部品在庫管理における需要予測方法
【課題】 部品在庫管理において、需要が月１個以下などになった低頻度部品群の将来の需要個数を精度良く予測する。
【解決手段】 所定頻度以下となった低頻度部品群を抽出し（データ抽出および加工ＥＮＧ１０ａなど）、需要の特徴を示すパラメータを求めて複数のカテゴリに分類すると共に、そのそれぞれについて前記パラメータに基づいて需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃなど）、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、算出された需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測する（計算結果表示ＥＮＧ１０ｈ）。
【解決手段】 所定頻度以下となった低頻度部品群を抽出し（データ抽出および加工ＥＮＧ１０ａなど）、需要の特徴を示すパラメータを求めて複数のカテゴリに分類すると共に、そのそれぞれについて前記パラメータに基づいて需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃなど）、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、算出された需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測する（計算結果表示ＥＮＧ１０ｈ）。
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】この発明は部品在庫管理における需要予測方法に関し、より具体的には需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法に関する。
【０００２】
【従来の技術】製造業にあっては、販売した自動車などの製品を構成する多くの部品（スペアパーツ）群を所定期間にわたって保有し、ディーラあるいはユーザの需要に応じて供給する必要があるが、現状では熟練者が適宜な手法で将来の需要を予測して部品群の在庫量を算出しているのが通常である。
【０００３】尚、特開平１１−７４８２号公報は、流通経路における中間サプライ業者が保有すべき在庫量を、モンテカルロ・シミュレーションを用いて予測する技術を提案している。
【０００４】
【発明が解決しようとする課題】一般に、部品の需要は、製品が生産中あるいは生産が中止されてから暫くの間は比較的活発であるが、その後は次第に減少し、やがては月に１個以下程度の低頻度となる。
【０００５】需要が活発な間は取引数も多く、実績データも多いことから、適正な在庫量を予測することは比較的容易であるが、需要が減少するにつれて予測が困難となる。特に、需要が低頻度となると、熟練者をもってしても需要を精度良く予測することは困難である。
【０００６】しかしながら、部品点数としては低頻度化した部品の方が多く、さらに低頻度部品群に関しては部品製作用金型を廃棄すべきか否かなど付随的に生じる問題も解決しなければならない。
【０００７】従って、部品群、特に低頻度化した部品群に対するユーザあるいはディーラなどの末端の需要を精度良く予測することが望まれているが、上記した従来技術は、ユーザなどの末端の需要予測を既知とした上で、中間のサプライ業者が保有すべき適正在庫量をモンテカルロ・シミュレーションを用いて予測する手法を提案するに止まっていた。
【０００８】従って、この発明の目的は上記した課題を解決し、部品群、特に低頻度化した部品群に対するユーザあるいはディーラなどの末端の需要を精度良く予測する部品在庫管理における需要予測方法を提供することにある。
【０００９】
【課題を解決するための手段】上記の目的を解決するために、この発明は請求項１項にあっては、販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、前記需要実績から前記所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測することからなる如く構成した。
【００１０】部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績から所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測することからなる如く構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【００１１】請求項２項にあっては、さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記第２の低頻度部品群の将来の需要個数を算出し、および前記第２の所定頻度以下となった時点以前の前記需要実績と前記算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測することからなる如く構成した。
【００１２】さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、それに基づいて前記第２の低頻度部品群の将来の需要個数を算出し、前記第２の所定頻度以下となった時点以前の前記需要実績と算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する如く構成したので、換言すればモンテカルロ分析と回帰分析の利点を組み合わせて予測するようにしたので、低頻度化した部品群が、その取引の挙動が部品間によって必ずしも同様の特性に示すに至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【００１３】請求項３項にあっては、前記需要の特徴を示すパラメータが、需要発生間隔および需要個数率の少なくともいずれか、より望ましくはその両方である如く構成した。
【００１４】このように、前記需要の特徴を示すパラメータとして需要発生間隔および需要個数率の少なくともいずれかに着目し、それらに基づいて需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とすることで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出することができ、それによって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００１５】請求項４項にあっては、前記個数率が、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合である如く構成した。
【００１６】このように、途絶える前と途絶えた後の需要の挙動を個数面から勘案することで需要発生確率分布を的確に算出することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００１７】請求項５項にあっては、販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、前記需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測することからなる如く構成した。
【００１８】部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された所定期間における需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測する如く構成したので、換言すれば、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布の少なくともいずれかに着目して需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とするこどで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出して需要を予測するように構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【００１９】請求項６項にあっては、前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要発生確率分布を算出する如く構成した。
【００２０】抽出された低頻度部品群を複数のカテゴリに分類すると共に、複数のカテゴリのそれぞれについて需要発生確率分布を算出する如く構成したので、部品に特有の需要の挙動を勘案することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００２１】請求項７項にあっては、さらに、前記予測された需要個数の精度を検証し、前記検証した結果に基づいて前記カテゴリを変更する如く構成した。
【００２２】予測された需要個数の精度を検証し、その結果に基づいてカテゴリを変更する如く構成したので、換言すれば需要予測を進化させるように構成したので、これによって低頻度部品群の将来の需要個数の予測精度を絶え間なく向上させることができる。
【００２３】
【発明の実施の形態】以下、添付図面に即してこの発明の一つの実施の形態に係る部品在庫管理における需要予測方法を説明する。
【００２４】図１は、この発明の一つの実施の形態に係る部品在庫管理における需要予測方法を説明するブロック図である。
【００２５】尚、図１では、この需要予測方法を実現する、マイクロコンピュータからなる装置１０の処理（図で「ＥＮＧ」と示す）として示す。
【００２６】図示の如く、装置１０は、メインフレームコンピュータ（あるいはホストコンピュータ。図示せず）１２に接続され、そこに格納された基幹システムの需要実績ＤＢ（データベース）１２ａおよび部品情報ＤＢ（データベース）１２ｂにアクセスして販売した製品群を構成する部品群の需要実績および部品情報を入力する。部品情報は、各部品の名称、部品番号、仕向け地（出荷先）、価格などを意味する。
【００２７】尚、この実施の形態において、販売した製品群は、４輪自動車、２輪自動車および汎用エンジンなどの汎用製品の３種に大別されるものとし、部品群はそれらの構成部品（いわゆるスペアパーツ）とする。部品は、独立して取引される単位当たりを１個とすると共に、部品番号で特定される。
【００２８】データ抽出および加工ＥＮＧ１０ａでは入力したデータに基づき、４輪自動車などの複数個の部品のそれぞれについて過去の経時的な需要実績が求められ、需要実績が第１の所定頻度以下となった第１の低頻度部品群、および前記第１の所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群が抽出される。
【００２９】図２は、その作業を示す説明図である。
【００３０】図示の如く、第１の所定頻度としては、ある部品について月平均需要個数が１個以下で、かつ過去に２４ケ月の間、需要が途絶えたことがあることを条件とし、それに該当するものを集合的に第１の低頻度部品群（以下「極低頻度（１）部品」という）とする。
【００３１】また、第２の所定頻度としては、ある部品について月平均需要個数が１個以下で、かつ過去に需要が発生した月が通算して１３ケ月以上あることを条件とし、それに該当するものを集合的に第２の低頻度部品群（以下「極低頻度（２）部品」という）とする。
【００３２】ここで、「月平均需要個数が１個以下で、かつ過去に需要が発生した月が通算して１３ケ月以上ある」とは、ある部品について現在の月平均需要は１個以下であるが、過去に、１個以上需要が発生した月が、継続すると否とを問わず、合計すると、１３ケ月以上あった、という意味である。
【００３３】即ち、図２の左側に示すように、一般に、部品の需要は、製品が生産中あるいは生産が中止されてから暫くの間は、例えば５０００個程度と比較的活発であるが、その後は次第に減少し、やがては平均して月に１個以下程度の低頻度となる。
【００３４】尚、この明細書で「需要」とは、末端のユーザあるいはディーラからの需要（発注）をいい、「需要個数」とは発注回当たりの部品個数をいう。従って、１ケ月の間に、１度に同一部品を３個発注された場合も、３度に分けて１個づつ発注された場合も、需要個数は３となる。
【００３５】上記した定義から明らかな如く、通例、部品は需要が低頻度化すると、最初に極低頻度（２）部品となり、次いで極低頻度（１）部品となる。データ抽出および加工ＥＮＧ１０ａでは、このようにして極低頻度（１）部品および極低頻度（２）部品が抽出される。
【００３６】図１の説明に戻ると、データ抽出および加工エンジン１０ａで抽出された極低頻度（１）部品および極低頻度（２）部品についての情報は、極低頻度需要予測ＤＢ（データベース）１０ｂに、一旦、格納される。
【００３７】次いで、格納された極低頻度部品情報は、需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション（モンテカルロ・シミュレーション）用入力データ作成ＥＮＧ１０ｄ、および極低頻度（２）部品入力データ作成ＥＮＧ１０ｅに送られる。
【００３８】需要特性分析データ作成ＥＮＧ１０ｃに送られた極低頻度部品情報は、次いで統計分析処理および特性式入力処理を経て部品カテゴリ別に設けられた需要発生判定式および需要個数判定式ＤＢ（データベース）１０ｆに入力され、そこで、需要実績から第１所定頻度以下となった時点以後の需要の特徴を示すパラメータに基づき、抽出された低頻度部品群（極低頻度（１）部品）は、複数のカテゴリに分類される。
【００３９】複数のカテゴリへの分類は、４輪自動車用、２輪自動車用および汎用製品用の３種に止まらず、さらに細分類、例えば２４，５０，１００などのグループに分類することを意味する。
【００４０】需要発生判定式および需要個数判定式ＤＢ（データベース）１０ｆに入力されたデータは、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄに格納されたデータと共に、ＭシミュレーションＥＮＧ１０ｇに送られる。
【００４１】尚、「需要発生判定式」および「需要個数判定式」は上記した「所定頻度以下となった時点以後の需要の特徴を示すパラメータ」を意味し、より具体的には上記したように、需要発生間隔および需要個数を意味する。
【００４２】ＭシミュレーションＥＮＧ１０ｇにおいては、カテゴリごとにそのカテゴリに属する対象部品について前記した需要の特徴を示すパラメータに基づいて需要発生確率分布が２種算出され、算出された需要発生確率分布を入力してモンテカルロ・シミュレーションが行われ、所定期間Ｎにおける需要個数の出現頻度確率分布が算出される。
【００４３】ここで、そのモンテカルロ・シミュレーションを利用した需要予測手法について説明する。
【００４４】モンテカルロ・シミュレーション（「モンテカルロ分析」あるいは「モンテカルロ法」とも呼ばれる）は、定式化されたものを再び確率の世界に置き直して解く手法であり、解析的な手法では解けない問題の近似的な解を求める際に良く利用される。
【００４５】発明者は低頻度化した部品群の需要予測について考究を重ねたところ、低頻度化した後の需要には幾つかの特徴（法則性）があるのが見い出された。図３は部品ａ，ｂ，ｃについて需要個数（月平均値）の経時的な変動を示す図であるが、図示の如く、需要が活発にある間は部品によって需要個数は相違する。
【００４６】しかしながら、需要が減少して需要の頻度が低下し、先に述べたように、例えば、月平均需要個数が１個以下で、かつ過去に２４ケ月の間、需要が途絶えるようになると、部品間の需要の個性は薄れてほぼ均一化し、部品ａ，ｂ，ｃの需要個数は共通化してほぼ１種の特性で把握することができる。
【００４７】従って、そのような時点（第１の所定頻度以下となる時点）に着目することで、換言すれば低頻度化した時点を揃えることで、複数個の部品の需要個数を共通した特性で把握することができる。
【００４８】さらに、図３に示す過去の経時的な需要実績（データ）について考察を重ねたた結果、低頻度化した後の部品の取引の挙動は、需要（個数を問わず）が何ケ月ぶりに発生したかを示すもの、即ち、時間に対する需要発生確率分布、より具体的には、翌月の需要が発生する確率分布を示すことが見い出された。
【００４９】さらに、この需要実績（データ）は、例えば２４ケ月などの間途絶える前の需要個数に対してどの位の個数の需要が発生したかを示すもの、即ち、需要個数率に対する需要発生確率分布を示すことが見い出された。尚、図３で右側下方に示すｎ倍は、途絶えた後の需要個数が、途絶える前のそれの何倍であることを示す。
【００５０】このように、途絶える前と途絶えた後の需要の挙動を個数面から勘案することで需要発生確率分布を的確に算出することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００５１】図４に、上記した知見に基づき、過去の経時的な需要実績（点で表す）を近似的にプロットして得た、時間に対する需要発生確率分布、より具体的には、需要発生間隔（月）に対する需要発生確率分布を示す。
【００５２】また、図５に、過去の経時的な需要実績を分析して得た、需要個数率に対する需要発生確率分布を示す。
【００５３】「個数率」は、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合を示す。より具体的には、個数率＝２４ケ月の間、需要が途絶えた後の需要発生月の需要個数／２４ケ月の間、需要が途絶える直前の需要個数を意味する。簡単に言えば、個数率は、途絶える前と途絶えた後の需要個数の割合を意味する。
【００５４】さらに、図４および図５に示す特性は、部品の種類によって相違することから、抽出した極低頻度（１）部品群を複数のカテゴリに分類し、カテゴリごとに図６に示すように時間に対する需要発生確率分布（図４R>４に示す）を算出すると共に、図７に示すように需要個数率に対する需要発生確率分布（図５に示す）を算出するようにした。
【００５５】部品群のカテゴリへの分類は、極低頻度（１）部品のそれぞれについて需要発生間隔および需要個数率（所定頻度以下となった時点以後の需要の特徴を示すパラメータ）を求め、求めたパラメータが近い部品同士を同一のカテゴリとみなして行うようにした。
【００５６】尚、部品群は、例えば２４，５０などのカテゴリに細分されるが、図６および図７では図示の簡略化のため、４個のカテゴリＡ，Ｂ，Ｃ，Ｄのみ示す。
【００５７】次いで、算出した図６および図７に示す２種の需要発生確率分布に基づいて図８に示すようにモンテカルロ・シミュレーションを繰り返し（例えば５０００回）実行し、図９に示すように、将来、需要がどの位の確率で何ケ月の間隔で何個発生するか、具体的には所定期間（Ｎケ月間）における需要個数（総数）の出現頻度を算出する。
【００５８】尚、モンテカルロ・シミュレーションは、当該の部品が属するカテゴリについて算出された図６および図７に示す２種の需要発生確率分布を選択し、選択した需要発生確率分布ごとに実行する。
【００５９】即ち、この発明は、過去の需要実績は既知であり、将来の需要は未知であるが、将来の需要も、過去の需要発生と同様な確率分布で生じるとみなすことで、予測できるという知見に基づいてなされた。
【００６０】このように、需要の特徴を示すパラメータとして時間に対する需要発生確率分布および需要個数率に着目、それらの少なくともいずれかに着目して需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とすることで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出することができ、それによって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００６１】次いで、算出されたＮケ月間における需要個数（総数）の出現頻度確率分布に基づいて極低頻度（１）部品の将来の需要個数を予測（算出）する。より具体的には、図１０に示すように、当該カテゴリに属する極低頻度（１）部品のＮケ月間の需要をＺ％のカバー率（需要に対する目標供給率）でまかなうにはＹｚ個必要と予測（算出）する。
【００６２】尚、上記でＮケ月をどの程度の期間に設定するかは任意であり、所望の予測期間に対応する値を適宜設定すれば良い。
【００６３】このように、任意の幅をもった期間における需要個数（より正確には総数）として予測できるようにした点も、この需要予測方法の特徴の一つに挙げることができる。
【００６４】これにより、目標とする予測期間あるいは予測数に応じてその期間に適宜設定することで、必要とする需要を精度良く予測することができる。また、例えばその幅を小さく設定することによって需要個数を絞ることも可能となり、あるいは、縦軸に示す出現頻度確率が所定値以上にあるか否か判断することによって需要個数を絞ることも可能となる。
【００６５】上記を図１に示す構成で説明すると、ＭシミュレーションＥＮＧ１０ｇにおいてモンテカルロ・シミュレーションによって得たデータ（Ｎケ月間の需要総数（個数）の出現頻度確率分布）は、計算結果表示ＥＮＧ１０ｈに送られる。
【００６６】計算結果表示ＥＮＧ１０ｈではデータに基づいて上記のように極低頻度（１）部品の将来の需要個数が予測（算出）され、図示しないＣＲＴおよびプリンタなどを介して表示される。
【００６７】また、ＭシミュレーションＥＮＧ１０ｇの出力は予測精度検証データ作成ＥＮＧ１０ｉにも送られ、極低頻度（１）部品のカテゴリ（分類）の適否が検討され、必要に応じてカテゴリの再設定（変更）が行われる。
【００６８】予測精度検証データ作成ＥＮＧ１０ｉでは、該当するカテゴリに属する極低頻度（１）部品について過去のある時点以前の需要実績に基づき、その時点から過去のある時点までの需要が予測され、実績データと比較されて予測精度が検証される。その結果、予測精度が低いときは、カテゴリが再設定（変更）される。
【００６９】カテゴリの数は少ないほど作業が容易となるが、予測精度は低下することから、この実施の形態にあっては、カテゴリ数は先に述べたように、例えば２４，５０などとする。
【００７０】ここで、図１１を参照し、２３万９０００アイテムの低頻度部品群について、カテゴリ数を２４としたときの、この実施の形態に係る需要予測方法を適用した場合の予測精度を検証した結果を、過去の需要実績と対比して示す。
【００７１】尚、予測精度検証データ作成ＥＮＧ１０ｈでも同種の処理が行われるが、図１１に示すものは、アイテム数などにおいてそれと相違する。「アイテム」は部品番号に部品の仕向け地を付したものを意味し、従って同一の部品が日本と米国を仕向け地とするとき、アイテムの数は２となる。
【００７２】同図は、２３万９０００アイテムについて、この実施の形態に係る需要予測方法で予測した部品在庫量を保有したと仮定した場合の、カバー率９０％，９５％，９８％および９９．６％（横軸）としたときの欠品率および引当率（縦軸）を示す。
【００７３】上記で、「欠品率」（％）は需要に応じられなかった率を、「引当率」（％）は需要に応じられた率を示す。本来的には１００％から引当率を減算した値が欠品率となるが、検証期間内に異常需要があったため、欠品率と引当率と異常需要（例えばカバー率９９．６％のとき０．１５％）を加算して１００％とした。
【００７４】同図から明らかな通り、ほぼ目標通りの引当率が達成されており、この実施の形態に係る需要予測方法が効果的であることが実証された。
【００７５】図１の説明に戻ると、極低頻度（２）部品入力データ作成ＥＮＧ１０ｅの出力は一方では極低頻度（２）部品需要予測ＥＮＧ１０ｊに直接に送られると共に、他方ではＭシミュレーションＥＮＧ１０ｇを介して極低頻度（２）部品需要予測ＥＮＧ１０ｊに送られる。
【００７６】概括すると、この実施の形態においては、極低頻度（１）部品に関しては上記したようにモンテカルロ・シミュレーションを用いて需要を予測すると共に、極低頻度（２）部品に関しては回帰分析手法を用いるようにした。また、回帰分析において回帰直線を決定するとき、既知データにモンテカルロ・シミュレーションで得た需要予測値（需要個数）を加えるようにした。即ち、極低頻度（２）部品については、回帰分析とモンテカルロ・シミュレーションの利点を組み合わせて需要を予測するようにした。
【００７７】図１２を参照して説明すると、同図上部に示すように需要量が多い期間は、単位期間当たりの需要量で取り扱うのが便利であるが、需要量が減少して低頻度化した場合、人為的に決めた単位期間によってデータ自身が変化してしまう。
【００７８】そこで、同図左下に示すように、低頻度部品群（より正確には極低頻度（２）部品）は、累積需要数で取り扱うようにした。具体的には、指数関数を用いて同図右下に示すように累積需要数（実績データ）を直線化し、それから回帰直線を引くようにした。
【００７９】より具体的には、図１３に示すように、既知データから最小２乗法などの公知の手法を用いて回帰係数を決定して直線を引くと共に、モンテカルロ・シミュレーションで得たデータの中の任意の値（符合Ｍｄで示す）も利用して回帰直線を決定するようにした。
【００８０】即ち、回帰分析とモンテカルロ分析は本来的に異なる手法であるが、先に述べたように、通例、部品は需要が低頻度化すると、最初に極低頻度（２）部品となり、次いで極低頻度（１）部品となるという関係にあると共に、モンテカルロ・シミュレーションで得た極低頻度（１）部品の需要予測が高精度であることが検証されたため、このように構成した。
【００８１】ただし、上で述べたように極低頻度（２）部品は極低頻度（１）部品に時間的に先行することから、極低頻度（２）部品の需要予測のとき、同一部品についてのモンテカルロ・シミュレーションによる需要予測はなされていない。
【００８２】従って、この実施の形態においては、極低頻度（１）部品について述べた手法を変形し、極低頻度（２）部品についてカテゴリごとに時間に対する需要発生確率分布および需要個数率に対する需要発生確率分布を求めるとき、例えば個数率の算出に際しては２４ケ月に代えて数ケ月などの短縮した期間を使用するようにした。
【００８３】図１３において、Ｌ１は既知データのみから得た回帰直線であり、Ｌ２は既知データと変形モンテカルロ・シミュレーションで得た値Ｍｄから得た回帰直線である。図において、回帰直線Ｌ１は参考的に示すものであり、この実施の形態に係る需要予測方法においては回帰直線Ｌ２が使用される。
【００８４】従って、図１３の横軸に示す予測期間に対応する回帰直線Ｌ２上の値が、縦軸に示す予測数となる。極低頻度（１）部品の場合と同様に、極低頻度（２）部品についても、将来の需要は、任意の幅の期間における需要個数（総数）として予測される。
【００８５】このように、極低頻度（２）部品については、モンテカルロ分析と回帰分析の利点を組み合わせて予測するようにしたので、極低頻度（２）部品の取引の挙動が、極低頻度（１）部品について図３を参照して説明したような部品間によって同様の特性に示す状態まで、必ずしも至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【００８６】図１の説明に戻ると、極低頻度（２）部品需要予測ＥＮＧ１０ｊにおいては、極低頻度（２）部品入力データ作成ＥＮＧ１０ｅとＭシミュレーションＥＮＧ１０ｇの出力に基づいて上記したような回帰直線Ｌ２が決定される。
【００８７】極低頻度（２）部品需要予測ＥＮＧ１０ｊの出力は、ＭシミュレーションＥＮＧ１０ｇの出力と共に計算結果表示ＥＮＧ１０ｈに送られ、そこで極低頻度（２）部品の需要個数が予測（算出）されると共に、図示しないＣＲＴおよびプリンタなどを介して表示される。
【００８８】この実施の形態は上記の如く構成したので、需要が月１個以下程度に減少した低頻度部品群の将来の需要を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。
【００８９】さらに、低頻度部品群の将来の需要を精度良く予測することで、部品製作用金型を廃棄すべきか否かなどについても適正に判断することができる。
【００９０】さらに、低頻度部品群の将来の需要を精度良く予測することで、カバー率も含めた部品在庫に関する経営戦略の決定を容易にすることができる。
【００９１】さらに、図１に示す如く、予測精度検証データ作成ＥＮＧ１０ｉにおいて予測精度を検証し、検証結果に基づき、必要に応じてカテゴリを再設定（変更）する、換言すれば、この実施の形態に係る需要予測方法が進化できるように構成したので、絶え間なく予測精度の向上を図ることができる。
【００９２】さらに、低頻度部品群を極低頻度（１）部品と極低頻度（２）部品に区分し、前者についてはモンテカルロ分析を用いて需要個数を予測すると共に、後者についてはモンテカルロ分析と回帰分析をコンバインして需要個数を予測、換言すれば両者の利点を組み合わせて予測するようにしたので、予測精度を一層向上させることができる。
【００９３】即ち、極低頻度（２）部品の取引の挙動が、極低頻度（１）部品について図３を参照して説明したような部品間によって同様の特性に示す状態まで、必ずしも至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【００９４】さらに、需要を任意の幅をもった期間における需要個数（総数）として予測するようにしたので、目標とする予測期間あるいは予測数に応じて最適に需要を予測することができる。
【００９５】上記した如く、この実施の形態にあっては、販売した製品（４輪自動車、２輪自動車および汎用製品）を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群（極低頻度（１）部品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記需要実績から前記所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間（Ｎケ月間）における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数（総数）を予測する（計算結果表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【００９６】さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群（極低頻度（２）部品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（２）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｅ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記第２の低頻度部品群の将来の需要個数を算出し、および前記第２の所定頻度以下となった時点以前の前記需要実績と前記算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する（極低頻度（２）部品需要予測ＥＮＧ１０ｇ、計算結果表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【００９７】また、前記需要の特徴を示すパラメータが、需要発生間隔（月）（図４に示す）および需要個数率（図５に示す）の少なくともいずれか、より望ましくはその両方である如く構成した。
【００９８】また、前記個数率が、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合、より具体的には、２４ケ月の間、需要が途絶えた後の需要発生月の需要個数／２４ケ月の間、需要が途絶える直前の需要発生月の需要個数である如く構成した。
【００９９】また、販売した製品（４輪自動車、２輪自動車および汎用製品）を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群（極低頻度（１）部品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間（Ｎケ月間）における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測する（計算結果表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【０１００】また、前記抽出された低頻度部品群を複数のカテゴリ（例えば２４，５０）に分類すると共に、前記複数のカテゴリのそれぞれについて前記需要発生確率分布を算出する（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）如く構成した。
【０１０１】さらに、前記予測された需要個数の精度を検証し、前記検証した結果に基づいて前記カテゴリを変更する（予測精度検証データ作成ＥＮＧ１０ｉ）如く構成した。
【０１０２】尚、上記において、期間あるいは時間の単位として月を使用しているが、それに代え、日、週、旬、季、年など、期間あるいは時間を示す単位であれば、他のどのようなものを用いても良い。
【０１０３】
【発明の効果】請求項１項にあっては、部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績から所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測することからなる如く構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【０１０４】請求項２項にあっては、さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、それに基づいて前記第２の低頻度部品群の将来の需要個数を算出し、前記第２の所定頻度以下となった時点以前の前記需要実績と算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する如く構成したので、換言すればモンテカルロ分析と回帰分析の利点を組み合わせて予測するようにしたので、低頻度化した部品群が、その取引の挙動が部品間によって必ずしも同様の特性に示すに至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【０１０５】請求項３項にあっては、前記需要の特徴を示すパラメータとして需要発生間隔および需要個数率少なくともいずれかに着目し、それらに基づいて需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とすることで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出することができ、それによって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【０１０６】請求項４項にあっては、途絶える前と途絶えた後の需要の挙動を個数面から勘案することで需要発生確率分布を的確に算出することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【０１０７】請求項５項にあっては、部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された所定期間における需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測する如く構成したので、換言すれば、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布の少なくともいずれかに着目して需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とするこどで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出して需要を予測するように構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【０１０８】請求項６項にあっては、抽出された低頻度部品群を複数のカテゴリに分類すると共に、複数のカテゴリのそれぞれについて需要発生確率分布を算出する如く構成したので、部品に特有の需要の挙動を勘案することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【０１０９】請求項７項にあっては、予測された需要個数の精度を検証し、その結果に基づいてカテゴリを変更する如く構成したので、換言すれば需要予測を進化させるように構成したので、これによって低頻度部品群の将来の需要個数の予測精度を絶え間なく向上させることができる。
【図面の簡単な説明】
【図１】この発明の一つの実施の形態に係る部品在庫における需要予測方法を、その実現に使用する装置（マイクロコンピュータ）の処理を介して全体的に示す概略図である。
【図２】図１に示す需要予測方法で行われる低頻度部品（極低頻度（１）部品および極低頻度（２）部品）の抽出処理を示す説明図である。
【図３】図１に示す需要予測方法で予測する部品群の需要個数の経時的な変動を示す説明図である。
【図４】図１に示す需要予測方法で行われるモンテカルロ・シミュレーションの入力たる需要発生間隔（需要の特徴を示すパラメータ）に対する需要発生確率分布を示す説明図である。
【図５】同様に、図１に示す需要予測方法で行われるモンテカルロ・シミュレーションの入力たる需要個数率（需要の特徴を示すパラメータ）に対する需要発生確率分布を示す説明図である。
【図６】図４に示す需要発生間隔に対する需要発生確率分布を部品のカテゴリごとに算出した例を示す説明図である。
【図７】図５に示す需要個数率に対する需要発生確率分布を部品のカテゴリごとに算出した例を示す説明図である。
【図８】図６および図７の需要発生確率分布を用いて図１R>１に示す需要予測方法で行われるモンテカルロ・シミュレーションを示す説明図である。
【図９】図８のモンテカルロ・シミュレーションで得られる所定期間（Ｎケ月間）における需要個数の出現頻度確率分布を示す説明図である。
【図１０】図９の需要個数の出現頻度確率分布に基づいて行われる需要個数の予測を示す説明図である。
【図１１】図８のモンテカルロ・シミュレーションによる需要予測の予測精度の検証結果を示すグラフである。
【図１２】図１に示す需要予測方法で行われる回帰分析による需要予測を示す説明図である。
【図１３】同様に、図１に示す需要予測方法で行われる回帰分析による需要予測を示す説明図である。
【符号の説明】
１０ 装置（マイクロコンピュータ）
１２ メインフレームコンピュータ
【０００１】
【発明の属する技術分野】この発明は部品在庫管理における需要予測方法に関し、より具体的には需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法に関する。
【０００２】
【従来の技術】製造業にあっては、販売した自動車などの製品を構成する多くの部品（スペアパーツ）群を所定期間にわたって保有し、ディーラあるいはユーザの需要に応じて供給する必要があるが、現状では熟練者が適宜な手法で将来の需要を予測して部品群の在庫量を算出しているのが通常である。
【０００３】尚、特開平１１−７４８２号公報は、流通経路における中間サプライ業者が保有すべき在庫量を、モンテカルロ・シミュレーションを用いて予測する技術を提案している。
【０００４】
【発明が解決しようとする課題】一般に、部品の需要は、製品が生産中あるいは生産が中止されてから暫くの間は比較的活発であるが、その後は次第に減少し、やがては月に１個以下程度の低頻度となる。
【０００５】需要が活発な間は取引数も多く、実績データも多いことから、適正な在庫量を予測することは比較的容易であるが、需要が減少するにつれて予測が困難となる。特に、需要が低頻度となると、熟練者をもってしても需要を精度良く予測することは困難である。
【０００６】しかしながら、部品点数としては低頻度化した部品の方が多く、さらに低頻度部品群に関しては部品製作用金型を廃棄すべきか否かなど付随的に生じる問題も解決しなければならない。
【０００７】従って、部品群、特に低頻度化した部品群に対するユーザあるいはディーラなどの末端の需要を精度良く予測することが望まれているが、上記した従来技術は、ユーザなどの末端の需要予測を既知とした上で、中間のサプライ業者が保有すべき適正在庫量をモンテカルロ・シミュレーションを用いて予測する手法を提案するに止まっていた。
【０００８】従って、この発明の目的は上記した課題を解決し、部品群、特に低頻度化した部品群に対するユーザあるいはディーラなどの末端の需要を精度良く予測する部品在庫管理における需要予測方法を提供することにある。
【０００９】
【課題を解決するための手段】上記の目的を解決するために、この発明は請求項１項にあっては、販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、前記需要実績から前記所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測することからなる如く構成した。
【００１０】部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績から所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測することからなる如く構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【００１１】請求項２項にあっては、さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記第２の低頻度部品群の将来の需要個数を算出し、および前記第２の所定頻度以下となった時点以前の前記需要実績と前記算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測することからなる如く構成した。
【００１２】さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、それに基づいて前記第２の低頻度部品群の将来の需要個数を算出し、前記第２の所定頻度以下となった時点以前の前記需要実績と算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する如く構成したので、換言すればモンテカルロ分析と回帰分析の利点を組み合わせて予測するようにしたので、低頻度化した部品群が、その取引の挙動が部品間によって必ずしも同様の特性に示すに至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【００１３】請求項３項にあっては、前記需要の特徴を示すパラメータが、需要発生間隔および需要個数率の少なくともいずれか、より望ましくはその両方である如く構成した。
【００１４】このように、前記需要の特徴を示すパラメータとして需要発生間隔および需要個数率の少なくともいずれかに着目し、それらに基づいて需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とすることで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出することができ、それによって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００１５】請求項４項にあっては、前記個数率が、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合である如く構成した。
【００１６】このように、途絶える前と途絶えた後の需要の挙動を個数面から勘案することで需要発生確率分布を的確に算出することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００１７】請求項５項にあっては、販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、前記需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測することからなる如く構成した。
【００１８】部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された所定期間における需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測する如く構成したので、換言すれば、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布の少なくともいずれかに着目して需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とするこどで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出して需要を予測するように構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【００１９】請求項６項にあっては、前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要発生確率分布を算出する如く構成した。
【００２０】抽出された低頻度部品群を複数のカテゴリに分類すると共に、複数のカテゴリのそれぞれについて需要発生確率分布を算出する如く構成したので、部品に特有の需要の挙動を勘案することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００２１】請求項７項にあっては、さらに、前記予測された需要個数の精度を検証し、前記検証した結果に基づいて前記カテゴリを変更する如く構成した。
【００２２】予測された需要個数の精度を検証し、その結果に基づいてカテゴリを変更する如く構成したので、換言すれば需要予測を進化させるように構成したので、これによって低頻度部品群の将来の需要個数の予測精度を絶え間なく向上させることができる。
【００２３】
【発明の実施の形態】以下、添付図面に即してこの発明の一つの実施の形態に係る部品在庫管理における需要予測方法を説明する。
【００２４】図１は、この発明の一つの実施の形態に係る部品在庫管理における需要予測方法を説明するブロック図である。
【００２５】尚、図１では、この需要予測方法を実現する、マイクロコンピュータからなる装置１０の処理（図で「ＥＮＧ」と示す）として示す。
【００２６】図示の如く、装置１０は、メインフレームコンピュータ（あるいはホストコンピュータ。図示せず）１２に接続され、そこに格納された基幹システムの需要実績ＤＢ（データベース）１２ａおよび部品情報ＤＢ（データベース）１２ｂにアクセスして販売した製品群を構成する部品群の需要実績および部品情報を入力する。部品情報は、各部品の名称、部品番号、仕向け地（出荷先）、価格などを意味する。
【００２７】尚、この実施の形態において、販売した製品群は、４輪自動車、２輪自動車および汎用エンジンなどの汎用製品の３種に大別されるものとし、部品群はそれらの構成部品（いわゆるスペアパーツ）とする。部品は、独立して取引される単位当たりを１個とすると共に、部品番号で特定される。
【００２８】データ抽出および加工ＥＮＧ１０ａでは入力したデータに基づき、４輪自動車などの複数個の部品のそれぞれについて過去の経時的な需要実績が求められ、需要実績が第１の所定頻度以下となった第１の低頻度部品群、および前記第１の所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群が抽出される。
【００２９】図２は、その作業を示す説明図である。
【００３０】図示の如く、第１の所定頻度としては、ある部品について月平均需要個数が１個以下で、かつ過去に２４ケ月の間、需要が途絶えたことがあることを条件とし、それに該当するものを集合的に第１の低頻度部品群（以下「極低頻度（１）部品」という）とする。
【００３１】また、第２の所定頻度としては、ある部品について月平均需要個数が１個以下で、かつ過去に需要が発生した月が通算して１３ケ月以上あることを条件とし、それに該当するものを集合的に第２の低頻度部品群（以下「極低頻度（２）部品」という）とする。
【００３２】ここで、「月平均需要個数が１個以下で、かつ過去に需要が発生した月が通算して１３ケ月以上ある」とは、ある部品について現在の月平均需要は１個以下であるが、過去に、１個以上需要が発生した月が、継続すると否とを問わず、合計すると、１３ケ月以上あった、という意味である。
【００３３】即ち、図２の左側に示すように、一般に、部品の需要は、製品が生産中あるいは生産が中止されてから暫くの間は、例えば５０００個程度と比較的活発であるが、その後は次第に減少し、やがては平均して月に１個以下程度の低頻度となる。
【００３４】尚、この明細書で「需要」とは、末端のユーザあるいはディーラからの需要（発注）をいい、「需要個数」とは発注回当たりの部品個数をいう。従って、１ケ月の間に、１度に同一部品を３個発注された場合も、３度に分けて１個づつ発注された場合も、需要個数は３となる。
【００３５】上記した定義から明らかな如く、通例、部品は需要が低頻度化すると、最初に極低頻度（２）部品となり、次いで極低頻度（１）部品となる。データ抽出および加工ＥＮＧ１０ａでは、このようにして極低頻度（１）部品および極低頻度（２）部品が抽出される。
【００３６】図１の説明に戻ると、データ抽出および加工エンジン１０ａで抽出された極低頻度（１）部品および極低頻度（２）部品についての情報は、極低頻度需要予測ＤＢ（データベース）１０ｂに、一旦、格納される。
【００３７】次いで、格納された極低頻度部品情報は、需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション（モンテカルロ・シミュレーション）用入力データ作成ＥＮＧ１０ｄ、および極低頻度（２）部品入力データ作成ＥＮＧ１０ｅに送られる。
【００３８】需要特性分析データ作成ＥＮＧ１０ｃに送られた極低頻度部品情報は、次いで統計分析処理および特性式入力処理を経て部品カテゴリ別に設けられた需要発生判定式および需要個数判定式ＤＢ（データベース）１０ｆに入力され、そこで、需要実績から第１所定頻度以下となった時点以後の需要の特徴を示すパラメータに基づき、抽出された低頻度部品群（極低頻度（１）部品）は、複数のカテゴリに分類される。
【００３９】複数のカテゴリへの分類は、４輪自動車用、２輪自動車用および汎用製品用の３種に止まらず、さらに細分類、例えば２４，５０，１００などのグループに分類することを意味する。
【００４０】需要発生判定式および需要個数判定式ＤＢ（データベース）１０ｆに入力されたデータは、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄに格納されたデータと共に、ＭシミュレーションＥＮＧ１０ｇに送られる。
【００４１】尚、「需要発生判定式」および「需要個数判定式」は上記した「所定頻度以下となった時点以後の需要の特徴を示すパラメータ」を意味し、より具体的には上記したように、需要発生間隔および需要個数を意味する。
【００４２】ＭシミュレーションＥＮＧ１０ｇにおいては、カテゴリごとにそのカテゴリに属する対象部品について前記した需要の特徴を示すパラメータに基づいて需要発生確率分布が２種算出され、算出された需要発生確率分布を入力してモンテカルロ・シミュレーションが行われ、所定期間Ｎにおける需要個数の出現頻度確率分布が算出される。
【００４３】ここで、そのモンテカルロ・シミュレーションを利用した需要予測手法について説明する。
【００４４】モンテカルロ・シミュレーション（「モンテカルロ分析」あるいは「モンテカルロ法」とも呼ばれる）は、定式化されたものを再び確率の世界に置き直して解く手法であり、解析的な手法では解けない問題の近似的な解を求める際に良く利用される。
【００４５】発明者は低頻度化した部品群の需要予測について考究を重ねたところ、低頻度化した後の需要には幾つかの特徴（法則性）があるのが見い出された。図３は部品ａ，ｂ，ｃについて需要個数（月平均値）の経時的な変動を示す図であるが、図示の如く、需要が活発にある間は部品によって需要個数は相違する。
【００４６】しかしながら、需要が減少して需要の頻度が低下し、先に述べたように、例えば、月平均需要個数が１個以下で、かつ過去に２４ケ月の間、需要が途絶えるようになると、部品間の需要の個性は薄れてほぼ均一化し、部品ａ，ｂ，ｃの需要個数は共通化してほぼ１種の特性で把握することができる。
【００４７】従って、そのような時点（第１の所定頻度以下となる時点）に着目することで、換言すれば低頻度化した時点を揃えることで、複数個の部品の需要個数を共通した特性で把握することができる。
【００４８】さらに、図３に示す過去の経時的な需要実績（データ）について考察を重ねたた結果、低頻度化した後の部品の取引の挙動は、需要（個数を問わず）が何ケ月ぶりに発生したかを示すもの、即ち、時間に対する需要発生確率分布、より具体的には、翌月の需要が発生する確率分布を示すことが見い出された。
【００４９】さらに、この需要実績（データ）は、例えば２４ケ月などの間途絶える前の需要個数に対してどの位の個数の需要が発生したかを示すもの、即ち、需要個数率に対する需要発生確率分布を示すことが見い出された。尚、図３で右側下方に示すｎ倍は、途絶えた後の需要個数が、途絶える前のそれの何倍であることを示す。
【００５０】このように、途絶える前と途絶えた後の需要の挙動を個数面から勘案することで需要発生確率分布を的確に算出することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００５１】図４に、上記した知見に基づき、過去の経時的な需要実績（点で表す）を近似的にプロットして得た、時間に対する需要発生確率分布、より具体的には、需要発生間隔（月）に対する需要発生確率分布を示す。
【００５２】また、図５に、過去の経時的な需要実績を分析して得た、需要個数率に対する需要発生確率分布を示す。
【００５３】「個数率」は、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合を示す。より具体的には、個数率＝２４ケ月の間、需要が途絶えた後の需要発生月の需要個数／２４ケ月の間、需要が途絶える直前の需要個数を意味する。簡単に言えば、個数率は、途絶える前と途絶えた後の需要個数の割合を意味する。
【００５４】さらに、図４および図５に示す特性は、部品の種類によって相違することから、抽出した極低頻度（１）部品群を複数のカテゴリに分類し、カテゴリごとに図６に示すように時間に対する需要発生確率分布（図４R>４に示す）を算出すると共に、図７に示すように需要個数率に対する需要発生確率分布（図５に示す）を算出するようにした。
【００５５】部品群のカテゴリへの分類は、極低頻度（１）部品のそれぞれについて需要発生間隔および需要個数率（所定頻度以下となった時点以後の需要の特徴を示すパラメータ）を求め、求めたパラメータが近い部品同士を同一のカテゴリとみなして行うようにした。
【００５６】尚、部品群は、例えば２４，５０などのカテゴリに細分されるが、図６および図７では図示の簡略化のため、４個のカテゴリＡ，Ｂ，Ｃ，Ｄのみ示す。
【００５７】次いで、算出した図６および図７に示す２種の需要発生確率分布に基づいて図８に示すようにモンテカルロ・シミュレーションを繰り返し（例えば５０００回）実行し、図９に示すように、将来、需要がどの位の確率で何ケ月の間隔で何個発生するか、具体的には所定期間（Ｎケ月間）における需要個数（総数）の出現頻度を算出する。
【００５８】尚、モンテカルロ・シミュレーションは、当該の部品が属するカテゴリについて算出された図６および図７に示す２種の需要発生確率分布を選択し、選択した需要発生確率分布ごとに実行する。
【００５９】即ち、この発明は、過去の需要実績は既知であり、将来の需要は未知であるが、将来の需要も、過去の需要発生と同様な確率分布で生じるとみなすことで、予測できるという知見に基づいてなされた。
【００６０】このように、需要の特徴を示すパラメータとして時間に対する需要発生確率分布および需要個数率に着目、それらの少なくともいずれかに着目して需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とすることで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出することができ、それによって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【００６１】次いで、算出されたＮケ月間における需要個数（総数）の出現頻度確率分布に基づいて極低頻度（１）部品の将来の需要個数を予測（算出）する。より具体的には、図１０に示すように、当該カテゴリに属する極低頻度（１）部品のＮケ月間の需要をＺ％のカバー率（需要に対する目標供給率）でまかなうにはＹｚ個必要と予測（算出）する。
【００６２】尚、上記でＮケ月をどの程度の期間に設定するかは任意であり、所望の予測期間に対応する値を適宜設定すれば良い。
【００６３】このように、任意の幅をもった期間における需要個数（より正確には総数）として予測できるようにした点も、この需要予測方法の特徴の一つに挙げることができる。
【００６４】これにより、目標とする予測期間あるいは予測数に応じてその期間に適宜設定することで、必要とする需要を精度良く予測することができる。また、例えばその幅を小さく設定することによって需要個数を絞ることも可能となり、あるいは、縦軸に示す出現頻度確率が所定値以上にあるか否か判断することによって需要個数を絞ることも可能となる。
【００６５】上記を図１に示す構成で説明すると、ＭシミュレーションＥＮＧ１０ｇにおいてモンテカルロ・シミュレーションによって得たデータ（Ｎケ月間の需要総数（個数）の出現頻度確率分布）は、計算結果表示ＥＮＧ１０ｈに送られる。
【００６６】計算結果表示ＥＮＧ１０ｈではデータに基づいて上記のように極低頻度（１）部品の将来の需要個数が予測（算出）され、図示しないＣＲＴおよびプリンタなどを介して表示される。
【００６７】また、ＭシミュレーションＥＮＧ１０ｇの出力は予測精度検証データ作成ＥＮＧ１０ｉにも送られ、極低頻度（１）部品のカテゴリ（分類）の適否が検討され、必要に応じてカテゴリの再設定（変更）が行われる。
【００６８】予測精度検証データ作成ＥＮＧ１０ｉでは、該当するカテゴリに属する極低頻度（１）部品について過去のある時点以前の需要実績に基づき、その時点から過去のある時点までの需要が予測され、実績データと比較されて予測精度が検証される。その結果、予測精度が低いときは、カテゴリが再設定（変更）される。
【００６９】カテゴリの数は少ないほど作業が容易となるが、予測精度は低下することから、この実施の形態にあっては、カテゴリ数は先に述べたように、例えば２４，５０などとする。
【００７０】ここで、図１１を参照し、２３万９０００アイテムの低頻度部品群について、カテゴリ数を２４としたときの、この実施の形態に係る需要予測方法を適用した場合の予測精度を検証した結果を、過去の需要実績と対比して示す。
【００７１】尚、予測精度検証データ作成ＥＮＧ１０ｈでも同種の処理が行われるが、図１１に示すものは、アイテム数などにおいてそれと相違する。「アイテム」は部品番号に部品の仕向け地を付したものを意味し、従って同一の部品が日本と米国を仕向け地とするとき、アイテムの数は２となる。
【００７２】同図は、２３万９０００アイテムについて、この実施の形態に係る需要予測方法で予測した部品在庫量を保有したと仮定した場合の、カバー率９０％，９５％，９８％および９９．６％（横軸）としたときの欠品率および引当率（縦軸）を示す。
【００７３】上記で、「欠品率」（％）は需要に応じられなかった率を、「引当率」（％）は需要に応じられた率を示す。本来的には１００％から引当率を減算した値が欠品率となるが、検証期間内に異常需要があったため、欠品率と引当率と異常需要（例えばカバー率９９．６％のとき０．１５％）を加算して１００％とした。
【００７４】同図から明らかな通り、ほぼ目標通りの引当率が達成されており、この実施の形態に係る需要予測方法が効果的であることが実証された。
【００７５】図１の説明に戻ると、極低頻度（２）部品入力データ作成ＥＮＧ１０ｅの出力は一方では極低頻度（２）部品需要予測ＥＮＧ１０ｊに直接に送られると共に、他方ではＭシミュレーションＥＮＧ１０ｇを介して極低頻度（２）部品需要予測ＥＮＧ１０ｊに送られる。
【００７６】概括すると、この実施の形態においては、極低頻度（１）部品に関しては上記したようにモンテカルロ・シミュレーションを用いて需要を予測すると共に、極低頻度（２）部品に関しては回帰分析手法を用いるようにした。また、回帰分析において回帰直線を決定するとき、既知データにモンテカルロ・シミュレーションで得た需要予測値（需要個数）を加えるようにした。即ち、極低頻度（２）部品については、回帰分析とモンテカルロ・シミュレーションの利点を組み合わせて需要を予測するようにした。
【００７７】図１２を参照して説明すると、同図上部に示すように需要量が多い期間は、単位期間当たりの需要量で取り扱うのが便利であるが、需要量が減少して低頻度化した場合、人為的に決めた単位期間によってデータ自身が変化してしまう。
【００７８】そこで、同図左下に示すように、低頻度部品群（より正確には極低頻度（２）部品）は、累積需要数で取り扱うようにした。具体的には、指数関数を用いて同図右下に示すように累積需要数（実績データ）を直線化し、それから回帰直線を引くようにした。
【００７９】より具体的には、図１３に示すように、既知データから最小２乗法などの公知の手法を用いて回帰係数を決定して直線を引くと共に、モンテカルロ・シミュレーションで得たデータの中の任意の値（符合Ｍｄで示す）も利用して回帰直線を決定するようにした。
【００８０】即ち、回帰分析とモンテカルロ分析は本来的に異なる手法であるが、先に述べたように、通例、部品は需要が低頻度化すると、最初に極低頻度（２）部品となり、次いで極低頻度（１）部品となるという関係にあると共に、モンテカルロ・シミュレーションで得た極低頻度（１）部品の需要予測が高精度であることが検証されたため、このように構成した。
【００８１】ただし、上で述べたように極低頻度（２）部品は極低頻度（１）部品に時間的に先行することから、極低頻度（２）部品の需要予測のとき、同一部品についてのモンテカルロ・シミュレーションによる需要予測はなされていない。
【００８２】従って、この実施の形態においては、極低頻度（１）部品について述べた手法を変形し、極低頻度（２）部品についてカテゴリごとに時間に対する需要発生確率分布および需要個数率に対する需要発生確率分布を求めるとき、例えば個数率の算出に際しては２４ケ月に代えて数ケ月などの短縮した期間を使用するようにした。
【００８３】図１３において、Ｌ１は既知データのみから得た回帰直線であり、Ｌ２は既知データと変形モンテカルロ・シミュレーションで得た値Ｍｄから得た回帰直線である。図において、回帰直線Ｌ１は参考的に示すものであり、この実施の形態に係る需要予測方法においては回帰直線Ｌ２が使用される。
【００８４】従って、図１３の横軸に示す予測期間に対応する回帰直線Ｌ２上の値が、縦軸に示す予測数となる。極低頻度（１）部品の場合と同様に、極低頻度（２）部品についても、将来の需要は、任意の幅の期間における需要個数（総数）として予測される。
【００８５】このように、極低頻度（２）部品については、モンテカルロ分析と回帰分析の利点を組み合わせて予測するようにしたので、極低頻度（２）部品の取引の挙動が、極低頻度（１）部品について図３を参照して説明したような部品間によって同様の特性に示す状態まで、必ずしも至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【００８６】図１の説明に戻ると、極低頻度（２）部品需要予測ＥＮＧ１０ｊにおいては、極低頻度（２）部品入力データ作成ＥＮＧ１０ｅとＭシミュレーションＥＮＧ１０ｇの出力に基づいて上記したような回帰直線Ｌ２が決定される。
【００８７】極低頻度（２）部品需要予測ＥＮＧ１０ｊの出力は、ＭシミュレーションＥＮＧ１０ｇの出力と共に計算結果表示ＥＮＧ１０ｈに送られ、そこで極低頻度（２）部品の需要個数が予測（算出）されると共に、図示しないＣＲＴおよびプリンタなどを介して表示される。
【００８８】この実施の形態は上記の如く構成したので、需要が月１個以下程度に減少した低頻度部品群の将来の需要を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。
【００８９】さらに、低頻度部品群の将来の需要を精度良く予測することで、部品製作用金型を廃棄すべきか否かなどについても適正に判断することができる。
【００９０】さらに、低頻度部品群の将来の需要を精度良く予測することで、カバー率も含めた部品在庫に関する経営戦略の決定を容易にすることができる。
【００９１】さらに、図１に示す如く、予測精度検証データ作成ＥＮＧ１０ｉにおいて予測精度を検証し、検証結果に基づき、必要に応じてカテゴリを再設定（変更）する、換言すれば、この実施の形態に係る需要予測方法が進化できるように構成したので、絶え間なく予測精度の向上を図ることができる。
【００９２】さらに、低頻度部品群を極低頻度（１）部品と極低頻度（２）部品に区分し、前者についてはモンテカルロ分析を用いて需要個数を予測すると共に、後者についてはモンテカルロ分析と回帰分析をコンバインして需要個数を予測、換言すれば両者の利点を組み合わせて予測するようにしたので、予測精度を一層向上させることができる。
【００９３】即ち、極低頻度（２）部品の取引の挙動が、極低頻度（１）部品について図３を参照して説明したような部品間によって同様の特性に示す状態まで、必ずしも至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【００９４】さらに、需要を任意の幅をもった期間における需要個数（総数）として予測するようにしたので、目標とする予測期間あるいは予測数に応じて最適に需要を予測することができる。
【００９５】上記した如く、この実施の形態にあっては、販売した製品（４輪自動車、２輪自動車および汎用製品）を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群（極低頻度（１）部品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記需要実績から前記所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間（Ｎケ月間）における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数（総数）を予測する（計算結果表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【００９６】さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群（極低頻度（２）部品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（２）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｅ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記第２の低頻度部品群の将来の需要個数を算出し、および前記第２の所定頻度以下となった時点以前の前記需要実績と前記算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する（極低頻度（２）部品需要予測ＥＮＧ１０ｇ、計算結果表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【００９７】また、前記需要の特徴を示すパラメータが、需要発生間隔（月）（図４に示す）および需要個数率（図５に示す）の少なくともいずれか、より望ましくはその両方である如く構成した。
【００９８】また、前記個数率が、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合、より具体的には、２４ケ月の間、需要が途絶えた後の需要発生月の需要個数／２４ケ月の間、需要が途絶える直前の需要発生月の需要個数である如く構成した。
【００９９】また、販売した製品（４輪自動車、２輪自動車および汎用製品）を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群（極低頻度（１）部品）を抽出し（データ抽出および加工ＥＮＧ１０ａ，極低頻度需要予測ＤＢ１０ｂ）、前記需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）、前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間（Ｎケ月間）における需要個数の出現頻度確率分布を算出し（ＭシミュレーションＥＮＧ１０ｇ）、および前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測する（計算結果表示ＥＮＧ１０ｈ）ことからなる如く構成した。
【０１００】また、前記抽出された低頻度部品群を複数のカテゴリ（例えば２４，５０）に分類すると共に、前記複数のカテゴリのそれぞれについて前記需要発生確率分布を算出する（需要特性分析データ作成ＥＮＧ１０ｃ、極低頻度（１）部品Ｍシミュレーション用入力データ作成ＥＮＧ１０ｄ、需要発生判定式および需要個数判定式ＤＢ１０ｆ、予測精度検証データ作成ＥＮＧ１０ｉ，ＭシミュレーションＥＮＧ１０ｇ）如く構成した。
【０１０１】さらに、前記予測された需要個数の精度を検証し、前記検証した結果に基づいて前記カテゴリを変更する（予測精度検証データ作成ＥＮＧ１０ｉ）如く構成した。
【０１０２】尚、上記において、期間あるいは時間の単位として月を使用しているが、それに代え、日、週、旬、季、年など、期間あるいは時間を示す単位であれば、他のどのようなものを用いても良い。
【０１０３】
【発明の効果】請求項１項にあっては、部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績から所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測することからなる如く構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【０１０４】請求項２項にあっては、さらに、前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、抽出された低頻度部品群を複数のカテゴリに分類すると共に、そのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、それに基づいて前記第２の低頻度部品群の将来の需要個数を算出し、前記第２の所定頻度以下となった時点以前の前記需要実績と算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する如く構成したので、換言すればモンテカルロ分析と回帰分析の利点を組み合わせて予測するようにしたので、低頻度化した部品群が、その取引の挙動が部品間によって必ずしも同様の特性に示すに至っていない場合であっても、その将来の需要個数の予測精度を一層向上させることができる。
【０１０５】請求項３項にあっては、前記需要の特徴を示すパラメータとして需要発生間隔および需要個数率少なくともいずれかに着目し、それらに基づいて需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とすることで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出することができ、それによって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【０１０６】請求項４項にあっては、途絶える前と途絶えた後の需要の挙動を個数面から勘案することで需要発生確率分布を的確に算出することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【０１０７】請求項５項にあっては、部品群のそれぞれについて過去の経時的な需要実績を求め、所定頻度以下となった低頻度部品群を抽出し、需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、算出された所定期間における需要個数の出現頻度確率分布に基づいて低頻度部品群の将来の需要個数を予測する如く構成したので、換言すれば、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布の少なくともいずれかに着目して需要発生確率分布を算出してモンテカルロ・シミュレーションの入力とするこどで、モンテカルロ・シミュレーションの出力として同様の所定期間における需要頻度の確率分布を算出して需要を予測するように構成したので、需要が低頻度化した部品群の将来の需要個数を精度良く予測することができ、それによって在庫管理量を適正に求めることができる。さらに、部品製作用金型の廃棄すべきか否かなどについても適正に判断することができると共に、カバー率も含めた在庫管理に関する経営戦略の決定を容易にすることができる。
【０１０８】請求項６項にあっては、抽出された低頻度部品群を複数のカテゴリに分類すると共に、複数のカテゴリのそれぞれについて需要発生確率分布を算出する如く構成したので、部品に特有の需要の挙動を勘案することができ、よって低頻度部品群の将来の需要個数の予測精度を一層向上させることができる。
【０１０９】請求項７項にあっては、予測された需要個数の精度を検証し、その結果に基づいてカテゴリを変更する如く構成したので、換言すれば需要予測を進化させるように構成したので、これによって低頻度部品群の将来の需要個数の予測精度を絶え間なく向上させることができる。
【図面の簡単な説明】
【図１】この発明の一つの実施の形態に係る部品在庫における需要予測方法を、その実現に使用する装置（マイクロコンピュータ）の処理を介して全体的に示す概略図である。
【図２】図１に示す需要予測方法で行われる低頻度部品（極低頻度（１）部品および極低頻度（２）部品）の抽出処理を示す説明図である。
【図３】図１に示す需要予測方法で予測する部品群の需要個数の経時的な変動を示す説明図である。
【図４】図１に示す需要予測方法で行われるモンテカルロ・シミュレーションの入力たる需要発生間隔（需要の特徴を示すパラメータ）に対する需要発生確率分布を示す説明図である。
【図５】同様に、図１に示す需要予測方法で行われるモンテカルロ・シミュレーションの入力たる需要個数率（需要の特徴を示すパラメータ）に対する需要発生確率分布を示す説明図である。
【図６】図４に示す需要発生間隔に対する需要発生確率分布を部品のカテゴリごとに算出した例を示す説明図である。
【図７】図５に示す需要個数率に対する需要発生確率分布を部品のカテゴリごとに算出した例を示す説明図である。
【図８】図６および図７の需要発生確率分布を用いて図１R>１に示す需要予測方法で行われるモンテカルロ・シミュレーションを示す説明図である。
【図９】図８のモンテカルロ・シミュレーションで得られる所定期間（Ｎケ月間）における需要個数の出現頻度確率分布を示す説明図である。
【図１０】図９の需要個数の出現頻度確率分布に基づいて行われる需要個数の予測を示す説明図である。
【図１１】図８のモンテカルロ・シミュレーションによる需要予測の予測精度の検証結果を示すグラフである。
【図１２】図１に示す需要予測方法で行われる回帰分析による需要予測を示す説明図である。
【図１３】同様に、図１に示す需要予測方法で行われる回帰分析による需要予測を示す説明図である。
【符号の説明】
１０ 装置（マイクロコンピュータ）
１２ メインフレームコンピュータ
【特許請求の範囲】
【請求項１】 販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、ａ．前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、ｂ．前記需要実績から前記所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、ｃ．前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、およびｄ．前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測する、ことからなる需要予測方法。
【請求項２】 さらに、ｅ．前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、ｆ．前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、ｇ．前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、ｈ．前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記第２の低頻度部品群の将来の需要個数を算出し、およびｉ．前記第２の所定頻度以下となった時点以前の前記需要実績と前記算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する、ことからなる請求項１項記載の需要予測方法。
【請求項３】 前記需要の特徴を示すパラメータが、需要発生間隔および需要個数率の少なくともいずれかであることを特徴とする請求項１項または２項記載の需要予測方法。
【請求項４】 前記個数率が、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合であることを特徴とする請求項３項記載の需要予測方法。
【請求項５】 販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、ｊ．前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、ｋ．前記需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、ｌ．前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、およびｍ．前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測する、ことからなる需要予測方法。
【請求項６】 前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要発生確率分布を算出することを特徴とする請求項５項記載の需要予測方法。
【請求項７】 さらに、ｎ．前記予測された需要個数の精度を検証し、およびｎ．前記検証した結果に基づいて前記カテゴリを変更する、ことを特徴とする請求項１項から６項のいずれかに記載の需要予測方法。
【請求項１】 販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、ａ．前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、ｂ．前記需要実績から前記所定頻度以下となった時点以後の需要の特徴を示すパラメータを求めて前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、ｃ．前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、およびｄ．前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測する、ことからなる需要予測方法。
【請求項２】 さらに、ｅ．前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度より高頻度の第２の所定頻度以下となった第２の低頻度部品群を抽出し、ｆ．前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要の特徴を示すパラメータに基づいて需要発生確率分布を算出し、ｇ．前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、ｈ．前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記第２の低頻度部品群の将来の需要個数を算出し、およびｉ．前記第２の所定頻度以下となった時点以前の前記需要実績と前記算出された需要個数に基づき、回帰分析によって前記第２の低頻度部品群の将来の需要個数を予測する、ことからなる請求項１項記載の需要予測方法。
【請求項３】 前記需要の特徴を示すパラメータが、需要発生間隔および需要個数率の少なくともいずれかであることを特徴とする請求項１項または２項記載の需要予測方法。
【請求項４】 前記個数率が、需要が途絶える前の需要個数に対する需要が途絶えた後の需要個数の割合であることを特徴とする請求項３項記載の需要予測方法。
【請求項５】 販売した製品を構成する部品群を所定期間にわたって保有すると共に、需要に応じて販売する部品在庫管理において需要が所定頻度以下となった低頻度部品群の将来の需要を予測する方法であって、ｊ．前記部品群のそれぞれについて過去の経時的な需要実績を求め、前記需要実績が前記所定頻度以下となった低頻度部品群を抽出し、ｋ．前記需要実績に基づき、時間に対する需要発生確率分布、および需要個数率に対する需要発生確率分布を算出し、ｌ．前記算出された需要発生確率分布に基づいてモンテカルロ・シミュレーションを行って所定期間における需要個数の出現頻度確率分布を算出し、およびｍ．前記算出された所定期間における需要個数の出現頻度確率分布に基づいて前記低頻度部品群の将来の需要個数を予測する、ことからなる需要予測方法。
【請求項６】 前記抽出された低頻度部品群を複数のカテゴリに分類すると共に、前記複数のカテゴリのそれぞれについて前記需要発生確率分布を算出することを特徴とする請求項５項記載の需要予測方法。
【請求項７】 さらに、ｎ．前記予測された需要個数の精度を検証し、およびｎ．前記検証した結果に基づいて前記カテゴリを変更する、ことを特徴とする請求項１項から６項のいずれかに記載の需要予測方法。
【図２】
【図９】
【図１０】
【図１】
【図３】
【図４】
【図６】
【図７】
【図１１】
【図５】
【図８】
【図１２】
【図１３】
【図９】
【図１０】
【図１】
【図３】
【図４】
【図６】
【図７】
【図１１】
【図５】
【図８】
【図１２】
【図１３】
【公開番号】特開２００２−７３７４６（Ｐ２００２−７３７４６Ａ）
【公開日】平成１４年３月１２日（２００２．３．１２）
【国際特許分類】
【出願番号】特願２０００−２６０９１８（Ｐ２０００−２６０９１８）
【出願日】平成１２年８月３０日（２０００．８．３０）
【出願人】（０００００５３２６）本田技研工業株式会社 (23,863)
【Ｆターム（参考）】
【公開日】平成１４年３月１２日（２００２．３．１２）
【国際特許分類】
【出願日】平成１２年８月３０日（２０００．８．３０）
【出願人】（０００００５３２６）本田技研工業株式会社 (23,863)
【Ｆターム（参考）】
[ Back to top ]