AI&数理最適化技術を用いたサプライチェーン最適化 - ログ・オプト -
研究者および技術者のプロフェッショナル集団です.
  • Home
  • Products
    • SCMOPT デモ&トライアル
    • サプライチェーン最適化システムSCMOPT
      • サプライ・チェイン基本分析
      • サプライ・チェインリスク分析
      • 需要予測
      • 需要予測+動的発注方策
      • 安全在庫最適化
      • 配送最適化
      • 幹線輸送ネットワーク最適化
      • ロジスティクス・ネットワーク最適化
      • 生産ロット最適化
      • 生産スケジューリング最適化システム
      • 人員配置(シフト)最適化
      • ダイナミックプライシング/収益最適化
    • 最適化ソルバー
      • 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
      • 集合被覆最適化ソルバーOptCover
  • Solutions
    • 分野別ソリューション
      • サプライ・チェイン
      • マーケティング
      • その他分野
    • コンサルティング
  • News/Blog
  • Resource
  • About us
    • 会社概要
    • プライバシーポリシー
    • 情報セキュリティポリシー
    • SCMOPTセキュリティー
    • 商品・サービス利用規約
  • Contact Us
    • お問い合わせ
    • 無料書籍申し込みフォーム
研究者および技術者のプロフェッショナル集団です
   

CHINESE ENGLISH

  • ENGLISH
  • CHINESE
スクリーンショット 2021 11 10 1.20.23
2021-11-11

Amazonを支えているアナリティックス

LogOpt AI, SCMOPT, サプライ・チェイン, 実務, 最適化

今回は,2021年 INFORMS Prizeをアマゾンが受賞した時のプレゼン動画の内容を簡単にまとめてみました.この動画を見て,新しいビジネスモデルだけでなく,そのビジネスモデルが成り立つように支えているテクノロジーの役割も非常に大きかったと感じました.(INFORMSはアメリカのOR学会で,INFORMS PrizeはORを活用して実務の課題解決をおこなっている企業に与える賞です.)

詳細は動画をご覧ください.

 

動画では,主に中距離トラック輸送,航空機での輸送,単発依頼に関する荷主と運送者のマッチングの3種類の課題解決にOR(Operations Research)を活用したとことについて解説しています.ORは最適化を含むより幅広い課題解決技法のことですが,動画の中でのORは主に最適化のことを指しています.

 

また,動画では,データ解析やOR利用目的は,より速く,より安く,時間通りに配達することであると説明しており,ORがなければアマゾンはこれほど成長できなかったと説明していました.

 

アマゾンでのORの過去の応用事例

アマゾンでは1990年代後半から自社の成長段階に合わせて様々な課題解決にORを使っています.例えば,初期は,配送は外部委託であったため配送最適化など必要性はなかったですが,FCの立地選択やFCの処理能力改善にORを使いました.

物流関連活用例

  • FC(Fulfillment center)の配置
  • FCの処理能力改善
  • 既存施設の保管スペース利用率向上
  • 商品を約束した期間内に顧客に届けるための出荷FC選択
  • 施設間の輸送手段(トラックや航空機)の選択

 

AWS関連活用例

  • コミュニケーションネットワークデザイン
  • 基幹ネットワーク上でのパケットフローの解析
  • データセンターの部品在庫管理

実店舗関連活用例

  • 新規店舗の立地選択
  • 需要予測
  • 在庫管理

 

その他活用例

  • 人員配置
  • 海上輸送
  • 鉄道輸送
  • 自動発注と在庫管理
  • ラストワンマイル配送
  • アマゾンロボティクス など

 

スクリーンショット 2021 11 10 23.18.58

  

今回のメインの課題と解決に使った技術

課題

中距離のトラックや航空輸送はアマゾンで非常に高速に成長している分野で,北米だけでも週に1億個のパッケージをトラック2万台/日,航空機200機/日を使って処理しており,全ての顧客への約束時間通りの配送を行う前提で,より低コストで,ロバストな輸送ネットワーク構築するのが課題です.

 

解決したい課題詳細

  • 現在と将来の陸上と空の最適なロジスティックスネットワークの構築
  • ネットワーク上でのパッケージのフローを最適化する
  • 途絶が発生したときの有効な対策ポリシーのデザイン
  • 資源の適切な配置とダイナミックプライシングによる需要と資源容量制約のバランスを取る
  • 新しいビジネスチャンス,新しいネットワークデザイン,新しい運用方法に対する戦略的な考察を得る

 

スクリーンショット 2021 11 10 1.28.46

課題を3つのテーマに分けて解決

  1. 陸上輸送

利用技術:最適化

中距離トラック輸送(拠点間の輸配送)に焦点をあて,どのルートを使うか,どのようにネットワークのバランスを取るか,空のトラックをいつ,どこからどこへ移動させるべきかなどの課題を様々な制約を考慮しながら最適化しています.

 

  1. 航空機での輸送

利用技術:最適化

航空ネットワークの設計,ハブの配置場所,どのような仕分けをするか,どの種類の航空機を何機必要か,メンテナンススケジュール作成,航空機の割り当て,クルーの割り当て,航空機での輸送スケジュール作成などに最適化を使用しています.効果としては,効率化による費用削減,ネットワークカバレッジをアップすることが可能になっています.

 

  1. マーケットプレイス・サイエンス

利用技術:機械学習+最適化

価格設定とコストの最適化,ロジスティックスネットワークのパフォーマンスを向上させるために効率的に取引ができる仕組み開発に注力しています.ここでは,単発依頼に対する入札などのユーザ間の価格交渉が不要なマッチングプラットフォームを作成しています.このシステムではダイナミックプライシングを使用して荷主と運送者両者にとって適切な価格を動的に自動計算しており,現在のマッチングの成功率は98%以上になっています.これにより,交渉などにかかる手間を省くことができ,低価格での高いマッチング率も実現できています.

 

このように意思決定をシステム化することで,様々なシミュレーションや解析を行うことが可能になり,モデルの拡張や今後の戦略の最適な意思決定にも役立ちます.

   


 

アマゾンで使われている最適化ソリューションの多くは弊社でも提供可能です.一部の課題に関しましては,類似のソリューションを提供した経験があり,一部の課題は抽象化すると弊社のサービス対象である最適化アルゴリズムで対応可能であると考えております.

弊社では,主にサプライチェーン関連の需要予測や各種最適化ソリューションの提供をしており,ダイナミックプライシングなど収益最適化に関するソリューションなどの提供も行なっております.

サプライチェーン統合最適化システムSCMOPT

その他サプライチェーン関連,マーケティング関連,その他分野向けのソリューション

   

 

サプライチェーンを近代化するよりシンプルな方法 サプライチェーンリスク解析の最先端

Related Posts

News, Python, その他, 実務, 最適化

「書籍」Pythonによる実務で役立つ最適化問題100+

AI, SCMOPT, サプライ・チェイン, 実務, 最適化

サプライチェーンリスク解析の最先端

AI, SCMOPT, サプライ・チェイン, 実務, 最適化

サプライチェーンを近代化するよりシンプルな方法

カテゴリー

  • AI
  • News
  • Python
  • SCMOPT
  • サプライ・チェイン
  • その他
  • 可視化
  • 実務
  • 最適化
AI&数理最適化技術を用いたサプライチェーン最適化 - ログ・オプト -
Copyright © 2019 Log Opt Co., Ltd.