JPH0756890A - 季節性商品需要データ異常値摘出システム - Google Patents
季節性商品需要データ異常値摘出システムInfo
- Publication number
- JPH0756890A JPH0756890A JP20615893A JP20615893A JPH0756890A JP H0756890 A JPH0756890 A JP H0756890A JP 20615893 A JP20615893 A JP 20615893A JP 20615893 A JP20615893 A JP 20615893A JP H0756890 A JPH0756890 A JP H0756890A
- Authority
- JP
- Japan
- Prior art keywords
- data
- season
- function
- time series
- abnormal value
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000001788 irregular Effects 0.000 claims abstract description 13
- 230000001932 seasonal effect Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 16
- 238000012417 linear regression Methods 0.000 abstract description 5
- 238000000611 regression analysis Methods 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 description 20
- 230000005856 abnormality Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013405 beer Nutrition 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
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
(57)【要約】
【目的】季節性商品需要の時系列予測に関し、売上高実
績データに現れる異常値を客観的に摘出する。 【構成】売上高実績データに12か月移動平均処理を施
して傾向変動を求め、この傾向変動にあてはめる最適な
回帰次数を求め、次に売上高実績データに季節調整を施
して傾向変動と不規則変動を表現する時系列データを求
め、得られた時系列データに求めた最適回帰次数の信頼
限界付きの回帰方程式をあてはめ、この信頼限界からは
み出した点を異常値として摘出する。
績データに現れる異常値を客観的に摘出する。 【構成】売上高実績データに12か月移動平均処理を施
して傾向変動を求め、この傾向変動にあてはめる最適な
回帰次数を求め、次に売上高実績データに季節調整を施
して傾向変動と不規則変動を表現する時系列データを求
め、得られた時系列データに求めた最適回帰次数の信頼
限界付きの回帰方程式をあてはめ、この信頼限界からは
み出した点を異常値として摘出する。
Description
【0001】
【産業上の利用分野】本発明は、季節性商品需要の時系
列予測に関し、特に売上高実績データに現れる異常値を
摘出するシステムに係わる。
列予測に関し、特に売上高実績データに現れる異常値を
摘出するシステムに係わる。
【0002】
【従来の技術】ジュースやビール等のように季節的な要
因により売上高が変動する季節性商品の売上高実績は、
季節により変化する季節変動や商品の売上推移の成長や
衰退の度合いである傾向変動の他に、確率的振動である
不規則変動を行う。これらの変動を考慮して、過去の売
上高実績から商品需要の予測を行う場合、過去の売上高
実績に極端に不規則な変動の影響により、他と比較して
相当大きな値をとる異常値が混入することがあり、売上
高実績に大きなゆらぎをもたらすことがある。このよう
なゆらぎを含んだ売上高実績に基づき、自己回帰などの
時系列手法により商品需要の予測を行うと、その予測結
果が何らゆらぎが無かった場合にとるべき最も信頼でき
る値からずれてしまい、予測精度が低下する。上記の理
由により、季節性商品の売上高実績データから将来の需
要予測を行う場合に時系列手法を用いるのであれば、異
常値を補正し、異常を発生させた要因が存在しなかった
場合に示したはずの値に売上高実績データを修正するこ
とが、予測精度を向上させる上で必要となる。なお、異
常値摘出とは、異常値データの補正を行なうための前処
理であり、補正すべき異常値を特定することを意味す
る。従来、この異常値摘出は、予測担当者が売上高実績
データを直接グラフにプロットするなどして前後のデー
タの関係を参照して感覚的に異常と感じる点を拾いだす
方法がとられていた。尚、この主の技術として関連する
ものには、例えば特開平03−226878号公報など
がある。
因により売上高が変動する季節性商品の売上高実績は、
季節により変化する季節変動や商品の売上推移の成長や
衰退の度合いである傾向変動の他に、確率的振動である
不規則変動を行う。これらの変動を考慮して、過去の売
上高実績から商品需要の予測を行う場合、過去の売上高
実績に極端に不規則な変動の影響により、他と比較して
相当大きな値をとる異常値が混入することがあり、売上
高実績に大きなゆらぎをもたらすことがある。このよう
なゆらぎを含んだ売上高実績に基づき、自己回帰などの
時系列手法により商品需要の予測を行うと、その予測結
果が何らゆらぎが無かった場合にとるべき最も信頼でき
る値からずれてしまい、予測精度が低下する。上記の理
由により、季節性商品の売上高実績データから将来の需
要予測を行う場合に時系列手法を用いるのであれば、異
常値を補正し、異常を発生させた要因が存在しなかった
場合に示したはずの値に売上高実績データを修正するこ
とが、予測精度を向上させる上で必要となる。なお、異
常値摘出とは、異常値データの補正を行なうための前処
理であり、補正すべき異常値を特定することを意味す
る。従来、この異常値摘出は、予測担当者が売上高実績
データを直接グラフにプロットするなどして前後のデー
タの関係を参照して感覚的に異常と感じる点を拾いだす
方法がとられていた。尚、この主の技術として関連する
ものには、例えば特開平03−226878号公報など
がある。
【0003】
【発明が解決しようとする課題】しかし、上記従来の方
法では、予測担当者の定性的・感覚的な判断により異常
値が摘出されるので統一性、客観性に欠けるうえに、人
手を介するため多大な手間がかかっていた。また、自己
回帰などの時系列手法の商品需要の予測を行う場合は、
モデルと時系列データの距離を考慮してモデルのあては
まりの良さを表現する指標である情報量規準AICを、
傾向変動と不規則変動を表現する季節調整済み時系列デ
ータから直接計算して適切な高次回帰方程式の回帰次数
を求めようとしても、不規則変動に撹乱されて、その傾
向変動の形状を表現するのに最適な回帰次数を求めるこ
とができなかった。
法では、予測担当者の定性的・感覚的な判断により異常
値が摘出されるので統一性、客観性に欠けるうえに、人
手を介するため多大な手間がかかっていた。また、自己
回帰などの時系列手法の商品需要の予測を行う場合は、
モデルと時系列データの距離を考慮してモデルのあては
まりの良さを表現する指標である情報量規準AICを、
傾向変動と不規則変動を表現する季節調整済み時系列デ
ータから直接計算して適切な高次回帰方程式の回帰次数
を求めようとしても、不規則変動に撹乱されて、その傾
向変動の形状を表現するのに最適な回帰次数を求めるこ
とができなかった。
【0004】本発明は、この問題を解決するために提案
されたもので、過去の売上高実績データから商品の需要
予測を行なう場合、売上高実績に不規則な変動の影響に
より生じる予測材料として不適切なデータ値(異常値)
を客観的かつ合理的に摘出するシステムを提供すること
を目的とする。
されたもので、過去の売上高実績データから商品の需要
予測を行なう場合、売上高実績に不規則な変動の影響に
より生じる予測材料として不適切なデータ値(異常値)
を客観的かつ合理的に摘出するシステムを提供すること
を目的とする。
【0005】
【課題を解決するための手段】上記課題を達成するため
に、本発明の季節性商品需要データ異常値摘出システム
は、過去の売上高実績データを入力し、この売上高実績
データから、傾向変動を表現する12ヵ月移動平均時系
列データを作成するための12ヵ月移動平均処理を行う
手段と、この12ヵ月移動平均時系列データにより表現
される傾向変動に対して高次線型回帰方程式のあてはめ
を行ない、傾向変動を示すデータに対しての回帰方程式
のあてはまりの良さを示す指標である情報量規準AIC
に基づいて傾向変動にあてはめる回帰方程式の次数とし
て最適な次数を求める手段と、売上高実績データから傾
向変動と不規則変動を表現する時系列データを作成する
ための季節調整処理を行う手段と、この季節調整処理で
作成した傾向変動と不規則変動を表現する季節調整済み
時系列データに、最適次数を与えた信頼限界付きの高次
線型回帰方程式をあてはめる手段と、この回帰方程式の
信頼限界を越えた売上高実績データを補正すべき異常値
として摘出する手段を設けることを特徴とする。
に、本発明の季節性商品需要データ異常値摘出システム
は、過去の売上高実績データを入力し、この売上高実績
データから、傾向変動を表現する12ヵ月移動平均時系
列データを作成するための12ヵ月移動平均処理を行う
手段と、この12ヵ月移動平均時系列データにより表現
される傾向変動に対して高次線型回帰方程式のあてはめ
を行ない、傾向変動を示すデータに対しての回帰方程式
のあてはまりの良さを示す指標である情報量規準AIC
に基づいて傾向変動にあてはめる回帰方程式の次数とし
て最適な次数を求める手段と、売上高実績データから傾
向変動と不規則変動を表現する時系列データを作成する
ための季節調整処理を行う手段と、この季節調整処理で
作成した傾向変動と不規則変動を表現する季節調整済み
時系列データに、最適次数を与えた信頼限界付きの高次
線型回帰方程式をあてはめる手段と、この回帰方程式の
信頼限界を越えた売上高実績データを補正すべき異常値
として摘出する手段を設けることを特徴とする。
【0006】
【作用】まず売上高実績データから傾向変動を表現する
時系列データを作成し、傾向変動にあてはめるのに何次
の回帰方程式が最適であるかを求めるために任意に設定
した次数ごとの情報量規準AICを計算し、算出した情
報量規準AICのうち最適となる次数を選ぶ。売上高実
績データから季節調整済み時系列データを作成し、傾向
変動から求めた最適次数の高次線型回帰方程式に信頼限
界を付けて季節調整済み時系列データにあてはめる。あ
てはめた結果、信頼限界からはみ出した値を異常値とし
て摘出し、異常値の摘出結果を記憶する手段に記憶す
る。
時系列データを作成し、傾向変動にあてはめるのに何次
の回帰方程式が最適であるかを求めるために任意に設定
した次数ごとの情報量規準AICを計算し、算出した情
報量規準AICのうち最適となる次数を選ぶ。売上高実
績データから季節調整済み時系列データを作成し、傾向
変動から求めた最適次数の高次線型回帰方程式に信頼限
界を付けて季節調整済み時系列データにあてはめる。あ
てはめた結果、信頼限界からはみ出した値を異常値とし
て摘出し、異常値の摘出結果を記憶する手段に記憶す
る。
【0007】
【実施例】以下本発明の一実施例について図面を用いて
説明する。
説明する。
【0008】図1は、本発明のシステム構成の一実施例
を示している。本実施例の処理を実行、制御するCPU
内の季節性商品異常値摘出システム103は、売上高実
績データ101を入力し、需要予測結果データ111を
出力する季節性商品需要予測システム102の一環であ
る。季節性商品異常値摘出システム103は12ヵ月移
動平均処理機能104、最適次数選択機能105、季節
調整処理機能106、信頼限界付き回帰分析機能10
7、異常値摘出機能108の5つの機能で構成され、異
常値摘出結果を出力する。なお図1に示す104〜10
8までの機能は図2のステップ201〜209の処理に
展開され、104〜108の機能は通常、コンピュータ
プログラムの手段によって実現されるものである。
を示している。本実施例の処理を実行、制御するCPU
内の季節性商品異常値摘出システム103は、売上高実
績データ101を入力し、需要予測結果データ111を
出力する季節性商品需要予測システム102の一環であ
る。季節性商品異常値摘出システム103は12ヵ月移
動平均処理機能104、最適次数選択機能105、季節
調整処理機能106、信頼限界付き回帰分析機能10
7、異常値摘出機能108の5つの機能で構成され、異
常値摘出結果を出力する。なお図1に示す104〜10
8までの機能は図2のステップ201〜209の処理に
展開され、104〜108の機能は通常、コンピュータ
プログラムの手段によって実現されるものである。
【0009】図2は、季節性商品異常値摘出システムの
処理手順を示している。季節性商品需要予測システム1
02は、売上高実績データ101を入力し、季節性商品
異常値摘出システム103に引き渡す(ステップ20
1)。12ヵ月移動平均処理機能104は、季節性商品
異常値摘出システム103に入力された売上高実績デー
タ101から季節変動や不規則変動を取り除いた傾向変
動のみを抽出した時系列データを作成するために、12
ヵ月移動平均処理を施す。12ヵ月移動平均処理は、例
えば1月から翌12月までの売上高の和を12で割った
値、次に2月から翌1月までの売上高の和を12で割っ
た値、というように1月ずつ移動しながら12ヵ月分の
売上高平均値を算出することにより、傾向変動の形状を
確定するためのデータを求める処理をしている(ステッ
プ202)。最適次数選択機能105は、12ヵ月移動
平均処理機能104により抽出された傾向変動にあては
めるために適切な回帰次数を求めるため、回帰方程式と
時系列データの差を考慮することにより、傾向変動に対
する回帰方程式のあてはまりの良さを表現する指標であ
る情報量規準AICを算出する(ステップ204)。次
数カウンタKをカウントアップして(ステップ20
5)、次数カウンタKがあらかじめ設定した次数の上限
値Nに達するまでは(K≦N)(ステップ206)、次
数に対応した情報量規準AICを繰返し計算する。次数
カウンタKが次数の上限値Nを越えたら(K>N)(ス
テップ206)、ステップ204で算出した情報量規準
AICのうち、傾向変動に対して最もあてはまりの良い
AIC、つまり方程式とデータの差が最小となるAIC
を選択し、選択により求めたAICに対応する次数を最
適次数として設定する(ステップ207)。季節調整処
理機能106は、売上高実績データ101に対して季節
調整処理を施し、傾向変動と不規則変動を抽出した時系
列データを求める(ステップ208)。信頼限界付き回
帰分析機能107は、季節調整処理機能106により抽
出された傾向変動と不規則変動を示す時系列データに対
して、ステップ207で最適次数選択機能105により
選択された回帰次数の信頼限界付き回帰方程式をあては
める処理を行う(ステップ209)。異常値摘出機能1
08は、回帰方程式に予め設定した信頼限界からはみだ
した値を異常値として摘出し、異常値摘出結果テーブル
109を作成する処理を行う(ステップ210)。
処理手順を示している。季節性商品需要予測システム1
02は、売上高実績データ101を入力し、季節性商品
異常値摘出システム103に引き渡す(ステップ20
1)。12ヵ月移動平均処理機能104は、季節性商品
異常値摘出システム103に入力された売上高実績デー
タ101から季節変動や不規則変動を取り除いた傾向変
動のみを抽出した時系列データを作成するために、12
ヵ月移動平均処理を施す。12ヵ月移動平均処理は、例
えば1月から翌12月までの売上高の和を12で割った
値、次に2月から翌1月までの売上高の和を12で割っ
た値、というように1月ずつ移動しながら12ヵ月分の
売上高平均値を算出することにより、傾向変動の形状を
確定するためのデータを求める処理をしている(ステッ
プ202)。最適次数選択機能105は、12ヵ月移動
平均処理機能104により抽出された傾向変動にあては
めるために適切な回帰次数を求めるため、回帰方程式と
時系列データの差を考慮することにより、傾向変動に対
する回帰方程式のあてはまりの良さを表現する指標であ
る情報量規準AICを算出する(ステップ204)。次
数カウンタKをカウントアップして(ステップ20
5)、次数カウンタKがあらかじめ設定した次数の上限
値Nに達するまでは(K≦N)(ステップ206)、次
数に対応した情報量規準AICを繰返し計算する。次数
カウンタKが次数の上限値Nを越えたら(K>N)(ス
テップ206)、ステップ204で算出した情報量規準
AICのうち、傾向変動に対して最もあてはまりの良い
AIC、つまり方程式とデータの差が最小となるAIC
を選択し、選択により求めたAICに対応する次数を最
適次数として設定する(ステップ207)。季節調整処
理機能106は、売上高実績データ101に対して季節
調整処理を施し、傾向変動と不規則変動を抽出した時系
列データを求める(ステップ208)。信頼限界付き回
帰分析機能107は、季節調整処理機能106により抽
出された傾向変動と不規則変動を示す時系列データに対
して、ステップ207で最適次数選択機能105により
選択された回帰次数の信頼限界付き回帰方程式をあては
める処理を行う(ステップ209)。異常値摘出機能1
08は、回帰方程式に予め設定した信頼限界からはみだ
した値を異常値として摘出し、異常値摘出結果テーブル
109を作成する処理を行う(ステップ210)。
【0010】異常値摘出結果テーブル109は、売上高
実績データのうち異常と判断されたデータにフラグをた
てて、どのデータが異常であるかを示す。季節性商品需
要予測システム102に含まれる異常値補正、需要予測
機能110は、異常値摘出結果テーブル109のデータ
を入力し、売上高実績データのうち異常と判断された点
の値を、異常を発生させた外部要因が存在しなかった場
合に示したはずの値に補正し、この補正結果の時系列デ
ータを用いて需要予測処理を行い、需要予測結果データ
111を出力する。
実績データのうち異常と判断されたデータにフラグをた
てて、どのデータが異常であるかを示す。季節性商品需
要予測システム102に含まれる異常値補正、需要予測
機能110は、異常値摘出結果テーブル109のデータ
を入力し、売上高実績データのうち異常と判断された点
の値を、異常を発生させた外部要因が存在しなかった場
合に示したはずの値に補正し、この補正結果の時系列デ
ータを用いて需要予測処理を行い、需要予測結果データ
111を出力する。
【0011】図3は季節調整済時系列データに信頼限界
付き高次回帰方程式をあてはめた場合の異常値を示して
いる。季節調整処理が行われた売上高実績データである
季節調整済売上高実績データ300に回帰方程式301
をあてはめ、信頼限界302を越えた値を異常値303
として特定する。
付き高次回帰方程式をあてはめた場合の異常値を示して
いる。季節調整処理が行われた売上高実績データである
季節調整済売上高実績データ300に回帰方程式301
をあてはめ、信頼限界302を越えた値を異常値303
として特定する。
【0012】
【発明の効果】以上説明したように、本発明の異常値摘
出システムは、季節商品の売上高実績データを季節変
動、傾向変動、不規則変動に着目して分解し、高次線型
回帰分析と情報量規準AICを組み合わせる機能を有す
るものである。これにより、売上高の時系列予測を行な
う上で、予測精度を低下させる原因である異常値を、そ
の異常を発生させている要因が存在しなかった場合に示
したであろう値に補正するために必要な、どの点が異常
であるかを特定する異常値の摘出を、客観的かつ合理的
に行なうことができる。すなわち、本発明を用いて得ら
れた異常値摘出結果にもとづいて異常値を補正し、自己
回帰等の時系列手法を用いて季節商品の需要予測を行え
ばその予測精度が向上するという効果がある。
出システムは、季節商品の売上高実績データを季節変
動、傾向変動、不規則変動に着目して分解し、高次線型
回帰分析と情報量規準AICを組み合わせる機能を有す
るものである。これにより、売上高の時系列予測を行な
う上で、予測精度を低下させる原因である異常値を、そ
の異常を発生させている要因が存在しなかった場合に示
したであろう値に補正するために必要な、どの点が異常
であるかを特定する異常値の摘出を、客観的かつ合理的
に行なうことができる。すなわち、本発明を用いて得ら
れた異常値摘出結果にもとづいて異常値を補正し、自己
回帰等の時系列手法を用いて季節商品の需要予測を行え
ばその予測精度が向上するという効果がある。
【図1】本実施例のシステム全体の構成を示す図であ
る。
る。
【図2】本実施例の処理の流れを示すフローチャートで
ある。
ある。
【図3】季節調整済時系列データに信頼限界付き高次回
帰方程式をあてはめた場合の異常値を示す図である。
帰方程式をあてはめた場合の異常値を示す図である。
101 売上高実績データ 103 季節性商品異常値摘出システム 104 12ヵ月移動平均処理機能 105 最適次数選択機能 106 季節調整処理機能 107 信頼限界付き回帰分析機能 108 異常値摘出機能 109 異常値摘出結果テーブル 110 異常値補正、需要予測機能 111 需要予測結果データ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 小野田 光善 東京都大田区大森北三丁目2番16号 日立 システムエンジニアリング株式会社内 (72)発明者 ▲高▼田 浩平 東京都大田区大森北三丁目2番16号 日立 システムエンジニアリング株式会社内 (72)発明者 中田 英樹 神奈川県川崎市麻生区王禅寺1099番地 株 式会社日立製作所システム開発研究所内 (72)発明者 天満 正 神奈川県川崎市麻生区王禅寺1099番地 株 式会社日立製作所システム開発研究所内 (72)発明者 板橋 正文 神奈川県川崎市幸区鹿島田890番地の12 株式会社日立製作所情報システム事業部内
Claims (1)
- 【請求項1】売上高実績データを入力する手段と、 入力された上記売上高実績データに12ヵ月移動平均処
理を施して傾向変動を表現する時系列データを求める手
段と、 上記時系列データにあてはめるために最適な回帰次数を
情報量規準AICに基づいて求める手段と、 上記売上高実績データに季節調整処理を施して傾向変動
と不規則変動を表現する時系列データを求める手段と、 得られた時系列データに対して求めた最適回帰次数で信
頼限界付きの回帰方程式をあてはめる手段と、 上記信頼限界からはみだした売上高実績データを異常値
として摘出する手段とを有することを特徴とする季節性
商品需要データ異常値摘出システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP20615893A JPH0756890A (ja) | 1993-08-20 | 1993-08-20 | 季節性商品需要データ異常値摘出システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP20615893A JPH0756890A (ja) | 1993-08-20 | 1993-08-20 | 季節性商品需要データ異常値摘出システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0756890A true JPH0756890A (ja) | 1995-03-03 |
Family
ID=16518765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP20615893A Pending JPH0756890A (ja) | 1993-08-20 | 1993-08-20 | 季節性商品需要データ異常値摘出システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0756890A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6366890B1 (en) * | 1998-02-27 | 2002-04-02 | Gerald L. Usrey | Product inventory category management and variety optimization method and system |
JP2005348926A (ja) * | 2004-06-10 | 2005-12-22 | Mars Engineering Corp | 情報処理装置、情報処理方法および情報処理システム |
JP2010162398A (ja) * | 2010-04-28 | 2010-07-29 | Mars Engineering Corp | 情報処理装置 |
US8219548B2 (en) | 2006-11-27 | 2012-07-10 | Hitachi, Ltd. | Data processing method and data analysis apparatus |
JP2012211483A (ja) * | 2011-03-31 | 2012-11-01 | Sinfonia Technology Co Ltd | 水需要予測システム |
JP2017141747A (ja) * | 2016-02-10 | 2017-08-17 | 富士電機株式会社 | 風力発電量予測方法、風力発電量予測装置及びプログラム |
-
1993
- 1993-08-20 JP JP20615893A patent/JPH0756890A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6366890B1 (en) * | 1998-02-27 | 2002-04-02 | Gerald L. Usrey | Product inventory category management and variety optimization method and system |
JP2005348926A (ja) * | 2004-06-10 | 2005-12-22 | Mars Engineering Corp | 情報処理装置、情報処理方法および情報処理システム |
JP4700296B2 (ja) * | 2004-06-10 | 2011-06-15 | 株式会社マースエンジニアリング | 情報処理装置 |
US8219548B2 (en) | 2006-11-27 | 2012-07-10 | Hitachi, Ltd. | Data processing method and data analysis apparatus |
JP2010162398A (ja) * | 2010-04-28 | 2010-07-29 | Mars Engineering Corp | 情報処理装置 |
JP2012211483A (ja) * | 2011-03-31 | 2012-11-01 | Sinfonia Technology Co Ltd | 水需要予測システム |
JP2017141747A (ja) * | 2016-02-10 | 2017-08-17 | 富士電機株式会社 | 風力発電量予測方法、風力発電量予測装置及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5963709B2 (ja) | 計算機、予測方法、及び、予測プログラム | |
US20020127529A1 (en) | Prediction model creation, evaluation, and training | |
CN111832727B (zh) | 跨数据、信息、知识模态与量纲的本质识别方法及组件 | |
JPH0756890A (ja) | 季節性商品需要データ異常値摘出システム | |
CN115660196A (zh) | 一种制药车间的生产管理方法及系统 | |
CN117555937B (zh) | 一种用于产品推荐的数据采集方法及系统 | |
CN115115417A (zh) | 一种基于舆情的商品销售数据预测方法、设备及介质 | |
JPH04135271A (ja) | 商品発注決定装置 | |
CN114022051A (zh) | 一种指标波动分析方法,存储介质和电子设备 | |
JPH0554037A (ja) | 文書分類方式 | |
JP2000270473A (ja) | 電力需要量予測方法 | |
JP2004334326A (ja) | 商品需要予測システム、商品の売上数調整システム | |
JPH09101947A (ja) | 時系列予測方法 | |
CN113869780A (zh) | 基于风险因子的等级计算方法、装置、设备及存储介质 | |
JP2021018791A (ja) | 時系列データの前処理プログラム及び前処理方法 | |
JP2004334328A (ja) | 商品需要予測システムおよび年末年始の商品需要予測システム | |
CN111209511A (zh) | 一种基于数据关联关系进行推送信息的方法及系统 | |
EP3460732A1 (en) | Dispatching method and system based on multiple levels of steady state production rate in working benches | |
JPH04171577A (ja) | 生産量決定支援システム | |
KR101905866B1 (ko) | 자재 관리 시스템 및 그 관리 방법 | |
US20230418701A1 (en) | Apparatus, method, and non-transitory computer-readable medium for anomaly detection | |
CN112131083B (zh) | 一种告警事务处理方法及装置 | |
JP2004287759A (ja) | キーワード意味分別システム | |
JP6804870B2 (ja) | 生産スケジュール決定装置及び生産スケジュール決定方法 | |
JPH06348241A (ja) | 情報処理装置 |