WO2022239249A1 - 在庫推定装置、在庫推定方法、及び在庫推定プログラム - Google Patents

在庫推定装置、在庫推定方法、及び在庫推定プログラム Download PDF

Info

Publication number
WO2022239249A1
WO2022239249A1 PCT/JP2021/018494 JP2021018494W WO2022239249A1 WO 2022239249 A1 WO2022239249 A1 WO 2022239249A1 JP 2021018494 W JP2021018494 W JP 2021018494W WO 2022239249 A1 WO2022239249 A1 WO 2022239249A1
Authority
WO
WIPO (PCT)
Prior art keywords
yield
daily
inventory
estimation
unit
Prior art date
Application number
PCT/JP2021/018494
Other languages
English (en)
French (fr)
Inventor
真道 細田
曉 磯田
響子 森原
勝 宮本
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to JP2023520735A priority Critical patent/JPWO2022239249A1/ja
Priority to PCT/JP2021/018494 priority patent/WO2022239249A1/ja
Publication of WO2022239249A1 publication Critical patent/WO2022239249A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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 technology of the present disclosure relates to an inventory estimation device, an inventory estimation method, and an inventory estimation program.
  • the harvesting period is limited in conventional greenhouse horticulture fields such as open-field cultivation and vinyl greenhouses, and harvesting and shipping are often carried out only within a few days or weeks of the year.
  • Harvested products are often sent to the wholesale market via collection points, and prices are often determined after the contract is concluded after harvesting.
  • harvests can be obtained more stably than in conventional fields, so contract farming is often practiced, in which a contract is made with a promise of quantity and price in advance before harvesting.
  • yield prediction may be performed by experienced growers or may use yield prediction techniques such as those described in Non-Patent Document 1.
  • Inventory management methods are widely known, such as a method of calculating an appropriate inventory that balances shipments and demand by controlling the timing and amount of ordering and production of raw materials. It is However, in agriculture, it is very difficult to control the yield at the timing of ordering and production as well as the problem of storage period. Inventory management techniques for industrial products cannot be used.
  • Non-Patent Document 1 predicts the integrated yield for one week.
  • the granularity of weekly yield forecasts is insufficient.
  • overs and shorts may occur when viewed in units of one day.
  • Weekly yield projections do not allow for this.
  • point estimations that estimate one point such as how many kg in what week. The extent of the prediction error varies depending on the environment in the field, the weather forecast, etc., but the point estimation cannot consider the degree of variation.
  • the disclosed technique has been made in view of the above points, and provides an inventory estimation device, an inventory estimation method, and an inventory estimation program capable of accurately estimating the excess or deficiency of crop inventory on a daily basis. With the goal.
  • a first aspect of the present disclosure is an inventory estimation device for estimating excess or deficiency of crop inventory on a daily basis, wherein a probability distribution of the yield is estimated on a daily basis from a result of predicting the yield of the crop on a weekly basis.
  • a shipment amount prediction unit that predicts the shipment amount on a daily basis based on the actual shipment amount of the crop on a daily basis; and based on the probability distribution of the yield on a daily basis: generating a plurality of yield patterns that are the yield in units; for each of the plurality of yield patterns, from the initial inventory of the crop, the yield pattern, and the forecast result of the shipment amount in days; and an inventory estimating unit for estimating excess or deficiency of the inventory of the crops in units.
  • a second aspect of the present disclosure is an inventory estimation method in an inventory estimation device for estimating an excess or deficiency of crop inventory on a daily basis, wherein a yield estimation unit calculates daily estimating the probability distribution of the yield on a per-unit basis, a shipping volume prediction unit predicting the shipping volume on a daily basis based on the actual shipping volume of the crop on a daily basis, and an inventory estimating unit on a daily basis generating a plurality of yield patterns that are the yield on a daily basis, based on the probability distribution of the yield of Based on the prediction result of the shipping amount of the crop, the excess or deficiency of the stock of the crop is estimated on a daily basis.
  • a third aspect of the present disclosure is an inventory estimation program for estimating the excess or deficiency of the inventory of crops on a daily basis, wherein the probability distribution of the yield on a daily basis from the result of predicting the yield of the crop on a weekly basis and predicting the daily shipment based on the actual daily shipment of the crop, and the daily yield based on the probability distribution of the daily yield.
  • a plurality of yield patterns are generated, and for each of the plurality of yield patterns, an inventory of the crop is calculated on a daily basis based on the initial inventory of the crop, the yield pattern, and the forecast result of the shipping amount on a daily basis. It is a program for causing a computer to estimate excess or deficiency.
  • FIG. 1 is a schematic block diagram of an example of a computer functioning as an inventory estimation device of this embodiment;
  • FIG. It is a block diagram showing the functional configuration of the inventory estimation device of the present embodiment. It is a block diagram showing the functional composition of the yield estimation part of the inventory estimation device of this embodiment. It is a block diagram showing a functional configuration of a shipment amount prediction unit of the inventory estimation device of the present embodiment. It is a block diagram showing functional composition of an inventory estimation part of an inventory estimation device of this embodiment. It is a figure which shows the example of the screen displayed by the display part. It is a flow chart showing a flow of inventory presumption processing of this embodiment. It is a flowchart showing the flow of processing for estimating the daily yield in the inventory estimation processing of the present embodiment.
  • FIG. 7 is a flow chart showing the flow of processing for estimating the daily shipment volume in the inventory estimation processing of the present embodiment. It is a flowchart showing the flow of the process of estimating the excess or deficiency of inventory on a daily basis in the inventory estimation process of the present embodiment. It is a figure which shows an example of the detailed model used in an inventory estimation part.
  • ⁇ Overview of this embodiment> Input the results of weekly crop yield forecast by the person in charge of cultivation or the yield forecast system, the actual daily yield, the actual daily shipment volume, and the initial stock of the initial crop.
  • the yield estimation unit divides the weekly yield prediction result into daily units using the weekly yield prediction result and the actual yield, estimates the probability distribution of the daily yield, and sends it to the inventory estimation unit. hand over.
  • the shipping quantity prediction unit predicts the shipping quantity using the weekly yield prediction result, the actual yield, and the actual shipping quantity, and passes it to the inventory estimation unit.
  • the inventory estimation unit performs an inventory simulation using the output of the yield estimation unit and the shipment amount prediction unit and the initial inventory, and calculates the shortage rate, the amount of shortage occurrence, the rate of excess occurrence, and the amount of excess occurrence on a daily basis.
  • the out-of-stock occurrence rate is the probability that the crop inventory falls below 0 or below the inventory lower limit threshold in one day.
  • the out-of-item occurrence amount is an amount that needs to be increased so that the out-of-item occurrence rate does not exceed the threshold in one day.
  • the overgrowth rate is the probability that a crop will exceed the high inventory threshold in a single day.
  • the excess incidence is the amount that needs to be reduced in order to keep the excess incidence from exceeding the threshold in a day.
  • FIG. 1 is a block diagram showing the hardware configuration of an inventory estimation device 10 of this embodiment.
  • the inventory estimation device 10 includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, a RAM (Random Access Memory) 13, a storage 14, an input section 15, a display section 16, and a communication interface. (I/F) 17.
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • storage 14 an input section 15, a display section 16, and a communication interface. (I/F) 17.
  • I/F communication interface.
  • the CPU 11 is a central processing unit that executes various programs and controls each part. That is, the CPU 11 reads a program from the ROM 12 or the storage 14 and executes the program using the RAM 13 as a work area. The CPU 11 performs control of each configuration and various arithmetic processing according to programs stored in the ROM 12 or the storage 14 .
  • the ROM 12 or storage 14 stores an inventory estimation program for estimating daily inventory.
  • the inventory estimation program may be one program, or may be a program group composed of a plurality of programs or modules.
  • the ROM 12 stores various programs and various data.
  • the RAM 13 temporarily stores programs or data as a work area.
  • the storage 14 is composed of a HDD (Hard Disk Drive) or an SSD (Solid State Drive), and stores various programs including an operating system and various data.
  • the input unit 15 includes a pointing device such as a mouse and a keyboard, and is used for various inputs.
  • the input unit 15 receives the initial stock of crops as an input.
  • a crop inventory, an unsorted fruit inventory, and a correct product rate are accepted as inputs, and a value obtained by multiplying the crop inventory, which is a crop, by the unsorted fruit inventory and the correct product rate, is added to the initial Set as inventory.
  • the input unit 15 receives an inventory upper limit threshold as an input.
  • the crop inventory is the inventory of crops that have been sorted as genuine products in the fruit sorting process
  • the unsorted fruit inventory is the inventory of crops that have not yet been sorted in the fruit sorting process.
  • the rate of quality products is the percentage of crops that are selected as quality products in the fruit sorting process.
  • the display unit 16 is, for example, a liquid crystal display, and displays various information.
  • the display unit 16 may employ a touch panel system and function as the input unit 15 .
  • the communication interface 17 is an interface for communicating with other devices, and uses standards such as Ethernet (registered trademark), FDDI, and Wi-Fi (registered trademark), for example.
  • FIG. 2 is a block diagram showing an example of the functional configuration of the inventory estimation device 10. As shown in FIG.
  • the inventory estimation device 10 includes an initial inventory acquisition unit 101, a weekly yield prediction unit 102, a yield performance storage unit 103, a yield estimation unit 104, a shipment performance storage unit 105, and a shipment volume.
  • a prediction unit 106 , an inventory estimation unit 107 and a display control unit 108 are provided.
  • the initial stock acquisition unit 101 acquires the initial stock of crops received by the input unit 15 .
  • the weekly yield prediction unit 102 predicts the yield of crops on a weekly basis, for example, by a method similar to the method described in Non-Patent Document 1 above. It should be noted that the input unit 15 may receive a prediction result of the yield of crops on a weekly basis by a person in charge of cultivation or a yield prediction system. In this case, the weekly yield prediction unit 102 may be omitted.
  • the actual yield storage unit 103 stores the actual yield of crops on a weekly basis, including the actual yield of crops on a daily basis.
  • the yield estimation unit 104 estimates the probability distribution of the yield on a daily basis from the results of predicting the yield of crops on a weekly basis.
  • the yield estimation unit 104 includes a daily yield estimation unit 111, an estimation recording unit 112, an error calculation unit 113, and a probability distribution estimation unit 114, as shown in FIG.
  • the daily yield estimation unit 111 divides the weekly yield prediction result into daily yields, and estimates the daily yields.
  • the daily yield estimation unit 111 first obtains the yield ratio for each day of the week from the daily yield results for the past two weeks stored in the yield result storage unit 103 . Then, the daily yield estimating unit 111 multiplies the yield predicted on a weekly basis by the yield ratio for each day of the week to obtain a daily yield estimation result. The daily yield estimating unit 111 records the result of estimating the daily yield in the estimation recording unit 112 and passes it to the probability distribution estimating unit 114 .
  • the actual weekly yield H r,w-2 of the week before last is the actual yield H r,w-2,Mon of the Monday of the week before last. Including r, w-2, up to Sat.
  • the actual weekly yield H r,w ⁇ 1 of the previous week is derived from the actual daily yield H r,w ⁇ 1, Mon of the Monday of the previous week to the actual actual yield H r,w ⁇ 1, of the Saturday of the previous week . Including up to Sat.
  • outputs are from the daily yield estimation result He ,w ⁇ 0,Mon for this Monday to the daily yield estimation result He ,w ⁇ 0,Sat for this Saturday and the daily yield estimation result for next Monday. from the yield estimation result He , w+1, Mon to the daily yield estimation result He , w+1, Sat of next Saturday.
  • the calculation formula for this example is shown below.
  • the daily yield estimation unit 111 estimates the daily yield by evenly dividing the weekly predicted yield by the business days of the week. For example, if Monday through Saturday are business days and there is no harvest or shipment on Sunday, there are 6 business days per week. In that case, the result of dividing the weekly yield prediction result for that week by 6 is used as the daily yield prediction result from Monday to Saturday of that week. In this case, only weekly yield prediction results may be input, and daily actual yields may not be available.
  • the calculation formula for this example is as follows.
  • the daily yield estimation unit 111 simply assumes that the same yield as on the same day of the previous week will be obtained on the same day of the week this week and next week, and estimates the yield on a daily basis.
  • the input may be only the actual yield on a daily basis, and the prediction of the yield on a weekly basis may not be required.
  • the calculation formula for this example is shown below.
  • the estimation recording unit 112 records the estimation result by the daily yield estimation unit 111 each time the inventory estimation process is executed.
  • the error calculation unit 113 compares the actual daily yield with the estimation result by the daily yield estimation unit 111 recorded by the estimation recording unit 112, and calculates the error for the daily yield estimation result. do.
  • the error calculation unit 113 first compares the past daily yield estimation result of the same date accumulated in the estimation recording unit 112 with the actual daily yield to estimate the past daily yield. Find the error in days for the result. Then, the error calculation unit 113 creates groups according to conditions such as the day of the week of the estimation destination and whether the estimation destination is this week or next week from the execution date of the inventory estimation process, and calculates the standard deviation of the error for each group. .
  • the estimation target is the group of "next Tuesday”
  • the estimated on January 8 (Monday) Calculate the standard deviation by collecting the daily yield error on January 16 (Tuesday), the daily yield error on January 23 (Tuesday) estimated on January 15 (Monday), and so on.
  • environmental conditions such as temperature, humidity, and amount of solar radiation, and the weather forecast issued at the time of inventory estimation processing (weekly weather forecast, 2-week temperature forecast, 1-month forecast, long-term forecast) Forecast, etc.) reliability, prediction range, and the like may be used.
  • the value used as the error for the past daily yield estimation results may be either an absolute error or a relative error.
  • the absolute error the standard deviation of the absolute error calculated for each group under the same conditions for the future daily yield estimation results from the execution date of the inventory estimation process is used as the error as the probability. It is passed to the distribution estimation unit 114 .
  • the relative error the error is obtained by multiplying the estimation result of the future daily yield from the execution date of the inventory estimation process by the standard deviation of the relative error calculated in the same group for each condition. , to the probability distribution estimation unit 114 .
  • the error calculation unit 113 sets the error for the daily yield estimation result for each group.
  • the error calculator 113 acquires the value of the absolute error or the relative error from the table for each group, and sets the error for the daily yield estimation result.
  • the probability distribution estimating unit 114 estimates the probability distribution of the yield on a daily basis based on the estimation result by the daily yield estimating unit 111 and the error of the daily yield estimation result.
  • the probability distribution estimating unit 114 uses the normal distribution as the probability distribution of the yield, the estimated result output by the daily yield estimating unit 111 as the average, and the error output by the error calculating unit 113 as the standard deviation. , and passes it to the inventory estimation unit 107 .
  • the probability distribution estimating unit 114 uses the normal distribution as the probability distribution of the yield, the estimation result output by the daily yield estimating unit 111 as the average, and the error output by the error calculating unit 113 using a preset numerical value. Using the linearly transformed result as the standard deviation, the probability distribution of the yield is estimated on a daily basis and transferred to the stock estimation unit 107 . Note that a probability distribution other than the normal distribution may be used as the yield probability distribution.
  • the shipment record storage unit 105 stores the actual shipment amount of crops on a weekly basis, including the actual shipment amount of crops on a daily basis.
  • the shipment amount prediction unit 106 predicts the shipment amount on a daily basis based on the weekly shipment amount of crops stored in the shipment result storage unit 105 .
  • the shipment volume prediction unit 106 includes a ratio calculation unit 121, a weekly shipment volume calculation unit 122, and a daily shipment volume estimation unit 123.
  • the ratio calculation unit 121 calculates the ratio between the actual weekly yield stored in the actual yield storage unit 103 and the actual weekly shipment amount stored in the actual shipment storage unit 105 .
  • the ratio calculator 121 calculates the ratios of the previous week and the week before last.
  • the input is the actual weekly yield H r,w ⁇ 2 of the week before last, the actual weekly yield H r,w ⁇ 1 of the previous week, and the actual weekly shipment amount of the week before last.
  • S r,w ⁇ 2 be S r,w ⁇ 2
  • the actual weekly shipment amount Sr,w-2 of the week before last is obtained from the actual shipment amount Sr,w-2,Mon of the day-by-day shipment on Monday the week before last. including actual shipment volume S r, w-2, Sat.
  • the actual weekly shipment volume of the previous week Sr,w-1 is obtained by converting the actual daily shipment volume Sr,w-1,Mon of the previous Monday to the actual daily shipment volume Sr, w of the Saturday of the previous week. -1, including up to Sat. Also, let the output be the ratio r.
  • the formula for this example is shown below.
  • the weekly shipment amount calculation unit 122 multiplies the weekly yield prediction result by the calculated ratio to predict the weekly shipment amount.
  • the weekly shipment amount calculation unit 122 calculates the weekly shipment amounts for this week and next week by multiplying the output of the ratio calculation unit 121 by the prediction result of the weekly yield for this week and next week.
  • Inputs are the aforementioned weekly yield prediction result H e,w ⁇ 0 for this week, the weekly yield prediction result for next week H e,w+1 , and the ratio r.
  • the output is assumed to be the forecast result Se,w ⁇ 0 of the weekly shipment volume for this week and the forecast result Se,w+1 for the weekly shipment volume for the next week.
  • the forecast result Se,w ⁇ 0 of the weekly shipping volume for this week is derived from the forecast result Se,w ⁇ 0,Mon of the daily shipping volume for this Monday.
  • Next week's weekly shipping volume prediction result Se,w+1 is derived from next Monday's daily shipping volume prediction result Se,w+1,Mon to next Saturday's daily shipping volume prediction result Se,w+1,Mon . Including up to Sat.
  • the daily shipping volume estimation unit 123 divides the forecast result of the weekly shipping volume into daily shipping volume and estimates the daily shipping volume.
  • the daily shipment amount estimation unit 123 multiplies the weekly shipment amounts for this week and next week calculated by the weekly shipment amount calculation unit 122 by the shipment ratio for each day of the week obtained from the daily shipment results for the past two weeks. is the estimation result of the daily shipping volume.
  • the input is the forecast result S e,w ⁇ 0 of the weekly shipment volume for this week, the forecast result S e,w+1 of the weekly shipment volume for next week, and the actual weekly shipment volume S r of the week before last.
  • w-2 from the actual daily shipment volume Sr,w-2,Mon of the Monday two weeks before to the actual daily shipment volume Sr,w-2,Sat of the Saturday two weeks before, from the previous week From the actual weekly shipment volume S r,w ⁇ 1 and the actual daily shipment volume S r,w ⁇ 1,Mon of the previous Monday, to the actual daily shipment volume S r , w ⁇ 1, of the previous Saturday Up to Sat.
  • the prediction result Se,w ⁇ 0,Mon of the daily shipment volume of this Monday to the prediction result Se,w ⁇ 0,Sat of the daily shipment volume of this Saturday is calculated as follows.
  • the prediction result Se,w+1,Mon of the daily shipment volume on Monday next week to the prediction result Se,w+1,Sat of the daily shipment volume on Saturday next week are calculated as follows.
  • the daily shipment volume estimation unit 123 estimates the daily shipment volume by evenly dividing the output of the weekly shipment volume calculation unit 122 by the business days of the week. For example, if Monday through Saturday are business days and there is no harvest or shipment on Sunday, there are 6 business days per week. In this case, the result of dividing the prediction result of the weekly shipping volume for that week by 6 is used as the estimation result of the daily shipping volume from Monday to Saturday of that week. In this case, even if there is no record of daily shipments, the daily shipment volume can be estimated.
  • the daily shipment volume estimation unit 123 simply assumes that the same shipment volume as that of the previous week on the same day of the week will be present on the same days of this week and next week, and estimates the daily shipment volume. In this case, the input is only the actual shipment, and the daily shipment amount can be estimated without the prediction result of the weekly yield or the actual yield.
  • the inventory estimating unit 107 generates a plurality of yield patterns, which are yields on a daily basis, based on the probability distribution of yields on a daily basis, and for each of the plurality of yield patterns, an initial stock of crops and a yield pattern. , and from the results of forecasting the amount of shipments on a daily basis, the excess or shortage of crop inventory on a daily basis is estimated.
  • the inventory estimation unit 107 calculates the initial inventory of the crop, the yield pattern, and the forecast result of the daily shipment amount for each of a plurality of yield patterns. Estimate the amount of shortage or excess on a daily basis.
  • the inventory estimating unit 107 estimates the shortage rate or excess rate of crops on a daily basis based on the daily shortage amount or excess amount estimated for each of the plurality of yield patterns.
  • the inventory estimating unit 107 estimates the amount of shortage occurrence or the amount of excess occurrence on a daily basis based on the estimated daily occurrence rate of shortage or excess occurrence of crops.
  • the inventory estimation unit 107 includes a calculation control unit 130, a yield pattern generation unit 131, an inventory calculation unit 132, and an excess shortage calculation unit 133, as shown in FIG.
  • the calculation control unit 130 controls the yield pattern generation unit 131 and the inventory calculation unit 132 to generate a plurality of yield patterns and calculate the daily inventory for each yield pattern.
  • the yield pattern generation unit 131 generates a yield pattern, which is the yield on a daily basis, based on the probability distribution of the yield on a daily basis. For example, when calculating an inventory for two weeks by the Monte Carlo method, one yield pattern is generated by setting a random yield according to a probability distribution for each day of the two weeks. By repeating this process, a plurality of yield patterns are generated and transferred to the inventory calculation unit 132 .
  • the inventory calculation unit 132 performs calculations for harvesting and shipping the simulated inventory.
  • the inventory calculation unit 132 performs a simulation for calculating the daily inventory based on the yield pattern output by the yield pattern generation unit 131, the forecast result of the daily shipment amount, and the initial inventory of crops. . Then, the inventory calculation unit 132 passes the daily inventory, presence/absence of shortages, amount of shortages, presence/absence of excess occurrences, and excess amounts to the excess inventory calculation unit 133 .
  • the simulation target day in one yield pattern j is i
  • X 0 [kg] is the initial inventory
  • H i,j [kg] is the yield of the simulation target day i in the yield pattern j output by the yield pattern generation unit 131
  • H i,j [kg] is the simulation target date output by the shipping amount prediction unit 106.
  • the shipment amount of i be S i [kg].
  • the inventory on the simulation target day i be X i,j [kg].
  • the inventory before the start of work on the first day in the yield pattern j is X 0 [kg]
  • 1, j ⁇ S 1 [kg]. That is, the final inventory on the first day is X 1,j X 0 +H 1,j -S 1 .
  • X i,j is zero or less than a predetermined inventory lower limit threshold, it is assumed that a stockout has occurred on the i day. Also, the amount of the final inventory on the i day that is below the inventory lower limit threshold is taken as the shortage quantity on the i day. Similarly, if X i,j exceeds a certain preset upper inventory threshold, then a surplus occurs on day i. Also, the amount by which the final inventory on the i-th day exceeds the inventory upper limit threshold is defined as the excess amount on the i-th day.
  • the shortage excess calculation unit 133 calculates the shortage occurrence rate and excess occurrence rate based on the daily inventory based on the plurality of yield patterns output by the inventory calculation unit 132, the presence or absence of shortage occurrence, the amount of shortage, the presence or absence of excess occurrence, and the excess amount. Calculate rate.
  • the excess shortage calculation unit 133 calculates the amount of occurrence of shortages when the rate of occurrence of shortages exceeds a certain threshold.
  • the shortage excess calculation unit 133 calculates the excess occurrence amount when the excess occurrence rate exceeds a certain threshold, similarly to the shortage occurrence amount.
  • the out-of-stock excess calculation unit 133 arranges the out-of-stock amount of the pattern in which the out-of-stock occurred on the i- th day in descending order. is the amount of missing items on the i day.
  • the excess shortage calculation unit 133 arranges the excess amount of patterns that occurred in excess on the i day in descending order, and the excess amount of the m ⁇ P th excess amount from the top is arranged. is the excess generation amount on the i day.
  • the display control unit 108 causes the display unit 16 to changeably display the initial inventory, the probability distribution of the yield on a daily basis, and the forecast result of the shipping amount on a daily basis, and displays the daily crop inventory. is displayed on the display unit 16.
  • the display control unit 108 When the display control unit 108 receives a change in at least one of the initial inventory, the daily yield probability distribution, and the daily shipment amount prediction result, the display control unit 108 displays the changed initial inventory and the daily Yield probability distribution and daily shipment amount prediction results are used to cause the yield estimation unit 104, the shipment amount prediction unit 106, and the inventory estimation unit 107 to perform respective processes.
  • FIG. 6 shows an example of a screen 150 displayed by the display control unit 108.
  • FIG. 6 shows an example in which the inventory estimation process is executed at the end of business after harvesting and shipping on Monday, February 22, 2021 (Monday of the eighth week, 2021).
  • the upper left portion of the screen 150 is for setting the yield
  • the upper center portion is for setting the initial inventory
  • the right upper portion is for setting the shipping amount.
  • the estimation result of the yield estimation unit 104 is input as the initial value for the yield setting
  • the prediction result of the shipment amount prediction unit 106 is input as the initial value for the shipment amount setting.
  • H i is set in the yield column
  • ⁇ absi is set in the error range column.
  • shipment amount setting set Si in the shipment amount column.
  • a number for calculating the initial stock is set as an initial value.
  • the inventory upper limit threshold is a set value used as th max in the inventory estimation unit 107 .
  • the inventory lower limit threshold th min is set to 0 if there is no particular set value.
  • a yield graph that graphically expresses the probability distribution of the daily yield is displayed, and on the middle right, a shipment graph that graphically expresses the daily shipment is displayed.
  • Yield graph bars indicate H i and error bars ⁇ absi .
  • the bar graph in the shipment graph shows S i .
  • an inventory graph is displayed that graphically expresses the probability distribution of inventory calculated by the inventory estimation unit 107.
  • FIG. Inventory graph bars show ⁇ xi and error bars ⁇ xi .
  • the lower part of the screen 150 displays the output of the excess shortage calculator 133 of the inventory estimator 107 .
  • the output of the shortage excess calculation unit 133 is rounded in units of 5 points and displayed as 0 to 5%, 5 to 10%, 10 to 15%, ..., 95 to 100%. do. If the rate is between 0 and 5%, the shortage and excess amount are not displayed, otherwise the value calculated with Pth being 5% is displayed.
  • Initial values are entered when the screen 150 is opened in the yield setting, inventory setting, and shipping amount setting on the upper part of the screen 150, and graphs and simulation results based on the initial values are displayed in the middle part of the screen 150 and the lower part of the screen 150.
  • each of the yield estimation unit 104, the shipment amount estimation unit 106, and the inventory estimation unit 107 changes depending on the changed value. Processing is performed to update the displays in the middle of the screen 150 and the bottom of the screen 150 .
  • FIG. 7 is a flow chart showing the flow of inventory estimation processing by the inventory estimation device 10.
  • the CPU 11 reads out an inventory estimation program from the ROM 12 or the storage 14, develops it in the RAM 13, and executes the inventory estimation process.
  • the crop inventory, the unsorted fruit inventory, and the correct product rate are input to the inventory estimation device 10, and the value obtained by adding the crop inventory, the unsorted fruit inventory, and the product of the correct product rate is the initial inventory. is set as Also, the inventory upper limit threshold is input to the inventory estimation device 10 .
  • step S100 the CPU 11, as the initial inventory acquisition unit 101, acquires the initial inventory of the set crops.
  • step S101 the CPU 11, as the weekly yield prediction unit 102, predicts the yield of crops on a weekly basis by, for example, the method described in Non-Patent Document 1 above.
  • step S102 the CPU 11, as the yield estimation unit 104, estimates the probability distribution of the yield on a daily basis from the results of predicting the yield of crops on a weekly basis.
  • step S103 the CPU 11, as the shipment amount prediction unit 106, predicts the shipment amount on a daily basis based on the actual daily shipment amount of crops stored in the shipment result storage unit 105.
  • step S104 the CPU 11, as the inventory estimation unit 107, generates a plurality of yield patterns that are yields on a daily basis based on the probability distribution of yields on a daily basis. Based on the initial inventory, the yield pattern, and the forecast result of the daily shipping volume, the excess or deficiency of the crop inventory is estimated on a daily basis.
  • step S105 the CPU 11, as the display control unit 108, causes the display unit 16 to changeably display the initial inventory, the probability distribution of the yield on a daily basis, and the forecast result of the shipment amount on a daily basis.
  • the display unit 16 is caused to display the result of estimating the excess or deficiency of the inventory of crops on a daily basis.
  • step S106 the CPU 11, as the display control unit 108, determines whether or not a change in at least one of the initial inventory, the daily yield probability distribution, and the daily shipping amount prediction result has been received. . If at least one change of the initial inventory, the probability distribution of the yield on a daily basis, and the forecast result of the shipping volume on a daily basis is received, the process returns to step S102, and the initial inventory and the daily basis after the change are received. Using the probability distribution of the yield and the prediction result of the daily shipment amount, the processes of steps S102 to S105 are performed. On the other hand, if the change is not accepted, the inventory estimation process is terminated.
  • step S102 is realized by the processing routine shown in FIG. 8 as an example.
  • step S110 the CPU 11, as the daily yield estimation unit 111, divides the prediction result of the weekly yield into daily yields based on the actual daily yield, and calculates the daily yield. presume.
  • step S ⁇ b>111 the CPU 11 records the estimation result obtained in step S ⁇ b>110 in the estimation recording unit 112 .
  • step S112 the CPU 11, as the error calculation unit 113, compares the actual daily yield with the estimation result by the daily yield estimation unit 111 recorded by the estimation recording unit 112, and determines the daily yield. Calculate the error for the estimated result of .
  • step S113 the CPU 11, as the probability distribution estimating unit 114, estimates the probability distribution of the yield on a daily basis based on the estimation result of the daily yield estimating unit 111 and the error of the daily yield estimation result. .
  • the above step S103 is realized by the processing routine shown in FIG. 9 as an example.
  • step S ⁇ b>120 the CPU 11 , as the ratio calculation unit 121 , calculates the actual weekly yield stored in the actual yield storage unit 103 and the actual weekly shipment amount stored in the actual shipment storage unit 105 . Calculate the ratio of
  • step S121 the CPU 11, as the weekly shipment amount calculation unit 122, multiplies the weekly yield prediction result by the calculated ratio to predict the weekly shipment amount.
  • step S122 the CPU 11, as the daily shipment volume estimating unit 123, divides the forecast result of the weekly shipment volume into daily shipment volume, and estimates the daily shipment volume.
  • step S104 is realized by the processing routine shown in FIG. 10 as an example.
  • step S130 the CPU 11, as the yield pattern generation unit 131, generates a yield pattern, which is the yield on a daily basis, based on the probability distribution of the yield on a daily basis.
  • step S131 the CPU 11, as the inventory calculation unit 132, performs calculations for harvesting and shipping the simulated inventory, and determines daily inventory, presence/absence of shortage, amount of shortage, presence/absence of excess, and excess. calculate the amount
  • step S132 the CPU 11, as the calculation control unit 130, determines whether or not the number of generated yield patterns is less than the threshold. When the number of generated yield patterns reaches the threshold, the process proceeds to step S133. On the other hand, if the number of generated yield patterns is less than the threshold, the process returns to step S130.
  • step S133 the CPU 11, as the shortage excess calculation unit 133, based on a plurality of yield patterns output by the inventory calculation unit 132, the daily inventory, presence/absence of shortage occurrence, amount of shortage, presence/absence of excess occurrence, and excess amount,
  • the shortage rate exceeds a certain threshold
  • the amount of shortage is calculated
  • the excess rate exceeds a certain threshold
  • the inventory estimation device generates a plurality of yield patterns that are yields on a daily basis based on the probability distribution of yields on a daily basis, and for each of the plurality of yield patterns: , from the initial stock of crops, the yield pattern, and the forecast result of the shipping amount on a daily basis, the excess or deficiency of the stock of crops is estimated on a daily basis.
  • the excess or deficiency of the inventory of crops is estimated on a daily basis.
  • the inventory estimation device of this embodiment when making a contract in advance based on the yield prediction result, by using the inventory estimation device of this embodiment, unlike industrial products, the storage period is limited, and the yield can be reduced without harvesting and sorting. Even for crops whose production is not fixed, the possibility of future shortages or excesses and the amount thereof can be known in advance. If there is a possibility of a shortage or excess, we can negotiate with the contractor with plenty of time before the actual yield is determined. As a result, it is possible to prevent loss of credibility due to shortages, loss of orders in the future due to shortages, and price collapse and disposal due to excess.
  • the inventory estimation device of the present embodiment it becomes possible to divide the weekly yield prediction result into daily units, so that the yield prediction result can be used even in applications where the weekly granularity is insufficient. will be able to
  • the probability distribution of the yield is estimated on the premise that there is variation, not the point estimation, but the degree of error that can occur, and the daily inventory Quantities are also calculated as probability distributions. As a result, it is possible to calculate the occurrence rate and amount of shortages and excesses from the daily inventory amount.
  • daily inventory Excess or deficiency can be estimated.
  • information such as weather forecast, temperature and humidity in the field, amount of insolation, and the like.
  • FIG. 11 shows a modeled example of the four processes of harvesting, sorting, packing, and shipping performed in advanced greenhouse horticulture, next-generation greenhouse horticulture, and plant factories.
  • the inventory calculation unit 132 assigns the yield pattern generated by the yield pattern generation unit 131 according to the day of the week from which harvest area to harvest. And increase the unsorted stock according to the allocation. For example, in the case of a field where harvesting is done once a week in one harvesting area, it is possible to assign Mondays to area A, Tuesdays to area B, Wednesdays to area C, and so on. At this time, if the setting is "A plot on Monday", all the yield set for that day is assigned as the yield of the A plot. Also, in the case of a field in which harvesting is performed twice a week in one harvesting area, Monday and Thursday are assigned to area A, Tuesday and Friday to area B, and Wednesday and Saturday to area C.
  • the harvesting areas are further divided into multiple harvesting areas on a single day, such as A and G on Mondays, B and H on Tuesdays, C and I on Wednesdays, and so on. may be assigned as At this time, if the setting is "A and G on Monday", for example, the yield for that day can be halved and assigned to A and G respectively, or the yield ratio between A and G can be determined in advance. may be set and assigned accordingly.
  • the daily fruit sorting work man-hours, the correct product rate, and the B product rate are set in advance, and the inventory calculation unit 132 reduces the unsorted fruit inventory according to the man-hours, and the correct product rate and the B product rate Increase the number of genuine products and B products in the pre-packing inventory accordingly.
  • the fruit may be sorted into three or more types. In this case, the rates for each of three or more types may be set in advance. Alternatively, the fruits may be sorted into one type (for example, genuine products).
  • the inventory calculation unit 132 reduces the pre-packing stock of genuine products and B products and increases the product stock of correct products and B products according to the man-hours.
  • the inventory calculation unit 132 allocates the output of the shipping amount prediction unit 106 to the destination company and the type of genuine product and B product according to a preset ratio. Then, the inventory calculation unit 132 reduces the genuine products and B products in the product inventory according to the allocation.
  • the shipping amount prediction unit 106 by operating the shipping amount prediction unit 106 according to conditions, the shipment amount prediction of company A's genuine product, the shipment amount prediction of company A's B product, the shipment amount prediction of company B's genuine product, and the shipment of company B's B product.
  • Quantity prediction, . . . may be performed separately and assigned.
  • the inventory calculation unit 132 decrements the disposal deadline of each crop in the inventory when the next day arrives, and deletes the portion that has reached zero from the inventory as having been discarded. This makes it possible to reproduce the situation when perishables have stagnated in the inventory, enabling a more accurate simulation.
  • the amount of sorted fruit and the amount of packing per day may be set in kg. Fruits exceeding this amount remain in the unsorted stock without being sorted, or remain in the unpacked stock without being packed, so this makes it possible to simulate in a state where the operation is limited.
  • an inventory upper limit threshold may be set for each of the unsorted fruit inventory, pre-packing inventory, and product inventory, and the amount exceeding the threshold may be discarded. This makes it possible to simulate a state in which the size of storage and cold storage is limited. Conversely, the upper limit threshold for inventory may be set larger than the actual value, the initial inventory may be increased, and the disposal deadline may be extended. As a result, it is possible to simulate what will happen if a refrigerator or the like is added.
  • the unit price per kg may be set in advance according to the destination company and the type of genuine product and B product, and the sales may be calculated according to the shipping volume. This makes it possible to perform a simulation that considers sales. Furthermore, when the inventory exceeds a preset amount, a fixed amount may be shipped at a low price in addition to the shipment process allocation based on the shipment amount forecast. This makes it possible to simulate low-price sales when inventory becomes excessive.
  • the various processes executed by the CPU by reading the software (program) in the above embodiment may be executed by various processors other than the CPU.
  • the processor is a PLD (Programmable Logic Device) whose circuit configuration can be changed after manufacturing, such as an FPGA (Field-Programmable Gate Array), and an ASIC (Application Specific Integrated Circuit) to execute specific processing.
  • a dedicated electric circuit or the like which is a processor having a specially designed circuit configuration, is exemplified.
  • the inventory estimation process may be executed by one of these various processors, or by a combination of two or more processors of the same or different type (e.g., multiple FPGAs and a combination of CPU and FPGA). etc.).
  • the hardware structure of these various processors is an electric circuit in which circuit elements such as semiconductor elements are combined.
  • the inventory estimation program has been pre-stored (installed) in the storage 14, but the present invention is not limited to this.
  • Programs are stored in non-transitory storage media such as CD-ROM (Compact Disk Read Only Memory), DVD-ROM (Digital Versatile Disk Read Only Memory), and USB (Universal Serial Bus) memory.
  • CD-ROM Compact Disk Read Only Memory
  • DVD-ROM Digital Versatile Disk Read Only Memory
  • USB Universal Serial Bus
  • a non-transitory storage medium storing a program executable by a computer to perform an inventory estimation process,
  • the inventory estimation process includes: estimating the probability distribution of the yield on a daily basis from the result of predicting the yield of the crop on a weekly basis; predicting the shipment amount on a daily basis based on the actual shipment amount of the crop on a daily basis; generating a plurality of yield patterns that are the daily yields based on the probability distribution of the daily yields; For each of the plurality of yield patterns, estimating the excess or deficiency of the crop inventory on a daily basis from the initial inventory of the crop, the yield pattern, and the forecast result of the shipping amount on a daily basis. storage medium.

Landscapes

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

Abstract

在庫推定装置１０の収量推定部１０４が、週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定する。出荷量予測部１０６が、日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測する。在庫推定部１０７が、日単位での収量の確率分布に基づいて、日単位での収量である収量パターンを複数生成し、複数の収量パターンの各々に対し、作物の初期在庫と、収量パターンと、日単位での出荷量の予測結果とから、日単位で作物の在庫の過不足を推定する。

Description

在庫推定装置、在庫推定方法、及び在庫推定プログラム
　本開示の技術は、在庫推定装置、在庫推定方法、及び在庫推定プログラムに関する。
　露地栽培やビニールハウスなどによる従来型施設園芸による圃場では収穫期が限られており、年間、数日ないし数週間の間にのみ収穫と出荷が行われることが多い。また、収穫物は集荷所を介して卸売市場に送られるなどにより、収穫後に契約となり価格が決定することが多い。それに対して、高度施設園芸、次世代施設園芸、植物工場などと呼ばれる新しい施設園芸による圃場では年間通じて毎日のように収穫と出荷が可能であることが多い。また、そうした圃場では従来型の圃場よりも安定して収穫が得られるため、収穫前にあらかじめ量や価格を約束して契約をする、契約栽培を行うことが多い。
　事前に契約する場合には、将来の収量を予測する収量予測に基づいて契約をすることになる。収量予測が、熟練した栽培担当者によって実施されることもあれば、非特許文献１のような収量予測技術を使うこともある。
大河内理貴、青野雅樹、川嶋和子「ノンパラメトリック回帰を利用した施設園芸作物の生産性の推定」、第３回データ工学と情報マネジメントに関するフォーラム　論文集、ＤＥＩＭ　ｆｏｒｕｍ　２０１１、Ｅ５－２、２０１１年２月
　収量予測に基づいて事前に契約を行うと、予測が外れたときに問題になる。収量予測よりも収量実績が少なくなった場合は、事前に契約した量が確保できず欠品となり、信用を失うことで今後の契約が得られなくなる可能性がある。逆に収量予測よりも収量が多くなった場合には作物が余ることとなる。余った分については、通常の価格で購入してくれる販売先が確保できなければ、通常より安価にして値崩れを覚悟してでも販売先を確保するか、場合によっては廃棄せざるを得なくなる可能性がある。
　作物の在庫を抱えてバッファすることでこれらの問題を回避することができる。しかし、作物は生鮮食品であり保存できる期間が限られるものが多いため、在庫が停滞すると品質の劣化によって廃棄せざるを得なくなる。
　保存期間が限られていない工業製品であれば、原材料の発注及び生産のタイミングや量をコントロールすることによって、出荷及び需要のバランスをとった適正在庫を計算する方法などの在庫管理手法が広く知られている。しかし、農業においては、保存期間の問題だけでなく、発注や生産のタイミングで収量をコントロールすることは非常に難しく、実際に収穫及び選果を経て、初めて収量を決定できるという性質を持つため、工業製品向けの在庫管理手法を用いることはできない。
　また、収量予測では、週単位の収量を予測することが多く、非特許文献１では、１週間の積算収量を予測している。一方で、実際の収穫や出荷は日々行われるものであるため、週単位の収量予測では粒度が不十分である。また、１週間全体としては過不足がなかったとしても１日単位で見れば過不足が発生してしまうことが起こり得る。週単位の収量予測ではこれを見通すことができない。さらに、従来の収量予測では、非特許文献１のように、第何週は何ｋｇというような１点を推定する点推定が多い。予測誤差がどの程度になるかは、圃場内の環境や天気予報などによって異なるが、点推定ではどの程度のバラつきがあるのか考慮することができない。
　開示の技術は、上記の点に鑑みてなされたものであり、精度よく日単位の作物の在庫の過不足を推定することができる在庫推定装置、在庫推定方法、および在庫推定プログラムを提供することを目的とする。
　本開示の第１態様は、日単位で作物の在庫の過不足を推定する在庫推定装置であって、週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定する収量推定部と、日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測する出荷量予測部と、日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する在庫推定部と、を含んで構成される。
　本開示の第２態様は、日単位で作物の在庫の過不足を推定する在庫推定装置における在庫推定方法であって、収量推定部が、週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定し、出荷量予測部が、日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測し、在庫推定部が、日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する。
　本開示の第３態様は、日単位で作物の在庫の過不足を推定するための在庫推定プログラムであって、週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定し、日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測し、日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定することをコンピュータに実行させるためのプログラムである。
　開示の技術によれば、精度よく日単位の作物の在庫の過不足を推定することができる。
本実施形態の在庫推定装置として機能するコンピュータの一例の概略ブロック図である。 本実施形態の在庫推定装置の機能構成を表すブロック図である。 本実施形態の在庫推定装置の収量推定部の機能構成を表すブロック図である。 本実施形態の在庫推定装置の出荷量予測部の機能構成を表すブロック図である。 本実施形態の在庫推定装置の在庫推定部の機能構成を表すブロック図である。 表示部により表示される画面の例を示す図である。 本実施形態の在庫推定処理の流れを表すフローチャートである。 本実施形態の在庫推定処理における日単位の収量を推定する処理の流れを表すフローチャートである。 本実施形態の在庫推定処理における日単位の出荷量を推定する処理の流れを表すフローチャートである。 本実施形態の在庫推定処理における日単位の在庫の過不足を推定する処理の流れを表すフローチャートである。 在庫推定部で用いられる詳細なモデルの一例を示す図である。
　以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
＜本実施形態の概要＞
　栽培担当者または収量予測システムによる週単位の作物の収量予測結果と、日単位の収量の実績と、日単位の出荷量の実績と、最初の作物の在庫である初期在庫とを入力とする。収量推定部は、週単位の収量の予測結果と収量の実績を用いて、週単位の収量の予測結果を日単位に分割して、日単位の収量の確率分布を推定して在庫推定部へ渡す。出荷量予測部は、週単位の収量の予測結果と収量の実績と出荷量の実績とを用いて、出荷量を予測して在庫推定部へ渡す。在庫推定部は、収量推定部や出荷量予測部の出力と、初期在庫とを用いて在庫シミュレーションを実施し、日単位で欠品発生率、欠品発生量、過剰発生率、及び過剰発生量を出力する。ここで、欠品発生率は、１日において作物の在庫が、０又は在庫下限閾値を下回る確率である。欠品発生量は、１日において欠品発生率が閾値を越えないようにするために増やす必要がある量である。過剰発生率は、１日において作物が在庫上限閾値を超える確率である。過剰発生量は、１日において過剰発生率が閾値を超えないようにするために減らす必要がある量である。
＜本実施形態に係る在庫推定装置の構成＞
　図１は、本実施形態の在庫推定装置１０のハードウェア構成を示すブロック図である。
　図１に示すように、在庫推定装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。
　ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、日単位の在庫を推定するための在庫推定プログラムが格納されている。在庫推定プログラムは、１つのプログラムであっても良いし、複数のプログラム又はモジュールで構成されるプログラム群であっても良い。
　ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。
　入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。
　入力部１５は、作物の初期在庫を入力として受け付ける。
　本実施形態では、作物在庫と、未選果在庫と、正品率と、を入力として受け付け、作物である作物在庫と、未選果在庫及び正品率を乗算した値とを加算した値を、初期在庫として設定する。また、入力部１５は、在庫上限閾値を入力として受け付ける。ここで、作物在庫は、選果工程での正品として選果された作物の在庫であり、未選果在庫は、選果工程での選果が未だ行われていない作物の在庫である。また、正品率は、選果工程で正品として選果される作物の割合である。
　表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能しても良い。
　通信インタフェース１７は、他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。
　次に、在庫推定装置１０の機能構成について説明する。図２は、在庫推定装置１０の機能構成の例を示すブロック図である。
　在庫推定装置１０は、機能的には、図２に示すように、初期在庫取得部１０１、週単位収量予測部１０２、収量実績記憶部１０３、収量推定部１０４、出荷実績記憶部１０５、出荷量予測部１０６、在庫推定部１０７、及び表示制御部１０８を備えている。
　初期在庫取得部１０１は、入力部１５により受け付けた作物の初期在庫を取得する。
　週単位収量予測部１０２は、例えば、上記非特許文献１に記載の方法と同様の方法により、週単位で作物の収量を予測する。なお、栽培担当者又は収量予測システムによる週単位での作物の収量の予測結果を、入力部１５により受け付けてもよい。この場合には、週単位収量予測部１０２を省略してもよい。
　収量実績記憶部１０３は、日単位での作物の収量の実績を含む、週単位での作物の収量の実績を記憶している。
　収量推定部１０４は、週単位での作物の収量の予測結果から、日単位で収量の確率分布を推定する。
　具体的には、収量推定部１０４は、図３に示すように、日単位収量推定部１１１、推定記録部１１２、誤差計算部１１３、及び確率分布推定部１１４を備えている。
　日単位収量推定部１１１は、週単位での収量の予測結果を、日単位での収量に分割し、日単位での収量を推定する。
　日単位収量推定部１１１の処理の一例を、以下に説明する。
　日単位収量推定部１１１は、まず、収量実績記憶部１０３に記憶されている、過去２週間分の日単位の収量実績から、曜日別の収量割合を求める。そして、日単位収量推定部１１１は、週単位で予測された収量に、その曜日別収量割合を乗じることによって、日単位での収量の推定結果とする。日単位収量推定部１１１は、日単位での収量の推定結果を、推定記録部１１２に記録するとともに、確率分布推定部１１４へ渡す。
　これを数式で示す。例えば、日曜日は収穫も出荷もなく、在庫推定処理の実行日時が月曜日の業務開始前だとして、入力を、前々週の週単位の収量の実績Ｈｒ，ｗ－２、前週の週単位の収量の実績Ｈｒ，ｗ－１、今週の週単位の収量の予測結果Ｈｅ，ｗ±０、来週の週単位の収量の予測結果Ｈｅ，ｗ＋１とする。
　前々週の週単位の収量の実績Ｈｒ，ｗ－２は、前々週月曜日の日単位の収量の実績Ｈｒ，ｗ－２，Ｍｏｎから前々週土曜日の日単位の収量の実績Ｈｒ，ｗ－２，Ｓａｔまでを含む。
　前週の週単位の収量の実績Ｈｒ，ｗ－１は、前週月曜日の日単位の収量の実績Ｈｒ，ｗ－１，Ｍｏｎから前週土曜日の日単位の収量の実績Ｈｒ，ｗ－１，Ｓａｔまでを含む。
　また、出力を、今週月曜日の日単位の収量の推定結果Ｈｅ，ｗ±０，Ｍｏｎから今週土曜日の日単位の収量の推定結果Ｈｅ，ｗ±０，Ｓａｔまでと、来週月曜日の日単位の収量の推定結果Ｈｅ，ｗ＋１，Ｍｏｎから来週土曜日の日単位の収量の推定結果Ｈｅ，ｗ＋１，Ｓａｔまでとする。この例の計算式を以下に示す。
Figure JPOXMLDOC01-appb-I000001

Figure JPOXMLDOC01-appb-I000002
　日単位収量推定部１１１の処理の他の例を、以下に説明する。
　日単位収量推定部１１１は、週単位で予測された収量を、その週の営業日で均等割りにすることにより、日単位の収量を推定する。例えば、月曜日から土曜日が営業日で、日曜日には収穫も出荷も無いとすると、週当たりの営業日は６日である。その場合、その週の週単位での収量の予測結果を６で割ったものを、その週の月曜日から土曜日までの日単位の収量の推定結果とする。この場合、入力は、週単位での収量の予測結果だけでよく、日単位の収量実績がなくてもよい。この例の計算式は、以下のようになる。
Figure JPOXMLDOC01-appb-I000003

Figure JPOXMLDOC01-appb-I000004

Figure JPOXMLDOC01-appb-I000005
　日単位収量推定部１１１の処理の更に他の例を、以下に説明する。
　日単位収量推定部１１１は、単純に前週の同曜日の収量と同じ収量が今週及び来週の同曜日にも得られるとして、日単位での収量を推定する。この場合、入力は日単位での収量の実績だけでよく、週単位での収量の予測が無くてもよい。この例の計算式を以下に示す。
Figure JPOXMLDOC01-appb-I000006

Figure JPOXMLDOC01-appb-I000007
　推定記録部１１２には、在庫推定処理の実行毎の日単位収量推定部１１１による推定結果が記録されている。
　誤差計算部１１３は、日単位での収量の実績と、推定記録部１１２によって記録された日単位収量推定部１１１による推定結果とを比較して、日単位での収量の推定結果に対する誤差を計算する。
　誤差計算部１１３の処理の一例を以下に説明する。
　誤差計算部１１３は、まず、推定記録部１１２に蓄積された過去の同じ日付の日単位の収量の推定結果と日単位での収量の実績とを比較して、過去の日単位の収量の推定結果に対する誤差を日単位で求める。そして、誤差計算部１１３は、推定先の曜日や、在庫推定処理の実行日から見て推定先が今週か来週か、などの条件によって、グループを作り、グループごとに誤差の標準偏差を計算する。
　グループ分けについて具体的な例を示す。ある年の１月１日が月曜日として、毎週月曜日に在庫推定処理を実行するとした場合、推定先が「今週火曜日」のグループは、１月１日（月）に推定した１月２日（火）の日単位の収量の誤差、１月８日（月）に推定した１月９日（火）の日単位の収量の誤差、１月１５日（月）に推定した１月１６日（火）の日単位の収量の誤差、…について集めて標準偏差を計算する。推定先が「今週水曜日」のグループは、１月１日（月）に推定した１月３日（水）の日単位の収量の誤差、１月８日（月）に推定した１月１０日（水）の日単位の収量の誤差、１月１５日（月）に推定した１月１７日（水）の日単位の収量の誤差、…について集めて標準偏差を計算する。さらに、推定先が「来週火曜日」のグループであれば、１月１日（月）に推定した１月９日（火）の日単位の収量の誤差、１月８日（月）に推定した１月１６日（火）の日単位の収量の誤差、１月１５日（月）に推定した１月２３日（火）の日単位の収量の誤差、…について集めて標準偏差を計算する。
　グループ分けには曜日や週の他に、温湿度や日射量などの環境条件、在庫推定処理の実行日時点で出されていた天気予報（週間天気予報、２週間気温予報、１カ月予報、長期予報など）の信頼度や予測の幅などを用いてもよい。
　過去の日単位の収量の推定結果に対する誤差として使用する値は絶対誤差でも相対誤差でもよい。絶対誤差を使用する場合は、在庫推定処理の実行日から見て未来の日単位の収量の推定結果に対して、それぞれ条件が同じグループで計算された絶対誤差の標準偏差を、そのまま誤差として確率分布推定部１１４へ渡す。相対誤差を使用する場合は、在庫推定処理の実行日から見て未来の日単位の収量の推定結果に対して、それぞれ条件が同じグループで計算された相対誤差の標準偏差を乗じたものを誤差として確率分布推定部１１４へ渡す。
　誤差計算部１１３の処理の他の例を以下に説明する。
　単純にあらかじめ決めた一定の絶対誤差ないしは相対誤差が発生するものとして、誤差計算部１１３は、各グループについての、日単位での収量の推定結果に対する誤差を設定する。
　誤差計算部１１３の処理の更に他の例を以下に説明する。
　栽培担当者の経験によってグループ分けの条件や各グループにおける絶対誤差ないしは相対誤差の値をあらかじめ決めて、テーブルに入力しておく。誤差計算部１１３は、グループごとに、そのテーブルから、絶対誤差ないしは相対誤差の値を取得し、日単位での収量の推定結果に対する誤差を設定する。
　確率分布推定部１１４は、日単位収量推定部１１１による推定結果と、日単位での収量の推定結果に対する誤差とに基づいて、日単位で収量の確率分布を推定する。
　確率分布推定部１１４の処理の一例を以下に説明する。
　確率分布推定部１１４は、正規分布を収量の確率分布とし、日単位収量推定部１１１の出力した推定結果を、その平均とし、誤差計算部１１３の出力した誤差を標準偏差として、日単位で収量の確率分布を推定し、在庫推定部１０７へ渡す。
　確率分布推定部１１４の処理の他の例を以下に説明する。
　確率分布推定部１１４は、正規分布を収量の確率分布とし、日単位収量推定部１１１の出力した推定結果を、その平均とし、誤差計算部１１３の出力した誤差について、あらかじめ設定した数値を用いて線形変換したものを標準偏差として、日単位で収量の確率分布を推定し、在庫推定部１０７へ渡す。なお、収量の確率分布として、正規分布以外の確率分布を用いてもよい。
　出荷実績記憶部１０５は、日単位での作物の出荷量の実績を含む、週単位での作物の出荷量の実績を記憶している。
　出荷量予測部１０６は、出荷実績記憶部１０５に記憶されている週単位での作物の出荷量の実績に基づいて、日単位で出荷量を予測する。
　具体的には、図４に示すように、出荷量予測部１０６は、比率計算部１２１、週単位出荷量計算部１２２、及び日単位出荷量推定部１２３を備えている。
　比率計算部１２１は、収量実績記憶部１０３に記憶されている週単位での収量の実績と、出荷実績記憶部１０５に記憶されている週単位での出荷量の実績との比率を計算する。
　比率計算部１２１の処理の一例を以下に説明する。
　比率計算部１２１は、前週および前々週の比率を計算するものとする。入力を、上述した前々週の週単位の収量の実績Ｈｒ，ｗ－２、及び前週の週単位の収量の実績Ｈｒ，ｗ－１と、前々週の週単位の出荷量の実績Ｓｒ，ｗ－２、及び前週の週単位の出荷量の実績Ｓｒ，ｗ－１とする。ここで、前々週の週単位の出荷量の実績Ｓｒ，ｗ－２は、前々週月曜日の日単位の出荷量の実績Ｓｒ，ｗ－２，Ｍｏｎから前々週土曜日の日単位の出荷量の実績Ｓｒ，ｗ－２，Ｓａｔまでを含む。前週の週単位の出荷量の実績Ｓｒ，ｗ－１は、前週月曜日の日単位の出荷量の実績Ｓｒ，ｗ－１，Ｍｏｎから前週土曜日の日単位の出荷量の実績Ｓｒ，ｗ－１，Ｓａｔまでを含む。また、出力を比率ｒとする。この例の数式を以下に示す。
Figure JPOXMLDOC01-appb-I000008
　比率計算部１２１の処理の他の例を以下に説明する。
　比率計算部１２１は、上述した処理の一例を行って比率ｒを計算する。ｒ＞１となった場合は、収量よりも出荷量が過大になってしまう可能性がある。そこで、比率計算部１２１は、在庫推定処理の実行時の初期在庫Ｘ０［ｋｇ］を用いて、今週及び来週に出荷可能な総量ＷＨ［ｋｇ］を
ＷＨ＝Ｘ０＋Ｈｅ，ｗ±０＋Ｈｅ，ｗ＋１
として計算し、今週及び来週の出荷量予測の概算ＷＳ［ｋｇ］を
ＷＳ＝（Ｈｅ，ｗ±０＋Ｈｅ，ｗ＋１）ｒ
として計算する。ＷＨ＜ＷＳとなった場合には、出荷量が過大であるとみなして、比率計算部１２１は、ＷＨ＝ＷＳとなるよう、比率ｒを
ｒ＝（Ｘ０＋Ｈｅ，ｗ±０＋Ｈｅ，ｗ＋１）／（Ｈｅ，ｗ±０＋Ｈｅ，ｗ＋１）
で置き換える。
　比率計算部１２１の処理の更に他の例を以下に説明する。
　比率計算部１２１は、上述した処理の一例を行って比率ｒを計算し、計算した比率ｒを線形変換して、比率ｒが一定の範囲内に収まるようにする。なお、比率ｒの求め方は上記に限定されるものではなく、比率ｒを、先々週及び先週の実際の比率よりも大きく、又は小さくすることにより求めてもよいし、比率計算部１２１を省略して、常にｒ＝１としてもよい。
　週単位出荷量計算部１２２は、週単位での収量の予測結果に、計算された比率を乗算して、週単位での出荷量を予測する。
　週単位出荷量計算部１２２の処理の一例を以下に説明する。
　週単位出荷量計算部１２２は、今週及び来週の週単位の収量の予測結果に、比率計算部１２１の出力を乗じることで、今週及び来週の週単位の出荷量を計算する。
　入力を、上述した今週の週単位の収量の予測結果Ｈｅ，ｗ±０、来週の週単位の収量の予測結果Ｈｅ，ｗ＋１、及び比率ｒとする。また、出力を、今週の週単位の出荷量の予測結果Ｓｅ，ｗ±０と、来週の週単位の出荷量の予測結果Ｓｅ，ｗ＋１とする。ここで、今週の週単位の出荷量の予測結果Ｓｅ，ｗ±０は、今週月曜日の日単位の出荷量の予測結果Ｓｅ，ｗ±０，Ｍｏｎから今週土曜日の日単位の出荷量の予測結果Ｓｅ，ｗ±０，Ｓａｔまでを含む。来週の週単位の出荷量の予測結果Ｓｅ，ｗ＋１は、来週月曜日の日単位の出荷量の予測結果Ｓｅ，ｗ＋１，Ｍｏｎから来週土曜日の日単位の出荷量の予測結果Ｓｅ，ｗ＋１，Ｓａｔまでを含む。
　今週の週単位の出荷量の予測結果Ｓｅ，ｗ±０は、以下のように計算される。
Ｓｅ，ｗ±０＝Ｈｅ，ｗ±０・ｒ
　来週の週単位の出荷量の予測結果Ｓｅ，ｗ＋１は、以下のように計算される。
Ｓｅ，ｗ＋１＝Ｈｅ，ｗ＋１・ｒ
　日単位出荷量推定部１２３は、週単位での出荷量の予測結果を、日単位での出荷量に分割し、日単位での出荷量を推定する。
　日単位出荷量推定部１２３の処理の一例を以下に説明する。
　日単位出荷量推定部１２３は、週単位出荷量計算部１２２が計算した今週及び来週の週単位出荷量に、過去２週間分の日々の出荷実績から求めた曜日別の出荷割合を乗じたものを、日単位の出荷量の推定結果とする。
　入力を、上述した今週の週単位の出荷量の予測結果Ｓｅ，ｗ±０、来週の週単位の出荷量の予測結果Ｓｅ，ｗ＋１、前々週の週単位の出荷量の実績Ｓｒ，ｗ－２、前々週月曜日の日単位の出荷量の実績Ｓｒ，ｗ－２，Ｍｏｎから前々週土曜日の日単位の出荷量の実績Ｓｒ，ｗ－２，Ｓａｔまで、前週の週単位の出荷量の実績Ｓｒ，ｗ－１、及び前週月曜日の日単位の出荷量の実績Ｓｒ，ｗ－１，Ｍｏｎから前週土曜日の日単位の出荷量実績Ｓｒ，ｗ－１，Ｓａｔまでとする。出力を、上述した、今週月曜日の日単位の出荷量の予測結果Ｓｅ，ｗ±０，Ｍｏｎから今週土曜日の日単位の出荷量の予測結果Ｓｅ，ｗ±０，Ｓａｔまでと、来週月曜日の日単位の出荷量の予測結果Ｓｅ，ｗ＋１，Ｍｏｎから来週土曜日の日単位の出荷量の予測結果Ｓｅ，ｗ＋１，Ｓａｔまでとする。
　今週月曜日の日単位の出荷量の予測結果Ｓｅ，ｗ±０，Ｍｏｎから今週土曜日の日単位の出荷量の予測結果Ｓｅ，ｗ±０，Ｓａｔまでは、以下のように計算される。
Figure JPOXMLDOC01-appb-I000009
　来週月曜日の日単位の出荷量の予測結果Ｓｅ，ｗ＋１，Ｍｏｎから来週土曜日の日単位の出荷量の予測結果Ｓｅ，ｗ＋１，Ｓａｔまでは、以下のように計算される。
Figure JPOXMLDOC01-appb-I000010
　日単位出荷量推定部１２３の処理の他の例を以下に説明する。
　日単位出荷量推定部１２３は、週単位出荷量計算部１２２の出力をその週の営業日で均等割りにすることにより、日単位の出荷量を推定する。例えば、月曜日から土曜日が営業日で、日曜日には収穫も出荷も無いとすると、週当たりの営業日は６日である。その場合、その週の週単位の出荷量の予測結果を６で割ったものを、その週の月曜日から土曜日までの日単位の出荷量の推定結果とする。この場合、日単位の出荷実績が残っていなくても、日単位の出荷量を推定することができる。
　日単位出荷量推定部１２３の処理の更に他の例を以下に説明する。
　日単位出荷量推定部１２３は、単純に前週の同曜日の出荷量と同じ出荷量が今週及び来週の同曜日にもあるとして、日単位の出荷量を推定する。この場合、入力は、出荷実績だけでよく、週単位の収量の予測結果や収量実績が無くても、日単位の出荷量を推定することができる。
　在庫推定部１０７は、日単位での収量の確率分布に基づいて、日単位での収量である収量パターンを複数生成し、複数の収量パターンの各々に対し、作物の初期在庫と、収量パターンと、日単位での出荷量の予測結果とから、日単位で作物の在庫の過不足を推定する。在庫推定部１０７は、日単位で作物の在庫の過不足を推定する際に、複数の収量パターンの各々に対し、作物の初期在庫と、収量パターンと、日単位での出荷量の予測結果とから、日単位での欠品量又は過剰量を推定する。在庫推定部１０７は、複数の収量パターンの各々に対して推定された日単位での欠品量又は過剰量に基づいて、日単位での作物の欠品発生率又は過剰発生率を推定する。在庫推定部１０７は、推定された日単位での作物の欠品発生率又は過剰発生率に基づいて、日単位での欠品発生量又は過剰発生量を推定する。
　具体的には、在庫推定部１０７は、図５に示すように、計算制御部１３０、収量パターン生成部１３１、在庫計算部１３２、及び欠品過剰計算部１３３を備えている。
　計算制御部１３０は、収量パターン生成部１３１及び在庫計算部１３２に対して、複数の収量パターンを生成し、収量パターンの各々での日単位の在庫を計算することを行わせる制御を行う。
　収量パターン生成部１３１は、日単位での収量の確率分布に基づいて、日単位での収量である収量パターンを生成する。例えば、モンテカルロ法により、２週間分の在庫の計算を行う場合には、２週間のそれぞれの日について確率分布に従ったランダムな収量を設定したものを１つの収量パターンとして生成する。そして、これを繰り返して複数の収量パターンを生成して在庫計算部１３２に渡す。
　在庫計算部１３２は、シミュレーション上の在庫に対して収穫及び出荷を実行する計算を行う。
　具体的には、在庫計算部１３２は、収量パターン生成部１３１が出力した収量パターン、日単位の出荷量の予測結果、及び作物の初期在庫とから、日単位の在庫を計算するシミュレーションを実施する。そして、在庫計算部１３２は、日単位の在庫、欠品発生有無、欠品量、過剰発生有無、及び過剰量を欠品過剰計算部１３３へ渡す。
　例えば、モンテカルロ法により、２週間分の日単位の在庫を計算するシミュレーションをする場合には、１つの収量パターンにつき、１回２週間分のシミュレーションを実施し、２週間分の日単位の在庫を計算する。
　パターン番号をｊとしてパターン数をｍとする（ｊ＝１，…，ｍ）。１つの収量パターンｊ内のシミュレーション対象日をｉとして、初日をｉ＝１とし、２週間分のシミュレーションを実施するとする（ｉ＝１，…，１４）。入力として、初期在庫をＸ０［ｋｇ］、収量パターン生成部１３１が出力した収量パターンｊにおけるシミュレーション対象日ｉの収量をＨｉ，ｊ［ｋｇ］、出荷量予測部１０６が出力したシミュレーション対象日ｉの出荷量をＳｉ［ｋｇ］とする。出力として、シミュレーション対象日ｉの在庫をＸｉ，ｊ［ｋｇ］とする。
　収量パターンｊにおける初日の業務開始前の在庫はＸ０［ｋｇ］であり、初日の収穫を実行すると在庫はＸ０＋Ｈ１，ｊ［ｋｇ］となり、さらに初日の出荷を実行すると在庫はＸ０＋Ｈ１，ｊ－Ｓ１［ｋｇ］となる。つまり、初日の最終在庫は、Ｘ１，ｊ＝Ｘ０＋Ｈ１，ｊ－Ｓ１となる。
　２日目以降、ｎ日目の業務開始前の在庫は、前日の最終在庫Ｘｎ－１，ｊ［ｋｇ］である。ここでｎ日目の収穫と出荷を実行すると、ｎ日目の最終在庫は、Ｘｎ，ｊ＝Ｘｎ－１，ｊ＋Ｈｎ，ｊ－Ｓｎとなる。
　この際、Ｘｉ，ｊがゼロもしくはあらかじめ設定した一定の在庫下限閾値を下回った場合は、ｉ日目に欠品が発生したとする。また、ｉ日目の最終在庫が在庫下限閾値を下回った量をｉ日目の欠品量とする。同様に、Ｘｉ，ｊがあらかじめ設定した一定の在庫上限閾値を超えた場合は、ｉ日目に過剰が発生したとする。また、ｉ日目の最終在庫が在庫上限閾値を超えた量をｉ日目の過剰量とする。
　欠品過剰計算部１３３は、在庫計算部１３２が出力した複数の収量パターンによる日単位の在庫、欠品発生有無、欠品量、過剰発生有無、及び過剰量から、欠品発生率及び過剰発生率を計算する。欠品過剰計算部１３３は、欠品発生率が一定の閾値を超える場合、欠品発生量を計算する。欠品過剰計算部１３３は、欠品発生量と同様に、過剰発生率が一定の閾値を超える場合、過剰発生量を計算する。
　例えば、モンテカルロ法によるシミュレーションであれば、総パターン数がｍ、そのうちｉ日目に欠品発生したパターン数がＮｕｎｄｅｒｉとすると、欠品過剰計算部１３３は、ｉ日目の欠品発生率Ｐｕｎｄｅｒｉを、以下の式で計算する。
Ｐｕｎｄｅｒｉ＝Ｎｕｎｄｅｒｉ／ｍ
　欠品発生率と同様に、ｉ日目に過剰発生したパターン数がＮｏｖｅｒｉであるとすると、欠品過剰計算部１３３は、ｉ日目の過剰発生率Ｐｏｖｅｒｉを、以下の式で計算する。
Ｐｏｖｅｒｉ＝Ｎｏｖｅｒｉ／ｍ
　欠品過剰計算部１３３は、欠品発生率Ｐｕｎｄｅｒｉが閾値Ｐｔｈを超えているときに、ｉ日目に欠品発生したパターンの欠品量を降順に並べ、上からｍ・Ｐｔｈ番目の欠品量をｉ日目の欠品発生量とする。
　欠品過剰計算部１３３は、過剰発生率Ｐｏｖｅｒｉが閾値Ｐｔｈを超えているときに、ｉ日目に過剰発生したパターンの過剰量を降順に並べ、上からｍ・Ｐｔｈ番目の過剰量をｉ日目の過剰発生量とする。
　表示制御部１０８は、初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果と、を変更可能に表示部１６に表示させると共に、日単位での作物の在庫の過不足の推定結果を表示部１６に表示させる。
　表示制御部１０８は、初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果との少なくとも一つの変更を受け付けると、変更後の、初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果とを用いて、収量推定部１０４、出荷量予測部１０６、及び在庫推定部１０７の各処理を行わせる。
　図６に、表示制御部１０８により表示される画面１５０の一例を示す。図６では、２０２１年２月２２日（月）（２０２１年第８週月曜日）の収穫及び出荷が完了した後の業務終了時に在庫推定処理を実行した場合の例を示している。
　画面１５０の上段左に収量設定を行うための部分があり、上段中央に初期在庫設定を行うための部分があり、上段右に出荷量設定を行うための部分がある。画面１５０を開いた時点で、収量設定には収量推定部１０４の推定結果が初期値として入力され、出荷量設定には出荷量予測部１０６の予測結果が初期値として入力された状態になる。収量設定は、収量欄にＨｉを、誤差範囲欄にσａｂｓｉを設定する。出荷量設定は出荷量欄にＳｉを設定する。
　初期在庫設定では、初期在庫を計算するための数字が初期値として設定される。作物在庫は、業務終了時の選果済の正品在庫であり、未選果在庫は、業務終了時の、収穫したが未選果の在庫であり、正品率は、過去２週間分について選果工程で正品として選果される重量の割合である。ここから初期在庫は、初期在庫＝作物在庫＋正品率×未選果在庫、で計算される。在庫上限閾値は、在庫推定部１０７でｔｈｍａｘとして使う値の設定値である。在庫下限閾値ｔｈｍｉｎは、特に設定値がなければ０とする。
　画面１５０の中段左には、日単位の収量の確率分布をグラフで表現した収量グラフが表示され、中段右には、日単位の出荷をグラフで表現した出荷グラフが表示される。収量グラフの棒グラフはＨｉを、エラーバーは±σａｂｓｉを示す。出荷グラフの棒グラフはＳｉを示す。画面１５０の中段中央には、在庫推定部１０７で計算した在庫の確率分布をグラフで表現した在庫グラフが表示される。在庫グラフの棒グラフはμｘｉを、エラーバーは±σｘｉを示す。
　画面１５０の下段には、在庫推定部１０７の欠品過剰計算部１３３の出力が表示される。欠品発生率及び過剰発生率について、欠品過剰計算部１３３の出力を５ポイント単位で丸めて０～５％，５～１０％，１０～１５％，…，９５～１００％のように表示する。欠品発生量及び過剰発生量について、率が０～５％のときには表示せず、それ以外のときはＰｔｈを５％として計算した値を表示する。
　画面１５０上段の収量設定、在庫設定、出荷量設定において、画面１５０を開いたときに初期値が入力されており、画面１５０中段や画面１５０下段に、初期値によるグラフやシミュレーション結果が表示される。ここで、画面１５０上段の収量設定、在庫設定、出荷量設定に対してユーザによる変更を受け付けると、変更した値に応じて収量推定部１０４、出荷量予測部１０６、及び在庫推定部１０７の各処理を実施して、画面１５０中段と画面１５０下段の表示を更新する。
　これにより、お客さまから急に出荷量の変更依頼があったとき、その依頼に応じた場合の欠品発生率、過剰発生率、欠品発生量、及び過剰発生量を事前に知ることができる。また、出荷量を変更して何回も在庫推定処理を実行することができるので、どれぐらいの量であれば在庫が耐えられるのかを何回でも試すことができる。出荷量以外にも、収量を変更したらどうなるか、在庫として通常ストックしている量を変更したらどうなるか、保管庫や保冷庫などを増設するなどして在庫上限閾値を増やしたらどうなるかなどのシミュレーションをすることができ、圃場の経営上の意思決定に資することができる。
＜本実施形態に係る在庫推定装置の作用＞
　次に、在庫推定装置１０の作用について説明する。図７は、在庫推定装置１０による在庫推定処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４から在庫推定プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、在庫推定処理が行なわれる。また、在庫推定装置１０に、作物在庫と、未選果在庫と、正品率と、が入力され、作物在庫と、未選果在庫及び正品率を乗算した値とを加算した値が、初期在庫として設定される。また、在庫推定装置１０に、在庫上限閾値が入力される。
　ステップＳ１００において、ＣＰＵ１１は、初期在庫取得部１０１として、設定された作物の初期在庫を取得する。
　ステップＳ１０１において、ＣＰＵ１１は、週単位収量予測部１０２として、例えば、上記非特許文献１に記載の方法と同様の方法により、週単位で作物の収量を予測する。
　ステップＳ１０２において、ＣＰＵ１１は、収量推定部１０４として、週単位での作物の収量の予測結果から、日単位で収量の確率分布を推定する。
　ステップＳ１０３において、ＣＰＵ１１は、出荷量予測部１０６として、出荷実績記憶部１０５に記憶されている日単位での作物の出荷量の実績に基づいて、日単位で出荷量を予測する。
　ステップＳ１０４において、ＣＰＵ１１は、在庫推定部１０７として、日単位での収量の確率分布に基づいて、日単位での収量である収量パターンを複数生成し、複数の収量パターンの各々に対し、作物の初期在庫と、収量パターンと、日単位での出荷量の予測結果とから、日単位で作物の在庫の過不足を推定する。
　ステップＳ１０５において、ＣＰＵ１１は、表示制御部１０８として、初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果と、を変更可能に表示部１６に表示させると共に、日単位での作物の在庫の過不足の推定結果を表示部１６に表示させる。
　ステップＳ１０６において、ＣＰＵ１１は、表示制御部１０８として、初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果との少なくとも一つの変更を受け付けたか否かを判定する。初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果との少なくとも一つの変更を受け付けた場合、上記ステップＳ１０２へ戻り、変更後の、初期在庫と、日単位での収量の確率分布と、日単位での出荷量の予測結果とを用いて、上記ステップＳ１０２～ステップＳ１０５の各処理を行う。一方、上記変更を受け付けなかった場合には、在庫推定処理を終了する。
　上記ステップＳ１０２は、一例として、図８に示す処理ルーチンにより実現される。
　ステップＳ１１０において、ＣＰＵ１１は、日単位収量推定部１１１として、週単位での収量の予測結果を、日単位での収量の実績に基づいて日単位での収量に分割し、日単位での収量を推定する。
　ステップＳ１１１において、ＣＰＵ１１は、推定記録部１１２に、上記ステップＳ１１０による推定結果を記録する。
　ステップＳ１１２において、ＣＰＵ１１は、誤差計算部１１３として、日単位での収量の実績と、推定記録部１１２によって記録された日単位収量推定部１１１による推定結果とを比較して、日単位での収量の推定結果に対する誤差を計算する。
　ステップＳ１１３において、ＣＰＵ１１は、確率分布推定部１１４として、日単位収量推定部１１１による推定結果と、日単位での収量の推定結果に対する誤差とに基づいて、日単位で収量の確率分布を推定する。
　上記ステップＳ１０３は、一例として、図９に示す処理ルーチンにより実現される。
　ステップＳ１２０において、ＣＰＵ１１は、比率計算部１２１として、収量実績記憶部１０３に記憶されている週単位での収量の実績と、出荷実績記憶部１０５に記憶されている週単位での出荷量の実績との比率を計算する。
　ステップＳ１２１において、ＣＰＵ１１は、週単位出荷量計算部１２２として、週単位での前記収量の予測結果に、計算された比率を乗算して、週単位での出荷量を予測する。
　ステップＳ１２２において、ＣＰＵ１１は、日単位出荷量推定部１２３として、週単位での出荷量の予測結果を、日単位での出荷量に分割し、日単位での出荷量を推定する。
　上記ステップＳ１０４は、一例として、図１０に示す処理ルーチンにより実現される。
　ステップＳ１３０において、ＣＰＵ１１は、収量パターン生成部１３１として、日単位での収量の確率分布に基づいて、日単位での収量である収量パターンを生成する。
　ステップＳ１３１において、ＣＰＵ１１は、在庫計算部１３２として、シミュレーション上の在庫に対して収穫及び出荷を実行する計算を行い、日単位の在庫、欠品発生有無、欠品量、過剰発生有無、及び過剰量を計算する
　ステップＳ１３２において、ＣＰＵ１１は、計算制御部１３０として、生成した収量パターンの数が閾値未満であるか否かを判定する。生成した収量パターンの数が閾値に到達した場合には、ステップＳ１３３へ移行する。一方、生成した収量パターンの数が閾値未満である場合には、上記ステップＳ１３０へ戻る。
　ステップＳ１３３において、ＣＰＵ１１は、欠品過剰計算部１３３として、在庫計算部１３２が出力した複数の収量パターンによる日単位の在庫、欠品発生有無、欠品量、過剰発生有無、及び過剰量から、欠品発生率が一定の閾値を超える場合、欠品発生量を計算し、過剰発生率が一定の閾値を超える場合、過剰発生量を計算する。
　以上説明したように、本実施形態に係る在庫推定装置は、日単位での収量の確率分布に基づいて、日単位での収量である収量パターンを複数生成し、複数の収量パターンの各々に対し、作物の初期在庫と、収量パターンと、日単位での出荷量の予測結果とから、日単位で作物の在庫の過不足を推定する。これにより、精度よく日単位の作物の在庫の過不足を推定することができる。
　また、収量の予測結果に基づいて事前に契約を行う際に、本実施形態の在庫推定装置を用いることで、工業製品とは異なり保存できる期間が限られ、収穫や選果を経なければ収量が確定しない作物であっても、将来の欠品や過剰の可能性やその量を事前に知ることができる。欠品や過剰の可能性が生じたときには、実際の収量が確定する前の段階で、時間的余裕をもって契約先と調整の交渉を行うことができる。これにより、欠品による信用喪失やそれにともなう将来の失注、過剰による値崩れや廃棄を防ぐことができる。
　また、本実施形態の在庫推定装置を用いることで、週単位の収量の予測結果を日単位に分割することが可能となり、週単位では粒度が不十分な用途でも収量の予測結果を使用することができるようになる。
　また、本実施形態の在庫推定装置による収量の推定では、点推定ではなく、どの程度の誤差があり得るのか、バラつくことを前提として、収量の確率分布を推定しており、日単位の在庫量も確率分布として計算する。これにより、日単位の在庫量から欠品や過剰の発生率や発生量を計算することができる。
　また、高度施設園芸、次世代施設園芸、植物工場などであれば通常存在する、日単位の収量の実績、日単位の出荷量の実績、週単位の収量の予測結果から、日単位の在庫の過不足を推定することができる。また、天気予報や圃場内の温湿度、日射量などの情報を追加して用いることも可能である。
　また、将来の欠品発生率、欠品発生量、過剰発生率、及び過剰発生量を可視化することができ、時間的余裕をもって取引先と調整の交渉が可能となる。
　また、広く行われている週単位の収量予測の結果を日単位に分割する推定を行うことによって、日単位の粒度が必要となる在庫の過不足の推定ができる。
　なお、本発明は、上述した実施形態の装置構成及び作用に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
　例えば、在庫推定部１０７内の在庫計算部１３２が、より実際の工程に近い詳細なモデルを用いて、日単位の在庫を計算するシミュレーションを実施してもよい。高度施設園芸、次世代施設園芸、植物工場などで行われる、収穫、選果、梱包、出荷の４工程をモデル化した例を図１１に示す。
　収穫工程では、在庫計算部１３２は、収量パターン生成部１３１が生成した収量パターンに対して、曜日に応じてどの収穫区からの収穫にするかを割り当てる。そして割り当てに応じて未選果在庫を増やす。例えば一つの収穫区では週１回収穫するという圃場である場合に、月曜はＡ区、火曜はＢ区、水曜はＣ区、…、と割り当てればよい。このとき、「月曜はＡ区」という設定であれば、その日に設定された収量はすべてＡ区の収量として割り当てる。また、一つの収穫区では週２回収穫するという圃場である場合に、月曜及び木曜はＡ区、火曜及び金曜はＢ区、水曜及び土曜はＣ区、と割り当てればよい。一つの収穫区では週３回収穫するという圃場である場合に、月曜、水曜、及び金曜はＡ区、火曜、木曜、及び土曜はＢ区、と割り当てればよい。また、さらに細かく収穫区を区切って、月曜はＡ区とＧ区、火曜はＢ区とＨ区、水曜はＣ区とＩ区、…、のように一つの曜日に複数の収穫区で収穫するように割り当ててもよい。このとき、「月曜はＡ区とＧ区」という設定であれば、例えばその日の収量は半分にしてそれぞれＡ区とＧ区に割り当ててもよいし、あらかじめＡ区とＧ区の収量比を決めておき、それに基づいて割り当ててもよい。
　選果工程では、日々の選果作業工数や正品率及びＢ品率をあらかじめ設定しておき、在庫計算部１３２が、工数に応じて未選果在庫を減少させて、正品率及びＢ品率に応じて梱包前在庫の正品及びＢ品を増やす。なお、正品とＢ品の２種類に選果される場合を例に説明したが、これに限定されるものではなく、３種類以上のものに選果されるようにしてもよい。この場合には、３種類以上のものそれぞれの率を予め設定すればよい。また、１種類のもの（例えば、正品）に選果されるようにしてもよい。
　梱包工程では、日々の梱包作業工数をあらかじめ設定しておき、在庫計算部１３２が、工数に応じて、梱包前在庫の正品及びＢ品を減少させて商品在庫の正品及びＢ品を増やす。
　出荷工程では、在庫計算部１３２が、出荷量予測部１０６の出力を、あらかじめ設定した割合に応じて出荷先会社および正品及びＢ品の種別に割り当てる。そして、在庫計算部１３２が、割り当てに応じて商品在庫の正品及びＢ品を減少させる。
　例えば、Ａ社：Ｂ社：Ｃ社＝５：４：１の割合で、予測された出荷量から各出荷先会社に割り当てる。この際に、Ａ社では、正品：Ｂ品＝９：１、Ｂ社では、正品：Ｂ品＝８：２のように、正品及びＢ品の出荷量が決定される。あるいは、出荷量予測部１０６を条件別に動作させることで、Ａ社の正品の出荷量予測、Ａ社のＢ品の出荷量予測、Ｂ社の正品の出荷量予測、Ｂ社のＢ品の出荷量予測、…、をそれぞれ別々に行って割り当ててもよい。
　収穫工程では、収穫日から何日以内に出荷されなければ途中でも廃棄するように廃棄期限を設定してもよい。その場合、在庫計算部１３２が、在庫の各作物について、次の日になるときに、その作物の廃棄期限をデクリメントし、ゼロになった分が廃棄されたとして在庫から消す。これによって、生鮮食品が在庫を停滞してしまったときの状況が再現でき、より正確なシミュレーションが可能となる。
　また、選果工程や梱包工程では、あらかじめ設定しておく工数として、例えばその日１日の選果量や梱包量が何ｋｇかを設定しておいてもよい。これを超えた分は選果が行われずに未選果在庫に残ったり、梱包が行われずに梱包前在庫が残ったりするため、これにより稼働が限られている状態におけるシミュレーションが可能となる。
　また、未選果在庫、梱包前在庫、及び商品在庫それぞれについて、在庫上限閾値を設定して、それを超えた分は廃棄するように処理してもよい。これによって、保管庫や保冷庫の大きさが限られている状態を再現したシミュレーションが可能となる。逆に、実際よりも在庫上限閾値を大きくして、初期在庫を増やして、廃棄期限を長くするようにしてもよい。これにより、保冷庫など増設した場合にどうなるかシミュレーションすることが可能となる。
　出荷工程では、あらかじめ出荷先会社や正品及びＢ品の種別に応じてｋｇ単価を設定しておき、出荷量に応じて売り上げを計算してもよい。これによって、売り上げを考慮したシミュレーションが可能となる。さらに、在庫があらかじめ設定した量を上回ったときには、出荷量予測による出荷工程の割り当てとは別に、一定量を安値で出荷する動作をしてもよい。これによって、在庫が過剰になった時の安値販売のシミュレーションが可能となる。
　以上のような条件を変えてシミュレーションすることにより、こういう設定をした場合はどうなるのかを再現することができ、圃場の経営上の意思決定に資することができる。
　また、上記実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した各種処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、在庫推定処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
　また、上記各実施形態では、在庫推定プログラムがストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
　以上の実施形態に関し、更に以下の付記を開示する。
　（付記項１）
　メモリと、
　前記メモリに接続された少なくとも１つのプロセッサと、
　を含み、
　前記プロセッサは、
　週単位での作物の収量の予測結果から、日単位で前記収量の確率分布を推定し、
　日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測し、
　日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、
　前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する
　在庫推定装置。
　（付記項２）
　在庫推定処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
　前記在庫推定処理は、
　週単位での作物の収量の予測結果から、日単位で前記収量の確率分布を推定し、
　日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測し、
　日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、
　前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する
　非一時的記憶媒体。
１０   在庫推定装置
１１   ＣＰＵ
１５   入力部
１６   表示部
１０１ 初期在庫取得部
１０２ 週単位収量予測部
１０３ 収量実績記憶部
１０４ 収量推定部
１０５ 出荷実績記憶部
１０６ 出荷量予測部
１０７ 在庫推定部
１０８ 表示制御部
１１１ 日単位収量推定部
１１２ 推定記録部
１１３ 誤差計算部
１１４ 確率分布推定部
１２１ 比率計算部
１２２ 週単位出荷量計算部
１２３ 日単位出荷量推定部
１３０ 計算制御部
１３１ 収量パターン生成部
１３２ 在庫計算部
１３３ 欠品過剰計算部
１５０ 画面

Claims (6)

  1. 　日単位で作物の在庫の過不足を推定する在庫推定装置であって、
    　週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定する収量推定部と、
    　日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測する出荷量予測部と、
    　日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、
    　前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する在庫推定部と、
    　を含む在庫推定装置。
  2. 　前記在庫推定部は、
    　前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位での欠品量又は過剰量を推定し、
    　前記複数の収量パターンの各々に対して推定された日単位での欠品量又は過剰量に基づいて、日単位での前記作物の欠品発生率又は過剰発生率を推定し、
    　日単位での前記作物の欠品発生率又は過剰発生率に基づいて、日単位での前記作物の欠品発生量又は過剰発生量を推定する請求項１記載の在庫推定装置。
  3. 　前記収量推定部は、
    　週単位での前記収量の予測結果を、日単位での前記収量の実績に基づいて日単位での前記収量に分割し、日単位での前記収量を推定する日単位収量推定部と、
    　前記日単位収量推定部による推定結果を記録する推定記録部と、
    　日単位での前記収量の実績と、前記推定記録部によって記録された前記日単位収量推定部による推定結果とを比較して、日単位での前記収量の推定結果に対する誤差を計算する誤差計算部と、
    　前記日単位収量推定部による推定結果と、日単位での前記収量の推定結果に対する誤差とに基づいて、日単位で前記収量の確率分布を推定する確率分布推定部と、
    　を含む請求項１又は２記載の在庫推定装置。
  4. 　前記出荷量予測部は、
    　週単位での前記収量の実績と、週単位での前記出荷量の実績との比率を計算する比率計算部と、
    　週単位での前記収量の予測結果に、前記計算された比率を乗算して、週単位での前記出荷量を予測する週単位出荷量計算部と、
    　週単位での前記出荷量の予測結果を、日単位での前記出荷量に分割し、日単位での前記出荷量を推定する日単位出荷量推定部と、
    　を含む請求項１～請求項３の何れか１項記載の在庫推定装置。
  5. 　日単位で作物の在庫の過不足を推定する在庫推定装置における在庫推定方法であって、
    　収量推定部が、週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定し、
    　出荷量予測部が、日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測し、
    　在庫推定部が、日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、
    　前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する
    　在庫推定方法。
  6. 　日単位で作物の在庫の過不足を推定するための在庫推定プログラムであって、
    　週単位での前記作物の収量の予測結果から、日単位で前記収量の確率分布を推定し、
    　日単位での前記作物の出荷量の実績に基づいて、日単位で前記出荷量を予測し、
    　日単位での前記収量の確率分布に基づいて、日単位での前記収量である収量パターンを複数生成し、
    　前記複数の収量パターンの各々に対し、前記作物の初期在庫と、前記収量パターンと、日単位での前記出荷量の予測結果とから、日単位で前記作物の在庫の過不足を推定する
    　ことをコンピュータに実行させるための在庫推定プログラム。
PCT/JP2021/018494 2021-05-14 2021-05-14 在庫推定装置、在庫推定方法、及び在庫推定プログラム WO2022239249A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023520735A JPWO2022239249A1 (ja) 2021-05-14 2021-05-14
PCT/JP2021/018494 WO2022239249A1 (ja) 2021-05-14 2021-05-14 在庫推定装置、在庫推定方法、及び在庫推定プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/018494 WO2022239249A1 (ja) 2021-05-14 2021-05-14 在庫推定装置、在庫推定方法、及び在庫推定プログラム

Publications (1)

Publication Number Publication Date
WO2022239249A1 true WO2022239249A1 (ja) 2022-11-17

Family

ID=84028082

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/018494 WO2022239249A1 (ja) 2021-05-14 2021-05-14 在庫推定装置、在庫推定方法、及び在庫推定プログラム

Country Status (2)

Country Link
JP (1) JPWO2022239249A1 (ja)
WO (1) WO2022239249A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005151851A (ja) * 2003-11-21 2005-06-16 Mayekawa Mfg Co Ltd 農作物需給管理システム、加工食品受発注システム及び農業支援システム
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
WO2014178097A1 (ja) * 2013-04-30 2014-11-06 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
JP2020024703A (ja) * 2018-08-03 2020-02-13 三菱ケミカル株式会社 生産管理システム、管理方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005151851A (ja) * 2003-11-21 2005-06-16 Mayekawa Mfg Co Ltd 農作物需給管理システム、加工食品受発注システム及び農業支援システム
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
WO2014178097A1 (ja) * 2013-04-30 2014-11-06 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
JP2020024703A (ja) * 2018-08-03 2020-02-13 三菱ケミカル株式会社 生産管理システム、管理方法、及びプログラム

Also Published As

Publication number Publication date
JPWO2022239249A1 (ja) 2022-11-17

Similar Documents

Publication Publication Date Title
Shee et al. Endogeneity corrected stochastic production frontier and technical efficiency
Kantanantha et al. Yield and price forecasting for stochastic crop decision planning
Disney et al. A discrete transfer function model to determine the dynamic stability of a vendor managed inventory supply chain
CN110414880B (zh) 库存管理装置、库存管理方法和存储介质
Lin et al. Dynamic analysis and design of a semiconductor supply chain: a control engineering approach
US9990597B2 (en) System and method for forecast driven replenishment of merchandise
Cannella et al. Inventory policies and information sharing in multi-echelon supply chains
JP7107222B2 (ja) 商品需要予測システム、商品需要予測方法および商品需要予測プログラム
Albrecht et al. Coordinating continuous-time distribution and sales planning of perishable goods with quality grades
US20160232461A1 (en) System and method for determining forecast errors for merchandise in retail
Kaya et al. Coordinated pricing and inventory decisions for perishable products
WO2014178097A1 (ja) 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
Leithner et al. A simulation model to investigate impacts of facilitating quality data within organic fresh food supply chains
Lee et al. Aggregate demand forecast with small data and robust capacity decision in TFT-LCD manufacturing
Ramadhani et al. Forecasting of Paddy Grain and Rice’s Price: An ARIMA (Autoregressive Integrated Moving Average) Model Application
Ed-Daoudi et al. Improving crop yield predictions in morocco using machine learning algorithms
WO2022239249A1 (ja) 在庫推定装置、在庫推定方法、及び在庫推定プログラム
Anggrainingsih et al. Forecasting the Number of Patients at RSUD Sukoharjo Using Double Exponential Smoothing Holt
WO2022239248A1 (ja) 在庫推定装置、在庫推定方法、及び在庫推定プログラム
JP2004334326A (ja) 商品需要予測システム、商品の売上数調整システム
Sogandi et al. Metaheuristic algorithms for a sustainable saffron supply chain network considering government policies and product quality under uncertainty
JP2017174275A (ja) 出荷数量予測装置、出荷数量予測方法、及びプログラム
CN116050987A (zh) 用于物料补货的预测方法、装置、存储介质及处理器
CN106537442A (zh) 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
Nugraha et al. Prediction of oil palm production using the weighted average of fuzzy sets concept approach

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: 21941979

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023520735

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21941979

Country of ref document: EP

Kind code of ref document: A1