AIと最適化を用いたサプライチェーン最適化ソリューションを提供 - ログ・オプト -
ログ・オプトは研究者および技術者のプロフェッショナル集団です.
  • Home
  • Solution
    • Webシステムデモ&トライアル
    • Optimization Solver
      • 制約最適化ソルバーSCOP
      • スケジューリング最適化ソルバーOptSeq
      • 数理最適化ソルバーGurobi Optimizer
      • 配送最適化ソルバーMETRO
    • Web System
      • サプライ・チェイン基本分析
      • 在庫最適化
      • 生産ロット最適化
      • ロジスティックネットワーク設計
      • 幹線輸送ネットワーク最適化
      • 人員配置(シフト)最適化
      • 配送最適化
      • サプライ・チェインリスク分析
      • 需要予測
    • Consulting
  • News/Blog
  • Resource
  • About us
    • 会社概要
    • お問い合わせ
    • プライバシーポリシー
    • 情報セキュリティポリシー

ENGLISH CHINESE

  • ENGLISH
  • CHINESE

LOG OPT(ログオプト)は研究者および技術者のプロフェッショナル集団です.

snd0
2020-08-08

コロナ禍で重要になる最適化モデル(3)サービスネットワーク設計

最適化

サービスネットワーク設計

コロナ禍では,スーパーでの買い物より,宅配を依頼することが増えてきます.自然とEC (electronic commerce)が増加することになりますが,ECは小口の貨物を集約して運ぶ物流方式によって支えられています.

このような小口貨物の輸送では,物資は発地から着地まで直送されるのではなく,適当な地点に集約し,そこで積み替えて輸送することによって効率化を図ります.サプライ・チェインの最適化理論では,これはサービスネットワーク設計モデルと呼ばれます.

snd1

 

多対多の需要をもつネットワーク設計モデルは,多品種ネットワーク設計と呼ばれ古くから多くの研究がされてきました.サービスネットワーク設計モデルは,この多品種ネットワーク設計モデルに,幾つかの実務的に必要な制約を付加したモデルであると考えられます.

1つ目の制約は,発地から着地までの経路が1本のパスになっていないといけないという条件です.2つ目の制約は,1つの着地点への荷物が,一度合流したら枝分かれをしないという条件(これを入木条件と呼びます)です.

snd2

 

また,通常はトラックで輸送するので,トラックの種類(大きさや冷凍設備の有無)や費用を考慮する必要があります.さらに,トラックの運転手の休憩時間や巡回型の輸送についても考慮する必要があります.

このような複雑な制約の下で全体最適を行うことは容易ではありません.弊社では,最新の数理最適化のテクニックを駆使して,このモデル特有の構造を利用した解法を構築しており,実際規模の問題例でも短時間で良好な解を算出することを確認しています.

詳細については,サービスネットワーク設計システム SENDOのページをご参照下さい.

コロナ禍で重要になる最適化モデル(2)リスク分析 コロナ禍で重要になる最適化モデル(4)配送計画

Related Posts

AI, その他, 最適化

巡回セールスマン問題の最先端

case_gannt_for_shift

Python, SCMOPT, サプライ・チェイン, 可視化, 実務, 最適化

シフト最適化(ケーススタディ7)

case sendo sol

Python, SCMOPT, サプライ・チェイン, 可視化, 実務, 最適化

サービスネットワーク設計(ケーススタディ6)

カテゴリー

  • AI
  • Python
  • SCMOPT
  • サプライ・チェイン
  • その他
  • 可視化
  • 実務
  • 最適化
AIと最適化を用いたサプライチェーン最適化ソリューションを提供 - ログ・オプト -
Copyright © 2019 Log Opt Co., Ltd.