JPH02299059A - 受注予測システム - Google Patents
受注予測システムInfo
- Publication number
- JPH02299059A JPH02299059A JP1118660A JP11866089A JPH02299059A JP H02299059 A JPH02299059 A JP H02299059A JP 1118660 A JP1118660 A JP 1118660A JP 11866089 A JP11866089 A JP 11866089A JP H02299059 A JPH02299059 A JP H02299059A
- Authority
- JP
- Japan
- Prior art keywords
- order
- index
- weather
- week
- day
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
［産業上の利用分野］
本発明は、当日受注・出荷や、当日受注・翌日出荷のよ
うに日単位で明日の受注量を予測して生産する短納期受
注形態の業務において、特に過去の受注情報を活用し受
注量を予測して業務に供する受注予測システムに関する
。
うに日単位で明日の受注量を予測して生産する短納期受
注形態の業務において、特に過去の受注情報を活用し受
注量を予測して業務に供する受注予測システムに関する
。
［従来の技術］
従来、本発明が対象とする予測処理分野では、例えば特
開昭５９−７７４号公報に、記載されるように、原デー
タを時間間隔で分割し周期指数値を算出すると共に周期
指数値に応じて推定する時系列予測を採用していた。
開昭５９−７７４号公報に、記載されるように、原デー
タを時間間隔で分割し周期指数値を算出すると共に周期
指数値に応じて推定する時系列予測を採用していた。
［発明が解決しようとする課題］
上記従来技術では。
（１）天候・曜日・週・季節等の変動要因が複数ある。
（２）特売などの不規則な外乱が多い。
等の点について配慮がされておらず、単純な時系列予測
では受注予測への適用に問題がある。
では受注予測への適用に問題がある。
本発明では、原データが時間要因も含んだ複数の要因か
ら成ると考え、まず要因別に受注量を分解し、特売等の
バラツキ要因を除去した後で、各要因別の受注量を合成
し、予測するものである。
ら成ると考え、まず要因別に受注量を分解し、特売等の
バラツキ要因を除去した後で、各要因別の受注量を合成
し、予測するものである。
本発明の目的は変動要因別の指数値を算出し、原データ
から不規則性を取り除いた受注モデルを用いて時系列予
測を適用しやすくする受注予測システムを提供すること
にある。
から不規則性を取り除いた受注モデルを用いて時系列予
測を適用しやすくする受注予測システムを提供すること
にある。
更に、本発明の他の目的は、要因別の指数を選択し予測
値に乗算した推定受注情報を提供することにより、予測
を判断・補正しやすくする受注予測システムを提供する
ことにある。
値に乗算した推定受注情報を提供することにより、予測
を判断・補正しやすくする受注予測システムを提供する
ことにある。
［課題を解決するための手段］
上記目的は、数カ月間の日別、商品別の受注量をもつ日
別受注テーブルと、数年間の月別の売上総額をもつ総売
上テーブルと、週・曜日・天候の区分を日毎にもつカレ
ンダテーブルを有し９日別受注テーブルからバラツキを
除去し一般受注フアイルを作成するバラツキ除去部と、
総売」ニテーブルから月指数を、一般受注テーブルから
週・曜日・天候別の指数を算出し各指数テーブルを作成
する指数算出部と、一般受注テーブルから各指数により
要因を除去し受注モデルファイルを作成するモデル作成
部と、キーボードから入力した受注予測期間と受注モデ
ルにより時系列に予測する受注予測部と、受注予測デー
タと要因別指数から推定受注量を日別、商品別、天候別
に編集し表示画面及びプリンタに出力する天候別編集部
を有する受注予測システムにより達成される。
別受注テーブルと、数年間の月別の売上総額をもつ総売
上テーブルと、週・曜日・天候の区分を日毎にもつカレ
ンダテーブルを有し９日別受注テーブルからバラツキを
除去し一般受注フアイルを作成するバラツキ除去部と、
総売」ニテーブルから月指数を、一般受注テーブルから
週・曜日・天候別の指数を算出し各指数テーブルを作成
する指数算出部と、一般受注テーブルから各指数により
要因を除去し受注モデルファイルを作成するモデル作成
部と、キーボードから入力した受注予測期間と受注モデ
ルにより時系列に予測する受注予測部と、受注予測デー
タと要因別指数から推定受注量を日別、商品別、天候別
に編集し表示画面及びプリンタに出力する天候別編集部
を有する受注予測システムにより達成される。
［作用］
まず原データから特売等のバラツキを除去した後で、月
別の平均値を算出し、これを年平均で除算し各月の指数
を算出すると共に、該指数により月要因を原データから
除去する。次に、月要因を除去したデータから月別の平
均値を算出し全週平均値で除算し週指数を算出すると共
に、週要因を除去する。曜日・天候についても同様にし
てそれぞれの指数を算出すると共に、各要因特性を除去
する。
別の平均値を算出し、これを年平均で除算し各月の指数
を算出すると共に、該指数により月要因を原データから
除去する。次に、月要因を除去したデータから月別の平
均値を算出し全週平均値で除算し週指数を算出すると共
に、週要因を除去する。曜日・天候についても同様にし
てそれぞれの指数を算出すると共に、各要因特性を除去
する。
以上の計算を商品毎に行い受注モデルを作成し、指数平
滑法を用いて所定の周期で時系列に予測する。
滑法を用いて所定の周期で時系列に予測する。
次に、該予測値にすでに算出した各要因別の指数を乗算
することにより推定受注量を合成し、天候指数により晴
・曇・小雨・雨の天候別に受注量を推定する。
することにより推定受注量を合成し、天候指数により晴
・曇・小雨・雨の天候別に受注量を推定する。
［実施例］
以下、本発明の一実施例を図面に基づいて詳細に説明す
る。
る。
第１図は受注予測システムのシステム構成図であり、処
理装置１、原データ及び処理条件のテーブルである日別
受注テーブル２、総売上テーブル３、カレンダテーブル
４．処理結果を格納しておくファイルである一般受注フ
アイル５、月指数ファイル６、週指数ファイル７、曜日
指数ファイル８、天候指数ファイル９、受注モデルファ
イル１０、受注予測ファイル１１．推定受注ファイル１
２、キーイン及び表示プリントする表示画面１３゜キー
ボード１４、プリンタ１５、処理装置内でテーブル及び
ファイルを処理する機能であるバラツキ除去部１０１、
指数算出部１０２、モデル作成部１０３、受注予測部１
０４、要因合成部１０５゜天候編集部１０６から成る。
理装置１、原データ及び処理条件のテーブルである日別
受注テーブル２、総売上テーブル３、カレンダテーブル
４．処理結果を格納しておくファイルである一般受注フ
アイル５、月指数ファイル６、週指数ファイル７、曜日
指数ファイル８、天候指数ファイル９、受注モデルファ
イル１０、受注予測ファイル１１．推定受注ファイル１
２、キーイン及び表示プリントする表示画面１３゜キー
ボード１４、プリンタ１５、処理装置内でテーブル及び
ファイルを処理する機能であるバラツキ除去部１０１、
指数算出部１０２、モデル作成部１０３、受注予測部１
０４、要因合成部１０５゜天候編集部１０６から成る。
まず、本発明の基本的な流れを第２図によって説明する
。
。
最初に、前準備処理として日別受注テーブル２からバラ
ツキを除去した一般受注フアイル５を作成しく１０１）
、総売上テーブル３、一般受注フアイル５、カレンダテ
ーブル４から月・週・曜日・天候の指数を算出しく１０
２）、それぞれを月指数ファイル６、週指数ファイル７
、曜日指数ファイル８、天候指数ファイル９に格納する
と共に、一般受注フアイル５からそれぞれの指数を取り
除いた受注モデルファイル１０を作成する（１０３）。
ツキを除去した一般受注フアイル５を作成しく１０１）
、総売上テーブル３、一般受注フアイル５、カレンダテ
ーブル４から月・週・曜日・天候の指数を算出しく１０
２）、それぞれを月指数ファイル６、週指数ファイル７
、曜日指数ファイル８、天候指数ファイル９に格納する
と共に、一般受注フアイル５からそれぞれの指数を取り
除いた受注モデルファイル１０を作成する（１０３）。
次に、表示装置１３、キーボード１４から予測する期間
をキー人力し、受注モデルデータを用いて指数平滑法に
より対象期間内の受注量を商品ごとに日別に算出し、受
注予測ファイル１１を作成する（ｔ０４）。
をキー人力し、受注モデルデータを用いて指数平滑法に
より対象期間内の受注量を商品ごとに日別に算出し、受
注予測ファイル１１を作成する（ｔ０４）。
次に、既に作成した各要因別の月指数ファイル６、週指
数ファイル７、曜日指数ファイル８を用い受注予測デー
タに要因別に乗算し受注量を合成し推定受注ファイル１
２に出力する（１０５）。
数ファイル７、曜日指数ファイル８を用い受注予測デー
タに要因別に乗算し受注量を合成し推定受注ファイル１
２に出力する（１０５）。
最後に、天候指数ファイル９より天候別指数を受取り、
推定受注ファイル１２に乗算し、日別、商品別に天候別
の推定受注量をプリンタ１５にプリント出力する（１０
６）。
推定受注ファイル１２に乗算し、日別、商品別に天候別
の推定受注量をプリンタ１５にプリント出力する（１０
６）。
次に、第１図及び第２図で示す受注予測システムの処理
内容を第３図により説明する。
内容を第３図により説明する。
第３図において、３０１，３０２，３０３，３０４．３
０５が第２図の前準備処理に相当し、３０６．３０７，
３０８が第２図の受注予測１０４、要因合成１０５、天
候編集１０６の処理に相当する。
０５が第２図の前準備処理に相当し、３０６．３０７，
３０８が第２図の受注予測１０４、要因合成１０５、天
候編集１０６の処理に相当する。
まず、各月の平均売上高を算出し、指数化した後（３０
１）、この季節指数を用い、日別売上高情報から季節要
因を除いたモデルにする（３０２）。次にこのモデルか
ら週の要因、曜日の要因、天候の要因を取り除＜ （３
０３，３０４，３０５）。
１）、この季節指数を用い、日別売上高情報から季節要
因を除いたモデルにする（３０２）。次にこのモデルか
ら週の要因、曜日の要因、天候の要因を取り除＜ （３
０３，３０４，３０５）。
以上のような各要因を排除した分析モデルを用い。
過去のデータを分析し、傾向値をとらえる（３０６）。
そして、前に算出した指数（季節・週・曜日）を傾向値
に加味する（３０７）。下表のように、天候ごとに傾向
をまとめた早見表により、明日の生産量を予ｄ１すする
（３０．８）。
に加味する（３０７）。下表のように、天候ごとに傾向
をまとめた早見表により、明日の生産量を予ｄ１すする
（３０．８）。
次に、季節要因、週要因、曜日要因、天候要因を取り除
くため、各々の要因についての指数化の方法を第４図（
Ａ）、（Ｂ ）、（Ｃ）、（Ｄ ）で述べる。
くため、各々の要因についての指数化の方法を第４図（
Ａ）、（Ｂ ）、（Ｃ）、（Ｄ ）で述べる。
第４図（Ａ）は季節指数の算出方法と季節要因除去方法
について説明したものである。
について説明したものである。
（ａ）まず過去３年間の月別平均売上高と年平均売上高
を算出し、これより（ｂ）に示す式により月別の季節指
数を算出する。次に（ｃ）に示す手順により、算出され
た季節指数を用いて日別売上高データを平滑化し、これ
をモデル■とする。
を算出し、これより（ｂ）に示す式により月別の季節指
数を算出する。次に（ｃ）に示す手順により、算出され
た季節指数を用いて日別売上高データを平滑化し、これ
をモデル■とする。
また、第４図（Ｂ）に従い、週指数の算出方法と週要因
除去方法について説明する。
除去方法について説明する。
（ａ）まず季節要因が除去されたモデル■のデータを利
用し、（ｂ）に示す手順により週指数を算出する。
用し、（ｂ）に示す手順により週指数を算出する。
次に、（Ｃ）に示す手順により、週指数を平滑化した売
上高データであるモデル■を算出する。
上高データであるモデル■を算出する。
従って、モデル■は季節要因と週要因の取り除かれた売
上高データとなる。
上高データとなる。
次に、第４図（Ｃ）で示す手順（ａ）（ｂ）（ｃ）に従
い、曜日指数の算出と曜日要因の除去を行い、季節要因
、週要因及び曜日要因を取り除いた売上高データである
モデル■を算出する。
い、曜日指数の算出と曜日要因の除去を行い、季節要因
、週要因及び曜日要因を取り除いた売上高データである
モデル■を算出する。
最後に、第４図（Ｄ）に示す手順（ａ）（ｂ）（Ｃ）に
より、天候指数の算出と天候要因の除去を行い、季節要
因、週要因、曜日要因及び天候要因を取り除いた売上高
データである分析モデルを算出する。
より、天候指数の算出と天候要因の除去を行い、季節要
因、週要因、曜日要因及び天候要因を取り除いた売上高
データである分析モデルを算出する。
この分析モデルのデータにより、第３図の３０６の処理
が可能となり、回帰分析や他の適当な時系列分析手法を
用い、商品毎の受注量を予測する。
が可能となり、回帰分析や他の適当な時系列分析手法を
用い、商品毎の受注量を予測する。
これは第２図の処理１０４に相当する。
次に第３図の３０７において、算出した季節指数、週指
数及び曜日指数を予測受注量に乗算し、季節要因、週要
因及び曜日要因を考慮した受注量を予測する。これは、
第２図の処理１０５に相当する。
数及び曜日指数を予測受注量に乗算し、季節要因、週要
因及び曜日要因を考慮した受注量を予測する。これは、
第２図の処理１０５に相当する。
次に第３図の３０８において、算出した天候指数を予測
受注量に乗算し、季節要因、週要因及び曜日要因を考慮
した受注量を天候別に細分化した推定受注量として出力
する。これは第２図の処理１０６に相当する。従って、
予測担当者は天候別の推定受注Ｊｉ１５を参照し、当日
の天候に該当する予測受注量を得ることができる。
受注量に乗算し、季節要因、週要因及び曜日要因を考慮
した受注量を天候別に細分化した推定受注量として出力
する。これは第２図の処理１０６に相当する。従って、
予測担当者は天候別の推定受注Ｊｉ１５を参照し、当日
の天候に該当する予測受注量を得ることができる。
なお、以上説明した処理に従った操作手順の例を第５図
（Ａ）、（Ｂ）、（Ｃ）、（Ｄ）に示す。即ち、（１）
各月相数算出、（２）季節要因削除、（３）週要因削除
、（４）曜日要因削除、（５）天候要因削除。
（Ａ）、（Ｂ）、（Ｃ）、（Ｄ）に示す。即ち、（１）
各月相数算出、（２）季節要因削除、（３）週要因削除
、（４）曜日要因削除、（５）天候要因削除。
（６）分析モデル作成、（７）翌月受注予測の処理を行
う。
う。
［発明の効果コ
本発明は１日車位で明日の受注量を予測して生産する短
納期受注形態の業種において、−過去の受注情報を活用
し受注量を予測して業務に供する受注予測システムが得
られるという効果がある。
納期受注形態の業種において、−過去の受注情報を活用
し受注量を予測して業務に供する受注予測システムが得
られるという効果がある。
第１図は本発明の一実施例を示す構成図、第２図は本シ
ステムの概念を示す図、第３図は予測手順を示すフロー
チャート、第４図は予測手順の詳細を説明するための図
、第５図は操作手順を説明するための図である。 代理人弁理士 小 川 勝 男 第２図 第３図 第４図（Ａ） （ａ）過去３年間の月別平均売上高を算出する。 ＜
ｅ、売上高）（ｂ）季節指数の算出 （Ｃ）過去３ケ月の地域別・品別・日別の売上情報を季
節指数で平滑化する。 第４図（Ｂ） （ｂ）週指数の算出 第１週の平均売上高 ｔｆｉＩＭＬＭｆ１敗＝ 月のマ均充土高÷営業日数
８１００（Ｃ）日別売上高モデル■を週指数で平滑化
する第４図（Ｃ） （ａ）週指数で平滑化された日別売上高モデル■から曜
日別の平均売上高を算出する。 （ｂ）曜日指数の算出 （Ｃ）日別ｉｈ高モモデルを曜日指数で平滑化する。 第４図（Ｄ） （ａ）雨の確率により、晴、曇、小雨、雨に日別売上高
モデル■を分類し、天候別の平均売上高を算出する。 晴の日の売上高合計 晴の平均売上高＝ 晴。日数 （ｂ）天候指数の算出 晴の日の平均売上高 隋０指数−−日の平均売上高 （Ｃ）日別売上高モデル■を天候指数で平滑化する。 １３１５図（Ａ） 第５図（Ｂ） 第５図（Ｃ） ！１５図（Ｄ）
ステムの概念を示す図、第３図は予測手順を示すフロー
チャート、第４図は予測手順の詳細を説明するための図
、第５図は操作手順を説明するための図である。 代理人弁理士 小 川 勝 男 第２図 第３図 第４図（Ａ） （ａ）過去３年間の月別平均売上高を算出する。 ＜
ｅ、売上高）（ｂ）季節指数の算出 （Ｃ）過去３ケ月の地域別・品別・日別の売上情報を季
節指数で平滑化する。 第４図（Ｂ） （ｂ）週指数の算出 第１週の平均売上高 ｔｆｉＩＭＬＭｆ１敗＝ 月のマ均充土高÷営業日数
８１００（Ｃ）日別売上高モデル■を週指数で平滑化
する第４図（Ｃ） （ａ）週指数で平滑化された日別売上高モデル■から曜
日別の平均売上高を算出する。 （ｂ）曜日指数の算出 （Ｃ）日別ｉｈ高モモデルを曜日指数で平滑化する。 第４図（Ｄ） （ａ）雨の確率により、晴、曇、小雨、雨に日別売上高
モデル■を分類し、天候別の平均売上高を算出する。 晴の日の売上高合計 晴の平均売上高＝ 晴。日数 （ｂ）天候指数の算出 晴の日の平均売上高 隋０指数−−日の平均売上高 （Ｃ）日別売上高モデル■を天候指数で平滑化する。 １３１５図（Ａ） 第５図（Ｂ） 第５図（Ｃ） ！１５図（Ｄ）
Claims (1)
- 【特許請求の範囲】 １、バラツキを除去した日付と商品と受注量からなるほ
ぼ周期的に変動する過去の原データから将来の商品別受
注量を求めるシステムにおいて、月・週・曜日・天候の
変動要因を取り除いた受注モデルを設定し、該受注モデ
ルに各要因別の指数で受注予測量を合成することを特徴
とする受注予測システム。 ２、雨の確率を用いて天候を区分化し、全て晴の状態に
した受注モデル設定と、該受注モデルと該天候区分によ
る受注量を合成して原データから天候の要因を取り除く
ことを特徴とする受注予測システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1118660A JPH02299059A (ja) | 1989-05-15 | 1989-05-15 | 受注予測システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1118660A JPH02299059A (ja) | 1989-05-15 | 1989-05-15 | 受注予測システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02299059A true JPH02299059A (ja) | 1990-12-11 |
Family
ID=14742066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1118660A Pending JPH02299059A (ja) | 1989-05-15 | 1989-05-15 | 受注予測システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02299059A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995019597A1 (en) * | 1994-01-14 | 1995-07-20 | Strategic Weather Services | A user interface for graphically displaying the impact of weather on managerial planning applications |
| US5832456A (en) * | 1996-01-18 | 1998-11-03 | Strategic Weather Services | System and method for weather adapted, business performance forecasting |
| US6584447B1 (en) | 1996-01-18 | 2003-06-24 | Planalytics, Inc. | Method and computer program product for weather adapted, consumer event planning |
| US7069232B1 (en) | 1996-01-18 | 2006-06-27 | Planalytics, Inc. | System, method and computer program product for short-range weather adapted, business forecasting |
| US7162444B1 (en) | 2000-08-18 | 2007-01-09 | Planalytics, Inc. | Method, system and computer program product for valuating natural gas contracts using weather-based metrics |
| US7184983B2 (en) | 1998-10-08 | 2007-02-27 | Planalytics, Inc. | System, method, and computer program product for valuating weather-based financial instruments |
| WO2016072474A1 (ja) * | 2014-11-06 | 2016-05-12 | エコノミックインデックス株式会社 | 情報処理装置及び方法、並びにプログラム |
| JP2020035004A (ja) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | 需要予測システムおよび需要予測方法 |
-
1989
- 1989-05-15 JP JP1118660A patent/JPH02299059A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995019597A1 (en) * | 1994-01-14 | 1995-07-20 | Strategic Weather Services | A user interface for graphically displaying the impact of weather on managerial planning applications |
| US5796932A (en) * | 1994-01-14 | 1998-08-18 | Strategic Weather Services | User interface for graphically displaying the impact of weather on managerial planning |
| US5832456A (en) * | 1996-01-18 | 1998-11-03 | Strategic Weather Services | System and method for weather adapted, business performance forecasting |
| US6584447B1 (en) | 1996-01-18 | 2003-06-24 | Planalytics, Inc. | Method and computer program product for weather adapted, consumer event planning |
| US7069232B1 (en) | 1996-01-18 | 2006-06-27 | Planalytics, Inc. | System, method and computer program product for short-range weather adapted, business forecasting |
| US7184983B2 (en) | 1998-10-08 | 2007-02-27 | Planalytics, Inc. | System, method, and computer program product for valuating weather-based financial instruments |
| US7162444B1 (en) | 2000-08-18 | 2007-01-09 | Planalytics, Inc. | Method, system and computer program product for valuating natural gas contracts using weather-based metrics |
| WO2016072474A1 (ja) * | 2014-11-06 | 2016-05-12 | エコノミックインデックス株式会社 | 情報処理装置及び方法、並びにプログラム |
| JP2020035004A (ja) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | 需要予測システムおよび需要予測方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8005707B1 (en) | Computer-implemented systems and methods for defining events | |
| US7742940B1 (en) | Method and system for predicting revenue based on historical pattern indentification and modeling | |
| JP3767954B2 (ja) | 需要予測装置 | |
| US20030018503A1 (en) | Computer-based system and method for monitoring the profitability of a manufacturing plant | |
| WO1992018939A1 (fr) | Systeme pour classer les caracteristiques des quantites d'un produit vendu et systeme pour passer des commandes supplementaires | |
| EP0954814A4 (en) | SYSTEM AND METHOD FOR FORECASTING THE LEVEL OF BUSINESS BASED ON METEOROLOGY | |
| JPH0668065A (ja) | 商品の需要予測装置 | |
| CN112801410A (zh) | 基于大数据技术的电费流入预测分析方法 | |
| Makridakis | Time series prediction: Forecasting the future and understanding the past | |
| US20090118854A1 (en) | Production planning support method and its system | |
| JP2002504726A (ja) | プロセス制御方法及びシステム | |
| Barkai et al. | Value without employment | |
| CN117522057A (zh) | 排产方法 | |
| JPH01259488A (ja) | 商品販売数予測方式 | |
| JPH0665458B2 (ja) | 工程管理デ−タ表示装置 | |
| JPH08115369A (ja) | 販売量予測方式 | |
| JP2002304508A (ja) | 需要予測販促方法およびシステム | |
| JPH0895948A (ja) | トレンドに基づく時系列予測方法および装置 | |
| JP2007122264A (ja) | 経営または需要の予測システムおよびこれに用いる予測プログラム | |
| CN110442794B (zh) | 一种分析师画像系统的构建方法 | |
| CA2471291A1 (en) | Supply chain optimization | |
| JP2002056164A (ja) | 販売管理装置及び販売管理方法 | |
| CN121146188B (zh) | 一种企业客户的信息管理系统及管理方法 | |
| JP7731179B1 (ja) | 株価予測システムおよび株価予測プログラム | |
| JPH0415793A (ja) | 商品の日別売上予測システムと売上予測装置 |