JP2012014372A - 情報処処理装置、情報処理方法、及びコンピュータプログラム - Google Patents

Abstract

【課題】 コスト最小となる物流ネットワークが得られた後に、その物流ネットワークが現実的に実行可能な物流ネットワークであるか否かを確認することが可能な技術を提供すること。
【解決手段】 物流ネットワークにおいて、各物流拠点における物品の需要量や供給量と、物品の搬送等に要する費用を用いてコストが最小となる最適物流ネットワークを導出する。そして、その最適物流ネットワークにおける前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションを行い、その結果が制約条件を満たしているかを判定する。
【選択図】 図３

Description

本発明は、製品等の生産・供給地点から、需要地点に至るまでの物流ネットワークについて、物流拠点の配置や規模などの最適な設計を検討する業務を支援する技術に関する。

企業等においては、中長期的な物流戦略として、工場、物流倉庫、営業倉庫などの拠点立地や、その間の物流方法（陸送、船舶、鉄道など）の選択などを意思決定し、運用している。ここでは、その意思決定を、物流ネットワークの設計・最適化と呼ぶ。

現在、物流ネットワークの設計・最適化業務を行う際には、担当者の経験と勘に頼った形で行われているのが一般的である。一部の先進的な企業においては、物流ネットワークの最適化の考え方に基づいて、コンピュータシステムを用いて最適か計算を行っている場合もある。このようなコンピュータシステムを用いた検討プロセスは、例えば次のとおりである。

まず、最適化シナリオ（拠点配置のパターンや物流情報の候補案など）を検討・設計し、必要なマスタデータを修正したうえでコンピュータシステムに入力する。その後、物流ネットワークの最適化計算を行い、結果としてコストが最小となる拠点の立地や物流方法を選択する。

一方、物流ネットワーク上の在庫が適正であるか、スムースに部品・製品が流れるかを検証するために、在庫シミュレーションを行って、拠点別の仕掛・在庫推移や、在庫回転日数などの各種指標を把握し、改善アクションにつなげている。

この作業は、米国マイクロソフト社のＥｘｃｅｌ等のツールを用いたＥＵＣで行うか、あるいは特許文献１に記載の方法などを用いて実施される。作業は、シミュレーションシナリオ（需要データや供給データ）を検討・設定し、必要なマスタデータを収集の上、入力する。その後、シミュレーションを実行して、設定された各種指標（在庫回転日数等）を計算する。

特開２００２−２８８２９５号公報

しかしながら、物流ネットワークの最適化には次のような課題がある。

物流ネットワーク最適化計算は、通常、線形整数計画法を用いる。物流ネットワークが大きい場合、その変数の数は膨大となり、整数計画問題の計算負荷のために、製品情報をアイテム単体ではなくグルーピングを行なう、最適化計算対象期間をマクロ的に１またはできるだけ少ない複数期間に集約する、などの工夫により、問題（式の数・変数の数）を小さくして計算実行している。

例えば、対象期間を１年とし、１年分を合計（すなわちタイムバケットを１年として）した需要データと、倉庫や輸送手段の日毎の取扱上限数の１年分合計数を１年分の上限として計算を行なう。また、１万アイテムを、１０種類の品種にグルーピングして計算を行なうなどして、計算の効率化を図っている。

このため、せっかくコスト最小となるような物流ネットワークを得られたとしても、その物流ネットワークで、個別・日別のアイテムの需給を満たしているか、輸送手段や倉庫の日々の容量上限などの制約条件を満たしているかどうか、即ち、現実的に実行可能な物流ネットワークであるか否かは即座に分からない。これが第一の課題である。

また、在庫シミュレーションにおいては、そのシミュレーション結果が制約条件を満たしていない場合に、在庫シミュレーションの対象とした物流ネットワークのどのパラメータを変更すれば実行可能になるのかという手がかりを得ることが難しいため、在庫シミュレーションを実施したのち、物流ネットワークのスペックを変更して在庫シミュレーションを再実行するという、人手による試行錯誤を引き起こしている。これが第二の課題である。

さらに、物流ネットワーク最適化と、在庫シミュレーションは、本質的に同じ物流ネットワークの上で、ほぼ同様の需要データや供給データと、ほぼ同様の倉庫・輸送手段情報を用いて計算する。異なるのは、タイムバケットの大きさや、計算対象となる変数の値である。しかしながら、この２つの業務の連携が不十分であるため、連続して実行する場合に、これらの情報を２度打ちしたり、わざわざ変換を行なったりする必要があるのが一般的である。これが第三の課題である。

そこで、本発明は、コスト最小となる物流ネットワークが得られた後に、その物流ネットワークで、個別・日別のアイテムの需給を満たしているか、輸送手段や倉庫の日々の容量上限などの制約条件を満たしているかどうか、即ち現実的に実行可能な物流ネットワークであるか否かを確認することが可能な技術を提供することを目的とする。

上記した目的を達成するために、本発明の情報処理装置は、物品の需要データ及び供給データを用いて、物流ネットワークの最適化を支援する情報処理装置であって、前記物品の搬送に要する費用であるコストデータを記憶する第１の記憶手段と、前記物流ネットワークの複数の需要拠点における前記物品の需要データをそれぞれ設定する第１の設定手段と、前記物流ネットワークの複数の供給拠点における前記物品の供給データをそれぞれ設定する第２の設定手段と、前記コストデータ、前記需要データ、及び前記供給データを用いて、前記物品を前記物流ネットワークで搬送する際に要する費用が最小となる物流ネットワークである最適物流ネットワークを導出する最適化手段と、前記最適物流ネットワークでの前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションする在庫シミュレーション手段と、を備えることを特徴とする。

上記した目的を達成するために、本発明の情報処理方法は、前記物品の搬送に要する費用であるコストデータを記憶する記憶装置を備え、物品の需要データ及び供給データを用いて、物流ネットワークの最適化を支援する情報処理装置によって行われる情報処理方法であって、前記物流ネットワークの複数の需要拠点における前記物品の需要データをそれぞれ設定する第１の設定工程と、前記物流ネットワークの複数の供給拠点における前記物品の供給データをそれぞれ設定する第２の設定工程と、前記コストデータ、前記需要データ、及び前記供給データを用いて、前記物品を前記物流ネットワークで搬送する際に要する費用が最小となる物流ネットワークである最適物流ネットワークを導出する最適化工程と、前記最適物流ネットワークでの前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションする在庫シミュレーション工程と、を備えることを特徴とする。

上記した目的を達成するために、本発明のコンピュータプログラムは、前記物品の搬送に要する費用であるコストデータを記憶する記憶装置を備えるコンピュータを、物品の需要データ及び供給データを用いて、物流ネットワークの最適化を支援する情報処理装置として機能させるためのコンピュータプログラムであって、前記コンピュータを、前記物流ネットワークの複数の需要拠点における前記物品の需要データをそれぞれ設定する第１の設定手段と、前記物流ネットワークの複数の供給拠点における前記物品の供給データをそれぞれ設定する第２の設定手段と、前記コストデータ、前記需要データ、及び前記供給データを用いて、前記物品を前記物流ネットワークで搬送する際に要する費用が最小となる物流ネットワークである最適物流ネットワークを導出する最適化手段と、前記最適物流ネットワークでの前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションする在庫シミュレーション手段として機能させることを特徴とする。

本発明によれば、コスト最小となる物流ネットワークが得られた後に、その物流ネットワークで、個別・日別のアイテムの需給を満たしているか、輸送手段や倉庫の日々の容量上限などの制約条件を満たしているかどうか、すなわち現実的に実行可能な物流ネットワークであるか否かを確認できるという効果を奏する。

また、本発明によれば、在庫シミュレーションにおいて、そのシミュレーション結果が制約条件を満たしていない場合に、在庫シミュレーションの対象とした物流ネットワークのどのパラメータを変更すれば実行可能になるのかという手がかりを得ることができ、在庫シミュレーションを実施したのち、物流ネットワークのスペックを変更して在庫シミュレーションを再実行するという、人手による試行錯誤を緩和することができる効果も合わせて奏する。

本発明の情報処理装置の機能構成の一例を示す図である。 本発明の情報処理装置として適用可能なコンピュータのハードウェア構成の一例を示す図である。 情報処理装置によって行われる処理の概要を示すフローチャートである。 需要データテーブルのデータ構成の一例を示す図である。 供給データテーブルのデータ構成の一例を示す図である。 地点マスタデータテーブルのデータ構成の一例を示す図である。 アイテムマスタデータテーブルのデータ構成の一例を示す図である。 地点アイテムマスタデータテーブルのデータ構成の一例を示す図である。 地点区間マスタデータテーブルのデータ構成の一例を示す図である。 地点区間アイテムマスタデータテーブルのデータ構成の一例を示す図である。 料金表マスタデータテーブルのデータ構成の一例を示す図である。 在庫管理マスタデータテーブルのデータ構成の一例を示す図である。 リードタイムマスタデータテーブルのデータ構成の一例を示す図である。 カレンダーマスタデータテーブルのデータ構成の一例を示す図である。

以下、図面を参照して、本発明の実施の形態を詳細に説明する。

図１は、本発明の情報処理装置１００の機能構成の一例を示す図である。情報処理装置１００は、マスタデータ設定・管理部１０１、需要データ設定・管理部１０２、供給データ設定・管理手段１０３、物流ネットワークコスト最適化部１０４、在庫シミュレーション部１０５、在庫シミュレーション結果分析部１０６を備えている。

マスタデータ設定・管理部１０１は、コストデータをはじめとした後述する各種マスタデータを設定・管理する機能部である。重要データ設定・管理部１０２は、物流ネットワーク上の重要拠点における需要データを設定・管理する機能部である。供給データ設定・管理部１０３は、物流ネットワーク上の供給拠点における供給データを設定・管理する機能部である。

物流ネットワークコスト最適化部１０４は、物流コストが最小となるように物流拠点の立地や容量、輸送手段などの各種パラメータ値の最適計算を実行する機能部であり、マスタデータ設定・管理部１０１、需要データ設定・管理部１０２、及び供給データ設定・管理部１０３で管理されるデータを使用して、ネットワークコストの最適化計算処理を行う。

在庫シミュレーション部１０５は、物流ネットワークコスト最適化部１０４による最適化計算処理の結果導出される物流ネットワークにおいて、需要量と在庫量の推移を時系列シミュレーションする。その際に、在庫シミュレーション部１０５は、マスタデータ設定・管理部１０１、需要データ設定・管理部１０２、及び供給データ設定・管理部１０３で管理されるデータを使用して、在庫シミュレーションを行う機能部である。在庫シミュレーション結果分析部１０６は、在庫シミュレーション部１０５による在庫シミュレーション結果の分析を行う機能部である。

以上が、本発明の情報処理装置１００の機能構成の一例の説明である。

次に、図２を参照して、本発明の情報処理装置１００として適用可能なコンピュータのハードウェア構成の一例について説明する。

図中、ＣＰＵ２０１は、システムバス２０４に接続される後述の各デバイスやコントローラを統括的に制御する。また、ＲＯＭ２０３あるいは外部メモリ２１１には、ＣＰＵ２０１の制御プログラムであるＢＩＯＳ（Basic Input / Output System）やオペレーティングシステムプログラム（以下、ＯＳ）や、プロキシサーバ１０１に後述する各種の処理を実行させるために必要な各種プログラムやデータ等が記憶されている。ＲＡＭ２０２は、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。

ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＡＭ２０２にロードして、プログラムを実行することで後述する各種処理を実現するものである。また、入力コントローラ（入力Ｃ）２０５は、キーボードやポインティングデバイス等で構成される入力装置２０９からの入力を制御する。ビデオコントローラ（ＶＣ）２０６は、ディスプレイ装置２１０等の表示装置への表示を制御する。ディスプレイ装置２１０は、例えばＣＲＴディスプレイや液晶ディスプレイ等で構成される。

メモリコントローラ（ＭＣ）２０７は、ブートプログラム、ブラウザソフトウエア、各種のアプリケーション、フォントデータ、ユーザファイル、編集ファイル、各種データ等を記憶するハードディスク（ＨＤ）やフロッピーディスク（登録商標 ＦＤ）或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュメモリ等の外部メモリ２１１へのアクセスを制御する。

通信Ｉ／Ｆコントローラ（通信Ｉ／ＦＣ）２０８は、ネットワークを介して、外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。例えば、ＴＣＰ／ＩＰを用いたインターネット通信等が可能である。

なお、ＣＰＵ２０１は、例えばＲＡＭ２０２内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ装置２１０上での表示を可能としている。また、ＣＰＵ２０１は、ディスプレイ装置２１０上の不図示のマウスカーソル等でのユーザ指示を可能とする。以上が、プロキシサーバ１０１に適用可能な情報処理装置のハードウェア構成の説明であるが、後述する各種の処理を実行可能であれば、必ずしも図２に記載のハードウェア構成を有していなくとも構わないことは言うまでもない。

次に、図３を参照して、情報処理装置１００のＣＰＵ２０１によって行われる処理の概要について説明する。情報処理装置１００のＣＰＵ２０１に本処理を実行させるためのコンピュータプログラムは外部メモリ２１１等に記憶されており、ＣＰＵ２０１は、必要に応じて当該コンピュータプログラムをＲＡＭ２０２にロードし、該ロードしたコンピュータプログラムの制御に従って本処理を実行する。

まず、ＣＰＵ２０１は、最適化の検討をすべき物流ネットワークにおける需要データと供給データの設定を行う。この処理は、需要データ設定・管理部１０２及び供給データ設定・管理部１０３によって行われる。

ここで、図４を参照して、需要データテーブルについて説明する。需要データテーブル４００には、物流ネットワークによって輸送される商品や製品などの、各重要地点におけるタイムバケット別の需要量を示す需要データが設定され、管理される。

本実施例では、物流ネットワークを流れる商品や製品の最小単位のことをアイテムと呼ぶ。また、アイテムを種類等によってくくる単位のことをアイテムグループと呼ぶ。タイムバケットは、例えば、時間帯ごと、日ごと、週ごと、月ごと、などのバケットサイズが考えられる。需要地点は、具体的な消費地レベルでの詳細な地点情報の場合や、その上位の店舗・配送センター等の施設や、市区町村や都道府県といった地域であってもよい。地域の場合には代表地点として、役所や人口重心地点などを設定しておく。

次に、図５を参照して供給データテーブル５００について説明する。供給データテーブル５００で管理されている供給データは、アイテムを製造したり調達したりするなど、ネットワークの起点となる地点へのアイテムの入力情報である。需要データと同様に、タイムバケットごと、アイテムまたはアイテムグループ毎の供給量が設定され管理されている。供給地点は、具体的な工場や供給倉庫などの詳細な地点情報を用いる場合が多いが、需要地点と同様にその上位の広域情報でもよい。

図３の説明に戻る。ＣＰＵ２０１は、ステップＳ３０１において、このような需要データや供給データの入力を、ユーザの入力装置２０９に対する操作により受け付け、需要データテーブル４００、供給データテーブル５００に設定する。尚、場合によっては、需要予測システムやサプライチェーン管理システムなどと連携することで、需要データや供給データの入力を受け付けることも考えられる。

また、必要に応じて、入力された需要データや供給データを修正や追加、削除などの編集を行うことも可能である。

次に、ステップＳ３０２において、各種のマスタデータを設定する。後述する物流ネットワークコスト最適化処理（ステップＳ３０３）、在庫シミュレーション処理（ステップＳ３０４）、在庫シミュレーション結果分析処理（ステップＳ３０５）の各処理内容によって、本処理で設定しておく必要がありマスタデータの種類には多少の違いが生じる。ここでは一般的にこれら処理で必要となるマスタデータを以下に説明する。以下で説明するマスタデータは、マスタデータ設定・管理部１０１で設定管理されることになる。マスタデータ設定・管理部１０１は、これらマスタデータの入力を、ユーザからの入力装置２０９に対する操作により受け付けることになる。

以下、図６から図１４を参照して、本発明で使用する各種のマスタデータについて説明する。

図６は、本発明で使用する第１のマスタデータである地点マスタデータを管理する地点マスタデータテーブル６００を示す図である。地点マスタデータテーブルで管理されるデータは需要地点や供給地点に加え、物流ネットワークを構成する中間倉庫および、中間倉庫や供給地点を設置はまだしていないが設置する可能性のある候補地点をも含む。地点マスタデータには、その地点の地点名、住所、緯度経度情報などが含まれる。住所情報に基づいて、地図ソフトを活用して、緯度経度情報を自動取得するような機構も考えられる。このマスタデータには、地点における固定コストや変動コスト係数などのコスト情報も含む。倉庫などの開設、維持コストなどが相当する。さらに、タイムバケット当たりの最大入庫量や出庫量、最大在庫量などの制限情報も含む。

図７は、本発明で使用する第２のマスタデータであるアイテムマスタデータを管理するアイテムマスタデータテーブル７００を示す図である。このアイテムマスタデータテーブル７００では、物流ネットワークを流れる物に関する情報を保持する。必要に応じて、アイテムが属するアイテムグループに関する情報や、別途アイテムグループマスタデータなどが必要となる。グループが階層化している場合は、階層グループ情報も保持する。

図８は、本発明で使用する第３のマスタデータである地点アイテムマスタデータを管理する地点アイテムマスタデータテーブル８００を示す図である。この地点アイテムマスタデータテーブルでは、地点とアイテムまたはアイテム群の組み合わせで規定される情報を格納する。例えば、固定コストや変動コスト係数や、入庫・出庫・在庫などの最大量を格納する。地点アイテムマスタデータは、例えば、食品の物流ネットワークにおいて、冷凍食品の在庫地点における保管コストが、常温品と比較して高かったり、保管量の制限が個別にあったり、といった特性を表現する場合などに有効である。

図９は、本発明で使用する第４のマスタデータである地点区間マスタデータを管理する地点区間マスタデータテーブル９００を示す図である。この地点区間マスタデータテーブル９００には、地点間の移動距離、および平均異動時間、移動手段、使用する料金表などの情報が含まれる。距離時間マスタデータも、地図ソフトを活用して、実際の道路などの情報を使用して、２地点間距離と速度情報などにもとづく所要時間を計算してもよい。さらに、トラックなどの自動車による輸送ではなく、鉄道や航空機、船舶を使用した輸送を含む場合は、その時刻表情報などを使用することもある。また調達可能な輸送手段の容量によって上限や下限などの設定も必要となる場合がある。

図１０は、本発明で使用する第５のマスタデータである地点区間アイテムマスタデータを管理する地点区間アイテムマスタデータテーブル１０００を示す図である。この地点区間アイテムマスタデータテーブル１０００は、アイテムやアイテム群によって、移動手段が限定されたり、輸送量の上下限が異なったりする場合などに必要となる。例えば、食品の物流ネットワークにおいて、冷凍食品の輸送手段が、冷凍車を使用するために、料金が異なったり、輸送量の上限が異なったり、といった特性を表現する場合などに有効である。

図１１は、本発明で使用する第６のマスタデータである料金表マスタデータを管理する料金表マスタデータテーブル１１００を示す図である。この料金表マスタデータの設定方法には、移動手段別の料金算出方法を設定したり、個別料金表を全て設定したりするなどの方法がある。個立ての料金表や、車立ての料金表などは、この料金表マスタデータテーブルで設定・管理される。

図１２は、本発明で使用する第７のマスタデータである在庫管理マスタデータを管理する在庫管理マスタデータテーブル１２００を示す図である。この在庫管理マスタデータテーブル１２００には、在庫シミュレーションにおいて、安全在庫をどの程度持つかを、アイテムまたはアイテムグループおよび、拠点ごとなどの単位で、例えば何日分もつかという日数情報として保持する。

図１３は、本発明で使用する第８のマスタデータであるリードタイムマスタデータを管理するリードタイムマスタデータテーブル１３００を示す図である。リードタイムマスタデータテーブル１３００は、在庫シミュレーションにおいて、地点区間または、地点区間アイテムごとに、出庫から入庫までの所要となるタイムバケット数、たとえば日数や時間数を記載したリードタイムマスタデータを管理するデータテーブルである。リードタイムマスタデータは、物流ネットワークコスト最適化における、距離情報を基にして設定もよいし、個別に設定してもよい。

図１４は、本発明で使用する第９のマスタデータであるカレンダーマスタデータを管理するカレンダーマスタデータテーブル１４００を示す図である。カレンダーマスタデータテーブル１４００は、地点ごとに、タイムバケット、例えば出庫可能日や時間帯の情報、入庫可能日や時間帯の情報を保持する。在庫シミュレーションにおいて、カレンダーに従って、出庫可能タイムバケットに出庫し、上記リードタイムマスタデータに従って入庫可能な最早のタイムバケットを特定し、以降で最早の稼動タイムバケットを入庫タイムバケットとして設定する。

以上、本発明で使用するマスタデータを管理するデータテーブルの例について説明したが、物流ネットワークコスト最適化における考慮条件や在庫シミュレーションにおける考慮条件によって、必要となるマスタデータは異なるため、必要に応じて、マスタデータテーブルを追加したり削除したりすることが可能である。

図３の説明に戻る。次に、ステップＳ３０３において、ＣＰＵ２０１は、物流ネットワークコストの最適化を行う。物流ネットワークコスト最適化処理は、ＣＰＵ２０１を物流ネットワークコスト最適化部１０４として機能させるためのコンピュータプログラムによる制御に従って実行される。最適化計算対象期間をマクロ的に１ないし、できるだけ少ない複数期間に集約する。この集約した１ないし複数期間における需要量合計を、図１の１０２需要データ設定・管理手段に保持されているデータから集計して、メモリ上に保持する。また、この集約した１ないし複数期間における供給量合計を、図１の１０３供給データ設定・管理手段に保持されているデータから集計してメモリ上に保持する。

物流ネットワークコストの最適化における意思決定対象となる変数は、次の通りである。

第一の意思決定対象の変数は、物流量である。需要地点や供給地点に加え、物流ネットワークを構成する中間倉庫および、中間倉庫や供給地点を設置はまだしていないが設置する可能性のある候補地点をも含む地点相互間のアイテムまたはアイテムグループ別、かつ、輸送手段別の物流量を変数として設定する。

第二の意思決定対象の変数は、中間倉庫や供給地点、中間倉庫や供給地点を設置はまだしていないが設置する可能性のある候補地点の設置または廃止を表現するバイナリ変数である。

第三の意思決定対象の変数は、地点区間または、地点区間アイテムごとの輸送手段の設置または廃止を表現するバイナリ変数である。

物流ネットワークコストの最適化における制約条件は、例えば次のようなものがある。

第一の制約条件の例は、需要量の充足である。１ないし複数期間における各需要地点のアイテムまたはアイテムグループ別の需要量合計が、当該の地点へ流入する物流量変数の合計値と比較して、同じないしは下回っていることである。

第二の制約条件の例は、供給量の制限である。１ないし複数期間における各供給地点またはその候補地点のアイテムまたはアイテムグループ別の供給量合計が、当該の地点から流出する物流量変数の合計値と比較して、同じないしは上回っていることである。

第三の制約条件の例は、需要と供給以外の物流量の消失と発生がないことである。１ないし複数期間における中間倉庫地点またはその候補地点において、アイテムまたはアイテムグループ別の流入する物流量変数の合計と対象期間の期初の在庫合計の和が、同アイテムまたはアイテムグループの流出する物流量変数の合計と対象期間の期末の在庫合計の和に一致していることである。

第四の制約条件の例は、物流量の上限や下限の制約である。ある地点、地点アイテム、区間、地点区間ごとに、その物流量の上限または下限を満たすことである。

第五の制約条件の例は、在庫上限または下限の制約である。１ないし複数期間における中間倉庫地点またはその候補地点における、期間の間または終了時に存在する在庫の合計値が、設定した上限または下限を満たすことである。

以上、物流ネットワークコストの最適化における制約条件の例を具体的に説明してきたが、これ以外にも必要に応じて制約条件を設定し、考慮することはもちろん可能である。

物流ネットワークコストの最適化における目標関数は、そのコストの最小化である。各種のマスタデータに設定しているコストの合計値を算出し、その値が可及的に小さくなるように、物流量変数や開閉のバイナリ変数の値を決定する。

物流ネットワークコストの最適化は、その計算手法として、線形計画法や整数計画法といった数理的手法を用いることが一般的であるが、本発明はその手法を限定するものではない。計算を行った結果、物流量変数と、開閉のバイナリ変数の値をメモリ上に格納しておく。

次にＳ４００において、ＣＰＵ２０１は、在庫シミュレーション処理を行う。在庫シミュレーション処理は、図１の在庫シミュレーション部１０５としてＣＰＵ２０１を機能させるためのコンピュータプログラムによる制御に従って実行される。

在庫シミュレーションでは、物流ネットワークコスト最適化において集約した１ないし複数期間ではなく、需要データや供給データを保持している単位、すなわちタイムバケットを最小単位としてシミュレーションを行う。

在庫シミュレーションは、タイムバケットを期初から期末まで一つずつ進めながら、物流をシミュレーションする。その際、次のような条件を考慮する。

考慮する条件の第一の例は、物流ネットワーク最適化結果である。すなわち、メモリ上に格納されている、供給地点、中間倉庫地点の候補地点の開閉情報であるバイナリ変数、および地点区間または地点区間アイテムの開閉情報であるバイナリ変数に基づいて、シミュレーションを行う対象の物流ネットワークを規定する。

考慮する条件の第二の例は、リードタイムである。地点区間または地点区間アイテムごとに設定されたリードタイムにしたがって、出庫タイムバケットに所要タイムバケットを加えたタイムバケットを入庫タイムバケットとする。

考慮する条件の第三の例は、カレンダーである。供給地点、中間倉庫地点の入庫および出庫は、カレンダーが稼動のタイムバケットに限定して行うようにシミュレーションを行う。非稼動のタイムバケットに入庫または出庫を行いたい場合は、例えば、最早の稼動タイムバケットまで待機するなどのルールを設定しておき、そのルールに従って、入庫および出庫のタイムバケットを決定する。

考慮する条件の第四の例は、在庫水準である。中間倉庫地点ごとに設定されている安全在庫水準を保持するように、各地点からの出庫量を決定する。

考慮する条件の第五の例は、ディスパッチングルールである。各地点からの出庫量を次のどこの地点への出庫量とするかを決定したり、各地点区間または地点区間アイテムごとに設定されている複数の輸送手段のうち、どの手段を使用するかを決定したりする。ディスパッチングルールはあらかじめ設定しておき、そのルールに従って、輸送先および輸送手段を決定する。

考慮する条件の第六の例は、輸送ロットである。輸送手段ごとに規定される料金表マスタデータに設定されている輸送ロットにまとまるようにして、輸送を行う。この際、在庫水準との兼ね合いで、輸送ロットへのまとめを優先して行うか、在庫水準保持を優先するかは、あらかじめルールを設定しておき、そのルールに従って、輸送ロットまとめ処理を行う。

在庫シミュレーションは、その計算手法として、離散シミュレーション手法を用いることが一般的であるが、本発明はその手法を限定するものではない。シミュレーションを行った結果、タイムバケットごとの各地点および各区間に滞留している物流量をメモリ上に格納しておく。

次に、ＣＰＵ２０１は、Ｓ５００において、終了判定を行う。この終了判定では、各タイムバケット、各需要地点の需要量が、充足されているかどうかを判定する。メモリ上に格納されているタイムバケットごとの滞留している物流量に基づいて、算出する。全て充足または、設定割合以上の充足をもって、終了とみなす。

Ｓ５００において、終了と判定されなかった場合には、ＣＰＵ２０１は処理をＳ６００に進める。尚、Ｓ６００の、在庫シミュレーション結果分析では、以下に例示するような統計、分析情報を提示し、物流ネットワークコスト最適化の結果得られた物流ネットワークが、在庫シミュレーションを実行可能とできるように、マスタデータ情報を修正する指針を得られるようにする。

提示する統計、分析情報の第一の例は、供給量の累積値と、需要量の累積値である。物流ネットワークコスト最適化では、１ないし複数期間に集約しているため、集約されたタイムバケット間でのデータのばらつきは考慮されない。もし、集約されたタイムバケットを個別に参照したとき、供給量がほぼタイムバケットごとに同量で、需要量が期間の前半に多く後半に少なく、合計値がほぼ同数であれば、期間の前半で欠品する可能性が高い。このような場合、入力データである需要量や供給量を見直したり、集約する期間の数を細かくしたりするなどの方法で、解決することができる。この状況を検出するためには、需要と供給のスピード差を発見できるようにすることが必要であり、それぞれの累積値を表記することが有用である。

提示する統計、分析情報の第二の例は、在庫推移である。在庫推移をタイムバケットごとに参照したとき、物流ネットワークコスト最適化の際に設定していた在庫上限を超過している可能性がある。この場合、超過した在庫量を保管するためには、新たな保管コストがかかることになり、当初の物流ネットワークコスト最適化結果は、コスト最小となっていないということがいえる。したがって、適切な保管コストが反映できるように、在庫上限値を引き上げる、または、地点マスタデータまたは、地点アイテムマスタデータのコスト係数を引き上げることにより、当該の超過分のコストを反映できるようにする必要がある。この状況を検出するためには、在庫推移と在庫上限を比較できるようにすることが必要である。

提示する統計、分析情報の第三の例は、在庫推移と輸送ロット数の比較である。上述の通り、在庫推移を参照することで在庫上限を超えた場合が判定できるが、在庫上限の超過理由が、輸送ロットが大きすぎるために、商品が集まるまで滞留している場合がある。この場合は、保管容量の引き上げという考え方もある一方で、輸送ロット数を見直して、小さくするという方策も考えられる。そのためには、輸送ロットでまとめられた量と、出荷量とその出荷直前の在庫推移の情報を参照することが必要である。

以上のような情報を提示することにより、速やかにかつ適切にマスタデータ値を変更することができる。

以上説明したように、本実施形態によれば、コスト最小となる物流ネットワークが得られた後に、その物流ネットワークで、個別・日別のアイテムの需給を満たしているか、輸送手段や倉庫の日々の容量上限などの制約条件を満たしているかどうか、すなわち現実的に実行可能な物流ネットワークであるか否かを、在庫シミュレーション部によって提供される情報をもとに確認することが可能となる。

また、本実施形態の在庫シミュレーション結果分析計算部１０６によって、在庫シミュレーションにおいて、そのシミュレーション結果が制約条件を満たしていない場合に、在庫シミュレーションの対象とした物流ネットワークのどのパラメータを変更すれば実行可能になるのかという手がかりを得ることができ、在庫シミュレーションを実施したのち、物流ネットワークのスペックを変更して在庫シミュレーションを再実行するという、人手による試行錯誤を緩和することが可能となる。

また、本実施形態では、マスタデータ、需要データ、供給データを一元管理しているので、物流ネットワーク最適化と、在庫シミュレーションの２つの業務の連携が図ることができ、連続して実行する場合に、これらの情報を２度打ちしたり、わざわざ変換を行なったりする必要がなくなるということが可能となる。

以上、実施形態例を詳述したが、本発明は、例えば、システム、装置、方法、プログラムもしくは記憶媒体等としての実施態様をとることが可能であり、具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

また、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記録媒体（または記憶媒体）を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。この場合、記録媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記録した記録媒体は本発明を構成することになる。

また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているオペレーティングシステム（ＯＳ）などが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、記録媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張カードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張カードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

本発明を上記記録媒体に適用する場合、その記録媒体には、先に説明したフローチャートに対応するプログラムコードが格納されることになる。

１００ 情報処理装置
２０１ ＣＰＵ
２０２ ＲＡＭ
２０３ ＲＯＭ
２０４ システムバス
２０５ 入力コントローラ
２０６ ビデオコントローラ
２０７ メモリコントローラ
２０８ 通信Ｉ／Ｆコントローラ
２０９ 入力装置
２１０ ディスプレイ装置
２１１ 外部メモリ

Claims (6)

1. 物品の需要データ及び供給データを用いて、物流ネットワークの最適化を支援する情報処理装置であって、
   前記物品の搬送に要する費用であるコストデータを記憶する第１の記憶手段と、
   前記物流ネットワークの複数の需要拠点における前記物品の需要データをそれぞれ設定する第１の設定手段と、
   前記物流ネットワークの複数の供給拠点における前記物品の供給データをそれぞれ設定する第２の設定手段と、
   前記コストデータ、前記需要データ、及び前記供給データを用いて、前記物品を前記物流ネットワークで搬送する際に要する費用が最小となる物流ネットワークである最適物流ネットワークを導出する最適化手段と、
   前記最適物流ネットワークでの前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションする在庫シミュレーション手段と、
   を備えることを特徴とする情報処理装置。
2. 前記最適化手段は、物流コストが最小となるよう前記需要拠点及び前記供給拠点を含む複数物流拠点の立地や容量の最適化計算を実行することで、前記最適物流ネットワークを導出すること
   を特徴とする請求項１に記載の情報処理装置。
3. 前記最適化手段は、前記物品の搬送に用いる輸送手段に係る費用を更に考慮して、物流コストが最小になるような前記最適物流ネットワークを導出すること
   を特徴とする請求項１または２に記載の情報処理装置。
4. 前記最適化手段で導出された最適物流ネットワークにおいて、前記在庫シミュレーション手段でのシミュレーション結果に基づいて、在庫あふれ、欠品の量や回数の少なくとも何れか１つを含む特徴量を計算する分析計算手段
   を更に備えることを特徴とする情報処理装置。
5. 前記物品の搬送に要する費用であるコストデータを記憶する記憶装置を備え、物品の需要データ及び供給データを用いて、物流ネットワークの最適化を支援する情報処理装置によって行われる情報処理方法であって、
   前記物流ネットワークの複数の需要拠点における前記物品の需要データをそれぞれ設定する第１の設定工程と、
   前記物流ネットワークの複数の供給拠点における前記物品の供給データをそれぞれ設定する第２の設定工程と、
   前記コストデータ、前記需要データ、及び前記供給データを用いて、前記物品を前記物流ネットワークで搬送する際に要する費用が最小となる物流ネットワークである最適物流ネットワークを導出する最適化工程と、
   前記最適物流ネットワークでの前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションする在庫シミュレーション工程と、
   を備えることを特徴とする情報処理方法。
6. 前記物品の搬送に要する費用であるコストデータを記憶する記憶装置を備えるコンピュータを、物品の需要データ及び供給データを用いて、物流ネットワークの最適化を支援する情報処理装置として機能させるためのコンピュータプログラムであって、
   前記コンピュータを、
   前記物流ネットワークの複数の需要拠点における前記物品の需要データをそれぞれ設定する第１の設定手段と、
   前記物流ネットワークの複数の供給拠点における前記物品の供給データをそれぞれ設定する第２の設定手段と、
   前記コストデータ、前記需要データ、及び前記供給データを用いて、前記物品を前記物流ネットワークで搬送する際に要する費用が最小となる物流ネットワークである最適物流ネットワークを導出する最適化手段と、
   前記最適物流ネットワークでの前記物品の重要拠点における需要量、及び供給拠点における供給量の推移を時系列にシミュレーションする在庫シミュレーション手段
   として機能させることを特徴とするコンピュータプログラム。

Images