KR20230136632A - 부품 사전 준비 지원 시스템 및 방법 - Google Patents
부품 사전 준비 지원 시스템 및 방법 Download PDFInfo
- Publication number
- KR20230136632A KR20230136632A KR1020237028635A KR20237028635A KR20230136632A KR 20230136632 A KR20230136632 A KR 20230136632A KR 1020237028635 A KR1020237028635 A KR 1020237028635A KR 20237028635 A KR20237028635 A KR 20237028635A KR 20230136632 A KR20230136632 A KR 20230136632A
- Authority
- KR
- South Korea
- Prior art keywords
- parts
- probability
- customer
- order
- preparation
- Prior art date
Links
- 238000002360 preparation method Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 230000001737 promoting effect Effects 0.000 claims description 124
- 238000012423 maintenance Methods 0.000 claims description 15
- 230000036541 health Effects 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 49
- 238000012545 processing Methods 0.000 description 35
- 238000013500 data storage Methods 0.000 description 20
- 238000009826 distribution Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 12
- 230000015556 catabolic process Effects 0.000 description 11
- 230000007423 decrease Effects 0.000 description 5
- 238000013179 statistical model Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/004—Error avoidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0766—Error or fault reporting or storing
- G06F11/0772—Means for error signaling, e.g. using interrupts, exception flags, dedicated error registers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Emergency Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
부품의 사전 준비를 적정하게 실행한다. 이 부품 사전 준비 지원 시스템은, 서버를 갖고, 그 서버는, 기계의 가동 정보에 기초하여 상기 기계의 고장을 예측하는 고장 예측부와, 고객이 보유 또는 이용하는 기계에 관한 데이터에 기초하여, 상기 기계를 보유 또는 이용하는 지역의 특성, 또는 고객의 특성을 추정하는 지역/고객 특성 추정부와, 상기 고장 예측부 및 상기 지역/고객 특성 추정부의 출력에 기초하여, 상기 기계에 관한 부품을 수주하는 확률인 수주 확률을 산출하는 수주 확률 산출부와, 상기 부품을, 상기 기계의 소재지의 인근 거점에 사전 준비한 경우의 손익을, 상기 수주 확률에 기초하여 산출하는 사전 준비 손익 산출부를 구비한다.
Description
본 발명은, 부품 사전 준비 지원 시스템 및 방법에 관한 것이다.
제조 장치나 건설 기계 등의 기계에 있어서는, 각종 부품이 소모나 열화에 의해 교환이나 보충이 필요하게 되는 경우가 있다. 기계의 생산성 향상을 위하여, 기계가 정지 또는 기능 저하되기 전에(사전에) 그러한 부품을 유저에게 공급할 것이 요망되고 있으며, 그를 위한 부품 사전 준비 지원 시스템이, 예를 들어 특허문헌 1 등에 의해 알려져 있다.
특허문헌 1의 시스템은, 고객이 보유하는 기계의 이상을 센서의 출력에 따라서 검지하고, 그 이상에 관련된 부품을 준비 거점에 사전에 준비하도록 되어 있다. 그러나, 이와 같은 종래의 시스템은, 이상의 정보와, 과거의 실제 교환율에 따라서, 교환 등이 필요해지는 부품명과 부품수를 판정하는 것이다. 이 때문에, 실제로 발주되는 부품의 수와 부품의 재고수 사이에 괴리가 생겨서, 사전 준비가 소용없게 되거나(재고 과잉), 사전 준비가 적시에 이루어지지 않아 재고 부족에 빠지거나 하는 것을 피할 수 없다. 이와 같이, 종래의 시스템에서는, 상황에 따른 부품의 사전 준비가 곤란했다.
본 발명은, 부품의 사전 준비를 적정하게 실행하는 것을 가능하게 한 부품 사전 준비 지원 시스템 및 방법을 제공하는 것이다.
상기 과제를 해결하기 위해서, 본 발명에 관한 부품 사전 준비 지원 시스템은, 서버를 갖고, 상기 서버는, 기계의 가동 정보에 기초하여 상기 기계의 고장을 예측하는 고장 예측부와, 고객이 보유 또는 이용하는 상기 기계에 관한 데이터에 기초하여, 상기 기계를 보유 또는 이용하는 지역의 특성, 또는 고객의 특성을 추정하는 지역/고객 특성 추정부와, 상기 고장 예측부 및 상기 지역/고객 특성 추정부의 출력에 기초하여, 상기 기계에 관한 부품을 수주하는 확률인 수주 확률을 산출하는 수주 확률 산출부와, 상기 부품을, 상기 기계의 소재지의 인근 거점에 사전 준비한 경우의 손익을, 상기 수주 확률에 기초하여 산출하는 사전 준비 손익 산출부를 구비한다.
본 발명에 따르면, 부품의 사전 준비를 적정하게 실행하는 것을 가능하게 한 부품 사전 준비 지원 시스템 및 방법을 제공하는 것이다.
도 1은 본 발명의 실시 형태에 관한 부품 사전 준비 지원 시스템의 전체 구성을 도시하는 구성도이다.
도 2는 가동 정보 테이블(101)의 데이터 구성의 일례를 설명한다.
도 3은 재고 관리 테이블(102)의 데이터 구성의 일례를 설명한다.
도 4는 수주 이력 테이블(103)의 데이터 구성의 일례를 설명한다.
도 5는 발보 이력 테이블(104)의 데이터 구성의 일례를 설명한다.
도 6은 지역 고객 속성 테이블(301)의 데이터 구성의 일례를 설명한다.
도 7은 부품 준비 비용 테이블(302)의 데이터 구성의 일례를 설명한다.
도 8은 판촉 활동 비용 테이블(303)의 데이터 구성의 일례를 설명한다.
도 9는 판촉 활동 이력 테이블(304)의 데이터 구성의 일례를 설명한다.
도 10은 발보 예측 테이블(401)의 데이터 구성예를 나타내는 표도이다.
도 11은 수주 예측 테이블(402)의 데이터 구성의 일례를 설명한다.
도 12는 판촉 실행 수주 예측 테이블(403)의 데이터 구성의 일례를 설명한다.
도 13은 사전 준비 손익 테이블(404)의 데이터 구성의 일례를 설명한다.
도 14는 수주 예측 서버(200)에서의 데이터 처리의 수순을 설명하는 흐름도이다.
도 15는 도 14의 스텝 S201의 상세(지역·고객 특성 추정부(201)에서의 데이터 처리 수순의 상세)의 일례를 설명하는 흐름도이다.
도 16a는 스텝 S2010(지역에서의 비순정 부품의 입수성 양호함의 산출)의 상세를 설명하는 흐름도이다.
도 16b는 스텝 S2010(지역에서의 비순정 부품의 입수성 양호함의 산출)의 상세를 설명하는 흐름도이다.
도 17은 고객에 있어서의 보전에 관한 적극성을 나타내는 수치 산출 수순의 일례를 설명하는 흐름도이다.
도 18은 번망월의 산출 수순의 상세의 일례를 설명하는 흐름도이다.
도 19a는 발보 예측부(202)에서의 데이터 처리 수순의 상세의 일례를 설명하는 흐름도이다.
도 19b는 발보 예측부(202)에서의 데이터 처리 수순의 상세의 일례를 설명하는 흐름도이다.
도 20a는 수주 확률의 산출의 구체적인 수순을 설명하는 흐름도이다.
도 20b는 수주 확률의 산출의 구체적인 수순을 설명하는 흐름도이다.
도 21a는 사전 준비 손익 산출의 구체적인 수순을 설명하는 흐름도이다.
도 21b는 사전 준비 손익 산출의 구체적인 수순을 설명하는 흐름도이다.
도 21c는 사전 준비 손익 산출의 구체적인 수순을 설명하는 흐름도이다.
도 22는 사전 준비 계획 표시부(501)의 화면의 일례를 나타내고 있다.
도 23은 사전 준비 통지 표시부(601)의 화면의 일례를 설명한다.
도 24는 사전 준비 계획 표시부(501)에서의 동작의 일례를 나타내고 있다.
도 25는 사전 준비 통지 표시부(601)에서의 동작의 일례를 설명한다.
도 2는 가동 정보 테이블(101)의 데이터 구성의 일례를 설명한다.
도 3은 재고 관리 테이블(102)의 데이터 구성의 일례를 설명한다.
도 4는 수주 이력 테이블(103)의 데이터 구성의 일례를 설명한다.
도 5는 발보 이력 테이블(104)의 데이터 구성의 일례를 설명한다.
도 6은 지역 고객 속성 테이블(301)의 데이터 구성의 일례를 설명한다.
도 7은 부품 준비 비용 테이블(302)의 데이터 구성의 일례를 설명한다.
도 8은 판촉 활동 비용 테이블(303)의 데이터 구성의 일례를 설명한다.
도 9는 판촉 활동 이력 테이블(304)의 데이터 구성의 일례를 설명한다.
도 10은 발보 예측 테이블(401)의 데이터 구성예를 나타내는 표도이다.
도 11은 수주 예측 테이블(402)의 데이터 구성의 일례를 설명한다.
도 12는 판촉 실행 수주 예측 테이블(403)의 데이터 구성의 일례를 설명한다.
도 13은 사전 준비 손익 테이블(404)의 데이터 구성의 일례를 설명한다.
도 14는 수주 예측 서버(200)에서의 데이터 처리의 수순을 설명하는 흐름도이다.
도 15는 도 14의 스텝 S201의 상세(지역·고객 특성 추정부(201)에서의 데이터 처리 수순의 상세)의 일례를 설명하는 흐름도이다.
도 16a는 스텝 S2010(지역에서의 비순정 부품의 입수성 양호함의 산출)의 상세를 설명하는 흐름도이다.
도 16b는 스텝 S2010(지역에서의 비순정 부품의 입수성 양호함의 산출)의 상세를 설명하는 흐름도이다.
도 17은 고객에 있어서의 보전에 관한 적극성을 나타내는 수치 산출 수순의 일례를 설명하는 흐름도이다.
도 18은 번망월의 산출 수순의 상세의 일례를 설명하는 흐름도이다.
도 19a는 발보 예측부(202)에서의 데이터 처리 수순의 상세의 일례를 설명하는 흐름도이다.
도 19b는 발보 예측부(202)에서의 데이터 처리 수순의 상세의 일례를 설명하는 흐름도이다.
도 20a는 수주 확률의 산출의 구체적인 수순을 설명하는 흐름도이다.
도 20b는 수주 확률의 산출의 구체적인 수순을 설명하는 흐름도이다.
도 21a는 사전 준비 손익 산출의 구체적인 수순을 설명하는 흐름도이다.
도 21b는 사전 준비 손익 산출의 구체적인 수순을 설명하는 흐름도이다.
도 21c는 사전 준비 손익 산출의 구체적인 수순을 설명하는 흐름도이다.
도 22는 사전 준비 계획 표시부(501)의 화면의 일례를 나타내고 있다.
도 23은 사전 준비 통지 표시부(601)의 화면의 일례를 설명한다.
도 24는 사전 준비 계획 표시부(501)에서의 동작의 일례를 나타내고 있다.
도 25는 사전 준비 통지 표시부(601)에서의 동작의 일례를 설명한다.
이하, 첨부 도면을 참조하여 본 실시 형태에 대해서 설명한다. 첨부 도면에서는, 기능적으로 동일한 요소는 동일한 번호로 표시되는 경우도 있다. 또한, 첨부 도면은 본 개시의 원리에 준한 실시 형태와 실장예를 나타내고 있지만, 이것들은 본 개시의 이해를 위한 것이며, 결코 본 개시를 한정적으로 해석하기 위해서 사용되는 것은 아니다. 본 명세서의 기술은 전형적인 예시에 지나지 않고, 본 개시의 특허 청구 범위 또는 적용예를 어떠한 의미에서도 한정하는 것은 아니다.
본 실시 형태에서는, 당업자가 본 개시를 실시하는데 충분히 상세하게 그 설명이 이루어져 있지만, 다른 실장·형태도 가능하며, 본 개시의 기술적 사상의 범위와 정신을 일탈하지 않고 구성·구조의 변경이나 다양한 요소의 치환이 가능한 것을 이해할 필요가 있다. 따라서, 이후의 기술을 이것에 한정해서 해석하면 안된다.
도 1은, 본 발명의 실시 형태에 관한 부품 사전 준비 지원 시스템의 전체 구성을 도시하는 구성도이다. 도 1의 예에서는, 건설 기계의 부품의 사전 준비를 지원하는 시스템을 설명한다. 대상이 되는 기계가 건설 기계 이외의 기계가 되는 경우라도, 기본적인 시스템의 구성은 동일하다.
본 명세서에서 「사전 준비」란, 기계의 고장 정보에 따라서, 수주 가능성이 있는 부품을 예측하여, 고객으로부터의 주문이 있기 전의 단계에서, 기계의 소재지 인근의 준비 거점에 먼 곳의 준비 거점 등으로부터 부품을 배송하는 것이다. 한편, 「사후 준비」란, 고객으로부터 부품의 주문을 받은 후에, 가장 가까운 준비 거점 또는 기계가 가동하는 현장에 직접 부품을 배송하는 것이다. 본 실시 형태의 시스템은, 부품의 사전 준비가 적정하게 행해져서, 부품의 배송 지연이 생기지 않도록 하는 한편, 사전 준비에 의한 금전적인 손실이 증대하지 않도록 지원하는 것을 의도하고 있다. 또한, 본 명세서에서는, 기계의 소재지 인근의 준비 거점을 「대리점」이라고 칭하고 있고, 대리점보다도 먼 곳의 준비 거점을 「물류 거점(데포)」이라고 칭하고 있다.
도 1의 시스템은, 업무 데이터 기억부(100)와, 수주 예측 서버(200)와, 수주 예측 데이터 기억부(300)와, 수주 예측 결과 기억부(400)를 포함한다. 수주 예측 서버(200)는, 본 시스템에 있어서, 건설 기계의 부품의 수주 확률을 산출함과 함께, 부품의 사전 준비를 행한 경우의 손익(사전 준비 손익)을 산출하는 역할을 갖는다. 수주 예측 서버(200)는, 업무 데이터 기억부(100)에 기억되는 각종 업무 데이터, 및 수주 예측 데이터 기억부(300)에 기억되는 수주 예측 데이터에 따라서, 수주 확률 및 사전 준비 손익을 산출한다. 수주 예측 서버(200)는, 네트워크(1)를 통해서, 부품의 중개를 행하는 대리점에 의해 조작되는 대리점 단말기(500), 및 건설 기계를 보유하고 이용하는 고객에 의해 조작되는 고객 단말기(600)와 접속된다.
업무 데이터 기억부(100)는, 고객이 보유하고 이용하는 건설 기계에 관한 업무 데이터(가동 정보, 부품의 재고 관리, 부품의 수주 이력, 고장 알람의 발보 이력 등)를 기억하는 기억부(데이터베이스)이다. 또한, 도시는 생략하지만, 고객이 보유하고 이용하는 건설 기계의 기체에는, 각종 센서가 설치되어 있어, 건설 기계의 가동 상황에 관한 정보가 센서로부터 얻어진다. 얻어진 가동 상황에 관한 정보는, 무선 통신에 의해 네트워크를 통해서 정기적으로 업무 데이터 기억부(100)에 송신되어, 기억된다.
수주 예측 서버(200)에서 산출된 수주 확률 및 사전 준비 손익은, 수주 예측 결과 기억부(400)에 송신되어, 저장된다. 산출된 수주 확률 및 사전 준비 손익에 따라서, 부품의 사전 준비가 이루어질지 여부가 판정된다. 그 판정 결과는, 고객 단말기(600)로부터의 요구에 따라서, 고객 단말기(600)의 사전 준비 통지 표시부(601)에 표시된다. 또한, 산출된 수주 확률 및 사전 준비 손익에 따라서 작성된 사전 준비 계획은, 대리점 단말기(500)에 송신되어, 사전 준비 계획 표시부(501)에 표시된다.
업무 데이터 기억부(100)는, 일례로서, 가동 정보 테이블(101), 재고 관리 테이블(102), 수주 이력 테이블(103) 및 발보 이력 테이블(104)을 구비한다. 가동 정보 테이블(101)은, 건설 기계 각각의 가동 상황에 관한 정보(가동 정보)를 저장하는 테이블이며, 재고 관리 테이블(102)은, 대리점(준비 거점) 각각에서의 부품의 재고 관리에 관한 정보를 저장하는 테이블이다. 또한, 수주 이력 테이블(103)은, 고객으로부터 부품의 수주를 받은 이력(수주 이력)에 관한 정보를 저장하는 테이블이다. 또한, 발보 이력 테이블(104)은, 건설 기계로부터 발해진 고장 경고의 이력(발보 이력)에 관한 정보를 저장하는 테이블이다.
수주 예측 서버(200)는, 일례로서 지역·고객 특성 추정부(201)와, 발보 예측부(202)와, 수주 확률 산출부(203)와, 사전 준비 손익 산출부(204)를 구비한다. 지역·고객 특성 추정부(201)는, 고객이 기계를 보유하고 이용하는 지역의 특성이나, 그 고객의 특성을 추정하는 역할을 갖는다. 추정은, 수주 예측 데이터 기억부(300)로부터 제공되는 각종 데이터에 따라서 행해진다. 발보 예측부(202)는, 각종 정보에 따라서, 각 건설 기계에서의 고장을 나타내는 경고가 발해지는 것을 예측하는 역할을 갖는다. 발보 예측부(202)는, 기계의 가동 정보에 기초하여 건설 기계의 고장을 예측하는 고장 예측부의 일 형태이다. 수주 확률 산출부(203)는, 지역·고객 특성 추정부(201) 및 발보 예측부(202)로부터의 출력에 따라서, 어떤 부품의 수주 확률을 산출하는 역할을 갖는다. 또한, 사전 준비 손익 산출부(204)는, 그 부품을 사전 준비한 경우의 손익을 산출하는 역할을 갖는다.
수주 예측 데이터 기억부(300)는, 일례로서, 지역 고객 속성 테이블(301)과, 부품 준비 비용 테이블(302)과, 판촉 활동 비용 테이블(303)과, 판촉 활동 이력 테이블(304)을 구비하고, 수주 확률 산출부(203)에서의 수주 확률의 산출, 및 사전 준비 손익 산출부(204)에서의 사전 준비 손익의 산출에 사용되는 수주 예측 데이터를 기억(저장)한다. 지역 고객 속성 테이블(301)은, 어떤 지역에 속하는 고객의 속성을 나타내는 데이터를 저장한다. 또한, 부품 준비 비용 테이블(302)은, 각 부품에 관한 준비 비용을 나타내는 데이터를 저장한다. 판촉 활동 비용 테이블(303)은, 어떤 판매 촉진 활동(이하, 「판촉 활동」이라고 약기함)에 관해서 생기는 비용에 관한 데이터를 저장한다. 또한, 판촉 활동 이력 테이블은, 실행된 판촉 활동의 이력에 관한 데이터를 저장한다. 이들 데이터는, 상술한 지역·고객 특성 추정부(201)에 공급되어, 지역의 특성 및 고객의 특성 추정에 사용된다.
수주 예측 결과 기억부(400)는, 일례로서, 발보 예측 테이블(401), 수주 예측 테이블(402), 판촉 실행 수주 예측 테이블(403) 및 사전 준비 손익 테이블(404)을 구비한다. 발보 예측 테이블(401)은, 각 건설 기계로부터 발해진 고장 알람(발보)에 관한 데이터를 저장하는 테이블이다. 또한, 수주 예측 테이블(402)은, 각 건설 기계의 부품의 수주 확률이나, 기타 수주에 관한 예측 데이터를 저장하는 테이블이다. 또한, 판촉 실행 수주 예측 테이블(403)은, 판촉 활동이 행해진 경우의, 부품의 수주 확률이나, 기타 수주에 관한 예측 데이터를 저장하는 테이블이다. 또한, 사전 준비 손익 테이블(404)은, 사전 준비 손익 산출부(204)에서 산출된 사전 준비 손익에 관한 데이터를 저장하는 테이블이다.
또한, 업무 데이터 기억부(100), 수주 예측 서버(200), 수주 예측 데이터 기억부(300), 수주 예측 결과 기억부(400)는, 각각 기억 장치나 서버 장치 등의 하드웨어로서 독립적으로 구성되어 있어도 되지만, 단일한 데이터 서버에 의해 실현되어도 된다.
도 2를 참조하여, 가동 정보 테이블(101)의 데이터 구성의 일례를 설명한다. 가동 정보 테이블(101)은, 데이터 항목의 일례로서, 기체 ID(1010), 가동일(1011), 가동 시간(1012), 배터리 SOH(State of Health)(1013), 엔진 흡기 온도 최저값(1014), 엔진 배기 온도 최고값(1015)을 기억하고 있고, 1행의 데이터가, 어떤 건설 기계(기체 ID)의, 어떤 가동일에서의 가동 상태의 데이터(가동 시간, 배터리 SOH, 엔진 흡기 온도의 최저값, 엔진 배기 온도의 최고값 등)를 나타내고 있다. 배터리 SOH는, 배터리의 건전성을 나타내고 있어, 고장이나 기능 저하를 피해서 통상 동작을 행할 수 있는 정도를 나타내고 있다. 배터리 SOH나 엔진 흡기 온도 등은, 건설 기계에 배치된 각종 센서에 의해 계측할 수 있다. 배터리 SOH나 엔진 흡기 온도 등은, 그 건설 기계에서의 발보 타이밍에 영향을 주는 수치이다. 도 2에 나타내는 데이터 항목은 일례이며, 이것에 한정되는 것이 아님은 물론이다.
도 3을 참조하여, 재고 관리 테이블(102)의 데이터 구성의 일례를 설명한다. 재고 관리 테이블(102)은, 데이터 항목의 일례로서, 대리점 코드(1020), 부품 ID(1021), 개수(1022), 판매 가격(1023), 매출액 총이익율(1024)을 포함하고, 1행의 데이터가, 어떤 대리점(대리점 코드)에서의, 어떤 부품의 재고 상황(재고의 개수, 판매 가격, 매출액 총이익율 등)을 나타내고 있다.
도 4를 참조하여, 수주 이력 테이블(103)의 데이터 구성의 일례를 설명한다. 수주 이력 테이블(103)은, 데이터 항목의 일례로서, 수주 ID(1030), 기체 ID(1031), 부품 ID(1032), 부품명(1033), 개수(1034), 수주일(1035)을 포함한다. 수주 ID(1030)는 개개의 수주를 식별하는 기호이며, 기체 ID(1031)는 건설 기계를 식별하는 기호이며, 부품 ID(1032)는 부품을 식별하는 기호이다. 1행의 데이터는, 어떤 건설 기계에서의 하나의 부품의 수주 데이터(각종 ID)를, 부품명, 개수, 수주일 등과 함께 나타내고 있다. 또한, 1회의 수주에 있어서, 복수의 부품을 수주하는 경우가 있는데, 그 경우에는, 복수의 부품에 대하여 동일한 수주 ID(1030)가 부여되고, 수주 이력 테이블(103)에서는, 복수행에 걸쳐서 동일한 수주 ID(1030)의 데이터가 생성된다. 즉, 수주 ID(1030)는, 기체 ID(1031)와 부품 ID(1032)의 조합마다 부여된다.
도 5를 참조하여, 발보 이력 테이블(104)의 데이터 구성의 일례를 설명한다. 발보 이력 테이블(104)은, 일례로서, 데이터 항목으로서, 기체 ID(1040), 알람 ID(1041), 발보일(1042)을 포함한다. 1행의 데이터는, 어느 건설 기계가, 언제 알람의 발보를 행했는지를 나타내고 있다.
도 6을 참조하여, 지역 고객 속성 테이블(301)의 데이터 구성의 일례를 설명한다. 지역 고객 속성 테이블(301)은, 일례로서, 기체 ID(3010), 적용 개시일(3011), 적용 종료일(3012), 국가 코드(3013), 대리점 코드(3014), 지역 코드(3015), 고객 코드(3016), 비순정 부품 입수성(3017), 보전에 관한 적극성(3018), 번망월(3019)을 포함한다. 1행의 데이터는, 적용 개시일(3011)부터 적용 종료일(3012)까지의 기간 내에서, 어떤 기체 ID(3010)의 건설 기계가 소속하고 있는 국가·지역이나 고객의 특성을 나타내고 있다.
적용 개시일(3011) 및 적용 종료일(3012)은, 1행의 데이터가 적용되는 기간(개시일, 종료일)을 나타내고 있다. 건설 기계는, 기계의 이동이나 타인에게의 양도(매매, 대출, 리스 등)에 의해, 그 가동지나 소유자가 변경되는 경우가 있고, 이 때문에, 지역 고객 속성 테이블(301)에서도, 적용 개시일(3011) 및 적용 종료일(3012)을 데이터 항목에 포함시켜, 적용 기간을 지정하는 것이 가능하다. 적용 개시일(3011) 및 적용 종료일(3012)은 일례이며, 생략하는 것도 가능하다. 고객의 ID는 고객 코드(3016)에, 고객의 소재지의 지역 분류는 지역 코드(3015)에, 소재국의 분류는 국가 코드(3013)에, 대리점의 코드는 대리점 코드(3014)에 저장된다.
비순정 부품 입수성(3017)은, 교환이 필요하다고 예측되는 부품의 대체품인 비순정 부품(비정규품)의 입수 가능성을 나타내는 수치이다. 비순정품이 입수 가능한지 여부는, 그 지역에 따라, 또한 고객 기업의 경영 방침 등에 따라 다르므로, 비순정 부품의 입수 가능성을 수치로 나타냄으로써, 지역이나 고객의 속성을 표현하고 있는 것이다. 또한, 보전에 관한 적극성(3018)은, 그 고객이 건설 기계의 보전 업무에 적극적으로 대응하고 있는 정도를 나타내는 지표이다. 보전에 관한 적극성(3018)의 수치가 높을수록, 건설 기계에 문제가 생겼을 경우에 부품의 수주 확률이 높아진다. 번망월(3019)은, 고객 기업의 업무의 성수기를 나타내는 달의 수치를 나타낸다. 비순정 부품 입수성(3017), 보전에 관한 적극성(3018) 및 번망월(3019)의 데이터는, 지역·고객 특성 추정부(201)에서 추정되어 저장되는 값이다.
도 7을 참조하여, 부품 준비 비용 테이블(302)의 데이터 구성의 일례를 설명한다. 부품 준비 비용 테이블(302)은, 일례로서, 부품 ID(3020), 대리점 코드(3021), 데포 코드(3022), 표준 배송 일수(3023), 표준 속달 일수(3024), 배송비(3025), 속달비(3026), 재고비/일(3027), 고장 손실/일(3028), 기대 처분비(3029)를 포함한다. 1행의 데이터는, 어떤 부품 ID(3020)의 부품을, 어떤 데포 코드(3022)의 물류 거점(데포)으로부터 어떤 대리점 코드(3021)의 대리점에 사전 준비 또는 사후 준비한 경우의 비용(배송비, 속달비, 재고비/일, 고장 손실/일, 기대 처분비 등)을 나타내고 있다. 재고비/일(3027)은, 대리점에서 부품을 보관하기 위한 1일당 재고 관리비를 나타낸다. 또한, 고장 손실/일(3028)은, 기계가 고장난 것에 기인하는 고객의 신뢰도 저하에 의한, 장래의 판매액 감소의 예상액(1일당)을 나타낸다.
또한, 기대 처분비(3029)는, 사전 준비한 부품이 소정의 확률로 분실·파손되거나, 데포에 반품되거나 했을 경우의 처분비의 기댓값을 나타내고 있다. 각종 비용의 데이터의 조합은 임의이어서, 도 7에 예시한 것 이외의 비용 항목을 추가하는 것도 가능하고, 도시한 항목의 일부를 삭제하는 것도 가능하다. 데이터 항목의 정의를 변경하는 것도 가능하다. 또한, 배송비가 시기에 따라서 변동하는 비용으로 되도록, 모델화하는 것도 가능하다. 또한, 부품마다의 비용을 저장하는 것이 아니라, 모든 부품에 일률적으로 고정 비용을 적용해도 되고, 어떤 비용에 대한 소정의 비율로 각 부품에 비용을 배분해도 된다.
도 8을 참조하여, 판촉 활동 비용 테이블(303)의 데이터 구성의 일례를 설명한다. 판촉 활동 비용 테이블(303)은, 데이터 항목의 일례로서, 판촉 활동 ID(3030), 판촉 활동명(3031), 판촉 비용(3032), 실시 상한/고객(3033)을 포함한다. 1행의 데이터는, 어떤 판촉 활동을 실시할 때의 비용(3032)과, 1개월당 동일 고객에게의 판촉 실시 횟수의 상한(3033)을 나타내고 있다. 판촉 비용(3032) 및 실시 상한/고객(3033)은, 판촉 대상의 부품 종류나 가격 등에 따라 변동해도 된다. 또한, 판촉 활동명(3031)에는, 실행에 고객의 승인이 필요한 판촉 활동의 경우, (승인 완료)가 부여된 판촉 활동명과, (승인 완료)가 부여되지 않은 판촉 활동명이 저장되어 있으며, (승인 완료)가 부여되지 않은 경우에는, 판촉 활동 의사를 고객에 대하여 묻는다.
도 9를 참조하여, 판촉 활동 이력 테이블(304)의 데이터 구성의 일례를 설명한다. 이 판촉 활동 이력 테이블(304)은, 데이터 항목의 일례로서, 고장 예지 ID(3040), 판촉 활동 ID(3041), 고객 ID(3042) 및 판촉 실행일(3043)을 포함한다. 1행의 데이터는, 어떤 건설 기계에 있어서 고장 알람의 발보를 예상한 결과로서의 고장 예지 ID(3040)에 대응하여, 그 고장의 대책 부품을 사전 준비할 때 실시한 판촉 활동(대상 고객, 판촉 실행일 등)을 나타내고 있다. 1개의 고장 예지 ID(3040)에 대하여 복수의 판촉 활동 ID(3041) 및 판촉 실행일(3043)이 저장되는 경우도 있다. 또한, 판촉 활동 ID(3041)가 0인 행의 데이터는, 판촉 활동이 아니라 사전 준비를 행한 이력을 나타낸다.
도 10을 참조하여, 발보 예측 테이블(401)의 데이터 구성의 일례를 설명한다. 발보 예측 테이블(401)은, 데이터 항목의 일례로서, 기체 ID(4010), 알람 ID(4011), 예측일(4012), 고장 예지 ID(4013) 및 발보 확률(4014)을 구비하고 있다. 1행의 데이터는, 어떤 예측일(4012)의 수일 이내에, 어떤 기체 ID(4010)의 건설 기계에 있어서, 어떤 알람 ID(4011)의 알람이 발보할 확률을 나타내고 있다. 발보 확률(4014)은, 발보 예측부(202)의 처리 결과를 저장한다. 또한, 고장 예지 ID(4013)는, 그 기체·알람·예측일에 관한 예측의 유니크한 ID이다.
도 11을 참조하여, 수주 예측 테이블(402)의 데이터 구성의 일례를 설명한다. 수주 예측 테이블(402)은, 데이터 항목의 일례로서, 고장 예지 ID(4020), 예측일(4021), 기체 ID(4022), 알람 ID(4023), 부품 ID(4024), 수주 확률(4025), 순정 구입 확률(4026), 부품 교환 확률(4027), 발보 확률(4028) 및 발보 예측 한계 일수(4029)를 포함한다. 1행의 데이터는, 어떤 날(4021)에, 어떤 건설 기계(4022)로부터 발해진 고장 알람(4923)에 기초하는 고장 예측(4020)이 이루어졌을 경우, 그 고장 예측에 관한 부품의 부품 ID(4024), 및 그 수주 확률(4025) 등을 나타내고 있다. 수주 확률과 함께, 당해 고객이 순정 부품을 구입할 확률(4026), 당해 고객이 고장 알람에 대응해서 부품을 교환할 확률(4027), 고장 알람이 발보될 확률(4028)도, 1행의 데이터에 포함된다. 수주 확률(4025)은, 각종 확률(4026 내지 4028)에 따라서, 최종적으로 부품의 주문을 대리점에서 받을 확률을 나타내고 있다.
도 12를 참조하여, 판촉 실행 수주 예측 테이블(403)의 데이터 구성의 일례를 설명한다. 판촉 실행 수주 예측 테이블(403)은, 데이터 항목의 일례로서, 고장 예지 ID(4030), 판촉 활동 ID(4031), 판촉 실행 수주 확률(4032), 판촉 실행 순정 구입 확률(4033)을 포함한다. 1행의 데이터는, 고장 예지 ID(4030) 각각에 있어서, 판촉 활동 ID(4031)의 판촉 활동을 행한 경우에 있어서, 고장 대책으로서 순정 부품이 구입될 확률(4033) 및 최종적으로 부품을 수주할 확률인 판촉 실행 수주 확률(4032)을 나타내고 있다.
도 13을 참조하여, 사전 준비 손익 테이블(404)의 데이터 구성의 일례를 설명한다. 사전 준비 손익 테이블(404)의 1행의 데이터는, 어떤 고장 예지 ID(4040)에 대하여, 어떤 데포 코드(4042)의 데포로부터 어떤 대리점 코드(4041)의 대리점에 부품을 사전 준비한 경우의, 준비에 걸리는 일수인 준비 일수(4044)와, 대책 부품이 수주될 확률인 수주 확률(4045)과, 그 사전 준비의 결과로서 사후 준비를 행하는 경우와 비교해서 얻어지는 기대 이익인 기대 이익(4046)을 나타낸다. 또한, 각 고장 예지 ID(4040)에서 판촉 활동을 행하는 경우의 수주 확률(4045) 및 기대 이익(4046)이, 해당하는 판촉 활동의 판촉 활동 ID(4043)가 저장되어 있는 행과 동일한 행에 저장된다.
이어서, 본 실시 형태의 부품 사전 준비 지원 시스템의 동작을, 도 14 내지 도 25를 참조하여 설명한다. 상술한 바와 같이, 수주 예측 서버(200)는, 업무 데이터 기억부(100)와 수주 예측 데이터 기억부(300)로부터 취득되는 데이터에 따라서, 지역·고객 특성 추정부(201)와 발보 예측부(202)에서 데이터 처리를 실행하고, 그 결과를, 수주 확률 산출부(203)에 입력해서 소정의 데이터 처리를 실행한다. 그 데이터 처리의 결과는 사전 준비 손익 산출부(204)에 입력되어, 사전 준비 손익이 연산되고, 그 연산 결과가 수주 예측 결과 기억부(400)에 저장된다.
수주 예측 서버(200)에서의 데이터 처리의 수순을 도 14의 흐름도를 참조하여 설명한다. 수주 예측 서버(200)는, 업무 데이터 기억부(100) 및 수주 예측 데이터 기억부(300)로부터 각종 데이터를 취득하고, 취득한 데이터에 따라서, 지역 및 고객의 특성에 관한 데이터를 지역·고객 특성 추정부(201)에서 추정하고, 추정된 특성 데이터를 지역 고객 속성 테이블(301)에 저장한다(스텝 S201). 또한, 각 건설 기계에서의 발보의 예측을 발보 예측부(202)에서 행하고, 그 결과를 발보 예측 테이블(401)에 있어서 저장한다(스텝 S202).
그리고, 수주 확률 산출부(203)는, 얻어진 지역·고객의 특성에 관한 데이터 및 발보 예측 데이터에 따라서, 부품을 수주할 확률인 수주 확률 및 판촉 활동이 이루어졌을 경우의 판촉 실행 수주 확률을 산출한다(스텝 S203). 산출된 수주 확률 및 판촉 실행 수주 확률은 각각, 수주 예측 테이블(402) 및 판촉 실행 수주 예측 테이블(403)에 저장된다. 또한, 사전 준비 손익 산출부(204)는, 산출된 수주 확률 및 판촉 실행 수주 확률에 기초하여, 부품 준비 비용 테이블(302), 판촉 활동 비용 테이블(303)의 데이터도 가미하여, 부품에 관한 사전 준비 손익을 산출하고, 그 결과를 사전 준비 손익 테이블(404)에 저장한다(스텝 S204).
또한, 수주 예측 서버(200)에서의 도 14에 나타내는 데이터 처리는, 예를 들어 1일 1회 등의 빈도로 뱃치 처리에 의해 실행된다.
도 15의 흐름도를 참조하여, 도 14의 스텝 S201의 상세(지역·고객 특성 추정부(201)에서의 데이터 처리 수순의 상세)의 일례를 설명한다. 수주 예측 서버(200)는, 먼저, 지역·고객 특성 추정부(201)에 있어서, 업무 데이터 기억부(100)의 가동 정보 테이블(101), 수주 이력 테이블(103) 및 발보 이력 테이블(104)로부터 가동 정보, 수주 이력 정보, 발보 이력 정보 등을 취득하고, 이들 취득 데이터에 기초하여, 건설 기계의 보전 부품의 수주 확률에 영향을 미치는, 당해 지역이나 고객의 특성에 관한 데이터를 수치적으로 추정하는 처리를 실행한다. 특성에 관한 데이터는, 특정의 것에 한정되지는 않지만, 예를 들어 당해 지역에서의 비순정 부품의 입수성 양호함을 나타내는 데이터, 당해 고객에 있어서의 보전에 관한 적극성에 관한 데이터, 번망월인지 여부의 데이터 및 고객의 자금력에 관한 데이터 등이 포함될 수 있다. 이것들은, 지역 고객 속성 테이블(301)의 데이터 항목에 포함된다.
도 15의 흐름도를 참조하여, 지역·고객 특성 추정부(201)에서의 데이터 처리의 수순을 설명한다. 먼저, 지역·고객 특성 추정부(201)는, 업무 데이터 기억부(100)로부터, 가동 정보 테이블(101), 발보 이력 테이블(104) 및 수주 이력 테이블(103)의 데이터를 수신한다(스텝 S2009).
이어서 지역·고객 특성 추정부(201)는, 각 테이블로부터 취득한 데이터에 기초하여, 비순정 부품의 입수성 양호함을 산출한다(스텝 S2010). 그리고, 각 테이블로부터 취득한 데이터에 기초하여, 보전에 관한 적극성을 산출한다(스텝 S2011). 마지막으로, 각 테이블로부터 취득한 데이터에 기초하여 번망월을 산출한다(스텝 S2012).
또한 「비순정 부품의 입수성 양호함」, 「보전에 관한 적극성」, 「번망월」은, 각각 지역·고객 특성을 산출하기 위한 요건이지만, 이들 3개 모두를 산출할 필요는 없고, 상황에 따라, 적어도 어느 하나를 산출하도록 하는 것도 가능하다. 도 15는, 상기 3종류의 데이터를 산출함으로써, 지역·고객 특성 정보를 보다 정교하고 치밀하게 산출할 수 있는 경우의 수순의 일례를 나타내고 있다. 또한, 스텝 S2010 내지 S2012의 데이터 취득 순서는, 도 15에 나타내는 순서에 한정되지는 않는다. 예를 들어, 최초로 「번망월」을, 다음으로 「보전에 관한 적극성」을 취득하고, 마지막으로 「비순정 부품의 입수성 양호함」으로 하도록 해도 된다.
도 16a 내지 도 16b의 흐름도를 참조하여, 스텝 S2010(지역에서의 비순정 부품의 입수성 양호함의 산출)의 상세를 설명한다. 먼저, 지역·고객 특성 추정부(201)는, 지역 고객 속성 테이블(301)을 취득하고(스텝 S3010), 그 지역 고객 속성 테이블(301) 중에서, 미처리 지역 코드를 1건 취득하고(스텝 S3011), 또한 미처리 기체 ID(3010)를 1건 취득한다(스텝 S3012).
그리고, 취득한 기체 ID(3010)에 관한 건설 기계의 고장 알람의 발보 이력을, 발보 이력 테이블(104)로부터 취득함과 함께(스텝 S3013), 취득한 기체 ID(3010)에 관한 건설 기계의 부품 수주 이력을, 수주 이력 테이블(103)로부터 취득한다(스텝 S3014). 그리고, 취득한 발보 이력 테이블(104) 중 발보일(1042)과 기체 ID(1040)를 참조하여, 발보일(1042) 이후의 어떤 일수의 범위 내에서, 당해 기체 ID(1031)의 건설 기계에 관하여, 일정 기간 내(예를 들어 최근 1개월)에 부품 수주가 없는지 여부를, 수주 이력 테이블(103)을 참조하여 판정한다.
부품 수주가 없을 경우에는, 그 발보일(1042)의 데이터를 취득함과 함께(스텝 S3015), 가동 정보 테이블(101)을 참조하여, 당해 기체 ID(1010)의 건설 기계의 가동 시간의 평균값을 산출한다(스텝 S3016). 그리고, 가동 정보 테이블(101)의 가동 시간(1011)의 값이, 알람 발보일 이후의 일정 기간 내(예를 들어 최근 1개월) 중에서, 당해 평균값과 비교하여 일정 값, 또는 일정 비율 이상 감소하고 있는지 여부가 판정된다(스텝 S3017). 판정이 긍정적("예")일 경우에는 스텝 S3018로 이행하고, 부정적("아니오")일 경우에는 스텝 S3019로 이행한다.
스텝 S3018에서는, 당해 건설 기계의 가동 시간의 감소가 인정된 것으로 보고, 횟수 데이터(N)에 1을 가산한다(스텝 S3018). 스텝 S3017에서 "아니오"의 판정으로 되었을 경우에는, 스텝 S3018은 스킵된다. 이상의 스텝 S3012 내지 S3018이, 모든 기체 코드에 대해서 처리가 완료될 때까지 반복된다(스텝 S3019). 스텝 S3019에서 모든 기체 코드에 대해서 처리가 완료되면("예"), 처리가 종료된 기체 코드마다, 건설 기계의 가동 시간의 감소 횟수(N)의 평균값이 산출된다(스텝 S3020).
이상의 스텝 S3012 내지 S3020이, 모든 지역 코드에 대해서 처리가 완료될 때까지 반복된다(스텝 S3021). 스텝 S3021에서 모든 지역 코드에 대해서 처리가 완료되면("예"), 건설 기계의 가동 시간의 감소 횟수(N)의 평균값을 지역 코드마다 산출하고, 그 값을 지역 고객 속성 테이블(301)의 비순정 부품 입수성(3017)에 저장한다(스텝 S3022). 이상에 의해, 비순정 부품의 입수 가능성에 관한 수치의 산출 수순이 완료된다.
이어서, 도 17의 흐름도를 참조하여, 당해 고객에 있어서의 보전에 관한 적극성을 나타내는 수치 산출 수순의 일례를 설명한다. 이 도 17의 수순에서는, 당해 고객에 있어서의 보전에 관한 적극성을, 고객이 보유하는 건설 기계에서의 배터리의 교환 빈도 및 배터리 교환 시의 배터리 잔량 수명을 팩터로서 산출한다.
구체적으로 설명하면 먼저, 지역·고객 특성 추정부(201)는, 지역 고객 속성 테이블(301)을 취득하고(스텝 S4010), 그 지역 고객 속성 테이블(301) 중에서, 미처리 고객 코드를 1건 취득한다(스텝 S4011). 그리고, 취득한 고객 코드에 대응하는 기체 ID(3010)를, 지역 고객 속성 테이블(301)로부터 취득한다(스텝 S4012). 또한, 취득된 기체 ID(3010)에 관한 배터리 SOH(1013)의 값을, 가동 정보 테이블(101)로부터 취득한다(스텝 S4013).
계속해서, 지역·고객 특성 추정부(201)는, 스텝 S4012에서 취득한 기체 ID(3010)에 관한 부품명(1033)이 「배터리」인 수주 데이터의 수주일(1035)의 데이터를, 수주 이력 테이블(103)로부터 취득한다(스텝 S4014). 그리고, 그 배터리의 수주일에서의 배터리 SOH의 평균값을 산출한다(스텝 S4015). 또한, 배터리 부품의 1년간의 평균 수주 빈도를 산출한다(스텝 S4016).
배터리 부품의 1년간 평균 수주 빈도는, 예를 들어 배터리 부품의 수주가 있었던 취지의 수주 이력 데이터의, 1년간당 갱신 횟수에 따라서 산출할 수 있다. 또한, 가동 정보 테이블(101) 중의 배터리 SOH(1013)의 값이, 어떤 낮은 값으로부터 100%에 가까운 값으로 회복한 경우에, 배터리 부품의 새로운 수주가 이루어진 것으로 간주하는 것도 가능하다.
계속해서, 산출된 배터리 SOH의 평균값과, 평균 수주 빈도의 값을 승산하고(스텝 S4017), 그 승산 결과에 대해서, 고객 코드(3016)마다 평균값을 산출한다. 이 산출된 값이, 지역 고객 속성 테이블(301)의 보전에 관한 적극성(3018)에 저장된다(스텝 S4018). 그리고, 스텝 S4011 내지 4018의 처리가, 모든 고객 코드에 대해서 종료될 때까지 반복된다(스텝 S4019).
이어서, 도 18의 흐름도를 참조하여, 번망월의 산출 수순의 상세의 일례를 설명한다. 고객의 번망월은, 일례로서, 가동 정보 테이블(101)의 가동 시간(1012)의 데이터를 참조하여 산출할 수 있다.
구체적으로는, 지역 고객 속성 테이블(301)을 취득한 후(스텝 S4030), 그 지역 고객 속성 테이블(301) 중에서 미처리 고객 코드를 1건 취득한다(스텝 S4031). 그리고, 취득한 고객 코드와 대응하는 가동 시간의 데이터를, 가동 정보 테이블(101)로부터 취득한다(스텝 S4032). 일례로서, 5년 정도의 기간에서, 고객 코드(3016)마다 모든 건설 기계의 가동 시간(1012)의 데이터를 가동 정보 테이블(101)로부터 취득하고, 공지의 방법을 사용하여, 이 가동 시간의 변동을, 1년 주기의 계절 성분과, 랜덤 성분과, 트렌드 성분으로 분해한다(스텝 S4033). 또한, 분해한 각 날의 가동 시간의 계절 성분에 있어서 제3 사분위수를 산출한다(스텝 S4034).
계속해서, 어떤 데이터 미처리 달에 있어서, 분해한 각 날의 가동 시간의 계절 성분을 취득한 후(스텝 S4035), 그 계절 성분의 평균값이, 스텝 S4034에서 연산한 제3 사분위수 이상인지 여부가 판정된다(스텝 S4036). 판정이 긍정적("예")일 경우, 그 고객의 번망월인 것으로 보고, 지역 고객 속성 테이블(301)의 번망월(3019)에 저장할 수 있다(스텝 S4037). 이 데이터 처리가, 모든 달, 모든 고객 코드에 대해서 실행될 때까지, 상기 수순이 반복된다(스텝 S4038, S4039).
이어서, 도 19a, 도 19b의 흐름도를 참조하여, 발보 예측부(202)에서의 데이터 처리 수순의 상세의 일례를 설명한다. 이 도 19a 및 도 19b의 수순에서는, 가동 정보 테이블(101)과 발보 이력 테이블(104)의 데이터에 따라서, 어떤 건설 기계에서 고장 경고가 발생할 확률(발보 확률(4014))이 산출된다.
구체적으로 도 19a 및 도 19b를 따라 설명하면, 먼저 발보 예측부(202)는, 가동 정보 테이블(101)과, 발보 이력 테이블(104)을 취득하고(스텝 S4040), 발보 이력 테이블(104)로부터, 미처리 고장 알람의 알람 ID를 1건 취득한다(스텝 S4041). 그리고, 각 기체 ID에서 취득한 알람이 발보된 발보일(1042)을 발보 이력 테이블(104)로부터 취득하고, 당해 건설 기계의 발보일에 관한 행을 가동 정보 테이블(101)로부터 취득한다(스텝 S4043).
그리고, 그 취득한 발보일에 관한 행을, 고장이 발생한 상태에서의 데이터라고 추정하고, 한편, 발보가 이루어지지 않은 날에 관한 행을, 고장이 발생하지 않은 정상 상태에서의 데이터라고 추정하여, 식별 모델로서 학습한다(스텝 S4044). 그리고, 가동 정보 테이블(101)로부터, 가동일이 당일인 행의 데이터를 취득하고(스텝 S4045), 취득한 행 데이터 중에서, 미처리 기체 ID가 포함되는 행의 데이터를 1건 취득한다(스텝 S4046). 그리고, 스텝 S4044에서 학습한 식별 모델을 사용하여, 취득한 행 데이터가 고장이 발생한 상태에서의 데이터일 확률을 산출하여, 이 확률을 발보 확률로 한다(스텝 S4047). 그리고, 발보 예측 테이블(401)에, 유니크한 고장 예지 ID를 채번해서 저장시킨다(스텝 S4048). 그리고, 고장 예지 ID를 저장한 행에, 취득한 기체 ID와, 취득한 알람 ID와, 당일 일자와, 산출한 발보 확률을 저장한다(스텝 S4049). 이상의 스텝 S4046 내지 S4049가, 모든 기체 ID에 대해서 종료될 때까지 반복된다(스텝 S4050). 또한, 발보 확률은, 발보 예측 테이블(401)의 각 기체 ID(4010)마다, 각 알람 ID(4011)의 고장 알람의 발보가 수일 이내에 있을 확률을 나타내고 있다. 발보 확률의 산출 방법으로서는, Change Finder법 등의 공지된 변화점 검지의 방법을 사용할 수 있다. 혹은, 어떤 기체에서 알람 발보된 날의 가동 정보 테이블(101)의 계측 데이터를 이상 데이터, 전후 1개월간 등에서 알람 발보되지 않은 기간의 가동 데이터를 정상 데이터로 해서, RandomForest 모델 등의 공지된 식별 모델을 사용해서 학습하고, 그 모델을 사용해서 가동 데이터가 이상일 확률을 발보 확률로서 예측하는 방법도 채용할 수 있다.
발보 확률을 산출함에 있어서, 고장 알람의 발보일의 수일 전이라면, 일정 비율 이상(예를 들어 9할 이상)으로 알람 발보를 예측할 수 있는지(환언하면, 발보 확률이 역치 이상(예를 들어 50%)이라는 예측이, 일정 비율 이상의 예측에 대하여 얻어질지 여부)를 평가할 필요가 있다. 또한 발보일부터 발보 수일 전까지의 모든 예측에 있어서, 일정 비율 이상(예를 들어 9할 이상)으로 알람의 발보를 예측할 수 있는 최장 일수를 발보 예측 한계 일수(4029)로서 산출한다. 여기서 산출한 발보 예측 한계 일수(4029)는, 수주 확률 산출부(203)에서의 처리 결과, 수주 예측 결과 기억부(400)의 수주 예측 테이블(402)의 발보 예측 한계 일수(4029)에 저장된다.
발보 예측 한계 일수(4029)의 산출은, 스텝 S4051 내지 S4058에 의해 행해진다. 먼저, 발보 예측부(202)는, 기체 ID마다, 발보일의 데이터를 발보 이력 테이블(104)로부터 취득하고, 그 발보일보다도 전의 일정 기간의 날에 관한 행을 가동 정보 테이블(101)로부터 취득한다(스텝 S4051). 계속해서, 당해 일정 기간의 일수를 나타내는 변수(n)의 카운트를 1로 한 후(스텝 S4052), 취득한 일정 기간의 날에 관한 행의 데이터 중, 발보일의 n일 전 이후의 행의 데이터를 취득한다(스텝 S4053).
그리고, 그 취득된 n일 전 이후의 행의 데이터에 식별 모델을 적용하여, 그 행의 데이터가 고장 데이터라고 판정되는지 여부를 판정한다. 그리고, n일 전 이후의 행의 데이터 중, 고장 데이터라고 판정되는 행의 데이터 비율을 산출한다(스텝 S4054).
스텝 S4054에서 산출된 비율이 역치 이하인지 여부가 판정된다(스텝 S4055). 비율이 역치 이하인 경우("예"), 현시점의 변수(n)에 의해 발보 예측 한계 일수를 설정한다(스텝 S4056). 한편, 비율이 역치보다 큰 경우("아니오"), 변수(n)에 1을 가산하고(스텝 S4057), 스텝 S4053 내지 4057을 다시 실행한다. 이상의 스텝 S4053 내지 S4057이, 모든 기체 ID에 대해서 종료될 때까지 반복된다(스텝 S4058).
이어서, 도 20a 내지 도 20b를 참조하여, 수주 확률 산출부(203)에서의 처리 플로의 일례를 설명한다. 수주 확률 산출부(203)는, 지역·고객 특성 추정부(201)에서의 처리 결과, 발보 예측부(202)에서의 처리 결과 및 업무 데이터 기억부(100)의 각 테이블의 데이터를 참조하여, 어떤 건설 기계에 있어서 부품의 수주가 발보 예측 한계 일수 이내에 발생할 확률을 산출한다. 수주 확률의 산출 수순은, 기본적으로는 이하와 같다.
(1) 발보 예측부(202)에서 구한 발보 확률(즉, 고장이 발생할 확률)을 산출한다.
(2) 고객이 알람을 방치하지 않고 대책 부품을 교환할 확률을 산출한다.
(3) 비순정 부품이 아니라 순정 부품이 선택되어, 교환될 확률을 산출하고, 이 확률을 수주 확률로 한다.
도 20a 및 도 20b의 흐름도를 참조하여, 수주 확률 산출의 구체적인 수순을 설명한다. 먼저, 수주 확률 산출부(203)는, 발보 예측 테이블(401)과, 수주 이력 테이블(103)과, 지역 고객 속성 테이블(301)을 취득한다(스텝 S4060).
이어서, 이들 테이블로부터 취득된 데이터를 사용하여, 수주 확률의 산출을 위한 통계 모델의 파라미터를 공지의 방법에 의해 산출한다(스텝 S4061). 또한, 이들 테이블로부터 취득된 데이터를 사용하여, 판촉 실행 수주 확률의 산출을 위한 통계 모델의 파라미터를 공지의 방법에 의해 산출한다(스텝 S4062).
계속해서, 수주 예측 테이블(402)로부터, 미처리 기체 ID를 1건 취득하고(스텝 S4063), 계속해서 미처리 알람 ID를 1건 취득하고(스텝 S4064), 또한 미처리 부품 ID를 취득한다(스텝 S4065). 그리고, 취득한 기체 ID에 있어서, 취득한 알람 ID의 알람이 소정 기간 이내에 발보될 확률을, 발보 예측 테이블(401)로부터 취득한다(스텝 S4067). 계속해서, 지역 고객 속성 테이블(301)로부터, 취득한 기체 ID에 관한 국가 코드(3013), 비순정 부품 입수성(3017), 보전에 관한 적극성(3018), 번망월(3019)의 데이터를 취득한다(스텝 S4068). 그리고, 취득한 기체 ID에 관련해서 취득된 부품 ID의 부품 수주 확률을 산출하여, 수주 예측 테이블(402)에 저장한다(스텝 S4069).
계속해서, 판촉 활동 비용 테이블(303)을 취득하여, 그 중에서 미처리 판촉 활동 ID를 1건 취득한다(스텝 S4070). 계속해서, 이 판촉 활동 ID에 기초하여, 스텝 S4063, 4065에서 취득한 기체 ID 및 부품 ID에 관한 부품의 판촉 실행 수주 확률을 산출하여, 수주 예측 테이블(402)에 저장한다(스텝 S4071). 이 스텝 S4071이 모든 판촉 활동 ID에 대해서 반복된다(스텝 S4072). 그리고, 스텝 S4067 내지 4071의 처리가, 모든 판촉 활동 ID, 모든 부품 ID, 모든 알람 ID 및 모든 기체 ID의 조합에 대해서 종료될 때까지 반복된다(스텝 S4072 내지 4075).
스텝 S4069에서의 수주 확률 산출은, 일례로서, 이하에 설명하는 바와 같이, 베이즈 추측에 의해 산출하는 것이 가능하다.
[수학식 1]
O_i, j~Bernoulli(P_i, j*alpha)
P_i, j~Bernoulli(A_i*beta)
Logit alpha=a_0+a_1*imitation+a_2*country
Logit beta=b_0+b_1*delta+b_2*hozen
j: parts
i: alarm
a_n~Norm(0, 10^3)
b_m~Norm(0, 10^3)
delta=1: 예상일이 번망월(country)일 때, 0: 그 이외
상기는, 알람(i)이 발보되어 부품(j)을 수주할 확률(0_i, j)을 나타낸 통계 모델이다. O_i, j는, 고객이 부품 교환을 행할 확률(P_i, j)과, 부품(j)으로서 순정 부품이 구입될 확률(alpha)을 파라미터로 하는 베르누이 분포로 나타내진다.
순정품이 구입될 확률(alpha)은, [수학식 1]의 제3식과 같이, 확률(alpha)의 로짓에 대한 공변량으로서, 비순정 부품 입수성(3017)(imitation), 국가 코드(3013)(country)를 설정해서 연산될 수 있다. 즉, 확률(alpha)의 로짓은, 파라미터(a_n)를 사용한 imitation과 country의 선형합에 의해 나타내진다.
또한, [수학식 1]의 제2식과 같이, 고객이 부품 교환을 행할 확률(P_i, j)은, 발보 예측부(202)에서 구한 알람(i)의 발보 확률(A_i)과, 그 알람에 따라서 부품을 교환할 확률(beta)을 파라미터로 하는 베르누이 분포로 나타낼 수 있다.
또한, 알람에 따라서 부품을 교환할 확률(beta)은, 확률(beta)의 로짓에 대한 공변량으로서, 대상 고객의 보전에 관한 적극성(3018)(hozen)과, 예측일이 번망월일 때 1, 번망월이 아닐 때가 되는 파라미터(delta)를 사용하여, 파라미터(b_m)를 사용한 선형합으로서 산출할 수 있다. 또한, 상기 통계 모델은, Stan 등의 공지된 확률적 프로그래밍 언어를 사용해서 실장할 수 있다.
상기 파라미터 중, 파라미터(a_n(n=0, 1, 2) 및 b_n(n=0, 1, 2))는, 평균 0, 분산 1000의 정규 분포를 사전 분포로 한다. 파라미터의 사후 분포는, 발보 이력 테이블(104)의 알람(i)이 발보되고 나서 일정 일수 이내에서의 수주 이력 테이블(103)의 부품(j)의 수주 유무와, 알람(i)의 발보의 발보 예측 한계 일수 전의 발보 예측 시의 발보 확률(A_i)을 데이터로 해서, MCMC 알고리즘 등의 공지된 방법을 사용함으로써 구할 수 있다. 이 사후 분포는, 알람(i)이나 부품(j)마다 다른 파라미터를 구해도 된다.
수주 확률을 산출하기 위해서는, 얻어진 파라미터의 사후 분포를 사용해서 수주 확률의 분포를 구하고, 그 평균값을 수주 확률로 해서, 수주 예측 결과 기억부(400)의 수주 예측 테이블(402)의 수주 확률(4025)에 저장할 수 있다. 또한, 순정 부품이 구입될 확률(alpha)을 수주 예측 테이블(402)의 순정 구입 확률(4026)에, 고객이 알람 발보에 대하여 부품 교환을 행할 확률(beta)을 부품 교환 확률(4027)에, 알람의 발보 확률(A_i)을 발보 확률(4028)에 각각 저장할 수 있다.
스텝 S4071에서의 판촉 실행 수주 확률의 산출은, 일례로서, 이하의 [수학식 2]와 같이 산출하는 것이 가능하다.
[수학식 2]
O_i, j, k~Bernoulli(P_i, j*alpha_k)
Logit alpha_k=a_0+a_1*imitation+a_2*country+c_k
c_k~Norm(0, 10^3)
상기 [수학식 2]는, 판촉 활동(k)을 행하는 경우에, 알람(i)이 발보되어 부품(j)의 수주가 있을 확률(O_i, j, k)을 나타낸 통계 모델이다. 순정 부품이 구입될 확률(alpha_k)은, [수학식 2]의 제2식에 나타내는 바와 같이, 확률(alpha_k)의 로짓에 대한 공변량으로서, 비순정 부품 입수성(3017)(imitation), 국가 코드(3013)(country)를 설정해서 연산될 수 있다. 또한, 각 판촉 활동(k)에 대한 부품 구입에의 영향(c_k)이 가산된다. 이 c_k는, 고객이나 지역마다 산출해도 되고, 대상 고객의 보전에 관한 적극성(3018)과 승산하거나 해도 된다. 혹은, 판촉 활동(k)을 복수개 행하는 경우에는, 대응하는 c_k를 각각 승산·가산해도 된다.
파라미터(c_k)의 사전 분포는 평균 0, 분산 1000의 정규 분포로 한다. 파라미터의 사후 분포는, 판촉 활동을 행하지 않을 경우의 수주 확률의 산출과 마찬가지의 데이터와, 수주를 실시한 이력을 판촉 활동 이력 테이블(304)로부터 참조하여 데이터로 해서, MCMC 알고리즘 등의 공지된 방법을 사용함으로써 구할 수 있다.
판촉 활동(k)을 행하는 경우의 수주 확률은, 얻어진 파라미터의 사후 분포를 사용해서 수주 확률의 분포를 구하고, 그 평균값을 수주 확률로 하여, 수주 예측 결과 기억부(400)의 판촉 실행 수주 예측 테이블(403)의 판촉 실행 수주 확률(4032)에 저장할 수 있다. 또한, 판촉 활동을 행한 경우에 고객이 순정 부품을 구입할 확률을, 판촉 실행 수주 예측 테이블(403)의 판촉 실행 순정 구입 확률(4033)에 저장할 수 있다.
도 21a 내지 도 21c를 참조하여, 사전 준비 손익 산출의 구체적인 수순을 설명한다. 이 수순에 있어서, 사전 준비 손익 산출부(204)는, 수주 예측 테이블(402), 판촉 실행 수주 예측 테이블(403), 부품 준비 비용 테이블(302) 및 판촉 활동 이력 테이블(304)의 데이터를 참조하여, 사전 준비에 의한 손익을 예측한다. 사전 준비에 의한 손익은, 판촉 활동을 행하지 않을 경우의 사전 준비 손익과, 판촉 활동을 행하는 경우의 사전 준비 손익이 포함될 수 있다. 전자 및 후자 양쪽을 예측하는 것이 바람직하지만, 어느 한쪽만을 예측하는 것도 가능하다.
구체적으로는, 먼저 사전 준비 손익 산출부(204)는, 수주 예측 테이블(402), 판촉 실행 수주 예측 테이블(403) 및 부품 준비 비용 테이블(302), 판촉 활동 이력 테이블(304)의 데이터를 취득한다(스텝 S4081).
이어서, 사전 준비 손익 산출부(204)는, 수주 예측 테이블(402) 중의 데이터로부터, 미처리 고장 예지 ID가 포함되는 행의 데이터를 1건 취득한다(스텝 S4082). 그리고, 취득된 행의 데이터 중 부품 ID에 관한 미처리 데포 코드를, 부품 준비 비용 테이블(302)로부터 1건 취득하고(스텝 S4083), 마찬가지로 취득된 행의 데이터 중 부품 ID에 관한 미처리 대리점 코드를, 부품 준비 비용 테이블(302)로부터 1건 취득한다(스텝 S4084). 그리고, 취득한 데포 코드 및 대리점 코드에 대응하는 데포에 부품의 사전 준비를 할 경우의 기대 이익을 산출하고, 이 산출값을, 사전 준비 손익 테이블(404)에 저장한다(스텝 S4085). 이 스텝 S4083 내지 S4085의 수순을, 모든 미처리 대리점 코드 및 데포 ID의 조합에 대해서 반복한다(스텝 S4086, S4087).
S4087의 처리가 완료되면("예"), 이어서, 판촉 실행 수주 예측 테이블(403)에서, 스텝 S4082에서 취득한 고장 예지 ID가 저장되어 있는 행의 데이터를 취득한다(스텝 S4088). 그리고, 그 취득된 행의 데이터 중에서, 미처리 판촉 활동 ID의 데이터를 취득한다(스텝 S4089). 그리고, 취득한 고장 예지 ID(4030)에 관한 건설 기계를 소유하는 고객의 고객 코드(3016)를, 지역 고객 속성 테이블(301)로부터 취득한다(스텝 S4090).
계속해서, 취득한 고객 코드(3016)의 고객이, 취득한 판촉 활동 ID의 판촉 활동을 소정 기간 내(예를 들어 당월 내)에 실시한 횟수를, 판촉 활동 이력 테이블(304)로부터 산출한다(스텝 S4091). 그리고, 판촉 활동 비용 테이블(303)을 참조하여, 산출된 판촉 활동의 실시 횟수가, 동 테이블(303) 중의 실시 상한/고객 (3033)을 초과하지 않은 판촉 활동 ID를 1건 취득한다(스텝 S4092). 또한, 취득한 고장 예지 ID와 판촉 활동 ID에 관한 판촉 실행 수주 예측 테이블(403)의 미처리 행을 1건 취득한다(스텝 S4093).
그리고, 그 미처리 행 데이터 중의 부품 ID에 관한 미처리 데포 코드를, 부품 준비 비용 테이블(302)로부터 1건 취득하고(스텝 S4094), 마찬가지로 취득된 행의 데이터 중 부품 ID에 관한 미처리 대리점 코드를, 부품 준비 비용 테이블(302)로부터 1건 취득한다(스텝 S4095). 그리고, 취득한 데포 코드 및 대리점 코드에 대응하는 데포에, 취득한 판촉 활동 ID의 판촉 활동을 행하여 부품의 사전 준비를 할 경우의 기대 이익을 산출하고, 이 산출값을, 사전 준비 손익 테이블(404)에 저장한다(스텝 S4096). 이 스텝 S4088 내지 S4096의 수순을, 모든 미처리 대리점 코드 및 데포 ID의 조합에 대해서 처리가 종료되고, 또한 모든 판촉 활동 ID가 처리 완료 또는 실시 상한/고객의 값을 초과할 때까지 반복한다(스텝 S4097, S4098, S4099). 스텝 S4097, S4098, S4099 모두에서 "예"의 판정이 이루어지면, 모든 고장 예지 ID가 처리 완료인지 여부가 판정되고(S4100), S4100이 "아니오"이면, 스텝 S4082로 돌아가서 상기 수순이 반복되고, "예"이면 모든 처리가 종료된다.
사전 준비의 예상 이익, 즉 사전 준비를 행할 경우와 사후 준비를 행할 경우의 손익 차는, 다음 식으로 산출된다.
[수학식 3]
사전 준비의 예상 이익=사전 준비를 행하고 수주가 있었을 경우의 손익*수주 확률
+사전 준비를 행하고 수주가 없었을 경우의 손익*(1-수주 확률)
-사후 준비를 행하고 수주가 있었을 경우의 손익*수주 확률
상기 식에 의한 사전 준비의 이익을 예측함에 있어서, 예측 대상의 건설 기계의 담당 대리점의 정보를, 부품 준비 비용 테이블(302)의 대리점 코드(3021)로부터 취득한다. 그리고, 부품 준비 비용 테이블(302)에서, 사전 준비를 행하는 부품의 부품 ID(3020)와, 대리점 코드(3021)가 일치하는 행의 비용을 참조한다.
상기 식의 사전 준비를 행하고 수주가 있었을 경우의 손익은, 재고 관리 테이블(102)의 판매 가격(1023)에 매출액 총이익율(1024)을 승산한 매출액 총이익으로부터, 부품 준비 비용 테이블(302)의 부품의 배송비(3025)와, 1일당 재고비(3027)와, 1일당 고장 손실(3028)을 감산해서 산출할 수 있다. 단, 배송에 걸리는 일수는 표준 배송 일수(3023)로 하고, 재고비 및 고장 손실에 승산하는 일수는, 배송에 걸리는 일수로부터 발보 예측 한계 일수(4029)를 감산한 일수로 한다(단, 0 미만일 경우는 0일로 함).
또한, 상기 식의 사전 준비를 행하고 수주가 없었을 경우의 손익은, 상술한 사전 준비를 행하고 수주가 있었을 경우의 손익으로부터, 매출액 총이익과 고장 손실을 삭제하고, 기대 처분비(3029)를 감산하여, 재고비에 승산하는 일수를 재고를 보관해 두는 기준 일수로 변경함으로써 산출할 수 있다. 기준 일수로서 예를 들어 30일 등의 값을 사용할 수 있다.
또한, 상기 식의 사후 준비를 행하고 수주가 있었을 경우의 손익은, 재고 관리 테이블(102)의 판매 가격(1023)에 매출액 총이익율(1024)을 승산한 매출액 총이익으로부터, 부품 준비 비용 테이블(302)의 부품의 속달비(3026)와 1일당 재고비(3027)와 1일당 고장 손실(3028)을 감산해서 산출할 수 있다. 단, 배송에 걸리는 일수는 표준 속달 일수(3024)로 하고, 재고비 및 고장 손실에 승산하는 일수는 배송에 걸리는 일수로부터 발보 예측 한계 일수를 감산한 일수의 절댓값으로 한다.
상술한 바와 같이 해서 사전 준비의 예상 이익을, 부품 준비 비용 테이블(302)의 대리점 코드(3021)와 데포 코드(3022)의 조합 수만큼 산출하여, 사전 준비 손익 테이블(404)의 기대 이익(4046)에 저장한다. 또한, 판촉 활동을 행한 경우의 사전 준비의 예상 이익도 산출한다. 구체적으로는, 상기 식의 수주 확률을 판촉 실행 수주 예측 테이블(403)의 판촉 실행 수주 확률(4032)로 치환하여, 사전 준비를 행하고 수주가 없었을 경우의 손익으로부터, 판촉 활동 비용 테이블(303)의 판촉 비용(3032)을 감산해서 구한다. 단, 판촉 활동 이력 테이블(304)을 참조하여 각 판촉 활동 ID(3030)의 당월 실시 횟수를 산출하고, 판촉 활동 비용 테이블(303)의 1개월당 실시 상한/고객(3033)을 상회하는 경우에는, 그 판촉 활동에 대한 판촉 활동을 행한 경우의 사전 준비의 예상 이익을 산출하지 않는다. 상술한 처리로 산출한 판촉 활동을 행한 경우의 사전 준비의 예상 이익은, 사전 준비 손익 테이블(404)의 행한 판촉 활동의 판촉 활동 ID(4043)와 동일한 행의, 기대 이익(4046)에 저장한다.
상기와 같이 해서 산출된 사전 준비에 의한 손익을 포함하는, 부품의 사전 준비 계획은, 대리점 단말기(500)의 사전 준비 계획 표시부(501)에 표시된다. 도 22는, 이 사전 준비 계획 표시부(501)의 일례를 나타내고 있다.
사전 준비 계획 표시부(501)는, 네트워크(1)를 통해서 수주 예측 결과 기억부(400)의 데이터를 취득하여, 수주 예측 데이터 기억부(300)에 처리 결과를 저장시킨다. 사전 준비 계획 표시부(501)의 처리는, 유저가 사전 준비 계획 표시부(501)를 조작할 때마다 축차 실행된다.
사전 준비 계획 표시부(501)는, 대리점에 소속된 유저가, 대리점 코드(5001)와, 그 대리점이 관할하는 건설 기계의 기체 ID(5002)와, 고장 예측을 행하는 일자인 예상일(5003)을 입력하는 것이 가능하게 구성되어 있다.
상술한 정보가 입력되면, 대리점 단말기(500)는, 수주 예측 테이블(402)을 참조하여, 입력된 정보와 일치하는 기체 ID(4022)와 예측일(4021)이 저장된 행의 데이터를 수주 예측 테이블(402)로부터 추출하고, 예측 정보 표시부(5010)에, 알람 ID(4023)(예상 알람)와, 발보 확률(4028)과, 부품 ID(4024)(예상 부품 수주)와, 수주 확률(4025)을 테이블로서 표시한다(수주 예측 테이블(402)의 내용을 표시한다). 예측 정보 표시부(5010)의 복수행의 데이터 중 1행을, 유저가 터치 패널 상에서 터치하거나, 마우스로 클릭하거나 하여 선택하면, 수주 확률 내역 표시부(5020), 사전 준비 이익 표시부(5030), 사전 준비 내용 표시부(5040)의 표시가 갱신된다.
수주 확률 내역 표시부(5020)는, 발보 확률(4028)과, 부품 교환 확률(4027)과, 순정 구입 확률(4026)과, 수주 확률(4025)을 표시하도록 구성된다. 이들 수치는, 예를 들어 막대그래프에 의해 표시될 수 있다. 표시되는 수치는, 예측 정보 표시부(5010)의 선택된 행과 고장 예지 ID가 일치하는, 수주 예측 테이블(402)의 하나의 행을 참조함으로써 특정된다.
사전 준비 이익 표시부(5030)는, 일례로서, 기대 이익(5031), 판촉 활동(5032) 및 판촉 실행 기대 이익(5033)을 표시한다. 대리점 단말기(500)는, 사전 준비 손익 테이블(404)을 참조하여, 예측 정보 표시부(5010)의 선택된 행과 고장 예지 ID가 일치하는 행의 데이터를 취득한다. 그리고, 그 행의 데이터에 따라서, 기대 이익(5031), 판촉 활동(5032) 및 판촉 실행 기대 이익(5033)을 표시한다. 취득된 행 데이터에 판촉 활동 ID(4043)가 저장되어 있지 않을 경우에는, 사전 준비 이익 표시부(5030)는 공란으로 된다.
대리점의 유저는, 판촉 활동 선택부(5032)의 조작을 통해서, 적용하고자 하는 판촉 활동 ID를 선택할 수도 있다. 판촉 활동 ID가 판촉 활동 선택부(5032)에서 선택되면, 사전 준비 손익 테이블(404)에서, 예측 정보 표시부(5010)에서 선택 중인 행 데이터와 판촉 활동 ID가 일치하는 행 데이터가 선택되고, 그 선택된 행 데이터에 따라서, 기대 이익(5031) 및 판촉 실행 기대 이익(5033)의 표시도 갱신된다.
사전 준비 내용 표시부(5040)는, 예측 정보 표시부(5010)에서 선택하고 있는 부품의 정보와, 판촉 활동 선택부(5032)에서 선택하고 있는 판촉 활동의 내용과, 그에 합치하는 기대 손익의 정보를 표시한다.
부품의 수량은, 예를 들어 수주 이력 테이블(103)의 개수 데이터 등에 기초하는 추정값이다. 부품의 수량 데이터는, 부품 ID(1032)마다, 예를 들어 중앙값이 연산되어, 사전 준비 내용 표시부(5040)에 표시된다.
또한, 이 사전 준비 내용 표시부(5040)에는, 사전 준비에 의한 시간 단축에 관한 데이터도 표시된다. 대리점 유저에 의해 예측 정보 표시부(5010)에서 선택되어 있는 행 데이터와 고장 예지 ID(4040)가 일치하는 행 데이터를 사전 준비 손익 테이블(404) 상에서 참조하여, 선택된 행 데이터에 포함되는 대리점 코드(4041) 및 데포 코드(4042)를, 또한 부품 준비 비용 테이블(302)로부터 추출한다. 이 부품 준비 비용 테이블(302)에서 추출된 행의 데이터로부터, 표준 속달 일수(3024), 발보 예측 한계 일수(4029)를 추출하고, 양자의 합으로부터 표준 배송 일수(3023)를 감산한 일수를 산출한다. 그 산출된 일수가, 시간 단축 일수로서 사전 준비 내용 표시부(5040)에 표시된다.
사전 준비 내용 표시부(5040)에 표시되어 있는 사전 준비 내용에 대해서 대리점의 유저가 실시를 결정하면, 사전 준비 내용 확정 버튼(5041)이 눌러진다. 대리점의 유저가 판촉 활동 선택부(5032)에서 선택하고 있는 판촉 활동의 판촉 활동 ID(3041)와 고장 예지 ID(3040)가 판촉 활동 이력 테이블(304)에 저장된다. 또한, 판촉 활동이 1개도 선택되어 있지 않은 경우라도, 사전 준비를 행하는 것의 이력으로서, 판촉 활동 ID(3041)가 0(공란)인 행이 판촉 활동 이력 테이블(304)에 저장된다. 단, 판촉 실행일(3043)로서는, 대리점 유저가 입력하고 있는 예상일(5003)을 저장한다.
도 23을 참조하여, 사전 준비 통지 표시부(601)의 화면의 일례를 설명한다. 사전 준비 통지 표시부(601)는, 고객 단말기(600)에 구비되어 있으며, 네트워크(1)를 통해서 수주 예측 데이터 기억부(300), 수주 예측 결과 기억부(400)의 데이터를 취득한다. 사전 준비 통지 표시부(601)에서의 데이터 처리는, 유저가 사전 준비 통지 표시부(601)를 조작할 때마다 축차 실행된다.
사전 준비 통지 표시부(601)는, 고장 예상 기체 표시부(6010)와 기체 상태 표시부(6020)의 표시 영역을 포함한다. 대상 고객의 고객 단말기(600)에의 입력 조작이 이루어지면, 사전 준비 통지 표시부(601)는 발보 예측 테이블(401)을 참조하여, 발보 확률(4014)의 값이 0.5 등의 일정 이상인 건설 기계의 일람을, 고장 예상 기체 표시부(6010)에 표시한다. 고장 예상 기체 표시부(6010)는, 건설 기계를 특정하는 정보를 나타내는 기체 ID와, 그 기체에 관련지어서 발보 예정의 알람의 식별 정보 및 예상 고장일을 표시한다. 표시 순서는 임의로 설정할 수 있는 것으로서, 고장 예상일이 가장 가까운 순으로 표시해도 되고, 고장 대응의 긴급도에 따른 순으로 표시해도 된다. 여기서 건설 기계를 보유하는 유저는, 고장 예상 기체 표시부(6010)에 표시된 건설 기계 중에서 임의의 1개를 선택할 수 있다. 유저가 건설 기계의 1개를 선택하면, 기체 상태 표시부(6020)와 사전 준비 경과 표시부(6030)의 표시 내용이 갱신된다.
기체 상태 표시부(6020)는, 어떤 건설 기계의 발보 확률과, 발보가 이루어지고, 고장이 발생한 경우의 대책 부품의 부품 코드 및 가격을 관련지어서 표시한다. 또한 표시는 조작 시점의 정보에만 기초하는 것이어도 되지만, 그에 한정되지 않고, 장래 예측을 포함한 것으로 해도 된다. 예를 들어 가격 자체는 부품의 재고 상황 등에 따라 변동할 수 있으므로, 현시점의 가격과, 발보 확률이 상승한 경우의 예상 가격을 병기해서 표시할 수 있다. 기간 설정은 1주일 후, 2주일 후 등, 임의로 변경할 수 있다. 또한, 대책 부품과, 가격에 더하여, 재고 상황에 관한 정보를, 「많음」 「적음」 「잔량 소량」등의 표기로 간이적으로 표시해도 된다. 통지 내용은 텍스트 형식에 한정되지 않고, 그래프 형식으로 통지되어도 된다.
이렇게 함으로써, 고장 대응의 긴급도나 고객의 필요성에 따른 신속한 대응이 가능하게 된다. 이들 표시는, 수주 예측 테이블(402)의 발보 확률(4028)과 부품 ID(4024)에 기초해서 행해진다. 또한, 판촉 활동 이력 표시부(6021)에서, 판촉 활동의 경과(연락, 제안 등)가 표시된다. 부품의 수배를 대응 가능한 인근 점포로부터 희망할 경우, 후보 점포의 지도 정보를 표시하는 것으로 해도 된다.
도 8에 도시하는 바와 같이, 판촉 활동 비용 테이블(303)에서 (승인 완료)의 부여 유무가 다른 2개의 판촉 활동명(3031)(순회 점검 실시)이 저장되어 있는 판촉 활동이며, 동일한 고장 예지 ID(4020)에 대하여 (승인 완료)가 부여되지 않은 판촉 활동만이 저장되어 있을 경우에 대해서는, 판촉 활동 승인 버튼(6022)을 표시한다. 유저는, 판촉 활동 제안에 대하여 동의하면, 판촉 활동 승인 버튼(6022)을 눌러, 판촉 활동의 실행을 승인한다. 판촉 활동 승인 버튼(6022)이 눌러진 경우, 판촉 활동 이력 테이블(304)에 (승인 완료)의 판촉 활동을 추가한다.
또한, 기체 상태 표시부(6020)는, 수주 예측 테이블(402)의 선택된 행의 데이터 중의 고장 예지 ID(4020)와 관련해서 실행한 판촉 활동을 판촉 활동 이력 테이블(304)로부터 취득하여, 판촉 활동의 이력으로서 판촉 활동 이력 표시부(6021)에 표시한다.
사전 준비 경과 표시부(6030)는, 판촉 활동 이력 테이블(304)에서, 판촉 활동 ID(3041)가 0(판촉 활동이 행해지지 않은 것을 나타냄)인 행을 취득하고, 기체 상태 표시부(6020)의 기체에 대해서 배송 중인 부품이 언제 발송을 개시하고, 언제 도착할 예정인지를 표시한다. 단, 발송 개시일은, 판촉 활동 이력 테이블(304)의 판촉 실행일(3043)로 하고, 도착 예정일은, 부품 준비 비용 테이블(302)의 표준 배송 일수(3023)를 판촉 실행일(3043)에 가산한 값으로 한다. 또한, 도 24 및 도 25는, 사전 준비 계획 표시부(501) 및 사전 준비 통지 표시부(601)에서의 상술한 동작의 수순을 부감적으로 나타낸 것이다.
이상 설명한 바와 같이, 본 실시 형태의 시스템에 의하면, 기계에 관한 지역의 특성, 또는 고객의 특성이 지역/고객 특성 추정부에 의해 추정되고, 고장 예측부와 상기 지역/고객 특성 추정부의 출력에 기초하여, 기계에 관한 부품을 수주하는 확률인 수주 확률이 산출된다. 지역이나 고객의 특성을 가미한 수주 확률의 예측이 이루어지기 때문에, 실제로 발주되는 부품의 수가, 실제 수요에 따른 것으로 할 수 있어, 재고 과잉이나 재고 부족을 억제할 수 있다.
이상, 본 발명의 다양한 실시 형태를 설명했지만, 본 발명은 상기한 실시 형태에 한정되는 것이 아니라, 다양한 변형예가 포함된다. 예를 들어, 상기한 실시 형태는 본 발명을 알기 쉽게 설명하기 위해서 상세하게 설명한 것이며, 반드시 설명한 모든 구성을 구비하는 것에 한정되는 것은 아니다. 또한, 어떤 실시 형태의 구성의 일부를 다른 실시 형태의 구성으로 치환하는 것이 가능하고, 또한, 어떤 실시 형태의 구성에 다른 실시 형태의 구성을 추가하는 것도 가능하다. 또한, 각 실시 형태의 구성의 일부에 대해서, 다른 구성의 추가·삭제·치환을 하는 것이 가능하다.
1: 네트워크
100: 업무 데이터 기억부
101: 가동 정보 테이블 102: 재고 관리 테이블
103: 수주 이력 테이블 104: 발보 이력 테이블
200: 수주 예측 서버 201: 지역·고객 특성 추정부
202: 발보 예측부 203: 수주 확률 산출부
204: 사전 준비 손익 산출부 300: 수주 예측 데이터 기억부
301: 지역 고객 속성 테이블 302: 부품 준비 비용 테이블
303: 판촉 활동 비용 테이블 304: 판촉 활동 이력 테이블
400: 수주 예측 결과 기억부 401: 발보 예측 테이블
402: 수주 예측 테이블 403: 판촉 실행 수주 예측 테이블
404: 사전 준비 손익 테이블 500: 대리점 단말기
501: 사전 준비 계획 표시부 600: 고객 단말기
601: 사전 준비 통지 표시부
101: 가동 정보 테이블 102: 재고 관리 테이블
103: 수주 이력 테이블 104: 발보 이력 테이블
200: 수주 예측 서버 201: 지역·고객 특성 추정부
202: 발보 예측부 203: 수주 확률 산출부
204: 사전 준비 손익 산출부 300: 수주 예측 데이터 기억부
301: 지역 고객 속성 테이블 302: 부품 준비 비용 테이블
303: 판촉 활동 비용 테이블 304: 판촉 활동 이력 테이블
400: 수주 예측 결과 기억부 401: 발보 예측 테이블
402: 수주 예측 테이블 403: 판촉 실행 수주 예측 테이블
404: 사전 준비 손익 테이블 500: 대리점 단말기
501: 사전 준비 계획 표시부 600: 고객 단말기
601: 사전 준비 통지 표시부
Claims (10)
- 서버를 갖고,
상기 서버는,
기계의 가동 정보에 기초하여 상기 기계의 고장을 예측하는 고장 예측부와,
고객이 보유 또는 이용하는 상기 기계에 관한 데이터에 기초하여, 상기 기계를 보유 또는 이용하는 지역의 특성, 또는 고객의 특성을 추정하는 지역/고객 특성 추정부와,
상기 고장 예측부 및 상기 지역/고객 특성 추정부의 출력에 기초하여, 상기 기계에 관한 부품을 수주하는 확률인 수주 확률을 산출하는 수주 확률 산출부와,
상기 부품을, 상기 기계의 소재지의 인근 거점에 사전 준비한 경우의 손익을, 상기 수주 확률에 기초하여 산출하는 사전 준비 손익 산출부
를 구비하는, 부품 사전 준비 지원 시스템. - 제1항에 있어서, 상기 고장 예측부는, 상기 기계의 고장을 통보하기 위해서 상기 기계로부터 발해지는 고장 알람의 발보를 예측하는 발보 예측부인, 부품 사전 준비 지원 시스템.
- 제1항에 있어서, 상기 수주 확률 산출부는, 상기 부품에 관한 판촉 활동이 행하여지는 경우의 판촉 실행 수주 확률을 산출하고,
상기 사전 준비 손익 산출부는, 상기 판촉 활동이 행하여지는 경우의 상기 손익을 산출하는, 부품 사전 준비 지원 시스템. - 제1항에 있어서, 상기 지역/고객 특성 추정부는, 상기 부품으로서 비순정 부품을 입수할 가능성을 나타내는 비순정 부품 입수성에 따라서, 상기 특성을 추정하는, 부품 사전 준비 지원 시스템.
- 제4항에 있어서, 상기 비순정 부품 입수성은, 상기 기계의 고장 알람 발보 이력, 부품의 수주 이력, 상기 기계의 가동 상태에 관한 정보에 따라서 판정되는, 부품 사전 준비 지원 시스템.
- 제1항에 있어서, 상기 지역/고객 특성 추정부는, 상기 고객의 보전에 관한 적극성에 따라서, 상기 특성을 추정하는, 부품 사전 준비 지원 시스템.
- 제6항에 있어서, 상기 지역/고객 특성 추정부는, 상기 기계에 탑재된 부품의 건전성에 관한 지표와, 상기 부품의 수주 빈도에 기초하여, 상기 고객의 보전에 관한 적극성을 판정하는, 부품 사전 준비 지원 시스템.
- 제1항에 있어서, 상기 지역/고객 특성 추정부는, 상기 고객의 업무의 번망월에 따라서, 상기 특성을 추정하는, 부품 사전 준비 지원 시스템.
- 제1항에 있어서, 상기 수주 확률 및 상기 손익에 기초하여, 상기 부품의 사전 준비에 관한 정보를 표시하는 사전 준비 통지 표시부를 더 구비하고,
상기 사전 준비 통지 표시부는, 상기 기계마다 상기 정보를 표시하는, 부품 사전 준비 지원 시스템. - 기계의 가동 정보에 기초하여 상기 기계의 고장을 나타내는 예측하는 스텝과,
상기 기계를 보유 또는 이용하는 지역의 특성, 또는 고객의 특성을 추정하는 스텝과,
상기 고장의 예측 및 상기 특성의 추정 결과에 기초하여, 상기 기계에 관한 부품을 수주받는 확률인 수주 확률을 산출하는 스텝과,
상기 부품을, 상기 기계의 소재지의 인근 거점에 사전 준비한 경우의 손익을, 상기 수주 확률에 기초하여 산출하는 스텝
을 구비하는, 부품 사전 준비 지원 방법.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JPJP-P-2021-142066 | 2021-09-01 | ||
JP2021142066A JP7248753B2 (ja) | 2021-09-01 | 2021-09-01 | 部品事前配備支援システム及び方法 |
PCT/JP2022/032539 WO2023032959A1 (ja) | 2021-09-01 | 2022-08-30 | 部品事前配備支援システム及び方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230136632A true KR20230136632A (ko) | 2023-09-26 |
Family
ID=85411247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020237028635A KR20230136632A (ko) | 2021-09-01 | 2022-08-30 | 부품 사전 준비 지원 시스템 및 방법 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240160510A1 (ko) |
EP (1) | EP4398169A1 (ko) |
JP (1) | JP7248753B2 (ko) |
KR (1) | KR20230136632A (ko) |
CN (1) | CN116917916A (ko) |
WO (1) | WO2023032959A1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7248877B2 (ja) * | 2018-12-21 | 2023-03-30 | 日立建機株式会社 | 作業機械の保守部品の選定システム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006033249A (ja) | 2004-07-14 | 2006-02-02 | Canon Inc | 画像形成管理システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005322094A (ja) | 2004-05-11 | 2005-11-17 | Hitachi Ltd | 営業支援方法および営業支援システム |
JP6053516B2 (ja) | 2012-12-28 | 2016-12-27 | 三菱重工業株式会社 | 生産輸送計画立案装置、生産輸送計画立案方法、プログラム、及び記録媒体 |
JP6265871B2 (ja) | 2014-09-19 | 2018-01-24 | 株式会社日立製作所 | 営業業務支援システム、及び営業業務支援方法 |
JP6802103B2 (ja) | 2017-03-29 | 2020-12-16 | 日立建機株式会社 | 営業支援装置 |
-
2021
- 2021-09-01 JP JP2021142066A patent/JP7248753B2/ja active Active
-
2022
- 2022-08-30 KR KR1020237028635A patent/KR20230136632A/ko unknown
- 2022-08-30 CN CN202280018133.4A patent/CN116917916A/zh active Pending
- 2022-08-30 EP EP22864541.2A patent/EP4398169A1/en active Pending
- 2022-08-30 WO PCT/JP2022/032539 patent/WO2023032959A1/ja active Application Filing
- 2022-08-30 US US18/279,452 patent/US20240160510A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006033249A (ja) | 2004-07-14 | 2006-02-02 | Canon Inc | 画像形成管理システム |
Also Published As
Publication number | Publication date |
---|---|
EP4398169A1 (en) | 2024-07-10 |
US20240160510A1 (en) | 2024-05-16 |
CN116917916A (zh) | 2023-10-20 |
JP2023035307A (ja) | 2023-03-13 |
WO2023032959A1 (ja) | 2023-03-09 |
JP7248753B2 (ja) | 2023-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Louit et al. | Optimization models for critical spare parts inventories—a reliability approach | |
US8671031B2 (en) | Inventory management system | |
US20080086392A1 (en) | Managing distribution of constrained product inventory from a warehouse | |
US20030149548A1 (en) | Method of modelling a maintenance system | |
KR20230136632A (ko) | 부품 사전 준비 지원 시스템 및 방법 | |
JP2003162619A (ja) | 売り上げ予測装置および方法 | |
CN112184340A (zh) | 一种快消品自动补货系统及其工作方法 | |
JP2006235879A (ja) | 販売計画作成支援システム、販売計画作成支援方法及び販売計画作成支援プログラム | |
CN114091770A (zh) | 物料需求计划的预测分析方法、装置、设备及存储介质 | |
JP5758425B2 (ja) | 需要予測装置およびプログラム | |
JP7308073B2 (ja) | 物流管理システム | |
JPH11259564A (ja) | 販売予測支援システム | |
US20050119951A1 (en) | Computer-implemented methods and computer systems for managing and valuating inventory | |
JP5093752B2 (ja) | 需要量予測装置及びコンピュータプログラム | |
JP7387422B2 (ja) | 発注推奨システム、発注推奨方法、およびプログラム | |
JP2002007671A (ja) | 需要予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
CN118333531B (zh) | 一种基于人工智能的智慧供应链管理方法 | |
Howard | Inventory management | |
Oktarina et al. | House of Risk (HOR) Analysis as a Supply Chain Risk Mitigation Method at CV. XYZ | |
EP1179795A1 (en) | A method of modelling a maintenance system | |
JP2024054704A (ja) | 在庫配置案決定装置 | |
JP2006185230A (ja) | 流通在庫偏在解消システム、装置および方法 | |
JP5837457B2 (ja) | 補修部品の発注支援システム及び発注支援方法 | |
Sampedro | Predicting Pre-Order Sales Using Time Series Algorithm, Forecasting, and ARIMA Model in Python for Small Businesses | |
Joore | Modelling the trade-off between service level and waste of perishable goods at food retailers |