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
SCRM
2022-06-21

サプライチェーンリスク解析の最先端

LogOpt AI, SCMOPT, サプライ・チェイン, 実務, 最適化

 

今回は,「企業はMITの研究を利用してサプライチェーンのリスクを特定し対応する」という記事について簡単に紹介します.記事内で紹介されているリスク評価尺度は,弊社のサプライチェーンリスク分析システムMERIODASでも採用しており,Webアプリで試すことができます.

記事の原文リンク:「Companies use MIT research to identify and respond to supply chain risks」 

記事の内容を簡単にまとめると,リスクを特定することは,企業がよりレジリエンスを高め,コストを削減することにもつながります.しかし,サプライチェーンリスクの分析や対応は過去の経験に基づいた判断だけでは不十分で,数理モデルによるデータ解析に基づいた判断をすべきであるとの内容です.

また,記事では,重要なサプライチェーンの「ストレステスト」とグローバルサプライチェーンの回復を導く方法に関するSimchi-Levi教授(MIT)の研究は,4月に米国議会に提出された「2022年大統領経済報告書」(「2022 Economic Report of the President」)に盛り込まれましたとも書いており,米国ではデータ解析に基づいた意思決定が非常に重視されているように感じました.

記事では,「Risk Exposure Index (REI) 」という研究について簡単に触れており,事例についても紹介しています. REIの中核となるのはサプライチェーンの数理モデルで,サプライチェーンのさまざまなノードで起こりうる障害に着目しています.特定のノードが完全に機能を回復するまでの時間を測定する「回復時間」(TTR:time-to-recover)や,障害発生後にサプライチェーンが需要と供給を一致させることができる最大期間を特定する「余裕生存時間」(TTS:time-to-survive)などの変数を計算することによって,このモデルは障害の原因よりも障害がサプライチェーンに与える影響に焦点を当てます.

詳しくは記事原文を御覧ください.

国内のサプライチェーンのリスク関連のサービスを調べてみるとサプライヤーの状況のリアルタイム見える化をしましょうというのが多かったですが,弊社では,サプライチェーンのリスクの特定やレジリエンスを高めるためにはデータの見える化をするだけでは不十分で,数理モデルによる解析が必要であると考えています.

理由は,企業のサプライチェーンは非常に複雑なネットワークになっており,特定の地点での障害がサプライチェーン全体にどのような影響を及ぼすかは簡単には分かりません.記事でも分析してみたら非常に重要だと思っていた戦略パートナーより小さな部品を提供しているサプライヤーの方のリスクが高い事例があったと書いてありました.

 また,数理モデルを用いるメリットとして,事前のシナリオ解析によりサプライチェーンのレジリエンスを高めることが可能で,予測できなかった災害が起きた場合も,最善の意思決定を数理モデル解析に基づいて迅速に行うことができます.これ以外にも,リスクも考慮した最適な在庫の配置やサプライヤーの選定を数理モデル解析に基づいて行うことでコスト削減にも繋がります.

弊社では記事での数理モデルと類似のモデルを用いたサプライチェーンリスク解析サービスを行っております.

数理モデルを用いた(最適化ベースの)サプライチェーンリスク解析システムMERIODAS

MERIODASデモページ(「SCMOPTデモバージョン」内)

 


その他サプライチェーン関連の需要予測や最適化ソリューション:

サプライチェーン統合最適化システムSCMOPT

 

 

 

Amazonを支えているアナリティックス 「書籍」Python言語によるプログラミングイントロダクション 第3版

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

Amazonを支えているアナリティックス

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.