收集量调节辅助装置，收集量调节辅助方法和计算机可读记录介质与流程

本发明涉及一种用于辅助调节在收集/装载站收集的农产品量的收集量调节辅助装置和收集量调节辅助方法，并且还涉及一种存储用于实现它们的程序的计算机可读记录介质。

背景技术：

近年来，特别是对于叶状蔬菜的运输，为了确保要运输给诸如零售商之类的客户的合同量，由生产者形成运输协调生产者团体，并且管理该团体以使得要由属于该团体的生产者交付的农产品的量(下文中称为“要交付的量”)相互补充。在这种管理中，负责收集/装载站的人或本地指导者(在下文中，这些人将被统称为“管理人员”)给予每个生产者用于收获和运输农产品的指令，使得从每个生产者收集的农产品的量在收集/装载站达到要运输的合同量。

具体地，在从开始收集农产品的时间到收集结束的时间的时间段期间，管理人员基于在收集/装载站处已经收集的农产品的量、相对于要运输的合同量的不足等等来确定要收集的最终量是否将达到要运输的合同量。如果确定的结果是要收集的最终量将不会达到要运输的合同量，则管理人员请求每个生产者将附加农产品带到收集/装载站。

如果要收集的最终量达不到要运输的合同量，则存在运输合同被取消的担心，并且对于生产者，则存在对其收入的风险的担心。此外，通常，叶状蔬菜随时间的推移而显著降低品质。由于这个原因，除了可以被储存在冷库中的那些叶状蔬菜之外，在将其带来的当天不能运输的叶状蔬菜被处理掉。也就是说，如果被带到收集/装载站的量大大超过要运输的合同量，并且冷库不能保持所有的超出量，则生产者将遭受损失。

因此，管理人员负有重大的责任来调节要收集的农产品的量，这对管理人员是极大的负担。因此，按照惯例，为了便于调节要出售的叶类蔬菜等的量和要收集(运输)的量，已经提出了各种系统(例如参见专利文献1和2)。

例如，在专利文献1中公开的系统中，如果在从生产者已经实际收集的产品的数量与被安排为订购的产品的数量之间已经出现一定差异，则向管理人员发出警告。因此，即使特别地，产量或订购量突然波动，生产者和零售商遭受的损失可以被最小化。

在专利文献2中公开的系统中，根据过去的产品销售数据和当天的产品的销售情况预测一天中要销售的产品的数量。如果交付的产品的数量小于要销售的预测数量，则确定交货的单价，以便向生产者提供激励。结果，避免了产品的不足。因此，主要地，零售商遭受的损失被最小化。

现有技术文献列表

专利文献

专利文献1：JP 2004-001909A

专利文献2：JP 2013-140481A

技术实现要素：

发明要解决的技术问题

顺便提及，在运行管理以使生产者互相补充要交付的量的情况下，由于农产品由各个生产者各自带到收集/装载站，所以带到收集/装载站的农产品的量取决于时间段而变化。然而，在上述专利文献1和2中公开的系统中，仅计算收集的当前量与要收集的预定量之间的差，并且根本不考虑根据时间段的变化。由于这个原因，难以预测要收集的最终量。结果，也难以解决上述由于收集量的不足和过多的收集量而导致的问题。

本发明的示例性目的是解决上述问题，并且提供一种收集量调节辅助装置、收集量调节辅助方法和计算机可读记录介质，使得甚至在农产品被多个生产者带到收集/装载站的情况下也能够预测要收集的农产品的量。

解决问题的手段

为了实现上述目的，本发明的一个方面的第一收集量调节辅助装置是用于辅助调节在收集/装载站收集的农产品的量的装置，包括：

趋势线设置单元，用于使用每天要收集的农产品的预定量来设置趋势线，所述趋势线指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化；和

估计单元，用于获得指示在特定时间点收集的农产品的量与趋势线的偏差程度的偏差比，以及基于获得的偏差比估计农产品是否将不足。

另外，为了实现上述目的，本发明的一个方面的第二收集量调节辅助装置是用于辅助调节在收集/装载站收集的农产品的量的装置，包括：

学习估计单元，用于通过使用学习数据构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足，

其中学习数据包括：

使用趋势线计算的偏差比，所述趋势线使用每天要收集的农产品的预定量来设置，并且指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化，所述偏差比指示在先前若干天的多个时间点已收集的农产品的量与趋势线的偏差程度；以及

调节结果，指示在对应天收集的农产品的量是被成功调节还是未被成功调节。

为了实现上述目的，本发明的一个方面的第一收集量调节辅助方法是用于辅助调节在收集/装载站收集的农产品的量的方法，包括：

步骤(a)，通过使用每天要收集的农产品的预定量来设置趋势线，所述趋势线指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化；以及

步骤(b)，获得偏差比，所述偏差比指示在特定时间点收集的农产品的量与趋势线的偏差程度，以及基于所获得的偏差比估计农产品是否将不足。

另外，为了实现上述目的，本发明的一个方面的第二收集量调节辅助方法是用于辅助调节在收集/装载站收集的农产品的量的方法，包括：

通过使用学习数据构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足的步骤，

其中学习数据包括：

使用趋势线计算的偏差比，所述趋势线使用每天要收集的农产品的预定量来设置，并且指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化，所述偏差比指示在先前若干天的多个时间点已收集的农产品的量与趋势线的偏差程度；以及

调节结果，指示在对应天收集的农产品的量是被成功调节还是未被成功调节。

为了实现上述目的，本发明的一个方面的第一计算机可读记录介质是存储用于使用计算机辅助调节在收集/装载站收集的农产品的量的程序的计算机可读记录介质，所述程序包括用于使计算机执行以下步骤的命令：

步骤(a)，通过使用每天要收集的农产品的预定量来设置趋势线，所述趋势线指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化；以及

步骤(b)，获得偏差比，所述偏差比指示在特定时间点收集的农产品的量与趋势线的偏差程度，以及基于所获得的偏差比估计农产品是否将不足。

此外，为了实现上述目的，本发明的一个方面的第二计算机可读记录介质是存储用于使用计算机辅助调节在收集/装载站收集的农产品的量的程序的计算机可读记录介质，所述程序包括用于使计算机执行以下步骤的命令：

通过使用学习数据构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足的步骤，

其中学习数据包括：

使用趋势线计算的偏差比，所述趋势线使用每天要收集的农产品的预定量来设置，并且指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化，所述偏差比指示在先前若干天的多个时间点已收集的农产品的量与趋势线的偏差程度；以及

调节结果，指示在对应天收集的农产品的量是被成功调节还是未被成功调节。

本发明的有益效果

如上所述，根据本发明，即使在农产品由多个生产者带到收集/装载站的情况下，也可以预测要收集的农产品的量。

附图说明

图1是示出根据本发明的实施例1的收集量调节辅助装置的示意性配置的框图。

图2是示出根据本发明的实施例1的收集量调节辅助装置的特定配置的框图。

图3是示出本发明的实施例1中设置的趋势线的示例的图。

图4是示出根据本发明的实施例1的收集量调节辅助装置的操作的流程图。

图5是示出根据本发明的实施例2的收集量调节辅助装置的特定配置的框图。

图6是用于说明本发明的实施例2中使用的学习数据的概念的说明性图。

图7是示出本发明的实施例2中使用的学习数据的特定示例的图。

图8是用于说明本发明的实施例2中使用的学习模型的说明性图。

图9是示出根据本发明的实施例2的收集量调节辅助装置的操作的流程图。

图10是示出根据本发明的实施例3的收集量调节辅助装置的特定配置的框图。

图11是示出实现根据本发明的实施例1至3的收集量调节辅助装置的计算机的示例的框图。

具体实施方式

实施例1：

下文中，将参照图1至4描述根据本发明的实施例1的收集量调节辅助装置、收集量调节辅助方法以及程序。

装置的配置

首先，将使用图1描述根据本发明的实施例1的收集量调节辅助装置的配置。图1是示出根据本发明的实施例1的收集量调节辅助装置的示意性配置的框图。

根据图1所示的实施例1的收集量调节辅助装置10是用于辅助调节在收集/装载站收集的农产品的量的装置。在收集/装载站，收集农产品，使得要收集的农产品的量将达到每天要收集的预定量(下文中称为“要收集的每日预定量”)。基于与运输目的地已商定的运输量(合同运输量)，设置要收集的每日预定量。

如图1所示，收集量调节辅助装置10被提供有趋势线设置单元11和估计单元12。在这些单元中，趋势线设置单元11使用每天要收集的农产品的预定量来设置趋势线。趋势线是指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化的线。

估计单元12获得指示在特定时间点收集的农产品的量与趋势线的偏差程度的偏差比，并且基于获得的偏差比估计农产品是否将不足。

因此，收集量调节辅助装置10在考虑了要收集的量的波动的同时设置趋势线，并且基于其确定收集量是否不足。因此，在具有收集量调节辅助装置10的情况下，即使在农产品由多个生产者带到收集/装载站的情况下，也能够预测要收集的农产品的量。

在实施例1中，对受收集量调节的农产品没有特别限制。然而，收集量限制对于需要是新鲜的农产品(例如，叶状蔬菜、室外生长的蔬菜、水果、鲜花等)特别有效。

随后，将使用图2和3更具体地描述根据实施例1的收集量调节辅助装置10的配置。图2是示出根据本发明的实施例1的收集量调节辅助装置的特定配置的框图。图3是示出本发明的实施例1中设置的趋势线的示例的图。

首先，在实施例1中，如图2所示，收集量调节辅助装置10被提供有收集量计算单元13以及趋势线设置单元11和估计单元12。在生产者向收集/装载站交付农产品时，管理人员40从每个生产者获得调整后的收集量，并将所获得的调整后的收集量输入到收集量调节辅助装置10。注意，调整后的收集量由管理人员40经由输入设备或终端设备(图2中未示出)输入。

这里，“调整后的收集量”意指通过从由每个生产者实际交付到收集/装载站的农产品的量减去不满足用于运输的预先提供的一定标准的农产品的量来获得的量。这是因为由生产者交付的农产品可能包括不满足一定标准的农产品(非达标农产品)。

在由管理人员40输入来自每个生产者的调整后的收集量时，收集量计算单元13将从收集开始时一直到当前为止计算的来自每个生产者的调整后的收集量相加，并计算最新收集量。然后，收集量计算单元13将所计算的收集量输出到估计单元12。所计算的最新收集量对应于准备在收集/装载站运输的农产品的量，即准备运输的量。

在实施例1中，趋势线设置单元11将使用收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，如图3所示。具体地，在图3的示例中，设置了在开始收集农产品时的开始时间T1，在结束收集农产品时的结束时间T2，以及要收集的每日预定量S。同样，将ΔS设置为可在收集/装载站的冷库中存储的量(可存储量)。

此外，在收集/装载站的农产品收集原则上在结束时间T2结束。然而，实际上，甚至在结束时间T2之后，农产品也会被接受一段时间，因此结束时间T2已被延长。为此，在图3的示例中，将可延长时间段表示为Δt，将延伸后结束时间表示为T3。

因此，在收集/装载站从结束时间T2直到延长后结束时间T3的期间，在要收集的最终量大于或等于要收集的每日预定量S且小于或等于每日预定量S与可存储量ΔS的总和(每日预定量S+可存储量ΔS)的情况下，不出现背景技术中描述的由于收集量的不足而导致的问题和由于过多的收集量而导致的问题。

因此，在图3的示例中，趋势线设置单元11将从收集量为零且时间是在收集开始时的点P1(0，T1)出发并通过收集量是要收集的每日预定量S点且时间是在收集时间已经延长之后的结束时间T3的点P2(S，T3)的线性函数设置为趋势线。例如，设置趋势线所需的设置信息，或具体地，开始时间T1、要收集的每日预定数量S和延长后的结束收集时间T3由管理人员40经由输入设备或终端设备(图2中未示出)输入。

在图3的示例中，线性函数被设置为趋势线，因为可以假设在收集/装载站的每单位时间的可能工作量是固定的，并且在理想状态下，收集量从开始收集农产品时直到收集结束以固定速度增加。然而，在已知在收集站的每单位时间的可能工作量的变化的情况下(参见以下参考资料)，可以使用曲线作为趋势线。

参考资料：

http：//ja.wikipedia.org/wiki/％E4％BD％9C％E6％A5％AD％E6％9B％B2％E7％B7％9A

在实施例1中，如果由管理人员40将特定时间点指定为时间，则估计单元12根据收集量计算单元13输出的收集量规定在指定时间收集的农产品的量。具体地，如果管理人员40指定当前时间，则估计单元12将输出的最新收集量设置为在指定时间收集的农产品的量。

然后，估计单元12计算收集的农产品的规定量与在该指定时间在趋势线上要收集的量之间的差，将计算得到的差除以趋势线上要收集的量，并将所获得的值设置为偏差比X。然而，当在趋势线上要收集的量大于收集的农产品的量时，偏差比X是正的。

接下来，如果计算的偏差比X为正，则估计单元12将偏差比X与预设阈值进行比较。如果偏差比X大于阈值，则估计单元12估计农产品将不足。估计单元12还输出估计结果，并且经由显示设备或终端设备(图2中未示出)将其呈现给管理人员40。

在估计农产品将不足的情况下，估计单元12还可以经由诸如互联网(图2中未示出)的网络向生产者的终端50做出指示不足的警告通知。在这种情况下，接收到通知的生产者可以迅速地处理收集量的不足。

装置的操作

接下来，将使用图4来描述根据本发明的实施例1的收集量调节辅助装置10的操作。图4是示出根据本发明的实施例1的收集量调节辅助装置的操作的流程图。在以下描述中，将视情况参照图1至3。在本实施例1中，通过操作收集量调节辅助装置10来实现收集量调节辅助方法。因此，对根据实施例1的收集量调节辅助方法的描述将替换为以下的对收集量调节辅助装置10的操作的描述。

最初，如图4所示，在收集量调节辅助装置10中，估计单元12接受管理人员40对时间的指定(步骤A1)。在这种情况下，估计单元12通知趋势线设置单元11和收集量计算单元13已经接受了对时间的指定。

接下来，在执行步骤A1之后，趋势线设置单元11确定是否已经设置了趋势线(步骤A2)。如果步骤A2中的确定结果是已经设置了趋势线，则执行后面描述的步骤A4。另一方面，如果步骤A2中的确定结果是尚未设置趋势线，则趋势线设置单元11设置趋势线(步骤A3)。具体地，如图3所示，趋势线设置单元11使用由管理人员40输入的设置信息来设置从点P1出发并通过点P2的线性函数。

接下来，收集量计算单元13确定管理人员40是否新输入了调整后的收集量(步骤A4)。如果步骤A4中的确定结果是没有新输入调整后的收集量，则执行后面描述的步骤A6。另一方面，在步骤A4的判断结果是新输入了调整后的收集量的情况下，收集量计算单元13计算最新收集量(步骤A5)。收集量计算单元13还将所计算的最新收集量输出到估计单元12。

接下来，估计单元12获得在步骤A1中指定的时间处的偏差比X，并且基于所获得的偏差比X来估计农产品是否将不足(步骤A6)。

具体地，在步骤A6中，估计单元12计算在步骤A5中计算的收集量与在该指定时间在趋势线上要收集的量之间的差，将计算得到的差除以在趋势线上要收集的量，并且将获得的值设置为偏差比X。如果计算的偏差比X为正，则估计单元12将偏差比X与预设阈值进行比较。如果偏差比X大于阈值，则估计单元12估计农产品将不足。

此后，估计单元12将步骤A6中的估计处理的结果输出到显示设备或管理人员40的终端设备(步骤A7)。由此，将估计处理结果呈现给管理人员40。如果估计单元12估计农产品将不足，则在步骤A7中，估计单元12还可以向生产者的终端50做出指示农产品将不足的警告通知。在执行了步骤A7之后，收集量调节辅助装置10的处理在这里结束。

此后，如果管理人员40指定了新的时间，则再次执行步骤A1至A7。因此，管理人员可以在直到达到延长后结束时间T3为止的任何时间处检查要收集的量是否将不足。

注意，在图4的示例中，通过管理人员对时间的指定来触发处理的执行。然而，实施例1不限于该模式。例如，可以以在每个预设时间处或以预设时间间隔开始处理的模式来执行实施例1。在该模式中，在每个预设时间处或以预设时间间隔执行图4所示的步骤A2至A7。备选地，图4所示的步骤A2至A7的执行可以由外部系统进行的请求触发。

程序

根据本发明的实施例1的程序仅需要是使计算机执行图4所示的步骤A1至A7的程序。通过将该程序安装到计算机并执行它，能够实现根据实施例1的收集量调节辅助装置10和收集量调节辅助方法。在这种情况下，计算机的CPU(中央处理单元)用作趋势线设置单元11、估计单元12和收集量计算单元13，并执行处理。

实施例1的技术效果

如上所述，根据实施例1，收集量调节辅助装置10在考虑到将农产品带到收集/装载站的多个生产者的同时设置趋势线，并且基于设置的趋势线来确定要收集的量是否将不足。因此，利用收集量调节辅助装置10，在农产品由多个生产者带到收集/装载站的情况下，能够预测收集的农产品的量。结果，抑制了背景技术中描述的由于收集量的不足而导致的问题和由于过多的收集量而导致的问题的出现。

实施例1的变体1

如上所述，在图1至4所示的示例中，将从点P1出发并通过点P2的线性函数设置为趋势线。如果估计要收集的最终量不会达到要收集的每日预定量S，则该估计被呈现给管理人员40。然而，实施例1不限于该示例。

例如，在变体1中，趋势线设置单元11可以设置从点P1出发并通过点P3的趋势线(参见图3)(下文中称为“上限线”)，作为对从点P1经过并通过点P2的趋势线(下文中称为“下限线”)的附加或替代。点P3是在其处收集量是每日预定量S和可存储量ΔS的总和的量且时间是结束时间T2的点。

此外，估计单元12计算在指定时间收集的农产品的规定量与上限线上要收集的量之间的差，将计算得到的差除以上限线上要收集的量，并将所获得的值设置为偏差比X。当收集的农产品的量大于上限线上要收集的量时，偏差比X是正的。如果计算得到的偏差比X为正，则估计单元12将偏差比X与预设阈值进行比较。如果偏差比X大于阈值，则估计单元12估计农产品将是过多的。

因此，在变体1中，设置上限线，作为下限线的附加或替代。因此，变体1在从生产者交付的量是大的并且在收集/装载站收集过量的农产品的情况下特别有效。可以抑制要处理掉的农产品的量。

实施例1的变体2

在变体2中，每个生产者可以经由终端50通知收集量调节辅助装置10要向收集/装载站交付的农产品的量。在这种情况下，作为管理人员40输入不满足一定标准的农产品的量的结果，收集量计算单元13可以通过从通知了收集量调节辅助装置10的要交付的量减去由管理人员40输入的量来计算调整后的收集量。

在收集量调节辅助装置10与记录调整后的收集量的外部系统连接的情况下，变体2可以以通过该系统自动地通知收集量调节辅助装置10调整后的收集量的模式来执行。

实施例2：

接下来，将参照图5至9描述根据本发明的实施例2的收集量调节辅助装置、收集量调节辅助方法以及程序。

装置的配置

首先，将使用图5描述根据本发明的实施例2的收集量调节辅助装置的配置。图5是示出根据本发明的实施例2的收集量调节辅助装置的特定配置的框图。

根据图5所示的实施例2的收集量调节辅助装置20也是用于辅助调节在收集/装载站收集的农产品的量的装置，类似于根据图1和2所示的实施例1的收集量调节辅助装置10。然而，在实施例2中，收集量调节辅助装置20在配置和功能方面与收集量调节辅助装置10不同，如图5所示。下面将主要描述它们之间的差异。

如图5所示，收集量调节辅助装置20具有学习数据存储单元21、学习估计单元22以及收集量计算单元23。在这些单元中，收集量计算单元23具有与实施例1的图2所示的收集量计算单元13的功能类似的功能。也就是说，在由管理人员40输入来自各自生产者的调整后的收集量时，收集量计算单元23将这些量相加并计算最新的收集量。收集量计算单元23还将所计算的最新收集量输出到学习估计单元22。

学习估计单元22首先使用存储在学习数据存储单元21中的学习数据构建偏差比X的学习模型。学习估计单元22然后将在特定时间点(由管理人员40指定的时间)的偏差比应用到构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足。

学习数据包括在使用趋势线计算的先前若干天的多个时间点处的偏差比X，以及指示每个前一天收集的农产品的量是被成功调节还是未被成功调节的结果(下文中称为“调节结果”)。在实施例2中，学习数据由管理人员40输入并存储在学习数据存储单元21中。注意，用于创建学习数据的趋势线也存储在学习数据存储单元21中。

现在将使用图6和7具体描述在实施例2中使用的学习数据。图6是用于说明本发明的实施例2中使用的学习数据的概念的说明性图。图7是示出本发明的实施例2中使用的学习数据的特定示例的图。

图6所示的坐标系类似于图2所示的坐标系，并且是使用收集量和时间作为两个正交轴的坐标系。趋势线也被设置为类似于图2中的示例。通过从趋势线和在各自时间的收集量获得每天在时间t₁至t₅的偏差比X¹至X₅，并将当天获得的偏差比X₁至X₅和调节结果存储在学习数据存储单元21中来创建学习数据。具体地，学习数据如图7所示。在图7中，如果成功地调节了收集的农产品的量，则出现“是”，并且如果收集的农产品的量未被成功调节，则出现“否”。

如果创建了如图6和7所示的学习数据，则学习估计单元22使用包括在学习数据中的偏差比来计算用偏差比作为变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布。计算得到的概率分布用作学习模型。

然后，学习估计单元22将在特定时间点的偏差比应用于计算得到的概率分布，使用由此获得的值来获得不成功情况的后验概率，并且基于所获得的后验概率来估计农产品是否将不足。

随后，将使用图8描述使用高斯分布作为概率分布的情况。图8是用于说明本发明的实施例2中使用的学习数据的说明性图。

最初，学习估计单元22使用学习数据将在各个时间的偏差比(X₁至X₅)分类为是的情况和否的情况。接下来，学习估计单元22计算在是的情况下的偏差比和在否的情况下的偏差比的平均值μ和方差σ²。

然后，如图8所示，学习估计单元22在是的情况下根据偏差比的平均值μ和方差σ²计算高斯分布P(X|YES)，并且还在否的情况下根据偏差比的平均值μ和方差σ²计算高斯分布P(X|NO)。

学习估计单元22还使用学习数据来计算收集量将达到图6所示的目标的概率P(YES)和收集量将不会达到图6所示的目标的概率P(NO)。然后，学习估计单元22使用所计算的高斯分布和概率来针对是的情况构建后验概率P(YES|X)的等式，并且针对否的情况构建后验概率P(NO|X)的等式。

结果如下面的等式1和2所示。在下面的等式1和2中，偏差比X是变量。下面的等式1和2中的“A”表示包括作为元素的YES或NO的集合。

[等式1]

[等式2]

接下来，在特定时间点由管理人员40指定为时间时，学习估计单元22使用存储在学习数据存储单元21中的趋势线和通知了收集量计算单元的最新收集量来计算在指定的时间处的偏差比X。然后，学习估计单元22在上述等式1和2中代入计算得到的偏差比X，并且计算后验概率P(YES|X)和后验概率P(NO|X)。

接下来，学习估计单元22将后验概率P(NO|X)与预设阈值进行比较。如果后验概率P(NO|X)超过阈值，则学习估计单元22估计农产品将不足。然后，学习估计单元22输出估计结果，并且经由显示设备或终端设备(图5中未示出)将其呈现给管理人员40。此时，学习估计单元22还经由显示设备或终端设备(图5中未示出)向管理人员40呈现后验概率P(YES|X)。后验概率P(YES|X)用作收集量调节的有利度的尺度，并且对管理人员40是有用的。

注意，在上面的描述中，高斯分布被用作概率分布。然而，在实施例2中，概率分布不限于高斯分布。例如，如果与使用高斯分布相比，使用Johnson SU分布、逻辑分布等可以更接近偏差比X的直方图，则可以使用这些分布中的一个作为概率分布。

在估计农产品将不足的情况下，学习估计单元22还可以经由诸如互联网(图5中未示出)的网络向生产者的终端50做出指示不足的警告通知。在这种情况下，接收到通知的生产者可以迅速地处理收集量的不足。

如上所述，在要向生产者通知收集量的不足的情况下，优选地，基于排除了由于该通知而增加的量之外的收集量来创建学习数据。这是因为通过根据生产者纯粹自主地交付的农产品的量(调整后的收集量)构建学习数据，可以预期改善估计精度。具体地，在这种情况下，在排除由于该通知而增加的量的情况下的调节结果被用作调节结果，而不是过去的实际调节结果被用作调节结果。根据排除了由于该通知而增加的量的收集量来计算学习数据中在各个时间的偏差比(X₁至X₅)。

装置的操作

接下来，将使用图9来描述根据本发明的实施例2的收集量调节辅助装置20的操作。图9是示出根据本发明的实施例2的收集量调节辅助装置的操作的流程图。在下面的描述中，如果需要，将参照图5至8。在本实施例2中，通过操作收集量调节辅助装置20来实现收集量调节辅助方法。因此，对根据实施例2的收集量调节辅助方法的描述将替换为以下的对收集量调节辅助装置20的操作的描述。

最初，在收集量调节辅助装置20中，学习估计单元22接受管理人员40对时间的指定，如图9所示(步骤B1)。在这种情况下，学习估计单元12向收集量计算单元23通知已接受对时间的指定。

接下来，学习估计单元22确定存储在学习数据存储单元21中的学习数据是否已经被更新(步骤B2)。如果步骤B2中的确定结果是学习数据没有被更新，则执行后面描述的步骤B4。另一方面，如果步骤B2中的确定结果是学习数据已经被更新，则学习估计单元22重新计算高斯分布P(X|YES)和高斯分布P(X|NO)以更新学习模型(步骤B3)。

此外，在步骤B3中，学习估计单元22使用更新的高斯分布来更新上述示为等式1的后验概率P(YES|X)的等式和上述示为等式2的后验概率P(NO|X)的等式二者。

接下来，收集量计算单元23确定管理人员40是否已经新输入了调整后的收集量(步骤B4)。如果步骤B4中的确定结果是没有新输入的调整后的收集量，则执行后面描述的步骤B6。另一方面，如果步骤B4中的确定结果是新输入了调整后的收集量，则收集量计算单元23计算最新收集量(步骤B5)。收集量计算单元13还将所计算的最新收集量输出到学习估计单元22。步骤B4和B5分别类似于图4所示的步骤A4和A5。

接下来，学习估计单元22估计农产品是否将不足(步骤B6)。具体地，在步骤B6中，估计单元12使用在步骤B5中计算的收集量和存储在学习数据存储单元21中的趋势线来计算在指定的时间的偏差比X。然后，学习估计单元22在上述等式1和2中代入计算得到的偏差比X，并且计算后验概率P(YES|X)和后验概率P(NO|X)。此外，如果计算的后验概率P(NO|X)超过阈值，则学习估计单元22估计农产品将不足。

此后，学习估计单元22将步骤B6中的估计处理的结果输出到显示设备或管理人员40的终端设备(步骤B7)。由此，将估计处理结果呈现给管理人员40。在估计农产品将不足的情况下，在步骤B7中，学习估计单元22还可以向生产者的终端50做出指示农产品将不足的警告通知。在执行了步骤B7之后，收集量调节辅助装置20的处理在这里结束。

此后，如果管理人员40指定了新的时间，则再次执行步骤B1至B7。因此，管理人员可以在直到达到延长后结束时间T3为止的任何时间处检查要收集的量是否将不足。

注意，在图9的示例中，通过管理人员对时间的指定来触发处理的执行。然而，实施例2不限于该模式。例如，可以以在每个预设时间处或以预设时间间隔开始处理的模式来执行实施例2。在该模式中，图9所示的步骤B2至B7在每个预设时间处或以预设时间间隔执行。备选地，图9所示的步骤B2至B7的执行可以由外部系统进行的请求触发。

程序

根据本发明的实施例2的程序仅需要是使计算机执行图9所示的步骤B1至B7的程序。通过将该程序安装到计算机并执行它，能够实现根据实施例2的收集量调节辅助装置20和收集量调节辅助方法。在这种情况下，计算机的CPU(中央处理单元)用作学习估计单元22和收集量计算单元23，并且执行处理。

实施例2的技术效果

如上所述，根据实施例2，收集量调节辅助装置20在多个生产者将农产品带到收集/装载站的情况下学习收集量的增加趋势，并且使用学习结果来确定要收集的量是否将不足。因此，也在使用收集量调节辅助装置20的情况下，能够在农产品由多个生产者带到收集/装载站的状况下预测收集的农产品的量。结果，抑制了背景技术中描述的由于收集量的不足而导致的问题和由于过多的收集量而导致的问题的出现。

实施例2的变体1

如上所述，在图5至9所示的示例中，从点P1出发并通过点P2的线性函数被用作趋势线，该趋势线用作学习数据的基础。然而，实施例2不限于该示例。

例如，在实施例2中，也可以使用从点P1出发并通过点P3(参见图)的趋势线(下文中称为“上限线”)，作为从点P1经过并通过点P2的趋势线(下文中称为“下限线”)的附加或替代来创建学习数据。点P3是在其处收集量是每日预定量S和可存储量ΔS的总和的量且时间是结束时间T2的点。

因此，在变体1中，使用上限线创建学习数据。因此，变体1在由生产者交付的量是大的并且在收集/装载站收集过量的农产品的情况下特别有效，并且可以抑制要处理掉的农产品的量。

实施例2的变体2

实施例1的变体2适用于实施例2。也就是说，实施例2也可以以每个生产者可以经由终端50通知收集量调节辅助装置20要向收集/装载站交付的农产品的量的模式来执行。在收集量调节辅助装置20与记录调整后的收集量的外部系统连接的情况下，实施例2也可以以从该系统自动地通知收集量调节辅助装置20调整后的收集量的模式来执行。

实施例3：

接下来，将参照图10描述根据本发明的实施例3的收集量调节辅助装置、收集量调节辅助方法以及程序。图10是示出根据本发明的实施例3的收集量调节辅助装置的特定配置的框图。

根据图10所示的实施例3的收集量调节辅助装置30也是用于辅助调节在收集/装载站收集的农产品的量的装置，类似于根据实施例1的收集量调节辅助装置10和根据实施例2的收集量调节辅助装置20。然而，在实施例3中，收集量调节辅助装置30包括收集量调节辅助装置10和收集量调节辅助装置20的功能。下文将给出具体描述。

如图10所示，收集量调节辅助装置30包括趋势线设置单元31、估计单元32、收集量调节单元33、学习估计单元34和学习数据存储单元35。在这些单元中，趋势线设置单元31具有与实施例1的图2所示的趋势线设置单元11的功能类似的功能。趋势线设置单元31基于由管理人员40输入的设置信息来设置趋势线。

同样，收集量计算单元33具有与实施例1的图2所示的收集量计算单元13的功能类似的功能。在由管理人员40输入了来自各自生产者的调整后的收集量时，收集量计算单元33将这些量相加，以计算最新调整后的收集量，并将计算得到的最新调整后的收集量输出到估计单元32。

此外，估计单元32还具有与实施例1的图2所示的估计单元12的功能类似的功能。如果由管理人员40将特定时间点指定为时间，则估计单元32根据收集量计算单元33已经通知的最新收集量规定在指定时间收集的农产品的量。估计单元32然后根据在指定时间收集的农产品的规定量和此时在趋势线上要收集的量来计算在指定时间的偏差比X，并且使用计算得到的偏差比X估计农产品是否将不足。估计单元32还输出估计结果并经由显示设备或终端设备(图10中未示出)将其呈现给管理人员40。

然而，在实施例3中，不同于估计单元12，估计单元32还具有创建实施例2的图7所示的学习数据的功能。具体地，估计单元32计算在运输在收集/装载站进行时的当天在每个预设时间的偏差比X，并将计算得到的偏差比X作为学习数据存储在学习数据存储单元35中。

在已经达到延长后结束时间T3之后，估计单元32还确定最新收集量是否已经达到目标(参见图6)。如果确定的结果是已经达到目标，则估计单元32将“是”添加到在对应天的学习数据。如果没有到达目标，则估计单元32将“否”添加到在对应天的学习数据。

学习估计单元34具有与实施例2的图5所示的学习估计单元22的功能类似的功能。也就是说，学习估计单元34首先使用存储在学习数据存储单元35中的学习数据构建偏差比X的学习模型。在管理人员指定时间时，学习估计单元34将在指定时间的偏差比应用于构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足。

因此，在实施例3中，通过估计单元32自动创建学习数据。因此，管理人员40不需要创建和输入学习数据。同样，在实施例3中，可以执行图4所示的步骤A1至A7和图9所示的步骤B1至B7二者。因此，可以向管理人员40呈现根据偏差比X计算的估计结果和使用学习数据获得的估计结果二者。这允许管理人员40容易地并成功地调节收集量。

在实施例3中，在估计农产品将不足的情况下，估计单元32和学习估计单元34还可以经由诸如互联网(图10中未示出)的网络向生产者的终端50做出指示不足的警告通知。在这种情况下，接收到通知的生产者可以迅速地处理收集量的不足。

在如上所述通知生产者收集量不足的情况下，估计单元32可以基于排除了由于该通知而增加的量之外的收集量来创建学习数据。也在这种情况下，与实施例2类似，在排除由于该通知而增加的量的情况下的调节结果被用作调节结果，而不是过去的实际调节结果被用作调节结果。根据排除了由于该通知而增加的量的收集量来计算学习数据中在各个时间的偏差比(X₁至X₅)。注意，在这种情况下，由于该通知而增加的农产品的量由管理人员40经由输入设备或终端设备(图10中未示出)输入。

装置的操作

在实施例3中，作为执行图4所示的步骤A1至A7和图9所示的步骤B1至B7中的一个或两者的结果，执行了根据实施例3的收集量调节辅助方法。另外，在实施例3中，每天生成学习数据。因此，执行以下步骤：计算在每个时间的偏差预设比X的步骤、确定最新收集量是否已经达到在结束时间T3的目标的步骤以及存储计算结果和确定结果的步骤。

程序

根据本发明的实施例3的程序仅需要是使计算机执行图4所示的步骤A1至A7和图9所示的步骤B1至B7的程序。通过将该程序安装到计算机并执行它，能够实现根据实施例3的收集量调节辅助装置30和收集量调节辅助方法。在这种情况下，计算机的CPU(中央处理单元)用作趋势线设置单元31、估计单元32、收集量计算单元33和学习估计单元34，并执行处理。

装置的物理配置

现在将使用图11给出对根据实施例1至3通过执行程序来实现收集量调节辅助装置的计算机的描述。图11是示出实现根据本发明的实施例1至3的收集量调节辅助装置的计算机的示例的框图。

如图11中所示，计算机110包括CPU 111、主存储器112、存储设备113、输入接口114、显示控制器115、数据读取器/写入器116和通信接口117。这些部分经由总线121彼此连接，以便能够传送数据。

CPU 111通过以下来执行各种计算：将存储在存储设备113中的根据上述实施例的程序(代码)加载到主存储器112，并按照给定次序执行程序(代码)。主存储器112典型是易失性存储设备，例如DRAM(动态随机存取存储器)。按照存储在计算机可读记录介质120中的状态来提供根据上述实施例的程序。注意，根据上述实施例的程序可以分布在互联网上，计算机110经由通信接口117连接到所述互联网。

存储设备113的具体示例包括硬盘和半导体存储设备(例如闪存)。输入接口114传递CPU 111与例如键盘或鼠标之类的输入设备118之间的数据传输。显示控制器115与显示设备119相连并控制显示设备119上的显示。数据读取器/写入器116传递CPU 111与记录介质120之间的数据传输，从记录介质120读出程序并且在记录介质120中写入在计算机110中执行的处理的结果。通信接口117传递CPU 111和其他计算机之间的数据传输。

记录介质120的特定示例包括例如CF(紧致快闪(注册商标))和SD(安全数字)的通用半导体存储器件、例如软盘的磁存储介质和例如CD-ROM(只读存储器紧致盘)的光学存储介质。

上述实施例的部分或全部可以由补充注释1至补充注释30表示，但不限于此。

(补充注释1)

一种用于辅助调节在收集/装载站收集的农产品的量的装置，包括：

趋势线设置单元，用于使用每天要收集的农产品的预定量来设置趋势线，所述趋势线指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化；和

估计单元，用于获得指示在特定时间点收集的农产品的量与趋势线的偏差程度的偏差比，以及基于获得的偏差比估计农产品是否将不足。

(补充注释2)

根据补充注释1所述的收集量调节辅助装置，还包括：

学习估计单元，用于通过使用在先前若干天的多个时间点的偏差比、以及指示在对应天收集的农产品的量是被成功调节还是未被成功调节的调节结果来构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，以及基于由此获得的结果来估计农产品是否将不足。

(补充注释3)

根据补充注释2所述的收集量调节辅助装置，

其中所述学习估计单元

通过使用来自先前若干天的偏差比计算以偏差比作为变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布来构建学习模型，

将在特定时间点的偏差比应用于计算得到的概率分布，并且使用由此获得的值来获得关于不成功情况的后验概率，以及

基于所获得的后验概率估计农产品是否将不足。

(补充注释4)

根据补充注释1所述的收集量调节辅助装置，

其中趋势线设置单元将使收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，线性函数从收集量为零且时间是收集开始时间的第一点出发，并且通过收集量是要收集的预定量且时间是收集结束时间的第二点。

(补充注释5)

根据补充注释1所述的收集量调节辅助装置，

其中，如果估计单元估计农产品将不足，则估计单元通知预先指定的外部终端农产品将不足。

(补充注释6)

根据补充注释2所述的收集量调节辅助装置，

其中，如果学习估计单元估计农产品将不足，则学习估计单元通知预先指定的外部终端农产品将不足。

(补充注释7)

一种用于辅助调节在收集/装载站收集的农产品的量的装置，包括：

学习估计单元，用于通过使用学习数据构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足，

其中学习数据包括：

使用趋势线计算的偏差比，所述趋势线使用每天要收集的农产品的预定量来设置，并且指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化，所述偏差比指示在先前若干天的多个时间点已收集的农产品的量与趋势线的偏差程度；以及

调节结果，指示在对应天收集的农产品的量是被成功调节还是未被成功调节。

(补充注释8)

根据补充注释7所述的收集量调节辅助装置，

其中所述学习估计单元

通过使用学习数据中包括的偏差比计算以偏差比作为的变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布来构建学习模型，

将在特定时间点的偏差比应用于计算得到的概率分布，并且使用由此获得的值来获得关于不成功情况的后验概率，以及

基于所获得的后验概率估计农产品是否将不足。

(补充注释9)

根据补充注释7所述的收集量调节辅助装置，

其中将使收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，线性函数从收集量为零且时间是收集开始时间的第一点出发，并且通过收集量是要收集的预定量且时间是收集结束时间的第二点。

(补充注释10)

根据补充注释7所述的收集量调节辅助装置，

其中，如果学习估计单元估计农产品将不足，则学习估计单元通知预先指定的外部终端农产品将不足。

(补充注释11)

一种用于辅助调节在收集/装载站收集的农产品的量的方法，包括：

步骤(a)，通过使用每天要收集的农产品的预定量来设置趋势线，所述趋势线指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化；以及

步骤(b)，获得偏差比，所述偏差比指示在特定时间点收集的农产品的量与趋势线的偏差程度，以及基于所获得的偏差比估计农产品是否将不足。

(补充注释12)

根据补充注释11所述的收集量调节辅助方法，还包括：

步骤(c)，通过使用在先前若干天的多个时间点的偏差比、以及指示在对应天收集的农产品的量是被成功调节还是未被成功调节的调节结果来构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，以及基于由此获得的结果来估计农产品是否将不足。

(补充注释13)

根据补充注释12所述的收集量调节辅助方法，

其中，在所述步骤(c)中，通过使用来自先前若干天的偏差比计算以偏差比作为变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布来构建学习模型，

将在特定时间点的偏差比应用于计算得到的概率分布，并且使用由此获得的值来获得关于不成功情况的后验概率，以及

基于所获得的后验概率估计农产品是否将不足。

(补充注释14)

根据补充注释11所述的收集量调节辅助方法，

其中，在所述步骤(a)中，将使收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，线性函数从收集量为零且时间是收集开始时间的第一点出发，并且通过收集量是要收集的预定量且时间是收集结束时间的第二点。

(补充注释15)

根据补充注释11所述的收集量调节辅助方法，还包括：

步骤(d)，如果在步骤(b)中估计农产品将不足，则通知预先指定的外部终端农产品将不足。

(补充注释16)

根据补充注释12所述的收集量调节辅助方法，还包括：

步骤(e)，如果在步骤(c)中估计农产品将不足，则通知预先指定的外部终端农产品将不足。

(补充注释17)

一种用于辅助调节在收集/装载站收集的农产品的量的方法，包括：

步骤(a)，通过使用学习数据构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足，

其中学习数据包括：

使用趋势线计算的偏差比，所述趋势线使用每天要收集的农产品的预定量来设置，并且指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化，所述偏差比指示在先前若干天的多个时间点已收集的农产品的量与趋势线的偏差程度；以及

调节结果，指示在对应天收集的农产品的量是被成功调节还是未被成功调节。

(补充注释18)

根据补充注释17所述的收集量调节辅助方法，

其中，在所述步骤(a)中，通过使用在学习数据中包括的偏差比计算以偏差比作为变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布来构建学习模型，

将在特定时间点的偏差比应用于计算得到的概率分布，并且使用由此获得的值来获得关于不成功情况的后验概率，以及

基于所获得的后验概率估计农产品是否将不足。

(补充注释19)

根据补充注释17所述的收集量调节辅助方法，

其中将使收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，线性函数从收集量为零且时间是收集开始时间的第一点出发，并且通过收集量是要收集的预定量且时间是收集结束时间的第二点。

(补充注释20)

根据补充注释17所述的收集量调节辅助方法，还包括：

步骤(b)，如果在步骤(a)中估计农产品将不足，则通知预先指定的外部终端农产品将不足。

(补充注释21)

一种计算机可读记录介质，存储用于使用计算机辅助调节在收集/装载站收集的农产品的量的程序，所述程序包括用于使计算机执行以下步骤的命令：

步骤(a)，通过使用每天要收集的农产品的预定量来设置趋势线，所述趋势线指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化；以及

步骤(b)，获得偏差比，所述偏差比指示在特定时间点收集的农产品的量与趋势线的偏差程度，以及基于所获得的偏差比估计农产品是否将不足。

(补充注释22)

根据补充注释21所述的计算机可读记录介质，其中，所述程序还包括用于使计算机执行以下步骤的命令：

步骤(c)，通过使用在先前若干天的多个时间点的偏差比、以及指示在对应天收集的农产品的量是被成功调节还是未被成功调节的调节结果来构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，以及基于由此获得的结果来估计农产品是否将不足。

(补充注释23)

根据补充注释22所述的计算机可读记录介质，

其中，在所述步骤(c)中，通过使用来自先前若干天的偏差比计算以偏差比作为变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布来构建学习模型，

将在特定时间点的偏差比应用于计算得到的概率分布，并且使用由此获得的值来获得关于不成功情况的后验概率，以及

基于所获得的后验概率估计农产品是否将不足。

(补充注释24)

根据补充注释21所述的计算机可读记录介质，

其中，在所述步骤(a)中，将使收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，线性函数从收集量为零且时间是收集开始时间的第一点出发，并且通过收集量是要收集的预定量且时间是收集结束时间的第二点。

(补充注释25)

根据补充注释21所述的计算机可读记录介质，其中，所述程序还包括用于使计算机执行以下步骤的命令：

步骤(d)，如果在步骤(b)中估计农产品将不足，则通知预先指定的外部终端农产品将不足。

(补充注释26)

根据补充注释22所述的计算机可读记录介质，其中，所述程序还包括用于使计算机执行以下步骤的命令：

步骤(e)，如果在步骤(c)中估计农产品将不足，则通知预先指定的外部终端农产品将不足。

(补充注释27)

一种计算机可读记录介质，存储用于使用计算机辅助调节在收集/装载站收集的农产品的量的程序，所述程序包括用于使计算机执行以下步骤的命令：

步骤(a)，通过使用学习数据构建偏差比的学习模型，将在特定时间点的偏差比应用于所构建的学习模型，并且基于由此获得的结果来估计农产品是否将不足，

其中学习数据包括：

使用趋势线计算的偏差比，所述趋势线使用每天要收集的农产品的预定量来设置，并且指示从开始收集农产品时直到收集结束要收集的农产品的量的理想变化，所述偏差比指示在先前若干天的多个时间点已收集的农产品的量与趋势线的偏差程度；以及

调节结果，指示在对应天收集的农产品的量是被成功调节还是未被成功调节。

(补充注释28)

根据补充注释27所述的计算机可读记录介质，

其中，在所述步骤(a)中，通过使用在学习数据中包括的偏差比计算以偏差比作为变量的关于收集的农产品的量未被成功调节的不成功情况的概率分布来构建学习模型，

将在特定时间点的偏差比应用于计算得到的概率分布，并且使用由此获得的值来获得关于不成功情况的后验概率，以及

基于所获得的后验概率估计农产品是否将不足。

(补充注释29)

根据补充注释27所述的计算机可读记录介质，

其中将使收集量和时间作为两个正交轴的坐标系中的线性函数设置为趋势线，线性函数从收集量为零且时间是收集开始时间的第一点出发，并且通过收集量是要收集的预定量且时间是收集结束时间的第二点。

(补充注释30)

根据补充注释27所述的计算机可读记录介质，其中，所述程序还包括用于使计算机执行以下步骤的命令：

步骤(b)，如果在步骤(a)中估计农产品将不足，则通知预先指定的外部终端农产品将不足。

尽管已参照实施例来描述了本申请的发明，本申请的发明不限于上述实施例。本申请的发明的配置和细节可以受到本领域技术人员可以理解的、落入本发明的范围内的各种修改。

本申请要求基于2014年7月8日提交的日本专利申请No.2014-140870的优先权的益处，其全部公开通过引用并入本文中。

工业实用性

根据本发明，即使在农产品由多个生产者带到收集/装载站的情况下，也可以预测收集的农产品的量。本发明在农业领域是有用的。

附图标记列表

10 收集量调节辅助装置(实施例1)

11 趋势线设置单元

12 估计单元

13 收集量计算单元

20 收集量调节辅助装置(实施例2)

21 学习数据存储单元

22 学习估计单元

23 收集量计算单元

30 收集量调节辅助装置(实施例3)

31 趋势线设置单元

32 估计单元

33 收集量计算单元

34 学习估计单元

35 学习数据存储单元

40 管理人员

50 生产者的终端

110 电脑

111 CPU

112 主存储器

113 存储设备

114 输入接口

115 显示控制器

116 数据读取器/写入器

117 通信接口

118 输入设备

119 显示设备

120 记录介质

121 总线