WO2023053806A1 - 需要予測装置、需要予測方法、および記憶媒体 - Google Patents

需要予測装置、需要予測方法、および記憶媒体 Download PDF

Info

Publication number
WO2023053806A1
WO2023053806A1 PCT/JP2022/032167 JP2022032167W WO2023053806A1 WO 2023053806 A1 WO2023053806 A1 WO 2023053806A1 JP 2022032167 W JP2022032167 W JP 2022032167W WO 2023053806 A1 WO2023053806 A1 WO 2023053806A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
demand
time
information
existing
Prior art date
Application number
PCT/JP2022/032167
Other languages
English (en)
French (fr)
Inventor
智 吉丸
康平 向原
Original Assignee
本田技研工業株式会社
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 本田技研工業株式会社 filed Critical 本田技研工業株式会社
Publication of WO2023053806A1 publication Critical patent/WO2023053806A1/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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles

Definitions

  • the present invention relates to a demand forecasting device, a demand forecasting method, and a storage medium.
  • This application claims priority based on Japanese Patent Application No. 2021-158342 filed in Japan on September 28, 2021, the content of which is incorporated herein.
  • a demand forecasting device is a forecasting device that forecasts demand for parts in preparation for replacement or repair of parts of a vehicle, wherein actual values of the demand for the parts, the parts
  • An acquisition unit that acquires an operating value related to the operation of the vehicle to be used and an existing predicted value that is the predicted demand for the part, and predicts the demand based on the actual value, the operating value, and the existing predicted value. and a prediction unit.
  • the prediction unit predicts the demand based on the relative relationship between the index obtained from the operating value, the existing predicted value, and the index obtained from the actual value. Predict.
  • the prediction unit determines the relative value of the index obtained from the trend of increase/decrease in the operating value, the existing predicted value, and the index obtained from the actual value. Based on the relationship, it is determined whether to adopt the existing predicted value as the predicted value or to adopt the corrected value of the existing predicted value as the predicted value.
  • the trend of increase/decrease of the operating value in the time series is the same or similar to the trend of increase/decrease of the actual value, and the prediction unit increases/decreases the operating value in the time series. and the trend of increase/decrease of the actual value, the demand is predicted.
  • the trend of the amplitude of the operating value in the time series is the same or similar to the trend of the amplitude of the actual value
  • the prediction unit The demand is predicted based on the trend of the amplitude of the operating value and the trend of the amplitude of the actual value.
  • the obtaining unit obtains the actual value for each predetermined period, the operating value for each predetermined period, and the existing prediction for each predetermined period. If the operating value at a first time point is more likely to increase than the operating value at a second time point prior to the first time point, the prediction unit obtains the operating value at the first time point and Based on the difference from the operating value at the second time point, a value obtained by decreasing the existing predicted value at a third time point after the first time point is determined as the predicted value.
  • the obtaining unit obtains the actual value for each predetermined period, the operating value for each predetermined period, and the existing prediction for each predetermined period. If the operating value at a first time point is on a downward trend than the operating value at a second time point prior to the first time point, the prediction unit obtains the operating value at the first time point and A value obtained by increasing the existing predicted value at a third point in time after the first point in time is determined as a predicted value based on the difference from the operating value at the second point in time.
  • the obtaining unit obtains the actual value for each predetermined period, the operating value for each predetermined period, and the existing prediction for each predetermined period.
  • the prediction unit obtains the value at a third point in the future from the first point in time based on the actual value at the first point in time and the actual value at a second point in time prior to the first point in time.
  • An index based on actual values is obtained, the magnitude of the existing predicted value at the third time point is compared with the magnitude of the index based on the actual value, and the existing predicted value at the third time point is calculated based on the comparison result.
  • the predicted value at the third point in time, or the value obtained by correcting the existing predicted value at the third point in time based on the operating value at the first point in time and the operating value at the second point in time is predicted at the third point in time. value.
  • the prediction unit changes the existing predicted value at the third time point to the If the predicted value at three points in time is determined, and the existing predicted value at the third point in time is smaller than the index based on the actual value, based on the operating value at the first point in time and the operating value at the second point in time A value obtained by correcting the existing predicted value at the third time point is determined as the predicted value at the third time point.
  • the vehicle operating value is information indicating the actual running condition of the vehicle associated with a predetermined area.
  • a demand forecasting system is a demand forecasting system for forecasting demand for parts in preparation for replacement or repair of parts of a vehicle, wherein the demand forecasting system comprises: obtain the actual value of the demand, obtain the operation value related to the operation of the vehicle using the part, obtain the existing forecast value that is the predicted demand for the part, and obtain the actual value, the operation value, and the existing forecast It is a demand forecasting system for forecasting the demand based on the value.
  • (11) may be: A demand forecasting method for forecasting demand for parts in preparation for replacement or repair of parts of a vehicle, wherein the demand forecasting method obtains actual values of demand for the parts, and calculates an operation related to the operation of the vehicle using the parts.
  • a non-temporary storage medium storing a program according to another aspect of the present invention is a program that causes a computer to predict demand for parts in preparation for replacement or repair of vehicle parts, causing the computer to acquire actual values of the demand for the parts, acquiring operation values relating to the operation of vehicles using the parts, acquiring existing predicted values that are predicted demands for the parts, and obtaining the actual values and the A non-temporary storage medium storing a program for predicting the demand based on the operating value and the existing predicted value.
  • the demand forecasting device, the demand forecasting system, or the storage medium predicts the demand based on the actual value, the operating value, and the existing forecast value, so that the parts can be manufactured more accurately. Demand can be predicted.
  • the demand forecasting device determines the forecasted value at the third point in time based on the relationship between the existing forecasted value and the index based on the actual value, thereby increasing the forecasted value. It can be suppressed.
  • FIG. 1 is a diagram showing an example of a functional configuration of a vehicle system 10 mounted on a vehicle M;
  • FIG. 2 is a diagram illustrating an example of functional configurations of an information processing device 100 and a prediction device 200;
  • FIG. 4 is a flowchart showing an example of the flow of processing executed by the information processing apparatus 100;
  • FIG. 11 is a diagram showing an example of operation information 144 acquired by a second acquisition unit 120.
  • FIG. 4 is a diagram showing an example of total information 146.
  • FIG. It is a figure for demonstrating the driving
  • FIG. 11 is a diagram (part 1) for explaining the process of generating the second prediction information 258
  • FIG. 12 is a diagram (part 2) for explaining the process of generating the second prediction information 258
  • 4 is a flow chart showing an example of the flow of processing executed by the prediction device 200.
  • FIG. It is a figure for comparing an existing predicted value and a new predicted value.
  • FIG. 1 is a diagram showing an example of the configuration of a forecasting system 1 including an information providing device and a demand forecasting device.
  • the prediction system 1 includes, for example, one or more vehicles M (M1-Mn in the drawing), an information processing device 100, and a prediction device 200.
  • FIG. Vehicle M and information processing device 100 can communicate with each other via network NW.
  • the network NW includes the Internet, WAN (Wide Area Network), LAN (Local Area Network), public lines, provider equipment, leased lines, wireless base stations, and the like.
  • Information processing device 100 and prediction device 200 can communicate with each other via a dedicated line or network NW.
  • the information processing device 100 is an example of an "information providing device” in the claims
  • the prediction device 200 is an example of a "demand prediction device” in the claims.
  • One or more vehicles M are vehicles used in a predetermined area.
  • the predetermined area is an area where the vehicle M is mainly used or an area corresponding to the parking space of the vehicle M.
  • FIG. 2 is a diagram showing an example of the functional configuration of the vehicle system 10 mounted on the vehicle M.
  • the vehicle system 10 includes, for example, a vehicle sensor 20, a navigation device 30, a communication device 40, a processing device 50, a storage section 60, and the like.
  • the vehicle system 10 includes, in addition to the functional configuration described above, actuators, electronic devices, operators, and the like for controlling the vehicle (not shown).
  • the vehicle sensors 20 include a vehicle speed sensor that detects the speed of the vehicle M, an acceleration sensor that detects acceleration, a yaw rate sensor that detects a yaw rate (for example, a rotational angular velocity around a vertical axis passing through the center of gravity of the vehicle M), and a direction of the vehicle M. including a direction sensor for detecting
  • the vehicle sensor 20 may include, for example, a brake pedal sensor that detects an operation performed on a brake pedal, a steering sensor that detects a steering amount (for example, a steering angle) of the own vehicle M, and the like. A result detected by the vehicle sensor 20 is output to the processing device 50 .
  • the navigation device 30 includes, for example, an HMI (Human Machine Interface) 32, a GNSS (Global Navigation Satellite System) receiver 34, a navigation control section 36, and map information 38.
  • the HMI 32 includes, for example, a touch panel display device, a speaker, a microphone, and the like.
  • the GNSS receiver 34 measures its own position (the position of the vehicle M) based on radio waves arriving from GNSS satellites (eg, GPS satellites).
  • the navigation control unit 36 includes, for example, a CPU (Central Processing Unit) and various storage devices, and controls the navigation device 30 as a whole.
  • Map information (navigation map) 38 is stored in the storage device.
  • a navigation map is a map that expresses roads with nodes and links.
  • the navigation device 30 provides the processing device 50 with position information indicating the measured position.
  • the communication device 40 is, for example, a communication interface for communicating with other devices via the network NW.
  • the communication device 40 performs wireless communication based on Wi-Fi, DSRC (Dedicated Short Range Communications), Bluetooth (registered trademark), and other communication standards.
  • the processing device 50 is implemented by a hardware processor such as a CPU executing a program (software) stored in a storage device.
  • the storage unit 60 may be realized by, for example, the above-described various storage devices, SSD (Solid State Drive), RAM (Random Access Memory), HDD (Hard Disc Drive), or the like.
  • the storage unit 60 stores, for example, information output by the vehicle sensor 20 and information provided by the navigation device 30 .
  • the processing device 50 receives information output by the vehicle sensor 20, information related to vehicle operation such as information provided by the navigation device 30 (information indicating the state of the vehicle including the state of the ignition switch of the vehicle M, the running state, etc.). ) is provided to the information processing apparatus 100 .
  • FIG. 3 is a diagram showing an example of functional configurations of the information processing device 100 and the prediction device 200. As shown in FIG. A part or all of the functional configuration included in the information processing device 100 may be included in the prediction device 200 . The functional configuration included in the information processing device 100 or the functions included in the prediction device 200 may be distributed and provided in a plurality of devices.
  • the information processing device 100 or the prediction device 200 is a device managed by a business entity such as an automobile manufacturer that manufactures or sells the vehicle M.
  • the information processing apparatus 100 includes, for example, a first acquisition unit 110, a second acquisition unit 120, a processing unit 130 (an example of a "providing unit"), and a storage unit 140.
  • the first acquisition unit 110, the second acquisition unit 120, and the processing unit 130 are implemented by a hardware processor such as a CPU executing a program (software).
  • a hardware processor such as a CPU executing a program (software).
  • Some or all of these functional configurations are LSI (Large Scale Integration), ASIC (Application Specific Integrated Circuit), FPGA (Field-Programmable Gate Array), GPU (Graphics Processing Unit), etc. circuitry) or by cooperation of software and hardware.
  • the program may be stored in advance in a storage device (a storage device having a non-transitory storage medium) such as the HDD or flash memory of the information processing device 100, or may be stored in a removable storage such as a DVD or CD-ROM. It is stored in a medium, and may be installed in the HDD or flash memory of the information processing apparatus 100 by loading the storage medium (non-transitory storage medium) into the drive device.
  • a storage device a storage device having a non-transitory storage medium
  • a storage device a storage device having a non-transitory storage medium
  • a storage device such as the HDD or flash memory of the information processing device 100
  • a removable storage such as a DVD or CD-ROM
  • the storage unit 140 is realized by, for example, the various storage devices described above, SSD, RAM, HDD, or the like.
  • the storage unit 140 stores information (performance information 142 and operation information 144) acquired by the first acquisition unit 110 and the second acquisition unit 120, which will be described later.
  • the storage unit 140 stores aggregate information 146 and running status information 148 which are information obtained by processing the performance information 142 or the operation information 144 by the processing unit 130 . Details of the information stored in the storage unit 140 will be described later.
  • the first acquisition unit 110 acquires performance information.
  • the track record information is information indicating the shipping track record of parts (information indicating track record values).
  • the performance information is information provided by a management device (not shown) that manages inventory, shipment, and production of parts.
  • the second acquisition unit 120 acquires operating information.
  • the operating information is information provided to the processing device 50 .
  • the processing unit 130 causes the storage unit 140 to store the performance information 142 acquired by the first acquisition unit 110 and the operation information 144 acquired by the second acquisition unit 120 .
  • the processing unit 130 processes the performance information 142 or the operating information 144 to generate information used by the prediction device 200 .
  • the processing unit 130 processes the operation information 144 to generate aggregated information 146 and running state information 148 indicating the running state of the vehicle M.
  • the processing unit 130 provides the generated information to the prediction device 200 at a predetermined timing.
  • the processing unit 130 provides the performance information 142 or the operation information 144 to the prediction device 200 in response to a request from the prediction device 200 or at predetermined intervals.
  • the processing unit 130 may provide the operation information 144 to the prediction device 200 , and the prediction device 200 may process the operation information 144 .
  • the prediction device 200 includes, for example, an information management unit 210 (an example of an “acquisition unit”), a first prediction unit 220, a second prediction unit 230 (an example of a “prediction unit”), a prediction providing unit 240, a storage and a section 250 .
  • Information management unit 210, first prediction unit 220, second prediction unit 230, and prediction providing unit 240 are implemented by a hardware processor such as a CPU executing a program (software). Some or all of these functional configurations may be realized by hardware (including circuitry) such as LSI, ASIC, FPGA, GPU, etc., or by cooperation of software and hardware. good too.
  • the program may be stored in advance in a storage device such as the HDD or flash memory of the prediction device 200 (a storage device having a non-transitory storage medium), or may be a removable storage medium such as a DVD or CD-ROM. , and may be installed in the HDD or flash memory of the information processing apparatus 100 by loading the storage medium (non-transitory storage medium) into the drive device.
  • a storage device such as the HDD or flash memory of the prediction device 200 (a storage device having a non-transitory storage medium), or may be a removable storage medium such as a DVD or CD-ROM.
  • the storage unit 250 is realized by, for example, the various storage devices described above, SSD, RAM, HDD, or the like.
  • the storage unit 250 stores track record information 252 and actual traveling information 254 acquired by the information management unit 210, which will be described later.
  • the storage unit 250 also stores first prediction information 256 regarding the demand for parts predicted by the first prediction unit 220 and second prediction information 258 regarding the demand for parts predicted by the second prediction unit 230 .
  • the information management unit 210 manages various types of information.
  • the information management unit 210 acquires and manages information provided by the information processing apparatus 100 or information obtained by processing performed by the prediction apparatus 200 .
  • the information management unit 210 causes the storage unit 250 to store the performance information 142 and the actual driving information 148 provided by the information processing device 100, and stores the prediction result predicted by the first prediction unit 220 or the second prediction unit 230 in the storage unit. 250 is stored.
  • the first prediction unit 220 predicts demand for parts.
  • the second prediction unit 230 predicts demand based on the performance information 252 and the actual travel information 254 .
  • the second prediction unit 230 predicts demand for parts for each vehicle type of the vehicle M (or for each group of specific vehicle types), for each part, or for each combination of vehicle type and parts. The details of this processing will be described later.
  • the prediction providing unit 240 provides the prediction result of the second prediction unit 230 to other devices.
  • the other device is a terminal device of a company or department that manages parts, or a terminal device of a company or department that manufactures parts.
  • FIG. 4 is a flowchart showing an example of the flow of processing executed by the information processing apparatus 100.
  • the first acquisition unit 110 acquires the performance information 142 (step S100).
  • the 2nd acquisition part 120 acquires the operation information 144 from the vehicle M (step S102).
  • the processing unit 130 aggregates the operation information 144 (step S104).
  • the aggregated operation information 144 may be hereinafter referred to as aggregated information.
  • the processing unit 130 processes the aggregated information 146 to generate the actual traveling information 148 (step S106).
  • the processing unit 130 provides the generated actual driving information 148 to the prediction device 200 .
  • the processing of one routine in this flowchart ends.
  • FIG. 5 is a diagram showing an example of the operating information 144 acquired by the second acquisition unit 120.
  • the operation information 144 is information in which a date (or date and time) and information indicating the operation status of the vehicle M are associated with each other for each vehicle M.
  • the information indicating the operating status is information indicating the operating status and traveling status of the vehicle M such as travel time, travel distance, and number of times of braking.
  • the running time may be the time from when the ignition switch of the vehicle M is turned on until it is turned off, or it may be the time during which the vehicle M is actually running at a speed equal to or higher than a predetermined speed. good.
  • the number of times of braking is the number of times braking has been performed, or the number of times braking operation has been performed at a predetermined degree or more.
  • the operating status includes the number of times the acceleration or deceleration changes by a predetermined degree or more (the number of sudden accelerations or sudden decelerations), the number of times the lateral acceleration of the vehicle M changes by a predetermined degree or more (the number of sharp turns), and the like. It may be
  • the information processing device 100 may include a navigation server (not shown) that acquires information on the vehicle M by communicating with the navigation device 30 of the vehicle M, or , the operating information 144 (or aggregated information) may be obtained from other devices that obtain vehicle M information. Further, the information processing device 100 may acquire the position information of the vehicle M (information in which the position information is associated with the time) from the vehicle M, and generate the operation information 144 based on the acquired position information. For example, the information processing device 100 may generate the travel distance and travel time of the vehicle from the position information.
  • FIG. 6 is a diagram showing an example of the aggregated information 146.
  • the total information 146 is, for example, information indicating the result of totaling the operation information 144 for each predetermined period, and information indicating the result of totaling the operation information 144 for each combination of a vehicle of the same type and a vehicle belonging to the same region. is.
  • a predetermined period is an arbitrary period such as a month or a week.
  • the area to which the information provider belongs is the area to which the vehicle M that provides the information belongs.
  • the area to which the vehicle M belongs includes, for example, an area corresponding to the position of the parking lot of the vehicle M (for example, an area where the vehicle M is parked for a long time), an area where the vehicle M is being driven for a long time, and an area where the vehicle M is managed. This is an area where a store (dealer or repair shop of the vehicle M) exists.
  • the aggregated information 146 is information including, for example, the traveling time, traveling distance, number of times of braking, etc. of the vehicle M of the vehicle type a belonging to the region A for each month.
  • the aggregated information 146 or the actual traveling information 148 which will be described later, is an example of "information indicating the actual traveling of a vehicle associated with a predetermined area".
  • FIG. 7 is a diagram for explaining the actual traveling information 148.
  • the actual driving condition information 148 is information indicating the actual driving condition of the vehicle M for each region and vehicle type obtained from the aggregated information 146 .
  • the actual travel information 148 is information indicating an increase or decrease in a predetermined item (travel time, travel distance, number of times of braking, etc.) of the aggregated information 146 for each predetermined period.
  • the actual traveling information 148 may be information generated by focusing on any item among the items of the total information 146 (travel time, traveling distance, number of times of braking, etc.), or may be information generated by focusing on all items. It may be information generated by
  • the actual driving information 148 may be information obtained by scoring arbitrary items.
  • actual traveling information 148 generated by focusing on the traveling time (actual value) of the aggregated information 146 is shown.
  • the travel status information 148 in FIG. 7 indicates the degree of increase and the degree of decrease in the travel time of the vehicle M for each month. As shown in FIG. 7, the running time of the vehicle M tends to alternately increase and decrease, and the amplitude of the increase and decrease tends to fall within a predetermined range.
  • FIG. 8 is a diagram showing a comparison between the actual traveling information 148 and the performance information 142.
  • the trend of increase/decrease in the track record information 142 (actual value) indicating the number of parts actually shipped in time series and the trend of increase/decrease of the actual driving information 148 are the same or similar.
  • the tendency of the amplitude of the track record information 142 (actual value) indicating the number of parts actually shipped and the trend of the amplitude of the running condition information 148 are the same or similar tendencies.
  • the increase/decrease in the running time of the vehicle M for each month and the increase/decrease in the number of shipments of parts per month are linked (feature 1), and the amplitude of the running time of the vehicle M for each month and the number of shipments of parts for each month are linked. is interlocked with the amplitude of (Feature 2).
  • the information processing device 100 provides the above track record information 142 and the actual driving information 148 to the prediction device 200, and the prediction device 200 predicts the trend of the actual driving indicated by the provided track record information 142 and the actual driving information 148 (feature 1 and feature 2) to perform more accurate demand forecasting for parts. In this way, the information processing device 100 can assist the prediction device 200 in predicting demand for parts.
  • the prediction device 200 generates second prediction information 258 based on the performance information 252 ( 142 ), the actual driving information 254 ( 148 ), and the first prediction information 256 .
  • the track record information 252 is the track record information 142 provided by the information processing device 100
  • the actual traveling information 254 is the actual driving information 148 provided by the information processing device 100
  • the first forecast information 256 is information (information indicating an existing forecast value) indicating the demand forecast for parts predicted by the first forecasting unit 220 based on various indexes.
  • the first forecast information 256 is information generated based on trends in the number of shipments and demand for parts up to the present, and various economic indicators.
  • the various economic indicators are, for example, GDP (Gross Domestic Product), mining and manufacturing index, and the number of machine orders.
  • FIG. 9 is a diagram (part 1) for explaining the process of generating the second prediction information 258.
  • the second prediction unit 230 predicts the demand for parts using the performance values and the indicators of the actual driving condition information 254 for each predetermined period, which are the actual values and indicators at least at three points in time. For example, the second prediction unit 230 predicts the demand for parts at T+1 using the indicators of the actual traveling information 254 at timings T ⁇ 1 and T, and uses the indicators of the actual traveling information 254 at timings T and T+1 to predict the demand for parts at T+2. Forecast demand for parts.
  • the second prediction unit 230 predicts the displacement of the indicator of the actual traveling information 254 at the timing T (an example of the “first time”) relative to the index of the actual traveling information 254 at the timing T-1 (an example of the “second time”). Based on this, the demand at timing T+1 (an example of the "third point in time”) is predicted.
  • the second prediction unit 230 lowers the prediction of the demand at the timing T+1 below the existing prediction value.
  • the second prediction unit 230 increases the prediction of the demand at the timing T+1 more than the existing prediction value.
  • the second prediction unit 230 calculates Demand at timing T+1 is predicted based on a value obtained by subtracting the magnitude of the difference between the index of timing T ⁇ 1 and the index of timing T ⁇ 1 traveling actual state information 254 .
  • the second prediction unit 230 calculates The demand at timing T+1 is predicted based on the value obtained by adding the magnitude of the difference between the indicator of timing T ⁇ 1 and the indicator of the timing T ⁇ 1 running status information 254 .
  • the second prediction unit 230 determines that the actual driving value of the actual driving information 254 at the timing T (FIG. 9, P1) is +4% with respect to the actual driving value of the actual driving information 254 at the timing T-1.
  • Second prediction information 258 is generated with a new prediction value (FIG. 9, P3) obtained by subtracting 4% from the existing prediction value (FIG. 9, P2) of the first prediction information 256 at timing T+1.
  • the second prediction unit 230 uses the feature 1 described above to predict that the demand tends to decrease after the increase, and the amplitude has the same trend using the feature 2 described above. We expect demand to decline.
  • a value obtained by applying the difference between the actual traveling value at timing T and the actual traveling value at timing T-1 to a function may be used as the new predicted value.
  • a tendency such as an increasing tendency or a decreasing tendency compared to the existing predicted value may be obtained in the above process.
  • the second prediction unit 230 corrects the existing predicted value based on the actual driving value that is increasing. Predict the predicted value. As a result, the prediction device 200 can more accurately predict the demand for parts.
  • the second prediction unit 230 when the actual driving value at the timing of interest with respect to the previous timing tends to decrease, the second prediction unit 230 generates a new predicted value by correcting the existing predicted value based on the actual driving value showing a decreasing trend. You can predict. As a result, the prediction device 200 can more accurately predict the demand for parts.
  • the second prediction unit 230 predicts that the actual driving value at the next timing has a tendency opposite to the increase/decrease tendency of the past actual driving value (the operating value at the first time point and the operating value at the second time point). ) and the existing predicted value for the next timing, a new predicted value obtained by correcting the existing predicted value for the next timing is obtained, thereby making it possible to predict the demand for parts more accurately.
  • FIG. 10 is a diagram (part 2) for explaining the process of generating the second prediction information 258.
  • the second prediction unit 230 predicts demand based on the actual value of demand, the actual driving value, and the existing predicted value.
  • the second prediction unit 230 predicts demand based on the relative relationship between the index obtained from the actual driving value, the existing predicted value, and the index obtained from the actual value.
  • the second prediction unit 230 adopts the existing prediction value as the prediction value or adopts the existing prediction value based on the relative relationship between the index obtained from the actual driving value, the existing prediction value, and the index obtained from the actual value Decide whether to use the corrected value as the predicted value.
  • the second prediction unit 230 determines that the actual driving value of the actual driving information 254 at the timing T+1 (FIG. 10, P4) is minus 3% relative to the actual driving value of the actual driving information 254 at the timing T.
  • the predicted value of T+2 is temporarily placed in the new predicted value (FIG. 10, P6) by adding 3% to the existing predicted value (FIG. 10, P5) of the first prediction information 256 .
  • the temporarily placed new predicted value is an example of an "indicator obtained from the actual driving value”.
  • a market value which will be described later, is an example of an "index obtained from an actual value" or an "index based on an actual value.”
  • the second prediction unit 230 obtains the market value of the actual value at timing T+2 (Fig. 10, P7).
  • a market value is a value obtained from the trend of past actual values.
  • the market value is, for example, a value obtained by linearly extending a line connecting the results at timing T and the results at timing T+1.
  • the second prediction unit 230 compares the trend value of the actual value at timing T+2 (FIG. 10, P7) with the existing predicted value at timing T+2 (FIG. 10, P5) to determine whether the existing predicted value is the actual value. If the upside forecast is possible for the going price (when the sign is positive when the market value is subtracted from the existing forecast value), the existing forecast value is used without correcting the temporary new forecast value. The new predicted value (FIG. 10, P5).
  • a value based on the existing predicted value may be used as the new predicted value instead of the existing predicted value.
  • a value based on the existing predicted value is, for example, a value corrected to increase (or decrease) the existing predicted value.
  • the second prediction unit 230 calculates the value based on the temporarily placed new prediction value (value obtained by increasing the existing prediction value) and the existing prediction value (existing prediction value at the third point in time) (for example, the value based on the difference). based), a new predicted value may be determined.
  • the temporarily placed new forecast value (Fig. 10, P6) may be used as the normal new forecast value, or the existing forecast value It may be a normal new predicted value.
  • the second prediction unit 230 uses the actual traveling value, the market value, and the existing predicted value to adopt the existing predicted value as the new predicted value, or corrects it based on the actual traveling value. Decide whether to accept the value as the new prediction value. As a result, the prediction device 200 can more accurately predict the demand for parts.
  • FIG. 11 is a flowchart showing an example of the flow of processing executed by the prediction device 200.
  • the second prediction unit 230 of the prediction device 200 can predict that the actual driving value at the next prediction timing will tend to decrease with respect to the actual driving value at the current timing, based on the trend of the actual driving value in the past. It is determined whether or not (step S200).
  • the second prediction unit 230 acquires the degree of increase of the current actual driving value with respect to the previous actual driving value (step S202). Next, the second prediction unit 230 decreases the existing prediction value by the absolute value of the degree of increase (step S204). Next, the second prediction unit 230 uses the reduced existing prediction value as a new prediction value (step S206). As a result, the processing of one routine in this flowchart ends.
  • the second prediction unit 230 acquires the degree of decrease of the current actual driving value with respect to the previous actual driving value (step S208). Next, the second prediction unit 230 temporarily stores a new prediction value obtained by increasing the existing prediction value by the absolute value of the degree of decrease (step S210). Next, the second prediction unit 230 obtains market values based on the actual values (step S212).
  • the second prediction unit 230 determines whether the existing prediction value is higher than the market value (step S214). If the existing predicted value is higher than the market value, the second prediction unit 230 sets the existing predicted value as the regular new predicted value without correcting the temporary new predicted value (step S216). ). When the existing predicted value does not exceed the market value, the second prediction unit 230 sets the temporarily placed new predicted value as the normal new predicted value (step S218). As a result, the processing of one routine in this flowchart ends.
  • the order of the above processes may be changed, and some processes may be omitted. For example, if the existing predicted value is higher than the market value, the process of temporarily placing the new predicted value may be omitted.
  • the same process as the above concept may be performed.
  • the second prediction unit 230 does not use the temporary new prediction value as the normal new prediction value.
  • the existing predicted value may be used as the normal new predicted value.
  • FIG. 12 is a diagram for comparing existing predicted values and new predicted values.
  • FIG. 12 shows the error of the existing predicted value with respect to the actual value in a predetermined period and the error of the new predicted value with respect to the actual value in the predetermined period. As shown in FIG. 12, the error of the new prediction value tends to be smaller than the error of the existing prediction value in a predetermined period. It can be seen that the new predicted value is a highly accurate prediction result compared to the existing predicted value.
  • the new predicted value has higher accuracy than the existing predicted value in a specific period of the predetermined period.
  • a specific period is a period in which changes occur in the social environment. Specifically, it is an institution whose social life has been restrained or whose economic activity has stagnated due to the impact of the coronavirus.
  • the errors in the existing forecasts were larger in certain periods than in other periods, but the errors in the new forecasts tended not to increase too much.
  • the prediction device 200 derives a new prediction value by reflecting the running state of the vehicle M (not reflected in the existing prediction value), which cannot be measured from actual demand for parts and economic indicators, as described above. This is because
  • the prediction device 200 can perform more accurate demand prediction for parts.
  • the prediction device 200 may perform the above processing when predicting the demand for a specific vehicle model part or a specific part.
  • the prediction device 200 may perform the above process when predicting the demand for a vehicle with a vehicle class below a predetermined level, parts in front of the vehicle, or parts with a demand scale above a predetermined level.
  • the prediction accuracy of a vehicle with a vehicle rating below a certain level is higher than the prediction accuracy of a vehicle with a vehicle rating above a certain level, and the prediction accuracy of front parts is higher than that of other parts (for example, rear parts). This is because the prediction accuracy of parts whose demand scale is greater than or equal to a predetermined degree tends to be higher than the prediction accuracy of parts whose demand scale is less than the predetermined degree.
  • the information processing device 100 can support the prediction device 200 in more accurately predicting demand for parts by providing the prediction device 200 with actual values and operating values. .
  • the prediction device 200 can more accurately predict demand for parts based on actual values and operating values.
  • the prediction device 200 can more accurately predict demand for parts based on actual values, actual driving values, and existing predicted values. These prediction results may be displayed, for example, on the display unit of the terminal device. The user can manage demand for parts based on the information displayed on the display unit. For example, the information processing device 100 or the prediction device 200 causes the display unit to display the prediction result.
  • Reference Signs List 1 prediction system 10 vehicle system 20 vehicle sensor 30 navigation device 100 information processing device 110 first acquisition unit 120 second acquisition unit 130 processing unit 142 performance information 144 Operation information 146 Aggregate information 148 Actual traveling information 200 Prediction device 210 Information management unit 220 First prediction unit 230 Second prediction unit 240 Prediction provision unit 252 Results information, 254... driving actual information, 256... first prediction information, 258... second prediction information

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

需要予測装置は、車両の部品の交換または修理に備えた前記部品の需要を予測する予測装置であって、前記部品の需要の実績値、前記部品を用いる車両の稼働に関する稼働値、および予測された前記部品の需要である既存予測値を取得する取得部と、前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測する予測部とを備える。

Description

需要予測装置、需要予測方法、および記憶媒体
　本発明は、需要予測装置、需要予測方法、および記憶媒体に関する。
　本願は、２０２１年９月２８日に、日本に出願された特願２０２１－１５８３４２号に基づき優先権を主張し、その内容をここに援用する。
　従来、部品の交換率および稼働特性を用いて、部品の需要を予測する部品需要予測記憶媒体が開示されている（例えば、特許文献１参照）。
特開２００７－１９９８４４号公報
　しかしながら、上記の予測手法は、十分に高精度ではない場合があった。
　本発明は、このような事情を考慮してなされたものであり、より精度よく部品の需要を予測することを目的の一つとする。
　この発明に係る需要予測装置、需要予測システム、需要予測方法、および記憶媒体は、以下の構成を採用した。
　（１）：この発明の一態様に係る需要予測装置は、車両の部品の交換または修理に備えた前記部品の需要を予測する予測装置であって、前記部品の需要の実績値、前記部品を用いる車両の稼働に関する稼働値、および予測された前記部品の需要である既存予測値を取得する取得部と、前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測する予測部とを備える。
　（２）：上記（１）の態様において、前記予測部は、前記稼働値から求めた指標と、前記既存予測値と、前記実績値から求めた指標との相対関係に基づいて、前記需要を予測するものである。
　（３）：上記（１）または（２）の態様において、前記予測部は、前記稼働値の増減の傾向から求めた指標と、前記既存予測値と、前記実績値から求めた指標との相対関係に基づいて、前記既存予測値を予測値として採用するか、前記既存予測値を補正した値を予測値として採用するかを決定する。
　（４）：上記（３）の態様において、時系列における前記稼働値の増減の傾向は前記実績値の増減の傾向と同一または類似し、前記予測部は、前記時系列における前記稼働値の増減の傾向と前記実績値の増減の傾向とに基づいて、前記需要を予測する。
　（５）：上記（３）または（４）の態様において、時系列における前記稼働値の振り幅の傾向は前記実績値の振り幅の傾向と同一または類似し、前記予測部は、前記時系列における前記稼働値の振り幅の傾向と前記実績値の振り幅の傾向とに基づいて、前記需要を予測する。
　（６）：上記（１）から（５）のいずれかの態様において、前記取得部は、所定周期ごとの前記実績値、前記所定周期ごとの前記稼働値、および前記所定周期ごとの前記既存予測値を取得し、前記予測部は、第１時点の前記稼働値が、前記第１時点よりも前の第２時点の稼働値よりも増加傾向である場合、前記第１時点の前記稼働値と前記第２時点の稼働値との差分に基づいて、前記第１時点よりも後の第３時点の前記既存予測値を減少させた値を予測値に決定する。
　（７）：上記（１）から（６）のいずれかの態様において、前記取得部は、所定周期ごとの前記実績値、前記所定周期ごとの前記稼働値、および前記所定周期ごとの前記既存予測値を取得し、前記予測部は、第１時点の前記稼働値が、前記第１時点よりも前の第２時点の稼働値よりも減少傾向である場合、前記第１時点の前記稼働値と前記第２時点の稼働値との差分に基づいて、前記第１時点よりも後の第３時点の前記既存予測値を増加させた値を予測値に決定する。
　（８）：上記（１）から（７）のいずれかの態様において、前記取得部は、所定周期ごとの前記実績値、前記所定周期ごとの前記稼働値、および前記所定周期ごとの前記既存予測値を取得し、前記予測部は、第１時点の実績値と、前記第１時点よりも前の第２時点の実績値とに基づいて、前記第１時点よりも将来の第３時点の前記実績値に基づく指標を取得し、前記第３時点の前記既存予測値と、前記実績値に基づく指標との大きさを比較し、比較結果に基づいて、前記第３時点の前記既存予測値を前記第３時点の予測値とするか、前記第１時点の前記稼働値と前記第２時点の稼働値とに基づいて前記第３時点の既存予測値を補正した値を前記第３時点の予測値とするかを決定する。
　（９）：上記（８）の態様において、前記予測部は、前記第３時点の前記既存予測値が前記実績値に基づく指標以上である場合、前記第３時点の前記既存予測値を前記第３時点の予測値に決定し、前記第３時点の前記既存予測値が前記実績値に基づく指標よりも小さい場合、前記第１時点の前記稼働値と前記第２時点の稼働値とに基づいて前記第３時点の既存予測値を補正した値を前記第３時点の予測値に決定する。
　（１０）：上記（１）から（９）のいずれかの態様において、前記車両の稼働値は、所定のエリアに対応付けられた車両の走行実態を示す情報である。
　（１１）：この発明の他の一態様に係る需要予測システムは、車両の部品の交換または修理に備えた前記部品の需要を予測する需要予測システムであって、前記需要予測システムは、前記部品の需要の実績値を取得し、前記部品を用いる車両の稼働に関する稼働値を取得し、予測された前記部品の需要である既存予測値を取得し、前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測する需要予測システムである。（１１）は、以下であってもよい。車両の部品の交換または修理に備えた前記部品の需要を予測する需要予測方法であって、前記需要予測方法は、前記部品の需要の実績値を取得し、前記部品を用いる車両の稼働に関する稼働値を取得し、予測された前記部品の需要である既存予測値を取得し、前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測する需要予測方法である。
　（１２）：この発明の他の一態様に係るプログラムが記憶された非一時的な記憶媒体は、コンピュータに車両の部品の交換または修理に備えた前記部品の需要を予測させるプログラムであって、前記コンピュータに、前記部品の需要の実績値を取得させ、前記部品を用いる車両の稼働に関する稼働値を取得させ、予測された前記部品の需要である既存予測値を取得させ、前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測させるプログラムが記憶された非一時的な記憶媒体である。
　（１）－（１２）によれば、需要予測装置、需要予測システム、または記憶媒体が、実績値と稼働値と既存予測値とに基づいて、需要を予測することにより、より精度よく部品の需要を予測することができる。
　（８）または（９）によれば、需要予測装置が、既存予測値と実績値に基づく指標との関係に基づいて、第３時点の予測値を決定することにより、予測値が大きくなってしまうことを抑制することができる。
情報提供装置および需要予測装置を含む予測システム１の構成の一例を示す図である。 車両Ｍに搭載された車両システム１０の機能構成の一例を示す図である。 情報処理装置１００および予測装置２００の機能構成の一例を示す図である。 情報処理装置１００により実行される処理の流れの一例を示すフローチャートである。 第２取得部１２０が取得する稼働情報１４４の一例を示す図である。 集計情報１４６の一例を示す図である。 走行実態情報１４８について説明するため図である。 走行実態情報１４８と、実績情報１４２とを比較して示す図である。 第２予測情報２５８を生成する処理について説明するための図（その１）である。 第２予測情報２５８を生成する処理について説明するための図（その２）である。 予測装置２００により実行される処理の流れの一例を示すフローチャートである。 既存予測値と新予測値とを比較するための図である。
　以下、図面を参照し、本発明の需要予測装置、需要予測システム、および記憶媒体の実施形態について説明する。
　図１は、情報提供装置および需要予測装置を含む予測システム１の構成の一例を示す図である。予測システム１は、例えば、一以上の車両Ｍ（図中、Ｍ１－Ｍｎ）と、情報処理装置１００と、予測装置２００とを備える。車両Ｍと、情報処理装置１００とは、ネットワークＮＷを介して互いに通信可能である。ネットワークＮＷは、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、公衆回線、プロバイダ装置、専用回線、無線基地局などを含む。情報処理装置１００と、予測装置２００とは、専用線またはネットワークＮＷを介して互いに通信可能である。情報処理装置１００は特許請求の範囲の「情報提供装置」の一例であり、予測装置２００は特許請求の範囲の「需要予測装置」の一例である。
　［車両］
　一以上の車両Ｍは、所定の地域で利用されている車両である。所定の地域とは、車両Ｍが主に利用されている地域や、車両Ｍの駐車スペースに対応する地域である。
　図２は、車両Ｍに搭載された車両システム１０の機能構成の一例を示す図である。車両システム１０は、例えば、車両センサ２０や、ナビゲーション装置３０、通信装置４０、処理装置５０、記憶部６０などを含む。車両システム１０は、上記の機能構成の他に不図示の車両を制御するためのアクチュエータや電子機器、操作子などを含む。
　車両センサ２０は、車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、ヨーレート（例えば、車両Ｍの重心点を通る鉛直軸回りの回転角速度）を検出するヨーレートセンサ、車両Ｍの向きを検出する方位センサ等を含む。車両センサ２０は、例えば、ブレーキペダルに対して行われた操作を検出するブレーキペダルセンサや、自車両Ｍの操舵量（例えば、操舵角）を検出する操舵センサなどを含んでいてもよい。車両センサ２０により検出した結果は、処理装置５０に出力される。
　ナビゲーション装置３０は、例えば、ＨＭＩ（Human machine Interface）３２と、ＧＮＳＳ（Global Navigation Satellite System）受信機３４と、ナビ制御部３６と、地図情報３８とを備える。ＨＭＩ３２は、例えば、タッチパネル式ディスプレイ装置やスピーカ、マイクなどを含む。ＧＮＳＳ受信機３４は、ＧＮＳＳ衛星（例えばＧＰＳ衛星）から到来する電波に基づいて自機の位置（車両Ｍの位置）を測位する。ナビ制御部３６は、例えば、ＣＰＵ（Central Processing Unit）や各種記憶装置を備え、ナビゲーション装置３０全体を制御する。記憶装置には、地図情報（ナビ地図）３８が格納されている。ナビ地図は、ノードとリンクで道路を表現した地図である。ナビゲーション装置３０は、測位した位置を示す位置情報を処理装置５０に提供する。
　通信装置４０は、例えば、ネットワークＮＷを介して他の装置と通信するための通信インターフェースである。通信装置４０は、Ｗｉ－Ｆｉ、ＤＳＲＣ（Dedicated Short Range Communications）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の通信規格に基づいて無線通信を行う。
　処理装置５０は、ＣＰＵなどのハードウェアプロセッサが記憶装置に記憶されたプログラム（ソフトウェア）を実行することにより実現される。記憶部６０は、例えば、上記の各種記憶装置、或いはＳＳＤ（Solid State Drive）や、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disc Drive）等により実現されてもよい。記憶部６０には、例えば、車両センサ２０により出力された情報や、ナビゲーション装置３０により提供された情報が記憶される。
　処理装置５０は、車両センサ２０により出力された情報や、ナビゲーション装置３０により提供された情報など車両の稼働に関する稼働情報（車両Ｍのイグニッションスイッチの状態や走行状態などを含む車両の状態を示す情報）を情報処理装置１００に提供する。
　［情報処理装置］
　図３は、情報処理装置１００および予測装置２００の機能構成の一例を示す図である。
情報処理装置１００に含まれる機能構成の一部または全部は、予測装置２００に含まれてもよい。情報処理装置１００に含まれる機能構成、または予測装置２００に含まれる機能は複数の装置に分散されて設けられてもよい。情報処理装置１００または予測装置２００は、車両Ｍを製造または販売する自動車メーカ等の事業体が管理する装置である。
　情報処理装置１００は、例えば、第１取得部１１０と、第２取得部１２０と、処理部１３０（「提供部」の一例）と、記憶部１４０とを備える。第１取得部１１０と、第２取得部１２０と、処理部１３０とは、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの機能構成のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め情報処理装置１００のＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで情報処理装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。
　記憶部１４０は、例えば、上記の各種記憶装置、或いはＳＳＤや、ＲＡＭ、ＨＤＤ等により実現される。記憶部１４０には、後述する第１取得部１１０および第２取得部１２０が取得した情報（実績情報１４２、稼働情報１４４）が記憶される。また、記憶部１４０には、処理部１３０が、実績情報１４２または稼働情報１４４を加工した情報である集計情報１４６および走行実態情報１４８が記憶される。記憶部１４０に記憶された情報の詳細については後述する。
　第１取得部１１０は、実績情報を取得する。実績情報は、部品の出荷実績を示す情報（実績値を示す情報）である。実績情報は、部品の在庫や出荷、生産を管理する不図示の管理装置により提供された情報である。第２取得部１２０は、稼働情報を取得する。稼働情報は、処理装置５０に提供された情報である。
　処理部１３０は、第１取得部１１０が取得した実績情報１４２および第２取得部１２０が取得した稼働情報１４４を記憶部１４０に記憶させる。処理部１３０は、実績情報１４２または稼働情報１４４を加工し、予測装置２００が利用する情報を生成する。例えば、処理部１３０は、稼働情報１４４を加工して集計情報１４６および車両Ｍの走行実態を示す走行実態情報１４８を生成する。処理部１３０は、生成した情報を所定のタイミングで予測装置２００に提供する。処理部１３０は、例えば、予測装置２００のリクエストに応じて、または事前に決められた周期で実績情報１４２または稼働情報１４４を予測装置２００に提供する。処理部１３０は、稼働情報１４４を予測装置２００に提供し、予測装置２００が稼働情報１４４を加工してもよい。
　［予測装置］
　予測装置２００は、例えば、情報管理部２１０（「取得部」の一例）と、第１予測部２２０と、第２予測部２３０（「予測部」の一例）と、予測提供部２４０と、記憶部２５０とを備える。情報管理部２１０と、第１予測部２２０と、第２予測部２３０と、予測提供部２４０とは、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの機能構成のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め予測装置２００のＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで情報処理装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。
　記憶部２５０は、例えば、上記の各種記憶装置、或いはＳＳＤや、ＲＡＭ、ＨＤＤ等により実現される。記憶部２５０には、後述する情報管理部２１０が取得した実績情報２５２および走行実態情報２５４が記憶される。また、記憶部２５０には、第１予測部２２０が予測した部品の需要に関する第１予測情報２５６、および第２予測部２３０が予測した部品の需要に関する第２予測情報２５８が記憶される。
　情報管理部２１０は、各種情報を管理する。情報管理部２１０は、情報処理装置１００により提供された情報または予測装置２００が処理を行って得られた情報を取得したり、管理したりする。情報管理部２１０は、情報処理装置１００により提供された実績情報１４２および走行実態情報１４８を記憶部２５０に記憶させたり、第１予測部２２０または第２予測部２３０が予測した予測結果を記憶部２５０に記憶させたりする。
　第１予測部２２０は、部品の需要を予測する。第２予測部２３０は、実績情報２５２と、走行実態情報２５４とに基づいて、需要を予測する。第２予測部２３０は、車両Ｍの車種ごと（または特定の車種をグループ化したグループごと）、部品ごと、或いは車種と部品との組み合わせごとに、部品の需要を予測する。この処理の詳細については後述する。
　予測提供部２４０は、第２予測部２３０の予測結果を他の装置に提供する。他の装置とは、部品を管理している事業者または部署の端末装置や、部品を製造している事業者または部署の端末装置である。
　［情報処理装置の処理］
　図４は、情報処理装置１００により実行される処理の流れの一例を示すフローチャートである。まず、第１取得部１１０が、実績情報１４２を取得する（ステップＳ１００）。
次に、第２取得部１２０が、車両Ｍから稼働情報１４４を取得する（ステップＳ１０２）。次に、処理部１３０が、稼働情報１４４を集計する（ステップＳ１０４）。集計された稼働情報１４４を、以下、集計情報と称する場合がある。次に、処理部１３０は、集計情報１４６を加工して走行実態情報１４８を生成する（ステップＳ１０６）。次に、処理部１３０は、生成した走行実態情報１４８を予測装置２００に提供する。これにより、本フローチャートの１ルーチンの処理が終了する。
　図５は、第２取得部１２０が取得する稼働情報１４４の一例を示す図である。稼働情報１４４は、車両Ｍごとに、日付（または日時）と、車両Ｍの稼働状況を示す情報とが互いに対応付けられた情報である。稼働状況を示す情報とは、走行時間や、走行距離、制動回数等の車両Ｍの稼働状態や走行状態を示す情報である。走行時間とは、車両Ｍのイグニッションスイッチがオン状態にされてからオフ状態にされるまでの時間であってもよいし、実際に車両Ｍが所定速度以上で走行している時間であってもよい。制動回数とは、制動が行われた回数や、所定度合以上の制動動作が行われた回数である。稼働状況には、加速度または減速度が所定度合以上変化した回数（急加速または急減速した回数）や、車両Ｍの横方向の加速度が所定度合以上変化した回数（急旋回した回数）等が含まれていてもよい。
　情報処理装置１００は、稼働情報１４４を車両Ｍから直接取得することに代えて（或いは加えて）、車両Ｍのナビゲーション装置３０と通信して車両Ｍの情報を取得するナビゲーションサーバ（不図示）や、車両Ｍの情報を取得するその他の装置から稼働情報１４４（または集計情報）を取得してもよい。また、情報処理装置１００は、車両Ｍから車両Ｍの位置情報（位置情報と時刻とが対応付けられた情報）を取得し、取得した位置情報に基づいて稼働情報１４４を生成してもよい。例えば、情報処理装置１００は、位置情報から車両の走行距離や走行時間を生成してもよい。
　図６は、集計情報１４６の一例を示す図である。集計情報１４６は、例えば、所定期間ごとの稼働情報１４４の集計結果を示す情報であって、同じ車種の車両と属する地域が同じ車両との組み合わせごとに稼働情報１４４が集計された結果を示す情報である。所定期間とは、月や週など任意に定められた期間である。属する地域とは、情報提供元の車両Ｍが属する地域である。車両Ｍが属する地域とは、例えば、車両Ｍの駐車場の位置に対応する地域（例えば駐車している時間が長い場所の地域）や、走行している時間の長い地域、車両Ｍを管理している店舗（車両Ｍの販売店や修理工場）が存在している地域である。集計情報１４６は、例えば、月ごとの地域Ａに属する車種ａの車両Ｍの走行時間や、走行距離、制動回数などを含む情報である。集計情報１４６または後述する走行実態情報１４８は、「所定のエリアに対応付けられた車両の走行実態を示す情報」の一例である。
　図７は、走行実態情報１４８について説明するため図である。走行実態情報１４８とは、集計情報１４６から得られた地域および車種ごとの車両Ｍの走行実態を示す情報である。例えば、走行実態情報１４８は、所定期間ごとの集計情報１４６の所定の項目（走行時間や走行距離、制動回数など）の増減を示す情報である。走行実態情報１４８は、集計情報１４６の各項目（走行時間や、走行距離、制動回数など）のうち任意の項目に着目して生成された情報であってもよいし、全ての項目に着目して生成された情報であってもよい。走行実態情報１４８は、任意の項目をスコア化して得られた情報であってもよい。
　図７の例では、集計情報１４６のうち走行時間（実態値）に着目して生成された走行実態情報１４８を示している。図７の走行実態情報１４８では、月ごとの車両Ｍの走行時間の増加度合および減少度合を示している。図７に示すように、車両Ｍの走行時間は、増減を交互に繰り返す傾向であり、更に、増減の振り幅は所定の範囲内に収まる傾向である。
　走行実態情報１４８と、実績情報１４２とを比較すると、これらの増減の傾向および振り幅は連動している傾向となる。図８は、走行実態情報１４８と、実績情報１４２とを比較して示す図である。図８に示すように、時系列における部品を実際に出荷した数を示す実績情報１４２（実績値）の増減の傾向と走行実態情報１４８の増減の傾向とは同一または類似の傾向である。図８に示すように、部品を実際に出荷した数を示す実績情報１４２（実績値）の振り幅の傾向と、走行実態情報１４８の振り幅の傾向とは同一または類似の傾向である。月ごとの車両Ｍの走行時間の増減と、月ごとの部品の出荷数の増減とは連動し（特徴１）、月ごとの車両Ｍの走行時間の振り幅と、月ごとの部品の出荷数の振り幅とは連動している（特徴２）。
　情報処理装置１００は、上記の実績情報１４２および走行実態情報１４８を予測装置２００に提供し、予測装置２００は、提供された実績情報１４２、および走行実態情報１４８が示す走行実態の傾向（特徴１および特徴２）を利用して、より精度よく部品の需要予測を行う。このように、情報処理装置１００は、予測装置２００が部品の需要予測を行うことを支援することができる。
　［予測装置の処理］
　予測装置２００は、実績情報２５２（１４２）、走行実態情報２５４（１４８）、および第１予測情報２５６に基づいて、第２予測情報２５８を生成する。
　実績情報２５２は、情報処理装置１００により提供された実績情報１４２であり、走行実態情報２５４は、情報処理装置１００により提供された走行実態情報１４８である。第１予測情報２５６は、第１予測部２２０が、各種指標に基づいて予測した部品の需要予測を示す情報（既存予測値を示す情報）である。第１予測情報２５６は、現在までの部品の出荷数や需要などの傾向と各種経済指標とに基づいて生成された情報である。各種経済指標とは、例えば、ＧＤＰ（Gross Domestic Product）や、鉱工業指数、機械受注数である。
　図９は、第２予測情報２５８を生成する処理について説明するための図（その１）である。第２予測部２３０は、所定周期ごとの実績値および走行実態情報２５４の指標であって、少なくとも３つの時点の実績値および指標を用いて、部品の需要を予測する。第２予測部２３０は、例えば、タイミングＴ－１およびＴの走行実態情報２５４の指標を用いてＴ＋１における部品の需要を予測し、タイミングＴおよびＴ＋１の走行実態情報２５４の指標を用いてＴ＋２における部品の需要を予測する。
　第２予測部２３０は、タイミングＴ（「第１時点」の一例）の走行実態情報２５４の指標に対するとタイミングＴ－１（「第２時点」の一例）の走行実態情報２５４の指標の変位に基づいて、タイミングＴ＋１（「第３時点」の一例）の需要を予測する。第２予測部２３０は、タイミングＴの走行実態情報２５４の指標がタイミングＴ－１の走行実態情報２５４の指標に対して増加傾向である場合、タイミングＴ＋１の需要の予測を既存予測値よりも低下させる。第２予測部２３０は、タイミングＴの走行実態情報２５４の指標がタイミングＴ－１の走行実態情報２５４の指標に対して減少傾向である場合、タイミングＴ＋１の需要の予測を既存予測値よりも増加させる。
　第２予測部２３０は、タイミングＴの走行実態情報２５４の指標がタイミングＴ－１走行実態情報２５４の指標に対して増加傾向である場合、タイミングＴ＋１の既存予測値からタイミングＴの走行実態情報２５４の指標とタイミングＴ－１走行実態情報２５４の指標との差分の大きさを減算した値に基づいて、タイミングＴ＋１の需要を予測する。第２予測部２３０は、タイミングＴの走行実態情報２５４の指標がタイミングＴ－１走行実態情報２５４の指標に対して減少傾向である場合、タイミングＴ＋１の既存予測値からタイミングＴの走行実態情報２５４の指標とタイミングＴ－１走行実態情報２５４の指標との差分の大きさを加算した値に基づいて、タイミングＴ＋１の需要を予測する。
　例えば、現在がタイミングＴであり、将来のタイミングＴ＋１における第２予測情報２５８を求める処理について説明する。第２予測部２３０は、タイミングＴ－１の走行実態情報２５４の走行実態値に対して、タイミングＴの走行実態情報２５４の走行実態値（図９、Ｐ１）はプラス４％であるため、次のタイミングＴ＋１の第１予測情報２５６の既存予測値（図９、Ｐ２）をマイナス４％した値を新予測値（図９、Ｐ３）とした第２予測情報２５８を生成する。第２予測部２３０は、上述した特徴１を用いて需要の増加の後は減少が生じる傾向であると予測し、上述した特徴２を用いて振り幅は同じ傾向であるため、増加した分だけ需要は減少すると予測する。
　なお、既存予測値をマイナス４％した値を新予測値とすることに代えて、タイミングＴの走行実態値とタイミングＴ－１の走行実態値との差分を関数に適用して得られた値や、係数を用いて演算した値を新予測値としてもよい。また、値に代えて、既存予測値に比べて増加傾向や減少傾向などの傾向が上記の処理において求められてもよい。
　上記のように、第２予測部２３０は、前回のタイミングに対して着目するタイミングの走行実態値が増加傾向である場合、増加傾向である走行実態値に基づいて、既存予測値を補正した新予測値を予測する。これにより、予測装置２００は、より精度よく部品の需要を予測することができる。
　なお、第２予測部２３０は、前回のタイミングに対して着目するタイミングの走行実態値が減少傾向である場合、減少傾向である走行実態値に基づいて、既存予測値を補正した新予測値を予測してもよい。これにより、予測装置２００は、より精度よく部品の需要を予測することができる。
　このように、第２予測部２３０は、次のタイミングの走行実態値が過去の走行実態値の増減の傾向とは反対の傾向である特性（第１時点の稼働値と第２時点の稼働値）と、次のタイミングの既存予測値とに基づいて、次のタイミングの既存予測値を補正した新予測値を求めることで、より精度よく部品の需要を予測することができる。
　図１０は、第２予測情報２５８を生成する処理について説明するための図（その２）である。第２予測部２３０は、需要の実績値と走行実態値と既存予測値とに基づいて、需要を予測する。第２予測部２３０は、走行実態値から得た指標と、既存予測値と、実績値から求めた指標との相対関係に基づいて、需要を予測する。例えば、第２予測部２３０は、走行実態値から得た指標と、既存予測値と、実績値から求めた指標との相対関係に基づいて、既存予測値を予測値として採用するか、既存予測値を補正した値を予測値として採用するかを決定する。
　例えば、現在がタイミングＴ＋１であり、将来のタイミングＴ＋２における第２予測情報２５８を求める処理について説明する。第２予測部２３０は、タイミングＴの走行実態情報２５４の走行実態値に対して、タイミングＴ＋１の走行実態情報２５４の走行実態値（図１０、Ｐ４）はマイナス３％であるため、次のタイミングＴ＋２の予測値を、第１予測情報２５６の既存予測値（図１０、Ｐ５）をプラス３％した値を新予測値（図１０、Ｐ６）に仮置きする。仮置きした新予測値は「走行実態値から得た指標」の一例である。後述する成行き値は「実績値から求めた指標」または「実績値に基づく指標」の一例である。
　次に、第２予測部２３０は、タイミングＴ＋２における実績値の成行き値（図１０、Ｐ７）を求める。成行き値は、過去の実績値の傾向から求めた値である。成行き値は、例えば、タイミングＴの実績と、タイミングＴ＋１の実績とを結んだ線を線形に延在させた値である。
　第２予測部２３０は、タイミングＴ＋２における実績値の成行き値（図１０、Ｐ７）と、タイミングＴ＋２における既存予測値（図１０、Ｐ５）とを比較して、既存予測値が実績値の成行き値に対して上振れ予測できている場合（既存予測値から成行き値を減算した場合に符号がプラスになる場合）、仮置きした新予測値に補正をせずに、既存予測値を新予測値（図１０、Ｐ５）とする。
　なお、既存予測値が実績値に対して上振れできている場合において、既存予測値に代えて、既存予測値に基づく値を新予測値としてもよい。既存予測値に基づく値とは、例えば、既存予測値を増加（または低下）させるように補正した値である。例えば、第２予測部２３０は、仮置きした新予測値（既存予測値を増加させた値）と、既存予測値（第３時点の既存予測値）とに基づいて（例えば差分に基づく値に基づいて）、新予測値が決定されてもよい。
　また、成行き値のほうが既存予測値よりも大きい場合（または同一或いは近似する場合）、仮置きした新予測値（図１０、Ｐ６）を正規の新予測値としてもよいし、既存予測値を正規の新予測値としてもよい。
　上記のように、第２予測部２３０は、走行実態値と、成行き値と、既存予測値とを用いて、既存予測値を新予測値として採用するか、走行実態値に基づいて補正した値を新予測値として採用するか決定する。これにより、予測装置２００は、より精度よく部品の需要を予測することができる。
　なお、上述した図１０を用いて説明した処理は省略され、図９を用いて説明した処理が実行されてもよい。
　［フローチャート］
　図１１は、予測装置２００により実行される処理の流れの一例を示すフローチャートである。まず、予測装置２００の第２予測部２３０が、過去の走行実態値の傾向に基づいて、次の予測タイミングの走行実態値が現在のタイミングの走行実態値に対して減少傾向であると予測できるか否かを判定する（ステップＳ２００）。
　減少傾向であると予測できる場合、第２予測部２３０は、前回の走行実態値に対する今回の走行実態値の増加度合を取得する（ステップＳ２０２）。次に、第２予測部２３０は、既存予測値を増加度合の絶対値分減少させる（ステップＳ２０４）。次に、第２予測部２３０は、減少させた既存予測値を新予測値とする（ステップＳ２０６）。これにより、本フローチャートの１ルーチンの処理が終了する。
　減少傾向でないと予測できる場合（増加傾向であると予測できる場合）、第２予測部２３０は、前回の走行実態値に対する今回の走行実態値の減少度合を取得する（ステップＳ２０８）。次に、第２予測部２３０は、既存予測値を減少度合の絶対値分増加させた新予測値を仮置きする（ステップＳ２１０）。次に、第２予測部２３０は、実績値に基づいて、成行き値を求める（ステップＳ２１２）。
　次に、第２予測部２３０は、既存予測値が成行き値に対して上振れしているか否かを判定する（ステップＳ２１４）。既存予測値が成行き値に対して上振れしている場合、第２予測部２３０は、仮置きした新予測値に補正を行わずに既存予測値を正規の新予測値とする（ステップＳ２１６）。既存予測値が成行き値に対して上振れしていない場合、第２予測部２３０は、仮置きした新予測値を正規の新予測値とする（ステップＳ２１８）。これにより、本フローチャートの１ルーチンの処理が終了する。
　なお、上記の処理の順番は変更されてもよいし、一部の処理は省略されてもよい。例えば、既存予測値が成行き値に対して上振れしている場合、新予測値を仮置きする処理は省略されてもよい。
　また、上記の処理において、既存予測値が成行き値に対して下振れしている場合、上記の考え方と同様の処理が行われてもよい。例えば、仮置きした新予測値が既存予測値よりも小さく、成行き値に対して既存予測値が小さい場合、第２予測部２３０は、仮置きした新予測値を正規の新予測値とせずに、既存予測値を正規の新予測値としてもよい。
　図１２は、既存予測値と新予測値とを比較するための図である。図１２は、所定期間における実績値に対する既存予測値の誤差と、所定期間における実績値に対する新予測値の誤差とを示している。図１２に示すように、所定期間において新予測値の誤差は、既存予測値の誤差より小さい傾向である。新予測値は既存予測値に対して精度の高い予測結果であることが分かる。
　更に、所定期間のうち、特定の期間では、新予測値は既存予測値に対してより精度が高いことが分かる。特定の期間とは、社会環境において変化が生じた期間である。具体的には、コロナウイルスの影響により社会生活が抑制されたり、経済活動が停滞したりした機関である。特定の期間において既存予測値の誤差は、他の期間よりも大きくなったが、新予測値の誤差は上がり過ぎず踏みとどまる傾向となった。これは、予測装置２００が、上述したように、部品の需要実績および経済指標などからは測れない（既存予測値に反映されていない）車両Ｍの走行実態を反映させて新予測値を導出しているためである。
　上記のように予測装置２００は、より精度の高い部品の需要予測を行うことができる。
　なお、予測装置２００は、特定の車種の部品や、特定の部品の需要を予測する場合に、上記の処理を行ってもよい。例えば、予測装置２００は、車格が所定以下の車両や、前方の部品、需要規模が所定度合以上の部品の需要を予測する場合に、上記の処理を行ってもよい。車格が所定以下の車両の予測精度は、車格が所定よりも大きい車両の予測精度よりも高く、前方の部品の予測精度は、他の部品（例えば後方の部品）の予測精度よりも高く、需要規模が所定度合以上の部品の予測精度は、需要規模が所定度合未満の部品の予測精度よりも高い傾向であるためである。
　以上説明した実施形態によれば、情報処理装置１００は、実績値および稼働値を予測装置２００に提供することにより、予測装置２００がより精度よく部品の需要を予測することを支援することができる。
　以上説明した実施形態によれば、予測装置２００は、実績値と稼働値とに基づいて、より精度よく部品の需要を予測することができる。
　以上説明した実施形態によれば、予測装置２００は、更に実績値と走行実態値と既存予測値とに基づいて、より精度よく部品の需要を予測することができる。これらの予測結果は、例えば、端末装置の表示部に表示されてもよい。ユーザは、表示部に表示された情報に基づいて、部品の需要管理を行うことができる。例えば、情報処理装置１００または予測装置２００が、予測の結果を表示部に表示させる。
　以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
１‥予測システム、１０‥車両システム、２０‥車両センサ、３０‥ナビゲーション装置、１００‥情報処理装置、１１０‥第１取得部、１２０‥第２取得部、１３０‥処理部、１４２‥実績情報、１４４‥稼働情報、１４６‥集計情報、１４８‥走行実態情報、２００‥予測装置、２１０‥情報管理部、２２０‥第１予測部、２３０‥第２予測部、２４０‥予測提供部、２５２‥実績情報、２５４‥走行実態情報、２５６‥第１予測情報、２５８‥第２予測情報

Claims (12)

  1. 　車両の部品の交換または修理に備えた前記部品の需要を予測する予測装置であって、
    　前記部品の需要の実績値、前記部品を用いる車両の稼働に関する稼働値、および予測された前記部品の需要である既存予測値を取得する取得部と、
    　前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測する予測部と、
    　を備える需要予測装置。
  2. 　前記予測部は、前記稼働値から求めた指標と、前記既存予測値と、前記実績値から求めた指標との相対関係に基づいて、前記需要を予測する、
    　請求項１に記載の需要予測装置。
  3. 　前記予測部は、前記稼働値の増減の傾向から求めた指標と、前記既存予測値と、前記実績値から求めた指標との相対関係に基づいて、前記既存予測値を予測値として採用するか、前記既存予測値を補正した値を予測値として採用するかを決定する、
    　請求項１に記載の需要予測装置。
  4. 　時系列における前記稼働値の増減の傾向は前記実績値の増減の傾向と同一または類似し、
    　前記予測部は、前記時系列における前記稼働値の増減の傾向と前記実績値の増減の傾向とに基づいて、前記需要を予測する、
    　請求項３に記載の需要予測装置。
  5. 　時系列における前記稼働値の振り幅の傾向は前記実績値の振り幅の傾向と同一または類似し、
    　前記予測部は、前記時系列における前記稼働値の振り幅の傾向と前記実績値の振り幅の傾向とに基づいて、前記需要を予測する、
    　請求項３に記載の需要予測装置。
  6. 　前記取得部は、
    　所定周期ごとの前記実績値、前記所定周期ごとの前記稼働値、および前記所定周期ごとの前記既存予測値を取得し、
    　前記予測部は、
    　第１時点の前記稼働値が、前記第１時点よりも前の第２時点の稼働値よりも増加傾向である場合、前記第１時点の前記稼働値と前記第２時点の稼働値との差分に基づいて、前記第１時点よりも後の第３時点の前記既存予測値を減少させた値を予測値に決定する、
    　請求項１に記載の需要予測装置。
  7. 　前記取得部は、
    　所定周期ごとの前記実績値、前記所定周期ごとの前記稼働値、および前記所定周期ごとの前記既存予測値を取得し、
    　前記予測部は、
    　第１時点の前記稼働値が、前記第１時点よりも前の第２時点の稼働値よりも減少傾向である場合、前記第１時点の前記稼働値と前記第２時点の稼働値との差分に基づいて、前記第１時点よりも後の第３時点の前記既存予測値を増加させた値を予測値に決定する、
    　請求項１に記載の需要予測装置。
  8. 　前記取得部は、
    　所定周期ごとの前記実績値、前記所定周期ごとの前記稼働値、および前記所定周期ごとの前記既存予測値を取得し、
    　前記予測部は、
    　第１時点の実績値と、前記第１時点よりも前の第２時点の実績値とに基づいて、前記第１時点よりも将来の第３時点の前記実績値に基づく指標を取得し、
    　前記第３時点の前記既存予測値と、前記実績値に基づく指標との大きさを比較し、比較結果に基づいて、前記第３時点の前記既存予測値を前記第３時点の予測値とするか、前記第１時点の前記稼働値と前記第２時点の稼働値とに基づいて前記第３時点の既存予測値を補正した値を前記第３時点の予測値とするかを決定する、
    　請求項１に記載の需要予測装置。
  9. 　前記予測部は、
    　前記第３時点の前記既存予測値が前記実績値に基づく指標以上である場合、前記第３時点の前記既存予測値を前記第３時点の予測値に決定し、
    　前記第３時点の前記既存予測値が前記実績値に基づく指標よりも小さい場合、前記第１時点の前記稼働値と前記第２時点の稼働値とに基づいて前記第３時点の既存予測値を補正した値を前記第３時点の予測値に決定する、
    　請求項８に記載の需要予測装置。
  10. 　前記車両の稼働値は、所定のエリアに対応付けられた車両の走行実態を示す情報である、
    　請求項１に記載の需要予測装置。
  11. 　車両の部品の交換または修理に備えた前記部品の需要を予測する需要予測方法であって、
    　前記需要予測方法は、
    　前記部品の需要の実績値を取得し、
    　前記部品を用いる車両の稼働に関する稼働値を取得し、
    　予測された前記部品の需要である既存予測値を取得し、
    　前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測する、
    　需要予測方法。
  12. 　コンピュータに車両の部品の交換または修理に備えた前記部品の需要を予測させるプログラムであって、
    　前記コンピュータに、
    　前記部品の需要の実績値を取得させ、
    　前記部品を用いる車両の稼働に関する稼働値を取得させ、
    　予測された前記部品の需要である既存予測値を取得させ、
    　前記実績値と前記稼働値と前記既存予測値とに基づいて、前記需要を予測させる、
    　プログラムが記憶された非一時的な記憶媒体。
PCT/JP2022/032167 2021-09-28 2022-08-26 需要予測装置、需要予測方法、および記憶媒体 WO2023053806A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-158342 2021-09-28
JP2021158342A JP2023048815A (ja) 2021-09-28 2021-09-28 需要予測装置、需要予測システム、およびプログラム

Publications (1)

Publication Number Publication Date
WO2023053806A1 true WO2023053806A1 (ja) 2023-04-06

Family

ID=85779810

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/032167 WO2023053806A1 (ja) 2021-09-28 2022-08-26 需要予測装置、需要予測方法、および記憶媒体

Country Status (2)

Country Link
JP (1) JP2023048815A (ja)
WO (1) WO2023053806A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004038317A (ja) * 2002-06-28 2004-02-05 Honda Motor Co Ltd 車両部品生産管理方法
JP2005173979A (ja) * 2003-12-11 2005-06-30 Komatsu Ltd 補給部品生産予測システム、補給部品生産予測方法及びプログラム
JP2012198689A (ja) * 2011-03-18 2012-10-18 Ricoh Co Ltd 需要予測装置、需要予測方法およびプログラム
WO2013186880A1 (ja) * 2012-06-13 2013-12-19 株式会社日立製作所 保守部品の交換時間間隔管理方法およびシステム
WO2021255883A1 (ja) * 2020-06-18 2021-12-23 日本電気株式会社 需要予測装置、需要予測方法、及びコンピュータ読み取り可能な記録媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004038317A (ja) * 2002-06-28 2004-02-05 Honda Motor Co Ltd 車両部品生産管理方法
JP2005173979A (ja) * 2003-12-11 2005-06-30 Komatsu Ltd 補給部品生産予測システム、補給部品生産予測方法及びプログラム
JP2012198689A (ja) * 2011-03-18 2012-10-18 Ricoh Co Ltd 需要予測装置、需要予測方法およびプログラム
WO2013186880A1 (ja) * 2012-06-13 2013-12-19 株式会社日立製作所 保守部品の交換時間間隔管理方法およびシステム
WO2021255883A1 (ja) * 2020-06-18 2021-12-23 日本電気株式会社 需要予測装置、需要予測方法、及びコンピュータ読み取り可能な記録媒体

Also Published As

Publication number Publication date
JP2023048815A (ja) 2023-04-07

Similar Documents

Publication Publication Date Title
JP5027777B2 (ja) カーナビゲーション装置およびカーナビゲーション方法
US10915914B2 (en) Method, apparatus, and computer program product for incentivizing travel along road segments
US20090099719A1 (en) Method for vehicle suspension wear prediction and indication
JP2011162181A (ja) 加速度を決定するための自動車用システムおよび方法
CN105035088A (zh) 通过行车历史的道路粗糙度预瞄
US11830295B2 (en) Determining vehicle service timeframes based on vehicle data
JP2018169665A (ja) 車両状態監視装置、車両状態監視システム及び車両状態監視方法
US20230041487A1 (en) System for dynamic autonomous vehicle service pricing
CN115384516A (zh) 运输车的轮胎磨损里程计算方法、装置及设备
US11346677B2 (en) Method to measure road roughness characteristics and pavement induced vehicle fuel consumption
CN111016909B (zh) 一种道路颠簸信息提示的方法及装置
WO2023053806A1 (ja) 需要予測装置、需要予測方法、および記憶媒体
WO2023053804A1 (ja) 情報提供装置、需要予測装置、および情報提供方法
WO2023110708A1 (en) Apparatus and methods for calculating and/or monitoring a tire wear rate of a vehicle
WO2023054165A1 (ja) 需要予測装置、需要予測方法、および記憶媒体
US20230243113A1 (en) Road surface evaluation apparatus and road surface evaluation method
JP7347974B2 (ja) 推定装置、推定方法及び推定プログラム
WO2022196484A1 (ja) 発注数算出装置および発注数算出システム
CN112959859A (zh) 驾驶提醒方法、装置、电子设备和存储介质
WO2023139647A1 (ja) 処理装置、処理方法及びプログラム
WO2023021790A1 (ja) 外部情報取得装置、外部情報取得方法、及びコンピュータプログラム
WO2024038672A1 (ja) エネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法
EP4194231A1 (en) Apparatus and methods for calculating and/or monitoring a tire wear rate of a vehicle
WO2023135789A1 (ja) 警告装置、警告方法及びプログラム
JP5618669B2 (ja) カーナビゲーション装置およびカーナビゲーション方法

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: 22875678

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE