[发明专利]订货量确定设备、订货量确定方法、记录介质和订货量确定系统

说明书

技术领域

本发明涉及一种订货量确定设备、一种订货量确定方法、一种 记录介质以及一种订货量确定系统。

背景技术

店铺或者商店中的产品的出货量是由于各种因素被观察和被累 积的数据。例如，一些产品的销售取决于天气、星期几或者其他因 素而改变。换句话说，这些数据被累积为来自各种因素而不是仅一 个因素的观察值。分析这种数据的因素使能销售之间或者天气与销 售之间的相关性的分析并且使能缺货项或者库存项的减少。出货量 的示例可以包括产品的销售量、出货数目、产品销售收入和店铺或 者商店中的产品的总销售收入。

已经提出用于基于例如过去销售数据来预测未来需求的技术 (参见例如PLS1和PLS2)。PTL1公开了用于基于信息(诸如星 期几、日期和时间和活动信息)、根据预测模型来计算适当的库存 的技术。PTL2公开了用于根据基于信息(诸如销售人员的数目、店 铺占地面积、业务量和区域人口)所提取的最优多元回归方程来估 计销售部的销售收入的技术。PTL3公开了用于基于预测误差的标准 偏差来计算安全库存的技术。

NPL1和PTL4公开了用于通过近似针对混合模型(代表隐变量 模型)的完整的边际似然函数并且然后最大化其下界(下限)来确 定观测概率的类型的方法。

[引文列表]

[专利文献]

[PTL1]日本专利第4139410号

[PTL2]日本未审查的专利申请公开第2010-128779号

[PTL3]日本未审查的专利申请公开第2007-018216号

[PTL4]国际公布WO2012/128207

[非专利文献]

[NPL1]RyoheiFujimaki、SatoshiMorinaga：FactorizedAsymptotic BayesianInferenceforMixtureModeling。

Proceedings_of_the_fifteenth_international_conference_on_Artificial_I ntelligence_and_Statistics(AISTATS)，2012年3月。

发明内容

[技术问题]

利用PTL1中所公开的或者NPL1中所描述的技术，基于针对 一周内的每天、每个季节和每种类型的气象信息的不同的预测模型 来预测销售。例如由设计师或者用户根据专业知识或者发现来选择 适于信息类型的预测模型。这使得发现适于选择预测模型的准则变 得困难。作为另一问题，当用于选择预测模型的准则是不适当的时， 预测结果具有低可靠性。

分层隐变量的模型选择问题甚至不能由NPL1中所描述的方法 解决。这是因为NPL1中所描述的方法不考虑分层隐变量，因此， 不能明显地建立用于选择适当的预测模型的步骤。此外，NPL1中 所描述的方法被假设为在分层潜变量的情况中是不适用的。因此， 简单地应用该方法失去理论论证。

出于上文所提到的原因，当用于选择预测模型的准则是不适当 的时候，即使使用这些预测模型也不能使能确定适当的订货量。

本发明的目标是提供一种解决上文所描述的问题的订货量确定 设备、一种订货量确定方法、一种记录介质和一种订货量确定系统。

[问题方案]

第一方面是订货量确定设备，该订货量确定设备确定针对在第 一时间点将被接受到店铺中的产品的订货量，该设备包括：

成分确定装置，该成分确定装置用于基于分层隐结构、门函数 和预测信息来确定用于预测针对产品的出货量的特定成分，在分层 隐结构中，隐变量由分层结构表示并且表示概率模型的成分在分层 结构中被布置，当特定成分在分层隐结构中被选择时，门函数充当 用于选择所跟踪的路径的准则，预测信息被期望影响出货量；

出货量预测装置，该出货量预测装置用于基于特定成分和预测 信息来计算特定时间点与在第一时间点之后的第二时间点之间的、 针对产品的出货量；以及

订货量确定装置，该订货量确定装置用于基于出货量、在特定 时间点的产品的库存、特定时间点与第一时间点之间的时段期间的 产品的接受量和特定成分的预测误差散布，来确定订货量。

第二方面是一种订货量确定方法，包括：