Photo by
shinobuwada
⑨N対N配車 格ゲーとトポロジーとグラフ理論でロジスティクスエンジニアリング
去年の12/28頃からずーーーーと考えていた。
一つ目はロジスティクスエンジニアリング問題。
製造計画が狂うと、せっかく組んでた配車がハチャメチャになって物流コストが跳ね上がるというものだ。これは回避不能。
従来の常識で言うと、どうやって取り組んだら良いのか分からない。
もう一つはN対N配車問題。
これは発地と、異なる着地が同一エリア内で入り乱れているという世にも恐ろしい問題だ。これも製造条件がそうなんだから回避不能。
従来の常識で言うと、市販アプリを現場に入れようとして喧嘩になる。
しかもこの二つ、静的な計画ではなくて絶えず変化するから動的計画問題になってしまうのだ。これも回避不能。
私も物流の世界に25年居るけど、どうやったら運用まで考慮した上で解けるのか（数理的に解けるのは知ってるけど何の意味も無い）さっぱり分からない激レア問題だ。
まずは一つ目のロジスティクスエンジニアリング問題は昨日、生成AIと半日格闘してなんとか対策をまとめる処までは終わっていた。
基本群とパーシステント・トポロジーの本をずっと読んでいた。
そして今日は二つ目のN対N配車問題。
こっちはGNNを使う予定だったのでGNNの事を生成AIに…
あれ、似てるなぁ
こりゃ、いいや！
ガウス過程とか色々使おうと思っていたのだが、この２つで両方とも充分じゃないか。
XAIは今の現象を説明できると言うだけで、新しいデータが来たときにも同じ説明が利く保証は無いと言われた。なるほど… あくまでも帰納法か。だったらば、この２つのハイブリッドの方がいい。
しかも、今回は汎用的になるように考えたので、事実上、あらゆる複数プロセスの動的配車管理に使える。例えば、TC（トランスファーセンター）配車とか。