特許 7023456 需要予測装置、需要予測方法、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-02-14

(45)【発行日】2022-02-22

(54)【発明の名称】需要予測装置、需要予測方法、及びプログラム

(51)【国際特許分類】

   G06Q 10/04 20120101AFI20220215BHJP

   G06Q 10/00 20120101ALI20220215BHJP

   G06Q 50/10 20120101ALI20220215BHJP

   G03G 21/00 20060101ALI20220215BHJP

【ＦＩ】

G06Q10/04

G06Q10/00 300

G06Q50/10

G03G21/00 396

【請求項の数】 5

(21)【出願番号】P 2018004703

(22)【出願日】2018-01-16

(65)【公開番号】P2019125127

(43)【公開日】2019-07-25

【審査請求日】2020-12-02

(73)【特許権者】

【識別番号】000000295

【氏名又は名称】沖電気工業株式会社

(73)【特許権者】

【識別番号】599011687

【氏名又は名称】学校法人 中央大学

(74)【代理人】

【識別番号】100140958

【弁理士】

【氏名又は名称】伊藤 学

(74)【代理人】

【識別番号】100137888

【弁理士】

【氏名又は名称】大山 夏子

(74)【代理人】

【識別番号】100190942

【弁理士】

【氏名又は名称】風間 竜司

(72)【発明者】

【氏名】伊加田 恵志

(72)【発明者】

【氏名】阿部 興

(72)【発明者】

【氏名】鎌倉 稔成

【審査官】速水 雄太

(56)【参考文献】

【文献】特開２００３－２６３３００（ＪＰ，Ａ）

【文献】特開２０１０－１４６４１３（ＪＰ，Ａ）

【文献】特開２００４－３５９４１５（ＪＰ，Ａ）

【文献】特開２０１１－２３２９５０（ＪＰ，Ａ）

【文献】山本 伸幸ほか，消耗品生産における需要の変化点分析に関する研究，経営情報学会誌，経営情報学会，2008年03月04日，第１４巻，第２号，第４３－５８頁

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

Ｇ０３Ｇ ２１／００

(57)【特許請求の範囲】

【請求項1】

製品に使用される交換可能な消耗品の需要予測を行う需要予測装置であって、
所定の時刻ｔにおける前記製品の累計出荷数の期待値Ａ（ｔ）、前記所定の時刻ｔにおける前記製品の稼働台数の期待値Ｂ（ｔ）、前記所定の時刻ｔにおける前記消耗品の出荷数の期待値Ｃ（ｔ）、前記製品の利用停止の割合を表すパラメータｐ、前記消耗品の利用割合を表すパラメータｑ、前記製品の購入時の前記消耗品の同時購入割合を表すパラメータｒを用いて、前記消耗品の需要曲線を数式（Ｆ－１）として表された第１モデル、及び前記製品の稼働台数の時間変化率を数式（Ｆ－２）として表された第２モデルに基づいた、需要予測モデルを記憶する需要予測モデル記憶部と、
前記製品の販売実績数及び前記消耗品の販売実績数に基づいて、前記需要予測モデル記憶部に記憶された前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定を行い、前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定値であるパラメータ推定値を算出するパラメータ算出部と、
前記パラメータ算出部により算出された前記パラメータ推定値を記憶するパラメータ記憶部と、
前記需要予測モデル記憶部に記憶された前記需要予測モデル、前記パラメータ記憶部に記憶された前記パラメータ推定値、及び将来の製品販売計画数に基づいて、前記消耗品の需要台数の予測値を算出する予測値算出部と、
を備える需要予測装置。

【数1】

【請求項2】

前記予測値算出部は、前記需要予測モデルに、前記パラメータ推定値、前記製品の販売実績数、前記消耗品の販売実績数、及び前記将来の製品販売計画数を投入して、前記予測値を算出する、請求項１に記載の需要予測装置。

【請求項3】

前記需要予測モデルは、ユーザの操作に基づいて選択される、請求項１または２に記載の需要予測装置。

【請求項4】

製品に使用される交換可能な消耗品の需要予測を行う需要予測方法であって、
所定の時刻ｔにおける前記製品の累計出荷数の期待値Ａ（ｔ）、前記所定の時刻ｔにおける前記製品の稼働台数の期待値Ｂ（ｔ）、前記所定の時刻ｔにおける前記消耗品の出荷数の期待値Ｃ（ｔ）、前記製品の利用停止の割合を表すパラメータｐ、前記消耗品の利用割合を表すパラメータｑ、前記製品の購入時の前記消耗品の同時購入割合を表すパラメータｒを用いて、前記消耗品の需要曲線を数式（Ｆ－１）として表された第１モデル、及び前記製品の稼働台数の時間変化率を数式（Ｆ－２）として表された第２モデルに基づいた、需要予測モデルを記憶することと、
前記製品の販売実績数及び前記消耗品の販売実績数に基づいて、記憶された前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定を行い、前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定値であるパラメータ推定値を算出することと、
算出された前記パラメータ推定値を記憶することと、
記憶された前記需要予測モデル、記憶された前記パラメータ推定値、及び将来の製品販売計画数に基づいて、前記消耗品の需要台数の予測値を算出することと、
を含む、需要予測方法。

【数2】

【請求項5】

コンピュータに製品に使用される交換可能な消耗品の需要予測機能を実現させるためのプログラムであって、
所定の時刻ｔにおける前記製品の累計出荷数の期待値Ａ（ｔ）、前記所定の時刻ｔにおける前記製品の稼働台数の期待値Ｂ（ｔ）、前記所定の時刻ｔにおける前記消耗品の出荷数の期待値Ｃ（ｔ）、前記製品の利用停止の割合を表すパラメータｐ、前記消耗品の利用割合を表すパラメータｑ、前記製品の購入時の前記消耗品の同時購入割合を表すパラメータｒを用いて、前記消耗品の需要曲線を数式（Ｆ－１）として表された第１モデル、及び前記製品の稼働台数の時間変化率を数式（Ｆ－２）として表された第２モデルに基づいた、需要予測モデルを記憶する機能と、
前記製品の販売実績数及び前記消耗品の販売実績数に基づいて、記憶された前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定を行い、前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定値であるパラメータ推定値を算出する機能と、
算出された前記パラメータ推定値を記憶する機能と、
記憶された前記需要予測モデル、記憶された前記パラメータ推定値、及び将来の製品販売計画数に基づいて、前記消耗品の需要台数の予測値を算出する機能と、
を実現させるためのプログラム。

【数3】

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、需要予測装置、需要予測方法、及びプログラムに関する。

【背景技術】

【0002】

交換可能な消耗品を使用する製品（以下、本体とも呼ぶ）に関して、当該消耗品に関する需要量を予測する技術が存在する。例えば、下記特許文献１には、本体稼働実績台数を予測に組み込んで、消耗品の需要予測を行う技術が記載されている。なお、下記特許文献１には、上記の本体稼働実績台数は、サービスエンジニアがメンテナンスで顧客を訪問した際に確認されることが記載されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００３－２６３３００号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかし、本体稼働実績台数をサービスエンジニアが確認することは人的負担が大きかった。特に、需要予測を行う消耗品に係る本体が、掃除機やエアコンなどの家電をはじめ多数の家庭等に存在する製品である場合、各家庭をサービスエンジニアが訪問して本体の稼働状況を頻繁に確認することは困難であった。

【0005】

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、人的負担を軽減させつつ、消耗品に関する需要量を予測することが可能な、新規かつ改良された需要予測装置、需要予測方法、及び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】

【0006】

上記課題を解決するために、本発明のある観点によれば、製品に使用される交換可能な消耗品の需要予測を行う需要予測装置であって、所定の時刻ｔにおける前記製品の累計出荷数の期待値Ａ（ｔ）、前記所定の時刻ｔにおける前記製品の稼働台数の期待値Ｂ（ｔ）、前記所定の時刻ｔにおける前記消耗品の出荷数の期待値Ｃ（ｔ）、前記製品の利用停止の割合を表すパラメータｐ、前記消耗品の利用割合を表すパラメータｑ、前記製品の購入時の前記消耗品の同時購入割合を表すパラメータｒを用いて、前記消耗品の需要曲線を数式（Ｆ－１）として表された第１モデル、及び前記製品の稼働台数の時間変化率を数式（Ｆ－２）として表された第２モデルに基づいた、需要予測モデルを記憶する需要予測モデル記憶部と、前記製品の販売実績数及び前記消耗品の販売実績数に基づいて、前記需要予測モデル記憶部に記憶された前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定を行い、前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定値であるパラメータ推定値を算出するパラメータ算出部と、前記パラメータ算出部により算出された前記パラメータ推定値を記憶するパラメータ記憶部と、前記需要予測モデル記憶部に記憶された前記需要予測モデル、前記パラメータ記憶部に記憶された前記パラメータ推定値、及び将来の製品販売計画数に基づいて、前記消耗品の需要台数の予測値を算出する予測値算出部と、を備える需要予測装置が提供される。

【数1】

【0007】

前記予測値算出部は、前記需要予測モデルに、前記パラメータ推定値、前記製品の販売実績数、前記消耗品の販売実績数、及び前記将来の製品販売計画数を投入して、前記予測値を算出してもよい。

【0012】

前記需要予測モデルは、ユーザの操作に基づいて選択されてもよい。

【0013】

また、上記課題を解決するために、本発明の別の観点によれば、製品に使用される交換可能な消耗品の需要予測を行う需要予測方法であって、所定の時刻ｔにおける前記製品の累計出荷数の期待値Ａ（ｔ）、前記所定の時刻ｔにおける前記製品の稼働台数の期待値Ｂ（ｔ）、前記所定の時刻ｔにおける前記消耗品の出荷数の期待値Ｃ（ｔ）、前記製品の利用停止の割合を表すパラメータｐ、前記消耗品の利用割合を表すパラメータｑ、前記製品の購入時の前記消耗品の同時購入割合を表すパラメータｒを用いて、前記消耗品の需要曲線を数式（Ｆ－１）として表された第１モデル、及び前記製品の稼働台数の時間変化率を数式（Ｆ－２）として表された第２モデルに基づいた、需要予測モデルを記憶することと、前記製品の販売実績数及び前記消耗品の販売実績数に基づいて、前記需要予測モデル記憶部に記憶された前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定を行い、前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定値であるパラメータ推定値を算出することと、前記パラメータ算出部により算出された前記パラメータ推定値を記憶することと、前記需要予測モデル記憶部に記憶された前記需要予測モデル、前記パラメータ記憶部に記憶された前記パラメータ推定値、及び将来の製品販売計画数に基づいて、前記消耗品の需要台数の予測値を算出することと、を含む、需要予測方法が提供される。

【0014】

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータに製品に使用される交換可能な消耗品の需要予測機能を実現させるためのプログラムであって、所定の時刻ｔにおける前記製品の累計出荷数の期待値Ａ（ｔ）、前記所定の時刻ｔにおける前記製品の稼働台数の期待値Ｂ（ｔ）、前記所定の時刻ｔにおける前記消耗品の出荷数の期待値Ｃ（ｔ）、前記製品の利用停止の割合を表すパラメータｐ、前記消耗品の利用割合を表すパラメータｑ、前記製品の購入時の前記消耗品の同時購入割合を表すパラメータｒを用いて、前記消耗品の需要曲線を数式（Ｆ－１）として表された第１モデル、及び前記製品の稼働台数の時間変化率を数式（Ｆ－２）として表された第２モデルに基づいた、需要予測モデルを記憶する機能と、前記製品の販売実績数及び前記消耗品の販売実績数に基づいて、前記需要予測モデル記憶部に記憶された前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定を行い、前記パラメータｐ、前記パラメータｑ、及び前記パラメータｒの推定値であるパラメータ推定値を算出する機能と、前記パラメータ算出部により算出された前記パラメータ推定値を記憶する機能と、前記需要予測モデル記憶部に記憶された前記需要予測モデル、前記パラメータ記憶部に記憶された前記パラメータ推定値、及び将来の製品販売計画数に基づいて、前記消耗品の需要台数の予測値を算出する機能と、を実現させるためのプログラムが提供される。

【発明の効果】

【0015】

以上説明したように本発明によれば、人的負担を軽減させつつ、消耗品に関する需要量を予測することが可能となる。

【図面の簡単な説明】

【0016】

【図1】本発明の一実施形態に係る需要予測装置１の機能構成例を示すブロック図である。

【図2】本体販売実績台数蓄積部１０２に蓄積される本体販売実績台数のデータの一例を示す表である。

【図3】消耗品販売実績台数蓄積部１０４に蓄積される消耗品販売実績台数のデータの一例を示す表である。

【図4】本体販売計画台数蓄積部１０６に蓄積される本体販売計画台数のデータの一例を示す表である。

【図5】本実施形態に係る需要予測装置１の動作概要を示すフローチャート図である。

【図6】モデル構築ステップＳ１０のより詳細な流れを示すフローチャート図である。

【図7】集計処理が施された本体販売実績台数の一例を示す表である。

【図8】集計処理が施された消耗品販売実績台数の一例を示す表である。

【図9】消耗品需要予測ステップＳ２０のより詳細な流れを示すフローチャート図である。

【図10】結合された本体台数のデータの一例を示す表である。

【図11】出力部１２２により出力される消耗品の需要台数の予測値の例を示す表である。

【図12】本発明の実施形態に係る需要予測装置１のハードウェア構成を示す説明図である。

【発明を実施するための形態】

【0017】

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

【0018】

また、本明細書及び図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なるアルファベットを付して区別する場合もある。ただし、実質的に同一の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。

【0019】

＜＜１．背景＞＞
まず、本発明の一実施形態による需要予測装置の創作に至った背景を説明する。

【0020】

従来、交換可能な消耗品を使用する製品（本体）に関して、当該消耗品に関する需要量は、例えば過去の販売実績や、市場の動向、本体の販売計画数等から、人手により経験的に予測されていた。このような人手による予測は、人的負担が大きいことに加え、予測値が個人の技量や経験に大きく影響されてしまうため、精度が低い場合があった。

【0021】

また、上記特許文献１のように、消耗品の需要予測を行う技術も存在するが、当該技術において需要予測に用いられる本体稼働実績台数は、サービスエンジニアがメンテナンス時に確認する必要があり、やはり人的負担が大きかった。

【0022】

このような人的負担を軽減させるため、サービスエンジニアが直接的に本体稼働実績台数を確認する代わりに、数理モデルを用いて、本体稼働台数を推定することも考えられる。例えば、平均故障間隔やワイブル分布に基づいた固定的なモデルを用いて本体稼働台数を推定し、推定された本体の稼働台数を用いて消耗品の需要予測を行うことが可能であると考えられる。

【0023】

しかし、このようなモデルを用いて本体稼働台数を推定する場合、本体の利用が故障以外の理由で停止する割合について考慮されない。したがって、このようなモデルを用いて本体稼働台数を推定した場合、時間経過と共に、推定される稼働台数と実際の稼働台数とが乖離していくことが考えられ、その結果、消耗品の需要予測精度が低下してしまう恐れがある。

【0024】

そこで、本件発明者は、上記事情を一着眼点にして本発明の一実施形態を創作するに至った。本発明の一実施形態による需要予測装置は、消耗品の需要曲線を表す第１のモデルと本体の稼働台数の時間変化率を表す第２モデルとに基づいた需要予測モデルを用いることで、直接的に観測できない本体の稼働台数と消耗品の需要数との関係を明らかにする。以下に説明する本実施形態によれば、予測を行う時点での本体の稼働台数が、過去の消耗品の消費実績に基づいて推定されるため、時間が経過したとしても、推定される稼働台数と実際の稼働台数との乖離を抑制することが可能である。このように、本実施形態によれば、本体の稼働台数をより高精度に予測することが可能であり、結果として人的負担を軽減させつつ、高精度に消耗品の需要予測を行うことができる。

【0025】

以下、本実施形態において、上記の効果を実現するための需要予測装置について、より詳細に説明する。

【0026】

＜＜２．構成＞＞
図１は、本発明の一実施形態に係る需要予測装置１の機能構成例を示すブロック図である。本実施形態に係る需要予測装置１は、交換可能な消耗品を使用する製品に関する需要予測を行う装置であり、より具体的には、当該消耗品の需要予測を行う情報処理装置である。需要予測装置１は、消耗品の需要台数の予測値を算出し、当該予測値は、例えば当該消耗品の販売計画台数（将来の販売台数）として用いられてもよい。

【0027】

図１に示すように、本実施形態に係る需要予測装置１は、本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、本体販売計画台数蓄積部１０６、取得部１０８、データ処理部１１０、入力部１１２、需要予測モデル記憶部１１４、パラメータ算出部１１６、パラメータ記憶部１１８、予測値算出部１２０、及び出力部１２２を備える情報処理装置である。

【0028】

本体販売実績台数蓄積部１０２には、需要予測の対象となる消耗品を使用する製品である本体がこれまでに（過去に）販売された台数（以下、本体販売実績台数とも呼ぶ）のデータが蓄積される。図２は、本体販売実績台数蓄積部１０２に蓄積される本体販売実績台数のデータの一例を示す表である。

【0029】

なお、本体販売実績台数蓄積部１０２に蓄積されるデータの形式は図２に示した例に限定されない。例えば、本体１台ごとに販売された日時が記録されていてもよいし、予測を行いたい時間単位（例えば月や日等）ごとに販売された本体の台数を合計した値が記録されていてもよい。

【0030】

消耗品販売実績台数蓄積部１０４には、需要予測の対象となる消耗品がこれまでに（過去に）販売された台数（以下、消耗品販売実績台数とも呼ぶ）のデータが蓄積される。図３は、消耗品販売実績台数蓄積部１０４に蓄積される消耗品販売実績台数のデータの一例を示す表である。

【0031】

なお、消耗品販売実績台数蓄積部１０４に蓄積されるデータの形式は図３に示した例に限定されない。例えば、上述した本体の例と同様に、消耗品１台ごとに販売された日時が記録されていてもよいし、予測を行いたい時間単位（例えば月や日等）ごとに販売された消耗品の台数を合計した値が記録されていてもよい。

【0032】

本体販売計画台数蓄積部１０６には、需要予測装置１による需要予測の対象となる将来の期間における本体の販売予定台数（以下、本体販売計画台数とも呼ぶ）のデータが蓄積される。図４は、本体販売計画台数蓄積部１０６に蓄積される本体販売計画台数のデータの一例を示す表である。ただし、本体販売計画台数蓄積部１０６に蓄積されるデータの形式は図４に示した例に限定されない。

【0033】

取得部１０８は、上述した本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６の各々から、本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に関するデータを取得し、データ処理部１１０へ提供する。

【0034】

データ処理部１１０は、取得部１０８により取得されたデータに対して所定の処理を施し、パラメータ算出部１１６、及び予測値算出部１２０へ提供する。例えば、データ処理部１１０は、取得部１０８により取得された本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数の各々のデータに対して、予測を行いたい時間単位（例えば月や日）ごとに台数を合計する集計処理を施す。また、データ処理部１１０は、上記集計処理が施された本体販売実績台数のデータ、及び上記集計処理が施された本体販売計画台数のデータを結合する結合処理を施す。データ処理部１１０は、上記集計処理が施された本体販売実績台数のデータ、及び上記集計処理が施された消耗品販売実績台数のデータをパラメータ算出部１１６へ提供する。また、データ処理部１１０は、上記結合処理により得られる、結合された本体台数のデータ、及び上記集計処理が施された消耗品販売実績台数のデータを予測値算出部１２０へ提供する。

【0035】

入力部１１２は、需要予測装置１が消耗品の需要予測を行うための需要予測モデル（例えば数式）の入力を行う。入力部１１２により入力された需要予測モデルは、需要予測モデル記憶部１１４へ入力され、需要予測モデル記憶部１１４に記憶される。なお、需要予測モデルの詳細については後述するが、本実施形態に係る需要予測モデルは、消耗品の需要曲線を表す第１モデルと、本体の稼働台数の時間変化率を表す第２モデルと、に基づく数理モデルであってもよい。

【0036】

例えば、入力部１１２の機能は、マウスやキーボード、タッチパネル、ボタン等のユーザによる操作を受け付けるインタフェースにより実現されてもよく、ユーザの操作に基づいて需要予測モデルの入力が行われてもよい。係る場合、例えばユーザの操作により予め用意された複数の需要予測モデルの中から１の需要予測モデルが選択されて入力されてもよいし、ユーザの操作により需要予測モデルが作成されて入力されてもよい。

【0037】

また、入力部１１２は、予め用意された需要予測モデルに関するデータを、外部装置から受信し、あるいは需要予測装置１の不図示の構成から読み出して、需要予測モデル記憶部１１４へ入力してもよい。

【0038】

需要予測モデル記憶部１１４は、入力部１１２により入力された需要予測モデルを記憶する。なお、需要予測モデル記憶部１１４の機能は、例えば一時的にデータを記憶する揮発性メモリにより実現されてもよいし、不揮発性メモリにより実現されてもよい。

【0039】

パラメータ算出部１１６は、需要予測モデル記憶部１１４に記憶されている需要予測モデルに含まれる未知のパラメータの推定を行い、パラメータ推定値を算出する。需要予測モデルの詳細については後述するが、需要予測モデル記憶部１１４に記憶されている需要予測モデルには、少なくとも１つ以上の未知のパラメータが係数、あるいは項として含まれており、パラメータ算出部１１６は係る未知のパラメータの推定を行う。

【0040】

パラメータ算出部１１６は、本体販売実績台数及び消耗品販売実績台数に基づいて、需要予測モデルに含まれるパラメータの推定値を算出してもよい。なお、上述したように、本体販売実績台数及び消耗品販売実績台数のデータは、データ処理部１１０によって予測を行う時間単位ごとに台数を合計する集計処理がそれぞれ施された上でパラメータ算出部１１６に提供されてもよい。

【0041】

また、パラメータ算出部１１６は例えば、本体販売実績台数に基づいて需要予測モデルにより算出される消耗品の販売台数と、実際の消耗品販売実績台数との差をより小さくするようなパラメータを、パラメータ推定値として算出してもよい。係る構成により、パラメータ推定値を適用した需要予測モデルが、本体販売実績台数及び消耗品販売実績台数により整合したものとなる。

【0042】

パラメータ記憶部１１８は、パラメータ算出部１１６により算出されたパラメータ推定値を記憶する。なお、パラメータ記憶部１１８の機能は、例えば一時的にデータを記憶する揮発性メモリにより実現されてもよいし、不揮発性メモリにより実現されてもよい。

【0043】

予測値算出部１２０は、需要予測モデル記憶部１１４に記憶された需要予測モデル、パラメータ記憶部１１８に記憶されたパラメータ推定値、本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に基づいて、消耗品の需要台数の予測値を算出する。なお、上述したように、消耗品販売実績台数のデータは、データ処理部１１０によって予測を行う時間単位ごとに台数を合計する集計処理がそれぞれ施された上で予測値算出部１２０に提供されてもよい。また、上述したように、本体販売実績台数と本体販売計画台数のデータは、データ処理部１１０によって予測を行う時間単位ごとに台数を合計する集計処理がそれぞれ施され、さらに結合されたデータとして予測値算出部１２０に提供されてもよい。

【0044】

例えば、予測値算出部１２０は、需要予測モデル記憶部１１４に記憶された需要予測モデルに、上述したパラメータ推定値、本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数を投入して、消耗品の需要台数の予測値を算出する。予測値算出部１２０は、消耗品の需要台数の予測値を、予め設定された予測を行いたい時間単位（例えば月や日等）ごとに算出してもよい。また、予測値算出部１２０による予測の対象となる期間（予測対象期間）は、本体販売計画台数蓄積部１０６に本体販売計画台数のデータが蓄積された期間と同一であってもよい。

【0045】

出力部１２２は、予測値算出部１２０により算出された消耗品の需要台数の予測値を出力する。例えば出力部１２２は、モニタを含んで構成されてもよく、係る場合、出力部１２２は、消耗品の需要台数の予測値を表示出力する。あるいは、出力部１２２は、消耗品の需要台数の予測値を、需要予測装置１内のストレージあるいは外部装置へ、予め指定されたファイル形式のファイルとして出力してもよい。

【0046】

＜＜３．動作＞＞
＜３－１．動作概要＞＞
以上、本実施形態に係る需要予測装置１の機能構成例について説明した。続いて、本実施形態に係る需要予測装置１の動作例について説明する。図５は、本実施形態に係る需要予測装置１の動作概要を示すフローチャート図である。

【0047】

図５に示すように、まず本実施形態に係る需要予測装置１は、需要予測モデルに含まれる未知パラメータの推定を行い、需要予測モデルを構築する（Ｓ１０）。なお、以下では、ステップＳ１０をモデル構築ステップとも呼び、モデル構築ステップの詳細については図６～図８を参照して後述する。

【0048】

続いて、本実施形態に係る需要予測装置１は、ステップＳ１０で構築された需要予測モデルを用いて、消耗品の需要予測を行う（Ｓ２０）。なお、以下では、ステップＳ２０を消耗品需要予測ステップとも呼び、消耗品需要予測ステップの詳細については図９～図１１を参照して後述する。

【0049】

なお、図５に示す処理は、適宜繰り返されてもよく、例えば図５に示す処理により消耗品の需要予測を行った後、当該需要予測における予測対象期間が終了する前に、当該予測対象期間後の消耗品の需要予測を行うために再度図５に示す処理が行われてもよい。また、図５では、モデル構築ステップＳ１０に続いて消耗品需要予測ステップＳ２０が１回行われる例を示しているが、消耗品需要予測ステップＳ２０は、一旦モデル構築ステップＳ１０が完了していれば、何度でも行うことが可能である。つまり、モデル構築ステップＳ１０が繰り返される期間は、消耗品需要予測ステップＳ２０が繰り返される期間よりも長くてもよい。

【0050】

以上、本実施形態に係る需要予測装置１の動作概要について説明した。続いて、図５に示したモデル構築ステップＳ１０、及び消耗品需要予測ステップＳ２０について、順次より詳細に説明を行う。

【0051】

＜３－２．モデル構築ステップ＞＞
図６は、モデル構築ステップＳ１０のより詳細な流れを示すフローチャート図である。まず、入力部１１２により需要予測モデルの入力が行われる（Ｓ１０２）。例えば、ユーザがキーボードのインタフェースを操作して、予め用意された複数の需要予測モデルの中から１の需要予測モデルが選択することにより、当該需要予測モデルが入力されてもよい。あるいは、所定の書式に基づいて予め用意された需要予測モデルに関するデータが、外部装置から受信され、あるいは需要予測装置１の不図示の構成から読み出されて、入力されてもよい。

【0052】

ステップＳ１０２において入力された需要予測モデルは、需要予測モデル記憶部１１４に記憶される（Ｓ１０４）。

【0053】

続いて、取得部１０８が、本体販売実績台数蓄積部１０２、及び消耗品販売実績台数蓄積部１０４の各々から、本体販売実績台数、及び消耗品販売実績台数に関するデータ（実績データ）を取得する（Ｓ１０６）。

【0054】

続いて、データ処理部１１０が、ステップＳ１０６で取得された実績データの各々に対し、予測を行いたい時間単位（例えば月や日）ごとに台数を合計する集計処理を施す（Ｓ１０８）。図７は、集計処理が施された本体販売実績台数の一例を示す表である。また、図８は、集計処理が施された消耗品販売実績台数の一例を示す表である。図７、及び図８に示す例は、それぞれ図２、及び図３に示された本体販売実績台数、及び消耗品販売実績台数に対して１日単位の時間単位で集計処理を施して得られたものである。なお、本体販売実績台数蓄積部１０２、及び消耗品販売実績台数蓄積部１０４に記憶された本体販売実績台数、及び消耗品販売実績台数のデータが予め予測を行いたい時間単位ごとに台数が合計されている場合、ステップＳ１０８の処理はスキップされてもよい。

【0055】

図６に示すように、続くステップＳ１１０において、パラメータ算出部１１６は、ステップＳ１０８で集計処理が施された本体販売実績台数、及び消耗品販売実績台数に基づいて、需要予測モデルに含まれる未知パラメータの推定値を算出する。

【0056】

ここで、本実施形態に係る需要予測モデルの詳細について説明する。上述したように、本実施形態に係る需要予測モデルは、消耗品の需要曲線を表す第１モデルと、本体の稼働台数の時間変化率を表す第２モデルと、に基づく数理モデルである。例えば、第１モデル、及び第２モデルがそれぞれ方程式として表される場合、需要予測モデルは、第１モデルと第２モデルの連立方程式、あるいは当該連立方程式を式変形して得られるモデルであってもよい。

【0057】

例えば、第１モデル、及び第２モデルは、それぞれ微分方程式として表すことが可能であり、係る場合、需要予測モデルは第１モデル、及び第２モデルを連立した連立微分方程式、あるいは当該連立微分方程式を式変形して得られるモデルであってよい。以下に示す数式（１－１）及び数式（１－２）は、それぞれ微分方程式として表された第１モデル、及び第２モデルの一例であり、需要予測モデルは、以下のように数式（１－１）及び数式（１－２）を連立した連立微分方程式である数式（１）として表され得る。

【0058】

【数2】

【0059】

上記の数式（１）において、Ａ（ｔ）は、所定の時刻ｔにおける本体の累計出荷数の期待値であり、Ｂ（ｔ）は、時刻ｔにおける本体の稼働台数の期待値であり、Ｃ（ｔ）は、時刻ｔにおける消耗品の出荷数の期待値である。上記の数式（１）は、消耗品の出荷数の期待値Ｃ（ｔ）の時間変化率は本体の稼働台数に応じて線形に増加するという考えに加え、本体の稼働台数の変化量が本体の出荷による増加分と定常的減衰の和で表されるという考えに基づいた需要予測モデルである。

【0060】

また、上記の数式（１）において、ｐ、ｑ、及びｒは未知のパラメータである。ｐは本体の利用停止の割合を表し、０＜ｐ＜１である。また、ｑは消耗品の利用割合を表し、ｑ＞０である。また、ｒは本体購入時の消耗品の同時購入割合を表し、ｒ＞０である。

【0061】

数式（１－１）のように、消耗品の需要曲線を表す第１モデルは、消耗品の需要台数が現時点での本体の稼働台数に基づいているという考えに従ったモデルである。さらに、数式（１－１）のように、消耗品の需要曲線を表す第１モデルにおいて、新たに出荷された本体と同時に購入される消耗品が考慮されてもよい。数式（１－１）において、消耗品の出荷数の期待値Ｃ（ｔ）の時間変化率ｄＣ（ｔ）／ｄｔは、消耗品の利用割合ｑと本体の稼働台数の期待値Ｂ（ｔ）の積である第１の項と、本体購入時の消耗品の同時購入割合ｒと、新たに出荷された本体台数ｄＡ（ｔ）／ｄｔの積である第２の項と、の和によって表現されている。

【0062】

また、第２モデルである数式（１－２）は、未観測である本体の稼働台数の期待値Ｂ（ｔ）を推定するための数式である。数式（１－２）において、本体の稼働台数の期待値Ｂ（ｔ）の時間変化率ｄＢ（ｔ）／ｄｔは、新たに出荷された本体台数ｄＡ（ｔ）／ｄｔから、本体の稼働台数のうち所定の割合を減算することで推定されている。なお、数式（１－２）において、本体の稼働台数のうち所定の割合は、本体の利用停止の割合ｐと本体の稼働台数の期待値Ｂ（ｔ）の積で表現されている。

【0063】

また、需要予測モデルは、上記の数式（１）に代えて、以下の数式（２）のように、第１モデル、及び第２モデルの他の例である数式（２－１）、及び数式（２－２）を連立した連立微分方程式として表されてもよい。

【0064】

【数3】

【0065】

上記の数式（２）において、Ｄ（ｔ）は、時刻ｔにおいて離脱した本体の台数である。また、したがって、上記の数式（２）における、Ａ（ｔ）－Ｄ（ｔ）は、本体の稼働台数の期待値を意味し、上述した数式（１）におけるＢ（ｔ）に相当する。したがって、上記の数式（２）は、上記の数式（１）と同様に、消耗品の出荷数の期待値Ｃ（ｔ）の時間変化率は本体の稼働台数に応じて線形に増加することを表す式であり、数式（１）と同じメカニズムの別の表現となっている。

【0066】

図６に示すステップＳ１１０において、パラメータ算出部１１６は、例えば数式（１）、あるいは数式（２）における未知のパラメータｐ、ｑ、及びｒを算出する。パラメータ算出部１１６による未知のパラメータｐ、ｑ、及びｒの算出方法の一例を以下に説明する。なお、以下では需要予測モデルが数式（１）のように表現された場合を例に説明するが、需要予測モデルが数式（２）のように表現された場合であっても同様に算出可能である。

【0067】

まず、数式（１）を本体の稼働台数の期待値Ｂ（ｔ）について解くと、以下の数式（３）が得られる。

【0068】

【数4】

【0069】

また、数式（１）を消耗品の出荷数の期待値Ｃ（ｔ）について解くと、以下の数式（４）が得られる。

【0070】

【数5】

【0071】

ここで、消耗品の出荷、及び本体の出荷といったイベントに非定常ポアソン過程を仮定し、また本体の累計出荷数の期待値Ａ（ｔ）をＢａｓｓのモデルに従う分布であると仮定する。強度関数に数式（１）を仮定するため、尤度関数は以下の数式（５）のようになる。

【0072】

【数6】

【0073】

ここで、ΔＡ（ｔ）＝Ａ（ｔ＋１）－Ａ（ｔ）であり、θはＡ（ｔ）のパラメータ、ηはＢ（ｔ）、Ｃ（ｔ）のパラメータである。ここで、Ａ（ｔ）は、Ｂ（ｔ）、Ｃ（ｔ）のパラメータには依存しない。したがって、まず第１段階において本体の出荷数ｘ_ｔよりＡ（ｔ）のパラメータを求め、次に第２段階においてＡ（ｔ）のパラメータを所与として、消耗品の出荷数ｙ_ｔより、Ｂ（ｔ）、Ｃ（ｔ）のパラメータを求めるという、２段階の方法を採用することができる。

【0074】

第１段階において最大化されるべき推定方程式は、以下の数式（６）のように表される。

【0075】

【数7】

【0076】

また、第２段階において最大化されるべき推定方程式は、以下の数式（７）のように表される。

【0077】

【数8】

【0078】

パラメータ算出部１１６は、例えばニュートン法等の最適化手法を用いて、上記の数式（６）、及び数式（７）の右辺を最大化するようなパラメータ推定値を段階的に算出する。なお、ここで、最大化するとは、可能な限り大きな値とすることを意味し、例えば最適化手法を用いて局所最大化することを含み得る。

【0079】

また、パラメータ算出部１１６は、上記の数式（６）及び数式（７）を順次１回ずつ最大化することでパラメータ推定値を算出してもよいし、繰り返し最大化することでパラメータ推定値を算出してもよい。繰り返し最大化される場合、例えば所定の回数繰り返されてもよいし、繰り返しによる差異が所定の閾値以下となるまで繰り返されてもよい。

【0080】

図６に戻って説明を続ける。上記のようにして、ステップＳ１１０においてパラメータ算出部１１６により算出されたパラメータは、パラメータ記憶部１１８に記憶される（Ｓ１１２）。

【0081】

＜３－３．消耗品需要予測ステップ＞
図９は、消耗品需要予測ステップＳ２０のより詳細な流れを示すフローチャート図である。まず、取得部１０８が、本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６の各々から、本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に関するデータを取得する（Ｓ２０２）。

【0082】

続いて、データ処理部１１０が、ステップＳ２０２で取得されたデータの各々に対し、予測を行いたい時間単位（例えば月や日）ごとに台数を合計する集計処理を施す（Ｓ２０４）。

【0083】

続いて、データ処理部１１０は、ステップＳ２０４において集計処理が施された本体販売実績台数のデータと、集計処理が施された本体販売計画台数のデータとを結合する（Ｓ２０６）。図１０は、結合された本体台数のデータの一例を示す表である。

【0084】

続いて、予測値算出部１２０は、需要予測モデル、パラメータ推定値、本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に基づいて、消耗品の需要台数の予測値を算出する（Ｓ２０８）。

【0085】

なお、ステップＳ２０８において、予測値算出部１２０は、上述したモデル構築ステップＳ１０のステップＳ１０４において需要予測モデル記憶部１１４に記憶された需要予測モデルを、需要予測モデル記憶部１１４から読み出す。また、ステップＳ２０８において、予測値算出部１２０は、上述したモデル構築ステップＳ１０のステップＳ１１０で算出され、ステップＳ１１２においてパラメータ記憶部１１８に記憶されたパラメータ推定値をパラメータ記憶部１１８から読み出す。また、ステップＳ２０８において、予測値算出部１２０は、ステップＳ２０４、及びステップＳ２０６において本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に対する処理が施されたデータを、データ処理部１１０から提供されてもよい。

【0086】

ステップＳ２０８において、予測値算出部１２０は、上記のように得られた需要予測モデルに、上記のように得られたパラメータ推定値、本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数を投入して、消耗品の需要台数の予測値を算出してもよい。

【0087】

続いて、算出された消耗品の需要台数の予測値は、出力部１２２により出力される（Ｓ２１０）。図１１は、出力部１２２により出力される消耗品の需要台数の予測値の例を示す表である。

【0088】

＜＜４．変形例＞＞
以上、本発明の一実施形態について説明した。以下では、上記実施形態の幾つかの変形例を説明する。なお、以下に説明する各変形例は、単独で上記実施形態に適用されてもよいし、組み合わせで上記実施形態に適用されてもよい。また、各変形例は、上記実施形態で説明した構成に代えて適用されてもよいし、上記実施形態で説明した構成に対して追加的に適用されてもよい。

【0089】

＜４－１．変形例１＞
上記実施形態では、需要予測モデルの例として、数式（１）、及び数式（２）を説明したが、本技術は係る例に限定されない。以下に他の需要予測モデルの例を説明する。

【0090】

例えば、数式（１）において、第１モデルを表す数式（１－１）の右辺の第２の項を取り除くことで、需要予測モデルは以下の数式（８）のように表現されてもよい。

【0091】

【数9】

【0092】

また、同様に数式（２）において、第１モデルを表す数式（２－１）の右辺の第２の項を取り除くことで、需要予測モデルは以下の数式（９）のように表現されてもよい。

【0093】

【数10】

【0094】

また、上記では、連立微分方程式により需要予測モデルを表現したが本技術は係る例に限定されない。例えば、需要予測モデルは、以下の数式（１０）のように、第１モデル、及び第２モデルの他の例である数式（１０－１）、及び数式（１０－２）を連立した連立差分方程式により表現されてもよい。

【0095】

【数11】

【0096】

なお、上記の数式（１０）は、数式（１）、及び数式（２）と同じメカニズムの別の表現となっている。

【0097】

また、需要予測モデルは上述した例に限定されない。例えば、需要予測モデルとして上述した第１のモデルと第２のモデルを連立した連立方程式を変形して得られる数式も、第１のモデルと第２のモデルに基づく需要予測モデルであるとみなされ得る。パラメータ推定値や消耗品の需要台数の予測値の算出に適した形式に予め変形された数式が需要予測モデルとして入力され、需要予測モデル記憶部１１４に記憶されてもよい。また、上記では需要予測モデルが数式として表現される例を示したが、本技術は係る例に限定されず、需要予測装置１が処理可能な他の形式で表現されてもよい。

【0098】

＜４－２．変形例２＞
上記実施形態では、図１を参照して需要予測装置１の構成を説明したが、本技術に係る実施形態の構成は係る例に限定されない。

【0099】

例えば、上述した本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６に蓄積されるデータは、随時更新されることが望ましく、需要予測装置１は、係るデータの更新を可能とするように構成されてもよい。

【0100】

例えば、需要予測装置１は、図１に図示されない通信部を備え、当該通信部が本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に関する新たなデータを不図示の外部サーバ等から受信してもよい。そして、通信部により受信された新たなデータが、本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６に蓄積されてもよい。

【0101】

あるいは、図１に示した入力部１１２を用いて、ユーザが本体販売実績台数、消耗品販売実績台数、及び本体販売計画台数に関する新たなデータを入力することが可能であってもよい。そして、入力部１１２を用いてユーザにより入力された新たなデータが、本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６に蓄積されてもよい。

【0102】

また、図１では、需要予測装置１が本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６を備える例を示したが、係る例に限定されない。例えば、本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６は、外部サーバに備えられていてもよい。また、係る場合、取得部１０８は、当該外部サーバに備えられた本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、及び本体販売計画台数蓄積部１０６からデータを取得（受信）してもよい。

【0103】

また、図１に示した構成が、複数の装置に分散して備えられていてもよい。例えば、図６を参照して説明したモデル構築ステップＳ１０を実行するための構成を備えたモデル構築装置と、図９を参照して説明した消耗品需要予測ステップＳ２０を実行するための構成を備えた消耗品需要予測装置とを含む情報処理システムも実現可能である。

【0104】

係る場合、モデル構築装置は、例えば図１に示した本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、取得部１０８、データ処理部１１０、入力部１１２、需要予測モデル記憶部１１４、パラメータ算出部１１６、及びパラメータ記憶部１１８に相当する機能を備えてもよい。また、係る場合、消耗品需要予測装置は、例えば図１に示した本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、本体販売計画台数蓄積部１０６、取得部１０８、データ処理部１１０、需要予測モデル記憶部１１４、パラメータ記憶部１１８、予測値算出部１２０、及び出力部１２２に相当する機能を備えてもよい。そして、モデル構築装置から、消耗品需要予測装置へ、需要予測モデルと、パラメータ推定値が提供（送信）されてもよい。

【0105】

＜＜５．ハードウェア構成＞＞
以上、本発明の各実施形態を説明した。上述した集計処理、結合処理、パラメータ算出処理、予測値算出処理等の情報処理は、ソフトウェアと、需要予測装置１のハードウェアとの協働により実現される。以下では、本発明の実施形態に係る情報処理装置である需要予測装置１のハードウェア構成例について説明する。

【0106】

図１２は、本発明の実施形態に係る需要予測装置１のハードウェア構成を示す説明図である。図１２に示したように、需要予測装置１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１００１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１００２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１００３と、入力装置１００４と、出力装置１００５と、ストレージ装置１００６と、通信装置１００７とを備える。

【0107】

ＣＰＵ１００１は、演算処理装置及び制御装置として機能し、各種プログラムに従って需要予測装置１内の動作全般を制御する。また、ＣＰＵ１００１は、マイクロプロセッサであってもよい。ＲＯＭ１００２は、ＣＰＵ１００１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ１００３は、ＣＰＵ１００１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一時記憶する。これらはＣＰＵバスなどから構成されるホストバスにより相互に接続されている。主に、ＣＰＵ１００１、ＲＯＭ１００２及びＲＡＭ１００３とソフトウェアとの協働により、例えば、データ処理部１１０、需要予測モデル記憶部１１４、パラメータ算出部１１６、パラメータ記憶部１１８、予測値算出部１２０等の機能が実現される。

【0108】

入力装置１００４は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチ及びレバーなどユーザが情報を入力するための入力手段と、ユーザによる入力に基づいて入力信号を生成し、ＣＰＵ１００１に出力する入力制御回路などから構成されている。需要予測装置１のユーザは、該入力装置１００４を操作することにより、需要予測装置１に対して各種のデータを入力したり処理動作を指示したりすることができる。なお、入力装置１００４は、入力部１１２に対応する。

【0109】

出力装置１００５は、例えば、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ装置及びランプなどの表示装置を含む。さらに、出力装置１００５は、スピーカ及びヘッドホンなどの音声出力装置を含む。例えば、表示装置は、撮像された画像や生成された画像などを表示する。一方、音声出力装置は、音声データなどを音声に変換して出力する。なお、出力装置１００５は、出力部１２２に対応する。

【0110】

ストレージ装置１００６は、データ格納用の装置である。ストレージ装置１００６は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置及び記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。ストレージ装置１００６は、ＣＰＵ１００１が実行するプログラムや各種データを格納する。なお、ストレージ装置１００６は、本体販売実績台数蓄積部１０２、消耗品販売実績台数蓄積部１０４、本体販売計画台数蓄積部１０６に対応する。

【0111】

通信装置１００７は、例えば、通信網に接続するための通信デバイスなどで構成された通信インタフェースである。また、通信装置１００７は、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）対応通信装置、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）対応通信装置、有線による通信を行うワイヤー通信装置、またはブルートゥース（登録商標）通信装置を含んでもよい。

【0112】

＜＜５．むすび＞＞
以上説明したように、本発明の実施形態によれば、人的負担を軽減させつつ、消耗品に関する需要量を高精度に予測することが可能である。

【0113】

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

【0114】

例えば、上記実施形態における各ステップは、必ずしもフローチャート図として記載された順序に沿って時系列に処理される必要はない。例えば、上記実施形態の処理における各ステップは、フローチャート図として記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

【0115】

また、上記実施形態によれば、ＣＰＵ１００１、ＲＯＭ１００２、及びＲＡＭ１００３などのハードウェアを、上述した需要予測装置１の各構成と同様の機能を発揮させるためのコンピュータプログラムも提供可能である。また、該コンピュータプログラムが記録された記録媒体も提供される。

【符号の説明】

【0116】

１ 需要予測装置
１０２ 本体販売実績台数蓄積部
１０４ 消耗品販売実績台数蓄積部
１０６ 本体販売計画台数蓄積部
１０８ 取得部
１１０ データ処理部
１１２ 入力部
１１４ 需要予測モデル記憶部
１１６ パラメータ算出部
１１８ パラメータ記憶部
１２０ 予測値算出部
１２２ 出力部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】