図面 (/)

技術 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム

出願人 株式会社エヌ・ティ・ティ・データ
発明者 矢野順子岡田崇中川慶一郎
出願日 2013年4月4日 (7年3ヶ月経過) 出願番号 2013-078766
公開日 2013年7月4日 (7年0ヶ月経過) 公開番号 2013-131259
状態 特許登録済
技術分野 特定用途計算機
主要キーワード 共通期間 組み合わせ比率 二次計画問題 加重比率 指数平滑法 重回帰モデル 予測対象期間 評価軸
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2013年7月4日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (13)

課題

異なる複数の予測期間に対して、より精度の高い需要予測を行うことができる統合需要予測装置統合需要予測方法、及び統合需要予測プログラムを提供する。

解決手段

統合需要予測装置が、過去の需要実績量を記憶する需要実績量記憶手段に記憶されている需要実績量に基づいて、複数の需要予測モデル構築し、構築された需要予測モデル毎予測需要量を算出し、算出された予測需要量と前記需要実績量記憶手段に記憶されている需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出し、算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出し、算出された需要予測モデル毎のブレンド比率と、算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する。

概要

背景

従来、時間経過に伴って需要量が変化するような電力や、商品金融商品などにおいて、将来の需要量がどのようになるかを予測する方法、装置として、複数の異なる手法により予測を行う部分と、その予測データ平均値を予測データとして算出する部分とからなる予測装置が提案されている(例えば、特許文献1参照)。該従来技術では、複数の異なる予測手法により予測を行い、その予測誤差や、その他の指標に基づき、予測誤差が少なくなるように最適化手法を用いて、各予測手法から予測される予測データの組み合わせ比率である「加重比率」を決定し、その比率に基づき予測を行う。

概要

異なる複数の予測期間に対して、より精度の高い需要予測を行うことができる統合需要予測装置統合需要予測方法、及び統合需要予測プログラムを提供する。統合需要予測装置が、過去の需要実績量を記憶する需要実績量記憶手段に記憶されている需要実績量に基づいて、複数の需要予測モデル構築し、構築された需要予測モデル毎予測需要量を算出し、算出された予測需要量と前記需要実績量記憶手段に記憶されている需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出し、算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出し、算出された需要予測モデル毎のブレンド比率と、算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する。

目的

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、その目的は、異なる複数の予測期間に対して、より精度の高い需要予測を行うことができる統合需要予測装置、統合需要予測方法、及び統合需要予測プログラムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

過去の需要実績量を記憶する需要実績量記憶手段と、前記需要実績量記憶手段に記憶されている需要実績量に基づいて、複数の需要予測モデル構築する需要予測モデル構築手段と、前記需要予測モデル構築手段により構築された需要予測モデル毎に、予測需要量を算出する予測需要量算出手段と、前記予測需要量算出手段により算出された予測需要量と、前記需要実績量記憶手段に記憶されている需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出する予測誤差算出手段と、前記予測誤差算出手段より算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率予測期間毎に算出する統合需要予測ブレンド比率算出手段と、前記統合需要予測ブレンド比率算出手段によって算出された需要予測モデル毎のブレンド比率と、前記予測需要量算出手段によって算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する需要予測結果出力手段とを備えたことを特徴とする統合需要予測装置

請求項2

過去の需要実績量に基づいて、複数の需要予測モデルを構築する需要予測モデル構築ステップと、前記構築された需要予測モデル毎に、予測需要量を算出する予測需要量算出ステップと、前記算出された予測需要量と、前記需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出する予測誤差算出ステップと、前記算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出する統合需要予測ブレンド比率算出ステップと、前記算出された需要予測モデル毎のブレンド比率と、前記算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する需要予測結果出力ステップとを含むことを特徴とする統合需要予測方法

請求項3

コンピュータに、過去の需要実績量に基づいて、複数の需要予測モデルを構築する需要予測モデル構築ステップと、前記構築された需要予測モデル毎に、予測需要量を算出する予測需要量算出ステップと、前記算出された予測需要量と、前記需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出する予測誤差算出ステップと、前記算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出する統合需要予測ブレンド比率算出ステップと、前記算出された需要予測モデル毎のブレンド比率と、前記算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する需要予測結果出力ステップとを実行させるための統合需要予測プログラム

技術分野

0001

本発明は、統合需要予測装置統合需要予測方法、及び統合需要予測プログラムに関する。

背景技術

0002

従来、時間経過に伴って需要量が変化するような電力や、商品金融商品などにおいて、将来の需要量がどのようになるかを予測する方法、装置として、複数の異なる手法により予測を行う部分と、その予測データ平均値を予測データとして算出する部分とからなる予測装置が提案されている(例えば、特許文献1参照)。該従来技術では、複数の異なる予測手法により予測を行い、その予測誤差や、その他の指標に基づき、予測誤差が少なくなるように最適化手法を用いて、各予測手法から予測される予測データの組み合わせ比率である「加重比率」を決定し、その比率に基づき予測を行う。

先行技術

0003

特開2005−332122号公報

発明が解決しようとする課題

0004

高精度の需要予測を行うためには、時間の経過に伴い変化する販売実績を基に、最適な予測手法を組み合わせた予測モデル構築することが重要である。小売店における需要予測を想定した場合、仕入業務では、累積的な長期的な予測を行い、発注業務では、納品日までの短期的な予測を行うといったように、販売実績が存在する期間や、予測する期間に応じて、適切な予測手法が異なる。したがって、このような「短期的な視点」、「長期的な視点」など、複数の視点を考慮した需要予測装置を共通的に利用できることが要求されている。

0005

さらに、小売店業務における視点の違いに限らず、メーカと小売店、あるいは卸売業者と小売店といったように、そもそも立場が異なる企業においても、共通の需要予測を用いて予測結果(予測需要量)を共有することで、企業間混乱余剰在庫や、欠品など)を低減することが可能になると考える。

0006

しかしながら、長期・短期といった時間的な視点を考慮しておらず、同一の予測モデルを利用していることから、予測を行う期間が現在から近い・遠いといった、予測期間に応じた精度の高い予測が実現できないという問題がある。また、仮に、それぞれの予測期間に応じて複数の予測モデルを利用したとしても、長期・短期の予測では、両者を考慮した予測誤差の評価が行われていないため、一連の業務、例えば、仕入れ計画・発注業務などの業務において、予測期間に応じて予測値使い分けなくてはならなかった。

0007

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、その目的は、異なる複数の予測期間に対して、より精度の高い需要予測を行うことができる統合需要予測装置、統合需要予測方法、及び統合需要予測プログラムを提供することにある。

課題を解決するための手段

0008

上述した課題を解決するために、本発明は、過去の需要実績量を記憶する需要実績量記憶手段と、前記需要実績量記憶手段に記憶されている需要実績量に基づいて、複数の需要予測モデルを構築する需要予測モデル構築手段と、前記需要予測モデル構築手段により構築された需要予測モデル毎に、予測需要量を算出する予測需要量算出手段と、前記予測需要量算出手段により算出された予測需要量と、前記需要実績量記憶手段に記憶されている需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出する予測誤差算出手段と、前記予測誤差算出手段より算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出する統合需要予測ブレンド比率算出手段と、前記統合需要予測ブレンド比率算出手段によって算出された需要予測モデル毎のブレンド比率と、前記予測需要量算出手段によって算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する需要予測結果出力手段とを備えたことを特徴とする統合需要予測装置である。

0009

また、上述した課題を解決するために、本発明は、過去の需要実績量に基づいて、複数の需要予測モデルを構築する需要予測モデル構築ステップと、前記構築された需要予測モデル毎に、予測需要量を算出する予測需要量算出ステップと、前記算出された予測需要量と、前記需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出する予測誤差算出ステップと、前記算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出する統合需要予測ブレンド比率算出ステップと、前記算出された需要予測モデル毎のブレンド比率と、前記算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する需要予測結果出力ステップとを含むことを特徴とする統合需要予測方法である。

0010

また、上述した課題を解決するために、本発明は、コンピュータに、過去の需要実績量に基づいて、複数の需要予測モデルを構築する需要予測モデル構築ステップと、前記構築された需要予測モデル毎に、予測需要量を算出する予測需要量算出ステップと、前記算出された予測需要量と、前記需要実績量とに基づいて、共通期間における前記複数の需要予測モデル毎の予測誤差を算出する予測誤差算出ステップと、前記算出された予測誤差を、前記予測誤差に対して、予め定められた予測誤差範囲内にする、前記複数の需要予測モデル毎のブレンド比率を予測期間毎に算出する統合需要予測ブレンド比率算出ステップと、前記算出された需要予測モデル毎のブレンド比率と、前記算出された需要予測モデル毎の予測需要量を積算することで、予め決められる予測期間における予測需要量を算出する需要予測結果出力ステップとを実行させるための統合需要予測プログラムである。

発明の効果

0011

この発明によれば、過去の需要実績量に基づいて、複数の需要予測モデルを構築し、該構築された予測モデル毎に、予測需要量を算出し、該算出された予測需要量と需要実績量とに基づいて、共通期間における複数の需要予測モデル毎の予測誤差を算出し、複数の需要予測モデル毎の予測誤差を最小とする、複数の需要予測モデル毎のブレンド比率を算出し、該ブレンド比率に基づいて、複数の予測手法を用いて、予め定められる予測期間における予測需要量を算出する。したがって、異なる複数の予測期間に対して、より精度の高い需要予測を行うことができるという利点が得られる。

0012

また、一例としては、短期的な予測誤差である短期予測誤差と、長期的な予測誤差である長期予測誤差とを最小にする複数の需要予測モデル毎の統合ブレンド比率を予測期間毎に算出する。したがって、異なる複数の予測期間に対して、より精度の高い需要予測を行うことができるという利点が得られる。

0013

また、一例としては、短期予測誤差と長期予測誤差とに対して、それぞれに予め定められる重み値を積算して加算することにより統合予測誤差を算出する。したがって、異なる複数の予測期間に対して、より精度の高い需要予測を行うことができるという利点が得られる。

0014

また、一例としては、予測需要量が、予め定められる閾値範囲外である場合、最大あるいは最小のいずれかの予測需要量を算出した予測モデルを外し、再度、複数の需要予測モデルを構築する。したがって、より運用者の予測感覚適合させることができるという利点が得られる。

図面の簡単な説明

0015

本発明の実施形態による統合需要予測装置の構成を示すブロック図である。
本発明の実施形態による統合需要予測装置の商品販売実績テーブル1のデータ構成を示す概念図である。
本発明の実施形態による統合需要予測装置の予測手法別商品別予測需要テーブル3のデータ構成を示す概念図である。
本発明の実施形態による統合需要予測装置の最適化重みテーブル5のデータ構成を示す概念図である。
本発明の実施形態による統合需要予測装置のブレンド比率テーブル7のデータ構成を示す概念図である。
本発明の実施形態による統合需要予測装置の予測期間テーブル8のデータ構成を示す概念図である。
本発明の実施形態による統合需要予測装置の需要予測結果テーブル10のデータ構成を示す概念図である。
本発明の実施形態による統合需要予測装置の動作を説明するためのフローチャートである。
本実施形態による予測手法の構築方法を説明する概念図である。
本実施形態による各予測手法のブレンド比率の算出例を示す概念図である。
従来技術における課題を説明するための概念図である。
本実施形態による需要予測を説明するための概念図である。

実施例

0016

以下、本発明の一実施形態を、図面を参照して説明する。

0017

図1は、本発明の実施形態による統合需要予測装置の構成を示すブロック図である。図において、商品販売実績テーブル(需要実績量記憶手段)1は、図2に示すように、商品を識別するための商品JANコード毎に、販売された日付、発売後からの経過日数売上数量からなり、商品販売の実績履歴)を保持する。予測値算出部(需要予測モデル構築手段、予測需要量算出手段)2は、複数の需要予測モデルを構築する、需要予測モデル構築手段を備え、商品販売実績テーブル1の売上数量(実績値)から、商品JANコード別に用意した複数の需要予測モデル(予測手法)を構築し、構築した予測モデル毎に、各予測期間における商品JANコード別(k)の予測売上数量(予測需要量)を算出し、予測手法別商品別予測需要テーブル3に格納する。

0018

本実施形態では、予測期間を、1日を単位として説明する。予測手法としては、時系列分析のAR(Auto Regressive model)、MA(Moving Average model)、ARIMA(Auto Regressive Integrated Moving Average model)、単純移動平均指数平滑法や、重回帰モデルなどを用いる。なお、重回帰モデルなどの、販売数量以外のデータを利用する場合には、例えば、当日の客数天候気温といった、売上げに関連する要素以外のデータもテーブルとして用意する必要がある。

0019

予測手法別商品別予測需要テーブル3は、図3に示すように、商品JANコード毎に、予測手法(予測モデル)、予測日付、及び予測売上数量(予測値)を保持する。予測値誤差算出部(予測誤差算出手段)4は、予測手法別商品別予測需要量テーブル3の売上数量(実績値)と商品販売実績テーブル1の予測売上数量(予測需要量)とから、予測誤差を算出する。予測誤差を算出する期間は、構築した複数の予測手法により、予測値が算出された共通する期間である。これは、予測手法に応じて、モデル構築に必要となるデータ数が異なるためである。

0020

最適化重みテーブル5は、図4に示すように、統合需要予測ブレンド比率の算出において、最小化すべき複数の予測誤差のうち、どの予測誤差を優先させるかを決定するために用いる「重み」を保持する。複数の予測誤差には、例えば、後述する短期的な予測誤差と、長期的な予測誤差とがあり、前者は、後述する数式(2)の二乗誤差の平均、後者は、後述する数式(3)の誤差平均の二乗によって表される。これらの予測誤差は、短期、長期いずれかの精度を優先させたい場合に、重みを付けて優先する。通常は、同じ重みとして構わない。統合需要予測ブレンド比率算出部(統合需要予測ブレンド比率算出手段)6は、予測値誤差算出部4により算出される、予測日付別の予測誤差を用いて、短期的な視点及び長期的な視点の双方から予測誤差を加工する(短期予測誤差算出手、長期予測誤差算出手段)。

0021

また、統合需要予測ブレンド比率算出部(需要予測結果出力手段)6は、これら加工した予測誤差と最適化重みテーブル5の重みとを積算し、2つの視点からの予測誤差を統合して、これらの統合予測誤差が最小になるように、各予測手法の組み合わせ比率(ブレンド比率)を算出し、ブレンド比率テーブル7に格納する。ブレンド比率は、後述する最適化問題の「二次計画問題」の形式定式化される。ブレンド比率テーブル7は、図5に示すように、商品JANコード毎に、予測手法(予測モデル)、予測日付及びブレンド比率を保持する。

0022

予測対象期間テーブル8は、図6に示すように、商品JANコード毎に、予測対象期間を保持する。需要予測結果出力部9は、予測対象期間テーブル8の予測対象期間と、予測手法別商品別予測需要テーブル3に保持された、構築した予測手法とを用いて、予測対象期間分の予測値を算出し、その予測値とブレンド比率テーブル7のブレンド比率とを積算することにより、最終的な各予測期間における予測売上数量(予測需要量)を算出し、需要予測結果テーブル10に格納する。需要予測結果テーブル10は、図7に示すように、商品JANコード毎に、予測期間及び予測値である最終的な予測売上数量を保持する。

0023

次に、本実施形態の動作について説明する。
図8は、本実施形態による統合需要予測装置の動作を説明するためのフローチャートである。予測値算出部2は、商品販売実績テーブル1の売上数量(実績値)から、商品JANコード別に複数の需要予測モデル(予測手法)を構築し、構築した予測モデル毎に、予測日付における(i日後の)商品JANコード別(k)の予測売上数量(予測需要量)を算出し、予測手法別商品別予測需要テーブル3に格納する(ステップS1)。

0024

次に、予測値誤差算出部4は、予測手法別商品別予測需要量テーブル3の売上数量(実績値)と商品販売実績テーブル1の予測売上数量(予測需要量)とから、予測誤差を算出し、統合需要予測ブレンド比率算出部6に供給する(ステップS2)。予測誤差を算出する期間は、構築した複数の予測手法により、予測値が算出された共通する期間である。

0025

次に、統合需要予測ブレンド比率算出部6は、予測値誤差算出部4により算出される、予測日付別の予測誤差を用いて、短期的な視点及び長期的な視点の双方から予測誤差を加工する(ステップS3)。すなわち、短期的な視点では、予測手法別商品別予測需要量テーブル3の予測期間別毎に予測誤差を二乗し、予測対象期間で合計することで予測誤差を加工し、長期的な視点では、同様の予測誤差について予測対象期間の合計をとり、二乗することで予測誤差を加工する。次に、これら加工した予測誤差と最適化重みテーブル5の重み(0〜1)とを積算し、2つの視点からの予測誤差を加算することにより統合して、これらの統合予測誤差が最小になるように、各予測手法のブレンド比率を算出し、ブレンド比率テーブル7に格納する(ステップS4)。

0026

ここで、ブレンド比率の算出方法について説明する。ブレンド比率は、前述したように、最適化問題の「二次計画問題」の形式に定式化される。二次計画問題は、1次式制約の下で、二次式を最小化・最大化する問題であり、ポートフォリオ最適化や、最適配置問題などがこの形式に定式化される。最小の統合予測誤差minimize p(x)は、次式(1)で表すことができる。

0027

0028

wlは、各予測誤差に対する重みである。lは、予測誤差を示し、l=1が第1の予測誤差(短期)、l=2が第2の予測誤差(長期)にそれぞれ対応し、図4の各予測誤差に対する。xijは、i日後に予測手法jが組み込まれる割合である。また、本実施形態では、最小化すべき予測誤差を次式(2)、(3)で表す。

0029

0030

0031

数式(2)は、第1の予測誤差であり、日々の予測誤差を表し、数式(3)は、第2の予測誤差であり、一定期間の累積誤差を表す。また、予測手法jによるt時点でのi日後の商品kの予測需要量をy(^)jtik、実需要量をytikとする。すなわち、2つの制約を満たすように、n日後の予測手法を選択すればよい。なお、この記号y(^)は、数式(2)または(3)においては、記号yの上に記号^が付いた記号として表記してある。

0032

図9は、本実施形態による各予測手法のブレンド比率の算出例を示す概念図である。図において、予測期間毎に、予測手法1〜Nのブレンド比率を適切に組み合わせることで、より精度の高い(予測誤差の小さい)需要予測を行っている。予測期間が1日後では、予測手法1のブレンド比率を0.1、予測手法2のブレンド比率を0.01、…、予測手法Nのブレンド比率を0.4(合計=1)とし、予測期間が2日後では、予測手法1のブレンド比率を0.03、予測手法2のブレンド比率を0.24、…、予測手法Nのブレンド比率を0.01(合計=1)とし、予測期間が30日後では、予測手法1のブレンド比率を0.1、予測手法2のブレンド比率を0.25、…、予測手法Nのブレンド比率を0.03(合計=1)としている。

0033

次に、需要予測結果出力部9は、予測対象期間テーブル8の予測対象期間と、予測手法別商品別予測需要テーブル3に保持された、構築した予測手法とを用いて、予測対象期間分の予測値を算出し(ステップS5)、その予測値とブレンド比率テーブル8のブレンド比率とを積算することにより、予測対象期間における予測値を算出し、需要予測結果テーブル10に格納する(ステップS6)。

0034

図10(a)、(b)は、従来技術における課題を説明するための概念図である。小売店においては、複数の立場(発注業務、仕入業務)からの需要予測が必要とされている。つまり、図11(a)に示す発注業務では、毎日検証日)、1日後の発注量を予測する必要があるのに対して、図11(b)に示す仕入計画では、検証日から、1日後、2日後、…、30日後というように、長期(1か月)の累計需要を予測する必要がある。

0035

図11は、本実施形態による需要予測を説明するための概念図である。本実施形態では、上述した処理により、「累積予測誤差」と「日々の予測誤差」の2つを最小化するように最適化することで、検証日から、1日後の予測値、2日後の予測値、…、15日後の予測値、16日後の予測値、…、30日後の予測値というように、予測期間における予測値を算出している。

0036

図12は、本実施形態の変形例による予測手法の構築方法を説明する概念図である。本実施形態の変形例は、過去の経験から、需要量の閾値SS1:上限・下限)が決まっている場合に、予測範囲を大きく超える予測手法を外し、前述したステップS1〜S6を繰り返して予測手法の構築を行うことを特徴としている。図において、過去の経験から、需要量の閾値(上限・下限)を決定する(SS1)。統合需要予測モデルにより予測した需要量が、閾値外であった場合には、最も大きく(または小さく)予測した予測モデルを外し(SS2)、再度、予測モデルの構築を行う。予測モデルの構築を繰り返し行っても、予測値が閾値範囲内に収まらない場合には、直前の予測値売上数(予測需要量)または実績値を用いる(SS3)。

0037

上述した実施形態によれば、最適化手法を用いて、複数の異なる予測期間に対して共通的に利用できる「統合需要予測モデル」を構築することにより、複数の異なる視点において重視する評価軸である予測誤差を共に抑えることができる。

0038

また、共通化した予測値を利用することで、小売店や、卸業者連携した、生産計画を立てることができる。このような情報共有により、需要量の予測値の乖離リスクを低減することができる。

0039

また、予測期間に応じて予測手法のブレンド比率を決定するため、予測期間に応じた、より精度の高いモデルが構築できる。

0040

また、上限下限の閾値を設け、予測値が範囲外になった場合には、統合需要予測モデルの再構築を行うことで、より運用者の予測感覚を取り入れることができる。

0041

なお、上述した実施形態においては、長期的な視点で予測誤差を低減する、短期的な視点で予測誤差を低減するというように、異なる視点を考慮して、予測モデルを構築するようにしたが、統合予測誤差の範囲が過去の実績に基づいて決定できる場合には、「統合予測誤差を○○以上、△△以下に収めたい」といった統合予測誤差の範囲を、上述した数式(2)、(3)に示す制約式に追加することで、予測モデルに組み込むことが可能である。

0042

また、上述した本実施形態においては、予測期間を1日単位として説明したが、必要に応じて複数の日をまとめて1つの予測期間としてもよい。例えば、予測期間を1週間単位としてもよい。

0043

また、上述した予測値算出部2、予測値誤差算出部4、統合需要予測ブレンド比率算出部6、需要予測結果出力9による各機能を実現するためのプログラムコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、符号化処理、及び復号化処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、WWWシステムを利用している場合であれば、ホームページ提供環境(あるいは表示環境)も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク光磁気ディスク、ROM、フラッシュメモリ等の書き込み可能不揮発性メモリCD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

0044

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワーク電話回線等の通信回線を介してプログラムが送信された場合のサーバクライアントとなるコンピュータシステム内部の揮発性メモリ(例えばDRAM(Dynamic Random Access Memory))のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)や電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル差分プログラム)であっても良い。

0045

1商品販売実績テーブル
2予測値算出部
3予測手法別商品別予測需要テーブル
4予測値誤差算出部
5最適化重みテーブル
6統合需要予測ブレンド比率
7 ブレンド比率テーブル
8予測対象期間テーブル
9需要予測結果出力部
10 需要予測結果テーブル

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ