▶ 日本電気株式会社の特許一覧 ▶ ＮＥＣソリューションイノベータ株式会社の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-08-26
(45)【発行日】2024-09-03
(54)【発明の名称】最適化装置、最適化方法、及び最適化プログラム
(51)【国際特許分類】
G06Q 10/0835 20230101AFI20240827BHJP
B65G 61/00 20060101ALI20240827BHJP
G06Q 10/047 20230101ALI20240827BHJP
【ＦＩ】
G06Q10/0835
B65G61/00 542
G06Q10/047
【請求項の数】
8
(21)【出願番号】P 2022575128
(86)(22)【出願日】2021-12-06
(86)【国際出願番号】 JP2021044723
(87)【国際公開番号】W WO2022153716
(87)【国際公開日】2022-07-21
【審査請求日】2023-06-29
(31)【優先権主張番号】P 2021002925
(32)【優先日】2021-01-12
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(73)【特許権者】
【識別番号】000232092
【氏名又は名称】ＮＥＣソリューションイノベータ株式会社
(74)【代理人】
【識別番号】100103894
【弁理士】
【氏名又は名称】家入 健
(72)【発明者】
【氏名】戸田 昭夫
(72)【発明者】
【氏名】千嶋 博
(72)【発明者】
【氏名】月山 賢治
【審査官】深津 始
(56)【参考文献】
【文献】特開２００５－０９６９２８（ＪＰ，Ａ）
【文献】特開２０１８－０７３２１３（ＪＰ，Ａ）
【文献】特開２０１６－１９１９７４（ＪＰ，Ａ）
【文献】特開２０１５－２２８０７３（ＪＰ，Ａ）
【文献】台湾特許出願公開第２０１８３０２９８（ＴＷ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００ －Ｇ０６Ｑ ９９／００
Ｂ６５Ｇ ６１／００
(57)【特許請求の範囲】
【請求項1】
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得する取得手段と、配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定する特定手段と、
前記配送情報に基づいて、各候補における評価値を決定する決定手段と、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択する選択手段と、
を備え、
前記特定手段は、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定手段は、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する
最適化装置。
【請求項2】
前記選択手段は、アニーリングによって前記目的関数を最適化した結果に基づいて、前記複数の候補から前記複数の配送タスクを選択する、
請求項１に記載の最適化装置。
【請求項3】
前記特定手段は、前記第２の候補を特定するとき、配送タスクにおける前記1以上の製品の配送量が配送車両の積載量の上限値以下であるか否かを判定し、判定結果が真である場合、前記配送タスクを前記第２の候補として特定する、
請求項１に記載の最適化装置。
【請求項4】
前記決定手段は、前記配送情報に基づいて、各候補における配送車両の車両種をさらに決定し、
前記選択手段は、
各車両種の車両数を上限値以下とする制約条件を満たしたうえで前記目的関数を最適化する、
請求項１から３のいずれかに記載の最適化装置。
【請求項5】
前記１以上の消費地は、配送する時間帯が指定される第１の消費地と、配送する時間帯が指定されない第２の消費地とを含んでおり、前記取得手段は、
前記第１の消費地について、配送する時間帯と、前記１以上の製品の各々の配送量と、を取得し、
前記第２の消費地について、時間帯ごとに、前記時間帯に配送を行う場合における前記１以上の製品の各々の配送量を取得し、
前記選択手段は、
前記第１の消費地への配送回数が１回であり、前記第２の消費地への配送回数が０回又は１回となるような制約条件を満たしたうえで前記目的関数を最適化する、
請求項１から４のいずれか１項に記載の最適化装置。
【請求項6】
前記決定手段は、前記複数の候補のそれぞれについて、配送先、前記配送先ごとの前記1以上の製品の各々の配送量、車両種、及び前記評価値を含む配送データを生成して記憶装置に登録し、
前記選択手段は、
選択された各配送タスクに係る配送データを表示装置に表示する、
請求項１から５のいずれか1項に記載の最適化装置。
【請求項7】
コンピュータが、複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得し、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定し、
前記配送情報に基づいて、各候補における評価値を決定し、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択し、
前記特定することは、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定することは、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する
最適化方法。
【請求項8】
コンピュータに、複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得する処理と、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定する処理と、
前記配送情報に基づいて、各候補における評価値を決定する処理と、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択する処理と、
を実行させ、
前記特定する処理は、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定する処理は、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する
最適化プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は最適化装置、最適化方法、及び最適化プログラムに関する。
【背景技術】
【0002】
特許文献１は、配送先、配送品種、配送時間帯などの多数の要素の組合せから、目的関数を最大化又は最小化して配送計画を立案する技術を開示している。最適化には、局所探索法、遺伝的アルゴリズム、アニーリング等のメタヒューリスティクスが使用される。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２００５－０９６９２８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献１に記載された技術によると、配送先の数が増えると組合せの数が膨大であり問題の規模が増加する場合が多く、有効な解を現実的な時間で計算することが困難になるという問題があった。
【0005】
本開示は、このような問題を解決するためになされたものであり、配送計画の作成時間を低減する最適化装置、最適化方法、及び最適化プログラムを提供する。
【課題を解決するための手段】
【0006】
本開示にかかる最適化装置は、
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得する取得部と、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定する特定部と、
前記配送情報に基づいて、各候補における評価値を決定する決定部と、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択する選択部と、
を備え、
前記特定手段は、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定手段は、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する。
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得する取得部と、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定する特定部と、
前記配送情報に基づいて、各候補における評価値を決定する決定部と、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択する選択部と、
を備え、
前記特定手段は、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定手段は、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する。
【0007】
本開示にかかる最適化方法は、
コンピュータが、
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得し、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定し、
前記配送情報に基づいて、各候補における評価値を決定し、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択し、
前記特定することは、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定することは、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する、ものである。
コンピュータが、
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得し、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定し、
前記配送情報に基づいて、各候補における評価値を決定し、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択し、
前記特定することは、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定することは、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定する、ものである。
【0008】
本開示にかかる最適化プログラムは、
コンピュータに、
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得する処理と、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定する処理と、
前記配送情報に基づいて、各候補における評価値、及び配送車両の車両種の少なくとも一方を決定する処理と、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択する処理と、
を実行させ、
前記特定する処理は、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定する処理は、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定するものである。
コンピュータに、
複数の消費地のそれぞれについて、１以上の製品の各々の配送量を示す配送情報を取得する処理と、
配送元を出発し、１以上の消費地の各々に前記１以上の製品を配送し、配送元に戻る配送タスクの候補を複数特定する処理と、
前記配送情報に基づいて、各候補における評価値、及び配送車両の車両種の少なくとも一方を決定する処理と、
決定結果に基づく目的関数を最適化した結果に基づいて、特定された複数の候補から複数の配送タスクを選択する処理と、
を実行させ、
前記特定する処理は、１つの消費地へ配送を行うための第１の候補と、相互の距離が閾値以下である２つの消費地へ配送を行うための第２の候補とを特定し、
前記決定する処理は、前記候補における配送量を前記候補における移動距離で除算することで前記評価値を決定するものである。
【発明の効果】
【0009】
本開示にかかる最適化装置、最適化方法、及び最適化プログラムによると、配送計画の作成時間を低減できる。
【図面の簡単な説明】
【0010】
【図1】実施形態１にかかる最適化装置の構成を示すブロック図である。
【図2】実施形態１にかかる最適化装置のハードウェア構成例を示す構成図である。
【図3】実施形態２にかかる最適化装置の構成を示すブロック図である。
【図4】配送情報の具体例を示す概略図である。
【図5】配送ブロックに含まれる情報を示す概略図である。
【図6】１つの消費地へ配送を行う業務に係る配送ブロックを例示する概略図である。
【図7】２つの消費地へ配送を行う業務にかかる配送ブロックを例示する概略図である。
【図8】実施形態２にかかる最適化方法の流れを例示するフローチャートである。
【図9】配送タスクの候補の特定方法を説明するための概略図である。
【発明を実施するための形態】
【0011】
（実施形態１）
以下、図面を参照して本発明の実施の形態について説明する。図１は、実施形態１にかかる最適化装置１００の構成を示す構成図である。最適化装置１００は、取得部１１０と、特定部１２０と、決定部１３０と、選択部１４０とを備えている。
以下、図面を参照して本発明の実施の形態について説明する。図１は、実施形態１にかかる最適化装置１００の構成を示す構成図である。最適化装置１００は、取得部１１０と、特定部１２０と、決定部１３０と、選択部１４０とを備えている。
【0012】
取得部１１０は、複数の消費地のそれぞれについて、１以上の製品の各々にかかる配送情報を取得する。配送情報は、配送時間帯と配送量とが指定された情報であってもよく、時間帯ごとに配送量が設定された情報であってもよい。取得部１１０は、例えば、注文情報に基づいて配送情報を取得してもよい。また、配送先から配送時間帯や配送量が指定されていない場合、取得部１１０は、製品の消費速度の予測に基づき時間帯ごとの配送量を決定することにより、配送情報を取得してもよい。
【0013】
特定部１２０は、配送元を出発し、1以上の消費地の各々に1以上の製品を配送し、配送元に戻る配送タスクの候補を複数決定する。特定部１２０は、例えば、相互の距離が閾値以下である複数の消費地を巡る配送タスクを、候補として特定してもよい。また、特定部１２０は、１箇所の消費地へ配送を行う配送タスクと、２箇所の消費地へ配送を行う配送タスクとを候補として特定してもよい。
【0014】
複数の候補には、トリップが異なるものだけでなく、トリップが同一で配送業者が異なるものが含まれていてもよい。ここで、トリップとは、配送元を出発し、1以上の消費地の各々に1以上の製品を配送し、配送元に戻るまでの移動を意味している。配送業者が異なる場合、トリップが同一であっても、配送コスト等が異なる可能性がある。尚、特定部１２０は、取得部１１０によって取得された配送情報に基づいて、配送タスクの候補を特定してもよい。特定部１２０は、配送量が所定値以下となるようなトリップを、配送タスクの候補としてもよい。これにより、特定部１２０は、配送車両の積載量の上限を超えないものを、候補として特定することできる。
【0015】
決定部１３０は、取得部１１０によって取得された配送情報に基づいて、特定部１２０によって特定された各候補における評価値、及び配送車両の車両種の少なくとも一方を決定する。評価値は、例えば、移動距離当たりの輸送量（配送効率）、配送コスト、又は移動距離等である。特定部１２０は、複数の評価値を算出してもよい。車両種は、例えば、大型、中型、小型等である。最適化装置１００は、決定結果に応じて、候補ごとに、配送する消費地（配送先）、配送先ごとの1以上の製品の各々の配送量、評価値、車両種等を含む配送データ（配送ブロックとも称する）を記憶装置（不図示）に登録してもよい。
【0016】
選択部１４０は、決定部１３０の決定結果に基づく目的関数を最適化した結果に基づいて、特定部１２０によって特定された複数の候補から、複数の配送タスクを選択する。目的関数は、例えば、配送情報に基づく、各消費地の配送回数に関する制約条件を満たしたうえで最適化されてもよい。また、目的関数は、車両種の数に関する制約条件を満たしたうえで最適化されてもよい。目的関数は、例えば、候補の評価値を含んでもよい。目的関数は、アニーリングによって最適化されてもよく、その他のメタヒューリスティクスにより最適化されてもよい。尚、最適化計算は、最適化装置１００の内部において行われてもよく、最適化装置１００の外部において行われてもよい。
【0017】
実施形態１にかかる最適化装置は、配送タスクの候補を複数特定し、複数の候補から最適な配送タスクの組合せを選択する。実施形態１にかかる最適化装置によると、配送タスクの候補を特定するときに最適化計算を行わないため、最適化計算における計算量を減らし、短時間で配送計画を作成することが可能となる。
【0018】
図２は、最適化装置１００のハードウェア構成例を示す図である。最適化装置１００は、プロセッサ１００１、メモリ１００２、及び記憶装置１００３を備える。記憶装置１００３には、実施形態１にかかる最適化方法の処理が実装されたコンピュータプログラムが記憶されている。そして、プロセッサ１００１は、記憶装置１００３からコンピュータプログラムをメモリ１００２へ読み込ませ、当該コンピュータプログラムを実行する。これにより、プロセッサ１００１は、取得部１１０、特定部１２０、決定部１３０、及び選択部１４０の機能を実現する。
【0019】
または、取得部１１０、特定部１２０、決定部１３０、及び選択部１４０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、プロセッサとして、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（field-programmable gate array）等を用いることができる。また、最適化装置１００は、量子アニーリングを実行する図示しない量子チップを備えてもよい。
【0020】
また、最適化装置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。また、最適化装置１００の機能がＳａａＳ（Software as a Service）形式で提供されてもよい。
【0021】
（実施形態２）
実施形態２は、実施形態１の具体例である。以下の説明において、実施形態１と重複する説明は省略される。実施形態２にかかる最適化装置１００ａは、複数の消費地へ製品の配送を行う計画を最適化する装置である。最適化装置１００ａは、例えば、石油や液化天然ガスをタンクローリーにより配送する計画を最適化する。石油は、例えば、ガソリン、灯油、軽油、重油等である。製品は、複数種類存在してもよい。複数種類の製品は、例えば、レギュラーガソリンと、ハイオクガソリンとである。
実施形態２は、実施形態１の具体例である。以下の説明において、実施形態１と重複する説明は省略される。実施形態２にかかる最適化装置１００ａは、複数の消費地へ製品の配送を行う計画を最適化する装置である。最適化装置１００ａは、例えば、石油や液化天然ガスをタンクローリーにより配送する計画を最適化する。石油は、例えば、ガソリン、灯油、軽油、重油等である。製品は、複数種類存在してもよい。複数種類の製品は、例えば、レギュラーガソリンと、ハイオクガソリンとである。
【0022】
消費地は、例えば、ガソリンスタンドや、その他の顧客である。消費地は、ＳＳ（Ｓｅｒｖｉｃｅ Ｓｔａｔｉｏｎ）とも称する。消費地には、第１の消費地と第２の消費地とが含まれている。第１の消費地については、配送を行う時間帯と、配送する製品の数量と、が顧客によって指定されている。第1の消費地は、指定オーダーの消費地とも称される。第２の消費地については、配送を行う時間帯と、配送する製品の数量とが定められていないが、在庫が枯渇しないように配送することが求められる。第２の消費地は、契約オーダーの消費地とも称される。
【0023】
詳細は後述するが、第１の消費地については、注文情報に基づいて配送時間帯と配送量とが決定される。また、第２の消費地については、消費予測情報に基づいて、時間帯ごとに当該時間帯に配送するときの配送量が決定される。
【0024】
配送元を出発し、１又は複数の消費地の各々に配送を行い、配送元に戻る移動は、上記の通り、トリップと呼ばれる。配送製品がガソリンの場合、配送元は、油槽所であってもよい。尚、複数の油槽所が配送エリアに存在する場合、配送元と、消費地への配送後に戻る配送元とが異なっていてもよい。
【0025】
最適化装置１００ａは、後述するように、配送タスクの候補を複数作成し、複数の候補から最適な組合せを選択することにより配送計画を作成する。後述するように、各候補について、配送する消費地（配送先）と、配送量と、配送効率等の評価値と、配送車両の車両種とをまとめた配送データが生成される。このような配送データを、配送ブロックと称する。最適化装置１００ａは、このような配送ブロックを複数生成して、実際に製品を配送する業務に対応する配送ブロックを選択（抽出）することにより、配送計画を作成する。
【0026】
図３は、最適化装置１００ａの構成を示す構成図である。最適化装置１００ａは、注文情報を記憶するデータ管理装置２００、及び、配送する製品の消費量を予測する消費量予測装置３００と接続されている。最適化装置１００ａは、取得部１１０ａ、特定部１２０ａ、決定部１３０ａ、及び選択部１４０ａを備えている。
【0027】
取得部１１０ａは、上述した取得部１１０の一例である。取得部１１０ａは、第１の消費地について、データ管理装置２００から注文情報を取得する。そして、取得部１１０ａは、注文情報に基づいて配送を行う時間帯と配送量とを決定することにより、配送情報を取得する。また、取得部１１０ａは、第２の消費地について、消費量予測装置３００から消費量の予測情報を取得する。そして、取得部１１０ａは、予測情報に基づいて、時間帯ごとに当該時間帯に配送を行うときの配送量を決定し、決定結果を配送情報として取得する。尚、取得部１１０ａは、各消費地における在庫量を考慮して配送量を決定してもよい。
【0028】
図４を用いて、配送情報について説明する。取得部１１０ａは、消費地ＳＳＡ、ＳＳＢ、ＳＳＣ、ＳＳＤ、及びＳＳＥのそれぞれについて配送情報を取得するものとする。消費地ＳＳＡ、ＳＳＢ、及びＳＳＣは、第１の消費地である。消費地ＳＳＤ及びＳＳＥは、第２の消費地である。
【0029】
取得部１１０ａは、消費地ＳＳＡについて配送情報２Ａ１を取得し、消費地ＳＳＢについて配送情報２Ｂ２を取得し、消費地ＳＳＣについて配送情報２Ｃ３を取得する。また、取得部１１０ａは、消費地ＳＳＤについて配送情報２Ｄ１～２Ｄ３を取得し、消費地ＳＳＥについて配送情報２Ｅ１～２Ｅ３を取得する。各配送情報の横方向の位置は、配送が行われる時間帯を示しており、右方向に位置するほど遅い時間帯であることを意味している。時間帯Ｔ１、Ｔ２、及びＴ３は、上述の通り、それぞれ午前、午後、夜に対応していてもよい。配送情報２Ａ１～２Ｅ３は、配送プランとも呼ぶ。
【0030】
第１の消費地である消費地ＳＳＡ、ＳＳＢ、及びＳＳＣについては、時間帯Ｔ１～Ｔ３のいずれかにおける配送量が決定されている。例えば、配送情報２Ａ１を参照すると、ＳＳＡについて、時間帯Ｔ１に、レギュラーガソリンを８ｋｌ、ハイオクガソリンを４ｋｌ配送するように定められている。
【0031】
第２の消費地であるＳＳＤ、及びＳＳＥについては、時間帯ごとに当該時間帯に配送するときの配送量が決定されている。例えば、配送情報２Ｄ１～２Ｄ３を参照すると、ＳＳＤは、時間帯Ｔ１に配送を行う場合、レギュラーガソリンを４ｋｌ、ハイオクガソリンを２ｋｌ配送するように定められ、時間帯Ｔ２に配送を行う場合、レギュラーガソリンを８ｋｌ、ハイオクガソリンを４ｋｌ配送するように定められ、時間帯Ｔ３に配送を行う場合、レギュラーガソリンを１０ｋｌ、ハイオクガソリンを６ｋｌ配送するように定められている。ここで、上記の通り、各時間帯の配送量（例：油量）は、消費量予測に基づいて計算されている。前の時間帯における消費量が加味されることにより、時間帯が遅くなるほど、配送量が多くなっている。
【0032】
図３に戻って、特定部１２０ａは、上述した特定部１２０の一例である。特定部１２０ａは、取得部１１０ａが取得した配送情報に基づいて、配送量が上限を超えないような配送タスクの候補を複数特定する。尚、特定部１２０ａは、配送量以外の条件を加味して、配送タスクの候補を決定してもよい。特定部１２０ａは、配送を行うことが実際に可能な配送タスクを特定しているともいえる。
【0033】
タスクの候補を作成する方法の一例について説明する。例えば、特定部１２０ａは、まず、１箇所の消費地に配送を行う配送タスクを特定し、次に、２箇所の消費地に配送を行う配送タスクを特定する。ここで、２箇所の消費地に配送を行う配送タスクについては、配送量が予め規定された上限値（例：配送車両の積載量の上限値）を超えないものを候補として特定する。換言すると、特定部１２０ａは、製品の配送量が閾値以下であるかを判定し、判定結果が真である場合、当該配送タスクを第２の候補として特定する。
【0034】
尚、２箇所の消費地に配送を行う配送タスクを特定するとき、特定部１２０ａは、互いの距離が閾値以下となる２つの消費地に配送を行う配送タスクを特定してもよい。勿論、特定部１２０ａは、３箇所以上の消費地に配送を行う配送タスクの候補を特定してもよい。互いの距離が閾値以下の複数の消費地に配送する配送タスクは、配送効率等の観点から、適切な候補であると考えられる。また、１箇所の消費地に配送する配送タスクを候補に含めると、全ての消費地が、いずれかの候補の配送先に含まれることが保証される。
【0035】
各候補は、以下の種々の条件を満たすものが特定されていてもよい。まず、各ＳＳに設置されたタンクの貯槽レベルの上限、下限を考慮して、各候補が特定されてもよい。また、ＳＳ毎に設定された納品が可能な時間帯を考慮して、各候補が特定されてもよい。配送に要する時間（配送時間）を考慮して、各候補が特定されてもよい。ＳＳ毎に納入可能な車両の種類を考慮して、各候補が特定されてもよい。ここで、配送元や、ＳＳでの作業時間（給油時間）を考慮して、各候補が特定されてもよい。尚、指定オーダーについては、配送量は変更されない。
【0036】
決定部１３０ａは、上述した決定部１３０の一例である。決定部１３０ａは、特定部１２０ａが特定した各候補について、配送情報に基づき配送効率等の評価値を算出し、また、配送情報に基づき配送車両の車両種を決定する。そして、決定部１３０ａは、各候補における配送先（消費地）、配送量、評価値、車両種類等を含む配送データを生成し、記憶装置（不図示）に登録する。このような配送データを、配送ブロックとも呼ぶ。
【0037】
図５を用いて、配送ブロック３について説明する。配送ブロック３は、番号３１、種類３２、車両種３３、時間帯３４、配送先３５ａ、レギュラー数量３６ａ１、ハイオク数量３６ａ２、配送先３５ｂ、レギュラー数量３６ｂ１、ハイオク数量３６ｂ２、距離３７、配送効率３８、及び時間３９を含んでいる。尚、図５は、一例であり、配送ブロック３には、３箇所以上の配送先が含まれていてもよい。
【0038】
番号３１は、各配送ブロックの識別番号である。種類３２は、配送先の数を示す情報である。種類３２は、１箇所の消費地へ配送して配送元に戻るか、２箇所の消費地を巡って配送元にもどるかというトリップの種類を示していると考えてもよい。
【0039】
車両種３３は、配送車の種別であり、例えば、大型、中型、小型を示す。車両種３３により、配送車両における積載量が異なる。決定部１３０ａは、例えば、後述するレギュラー数量３６ａ１と、レギュラー数量３６ｂ１と、後述するハイオク数量３６ａ２と、ハイオク数量３６ｂ２とを加算した結果に基づき、車両種３３を決定してもよい。尚、決定部１３０ａは、配送製品の種類ごとに総配送量を計算して、車両種３３を決定してもよい。車両種３３は、例えば、配送量の和が１２ｋｌ以下のとき小型、１２ｋｌを超え１８ｋｌ以下のとき中型、１８ｋｌを超え２４ｋｌ以下のとき大型に決定されてもよい。時間帯３４は、配送を行う時間帯Ｔ１～Ｔ３を表す。
【0040】
配送先３５ａは、先に配送を行う消費地を示す情報である。尚、１つの消費地に配送を行う配送タスク候補については、配送先３５ａに消費地を示す情報を登録し、配送先３５ｂに情報を登録しなくてもよい。レギュラー数量３６ａ１は、配送先３５ａに配送するレギュラーガソリンの配送量をｋｌ単位等で表現したものである。ハイオク数量３６ａ２は、配送先３５ａに配送するハイオクガソリンの配送量をｋｌ単位等で表現したものである。
【0041】
配送先３５ｂは、２番目に配送を行う消費地を示す情報である。尚、上述の通り、１つの消費地に配送を行う場合には、情報を登録しなくてもよい。レギュラー数量３６ｂ１は配送先３５ｂに配送するレギュラーガソリンの配送量を表し、ハイオク数量３６ｂ２は配送先３５ｂに配送するハイオクガソリンの配送量を表す。尚、３箇所以上に配送する配送タスクの候補を特定する場合、配送ブロック３には、３つ以上の配送先が含まれていてもよい。
【0042】
距離３７は、配送タスクにおける移動距離をｋｍ単位等で表現したものである。１つの消費地に配送を行う場合、距離３７は、配送元から配送先３５ａに移動し、配送先３５ａから配送元に移動する距離である。２つの消費地に配送を行う場合、距離３７は、配送元から配送先３５ａに移動し、配送先３５ａから配送先３５ｂに移動し、配送先３５ｂから配送元に移動する距離である。決定部１３０ａは、例えば、地図情報等に基づいて距離３７を算出してもよい。
【0043】
配送効率３８は、移動距離当たりの配送量を表し、単位は例えば［ｋｌ／ｋｍ］である。決定部１３０ａは、例えば、レギュラー数量３６ａ１、ハイオク数量３６ａ２、レギュラー数量３６ｂ１、及びハイオク数量３６ｂ２を加算して、配送量の和を算出し、距離３７で割ることにより配送効率３８を決定してもよい。
【0044】
時間３９は、配送タスクに要する時間である。時間３９は、例えば、距離３７と、所定の車両速度（例：５０ｋｍ／ｈ）とを用いて算出される。所定の車両速度は、車両種３３に応じて定められてもよい。また、時間３９には、配送先３５ａ及び３５ｂにおいて、配送製品を荷下ろしするための時間が加味されていてもよい。
【0045】
配送ブロック３は、配送効率３８の代わりに配送コストを含んでいてもよい。配送コストは、例えば、運送業者に支払われる金額であり、距離３７や、レギュラー数量３６ａ１、ハイオク数量３６ａ２等の配送量に基づき算出されてもよい。トリップが同一であっても、配送業者が異なる場合には、配送コストが異なる可能性がある。このような場合には、トリップが同一となる配送ブロック３が複数生成されていてもよい。このような場合、配送ブロック３は、配送業者の識別情報が含まれていてもよい。
【0046】
さらに、後述するように、最適化装置１００ａは、配送効率３８の和や、配送コストの和を最適化する場合以外に、距離３７の和を最適化する際にも使用することができる。このような場合、配送ブロック３は、配送効率３８を含んでいなくてもよい。
【0047】
図６は、１つの消費地へ配送を行う配送タスクに対応する配送ブロックを例示する図である。配送ブロック３Ａ１は、図４に示した配送情報２Ａ１に対応している。また、配送ブロック３Ｂ２は、図４に示した配送情報２Ｂ２に対応している。配送ブロック３Ａ１及び３Ｂ２は、トリップの種類３２が「１」となっている。配送ブロック３Ａ１及び配送ブロック３Ｂ２は、総配送量が１２ｋｌ（８ｋｌ＋４ｋｌ）であるため車両種３３は小型となっている。また、配送ブロック３Ａ１及び３Ｂ２は、配送先３５ｂ、レギュラー数量３６ｂ１、及びハイオク数量３６ｂ２は登録されていない。
【0048】
図７は、２つの消費地へ配送を行う配送タスクに対応する配送ブロックを例示する図である。配送ブロック３ＡＤは、図４の時間帯Ｔ１において、ＳＳＡと、ＳＳＤと、に配送を行う配送タスクに対応している。配送ブロック３ＡＤは、配送情報２Ａ１及び２Ｄ１に基づいて生成されているため、配送情報２Ａ１及び２Ｄ１を連結したものと考えてもよい。また、配送ブロック３ＢＤは、図４の時間帯Ｔ２において、ＳＳＢと、ＳＳＤと、に配送を行う配送タスクに対応している。配送ブロック３ＢＤは、配送情報２Ｂ２及び２Ｄ２に基づいて生成されているため、配送情報２Ｂ２及び２Ｄ２を連結したものと考えてもよい。
【0049】
配送ブロック３ＡＤ及び３ＢＤは、トリップの種類３２が「２」となっている。また、配送ブロック３ＡＤは、総配送量が１８ｋｌ（８＋４＋４＋２）であり、車両種３３が中型となっている。配送ブロック３ＢＤは、総配送量が２４ｋｌ（８＋４＋８＋４）であり、車両種３３が大型となっている。
【0050】
図３に戻ると、最適化装置１００ａは、選択部１４０ａを備えている。選択部１４０ａは、上述した選択部１４０の一例である。選択部１４０ａは、決定部１３０ａが生成した複数の配送ブロックから、実際に配送を行う配送タスクを選択（抽出）する。選択部１４０ａは、最適化に用いるハミルトニアンを定式化する定式化部１４１と、定式化の結果からイジングモデルデータを生成するデータ作成部１４２と、シミュレーテッドアニーリング、又は量子アニーリングを実行するアニーリング処理部１４３と、結果表示部１４４と、を備えている。選択部１４０ａは、定式化された目的関数を最大化、又は最小化するような解を、アニーリングにより計算する。
【0051】
定式化部１４１は、最適化に用いるハミルトニアンを生成する。ハミルトニアンは、例えば、以下の式１～式５に示す制約項を含む。尚、ハミルトニアンは、式１～５に示す制約項の全てを含んでいる必要はない。また、ハミルトニアンは、以下の式６～式８に示す目的関数のいずれかを含む。したがって、ハミルトニアンは、以下の式９、式１０、又は式１１のように表現される。以下、式１～式１１について順番に説明する。
【0052】
【数1】
【0053】
【数2】
【0054】
【数3】
【0055】
【数4】
【0056】
【数5】
【0057】
【数6】
【0058】
【数7】
【0059】
【数8】
【0060】
【数9】
【0061】
【数10】
【0062】
【数11】
【0063】
図３に戻って、データ作成部１４２は、定式化部１４１が作成した目的関数に基づいて、アニーリングに用いられるイジングデータを作成する。イジングデータは、各スピン間の相互作用係数等である。アニーリング処理部１４３は、作成されたイジングデータを用いてアニーリングを実行する。アニーリング処理部１４３は、アニーリングマシンと呼ばれる専用のハードウェアを用いてシミュレーテッドアニーリングを実行してもよく、量子コンピュータを用いて量子アニーリングを実行してもよい。これにより、より短時間で最適化計算を実行できる可能性がある。アニーリング処理部１４３は、量子モンテカルロ法等を用いて最適化問題を解いてもよい。尚、アニーリングが最適化装置１００ａの外部で行われる場合、選択部１４０ａは、アニーリング処理部１４３を備えていなくてもよい。
【0064】
アニーリングによって、決定部１３０ａによって登録された複数の配送ブロックから、実際の配送タスクに対応する配送ブロックが選択されることとなる。これにより、各時間帯に使用される車両台数が、車両種ごとに決定される。つまり、時間帯Ｔ１における大型車両の使用台数、中型車両の使用台数、及び小型車両の使用台数と、時間帯Ｔ２における大型車両の使用台数、中型車両の使用台数、及び小型車両の使用台数と、時間帯Ｔ３における大型車両の使用台数、中型車両の使用台数、及び小型車両の使用台数と、が決定される。
【0065】
ここで、各車両種における車両数は、選択された配送ブロックの数に対応する。例えば、アニーリングによって選択された配送ブロックのうち、配送ブロック３ａ、３ｂ、３ｃ、３ｄ、及び３ｅに時間帯Ｔ１が設定されていたものとする。ここで、配送ブロック３ａ及び３ｂは車両種として大型車両が設定され、配送ブロック３ｃ及び３ｄは車両種として中型車両が設定され、配送ブロック３ｅは車両種として小型車両が設定されていたものとする。このような場合、時間帯Ｔ１において、大型車両２台と、中型車両２台と、小型車両１台とが使用されることがわかる。
【0066】
結果表示部１４４は、アニーリングによって選択された配送ブロックを、ディスプレイ等の表示装置に表示させる。オペレータは、ディスプレイ等の表示を確認し、配送業者等に対して配送指示を行うことができる。結果表示部１４４は、さらに、各時間帯で使用される車両種ごとの車両数を、ディスプレイに表示させてもよい。
【0067】
図８は、実施形態２にかかる最適化方法の流れを例示するフローチャートである。最適化装置１００ａの取得部１１０ａは、まず、データ管理装置２００から注文情報を取得し、注文情報に基づき第１の消費地の各々への配送量（配送情報）を取得する（ステップＳ１０１）。次に、最適化装置１００ａは、消費量予測装置３００による１日のガソリンの消費量の予測結果等に基づいて、第２の消費地の各々について、時間帯ごとの配送量（配送情報）を取得する（ステップＳ１０２）。尚、ステップＳ１０１とステップＳ１０２の順序は、逆であってもよい。
【0068】
次に、最適化装置１００ａの決定部１３０ａは、ステップＳ１０１で取得した配送情報と、ステップＳ１０２で取得した配送情報とから、１つの消費地へ配送を行う配送タスクに係る配送ブロックを生成する（ステップＳ１０３）。配送ブロックは、車両種と、配送効率等の情報とを含んでいる。車両種は、製品の配送量から決定されてもよい。
【0069】
次に、最適化装置１００ａの特定部１２０ａは、２つの消費地へ配送を行う配送タスクの候補を特定する（ステップＳ１０４）。特定部１２０ａは、２つの消費地へ配送を行う配送タスクのうち、制約を満たしているものを配送タスクの候補として特定する。
【0070】
つまり、特定部１２０ａは、１つの消費地に配送を行う配送タスクと、２つの消費地に配送を行う配送タスクのうち制約を満たすものと、を配送タスクの候補としている。尚、特定部１２０ａは、３つ以上の消費地に配送を行う配送タスクを候補としてもよい。
【0071】
図４及び図９を用いて、ステップＳ１０４における特定方法について具体的に説明する。特定部１２０ａは、図４に示す配送情報２Ａ１～２Ｅ３のうち、組合せることが可能なものを特定する。ここで、特定部１２０ａは、同一の時間帯における２つの配送情報を組み合わせるものとする。このような場合、図９に示す６つの組合せが可能である。ここで、特定部１２０ａは、各組合せについて、配送量の総和を計算し、上限値（例：２４ｋｌ）を超えるか否かを判定する。例えば、配送情報２Ｃ３と配送情報２Ｅ３の組合せを参照すると、配送量の総和は２６ｋｌであり、上限値以上となっている。そして、特定部１２０ａは、総和が上限値以下である組合せを、配送タスクの候補として特定する。図９の場合、特定部１２０ａは、４つの組合せを候補として特定することとなる。各候補は、配送量の総和に基づき、大型、中型、又は小型に分類可能である。
【0072】
図８に戻って、決定部１３０ａは、ステップＳ１０４で特定された候補に係る配送ブロックを生成する（ステップＳ１０５）。配送ブロックは、ステップＳ１０３で生成した配送ブロックを用いて生成されてもよい。決定部１３０ａは、ステップＳ１０３と同様に車両種、配送効率等を決定し、決定結果に応じて配送ブロックを生成する。
【0073】
次に、最適化装置１００ａの選択部１４０ａは、ハミルトニアンを定式化し、ハミルトニアンからイジングデータを作成し、アニーリングを実行する（ステップＳ１０６）。ハミルトニアンは、各候補を採用するか否かを示す変数を含んでおり、計算結果からタスク候補を選択することができる。各候補には、車両種が設定されているため、タスク候補を選択することは、車両に対する配送業務の割り当てを行っているともいえる。最後に、選択部１４０ａは、アニーリングの結果に基づいて、選択された配送ブロックをディスプレイに表示する（ステップＳ１０７）。
【0074】
実施形態２にかかる最適化装置は、まず、アニーリング以外の手段を用いて配送タスクの候補を複数特定する。そして、複数の候補から実際に配送するタスクを選択する際に、アニーリングを実行する。したがって、実施形態２にかかる最適化装置は、アニーリングに要する時間を低減することが可能となる。これにより、実施形態２にかかる最適化装置は、消費地の数が増えた場合であっても、現実的な時間で配送計画を作成できる可能性がある。
【0075】
上述の例において、各種制御プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
【0076】
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。
【0077】
以上、実施の形態を参照して本願発明を説明したが、本願発明は上記によって限定されるものではない。本願発明の構成や詳細には、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。
【0078】
この出願は、２０２１年１月１２日に出願された日本出願特願２０２１―００２９２５を基礎とする優先権を主張し、その開示の全てをここに取り込む。
【符号の説明】
【0079】
１００、１００ａ 最適化装置
１１０、１１０ａ 取得部
１２０、１２０ａ 特定部
１３０、１３０ａ 決定部
１４０、１４０ａ 選択部
１４１ 定式化部
１４２ データ作成部
１４３ アニーリング処理部
１４４ 結果表示部
２００ データ管理装置
３００ 消費量予測装置
２Ａ１、２Ｂ２、２Ｃ３、２Ｄ１、２Ｄ２、２Ｄ３、２Ｅ１、２Ｅ２、２Ｅ３ 配送情報
３、３Ａ１、３Ｂ２、３ＡＤ、３ＢＤ 配送ブロック
３１ 番号
３２ 種類
３３ 車両種
３４ 時間帯
３５ａ、３５ｂ 配送先
３６ａ１、３６ｂ１ レギュラー数量
３６ａ２、３６ｂ２ ハイオク数量
３７ 距離
３８ 配送効率
３９ 時間
１００１ プロセッサ
１００２ メモリ
１００３ 記憶装置
１１０、１１０ａ 取得部
１２０、１２０ａ 特定部
１３０、１３０ａ 決定部
１４０、１４０ａ 選択部
１４１ 定式化部
１４２ データ作成部
１４３ アニーリング処理部
１４４ 結果表示部
２００ データ管理装置
３００ 消費量予測装置
２Ａ１、２Ｂ２、２Ｃ３、２Ｄ１、２Ｄ２、２Ｄ３、２Ｅ１、２Ｅ２、２Ｅ３ 配送情報
３、３Ａ１、３Ｂ２、３ＡＤ、３ＢＤ 配送ブロック
３１ 番号
３２ 種類
３３ 車両種
３４ 時間帯
３５ａ、３５ｂ 配送先
３６ａ１、３６ｂ１ レギュラー数量
３６ａ２、３６ｂ２ ハイオク数量
３７ 距離
３８ 配送効率
３９ 時間
１００１ プロセッサ
１００２ メモリ
１００３ 記憶装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】