JP7237250B2 - 在庫費算出装置、及び、在庫費算出方法 - Google Patents

Description

本開示は、在庫費算出装置、及び、在庫費算出方法に関する。

特許文献１には、会社の営業戦略を反映した在庫管理の実現を目的として、各倉庫の方針（在庫削減優先、サービス性優先など）や、各販売代理店の方針（キャンペーン実施、在庫削減実施など）に応じた倉庫費係数を用いて倉庫に発生する費用（倉庫費）を算出することが記載されている。また、特許文献２には、期間に比例したコスト（原価償却費、固定費など）、数に比例したコスト（在庫保管単価、入庫単価など）、数と期間に比例するコスト（人件費、設備費など）に分けて倉庫費を算出することが記載されている。

特開２０１７－１８２４４８号公報 特開２０２０－４２３５４号公報

一般的に、製造業のサプライチェーンにおける物流の拠点としては、製造業者が自社で管理する拠点（例えば、工場、販売代理店）、及び、自社で管理しない拠点（例えば、販売代理店）などが含まれる。製造業者は、各拠点から提供された在庫費を算出するための情報（在庫関連情報）に基づいて在庫費を算出する。しかしながら、自社で管理しない拠点は、在庫関連情報の全てを開示していない場合がある。この場合、例えば、各拠点の在庫関連情報を取得できることを前提としている特許文献１に開示された技術では、在庫関連情報の全てを開示していない拠点の在庫費を算出することが出来ないという課題があった。また、製造業者が自社で管理する拠点のみを在庫費の算出対象とした場合、製造業者が自社で管理する拠点で発生する在庫費を削減しようとして、自社で管理しない拠点に在庫を転嫁する傾向に向かいがちである。その結果、自社で管理しない拠点での在庫過多となり、ひいては製品売価の下落を招く原因となる。また、特許文献１に開示された技術では、例えば、在庫品の保管期間に相関する費用が在庫費に含まれていない。従って、拠点に在庫品が滞留した場合など、実際に発生した保管期間を加味した在庫費を算出していないことになるので、真に発生した在庫費を算出できないという課題があった。

本開示は、前述のような問題を解決するものであり、製造業のサプライチェーンにおける各拠点で発生する在庫費を算出するための情報が開示されていない場合であっても、在庫費の算出精度の低下を抑制することを目的とするものである。

この開示に係る在庫費算出装置は、製造業のサプライチェーンにおける工場及び販売代理店を含む各拠点で発生する在庫品の在庫費を算出する在庫費算出装置であって、拠点で発生する在庫品の在庫費を算出するための実データ及び当該在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する在庫関連情報取得部と、前記在庫関連情報取得部で取得された前記在庫関連情報に含まれる実データ及び推測データに基づいて前記在庫品の在庫費を算出する在庫費算出部と、前記在庫関連情報取得部で取得された前記在庫関連情報に含まれる推測データの割合に応じて、前記在庫費算出部で算出された前記在庫品の在庫費に含まれた誤差のレベルを推測する誤差推測部と、前記在庫費算出部で算出された前記在庫品の在庫費、及び、前記誤差推測部で推測された前記在庫品の在庫費に含まれた誤差のレベルに基づいて算出された前記在庫品の在庫費に含まれた誤差と、前記在庫費算出部で算出された前記在庫品の在庫費とを出力する出力部を備えることを特徴とするものである。

本開示によれば、製造業のサプライチェーンにおける各拠点で発生する在庫費を算出するための情報が開示されていない場合であっても、在庫費の算出精度の低下を抑制することができる。

実施の形態１に係る在庫費算出装置の構成図である。 製造業者に対して開示された在庫関連情報の一例を示す図である。 販売代理店在庫費算出部で実現される機能を示す図である。 在庫費の誤差と推定データの割合の関係を示す図である。 工場内在庫費算出部で実現される機能を示す図である。 在庫費算出装置を構成するハードウェアの一例を示す図である。 時間と相関関係を有する費用を算出するためのテーブルの一例である。 時間と相関関係を有さない費用を算出するためのテーブルの一例である。 時間と相関関係を有する費用を算出するためのテーブルの一例である。 時間と相関関係を有さない費用を算出するためのテーブルの一例である。 工場内在庫費算出部の処理を示すフローチャート図である。 販売代理店在庫費算出部の処理を示すフローチャート図である。 全体在庫費算出部の処理を示すフローチャート図である。 工場１の在庫関連情報を示す図である。 工場１の在庫関連情報を示す図である。 工場２の在庫関連情報を示す図である。 工場２の在庫関連情報を示す図である。 販売代理店１の在庫関連情報を示す図である。 販売代理店１の在庫関連情報を示す図である。 販売代理店２の在庫関連情報を示す図である。 販売代理店２の在庫関連情報を示す図である。 販売代理店３の在庫関連情報を示す図である。 販売代理店３の在庫関連情報を示す図である。 在庫費算出装置に関する学習装置の構成図である。 ３層のニューラルネットワークを示す図である。 学習装置の学習処理に関するフローチャートである。 実施の形態２に係る販売代理店在庫費算出部で実現される機能を示す図である。 学習済モデルから誤差のレベルを取得する処理に関するフローチャートである。 実施の形態３に係る在庫費算出装置の構成図である。

本開示の在庫費算出装置は、製造業のサプライチェーンにおける工場及び販売代理店を含む各拠点で発生する在庫品の在庫費を算出する。製造業のサプライチェーンにおける拠点としては、製造業者が自社で管理する自社拠点（例えば、工場、販売代理店）、及び、自社で管理しない他社拠点（例えば、販売代理店）が含まれる。自社拠点及び他社拠点の販売代理店は、在庫品の在庫費を算出するための情報（在庫関連情報）の一部しか製造業者に開示されない場合があるものとする。

実施の形態１．
図１は実施の形態１に係る在庫費算出装置１００の構成図である。
在庫費算出装置１００は、工場内在庫データ入力部１０１、工場内在庫データ記憶部１０２、販売代理店在庫データ入力部１０３、販売代理店在庫データ記憶部１０４、制御部１０５により構成される。

工場内在庫データ入力部１０１は、工場から開示されたデータであって、工場で発生する在庫品の在庫費を算出するためのデータ（時間データ、数量データ、費用単価データ）を、例えば、図示せぬネットワークを介して取得する。そして、工場内在庫データ入力部１０１は、取得したデータを工場内在庫データ記憶部１０２に記憶する。

販売代理店在庫データ入力部１０３は、販売代理店から開示されたデータであって、販売代理店で発生する在庫品の在庫費を算出するためのデータ（販売代理店種類データ、販売代理店の位置データ、販売代理店にある在庫の時間データ、数量データ、費用単価データ）を、例えば、図示せぬネットワークを介して取得する。そして、販売代理店在庫データ入力部１０３は、取得したデータを販売代理店在庫データ記憶部１０４に記憶する。

工場内在庫データ記憶部１０２には、時間データ１０６、数量データ１０７、及び、費用単価データ１０８が格納されている。時間データ１０６、数量データ１０７、及び、費用単価データ１０８は、拠点で発生する在庫品の在庫費を算出するための在庫関連情報の一例である。在庫関連情報は、工場で発生する在庫品の在庫費を算出するための実データを含む。在庫関連情報に含まれた実データは、例えば、工場内在庫データ入力部１０１から取得されたデータ、即ち、工場から開示されたデータを含む。

時間データ１０６の例としては、在庫の滞留時間、在庫の製造時間が挙げられる。数量データ１０７の例としては、材料消費量、エネルギー消費量、作業者数、使用設備台数が挙げられる。費用単価データ１０８の例としては、光熱費、製造費、在庫金利、減価償却費、材料費、労務費、固定資産税が挙げられる。

販売代理店在庫データ記憶部１０４には、販売代理店種類データ１０９、位置データ１１０、時間データ１１１、数量データ１１２、費用単価データ１１３、及び、誤差レベルデータ１２０が格納されている。販売代理店種類データ１０９、位置データ１１０、時間データ１１１、数量データ１１２、費用単価データ１１３、及び、誤差レベルデータ１２０は、拠点で発生する在庫品の在庫費を算出するための在庫関連情報の一例である。在庫関連情報は、販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、在庫品の在庫費を推測するための推測データを含む。在庫関連情報に含まれた実データは、販売代理店在庫データ入力部１０３から取得されたデータ、即ち、販売代理店から開示されたデータを含む。また、在庫関連情報に含まれた推測データは、或る販売代理店で発生する在庫品の在庫費を算出するための実データに基づいて、別の販売代理店で発生する在庫品の在庫費を推測するためのデータを含む。誤差レベルデータ１２０の例としては、在庫関連情報に含まれた実データ及び推測データに基づいて、販売代理店で発生する在庫品の在庫費を算出した際に発生する誤差のレベルを示すデータが挙げられる。誤差のレベルは、在庫関連情報に含まれる実データ数、及び、推測データの数に相関する。

販売代理店種類データ１０９の例としては、製造業者が自社で管理する自社拠点（例えば、グループ会社、資本関係のある会社など）、製造業者が自社で管理しない拠点（例えば、独立系の会社、資本関係のない会社など）、資本金、規模、店舗数などが挙げられる。位置データ１１０の例としては、販売代理店の立地が挙げられる。時間データ１１１の例としては、在庫の滞留時間、入出庫作業時間が挙げられる。数量データ１１２の例としては、入庫数、出庫数、使用設備台数、作業者数が挙げられる。費用単価データ１１３の例としては、労務費、光熱費、在庫金利、固定資産税、減価償却費、光熱費が挙げられる。ここで、販売代理店種類データ１０９、位置データ１１０、時間データ１１１、数量データ１１２、及び、費用単価データ１１３に含まれた情報は、拠点情報の一例である。

制御部１０５にある工場内在庫費算出部１１４は、工場内在庫データ記憶部１０２のデータを用いて工場内で発生する在庫品の在庫費を算出する。制御部１０５にある販売代理店在庫費算出部１１５は、販売代理店在庫データ記憶部１０４のデータを用いて販売代理店内で発生する在庫品の在庫費を算出する。また、制御部１０５にある販売代理店在庫費算出部１１５は、販売代理店在庫データ記憶部１０４のデータを用いて販売代理店内の在庫費に含まれた誤差のレベルを推測する。制御部１０５にある全体在庫費算出部１１６は、工場内在庫費算出部１１４で算出した工場内の在庫費と、販売代理店在庫費算出部１１５で算出した販売代理店内の在庫費から、全体の在庫費を算出する。また、制御部１０５にある全体在庫費算出部１１６は、販売代理店在庫費算出部１１５で算出した販売代理店内の在庫費と、販売代理店在庫費算出部１１５で算出した販売代理店内の誤差のレベルから、販売代理店内の在庫費に含まれる誤差を算出する。即ち、全体在庫費算出部１１６は、出力部の一例である。制御部１０５にある推測部１１９は、或る販売代理店の在庫関連情報に含まれた実データに基づいて、或る販売代理店とは別の販売代理店から開示されていない在庫関連情報の実データを推測した推測データを出力する。即ち、制御部１０５にある推測部１１９は、或る販売代理店で発生する在庫品の在庫費を算出するための実データに基づいて、別の販売代理店で発生する在庫品の在庫費を推測するための推測データを出力する。

図２は、製造業者に対して開示された在庫関連情報の一例を示す図である。
ここで、例えば、自社拠点の販売代理店は、入庫数、出庫数、滞留時間、及び、労務費に対応した在庫関連情報の実データを製造業者に対して開示したものとする。また、他社拠点の販売代理店は、入庫数に対応した在庫関連情報の実データを製造業者に対して開示したものとする。製造業者に対して開示されたデータは、在庫費算出装置１００の工場内在庫データ記憶部１０２、又は、販売代理店在庫データ記憶部１０４に反映される。図２に示すように、販売代理店は、在庫関連情報の一部の実データのみを製造業者に対して開示することが多く、全ての実データを製造業者に対して開示することが少ない。また、販売代理店は、自社拠点又は他社拠点という種類によっても、製造業者に対して開示する在庫関連情報の情報量が異なる。一般的に、自社拠点の販売代理店の方が、他社拠点の販売代理店よりも、製造業者に対して開示する在庫関連情報の情報量が多い。

従来の在庫費算出装置においては、在庫関連情報の実データが開示されていない販売代理店で発生する在庫品の在庫費を算出することができなかった。そのため、本開示に係る在庫費算出装置１００の推測部１１９は、或る販売代理店の在庫関連情報に含まれた実データに基づいて、或る販売代理店とは別の販売代理店から開示されていない在庫関連情報の実データを推測した推測データを出力する。推測部１１９は、例えば、拠点情報が類似した販売代理店から開示された在庫関連情報の実データに基づいて推測データを生成する。拠点情報は、販売代理店の立地を含む位置情報、販売代理店の規模、販売代理店に対して在庫品を出庫した数のうちの少なくとも一つを含む。また、拠点情報は、販売代理店の店舗数、資本金、作業者数、使用設備台数などを含んでいてもよい。このように、販売代理店の拠点情報を用いて推測データを生成することで、例えば、地価の高い地域に立地した販売代理店は、各費用単価が高くなる傾向にあり、地価の低い地域に立地した販売代理店は、各費用単価が低くなる傾向にある、というような推測をすることができる。これにより、推測データの推測の精度が高まり、在庫費の誤差のレベルを低減することができる。

図３は、販売代理店在庫費算出部１１５で実現される機能を示す図である。
在庫関連情報取得部１１５１は、販売代理店在庫データ記憶部１０４から、販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、或る在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する。

在庫費算出部１１５２は、在庫関連情報取得部１１５１で取得された在庫関連情報に含まれる実データ及び推測データに基づいて在庫品の在庫費を算出し、全体在庫費算出部１１６に出力する。これにより、在庫費算出部１１５２は、販売代理店から在庫関連情報の実データが開示されていない場合であっても、在庫関連情報の推測データに基づいて、販売代理店で発生する在庫品の在庫費を算出することができる。しかしながら、販売代理店から開示された在庫関連情報の実データの数が少ないほど（推測データの数が多いほど）、算出される在庫費の精度が低くなる。そのため、誤差推測部１１５３は、在庫費算出部１１５２で算出された在庫費の精度を示す情報（誤差のレベル）を出力する。具体的には、誤差推測部１１５３は、在庫関連情報取得部１１５１で取得された在庫関連情報に含まれる推測データの数の割合に応じて、在庫費算出部１１５２で算出された在庫品の在庫費に含まれた誤差のレベルを推測し、全体在庫費算出部１１６へと出力する。本実施の形態において、誤差推測部１１５３は、誤差レベルデータ１２０を参照することで、在庫関連情報に含まれる推測データの数の割合に応じた誤差のレベルを推測する。本実施の形態では、誤差のレベルを「割合（％）」で示す。しかし、誤差のレベルの態様は、これに限らない。少なくとも、誤差のレベルは、「高」「中」「低」など、誤差の程度を示す情報であればよい。

誤差レベルデータ１２０には、図４に示すような、在庫費の誤差のレベル（割合）と、推測データの数の割合の関係を示すデータが含まれる。図４のパターン４においては、推測データの数の割合が０（％）以上２５（％）未満の場合に、在庫費の誤差のレベルが在庫費の０（％）と設定されている。また、推測データの数の割合が２５（％）以上５０（％）未満の場合に、在庫費の誤差のレベルが在庫費の２０（％）と設定されている。また、推測データの数の割合が５０（％）以上７５（％）未満の場合に、在庫費の誤差のレベルが在庫費の３０（％）と設定されている。また、推測データの数の割合が７５％以上の場合に、在庫費の誤差のレベルが在庫費の４０（％）と設定されている。ここで、例えば、実データ数が１個、推測データ数が７個の場合、推測データ数の割合は７（個）／（１＋７）（個）×１００＝８７．５（％）である。この場合、誤差推測部１１５３は、推測データの数の割合に対応する在庫費の誤差のレベル（割合）を４０（％）と推測する。また、例えば、実データ数が７個、推測データ数が１個の場合、推測データ数の割合は１（個）／（１＋７）（個）×１００＝１２．５（％）である。この場合、誤差推測部１１５３は、推測データ数の割合に対応する在庫費の誤差のレベル（割合）を０（％）と推測する。

在庫費の誤差のレベル（割合）と推測データの数の割合の関係は、図４のパターン４のような階段状の関数のパターンに限らず、様々なパターンがあり得る。例えば、パターン１のような線形関数のパターン、パターン２のような上に凸の関数のパターン、パターン３のような下に凸の関数のパターン、などがある。また、在庫費の誤差のレベル（割合）と推測データの数の割合の関係は、例示したパターンに限らず、少なくとも、推定データの数の割合が大きくなるにつれて在庫費の誤差のレベル（割合）が大きくなればよい。また、在庫費の誤差のレベル（割合）と推測データの数の割合の関係は、在庫費算出装置１００のユーザの操作によって設定されてもよいし、在庫費算出装置１００の導入時などに設定されてもよい。さらに、在庫費の誤差のレベル（割合）と実データ数の割合の関係は、販売代理店ごとに設定されてもよい。

図５は、工場内在庫費算出部１１４で実現される機能を示す図である。
在庫関連情報取得部１１４１は、工場内在庫データ記憶部１０２から、工場で発生する在庫品の在庫費を算出するための在庫関連情報を取得する。即ち、在庫関連情報取得部１１４１は、拠点で発生する在庫品の在庫費を算出するための在庫関連情報を取得する在庫関連情報取得部の一例である。在庫費算出部１１４２は、在庫関連情報取得部１１４１で取得された在庫関連情報に基づいて在庫品の在庫費を算出する。また、在庫費算出部１１４２は、時間に相関する在庫費、及び、時間に相関しない在庫費に分けて算出する。また、在庫費算出部１１４２は、算出された在庫品の在庫費を全体在庫費算出部１１６に出力する。なお、工場が複数存在する場合、工場内在庫費算出部１１４は、各工場で発生する在庫費を算出して、出力する。ところで、工場内在庫費算出部１１４の機能は、販売代理店在庫費算出部１１５の機能で実現してもよい。具体的には、工場内在庫費算出部１１４の在庫関連情報取得部１１４１の機能は、販売代理店在庫費算出部１１５の在庫関連情報取得部１１５１の機能で実現してもよい。また、工場内在庫費算出部１１４の在庫費算出部１１４２の機能は、販売代理店在庫費算出部１１５の在庫費算出部１１５２の機能で実現してもよい。

図６は、在庫費算出装置１００を構成するハードウェアの一例を示す図である。
ＣＰＵ４０１は、主記憶に格納されたプログラムなどを実行することにより、図１に示す、工場内在庫費算出部１１４、推測部１１９、販売代理店在庫費算出部１１５、及び、全体在庫費算出部１１６という各機能を実現する。主記憶４０２は、例えば、不揮発性のメモリであり、ＣＰＵ４０１に実行される各種プログラムを記憶する。インターフェース４０４は、外部の装置とデータを入出力するためのインターフェースである。インターフェース４０４は、例えば、ネットワークを介して、工場や販売代理店から送信された情報を取得する。記憶部４０５は、例えば、ＨＤＤであり、工場内在庫データ記憶部１０２及び販売代理店在庫データ記憶部１０４を有する。ＣＰＵ４０１に処理される各種データを記憶する。記憶部４０５は、記憶されたデータをＣＰＵ４０１へと転送する。

次に、工場内在庫費算出部１１４が、工場内に発生する在庫費を、時間と相関関係を有する費用と、時間と相関関係を有さない費用とに分けて算出する例について説明する。時間と相関関係を有する費用は、図７に示すデータテーブルを用いて算出する。図７は、時間と相関関係を有する費用を算出するためのテーブルの一例である。在庫関連情報取得部１１４１は、工場内在庫データ記憶部１０２から、各在庫ＩＤの時間データと費用単価データを取得する。時間データの種類の例に、滞留時間、製造時間がある。時間データの値は、時間を表す単位（秒、分、時間など）の値である。費用単価データの種類の例に、光熱費、製造費、在庫金利、労務費がある。費用単価データの値は、時間当たりの金額を表す単位（１秒当りの金額（円）、１分当たりの金額（米ドル）など）の値である。在庫費算出部１１４２は、在庫関連情報取得部１１４１で取得された時間データの値と費用単価データの値を在庫ＩＤごとに乗じることで、在庫ＩＤごとの在庫費を算出する。

時間と相関関係を有さない費用は、図８に示すデータテーブルを用いて算出する。図８は、時間と相関関係を有さない費用を算出するためのテーブルの一例である。在庫関連情報取得部１１４１は、工場内在庫データ記憶部１０２から、数量データと費用単価データを取得する。数量データの種類の例に、材料消費量、エネルギー消費量、作業者数がある。数量データの値は、個数や量や重さを表す単位（個、人、リットル、キロワット、グラムなど）の値である。費用単価データの種類の例に、材料費、光熱費、労務費がある。費用単価データの値は、数量当たりの金額を表す単位（１個当たりの金額（円）、１キロワット当たりの金額（米ドル）など）の値である。在庫費算出部１１４２は、在庫関連情報取得部１１４１で取得された数量データの値と費用単価データの値を乗じることで在庫費を算出する。

販売代理店に発生する在庫費の算出方法は、図２において「〇：製造業者に対して開示する情報」の項目と、「×：製造業者に対して開示しない情報」の項目に分けて述べる。まず「〇：製造業者に対して開示する情報」の項目について述べる。販売代理店在庫費算出部１１５は、販売代理店に発生する在庫費を、時間と相関関係を有する費用と、時間と相関関係を有さない費用とに分けて算出する。時間と相関関係を有する費用は、図９に示すデータテーブルを用いて算出する。図９は、時間と相関関係を有する費用を算出するためのテーブルの一例である。在庫関連情報取得部１１５１は、販売代理店在庫データ記憶部１０４から、時間データと費用単価データを取得する。時間データの種類の例に、滞留時間がある。「実データ／推測データ」の項目は、時間データの種類が製造業者に対して開示された情報の場合「実データ」というデータが入る。時間データの値は、時間を表す単位（秒、分、時間など）の値である。費用単価データの種類の例に、労務費、光熱費、在庫金利がある。「実データ／推測データ」の項目は、費用単価データの種類が製造業者に対して開示された情報の場合「実データ」というデータが入る。費用単価データの値は、時間当たりの金額を表す単位（１秒当りの金額（円）、１分当たりの金額（米ドル）など）の値である。在庫費算出部１１５２は、在庫関連情報取得部１１５１で取得された時間データの値と費用単価データの値を乗じることで、在庫費を算出する。

時間と相関関係を有さない費用は、図１０に示すデータテーブルを用いて算出する。図１０は、時間と相関関係を有さない費用を算出するためのテーブルの一例である。在庫関連情報取得部１１５１は、販売代理店在庫データ記憶部１０４から、数量データと費用単価データを取得する。数量データの種類の例に、入庫数、出庫数がある。「実データ／推測データ」の項目は、数量データの種類が製造業者に対して開示された情報の場合「実データ」というデータが入る。数量データの値は、個数や量や重さを表す単位（個、人、リットル、キロワット、グラムなど）の値である。費用単価データの種類の例に、労務費、光熱費、在庫費がある。「実データ／推測データ」の項目は、費用単価データの種類が製造業者に対して開示された情報の場合「実データ」というデータが入る。費用単価データの値は、数量当たりの金額を表す単位（１個当たりの金額（円）、１キロワット当たりの金額（米ドル）など）の値である。在庫費算出部１１５２は、在庫関連情報取得部１１５１で取得された数量データの値と費用単価データの値を乗じることで在庫費を算出する。

次に、「×：製造業者に対して開示しない情報」の項目について述べる。「〇：工場に対して開示する情報」の項目と同様に、時間と相関関係を有する費用は図９のデータテーブルを、時間と相関関係を有さない費用は図１０のデータテーブルを用いて算出する。図９、図１０のデータテーブル内の「実データ／推測データ」には「推測データ」というデータが入力されている。また、「値」には、推測部１１９が公知の情報から推測したデータが入力されている。

以下、図１に示した在庫費算出装置を構成する各部の動作について説明する。図１１、図１２、図１３は本システムが在庫費算出をするまでの処理フローである。図１１は、工場内在庫費算出部１１４の処理を示すフローチャート図である。図１２は、販売代理店在庫費算出部１１５の処理を示すフローチャート図である。図１３は、全体在庫費算出部１１６の処理を示すフローチャート図である。

まず、図１１を用いて工場内在庫費算出部１１４で行われる処理を述べる。
ステップＳ１において、工場内在庫費算出部１１４は、複数ある工場の中から最初に算出対象とする工場を選択する。ステップＳ２において、工場内在庫費算出部１１４は、ステップＳ２で選択された工場に保管された複数ある在庫品の在庫ＩＤの中から最初に算出対象とする在庫ＩＤを選択する。ステップＳ３において、工場内在庫費算出部１１４（在庫関連情報取得部１１４１）は、ステップＳ２で選択した在庫ＩＤの在庫品の在庫費を算出するための実データ（時間データ、費用単価データ）を含む在庫関連情報を工場内在庫データ記憶部１０２から取得する。ステップＳ４において、工場内在庫費算出部１１４（在庫費算出部１１４２）は、ステップＳ３で取得した在庫関連情報に含まれる実データ（時間データ、費用単価データ）に基づいて各在庫ＩＤの在庫品の在庫費を算出する。ステップＳ５において、工場内在庫費算出部１１４は、在庫費算出未実施の在庫ＩＤがあるかどうかを判定し、Ｙｅｓの場合はステップＳ１に戻って、在庫費算出未実施の在庫ＩＤについてステップＳ１、Ｓ２、Ｓ３、Ｓ４を行う。Ｎｏの場合はステップＳ６に進む。ステップＳ６において、工場内在庫費算出部１１４は、各在庫ＩＤの在庫費を足し合わせて、時間と相関関係を有する費用を算出する。以上、ステップＳ１からステップＳ６までが、時間と相関関係を有する費用の算出フローである。

次に、ステップＳ７において、工場内在庫費算出部１１４（在庫関連情報取得部１１４１）は、在庫品の在庫費を算出するための実データ（数量データ、費用単価データ）を含む在庫関連情報を工場内在庫データ記憶部１０２から取得する。ステップＳ８において、工場内在庫費算出部１１４（在庫費算出部１１４２）は、ステップＳ７で取得した在庫関連情報に含まれる実データ（数量データ、費用単価データ）に基づいて在庫費を算出する。ステップＳ９において、工場内在庫費算出部１１４は、ステップＳ８において算出した在庫費を足し合わせて、時間と相関関係を有さない費用を算出する。以上ステップＳ７からステップＳ９までが、時間と相関関係を有さない費用の算出フローである。

ステップＳ１０において、工場内在庫費算出部１１４は、在庫費算出未実施の工場があるかどうかを判定し、Ｙｅｓの場合はステップＳ１に戻って、在庫費算出未実施の工場についてステップＳ１からステップＳ９までを行う。Ｎｏの場合はステップＳ１１に進む。ステップＳ１１において、工場内在庫費算出部１１４は、各工場の在庫費を出力して終了する。

次に、図１２を用いて販売代理店在庫費算出部１１５で行われる処理を述べる。
ステップＳ１０１において、販売代理店在庫費算出部１１５は、複数ある販売代理店の中から最初に算出対象とする販売代理店を選択する。ステップＳ１０２において、販売代理店在庫費算出部１１５（在庫関連情報取得部１１５１）は、ステップＳ１０１で選択された販売代理店の在庫品の在庫費を算出するための実データ及び在庫品の在庫費を推測するための推測データ（時間データ、費用単価データ）を含む在庫関連情報を販売代理店在庫データ記憶部１０４から取得する。ステップＳ１０３において、販売代理店在庫費算出部１１５（在庫費算出部１１５２）は、ステップＳ１０２で取得した在庫関連情報に含まれる実データ及び推測データ（時間データ、費用単価データ）に基づいて在庫品の在庫費を算出する。ステップＳ１０４において、販売代理店在庫費算出部１１５は、ステップＳ１０３で算出した在庫費を足し合わせて、時間と相関関係を有する費用を算出する。以上ステップＳ１０２からステップＳ１０４までが、時間と相関関係を有する費用の算出フローである。

ステップＳ１０５において、販売代理店在庫費算出部１１５（在庫関連情報取得部１１５１）は、ステップＳ１０１で選択された販売代理店の在庫品の在庫費を算出するための実データ及び在庫品の在庫費を推測するための推測データ（数量データ、費用単価データ）を含む在庫関連情報を販売代理店在庫データ記憶部１０４から取得する。ステップＳ１０６において、販売代理店在庫費算出部１１５（在庫費算出部１１５２）は、ステップＳ１０５で取得した在庫関連情報に含まれる実データ及び推測データ（数量データ、費用単価データ）に基づいて在庫品の在庫費を算出する。ステップＳ１０７において、販売代理店在庫費算出部１１５は、ステップＳ１０６で算出した在庫費を足し合わせて、時間と相関関係を有する費用を算出する。以上ステップＳ１０５からステップＳ１０７までが、時間と相関関係を有さない費用の算出フローである。

ステップＳ１０８において、販売代理店在庫費算出部１１５（誤差推測部１１５３）は、在庫関連情報取得部１１５１で取得された在庫関連情報に含まれる推測データの割合に応じて、在庫費算出部１１５２で算出された在庫品の在庫費に含まれた誤差のレベルを推測する。具体的には、誤差推測部１１５３は、ステップＳ１０２とステップＳ１０５で取得した在庫関連情報の内、「実データ」である項目と、「推測データ」である項目の数から在庫費の誤差のレベルを推測する。在庫費の誤差のレベルは、実データの数と推測データの数の合計数の内、推測データの数が占める割合から推測される。

ステップＳ１０９において、販売代理店在庫費算出部１１５は、在庫費算出未実施の販売代理店があるかどうかを判定し、Ｙｅｓの場合はステップＳ１０１に戻って、在庫費算出未実施の販売代理店についてステップＳ１０１からステップＳ１０８までを行う。Ｎｏの場合はステップＳ１１０に進む。ステップＳ１１０において、販売代理店在庫費算出部１１５は、各販売代理店の在庫費と、各販売代理店の在庫費の誤差のレベルを出力して終了する。

次に、図１３を用いて全体在庫費算出部１１６で行われる処理を述べる。
ステップＳ２０１において、全体在庫費算出部１１６は、工場内在庫費算出部１１４の在庫費算出部１１４２で算出された各工場の在庫費を取得する。

ステップＳ２０２において、全体在庫費算出部１１６は、販売代理店在庫費算出部１１５の在庫費算出部１１５２で算出された各販売代理店の在庫費、及び、販売代理店在庫費算出部１１５の誤差推測部１１５３で推測された各販売代理店の在庫費の誤差のレベルを取得する。

ステップＳ２０３において、全体在庫費算出部１１６は、ステップＳ２０２で取得された各販売代理店の在庫費、及び、各販売代理店の在庫費の誤差のレベルに基づいて、各販売代理店の在庫費の誤差を金額として算出する。

ステップＳ２０４において、全体在庫費算出部１１６は、ステップＳ２０１で取得された工場内在庫費算出部１１４の在庫費算出部１１４２で算出された在庫費、及び、ステップＳ２０２で取得された販売代理店在庫費算出部１１５の在庫費算出部１１５２で算出された在庫費を出力する。即ち、各工場の在庫費と、各販売代理店の在庫費を出力する。

ステップＳ２０５において、全体在庫費算出部１１６は、ステップＳ２０３で算出された各販売代理店の在庫費の誤差を出力する。

ここで、工場が２つ（工場１、工場２）、工場のグループ会社の販売代理店が１つ（販売代理店１）、独立系販売代理店が２つ（販売代理店２、販売代理店３）ある場合に在庫費を算出する例を述べる。

まず、図１１のフローに従って各工場の在庫費を出力する具体例を述べる。
図１４、１５は、工場１から開示された在庫関連情報を示す図である。図１６、１７は、工場２から開示された在庫関連情報を示す図である。工場１のデータは図１４と図１５、工場２のデータは図１６と図１７を用いることとする。図１１のステップＳ１において、工場内在庫費算出部１１４は、工場１を選択したとする。ステップＳ２において、工場内在庫費算出部１１４は、在庫ＩＤ１０１を選択したとする。ステップＳ３において、工場内在庫費算出部１１４は、図１４の「在庫ＩＤ」が「１０１」であるデータ３行を取得する。ステップＳ４において、工場内在庫費算出部１１４は、１行目のデータから３（時間）×５（円／日）＝１５（円）、２行目のデータから７０（秒）×１０（円／秒）＝７００（円）、３行目のデータから２（日）×１０（円／日）＝２０（円）と計算する。ステップＳ５において、工場内在庫費算出部１１４は、在庫費算出未実施の在庫ＩＤ「１０２」が存在するため、ステップＳ１に戻る。

ステップＳ２において、工場内在庫費算出部１１４は、在庫ＩＤ１０２を選択する。ステップＳ３において、工場内在庫費算出部１１４は、図１４の「在庫ＩＤ」が「１０２」であるデータ２行を取得する。ステップＳ４において、工場内在庫費算出部１１４は、１行目のデータから２（分）×１３（円／分）＝２６（円）、２行目のデータから３（日）×１０（円／日）＝３０（円）と計算する。ステップＳ５において、工場内在庫費算出部１１４は、在庫費算出未実施の在庫ＩＤは存在しないため、ステップＳ６に進む。ステップＳ６において、工場内在庫費算出部１１４は、在庫ＩＤ「１０１」の在庫費（１５（円）＋７００（円）＋２０（円）＝７３５（円））と、在庫ＩＤ「１０２」の在庫費（２６（円）＋３０（円）＝５６（円））を足し合わせて、時間と相関関係を有する費用は７３５（円）＋５６（円）＝７９１（円）と算出する。

ステップＳ７において、工場内在庫費算出部１１４は、図１５のデータ１行を取得する。ステップＳ８において、工場内在庫費算出部１１４は、１００（個）×１０（円／個）＝１０００（円）と算出する。ステップＳ９において、工場内在庫費算出部１１４は、時間と相関関係を有さない費用は１０００（円）と算出する。（今回の例ではステップＳ７で取得したデータが１行しかないため、ステップＳ８で算出した値がそのままステップＳ９の値となる。ステップＳ７で取得したデータが複数行ある場合は、それらの値をステップＳ９で足し合わせる。）

ステップＳ１０において、工場内在庫費算出部１１４は、在庫費算出未実施の工場「工場２」が存在するため、ステップＳ１に戻る。ステップＳ１で工場２を選択し、ステップＳ２からステップＳ９までを、工場１の例と同様に処理する。ステップＳ１１において、工場内在庫費算出部１１４は、工場１の在庫費は７９１（円）＋１０００（円）＝１７９１（円）、工場２の在庫費は１５０２（円）となる。

図１２のフローに従って各販売代理店の在庫費を出力する具体例を述べる。
図１８、１９は、販売代理店１の在庫関連情報を示す図である。図２０、２１は、販売代理店２の在庫関連情報を示す図である。図２２、２３は、販売代理店３の在庫関連情報を示す図である。販売代理店１（自社拠点：工場のグループ会社の販売代理店）のデータは図１８と図１９、販売代理店２（他社拠点：独立系の販売代理店）のデータは図２０と図２１、販売代理店３（他社拠点：独立系の販売代理店）のデータは図２２と図２３を用いることとする。図１２のステップＳ１０１において、販売代理店在庫費算出部１１５は、販売代理店１を選択したとする。ステップＳ１０２において、販売代理店在庫費算出部１１５は、図１８のデータ２行を取得する。ステップＳ１０３において、販売代理店在庫費算出部１１５は、１行目のデータから２０（時間）×２０（円／時間）＝４００（円）、２０（時間）×５（円／時間）＝１００（円）と計算する。ステップＳ１０４において、販売代理店在庫費算出部１１５は、ステップＳ１０３で算出した４００（円）と１００（円）を足し合わせて、時間と相関関係を有する費用は４００（円）＋１００（円）＝５００（円）と算出する。

ステップＳ１０５において、販売代理店在庫費算出部１１５は、図１９のデータ２行を取得する。ステップＳ１０６において、販売代理店在庫費算出部１１５は、１行目のデータから５００（個）×２（円／個）＝１０００（円）、２行目のデータから１００（個）×３（円／個）＝３００（円）と計算する。ステップＳ１０７において、販売代理店在庫費算出部１１５は、ステップＳ１０６で算出した１０００（円）と３００（円）を足し合わせて、時間と相関関係を有さない費用は１０００（円）＋３００（円）＝１３００（円）と算出する。

ステップＳ１０８において、販売代理店在庫費算出部１１５（誤差推測部１１５３）は、推測データ数の割合に対応する在庫費の誤差のレベル（割合）を推測する。ここで、Ｓ１０２で取得したデータすなわち図１８と、Ｓ１０５で取得したデータすなわち図１９の内、「実データ」である項目は８個、「推測データ」である項目は０個である。従って、推測データ数の割合は０（％）である。販売代理店在庫費算出部１１５（誤差推測部１１５３）は、例えば、図４のパターン４を参照して、推測データの数の割合が０（％）の場合に対応する在庫費の誤差のレベルとして０（％）を推定する。

ステップＳ１０９において、販売代理店在庫費算出部１１５は、在庫費算出未実施の販売代理店は販売代理店２と、販売代理店３が存在するため、ステップＳ１０１に戻る。

ステップＳ１０１において、販売代理店在庫費算出部１１５は、販売代理店２を選択したとする。ステップＳ１０２において、販売代理店在庫費算出部１１５は、図２０のデータ２行を取得する。ステップＳ１０３において、１行目のデータから１５（時間）×３０（円／時間）＝４５０（円）、１５（時間）×７（円／時間）＝１０５（円）と計算する。ステップＳ１０４において、販売代理店在庫費算出部１１５は、ステップＳ１０３で算出した４５０（円）と１０５（円）を足し合わせて、時間と相関関係を有する費用は４５０（円）＋１０５（円）＝５５５（円）と算出する。

ステップＳ１０５において、販売代理店在庫費算出部１１５は、図２１のデータ２行を取得する。ステップＳ１０６において、販売代理店在庫費算出部１１５は、１行目のデータから１００（個）×３（円／個）＝３００（円）、２行目のデータから５０（個）×４（円／個）＝２００（円）と計算する。ステップＳ１０７において、販売代理店在庫費算出部１１５は、ステップＳ１０６で算出した３００（円）と２００（円）を足し合わせて、時間と相関関係を有さない費用は３００（円）＋２００（円）＝５００（円）と算出する。

ステップＳ１０８において、販売代理店在庫費算出部１１５（誤差推測部１１５３）は、推測データ数の割合に対応する在庫費の誤差のレベル（割合）を推測する。ここで、Ｓ１０２で取得したデータすなわち図２０と、Ｓ１０５で取得したデータすなわち図２１の内、「実データ」である項目は１個、「推測データ」である項目は７個である。従って、推測データ数の割合は７（個）／（１＋７）（個）×１００＝８７．５（％）である。販売代理店在庫費算出部１１５（誤差推測部１１５３）は、例えば、図４のパターン４を参照して、推測データの数の割合が７５（％）以上の場合に対応する、在庫費の誤差のレベルとして４０（％）を推定する。

ステップＳ１０９において、販売代理店在庫費算出部１１５は、在庫費算出未実施の販売代理店は販売代理店３が存在するため、ステップＳ１０１に戻る。

販売代理店３についても、販売代理店２と同様に在庫費算出を行うと、時間と相関関係を有する費用は１３５０（円）、時間と相関関係を有さない費用は５１０（円）、在庫費の誤差のレベルとして４０（％）を推定する。

ステップＳ１１０において、販売代理店在庫費算出部１１５は、販売代理店１の在庫費は５００（円）＋１３００（円）＝１８００（円）、在庫費の誤差のレベルは０（％）、販売代理店２の在庫費は５５５（円）＋５００（円）＝１０５５（円）、在庫費の誤差のレベルは４０（％）、販売代理店３の在庫費は１３５０（円）＋５１０（円）＝１８６０（円）、在庫費の誤差のレベルは４０（％）となる。

図１３のフローに従って全体の在庫費を出力する具体例を述べる。
ステップＳ２０１において、全体在庫費算出部１１６は、工場１の在庫費として１７９１（円）、工場２の在庫費として１５０２（円）を取得する。ステップＳ２０２において、全体在庫費算出部１１６は、販売代理店１の在庫費として１８００（円）、在庫費の誤差のレベルとして０（％）、販売代理店２の在庫費として１０５５（円）、在庫費の誤差のレベルとして４０（％）、販売代理店３の在庫費として１８６０（円）、在庫費の誤差のレベルとして４０（％）を取得する。ステップＳ２０３において、全体在庫費算出部１１６は、販売代理店１の在庫費の誤差は１８００（円）×０（％）＝０（円）、販売代理店２の在庫費の誤差は１０５５（円）×４０（％）＝４２２（円）、販売代理店３の在庫費の誤差は１８６０（円）×４０（％）＝７４４（円）と算出する。ステップＳ２０４において、全体在庫費算出部１１６は、各工場の在庫費と、各販売代理店の在庫費を足し合わせて、１７９１（円）＋１５０２（円）＋１８００（円）＋１０５５（円）＋１８６０（円）＝８００８（円）と出力する。ステップＳ２０５において、全体在庫費算出部１１６は、各販売代理店の在庫費の誤差を足し合わせて、０（円）＋４２２（円）＋７４４（円）＝１１６６（円）と出力する。なお、全体在庫費算出部１１６は、各工場の在庫費、各販売代理店の在庫費、及び、各販売代理店の在庫費の誤差を夫々足し合わせずに出力してもよい。

本開示によれば、販売代理店から在庫関連情報の実データが開示されていない場合であっても、在庫関連情報の推測データに基づいて、販売代理店で発生する在庫品の在庫費を算出することができる。これにより、在庫費の算出精度の低下を抑制することができる。また、本開示によれば、在庫費算出部１１５２で算出された在庫費の精度を示す情報（誤差のレベル）を出力することができる。これにより、算出された在庫費に含まれた誤差のレベルを把握することができる。また、本開示によれば、在庫費算出の対象を工場だけでなく販売代理店をも含み、かつ、販売代理店の種類の違いによる、工場に対して開示する情報量の違いをも考慮に入れた在庫費を算出することができる。これにより、販売代理店での在庫過多や過少を抑制することができる。

実施の形態２．
以上の実施の形態１では、誤差推測部１１５３は、販売代理店の在庫関連情報に含まれる実データの数と推測データの数の合計数の内、推測データの数が占める割合から在庫費に含まれた誤差のレベルを推測した。実施の形態２では、販売代理店の在庫費に含まれた誤差のレベルを、販売代理店の在庫関連情報を機械学習した学習済モデルを用いて推測する。具体的には、誤差推測部１１５３は、在庫関連情報取得部１１５１で取得された販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測する。拠点情報は、例えば、販売代理店の立地を含む位置情報、販売代理店の規模、販売代理店に対して在庫品を出庫した数のうちの少なくとも一つを含む。また、拠点情報は、販売代理店の店舗数、資本金、作業者数、使用設備台数などを含んでいてもよい。このように、販売代理店の拠点情報を含めて機械学習した学習済モデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測することにより、例えば、或る販売代理店と立地の近い別の販売代理店から開示された誤差のレベルに基づいて、或る販売代理店の誤差のレベルを推測することが可能となる。これにより、誤差のレベルの推測の精度が高まり、在庫費の誤差を低減することができる。

まず、機械学習によって学習済みモデルを生成する態様について説明する。
図２４は、在庫費算出装置１００に関する学習装置２００の構成図である。
学習済みモデルは、学習装置２００により生成される。学習装置２００は、データ取得部２０１、モデル生成部２０２、及び、学習済モデル記憶部２０３を備える。学習装置２００は、例えば、ネットワークを介して在庫費算出装置１００に接続され、この在庫費算出装置１００とは別個の装置であってもよい。また、学習装置２００は、在庫費算出装置１００に内蔵されていてもよい。さらに、学習装置２００は、クラウドサーバ上に存在していてもよい。

データ取得部２０１は、在庫費算出装置１００の販売代理店在庫データ記憶部１０４から販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報を学習用データとして取得する。

モデル生成部２０２は、データ取得部２０１から出力される販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組合せに基づいて作成される学習用データに従って、販売代理店の在庫費に含まれた誤差のレベルを学習する。すなわち、販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組合せから最適な販売代理店の在庫費に含まれた誤差のレベルを推論する学習済モデルを生成する。ここで、学習用データは、販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報を互いに関連付けたデータである。

モデル生成部２０２が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。 モデル生成部２０２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、販売代理店の在庫品の在庫費に含まれた誤差のレベルを学習する。ここで、教師あり学習とは、入力と結果のデータの組を学習装置に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層(隠れ層)、及び複数のニューロンからなる出力層で構成される。中間層は、１層、又は２層以上でもよい。

例えば、図２５に示すような３層のニューラルネットワークであれば、複数の入力が入力層（Ｘ１‐Ｘ３）に入力されると、その値に重みＷ１（ｗ１１‐ｗ１６）を掛けて中間層（Ｙ１‐Ｙ２）に入力され、その結果にさらに重みＷ２（ｗ２１‐ｗ２６）を掛けて出力層（Ｚ１‐Ｚ３）から出力される。この出力結果は、重みＷ１とＷ２の値によって変わる。

本開示において、ニューラルネットワークは、データ取得部２０１によって取得される、販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、販売代理店の在庫費に含まれた誤差のレベルを学習する。

すなわち、ニューラルネットワークは、入力層に販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店に関する拠点情報を入力して出力層から出力された結果が、販売代理店の在庫品の在庫費に含まれた誤差のレベルに近づくように重みＷ１とＷ２を調整することで学習する。

モデル生成部２０２は、以上のような学習を実行することで学習済モデルを生成し、出力する。学習済モデル記憶部２０３は、モデル生成部２０２から出力された学習済モデルを記憶する。

次に、図２６を用いて、学習装置２００が学習する処理について説明する。図２６は学習装置２００の学習処理に関するフローチャートである。

ステップｂ１において、データ取得部２０１は、在庫費算出装置１００の販売代理店在庫データ記憶部１０４から販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報を取得する。なお、販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報を同時に取得するものとしたが、それぞれのデータを関連づけて入力できれば良く、それぞれのデータをそれぞれ別のタイミングで取得しても良い。

ステップｂ２において、モデル生成部２０２は、データ取得部２０１によって取得される販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫品の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、販売代理店の在庫費に含まれた誤差のレベルを学習し、学習済モデルを生成する。

ステップｂ３において、学習済モデル記憶部２０３は、モデル生成部２０２が生成した学習済モデルを記憶する。

＜活用フェーズ＞
図２７は実施の形態２に係る販売代理店在庫費算出部１１５で実現される機能を示す図である。実施の形態１と相違する点のみ説明する。

在庫関連情報取得部１１５１は、販売代理店在庫データ記憶部１０４から、販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、或る在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する。また、在庫関連情報取得部１１５１は、販売代理店在庫データ記憶部１０４から、販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店に関する拠点情報を取得する。

誤差推測部１１５３は、学習済モデルを利用して得られる販売代理店の在庫費に含まれた誤差のレベルを推論する。すなわち、この学習済モデルに在庫関連情報取得部１１５１で取得した 販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店に関する拠点情報を入力することで、入力された情報から推論される販売代理店の在庫費に含まれた誤差のレベルを出力することができる。

なお、本実施の形態では、モデル生成部２０２で学習した学習済モデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを出力するものとして説明したが、外部から学習済モデルを取得し、この学習済モデルを用いて販売代理店の在庫費に含まれた誤差のレベルを出力するようにしてもよい。

次に、図２８を用いて、販売代理店在庫費算出部１１５が、学習済モデルから誤差のレベルを取得する処理を説明する。

ステップｃ１において、在庫関連情報取得部１１５１は、販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店に関する拠点情報を取得する。

ステップｃ２において、誤差推測部１１５３は、学習済モデル記憶部２０３に記憶された学習済モデルに、販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店に関する拠点情報を入力する。

ステップｃ３において、誤差推測部１１５３は、学習済モデルにより得られた販売代理店の在庫費に含まれた誤差のレベルを取得する。また、誤差推測部１１５３は、取得した誤差のレベルを全体在庫費算出部１１６に出力する。

全体在庫費算出部１１６は、出力された販売代理店の在庫費に含まれた誤差のレベルを用いて販売代理店の在庫費の誤差を金額として算出する。具体的には、全体在庫費算出部１１６は、販売代理店の在庫費と、販売代理店の在庫費の誤差のレベルに応じた割合を乗じることで、各販売代理店の在庫費の誤差を金額として算出する。これにより、推測データの割合だけでなく拠点情報を加味したうえで、販売代理店の在庫費の誤差を金額として算出することができる。

なお、本実施の形態では、誤差推測部１１５３は、販売代理店の在庫関連情報に含まれる推測データの割合、販売代理店の在庫費に含まれた誤差のレベル、及び、販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測した。しかしながら、誤差推測部１１５３は、販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店の在庫費に含まれた誤差のレベルの組み合わせの機械学習によって生成された学習済みモデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測してもよい。この場合、学習装置２００は、販売代理店の在庫関連情報に含まれる推測データの割合、及び、販売代理店の在庫費に含まれた誤差のレベルの組み合わせの機械学習によって学習済みモデルを生成すればよい。

なお、本実施の形態では、モデル生成部２０２が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習以外にも、強化学習、教師なし学習、又は半教師あり学習等を適用することも可能である。

モデル生成部２０２に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いることもでき、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。

また、例えば、販売代理店の在庫関連情報に含まれる実データが４つ、推測データが２つの場合に算出した在庫費の誤差を「Ａ（例えば、４０（％））」とし、その実データ４つを全て推測データだったとした場合に算出した在庫費の誤差を「Ｂ（例えば、８０（％））」とする。「Ａ」を正解データとして、「Ｂ」の算出精度が高くなるように学習する機械学習によって学習済みモデルを生成してもよい。

本実施形態によれば、販売代理店の拠点情報を含めて機械学習した学習済モデルを用いて、販売代理店の在庫費に含まれた誤差のレベルを推測することにより、例えば、或る販売代理店と立地の近い別の販売代理店から開示された誤差のレベルに基づいて、或る販売代理店の誤差のレベルを推測することが可能となる。これにより、誤差のレベルの推測の精度が高まり、在庫費の誤差を低減することができる。

実施の形態３．
実施の形態１において、推測部１１９は、或る販売代理店から開示されていない在庫関連情報の実データを推測した推測データを、別の販売代理店から開示された在庫関連情報に含まれた実データに基づいて生成した。実施の形態３において、推測部１１９は、或る販売代理店から開示された在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、別の販売代理店から開示されていない在庫関連情報の実データを推測した推測データを出力してもよい。即ち、推測部１１９は、或る販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、或る販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、別の販売代理店で発生する在庫品の在庫費を推定するための推定データを出力してもよい。

図２３を参照しながら機械学習によって学習済みモデルを生成する態様について説明する。学習済みモデルは、学習装置２００により生成される。学習装置２００は、データ取得部２０１、モデル生成部２０２、及び、学習済モデル記憶部２０３を備える。学習装置２００は、例えば、ネットワークを介して在庫費算出装置１００に接続され、この在庫費算出装置１００とは別個の装置であってもよい。また、学習装置２００は、在庫費算出装置１００に内蔵されていてもよい。さらに、学習装置２００は、クラウドサーバ上に存在していてもよい。

データ取得部２０１は、在庫費算出装置１００の販売代理店在庫データ記憶部１０４から或る販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報の組み合わせを学習用データとして取得する。

モデル生成部２０２は、データ取得部２０１から出力された或る販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報の組み合わせに基づいて作成される学習用データに従って、別の販売代理店の在庫関連情報の実データを推測した推測データを学習する。すなわち、販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報の組み合わせから最適な別の販売代理店の在庫関連情報の実データを推測した推測データを推論する学習済モデルを生成する。ここで、学習用データは、或る販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報を互いに関連付けたデータである。

モデル生成部２０２が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。 モデル生成部２０２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、或る販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報の組み合わせを学習する。ここで、教師あり学習とは、入力と結果のデータの組を学習装置に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。ニューラルネットワークは、入力層に或る販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報を入力して出力層から出力された結果が、販売代理店の実データに近づくように重みＷ１とＷ２を調整することで学習する。

モデル生成部２０２は、以上のような学習を実行することで学習済モデルを生成し、出力する。学習済モデル記憶部２０３は、モデル生成部２０２から出力された学習済モデルを記憶する。

＜活用フェーズ＞
図２９は実施の形態３に係る在庫費算出装置１００の構成図である。実施の形態１と相違する点のみ説明する。

推測部１１９は、販売代理店在庫データ記憶部１０４から、販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報を取得する。

推測部１１９は、学習済モデルを利用して得られる販売代理店の在庫関連情報の実データを推測した推測データを推論する。すなわち、この学習済モデルに販売代理店の在庫関連情報に含まれた実データ、及び、或る販売代理店に関する拠点情報を入力することで、入力された情報から推論される販売代理店の在庫関連情報の実データを推測した推測データを出力することができる。

なお、本実施の形態では、モデル生成部２０２で学習した学習済モデルを用いて、販売代理店の在庫関連情報の実データを推測した推測データを出力するものとして説明したが、外部から学習済モデルを取得し、この学習済モデルを用いて販売代理店の在庫関連情報の実データを推測した推測データを出力するようにしてもよい。

本実施形態によれば、或る販売代理店と立地や会社規模の近い別の販売代理店の在庫関連情報に含まれる実データ（例えば、出庫数）に基づいて、或る販売代理店の在庫関連情報に含まれる推測データ（例えば、出庫数）を生成することが可能となる。また、本実施形態によれば、学習済モデルを用いて推測データを生成することにより、より実データに近い推測データを生成することができる。従って、本実施形態によれば、各拠点で発生する在庫費を算出するための情報が開示されていない場合であっても、在庫費の算出精度の低下を抑制することができる。

１００ 在庫費算出装置、１０１ 工場内在庫データ入力部、１０２ 工場内在庫データ記憶部、１０３ 販売代理店在庫データ入力部、１０４ 販売代理店在庫データ記憶部、１０５ 制御部、１０６ 時間データ、１０７ 数量データ、１０８ 費用単価データ、１０９ 販売代理店種類データ、１１０ 位置データ、１１１ 時間データ、１１２ 数量データ、１１３ 費用単価データ、１１４ 工場内在庫費算出部、１１５ 販売代理店在庫費算出部、１１６ 全体在庫費算出部、１１９ 推測部、１１５１ 在庫関連情報取得部、１１５２ 在庫費算出部、１１５３ 誤差推測部、１１４１ 在庫関連情報取得部、１１４２ 在庫費算出部

Claims (7)

1. 製造業のサプライチェーンにおける工場及び販売代理店を含む各拠点で発生する在庫品の在庫費を算出する在庫費算出装置であって、
   拠点で発生する在庫品の在庫費を算出するための実データ及び当該在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する在庫関連情報取得部と、
   前記在庫関連情報取得部で取得された前記在庫関連情報に含まれる実データ及び推測データに基づいて前記在庫品の在庫費を算出する在庫費算出部と、
   前記在庫関連情報取得部で取得された前記在庫関連情報に含まれる推測データの割合に応じて、前記在庫費算出部で算出された前記在庫品の在庫費に含まれた誤差のレベルを推測する誤差推測部と、
   前記在庫費算出部で算出された前記在庫品の在庫費、及び、前記誤差推測部で推測された前記在庫品の在庫費に含まれた誤差のレベルに基づいて算出された前記在庫品の在庫費に含まれた誤差と、前記在庫費算出部で算出された前記在庫品の在庫費とを出力する出力部
   を備えることを特徴とする在庫費算出装置。
2. 前記誤差推測部は、
   前記在庫関連情報に含まれる推測データの割合、及び、前記在庫品の在庫費に含まれた誤差のレベルの組み合わせの機械学習によって生成された学習済みモデルを用いて、前記販売代理店で発生する前記在庫品の在庫費に含まれた誤差のレベルを推測する
   ことを特徴とする請求項１に記載の在庫費算出装置。
3. 前記誤差推測部は、
   前記在庫関連情報に含まれる推測データの割合、前記在庫品の在庫費に含まれた誤差のレベル、及び、前記販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、前記販売代理店で発生する前記在庫品の在庫費に含まれた誤差のレベルを推測する
   ことを特徴とする請求項１に記載の在庫費算出装置。
4. 或る販売代理店で発生する在庫品の在庫費を算出するための実データに基づいて、別の販売代理店で発生する在庫品の在庫費を推測するための推測データを出力する推定部を備え、
   前記推定部は、
   前記或る販売代理店で発生する在庫品の在庫費を算出するための実データ、及び、当該或る販売代理店に関する拠点情報の組み合わせの機械学習によって生成された学習済みモデルを用いて、前記別の販売代理店で発生する在庫品の在庫費を推定するための推定データを出力する
   ことを特徴とする請求項１～３の何れか１項に記載の在庫費算出装置。
5. 前記拠点情報は、
   前記販売代理店の位置情報、前記販売代理店の規模、前記販売代理店の設備、前記販売代理店に対して在庫品を出庫した数のうちの少なくとも一つを含むこと
   を特徴とする請求項３又は４に記載の在庫費算出装置。
6. 前記在庫費算出部は、
   時間と相関関係を有する在庫費、及び、時間と相関関係を有さない在庫費に分けて算出する
   ことを特徴とする請求項１～５の何れか１項に記載された在庫費算出装置。
7. 製造業のサプライチェーンにおける工場及び販売代理店を含む各拠点で発生する在庫品の在庫費を算出する在庫費算出方法であって、
   前記在庫費算出方法は、在庫費算出装置によって実行され、
   拠点で発生する在庫品の在庫費を算出するための実データ及び当該在庫品の在庫費を推測するための推測データを含む在庫関連情報を取得する在庫関連情報取得ステップと、
   前記在庫関連情報取得ステップで取得された前記在庫関連情報に含まれる実データ及び推測データに基づいて前記在庫品の在庫費を算出する在庫費算出ステップと、
   前記在庫関連情報取得ステップで取得された前記在庫関連情報に含まれる推測データの割合に応じて、前記在庫費算出ステップで算出された前記在庫品の在庫費に含まれた誤差のレベルを推測する誤差推測ステップと、
   前記在庫費算出ステップで算出された前記在庫品の在庫費、及び、前記誤差推測ステップで推測された前記在庫品の在庫費に含まれた誤差のレベルに基づいて算出された前記在庫品の在庫費に含まれた誤差と、前記在庫費算出ステップで算出された前記在庫品の在庫費とを出力する出力ステップ
   を備えることを特徴とする在庫費算出方法。

Images