特許ウォッチ

公開番号2024039988
公報種別公開特許公報(A)
公開日2024-03-25
出願番号2022144775
出願日2022-09-12
発明の名称最適化プログラム、最適化方法および情報処理装置
出願人富士通株式会社
代理人弁理士法人扶桑国際特許事務所
主分類G06Q 30/0202 20230101AFI20240315BHJP(計算;計数)
要約【課題】機械学習モデルの予測値を利用した操作量の最適化を効率化する。
【解決手段】情報処理装置10は、第1の期間に発生する第1の需要量に対する実績値を示す実績データ13に基づいて、実績値に応じて操作量を最適化することで獲得される利益14を算出する。情報処理装置10は、訓練済みの予測モデル15を用いて、第1の需要量に対する第1の予測値を算出する。情報処理装置10は、補正モデル16を用いて第1の予測値から補正された第2の予測値に応じて操作量を最適化することで獲得される利益17と、利益14との比較に基づいて、補正モデル16を決定する。情報処理装置10は、予測モデル15および補正モデル16を用いて、第1の期間と異なる第2の期間に発生する第2の需要量に対する第3の予測値を算出し、第3の予測値に応じて最適化された操作量を示す計画データ18を出力する。
【選択図】図1
特許請求の範囲【請求項１】
第１の期間に発生する第１の需要量に対する実績値を示す実績データに基づいて、前記実績値に応じて操作量を最適化することで獲得される第１の利益を算出し、
訓練済みの予測モデルを用いて、前記第１の需要量に対する第１の予測値を算出し、
補正モデルを用いて前記第１の予測値から補正された第２の予測値に応じて前記操作量を最適化することで獲得される第２の利益と、前記第１の利益との比較に基づいて、前記補正モデルを決定し、
訓練済みの前記予測モデルおよび決定された前記補正モデルを用いて、前記第１の期間と異なる第２の期間に発生する第２の需要量に対する第３の予測値を算出し、前記第３の予測値に応じて最適化された前記操作量を示す計画データを出力する、
処理をコンピュータに実行させる最適化プログラム。
続きを表示（約 1,000 文字）【請求項２】
前記補正モデルの決定は、前記第１の利益と前記第２の利益との差が最小になる前記補正モデルを探索する処理を含む、
請求項１記載の最適化プログラム。
【請求項３】
前記予測モデルは、異なる時刻それぞれに対して前記第１の予測値を算出し、
前記補正モデルは、前記異なる時刻に応じて異なる補正値を付与する、
請求項１記載の最適化プログラム。
【請求項４】
前記第１の利益の算出は、前記実績値に基づいて、前記第１の利益が最大になる前記操作量を探索する処理を含む、
請求項１記載の最適化プログラム。
【請求項５】
第１の期間に発生する第１の需要量に対する実績値を示す実績データに基づいて、前記実績値に応じて操作量を最適化することで獲得される第１の利益を算出し、
訓練済みの予測モデルを用いて、前記第１の需要量に対する第１の予測値を算出し、
補正モデルを用いて前記第１の予測値から補正された第２の予測値に応じて前記操作量を最適化することで獲得される第２の利益と、前記第１の利益との比較に基づいて、前記補正モデルを決定し、
訓練済みの前記予測モデルおよび決定された前記補正モデルを用いて、前記第１の期間と異なる第２の期間に発生する第２の需要量に対する第３の予測値を算出し、前記第３の予測値に応じて最適化された前記操作量を示す計画データを出力する、
処理をコンピュータが実行する最適化方法。
【請求項６】
第１の期間に発生する第１の需要量に対する実績値を示す実績データを記憶する記憶部と、
前記実績データに基づいて、前記実績値に応じて操作量を最適化することで獲得される第１の利益を算出し、訓練済みの予測モデルを用いて、前記第１の需要量に対する第１の予測値を算出し、補正モデルを用いて前記第１の予測値から補正された第２の予測値に応じて前記操作量を最適化することで獲得される第２の利益と、前記第１の利益との比較に基づいて、前記補正モデルを決定し、訓練済みの前記予測モデルおよび決定された前記補正モデルを用いて、前記第１の期間と異なる第２の期間に発生する第２の需要量に対する第３の予測値を算出し、前記第３の予測値に応じて最適化された前記操作量を示す計画データを出力する処理部と、
を有する情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は最適化プログラム、最適化方法および情報処理装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
コンピュータは、在庫資源の購入や放出などの操作量を、需要量に応じて最適化することで、獲得される利益を最大化したいことがある。最適化対象とする期間の需要量が未知である場合、コンピュータは、機械学習モデルを用いて需要量を予測し、予測した需要量を前提として最適な操作量を計画することがある。
【０００３】
例えば、将来期間の需要量を予測する推定装置が提案されている。提案の推定装置は、過去期間の需要量に基づいて機械学習モデルを訓練し、訓練された機械学習モデルを用いて将来期間の需要量を予測する。推定装置は、予測された需要量の変動が、当該予測された需要量を前提として獲得される期待利益に与える影響を示す影響度を算出する。推定装置は、算出された影響度を重みとして用いて機械学習モデルを再訓練し、再訓練された機械学習モデルを用いて将来期間の需要量を推定し直す。
【０００４】
なお、過去の売上データに基づいて、類似する製品間の代替関係を推定する顧客モデルを生成し、需給バランスが悪化した際に、機会損失および在庫コストを最小化するアクションを選択する需給均衡化方法が提案されている。また、過去期間の商品の需要量に基づいて将来期間の需要量を予測し、予測した需要量を前提として、利益が最大になるような発注計画を生成する発注量決定装置が提案されている。また、過去期間における商品の販売数を、欠品により販売機会を喪失した回数を加えることで補正し、補正された販売実績データを用いて機械学習モデルを訓練する需要予測装置が提案されている。
【先行技術文献】
【特許文献】
【０００５】
特開２０１８－１１６７００号公報
米国特許出願公開第２０１５／００６６５６６号明細書
特開２０１６－９１２１７号公報
特開２０２１－１０３３７４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
機械学習モデルの予測精度には限界があるため、予測した需要量と実際の需要量との間に差異が生じることがある。この場合、予測した需要量を前提として計画された操作量を実施しても、過剰在庫による在庫ロスの発生や在庫不足による機会損失の発生などの理由で、期待したほど利益が獲得されないことがある。
【０００７】
この点、機械学習モデルは、操作量の最適化にとっての重要度に関係なく、予測した需要量の誤差が平均的に小さくなるように訓練されることが多い。例えば、機械学習モデルは、利益を大きくするという観点から重要度の高い時刻と重要度の低い時刻とを区別せずに、全ての時刻における需要量の予測誤差が平均的に小さくなるように訓練される。そこで、操作量を最適化する際に、重要度の高い需要量の予測誤差が優先的に小さくなるように、上記のように機械学習モデルを再訓練する方法が考えられる。
【０００８】
しかし、操作量を最適化する毎に訓練済みの機械学習モデルを再訓練することは、最適化の計算量や所要時間が増大して非効率になるおそれがある。また、複雑な機械学習モデルを再訓練することは、訓練済みの機械学習モデルを利用しようとするユーザの負担が大きい。そこで、１つの側面では、本発明は、機械学習モデルの予測値を利用した操作量の最適化を効率化することを目的とする。
【課題を解決するための手段】
【０００９】
１つの態様では、以下の処理をコンピュータに実行させる最適化プログラムが提供される。第１の期間に発生する第１の需要量に対する実績値を示す実績データに基づいて、実績値に応じて操作量を最適化することで獲得される第１の利益を算出する。訓練済みの予測モデルを用いて、第１の需要量に対する第１の予測値を算出する。補正モデルを用いて第１の予測値から補正された第２の予測値に応じて操作量を最適化することで獲得される第２の利益と、第１の利益との比較に基づいて、補正モデルを決定する。訓練済みの予測モデルおよび決定された補正モデルを用いて、第１の期間と異なる第２の期間に発生する第２の需要量に対する第３の予測値を算出し、第３の予測値に応じて最適化された操作量を示す計画データを出力する。
【００１０】
また、１つの態様では、コンピュータが実行する最適化方法が提供される。また、１つの態様では、記憶部と処理部とを有する情報処理装置が提供される。
【発明の効果】
（【００１１】以降は省略されています）

関連特許