Business use cases and the impact of Optaplanner 計画問題は非常に面白い。これらの問題は一般的に、相互依存性を持ち、いくつか の制約を遵守し、他の制約を「できる限り収容する」というものです。これは、一般的 に人間が得意とする主観的な分析と、人間が絶対に苦手とする、対象の組み合わ せの指数関数的な増加が混在していることを意味します。人間の線形的な進行を理 解することができますが、計画問題を解くためのデータセットを増やすことで生まれる 組み合わせが指数関数的に増加すると、人間では対処できません。そこで、アルゴ リズムのサポート、使い易さ、柔軟性、拡張性に優れた Optaplannerが活躍します。 本セッションでは、典型的な計画問題の事例と、実際の適用事例について、いくつか ご紹介します。 About the speaker, Satish Kale: 　スペシャリストソリューションアーキテクトのマネージャー。 20年のITソリューション構築経験を持つテクノロジーリーダー。現在は Red Hat のNA Telcoマーケットでビジネス指向のソリューションセールスをリードする責任者。 Red Hat史上最大規模の案件に複数回貢献。 2009年 には、APJ (Asia Pacific - Japan) 地域の「Best Solution Architect」として表彰されました。 4年連続で150%以上の売上を達成。 「President's Club Award」を 3 回連続で受賞。 Speaker: Satish Kale

ビジネスの課題 2 目標の最適化 限られたリソースの中で 制約条件の下で

ビジネスチャンス 効率的で手頃な価格のリソース最適 化を活用することで、ビジネスは資産 （人と物）のリターンを最大化し、収益 性を向上させ、従業員の満足度を高め ることができます。 3

一般的なユースケース 4 ビンパッキング問題 従業員の勤務表問題 配送計画問題 ジョブショップ・スケジューリング問題 設備・装置スケジューリング問題 メイクスパンの最小化 従業員幸福度の最大化 運転時間の最小化 断片化の最小化 稼働率の最大化

最適化の領域 5 ビンパッキング - コンテナ、船、トラック、ス トレージ倉庫にアイテムを充填 クラウドリソースのプロビジョニング 技術者の出張の計画 配送物 タイムテーブル - 看護師、裁判官、修理 担当者 シフト制の勤務表 必要なリソース、稼働予定、 キャパシティ 現在の場所 カバーする目的地 やるべき仕事、人の予定 (時間) スケジューリング ルーティング リソース配分

6 配送経路問題 より効率的な配送指示の割り当て ユーザー スーパーマーケットと 小売店 運送業者 バス、タクシー 航空会社 道路整備士 ドライバーの 人件費 $20/hr 倉庫 配送宛先 積載重量 20ton以下 時間指定 AM8時〜10時 の間に配達 Option 明日でも良い 装甲車両 高額配送 配送経路問題のベンチマーク（ベルギーでのデータ） Ave. Min/Max データ セット数 最大のデータセット -9% -18% 5 2750の配送 55台の車両 運転時間 Optaplanner vs ドメイン知識を用いた従来アルゴリズム

7 従業員 従業員の勤務表 より効率的に従業員にシフトを割り当てる 1シフト/日 ≧10時間 看護師のスキルが必要 エンジニアスキルが必要 シフト 休日申請 土日は休み ≦5日連続シフト ≧48時間の休息 Forward Rotation （十分な睡眠時間） ユーザー 病院 警備会社 コールセンター 警察署 消防署 看護師勤務表のベンチマーク +19% +85% 26 752のシフト割当 50人の従業員 Optaplanner vs ドメイン知識を用いた従来アルゴリズム 従業員の幸福度 Ave. Min/Max データ セット数 最大のデータセット

8 ユーザー 給与計算サービス 税務監査人 コールセンター 採用面接 住宅ローン審査 タスクの割り当て タスクを割り当て、並べ替えることにより、すべての従業員のタスクキューを最適化 従業員 12:00から13:00の間に開始 フランス語のスキルが必要 優先度：高 優先度：中 公平性 健康管理との親和性がある 親和性に欠け、時間がかかる スループットを最大化

9 クラウドバランス 各プロセスをコンピュータに割り当てる 割り当てる十分な スペースが無い 最適な解

標準的な解空間 10 巡回セールスマン問題 講義スケジューリング #顧客 解空間 #時間枠　#部屋　　#講義　　解空間 　

数字に注目してみよう 一方で、観測可能な宇宙の原子の数は1080なんですよ！！ 11 巡回セールスマン問題 講義スケジューリング #顧客 解空間 #時間枠　　#部屋　　　#講義　　　解空間 　

アルゴリズムがあなたを助ける Exact Algorithms（しらみつぶし探索） ● Brute Force（総当たり） ● Branch and Bound（分枝限定法） Construction Heuristics（構築ヒューリスティック） ● First Fit ● First Fit decreasing ● Best Fit ● Best Fit decreasing ● Cheapest Insertion ● Regret Insertion Metaheuristics（メタヒューリスティック） ● Local Search（局所探索法） ○ Hill Climbing（山登り法） ○ Tabu Search（タブー探索） ○ Simulated Annealing（焼きなまし法） ○ Late Acceptance（レイトアクセプタンス） ○ Step Counting Hill Climbing（SCHC） ○ Great Deluge（大洪水法） 12

Use Case 1 - Field Operations - “Man In a Van” 仕事の合間の時間のロスは、大きな出費になります。 13

従業員についての計画の課題 - 最も注目すべき事例 大手電気通信サービスプロバイダー - 70,000人以上の現場の技術者 CIO 営業のマネージャー 現場の技術者 地域担当マネージャー 数千人、数万人の従業員の雇 用は、ビジネスを維持するた めに高い運用コストを要求しま す。 運用コスト 手動、または最適でないスケ ジューリングのソリューションで は、更新が遅く、また一貫性に欠 けることになります。 アジリティ 仕事の割り振りは、手動で難解 なタスクであり、現場の技術者 達は、巡回計画の質に非常に 不満を持っています。 非効率性 顧客満足度 エンドユーザーは、サービスの 質の低さや対応の遅れ、見通 しの立たないスケジュールに 不満を持っています。 スケジューリングやスキル・ジョ ブマッチングの質が低いため、 従業員は不満を抱いています。 職場の満足度 "解約や、顧客の都合で、従業員の スケジュールを調整する作業は、 悪夢のようです" “お客様が我々の対応に対して不信 感を抱いていると、売ることが難しく なります” “人員拡大で運用コストが高騰していま す。効率を高めるためには最適化が必要 です” "お客様と一緒に仕事をするよりも、車 で移動する時間が多く、無理なスケ ジュールを組まれることが多い" 14

20 ソリューション タスク処理能力の最大化 従業員間の公平性 従業員（相性、スキル） 重要で優先順位の高いタスクを優先 タスクには専門スキルが必要 燃料消費量、走行時間、 必要車両の最小化 車両（容量、燃料） 配送（場所、荷物） 連続運転は8時間に制限 期日前に現地到着 目標 リソース 制約 タスクの割り当て 配送経路問題 Business optimization Busines s rules Complex event processing 異なる２つの問題について の最適化への取り組み

サクセス・ストーリー 現在の課題 ● 数万の技術者 / 車両 の維持にかかる高いコスト ● 非常に古く、最適でないプランニングのソリューション ● 質の悪いタスクの割り振りや、巡回のスケジュール ● サービスの質の低さや遅れに不満を持つお客様 ● スケジューリングとジョブマッチングの質が低いため、技術者 は不満を抱いている 最適化への取り組み 以下を元に、技術者に最適なスケジュールとルートを探索します : ● 位置情報 ● スキル ● 技術者の稼働予定 ● Job windows ● その他の考慮すべきこと : 地域との相性, 規制, など メリット ● $200M以上のコスト削減 ● 今より多くの作業量を実現 ○ 生産性の向上 ○ 迅速なサービスの展開 ● 運用コストの削減 ○ 燃料消費量の削減 ■ 炭素クレジット ○ 車両整備費の削減 ● お客様の幸せ ○ 問題の早期解決 ● 技術者の幸せ ○ 合理的な仕事の割り当て ○ 移動時間が少ない

上手くいったことは？ 優れた 技術力 競合他社との ６回の評価ラ ウンドで勝負 に勝つ 成果を最大化する ソリューション サポート カスタマーチーム による強力なサ ポート コスト 削減 $230Mもの コスト削減 カスタマー エクスペリエンス 顧客定着率 の向上 ビジネスの 成果を重視 17

成功のために必要なことは？ 18 ● 業務の人間も一緒に考えることです。意思決定は、 IT技術者のレベルでは行われない。 ● データサイエンティスト、開発者、業務の人間との深い関わり。 ● 段階的なソリューションアプローチ： シンプルに始め、徐々に複雑さを追加していきます。 ● 2年間の継続的な取り組み

世界における thyssenkrupp Elevator ● 50,000人の従業員 ● 20工場、70カ国に900以上の支店を展開 ● 110万台のメンテナンス契約 ● 24,000人の技術者 ● €60億 の収益 USにおける thyssenkrupp Elevator ● 8,600人の従業員 ● 115 の支店 ● 22万台のメンテナンス契約 ● 5,000人の技術者 ● $20億 の収益 企業概要 鉄鋼・工業製品メーカー 80か国で、約156,000人の従業員 €400億 の収益 19 Use Case 2 - thyssenkrupp Elevator

“適切”にしないといけない４つの目標 適切な技術者 適切な整備対象 適切なメンテナンス 適切な時期 メンテナンスミスの減少 | 顧客満足度の向上 | 無駄の削減 20

何が上手く行ったのか 良い関係性 成功している サービス契約 信頼できる アドバイザーの 地位を獲得 高い技術力 アプローチ方法 21

メリット ● 6ヶ月でメンテナンス完了率が 50％から75％に アップ（年内に100％を目指す） ● マネージドクラウドの活用により、基盤側の技術不足 を解消し、設備投資と HWコストを削減 ● 写 真 、 図 、および 履 歴 情 報 を 活 用 し、 技術者の現場でのサポートを強化 ● 障害コードと解決策を、データベースを使用して共有 化し、メンテナンスの質を改善し、また予防的なメンテ ナンスを可能にしました。 REDUCED INCREASED IMPROVED Cancellations Skill Gaps Maintenance Visibility Billing Compliance In-field Support Same Visit Service Rates 22

▸ 日程のスケジューリング : 医師の診察, 裁判の予定, メンテナンス計画, テレビコマーシャル, ... ▸ 教育の時間割り: 講座、試験、学会発表 , ... ▸ タスクの割り当て: 税務調査、給与計算などでの相性・スキルマッチング ▸ 従業員の勤務表: 看護師、整備士、ヘルプデスク、消防士 , ... ▸ 配送計画: トラック、バス、電車、船、飛行機 , ... ▸ ビンパッキング: コンテナ、トラック、船、倉庫、クラウドコンピュータ、刑務所、病院を満たす , ... ▸ 素材のカット: 紙、スチール、カーペットをカットで発生する廃棄物を最小限に抑えます。 ▸ スポーツのスケジュール : サッカー・野球リーグ、テニスコート活用 , ... ▸ 財務の最適化: 投資ポートフォリオバランス、リスク・スプレッド 23 その他の注目すべきユースケース