JPH11306267A - 見込み売上推定システム及び方法並びに見込み売上 推定プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】商品の売上予測を行う際に、季節・気候等さま
ざまな売上の変動要因に基づいて、より正確な売上予測
を行い、売上効率（収益）を向上させること。 【解決手段】商品毎の売上数を入力する入力手段と、商
品毎に過去の一定周期毎の売上数の変化をパターン化し
てなる複数個の売上曲線を予め記憶した記憶手段と、販
売の一定のサンプリング期間における売上数に基づい
て、記憶手段から取得された複数個の売上曲線を修正
し、その中から最適な売上曲線を選択し、この売上曲線
に基づいて所定日の売上数を決定する決定処理手段と、
この見込み売上数を出力する出力手段とを備えること。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、見込み売上推定シ
ステム及びその推定方法並びに見込み売上推定プログラ
ムを記録した記録媒体に関する発明である。

【０００２】

【従来の技術】近年、商品の販売管理にもコンピュータ
が導入され、流通、売上、在庫等の管理が効率良く行わ
れるようになってきた。その中には、商品の売上数を予
測し、この予測に基づいて適宜な在庫管理を行うという
ものがあった。例えば、特願平５−１９８６４８があ
る。この発明においては、商品の売上傾向は過去の売上
実績から予測することができるという前提条件に基づい
て、商品の販売開始後の売上数の変化を示す一売上曲線
（あるパターンを表す売上曲線）に基づいて商品の売上
数を予測し、これを基に適宜な在庫管理を行い、売上効
率の向上を図るものである。

【０００３】

【発明が解決しようする課題】しかし、この発明は、在
庫管理のできる商品を対象としており、例えば、生鮮商
品等の在庫の利かない商品には適用できない難点があっ
た。さらに、より本質的な問題として、売上効率をどの
程度向上させられるかは、売上予測の正確さにかかわっ
てくる。この発明の予測は、あるパターンの売上曲線に
基づいてなされるから、予測の正確さは、実はこの売上
曲線の如何にかかわる。ところで、商品の売上は、一般
的に言って、ミクロ的には寒暖乾湿の気候の変化や、冠
婚葬祭の人間に関わるイベント発生の多寡等により、マ
クロ的には景気の動向の如何によって相当の影響を受け
ることが知られている。これらの変動要因の影響により
商品の売上はさまざまに変化するのが普通であり、一パ
ターンの売上曲線に基づく予測では、予測の正確さを期
すという点で無理があった。特に、生鮮商品等では、さ
まざまな変動要因、その中でも天候・気候の如何や冠婚
葬祭の多寡等のミクロ的な要因によってその売上が著し
い影響をうけ、その結果が商売の収益に直結するため、
それらの変動要因に基づくより正確な売上予測が望まれ
ていた。

【０００４】具体的な生鮮商品の例として、例えば豆腐
の場合を考える。豆腐を見込み生産するには、前もって
売上数を予想して大豆等の材料の仕込み準備を行い豆腐
を製造するが、当初の予想以上の売れ行きがあった場合
には、売上機会を失してその分収益は低下する。

【０００５】また一方、売上が予想以下の場合には、売
れ残りとなる。豆腐は日持ちが悪く、場所によっては夏
など一日たたないうちに腐敗が始まる。冬場は多少日持
ちが良くなるが、豆腐は生ものであるから作りたてが一
番おいしく、製造後は時間の経過とともに味が落ちる。
添加物等を混入して日持ちを良くする方法は品質に問題
がある。そこで、良心的な豆腐メーカーでは、多くの場
合売れ残りはその日のうちに処分することとなり、売上
効率が良くなく収益は低下する。

【０００６】つまり、売り切れも、売れ残りも利益効率
の面からはよろしくなく、収益を向上させるためには、
正確な予測に基づく見込み生産が不可欠であった。

【０００７】ところで、これら商品の売上に影響を与え
るミクロ的な変動要因をより詳細に考察すると、主なも
のとして、季節・気候要因、人事要因、地域要因等が考
えられる。季節・気候要因としては、四季の別や、酷暑
の夏・冷夏・多雨の夏・日照りの夏等の季節の質の如何
が関わる。人事要因としては、冠婚葬祭の有無・多寡が
関わる。地域要因としては、その地域特有の慣習・風習
等が考えられる。そして、短期的にはこれらの売上変動
要因が複雑に絡み合ってさまざまなパターンの売上動向
を形成すると考えられる。

【０００８】従って、より正確な商品の売上予測を行う
には、これらの売上変動要因に基づく多端な変化、即
ち、複数パターンの売上動向に柔軟に対応できる、より
精緻な予測が必要であった。

【０００９】上述の事情に鑑み、本発明の技術的課題
は、さまざまな売上の変動要因に基づく複数パターンの
売上曲線を用意しておき、そのときの売上状況に応じ
て、最適なパターンの売上曲線を選択し、それに基づい
て商品の売上を予測する見込み売上推定システム及び方
法並びに見込み売上推定プログラムを記録した記録媒体
を提供することである。

【００１０】

【課題を解決するための手段】そこで、本発明ではより
正確な見込み売上を求めるために、商品毎にさまざな変
動要因に基づく複数個の売上曲線（つまり、複数の典型
的パターンを表す売上曲線）を用意しておき、商品のサ
ンプリング期間の売上数に基づいて修正された複数個の
売上曲線の中から、サンプリング期間の売上数と売上数
の誤差の和（差の絶対値の和）が最も小さい売上曲線を
最適な売上曲線として選択し、この売上曲線に基づいて
見込み売上数を決定するようにした。

【００１１】具体的には、商品毎に過去のある一定周期
毎の売上数の変化をパターン化してなる複数個の売上曲
線を予め記憶した第１の記憶手段と、商品毎の売上数を
入力する入力手段と、入力された商品毎の売上数を記憶
する第２の記憶手段と、第２の記憶手段から取得した商
品毎の所定サンプリング期間における売上数に基づい
て、第１の記憶手段から取得した対応する複数個の売上
曲線を修正して新たな売上曲線を生成し、その中からサ
ンプリング期間の売上数と売上数の誤差の和（差の絶対
値の和）が最も小さい売上曲線を選択し、この売上曲線
に基づいて今後の見込み売上数を決定する決定処理手段
と、その見込み売上数を出力する出力手段とから構成さ
れる。

【００１２】見込み売上数を決定する具体的な手順は以
下の通りである。まず、商品毎複数個の第１ｉ（ｉ＝
１，２，・・，Ｎ）の売上曲線を予め第１の記憶手段に
記憶しておく。入力されたある商品の所定サンプリング
期間の売上数より、そのサンプリング期間の期間平均売
上数（第１の期間平均売上数）と、第１の記憶手段から
取得したその商品に対応する第１ｉ（ｉ＝１，２，・
・，Ｎ）の売上曲線のサンプリング期間に相当する期間
の期間平均売上数（第２ｉ（ｉ＝１，２，・・，Ｎ）の
期間平均売上数）を算出する。次に、第１ｉ（ｉ＝１，
２，・・，Ｎ）の売上曲線を、第１の期間平均売上数と
第２ｉ（ｉ＝１，２，・・，Ｎ）の期間平均売上数の比
に基づいて修正して、第２ｉ（ｉ＝１，２，・・，Ｎ）
の売上曲線を生成し、この生成情報を第３の記憶手段に
記憶する。さらに、第２の記憶手段から取得したサンプ
リング期間の各売上数と、第３の記憶手段の生成情報に
基づいて取得した第２ｉ（ｉ＝１，２，・・，Ｎ）の売
上曲線のサンプリング期間に対応する各売上数との差の
絶対値の和を算出し、複数個の第２ｉ（ｉ＝１，２，・
・，Ｎ）の売上曲線の中でこの売上数の差の絶対値の和
が最小となるものを第３の売上曲線として選択し、この
選択情報を第４の記憶手段に記憶する。そして、第４の
記憶手段の選択情報により取得した第３の売上曲線に基
づいて、今後の見込み売上数を決定する。

【００１３】

【発明の実施の形態】以下、本発明の実施の形態を実施
例に基づき図面を参照して説明する。

【００１４】図１は、本発明の一実施例の構成を示すブ
ロック図である。このブロック図は、入力部１、第１の
記憶部２、第２の記憶部３，第３の記憶部４，第４の記
憶部５，決定処理部６、出力部７、生成部８及び選択部
９から構成されている。

【００１５】入力部１は、キーボード等から構成されて
おり、売上数を入力して、決定処理部３へ送る。各記憶
部は、ハードディスク等の記憶装置から構成され、第１
の記憶部２は、商品毎に過去の一定周期毎の売上数の変
化をパターン化した複数個の売上曲線データを予め記憶
する。第２の記憶部３は、入力部１より入力される商品
毎の売上数データを記憶する。第３の記憶部４は、第１
の記憶部２に記憶されている商品毎複数個の売上曲線か
ら新たに生成される売上曲線の生成情報を記憶する。第
４の記憶部５は、第３の記憶部４に記憶されている売上
曲線の生成情報に基づき選択された売上曲線の選択情報
を記憶する。決定処理部６は、入力部１で入力された商
品の売上数に基づいて、第１の記憶部２からその商品に
対応する複数個の売上曲線を取得し、これらを修正して
新たな売上曲線を生成する生成部８と、生成部８で生成
された売上曲線の中で最適な売上曲線を選択する選択部
９とを含み、選択部９で選択された売上曲線に基づいて
商品の今後の売上数を予測する。出力部７は、プリンタ
ーや表示装置等から構成され、決定処理部６で予測され
た売上数を外部に出力する。

【００１６】第１の記憶部２に記憶される売上曲線は、
商品毎に売上数の時間的変化をパターン化したものであ
るが、これは、過去の実際の売上数を単位期間毎に集計
し、これらのデータを曲線近似（Ｋ次関数、Ｋ≧２）し
て得られる。この実施例では、単位期間を一営業日とす
る。図２は、売上曲線の例として、生鮮商品の豆腐の８
月における売上推移を示すものであり、周期を一ケ月と
した例である。８月の中旬にお盆（旧盆）と夏祭りがあ
り、この時期に売上が上がり緩やかな山形を成す特徴が
ある。グラフＡは普通の気候の８月の売上曲線の例、グ
ラフＢは酷暑の８月の売上曲線の例、グラフＣは冷夏の
８月の売上曲線の例、グラフＤは初旬から天候不順が続
いた時の８月の売上曲線の例を示している。図３は、第
１ｉの売上曲線Ｆｉを示すものであり、図４は、複数個
の第１ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）のグ
ラフイメージを表すものである。このような商品毎に複
数個の第１ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）
のデータを第１の記憶部２に予め記憶しておく。ここ
で、売上曲線は、さまざまな変動要因を織り込んだ複数
パターン（Ｎ個）を用意する。

【００１７】第２の記憶部３は、入力された売上数デー
タを記憶する。図５はその一例であり、商品毎に営業日
の売上数データが記憶されている。

【００１８】第３の記憶部４は、売上曲線の生成情報を
商品毎に記憶する。図６は生成情報の一例であり、その
内容について以下で説明する。 商品：当該商品ＩＤまたは商品名である。 サンプリング期間：当該商品の売上数データをサンプリ
ングする期間であり、年月日で表す。 第２売上曲線：生成部８で生成される第２ｉの売上曲線
を表す情報である。 第１売上曲線：第１の記憶部２に記憶されている当該商
品に対応した第１ｉの売上曲線を表す情報である。 生成方法：第２ｉの売上曲線を生成するための計算式を
表す情報である。第１ｉの売上曲線Ｆｉ×係数Ｒｉの形
式である（数３式を参照のこと）。 ポインタ：対応する第１ｉの売上曲線Ｆｉデータのアド
レスを示している。

【００１９】第４の記憶部５は、売上曲線の選択情報を
商品毎に記憶する。図７は選択情報の一例であり、その
内容について以下で説明する。 第３売上曲線：選択部９で選択される第３の売上曲線を
表す情報である。 誤差の和：入力された売上数と第２ｉの売上曲線とのサ
ンプリング期間における売上数の差の絶対値の和を表
す。 誤差平均：上記誤差のサンプリング期間における平均値
を表す。 誤差分散：上記誤差のサンプリング期間における分散を
表す。この値は、誤差の変動のばらつきの度合いを示
す。この値が大きい程、誤差のばらつきが大きい。 ポインタ：対応する第２ｉの売上曲線Ｇｉの生成情報デ
ータのアドレスを示している。 尚、売上曲線選択情報は、誤差の和の小さい順に売上曲
線をソートして作成される。

【００２０】図８は、第１ｉの売上曲線データ（第１の
記憶部２）、売上曲線生成情報（第３の記憶部４）、及
び売上曲線選択情報（第４の記憶部５）の関連を示して
いる。第１ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）
のＮ＝５の場合の例である。

【００２１】次に、本実施例の処理動作について図１２
のフローチャートに従って説明する。

【００２２】まず、所定のサンプリング期間Ｌｓにおけ
る商品の営業日ｊの売上数Ｙｊ（ｊ＝１，２，・・，
Ｋ）を入力部１より入力して、決定処理部６に送る（フ
ローチャートのＳ１）。

【００２３】決定処理部６は、入力部１より所定サンプ
リング期間Ｌｓの売上数Ｙｊ（ｊ＝１，２，・・，Ｋ）
を受け取ると、サンプリング期間Ｌｓの期間平均売上数
Ｍｓを数１式より求める（Ｓ２）。また、売上数データ
を第２の記憶部３に記憶する。

【００２４】

【数１】Ｍｓ ＝ （Ｙ１＋Ｙ２＋・・・＋ＹＫ）／Ｋ
ただし、Ｋはサンプリング期間Ｌｓの営業日数を表す

【００２５】次に、第１の記憶部２に記憶されているこ
の商品に対応する第１ｉの売上曲線Ｆｉ（ｉ＝１，２，
・・，Ｎ）を読み出す（Ｓ３）。

【００２６】そして、生成部８は第１ｉの売上曲線Ｆｉ
（ｉ＝１，２，・・，Ｎ）を次のように修正する。第１
ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）において、
売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）の営業日ｊによ
る売上数をＦｉ（ｊ）（ｊ＝１，２・・・）で表すとす
ると、第１ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）
のサンプリング期間Ｌｓの期間平均売上数Ｍｉは数２式
により求まる（Ｓ４）。

【００２７】

【数２】Ｍｉ ＝ （Ｆｉ（１）＋Ｆｉ（２）＋・・・
＋Ｆｉ（Ｋ））／Ｋ ただし、ｉ＝１，２，・・，Ｎ Ｋはサンプリング期間Ｌｓの営業日数を表す

【００２８】ここで、第２ｉの売上曲線Ｇｉ（ｉ＝１，
２，・・，Ｎ）は、数３式で示されるように第１ｉの売
上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）を係数Ｒｉ倍して
修正し、生成される。

【００２９】

【数３】 Ｒｉ ＝ Ｍｓ／Ｍｉ Ｇｉ ＝ ＦｉＸＲｉ ただし、ｉ＝１，２，・・，Ｎ

【００３０】係数Ｒｉは、期間平均売上数Ｍｓと期間平
均売上数Ｍｉの比である（Ｓ５）。以上の処理をすべて
の第１ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）で行
う（Ｓ６）。また、図６に示される売上曲線の生成情報
を作成し、これを第３の記憶部４に記憶する。図９は、
第１ｉの売上曲線Ｆｉ（ｉ＝１，２，・・，Ｎ）を修正
して、第２ｉの売上曲線Ｇｉ（ｉ＝１，２，・・，Ｎ）
を生成するようすを示す説明図であり、図１０は、生成
された第２ｉの売上曲線Ｇｉ（ｉ＝１，２，・・，Ｎ）
のイメージを示す図である。

【００３１】続いて、選択部９は、見込み売上を予測す
るための第３の売上曲線Ｇを次の手順で選択する。ま
ず、第３の記憶部４から取得された売上曲線生成情報の
中のポインタにより対応する第１ｉの売上曲線Ｆｉ（ｉ
＝１，２，・・，Ｎ）を第１の記憶部２から取得する。
そして、生成方法に従って、第１ｉの売上曲線Ｆｉ（ｉ
＝１，２，・・，Ｎ）を係数Ｒｉ（期間平均売上数Ｍｓ
と期間平均売上数Ｍｉの比）倍して第２ｉの売上曲線Ｇ
ｉ（ｉ＝１，２，・・，Ｎ）を生成する。この売上曲線
Ｇｉによるサンプリング期間Ｌｓの売上数Ｇｉ（ｊ）
（ｊ＝１，２・・，Ｋ）と、サンプリング期間Ｌｓの売
上数Ｙｊ（ｊ＝１，２・・，Ｋ）との売上数の差の絶対
値の和Ｄｉ（ｉ＝１，２，・・，Ｎ）、即ち、サンプリ
ング期間Ｌｓにおける二つの売上数の誤差の和を数４式
より求める（Ｓ７）。ここで、このサンプリング期間Ｌ
ｓの売上数の誤差平均Ｅｉ（ｉ＝１，２，・・，Ｎ）、
及び誤差分散Ｖｉ（ｉ＝１，２，・・，Ｎ）をそれぞれ
数５式、数６式より求め、これらの値も併せて売上曲線
選択情報として第４の記憶部５に記憶するようにしても
よい。

【００３２】

【数４】Ｄｉ ＝ ｜Ｇｉ（１）−Ｙ１｜＋｜Ｇｉ
（２）−Ｙ２｜＋・・・＋｜Ｇｉ（Ｋ）−ＹＫ｜ただ
し、ｉ＝１，２，・・，Ｎ

【００３３】

【数５】 Ｅｉ ＝ Ｄｉ／Ｋ ただし、ｉ＝１，２，・・，Ｎ Ｋはサンプリング期間Ｌｓの営業日数を表す

【００３４】

【数６】Ｖｉ ＝ （｜Ｇｉ（１）−Ｙ１｜^２＋｜Ｇｉ
（２）−Ｙ２｜^２＋・・・＋｜Ｇｉ（Ｋ）−ＹＫ｜^２）
／Ｋ−Ｅｉ^２ ただし、ｉ＝１，２，・・，Ｎ Ｋはサンプリング期間Ｌｓの営業日数を表す

【００３５】以上の処理を売上曲線生成情報の中のすべ
ての第２ｉの売上曲線Ｇｉ（ｉ＝１，２，・・，Ｎ）に
ついて行い、売上曲線選択情報を作成する。そして、そ
の終了後、売上曲線選択情報を、「誤差の和」をキーと
してこの値の小さい順にソートする。その結果、売上曲
線選択情報の最上位に、売上数の誤差の和が最小となる
売上曲線、即ち、売上数の差の絶対値の和Ｄｉ（ｉ＝
１，２，・・，Ｎ）を最小にする第２ｘの売上曲線Ｇｘ
のデータが得られる。このＧｘをもって第３の売上曲線
と定める（Ｓ８）。売上曲線選択情報を第４の記憶部５
に記憶する。

【００３６】決定処理部６は、第４の記憶部５から売上
曲線選択情報を取得し、その最上位にある第３の売上曲
線Ｇｘの情報を得る。

【００３７】次に、決定処理部６は、第３の売上曲線Ｇ
ｘの売上曲線選択情報の中のポインタにより対応する売
上曲線生成情報を第３の記憶部４から取得する。さら
に、売上曲線生成情報の中のポインタにより第１ｘの売
上曲線Ｆｘを第１の記憶部２から取得し、その生成方法
に従って、第３の売上曲線Ｇｘを生成する。そして、図
１１に示されるように第３の売上曲線Ｇｘにおいて、横
軸上の所定営業日に対応する売上曲線の縦軸上の値を読
み取り予測売上数を求めることができる（Ｓ９）。

【００３８】出力部７は、決定処理部６により求められ
た所定営業日の見込み売上数を、プリンターや表示装置
等により外部へ出力する（Ｓ１０）。図１４は、出力の
一例を示す図である。

【００３９】上記実施例において、サンプリング期間の
長さは任意であるから、売上予測を行いたい営業日ので
きるだけ直近までの実績売上データを常に入力するよう
にし、第２の売上曲線及び第３の売上曲線を新たに生成
して売上数の予測を行うようにしてもよい。こうすれ
ば、より長いサンプリング期間に基づく予測となるか
ら、より確度の高い売上予測が可能となる。

【００４０】上記実施例において、商品毎の第１の売上
曲線は、パターンの数が多ければ多いほど予測の精度が
あがる。そこで、時間を経れば経るほどに、売上パター
ン曲線が増えるから、より確度の高い売上予測が可能と
なる。

【００４１】上記実施例において、独立した形態の例を
示したが、入力部、あるいは、出力部を通信回線で介す
ることによって、生産管理システムや在庫管理システム
等に容易に組み入れることが可能である。

【００４２】他の実施例の処理動作を図１３のフローチ
ャートに示す。本例は、上記実施例において、第３の売
上曲線として売上数の誤差の和の小さい順に予め定めら
れた個数だけ選択し、これら第３の売上曲線の各々に基
づいて見込み売上数を求めるようにしたものである。選
択部９で、ソート済みの売上曲線選択情報が作成された
後に、第３の売上曲線として売上数の誤差の和の小さい
順に予め定められた個数だけ選択するには、この売上曲
線選択情報の最上位データから順に予め定められた個数
だけ売上曲線を選択すればよい（Ｓ２８）。そして、決
定処理部６では、第４の記憶部５から売上曲線選択情報
を取得し、まず、売上曲線選択情報の最上位の売上曲線
に基づき見込み売上数を求め、さらに、売上曲線選択情
報の次の売上曲線に基づき見込み売上数を求め、この処
理を予め定められた個数だけ繰り返してすべての見込み
売上数を求める（Ｓ２９）。この結果を出力部７で出力
する（Ｓ３０）。

【００４３】売上数の誤差の和が最小となる最適な売上
曲線は、あるサンプリング期間に基づくものであり、も
し、サンプリング期間が延長されたならば別の売上曲線
が最適なものとして選択され得る。そこで、現時点での
最適な売上曲線だけでなく、売上数の誤差の和がある程
度小さい売上曲線による見込み売上数も同時に参考にで
きるように、売上数の誤差の和が小さい順に予め定めら
れた個数の売上曲線を選択し、それらに基づくそれぞれ
の見込み売上数の予測を行い、併せて誤差平均や誤差分
散等の付加情報を提供して、より総合的な見込み売上数
の決定を支援するための実施例である。図１５は、売上
曲線の選択個数が３とされた場合の出力の一例である。

【００４４】

【発明の効果】以上説明したように、この発明によれ
ば、サンプリング期間の売上数に基づいて、季節・気候
要因や人事要因等のさまざまな変動要因を織り込んだ複
数個からなる売上パターン曲線を用意しておき、そのと
きの売上状況に応じて、その中から最適なものを選択
し、その売上曲線に基づいて商品の見込み売上を推定し
ているため、さまざまな売上変動要因に対しても確度の
高い売上予測が実現でき、より正確な見込み生産や在庫
管理が可能となり、その売上効率（利益効率）を向上さ
せるのに優れた効果を奏する。

【図面の簡単な説明】

【図１】 この発明の一実施例の構成を示すブロック図
である。

【図２】 生鮮商品（豆腐）の８月の売上曲線の例を示
す図である。

【図３】 第１ｉの売上曲線Ｆｉの例を示す図である。

【図４】 複数個の売上曲線Ｆｉのイメージの例を示す
図である。

【図５】 売上数データ記憶領域（第２の記憶部）の内
容の一例を示す図である。

【図６】 売上曲線生成情報（第３の記憶部）の内容の
一例を示す図である。

【図７】 売上曲線選択情報（第４の記憶部）の内容の
一例を示す図である。

【図８】 第１ｉの売上曲線データ（第１の記憶部）、
売上曲線生成情報（第３の記憶部）、及び売上選択情報
（第４の記憶部）の関連を示す図である。

【図９】 第２ｉの売上曲線Ｇｉの修正を説明する図で
ある。

【図１０】複数個の売上曲線Ｇｉのイメージの例を示す
図である。

【図１１】第３の売上曲線Ｇｘの例を示す図である。

【図１２】この発明の一実施例を示すフローチャートで
ある。

【図１３】この発明の他の実施例を示すフローチャート
である。

【図１４】この発明の一出力例を示す図である。

【図１５】３個の売上曲線に基づく見込み売上推定を指
示された場合の一出力例を示す図である。

【符号の説明】

１ 入力部 ２ 第１の記憶部 ３ 第２の記憶部 ４ 第３の記憶部 ５ 第４の記憶部 ６ 決定処理部 ７ 出力部 ８ 生成部 ９ 選択部

Claims (6)

【特許請求の範囲】
1. 【請求項１】 商品毎に過去のある一定周期毎の売上数
   の変化をパターン化してなる複数個の第１ｉ（ｉ＝１，
   ２，・・，Ｎ）の売上曲線を予め記憶した第１の記憶手
   段と、商品毎の売上数を入力する入力手段と、前記商品
   毎の売上数を記憶する第２の記憶手段と、前記第２の記
   憶手段から取得した商品毎の所定サンプリング期間の売
   上数より第１の期間平均売上数を算出し、前記第１の記
   憶手段から取得した当該商品に対応した第１ｉ（ｉ＝
   １，２，・・，Ｎ）の売上曲線の売上数を前記サンプリ
   ング期間にわたり平均して第２ｉ（ｉ＝１，２，・・，
   Ｎ）の期間平均売上数を算出し、前記第１ｉ（ｉ＝１，
   ２，・・，Ｎ）の売上曲線を、前記第１の期間平均売上
   数と前記第２ｉ（ｉ＝１，２，・・，Ｎ）の期間平均売
   上数の比に基づいて修正して、第２ｉ（ｉ＝１，２，・
   ・，Ｎ）の売上曲線を生成する生成手段と、前記第２ｉ
   （ｉ＝１，２，・・，Ｎ）の売上曲線の生成情報を記憶
   する第３の記憶手段と、前記第２の記憶手段から取得し
   た前記サンプリング期間の各売上数と、前記第３の記憶
   手段に記憶された生成情報に基づいて取得した第２ｉ
   （ｉ＝１，２，・・，Ｎ）の売上曲線の前記サンプリン
   グ期間に対応する各売上数との差の絶対値の和を算出
   し、前記第２ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線の
   中で前記売上数の差の絶対値の和を最小とするものを第
   ３の売上曲線として選択する選択手段と、前記第３の売
   上曲線の選択情報を記憶する第４の記憶手段と、前記第
   ４の記憶手段に記憶された選択情報により取得した第３
   の売上曲線に基づいて今後の見込み売上数を決定する決
   定処理手段と、前記見込み売上数を出力する出力手段と
   を備えたことを特徴とする見込み売上推定システム。
2. 【請求項２】前記選択手段は、前記売上数の差の絶対値
   の和の小さい順に対応する前記第２ｉ（ｉ＝１，２，・
   ・，Ｎ）の売上曲線を予め定められた個数だけ第３の売
   上曲線として選択し、前記決定処理手段は、前記第４の
   記憶手段に記憶された選択情報により取得した予め定め
   られた個数からなる第３の売上曲線の各々に基づいて今
   後の見込み売上数を決定する請求項１記載の見込み売上
   推定システム。
3. 【請求項３】 商品毎に過去の一定周期毎の売上数の変
   化をパターン化してなる複数個の第１ｉ（ｉ＝１，２，
   ・・，Ｎ）の売上曲線を第１の記憶領域に有して、商品
   の見込み売上数を決定するための方法であって、商品毎
   の売上数を入力する行程と、前記商品毎の売上数を第２
   の記憶領域に記憶する行程と、前記第２の記憶領域から
   取得した商品毎の所定サンプリング期間の売上数より第
   １の期間平均売上数を算出し、前記第１の記憶領域から
   取得した当該商品に対応した第１ｉ（ｉ＝１，２，・
   ・，Ｎ）の売上曲線の売上数を前記サンプリング期間に
   わたり平均して第２ｉ（ｉ＝１，２，・・，Ｎ）の期間
   平均売上数を算出し、前記第１ｉ（ｉ＝１，２，・・，
   Ｎ）の売上曲線を、前記第１の期間平均売上数と前記第
   ２ｉ（ｉ＝１，２，・・，Ｎ）の期間平均売上数の比に
   基づいて修正して、第２ｉ（ｉ＝１，２，・・，Ｎ）の
   売上曲線を生成する行程と、前記第２ｉ（ｉ＝１，２，
   ・・，Ｎ）の売上曲線の生成情報を第３の記憶領域に記
   憶する行程と、前記第２の記憶領域から取得した前記サ
   ンプリング期間の各売上数と、前記第３の記憶領域に記
   憶された生成情報に基づいて取得した第２ｉ（ｉ＝１，
   ２，・・，Ｎ）の売上曲線の前記サンプリング期間に対
   応する各売上数との差の絶対値の和を算出し、前記第２
   ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線の中で前記売上
   数の差の絶対値の和を最小とするものを第３の売上曲線
   として選択する行程と、前記第３の売上曲線の選択情報
   を第４の記憶領域に記憶する行程と、前記第４の記憶領
   域に記憶された選択情報により取得した第３の売上曲線
   に基づいて、今後の見込み売上数を決定する行程と、前
   記見込み売上数を出力する行程とを含むことを特徴とす
   る見込み売上推定方法。
4. 【請求項４】前記第３の売上曲線として、前記売上数の
   差の絶対値の和の小さい順に対応する前記第２ｉ（ｉ＝
   １，２，・・，Ｎ）の売上曲線を予め定められた個数だ
   け選択し、前記第４の記憶手段に記憶された選択情報に
   より取得した予め定められた個数からなる第３の売上曲
   線の各々に基づいて今後の見込み売上数を決定する請求
   項３記載の見込み売上推定方法。
5. 【請求項５】 商品毎に過去の一定周期毎の売上数の変
   化をパターン化してなる複数個の第１ｉ（ｉ＝１，２，
   ・・，Ｎ）の売上曲線を第１の記憶領域に有して、商品
   の見込み売上数を決定するためのプログラムを記録した
   記録媒体であって、該プログラムは、商品毎の売上数を
   入力させ、前記商品毎の売上数を第２の記憶領域に記憶
   させ、前記第２の記憶領域から取得した商品毎の所定サ
   ンプリング期間の売上数より第１の期間平均売上数を算
   出し、前記第１の記憶領域から取得した当該商品に対応
   した第１ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線の売上
   数を前記サンプリング期間のわたり平均して第２ｉ（ｉ
   ＝１，２，・・，Ｎ）の期間平均売上数を算出し、前記
   第１ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線を、前記第
   １の期間平均売上数と前記第２ｉ（ｉ＝１，２，・・，
   Ｎ）の期間平均売上数の比に基づいて修正して、第２ｉ
   （ｉ＝１，２，・・，Ｎ）の売上曲線を生成させ、前記
   第２ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線の生成情報
   を第３の記憶領域に記憶させ、前記第２の記憶領域から
   取得した前記サンプリング期間の各売上数と、前記第３
   の記憶領域に記憶された生成情報に基づいて取得した第
   ２ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線の前記サンプ
   リング期間に対応する各売上数との差の絶対値の和を算
   出し、前記第２ｉ（ｉ＝１，２，・・，Ｎ）の売上曲線
   の中で前記売上数の差の絶対値の和を最小とするものを
   第３の売上曲線として選択させ、前記第３の売上曲線の
   選択情報を第４の記憶領域に記憶させ、前記第４の記憶
   領域に記憶された選択情報により取得した第３の売上曲
   線に基づいて今後の見込み売上数を決定させ、前記見込
   み売上数を出力させることを特徴とする見込み売上推定
   プログラムを記憶した記憶媒体。
6. 【請求項６】前記第３の売上曲線として、前記売上数の
   差の絶対値の和の小さい順に対応する前記第２ｉ（ｉ＝
   １，２，・・，Ｎ）の売上曲線を予め定められた個数だ
   け選択し、前記第４の記憶手段に記憶された選択情報に
   より取得した予め定められた個数からなる第３の売上曲
   線の各々に基づいて今後の見込み売上数を決定する請求
   項５記載の見込み売上推定プログラムを記憶した記憶媒
   体。