WebForecast Introduction

需要予測システム
WebForecastのご紹介
Log Opt Co., Ltd.
従来の需要予測手法とその問題点
在庫計画，ロジスティクス・ネットワーク設計，生産計画など，サプライ・チェ
インにおける諸計画の基本データを与える重要な意思決定項目
指数平滑法（季節変動を考慮したWinter法，二重指数平滑の概念を用い
たHolt法などのバリエーション），Box-Jenkins法，移動平均法，回帰分析な
ど様々な方法が提案されている．
実際には．．．



（クリスマス，お中元やお歳暮，近所での運動会やバーゲンなどの）イベント情
報の利用が不可欠
週次，月次，年次の周期による影響の考慮が必要
（生産）容量によるlost salesの考慮が必要
などの要因で，単純な予測手法では正確な予測が不可能．
需要予測に必要なデータ
需要の過去の履歴（需要データ）
需要に影響を与える要因（イベントデータ）





日本国内の流通業では，曜日が与える影響が大．
バーゲンや割引セールなどのイベント情報
クリスマスや正月，ゴールデンウィークなどの特殊日
の情報
月末や５，１０日などの月次の特殊日の情報
新製品やライバル商品のキャンペーン期間などの情
報
WebForecastでは，すべてイベント情報として登録
需要関連データ項目
日：需要が発生する日（期）
需要量：過去の需要の履歴を入力
予測値：需要の予測値．システムによって
計算される．
上方誤差：予測値が需要量を上回った量．
システムによって計算される．
下方誤差：予測値が需要量を下回った量．
システムによって計算される．
イベント関連データ項目
イベントID：イベントを区別するためのID
イベント名称：イベントの名称を入力．休日や特
定の曜日，月末やクリスマスなど，需要が通常の
場合と異なる要因によって変化する場合に，そ
れをイベントとして登録する．
イベント需要：イベントの特殊要因によって発生
すると考えられる需要量の推定値．システムに
よって計算される．
イベント・期関連データ項目
ID：イベント・期を区別するためのID
イベントID：イベントを区別するためのIDを
入力
開始日：イベントが始まる日を入力．
終了日：イベントが終了する日を入力．
簡単な適用例
2/1から2/10までの需要の履歴から2/11
の需要を予測
日
1
2
需要 120 80
3
4
5
6
7
8
9
10
70
90
110 100 110 140 100 120
11
？
イベント情報:2/1と2/8は休日で，平日とは
異なる需要量になることを入力．
需要データ入力
イベント情報入力
予測（最適化）実行
2/11の需要予測は125個；休日の影響は30個増し．
応用例：ホテルの部屋数の予測
予約数の履歴と季節変動やイベント（クリ
スマスや曜日）情報の利用
->中・長期レベルの予測
予約の入り方による予測
->短期レベルの予測
短期と中・長期の両者を融合した新しい予
測手法の構築（最適化の利用）
中・長期レベルの予測
学会イベント：
イベント要因による需要
90
80
70
60
シングル
ダブル
ツイン
50
40
30
20
傾向予測
10
0
2004/12/1
2004/12/2
2004/12/3
2004/12/4
曜日による
変動予測
短期レベルの予測と融合予測
曜日，イベント情報による中・長期の要因
45
40
35
30
25
20
15
10
5
0
4週前
3週前
２週前
予約状況（週ごとに集約）
１週前
12/5？
他のシステムとの連携
ロットサイズ決定システム WebLOT
将来の需要の期別の確定値を予測
収益管理システム WebRM
将来の予約数とその変動（正規分布とみなして
平均と標準偏差，もしくは離散分布）を予測
サプライ・チェイン在庫最適化システム WebSCM
需要の平均と標準偏差を予測
在庫方策最適化システム WebINV
需要の分布（離散分布）を予測，もしくは需要の
平均と標準偏差を予測（簡易方式）
WebForecastの優位性
通常の需要予測システム：単純な予測手法の組
合せ，もしくは複数の予測手法を適用し，適合度
の高いものを選択．イベント情報は，「バーゲンを
すれば売り上げが100個増える」など決めうちに
よる入力のみ．
Log Optのアプローチ
対象とする商品に影響を与える要因をユーザー
がイベント情報として設定．イベントが需要に与
える影響をパラメータとして最適化する．

Download Report