WO2023187925A1 - 配送計画作成システム、方法およびプログラム - Google Patents

配送計画作成システム、方法およびプログラム Download PDF

Info

Publication number
WO2023187925A1
WO2023187925A1 PCT/JP2022/015126 JP2022015126W WO2023187925A1 WO 2023187925 A1 WO2023187925 A1 WO 2023187925A1 JP 2022015126 W JP2022015126 W JP 2022015126W WO 2023187925 A1 WO2023187925 A1 WO 2023187925A1
Authority
WO
WIPO (PCT)
Prior art keywords
delivery
request
plan
requests
additional
Prior art date
Application number
PCT/JP2022/015126
Other languages
English (en)
French (fr)
Inventor
暢達 中村
門太 家志
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2022/015126 priority Critical patent/WO2023187925A1/ja
Publication of WO2023187925A1 publication Critical patent/WO2023187925A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management

Definitions

  • the present invention relates to a delivery plan creation system, a delivery plan creation method, and a delivery plan creation program that create a delivery plan.
  • Patent Document 1 describes a delivery schedule selection system aimed at user convenience and efficient delivery.
  • the system described in Patent Document 1 adds/adds future delivery schedules and future delivery schedules for other packages to each of a plurality of delivery schedule candidates that can be selected for delivering products ordered by a user. Calculate shipping costs taking into account the reduction.
  • Patent Document 2 describes a transportation management system for efficient transportation.
  • the system described in Patent Document 2 manages transportation flights that operate regularly at predetermined times (default flights) and transportation flights that operate based on application (temporary flights), and manages transportation flights that operate regularly at predetermined times (temporary flights) and responds to additional transportation requests.
  • the cost of the transportation flight in the event of a change is calculated based on the hourly fare calculation result calculated from the time required to operate the default flight and the temporary flight.
  • Patent Document 3 describes an example of an objective function used for optimizing a delivery plan.
  • Patent Document 1 simply calculates the delivery cost when an additional order is added to an already existing or predicted delivery schedule. Therefore, since the calculated delivery cost is not calculated taking the entire delivery plan into consideration, it is difficult to say that a more appropriate delivery schedule is created.
  • the delivery plan creation system includes a delivery request receiving means that receives input of an additional delivery request including designation of multiple delivery conditions, and extracts delivery requests that correspond to the input delivery conditions, including additional delivery requests.
  • the system includes a delivery request extracting means, an optimizing means for optimizing a delivery plan for the extracted delivery request for each delivery condition, and an output means for outputting the optimized delivery plan for each delivery condition.
  • a computer receives input of an additional delivery request including designation of multiple delivery conditions, and the computer extracts delivery requests that correspond to the input delivery conditions, including the additional delivery requests. Then, the computer optimizes the delivery plan for the extracted delivery request for each delivery condition, and outputs the optimized delivery plan for each delivery condition.
  • the delivery plan creation program includes a delivery request reception process in which a computer receives input of an additional delivery request including designation of a plurality of delivery conditions, a delivery request corresponding to the input delivery conditions, including the additional delivery request.
  • a delivery request extraction process, an optimization process for optimizing the delivery plan for the extracted delivery request for each delivery condition, and an output process for outputting the optimized delivery plan for each delivery condition are executed.
  • a delivery plan can be created from a plurality of viewpoints, taking into consideration situations that may change due to additional delivery requests.
  • FIG. 1 is a block diagram showing a configuration example of an embodiment of a delivery plan creation system.
  • FIG. 2 is an explanatory diagram showing an example of information regarding delivery flights.
  • FIG. 3 is a block diagram showing a configuration example of another embodiment of the delivery plan creation system.
  • FIG. 2 is an explanatory diagram showing an example of a Gantt chart representing a delivery plan.
  • FIG. 7 is an explanatory diagram illustrating an example of processing for calculating costs for an additional delivery request.
  • FIG. 2 is an explanatory diagram showing an example of the operation of the delivery plan creation system.
  • 12 is a flowchart illustrating an example of the operation of the delivery plan creation system when a delivery time is specified as a delivery condition.
  • FIG. 12 is a flowchart illustrating an example of the operation of the delivery plan creation system when the number of delivery vehicles is specified as a delivery condition. 12 is a flowchart illustrating an example of the operation of the delivery plan creation system when a delivery base attribute is specified as a delivery condition.
  • 1 is a block diagram showing an overview of a delivery plan creation system according to the present invention.
  • FIG. 1 is a schematic block diagram showing the configuration of a computer according to at least one embodiment.
  • the delivery plan creation system of this embodiment generates an optimized delivery plan based on a delivery request specifying a plurality of delivery conditions that are assumed to be achievable by the administrator who has received the user's order.
  • FIG. 1 is a block diagram showing a configuration example of an embodiment of a delivery plan creation system.
  • the delivery plan creation system 100 of this embodiment includes a storage unit 10, a delivery request reception unit 20, a delivery risk prediction unit 30, a delivery request extraction unit 40, a parameter calculation unit 50, a model generation unit 60, and an optimal
  • the image forming apparatus includes a conversion processing section 70 and an output section 80.
  • the storage unit 10 stores information that the delivery plan creation system 100 of this embodiment uses for various processes. Specifically, the storage unit 10 stores a delivery plan obtained as a result of optimization processing by an optimization processing unit 70, which will be described later. The storage unit 10 also stores information regarding delivery bases and delivery flights (time, location, items to be delivered, delivery possible time slots, etc.), predetermined parameters, and the like.
  • the storage unit 10 is realized by, for example, a magnetic disk.
  • FIG. 2 is an explanatory diagram showing an example of information regarding delivery flights.
  • identification information of the truck and driver for each delivery flight, identification information of the truck and driver, business start time and business end time, travel distance, expressway toll fee, and fee for using that delivery flight are associated with each other. Indicates that
  • the delivery request receiving unit 20 receives input of a delivery request including designation of multiple delivery conditions.
  • a new delivery request received by the delivery request reception unit 20 may be referred to as an additional delivery request in order to distinguish it from delivery requests that have already been accepted.
  • the delivery conditions include, for example, delivery time (time at the delivery point), delivery means, and attributes of the delivery base.
  • delivery means include light trucks, medium trucks, large trucks, trailers, motorcycles, bicycles, airplanes, ships, etc.
  • the delivery risk prediction unit 30 predicts delivery requests that are expected to be made in the future. Specifically, the delivery risk prediction unit 30 predicts a delivery request that corresponds to the input delivery condition as a delivery request that is expected to be made in the future. For example, if the delivery conditions include a delivery time, the delivery risk prediction unit 30 predicts delivery requests that are expected to be made at that delivery time in the future.
  • the delivery risk prediction unit 30 may predict delivery requests up to 24 hours later. In addition, in order to prevent delivery flights that depart immediately from being included, the delivery risk prediction unit 30 may predict delivery requests up to 24 hours after the time when a predetermined time t0 is added to the current time. good.
  • the delivery risk prediction unit 30 calculates, for example, the average number of delivery requests that occurred in the same delivery area (direction) during a certain time period in the past based on the history of past delivery requests, and calculates the average number of delivery requests that occurred in the same delivery area (direction) in a certain time period in the past.
  • delivery requests may be predicted.
  • the delivery risk prediction unit 30 may predict future delivery requests that meet the delivery conditions, for example, based on increases and decreases in the number of deliveries recently (the previous day, the same day of the week in the previous week).
  • the delivery risk prediction unit 30 learns in advance a prediction model that includes the input delivery conditions, requested environment, etc. as explanatory variables, and uses the number of delivery requests that correspond to the delivery conditions as the objective variable. Delivery requests may be predicted using the prediction model.
  • the delivery request extraction unit 40 extracts delivery requests that correspond to the input delivery conditions, including additional delivery requests. That is, the delivery request extraction unit 40 extracts all the existing delivery requests that correspond to the input delivery conditions and the newly input additional delivery requests. For example, the delivery request extraction unit 40 may extract delivery requests scheduled for delivery at a specified delivery time, including additional delivery requests. As a result, all delivery requests that match the input delivery conditions will be extracted.
  • the delivery request extraction unit 40 may also extract delivery requests that are predicted to be made in the future and correspond to the input delivery conditions. For example, when a delivery request specifying a delivery vehicle is input, the delivery risk prediction unit 30 predicts a delivery request that is likely to be delivered by the same vehicle as the delivery vehicle, and the delivery request extraction unit 40 predicts the delivery request.
  • the requested delivery requests may also be extracted and compiled into a list. This makes it possible to create a final delivery plan in consideration of future delivery requests at an early stage.
  • the delivery plan creation system 100 does not need to include the delivery risk prediction unit 30.
  • the optimization processing unit 70 optimizes the delivery plan for the delivery request extracted by the delivery request extraction unit 40 for each delivery condition. That is, the optimization processing unit 70 derives a new delivery plan by performing optimization processing on existing delivery requests and additional delivery requests.
  • the optimization processing unit 70 may, for example, optimize the delivery plan for the extracted delivery request for each designated delivery time.
  • the optimization processing unit 70 calculates a combination of viewpoints that minimizes the value of a model (objective function) generated by a parameter calculation unit 50 and a model generation unit 60, which will be described later.
  • a process is performed to find a delivery plan that minimizes the costs incurred.
  • the mode of the optimization processing unit 70 is arbitrary.
  • the optimization processing unit 70 may be realized by, for example, a CPU (Central Processing Unit) of a general computer.
  • a CPU Central Processing Unit
  • the delivery plan to be optimized in this embodiment is a problem of selecting an appropriate combination from packages, delivery vehicles, delivery times, etc., and can therefore be called a combinatorial optimization problem. Since it is impractical to search for the optimal combination through calculation processing such as an exhaustive search, it is common to predetermine delivery patterns and optimize only the combinations of items to be delivered and delivery patterns.
  • the optimization processing unit 70 of the present embodiment may be configured to transmit the generated objective function to a quantum computer or an annealing machine and instruct the quantum computer or annealing machine to execute the optimization process.
  • FIG. 3 is a block diagram showing a configuration example of another embodiment of the delivery plan creation system.
  • the delivery plan creation system 200 may be connected to a quantum computer 201 or an annealing machine 202. Note that although FIG. 3 illustrates a case where the delivery plan creation system 200 is connected to both the quantum computer 201 and the annealing machine 202, the delivery plan creation system 200 is connected to both the quantum computer 201 and the annealing machine 202. It may be connected to either one.
  • the other configurations are similar to the configuration illustrated in FIG. 1 .
  • the optimization processing unit 70 may transmit a model for causing a quantum computer or an annealing machine to execute the optimization process, and cause the quantum computer or annealing machine to execute the optimization process. This makes it possible to optimize delivery plans for each of a plurality of delivery conditions more efficiently than when using a general computer.
  • the main point of view is that of cost.
  • the cost is calculated as the sum of delivery distance x average fuel consumption, driver personnel costs, delivery vehicle expenses, etc.
  • the cost is calculated from the cost calculated from the freight table based on the delivery distance and cargo volume, the size of the delivery vehicle, the number of days, etc.
  • the loading rate is calculated by, for example, cargo amount (weight)/maximum loading weight of the delivery vehicle, cargo amount (capacity)/maximum loading capacity of the delivery vehicle, etc.
  • a value obtained by averaging the load on the delivery vehicle can be cited as a point of view.
  • the averaged value is calculated, for example, by 1/n ⁇ (delivery time of each delivery vehicle - average delivery time) 2 or 1/n ⁇ (loading rate of each delivery vehicle - average loading rate) 2 . Ru. Note that this value can be said to be more preferable as the variance is smaller.
  • carbon dioxide emissions can be cited as a point of view other than cost.
  • the amount of carbon dioxide emissions is calculated, for example, by (delivery distance x distance coefficient + delivery time x time coefficient) x weight x cumulative height difference x vehicle coefficient. Note that the various coefficients are determined in advance by an administrator or the like.
  • the parameter calculation unit 50 calculates parameters used in the model used by the optimization processing unit 70 for optimization. Furthermore, the model generation unit 60 generates a model using the parameters generated by the parameter calculation unit 50.
  • the model generated by the model generation unit 60 is specifically an objective function used in the optimization process.
  • the objective function is a function that defines the optimization target, and includes multiple terms that combine the above-mentioned viewpoints (hereinafter referred to as cost terms) and a term that is added when the constraint conditions are not satisfied (hereinafter referred to as penalty terms). ).
  • the objective function may be, for example, a function that defines the delivery cost required for delivery as an optimization target, or a function that defines carbon dioxide emissions caused by delivery as an optimization target. In this case, the optimization processing unit 70 optimizes the delivery plan by minimizing these objective functions.
  • the optimization target is not limited to cost or carbon dioxide emissions. Further, the optimization target is not limited to one, and for example, both the above-mentioned delivery cost and carbon dioxide emissions may be the optimization target.
  • Equation 1 the objective function is expressed by Equation 1 illustrated below.
  • the parameter calculation unit 50 may calculate weights when various viewpoints are selected as parameters.
  • the parameter calculation unit 50 calculates the weight of cost, the weight of loading rate, the weight of delivery distance, and the like. At this time, the parameter calculation unit 50 calculates the weight of the target viewpoint so that the more important the viewpoint is, the greater the weight becomes.
  • the content of the objective function is arbitrary and is not limited to the format of Equation 1 shown above.
  • the parameter calculation unit 50 and the model generation unit 60 may generate an objective function in the format described in Patent Document 3, for example, or may generate a known objective function.
  • the optimization processing section 70 can be realized with any configuration, the parameter calculation section 50 only needs to calculate the parameters of the model according to the optimization processing to be performed.
  • the parameter calculation unit 50 may calculate parameters used in the Hamiltonian equation used for optimization. Further, for example, if the optimization processing unit 70 is realized by an annealing machine and the optimization process is performed by the quantum annealing machine, the parameter calculation unit 50 calculates the parameters used in the Ising model used for optimization. good. In these cases, the model generation unit 60 may use the generated parameters to generate an objective function used for optimization using a Hamiltonian formula or an Ising model.
  • the delivery plan creation system 100 (delivery plan creation system 200) includes additional elements different from normal elements such as a general computer. I can say that there is.
  • the parameter calculation unit 50 and model generation unit 60 that generate Hamiltonian formulas and Ising models improve the functionality of the optimization processing unit 70 and perform optimization processing. This can be said to show improvement in processing.
  • each viewpoint is selected is represented by a variable x n ( ⁇ 0,1 ⁇ ).
  • Equation 2 a penalty term that becomes a penalty when the variable of the specified time frame is not 1 is expressed, for example, by Equation 2 illustrated below.
  • Equation 2 w is a weighting coefficient indicating the degree of penalty.
  • the parameter calculation unit 50 and the model generation unit 60 may calculate parameters according to the assumed viewpoint and generate a model using the calculated parameters. Note that since the method of expressing the objective function using an Ising model or a Hamiltonian equation is widely known, further explanation will be omitted.
  • the output unit 80 outputs the optimized delivery plan for each delivery condition.
  • the output unit 80 may calculate costs (fees), carbon dioxide emissions, etc. that occur in response to additional delivery requests for each delivery condition, and output the calculation results.
  • the output unit 80 may output a result optimized for each delivery time, for example.
  • the output unit 80 may output each delivery plan itself in a comparable manner, or may output comparison information obtained by comparing results optimized for each delivery condition.
  • An example of a method for outputting the delivery plan is to display the delivery plan in a Gantt chart.
  • examples of comparison information include cost differences between delivery plans.
  • the output unit 80 may output delivery conditions and delivery plans in a ranking format according to the costs incurred.
  • FIG. 4 is an explanatory diagram showing an example of a Gantt chart representing a delivery plan.
  • the movement status of a package is calculated depending on whether a delivery plan is created to deliver the package using a delivery flight at 10:00, or when a delivery plan is created to deliver the package using a delivery flight at 10:30.
  • An example of output that can be compared is shown.
  • the output unit 80 may calculate the cost based on a fee calculation formula according to the weight, size, and delivery distance of the item to be delivered according to the total cost of the delivery vehicle, or calculate the cost based on a fee list. It's okay. Furthermore, since the cost for the delivery request can be estimated based on the calculated cost, the output unit 80 outputs (displays, sends an email notification, etc.) the delivery fee according to the estimated cost to the user who placed the order. Good too.
  • FIG. 5 is an explanatory diagram showing an example of a process for calculating costs for an additional delivery request.
  • the example shown in Figure 5 shows information about the delivery source and destination of the item for which an additional delivery request has been made, which delivery service will be used, and the loading time when that delivery service is used. , unloading time and possible delivery time zone are associated with each other.
  • the example shown in Figure 5 shows the accuracy of each delivery request (whether it is an additional delivery request (this case), a confirmed delivery request, a delivery request under negotiation, or a predicted delivery request). ) is associated.
  • the output unit 80 may calculate the cost for the additional delivery request based on the value obtained by subtracting the cost for other delivery requests from the fee V for using a certain delivery service. At that time, the output unit 80 multiplies the charges other than the confirmed delivery request by a predetermined weight (for example, the weight of the delivery request under negotiation is 0.5, the weight of the predicted delivery request is 0.2, etc.). ) may be calculated.
  • a predetermined weight for example, the weight of the delivery request under negotiation is 0.5, the weight of the predicted delivery request is 0.2, etc.).
  • w is a predetermined weight value.
  • the delivery request reception unit 20, the delivery risk prediction unit 30, the delivery request extraction unit 40, the parameter calculation unit 50, the model generation unit 60, the optimization processing unit 70, and the output unit 80 include, for example, a program ( This is realized by a computer processor (for example, a CPU) that operates according to a delivery plan creation program.
  • the optimization processing unit 70 may be configured to instruct a quantum computer or an annealing machine to execute the optimization process.
  • the program is stored in the storage unit 10, the processor reads the program, and according to the program, the delivery request reception unit 20, the delivery risk prediction unit 30, the delivery request extraction unit 40, the parameter calculation unit 50, and the model generation unit 60. , may operate as the optimization processing section 70 and the output section 80. Further, the functions of the delivery plan creation system 100 may be provided in a SaaS (Software as a Service) format.
  • SaaS Software as a Service
  • the delivery request reception unit 20, the delivery risk prediction unit 30, the delivery request extraction unit 40, the parameter calculation unit 50, the model generation unit 60, the optimization processing unit 70, and the output unit 80 are each dedicated to It may be realized by hardware. Further, a part or all of each component of each device may be realized by a general-purpose or dedicated circuit, a processor, etc., or a combination thereof. These may be configured by a single chip or multiple chips connected via a bus. A part or all of each component of each device may be realized by a combination of the circuits and the like described above and a program.
  • each component of the delivery plan creation system 100 is realized by a plurality of information processing devices, circuits, etc.
  • the plurality of information processing devices, circuits, etc. may be centrally arranged. , may be distributed.
  • information processing devices, circuits, etc. may be realized as a client server system, a cloud computing system, or the like, in which each is connected via a communication network.
  • FIG. 6 is an explanatory diagram showing an example of the operation of the delivery plan creation system 100 of this embodiment.
  • the delivery request receiving unit 20 receives input of an additional delivery request including designation of a plurality of delivery conditions (step S11).
  • the delivery request extraction unit 40 extracts delivery requests that meet the input delivery conditions, including additional delivery requests (step S12).
  • the optimization processing unit 70 optimizes the delivery plan for the extracted delivery request for each delivery condition (step S13).
  • the output unit 80 outputs the optimized delivery plan for each delivery condition (step S14).
  • FIG. 7 is a flowchart illustrating an example of the operation of the delivery plan creation system 100 when a delivery time is specified as a delivery condition.
  • the delivery request receiving unit 20 receives an input of a delivery request (step S21), and further receives designations of multiple delivery times (step S22).
  • the delivery risk prediction unit 30 predicts delivery requests at the specified delivery time, and the delivery request extraction unit 40 extracts delivery requests included in the specified delivery time range (step S23).
  • the optimization processing unit 70 creates a delivery plan by combinatorial optimization calculation (step S24). Then, the output unit 80 calculates the fee for the additional delivery request (step S25).
  • step S26 If calculations have not been performed for all specified delivery times (No in step S26), the processes from step S23 onwards are repeated for other delivery times. On the other hand, if calculations have been performed for all specified delivery times (Yes in step S26), the output unit 80 outputs the delivery plan, accepts the selection by the administrator, and finalizes the delivery plan (step S27). ).
  • FIG. 8 is a flowchart illustrating an example of the operation of the delivery plan creation system 100 when the number of delivery vehicles is specified as a delivery condition.
  • the delivery request reception unit 20 receives an input of a delivery request (step S31), and further receives a designation of a plurality of numbers of delivery vehicles (step S32).
  • the optimization processing unit 70 creates a delivery plan by combinatorial optimization calculation (step S33).
  • the output unit 80 calculates the fee for the additional delivery request (step S34).
  • step S35 If calculations have not been performed for all the designated numbers of delivery vehicles (No in step S35), the processes from step S33 onwards are repeated for other numbers of delivery vehicles. On the other hand, if calculations have been performed for all the designated numbers of delivery vehicles (Yes in step S35), the output unit 80 outputs the delivery plan, accepts the selection by the administrator, and finalizes the delivery plan (step S35). S36).
  • FIG. 9 is a flowchart illustrating an example of the operation of the delivery plan creation system 100 when a delivery base attribute is specified as a delivery condition.
  • the delivery request reception unit 20 receives an input of a delivery request (step S41), and further receives designation of a plurality of delivery base attributes (step S42).
  • the optimization processing unit 70 creates a delivery plan by combinatorial optimization calculation (step S43).
  • the output unit 80 calculates the fee for the additional delivery request (step S44).
  • step S45 If calculations have not been performed for all specified delivery base attributes (No in step S45), the processes from step S43 onwards are repeated for other delivery base attributes. On the other hand, if calculations have been performed for all specified delivery base attributes (Yes in step S45), the output unit 80 outputs the delivery plan, accepts the selection by the administrator, and finalizes the delivery plan (step S45). S46).
  • the operation of the delivery plan creation system 100 of this embodiment will be described using a specific example.
  • a quantum computer is used for optimization processing, and a Hamiltonian equation is used as a model (objective function) used for optimization.
  • a delivery vehicle is specified as a delivery condition.
  • the delivery request reception unit 20 accepts the input of the delivery request regarding the delivery item.
  • the delivery request extraction unit 40 lists delivery items (that is, delivery requests) that are likely to be delivered by the same delivery vehicle as the delivery item, including predictions.
  • the optimization processing unit 70 causes the quantum computer to calculate a set of variables that minimizes a preset Hamiltonian equation, which includes variables to be delivered, a delivery vehicle, a delivery order, and a delivery time frame.
  • the parameter calculation unit 50 calculates the distance (or time, transportation cost) between delivery points, which becomes the coefficient of the variable. Furthermore, the model generation unit 60 generates a Hamiltonian formula in consideration of various conditions. For example, the conditions are that the total weight of the delivered items does not exceed the loading weight set for each vehicle, the total size or capacity of the delivered items does not exceed the vehicle loading platform size, and the total size or capacity of the delivered items does not exceed the loading weight set for each vehicle. Examples of such restrictions include not exceeding the size of the vehicle's loading platform, and limiting the size of the vehicle and the number of vehicles that can be parked at the same time depending on the parking space at the delivery location.
  • the output unit 80 determines which delivery vehicle a certain delivery item should be placed on, and in what delivery order the delivery vehicles should be placed, based on the variable set that minimizes the Hamiltonian equation. Outputs a delivery plan, such as whether to go through delivery points or not. Furthermore, by specifying multiple delivery vehicles and changing the delivery plan within the range of possible deliveries, it becomes possible to compare the total delivery costs within that range.
  • the output unit 80 outputs optimization results for a plurality of delivery conditions, making it possible to flexibly create a delivery plan that meets the needs of users and administrators. . As a result, it becomes possible to make adjustments to the additional delivery request, such as whether the price should be added to the standard delivery price or discounted.
  • the delivery request receiving unit 20 receives input of an additional delivery request including designation of multiple delivery conditions, and the delivery request extraction unit 40 selects a delivery request corresponding to the input delivery conditions. , including additional delivery requests. Then, the optimization processing unit 70 optimizes the delivery plan for the extracted delivery request for each delivery condition, and the output unit 80 outputs the optimized delivery plan for each delivery condition. Therefore, it is possible to create a delivery plan from a plurality of viewpoints, taking into consideration situations that may change due to additional delivery requests.
  • FIG. 10 is a block diagram showing an overview of the delivery plan creation system according to the present invention.
  • the delivery plan creation system 190 (for example, the delivery plan creation system 100) according to the present invention includes a delivery request receiving means 191 (for example, delivery request receiving unit 20), delivery request extraction means 192 (for example, delivery request extraction unit 40) that extracts delivery requests that correspond to the input delivery conditions, including additional delivery requests, and Optimization means 193 (for example, optimization processing unit 70) that optimizes the delivery plan for each delivery condition, and output means 194 (for example, output unit 80) that outputs the optimized delivery plan for each delivery condition.
  • Delivery request receiving means 191 for example, delivery request receiving unit 20
  • delivery request extraction means 192 for example, delivery request extraction unit 40
  • Optimization means 193 for example, optimization processing unit 70
  • output means 194 for example, output unit 80
  • the delivery plan creation system 190 may include delivery risk prediction means (for example, the delivery risk prediction unit 30) that predicts delivery requests that are expected to be made in the future that correspond to the input delivery conditions.
  • the delivery request extraction means 192 may also extract the predicted delivery request.
  • the delivery plan creation system 190 may include a model generation unit (eg, model generation unit 60, parameter calculation unit 50) that generates an objective function used for optimization using a Hamiltonian formula or an Ising model.
  • the optimization means 193 may then transmit the generated objective function to a quantum computer or an annealing machine to instruct the quantum computer or annealing machine to execute the optimization process.
  • the output means 194 may output comparison information that compares the results optimized for each delivery condition.
  • the optimization means 193 may optimize the delivery plan by minimizing an objective function that defines the cost required for delivery.
  • the optimization means 193 may optimize the delivery plan by minimizing an objective function that defines the amount of carbon dioxide emissions caused by delivery.
  • the delivery request receiving means 191 receives input of an additional delivery request including designation of a plurality of delivery times as delivery conditions, and the delivery request extracting means 192 extracts the delivery request scheduled for delivery at the specified delivery time from the additional delivery request.
  • the optimization means 193 optimizes the delivery plan for the extracted delivery requests for each specified delivery time, and the output means 194 outputs the optimized results for each delivery time. You may.
  • the delivery request receiving means 191 receives an input of an additional delivery request including designation of a plurality of delivery vehicle numbers as a delivery condition, and the optimizing means 193 responds to the extracted delivery request for each designated number of delivery vehicles.
  • the delivery plan may be optimized, and the output means 194 may output the optimized result for each number of delivery vehicles.
  • the delivery request receiving means 191 receives input of an additional delivery request including designation of a plurality of delivery base attributes as a delivery condition, and the optimizing means 193 responds to the extracted delivery request for each designated delivery base attribute.
  • the delivery plan may be optimized, and the output means 194 may output the optimized results for each delivery base attribute.
  • FIG. 11 is a schematic block diagram showing the configuration of a computer according to at least one embodiment.
  • the computer 1000 includes a processor 1001, a main memory 1002, an auxiliary memory 1003, and an interface 1004. Further, as described above, a quantum computer or an annealing machine may be connected to the computer 1000.
  • the above-described delivery plan creation system 190 is implemented on the computer 1000.
  • the operations of each processing unit described above are stored in the auxiliary storage device 1003 in the form of a program (delivery plan creation program).
  • the processor 1001 reads a program from the auxiliary storage device 1003, expands it to the main storage device 1002, and executes the above processing according to the program.
  • the auxiliary storage device 1003 is an example of a non-temporary tangible medium.
  • Other examples of non-transitory tangible media include magnetic disks, magneto-optical disks, CD-ROMs (Compact Disc Read-only memory), DVD-ROMs (Read-only memory), Examples include semiconductor memory.
  • the computer 1000 that receives the distribution may develop the program in the main storage device 1002 and execute the above processing.
  • the program may be for realizing part of the above-mentioned functions.
  • the program may be a so-called difference file (difference program) that implements the above-described functions in combination with other programs already stored in the auxiliary storage device 1003.
  • Delivery request receiving means for accepting input of additional delivery requests including specification of multiple delivery conditions; delivery request extraction means for extracting delivery requests that correspond to the input delivery conditions, including the additional delivery requests; optimizing means for optimizing a delivery plan for the extracted delivery request for each delivery condition;
  • a delivery plan creation system comprising: an output means for outputting an optimized delivery plan for each of the delivery conditions.
  • the optimization means optimizes the delivery plan by minimizing an objective function that defines the amount of carbon dioxide emissions generated by delivery.
  • the delivery request receiving means receives input of an additional delivery request including designation of multiple delivery times as delivery conditions
  • the delivery request extraction means extracts delivery requests scheduled for delivery at the specified delivery time, including the additional delivery requests
  • the optimization means optimizes the delivery plan for the extracted delivery request for each specified delivery time
  • the delivery planning system according to any one of Supplementary Notes 1 to 6, wherein the output means outputs the optimized result for each delivery time.
  • the delivery request receiving means receives input of an additional delivery request including designation of multiple delivery vehicle numbers as delivery conditions,
  • the optimization means optimizes the delivery plan for the extracted delivery request for each specified number of delivery vehicles,
  • the delivery planning system according to any one of Supplementary Notes 1 to 6, wherein the output means outputs the optimized result for each number of delivery vehicles.
  • the delivery request receiving means receives input of an additional delivery request including designation of multiple delivery base attributes as a delivery condition,
  • the optimization means optimizes the delivery plan for the extracted delivery request for each specified delivery base attribute,
  • the delivery planning system according to any one of Supplementary Notes 1 to 6, wherein the output means outputs a result optimized for each delivery base attribute.
  • the computer accepts input of an additional delivery request including specification of multiple delivery conditions, the computer extracts delivery requests that correspond to the input delivery conditions, including the additional delivery requests; the computer optimizes a delivery plan for the extracted delivery request for each delivery condition; A delivery plan creation method, wherein the computer outputs an optimized delivery plan for each of the delivery conditions.
  • Delivery request reception processing that accepts input of additional delivery requests including specification of multiple delivery conditions; delivery request extraction processing that extracts delivery requests that correspond to the input delivery conditions, including the additional delivery requests; an optimization process that optimizes a delivery plan for the extracted delivery request for each delivery condition, and A program storage medium that stores a delivery plan creation program for executing an output process of outputting an optimized delivery plan for each of the delivery conditions.
  • Delivery request reception processing that accepts input of additional delivery requests including specification of multiple delivery conditions; delivery request extraction processing that extracts delivery requests that correspond to the input delivery conditions, including the additional delivery requests; an optimization process that optimizes a delivery plan for the extracted delivery request for each delivery condition, and A delivery plan creation program for executing output processing to output an optimized delivery plan for each of the delivery conditions.
  • Storage unit 20 Delivery request reception unit 30 Delivery risk prediction unit 40 Delivery request extraction unit 50 Parameter calculation unit 60 Model generation unit 70 Optimization processing unit 80 Output unit 100,200 Delivery plan creation system 201 Quantum computer 202 Annealing machine

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

配送依頼受付手段１９１は、複数の配送条件の指定を含む追加配送依頼の入力を受け付ける。配送依頼抽出手段１９２は、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出する。最適化手段１９３は、抽出された配送依頼に対する配送計画を配送条件ごとに最適化する。出力手段１９４は、最適化された配送計画を配送条件ごとに出力する。

Description

配送計画作成システム、方法およびプログラム
　本発明は、配送計画を作成する配送計画作成システム、配送計画作成方法および配送計画作成プログラムに関する。
　配送依頼は、時々刻々と変化するものである。そのため、状況の変化に応じた配送計画を作成する方法が各種提案されている。
　特許文献１には、ユーザの利便性や効率的な配送を目的とする配送スケジュール選択システムが記載されている。特許文献１に記載されたシステムは、ユーザが注文する商品を配送するために選択可能な複数の配送スケジュール候補のそれぞれについて、他の荷物の将来の配送スケジュールや今後予測される配送スケジュールの追加／減少分を考慮して配送コストを計算する。
　また、特許文献２には、効率よく運送を行なうための運送管理システムが記載されている。特許文献２に記載されたシステムでは、予め決められた時刻に定期的に運行する運送便（既定便）と、申請によって運行する運送便（臨時便）とを管理し、追加運送依頼に応じて変更した場合の運送便の費用を、既定便及び臨時便を運行するための時間から計算した時間制運賃計算結果に基づいて計算する。
　なお、特許文献３には、配送計画の最適化に用いられる目的関数の一例が記載されている。
国際公開第２０１５／１１１２２４号 特開２０１３－１２９５１０号公報 特開２０２１－１６５１９６号公報
　特許文献１に記載された方法では、ユーザの注文を受け取ると、他の荷物の将来の配送スケジュールや今後予測される配送スケジュールの追加／減少分を考慮して、複数の候補に対する配送コストを計算する。ここで、特許文献１に記載されたシステムは、ユーザから直接注文を受け付けるシステムであることから、他のユーザから依頼された将来の配送スケジュール自体を変更することは意図されていない。
　言い換えると、特許文献１に記載された方法では、すでに存在する、または、予測される配送スケジュールに対して、追加の注文を加えた場合の配送コストを単純に算出しているに過ぎない。そのため、計算される配送コストは、全体の配送計画を考慮して算出されているわけではないことから、より適切な配送スケジュールが作成されているとは言い難い。
　また、特許文献２に記載されたシステムでは、追加の依頼内容に関わらず、追加運送依頼に応じて変更した場合の運送便の費用から、追加運送する前に計画されていた運送便の費用を減算することにより、運送便を利用したときの費用を算出する。そのため、特許文献２に記載されたシステムも、特許文献１に記載されたシステムと同様、算出される費用は、全体の配送計画を考慮して算出されているわけではないことから、より適切な配送スケジュールが作成されているとは言い難い。
　そこで、本発明は、追加の配送依頼により変更され得る状況を考慮した配送計画を複数の観点で作成できる配送計画作成システム、配送計画作成方法および配送計画作成プログラムを提供することを目的とする。
　本発明による配送計画作成システムは、複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付手段と、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出する配送依頼抽出手段と、抽出された配送依頼に対する配送計画を配送条件ごとに最適化する最適化手段と、最適化された配送計画を配送条件ごとに出力する出力手段とを備えている。
　本発明による配送計画作成方法は、コンピュータが、複数の配送条件の指定を含む追加配送依頼の入力を受け付け、コンピュータが、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出し、コンピュータが、抽出された配送依頼に対する配送計画を配送条件ごとに最適化し、コンピュータが、最適化された配送計画を配送条件ごとに出力する。
　本発明による配送計画作成プログラムは、コンピュータに、複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付処理、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出する配送依頼抽出処理、抽出された配送依頼に対する配送計画を配送条件ごとに最適化する最適化処理、および、最適化された配送計画を配送条件ごとに出力する出力処理を実行させる。
　本発明によれば、追加の配送依頼により変更され得る状況を考慮した配送計画を複数の観点で作成できる。
配送計画作成システムの一実施形態の構成例を示すブロック図である。 配送便に関する情報の例を示す説明図である。 配送計画作成システムの他の実施形態の構成例を示すブロック図である。 配送計画をガントチャートで表わした例を示す説明図である。 追加配送依頼に対する費用を計算する処理の例を示す説明図である。 配送計画作成システムの動作例を示す説明図である。 配送条件に配送時刻が指定された場合の配送計画作成システムの動作例を示すフローチャートである。 配送条件に配送車両数が指定された場合の配送計画作成システムの動作例を示すフローチャートである。 配送条件に配送拠点属性が指定された場合の配送計画作成システムの動作例を示すフローチャートである。 本発明による配送計画作成システムの概要を示すブロック図である。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
　以下、本発明の実施形態を図面を参照して説明する。本実施形態の配送計画作成システムは、ユーザの注文を受け付けた管理者が実現可能と想定する複数の配送条件を指定した配送依頼に基づいて、最適化された配送計画を生成する。
　図１は、配送計画作成システムの一実施形態の構成例を示すブロック図である。本実施形態の配送計画作成システム１００は、記憶部１０と、配送依頼受付部２０と、配送リスク予測部３０と、配送依頼抽出部４０と、パラメータ計算部５０と、モデル生成部６０と、最適化処理部７０と、出力部８０とを備えている。
　記憶部１０は、本実施形態の配送計画作成システム１００が各種処理に利用する情報を記憶する。具体的には、記憶部１０は、後述する最適化処理部７０による最適化処理の結果得られた配送計画を記憶する。また、記憶部１０は、配送拠点や配送便に関する情報（時間、場所、配送物、配送可能時間帯、等）や、予め定められたパラメータなども記憶する。記憶部１０は、例えば、磁気ディスク等により実現される。
　図２は、配送便に関する情報の例を示す説明図である。図２に示す例は、各配送便について、トラックおよびドライバーの識別情報、業務開始時刻および業務終了時刻、運行距離、高速通行料金、並びに、その配送便を利用したときの料金がそれぞれ対応付けられていることを示す。
　配送依頼受付部２０は、複数の配送条件の指定を含む配送依頼の入力を受け付ける。以下、既に受け付けている配送依頼と区別するため、配送依頼受付部２０が新たに受け付けた配送依頼のことを追加配送依頼と記すこともある。なお、配送条件は、例えば、配送時刻（配送地点における時刻）や配送手段、配送拠点の属性などである。配送手段の例として、小型トラック、中型トラック、大型トラック、トレーラー、バイク、自転車、飛行機、船舶などが挙げられる。
　例えば、配送条件として配送時刻が指定される場合、配送依頼受付部２０は、配送先までの所要時間ｔ＝＋３０分、＋１時間、＋２時間、＋２４時間、＋４８時間などの、複数の配送時刻の指定を含む追加配送依頼の入力を受け付けてもよい。なお、配送時刻ごとに配送車両が決定されている場合、配送時刻の指定は配送車両の指定と言うこともできる。
　配送リスク予測部３０は、将来行われると想定される配送依頼を予測する。具体的には、配送リスク予測部３０は、将来行われると想定される配送依頼として、入力された配送条件に該当する配送依頼を予測する。例えば、配送条件に配送時刻が含まれている場合、配送リスク予測部３０は、将来において、その配送時刻に行われると想定される配送依頼を予測する。
　例えば、上記のように配送条件として、「配送時刻＝＋２４時間」という条件が入力された場合、配送リスク予測部３０は、２４時間後までの配送依頼について予測してもよい。なお、すぐに出発する配送便が含まれるのを抑制するため、配送リスク予測部３０は、現在時刻に予め定めた時間ｔ０を加算した時刻から２４時間後までの配送依頼を予測してもよい。
　なお、配送依頼を予測する方法は任意である。配送リスク予測部３０は、例えば、過去の配送依頼の履歴に基づいて、過去のある時間帯、同じ配送地域（方面）に発生した配送依頼の平均数を算出して、配送条件に該当する将来の配送依頼を予測してもよい。他にも、配送リスク予測部３０は、例えば、最近（前日、前の週の同じ曜日）の配送数の増減から配送条件に該当する将来の配送依頼を予測してもよい。
　さらに、入力された配送条件や依頼される環境等を説明変数として含み、その配送条件に該当する配送依頼の件数を目的変数とする予測モデルを予め学習しておき、配送リスク予測部３０は、その予測モデルを用いて配送依頼を予測してもよい。
　配送依頼抽出部４０は、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出する。すなわち、配送依頼抽出部４０は、入力された配送条件に該当する既存の配送依頼と、新たに入力された追加配送依頼とをまとめて抽出する。配送依頼抽出部４０は、例えば、指定された配送時刻に配送予定の配送依頼を、追加配送依頼も含めて抽出してもよい。これにより、入力された配送条件に該当するすべての配送依頼が抽出されることになる。
　さらに、配送依頼抽出部４０は、入力された配送条件に該当する将来行われると予測された配送依頼を併せて抽出してもよい。例えば、配送車両を指定した配送依頼が入力された場合、配送リスク予測部３０が、その配送車両と同じ車両で配送される可能性のある配送依頼を予測し、配送依頼抽出部４０が、予測された配送依頼を併せて抽出してリスト化してもよい。これにより、将来の配送依頼を考慮した最終的な配送計画を早い段階で作成することが可能になる。
　なお、配送依頼抽出部４０が将来予測される配送依頼を抽出しない場合、配送計画作成システム１００は、配送リスク予測部３０を備えていなくてもよい。
　最適化処理部７０は、配送依頼抽出部４０によって抽出された配送依頼に対する配送計画を、配送条件ごとに最適化する。すなわち、最適化処理部７０は、既存の配送依頼に追加配送依頼も含めて最適化処理を行うことで、新たな配送計画を導出する。最適化処理部７０は、例えば、指定された配送時刻ごとに、抽出された配送依頼に対する配送計画を最適化してもよい。
　具体的には、最適化処理部７０は、最適化処理として、後述するパラメータ計算部５０およびモデル生成部６０により生成されたモデル（目的関数）の値を最小にする観点の組合せ求めることにより、生じるコストを最小化する配送計画を求める処理を行う。
　最適化処理部７０の態様は任意である。最適化処理部７０が、例えば、一般的なコンピュータのＣＰＵ（Central Processing Unit ）により実現されていてもよい。
　ここで、本実施形態で最適化しようとする配送計画は、荷物、配送車両、配送時刻等の中から、適切な組み合わせを選択しようとする問題であることから、組み合わせ最適化問題と言える。全探索等の計算処理で最適な組み合わせを探索することは現実的でないため、配送パターンを予め定め、配送物と配送パターンの組合せに絞って最適化することが一般的である。
　一方で、複数の配送条件ごとの配送計画を最適化しようとすると、一般的なコンピュータを使用した場合、多くの計算時間がかかることが想定される。そこで、本実施形態の最適化処理部７０が、量子コンピュータやアニーリングマシンに対して、生成された目的関数を送信して最適化処理の実行指示を行う構成であってもよい。
　図３は、配送計画作成システムの他の実施形態の構成例を示すブロック図である。図３に例示するように、配送計画作成システム２００が、量子コンピュータ２０１やアニーリングマシン２０２に接続されていてもよい。なお、図３では、配送計画作成システム２００が、量子コンピュータ２０１およびアニーリングマシン２０２の両方に接続されている場合を例示しているが、配送計画作成システム２００は、量子コンピュータ２０１とアニーリングマシン２０２のいずれか一方に接続されていてもよい。その他の構成は、図１に例示する構成と同様である。
　すなわち、量子コンピュータの場合、ハミルトニアン式を用いて最適化が行われ、アニーリングマシンの場合、イジングモデルを用いて最適化が行われることになる。そのため、最適化処理部７０が、量子コンピュータやアニーリングマシンに最適化処理を実行させるためのモデルを送信して、最適化処理を実行させてもよい。これにより、複数の配送条件ごとの配送計画を、一般的なコンピュータを使用する場合と比較して、より効率的に最適化することが可能になる。
　また、配送計画において、最適化しようとする観点は複数想定される。以下、組合せ最適化の観点について具体的に説明する。
　メインの観点は、費用面（コスト）での観点である。例えば、自社の配送車両の場合、コストは、配送距離×平均燃費、ドライバー人件費、配送車両経費等の総和で算出される。また、他社への業務委託の場合、コストは、配送距離および荷量に基づいて運賃表から計算されるコストや、配送車両のサイズおよび日数などの総和で算出される。
　上記に関連する観点として、配送距離や配送時間、積載率の観点が挙げられる。積載率は、例えば、荷量（重量）／配送車両の最大積載重量や、荷量（容量）／配送車両の最大積載容量などで算出される。
　また、配送車両の負荷を考慮し、配送車両の負荷を平均化した値が観点として挙げられる。平均化した値は、例えば、１／ｎ・Σ（各配送車両の配送時間－平均配送時間）２や、１／ｎ・Σ（各配送車両の積載率－平均積載率）２などで算出される。なお、この値は、分散が小さいほど好ましいと言える。
　また、環境への影響を考慮し、費用面（コスト）以外の観点として、二酸化炭素排出量が挙げられる。二酸化炭素排出量は、例えば、（配送距離×距離係数＋配送時間＊時間係数）×重量×累積高低差×車両係数により算出される。なお、各種係数は、管理者等により予め定められる。
　パラメータ計算部５０は、最適化処理部７０が最適化に用いるモデルに使用されるパラメータを計算する。また、モデル生成部６０は、パラメータ計算部５０によって生成されたパラメータを用いてモデルを生成する。モデル生成部６０が生成するモデルは、具体的には最適化処理に用いられる目的関数である。
　目的関数は、最適化対象を規定した関数であり、上述する観点を組み合わせた複数の項（以下、コスト項と記す。）と、制約条件が満たされない場合に加算される項（以下、ペナルティ項と記す。）とを加算した関数として表わされる。目的関数は、例えば、最適化対象として配送に要する配送コストを規定した関数であってもよいし、最適化対象として配送により生じる二酸化炭素排出量を規定した関数であってもよい。この場合、最適化処理部７０は、これらの目的関数を最小化することにより配送計画を最適化する。
　ただし、最適化対象は、コストや二酸化炭素排出量に限定されない。また、最適化対象も１つに限定されず、例えば、上述する配送コストおよび二酸化炭素排出量の両方が最適化対象であってもよい。
　コスト項に含まれる項は、各種の観点に重み付けした項として表わされる。例えば、上記に示す観点が用いられる場合、目的関数は、以下に例示する式１で表わされる。
　目的関数＝（コスト×コストの重み＋積載率×積載率の重み＋配送距離×配送距離の重み＋・・・）＋ペナルティ項　　（式１）
　パラメータ計算部５０は、各種の観点が選択された場合の重みをパラメータとして計算してもよい。上記に示す式１の例では、パラメータ計算部５０は、コストの重みや積載率の重み、配送距離の重みなどを計算する。その際、パラメータ計算部５０は、対象とする観点を重視するほど大きくなるように、その観点の重みを計算する。
　なお、目的関数の内容は任意であり、上記に示す式１の形式に限定されない。パラメータ計算部５０およびモデル生成部６０は、例えば、特許文献３に記載された形式の目的関数を生成してもよいし、既知の目的関数を生成してもよい。また、最適化処理部７０は、任意の構成で実現可能であるため、パラメータ計算部５０は、行われる最適化処理に応じてモデルのパラメータを計算すればよい。
　例えば、最適化処理部７０が量子コンピュータで実現され、その量子コンピュータにより最適化処理が行われる場合、パラメータ計算部５０は、最適化に用いるハミルトニアン式に使用されるパラメータを計算すればよい。また、例えば、最適化処理部７０がアニーリングマシンで実現され、その量子アニーリングマシンで最適化処理が行われる場合、パラメータ計算部５０は、最適化に用いるイジングモデルに使用されるパラメータを計算すればよい。これらの場合、モデル生成部６０は、生成されたパラメータを用いて、最適化に用いられる目的関数をハミルトニアン式またはイジングモデルで生成すればよい。
　最適化処理部７０が、量子コンピュータやアニーリングマシンで実現される場合、配送計画作成システム１００（配送計画作成システム２００）は、一般的なコンピュータのような通常の要素とは異なる追加要素を含んでいると言える。また、量子コンピュータやアニーリングマシンに最適化処理を実行させるために、ハミルトニアン式やイジングモデルを生成するパラメータ計算部５０およびモデル生成部６０は、最適化処理部７０の機能を向上させるとともに、最適化処理の向上を示すものであると言える。
　以下、目的関数をハミルトニアン式で表わす方法の一例を説明する。ハミルトニアン式では、各観点の選択有無が変数ｘｎ（∈｛０，１｝）で表わされる。例えば、配送時刻は、ハミルトニアン式を最適化して導出した変数セットのうち、選択されたｘｎ（すなわち、ｘｎ＝１）になる。
　例えば、３０分ごとに定義された配送時間枠を選択できるか否かを定義するとする。ここで、１０時から１２時までの配送が可能な場合、指定時刻範囲は、以下に例示する表１のように定義される。表１において、０が配送不可であることを示し、１が配送可能であることを示す。
Figure JPOXMLDOC01-appb-T000001
　また、このとき、指定した時間枠の変数が１でない場合にペナルティとなるようなペナルティ項は、例えば、以下に例示する式２で表わされる。式２において、ｗはペナルティの度合いを示す重み係数である。
　ペナルティ＝（１－ｘｎ）×ｗ　　（式２）
　このように、パラメータ計算部５０およびモデル生成部６０は、想定する観点に応じてパラメータを計算し、計算したパラメータを用いてモデルを生成すればよい。なお、目的関数をイジングモデルやハミルトニアン式で表わす方法は広く知られているため、更なる説明は省略する。
　出力部８０は、最適化された配送計画を配送条件ごとに出力する。出力部８０は、追加配送依頼に対して生じるコスト（料金）や二酸化炭素排出量などを配送条件ごとに計算し、計算結果を出力してもよい。出力部８０は、例えば、配送時刻ごとに最適化された結果を出力してもよい。
　このとき、出力部８０は、比較可能な態様で各配送計画そのものを出力してもよいし、配送条件ごとに最適化された結果同士を比較した比較情報を出力してもよい。配送計画を出力する方法として、例えば、配送計画をガントチャートで表示する方法が挙げられる。
また、比較情報の例として、配送計画間の費用の差などが挙げられる。さらに、出力部８０は、生じる費用に応じたランキング形式で、配送条件や配送計画を出力してもよい。
　図４は、配送計画をガントチャートで表わした例を示す説明図である。図４に示す例では、ある荷物を１０：００の配送便で配送する配送計画を作成した場合と、１０：３０の配送便で配送する配送計画を作成した場合とで、荷物の移動状況を比較可能に出力した例を示す。
　また、出力部８０は、配送車両の総コストに応じた配送物の重量、サイズおよび配送距離に応じた料金計算式に基づいて費用を計算してもよく、料金表に基づいて費用を計算してもよい。さらに、計算した費用により、配送依頼に対する原価が推定できることから、出力部８０は、注文を行ったユーザに対して、推定した原価に応じた配送料金を出力（表示、メール通知、等）してもよい。
　図５は、追加配送依頼に対する費用を計算する処理の例を示す説明図である。図５に示す例は、追加配送依頼が行われた配送品の配送元および配送先の情報と、どの配送便を利用するものであるか、また、その配送便を利用したときの荷積み時刻、荷下し時刻および配送可能時間帯を対応付けたものである。さらに、図５に示す例は、各配送依頼に対する確度（追加配送依頼であること（本件）、確定した配送依頼であること、交渉中の配送依頼であること、または、予測された配送依頼であること）が対応付けられていることを示す。
　例えば、ある配送便を利用したときの料金をＶとする。このとき、出力部８０は、ある配送便を利用した場合の料金Ｖから、他の配送依頼にかかる費用を差し引いた値に基づいて、追加配送依頼に対する費用を計算してもよい。その際、出力部８０は、確定した配送依頼以外の料金を、所定の重みを乗じて（例えば、交渉中の配送依頼の重みを０．５、予測された配送依頼の重みを０．２など）計算してもよい。図５に示す例では、追加配送依頼に対する料金Ｐ０を、Ｐ０＝（Ｖ－Ｐ１－Ｐ２×０．５－Ｐ３×０．２）ｗで計算したことを示す。なお、ｗは、所定の重み値である。
　配送依頼受付部２０と、配送リスク予測部３０と、配送依頼抽出部４０と、パラメータ計算部５０と、モデル生成部６０と、最適化処理部７０と、出力部８０とは、例えば、プログラム（配送計画作成プログラム）に従って動作するコンピュータのプロセッサ（例えば、ＣＰＵ）によって実現される。なお、上述するように、最適化処理部７０が、量子コンピュータやアニーリングマシンに対して最適化処理の実行指示を行う構成であってもよい。
　例えば、プログラムは、記憶部１０に記憶され、プロセッサは、そのプログラムを読み込み、プログラムに従って、配送依頼受付部２０、配送リスク予測部３０、配送依頼抽出部４０、パラメータ計算部５０、モデル生成部６０、最適化処理部７０および出力部８０として動作してもよい。また、配送計画作成システム１００の機能がＳａａＳ（Software as a Service ）形式で提供されてもよい。
　配送依頼受付部２０と、配送リスク予測部３０と、配送依頼抽出部４０と、パラメータ計算部５０と、モデル生成部６０と、最適化処理部７０と、出力部８０とは、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（circuitry ）、プロセッサ等やこれらの組合せによって実現されもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。
　また、配送計画作成システム１００の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
　次に、本実施形態の配送計画作成システム１００の動作を説明する。図６は、本実施形態の配送計画作成システム１００の動作例を示す説明図である。配送依頼受付部２０は、複数の配送条件の指定を含む追加配送依頼の入力を受け付ける（ステップＳ１１）。配送依頼抽出部４０は、入力された配送条件に該当する配送依頼を追加配送依頼も含めて抽出する（ステップＳ１２）。最適化処理部７０は、抽出された配送依頼に対する配送計画を配送条件ごと最適化する（ステップＳ１３）。そして、出力部８０は、最適化された配送計画を配送条件ごとに出力する（ステップＳ１４）。
　次に、具体的な配送条件を例示して、本実施形態の配送計画作成システム１００の具体的な動作を説明する。図７は、配送条件に配送時刻が指定された場合の配送計画作成システム１００の動作例を示すフローチャートである。
　まず、配送依頼受付部２０は、配送依頼の入力を受け付け（ステップＳ２１）、さらに複数の配送時刻の指定を受け付ける（ステップＳ２２）。配送リスク予測部３０が、指定された配送時刻の配送依頼を予測し、さらに、配送依頼抽出部４０が、指定された配送時刻の範囲に含まれる配送依頼を抽出する（ステップＳ２３）。最適化処理部７０は、組合せ最適化計算により、配送計画を作成する（ステップＳ２４）。そして、出力部８０は、追加配送依頼に対する料金を計算する（ステップＳ２５）。
　指定されたすべての配送時刻に対する計算が行われていない場合（ステップＳ２６におけるＮｏ）、他の配送時刻に対してステップＳ２３以降の処理が繰り返される。一方、指定されたすべての配送時刻に対する計算が行われた場合（ステップＳ２６におけるＹｅｓ）、出力部８０は、配送計画を出力し、管理者による選択を受け付けて、配送計画を確定する（ステップＳ２７）。
　次に、配送条件に配送車両数が指定された場合の配送計画作成システム１００の動作例を説明する。図８は、配送条件に配送車両数が指定された場合の配送計画作成システム１００の動作例を示すフローチャートである。
　まず、配送依頼受付部２０は、配送依頼の入力を受け付け（ステップＳ３１）、さらに複数の配送車両数の指定を受け付ける（ステップＳ３２）。最適化処理部７０は、組合せ最適化計算により、配送計画を作成する（ステップＳ３３）。そして、出力部８０は、追加配送依頼に対する料金を計算する（ステップＳ３４）。
　指定されたすべての配送車両数に対する計算が行われていない場合（ステップＳ３５におけるＮｏ）、他の配送車両数に対してステップＳ３３以降の処理が繰り返される。一方、指定されたすべての配送車両数に対する計算が行われた場合（ステップＳ３５におけるＹｅｓ）、出力部８０は、配送計画を出力し、管理者による選択を受け付けて、配送計画を確定する（ステップＳ３６）。
　このように、配送車両数を変更した場合の配送計画を最適化することで、配送業者のある拠点に配備する最適な配送車両の種類や台数を導出することが可能になる。
　次に、配送条件に配送拠点属性（集荷センター、地区センターの位置、規模など）が指定された場合の配送計画作成システム１００の動作例を説明する。図９は、配送条件に配送拠点属性が指定された場合の配送計画作成システム１００の動作例を示すフローチャートである。
　まず、配送依頼受付部２０は、配送依頼の入力を受け付け（ステップＳ４１）、さらに複数の配送拠点属性の指定を受け付ける（ステップＳ４２）。最適化処理部７０は、組合せ最適化計算により、配送計画を作成する（ステップＳ４３）。そして、出力部８０は、追加配送依頼に対する料金を計算する（ステップＳ４４）。
　指定されたすべての配送拠点属性に対する計算が行われていない場合（ステップＳ４５におけるＮｏ）、他の配送拠点属性に対してステップＳ４３以降の処理が繰り返される。一方、指定されたすべての配送拠点属性に対する計算が行われた場合（ステップＳ４５におけるＹｅｓ）、出力部８０は、配送計画を出力し、管理者による選択を受け付けて、配送計画を確定する（ステップＳ４６）。
　このように、配送拠点属性を変更した場合の配送計画を最適化することで、配送業者の拠点をどこに設置すべきか導出することが可能になる。
　次に、具体例を挙げて、本実施形態の配送計画作成システム１００の動作を説明する。以下に示す具体例では、最適化処理に量子コンピュータが使用されるものとし、最適化に用いられるモデル（目的関数）として、ハミルトニアン式が用いられるものとする。また、配送条件として配送車両が指定されるものとする。
　まず、配送物のデータが入力されると、配送依頼受付部２０は、その配送物に関する配送依頼の入力を受け付ける。配送依頼抽出部４０は、その配送物と同じ配送車両で配送される可能性のある配送物（すなわち、配送依頼）を予測を含めてリスト化する。最適化処理部７０は、配送物と配送車両と配送順序と配送時間枠とを変数として含む、予め設定されたハミルトニアン式を最小化する変数のセットを量子コンピュータに計算させる。
　なお、パラメータ計算部５０は、変数の係数になる配送地点間の距離（または、時間、輸送コスト）を計算する。また、モデル生成部６０は、各種の条件を考慮してハミルトニアン式を生成する。例えば、条件として、配送物の重量の総和が車両ごとに設定された積載重量を超過しない、配送物のサイズまたは容量の総和が車両の荷台サイズを超過しない、配送物のサイズまたは容量の総和が車両の荷台サイズを超過しない、配送地の駐車スペースによる車両のサイズおよび同時駐車できる台数の制限、などが挙げられる。
　最適化処理部７０による最適化の結果、出力部８０は、ハミルトニアン式を最小化する変数セットから、ある配送物をどの配送車両に載せればよいか、また、配送車両はどのような配送順序で配送地点を経由すればよいか、などの配送計画を出力する。さらに、複数の配送車両を指定し、配送する可能性のある範囲で配送計画を変化させることで、その範囲内での総配送コストを比較することが可能になる。
　なお、一般に、上記範囲が狭いと、配送車両の候補が少なく、総配送コストは高くなる傾向にある。また、上記範囲が広ければ、逆に総配送コストは低くなる傾向にある。
　例えば、配送先の事情によっては、必ずしもコストを最小化するような配送依頼が選択されない場合も想定する。本実施形態の配送計画作成システム１００では、出力部８０が、複数の配送条件に対する最適化結果を出力するため、ユーザや管理者のニーズに則した配送計画を柔軟に作成することが可能になる。その結果、追加配送依頼に対して、例えば、標準の配送価格に上乗せすべきか、値引きすべきか等の調整が可能になる。
　以上のように、本実施形態では、配送依頼受付部２０が、複数の配送条件の指定を含む追加配送依頼の入力を受け付け、配送依頼抽出部４０が、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出する。そして、最適化処理部７０が、抽出された配送依頼に対する配送計画を配送条件ごとに最適化し、出力部８０が、最適化された配送計画を配送条件ごとに出力する。よって、追加の配送依頼により変更され得る状況を考慮した配送計画を複数の観点で作成できる。
　次に、本発明の概要を説明する。図１０は、本発明による配送計画作成システムの概要を示すブロック図である。本発明による配送計画作成システム１９０（例えば、配送計画作成システム１００）は、複数の配送条件（例えば、複数の配送時刻）の指定を含む追加配送依頼の入力を受け付ける配送依頼受付手段１９１（例えば、配送依頼受付部２０）と、入力された配送条件に該当する配送依頼を、追加配送依頼も含めて抽出する配送依頼抽出手段１９２（例えば、配送依頼抽出部４０）と、抽出された配送依頼に対する配送計画を配送条件ごとに最適化する最適化手段１９３（例えば、最適化処理部７０）と、最適化された配送計画を配送条件ごとに出力する出力手段１９４（例えば、出力部８０）とを備えている。
　そのような構成により、追加の配送依頼により変更され得る状況を考慮した配送計画を複数の観点で作成できる。
　また、配送計画作成システム１９０は、入力された配送条件に該当する将来行われると想定される配送依頼を予測する配送リスク予測手段（例えば、配送リスク予測部３０）を備えていてもよい。そして、配送依頼抽出手段１９２は、予測された配送依頼を併せて抽出してもよい。
　また、配送計画作成システム１９０は、最適化に用いられる目的関数をハミルトニアン式またはイジングモデルで生成するモデル生成部（例えば、モデル生成部６０、パラメータ計算部５０）を備えていてもよい。そして、最適化手段１９３は、量子コンピュータまたはアニーリングマシンに対して、生成された目的関数を送信して最適化処理の実行指示を行ってもよい。
　また、出力手段１９４は、配送条件ごとに最適化された結果同士を比較した比較情報を出力してもよい。
　具体的には、最適化手段１９３は、配送に要するコストを規定した目的関数を最小化することにより配送計画を最適化してもよい。
　他にも、最適化手段１９３は、配送により生じる二酸化炭素排出量を規定した目的関数を最小化することにより配送計画を最適化してもよい。
　また、配送依頼受付手段１９１は、配送条件として複数の配送時刻の指定を含む追加配送依頼の入力を受け付け、配送依頼抽出手段１９２は、指定された配送時刻に配送予定の配送依頼を、前記追加配送依頼も含めて抽出し、最適化手段１９３は、指定された配送時刻ごとに、抽出された配送依頼に対する配送計画を最適化し、出力手段１９４は、配送時刻ごとに最適化された結果を出力してもよい。
　また、配送依頼受付手段１９１は、配送条件として複数の配送車両数の指定を含む追加配送依頼の入力を受け付け、最適化手段１９３は、指定された配送車両数ごとに、抽出された配送依頼に対する配送計画を最適化し、出力手段１９４は、配送車両数ごとに最適化された結果を出力してもよい。
　また、配送依頼受付手段１９１は、配送条件として複数の配送拠点属性の指定を含む追加配送依頼の入力を受け付け、最適化手段１９３は、指定された配送拠点属性ごとに、抽出された配送依頼に対する配送計画を最適化し、出力手段１９４は、配送拠点属性ごとに最適化された結果を出力してもよい。
　図１１は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。コンピュータ１０００は、プロセッサ１００１、主記憶装置１００２、補助記憶装置１００３、インタフェース１００４を備える。また、上述するように、コンピュータ１０００に、量子コンピュータやアニーリングマシンが接続されていてもよい。
　上述の配送計画作成システム１９０は、コンピュータ１０００に実装される。そして、上述した各処理部の動作は、プログラム（配送計画作成プログラム）の形式で補助記憶装置１００３に記憶されている。プロセッサ１００１は、プログラムを補助記憶装置１００３から読み出して主記憶装置１００２に展開し、当該プログラムに従って上記処理を実行する。
　なお、少なくとも１つの実施形態において、補助記憶装置１００３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インタフェース１００４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ（Compact Disc Read-only memory ）、ＤＶＤ－ＲＯＭ（Read-only memory）、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ１０００に配信される場合、配信を受けたコンピュータ１０００が当該プログラムを主記憶装置１００２に展開し、上記処理を実行してもよい。
　また、当該プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、当該プログラムは、前述した機能を補助記憶装置１００３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付手段と、
　入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出する配送依頼抽出手段と、
　抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化する最適化手段と、
　最適化された配送計画を前記配送条件ごとに出力する出力手段とを備えた
　配送計画作成システム。
（付記２）入力された配送条件に該当する将来行われると想定される配送依頼を予測する配送リスク予測手段を備え、
　配送依頼抽出手段は、予測された前記配送依頼を併せて抽出する
　付記１記載の配送計画システム。
（付記３）最適化に用いられる目的関数をハミルトニアン式またはイジングモデルで生成するモデル生成部を備え、
　最適化手段は、量子コンピュータまたはアニーリングマシンに対して、生成された前記目的関数を送信して最適化処理の実行指示を行う
　付記１または付記２記載の配送計画システム。
（付記４）出力手段は、配送条件ごとに最適化された結果同士を比較した比較情報を出力する
　付記１から付記３のうちのいずれか１つに記載の配送計画システム。
（付記５）最適化手段は、配送に要するコストを規定した目的関数を最小化することにより配送計画を最適化する
　付記１から付記４のうちのいずれか１つに記載の配送計画システム。
（付記６）最適化手段は、配送により生じる二酸化炭素排出量を規定した目的関数を最小化することにより配送計画を最適化する
　付記１から付記５のうちのいずれか１つに記載の配送計画システム。
（付記７）配送依頼受付手段は、配送条件として複数の配送時刻の指定を含む追加配送依頼の入力を受け付け、
　配送依頼抽出手段は、指定された配送時刻に配送予定の配送依頼を、前記追加配送依頼も含めて抽出し、
　最適化手段は、指定された配送時刻ごとに、抽出された配送依頼に対する配送計画を最適化し、
　出力手段は、配送時刻ごとに最適化された結果を出力する
　付記１から付記６のうちのいずれか１つに記載の配送計画システム。
（付記８）配送依頼受付手段は、配送条件として複数の配送車両数の指定を含む追加配送依頼の入力を受け付け、
　最適化手段は、指定された配送車両数ごとに、抽出された配送依頼に対する配送計画を最適化し、
　出力手段は、配送車両数ごとに最適化された結果を出力する
　付記１から付記６のうちのいずれか１つに記載の配送計画システム。
（付記９）配送依頼受付手段は、配送条件として複数の配送拠点属性の指定を含む追加配送依頼の入力を受け付け、
　最適化手段は、指定された配送拠点属性ごとに、抽出された配送依頼に対する配送計画を最適化し、
　出力手段は、配送拠点属性ごとに最適化された結果を出力する
　付記１から付記６のうちのいずれか１つに記載の配送計画システム。
（付記１０）コンピュータが、複数の配送条件の指定を含む追加配送依頼の入力を受け付け、
　前記コンピュータが、入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出し、
　前記コンピュータが、抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化し、
　前記コンピュータが、最適化された配送計画を前記配送条件ごとに出力する
　配送計画作成方法。
（付記１１）コンピュータに、
　複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付処理、
　入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出する配送依頼抽出処理、
　抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化する最適化処理、および、
　最適化された配送計画を前記配送条件ごとに出力する出力処理
　を実行させるための配送計画作成プログラムを記憶するプログラム記憶媒体。
（付記１２）コンピュータに、
　複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付処理、
　入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出する配送依頼抽出処理、
　抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化する最適化処理、および、
　最適化された配送計画を前記配送条件ごとに出力する出力処理
　を実行させるための配送計画作成プログラム。
　以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　１０　記憶部
　２０　配送依頼受付部
　３０　配送リスク予測部
　４０　配送依頼抽出部
　５０　パラメータ計算部
　６０　モデル生成部
　７０　最適化処理部
　８０　出力部
　１００，２００　配送計画作成システム
　２０１　量子コンピュータ
　２０２　アニーリングマシン

Claims (11)

  1. 　複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付手段と、
    　入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出する配送依頼抽出手段と、
    　抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化する最適化手段と、
    　最適化された配送計画を前記配送条件ごとに出力する出力手段とを備えた
    　配送計画作成システム。
  2. 　入力された配送条件に該当する将来行われると想定される配送依頼を予測する配送リスク予測手段を備え、
    　配送依頼抽出手段は、予測された前記配送依頼を併せて抽出する
    　請求項１記載の配送計画システム。
  3. 　最適化に用いられる目的関数をハミルトニアン式またはイジングモデルで生成するモデル生成部を備え、
    　最適化手段は、量子コンピュータまたはアニーリングマシンに対して、生成された前記目的関数を送信して最適化処理の実行指示を行う
    　請求項１または請求項２記載の配送計画システム。
  4. 　出力手段は、配送条件ごとに最適化された結果同士を比較した比較情報を出力する
    　請求項１から請求項３のうちのいずれか１項に記載の配送計画システム。
  5. 　最適化手段は、配送に要するコストを規定した目的関数を最小化することにより配送計画を最適化する
    　請求項１から請求項４のうちのいずれか１項に記載の配送計画システム。
  6. 　最適化手段は、配送により生じる二酸化炭素排出量を規定した目的関数を最小化することにより配送計画を最適化する
    　請求項１から請求項５のうちのいずれか１項に記載の配送計画システム。
  7. 　配送依頼受付手段は、配送条件として複数の配送時刻の指定を含む追加配送依頼の入力を受け付け、
    　配送依頼抽出手段は、指定された配送時刻に配送予定の配送依頼を、前記追加配送依頼も含めて抽出し、
    　最適化手段は、指定された配送時刻ごとに、抽出された配送依頼に対する配送計画を最適化し、
    　出力手段は、配送時刻ごとに最適化された結果を出力する
    　請求項１から請求項６のうちのいずれか１項に記載の配送計画システム。
  8. 　配送依頼受付手段は、配送条件として複数の配送車両数の指定を含む追加配送依頼の入力を受け付け、
    　最適化手段は、指定された配送車両数ごとに、抽出された配送依頼に対する配送計画を最適化し、
    　出力手段は、配送車両数ごとに最適化された結果を出力する
    　請求項１から請求項６のうちのいずれか１項に記載の配送計画システム。
  9. 　配送依頼受付手段は、配送条件として複数の配送拠点属性の指定を含む追加配送依頼の入力を受け付け、
    　最適化手段は、指定された配送拠点属性ごとに、抽出された配送依頼に対する配送計画を最適化し、
    　出力手段は、配送拠点属性ごとに最適化された結果を出力する
    　請求項１から請求項６のうちのいずれか１項に記載の配送計画システム。
  10. 　コンピュータが、複数の配送条件の指定を含む追加配送依頼の入力を受け付け、
    　前記コンピュータが、入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出し、
    　前記コンピュータが、抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化し、
    　前記コンピュータが、最適化された配送計画を前記配送条件ごとに出力する
    　配送計画作成方法。
  11. 　コンピュータに、
    　複数の配送条件の指定を含む追加配送依頼の入力を受け付ける配送依頼受付処理、
    　入力された配送条件に該当する配送依頼を、前記追加配送依頼も含めて抽出する配送依頼抽出処理、
    　抽出された前記配送依頼に対する配送計画を前記配送条件ごとに最適化する最適化処理、および、
    　最適化された配送計画を前記配送条件ごとに出力する出力処理
    　を実行させるための配送計画作成プログラムを記憶するプログラム記憶媒体。
PCT/JP2022/015126 2022-03-28 2022-03-28 配送計画作成システム、方法およびプログラム WO2023187925A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/015126 WO2023187925A1 (ja) 2022-03-28 2022-03-28 配送計画作成システム、方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/015126 WO2023187925A1 (ja) 2022-03-28 2022-03-28 配送計画作成システム、方法およびプログラム

Publications (1)

Publication Number Publication Date
WO2023187925A1 true WO2023187925A1 (ja) 2023-10-05

Family

ID=88199954

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/015126 WO2023187925A1 (ja) 2022-03-28 2022-03-28 配送計画作成システム、方法およびプログラム

Country Status (1)

Country Link
WO (1) WO2023187925A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010150020A (ja) * 2008-12-26 2010-07-08 Jfe Steel Corp 車両運行計画作成方法及び装置
US20140330738A1 (en) * 2013-05-01 2014-11-06 Gruppo Due Mondi, Inc. Optimizing Customer Delivery Services
JP2018205806A (ja) * 2017-05-30 2018-12-27 株式会社日立製作所 輸送計画生成方法および輸送計画生成システム
JP2021011334A (ja) * 2019-07-04 2021-02-04 株式会社ゼンリンデータコム 経路生成装置、経路生成方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010150020A (ja) * 2008-12-26 2010-07-08 Jfe Steel Corp 車両運行計画作成方法及び装置
US20140330738A1 (en) * 2013-05-01 2014-11-06 Gruppo Due Mondi, Inc. Optimizing Customer Delivery Services
JP2018205806A (ja) * 2017-05-30 2018-12-27 株式会社日立製作所 輸送計画生成方法および輸送計画生成システム
JP2021011334A (ja) * 2019-07-04 2021-02-04 株式会社ゼンリンデータコム 経路生成装置、経路生成方法及びプログラム

Similar Documents

Publication Publication Date Title
JP7130806B2 (ja) 配送車両の配送計画生成方法、装置およびシステム
Qi et al. Shared mobility for last-mile delivery: Design, operational prescriptions, and environmental impact
JP6790103B2 (ja) 評価装置、評価方法、および評価プログラム
US20200005240A1 (en) Delivery planning device, delivery planning system, and delivery planning method
US20170178070A1 (en) Data analysis for dispatch scheduling optimization in the presence of time constraints
US7991634B2 (en) Vehicle transport load optimization
US20030078802A1 (en) Method, system and program for creating a delivery plan
CN113807759A (zh) 基于深度学习的货物运费决定方法以及装置
WO2023187925A1 (ja) 配送計画作成システム、方法およびプログラム
CN111199321B (zh) 运输网络的优化方法、装置、介质及计算机设备
JP7082531B2 (ja) 輸送業務管理装置及び輸送業務管理方法
JP4177019B2 (ja) 製品流通システム、製品補充元装置、製品流通方法及び補充先倉庫端末
KR20190142660A (ko) Erp 연동 물류 배송 관리 방법 및 이를 수행하는 장치
JP7249265B2 (ja) 在庫計画装置及び在庫計画方法
KR102285469B1 (ko) 클라우드 기반의 운행 일정 제공 장치
JP2005060108A (ja) 物流管理システム
JP7187950B2 (ja) マッチングプログラム、マッチング方法およびマッチング装置
JP2021131797A (ja) 配送計画立案装置、及び配送計画立案方法
KR20210104329A (ko) Erp 연동 통합 물류배송 관리 장치 및 방법
JP7544400B2 (ja) 最適化装置、最適化方法、及び最適化プログラム
JP4268008B2 (ja) 配送計画作成プログラムおよび配送計画作成方法
JP2024134200A (ja) 情報処理装置、情報処理方法及びプログラム
JP7470001B2 (ja) 輸送計画システム及び輸送計画方法
Hoff-Hoffmeyer-Zlotnik et al. Vehicle compound planning and control system: A planning and control framework for vehicle compounds with online-optimization on the level of individual workers
JP4174405B2 (ja) 運輸業管理装置、運輸業管理システム、及び運輸業管理プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22935078

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024510739

Country of ref document: JP

Kind code of ref document: A