概要
配送最適化システム METROは，どの順番，どのルートで配送するか，お客様のところにいつ行けるかなどが計算できます．
METROでは，大きく分けて2種類の異なるタイプの配送最適化が可能です．
デポto顧客型：デポ（倉庫や配送センター）で荷物を積み，各顧客を回りながら配達と集荷を行い，デポに戻り，集荷した荷物を下ろすタイプの配送問題です．例えば，宅配便のようにセンターから出発し，センターに戻るような配送がこのタイプの配送問題になります．METROでは，集荷のみを行う（センターで積み込む荷物がない）場合，トラックはセンター以外の地点から出発し，センターに戻ることも可能で，配達のみを行う（センターで下ろす集荷物がない）場合，トラックはセンターに戻らなくてもよいケースも求解可能です．また，複数デポ同時最適化も可能です．
顧客to顧客型：複数組の顧客地点から顧客地点への荷物の移動をどのトラックで行うかを決める配送問題です．例えば，シェアリングタクシーやシェアリングトラックサービスでのどの車両をどの顧客地点間の移動に割り当てるかを決めるのががこのタイプの配送問題になります．
性能
さまざまな実際問題の制約が考慮可能で，大規模問題でも高速で良い解を探し出すことが可能です．
ベンチマーク：
- VRPTW（Solomon benchmark）ベンチマーク：100ジョブインスタンス，計算時間中央値が484ms，解の精度の中央値は+1.2%
- PDPTW（Li&Lim benchmark）ベンチマーク：100ジョブインスタンス，計算時間中央値が130ms，解の精度の中央値は+0.1%
上記のベンチマークは，解の精度のみを競うもので，求解時間制限もなく，問題に特化したアルゴリズム作成やチューニングを行っても大丈夫ですが，METROは汎用的な配送最適化ソルバーで，短時間でも良い答えが出ることが確認できました．
また，様々な制約付き（時間帯指定，休憩考慮，重量と容量制限考慮，車格や車種などの制限考慮）の実際問題での実験では，800地点の問題でも数十秒で現状より10％以上良い結果を得ることができました．
配送最適化解説＆METROデモ
考慮可能制約
時間制約，入庫可能車両タイプ制限など積み降ろし地点の様々な制約，運転手の休憩，トラックの多次元容量（冷蔵と冷凍混載など複数タイプの荷物の混載考慮可能），同時集配… など
特徴
- 配送最適化問題に特化したメタヒューリスティクス使用のため，大規模で制約の複雑な配送最適化問題でも高速で良好な解が出ます．
- 現実の配送最適化問題の様々な条件が考慮可能で，様々なタイプの配送最適化問題が対応可能です．
- 出てくる答えは非常に良いスケジュールになっているため，手動調整不要ですが必要に応じてデータの固定や結果のExcel上での手動調整が可能です．
- Excelデータをそのまま利用可能で，SCMOPTのその他サブシステムやxlsx，API経由で外部システムとの連携も可能です．
- Excelとwebアプリを融合したインターフェイスで，多くの場合，ユーザ自身でモデルのカスタマイズが可能です．
- モデリングのコンサルティングサービスや各種サポート，必要に応じた個別カスタマイズも可能です．
- 厳選したソルバーやモデルを採用しているため，既存技術で解ける最大規模の問題まで解けます．
- 現状の再現ではなく，膨大な組み合わせの中からより良い意思決定の答えを見つけ出します．
- 近視眼的な改善ではなく，全体の目的と制約を考慮し，バランスのとれた最適な答えを自動で計算します．
利用方法
パブリッククラウド，API，オンプレミス，プライベートクラウド
カスタマイズ
導入コンサルティングや各種サポートが可能です．SCMOPTに含まれるシステムをベースにセミオーダーメイドのシステム作成も可能です．詳細はお問い合わせください．
デモ，無料相談
サプライチェーン最適化，数理最適化やAI需要予測などに関する様々なご相談を無料受付中です．お気軽にご相談ください．
*説明には，一部オプション機能やカスタマイズ必要な機能も含まれています．詳細はお問い合わせください．
*ユーザ側で行うモデリングは，プログラミング知識は不要ですが，一定のAIや数理最適化に関する知識が必要であるため，初心者のシステムの単独利用はおすすめしておりません．是非，まず，無料相談でご相談ください．
動的・確率的配送最適化について
動的・確率的配送最適化のソリューション提供も可能です．
既存配送予定顧客以外にもランダムに新しい顧客が発生する問題は再最適化だけでは不十分な場合があります．このようなケースの場合，最適化＋予測やサンプリング，最適化＋強化学習など問題依存の設計になります．
詳細はお問い合わせください．