WO2016006372A1 - 集荷量調整支援装置、集荷量調整支援方法、及びコンピュータ読み取り可能な記録媒体 - Google Patents

集荷量調整支援装置、集荷量調整支援方法、及びコンピュータ読み取り可能な記録媒体 Download PDF

Info

Publication number
WO2016006372A1
WO2016006372A1 PCT/JP2015/066238 JP2015066238W WO2016006372A1 WO 2016006372 A1 WO2016006372 A1 WO 2016006372A1 JP 2015066238 W JP2015066238 W JP 2015066238W WO 2016006372 A1 WO2016006372 A1 WO 2016006372A1
Authority
WO
WIPO (PCT)
Prior art keywords
collection
collection amount
amount
agricultural products
collected
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.)
Ceased
Application number
PCT/JP2015/066238
Other languages
English (en)
French (fr)
Inventor
潤 野田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Solution Innovators Ltd
Original Assignee
NEC Solution Innovators Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Solution Innovators Ltd filed Critical NEC Solution Innovators Ltd
Priority to JP2016532501A priority Critical patent/JP6267337B2/ja
Priority to CN201580036996.4A priority patent/CN106537442A/zh
Priority to US15/324,315 priority patent/US20170161427A1/en
Publication of WO2016006372A1 publication Critical patent/WO2016006372A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Definitions

  • the present invention relates to a collection amount adjustment support apparatus and a collection amount adjustment method for supporting adjustment of the collection amount of agricultural products collected at a collection / shipment site, and further, a computer-readable record in which a program for realizing these is recorded. It relates to the medium.
  • a shipping cooperative producer group has been formed among producers, and each producer belonging to the group has delivered to each other Operations that complement each other (hereinafter referred to as “delivery amount”) are being carried out.
  • delivery amount the person in charge at the collection / shipping site and the local instructor (hereinafter, these persons are collectively referred to as “manager”) are responsible for the production of agricultural products collected from each producer at the collection / shipping place. The producers are instructed to harvest and ship so that the amount collected will reach the contracted shipment amount.
  • the administrator determines the final amount based on the amount of collected agricultural products already collected at the collection and shipping site and the shortage to the contracted shipment amount from the start time to the end time of the collection of agricultural products. It is determined whether or not the amount of collected goods reaches the contracted shipment amount. Then, as a result of the determination, if it is determined that the final collection amount does not reach the contracted shipment amount, the manager requests each producer to bring additional agricultural products to the collection / shipment site.
  • the shipment contract may be discarded, which may lead to a profit risk for the producer.
  • leafy vegetables are severely deteriorated with the passage of time, and therefore, the portion that could not be shipped on the day it was brought in is discarded except for the portion that can be stocked in the cold storage. That is, if the amount brought into the collection / shipping site greatly exceeds the contracted shipment amount, and the excess amount does not fully enter the cool box, a loss occurs in the producer.
  • Patent Document 1 warns an administrator when there is a certain difference between the number of products actually collected from a producer and the number of products scheduled to be ordered. Is output. For this reason, in particular, even when the harvest amount or the order amount fluctuates suddenly, it is possible to minimize the loss in the producer and retailer.
  • the system disclosed in Patent Document 2 obtains the predicted number of sales of a product on the current day from the sales data of the past product and the sales status of the product on the current day, and the number of deliveries of this product is less than the predicted number of sales.
  • the delivery unit price is determined so that the producer is given an incentive. As a result, a product shortage situation is avoided, so losses mainly at retailers are minimized.
  • An example of the object of the present invention is to solve the above-described problems and to support the collection amount adjustment support device that can predict the collection amount of the collected agricultural products even when the agricultural products are brought into the collection and shipping area by a plurality of producers.
  • Another object of the present invention is to provide a collection amount adjustment support method and a computer-readable recording medium.
  • a first collection amount adjustment support device is a device for supporting adjustment of the collection amount of agricultural products collected at a collection and shipping site,
  • a trend line setting unit that sets a trend line that represents an ideal change in the amount of collected agricultural products from the start to the end of the collection of agricultural products, using the scheduled collection amount of the agricultural products per day;
  • a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line is obtained, and whether the agricultural products are insufficient is estimated based on the obtained divergence rate.
  • the estimation part It is characterized by having.
  • the second collection amount adjustment support device is a device for supporting adjustment of the collection amount of agricultural products collected at a collection and shipping site, Whether or not the agricultural products are insufficient based on the result obtained by constructing a learning model of the deviation rate using learning data, applying the deviation rate at a specific time to the constructed learning model
  • a learning estimator that estimates The learning data is Calculated using a trend line, which is set using the scheduled collection amount of the agricultural product per day and represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product, A divergence rate indicating the degree to which the collected amount of the collected agricultural products has deviated from the trend line at a plurality of points in time in the past, A result indicating whether the adjustment of the collection amount of the agricultural product on the day was successful or unsuccessful; Including, It is characterized by that.
  • a first collection amount adjustment support method is a method for supporting adjustment of the collection amount of agricultural products collected at a collection and shipping site, (A) setting a trend line that represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product using the scheduled collection amount of the agricultural product per day; (B) At a specific time point, a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line is obtained, and whether or not the agricultural products are insufficient based on the obtained divergence rate Performing the estimation, and It is characterized by having.
  • the second collection amount adjustment support method in one aspect of the present invention is a method for supporting adjustment of the collection amount of agricultural products collected at a collection and shipping site, Whether or not the agricultural products are insufficient based on the result obtained by constructing a learning model of the deviation rate using learning data, applying the deviation rate at a specific time to the constructed learning model Having the steps of:
  • the learning data is Calculated using a trend line, which is set using the scheduled collection amount of the agricultural product per day and represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product, A divergence rate indicating the degree to which the collected amount of the collected agricultural products has deviated from the trend line at a plurality of points in time in the past, A result indicating whether the adjustment of the collection amount of the agricultural product on the day was successful or unsuccessful; Including, It is characterized by that.
  • a first computer-readable recording medium is a computer recording a program for supporting adjustment of the amount of collected agricultural products collected at a collection / shipping site.
  • a readable recording medium In the computer, (A) setting a trend line that represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product using the scheduled collection amount of the agricultural product per day; (B) At a specific time point, a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line is obtained, and whether or not the agricultural products are insufficient based on the obtained divergence rate Performing the estimation, and A program including an instruction for executing is recorded.
  • a second computer-readable recording medium records a program for supporting adjustment of the amount of collected agricultural products collected at a collection / shipping site by a computer.
  • a computer-readable recording medium In the computer, Whether or not the agricultural products are insufficient based on the result obtained by constructing a learning model of the deviation rate using learning data, applying the deviation rate at a specific time to the constructed learning model Records the program, including instructions to perform the steps,
  • the learning data is Calculated using a trend line, which is set using the scheduled collection amount of the agricultural product per day and represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product, A divergence rate indicating the degree to which the collected amount of the collected agricultural products has deviated from the trend line at a plurality of points in time in the past, A result indicating whether the adjustment of the collection amount of the agricultural product on the day was successful or unsuccessful; It is characterized by including.
  • FIG. 1 is a block diagram showing a schematic configuration of a collection amount adjustment support apparatus according to Embodiment 1 of the present invention.
  • FIG. 2 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 1 of the present invention.
  • FIG. 3 is a diagram showing an example of trend lines set in the first embodiment of the present invention.
  • FIG. 4 is a flowchart showing the operation of the collection amount adjustment support device according to Embodiment 1 of the present invention.
  • FIG. 5 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 2 of the present invention.
  • FIG. 6 is an explanatory diagram for explaining the concept of learning data used in the second embodiment of the present invention.
  • FIG. 1 is a block diagram showing a schematic configuration of a collection amount adjustment support apparatus according to Embodiment 1 of the present invention.
  • FIG. 2 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 1 of the present
  • FIG. 7 is a diagram showing a specific example of learning data used in Embodiment 2 of the present invention.
  • FIG. 8 is an explanatory diagram for explaining a learning model used in Embodiment 2 of the present invention.
  • FIG. 9 is a flowchart showing the operation of the collection amount adjustment support apparatus according to Embodiment 2 of the present invention.
  • FIG. 10 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 3 of the present invention.
  • FIG. 11 is a block diagram illustrating an example of a computer that implements the collection amount adjustment support device according to the first to third embodiments of the present invention.
  • Embodiment 1 a collection amount adjustment support device, a collection amount adjustment support method, and a program according to Embodiment 1 of the present invention will be described with reference to FIGS.
  • FIG. 1 is a block diagram showing a schematic configuration of a collection amount adjustment support apparatus according to Embodiment 1 of the present invention.
  • the collection amount adjustment support device 10 is a device for supporting adjustment of the collection amount of agricultural products collected at the collection / shipping site. At the collection / shipping site, collection is performed so that the collection amount of agricultural products reaches the scheduled collection amount per day (hereinafter referred to as “daily scheduled collection amount”). The daily scheduled collection amount is set based on the shipment amount (contract shipment amount) negotiated with the shipping destination.
  • the collection amount adjustment support device 10 includes a trend line setting unit 11 and an estimation unit 12.
  • the trend line setting part 11 sets a trend line using the scheduled collection amount per day of agricultural products.
  • the trend line is a line representing an ideal change in the amount of collected agricultural products from the start to the end of the collection of agricultural products.
  • the estimation unit 12 obtains a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line at a specific time, and estimates whether the agricultural products are insufficient based on the obtained divergence rate. carry out.
  • the collection amount adjustment support device 10 sets a trend line in consideration of fluctuations in the collection amount, and determines whether the collection amount is insufficient based on this trend line. For this reason, according to the collection amount adjustment support device 10, even when agricultural products are brought into the collection and shipping area by a plurality of producers, the collection amount of the collected agricultural products can be predicted.
  • the agricultural products for which the collection amount is adjusted are not particularly limited, but are particularly effective for agricultural products that require freshness, for example, leafy vegetables, outdoor vegetables, fruits, fresh flowers, and the like. is there.
  • FIG. 2 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 1 of the present invention.
  • FIG. 3 is a diagram showing an example of trend lines set in the first embodiment of the present invention.
  • the collection amount adjustment support device 10 includes a collection amount calculation unit 13 in addition to the trend line setting unit 11 and the estimation unit 12. Further, when the producer delivers the agricultural product to the collection / shipping site, the manager 40 obtains the prepared collection amount for each producer and inputs the obtained prepared collection amount to the collection amount adjustment support device 10. The prepared collection amount is input by the administrator 40 via an input device or a terminal device (not shown in FIG. 2).
  • the “prepared collection amount” is the amount of agricultural products that each producer actually delivered to the collection and shipping site, subtracting the amount of agricultural products that does not meet certain standards established in advance at the time of shipment. It means the amount obtained. This is because the agricultural products delivered by the producer may include agricultural products that do not meet certain standards (non-standard agricultural products).
  • the collection amount calculation unit 13 adds the prepared collection amounts of the respective producers calculated from the start of collection to the present time to obtain the latest collection amount. Calculate the amount. Then, the collection amount calculation unit 13 outputs the calculated collection amount to the estimation unit 12.
  • the calculated latest collection amount corresponds to the amount of agricultural products that are ready for shipment at the collection and shipping site, that is, the shipment preparation amount.
  • the tendency line setting part 11 sets a linear function in the coordinate system used as two axes with which the amount of collection and time are orthogonal as a tendency line. .
  • the start time T1 of the collection of agricultural products, the end time T2 of the collection of agricultural products, and the daily scheduled collection amount S are set.
  • ⁇ S is set as the amount that can be stocked in the cold storage at the collection / shipping place (stockable amount).
  • the final collection amount is equal to or more than the daily scheduled collection amount S between the end time T2 and the extended end time T3. If it is less than the sum of ⁇ S (daily scheduled amount S + stockable amount ⁇ S), the problems associated with insufficient collection amount and problems associated with excessive collection amount described in the background art section will not occur. .
  • the trend line setting unit 11 uses a trend line as the point P1 (0, T1) where the collection amount is zero and the time is the collection start time, and the collection amount is the scheduled date and time collection amount S
  • the linear function is set so that the time passes through the point P2 (S, T3) which is the end time T3 when the collection is extended.
  • the setting information necessary for setting the trend line specifically, the start time T1, the scheduled collection date and time S3, and the extended collection time T3 are input by the administrator 40, for example, as an input device or a terminal device ( (Not shown in FIG. 2).
  • the linear function is set as the trend line. It can be assumed that the amount of work that can be performed per unit time at the collection / shipping site is constant, and the collection ends from the start of collection of agricultural products This is because it is an ideal state that the amount of collection increases at a constant pace. However, if the change in the amount of work possible per unit time at the pickup site is known (see the following document), a curve may be used as the trend line. Source: http://en.wikipedia.org/wiki/%E4%BD%9C%E6%A5%AD%E6%9B%B2%E7%B7%9A
  • the estimation unit 12 collects at the specified time from the collection amount output by the collection amount calculation unit 13. Identify the amount of collected agricultural products. Specifically, when the administrator 40 designates the current time, the estimation unit 12 sets the latest collected amount that has been output as the collected amount of collected agricultural products at the designated time.
  • the estimation unit 12 calculates the difference between the collected amount of collected agricultural products and the amount collected on the trend line at the specified time, and divides the calculated difference by the amount collected on the trend line.
  • the obtained value is defined as the deviation rate X.
  • the divergence rate X is positive when the amount of collection on the trend line is larger than the amount of collected agricultural products.
  • the estimation unit 12 compares the deviation rate X with a preset threshold when the calculated deviation rate X is positive, and estimates that there is a shortage of agricultural products when the deviation rate X exceeds the threshold. Moreover, the estimation part 12 outputs an estimation result, and shows this to the administrator 40 via a display apparatus or a terminal device (not shown in FIG. 2).
  • the estimation part 12 can also notify the producer's terminal 50 of the warning which shows that when it estimates that there is a shortage of agricultural products via networks, such as the internet (not shown in FIG. 2). .
  • the producer who received the notification can quickly cope with a situation where the amount of collection is insufficient.
  • FIG. 4 is a flowchart showing the operation of the collection amount adjustment support device according to Embodiment 1 of the present invention.
  • FIGS. 1 to 3 are referred to as appropriate.
  • the collection amount adjustment support method is implemented by operating the collection amount adjustment support device 10. Therefore, the description of the collection amount adjustment support method in the first embodiment will be replaced with the following description of the operation of the collection amount adjustment support device 10.
  • the estimation unit 12 accepts designation of time by the administrator 40 (step A ⁇ b> 1). In this case, the estimation unit 12 notifies the trend line setting unit 11 and the collection amount calculation unit 13 that the designation of time has been accepted.
  • Step A2 the trend line setting unit 11 determines whether or not a trend line is set (Step A2). If the trend line is set as a result of the determination in step A2, step A4 described later is executed. On the other hand, as a result of the determination in step A2, if the trend line is not set, the trend line setting unit 11 sets the trend line (step A3). Specifically, the trend line setting unit 11 sets a linear function passing through the points P1 and P2 illustrated in FIG. 2 using the setting information input by the administrator 40.
  • the collection amount calculation unit 13 determines whether or not a newly prepared collection amount has been input from the administrator 40 (step A4). As a result of the determination in step A4, when a newly prepared collection amount is not input, step A6 described later is executed. On the other hand, if the result of determination in step A4 is that a newly prepared collection amount has been input, the collection amount calculation unit 13 calculates the latest collection amount (step A5). The collection amount calculation unit 13 outputs the calculated latest collection amount to the estimation unit 12.
  • the estimation unit 12 obtains the deviation rate X at the time designated in Step A1, and estimates whether or not the agricultural products are insufficient based on the obtained deviation rate X (Step A6).
  • step A6 the estimation unit 12 calculates the difference between the amount of collection calculated in step A5 and the amount of collection on the trend line at the specified time, and the calculated difference is displayed on the trend line.
  • the obtained value is divided by the amount of collection of, and the obtained value is defined as the deviation rate X.
  • the estimation part 12 contrasts the deviation rate X and the preset threshold value on condition that the calculated deviation rate X is positive, and when the deviation rate X exceeds the threshold value, the agricultural products are insufficient. I guess.
  • the estimation unit 12 outputs the result of the estimation process in Step A6 to the display device or the terminal device of the administrator 40 (Step A7). Thereby, the result of the estimation process is presented to the administrator 40. Moreover, when estimating that the agricultural product is insufficient, the estimating unit 12 can also notify the producer's terminal 50 of a warning indicating that the agricultural product is insufficient in Step A7. After the execution of step A7, the processing in the collection amount adjustment support device 10 is temporarily terminated.
  • steps A1 to A7 are executed again. Therefore, the manager can check whether the collected amount is not insufficient at any time until the end time T3 at the time of extension elapses.
  • the process is executed when the administrator specifies the time, but the first embodiment is not limited to this mode.
  • the first embodiment may be configured such that the process is started at a preset time or at a preset time interval.
  • steps A2 to A7 shown in FIG. 4 are executed at preset time intervals or at preset time intervals. Further, steps A2 to A7 shown in FIG. 4 may be executed in response to a request from an external system.
  • the program according to the first embodiment of the present invention may be a program that causes a computer to execute steps A1 to A7 shown in FIG.
  • a CPU Central Processing Unit
  • the collection amount adjustment support device 10 and the collection amount adjustment support method according to the first embodiment can be realized.
  • a CPU Central Processing Unit
  • the computer functions as the trend line setting unit 11, the estimation unit 12, and the collection amount calculation unit 13, and performs processing.
  • the collection amount adjustment support device 10 sets a trend line in consideration of the fact that a plurality of producers bring agricultural products to the collection / shipment site, and collects the cargo based on this. Determine if the amount is insufficient. For this reason, according to the collection amount adjustment support device 10, in a mode in which agricultural products are brought into the collection and shipping place by a plurality of producers, the collection amount of the collected agricultural products can be predicted. As a result, the occurrence of the problem associated with the shortage of the collection amount and the problem associated with the excessive collection amount described in the background art section is suppressed.
  • the trend line setting unit 11 adds the point P1 in addition to or instead of the trend line passing through the points P1 and P2 (hereinafter referred to as “lower limit line”).
  • a trend line (hereinafter referred to as “upper limit line”) passing through the point P3 (see FIG. 3) can be set.
  • the point P3 is a point where the amount of collection becomes an amount obtained by adding the stock storage possible amount ⁇ S to the daily scheduled amount S, and the time becomes the end time T2.
  • the estimating unit 12 calculates a difference between the collected amount of collected agricultural products and the amount collected on the upper limit line at a specified time, and calculates the calculated difference as the amount collected on the upper limit line. Divide and set the obtained value as the deviation rate X.
  • the deviation rate X is positive when the collected amount of collected agricultural products is larger than the collected amount on the upper limit line.
  • the estimation unit 12 compares the deviation rate X with a preset threshold when the calculated deviation rate X is positive, and estimates that the agricultural products are excessive when the deviation rate X exceeds the threshold. To do.
  • the upper limit line is set in addition to the lower limit line or instead of the lower limit line.
  • each producer can notify the collection amount adjustment support apparatus 10 of the amount of agricultural products to be delivered to the collection / shipment site via the terminal 50.
  • the collection amount calculation unit 13 subtracts the amount input by the administrator 40 from the notified delivery amount, The prepared collection amount can be calculated.
  • the first embodiment automatically notifies the prepared collection amount from this system. It may be an embodiment.
  • Embodiment 2 Next, a collection amount adjustment support device, a collection amount adjustment support method, and a program according to Embodiment 2 of the present invention will be described with reference to FIGS.
  • FIG. 5 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 2 of the present invention.
  • the collection amount adjustment support device 20 in the second embodiment shown in FIG. 5 also collects agricultural products collected at the collection / shipping site. It is a device for supporting the adjustment of the amount.
  • the collection amount adjustment support device 20 in the second embodiment is different from the collection amount adjustment support device 10 in terms of configuration and function. Hereinafter, the difference will be mainly described.
  • the collection amount adjustment support device 20 includes a learning data storage unit 21, a learning estimation unit 22, and a collection amount calculation unit 23.
  • the collection amount calculation part 23 is provided with the same function as the collection amount calculation part 13 shown in FIG. That is, when the manager 40 inputs the prepared collection amount of each producer, the collection amount calculation unit 23 adds these together and calculates the latest collection amount. In addition, the collection amount calculation unit 23 outputs the calculated latest collection amount to the learning estimation unit 22.
  • the learning estimation unit 22 first constructs a learning model of the divergence rate X using the learning data stored in the learning data storage unit 21. And the learning estimation part 22 applies the deviation rate at the specific time (time designated by the manager 40) to the constructed learning model, and based on the result obtained thereby, whether or not there is a shortage of agricultural products. Estimate.
  • the learning data is a result indicating whether the adjustment of the divergence rate X at a plurality of points in time in the past and the collection amount of agricultural products on each day was successful or unsuccessful calculated using the trend line ( Hereinafter referred to as “adjustment result”).
  • the learning data is input by the administrator 40 and stored in the learning data storage unit 21.
  • the learning data storage unit 21 also stores trend lines used for creating learning data.
  • FIG. 6 is an explanatory diagram for explaining the concept of learning data used in the second embodiment of the present invention.
  • FIG. 7 is a diagram showing a specific example of learning data used in Embodiment 2 of the present invention.
  • the coordinate system shown in FIG. 6 is the same as the coordinate system shown in FIG. 2, and is a coordinate system used as two axes in which the collection amount and time are orthogonal to each other.
  • the trend line is also set in the same manner as in the example of FIG. Then, learning data, on a daily basis, for the time t 1 ⁇ t 5, respectively, asked the trend line and the deviation rate X 1 ⁇ X 5 from the collection amount and at that time, the rate of deviation X 1 ⁇ X 5 obtained, of the day It is created by storing the adjustment result in the learning data storage unit 21.
  • the learning data is as shown in FIG. In FIG. 7, “OK” is indicated when the adjustment of the amount of collected agricultural products is successful, and “NG” is indicated when the adjustment of the amount of collected agricultural products is unsuccessful.
  • the learning estimation unit 22 uses the divergence rates included in the learning data to determine the deviation rate when the adjustment of the amount of collected agricultural products is unsuccessful. Calculate the probability distribution with ⁇ ⁇ as a variable. This calculated probability distribution becomes a learning model.
  • the learning estimation unit 22 applies the divergence rate at a specific time point to the calculated probability distribution, and uses the numerical value obtained thereby to determine the posterior probability in the case of unsuccessfulness. Based on this, it is estimated whether there is a shortage of agricultural products.
  • FIG. 8 is an explanatory diagram for explaining a learning model used in Embodiment 2 of the present invention.
  • the learning estimation unit 22 classifies the deviation rate (X 1 to X 5 ) for each time into an OK case and an NG case using the learning data.
  • the learning estimation unit 22 calculates the average ⁇ and the variance ⁇ 2 for each of the deviation rate in the case of OK and the deviation rate in the case of NG.
  • the learning estimation unit 22 calculates a Gaussian distribution P (X
  • NG) is calculated from the mean ⁇ and the variance ⁇ 2 .
  • the learning estimation unit 22 uses the learning data, and the probability P (OK) that the collection amount reaches the “target” shown in FIG. 6 and the probability P (the collection amount does not reach the “target” shown in FIG. NG) is also calculated. Then, the learning estimation unit 22 uses the calculated Gaussian distribution and the probability, and the expression of the posterior probability P (OK
  • the results are as shown in the following equations 1 and 2.
  • the deviation rate X is a variable.
  • “A” shown in the following equations 1 and 2 represents a set including OK or NG as elements.
  • the learning estimation unit 22 sets the trend line stored in the learning data storage unit 21 and the latest collection notified by the collection amount calculation unit.
  • the deviation rate X at the specified time is calculated using the quantity.
  • the learning estimation unit 22 calculates the posterior probability P (OK
  • the learning estimation unit 22 compares the posterior probability P (NG
  • the probability distribution is not limited to the Gaussian distribution.
  • the histogram of the divergence rate X can be approximated more than the Gaussian distribution by Johnson SU distribution, logistic distribution, or the like, any of these distributions can be used as the probability part distribution.
  • the learning estimation unit 22 may notify the producer's terminal 50 of a warning indicating that via a network such as the Internet (not shown in FIG. 5). It can. In this case, the producer who received the notification can quickly cope with a situation where the amount of collection is insufficient.
  • the learning data is created based on the collection amount excluding the amount added by the notification. .
  • the estimation accuracy can be improved by constructing learning data from the amount of agricultural products delivered purely by the producer (prepared collection amount).
  • an adjustment result obtained by removing the amount added by the notification is used instead of the actual adjustment result in the past.
  • the divergence rate (X 1 to X 5 ) for each time in the learning data is calculated from the collected amount excluding the amount added by the notification.
  • FIG. 9 is a flowchart showing the operation of the collection amount adjustment support apparatus according to Embodiment 2 of the present invention.
  • FIGS. 5 to 8 are referred to as appropriate.
  • the collection amount adjustment support method is implemented by operating the collection amount adjustment support device 20. Therefore, the description of the collection amount adjustment support method in the second embodiment is replaced with the following description of the operation of the collection amount adjustment support device 20.
  • the learning estimation unit 22 accepts designation of time by the administrator 40 (step B1). In this case, the learning estimation unit 12 notifies the collection amount calculation unit 23 that the designation of time has been accepted.
  • the learning estimation unit 22 determines whether the learning data stored in the learning data storage unit 21 has been updated (step B2). When the learning data is not updated as a result of the determination in step B2, step B4 described later is executed. On the other hand, if the learning data has been updated as a result of the determination in step B2, the learning estimation unit 22 recalculates the Gaussian distribution P (X
  • step B3 the learning estimation unit 22 further uses the updated Gaussian distribution to calculate the posterior probability P (OK
  • the collection amount calculation unit 23 determines whether or not a newly prepared collection amount has been input from the administrator 40 (step B4). As a result of the determination in step B4, when a newly prepared collection amount is not input, step B6 described later is executed. On the other hand, as a result of the determination in step B4, when a newly prepared collection amount is input, the collection amount calculation unit 23 calculates the latest collection amount (step B5). In addition, the collection amount calculation unit 13 outputs the calculated latest collection amount to the learning estimation unit 22. Steps B4 and B5 are the same as steps A4 and A5 shown in FIG. 4, respectively.
  • the learning estimation unit 22 estimates whether the learning estimation unit 22 is short of agricultural products (step B6). Specifically, in step B6, the estimation unit 12 uses the collected amount calculated in step B5 and the trend line stored in the learning data storage unit 21 to calculate the divergence rate X at the specified time. calculate. Then, the learning estimation unit 22 calculates the posterior probability P (OK
  • the learning estimation unit 22 outputs the result of the estimation process in Step B6 to the display device or the terminal device of the administrator 40 (Step B7). Thereby, the result of the estimation process is presented to the administrator 40. Moreover, when it is estimated that the agricultural product is insufficient, the learning estimation unit 22 can also notify the producer's terminal 50 of a warning indicating that the agricultural product is insufficient in Step B7. After the execution of step B7, the processing in the collection amount adjustment support device 20 is temporarily terminated.
  • steps B1 to B7 are executed again. Therefore, the manager can check whether the collected amount is not insufficient at any time until the end time T3 at the time of extension elapses.
  • the process is executed when the administrator designates the time, but the second embodiment is not limited to this mode.
  • the second embodiment may be configured such that the process is started at a preset time or at a preset time interval.
  • steps B2 to B7 shown in FIG. 9 are executed at preset time intervals or at preset time intervals. Further, when requested by an external system, steps B2 to B7 shown in FIG. 9 may be executed.
  • the program according to the second embodiment of the present invention may be a program that causes a computer to execute steps B1 to B7 shown in FIG.
  • a CPU Central Processing Unit
  • the collection amount adjustment support device 20 and the collection amount adjustment support method in the second embodiment can be realized.
  • a CPU Central Processing Unit
  • the collection amount adjustment support device 20 learns an increasing tendency of the collection amount when a plurality of producers bring agricultural products to the collection and shipping site, and uses the learning result to collect the collection amount. Determine if there is a shortage. For this reason, also in the case of using the collection amount adjustment support device 20, it is possible to predict the collection amount of the collected agricultural products in a mode in which the agricultural products are brought into the collection and shipping place by a plurality of producers. As a result, the occurrence of the problem associated with the shortage of the collection amount and the problem associated with the excessive collection amount described in the background art section is suppressed.
  • the points P1 and P3 in addition to or instead of the trend line passing through the points P1 and P2 (hereinafter referred to as “lower limit line”), the points P1 and P3 (see the drawing) Learning data may be created using a trend line passing through (hereinafter referred to as “upper limit line”).
  • the point P3 is a point where the amount of collection becomes an amount obtained by adding the stock storage possible amount ⁇ S to the daily scheduled amount S, and the time becomes the end time T2.
  • the learning data is created using the upper limit line. Therefore, the first modification is particularly effective when the amount of delivery of the producer is large and the agricultural products are gathered too much at the collection and shipping place. Therefore, the amount of agricultural products to be disposed of can be reduced.
  • the second modification of the first embodiment can be applied to the second embodiment. That is, also in the second embodiment, each producer can notify the collection amount adjustment support device 10 of the amount of agricultural products delivered to the collection and shipping place via the terminal 50. Also good. Further, when the collection amount adjustment support device 20 is connected to an external system that records the prepared collection amount, the prepared collection amount is also automatically notified from this system in the second embodiment. It may be an embodiment.
  • FIG. 10 is a block diagram showing a specific configuration of the collection amount adjustment support device according to Embodiment 3 of the present invention.
  • the collection amount adjustment support device 30 in the third embodiment shown in FIG. It is a device for supporting adjustment of the amount of collected agricultural products.
  • the collection amount adjustment support device 30 has the functions of the collection amount adjustment support device 10 and the collection amount adjustment support device 20. This will be specifically described below.
  • the collection amount adjustment support device 30 includes a trend line setting unit 31, an estimation unit 32, a collection amount adjustment unit 33, a learning estimation unit 34, and a learning data storage unit 35.
  • the trend line setting unit 31 has the same function as the trend line setting unit 11 shown in FIG. 2 in the first embodiment.
  • the trend line setting unit 31 sets a trend line based on the setting information input by the administrator 40.
  • the collection amount calculation unit 33 also has the same function as the collection amount calculation unit 13 shown in FIG. 2 in the first embodiment.
  • the collection amount calculation unit 33 adds these, calculates the latest prepared collection amount, and calculates the calculated latest prepared collection amount. It outputs to the estimation part 32.
  • the estimation unit 32 also has the same function as that of the estimation unit 12 shown in FIG.
  • the estimation unit 32 determines the collected amount of collected agricultural products at the designated time from the latest collected amount notified by the collected amount calculation unit 33. Identify.
  • the estimation part 32 calculates the deviation rate X of the time from the collection amount of the collected collected agricultural products and the collection amount on the trend line at the designated time, and uses this, the shortage of agricultural products is calculated. presume.
  • the estimation part 32 outputs an estimation result, and shows this to the administrator 40 via a display apparatus or a terminal device (not shown in FIG. 2).
  • the estimation unit 32 has a function of creating the learning data shown in FIG. 7 in the second embodiment, unlike the estimation unit 12. Specifically, the estimation unit 32 calculates the divergence rate X at each preset time on the day when shipment is performed at the collection and shipping place, and uses the calculated divergence rate X as learning data as learning data. Store in the storage unit 35.
  • the estimation unit 32 determines whether or not the latest collection amount has reached the “target” (see FIG. 6). Then, the estimation unit 32 adds “OK” to the learning data for the corresponding day if the determination result has reached, and “NG” to the learning data for the corresponding day if it has not reached. Append.
  • the learning estimation unit 34 has the same function as the learning estimation unit 22 shown in FIG. 5 in the second embodiment. That is, the learning estimation unit 34 first constructs a learning model of the deviation rate X using the learning data stored in the learning data storage unit 35. Then, when the administrator designates the time, the learning estimation unit 34 applies the deviation rate at the designated time to the constructed learning model, and based on the result obtained thereby, whether or not the agricultural product is insufficient. Estimate.
  • both steps A1 to A7 shown in FIG. 4 and steps B1 to B7 shown in FIG. 9 can be executed. For this reason, both the estimation result calculated from the deviation rate X and the estimation result using the learning data can be presented to the administrator 40, and the administrator 40 can easily lead the collection amount adjustment to success. Become.
  • the estimation part 32 and the learning estimation part 34 each estimate that there is a shortage of agricultural products, the warning which shows that is sent to networks (not shown in FIG. 10), such as the internet. It is also possible to notify the producer's terminal 50 via this. In this case, the producer who received the notification can quickly cope with a situation where the amount of collection is insufficient.
  • the estimation unit 32 creates learning data based on the collection amount excluding the amount added by the notification. be able to. Also in this case, as in the second embodiment, the investigation result is not the actual adjustment result in the past, but the adjustment result when the amount added by the notification is removed. Further, the divergence rate (X 1 to X 5 ) for each time in the learning data is calculated from the collected amount excluding the amount added by the notification. In this case, the amount of the agricultural product added by the notification is input by the administrator 40 via an input device or a terminal device (not shown in FIG. 10), for example.
  • the collection amount adjustment in the third embodiment is performed by executing one or both of steps A1 to A7 shown in FIG. 4 and steps B1 to B7 shown in FIG.
  • the support method will be executed.
  • a step of calculating the divergence rate X in advance for each time, whether the latest collection amount has reached the “target” at the end time T3 And a step of storing a calculation result and a determination result are executed.
  • the program according to the third embodiment of the present invention may be a program that causes a computer to execute steps A1 to A7 shown in FIG. 4 and steps B1 to B7 shown in FIG.
  • a CPU Central Processing Unit
  • the collection amount adjustment support device 30 and the collection amount adjustment support method according to the third embodiment can be realized.
  • a CPU Central Processing Unit
  • a trend line setting unit 31 an estimation unit 32, an end calculation unit 33, and a learning estimation unit 34 to perform processing.
  • FIG. 11 is a block diagram illustrating an example of a computer that implements the collection amount adjustment support device according to the first to third embodiments of the present invention.
  • the computer 110 includes a CPU 111, a main memory 112, a storage device 113, an input interface 114, a display controller 115, a data reader / writer 116, and a communication interface 117. These units are connected to each other via a bus 121 so that data communication is possible.
  • the CPU 111 performs various operations by developing the program (code) in the present embodiment stored in the storage device 113 in the main memory 112 and executing them in a predetermined order.
  • the main memory 112 is typically a volatile storage device such as a DRAM (Dynamic Random Access Memory).
  • the program in the present embodiment is provided in a state of being stored in a computer-readable recording medium 120. Note that the program in the present embodiment may be distributed on the Internet connected via the communication interface 117.
  • the storage device 113 include a semiconductor storage device such as a flash memory in addition to a hard disk.
  • the input interface 114 mediates data transmission between the CPU 111 and an input device 118 such as a keyboard and a mouse.
  • the display controller 115 is connected to the display device 119 and controls display on the display device 119.
  • the data reader / writer 116 mediates data transmission between the CPU 111 and the recording medium 120, and reads a program from the recording medium 120 and writes a processing result in the computer 110 to the recording medium 120.
  • the communication interface 117 mediates data transmission between the CPU 111 and another computer.
  • the recording medium 120 include general-purpose semiconductor storage devices such as CF (Compact Flash (registered trademark)) and SD (Secure Digital), magnetic storage media such as a flexible disk, or CD- Optical storage media such as ROM (Compact Disk Read Only Memory) are listed.
  • CF Compact Flash
  • SD Secure Digital
  • magnetic storage media such as a flexible disk
  • CD- Optical storage media such as ROM (Compact Disk Read Only Memory) are listed.
  • a device for supporting adjustment of the amount of collected agricultural products collected at a collection and shipping site A trend line setting unit that sets a trend line that represents an ideal change in the amount of collected agricultural products from the start to the end of the collection of agricultural products, using the scheduled collection amount of the agricultural products per day; At a specific time point, a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line is obtained, and whether the agricultural products are insufficient is estimated based on the obtained divergence rate.
  • the estimation part A collection amount adjustment support device characterized by comprising:
  • a learning model of the deviation rate is constructed using the deviation rate at a plurality of points in time in the past and the adjustment result indicating whether the adjustment of the amount of collected agricultural products on the day is successful or unsuccessful.
  • a learning estimation unit that applies the divergence rate at the specific time point to the constructed learning model, and estimates whether or not the agricultural product is insufficient based on a result obtained thereby;
  • the collection amount adjustment support device according to appendix 1, further comprising:
  • the learning estimation unit calculates the probability distribution using the deviation rate as a variable when the adjustment of the collection amount of the agricultural products is unsuccessful using the deviation rate for each past day. Build and Fit the deviation rate at the specific time point to the calculated probability distribution, and use the numerical value obtained thereby to determine the posterior probability for the unsuccessful case, Based on the calculated posterior probabilities, estimate whether the agricultural products are insufficient, The collection amount adjustment support device according to attachment 2.
  • Appendix 6 The collection amount adjustment support device according to appendix 1, wherein the learning estimation unit notifies an external terminal designated in advance that the agricultural product is insufficient when the agricultural estimation unit estimates that the agricultural product is insufficient.
  • a learning estimator that estimates The learning data is Calculated using a trend line, which is set using the scheduled collection amount of the agricultural product per day and represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product, A divergence rate indicating the degree to which the collected amount of the collected agricultural products has deviated from the trend line at a plurality of points in time in the past, An adjustment result indicating whether the adjustment of the collection amount of the agricultural product on the day was successful or unsuccessful; Including, A collection amount adjustment support device characterized by that.
  • the learning estimation unit uses the divergence rate included in the learning data to calculate a probability distribution using the divergence rate as a variable when the adjustment of the collection amount of the agricultural products is unsuccessful. Build Fit the deviation rate at the specific time point to the calculated probability distribution, and use the numerical value obtained thereby to determine the posterior probability for the unsuccessful case, Based on the calculated posterior probabilities, estimate whether the agricultural products are insufficient, The collection amount adjustment support device according to appendix 7.
  • (Appendix 11) A method for supporting adjustment of the amount of collected agricultural products collected at a collection and shipping site, (A) setting a trend line that represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product using the scheduled collection amount of the agricultural product per day; (B) At a specific time point, a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line is obtained, and whether or not the agricultural products are insufficient based on the obtained divergence rate Performing the estimation, and A method for supporting the collection amount adjustment, characterized by comprising:
  • step (c) the learning is performed by calculating a probability distribution using the deviation rate as a variable when the adjustment of the collection amount of the agricultural products is unsuccessful using the deviation rate for each past day.
  • Build the model Fit the deviation rate at the specific time point to the calculated probability distribution, and use the numerical value obtained thereby to determine the posterior probability for the unsuccessful case, Based on the calculated posterior probabilities, estimate whether the agricultural products are insufficient, The collection amount adjustment support method according to attachment 12.
  • step (a) As the trend line, in the coordinate system in which the collection amount and the time are two axes orthogonal to each other, the first point where the collection amount is zero and the time is the collection start time, and the collection amount is Setting a linear function that passes through the scheduled collection amount and a second point at which time is the collection end time;
  • the method when it is estimated that the agricultural product is insufficient, the method further includes a step of notifying the external terminal designated in advance that the agricultural product is insufficient.
  • the method when it is estimated that the agricultural products are insufficient, the method further includes a step of notifying the external terminal designated in advance that the agricultural products are insufficient.
  • (Appendix 17) A method for supporting adjustment of the amount of collected agricultural products collected at a collection and shipping site, (A) A learning model of the divergence rate is constructed using learning data, the divergence rate at a specific time is applied to the constructed learning model, and the agricultural product is insufficient based on the result obtained thereby.
  • the learning data is Calculated using a trend line, which is set using the scheduled collection amount of the agricultural product per day and represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product, A divergence rate indicating the degree to which the collected amount of the collected agricultural products has deviated from the trend line at a plurality of points in time in the past, An adjustment result indicating whether the adjustment of the collection amount of the agricultural product on the day was successful or unsuccessful; Including, A method for adjusting the amount of collection, which is characterized by the above.
  • step (a) using the divergence rate included in the learning data, by calculating a probability distribution using the divergence rate as a variable when the adjustment of the collection amount of the agricultural products is unsuccessful, Build a learning model, Fit the deviation rate at the specific time point to the calculated probability distribution, and use the numerical value obtained thereby to determine the posterior probability for the unsuccessful case, Based on the calculated posterior probabilities, estimate whether the agricultural products are insufficient, The collection amount adjustment support method according to appendix 17.
  • the method when it is estimated that the agricultural products are insufficient, the method further includes a step of notifying the external terminal designated in advance that the agricultural products are insufficient.
  • (Appendix 21) A computer-readable recording medium recording a program for supporting adjustment of the amount of collected agricultural products collected at a collection / shipping site by a computer, In the computer, (A) setting a trend line that represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product using the scheduled collection amount of the agricultural product per day; (B) At a specific time point, a divergence rate indicating the degree to which the collected amount of collected agricultural products deviates from the trend line is obtained, and whether or not the agricultural products are insufficient based on the obtained divergence rate Performing the estimation, and The computer-readable recording medium which recorded the program containing the instruction
  • the program further comprises: (C) Learning the divergence rate using the divergence rate at a plurality of points in time in the past and the adjustment result indicating whether the adjustment of the amount of collected agricultural products on the day was successful or unsuccessful.
  • Build the model An instruction that causes the computer to execute a step of applying the divergence rate at the specific time point to the constructed learning model and estimating whether or not the agricultural product is insufficient based on a result obtained thereby.
  • step (c) the learning is performed by calculating a probability distribution using the deviation rate as a variable when the adjustment of the collection amount of the agricultural products is unsuccessful using the deviation rate for each past day.
  • Build the model Fit the deviation rate at the specific time point to the calculated probability distribution, and use the numerical value obtained thereby to determine the posterior probability for the unsuccessful case, Based on the calculated posterior probabilities, estimate whether the agricultural products are insufficient.
  • the computer-readable recording medium according to appendix 22 The computer-readable recording medium according to appendix 22.
  • step (a) As the trend line, in the coordinate system in which the collection amount and the time are two axes orthogonal to each other, the first point where the collection amount is zero and the time is the collection start time, and the collection amount is Setting a linear function that passes through the scheduled collection amount and a second point at which time is the collection end time;
  • the computer-readable recording medium according to attachment 21 As the trend line, in the coordinate system in which the collection amount and the time are two axes orthogonal to each other, the first point where the collection amount is zero and the time is the collection start time, and the collection amount is Setting a linear function that passes through the scheduled collection amount and a second point at which time is the collection end time;
  • the program further comprises: (D) In the step of (b), when it is estimated that the agricultural products are insufficient, an instruction for causing the computer to execute a step of notifying the external terminal designated in advance that the agricultural products are insufficient is provided.
  • the program further comprises: (E) In the step of (c), when it is estimated that the agricultural products are insufficient, an instruction for causing the computer to execute a step of notifying the external terminal designated in advance that the agricultural products are insufficient is provided.
  • (Appendix 27) A computer-readable recording medium recording a program for supporting adjustment of the amount of collected agricultural products collected at a collection / shipping site by a computer,
  • (A) A learning model of the divergence rate is constructed using learning data, the divergence rate at a specific time is applied to the constructed learning model, and the agricultural product is insufficient based on the result obtained thereby.
  • the learning data is Calculated using a trend line, which is set using the scheduled collection amount of the agricultural product per day and represents an ideal change in the collection amount of the agricultural product from the start to the end of the collection of the agricultural product, A divergence rate indicating the degree to which the collected amount of the collected agricultural products has deviated from the trend line at a plurality of points in time in the past, An adjustment result indicating whether the adjustment of the collection amount of the agricultural product on the day was successful or unsuccessful; Including a computer-readable recording medium.
  • step (a) using the divergence rate included in the learning data, by calculating a probability distribution using the divergence rate as a variable when the adjustment of the collection amount of the agricultural products is unsuccessful, Build a learning model, Fit the deviation rate at the specific time point to the calculated probability distribution, and use the numerical value obtained thereby to determine the posterior probability for the unsuccessful case, Based on the calculated posterior probabilities, estimate whether the agricultural products are insufficient,
  • the computer-readable recording medium according to attachment 27 The computer-readable recording medium according to attachment 27.
  • the program further comprises: (B) In the step (a), when it is estimated that the agricultural product is insufficient, a step of notifying the external terminal designated in advance that the agricultural product is insufficient is performed. 28.
  • the present invention it is possible to predict the amount of collected agricultural products even when agricultural products are brought into the collection and shipping area by a plurality of producers.
  • the present invention is useful in the agricultural field.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　集出荷場で収集される農産物の集荷量の調整を支援するため、集荷量調整支援装置１０は、農産物の１日当りの予定集荷量を用いて、農産物の収集の開始から終了までにおける、農産物の集荷量の理想的な変化を表す、傾向線を設定する、傾向線設定部１１と、特定の時点において、収集済の農産物の集荷量が傾向線から乖離している程度を示す乖離率を求め、求めた乖離率に基づいて、農産物が不足するかどうかの推定を行なう、推定部１２とを備えている。

Description

集荷量調整支援装置、集荷量調整支援方法、及びコンピュータ読み取り可能な記録媒体
　本発明は、集出荷場で収集される農産物の集荷量の調整を支援する集荷量調整支援装置及び集荷量調整方法に関し、更には、これらを実現するためのプログラムを記録したコンピュータ読み取り可能な記録媒体に関する。
　近年、特に、葉物野菜の出荷においては、小売業者等の顧客への契約出荷量を確保するため、生産者の間で出荷協調生産者団体が形成され、団体に属する各生産者が互いに納入する農産物の量（以下「納入量」と表記する。）を相互に補完する運営が行なわれている。そして、このような運営では、集出荷場の担当者や現地指導員（以下、これらの者をまとめて「管理者」と表記する。）は、各生産者から集出荷場で収集される農産物の集荷量が契約出荷量に到達するよう、各生産者に対して収穫及び出荷の指示を行なっている。
　具体的には、管理者は、農産物の収集の開始時刻から終了時刻までの間、既に集出荷場で収集された農産物の集荷量、及び契約出荷量までの不足分等に基づいて、最終的な集荷量が契約出荷量に到達するかどうかの判定を行なう。そして、判定の結果、最終的な集荷量が契約出荷量に到達しないと判定した場合は、管理者は、各生産者に、集出荷場への農産物の追加の持ち込みを依頼する。
　また、最終的に、集荷量が契約出荷量に足りなかった場合は、出荷契約が破棄されるおそれがあり、生産者にとっては、収益リスクに繋がるおそれがある。更に、一般に、葉物野菜は、時間の経過による劣化が激しいことから、持ち込まれた日に出荷できなかった分は、保冷庫に畜庫できた分を除き、廃棄されてしまう。つまり、集出荷場に持ち込まれた量が契約出荷量を大きく超え、そして、超えた分が保冷庫に入りきらなかった場合は、生産者において損失が発生してしまう。
　従って、管理者による農産物の集荷量の調整の責任は重く、管理者にとって大きな負担となっている。このため、従来から、葉物野菜等の販売量と集荷量（出荷量）との調整を容易にするため、種々のシステムが提案されている（例えば、特許文献１及び２参照）。
　例えば、特許文献１に開示されたシステムは、実際に生産者から収集できた商品の数と、受注が予定されている商品の数とに一定の差が生じている場合に、管理者に警告を出力する。このため、特に、収穫量や受注量が突発的に変動した場合であっても、生産者及び小売業者における損失を最小限に抑えることができる。
　また、特許文献２に開示されたシステムは、過去の商品の販売データと当日の商品の販売状況とから、当日の商品の予測販売数を求め、この商品の納入数が予測販売数よりも少ない場合は、生産者にインセンティブが与えられるように、納入単価を決定する。この結果、商品不足となる状況が回避されるので、主に小売業者における損失が最小限に抑えられる。
特開２００４－００１９０９号公報 特開２０１３－１４０４８１号公報
　ところで、生産者間で納入量を相互に補完する運営が行なれている場合は、農産物の集出荷場への持ち込みは各生産者で別々に行なわれるため、集出荷場に持ち込まれる農産物の量は、時間帯によって変動する。しかしながら、上記特許文献１及び２に開示されたシステムでは、現在の集荷量と予定されている集荷量との差を算出しているに過ぎず、時間帯による変動は一切考慮されていないため、最終的な集荷量を予測することは困難である。そして、この結果、上述した集荷量不足に伴う問題と集荷量過多に伴う問題とを解決することも困難となる。
　本発明の目的の一例は、上記問題を解消し、複数の生産者によって集出荷場に農産物が持ち込まれる場合であっても、収集される農産物の集荷量を予測し得る、集荷量調整支援装置、集荷量調整支援方法、及びコンピュータ読み取り可能な記録媒体を提供することにある。
　上記目的を達成するため、本発明の一側面における第１の集荷量調整支援装置は、集出荷場で収集される農産物の集荷量の調整を支援するための装置であって、
　前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、傾向線設定部と、
　特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、推定部と、
を備えている、ことを特徴とする。
　また、上記目的を達成するため、本発明の一側面における第２の集荷量調整支援装置は、集出荷場で収集される農産物の集荷量の調整を支援するための装置であって、
　学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、学習推定部を備え、
　前記学習データは、
前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す結果と、
を含んでいる、
ことを特徴とする。
　上記目的を達成するため、本発明の一側面における第１の集荷量調整支援方法は、集出荷場で収集される農産物の集荷量の調整を支援するための方法であって、
（ａ）前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、ステップと、
（ｂ）特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
を有する、ことを特徴とする。
　また、上記目的を達成するため、本発明の一側面における第２の集荷量調整支援方法は、集出荷場で収集される農産物の集荷量の調整を支援するための方法であって、
　学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを有し、
　前記学習データは、
前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す結果と、
を含んでいる、
ことを特徴とする。
　上記目的を達成するため、本発明の一側面における第１のコンピュータ読み取り可能な記録媒体は、コンピュータによって、集出荷場で収集される農産物の集荷量の調整を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
（ａ）前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、ステップと、
（ｂ）特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
を実行させる命令を含む、プログラムを記録していることを特徴とする。
　更に、上記目的を達成するため、本発明の一側面における第２のコンピュータ読み取り可能な記録媒体は、コンピュータによって、集出荷場で収集される農産物の集荷量の調整を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
　学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを実行させる命令を含む、プログラムを記録しており、
　前記学習データは、
前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す結果と、
を含んでいる、ことを特徴とする。
　以上のように、本発明によれば、複数の生産者によって集出荷場に農産物が持ち込まれる場合であっても、収集される農産物の集荷量を予測することができる。
図１は、本発明の実施の形態１における集荷量調整支援装置の概略構成を示すブロック図である。 図２は、本発明の実施の形態１における集荷量調整支援装置の具体的構成を示すブロック図である。 図３は、本発明の実施の形態１で設定される傾向線の一例を示す図である。 図４は、本発明の実施の形態１における集荷量調整支援装置の動作を示すフロー図である。 図５は、本発明の実施の形態２における集荷量調整支援装置の具体的構成を示すブロック図である。 図６は、本発明の実施の形態２で用いられる学習データの概念を説明するための説明図である。 図７は、本発明の実施の形態２で用いられる学習データの具体例を示す図である。 図８は、本発明の実施の形態２で用いられる学習モデルを説明するための説明図である。 図９は、本発明の実施の形態２における集荷量調整支援装置の動作を示すフロー図である。 図１０は、本発明の実施の形態３における集荷量調整支援装置の具体的構成を示すブロック図である。 図１１は、本発明の実施の形態１～３における集荷量調整支援装置を実現するコンピュータの一例を示すブロック図である。
（実施の形態１）
　以下、本発明の実施の形態１における、集荷量調整支援装置、集荷量調整支援方法、及びプログラムについて、図１～図４を参照しながら説明する。
［装置構成］
　最初に、本発明の実施の形態１における集荷量調整支援装置の構成について図１を用いて説明する。図１は、本発明の実施の形態１における集荷量調整支援装置の概略構成を示すブロック図である。
　図１に示す本実施の形態１における集荷量調整支援装置１０は、集出荷場で収集される農産物の集荷量の調整を支援するための装置である。集出荷場では、農産物の集荷量が、１日当りの予定集荷量（以下「日次予定集荷量」と表記する。）に到達するように収集が行なわれている。日次予定集荷量は、出荷先との間で取り決められている出荷量（契約出荷量）に基づいて設定されている。
　図１に示すように、集荷量調整支援装置１０は、傾向線設定部１１と、推定部１２とを備えている。このうち、傾向線設定部１１は、農産物の１日当りの予定集荷量を用いて、傾向線を設定する。傾向線は、農産物の収集の開始から終了までにおける、農産物の集荷量の理想的な変化を表す線である。
　推定部１２は、特定の時点において、収集済の農産物の集荷量が傾向線から乖離している程度を示す乖離率を求め、求めた乖離率に基づいて、農産物が不足するかどうかの推定を実施する。
　このように、集荷量調整支援装置１０は、集荷量の変動を考慮した傾向線を設定し、これを基準にして集荷量が不足しているかどうかを判断する。このため、集荷量調整支援装置１０によれば、複数の生産者によって集出荷場に農産物が持ち込まれる場合であっても、収集される農産物の集荷量を予測することができる。
　本実施の形態１において、集荷量調整の対象となる農産物は、特に限定されるものではないが、鮮度が要求される農産物、例えば、葉物野菜、露地野菜、果物、生花等に特に有効である。
　続いて、図２及び図３を用いて、本実施の形態１における集荷量調整支援装置１０の構成について更に具体的に説明する。図２は、本発明の実施の形態１における集荷量調整支援装置の具体的構成を示すブロック図である。図３は、本発明の実施の形態１で設定される傾向線の一例を示す図である。
　まず、図２に示すように、本実施の形態１では、集荷量調整支援装置１０は、傾向線設定部１１及び推定部１２に加えて、集荷量算出部１３を備えている。また、管理者４０は、生産者が農産物を集出荷場に納入すると、生産者毎の調製済み集荷量を求め、求めた調製済み集荷量を集荷量調整支援装置１０に入力する。なお、調製済み集荷量は、管理者４０によって、入力装置又は端末装置（図２において図示せず）を介して、入力される。
　ここで、「調製済み集荷量」とは、各生産者が実際に集出荷場に納入した農産物の納入量から、出荷に際して事前に設けられた一定の基準に満たない農産物の量を減算して得られた量を意味している。これは、生産者が納入した農産物のなかには、一定の基準を満たさない農産物（基準外農産物）が含まれることがあるからである。
　集荷量算出部１３は、管理者４０から生産者毎の調製済み集荷量が入力されると、収集の開始から現在までに算出した各生産者の調製済み集荷量を足し合せて、最新の集荷量を算出する。そして、集荷量算出部１３は、算出した集荷量を、推定部１２に出力する。この算出された最新の集荷量は、集出荷場において出荷の準備が整った農産物の量、即ち、出荷準備済量に該当する。
　また、本実施の形態１では、図３に示すように、傾向線設定部１１は、傾向線として、集荷量及び時間が直交する２軸として用いられた座標系において、１次関数を設定する。具体的には、図３の例では、農産物の収集の開始時刻Ｔ１、農産物の収集の終了時刻Ｔ２、及び日次予定集荷量Ｓが設定されている。また、集出荷場において保冷庫に畜庫できる量（畜庫可能量）として、ΔＳが設定されている。
　更に、集出荷場での農産物の収集は、原則として終了時刻Ｔ２に終了するが、実際には、終了時刻Ｔ２を過ぎても、ある程度の時間であれば受付けられており、終了時刻Ｔ２は延長されている。このため、図２の例では、延長可能な時間をΔｔとし、延長時の終了時刻をＴ３としている。
　従って、集出荷場において、終了時刻Ｔ２から延長時の終了時刻Ｔ３の間に、最終的な集荷量が、日次予定集荷量Ｓ以上であり、且つ、日次予定量Ｓと畜庫可能量△Ｓとの合計（日次予定量Ｓ＋畜庫可能量△Ｓ）以下となれば、背景技術の欄で述べた、集荷量不足に伴う問題と集荷量過多に伴う問題とが生じることはない。
　このため、図３の例では、傾向線設定部１１は、傾向線として、集荷量がゼロ、時間が収集の開始時刻となる点Ｐ１（０、Ｔ１）と、集荷量が日時予定集荷量Ｓ、時間が収集の延長時の終了時刻Ｔ３となる点Ｐ２（Ｓ、Ｔ３）とを通るように１次関数を設定する。また、傾向線の設定に必要な設定情報、具体的には、開始時刻Ｔ１、日時予定集荷量Ｓ、及び延長時の集荷量時刻Ｔ３は、例えば、管理者４０によって、入力装置又は端末装置（図２において図示せず）を介して、入力される。
　また、図３の例において、傾向線として１次関数が設定されているのは、集出荷場での単位時間当たりに可能な作業量が一定であると仮定でき、農産物の収集の開始から終了までに、集荷量が一定のペースで増加することが理想的な状態であるからである。但し、集荷場での単位時間当たりに可能な作業量の変化が既知である場合（下記の資料を参照）は、傾向線として曲線が用いられても良い。
　資料：http://ja.wikipedia.org/wiki/%E4%BD%9C%E6%A5%AD%E6%9B%B2%E7%B7%9A
　また、本実施の形態１では、推定部１２は、管理者４０から、特定の時点として時刻が指定されると、集荷量算出部１３によって出力されてきた集荷量から、指定された時刻における収集済の農産物の集荷量を特定する。具体的には、管理者４０が現在の時刻を指定した場合は、推定部１２は、出力されてきた最新の集荷量を、指定された時刻における収集済の農産物の集荷量とする。
　そして、推定部１２は、特定した収集済の農産物の集荷量と、指定された時刻における傾向線上の集荷量とから、両者の差を算出し、算出した差を傾向線上の集荷量で除算し、得られた値を乖離率Ｘとする。但し、乖離率Ｘは、傾向線上の集荷量が収集済の農産物の集荷量よりも大きい場合を正とする。
　次いで、推定部１２は、算出した乖離率Ｘが正の場合は、乖離率Ｘと予め設定された閾値とを対比し、乖離率Ｘが閾値を超えている場合は、農産物が不足すると推定する。また、推定部１２は、推定結果を出力し、これを、表示装置又は端末装置（図２において図示せず）を介して、管理者４０に提示する。
　また、推定部１２は、農産物が不足すると推定した場合は、そのことを示す警告を、インターネット等のネットワーク（図２において図示せず）を介して、生産者の端末５０に通知することもできる。この場合、通知を受けた生産者は、集荷量が不足する事態に、迅速に対応することができる。
［装置動作］
　次に、本発明の実施の形態１における集荷量調整支援装置１０の動作について図４を用いて説明する。図４は、本発明の実施の形態１における集荷量調整支援装置の動作を示すフロー図である。以下の説明においては、適宜図１～図３を参酌する。また、本実施の形態１では、集荷量調整支援装置１０を動作させることによって、集荷量調整支援方法が実施される。よって、本実施の形態１における集荷量調整支援方法の説明は、以下の集荷量調整支援装置１０の動作説明に代える。
　最初に、図４に示すように、集荷量調整支援装置１０において、推定部１２は、管理者４０による時刻の指定を受け付ける（ステップＡ１）。この場合、推定部１２は、時刻の指定を受け付けたことを、傾向線設定部１１及び集荷量算出部１３に通知する。
　次に、ステップＡ１の実行後、傾向線設定部１１は、傾向線が設定されているかどうかを判定する（ステップＡ２）。ステップＡ２の判定の結果、傾向線が設定されている場合は、後述するステップＡ４が実行される。一方、ステップＡ２の判定の結果、傾向線が設定されていない場合は、傾向線設定部１１は、傾向線を設定する（ステップＡ３）。具体的には、傾向線設定部１１は、管理者４０が入力した設定情報を用いて、図２に示した点Ｐ１及び点Ｐ２を通る１次関数を設定する。
　次に、集荷量算出部１３は、管理者４０から、新たに調製済み集荷量が入力されているかどうかを判定する（ステップＡ４）。ステップＡ４の判定の結果、新たに調製済み集荷量が入力されていない場合は、後述するステップＡ６が実行される。一方、ステップＡ４の判定の結果、新たに調製済み集荷量が入力されている場合は、集荷量算出部１３は、最新の集荷量を算出する（ステップＡ５）。また、集荷量算出部１３は、算出した最新の集荷量を推定部１２に出力する。
　次に、推定部１２は、ステップＡ１で指定された時刻における乖離率Ｘを求め、求めた乖離率Ｘに基づいて、農産物が不足するかどうかの推定を実施する（ステップＡ６）。
　具体的には、ステップＡ６では、推定部１２は、ステップＡ５で算出された集荷量と、指定された時刻における傾向線上の集荷量とから、両者の差を算出し、算出した差を傾向線上の集荷量で除算し、得られた値を乖離率Ｘとする。そして、推定部１２は、算出した乖離率Ｘが正であることを条件に、乖離率Ｘと予め設定された閾値とを対比し、乖離率Ｘが閾値を超えている場合は、農産物が不足すると推定する。
　その後、推定部１２は、ステップＡ６の推定処理の結果を、表示装置、又は管理者４０の端末装置に出力する（ステップＡ７）。これにより、推定処理の結果が、管理者４０に提示される。また、推定部１２は、農産物が不足すると推定した場合は、ステップＡ７において、農作物が不足することを示す警告を、生産者の端末５０に通知することもできる。ステップＡ７の実行後、集荷量調整支援装置１０における処理は、一旦終了する。
　また、その後、管理者４０によって新たな時刻が指定されると、ステップＡ１～Ａ７は、再度実行される。従って、管理者は、延長時の終了時刻Ｔ３が経過するまでの間、いつでも、集荷量が不足しないかどうかを確認することができる。
　なお、図４の例では、管理者が時刻を指定したことを契機に処理が実行されるが、本実施の形態１は、この態様に限定されない。本実施の形態１は、例えば、予め設定された時刻毎に、又は予め設定された時間間隔で、処理が開始される態様であっても良い。この態様では、予め設定された時刻毎に、又は予め設定された時間間隔で、図４に示したステップＡ２～Ａ７が実行される。また、外部のシステムから要求されたことを契機に、図４に示したステップＡ２～Ａ７が実行されても良い。
［プログラム］
　本発明の実施の形態１におけるプログラムは、コンピュータに、図４に示すステップＡ１～Ａ７を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態１における集荷量調整支援装置１０と集荷量調整支援方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、傾向線設定部１１、推定部１２、及び集荷量算出部１３として機能し、処理を行なう。
［実施の形態１における効果］
　以上のように、本実施の形態１では、集荷量調整支援装置１０は、複数の生産者が集出荷場に農産物を持ち込むことを考慮して、傾向線を設定し、これを基準にして集荷量が不足するかどうかを判断する。このため、集荷量調整支援装置１０によれば、複数の生産者によって集出荷場に農産物が持ち込まれる態様において、収集される農産物の集荷量を予測することができる。この結果、背景技術の欄で述べた、集荷量不足に伴う問題と集荷量過多に伴う問題との発生が抑制される。
［実施の形態１の変形例１］
　上述したように、図１～図４に示した例では、傾向線として、点Ｐ１と点Ｐ２とを通る１次関数が設定され、最終的な集荷量が日次予定集荷量Ｓに満たないと推定される場合に、そのことが管理者４０に提示されているが、本実施の形態１は、この例に限定されない。
　例えば、本実施の形態１では、傾向線設定部１１は、点Ｐ１と点Ｐ２とを通る傾向線（以下「下限ライン」と表記する。）に加えて、又はこれに代えて、点Ｐ１と点Ｐ３（図３参照）とを通る傾向線（以下「上限ライン」と表記する）を設定することができる。点Ｐ３は、集荷量が、日次予定量Ｓに畜庫可能量△Ｓを加えた量となり、時間が終了時刻Ｔ２となる点である。
　更に、推定部１２は、特定した収集済の農産物の集荷量と、指定された時刻における上限ライン上の集荷量とから、両者の差を算出し、算出した差を上限ライン上の集荷量で除算し、得られた値を乖離率Ｘとする。また、乖離率Ｘは、収集済の農産物の集荷量が上限ライン上の集荷量よりも大きい場合を正とする。そして、推定部１２は、算出した乖離率Ｘが正の場合は、乖離率Ｘと予め設定された閾値とを対比し、乖離率Ｘが閾値を超えている場合は、農産物が過剰になると推定する。
　このように、本変形例１では、下限ラインに加えて、又は下限ラインに代えて、上限ラインが設定される。このため、本変形例１は、特に、生産者の納入量が多く、集出荷場に農産物が集まりすぎる場合に有効となり、廃棄処分となる農産物の量を抑制できる。
［実施の形態１の変形例２］
　本変形例２では、各生産者が、端末５０を介して、集出荷場に納入する農産物の納入量を、集荷量調整支援装置１０に通知を行なうことができる。この場合、管理者４０が、一定の基準を満たない農産物の量を入力することで、集荷量算出部１３は、通知された納入量から、管理者４０によって入力された量を減算して、調製済み集荷量を算出することができる。
　また、集荷量調整支援装置１０が、調製済み集荷量を記録している外部のシステムに接続されている場合は、本実施の形態１は、調製済み集荷量がこのシステムから自動的に通知される態様であっても良い。
（実施の形態２）
　次に本発明の実施の形態２における、集荷量調整支援装置、集荷量調整支援方法、及びプログラムについて、図５～図９を参照しながら説明する。
［装置構成］
　最初に、本発明の実施の形態２における集荷量調整支援装置の構成について図５を用いて説明する。図５は、本発明の実施の形態２における集荷量調整支援装置の具体的構成を示すブロック図である。
　図５に示す本実施の形態２における集荷量調整支援装置２０も、図１及び２に示した実施の形態１における集荷量調整支援装置１０と同様に、集出荷場で収集される農産物の集荷量の調整を支援するための装置である。但し、図５に示すように、本実施の形態２においては、集荷量調整支援装置２０は、構成及び機能の点で、集荷量調整支援装置１０と異なっている。以下、相違点を中心に説明する。
　図５に示すように、集荷量調整支援装置２０は、学習データ記憶部２１と、学習推定部２２と、集荷量算出部２３とを備えている。このうち、集荷量算出部２３は、実施の形態１において、図２に示した集荷量算出部１３と同様の機能を備えている。即ち、集荷量算出部２３は、管理者４０によって、各生産者の調製済み集荷量が入力されると、これらを足し合せ、最新の集荷量を算出する。また、集荷量算出部２３は、算出した最新の集荷量を学習推定部２２に出力する。
　学習推定部２２は、まず、学習データ記憶部２１に格納されている学習データを用いて、乖離率Ｘの学習モデルを構築する。そして、学習推定部２２は、構築した学習モデルに、特定の時点（管理者４０が指定した時刻）での乖離率を当てはめ、それによって得られた結果に基づいて、農産物が不足するかどうかの推定を行なう。
　学習データは、傾向線を用いて算出された、過去の日毎における、複数の時点での乖離率Ｘと、各日における農産物の集荷量の調整が成功及び不成功のいずれであったかを示す結果（以下「調整結果」と表記する。）と、を含んでいる。また、本実施の形態２では、学習データは、管理者４０によって入力され、学習データ記憶部２１に格納されている。なお、学習データ記憶部２１には、学習データの作成に用いられた傾向線も格納されている。
　ここで、図６及び図７を用いて、本実施の形態２で用いられる学習データについて具体的に説明する。図６は、本発明の実施の形態２で用いられる学習データの概念を説明するための説明図である。図７は、本発明の実施の形態２で用いられる学習データの具体例を示す図である。
　図６に示す座標系は、図２に示した座標系と同様であり、集荷量及び時間が直交する２軸として用いられた座標系である。また、傾向線も、図２の例と同様に設定されている。そして、学習データは、日毎に、時刻ｔ１～ｔ５それぞれについて、傾向線とその時の集荷量とから乖離率Ｘ１～Ｘ５を求め、求めた乖離率Ｘ１～Ｘ５と、その日の調整結果とを学習データ記憶部２１に記憶することによって作成されている。具体的には、学習データは、図７に示す通りとなる。図７では、農産物の集荷量の調整が成功の場合は「ＯＫ」と表記され、農産物の集荷量の調整が不成功の場合は「ＮＧ」と表記されている。
　図６及び図７に示した学習データが作成されている場合、学習推定部２２は、学習データに含まれる各乖離率を用いて、農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出する。この算出された確率分布が、学習モデルとなる。
　そして、学習推定部２２は、算出した確率分布に、特定の時点での乖離率を当てはめ、これによって得られた数値を用いて、不成功の場合について事後確率を求め、求めた各事後確率に基づいて、農産物が不足するかどうかの推定を行なう。
　続いて、図８を用いて、確率分布としてガウス分布を用いた場合について説明する。図８は、本発明の実施の形態２で用いられる学習モデルを説明するための説明図である。
　まず、学習推定部２２は、学習データを用いて、時刻毎の乖離率（Ｘ１～Ｘ５）をＯＫの場合とＮＧの場合とに分類する。次いで、学習推定部２２は、ＯＫの場合の乖離率とＮＧの場合の乖離率とのそれぞれについて、平均μ及び分散σ２を算出する。
　そして、図８に示すように、学習推定部２２は、ＯＫの場合の乖離率の平均μ及び分散σ２から、ガウス分布Ｐ（Ｘ｜ＯＫ）を算出し、更に、ＮＧの場合の乖離率の平均μ及び分散σ２からガウス分布Ｐ（Ｘ｜ＮＧ）を算出する。
　また、学習推定部２２は、学習データを用いて、集荷量が図６に示す「目標」に到達する確率Ｐ（ＯＫ）と、集荷量が図６に示す「目標」に到達しない確率Ｐ（ＮＧ）も算出する。そして、学習推定部２２は、算出したガウス分布と確率とを用いて、ＯＫの場合の事後確率Ｐ（ＯＫ｜Ｘ）の式と、ＮＧの場合の事後確率Ｐ（ＮＧ｜Ｘ）の式とを構築する。
　結果は、下記の数１及び数２に示す通りである。下記の数１及び数２においては、乖離率Ｘが変数となる。また、下記の数１及び数２に示されている「Ａ」は、ＯＫ又はＮＧを要素として含む集合を表している。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　次いで、学習推定部２２は、管理者４０から、特定の時点として時刻が指定されると、学習データ記憶部２１に格納されている傾向線と、集荷量算出部によって通知されている最新の集荷量とを用いて、指定された時刻における乖離率Ｘを算出する。そして、学習推定部２２は、算出した乖離率Ｘを、上記の数１及び数２それぞれに代入して、事後確率Ｐ（ＯＫ｜Ｘ）と事後確率Ｐ（ＮＧ｜Ｘ）とを算出する。
　次いで、学習推定部２２は、事後確率Ｐ（ＮＧ｜Ｘ）と予め設定された閾値とを対比し、事後確率Ｐ（ＮＧ｜Ｘ）が閾値を超えている場合は、農産物が不足すると推定する。そして、学習推定部２２は、推定結果を出力し、これを、表示装置又は端末装置（図２において図示せず）を介して、管理者４０に提示する。また、このとき、学習推定部２２は、事後確率Ｐ（ＯＫ｜Ｘ）の値も、表示装置又は端末装置（図２において図示せず）を介して、管理者４０に提示する。事後確率Ｐ（ＯＫ｜Ｘ）は、集荷量調整の良好さを示す尺度として、管理者４０において有用となる。
　なお、上記の説明では、確率分布としてガウス分布が用いられているが、本実施の形態２において、確率分布はガウス分布に限定されるものではない。例えば、ジョンソンＳＵ分布、ロジスティック分布等によって、乖離率Ｘのヒストグラムを、ガウス分布以上に近似できる場合であれば、確率部分布として、これらの分布のいずれかを用いることができる。
　また、学習推定部２２は、農産物が不足すると推定した場合は、そのことを示す警告を、インターネット等のネットワーク（図５において図示せず）を介して、生産者の端末５０に通知することもできる。この場合、通知を受けた生産者は、集荷量が不足する事態に、迅速に対応することができる。
　また、上述のように、生産者に対して、集荷量の不足が通知される場合においては、学習データは、通知によって追加された分を除いた集荷量に基づいて作成されているのが好ましい。これは、純粋に生産者が自律的に納入した農産物の納入量（調製済み集荷量）から学習データを構築することで、推定精度の向上が期待できるからである。具体的には、この場合、調査結果としては、過去における実際の調整結果ではなくて、通知によって追加された分を除いた場合の調整結果が用いられる。また、学習データにおける時刻毎の乖離率（Ｘ１～Ｘ５）は、通知によって追加された分を除いた集荷量から計算される。
［装置動作］
　次に、本発明の実施の形態２における集荷量調整支援装置２０の動作について図９を用いて説明する。図９は、本発明の実施の形態２における集荷量調整支援装置の動作を示すフロー図である。以下の説明においては、適宜図５～図８を参酌する。また、本実施の形態２では、集荷量調整支援装置２０を動作させることによって、集荷量調整支援方法が実施される。よって、本実施の形態２における集荷量調整支援方法の説明は、以下の集荷量調整支援装置２０の動作説明に代える。
　最初に、図９に示すように、集荷量調整支援装置２０において、学習推定部２２は、管理者４０による時刻の指定を受け付ける（ステップＢ１）。この場合、学習推定部１２は、時刻の指定を受け付けたことを、集荷量算出部２３に通知する。
　次に、学習推定部２２は、学習データ記憶部２１に格納されている学習データが更新されているかどうかを判定する（ステップＢ２）。ステップＢ２の判定の結果、学習データが更新されていない場合は、後述するステップＢ４が実行される。一方、ステップＢ２の判定の結果、学習データが更新されている場合は、学習推定部２２は、ガウス分布Ｐ（Ｘ｜ＯＫ）及びガウス分布Ｐ（Ｘ｜ＮＧ）を再度算出して学習モデルを更新する（ステップＢ３）。
　また、ステップＢ３では、学習推定部２２は、更に、更新したガウス分布を用いて、上記数１に示した事後確率Ｐ（ＯＫ｜Ｘ）の式と、上記数２に示した事後確率Ｐ（ＮＧ｜Ｘ）の式との両方も更新する。
　次に、集荷量算出部２３は、管理者４０から、新たに調製済み集荷量が入力されているかどうかを判定する（ステップＢ４）。ステップＢ４の判定の結果、新たに調製済み集荷量が入力されていない場合は、後述するステップＢ６が実行される。一方、ステップＢ４の判定の結果、新たに調製済み集荷量が入力されている場合は、集荷量算出部２３は、最新の集荷量を算出する（ステップＢ５）。また、集荷量算出部１３は、算出した最新の集荷量を学習推定部２２に出力する。ステップＢ４及びＢ５は、それぞれ、図４に示したステップＡ４及びＡ５と同様のステップである。
　次に、学習推定部２２は、学習推定部２２は、農産物が不足するかどうかの推定を実施する（ステップＢ６）。具体的には、ステップＢ６では、推定部１２は、ステップＢ５で算出された集荷量と、学習データ記憶部２１に格納されている傾向線とを用いて、指定された時刻における乖離率Ｘを算出する。そして、学習推定部２２は、算出した乖離率Ｘを、上記の数１及び数２それぞれに代入して、事後確率Ｐ（ＯＫ｜Ｘ）と事後確率Ｐ（ＮＧ｜Ｘ）とを算出する。更に、学習推定部２２は、算出した事後確率Ｐ（ＮＧ｜Ｘ）が閾値を超えている場合は、農産物が不足すると推定する。
　その後、学習推定部２２は、ステップＢ６の推定処理の結果を、表示装置、又は管理者４０の端末装置に出力する（ステップＢ７）。これにより、推定処理の結果が、管理者４０に提示される。また、学習推定部２２は、農産物が不足すると推定した場合は、ステップＢ７において、農作物が不足することを示す警告を、生産者の端末５０に通知することもできる。ステップＢ７の実行後、集荷量調整支援装置２０における処理は、一旦終了する。
　また、その後、管理者４０によって新たな時刻が指定されると、ステップＢ１～Ｂ７は、再度実行される。従って、管理者は、延長時の終了時刻Ｔ３が経過するまでの間、いつでも、集荷量が不足しないかどうかを確認することができる。
　なお、図９の例では、管理者が時刻を指定したことを契機に処理が実行されるが、本実施の形態２は、この態様にも限定されない。本実施の形態２は、例えば、予め設定された時刻毎に、又は予め設定された時間間隔で、処理が開始される態様であっても良い。この態様では、予め設定された時刻毎に、又は予め設定された時間間隔で、図９に示したステップＢ２～Ｂ７が実行される。また、外部のシステムから要求されたことを契機に、図９に示したステップＢ２～Ｂ７が実行されても良い。
［プログラム］
　本発明の実施の形態２におけるプログラムは、コンピュータに、図９に示すステップＢ１～Ｂ７を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態２における集荷量調整支援装置２０と集荷量調整支援方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、学習推定部２２、及び集荷量算出部２３として機能し、処理を行なう。
［実施の形態２における効果］
　以上のように、本実施の形態２では、集荷量調整支援装置２０は、複数の生産者が集出荷場に農産物を持ち込む場合の集荷量の増加傾向を学習し、学習結果を用いて集荷量が不足するかどうかを判断する。このため、集荷量調整支援装置２０による場合も、複数の生産者によって集出荷場に農産物が持ち込まれる態様において、収集される農産物の集荷量を予測することができる。この結果、背景技術の欄で述べた、集荷量不足に伴う問題と集荷量過多に伴う問題との発生が抑制される。
［実施の形態２の変形例１］
　上述したように、図５～図９に示した例では、学習データの基準となる傾向線として、点Ｐ１と点Ｐ２とを通る１次関数が用いられているが、本実施の形態２は、この例に限定されない。
　例えば、本実施の形態２では、点Ｐ１と点Ｐ２とを通る傾向線（以下「下限ライン」と表記する。）に加えて、又はこれに代えて、点Ｐ１と点Ｐ３（図参照）とを通る傾向線（以下「上限ライン」と表記する）を用いて、学習データが作成されていても良い。点Ｐ３は、集荷量が、日次予定量Ｓに畜庫可能量△Ｓを加えた量となり、時間が終了時刻Ｔ２となる点である。
　このように、本変形例１では、上限ラインを用いて学習データが作成されるので、本変形例１は、特に、生産者の納入量が多く、集出荷場に農産物が集まりすぎる場合に有効となり、廃棄処分となる農産物の量を抑制できる。
［実施の形態２の変形例２］
　本実施の形態２には、実施の形態１の変形例２を適用することができる。つまり、本実施の形態２においても、各生産者が、端末５０を介して、集出荷場に納入する農産物の納入量を、集荷量調整支援装置１０に通知を行なうことができる態様であっても良い。また、集荷量調整支援装置２０が、調製済み集荷量を記録している外部のシステムに接続されている場合は、本実施の形態２も、調製済み集荷量がこのシステムから自動的に通知される態様であっても良い。
（実施の形態３）
　次に本発明の実施の形態３における、集荷量調整支援装置、集荷量調整支援方法、及びプログラムについて、図１０を参照しながら説明する。図１０は、本発明の実施の形態３における集荷量調整支援装置の具体的構成を示すブロック図である。
　図１０に示す本実施の形態３における集荷量調整支援装置３０も、実施の形態１における集荷量調整支援装置１０及び実施の形態２における集荷量調整支援装置２０と同様に、集出荷場で収集される農産物の集荷量の調整を支援するための装置である。但し、本実施の形態３では、集荷量調整支援装置３０は、集荷量調整支援装置１０及び集荷量調整支援装置２０それぞれの機能を備えている。以下、具体的に説明する。
　図１０に示すように、集荷量調整支援装置３０は、傾向線設定部３１と、推定部３２と、集荷量調整部３３と、学習推定部３４と、学習データ記憶部３５とを備えている。このうち、傾向線設定部３１は、実施の形態１において、図２に示した傾向線設定部１１と同様の機能を備えている。傾向線設定部３１は、管理者４０が入力した設定情報に基づいて傾向線を設定する。
　また、集荷量算出部３３も、実施の形態１において、図２に示した集荷量算出部１３と同様の機能を備えている。集荷量算出部３３は、管理者４０によって、各生産者の調製済み集荷量が入力されると、これらを足し合せ、最新の調製済み集荷量を算出し、算出した最新の調製済み集荷量を推定部３２に出力する。
　更に、推定部３２も、実施の形態１において、図２に示した推定部１２と同様の機能を備えている。推定部３２は、管理者４０から、特定の時点として時刻が指定されると、集荷量算出部３３によって通知されている最新の集荷量から、指定された時刻における収集済の農産物の集荷量を特定する。そして、推定部３２は、特定した収集済の農産物の集荷量と、指定された時刻における傾向線上の集荷量とから、その時刻の乖離率Ｘを算出し、これを用いて、農産物の不足を推定する。また、推定部３２は、推定結果を出力し、これを、表示装置又は端末装置（図２において図示せず）を介して、管理者４０に提示する。
　但し、本実施の形態３では、推定部３２は、推定部１２と異なり、実施の形態２で図７に示した学習データを作成する機能も備えている。具体的には、推定部３２は、集出荷場で出荷が行なわれた日においては、予め設定された時刻毎に、乖離率Ｘを算出し、算出した乖離率Ｘを、学習データとして学習データ記憶部３５に格納する。
　また、推定部３２は、延長時における終了時刻Ｔ３が経過すると、最新の集荷量が「目標」（図６参照）に到達しているかどうかを判定する。そして、推定部３２は、判定の結果、到達している場合は、対応する日の学習データに「ＯＫ」を付加し、到達していない場合は、対応する日の学習データに「ＮＧ」を付加する。
　学習推定部３４は、実施の形態２において、図５に示した学習推定部２２と同様の機能を備えている。つまり、学習推定部３４は、まず、学習データ記憶部３５に格納されている学習データを用いて、乖離率Ｘの学習モデルを構築する。そして、学習推定部３４は、管理者が時刻を指定すると、構築した学習モデルに、指定された時刻での乖離率を当てはめ、それによって得られた結果に基づいて、農産物が不足するかどうかの推定を行なう。
　このように、本実施の形態３では、学習データは、推定部３２によって自動的に作成されるので、管理者４０が学習データを作成して入力する必要がない。また、本実施の形態３においては、図４に示したステップＡ１～Ａ７と、図９に示したステップＢ１～Ｂ７との両方を実行できる。このため、管理者４０に対して、乖離率Ｘから計算した推定結果、学習データを用いた推定結果との両方を提示でき、管理者４０においては、集荷量調整を成功に導くことが容易となる。
　また、本実施の形態３では、推定部３２及び学習推定部３４は、それぞれ、農産物が不足すると推定した場合は、そのことを示す警告を、インターネット等のネットワーク（図１０において図示せず）を介して、生産者の端末５０に通知することもできる。この場合、通知を受けた生産者は、集荷量が不足する事態に、迅速に対応することができる。
　また、上述のように、生産者に対して、集荷量の不足が通知される場合においては、推定部３２は、通知によって追加された分を除いた集荷量に基づいて、学習データを作成することができる。この場合も、実施の形態２と同様に、調査結果としては、過去における実際の調整結果ではなくて、通知によって追加された分を除いた場合の調整結果が用いられる。また、学習データにおける時刻毎の乖離率（Ｘ１～Ｘ５）は、通知によって追加された分を除いた集荷量から計算される。なお、この場合において、通知によって追加された農産物の量は、例えば、管理者４０によって、入力装置又は端末装置（図１０において図示せず）を介して、入力される。
［装置動作］
　本実施の形態３では、図４に示したステップＡ１～Ａ７、及び図９に示したステップＢ１～Ｂ７のうち、いずれか又は両方が実行されることにより、本実施の形態３における集荷量調整支援方法が実行されることになる。その他に、本実施の形態３では、日毎に、学習データを生成するため、予め時刻毎に乖離率Ｘを算出するステップ、終了時刻Ｔ３において最新の集荷量が「目標」に到達しているかどうかを判定するステップ、算出結果及び判定結果を格納するステップ、が実行される。
［プログラム］
　本発明の実施の形態３におけるプログラムは、コンピュータに、図４に示すステップＡ１～Ａ７、及び図９に示すステップＢ１～Ｂ７を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態３における集荷量調整支援装置３０と集荷量調整支援方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、傾向線設定部３１、推定部３２、終了算出部３３、及び学習推定部３４として機能し、処理を行なう。
（装置の物理構成）
　ここで、実施の形態１～３におけるプログラムを実行することによって、集荷量調整支援装置を実現するコンピュータについて図１１を用いて説明する。図１１は、本発明の実施の形態１～３における集荷量調整支援装置を実現するコンピュータの一例を示すブロック図である。
　図１１に示すように、コンピュータ１１０は、ＣＰＵ１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。
　ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。
　また、記憶装置１１３の具体例としては、ハードディスクの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。
　また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記憶媒体、又はＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記憶媒体が挙げられる。
上述した実施の形態の一部又は全部は、以下に記載する（付記１）～（付記３０）によって表現することができるが、以下の記載に限定されるものではない。　
（付記１）
　集出荷場で収集される農産物の集荷量の調整を支援するための装置であって、
　前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、傾向線設定部と、
　特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、推定部と、
を備えている、ことを特徴とする集荷量調整支援装置。
（付記２）
　過去の日毎における、複数の時点での前記乖離率と、当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果とを用いて、前記乖離率の学習モデルを構築し、
構築した前記学習モデルに、前記特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、学習推定部と、
を更に備えている、付記１に記載の集荷量調整支援装置。
（付記３）
　前記学習推定部が、過去の日毎における、前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
付記２に記載の集荷量調整支援装置。
（付記４）
　前記傾向線設定部が、前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数を設定する、
付記１に記載の集荷量調整支援装置。
（付記５）
　前記推定部が、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、付記１に記載の集荷量調整支援装置。
（付記６）
　前記学習推定部が、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、付記１に記載の集荷量調整支援装置。
（付記７）
　集出荷場で収集される農産物の集荷量の調整を支援するための装置であって、
　学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、学習推定部を備え、
　前記学習データは、
前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果と、
を含んでいる、
ことを特徴とする集荷量調整支援装置。
（付記８）
　前記学習推定部が、前記学習データに含まれる前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
付記７に記載の集荷量調整支援装置。
（付記９）
　前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数が設定されている、
付記７に記載の集荷量調整支援装置。
（付記１０）
　前記学習推定部が、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、付記７に記載の集荷量調整支援装置。
（付記１１）
　集出荷場で収集される農産物の集荷量の調整を支援するための方法であって、
（ａ）前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、ステップと、
（ｂ）特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
を有する、ことを特徴とする集荷量調整支援方法。
（付記１２）
（ｃ）過去の日毎における、複数の時点での前記乖離率と、当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果とを用いて、前記乖離率の学習モデルを構築し、
構築した前記学習モデルに、前記特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
を更に有している、付記１１に記載の集荷量調整支援方法。
（付記１３）
　前記（ｃ）のステップにおいて、過去の日毎における、前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
付記１２に記載の集荷量調整支援方法。
（付記１４）
　前記（ａ）のステップにおいて、前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数を設定する、
付記１１に記載の集荷量調整支援方法。
（付記１５）
（ｄ）前記（ｂ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを更に有している、付記１１に記載の集荷量調整支援方法。
（付記１６）
（ｅ）前記（ｃ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを更に有している、付記１１に記載の集荷量調整支援方法。
（付記１７）
　集出荷場で収集される農産物の集荷量の調整を支援するための方法であって、
（ａ）学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを有し、
　前記学習データは、
前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果と、
を含んでいる、
ことを特徴とする集荷量調整支援方法。
（付記１８）
　前記（ａ）のステップにおいて、前記学習データに含まれる前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
付記１７に記載の集荷量調整支援方法。
（付記１９）
　前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数が設定されている、
付記１７に記載の集荷量調整支援方法。
（付記２０）
（ｂ）前記（ａ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを更に有している、付記１７に記載の集荷量調整支援方法。
（付記２１）
　コンピュータによって、集出荷場で収集される農産物の集荷量の調整を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
（ａ）前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、ステップと、
（ｂ）特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
を実行させる命令を含む、プログラムを記録しているコンピュータ読み取り可能な記録媒体。
（付記２２）
前記プログラムが、更に、
（ｃ）過去の日毎における、複数の時点での前記乖離率と、当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果とを用いて、前記乖離率の学習モデルを構築し、
構築した前記学習モデルに、前記特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを、前記コンピュータに実行させる命令を含む、付記２１に記載のコンピュータ読み取り可能な記録媒体。
（付記２３）
　前記（ｃ）のステップにおいて、過去の日毎における、前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
付記２２に記載のコンピュータ読み取り可能な記録媒体。
（付記２４）
　前記（ａ）のステップにおいて、前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数を設定する、
付記２１に記載のコンピュータ読み取り可能な記録媒体。
（付記２５）
前記プログラムが、更に、
（ｄ）前記（ｂ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを、前記コンピュータに実行させる命令を含む、付記２１に記載のコンピュータ読み取り可能な記録媒体。
（付記２６）
前記プログラムが、更に、
（ｅ）前記（ｃ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを、前記コンピュータに実行させる命令を含む、付記２１に記載のコンピュータ読み取り可能な記録媒体。
（付記２７）
　コンピュータによって、集出荷場で収集される農産物の集荷量の調整を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
（ａ）学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを実行させる命令を含む、プログラムを記録しており、
　前記学習データは、
前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果と、
を含んでいる、コンピュータ読み取り可能な記録媒体。
（付記２８）
　前記（ａ）のステップにおいて、前記学習データに含まれる前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
付記２７に記載のコンピュータ読み取り可能な記録媒体。
（付記２９）
　前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数が設定されている、
付記２７に記載のコンピュータ読み取り可能な記録媒体。
（付記３０）
前記プログラムが、更に、
（ｂ）前記（ａ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを、
更に前記コンピュータに実行させる命令を含む、付記２７に記載のコンピュータ読み取り可能な記録媒体。
　以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１４年７月８日に出願された日本出願特願２０１４－１４０８７０を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　本発明によれば、複数の生産者によって集出荷場に農産物が持ち込まれる場合であっても、収集される農産物の集荷量を予測することができる。本発明は、農業分野に有用である。
　１０　集荷量調整支援装置（実施の形態１）
　１１　傾向線設定部
　１２　推定部
　１３　集荷量算出部
　２０　集荷量調整支援装置（実施の形態２）
　２１　学習データ記憶部
　２２　学習推定部
　２３　集荷量算出部
　３０　集荷量調整支援装置（実施の形態３）
　３１　傾向線設定部
　３２　推定部
　３３　集荷量算出部
　３４　学習推定部
　３５　学習データ記憶部
　４０　管理者
　５０　生産者の端末
　１１０　コンピュータ
　１１１　ＣＰＵ
　１１２　メインメモリ
　１１３　記憶装置
　１１４　入力インターフェイス
　１１５　表示コントローラ
　１１６　データリーダ／ライタ
　１１７　通信インターフェイス
　１１８　入力機器
　１１９　ディスプレイ装置
　１２０　記録媒体
　１２１　バス

Claims (30)

  1. 　集出荷場で収集される農産物の集荷量の調整を支援するための装置であって、
    　前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、傾向線設定部と、
    　特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、推定部と、
    を備えている、ことを特徴とする集荷量調整支援装置。
  2. 　過去の日毎における、複数の時点での前記乖離率と、当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果とを用いて、前記乖離率の学習モデルを構築し、
    構築した前記学習モデルに、前記特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、学習推定部と、
    を更に備えている、請求項１に記載の集荷量調整支援装置。
  3. 　前記学習推定部が、過去の日毎における、前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
    算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
    求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
    請求項２に記載の集荷量調整支援装置。
  4. 　前記傾向線設定部が、前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数を設定する、
    請求項１～３のいずれかに記載の集荷量調整支援装置。
  5. 　前記推定部が、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、請求項１～４のいずれかに記載の集荷量調整支援装置。
  6. 　前記学習推定部が、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、請求項１～５のいずれかに記載の集荷量調整支援装置。
  7. 　集出荷場で収集される農産物の集荷量の調整を支援するための装置であって、
    　学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、学習推定部を備え、
    　前記学習データは、
    前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
    当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果と、
    を含んでいる、
    ことを特徴とする集荷量調整支援装置。
  8. 　前記学習推定部が、前記学習データに含まれる前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
    算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
    求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
    請求項７に記載の集荷量調整支援装置。
  9. 　前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数が設定されている、
    請求項７または８に記載の集荷量調整支援装置。
  10. 　前記学習推定部が、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、請求項７～９のいずれかに記載の集荷量調整支援装置。
  11. 　集出荷場で収集される農産物の集荷量の調整を支援するための方法であって、
    （ａ）前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、ステップと、
    （ｂ）特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
    を有する、ことを特徴とする集荷量調整支援方法。
  12. （ｃ）過去の日毎における、複数の時点での前記乖離率と、当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果とを用いて、前記乖離率の学習モデルを構築し、
    構築した前記学習モデルに、前記特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
    を更に有している、請求項１１に記載の集荷量調整支援方法。
  13. 　前記（ｃ）のステップにおいて、過去の日毎における、前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
    算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
    求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
    請求項１２に記載の集荷量調整支援方法。
  14. 　前記（ａ）のステップにおいて、前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数を設定する、
    請求項１１～１３のいずれかに記載の集荷量調整支援方法。
  15. （ｄ）前記（ｂ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを更に有している、請求項１１～１４のいずれかに記載の集荷量調整支援方法。
  16. （ｅ）前記（ｃ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを更に有している、請求項１１～１５のいずれかに記載の集荷量調整支援方法。
  17. 　集出荷場で収集される農産物の集荷量の調整を支援するための方法であって、
    （ａ）学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを有し、
    　前記学習データは、
    前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
    当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果と、
    を含んでいる、
    ことを特徴とする集荷量調整支援方法。
  18. 　前記（ａ）のステップにおいて、前記学習データに含まれる前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
    算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
    求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
    請求項１７に記載の集荷量調整支援方法。
  19. 　前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数が設定されている、
    請求項１７または１８に記載の集荷量調整支援方法。
  20. （ｂ）前記（ａ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを更に有している、請求項１７～１９のいずれかに記載の集荷量調整支援方法。
  21. 　コンピュータによって、集出荷場で収集される農産物の集荷量の調整を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
    前記コンピュータに、
    （ａ）前記農産物の１日当りの予定集荷量を用いて、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を設定する、ステップと、
    （ｂ）特定の時点において、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率を求め、求めた前記乖離率に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップと、
    を実行させる命令を含む、プログラムを記録しているコンピュータ読み取り可能な記録媒体。
  22. 前記プログラムが、更に、
    （ｃ）過去の日毎における、複数の時点での前記乖離率と、当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果とを用いて、前記乖離率の学習モデルを構築し、
    構築した前記学習モデルに、前記特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを、
    更に前記コンピュータに実行させる命令を含む、請求項２１に記載のコンピュータ読み取り可能な記録媒体。
  23. 　前記（ｃ）のステップにおいて、過去の日毎における、前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
    算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
    求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
    請求項２２に記載のコンピュータ読み取り可能な記録媒体。
  24. 　前記（ａ）のステップにおいて、前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数を設定する、
    請求項２１～２３のいずれかに記載のコンピュータ読み取り可能な記録媒体。
  25. 前記プログラムが、更に、
    （ｄ）前記（ｂ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを、前記コンピュータに実行させる命令を含む、請求項２１～２４のいずれかに記載のコンピュータ読み取り可能な記録媒体。
  26. 前記プログラムが、更に、
    （ｅ）前記（ｃ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを、前記コンピュータに実行させる命令を含む、請求項２１～２５のいずれかに記載のコンピュータ読み取り可能な記録媒体。
  27. 　コンピュータによって、集出荷場で収集される農産物の集荷量の調整を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
    前記コンピュータに、
    （ａ）学習データを用いて前記乖離率の学習モデルを構築し、構築した前記学習モデルに、特定の時点での前記乖離率を当てはめ、それによって得られた結果に基づいて、前記農産物が不足するかどうかの推定を行なう、ステップを実行させる命令を含む、プログラムを記録しており、
    　前記学習データは、
    前記農産物の１日当りの予定集荷量を用いて設定され、且つ、前記農産物の収集の開始から終了までにおける、前記農産物の集荷量の理想的な変化を表す、傾向線を用いて算出された、過去の日毎における、複数の時点での、収集済の前記農産物の集荷量が前記傾向線から乖離している程度を示す乖離率と、
    当該日における前記農産物の集荷量の調整が成功及び不成功のいずれであったか示す調整結果と、
    を含んでいる、コンピュータ読み取り可能な記録媒体。
  28. 　前記（ａ）のステップにおいて、前記学習データに含まれる前記乖離率を用いて、前記農産物の集荷量の調整が不成功の場合について、乖離率を変数とする確率分布を算出することによって、前記学習モデルを構築し、
    算出した前記確率分布に、前記特定の時点での前記乖離率を当てはめ、これによって得られた数値を用いて、前記不成功の場合について事後確率を求め、
    求めた各事後確率に基づいて、前記農産物が不足するかどうかの推定を行なう、
    請求項２７に記載のコンピュータ読み取り可能な記録媒体。
  29. 　前記傾向線として、集荷量及び時間を直交する２軸とする座標系において、集荷量がゼロ、時間が収集の開始時刻となる第１の点と、集荷量が前記予定集荷量、時間が収集の終了時刻となる第２の点とを通る、１次関数が設定されている、
    請求項２７または２８に記載のコンピュータ読み取り可能な記録媒体。
  30. 前記プログラムが、更に、
    （ｂ）前記（ａ）のステップにおいて、前記農産物が不足すると推定した場合に、予め指定された外部の端末に、前記農産物が不足することを通知する、ステップを、前記コンピュータに実行させる命令を含む、請求項２７～２９のいずれかに記載のコンピュータ読み取り可能な記録媒体。
PCT/JP2015/066238 2014-07-08 2015-06-04 集荷量調整支援装置、集荷量調整支援方法、及びコンピュータ読み取り可能な記録媒体 Ceased WO2016006372A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016532501A JP6267337B2 (ja) 2014-07-08 2015-06-04 集荷量調整支援装置、集荷量調整支援方法、及びプログラム
CN201580036996.4A CN106537442A (zh) 2014-07-08 2015-06-04 收集量调节辅助装置，收集量调节辅助方法和计算机可读记录介质
US15/324,315 US20170161427A1 (en) 2014-07-08 2015-06-04 Collection amount regulation assist apparatus, collection amount regulation assist method, and computer-readable recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-140870 2014-07-08
JP2014140870 2014-07-08

Publications (1)

Publication Number Publication Date
WO2016006372A1 true WO2016006372A1 (ja) 2016-01-14

Family

ID=55064014

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/066238 Ceased WO2016006372A1 (ja) 2014-07-08 2015-06-04 集荷量調整支援装置、集荷量調整支援方法、及びコンピュータ読み取り可能な記録媒体

Country Status (4)

Country Link
US (1) US20170161427A1 (ja)
JP (1) JP6267337B2 (ja)
CN (1) CN106537442A (ja)
WO (1) WO2016006372A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020171217A (ja) * 2019-04-09 2020-10-22 株式会社セラク 収穫量予測方法、装置およびプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102222004B1 (ko) * 2019-08-06 2021-03-05 동국대학교 산학협력단 과채류 물동량 예측시스템 및 방법
JP7636956B2 (ja) 2021-04-26 2025-02-27 ヤンマーホールディングス株式会社 作業管理方法、作業管理システム、及び作業管理プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005235053A (ja) * 2004-02-23 2005-09-02 Tadahiro Tsuchiya 農産物の特定遠隔地直売流通システム
JP2013140481A (ja) * 2012-01-04 2013-07-18 Fujitsu Ltd プログラム、方法、および情報処理装置
JP5356631B1 (ja) * 2013-04-30 2013-12-04 株式会社ファーム・アライアンス・マネジメント 農業生産情報管理システム、サーバ装置および農業生産情報管理用プログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7627495B2 (en) * 2003-06-03 2009-12-01 The Boeing Company Systems, methods and computer program products for modeling demand, supply and associated profitability of a good
WO2007005975A2 (en) * 2005-07-01 2007-01-11 Valen Technologies, Inc. Risk modeling system
GB2446002A (en) * 2007-01-15 2008-07-30 Greycon Ltd Manufacturing schedule optimisation
CN100535809C (zh) * 2007-01-26 2009-09-02 巫协森 降低染整工厂中染色机台整体能源消耗的方法
CN102592037A (zh) * 2011-01-11 2012-07-18 中国石油化工股份有限公司 预测氢气需求量的方法和设备及氢气平衡调度方法和设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005235053A (ja) * 2004-02-23 2005-09-02 Tadahiro Tsuchiya 農産物の特定遠隔地直売流通システム
JP2013140481A (ja) * 2012-01-04 2013-07-18 Fujitsu Ltd プログラム、方法、および情報処理装置
JP5356631B1 (ja) * 2013-04-30 2013-12-04 株式会社ファーム・アライアンス・マネジメント 農業生産情報管理システム、サーバ装置および農業生産情報管理用プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020171217A (ja) * 2019-04-09 2020-10-22 株式会社セラク 収穫量予測方法、装置およびプログラム

Also Published As

Publication number Publication date
CN106537442A (zh) 2017-03-22
US20170161427A1 (en) 2017-06-08
JPWO2016006372A1 (ja) 2017-05-25
JP6267337B2 (ja) 2018-01-24

Similar Documents

Publication Publication Date Title
CN111784245A (zh) 仓库采购清单生成方法、装置、设备以及存储介质
US20160055440A1 (en) Fluctuation value forecasting system, stock management system, and fluctuation value forecasting method
US20140358633A1 (en) Demand transference forecasting system
CN113723734B (zh) 时序数据的异常监测方法、装置、电子设备和存储介质
JP6973887B2 (ja) プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム
US8321260B2 (en) Product assortment planning system and method utilizing scaled performance metric values
WO2015198503A1 (ja) レベニューマネジメントシステムおよびレベニューマネジメント方法
JP6267337B2 (ja) 集荷量調整支援装置、集荷量調整支援方法、及びプログラム
US20170083818A1 (en) Information processing apparatus, information processing method and storage medium
JP2015032034A (ja) 需要予測装置、需要予測システム、制御方法、及びプログラム
WO2016080354A1 (ja) 映像品質推定装置、映像品質推定方法、および映像品質推定プログラム
JP7450190B2 (ja) 特許情報処理装置、特許情報処理方法、およびプログラム
JP2016164712A (ja) 電力取引支援装置及び方法
JP2009043291A (ja) 商品需要予測システム、商品の売上数調整システム
JP6435803B2 (ja) 発注量決定装置、発注量決定方法および発注量決定プログラム
WO2015096742A1 (zh) 一种信息处理方法、装置和系统
US20200372302A1 (en) Forecasting with state transitions and confidence factors
JP2021082073A (ja) 農産物の作付け計画提供システム、作付け計画提供方法、およびプログラム
JPWO2020075255A1 (ja) 学習装置、学習方法、及びプログラム
CN120571236A (zh) 一种游戏画面实时优化方法及系统
JP5826893B1 (ja) 変化点予測装置、変化点予測方法、及びコンピュータプログラム
CN114091770A (zh) 物料需求计划的预测分析方法、装置、设备及存储介质
JP2015228182A (ja) 変化点検出装置、変化点検出方法、及びコンピュータプログラム
JP6493904B2 (ja) パラメータ選定方法、パラメータ選定プログラム及びパラメータ選定装置
JP2017027632A (ja) 需要予測装置、需要予測システム、制御方法、及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15819630

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016532501

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15324315

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15819630

Country of ref document: EP

Kind code of ref document: A1