Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Watsonによる物流課題の解決
Search
ishiitetsuji
May 26, 2019
Technology
0
950
Watsonによる物流課題の解決
Call for Code 2019 説明会@名古屋のセッション資料です。Watson Buildへの取り組みとWatsonを使うコツを伝授します。
ishiitetsuji
May 26, 2019
Tweet
Share
More Decks by ishiitetsuji
See All by ishiitetsuji
kintoneとすすめてみたいリビングラボ
ishiitetsuji
1
95
オープンデータは共有財産 ワーケーション編
ishiitetsuji
0
120
CIVIC TECH FORUM 2022 岐阜LT
ishiitetsuji
0
80
伝統産業 × IT 岐阜での取り組み事例
ishiitetsuji
0
230
岐阜ブロックの活動紹介
ishiitetsuji
0
80
いまむらさんのCat-Being
ishiitetsuji
0
210
シビックテック井戸端キャスト
ishiitetsuji
0
140
ブリゲードミートアップCODE for GIFU 活動紹介
ishiitetsuji
1
69
編み物とシビックテック
ishiitetsuji
0
76
Other Decks in Technology
See All in Technology
FrontDoorとWebAppsを組み合わせた際のリダイレクト処理の注意点
kenichirokimura
1
450
Postman v10リリース後を振り返る
nagix
0
170
自動生成を活用した、運用保守コストを抑える Error/Alert/Runbook の一元集約管理 / Centralized management of Error/Alert/Runbook to minimize operational costs using automated code generation
biwashi
12
2.3k
Google Cloud Next '24でブログを10本書いた方法と勉強会を沸かせた方法
yasumuusan
0
250
[PlatformCon 24] Platform Orchestrators: The Missing Middle of Internal Developer Platforms?
danielbryantuk
1
820
Delivering Millions of Messages within seconds @ Duolingo
pelelgrino
0
340
Java EE/Jakarta EEの現状と将来―クラウドネイティブ時代にJava EEは対応できるのか?―
takakiyo
1
120
Tableau事例紹介 / Tableau Case Study of Eureka
kazuya_araki_tokyo
1
180
私が trocco を推す理由
__allllllllez__
1
190
AOAI をきっかけに 社内の Azure 管理を見直した話
recruitengineers
PRO
1
200
DevOpsDays History and my DevOps story
kawaguti
PRO
9
2.3k
長期間TiDBを使ってきた話 @ 私たちはなぜNewSQLを使うのかTiDB選定5社が語る選定理由と活用LT / Experiences with TiDB Over Time
chibiegg
2
850
Featured
See All Featured
Six Lessons from altMBA
skipperchong
20
3k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
60
14k
Into the Great Unknown - MozCon
thekraken
10
990
YesSQL, Process and Tooling at Scale
rocio
163
13k
The Cult of Friendly URLs
andyhume
74
5.7k
Fantastic passwords and where to find them - at NoRuKo
philnash
36
2.5k
Bash Introduction
62gerente
604
210k
Build your cross-platform service in a week with App Engine
jlugia
225
17k
Web Components: a chance to create the future
zenorocha
305
41k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
356
22k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
243
20k
How to Ace a Technical Interview
jacobian
272
22k
Transcript
Watson Build 事例 Watsonを利用した物流課題の解決 2019.5.27 Call for Code 説明会@名古屋 (株)セイノー情報サービス
石井哲治
石井哲治 愛知出身 名古屋工業大学 1998年卒 株式会社セイノー情報サービスに勤務 知識ベース・ロボット推進室で人工知能 や最新技術を使って物流を効率化するこ とを考えなきゃいけないIT技術者 IBM CHAMPION
2019
None
Watson Build とは? Watson による物流課題の解決 Watson を活かすコツ
Watson Build とは?
IBMビジネス・パートナーを対象とした、新たなサービス やアプリケーションの創造にチャレンジするコンテスト 2018年は世界で約400チーム、日本から71チームが参加 https://www.ibm.com/jp-ja/partnerworld/resources/watsonbuild 約半年間かけて企画、プロトタイプ開発を行い審査
ご清聴ありがとうございました Watson Build 2018 日本チャンピオンとしてThink 2019に参加
Watson による物流課題の解決
と、いう言葉を聞いた事がありますか?
国土交通省「自動車輸送統計年報」より 小ロット、時間指定による積載率の低下 トラック積載効率の推移(営業用) トラックは空気を運んでいる
None
None
None
None
15
None
精度向上のための画像加工
精度向上のための画像加工 トリミングで荷台外部の背景を除去
精度向上のための画像加工 グレースケール化で色によるノイズを除去
25%以下 50%以下 75%以下 100%以下 積載率を25%刻みで4種類の分類器を作成
1日の積載量を増やすことは成功 だが、それを超える物量のムラに対応できない
直前に頼んでも運賃は変わらない ムラができる 物 量 時間 物流 リソース 早く計画するメリットが全くない
運賃の変動で物量を平準化する ダイナミックプライシング
運賃の変動で物量を平準化する ダイナミックプライシング 物 量 時間 物流 リソース
運賃の変動で物量を平準化する ダイナミックプライシング 物流 リソース 物 量 時間
Win - Win 物流プラットフォーム 荷主 ムリ・ムダ・ムラ を無くす 物流コストの 削減 輸送事業者
None
大手運送会社の輸送実績データを使用して物量予測モデルを作成 過去3年間の物量と直近の物量の伸び率から未来の物量を予測 伸び率 1.225 月 日 曜日 過去3年間実績物量(トン) 予約物量 2015年度
2016年度 2017年度 11月 1日 木曜日 3.1 3.1 3.2 2トン 11月 2日 金曜日 2.4 2.7 3.6 2.5トン 11月 3日 土曜日 1.5 0.35 0.90 0.5トン 11月 4日 日曜日 0.01 0.01 0.015 0.01トン 11月 5日 月曜日 2.6 3.6 1.4 2トン 11月 6日 火曜日 2.6 1.8 3.8 1トン 11月 7日 水曜日 2.5 3.8 1.6 3トン 130万件 過去10年分の輸送実績 物量予測モデルの構築
運賃 原価 販売開始金額 直前 一ヶ月前 東京大学 田中謙司准教授からアイデアをいただき実装 運賃の決定ロジック 輸送条件の組み合わせからリソース の利益を最大化できる運賃を判断
フィードバックによる学習を行い 精度を向上
17 兆円 × 33 % = 5.6 兆円 物流コスト 経済効果
33 % 削減 日本における経済効果 削減率
Watson を活かすコツ
Watsonはツールである 何かを「勝手にやってくれる」訳ではない ツールは正しく使ってはじめて役に立つ
役立つWatson API ランキング 第1位 Discovery 第2位 Visual Recognition 第3位 Watson
Assistant
文書データを自然言語解析で取得できるのはWatsonだけ ただ、基本的には検索機能なので使いどころに注意が必要 おすすめポイント ざんねんポイント FAQ、提案書、議事録、論文等をとりあえず突っ込める
少ない画像データで、そこそこの分類器がつくれる クラス分類までしかできない。そこを頑張る おすすめポイント ざんねんポイント ハッカソン的な使い方として一番使える
会話の復帰機能が実装された スロットがまだ弱い。チャットボットだけだと厳しい おすすめポイント ざんねんポイント セッション管理やメッセージサービスの連携も充実
IBM Cloud / Watsonを役に立てるには ツールの使い方を正しく知ろう 機能ドリブンより課題ドリブン シンプルなコンセプトを貫こう
Codeの力で世界の未来を変えよう