本發明專利技術公開了一種確定適當的訂貨量的訂貨量確定設備。成分確定單元(91)基于以下各項來確定在出貨量預測中使用的特定成分：分層隱結構在分層隱結構中，隱變量由樹形結構表示并且表示概率模型的成分被分配給所述樹形結構的最低層處的節點；門函數，該門函數確定前述分層隱結構的每個節點處的分支的方向；以及預測數據。基于所確定的成分和預測數據，出貨量預測單元(92)計算針對現在時間與在第一時間點之后的第二時間點之間的產品的所預測的出貨量。訂貨量確定單元(93)通過將對應于所確定的成分的預測誤差散布的數量添加到所獲得的數量，或者通過從所獲得的數量減去對應于所確定的成分的預測誤差散布的數量，來確定針對所述產品的訂貨量，其中所獲得數量是通過從現在時間與前述第二時間點之間的產品的所預測的出貨量減去產品的當前庫存和在現在時間與前述第一時間點之間將接收的產品的數量而被獲得。
【技術實現步驟摘要】
【國外來華專利技術】
本專利技術涉及一種訂貨量確定設備、一種訂貨量確定方法、一種記錄介質以及一種 訂貨量確定系統。
技術介紹
店鋪或者商店中的產品的出貨量是由于各種因素被觀察和被累積的數據。例如， 一些產品的銷售取決于天氣、星期幾或者其他因素而改變。換句話說，這些數據被累積為來 自各種因素而不是僅一個因素的觀察值。分析這種數據的因素使能銷售之間或者天氣與銷 售之間的相關性的分析并且使能缺貨項或者庫存項的減少。出貨量的示例可以包括產品的 銷售量、出貨數目、產品銷售收入和店鋪或者商店中的產品的總銷售收入。 已經提出用于基于例如過去銷售數據來預測未來需求的技術（參見例如PLS 1和 PLS 2) WTL 1公開了用于基于信息（諸如星期幾、日期和時間和活動信息）、根據預測模型 來計算適當的庫存的技術。PTL 2公開了用于根據基于信息(諸如銷售人員的數目、店鋪占 地面積、業務量和區域人口）所提取的最優多元回歸方程來估計銷售部的銷售收入的技術。 PTL 3公開了用于基于預測誤差的標準偏差來計算安全庫存的技術。 NPL 1和PTL 4公開了用于通過近似針對混合模型（代表隱變量模型）的完整的邊 際似然函數并且然后最大化其下界(下限)來確定觀測概率的類型的方法。 日本專利第4139410號 日本未審查的專利申請公開第2010-128779號 日本未審查的專利申請公開第2007-018216號 國際公布W0 2012/128207 Ryohei Fujimaki、Satoshi Morinaga：Factorized Asymptotic Bayesian Inference for Mixture Modeling。 Proceedings_of_the_fifteenth_international_conference_on_Artificial_I ntelligence_and_Statistics(AISTATS)，2012年3月。
技術實現思路
利用PTL 1中所公開的或者NPL 1中所描述的技術，基于針對一周內的每天、每個 季節和每種類型的氣象信息的不同的預測模型來預測銷售。例如由設計師或者用戶根據專 業知識或者發現來選擇適于信息類型的預測模型。這使得發現適于選擇預測模型的準則變 得困難。作為另一問題，當用于選擇預測模型的準則是不適當的時，預測結果具有低可靠 性。 分層隱變量的模型選擇問題甚至不能由NPL 1中所描述的方法解決。這是因為NPL 1中所描述的方法不考慮分層隱變量，因此，不能明顯地建立用于選擇適當的預測模型的步 驟。此外，NPL 1中所描述的方法被假設為在分層潛變量的情況中是不適用的。因此，簡單地 應用該方法失去理論論證。 出于上文所提到的原因，當用于選擇預測模型的準則是不適當的時候，即使使用 這些預測模型也不能使能確定適當的訂貨量。 本專利技術的目標是提供一種解決上文所描述的問題的訂貨量確定設備、一種訂貨量 確定方法、一種記錄介質和一種訂貨量確定系統。 第一方面是訂貨量確定設備，該訂貨量確定設備確定針對在第一時間點將被接受 到店鋪中的產品的訂貨量，該設備包括： 成分確定裝置，該成分確定裝置用于基于分層隱結構、門函數和預測信息來確定 用于預測針對產品的出貨量的特定成分，在分層隱結構中，隱變量由分層結構表示并且表 示概率模型的成分在分層結構中被布置，當特定成分在分層隱結構中被選擇時，門函數充 當用于選擇所跟蹤的路徑的準則，預測信息被期望影響出貨量； 出貨量預測裝置，該出貨量預測裝置用于基于特定成分和預測信息來計算特定時 間點與在第一時間點之后的第二時間點之間的、針對產品的出貨量;以及 訂貨量確定裝置，該訂貨量確定裝置用于基于出貨量、在特定時間點的產品的庫 存、特定時間點與第一時間點之間的時段期間的產品的接受量和特定成分的預測誤差散 布，來確定訂貨量。 第二方面是一種訂貨量確定方法，包括： 使用信息處理裝置基于分層隱結構、門函數和預測信息來確定用于預測針對在第 一時間點將被接受到店鋪中的產品的出貨量的特定成分，在分層隱結構中，隱變量由分層 結構表不并且表不概率模型的成分在分層結構中被布置，當特定成分在分層隱結構中被選 擇時，門函數充當用于選擇所跟蹤的路徑的準則，預測信息被期望影響出貨量;基于特定成 分和預測信息來計算特定時間點與在第一時間點之后的第二時間點之間的、針對產品的出 貨量；以及由此基于出貨量、在特定時間點的產品的庫存、特定時間點與第一時間點之間的 時段期間的產品的接受量和特定成分的預測誤差散布，來確定針對產品的訂貨量。 第三方面是一種確定在第一定時將被接受到店鋪中的產品的訂貨量的程序或者 一種記錄程序的記錄介質，該程序通過使得計算機實現以下各項： 基于分層隱結構、門函數和預測信息來確定用于預測針對產品的出貨量的特定成 分的成分確定功能，在分層隱結構中，隱變量由分層結構表不并且表不概率模型的成分在 分層結構中被布置，當特定成分在分層隱結構中被選擇時，門函數充當用于選擇所跟蹤的 路徑的準則，預測信息被期望影響出貨量； 基于特定成分和預測信息來計算特定時間點與在第一時間點之后的第二時間點 之間的、針對產品的出貨量的出貨量預測功能；以及 基于出貨量、在特定時間點的產品的庫存、特定時間點與第一時間點之間的時段 期間的產品的接受量和特定成分的預測誤差散布來確定訂貨量的訂貨量確定功能。 第四方面是訂貨量確定系統，該訂貨量確定系統確定針對在第一定時將被接受到 店鋪中的產品的訂貨量，該系統包括： 成分確定裝置，該成分確定裝置用于基于分層隱結構、門函數和預測信息來確定 用于預測針對產品的出貨量的特定成分，在分層隱結構中，隱變量由分層結構表示并且表 示概率模型的成分在分層結構中被布置，當特定成分在分層隱結構中被選擇時，門函數充 當用于選擇所跟蹤的路徑的準則，預測信息被期望影響出貨量； 出貨量預測裝置，該出貨量預測裝置用于基于特定成分和預測信息來計算特定時 間點與在第一時間點之后的第二時間點之間的、針對產品的出貨量;以及 訂貨量確定裝置，該訂貨量確定裝置用于基于出貨量、在特定時間點的產品的庫 存、特定時間點與第一時間點之間的時段期間的產品的接受量和特定成分的預測誤差散 布，來確定訂貨量。 根據上文所提到的方面，可以確定適當的訂貨量。【附圖說明】 圖1是圖示根據本專利技術的至少一個示例性實施例的出貨量預測系統的示例 性配置的框圖。 圖2A是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的示例的表。圖2B是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的另一示例的表。圖2C是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的又一示例的表。 圖2D是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的又一示例的表。 圖2E是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的又一示例的表。圖2F是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的又一示例的表。圖2G是圖示根據本專利技術的至少一個示例性實施例的被存儲在學習數據庫 中的信息的又一示例的表。 圖3是圖示根據本專利技術的至少一個示例性實施例的分層隱變量本文檔來自技高網...
【技術保護點】
一種訂貨量確定設備，所述訂貨量確定設備確定針對在第一時間點將被接受到店鋪中的產品的訂貨量，所述設備包括：成分確定裝置，所述成分確定裝置用于基于分層隱結構、門函數和預測信息來確定用于預測針對所述產品的出貨量的特定成分，在所述分層隱結構中，隱變量由分層結構表示、并且表示概率模型的成分在所述分層結構中被布置，當所述特定成分在所述分層隱結構中被選擇時，所述門函數充當用于選擇所跟蹤的路徑的準則，所述預測信息被期望影響所述出貨量；出貨量預測裝置，所述出貨量預測裝置用于基于所述特定成分和所述預測信息，來計算特定時間點與在所述第一時間點之后的第二時間點之間的、針對所述產品的所述出貨量；以及訂貨量確定裝置，所述訂貨量確定裝置用于基于所述出貨量、在所述特定時間點的所述產品的庫存、所述特定時間點與所述第一時間點之間的時段期間的所述產品的接受量和所述特定成分的預測誤差散布，來確定所述訂貨量。
【技術特征摘要】
【國外來華專利技術】...
【專利技術屬性】
技術研發人員：本橋洋介，森永聰，
申請(專利權)人：日本電氣株式會社，
類型：發明
國別省市：日本;JP
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。