JP2000250888A

JP2000250888A - 予測目的別モデル選定型需要予測方式

Info

Publication number: JP2000250888A
Application number: JP4966299A
Authority: JP
Inventors: Masao Okura; 正男大倉; Takao Sato; 隆夫佐藤; Keiji Tadokoro; 慶治田所
Original assignee: Hitachi Ltd; Hitachi Tohoku Software Ltd
Current assignee: Hitachi Ltd; Hitachi Solutions East Japan Ltd
Priority date: 1999-02-26
Filing date: 1999-02-26
Publication date: 2000-09-14

Abstract

(57)【要約】【課題】商品の需要実績の分析を行い、トレンド／パタ
ーン性の有無を判定するステップと、その結果から需要
予測モデルの候補を選出し、候補モデルにおける評価値
を算出することにより、適正なモデルを選定するステッ
プと、適正なモデルにより、予測値を算出するステップ
により構成された、需要予測方式。【解決手段】候補モデルを評価するため、過去に対して
各候補モデルを適用した際の予測値（評価用理論値）を
算出し、実際の需要実績と対比し、評価値を算出する。
その結果より、最適な予測モデルを選定する。選定され
た予測モデルを用い、未来に対する予測値を算出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、需要実績情報を活
用した、需要予測モデルの選定及び需要予測値の算出方
法に関する。

【０００２】

【従来の技術】生産・販売・物流一本化の重要テーマの
一つとして需要予測の高精度化がよく取り上げられる。
需要予測値の高精度化には、最適な需要予測モデルの構
築が前提条件となるが、従来までは、この予測モデルの
作成を人間のノウハウに頼った形で作成していた。この
人間のノウハウに頼った形で作成された予測モデルに関
しての公知例としては、「需要量予測方法」（特開平９
−３１１８５１号公報）がある。

【０００３】この公知例では、「直近同一曜日の曜日別
需要量構成比の平均値を各曜日毎に求めることで予測対
象日を含む月の曜日別需要量構成比の予測値を算出し、
予測対象日を含む月と同一月の週別需要量構成比を基準
週別需要量構成比として直近の月内変動特性の変化量を
基準週別需要量構成比に加味することで予測対象日を含
む月の週別需要量構成比の予測値を算出し、曜日別需要
量構成比の予測値と前記週別需要量構成比の予測値を算
出し、日別需要量構成比の予測値と月間需要量の予測値
から予測対象日の需要量の予測値を算出する」という方
法である。

【０００４】

【発明が解決しようとする課題】予測モデルの作成を人
間のノウハウに頼るとは、ノウハウが定式化されていな
いということであり、結果的に予測精度の維持は、難し
いものとなっていた。また、需要特性の変動サイクルが
短期で、商品アイテムの多種化が進む現状では、全ての
アイテムに対しタイムリ−に、人間のノウハウにより予
測モデルを作成することは、工数的／時間的に難しいと
いう問題が発生していた。

【０００５】

【課題を解決するための手段】本発明は、商品の需要特
性を分析し、その需要特性に即した需要モデルを抽出す
る過程を定式化した方法及び装置である。

【０００６】

【発明の実施の形態】図１は、本発明を行うための、計
算機や記憶装置等を示したシステム構成図であり、図２
〜１０は、本発明を実施するためのフローチャートを示
している。また、図１１〜２６は、図１を構成する各記
憶装置に格納されたファイルのテーブル図を示してい
る。

【０００７】図１における、１００１〜１０１１は、本
発明の方法を実現するためのプログラムを示している。
１００１は制御プログラム、１００３はワークエリアを
示しており、プログラム実行のための基本処理を行う。
また、１００５は予測モデルモジュールを示しており、
予測値を算出するための様々なパターンの予測プログラ
ムが示されている。１００７はトレンド／パターン性有
無判断モジュール、１００９は予測モデル選定モジュー
ル、１０１１は将来予測値算出モジュールを示してお
り、本発明を実施するための処理プログラムである。

【０００８】１０１３〜１０３７は、本発明を実施する
ためのファイルを示しており、１０１３は予測商品マス
タ、１０１５はトレンド／パターン性分析マスタ、１０
１７は年次トレンド対応需要実績ファイル、１０１９は
月次トレンド対応需要実績ファイル、１０２１は年内月
次パターン性対応需要実績ファイル、１０２３は月内週
次パターン性対応需要実績ファイル、１０２５は相関係
数検定表マスタ、１０２７はＦ分布表マスタ、１０２９
はトレンド／パターン性判定結果・適用モデル対応マス
タ、１０３１は予測モデル対応マスタ、１０３３は評価
用理論値ファイル、１０３５は評価値ファイル、１０３
７は将来予測値ファイルを示している。

【０００９】１０３９はディスプレイ、１０４１は入力
装置、１０４３はＣＰＵを示している。

【００１０】図１１〜２８は、図１に示されたファイル
のテーブル図を示している。図１１は予測商品マスタ
（１０１３）のテーブル図を示しており、商品毎に予測
を実施する際の細かさの単位（予測単位）、予測が必要
な期間（予測期間）が記されている。

【００１１】図１２はトレンド／パターン性／指数平滑
分析マスタ（１０１５）のテーブル図を示しており、分
析区分毎に、図１３〜１６のような実績ファイルに蓄積
されているデータ数と１周期数（例えば、月次データの
場合は、１月〜１２月で１回転するので１２）が示され
ている。（データ数／分析周期は相関係数検定表／Ｆ分
布表より値を抽出する際に活用）図１３は年次トレンド
対応需要実績ファイル（１０１７）のテーブル図を示し
ており、過去１０年分の需要実績値が年単位で蓄積され
ている。

【００１２】図１４は月次トレンド対応需要実績ファイ
ル（１０１９）のテーブル図を示しており、過去１２月
分の需要実績値が月単位で蓄積されている。

【００１３】図１５は年内月次パターン性対応実績ファ
イル（１０２１）のテーブル図を示しており、過去３年
分の需要実績値が月単位で蓄積されている。

【００１４】図１６は年次指数平滑対応実績ファイル
（１０２２）のテーブル図を示しており、過去２０月分
の需要実績値が年単位で蓄積されている。

【００１５】図１７は月次指数平滑対応実績ファイル
（１０２３）のテーブル図を示しており、過去４６月分
の需要実績値が月単位で蓄積されている。

【００１６】図１８はトレンド予測モデルパラメータト
ランザクションファイル（１０２４）のテーブル図を示
しており、トレンド分析を行う際の回帰分析より算定さ
れたパラメータが格納される。

【００１７】図１９はトレンド／パターン性有無判断結
果トランザクションファイル（１０２５）のテーブル図
を示しており、分析区分毎に相関係数又はＦ値の算定結
果、検定表またはＦ分布表から抽出された値、判定結果
が格納される。

【００１８】図２０は、相関係数検定表マスタ（１０２
７）のテーブル図を示しており、相関係数検定表の値が
蓄積されている。

【００１９】図２１は、パターン指数算出トランザクシ
ョンファイル（１０２９）のテーブル図を示してお
り、図１３〜１７のような実績ファイルの値と行合計が
蓄積される。

【００２０】図２２は、パターン指数算出トランザクシ
ョンファイル（１０３１）のテーブル図を示してお
り、パターン比率が蓄積される。

【００２１】図２３は、Ｆ分布表マスタ（１０３３）の
テーブル図を示しており、Ｆ分布表の値が蓄積されてい
る。

【００２２】図２４は、トレンド／パターン性判定結果
・適用モデル対応マスタ（年単位）（１０３５）のテー
ブル図を示しており、トレンド／パターン性の適用条件
と年単位の予測モデルの処理機能を対応されたマスタで
ある。なお、適用条件の「＊」はワイルドカードを示し
ており、「○」「×」の両方が当てはまる。また、処理
方法における番号（等）は、処理の順番を示めす。
（例えば、モテ゛ル2-3の場合は、「年次トレンド上年次
予測値算出」処理のあとに、「年次予測値傾斜月割
り」の処理を行う．）図２５は、トレンド／パターン性
判定結果・適用モデル対応マスタ（月単位）（１０３
６）のテーブル図を示しており、トレンド／パターン性
の適用条件と月単位の予測モデルの処理機能を対応され
たマスタである。

【００２３】図２６は、評価用理論値ファイル（１０３
７）のテーブル図を示しており、評価用理論値が蓄積さ
れる。ここで、評価用理論値とは、予測モデルの信用性
を評価するため、過去（実績データのある分）につい
て、予測モデルで予測した値である。

【００２４】図２７は、評価値ファイル（１０３９）の
テーブル図を示しており、モデル毎に評価値が蓄積され
る。

【００２５】図２８は、将来予測値ファイル（１０４
１）のテーブル図を示しており、将来予測値が蓄積され
る。

【００２６】図２９予測モデル選定画面は、候補モデル
の中から、エンドユーザが最適な予測モデルを選択する
ための画面である。

【００２７】図３０予測結果出力画面は、予測モデルに
算出された予測値を出力する画面である。

【００２８】図２〜１０は、本発明を実施するためのフ
ローチャートを示している。これを基に本発明の処理の
流れを説明する。

【００２９】図２は、メインのフローチャートである。

【００３０】「トレンド／パターン性有無判断」（ステ
ップ２１０１）は、需要実績情報を基に、トレンド分
析、パターン性分析を行い、トレンド、パターン性の有
無を判断する処理である。（詳細は、図３参照）。「予
測モデル選定」（ステップ２１０３）は、トレンド、パ
ターン性有無判断の結果から、需要予測モデルの候補を
選出する。そして、候補モデルを評価するため、過去に
対して各候補モデルを適用した際の予測値（評価用理論
値）を算出し、実際の需要実績と対比し、評価値を算出
する。その結果より、最適な予測モデルを選定する処理
である。（詳細は、図９参照）。

【００３１】「将来予測値算出」（ステップ２１０５）
は、選定された予測モデルを用い、未来に対する予測値
を算出する処理である。（詳細は、図１０参照）。

【００３２】図３「トレンド／パターン性有無判定」
は、需要実績情報を基に、トレンド分析、パターン性分
析を行い、トレンド、パターン性の有無を判断する処理
である。

【００３３】「トレンド有無分析繰り返し」（ステップ
２２０１）は、各種あるトレンド有無分析を全て繰り返
す処理である。トレンド有無分析の種類には、回帰分析
を用いる際の関数の種類（直線、２次曲線等）や予測単
位（年次、月次、週次、日次等）がある。

【００３４】なお、（発明の詳細な説明）には、予測単
位が年・月単位のもののみ記載しているが、必要なら週
・日単位等についても同様な処理を行う。

【００３５】「需要実績ファイル」（ステップ２２０
３）は、トレンド有無分析を行うために、図１３〜１４
のような需要実績ファイルの中から対応する需要実績フ
ァイルを読み込む処理である。

【００３６】「トレンド有無分析」（ステップ２２０
５）は、トレンド有無を判定する処理である。（詳細
は、図４参照）。

【００３７】「パターン性有無分析繰り返し」（ステッ
プ２２０７）は、各種あるパターン性有無分析を全て繰
り返す処理である。パターン性有無分析の種類には、予
測単位／周期により、年内月次／月内週次等がある。

【００３８】なお、（発明の詳細な説明）には、予測単
位が年・月単位のもののみ記載しているが、必要なら週
・日単位等についても同様な処理を行う。

【００３９】「需要実績ファイル」（ステップ２２０
９）は、パターン性有無分析を行うために、図１５のよ
うな需要実績ファイルの中から対応する需要実績ファイ
ルを読み込む処理である。

【００４０】「パターン性有無分析」（ステップ２２１
１）は、パターン性有無を判定する処理である。（詳細
は、図６参照）。

【００４１】図４「トレンド有無分析」は、トレンド有
無を判定する処理である。

【００４２】「回帰分析」（ステップ２３０１）は、図
１３〜１４のような需要実績ファイルを基に回帰分析を
行い、算出されたパラメータをトレンド予測モデルパラ
メータトランザクションファイル（図１８）に登録する
処理である。なお、ここで用いている、回帰分析は、統
計学の一般的手法であり、「予測手法入門：同友館」等
に記載されている。

【００４３】「相関係数ｒ計算」（ステップ２３０３）
は、図１３〜１４のような需要実績ファイルを基に相関
係数を算出し、トレンド／パターン性有無判定結果トラ
ンザクションファイル（図１９）の「相関係数又はＦ
値」に登録する処理である。なお、ここで用いている、
相関係数ｒの算出は、統計学の一般的手法であり、「ビ
ギナーのための統計学：共立出版株式会社」等に記載さ
れている。

【００４４】「トレンド有無判定結果登録」（ステップ
２３０５）は、トレンド／パターン性有無判定結果ファ
イル（図１９）の「相関係数」の値と相関係数検定表の
値とを対比し、該当するものをトレンド／パターン性有
無判定結果ファイル（図１９）の「判定結果」に登録す
る処理である。（詳細は、図５参照）。

【００４５】図５「トレンド有無判定結果登録」は、ト
レンド／パターン性有無判定結果ファイル（図１９）の
「相関係数」の値と相関係数検定表の値とを対比し、該
当するものをトレンド／パターン性有無判定結果ファイ
ル（図１９）の「判定結果」に登録する処理である。

【００４６】「相関係数検定表の値抽出」（ステップ２
４０１）は、トレンド／パターン性／指数平滑分析マス
タ（図１２）より、現在実施している分析区分に該当す
る「データ数」を抽出し、相関係数検定表マスタ（図２
０）より、データ数に該当する「検定表値」を抽出し、
トレンド／パターン性有無判定結果ファイルの「検定表
値又はＦ分布表値」に登録する処理である。

【００４７】「相関係数ｒと相関係数検定表の値比較」
（ステップ２４０３）は、トレンド／パターン性有無判
定結果（図１８）の「相関係数ｒ」と「検定表値」を対
比し、相関係数≧検定表値の場合は、ステップ２４０
５、相関係数<検定表値の場合は、ステップ２４０７の
処理を行う。

【００４８】「○を登録」（ステップ２４０５）は、ト
レンド／パターン性有無判定結果ファイル（図１８）の
「判定結果」に○を登録する処理である。

【００４９】「×を登録」（ステップ２４０７）は、ト
レンド／パターン性有無判定結果ファイル（図１８）の
「判定結果」に×を登録する処理である。

【００５０】図６「パターン性有無分析」は、パターン
性有無を判定する処理である。

【００５１】「パターン指数算出」（ステップ２５０
１）は、図１５のような需要実績ファイルを基にパター
ン指数を算出し、パターン指数算出トランザクションフ
ァイル（図２２）に登録する処理である。（詳細は、
図７参照）。

【００５２】「Ｆ値計算」（ステップ２５０３）は、パ
ターン指数算出トランザクションファイル（図２２）
の「パターン比率」を基にＦ値を算出し、トレンド／パ
ターン性有無判定結果トランザクションファイル（図１
９）の「相関係数又はＦ値」に登録する処理である。な
お、ここで用いている、Ｆ値の算出は、統計学の一般的
手法であり、「ビギナーのための統計学：共立出版株式
会社」等に記載されている。

【００５３】「トレンド有無判定結果登録」（ステップ
２３０５）は、トレンド／パターン性有無判定結果ファ
イル（図１９）の「Ｆ値」の値とＦ分布表の値を対比
し、該当するものをトレンド／パターン性有無判定結果
ファイル（図１９）の「判定結果」に登録する処理であ
る。（詳細は、図８参照）。

【００５４】図７「パターン指数算出」、図１５のよう
な需要実績ファイルを基に、パターン指数を算出し、パ
ターン指数算出トランザクションファイル（図２２）
に登録する処理である。

【００５５】「各行合計値算出」（ステップ２６０１）
は、図１５のような需要実績ファイルを基に、１周期の
合計値（行合計値）を算出し、パターン指数算定トラン
ザクションファイル（図２１）に登録する処理であ
る。

【００５６】「各行パターン比率算出」（ステップ２６
０３）は、パターン比率算出トランザクションファイル
（図２１）を基に、需要実績値（ｉｊ）÷１周期合計
値（ｊ）を算出し、パターン指数算出トランザクション
ファイル（図２２）に登録する処理である。

【００５７】「平均パターン比率算出」（ステップ２６
０５）は、パターン指数算出トランザクションファイル
（図２２）を基に、各行パターン比率の平均値を算出
し、パターン指数算出トランザクションファイル（図
２２）に登録する処理である。

【００５８】図８「トレンド有無判定結果登録」は、ト
レンド／パターン性有無判定結果ファイル（図１９）の
「Ｆ値」の値とＦ分布表の値を対比し、該当するものを
トレンド／パターン性有無判定結果ファイル（図１９）
の「判定結果」に登録する処理である。

【００５９】「Ｆ分布表の値抽出」（ステップ２７０
１）は、トレンド／パターン性／指数平滑分析マスタ
（図１２）より、現在実施している分析区分に該当する
「データ数」「分析周期」を抽出し、「分子自由度α＝
分析周期−１」「分母自由度β＝データ数−１−分子自
由度α」を算出する。Ｆ分布表マスタ（図２３）より、
「分子自由度α」「分母自由度β」に該当する「Ｆ分布
表値」を抽出し、トレンド／パターン性有無判定結果フ
ァイル（図１９）の「検定表値又はＦ分布表値」に登録
する。

【００６０】「Ｆ値とＦ分布表の値比較」（ステップ２
７０３）は、トレンド／パターン性有無判定結果（図１
９）の「Ｆ値」と「Ｆ分布表値」を対比し、Ｆ値≧Ｆ分
布表値の場合は、ステップ２７０５、Ｆ値<Ｆ分布表値
の場合は、ステップ２７０７の処理を行う。

【００６１】「○を登録」（ステップ２７０５）は、ト
レンド／パターン性有無判定結果ファイル（図１９）の
「判定結果」に○を登録する処理である。

【００６２】「×を登録」（ステップ２７０７）は、ト
レンド／パターン性有無判定結果ファイル（図１９）の
「判定結果」に×を登録する処理である。

【００６３】図９「予測モデル選定」は、トレンド、パ
ターン性有無判断の結果から、需要予測モデルの候補を
選出する。そして、候補モデルを評価するため、過去に
対して各候補モデルを適用した場合の予測値を算出し、
実際の需要実績と対比し、評価値を算出する。その結果
より、最適な予測モデルを選定する処理である。

【００６４】「予測スペック分析単位」（ステップ２８
０１）は、予測する分析の単位により、対象となる予測
モデルが異なるために、対象予測モデル別に分岐される
ための処理である。予測商品マスタ（図１１）の「予測
単位」を参照し、年単位の場合はステップ２８０３、月
単位の場合はステップ２８１１の処理を行う。

【００６５】なお、（発明の詳細な説明）には、年・月
単位のみ記載しているが、週・月単位等についても、必
要であるならばステップ２８０３〜２８０９と同様な処
理を行う。

【００６６】「年単位予測モデル繰り返し」（ステップ
２８０３）は、トレンド／パターン性判定結果・適用モ
デル対応マスタ（年単位）（図２４）の「予測モテ゛ル」全
てに対して適合条件を判定する処理である。

【００６７】「トレンド／パターン性判定結果と適合条
件を対比」（ステップ２８０５）は、トレンド／パター
ン性有無判定結果トランザクションファイル（図１９）
の「判定結果」とトレンド／パターン性判定結果・適用
モデル対応マスタ（年単位）（図２４）の「適合条件」
と対比し、適合した場合は、ステップ２８０７、ステッ
プ２８０９の処理を行う。

【００６８】ステップ２８０５について、年次トレンド
の判定結果が「○」の場合で具体例に説明する。「トレ
ンド／パターン性判定結果・適用モデル対応マスタ」
（図２４）から「適用条件」が「モデル１：○」「モデ
ル２：＊（＊はワイルドワードで○×どちらも対応
可）」となっているので、この場合は「モデル１」「モ
デル２」両方が条件適合として抽出される。

【００６９】「評価用理論値算出」（ステップ２８０
７）は、トレンド／パターン性判定結果・適用モデル対
応マスタ（年単位）（図２４）の「処理方法」で、トレ
ンド／パターン性分析マスタ（図１２）の「データ数」
の分（実績値がある部分）、過去における理論値を算出
し、評価用理論値ファイル（図２６）に格納する処理で
ある。

【００７０】ステップ２８０７について、具体例に説明
する。「モデル２」の理論値算出方法は、トレンド予測
モデルパラメータトランザクションファイル（図１８）
より、パラメータを参照し、理論値を算出する。

【００７１】「モデル１」の理論値算出方法は、「年次
指数平滑対応需要実績ファイル」（図１６）を基に指数
平滑法より、理論値を算出する。

【００７２】「論理値算出」（ステップ２８０９）は、
評価用理論値ファイル（図２６）と図１３のような需要
実績ファイルを基に、評価値＝{Σ｜評価用論理値（ｉ）｜÷｜評価用論理値
（ｉ）−需要実績値（ｉ）｜}÷予測データ数ｔを算出し、評価値ファイル（図２７）に格納する処理で
ある。

【００７３】ここで、ある時点で予測が大きく外れるこ
とを好まない場合は、 [Σ｜評価用論理値（ｉ）｜^２÷｛予測値（ｉ）−需要
実績値（ｉ）｝^２]÷予測データ数ｔと設定する。

【００７４】「月単位予測モデル繰り返し」（ステップ
２８１１）は、トレンド／パターン性判定結果・適用モ
デル対応マスタ（月単位）（図２５）の「予測モテ゛ル」全
てに対して適合条件を判定する処理である。

【００７５】「トレンド／パターン性判定結果と適合条
件を対比」（ステップ２８１３）は、トレンド／パター
ン性有無判定結果トランザクションファイル（図１９）
の「判定結果」とトレンド／パターン性判定結果・適用
モデル対応マスタ（月単位）（図２５）の「適合条件」
と対比し、適合した場合は、ステップ２８１５、ステッ
プ２８１７の処理を行う。

【００７６】ステップ２８１３について、年次トレンド
と年内月次パターン性の判定結果が「○」で月次トレン
ドが「×」の場合で具体例に説明する。月次トレンドが
「×」であるので、「モデル０−２」は適用されないの
が分かる。その他、「モデル２−３」「モデル０−２」
「モデル０−１」については、条件が当てはまるため、
「モデル２−３」「モデル１−３」「モデル０−１」が
条件適合として抽出される。

【００７７】「評価用理論値算出」（ステップ２８１
５）は、トレンド／パターン性判定結果・適用モデル対
応マスタ（月単位）（図２５）の「処理方法」で、トレ
ンド／パターン性分析マスタ（図１２）の「データ数」
の分（実績値がある部分）、過去における論理値を算出
し、評価用理論値ファイル（図２６）に格納する処理で
ある。

【００７８】ステップ２８１５について、具体例に説明
する。「モデル２−３」の理論値算出方法は、まず、ト
レンド予測モデルパラメータトランザクションファイル
（図１８）より、年次トレンドのパラメータを参照し、
年単位グロスの理論値を算出する。そして、「パターン
指数算出トランザクションファイル」よりパターン比
率を参照し、月単位の理論値を算出する。

【００７９】「モデル１−３」の理論値算出方法は、ま
ず、「年次指数平滑対応需要実績ファイル」（図１６）
を基に指数平滑法より、年単位グロスの理論値を算出す
る。そして、「パターン指数算出トランザクションファ
イル」よりパターン比率を参照し、月単位の理論値を
算出する。

【００８０】「モデル０−２」の理論値算出方法は、ト
レンド予測モデルパラメータトランザクションファイル
（図１８）より、月次トレンドのパラメータを参照し、
理論値を算出する。

【００８１】「モデル０−１」の理論値算出方法は、
「月次指数平滑対応需要実績ファイル」（図１７）を基
に指数平滑法より、年単位グロスの理論値を算出する。

【００８２】「論理値算出」（ステップ２８１７）は、
評価用理論値ファイル（図２６）と図１４のような需要
実績ファイルを基に、評価値＝{Σ｜評価用論理値（ｉ）｜÷｜評価用論理値
（ｉ）−需要実績値（ｉ）｜}÷予測データ数ｔを算出し、評価値ファイル（図２７）に格納する処理で
ある。

【００８３】ここで、ある時点で予測が大きく外れるこ
とを好まない場合は、 [Σ｜評価用論理値（ｉ）｜^２÷｛予測値（ｉ）−需要
実績値（ｉ）｝^２]÷予測データ数ｔと設定する。

【００８４】「適用モデル抽出」（ステップ２８１９）
は、図１３のような需要実績情報、実績評価用理論値フ
ァイル（図２６）、評価値ファイル（図２７）を基に、
予測モデル選定画面（図２９）を表示し、エンドユーザ
へ最適な予測モデルを選択させ、選択結果を入力させ、
評価値ファイル（図２７）の「選定モデル結果」に登録
する処理である。ここで、コンピュータにより、自動的
にモデルを選定させたい場合は、評価値の一番高いもの
を自動で選出する。

【００８５】図１０「将来予測値算出」は、選定された
予測モデルを用い、未来に対する予測値を算出する処理
である。

【００８６】「適用モデルによる予測値算出」（ステッ
プ２９０１）は、予測商品マスタ（図１１）の「予測期
間」より予測期間を抽出し、「評価値ファイル」（図２
７）の「選定モデル結果」より選定させた予測モデルを
用い、予測期間分予測値を算出する処理である。

【００８７】「予測値出力」（ステップ２９０３）は、
算出された予測値を基に予測結果出力画面（図３０）を
表示する処理である。

【００８８】

【発明の効果】以上述べた事により、本発明によれば、
商品毎にタイムリーに需要動向にあった予測モデルを用
いた予測を実施することができ、予測精度の向上が可能
となる。

【図面の簡単な説明】

【図１】本発明を行うためのシステム構成図である。

【図２】メインフローチャートである。

【図３】トレンド／パターン性有無判断のフローチャー
トである。

【図４】トレンド有無分析のフローチャートである。

【図５】トレンド有無判定登録のフローチャートであ
る。

【図６】パターン性有無分析のフローチャートである。

【図７】パターン指数算出のフローチャートである。

【図８】パターン性有無結果登録フローチャートであ
る。

【図９】予測モデル選定のフローチャートである。

【図１０】将来予測値算出のフローチャートである。

【図１１】予測商品マスタのテーブル図である。

【図１２】トレンド／パターン性／指数平滑分析のテー
ブル図である。

【図１３】年次トレンド対応需要実績のテーブル図であ
る。

【図１４】月次トレンド対応需要実績のテーブル図であ
る。

【図１５】年内月次パターン対応需要実績のテーブル図
である。

【図１６】年次指数平滑対応需要実績のテーブル図であ
る。

【図１７】月次指数平滑対応需要実績のテーブル図であ
る。

【図１８】トレンド予測モデルパラメータトランザクシ
ョンのテーブル図である。

【図１９】トレンド／パターン性有無判定結果のテーブ
ル図である。

【図２０】相関関係検定表マスタのテーブル図である。

【図２１】パターン指数トランザクションファイル例を
示す図である。

【図２２】パターン指数トランザクションファイル例を
示す図である。

【図２３】Ｆ分析表マスタのテーブル図である。

【図２４】トレンド／パターン性判定結果．適用モデル
対応マスタ(年単位)のテーブル図である。

【図２５】トレンド／パターン性判定結果．適用モデル
対応マスタ(月単位)のテーブル図である。

【図２６】評価用理論値のテーブル図である。

【図２７】評価値のテーブル図である。

【図２８】将来予測値のテーブル図である。

【図２９】予測モデル選定画面イメージ図である。

【図３０】予測結果出力を示す画面図である。

【符号の説明】

１００１…制御プログラム、１００３…ワークエリア、
１００５…予測モデルモジュール、１００７…トレンド
／パターン性有無判断モジュール、１００９…予測モデ
ル選定モジュール、１０１１…将来予測値算出モジュー
ル、１０１３…予測商品マスタ、１０１５…トレンド／
パターン性／指数平滑分析マスタ、１０１７…年次トレ
ンド対応実績ファイル、１０１９…月次トレンド対応実
績ファイル、１０２１…年内月次パターン性対応実績フ
ァイル、１０２２…年次指数平滑対応実績ファイル、１
０２２…年次指数平滑対応実績ファイル、１０２３…月
次指数平滑対応実績ファイル、１０２４…トレンド予測
モデルパラメータトランザクションファイル、１０２５
…トレンド／パターン性有無判断結果トランザクション
ファイル、１０２７…相関係数検定表マスタ、１０２９
…パターン性指数算出トランザクションファイル、１
０３１…パターン性指数算出トランザクションファイル
、１０３３…Ｆ分布表マスタ、１０３５…トレンド／
パターン判定結果・適用モデル対応マスタ（年単位）、
１０３６…トレンド／パターン判定結果・適用モデル対
応マスタ（月単位）、１０３７…評価用理論値ファイ
ル、１０３９…評価値ファイル、１０４１…将来予測値
ファイル。

───────────────────────────────────────────────────── フロントページの続き (72)発明者佐藤隆夫神奈川県川崎市幸区鹿島田890番地株式会社日立製作所システム開発本部内 (72)発明者田所慶治宮城県仙台市青葉区一番町二丁目４番１号日立東北ソフトウェア株式会社内Ｆターム(参考） 5B049 BB11 CC27 EE03

Claims

【特許請求の範囲】

【請求項１】商品の需要実績の分析を行い、トレンド／
パターン性の有無を判定するステップと、その結果から
需要予測モデルの候補を選出し、候補モデルにおける評
価値を算出することにより、適正なモデルを選定するス
テップと、適正なモデルにより、予測値を算出するステ
ップにより構成されたことを特徴とする予測目的別モデ
ル選定型需要予測方式。
【請求項２】請求項１のトレンド／パターン性の有無判
断において、予測単位に応じて、対応するトレンド有無
分析／パターン性有無分析を全て行うステップを有する
ことを特徴とする予測目的別モデル選定型需要予測方
式。
【請求項３】請求項２のトレンド有無分析において、商
品の需要実績情報を回帰分析し、相関係数を算出し、相
関係数検定表の値と比較することにより、トレンド有無
を判断することを特徴とする予測目的別モデル選定型需
要予測方式。
【請求項４】請求項２のパターン性有無分析において、
商品の需要実績情報からパターン指数を算出し、Ｆ値を
算出し、Ｆ分布表の値と比較することにより、パターン
性有無を判断することを特徴とする予測目的別モデル選
定型需要予測方式。
【請求項５】請求項１における適正なモデルの選定にお
いて、ユーザが適正なモデルを選定しやすくできるよう
に、候補モデルによる予測値をグラフにより表示した
り、評価値を表示することを特徴とする予測目的別モデ
ル選定型需要予測方式。
【請求項６】請求項５において、ユーザによるモデル選
定だけではなく、評価値が高いものを自動的に選定する
ことも可能な方法であることを特徴とする予測目的別モ
デル選定型需要予測方式。
【請求項７】請求項５および請求項６において、評価値
を｛Σ｜需要実績値（ｉ）｜÷｜予測値（ｉ）−需要実
績値（ｉ）｜｝÷予測データ数ｔ又は[Σ｜需要実績
値（ｉ）｜^２÷｛予測値（ｉ）−需要実績値
（ｉ）｝^２]÷予測データ数ｔにより算出する方法であ
ることを特徴とする予測目的別モデル選定型需要予測方
式。