち短時間で結果を取得できる）予測を利用することで、予測の精度向上のために有効な変動要因を短時間で特定し、特定した変動要因を用いて実際の最適化施策等に活用する予測には、本予測装置１１による精度の高い予測を行うことが出来る。例えばこれを倉庫における商品（物品）の出荷量に適用することで、精度の高い出荷量の予測が可能となる。

本実施例では、本予測装置１１の予測機能１（２１３）が使用するデータ系列及び予測方法と、データ検証用予測装置１２の予測機能２（２２４）が使用するデータ系列及び予測方式とが異なっている例を説明した。しかし、このような相違は一例であり、双方の予測機能が異なっていれば、その相違はいかなるものであってもよい。例えば、本予測装置１１の予測機能１（２１３）は、倉庫内の全商品の予測を行い、データ検証用予測装置１２の予測機能２（２２４）は、１商品の予測を行う、といった予測対象の数の違いであってもよい。

あるいは、本予測装置１１の予測機能１（２１３）では、過去２年分のデータを用いて３ヶ月先までの予測を行い、データ検証用予測装置１２の予測機能２（２２４）では、上記の２年の一部である過去２ヶ月分のデータを用いて、上記の３ヶ月の一部である１週間先までの予測を行う、といった、期間の違い等でもよい。

あるいは、本予測装置１１の予測機能１（２１３）が複数の予測モデルを使用して予測を行い、データ検証用予測装置１２の予測機能２（２２４）はそれらのうち一部の予測モデルを使用して予測を行ってもよい。あるいは、データ検証用予測装置１２の予測機能２（２２４）は、本予測装置１１の予測機能１（２１３）が予測に使用したものより計算量が少ない予測モデルを使用して予測を行ってもよい。

あるいは、上記の方法の少なくとも二つを組み合わせた方法が適用されてもよい。これらの方法によって、データ検証用予測装置１２は、精度が低下するとしても、本予測装置１１より短時間で予測を行うことが可能となる。

本予測装置１１の予測機能１（２１３）では、倉庫内の全商品の予測を行い、データ検証用予測装置１２の予測機能２（２２４）では、１商品の予測を行う、のように、予測対象の数が異なる場合には、予測精度の改善が、全体の予測精度に大きく効きそうな予測対象を選択可能とする。そのため、本予測装置１１の予測機能１（２１３）は、予測結果として予測結果データ１だけでなく予測精度も算出し、出力機能１にて、それらをデータ検証用予測装置１２に渡す。そして、データ検証用予測装置１２の表示機能２２３は、予測結果と併せて、予測精度も表示してもよい。そして、どの商品についてデータ検証を行うかを、ユーザ操作入力機能２２６からのユーザ操作によって選択可能してもよい。予測精度の一覧は、テキスト表示であってもよいし、グラフなどで表示してもよい。

図１０は、本発明の実施例１に係るデータ検証時の表示機能の表示の一例を示す説明図である。

具体的には、図１０は、各商品の予測精度と総出荷量を散布図１０１で示した例である。散布図１０１の横軸は各商品の出荷量の予測精度、縦軸は各商品の総出荷量である。例えば図１０に示す商品Ａのように、出荷量の予測精度が低くても、出荷量そのものが小さい場合には、その予測結果と実際の出荷量との乖離が、倉庫全体の人件費又は配送費等の見積もりに対して与える影響は小さい。ユーザは、精度改善が全体に大きく影響しそうな、総出荷量が大きく、かつ、精度が悪い商品（図１０の例では商品Ｄ）を選択し、その出荷量の予測精度の改善を行うと判断することが出来る。

複数の予測対象の中から予測精度を高めるためのデータ検証を行う予測対象を選択可能な表示であれば、各商品の総出荷量ではなく販売価格と予測精度とを表示してもよいし、単に予測精度の悪い順に商品をリスト表示してもよいし、その他のいかなる表示をしてもよい。

また、検証して追加、削除又は編集したデータを、本予測装置１１での予測の際に、検証時の予測対象に対してのみ使用するか、他の全ての商品に対しても同様に使用するかの条件を、ユーザ操作入力機能２２６からのユーザ操作によって指定可能としてもよい。出力機能２（２２５）は、本予測装置１１にデータ系列を渡す際に、指定された条件を含んで渡す。そして、本予測装置１１の予測機能１（２１３）は、指定された条件にしたがって予測を行ってもよい。

例えば、本予測装置１１が複数の商品を対象として、それぞれの出荷量を予測し、データ検証用予測装置１２が、それらの複数の商品のうちある１商品に対して、データ検証を行ったとする。このとき、検証したデータが例えば「景気」のような全ての商品に影響があるデータであり、検証の結果、当該データを予測に使用するデータとして追加することが予測精度の向上に有効であると判定された場合には、当該データを当該１商品だけでなく全商品に使用することを指定してもよい。一方、検証したデータが、「予測対象商品の評判」のような対象商品のみに影響があるデータの場合には、当該予測対象の商品のみに対しての使用を指定してもよい。

例えば、ユーザが、上記のいずれの指定を行うかを決定してその結果をデータ検証用予測装置１２に入力してもよい。データ検証用予測装置１２は、当該指定を示す情報を本予測装置１１に渡す。本予測装置１１は、当該データを全商品に使用することが指定された場合には、全ての商品を対象として、当該データを使用した予測を行い、当該データを当該１商品だけに使用することが指定された場合には、当該データを使用して当該１商品の予測を行い、他の商品の予測は行わない（すなわち他の商品については前回の予測結果が維持される）。

これによって、複数の予測対象が存在する場合であっても、１つの予測対象への検証結果を、所定の場合には全ての予測対象に反映することが可能となり、その結果、効率的な予測精度の改善が可能となる。

本実施例では、本予測装置１１の入力機能１（２１１）及びデータ検証用予測装置１２の入力機能２（２２１）が、通信部１１４及び１２４を使用してデータ系列を取得する例を説明した。しかし、データ系列が取得可能であれば、例えばユーザ操作によって入力されたデータ系列を取得するなど、いかなる方法が用いられてもよい。

本実施例では、データ検証用予測装置１２の予測機能２（２２４）は、予測結果として、将来の出荷量の時間推移を示す予測結果データ２を出力したが、さらに他の情報を出力してもよい。例えば、予測機能２（２２４）は、予測結果データ２の予測精度、並びに、予測に使用した出荷量データ及び天気データなどのデータ系列の予測への貢献度を出力してもよい。予測精度は、予測の対象の期間が過去部分を含んでいる場合に、過去部分の予測結果（例えば図９の１２／１より前の折れ線グラフの部分）と実際の出荷量データ（例えば図９の棒グラフの部分）との誤差を計算することで算出可能である。また、貢献度については、各データ系列と、出荷量データの相関係数などを利用することが可能である。

また、本予測装置１１の予測機能１（２１３）についても同様に、予測結果として、将来の出荷量の時間推移を示す予測結果データ１を出力したが、さらに他の情報を出力してもよい。例えば、予測機能１（２１３）は、予測結果データ１の予測精度、予測に使用した出荷量データ及び天気データなどのデータ系列の予測への貢献度、並びに、予測に影響のあった日数等を出力してもよい。予測に影響のあった日数は、例えば、日付をずらした変動要因候補データと出荷量データとの相関によって算出することが出来る。これによって、例えば天気データは１日後の出荷量に影響が大きいといった、予測理由の把握が可能となる。

また、予測機能１（２１３）は、予測の際に複数の予測方式を組み合わせて使用しているような場合には、予測方式の貢献度を時間推移ごとに出力して、データ検証用予測装置１２に渡してもよい。例えば、ある商品に対して、１週間周期の予測方式と、平均をとる予測方式などとが組み合わせて使われていた場合には、それぞれの予測方式がどの程度、日々の予測値の算出に貢献しているかを算出して、その結果をデータ検証用予測装置１２に渡してもよい。

図１１は、本発明の実施例１に係るデータ検証時の表示機能の表示の一例を示す説明図である。

具体的には、図１１には、データ検証用予測装置１２の表示機能２２３が、予測精度及び貢献度を表示した場合の表示の一例である。表１１０２は、予測に使用した出荷量データ、天気データ、及び追加された検証データである稼働日データを表示する。さらに、表１１０２は、本予測装置１１での予測時のそれぞれのデータ系列の貢献度と、それぞれのデータ系列が予測の結果に反映されるまでの時間差を示す反映日と、データ検証装置で稼働日データを含めた予測時のそれぞれのデータ系列の貢献度と、を表示している。

グラフ１１０１は、図９のグラフ９１と同様に、過去の出荷量データと、本予測装置１１による予測結果データ１と、データ検証用予測装置１２が稼働日データを追加して予測を行った場合の予測結果である予測結果データ２と、を表示する。

積算グラフ１１０３は、日々の予測に使われた各予測方式（予測モデル）の貢献度を表示する。また、数値１１０４は、予測結果１と予測結果２との間の予測精度の比較を表示している。図１１の例は、予測結果１の予測精度が８０％であったのに対して、稼働日データを追加することによって得られた予測結果２の予測精度が８５％に向上したことを示している。

これによって、例えば、ユーザは、予測精度を示す数値１１０４を参照して、予測に用いるデータとして稼働日データを追加することで予測精度があがることが分かる。また、積算グラフ１１０３を参照すると、１２／１の予測値は非稼働日かどうかの影響が大きいことが推測できる。また、１２／４の予測値は、積算グラフ１１０３から、天気の影響が大きいことが推測でき、天気に関する反映日「－１」から、１日後の（すなわち１２／５の予測値である）「雨」が影響していることが推測できる。

ここで、反映日とは、データ系列の値が予測の結果に反映されるまでの時間差を示している。反映日の値が＋Ｎ（ここでＮは正の整数）であることは、当該データ系列の値がＮ日後の予測の結果に反映されやすいことを示している。反映日の値が－Ｎであることは、当該データ系列の値がＮ日前の予測の結果に反映されやすいことを示している。

このような表示によって、予測理由（すなわちそれぞれの予測結果がどのような要因の影響を受けているか）が分かることで、予測値への納得感も得ることができる。本実施例では、予測結果及び予測理由に関する情報を、表及びグラフで示したが、予測結果等が確認可能であれば、いかなる表示を行ってもよい。例えば、グラフ又は表のいずれか一方のみを表示してもよいし、数値のリストをテキストで出力してもよい。

本実施例では、予測対象が倉庫における１以上の品目の商品の出荷量である例を説明したが、予測対象はいかなるものであってもよい。例えば、予測対象は、消費者による１以上の品目の商品の購入量、販売店舗での１以上の品目の商品の発注量、又は、オフィスでの１以上の種類の印刷用紙の使用量など、１以上の項目の数値であればいかなるものであってもよい。この場合、例えば、消費者による過去の各商品の購入量、販売店舗での過去の各商品の発注量、又は、オフィスでの過去の各種類の印刷用紙の使用量などの過去の１以上の品目の数値データと、さらに必要に応じて天気、又は、倉庫・店舗若しくはオフィス等の稼働日等の要因データとに基づいて、将来の予測対象の数値が予測される。

また、本実施例では、過去の１日ごとの出荷量と、過去及び将来の１日ごとの天気及び倉庫の稼働日と、に基づいて、将来の１日ごとの出荷量が予測される。ここで「１日」とは、予測の単位時間の一例であり、他の単位時間を適用してもよい。例えば過去の１週間ごとの出荷量等に基づいて将来の１週間ごとの出荷量を予測してもよいし、過去の数時間ごとの出荷量等に基づいて将来の数時間ごとの出荷量を予測してもよい。

本実施例では、本予測装置１１とデータ検証用予測装置１２の二つで構成するシステムとして説明したが、予測システムはデータ検証用予測装置１２のみを含み、本予測装置１１の機能は、予測結果が出力可能であれば、外部にある装置又はサービスによって実現されてもよい。

また、本実施例では本予測装置１１とデータ検証用予測装置１２はそれぞれ別の装置、あるいはアプリケーションとして説明したが、同一装置内の別アプリケーション、もしくは、同一装置内の同一アプリケーションに統合されていてもかまわない。

また、本実施例では、予測装置１（２１）を本予測装置１１、予測装置２（２２）をデータ検証用予測装置１２として説明したが、予測機能が異なる構成であれば、それぞれの役割はいかなるものであってもよい。

本発明に係る実施例２を、図１２を用いて説明する。以下に説明する相違点を除き、実施例２のシステムの各部は、実施例１の同一の符号を付与された各部と同一の機能を有するため、それらの説明は省略する。

実施例１同様に、本発明を物流倉庫での商品の出荷量の予測に適用した場合の例を実施例２として示す。

図１２は、本発明の実施例２に係る本予測装置１１とデータ検証用予測装置１２のアプリケーションの機能構成の一例を示す説明図である。

図１２に示す実施例２の予測システムは、図２と比較して、予測装置１（２１）及び予測装置２（２２）にデータベース１２０１が接続されている部分が異なる。データベース１２０１は、例えばネットワーク１３に接続された記憶装置（図示省略）に格納される。本予測装置１１及びデータ検証用予測装置１２は、通信部１１４及び１２４を通して、データベース１２０１にアクセスすることができる。ただし、上記のようなデータベースの所在は一例であり、本予測装置１１及びデータ検証用予測装置１２のいずれからもアクセス可能であれば、どこにデータベース１２０１が格納されてもよい。例えば本予測装置１１の記憶部１１３又はデータ検証用予測装置１２の記憶部１２３のいずれかにデータベースが格納されてもよい。

データベース１２０１は、倉庫内の全商品の過去の出荷量を保持する。予測装置１（２１）の入力機能（２１１）は、予測対象である出荷量の予測のために、予測に使用する過去の時間推移の数値データとして、過去の一定期間の出荷量データを、通信部１１４を通してデータベース１２０１から取得する。そして、出力機能１（２１４）は、通信部１１４を通して、データ検証用予測装置１２に、予測結果として予測結果データ１を渡し、さらに、使用したデータ系列を特定できる情報として、データベース１２０１のどこに使用したデータが保管されているかを示すポインタを渡し、処理を終了する。

予測装置２（２２）の入力機能２（２２１）は、通信部１２４を通して、本予測装置１１から本予測装置１１が予測に使用したデータ系列を特定できる情報として受け取ったデータベースのポインタから、データベースにアクセスし使用したデータ系列と、予測結果として予測結果データ１を取得する。例えば、入力機能２（２２１）は、予測に使用したデータ系列として、出荷量データ及び天気データ等を取得する。

実施例２の本予測装置１１及びデータ検証用予測装置１２が予測のために実行する処理は、実施例１と同様であるため、説明を省略する。

本実施例に拠れば、本予測装置１１とデータ検証用予測装置１２の間でのデータの転送負荷を押さえつつ、ユーザはデータ検証用予測装置１２を用いて、予測に使うデータの有効性の検証のため、リアルタイムな予測を利用し、実際の最適化施策等に活用する予測には、本予測装置１１による精度の高い予測を利用することが出来る。

本発明の一態様によれば、計算速度は速いが精度が低い第２の予測方式で変動要因の選択を行い、有効データとして選択された変動要因を用いて、計算速度は遅いが精度の高い第１の予測方式で予測を行うことによって、限られた計算時間の中で予測精度を改善することが可能となる。

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。

１１ 第１の予測装置（本予測装置）
１２ 第２の予測装置（データ検証用予測装置）
１１１、１２１ ＣＰＵ
１１２、１２２ メモリ
１１３、１２３ 記憶部
１１４、１２４ 通信部
１１５、１２５ バス
１２６ 入力部
１２７ 表示部
２１ 予測装置１
２２ 予測装置２
２１１ 入力機能１
２１２ 記憶機能１
２１３ 予測機能１
２１４ 出力機能１
２２１ 入力機能２
２２２ 記憶機能２
２２３ 表示機能
２２４ 予測機能２
２２５ 出力機能２
２２６ ユーザ操作入力機能
４１、５１、６１ 出荷日
４２、６２ 商品ＩＤ
４３ 出荷量
５２ 天気
６２ 商品ＩＤ
６３ 予測出荷量
８１、９１ グラフ
８２、９２ 表
１０１ 散布図
１１０１ グラフ
１１０２ 表
１１０３ 積算グラフ
１１０４ 予測精度の数値

Claims (13)

1. 過去の数値データに基づいて将来の数値を予測する第１の予測部及び第２の予測部を有する予測システムであって、
   前記第１の予測部は、少なくとも過去の第１の期間の数値データを含む入力データに基づいて、将来の期間を含む第２の期間の数値を予測し、
   前記第２の予測部は、
   前記第１の予測部が予測に使用した前記入力データと、前記第１の予測部が予測した前記第２の期間の数値と、前記入力データの変更を示す情報とを取得し、
   前記入力データの変更を示す情報に従って変更された入力データの少なくとも一部に基づいて、前記第１の予測部が行ったものより計算量が少ない予測処理を行うことによって、前記第２の期間の少なくとも一部の数値を予測し、
   前記第１の予測部による予測の結果と、前記第２の予測部による予測の結果とを出力し、
   前記入力データの変更が有効である場合、前記第１の予測部は、前記入力データの変更を示す情報に従って変更された入力データに基づいて、前記第２の期間の数値を予測することを特徴とする予測システム。
2. 請求項１に記載の予測システムであって、
   前記第２の予測部は、前記第１の予測部による予測対象の複数の項目のうち一部の項目についての予測を行うこと、前記第１の期間の一部の期間の入力データに基づいて予測を行うこと、前記第２の期間の一部の期間の前記数値を予測すること、前記第１の予測部が予測に使用した複数の予測方法のうち一部を使用して予測を行うこと、又は、前記第１の予測部が使用した予測モデルより計算量が少ない予測モデルを使用して予測を行うことによって、前記第１の予測部が行ったものより計算量が少ない予測処理を行うことを特徴とする予測システム。
3. 請求項１に記載の予測システムであって、
   前記過去の数値データは、倉庫における物品の過去の単位時間ごとの出荷量を示す出荷量データであり、
   前記第１の予測部及び前記第２の予測部は、前記物品の単位時間ごとの出荷量を予測することを特徴とする予測システム。
4. 請求項１に記載の予測システムであって、
   前記入力データの変更は、前記第２の期間の数値の予測に影響を与える要因となり得る１以上の項目の要因データの前記入力データへの追加、既に前記入力データに含まれている前記１以上の項目の要因データの削除、又は、既に前記入力データに含まれている前記１以上の項目の要因データの編集であり、
   前記第１の予測部は、前記第１の予測部が前記入力データに基づいて行った予測に関して、予測精度と、前記入力データに含まれる前記数値データ及び前記各要因データの、予測された数値に対する貢献度とを計算し、
   前記第２の予測部は、
   前記第１の予測部が計算した前記予測精度及び前記貢献度を取得し、
   前記第２の予測部が前記変更された入力データに基づいて行った予測に関して、予測精度と、前記入力データに含まれる前記数値データ及び前記各要因データの、予測された数値に対する貢献度とを計算し、
   前記第１の予測部が計算した前記予測精度及び前記貢献度、並びに、前記第２の予測部が計算した前記予測精度及び前記貢献度を出力することを特徴とする予測システム。
5. 請求項４に記載の予測システムであって、
   前記過去の数値データは、倉庫における物品の過去の単位時間ごとの出荷量を示す出荷量データであり、
   前記第１の予測部及び前記第２の予測部は、前記物品の単位時間ごとの出荷量を予測し、
   前記１以上の項目の要因データは、それぞれの単位時間における天気を示す天気データ、それぞれの単位時間の前記倉庫の稼働状況を示す稼働データ、及び、前記物品の発売日を示す発売日データの少なくとも一つであって、前記第１の期間に含まれる過去の期間の実績値と、前記第２の期間に含まれる将来の期間の予測値と、を含むことを特徴とする予測システム。
6. 請求項１に記載の予測システムであって、
   前記第２の予測部は、前記第１の予測部が予測に使用した前記入力データと、前記第１の予測部が予測した前記第２の期間の数値と、前記入力データの変更を示す情報に従って変更された入力データと、前記第２の予測部が予測した前記第２の期間の数値と、の少なくとも一部を、表及び／又はグラフの形式で表示する表示部を有することを特徴とする予測システム。
7. 請求項１に記載の予測システムであって、
   前記第１の予測部の予測に使用する前記入力データは、複数の項目の数値データを含み、
   前記第１の予測部は、前記入力データに基づいて、前記第２の期間の前記複数の項目の数値を予測し、前記項目ごとの予測精度を計算し、
   前記第２の予測部は、
   前記第１の予測部から、予測された前記複数の項目の数値と、前記項目ごとの予測精度とを取得し、
   前記項目ごとの数値と前記予測精度とを対応付けて出力し、
   前記複数の項目のいずれかを選択する情報が入力された場合、選択された項目に関する前記入力データと、前記予測された数値とを出力することを特徴とする予測システム。
8. 請求項７に記載の予測システムであって、
   前記第２の期間は、前記第１の期間と重複する過去の期間である第３の期間と、将来の期間である第４の期間とを含み、
   前記第１の予測部は、前記入力データに含まれる前記第３の期間の前記複数の項目の数値データと、前記第１の予測部が予測した前記第３の期間の前記複数の項目の数値とを比較することによって前記項目ごとの予測精度を計算することを特徴とする予測システム。
9. 請求項７に記載の予測システムであって、
   前記複数の項目は、倉庫における物品の複数の品目であり、
   前記第１の予測部の予測に使用する前記入力データに含まれる過去の数値データは、倉庫における複数の品目の物品の過去の単位時間ごとの出荷量を示す出荷量データであり、
   前記第２の予測部は、前記各品目の物品の過去の所定の期間の出荷量と前記予測精度とを示す散布図を表示する表示部を有することを特徴とする予測システム。
10. 請求項１に記載の予測システムであって、
    前記第１の予測部の予測に使用する前記入力データは、複数の項目の数値データを含み、
    前記第１の予測部は、前記入力データに基づいて、前記第２の期間の前記複数の項目の数値を予測し、
    前記第２の予測部は、
    前記第１の予測部から、予測された前記複数の項目の数値を取得し、
    前記複数の項目のうち、選択された一つについて、前記変更された入力データに基づいて、前記第２の期間の数値を予測し、
    前記入力データの変更が有効であることを示す情報と、前記入力データの変更を全ての前記項目に適用することを示す情報とが前記第２の予測部に入力された場合、前記第１の予測部は、前記入力データの変更を示す情報に従って変更された入力データに基づいて、前記第２の期間の全ての前記項目の数値を予測し、
    前記入力データの変更が有効であることを示す情報と、前記入力データの変更を前記選択された一つの項目に適用することを示す情報とが前記第２の予測部に入力された場合、前記第１の予測部は、前記入力データの変更を示す情報に従って変更された入力データに基づいて、前記第２の期間の前記選択された一つの項目の数値を予測することを特徴とする予測システム。
11. 請求項１に記載の予測システムであって、
    前記入力データの変更は、前記第２の期間の数値の予測に影響を与える要因となり得る１以上の項目の要因データの前記入力データへの追加、既に前記入力データに含まれている前記１以上の項目の要因データの削除、又は、既に前記入力データに含まれている前記１以上の項目の要因データの編集であり、
    前記第１の予測部は、前記第１の予測部が前記入力データに基づいて行った予測に関して、前記入力データに含まれる前記数値データ及び前記各要因データの、予測された数値に対する貢献度と、前記各要因データが前記予測された数値に反映されるまでの時間差を示す反映時間と、を計算し、
    前記第２の予測部は、前記各要因データの前記貢献度及び前記反映時間を取得して出力することを特徴とする予測システム。
12. 請求項１に記載の予測システムであって、
    前記第１の予測部は、
    複数の予測モデルを使用して、前記入力データに基づいて、前記第２の期間の数値を予測し、
    前記各予測モデルの予測された数値に対する貢献度を計算し、
    前記第２の予測部は、前記各予測モデルの前記貢献度を取得して出力することを特徴とする予測システム。
13. １以上のプロセッサを有する計算機システムが、過去の数値データに基づいて将来の数値を予測する予測方法であって、
    いずれかの前記プロセッサが、少なくとも過去の第１の期間の数値データを含む入力データに基づいて、将来の期間を含む第２の期間の数値を予測する第１手順と、
    いずれかの前記プロセッサが、前記第１手順で使用された前記入力データと、前記第１手順で予測された前記第２の期間の数値と、前記入力データの変更を示す情報とを取得する第２手順と、
    いずれかの前記プロセッサが、前記入力データの変更を示す情報に従って変更された入力データの少なくとも一部に基づいて、前記第１手順より計算量が少ない予測処理を行うことによって、前記第２の期間の少なくとも一部の数値を予測する第３手順と、
    いずれかの前記プロセッサが、前記第１手順による予測の結果と、前記第３手順による予測の結果とを出力する第４手順と、を含み、
    前記入力データの変更が有効である場合、いずれかの前記プロセッサが、前記入力データの変更を示す情報に従って変更された入力データに基づいて、前記第１手順を再び実行することを特徴とする予測方法。

Images