需要予測装置、需要予測方法、及び需要予測プログラム
【課題】保守部品の需要値を高い精度で予測することができる、需要予測装置、需要予測方法、及び需要予測プログラムを提供することを目的とする。
【解決手段】需要予測装置１は、製品保有台数モデルを特徴づける減少率パラメータ、修理依頼率モデルを特徴づける修理依頼率パラメータ、および部品故障率を特徴づける部品故障率パラメータの最適値を決定するパラメータ推定部１０７と、決定した各パラメータの最適値によって規定された保守部品需要予測モデルを用いて保守部品の需要予測値を計算する保守部品需要予測値計算部１０９と、を備え、製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、部品故障率モデルは、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表されることを特徴とする。
【解決手段】需要予測装置１は、製品保有台数モデルを特徴づける減少率パラメータ、修理依頼率モデルを特徴づける修理依頼率パラメータ、および部品故障率を特徴づける部品故障率パラメータの最適値を決定するパラメータ推定部１０７と、決定した各パラメータの最適値によって規定された保守部品需要予測モデルを用いて保守部品の需要予測値を計算する保守部品需要予測値計算部１０９と、を備え、製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、部品故障率モデルは、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表されることを特徴とする。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、保守部品の需要予測装置、需要予測方法、及び需要予測プログラムに関する。
【背景技術】
【０００２】
メーカは、製品の故障によるユーザからの修理要求に対応するために、製品の正常な動作を保証する保守を行う期間である保守期間を長期にわたり定める場合があり、保守期間内においては、製品の保守に用いられる部品（以下「保守部品」と呼ぶ）を自社又は部品メーカが製造し続ける必要がある。
【０００３】
しかしながら、メーカは、年間の保守部品の出荷量が少ない等の理由で、保守期間の途中であっても保守部品の製造を打ち切り、又は部品メーカから保守部品の製造中止を打診される場合がある。その場合に、メーカは、保守部品の製造を打ち切り、又は部品メーカから保守部品の製造中止を打診されたタイミングで、残りの保守期間で必要になるであろう保守部品の需要数を予測し、予測した保守部品の需要数をまとめて製造又は発注する。
【０００４】
保守期間内での保守部品の欠品の発生は、代替コストを発生させ、一方、保守期間終了時に抱える保守部品の過剰在庫は、破棄コストを発生させ、どちらの場合も企業の利益を減少させる。そのため、保守部品の製造打ち切り時又は製造中止の打診時に、保守部品の需要数を高い精度で予測し、適正数量をまとめて製造、発注するための技術が求められている。
【０００５】
ここで、保守部品の需要数を予測する方法として、製品出荷開始時からの経過時間ごとに、市場での製品保有台数と、部品故障率とを求め、
部品需要数（ｔ）＝市場での製品保有台数（ｔ）×部品故障率（ｔ）
として部品需要数を計算する予測モデル（部品需要予測モデル）が知られている。ここで、ｔは経過時間である。
【０００６】
保守部品製造打ち切り後の部品需要数の計算には、保守部品製造打ち切り前の実績データから推定した、市場での製品保有台数と部品故障率とを用いる。部品故障率の推定は、部品寿命がワイブル分布に従うものとして計算する（例えば、特許文献１参照）。
また、特許文献１の他に、部品の寿命がワイブル分布に従うものとして部品の故障率を推定し、部品需要数を計算している技術として、例えば特許文献２、特許文献３等がある。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００３−３３１０８７号公報（段落０００２、段落００１１）
【特許文献２】特開２００７−３２３１４８号公報（段落００６１〜段落０１２８）
【特許文献３】特開２００６−３２３６９８号公報（段落００２０）
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、市場での製品保有台数と、部品故障率とから部品需要数を計算する特許文献１に記載される方法では、保守部品製造打ち切り後の部品需要数の予測精度が低い。そのため、保守期間内での欠品を生じ、または、保守期間経過後に在庫を残す原因となる。
【０００９】
部品需要数の予測精度が低い原因として、以下の２点を考慮していないことが挙げられる。一つ目は、製品の故障で修理が必要になった場合に、ユーザが必ずメーカに修理依頼するとは限らないこと、言い換えれば、ユーザがメーカに修理を依頼する修理依頼率が考慮されていない点である。例えば、ユーザは、修理しないで新品に買い替える可能性があり、そのときには保守部品の需要は発生しないので、保守部品の需要予測に対し実際の需要実績は低くなる。そのため、保守部品の需要予測と実際の需要実績との間で誤差が生じ、結果として部品需要数の予測精度を低下させている。
【００１０】
二つ目は、製品の利用環境の偏りが部品寿命に影響することが考慮されていない点である。例えば、同じ製品であっても、利用環境が厳しい製品（例．毎日１０時間連続利用されるエアコン、砂利道を走行する自動車）と、利用環境が厳しくない製品（例．毎日３時間連続利用されるエアコン、舗装された道路を走行する自動車）とでは、製品を構成する部品の部品寿命に差が生じる。製品の利用環境の偏りを考慮していない従来手法では、部品の故障件数や出荷実績から推定した故障率が、実際の故障率を正しく反映していないものとなっており、結果として部品需要数の予測精度を低下させている。
【００１１】
本発明は前記問題に鑑みてなされたものであり、保守部品の需要値を高い精度で予測することができる、需要予測装置、需要予測方法、及び需要予測プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１２】
前記目的を達成するため、本発明は、ユーザによる修理依頼率が、指数関数（例えば、後継製品の投入、製品保証期間の終了等の影響により、ある時点(変曲点)の前後で加速度をつけて減少するもの）で表されるとし、また、部品故障率が、製品の利用環境の違い（製品の利用環境の偏り）により、部品の平均寿命の決定に関わっているワイブル分布のパラメータθの値が部品ごとにばらついているものとして解釈し、そのパラメータθのばらつきがガンマ分布に従うものとして保守部品の需要予測値を算出する。
【００１３】
例えば、本発明に係る需要予測装置は、出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置であって、過去の製品の出荷実績である製品出荷実績数を取得する製品出荷実績取得部と、過去の保守部品の出荷実績である保守部品出荷実績数を取得する保守部品出荷実績取得部と、前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定するパラメータ推定部と、前記パラメータ推定部が決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算する保守部品需要予測値計算部と、を備え、前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、ことを特徴とする。
【発明の効果】
【００１４】
本発明によれば、保守部品の需要量（需要数）を高い精度で予測することができる。そのため、本発明で保守部品の生産打ち切り以降の需要量を予測することで、保守部品の生産打ち切り時に、予測に基づいた必要最低限の保守部品を生産することが可能になり、保守終了時の過剰在庫や保守期間途中での欠品を解消できる。
【図面の簡単な説明】
【００１５】
【図１】本発明の実施形態に係る需要予測装置の構成図である。
【図２】実施形態に係る需要予測装置の機能構成図である。
【図３】実施形態に係る需要予測装置が備える記憶部に記憶される製品出荷実績データのデータ構成図である。
【図４】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上製品出荷実績データのデータ構成図である。
【図５】実施形態に係る需要予測装置が備える記憶部に記憶される保守部品出荷実績データのデータ構成図である。
【図６】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上保守部品出荷実績データのデータ構成図である。
【図７】実施形態に係る需要予測装置が備える記憶部に記憶される予測期間データのデータ構成図である。
【図８】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上予測期間データのデータ構成図である。
【図９】パラメータθがガンマ分布に従う場合の部品Ｐのヒストグラムの一例を示す図である。
【図１０】遺伝的アルゴリズムを用いて各パラメータの最適値を探索する場合のフローチャート例である。
【図１１】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上予測モデルパラメータデータのデータ構成図である。
【図１２】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上需要予測値データのデータ構成図である。
【図１３】実施形態に係る需要予測装置が備える記憶部に記憶される需要予測値データのデータ構成図である。
【図１４】実施形態に係る需要予測装置が備える表示部に表示される需要予測値計算前の表示画面の一例である。
【図１５】実施形態に係る需要予測装置が備える表示部に表示される需要予測値計算後の表示画面の一例である。
【図１６】実施形態に係る需要予測装置による需要予測値の計算動作を表すフローチャートである。
【発明を実施するための形態】
【００１６】
≪実施形態に係る需要予測装置の構成≫
＜概要＞
図１は、実施形態に係る需要予測装置１の構成図である。
図１に示す、実施形態に係る需要予測装置１は、製品の過去の出荷実績が記憶される製品出荷実績データ２１及び保守部品の過去の出荷実績が記憶される保守部品出荷実績データ２２に基づいて、現在以降の保守部品の需要予測値を計算し、計算した需要予測値を表示部５に表示すると共に、需要予測値データ２４として出力する。
【００１７】
＜需要予測装置＞
需要予測装置１は、記憶部２、制御部３、入力部４、及び表示部５を備えて構成される。本実施形態では、需要予測装置１の一例として、ＰＣ(Personal Computer)を用いる例を説明するが、これに限定されるものではない。需要予測装置１には、ＰＣ以外にも、例えばサーバ、ホストコンピュータ、ＰＤＡ(Personal Digital Assistant)等を用いることができる。以下、需要予測装置１を構成する装置について説明する。
【００１８】
＜記憶部＞
記憶部２は、ＨＤＤ（Hard Disk Drive）で構成される。記憶部２には、保守部品の需要予測を計算するプログラムである需要予測プログラム１０、需要予測装置１のコンピュータシステムを管理し、基本的なユーザ操作環境を提供するソフトウェアであるＯＳ(Operating System)２０が記憶される。また、製品の過去の出荷実績である製品出荷実績データ２１、保守部品の過去の出荷実績である保守部品出荷実績データ２２、需要予測値を計算する期間である予測期間データ２３、及び計算した需要予測値である需要予測値データ２４が記憶される。
【００１９】
なお、各データ２１〜２４は、記憶部２に常に記憶されている必要はなく、例えばＣＤ(Compact Disc)、ＦＤ(Flexible Disc)、磁気テープ、ＵＳＢメモリ等の記憶媒体、又は需要予測装置１と図示しないネットワークで接続されている他の装置に記憶され、必要に応じて記憶部２に読み込むようにしてもよい。
【００２０】
＜制御部＞
制御部３は、ＣＰＵ(Central Processing Unit)１００、メモリ３０、及びこれらの周辺回路等（図示せず）から構成される。制御部３は、記憶部２に記憶される需要予測プログラム１０を実行することで様々な機能を実現する。詳細は後記する。
【００２１】
＜入力部、表示部＞
入力部４は、需要予測装置１のユーザ（操作者）が情報を入力する際に使われる装置であり、例えば、キーボード、マウス等で構成される。入力された情報は、ＯＳ２０を介して制御部３に渡される。
表示部５は、需要予測装置１のユーザ（操作者）に情報を表示する際に使われる装置であり、例えば、ＬＣＤ(Liquid Crystal Display)、ＣＲＴ(Cathode Ray Tube)ディスプレイ等で構成される。表示される情報は、制御部３からＯＳ２０を介して表示部５に渡される。
【００２２】
≪実施形態に係る需要予測装置１の機能、及びデータ構成≫
図２は、実施形態に係る需要予測装置１の機能構成図である。図２は、需要予測プログラム１０（図１参照）が、ＣＰＵ１００に読み込まれ、実行可能に展開されたときの様子を表している。図１で説明したものについては、同一符号を付して説明を省略する。
ＣＰＵ１００は、製品出荷実績入力部１０１、製品出荷実績格納部１０２、保守部品出荷実績入力部１０３、保守部品出荷実績格納部１０４、予測期間入力部１０５、予測期間格納部１０６、予測モデルパラメータ推定部１０７、予測モデルパラメータ格納部１０８、保守部品需要予測値計算部１０９、保守部品需要予測値格納部１１０、保守部品需要予測値出力部１１１、及び表示画面制御部１１２を備える。
【００２３】
また、メモリ３０には、需要予測値の計算で用いる、メモリ上製品出荷実績データ３１、メモリ上保守部品出荷実績データ３２、メモリ上予測期間データ３３、メモリ上需要予測値データ３４、及びメモリ上予測モデルパラメータデータ３５が領域として確保される。
以下、ＣＰＵ１００が備える機能を、製品Ａ及び製品Ｂに使用されている部品Ｐの保守部品としての部品出荷量を予測する場合を例にとり説明する。なお、製品Ａの出荷開始年は２０００年、製品Ｂの出荷開始年は２００１年、製品Ａ及び製品Ｂの保守期間終了年は２０１４年とする。また、保証部品としての部品Ｐの生産終了年を２００４年とする。
【００２４】
（製品出荷実績入力部）
製品出荷実績入力部１０１は、記憶部２に記憶される製品出荷実績データ２１を読み込み、読み込んだ製品出荷実績データ２１を製品出荷実績格納部１０２及び表示画面制御部１１２に渡す。図３は、製品出荷実績データ２１のデータ構成図である。図３に示す、製品出荷実績データ２１は、例えば図示しない他のシステムを用いて事前に作成される。図３の例では、製品Ａは２０００年に出荷が開始され、２年分の出荷実績が記録されている。製品Ｂは、２００１年に出荷が開始され、１年分の出荷実績が記憶されている。
なお、図３に図示してないが、製品出荷実績データ２１に製品名等の製品に関する情報を項目として備える構成としてもよい。
【００２５】
製品出荷年２１１には、製品が出荷された年が西暦で設定される。製品コード２１２には、製品を一意に識別するコードが設定される。製品出荷量２１３には、製品出荷年２１１に対応する製品の出荷実績数が設定される。
【００２６】
（製品出荷実績格納部）
製品出荷実績格納部１０２は、製品出荷実績入力部１０１から渡された製品出荷実績データ２１を、時間情報の形式が異なるメモリ上製品出荷実績データ３１に変更して、メモリ３０に格納する。図４は、メモリ上製品出荷実績データ３１のデータ構成図である。
【００２７】
アドレス３１０には、メモリ３０における各レコードの開始アドレスが設定される。経過年３１１には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年からの経過年数が設定される。本例では、製品Ｂの出荷開始時（２００１年）に対して製品Ａの出荷開始時（２０００年）の方が早いので、２０００年からの経過年数が設定される。製品コード３１２及び製品出荷量３１３には、製品出荷実績データ２１の製品コード２１２及び製品出荷量２１３と同様のデータが設定される。
【００２８】
（保守部品出荷実績入力部）
保守部品出荷実績入力部１０３は、記憶部２に記憶される保守部品出荷実績データ２２を読み込み、読み込んだ保守部品出荷実績データ２２を保守部品出荷実績格納部１０４及び表示画面制御部１１２に渡す。図５は、保守部品出荷実績データ２２のデータ構成図である。図５に示す、保守部品出荷実績データ２２は、例えば図示しない他のシステムを用いて事前に作成される。図５の例では、製品Ａ又は製品Ｂの故障により、保守部品として出荷した部品Ｐの出荷実績であり、部品Ｐは、２０００年から出荷が開始され、２００４年までの５年分の出荷実績が記憶されている。
【００２９】
なお、図５に図示してないが、部品Ｐが製品Ａ及び製品Ｂに使用されていることを表す項目（例えば部品コードと製品コードを対応付ける項目）を参照して、製品出荷実績データ２１と保守部品出荷実績データ２２との対応付けを行うものとする。前記対応付けは、図３に示す製品出荷実績データ２１が項目として備えていてもよいし、別途新たにデータを作成してもよい。
また、図５に図示してないが、保守部品出荷実績データ２２に部品名等の部品に関する情報を項目として備える構成としてもよい。
【００３０】
保守部品出荷年２２１には、保守部品が出荷された年が西暦で設定される。部品コード２２２には、部品を一意に識別するコードが設定される。部品出荷量２２３には、保守部品出荷年２２１に対応する保守部品の出荷実績数が設定される。本例では、部品Ｐは製品Ａ及び製品Ｂに使用されているので、製品Ａの保守部品として出荷された部品Ｐの出荷数と、製品Ｂの保守部品として出荷された部品Ｐの出荷数との合計値が設定される。
【００３１】
（保守部品出荷実績格納部）
保守部品出荷実績格納部１０４は、保守部品出荷実績入力部１０３から渡された保守部品出荷実績データ２２を、時間情報の形式が異なるメモリ上保守部品出荷実績データ３２に変更して、メモリ３０に格納する。図６は、メモリ上保守部品出荷実績データ３２のデータ構成図である。
【００３２】
アドレス３２０には、メモリ３０における各レコードの開始アドレスが設定される。経過年３２１には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年からの経過年数が設定される。本例では、製品Ｂの出荷開始時（２００１年）に対して製品Ａの出荷開始時（２０００年）の方が早いので、２０００年からの経過年数が設定される。部品コード３２２及び部品出荷量３２３には、保守部品出荷実績データ２２の部品コード２２２及び部品出荷量２２３と同様のデータが設定される。
【００３３】
（予測期間入力部）
予測期間入力部１０５は、記憶部２に記憶される予測期間データ２３を読み込み、読み込んだ予測期間データ２３を予測期間格納部１０６に渡す。図７は、予測期間データ２３のデータ構成図である。図７に示す、予測期間データ２３は、例えば図示しない他のシステムを用いて事前に作成されるか、事前にユーザにより作成される。図７の例では、２００４年終了時点で保守部品としての部品Ｐの生産が終了することになり、予測を開始する予測開始年（２００５年）及び保守終了年（２０１４年）の情報が記憶されている。
【００３４】
予測開始年２３１には、需要予測する期間の開始年が設定される。予測終了年２３２には、需要予測する期間の終了年が設定される。
なお、予測期間に関する情報は、記憶部２に予測期間データ２３として記憶しておく構成の他に、表示画面５１を介してユーザに直接入力される構成にしてもよい。
【００３５】
（予測期間格納部）
予測期間格納部１０６は、予測期間入力部１０５から渡された予測期間データ２３を、時間情報の形式が異なるメモリ上予測期間データ３３に変更して、メモリ３０に格納する。図８は、メモリ上予測期間データ３３のデータ構成図である。
【００３６】
アドレス３３１には、メモリ３０における各レコードの開始アドレスが設定される。経過年３３２には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年から予測開始年２３１、又は予測終了年２３２までの経過年数が設定される。本例では、製品Ｂの出荷開始時（２００１年）に対して製品Ａの出荷開始時（２０００年）の方が早いので、２０００年からの経過年数が設定される。本例では、アドレス３３１が「Ｓ６」のレコードの経過年３３２には、製品Ａの出荷年「２０００年」から予測開始年「２００５年」までの経過年数である「５」が設定され、アドレス３３１が「Ｓ１５」のレコードの経過年３３２には、製品Ａの出荷年「２０００年」から予測終了年「２０１４年」までの経過年数である「１４」が設定される。
【００３７】
（予測モデルパラメータ推定部）
予測モデルパラメータ推定部１０７は、製品保有台数モデル、修理依頼率モデル、及び部品故障率モデルの合成関数で表される保守部品需要予測モデルを用いて、パラメータの最適値を決定する。
具体的には、予測モデルパラメータ推定部１０７は、製品出荷実績格納部１０２、及び保守部品出荷実績格納部１０４を介して、メモリ３０に記憶されるメモリ上製品出荷実績データ３１、及びメモリ上保守部品出荷実績データ３２を取得し、保守部品需要予測モデルを用いて取得したデータに基づいて、パラメータの最適値を決定する。
以下では、各モデルの説明を行った後に、パラメータの最適値の決定方法について説明する。
【００３８】
［製品保有台数モデル］
製品出荷年t0からの経過年t=0,1,2,…に対応する市場での製品保有台数Ｈ(t)を、次の式１とする。ただし、Ｈ(t0)は製品出荷年t0の製品出荷数（複数製品が出荷していればその総数）、ｄは減少率パラメータである。
【００３９】
【数１】
【００４０】
製品保有台数Ｈ(t)を式１のように表したのは、時間経過に伴う製品保有台数Ｈ(t)が、製品寿命に従い、製品寿命が、故障率が一定値を保つような形の分布に従うという仮定に基づく。本実施形態では、このような時間変化に伴う製品保有台数の変化を表現する１つの製品保有台数モデルとして式１を示したに過ぎず、仮定した製品保有台数を表す関数であれば、これに限定されない。
【００４１】
［修理依頼率モデル］
製品出荷年t0からの経過年t=0,1,2,…に対応するユーザの修理依頼率Ｕ(t)を、次の式２とする。ただし、Ｕ(t0)=１（製品出荷年t0の修理依頼率は１００％）、ｕは修理依頼率パラメータである。
【００４２】
【数２】
【００４３】
修理依頼率Ｕ(t)を式２のように表したのは、修理依頼率Ｕ(t)が時間経過とともに最初緩やかに減少し、ある時点(変曲点)の前後で加速度をつけて減少し、その後は再び緩やかに減少するという仮定に基づく。ある時点(変曲点)には、後継製品の投入や製品保証期間の終了などで、メーカへの修理依頼が大きく減るタイミングが当てはまると考えられる。本実施形態では、このような時間変化に伴う修理依頼率の変化を表現する１つの修理依頼率モデルとして式２を示したに過ぎず、仮定した修理依頼率を表す関数であれば、これに限定されない。
【００４４】
［部品故障率モデル］
製品出荷年t0からの経過年t=0,1,2,…に対応する製品の利用環境の偏りを考慮した部品故障率関数λ(t)を、次の式３とする。部品故障率関数λ(t)は、部品（部品が使用されている製品）の使用を開始してから時間tが経過した時に、その時点で故障していない部品が、単位時間当たりに故障する確率である。ａ,ｒ,ｍは部品故障率パラメータである。
【００４５】
【数３】
【００４６】
式３の部品故障率関数λ(t)は、製品利用環境の偏りを反映するために部品寿命が従うワイブル分布にガンマ分布を混合した混合分布Ｆ(t)である次の式７を用いて、式８として計算される。
【００４７】
【数４】
【００４８】
【数５】
【００４９】
以下では、部品故障率関数λ(t)を、式７を用いて式３のように表した理由を説明する。
一般的なワイブル分布の分布関数の式は、次の式９のように記述される。パラメータηを特性寿命と呼び、ワイブル分布に従う部品の平均寿命(故障するまでの平均時間)にはパラメータηが関わってくる。パラメータｍは形状変数と呼ばれ、ワイブル分布の形状を決めている。
【００５０】
【数６】
【００５１】
ここで、(1/η)m=θとおくと式９は、式１０と変形できる。パラメータθも部品の平均寿命に関わるパラメータとなる。
【００５２】
【数７】
【００５３】
ここで、製品Ａには部品Ｐが１つ組み込まれているとし、部品Ｐの故障確率は式１０に示すワイブル分布に従うものとする。ある年に製品Ａを１００個出荷したとすると、１００個の製品Ａはそれぞれ利用環境（使用時間や使用頻度、使用時の周辺環境（温度、湿度、ほこりの量等））が異なる。そのため、１００個の部品Ｐの平均寿命も製品の利用環境に応じてそれぞれ異なると考えられる。一般的には、製品利用環境が厳しい場合の部品Ｐの平均寿命は、そうでない部品Ｐの平均寿命よりも短くなる。
【００５４】
このように製品の利用環境により部品の寿命には「個体差」が生じるが、このような部品ごとの寿命の個体差は、部品の平均寿命の決定に関わっているパラメータθの値が部品ごとにばらついているものとして解釈できる。パラメータθのばらつきは、パラメータθがある確率分布に従うものと仮定して、数学的に扱うことができる。本実施形態では、多くの部品がパラメータθの平均値周辺で似たような製品利用環境下にあり、少数の部品が利用環境のより厳しい方（パラメータθの大きい方）に分布するロングテール形を想定した予測ができるように、パラメータθがガンマ分布に従うと仮定する。例えば、１００個の部品Ｐに関して、製品Ａの利用環境の違いによるパラメータθのバラツキは、図９のようなヒストグラムで表される。
【００５５】
パラメータθがγ分布に従うと仮定すると、部品の個体差（製品の利用環境の偏り）を考慮した故障確率分布の分布関数Ｆ(t)は、次の式１１のようなワイブル分布とガンマ分布との混合分布として記述される。式１２は、一般的なガンマ分布の分布関数の式である。
【００５６】
【数８】
【００５７】
【数９】
【００５８】
このようなパラメータθのばらつきの様子は、ガンマ分布であるｇ(θ)のパラメータａとｒの値によって決めることができる。適切なパラメータａとｒの値を設定したｇ(θ)を用いて式１１の中で０から∞まで積分することで、パラメータθにばらつきのある部品（利用条件の緩い環境から厳しい環境まですべての条件下にある部品）について、ワイブル分布の故障確率を計算できる。
【００５９】
実際に保守部品の需要予測値を計算する際には、製品利用環境のデータは無いため、パラメータθがどのように分布しているかは分からない。そこで、ガンマ分布に従うばらつきをたくさん検証し、予測時点までの部品出荷実績と式１１をもとに計算した需要予測値とが最も適合するという意味で「適切なばらつき」を１つ決定して需要予測値の計算に用いる。
【００６０】
［保守部品需要予測モデル］
計算する。つまり、保守部品需要量＝製品保有台数×修理依頼率×部品故障率である。
【００６１】
【数１０】
【００６２】
ただし、部品故障率Ａ(t)は、次の式５として求め、経過年tまでに１回故障からt回故障まで複数回故障する確率を足し合わせたものとする。部品が各経過年で故障する回数は多くても１回とみなしているため、経過年tまでに最大でt回故障すると仮定している。また、部品は故障発生後すぐに修正され、故障した経過年と同じ経過年から再び使用される。
【００６３】
【数１１】
【００６４】
次に、複数の時点t0〜tnにわたって製品出荷実績がある場合に、最早の製品出荷時点t0からの経過年tに対応する保守部品の需要予測値Ｄ(t)を次の式６で計算する。式６が、保守部品の保守部品需要予測モデルである。
【００６５】
【数１２】
【００６６】
式６を、本実施形態の図３に示す製品Ａ及び製品Ｂを使って表すと、製品出荷年t0は製品Ａが２０００年と２００１年の２年間、製品Ｂが２００１年の１年間であるため、最終的に部品Ｐを使用する最早の製品出荷開始年（２０００年）からの経過年tにおける保守部品需要量Ｄ(t)は、次の式１３となる。
【００６７】
【数１３】
【００６８】
［パラメータの最適値の決定方法］
予測モデルパラメータ推定部１０７は、メモリ３０上に格納されたメモリ上製品出荷実績データ３１、及びメモリ上保守部品出荷実績データ３２から、製品出荷年からの経過年に対応する市場での製品保有台数の減少率パラメータｄ、ユーザの修理依頼率パラメータｕ、製品の利用環境の偏りを考慮した部品故障率パラメータａ,ｒ,ｍの各パラメータ値を変更して複数パターンの保守部品の出荷数の需要予測値を算出し、算出した複数パターンの需要予測値とメモリ３０上に格納されたメモリ上保守部品出荷実績データ３２の部品出荷量３２３との誤差の二乗和が最小となる最適な各パラメータ値を探索する。探索には、例えば遺伝的アルゴリズム、準Ｎｅｗｔｏｎ法等を用いる。
【００６９】
図１０は、予測モデルパラメータ推定部１０７が遺伝的アルゴリズムを用いて各パラメータの最適値を探索する場合のフローチャート例である。
最初に、予測モデルパラメータ推定部１０７は、パラメータ初期値の組の集団を生成する（ステップＳ１１０）。次に、予測モデルパラメータ推定部１０７は、個々の組のパラメータ値で保守部品の出荷数の需要予測値を計算し、保守部品の実際の出荷量（実績値）との誤差の二乗和を評価する（ステップＳ１２０）。次に、予測モデルパラメータ推定部１０７は、パラメータ値の組の生成が、世代数の上限に到達したか否かを判定する（ステップＳ１３０）。世代数の上限に到達していない場合に（ステップＳ１３０“Ｎｏ”）処理はステップＳ１４０に進み、世代数の上限に到達している場合に（ステップＳ１３０“Ｙｅｓ”）処理はステップＳ１５０に進む。
【００７０】
ステップＳ１３０“Ｎｏ”と判定された場合に、予測モデルパラメータ推定部１０７は、評価が優秀な組の選択、及び交差若しくは突然変異の操作により新たなパラメータ値の組を生成する（ステップＳ１４０）。その後、処理はステップＳ１２０に戻る。
一方、ステップＳ１３０“Ｙｅｓ”と判定された場合に、予測モデルパラメータ推定部１０７は、評価値が最良のパラメータ値の組を取得する（ステップＳ１５０）。これで、最適な各パラメータ値の探索は終了する。
【００７１】
図２に戻り、予測モデルパラメータ推定部１０７は、推定した保守部品需要予測モデルの最適な各パラメータ値を、予測モデルパラメータ格納部１０８に渡す。
【００７２】
（予測モデルパラメータ格納部）
予測モデルパラメータ格納部１０８は、予測モデルパラメータ推定部１０７から渡された各パラメータ値を、メモリ上予測モデルパラメータデータ３５としてメモリ３０に格納する。図１１は、メモリ上予測モデルパラメータデータ３５のデータ構成図である。
パラメータ種類３５１には、保守部品需要予測モデルで用いられる各パラメータの種類が記憶される。パラメータ種類が「ｄ」は減少率パラメータ、「ｕ」は修理依頼率パラメータ、「ａ,ｒ,ｍ」は部品故障率パラメータを表す。
パラメータ値３５２には、保守部品需要予測モデルで用いられる各パラメータの最適なパラメータ値が記憶される。
【００７３】
（保守部品需要予測値計算部）
保守部品需要予測値計算部１０９は、予測モデルパラメータ格納部１０８、及び予測期間格納部１０６を介して、メモリ３０に記憶されるメモリ上予測モデルパラメータデータ３５、及びメモリ上予測期間データ３３を取得する。そして、保守部品需要予測値計算部１０９は、取得したメモリ上予測モデルパラメータデータ３５のパラメータ値３５２に設定されるパラメータの最適値を用いて、取得したメモリ上予測期間データ３３の経過年３３２に設定される予測開始年（アドレス３３１が「Ｓ６」）から予測終了年（アドレス３３１が「Ｓ１５」）までの間の、製品保有台数Ｈ(t)、修理依頼率Ｕ(t)、及び部品故障率Ａ(t)を式１、式２、及び式５を用いてそれぞれ求め、さらに式４及び式６を用いて需要予測値Ｄ(t)を計算する。
そして、保守部品需要予測値計算部１０９は、計算した経過年に対する保守部品の需要予測値を保守部品需要予測値格納部１１０に渡す。
【００７４】
（保守部品需要予測値格納部１１０）
保守部品需要予測値格納部１１０は、保守部品需要予測値計算部１０９から渡された経過年に対する保守部品の需要予測値を、メモリ上需要予測値データ３４としてメモリ３０に格納する。図１２は、メモリ上需要予測値データ３４のデータ構成図である。
【００７５】
アドレス３４０には、メモリ３０における各レコードの開始アドレスが設定される。経過年３４１には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年からの経過年が設定される。部品コード３４２には、部品を一意に識別するコードが設定される。保守部品需要予測値３４３には、経過年３４１に対応する保守部品の出荷数の需要予測値が設定される。本例では、部品Ｐは製品Ａ及び製品Ｂに使用されているので、製品Ａの保守部品として出荷される部品Ｐの出荷数の需要予測値と、製品Ｂの保守部品として出荷される部品Ｐの出荷数の需要予測値との合計値が設定される。
【００７６】
（保守部品需要予測値出力部）
保守部品需要予測値出力部１１１は、保守部品需要予測値格納部１１０から渡されたメモリ上需要予測値データ３４を、時間情報の形式が異なる需要予測値データ２４に変更して、記憶部２に格納する。図１３は、需要予測値データ２４のデータ構成図である。
保守部品出荷予測年２４１には、保守部品の需要予測を行った年が西暦で設定される。部品コード２４２及び保守部品需要予測値２４３には、メモリ上需要予測値データ３４の部品コード３４２及び保守部品需要予測値３４３と同様のデータが設定される。
【００７７】
（表示画面制御部）
表示画面制御部１１２は、製品出荷実績入力部１０１及び保守部品出荷実績入力部１０３から渡される製品出荷実績データ２１及び保守部品出荷実績データ２２を用いて、需要予測値計算前の表示画面５１Ａを表示部５に表示する。図１４は、需要予測値計算前の表示画面の一例である。
さらに、表示画面制御部１１２は、保守部品需要予測値出力部１１１から渡される需要予測値データ２４を用いて、需要予測値計算後の表示画面５１Ｂを表示部５に表示する。図１５は、需要予測値計算後の表示画面の一例である。以下では、需要予測値計算前の表示画面５１Ａと需要予測値計算後の表示画面５１Ｂをまとめて単に表示画面５１と呼ぶときがある。
【００７８】
図１４及び図１５を参照して、表示画面５１は、需要予測対象部品表示欄５１１、需要予測対象製品表示欄５１２、需要予測実行ボタン５１３、グラフ表示欄５１４を備えて構成される。
需要予測対象部品表示欄５１１には、需要予測対象の部品に関する情報が表示される。また、表示された需要予測対象の部品の中からユーザが需要予測の計算を行う部品を選択するためのチェックボックスもあわせて表示される。需要予測対象製品表示欄５１２には、需要予測対象の部品が使用されている製品に関する情報が表示される。需要予測実行ボタン５１３は、押下されることで需要予測の計算が開始される。グラフ表示欄５１４には、製品出荷量を表す棒グラフ５１５、保守部品出荷量を表すポイントが三角で表示された折れ線グラフ５１６、保守部品の需要予測値を表すポイントが丸で表示された折れ線グラフ５１７が表示される。
以上で、実施形態に係る需要予測装置１の機能、及びデータ構成の説明を終了する。
【００７９】
≪実施形態に係る需要予測装置１による需要予測値の計算動作≫
図１６は、実施形態に係る需要予測装置による需要予測値の計算動作を表すフローチャートである。以下、図２、図１４、図１５及び図１６を参照して、需要予測装置１による需要予測値の計算動作を説明する。
【００８０】
最初に、需要予測装置１のユーザが、需要予測プログラム１０（図１参照）を起動する（ステップＳ０１０）。需要予測プログラム１０が起動されると、製品出荷実績入力部１０１は、記憶部２に記憶される製品出荷実績データ２１を読み込み、保守部品出荷実績入力部１０３は、記憶部２に記憶される保守部品出荷実績データ２２を読み込み、予測期間入力部１０５は、記憶部２に記憶される予測期間データ２３を読み込む（ステップＳ０２０）。
読み込まれた各データは、製品出荷実績格納部１０２、保守部品出荷実績格納部１０４、又は予測期間格納部１０６を介して、メモリ３０に格納される。また、表示画面制御部１１２は、読み込まれた保守部品出荷実績データ２２内の部品コード３１２等の部品に関する情報を、図１４に示す表示画面５１Ａの需要予測対象部品表示欄５１１に表示する。
【００８１】
次に、需要予測対象部品表示欄５１１に表示される需要予測対象部品の中から、ユーザにより需要予測を計算する部品が選択される（ステップＳ０３０）。部品が選択されると、表示画面制御部１１２は、読み込まれた製品出荷実績データ２１内の製品コード２１２等の選択された部品が使用される製品についての情報を、需要予測対象製品表示欄５１２に表示する。また、表示画面制御部１１２は、製品出荷実績データ２１を用いて製品出荷量をグラフ表示欄５１４に棒グラフ５１５として表示する。また、表示画面制御部１１２は、保守部品出荷実績データ２２を用いて保守部品出荷量をグラフ表示欄５１４に折れ線グラフ５１６として表示する。
【００８２】
次に、需要予測を行う部品が選択された状態で、予測実行ボタン５１３がユーザにより押下される（ステップＳ０４０）。予測実行ボタン５１３が押下されると、予測モデルパラメータ推定部１０７は、メモリ３０に格納されたメモリ上製品出荷実績データ３１及びメモリ上保守部品出荷実績データ３２を用いて、選択された予測対象部品における保守部品需要予測モデルのパラメータの最適値を決定する。パラメータの最適値の決定には、例えば、図１０に示す遺伝的アルゴリズムが用いられる。
【００８３】
また、保守部品需要予測値計算部１０９は、予測モデルパラメータ推定部１０７により決定された保守部品需要予測モデルのパラメータの最適値、及びステップＳ０２０で読み込まれメモリ３０に格納されるメモリ上予測期間データ３３を用いて、選択された予測対象部品における予測期間内の需要予測値を計算する。計算された需要予測値は、保守部品需要予測値格納部１１０を介して、メモリ３０に格納される。
【００８４】
次に、表示画面制御部１１２は、保守部品需要予測値出力部１１１から選択された予測対象部品における需要予測値データ２４を受け取り、計算された需要予測値を、図１５に示す表示画面５１Ｂのグラフ表示欄５１４に折れ線グラフ５１７として表示する。そして、ユーザがさらに需要予測値を計算したい部品があれば、需要予測対象部品表示欄５１１に表示される予測対象部品の中から、ユーザにより新たな部品が選択され（ステップＳ０３０）、新たに選択された部品の需要予測値が計算され（ステップＳ０４０）、結果が表示画面５１Ｂに表示される（ステップＳ０５０）。以後、需要予測値を計算したい部品が無くなるまで、ステップＳ０３０〜ステップＳ０５０が繰り返される。なお、複数部品を一度に選択して、同時に需要予測値を計算するようにしてもよい。
【００８５】
次に、保守部品需要予測値出力部１１１は、メモリ３０に格納されているメモリ上需要予測値データ３４（予測結果）を、記憶部２に需要予測値データ２４として格納する（ステップＳ０６０）。最後に、需要予測装置１のユーザが、需要予測プログラム１０を終了する（ステップＳ０７０）。
以上で、実施形態に係る需要予測装置１による需要予測値の計算動作の説明を終了する。
【００８６】
このように、実施形態に係る需要予測装置１、及び需要予測プログラム１０は、保守部品の需要を高い精度で予測することができる。よって、実施形態に係る需要予測装置１、及び需要予測プログラム１０によれば、保守部品の生産打ち切り以降の需要を予測することで、予測値に基づいて必要量の保守部品を生産することが可能になり、保守終了時の過剰在庫や保守期間途中での欠品を解消できる。
【符号の説明】
【００８７】
１ 需要予測装置
２ 記憶部
３ 制御部
４ 入力部
５ 表示部
１０ 需要予測プログラム
２０ ＯＳ
２１ 製品出荷実績データ
２２ 保守部品出荷実績データ
２３ 予測期間データ
２４ 需要予測値データ
３０ メモリ
５１ 表示画面
１００ ＣＰＵ
１０１ 製品出荷実績入力部（製品出荷実績取得部）
１０３ 保守部品出荷実績入力部（保守部品出荷実績取得部）
１０５ 予測期間入力部
１０７ 予測モデルパラメータ推定部（パラメータ推定部）
１０９ 保守部品需要予測値計算部
１１１ 保守部品需要予測値出力部
１１２ 表示画面制御部
【技術分野】
【０００１】
本発明は、保守部品の需要予測装置、需要予測方法、及び需要予測プログラムに関する。
【背景技術】
【０００２】
メーカは、製品の故障によるユーザからの修理要求に対応するために、製品の正常な動作を保証する保守を行う期間である保守期間を長期にわたり定める場合があり、保守期間内においては、製品の保守に用いられる部品（以下「保守部品」と呼ぶ）を自社又は部品メーカが製造し続ける必要がある。
【０００３】
しかしながら、メーカは、年間の保守部品の出荷量が少ない等の理由で、保守期間の途中であっても保守部品の製造を打ち切り、又は部品メーカから保守部品の製造中止を打診される場合がある。その場合に、メーカは、保守部品の製造を打ち切り、又は部品メーカから保守部品の製造中止を打診されたタイミングで、残りの保守期間で必要になるであろう保守部品の需要数を予測し、予測した保守部品の需要数をまとめて製造又は発注する。
【０００４】
保守期間内での保守部品の欠品の発生は、代替コストを発生させ、一方、保守期間終了時に抱える保守部品の過剰在庫は、破棄コストを発生させ、どちらの場合も企業の利益を減少させる。そのため、保守部品の製造打ち切り時又は製造中止の打診時に、保守部品の需要数を高い精度で予測し、適正数量をまとめて製造、発注するための技術が求められている。
【０００５】
ここで、保守部品の需要数を予測する方法として、製品出荷開始時からの経過時間ごとに、市場での製品保有台数と、部品故障率とを求め、
部品需要数（ｔ）＝市場での製品保有台数（ｔ）×部品故障率（ｔ）
として部品需要数を計算する予測モデル（部品需要予測モデル）が知られている。ここで、ｔは経過時間である。
【０００６】
保守部品製造打ち切り後の部品需要数の計算には、保守部品製造打ち切り前の実績データから推定した、市場での製品保有台数と部品故障率とを用いる。部品故障率の推定は、部品寿命がワイブル分布に従うものとして計算する（例えば、特許文献１参照）。
また、特許文献１の他に、部品の寿命がワイブル分布に従うものとして部品の故障率を推定し、部品需要数を計算している技術として、例えば特許文献２、特許文献３等がある。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００３−３３１０８７号公報（段落０００２、段落００１１）
【特許文献２】特開２００７−３２３１４８号公報（段落００６１〜段落０１２８）
【特許文献３】特開２００６−３２３６９８号公報（段落００２０）
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、市場での製品保有台数と、部品故障率とから部品需要数を計算する特許文献１に記載される方法では、保守部品製造打ち切り後の部品需要数の予測精度が低い。そのため、保守期間内での欠品を生じ、または、保守期間経過後に在庫を残す原因となる。
【０００９】
部品需要数の予測精度が低い原因として、以下の２点を考慮していないことが挙げられる。一つ目は、製品の故障で修理が必要になった場合に、ユーザが必ずメーカに修理依頼するとは限らないこと、言い換えれば、ユーザがメーカに修理を依頼する修理依頼率が考慮されていない点である。例えば、ユーザは、修理しないで新品に買い替える可能性があり、そのときには保守部品の需要は発生しないので、保守部品の需要予測に対し実際の需要実績は低くなる。そのため、保守部品の需要予測と実際の需要実績との間で誤差が生じ、結果として部品需要数の予測精度を低下させている。
【００１０】
二つ目は、製品の利用環境の偏りが部品寿命に影響することが考慮されていない点である。例えば、同じ製品であっても、利用環境が厳しい製品（例．毎日１０時間連続利用されるエアコン、砂利道を走行する自動車）と、利用環境が厳しくない製品（例．毎日３時間連続利用されるエアコン、舗装された道路を走行する自動車）とでは、製品を構成する部品の部品寿命に差が生じる。製品の利用環境の偏りを考慮していない従来手法では、部品の故障件数や出荷実績から推定した故障率が、実際の故障率を正しく反映していないものとなっており、結果として部品需要数の予測精度を低下させている。
【００１１】
本発明は前記問題に鑑みてなされたものであり、保守部品の需要値を高い精度で予測することができる、需要予測装置、需要予測方法、及び需要予測プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１２】
前記目的を達成するため、本発明は、ユーザによる修理依頼率が、指数関数（例えば、後継製品の投入、製品保証期間の終了等の影響により、ある時点(変曲点)の前後で加速度をつけて減少するもの）で表されるとし、また、部品故障率が、製品の利用環境の違い（製品の利用環境の偏り）により、部品の平均寿命の決定に関わっているワイブル分布のパラメータθの値が部品ごとにばらついているものとして解釈し、そのパラメータθのばらつきがガンマ分布に従うものとして保守部品の需要予測値を算出する。
【００１３】
例えば、本発明に係る需要予測装置は、出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置であって、過去の製品の出荷実績である製品出荷実績数を取得する製品出荷実績取得部と、過去の保守部品の出荷実績である保守部品出荷実績数を取得する保守部品出荷実績取得部と、前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定するパラメータ推定部と、前記パラメータ推定部が決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算する保守部品需要予測値計算部と、を備え、前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、ことを特徴とする。
【発明の効果】
【００１４】
本発明によれば、保守部品の需要量（需要数）を高い精度で予測することができる。そのため、本発明で保守部品の生産打ち切り以降の需要量を予測することで、保守部品の生産打ち切り時に、予測に基づいた必要最低限の保守部品を生産することが可能になり、保守終了時の過剰在庫や保守期間途中での欠品を解消できる。
【図面の簡単な説明】
【００１５】
【図１】本発明の実施形態に係る需要予測装置の構成図である。
【図２】実施形態に係る需要予測装置の機能構成図である。
【図３】実施形態に係る需要予測装置が備える記憶部に記憶される製品出荷実績データのデータ構成図である。
【図４】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上製品出荷実績データのデータ構成図である。
【図５】実施形態に係る需要予測装置が備える記憶部に記憶される保守部品出荷実績データのデータ構成図である。
【図６】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上保守部品出荷実績データのデータ構成図である。
【図７】実施形態に係る需要予測装置が備える記憶部に記憶される予測期間データのデータ構成図である。
【図８】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上予測期間データのデータ構成図である。
【図９】パラメータθがガンマ分布に従う場合の部品Ｐのヒストグラムの一例を示す図である。
【図１０】遺伝的アルゴリズムを用いて各パラメータの最適値を探索する場合のフローチャート例である。
【図１１】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上予測モデルパラメータデータのデータ構成図である。
【図１２】実施形態に係る需要予測装置が備えるメモリに記憶されるメモリ上需要予測値データのデータ構成図である。
【図１３】実施形態に係る需要予測装置が備える記憶部に記憶される需要予測値データのデータ構成図である。
【図１４】実施形態に係る需要予測装置が備える表示部に表示される需要予測値計算前の表示画面の一例である。
【図１５】実施形態に係る需要予測装置が備える表示部に表示される需要予測値計算後の表示画面の一例である。
【図１６】実施形態に係る需要予測装置による需要予測値の計算動作を表すフローチャートである。
【発明を実施するための形態】
【００１６】
≪実施形態に係る需要予測装置の構成≫
＜概要＞
図１は、実施形態に係る需要予測装置１の構成図である。
図１に示す、実施形態に係る需要予測装置１は、製品の過去の出荷実績が記憶される製品出荷実績データ２１及び保守部品の過去の出荷実績が記憶される保守部品出荷実績データ２２に基づいて、現在以降の保守部品の需要予測値を計算し、計算した需要予測値を表示部５に表示すると共に、需要予測値データ２４として出力する。
【００１７】
＜需要予測装置＞
需要予測装置１は、記憶部２、制御部３、入力部４、及び表示部５を備えて構成される。本実施形態では、需要予測装置１の一例として、ＰＣ(Personal Computer)を用いる例を説明するが、これに限定されるものではない。需要予測装置１には、ＰＣ以外にも、例えばサーバ、ホストコンピュータ、ＰＤＡ(Personal Digital Assistant)等を用いることができる。以下、需要予測装置１を構成する装置について説明する。
【００１８】
＜記憶部＞
記憶部２は、ＨＤＤ（Hard Disk Drive）で構成される。記憶部２には、保守部品の需要予測を計算するプログラムである需要予測プログラム１０、需要予測装置１のコンピュータシステムを管理し、基本的なユーザ操作環境を提供するソフトウェアであるＯＳ(Operating System)２０が記憶される。また、製品の過去の出荷実績である製品出荷実績データ２１、保守部品の過去の出荷実績である保守部品出荷実績データ２２、需要予測値を計算する期間である予測期間データ２３、及び計算した需要予測値である需要予測値データ２４が記憶される。
【００１９】
なお、各データ２１〜２４は、記憶部２に常に記憶されている必要はなく、例えばＣＤ(Compact Disc)、ＦＤ(Flexible Disc)、磁気テープ、ＵＳＢメモリ等の記憶媒体、又は需要予測装置１と図示しないネットワークで接続されている他の装置に記憶され、必要に応じて記憶部２に読み込むようにしてもよい。
【００２０】
＜制御部＞
制御部３は、ＣＰＵ(Central Processing Unit)１００、メモリ３０、及びこれらの周辺回路等（図示せず）から構成される。制御部３は、記憶部２に記憶される需要予測プログラム１０を実行することで様々な機能を実現する。詳細は後記する。
【００２１】
＜入力部、表示部＞
入力部４は、需要予測装置１のユーザ（操作者）が情報を入力する際に使われる装置であり、例えば、キーボード、マウス等で構成される。入力された情報は、ＯＳ２０を介して制御部３に渡される。
表示部５は、需要予測装置１のユーザ（操作者）に情報を表示する際に使われる装置であり、例えば、ＬＣＤ(Liquid Crystal Display)、ＣＲＴ(Cathode Ray Tube)ディスプレイ等で構成される。表示される情報は、制御部３からＯＳ２０を介して表示部５に渡される。
【００２２】
≪実施形態に係る需要予測装置１の機能、及びデータ構成≫
図２は、実施形態に係る需要予測装置１の機能構成図である。図２は、需要予測プログラム１０（図１参照）が、ＣＰＵ１００に読み込まれ、実行可能に展開されたときの様子を表している。図１で説明したものについては、同一符号を付して説明を省略する。
ＣＰＵ１００は、製品出荷実績入力部１０１、製品出荷実績格納部１０２、保守部品出荷実績入力部１０３、保守部品出荷実績格納部１０４、予測期間入力部１０５、予測期間格納部１０６、予測モデルパラメータ推定部１０７、予測モデルパラメータ格納部１０８、保守部品需要予測値計算部１０９、保守部品需要予測値格納部１１０、保守部品需要予測値出力部１１１、及び表示画面制御部１１２を備える。
【００２３】
また、メモリ３０には、需要予測値の計算で用いる、メモリ上製品出荷実績データ３１、メモリ上保守部品出荷実績データ３２、メモリ上予測期間データ３３、メモリ上需要予測値データ３４、及びメモリ上予測モデルパラメータデータ３５が領域として確保される。
以下、ＣＰＵ１００が備える機能を、製品Ａ及び製品Ｂに使用されている部品Ｐの保守部品としての部品出荷量を予測する場合を例にとり説明する。なお、製品Ａの出荷開始年は２０００年、製品Ｂの出荷開始年は２００１年、製品Ａ及び製品Ｂの保守期間終了年は２０１４年とする。また、保証部品としての部品Ｐの生産終了年を２００４年とする。
【００２４】
（製品出荷実績入力部）
製品出荷実績入力部１０１は、記憶部２に記憶される製品出荷実績データ２１を読み込み、読み込んだ製品出荷実績データ２１を製品出荷実績格納部１０２及び表示画面制御部１１２に渡す。図３は、製品出荷実績データ２１のデータ構成図である。図３に示す、製品出荷実績データ２１は、例えば図示しない他のシステムを用いて事前に作成される。図３の例では、製品Ａは２０００年に出荷が開始され、２年分の出荷実績が記録されている。製品Ｂは、２００１年に出荷が開始され、１年分の出荷実績が記憶されている。
なお、図３に図示してないが、製品出荷実績データ２１に製品名等の製品に関する情報を項目として備える構成としてもよい。
【００２５】
製品出荷年２１１には、製品が出荷された年が西暦で設定される。製品コード２１２には、製品を一意に識別するコードが設定される。製品出荷量２１３には、製品出荷年２１１に対応する製品の出荷実績数が設定される。
【００２６】
（製品出荷実績格納部）
製品出荷実績格納部１０２は、製品出荷実績入力部１０１から渡された製品出荷実績データ２１を、時間情報の形式が異なるメモリ上製品出荷実績データ３１に変更して、メモリ３０に格納する。図４は、メモリ上製品出荷実績データ３１のデータ構成図である。
【００２７】
アドレス３１０には、メモリ３０における各レコードの開始アドレスが設定される。経過年３１１には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年からの経過年数が設定される。本例では、製品Ｂの出荷開始時（２００１年）に対して製品Ａの出荷開始時（２０００年）の方が早いので、２０００年からの経過年数が設定される。製品コード３１２及び製品出荷量３１３には、製品出荷実績データ２１の製品コード２１２及び製品出荷量２１３と同様のデータが設定される。
【００２８】
（保守部品出荷実績入力部）
保守部品出荷実績入力部１０３は、記憶部２に記憶される保守部品出荷実績データ２２を読み込み、読み込んだ保守部品出荷実績データ２２を保守部品出荷実績格納部１０４及び表示画面制御部１１２に渡す。図５は、保守部品出荷実績データ２２のデータ構成図である。図５に示す、保守部品出荷実績データ２２は、例えば図示しない他のシステムを用いて事前に作成される。図５の例では、製品Ａ又は製品Ｂの故障により、保守部品として出荷した部品Ｐの出荷実績であり、部品Ｐは、２０００年から出荷が開始され、２００４年までの５年分の出荷実績が記憶されている。
【００２９】
なお、図５に図示してないが、部品Ｐが製品Ａ及び製品Ｂに使用されていることを表す項目（例えば部品コードと製品コードを対応付ける項目）を参照して、製品出荷実績データ２１と保守部品出荷実績データ２２との対応付けを行うものとする。前記対応付けは、図３に示す製品出荷実績データ２１が項目として備えていてもよいし、別途新たにデータを作成してもよい。
また、図５に図示してないが、保守部品出荷実績データ２２に部品名等の部品に関する情報を項目として備える構成としてもよい。
【００３０】
保守部品出荷年２２１には、保守部品が出荷された年が西暦で設定される。部品コード２２２には、部品を一意に識別するコードが設定される。部品出荷量２２３には、保守部品出荷年２２１に対応する保守部品の出荷実績数が設定される。本例では、部品Ｐは製品Ａ及び製品Ｂに使用されているので、製品Ａの保守部品として出荷された部品Ｐの出荷数と、製品Ｂの保守部品として出荷された部品Ｐの出荷数との合計値が設定される。
【００３１】
（保守部品出荷実績格納部）
保守部品出荷実績格納部１０４は、保守部品出荷実績入力部１０３から渡された保守部品出荷実績データ２２を、時間情報の形式が異なるメモリ上保守部品出荷実績データ３２に変更して、メモリ３０に格納する。図６は、メモリ上保守部品出荷実績データ３２のデータ構成図である。
【００３２】
アドレス３２０には、メモリ３０における各レコードの開始アドレスが設定される。経過年３２１には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年からの経過年数が設定される。本例では、製品Ｂの出荷開始時（２００１年）に対して製品Ａの出荷開始時（２０００年）の方が早いので、２０００年からの経過年数が設定される。部品コード３２２及び部品出荷量３２３には、保守部品出荷実績データ２２の部品コード２２２及び部品出荷量２２３と同様のデータが設定される。
【００３３】
（予測期間入力部）
予測期間入力部１０５は、記憶部２に記憶される予測期間データ２３を読み込み、読み込んだ予測期間データ２３を予測期間格納部１０６に渡す。図７は、予測期間データ２３のデータ構成図である。図７に示す、予測期間データ２３は、例えば図示しない他のシステムを用いて事前に作成されるか、事前にユーザにより作成される。図７の例では、２００４年終了時点で保守部品としての部品Ｐの生産が終了することになり、予測を開始する予測開始年（２００５年）及び保守終了年（２０１４年）の情報が記憶されている。
【００３４】
予測開始年２３１には、需要予測する期間の開始年が設定される。予測終了年２３２には、需要予測する期間の終了年が設定される。
なお、予測期間に関する情報は、記憶部２に予測期間データ２３として記憶しておく構成の他に、表示画面５１を介してユーザに直接入力される構成にしてもよい。
【００３５】
（予測期間格納部）
予測期間格納部１０６は、予測期間入力部１０５から渡された予測期間データ２３を、時間情報の形式が異なるメモリ上予測期間データ３３に変更して、メモリ３０に格納する。図８は、メモリ上予測期間データ３３のデータ構成図である。
【００３６】
アドレス３３１には、メモリ３０における各レコードの開始アドレスが設定される。経過年３３２には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年から予測開始年２３１、又は予測終了年２３２までの経過年数が設定される。本例では、製品Ｂの出荷開始時（２００１年）に対して製品Ａの出荷開始時（２０００年）の方が早いので、２０００年からの経過年数が設定される。本例では、アドレス３３１が「Ｓ６」のレコードの経過年３３２には、製品Ａの出荷年「２０００年」から予測開始年「２００５年」までの経過年数である「５」が設定され、アドレス３３１が「Ｓ１５」のレコードの経過年３３２には、製品Ａの出荷年「２０００年」から予測終了年「２０１４年」までの経過年数である「１４」が設定される。
【００３７】
（予測モデルパラメータ推定部）
予測モデルパラメータ推定部１０７は、製品保有台数モデル、修理依頼率モデル、及び部品故障率モデルの合成関数で表される保守部品需要予測モデルを用いて、パラメータの最適値を決定する。
具体的には、予測モデルパラメータ推定部１０７は、製品出荷実績格納部１０２、及び保守部品出荷実績格納部１０４を介して、メモリ３０に記憶されるメモリ上製品出荷実績データ３１、及びメモリ上保守部品出荷実績データ３２を取得し、保守部品需要予測モデルを用いて取得したデータに基づいて、パラメータの最適値を決定する。
以下では、各モデルの説明を行った後に、パラメータの最適値の決定方法について説明する。
【００３８】
［製品保有台数モデル］
製品出荷年t0からの経過年t=0,1,2,…に対応する市場での製品保有台数Ｈ(t)を、次の式１とする。ただし、Ｈ(t0)は製品出荷年t0の製品出荷数（複数製品が出荷していればその総数）、ｄは減少率パラメータである。
【００３９】
【数１】
【００４０】
製品保有台数Ｈ(t)を式１のように表したのは、時間経過に伴う製品保有台数Ｈ(t)が、製品寿命に従い、製品寿命が、故障率が一定値を保つような形の分布に従うという仮定に基づく。本実施形態では、このような時間変化に伴う製品保有台数の変化を表現する１つの製品保有台数モデルとして式１を示したに過ぎず、仮定した製品保有台数を表す関数であれば、これに限定されない。
【００４１】
［修理依頼率モデル］
製品出荷年t0からの経過年t=0,1,2,…に対応するユーザの修理依頼率Ｕ(t)を、次の式２とする。ただし、Ｕ(t0)=１（製品出荷年t0の修理依頼率は１００％）、ｕは修理依頼率パラメータである。
【００４２】
【数２】
【００４３】
修理依頼率Ｕ(t)を式２のように表したのは、修理依頼率Ｕ(t)が時間経過とともに最初緩やかに減少し、ある時点(変曲点)の前後で加速度をつけて減少し、その後は再び緩やかに減少するという仮定に基づく。ある時点(変曲点)には、後継製品の投入や製品保証期間の終了などで、メーカへの修理依頼が大きく減るタイミングが当てはまると考えられる。本実施形態では、このような時間変化に伴う修理依頼率の変化を表現する１つの修理依頼率モデルとして式２を示したに過ぎず、仮定した修理依頼率を表す関数であれば、これに限定されない。
【００４４】
［部品故障率モデル］
製品出荷年t0からの経過年t=0,1,2,…に対応する製品の利用環境の偏りを考慮した部品故障率関数λ(t)を、次の式３とする。部品故障率関数λ(t)は、部品（部品が使用されている製品）の使用を開始してから時間tが経過した時に、その時点で故障していない部品が、単位時間当たりに故障する確率である。ａ,ｒ,ｍは部品故障率パラメータである。
【００４５】
【数３】
【００４６】
式３の部品故障率関数λ(t)は、製品利用環境の偏りを反映するために部品寿命が従うワイブル分布にガンマ分布を混合した混合分布Ｆ(t)である次の式７を用いて、式８として計算される。
【００４７】
【数４】
【００４８】
【数５】
【００４９】
以下では、部品故障率関数λ(t)を、式７を用いて式３のように表した理由を説明する。
一般的なワイブル分布の分布関数の式は、次の式９のように記述される。パラメータηを特性寿命と呼び、ワイブル分布に従う部品の平均寿命(故障するまでの平均時間)にはパラメータηが関わってくる。パラメータｍは形状変数と呼ばれ、ワイブル分布の形状を決めている。
【００５０】
【数６】
【００５１】
ここで、(1/η)m=θとおくと式９は、式１０と変形できる。パラメータθも部品の平均寿命に関わるパラメータとなる。
【００５２】
【数７】
【００５３】
ここで、製品Ａには部品Ｐが１つ組み込まれているとし、部品Ｐの故障確率は式１０に示すワイブル分布に従うものとする。ある年に製品Ａを１００個出荷したとすると、１００個の製品Ａはそれぞれ利用環境（使用時間や使用頻度、使用時の周辺環境（温度、湿度、ほこりの量等））が異なる。そのため、１００個の部品Ｐの平均寿命も製品の利用環境に応じてそれぞれ異なると考えられる。一般的には、製品利用環境が厳しい場合の部品Ｐの平均寿命は、そうでない部品Ｐの平均寿命よりも短くなる。
【００５４】
このように製品の利用環境により部品の寿命には「個体差」が生じるが、このような部品ごとの寿命の個体差は、部品の平均寿命の決定に関わっているパラメータθの値が部品ごとにばらついているものとして解釈できる。パラメータθのばらつきは、パラメータθがある確率分布に従うものと仮定して、数学的に扱うことができる。本実施形態では、多くの部品がパラメータθの平均値周辺で似たような製品利用環境下にあり、少数の部品が利用環境のより厳しい方（パラメータθの大きい方）に分布するロングテール形を想定した予測ができるように、パラメータθがガンマ分布に従うと仮定する。例えば、１００個の部品Ｐに関して、製品Ａの利用環境の違いによるパラメータθのバラツキは、図９のようなヒストグラムで表される。
【００５５】
パラメータθがγ分布に従うと仮定すると、部品の個体差（製品の利用環境の偏り）を考慮した故障確率分布の分布関数Ｆ(t)は、次の式１１のようなワイブル分布とガンマ分布との混合分布として記述される。式１２は、一般的なガンマ分布の分布関数の式である。
【００５６】
【数８】
【００５７】
【数９】
【００５８】
このようなパラメータθのばらつきの様子は、ガンマ分布であるｇ(θ)のパラメータａとｒの値によって決めることができる。適切なパラメータａとｒの値を設定したｇ(θ)を用いて式１１の中で０から∞まで積分することで、パラメータθにばらつきのある部品（利用条件の緩い環境から厳しい環境まですべての条件下にある部品）について、ワイブル分布の故障確率を計算できる。
【００５９】
実際に保守部品の需要予測値を計算する際には、製品利用環境のデータは無いため、パラメータθがどのように分布しているかは分からない。そこで、ガンマ分布に従うばらつきをたくさん検証し、予測時点までの部品出荷実績と式１１をもとに計算した需要予測値とが最も適合するという意味で「適切なばらつき」を１つ決定して需要予測値の計算に用いる。
【００６０】
［保守部品需要予測モデル］
計算する。つまり、保守部品需要量＝製品保有台数×修理依頼率×部品故障率である。
【００６１】
【数１０】
【００６２】
ただし、部品故障率Ａ(t)は、次の式５として求め、経過年tまでに１回故障からt回故障まで複数回故障する確率を足し合わせたものとする。部品が各経過年で故障する回数は多くても１回とみなしているため、経過年tまでに最大でt回故障すると仮定している。また、部品は故障発生後すぐに修正され、故障した経過年と同じ経過年から再び使用される。
【００６３】
【数１１】
【００６４】
次に、複数の時点t0〜tnにわたって製品出荷実績がある場合に、最早の製品出荷時点t0からの経過年tに対応する保守部品の需要予測値Ｄ(t)を次の式６で計算する。式６が、保守部品の保守部品需要予測モデルである。
【００６５】
【数１２】
【００６６】
式６を、本実施形態の図３に示す製品Ａ及び製品Ｂを使って表すと、製品出荷年t0は製品Ａが２０００年と２００１年の２年間、製品Ｂが２００１年の１年間であるため、最終的に部品Ｐを使用する最早の製品出荷開始年（２０００年）からの経過年tにおける保守部品需要量Ｄ(t)は、次の式１３となる。
【００６７】
【数１３】
【００６８】
［パラメータの最適値の決定方法］
予測モデルパラメータ推定部１０７は、メモリ３０上に格納されたメモリ上製品出荷実績データ３１、及びメモリ上保守部品出荷実績データ３２から、製品出荷年からの経過年に対応する市場での製品保有台数の減少率パラメータｄ、ユーザの修理依頼率パラメータｕ、製品の利用環境の偏りを考慮した部品故障率パラメータａ,ｒ,ｍの各パラメータ値を変更して複数パターンの保守部品の出荷数の需要予測値を算出し、算出した複数パターンの需要予測値とメモリ３０上に格納されたメモリ上保守部品出荷実績データ３２の部品出荷量３２３との誤差の二乗和が最小となる最適な各パラメータ値を探索する。探索には、例えば遺伝的アルゴリズム、準Ｎｅｗｔｏｎ法等を用いる。
【００６９】
図１０は、予測モデルパラメータ推定部１０７が遺伝的アルゴリズムを用いて各パラメータの最適値を探索する場合のフローチャート例である。
最初に、予測モデルパラメータ推定部１０７は、パラメータ初期値の組の集団を生成する（ステップＳ１１０）。次に、予測モデルパラメータ推定部１０７は、個々の組のパラメータ値で保守部品の出荷数の需要予測値を計算し、保守部品の実際の出荷量（実績値）との誤差の二乗和を評価する（ステップＳ１２０）。次に、予測モデルパラメータ推定部１０７は、パラメータ値の組の生成が、世代数の上限に到達したか否かを判定する（ステップＳ１３０）。世代数の上限に到達していない場合に（ステップＳ１３０“Ｎｏ”）処理はステップＳ１４０に進み、世代数の上限に到達している場合に（ステップＳ１３０“Ｙｅｓ”）処理はステップＳ１５０に進む。
【００７０】
ステップＳ１３０“Ｎｏ”と判定された場合に、予測モデルパラメータ推定部１０７は、評価が優秀な組の選択、及び交差若しくは突然変異の操作により新たなパラメータ値の組を生成する（ステップＳ１４０）。その後、処理はステップＳ１２０に戻る。
一方、ステップＳ１３０“Ｙｅｓ”と判定された場合に、予測モデルパラメータ推定部１０７は、評価値が最良のパラメータ値の組を取得する（ステップＳ１５０）。これで、最適な各パラメータ値の探索は終了する。
【００７１】
図２に戻り、予測モデルパラメータ推定部１０７は、推定した保守部品需要予測モデルの最適な各パラメータ値を、予測モデルパラメータ格納部１０８に渡す。
【００７２】
（予測モデルパラメータ格納部）
予測モデルパラメータ格納部１０８は、予測モデルパラメータ推定部１０７から渡された各パラメータ値を、メモリ上予測モデルパラメータデータ３５としてメモリ３０に格納する。図１１は、メモリ上予測モデルパラメータデータ３５のデータ構成図である。
パラメータ種類３５１には、保守部品需要予測モデルで用いられる各パラメータの種類が記憶される。パラメータ種類が「ｄ」は減少率パラメータ、「ｕ」は修理依頼率パラメータ、「ａ,ｒ,ｍ」は部品故障率パラメータを表す。
パラメータ値３５２には、保守部品需要予測モデルで用いられる各パラメータの最適なパラメータ値が記憶される。
【００７３】
（保守部品需要予測値計算部）
保守部品需要予測値計算部１０９は、予測モデルパラメータ格納部１０８、及び予測期間格納部１０６を介して、メモリ３０に記憶されるメモリ上予測モデルパラメータデータ３５、及びメモリ上予測期間データ３３を取得する。そして、保守部品需要予測値計算部１０９は、取得したメモリ上予測モデルパラメータデータ３５のパラメータ値３５２に設定されるパラメータの最適値を用いて、取得したメモリ上予測期間データ３３の経過年３３２に設定される予測開始年（アドレス３３１が「Ｓ６」）から予測終了年（アドレス３３１が「Ｓ１５」）までの間の、製品保有台数Ｈ(t)、修理依頼率Ｕ(t)、及び部品故障率Ａ(t)を式１、式２、及び式５を用いてそれぞれ求め、さらに式４及び式６を用いて需要予測値Ｄ(t)を計算する。
そして、保守部品需要予測値計算部１０９は、計算した経過年に対する保守部品の需要予測値を保守部品需要予測値格納部１１０に渡す。
【００７４】
（保守部品需要予測値格納部１１０）
保守部品需要予測値格納部１１０は、保守部品需要予測値計算部１０９から渡された経過年に対する保守部品の需要予測値を、メモリ上需要予測値データ３４としてメモリ３０に格納する。図１２は、メモリ上需要予測値データ３４のデータ構成図である。
【００７５】
アドレス３４０には、メモリ３０における各レコードの開始アドレスが設定される。経過年３４１には、保守部品が使用される製品のうち、最も早く出荷が開始された製品の出荷開始年からの経過年が設定される。部品コード３４２には、部品を一意に識別するコードが設定される。保守部品需要予測値３４３には、経過年３４１に対応する保守部品の出荷数の需要予測値が設定される。本例では、部品Ｐは製品Ａ及び製品Ｂに使用されているので、製品Ａの保守部品として出荷される部品Ｐの出荷数の需要予測値と、製品Ｂの保守部品として出荷される部品Ｐの出荷数の需要予測値との合計値が設定される。
【００７６】
（保守部品需要予測値出力部）
保守部品需要予測値出力部１１１は、保守部品需要予測値格納部１１０から渡されたメモリ上需要予測値データ３４を、時間情報の形式が異なる需要予測値データ２４に変更して、記憶部２に格納する。図１３は、需要予測値データ２４のデータ構成図である。
保守部品出荷予測年２４１には、保守部品の需要予測を行った年が西暦で設定される。部品コード２４２及び保守部品需要予測値２４３には、メモリ上需要予測値データ３４の部品コード３４２及び保守部品需要予測値３４３と同様のデータが設定される。
【００７７】
（表示画面制御部）
表示画面制御部１１２は、製品出荷実績入力部１０１及び保守部品出荷実績入力部１０３から渡される製品出荷実績データ２１及び保守部品出荷実績データ２２を用いて、需要予測値計算前の表示画面５１Ａを表示部５に表示する。図１４は、需要予測値計算前の表示画面の一例である。
さらに、表示画面制御部１１２は、保守部品需要予測値出力部１１１から渡される需要予測値データ２４を用いて、需要予測値計算後の表示画面５１Ｂを表示部５に表示する。図１５は、需要予測値計算後の表示画面の一例である。以下では、需要予測値計算前の表示画面５１Ａと需要予測値計算後の表示画面５１Ｂをまとめて単に表示画面５１と呼ぶときがある。
【００７８】
図１４及び図１５を参照して、表示画面５１は、需要予測対象部品表示欄５１１、需要予測対象製品表示欄５１２、需要予測実行ボタン５１３、グラフ表示欄５１４を備えて構成される。
需要予測対象部品表示欄５１１には、需要予測対象の部品に関する情報が表示される。また、表示された需要予測対象の部品の中からユーザが需要予測の計算を行う部品を選択するためのチェックボックスもあわせて表示される。需要予測対象製品表示欄５１２には、需要予測対象の部品が使用されている製品に関する情報が表示される。需要予測実行ボタン５１３は、押下されることで需要予測の計算が開始される。グラフ表示欄５１４には、製品出荷量を表す棒グラフ５１５、保守部品出荷量を表すポイントが三角で表示された折れ線グラフ５１６、保守部品の需要予測値を表すポイントが丸で表示された折れ線グラフ５１７が表示される。
以上で、実施形態に係る需要予測装置１の機能、及びデータ構成の説明を終了する。
【００７９】
≪実施形態に係る需要予測装置１による需要予測値の計算動作≫
図１６は、実施形態に係る需要予測装置による需要予測値の計算動作を表すフローチャートである。以下、図２、図１４、図１５及び図１６を参照して、需要予測装置１による需要予測値の計算動作を説明する。
【００８０】
最初に、需要予測装置１のユーザが、需要予測プログラム１０（図１参照）を起動する（ステップＳ０１０）。需要予測プログラム１０が起動されると、製品出荷実績入力部１０１は、記憶部２に記憶される製品出荷実績データ２１を読み込み、保守部品出荷実績入力部１０３は、記憶部２に記憶される保守部品出荷実績データ２２を読み込み、予測期間入力部１０５は、記憶部２に記憶される予測期間データ２３を読み込む（ステップＳ０２０）。
読み込まれた各データは、製品出荷実績格納部１０２、保守部品出荷実績格納部１０４、又は予測期間格納部１０６を介して、メモリ３０に格納される。また、表示画面制御部１１２は、読み込まれた保守部品出荷実績データ２２内の部品コード３１２等の部品に関する情報を、図１４に示す表示画面５１Ａの需要予測対象部品表示欄５１１に表示する。
【００８１】
次に、需要予測対象部品表示欄５１１に表示される需要予測対象部品の中から、ユーザにより需要予測を計算する部品が選択される（ステップＳ０３０）。部品が選択されると、表示画面制御部１１２は、読み込まれた製品出荷実績データ２１内の製品コード２１２等の選択された部品が使用される製品についての情報を、需要予測対象製品表示欄５１２に表示する。また、表示画面制御部１１２は、製品出荷実績データ２１を用いて製品出荷量をグラフ表示欄５１４に棒グラフ５１５として表示する。また、表示画面制御部１１２は、保守部品出荷実績データ２２を用いて保守部品出荷量をグラフ表示欄５１４に折れ線グラフ５１６として表示する。
【００８２】
次に、需要予測を行う部品が選択された状態で、予測実行ボタン５１３がユーザにより押下される（ステップＳ０４０）。予測実行ボタン５１３が押下されると、予測モデルパラメータ推定部１０７は、メモリ３０に格納されたメモリ上製品出荷実績データ３１及びメモリ上保守部品出荷実績データ３２を用いて、選択された予測対象部品における保守部品需要予測モデルのパラメータの最適値を決定する。パラメータの最適値の決定には、例えば、図１０に示す遺伝的アルゴリズムが用いられる。
【００８３】
また、保守部品需要予測値計算部１０９は、予測モデルパラメータ推定部１０７により決定された保守部品需要予測モデルのパラメータの最適値、及びステップＳ０２０で読み込まれメモリ３０に格納されるメモリ上予測期間データ３３を用いて、選択された予測対象部品における予測期間内の需要予測値を計算する。計算された需要予測値は、保守部品需要予測値格納部１１０を介して、メモリ３０に格納される。
【００８４】
次に、表示画面制御部１１２は、保守部品需要予測値出力部１１１から選択された予測対象部品における需要予測値データ２４を受け取り、計算された需要予測値を、図１５に示す表示画面５１Ｂのグラフ表示欄５１４に折れ線グラフ５１７として表示する。そして、ユーザがさらに需要予測値を計算したい部品があれば、需要予測対象部品表示欄５１１に表示される予測対象部品の中から、ユーザにより新たな部品が選択され（ステップＳ０３０）、新たに選択された部品の需要予測値が計算され（ステップＳ０４０）、結果が表示画面５１Ｂに表示される（ステップＳ０５０）。以後、需要予測値を計算したい部品が無くなるまで、ステップＳ０３０〜ステップＳ０５０が繰り返される。なお、複数部品を一度に選択して、同時に需要予測値を計算するようにしてもよい。
【００８５】
次に、保守部品需要予測値出力部１１１は、メモリ３０に格納されているメモリ上需要予測値データ３４（予測結果）を、記憶部２に需要予測値データ２４として格納する（ステップＳ０６０）。最後に、需要予測装置１のユーザが、需要予測プログラム１０を終了する（ステップＳ０７０）。
以上で、実施形態に係る需要予測装置１による需要予測値の計算動作の説明を終了する。
【００８６】
このように、実施形態に係る需要予測装置１、及び需要予測プログラム１０は、保守部品の需要を高い精度で予測することができる。よって、実施形態に係る需要予測装置１、及び需要予測プログラム１０によれば、保守部品の生産打ち切り以降の需要を予測することで、予測値に基づいて必要量の保守部品を生産することが可能になり、保守終了時の過剰在庫や保守期間途中での欠品を解消できる。
【符号の説明】
【００８７】
１ 需要予測装置
２ 記憶部
３ 制御部
４ 入力部
５ 表示部
１０ 需要予測プログラム
２０ ＯＳ
２１ 製品出荷実績データ
２２ 保守部品出荷実績データ
２３ 予測期間データ
２４ 需要予測値データ
３０ メモリ
５１ 表示画面
１００ ＣＰＵ
１０１ 製品出荷実績入力部（製品出荷実績取得部）
１０３ 保守部品出荷実績入力部（保守部品出荷実績取得部）
１０５ 予測期間入力部
１０７ 予測モデルパラメータ推定部（パラメータ推定部）
１０９ 保守部品需要予測値計算部
１１１ 保守部品需要予測値出力部
１１２ 表示画面制御部
【特許請求の範囲】
【請求項１】
出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置であって、
過去の製品の出荷実績である製品出荷実績数を取得する製品出荷実績取得部と、
過去の保守部品の出荷実績である保守部品出荷実績数を取得する保守部品出荷実績取得部と、
前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定するパラメータ推定部と、
前記パラメータ推定部が決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算する保守部品需要予測値計算部と、を備え、
前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、
前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、
ことを特徴とする需要予測装置。
【請求項２】
前記製品保有台数モデルは、
Ｈ(t0)を製品出荷時点t0の出荷量とし、ｄを減少率パラメータとし、製品出荷時点t0からの経過時間tに対応する市場での製品保有台数Ｈ(t)を式１で表し、
【数１】
前記修理依頼率モデルは、
Ｕ(t0)を１とし、ｕを修理依頼率パラメータとし、製品出荷時点t0からの経過時間tに対応する修理依頼率Ｕ(t)を式２で表し、
【数２】
前記部品故障率モデルは、
ａ,ｒ,ｍを部品故障率パラメータとし、製品出荷時点t0からの経過時間tに対応する故障率関数λ(t)を式３で表す、
【数３】
ことを特徴とする請求項１に記載の需要予測装置。
【請求項３】
前記保守部品需要予測モデルは、
保有台数Ｈ(t)、修理依頼率Ｕ(t)、部品故障率Ａ(t)を用いて式４で表し、
【数４】
式４の部品故障率Ａ(t)を、式５で表し、
【数５】
複数の時点t0〜tnにわたって製品出荷実績がある場合に、最早の製品出荷時点t0からの経過時間tに対応する保守部品の需要予測値Ｄ(t)を式６で表す、
【数６】
ことを特徴とする請求項２に記載の需要予測装置。
【請求項４】
前記パラメータ推定部は、遺伝的アルゴリズムを用いて前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定する、
ことを特徴とする請求項１ないし請求項３の何れか１項に記載の需要予測装置。
【請求項５】
出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置に用いられる需要予測方法であって、
前記需要予測装置は、
過去の製品の出荷実績である製品出荷実績数を取得し、
過去の保守部品の出荷実績である保守部品出荷実績数を取得し、
前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定し、
決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算し、
前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、
前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、
ことを特徴とする需要予測方法。
【請求項６】
請求項５に記載の需要予測方法を、前記需要予測装置に実行させるための需要予測プログラム。
【請求項１】
出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置であって、
過去の製品の出荷実績である製品出荷実績数を取得する製品出荷実績取得部と、
過去の保守部品の出荷実績である保守部品出荷実績数を取得する保守部品出荷実績取得部と、
前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定するパラメータ推定部と、
前記パラメータ推定部が決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算する保守部品需要予測値計算部と、を備え、
前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、
前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、
ことを特徴とする需要予測装置。
【請求項２】
前記製品保有台数モデルは、
Ｈ(t0)を製品出荷時点t0の出荷量とし、ｄを減少率パラメータとし、製品出荷時点t0からの経過時間tに対応する市場での製品保有台数Ｈ(t)を式１で表し、
【数１】
前記修理依頼率モデルは、
Ｕ(t0)を１とし、ｕを修理依頼率パラメータとし、製品出荷時点t0からの経過時間tに対応する修理依頼率Ｕ(t)を式２で表し、
【数２】
前記部品故障率モデルは、
ａ,ｒ,ｍを部品故障率パラメータとし、製品出荷時点t0からの経過時間tに対応する故障率関数λ(t)を式３で表す、
【数３】
ことを特徴とする請求項１に記載の需要予測装置。
【請求項３】
前記保守部品需要予測モデルは、
保有台数Ｈ(t)、修理依頼率Ｕ(t)、部品故障率Ａ(t)を用いて式４で表し、
【数４】
式４の部品故障率Ａ(t)を、式５で表し、
【数５】
複数の時点t0〜tnにわたって製品出荷実績がある場合に、最早の製品出荷時点t0からの経過時間tに対応する保守部品の需要予測値Ｄ(t)を式６で表す、
【数６】
ことを特徴とする請求項２に記載の需要予測装置。
【請求項４】
前記パラメータ推定部は、遺伝的アルゴリズムを用いて前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定する、
ことを特徴とする請求項１ないし請求項３の何れか１項に記載の需要予測装置。
【請求項５】
出荷済みの製品の保守に用いられる保守部品の将来における出荷数の需要予測値を保守部品需要予測モデルを用いて計算する需要予測装置に用いられる需要予測方法であって、
前記需要予測装置は、
過去の製品の出荷実績である製品出荷実績数を取得し、
過去の保守部品の出荷実績である保守部品出荷実績数を取得し、
前記製品の市場における製品保有台数を時間推移と共に示し、減少率パラメータにより特徴づけられる製品保有台数モデル、前記製品のユーザによる修理依頼率を時間推移と共に示し、修理依頼率パラメータにより特徴づけられる修理依頼率モデル、および前記製品を構成する部品の部品故障率を時間推移と共に示し、部品故障率パラメータにより特徴づけられる部品故障率モデルの合成関数であり、前記保守部品の出荷数を時間推移と共に示す前記保守部品需要予測モデルを利用して、所定期間の前記製品出荷実績数および前記保守部品出荷実績数に基づいて前記減少率パラメータ、前記修理依頼率パラメータ、および前記部品故障率パラメータを変更して複数パターンの保守部品の出荷数の需要予測値を算出し、前記算出した複数パターンの前記需要予測値と前記保守部品出荷実績数との誤差の二乗和が最小となるような前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値を決定し、
決定した前記減少率パラメータ、前記修理依頼率パラメータおよび前記部品故障率パラメータのそれぞれの最適値によって規定された前記保守部品需要予測モデルを用いて、将来における保守部品の出荷数の需要予測値を計算し、
前記製品保有台数モデルおよび前記修理依頼率モデルは、指数関数として表され、
前記部品故障率モデルは、ワイブル分布の平均寿命に関わる尺度パラメータにガンマ分布をさらに適用した、ワイブル分布とガンマ分布との混合分布から求められる故障率関数として表される、
ことを特徴とする需要予測方法。
【請求項６】
請求項５に記載の需要予測方法を、前記需要予測装置に実行させるための需要予測プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２０１１−２３２９５０（Ｐ２０１１−２３２９５０Ａ）
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願番号】特願２０１０−１０２５２９（Ｐ２０１０−１０２５２９）
【出願日】平成２２年４月２７日（２０１０．４．２７）
【出願人】（０００２３３５３８）株式会社 日立東日本ソリューションズ (53)
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願日】平成２２年４月２７日（２０１０．４．２７）
【出願人】（０００２３３５３８）株式会社 日立東日本ソリューションズ (53)
[ Back to top ]