JP7116997B2 - 情報処理装置及び情報処理プログラム - Google Patents
情報処理装置及び情報処理プログラム Download PDFInfo
- Publication number
- JP7116997B2 JP7116997B2 JP2018185087A JP2018185087A JP7116997B2 JP 7116997 B2 JP7116997 B2 JP 7116997B2 JP 2018185087 A JP2018185087 A JP 2018185087A JP 2018185087 A JP2018185087 A JP 2018185087A JP 7116997 B2 JP7116997 B2 JP 7116997B2
- Authority
- JP
- Japan
- Prior art keywords
- delivery
- group
- plan
- data
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 56
- 238000012384 transportation and delivery Methods 0.000 claims description 427
- 238000012545 processing Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 description 46
- 238000003860 storage Methods 0.000 description 35
- 238000012986 modification Methods 0.000 description 14
- 230000004048 modification Effects 0.000 description 14
- 238000013500 data storage Methods 0.000 description 13
- 238000010276 construction Methods 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
その理由は、経験豊富なベテラン担当者であれば考慮している配送条件を全て洗い出してコンピュータに入力するための数値情報として明確化することが困難であるからである。そのため、例えば、経験豊富なベテラン担当者であれば考慮している、各配送先が属する各エリア間の関係を考慮することなく、配送計画を作成してしまっているからである。
配送データと、前記配送データに対応する配送計画と、からなる組を教師データとして取得する教師データ取得手段と、
前記配送データを複数のグループに区分する区分手段と、
前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれているか否かを特定し、該特定結果に基づいて配送計画を作成するための学習を行なう学習手段と、
を備える。
[装置構成]
図1は、本実施形態に係る情報処理装置の構成の一例を示すブロック図である。図1に示すように、情報処理装置10は、CPU(Central Processing Unit)11と、ROM(Read Only Memory)12と、RAM(Random Access Memory)13と、通信部14と、記憶部15と、入力部16と、表示部17と、を備えている。これら各部は、信号線によりバス接続されており、相互に信号を送受する。
RAM13には、CPU11が各種の処理を実行する上において必要なデータ等も適宜記憶される。
記憶部15は、DRAM(Dynamic Random Access Memory)等の半導体メモリで構成され、各種データを記憶する。
表示部17は、液晶ディスプレイ等で構成され、CPU11が出力する画像データに対応する画像を表示する。
このような構成を有する情報処理装置10は、パーソナルコンピュータやサーバ装置等の情報処理機能を有する電子機器により実現される。この電子機器は、本実施形態特有の電子機器で実現してもよいし、汎用の電子機器に本実施形態特有のソフトウェアを組み込んで実現してもよい。
このような構成を有する情報処理装置10は、関係学習処理を行なう。ここで、関係学習処理は、配送先のそれぞれをグループに区分した上で、適切な配送計画の作成のために、各グループ間の関係を学習する一連の処理である。この情報処理装置10が関係学習処理にて行なう学習の基本的な考え方について説明する。
一例として、コンピュータが、第1グループに含まれる配送先Aを訪問した後、第2グループに含まれる配送先Bを訪問するというルート組みがなされた配送計画を作成したとする。コンピュータの計算上では、この組合せは積載上限の観点からも問題なく、配送先A及び配送先Bへの予想到着時刻や、車両の帰庫時刻、稼働時間の観点からも問題がなかったとする。すなわち、コンピュータは、一般的な配送条件を満たした配送計画を作成したことになる。
なおかつ、この傾向は100日中80日という一定の割合で出現することから、ベテラン担当者による一定の根拠に基づいた、偶然とは呼べない傾向である、ということが学習できる。
以上が、情報処理装置10が関係学習処理にて行なう学習の基本的な考え方である。
次に、情報処理装置10が、上述した関係学習処理を行なうための機能ブロックについて説明をする。
情報処理装置10が動作する場合、図1に示すように、CPU11において、教師データ取得部111と、グループ区分部112と、頻度算出部113と、条件決定部114と、配送計画作成部115と、が機能する。
また、記憶部15の一領域には、配送データ記憶部151と、配送条件記憶部152と、グループ記憶部153と、教師データ記憶部154と、作成条件記憶部155とが設定される。
配送条件記憶部152には、配送計画に対して要請される配送条件が記憶される。
これら配送データと配送条件とは、過去に実際に配送を行った際の実績データに対応するものであってもよいし、教師データを作成するために用意された、実績データには対応しないものであってもよい。例えば、実績データに対応しない、これから配送が予定されているものであってもよいし、ユーザが作成したものであってもよい。これら配送データ、及び配送条件の具体的な内容については、図2を参照して後述する。
これにより、配送計画作成部115は、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。
以上説明した、各機能ブロックが協働することにより、上述した関係学習処理が実現される。
次に、配送計画の作成の前提となる配送データ及び配送条件について図2を参照して説明する。図2は、配送データ及び配送条件の概念について示す模式図である。
図2に示すように、配送計画を作成するためには、まず受注データ(あるいは出荷指示)といった、「どこから」、「どこに」、「何を」、「どれだけ」配送するかを示す情報である配送データが必要となる。例えば、配送先と、配送する荷物の種類と、配送する荷物の数や量とを示す情報が配送データとして必要となる。
しかしながら、配送データのみに基づいて配車計画を作成することはできず、その他の所定の配車条件も満たすようにして、配車計画を作成する必要がある。配車条件としては、種々のものが考えられるが、例えば、図示するような、配送先の制約(軒先条件とも呼ばれる。)、車両情報、及びその他の配送条件が例として挙げられる。
車両情報とは、例えば、配車に利用可能な車両の車格及び台数や、各車両の積載量や積載数の上限や、車両の発地や着地といった位置に関するものや、車両を利用可能な時間等の条件である。
その他の配送条件とは、例えば、荷物の混載の禁止や、配送先のエリアの組み合わせの可否や、荷物の積み下ろしにかかる時間等の条件である。
配車計画を作成するユーザ又はコンピュータ(例えば、配送計画作成部115)は、これらの配送条件が満たされるように、荷寄せや荷分割をした荷物情報の作成や、名寄せ等を行いながら配送計画を作成する。
以上、配送データ及び配送条件について説明をしたが、これは配送条件の一例である。上述した情報以外の他の情報が配送条件として更に含まれていてもよいし、上述した情報が配送条件に含まれていなくてもよい。なお、以下に説明する関係学習処理において、教師データには、配送条件が含まれていてもよいが、配送条件は含まれていなくてもよい。
次に、情報処理装置10が行なう関係学習処理の詳細について図3から図5までを参照して説明する。まず、図3は、情報処理装置10が実行する関係学習処理時の流れを示すフローチャートである。ここで、関係学習処理は、例えば、定期的に、あるいは、ユーザの操作等に応じて開始される。
なお、前提として、今回教師データに含まれる配送データにおいて、図5に示した配送先Aから配送先Gまでの7つの配送先の全てが、配送先として含まれていたとする。
第1の配送ルートでは、図示するように、第1配送ルート車両として図示する「車両A」が、第1配送ルート配送先として図示する配送先を以下の<第1配送ルート>の順番で配送する。また、第2の配送ルートでは、図示するように、第2配送ルート車両として図示する「車両B」が、第2配送ルート配送先として図示する配送先を以下の<第2配送ルート>の順番で配送する。
なお、図中及び以下の説明における、カッコ内に記載のグループは、後述のステップS12における区分をした場合における、各配送先に対応するグループである。
出荷基地→配送先A(第1グループ)→配送先B(第2グループ)→配送先C(第2グループ)→配送先D(第3グループ)→出荷基地
出荷基地→配送先E(第4グループ)→配送先F(第4グループ)→配送先G(第5グループ)→出荷基地
例えば、今回決定した作成条件と同じ作成条件が、既に記憶されている場合には、この作成条件の確度を高くすることにより、この作成条件が削除されないようにする。
これにより、配送計画作成部115は、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。すなわち、本実施形態によれば、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能となる。
例えば、本発明の実施形態を以下の変形例のように変形してもよい。なお、以下の変形例の説明においては、上述した実施形態の説明と重複する内容については、再度の説明を省略する。
上述の実施形態では、関係学習処理において、各グループ同士の組み合わせに基づいて処理を行った。これに限らず、他の基準に基づいて処理を行なうようにしてもよい。例えば、各グループ同士の、配送計画での配送ルートにおける時間的な前後関係(以下、「順列」と称する。)に基づいて処理を行なうようにしてもよい。なお、上述の実施形態のように組み合わせに基づいて処理を行なうか、本変形例のように順列に基づいて処理を行なうのかは、グループを訪問する順番を区別したいかに否かによって選択することができる。例えば、第1グループに訪問してから第2グループに訪問するという訪問順は問題ないが、逆の第2グループに訪問してから、第1グループに訪問するという訪問順は問題があるというような場合がある。このような場合には、上述の実施形態のように組み合わせに基づいて処理を行なうのではなく、本変形例のように順列に基づいて処理を行なうようにするとよい。
ステップS13において、頻度算出部113は、実頻度を算出する。ここで、第1配送ルートにおいて、第1グループから第2グループという順列が含まれている。従って、頻度算出部113は、第1グループから第2グループという順列について、実頻度の値を所定値(例えば、「1」の値)だけ増加させる。頻度算出部113は、同様にして、第1配送ルートに含まれる第1グループから第3グループという順列、第1配送ルートに含まれる第2グループから第3グループという順列、及び、第2配送ルートに含まれる第4グループから第5グループという順列、のそれぞれについて、実頻度の値を所定値(例えば、「1」の値)だけ増加させる。
上述の実施形態や第1変形例では、作成条件を、同一配送ルートに含ませることを禁止するグループ同士の組み合わせや順列についての条件として決定していた。そして、この作成条件に基づいて、配送計画を作成していた。このような手法に限らず、他の手法により配送計画を作成する場合に、上述した実施形態を適用してもよい。
村上啓介、森田浩“不確実性を考慮した配送計画問題への列生成法の適用”、[online]、平成21年11月21日、大阪大学、[平成30年9月24日検索]、インターネット<URL:https://www.jstage.jst.go.jp/article/jacc/52/0/52_0_136/_pdf>
ステップS15において、条件決定部114は、作成条件を決定する。具体的に、条件決定部114は、各グループ同士の組み合わせ(又は順列)それぞれについて、ステップS13において算出された実頻度の値を、ステップS14において算出された可能頻度の値で除算する。そして、条件決定部114は、これらの手法においてルートの候補を作成する際に、除算した値が一定の値以下の各グループ同士の組み合わせ(又は順列)を含むものは作成の対象から除外するという条件を作成条件として決定する。
上述の実施形態では、各配送先が含まれる配送対象地域全体を複数の領域に区分し、この複数の領域それぞれを1つのグループとして区分した。すなわち、地理的属性に基づいて、グループの区分をした。これに限らず、他の観点に基づいて、グループの区分を行なうようにしてもよい。
例えば、配送する荷物に対応する荷主企業や、荷物の荷姿による分類等の観点に基づいて、グループの区分を行なうようにしてもよい。例えば、同じ荷主企業から配送される配送先を1つのグループとして区分してもよい。
あるいは、他の観点として、温度管理を要する品目を配送する配送先と、温度管理を要しない品目を配送する配送先とを、それぞれ別のグループに区分するようにしてもよい。
上述した実施形態では、実頻度と可能頻度という2つの頻度を算出し、この算出した頻度に基づいて学習を行っていた。これに限らず、他の方法で学習を行なうようにしてもよい。例えば、頻度を算出することなく、学習を行なうようにしてもよい。このように学習を行なう場合について、以下説明する。なお、本変形例における情報処理装置については、上述した実施形態における情報処理装置10と区別するために「情報処理装置10A」と称する。
本変形例における情報処理装置10Aが、上述した関係学習処理を行なうための機能ブロックについて説明をする。
情報処理装置10が動作する場合、図1に示すように、CPU11において、教師データ取得部111と、グループ区分部112と、学習モデル構築部116と、配送計画作成部117と、が機能する。
また、記憶部15の一領域には、配送データ記憶部151と、配送条件記憶部152と、グループ記憶部153と、教師データ記憶部154と、学習モデル記憶部156とが設定される。
この学習モデルは、配送データを入力とした場合に、各グループ同士それぞれについて、配送計画にて同一配送ルート内に含ませることが可能か否かを示す情報を出力する学習モデルである。
なお、学習モデル構築部116が学習モデルを構築するためのアルゴリズムは特に限定されず、例えば、ディープラーニング等の汎用の機械学習のアルゴリズムを用いて学習モデルを構築することができる。
これら、学習モデル構築部116及び配送計画作成部117の処理の詳細については、図7のフローチャートを参照して次に述べる。
次に、情報処理装置10が行なう関係学習処理の詳細について図7及び図8を参照して説明する。まず、図7は、本変形例に係る情報処理装置10Aが実行する関係学習処理時の流れを示すフローチャートである。
ここで、関係学習処理は、例えば、定期的に、あるいは、ユーザの操作等に応じて開始される。
学習モデル構築部116は、機械学習において、教師データに含まれる配送データを学習モデルへ入力する。そして、学習モデル構築部116は、教師データに含まれる配送計画において各グループ同士を同一配送ルートにて組み合わせたか否かを示す情報が出力されるように、学習モデルのパラメータを調整することによって学習モデルを構築する。すなわち、学習モデル構築部116は、ベテラン担当者が作成した配送計画を正解とする教師あり学習を行なう。
また、他にも、本変形例のように、汎用の機械学習手法で組み合わせ可能なエリアを判定させた場合、単純にグループだけ考慮するではなく、荷量(あるいは時間指定等のその他のプロパティ)を同時に考慮した組合せの可否を判断できるようになる。
換言すると、図に図示した機能的構成は例示に過ぎず、特に限定されない。すなわち、上述した一連の処理を全体として実行できる機能が情報処理装置10に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図1に図示した例に限定されない。この場合に、情報処理装置10は、単体の装置により実現されてもよいが、複数の装置の組み合わせにより実現されてもよい。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。
また、本明細書において、システムの用語は、複数の装置及び複数の手段等より構成される全体的な装置を意味するものとする。
11 CPU
12 ROM
13 RAM
14 通信部
15 記憶部
16 入力部
17 表示部
111 教師データ取得部
112 グループ区分部
113 頻度算出部
114 条件決定部
115 配送計画作成部
116 学習モデル構築部
117 配送計画作成部
151 配送データ記憶部
152 配送条件記憶部
153 グループ記憶部
154 教師データ記憶部
155 作成条件記憶部
156 学習モデル記憶部
Claims (9)
- 配送データと、前記配送データに対応する配送計画と、からなる組を教師データとして取得する教師データ取得手段と、
前記配送データを複数のグループに区分する区分手段と、
前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれているか否かを特定し、該特定結果に基づいて配送計画を作成するための学習を行なう学習手段と、
を備える情報処理装置。 - 前記学習手段として、
前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれた頻度である実頻度を算出する頻度算出手段と、
少なくとも前記実頻度に基づいて、配送計画の作成に用いる条件である作成条件を決定する条件決定手段と、
を備える請求項1に記載の情報処理装置。 - 前記作成条件は、配送計画を作成する場合に、同一配送ルートに含ませることを禁止するグループ同士を示す条件である請求項2に記載の情報処理装置。
- 前記作成条件は、作成配送ルートの候補の中から配送ルートを選抜することにより配送計画を作成する場合に、前記配送ルートの候補の作成対象から除外する配送ルートを示す条件である請求項2に記載の情報処理装置。
- 前記頻度算出手段は、前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれ得る頻度である可能頻度を算出し、
前記条件決定手段は、前記実頻度と前記可能頻度との双方に基づいて、前記作成条件を決定する、
請求項2乃至4の何れか1項に記載の情報処理装置。 - 前記条件決定手段は、前記実頻度を前記可能頻度で除算した値が所定値未満のグループ間が、同一配送ルート内に含まれないように、前記作成条件を決定する請求項5に記載の情報処理装置。
- 前記学習手段は、前記配送データを入力とした場合に、前記各グループ同士それぞれについて、配送計画にて同一配送ルート内に含ませることが可能か否かを示す情報を出力する学習モデルを前記学習により構築する請求項1に記載の情報処理装置。
- 入力された配送データに基づいて、配送計画を作成する計画作成手段を更に備え、
前記計画作成手段は、前記学習手段の学習結果に基づいて、前記配送計画を作成する請求項1乃至7の何れか1項に記載の情報処理装置。 - 情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、
配送データと、前記配送データに対応する配送計画と、からなる組を教師データとして取得する教師データ取得手段と、
前記配送データを複数のグループに区分する区分手段と、
前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれた頻度である実頻度を算出する頻度算出手段と、
少なくとも前記実頻度に基づいて、配送計画の作成に用いる条件である作成条件を決定する条件決定手段と、
を備える情報処理装置として前記コンピュータを機能させる情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018185087A JP7116997B2 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018185087A JP7116997B2 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020057050A JP2020057050A (ja) | 2020-04-09 |
JP7116997B2 true JP7116997B2 (ja) | 2022-08-12 |
Family
ID=70107300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018185087A Active JP7116997B2 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7116997B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021121887A (ja) * | 2020-01-31 | 2021-08-26 | 株式会社富士通ソーシアルサイエンスラボラトリ | 情報処理装置、処理方法およびプログラム |
JP7148098B1 (ja) | 2021-05-28 | 2022-10-05 | 株式会社オプティマインド | 配送計画決定装置及び配送計画決定プログラム |
JP2022185898A (ja) | 2021-06-03 | 2022-12-15 | 富士通株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP7238052B1 (ja) * | 2021-08-24 | 2023-03-13 | 楽天グループ株式会社 | 配送管理システム、配送管理方法およびプログラム |
JP7373169B2 (ja) | 2021-10-20 | 2023-11-02 | 国立大学法人群馬大学 | 輸送組み合わせ列挙システム、輸送組み合わせ列挙方法及び輸送組み合わせ列挙プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004238129A (ja) | 2003-02-05 | 2004-08-26 | Jfe Steel Kk | 配送計画立案方法およびその装置 |
JP2013014387A (ja) | 2011-06-30 | 2013-01-24 | Hitachi Information & Control Solutions Ltd | 配車計画評価学習システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3315767B2 (ja) * | 1993-06-30 | 2002-08-19 | 株式会社東芝 | 配送ルート作成装置 |
-
2018
- 2018-09-28 JP JP2018185087A patent/JP7116997B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004238129A (ja) | 2003-02-05 | 2004-08-26 | Jfe Steel Kk | 配送計画立案方法およびその装置 |
JP2013014387A (ja) | 2011-06-30 | 2013-01-24 | Hitachi Information & Control Solutions Ltd | 配車計画評価学習システム |
Also Published As
Publication number | Publication date |
---|---|
JP2020057050A (ja) | 2020-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7116997B2 (ja) | 情報処理装置及び情報処理プログラム | |
Greif et al. | Peeking into the void: Digital twins for construction site logistics | |
Dandl et al. | Evaluating the impact of spatio-temporal demand forecast aggregation on the operational performance of shared autonomous mobility fleets | |
Expósito-Izquierdo et al. | A two-level solution approach to solve the clustered capacitated vehicle routing problem | |
Mulder et al. | Methods for strategic liner shipping network design | |
Seyedalizadeh Ganji et al. | Analysis of the continuous berth allocation problem in container ports using a genetic algorithm | |
US10319248B2 (en) | Aircraft stand management | |
JP7266273B2 (ja) | 情報処理装置及び情報処理プログラム | |
Dkhil et al. | Multi-objective optimization of the integrated problem of location assignment and straddle carrier scheduling in maritime container terminal at import | |
JPH10222562A (ja) | 多目的意思決定支援方法 | |
Hemmati et al. | An effective heuristic for solving a combined cargo and inventory routing problem in tramp shipping | |
Pelot et al. | Vessel location modeling for maritime search and rescue | |
Chen et al. | Multiple yard cranes scheduling for loading operations in a container terminal | |
JP2020194273A (ja) | 最適化装置、最適化方法及び最適化プログラム | |
Li et al. | A hybrid simulated annealing heuristic for multistage heterogeneous fleet scheduling with fleet sizing decisions | |
Jiang et al. | A scheme for determining vehicle routes based on Arc-based service network design | |
Saeed et al. | Enhancing the service quality of transit systems in rural areas by flexible transport services | |
Yaghini et al. | A hybrid solution method for fuzzy train formation planning | |
Zhang et al. | Hybrid evolutionary optimization for takeaway order selection and delivery path planning utilizing habit data | |
Lima et al. | Simulation‐Based Planning and Control of Transport Flows in Port Logistic Systems | |
Müller et al. | Decision support and data visualization for liner shipping fleet repositioning | |
JPH07234997A (ja) | 配車計画立案方法及び配車計画立案システム | |
Plotnikov et al. | The multi-alternative cargo routing problem: Solution by evolutionary methods | |
JP2022031949A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Cai et al. | An efficient multi-objective evolutionary algorithm for a practical dynamic pickup and delivery problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210708 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220531 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220628 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7116997 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |