何でも免税で個人輸入できてしまう！？東南アジアの「マル秘」通関裏事情

東南アジアの通関は伏魔殿でアンタッチャブルだと感じている方も多いのではないでしょうか。現地の外資系物流会社はこの困難な状況にどのように対応しているのでしょうか？その一端をご紹介します。欧米系の大手メガフォワーダーはコンプライアンス重視で文字通りアンタッチャブルな対応をしています。ところが日系大手フォワーダーは

【同じ送料でも送れる量はこんなに違う！】宅配便をお得に利用する方法

宅配便の料金は三辺の合計を表す○○サイズで決まります。また飛行機の預け荷物も三辺合計の大きさで制限されます。このように運送業界では運賃を簡単に決めるために〇〇サイズという表現がよく使われます。でも同じ○○サイズでも形状によって容積が大きく異なることをご存知でしょうか？この仕組みを理解して賢く得する方法をお伝えします。

Pythonですべてのアクションを網羅したブラックジャックを作ってみる（その1）

カジノの中でも還元率の高いゲームとして知られてブラックジャックはPythonプログラミングの練習にも適しているようで、ググれば沢山の事例が紹介されています。ところがこのブラックジャック、アクションの選択肢が多く複雑なためか、すべてのアクションを網羅したPythonコードはなかなか見つかりません。そこで自作してみました。

モンテカルロ法はマーチンゲール法に勝てるのか？ExcelとPythonでシミュレーション

ルーレットの攻略法にモンテカルロ法があります。これは絶対的な必勝法と呼ばれているマーチンゲール法と比べると知名度は劣るものの、連敗が混んでもマーチンゲール法ほどベット額が膨らまないため試しやすい手法と言われています。この効果をExcelとPythonのシミュレーションにより検証してみました。さて結果はいかに。。。

【3/2ベット法の嘘をあばく】ルーレットをPythonで百万回してみた結果を公開

3/2ベット法とは日本ではあまり知られていませんが海外では3/2 Roulette StrategyまたはPloppy 3-2 Roulette Strategyと呼ばれているルーレットの有名な必勝法です。これはルーレットのテーブル配置の偏りを利用して利益を得るというものですが、これがイカサマであることを証明します。

【98.48%法の嘘をあばく】Pythonで百万回シミュレーションしてみた結果を公開

「3回連続で1～12が出た。次も1～12が出る確率は1.52%しかない。だから13～36に賭ければ98.48%の確率で当たる！」というのが94.48%法の考え方です。この手法はルーレットの必勝法として有名で、ネットで検索すれば沢山の記事がヒットします。でもこの理論はデタラメです。それをシミュレーションして確かめます。

ルーレットをやるなら赤／黒ベットよりダズンベットを選ぶべき数学的理由

ルーレットと言えば赤／黒ベットなどのオッズが2倍の賭け方をする方が多いと思います。ほぼ50%の確率で当てられるので、利益は少ないけれども確実な勝負のように思われるからです。ところがオッズが3倍のダズンベットやカラムベットの方が利益が多くなりやすいということをご存知でしょうか？本記事ではそれを数学的に証明してみました。

【マーチンゲール法】正しく使って勝つための条件をシミュレーションで明らかにする

マーチンゲール法は「理論上負けない方法」と言われていますがこれを額面通りに受け取る人は少ないでしょう。実際にはカジノが損しないように設定するテーブルリミットが存在するため理論通りにはなりません。しかしマーチンゲール法で本当に勝率が上がるのか？とか勝率が上がるとはどんな場合か？と問われて答えられる人は少ないでしょう。

ルーレットは金持ちほど勝つ確率が高いのか？百万回シミュレーションしてみた

ルーレットで300ドルを儲けて帰りたいという時、100ドルしか軍資金がない人と1,000ドルの軍資金がある人ととでは勝率は異なるのでしょうか？Pythonで百万回疑似ゲームを行って調べてみました。その結果1,000ドルの軍資金がある人の方が約3倍も勝率が高いことがわかりました。ではこの勝率はどこまで上がるのでしょうか？

ベット額の大小によるルーレットでの勝率をPythonでシミュレーション

「俺はカジノでいつも勝っている」と豪語する人を管理人は信用しませんが、並の人より勝っていることは認めます。そのような人は大抵、並の人よりベット額が大きい傾向があります。並の人のようにせこせこ賭けるのと、大きな賭金で勝負する人とでは、勝率に差があるのでしょうか？これを知りたくてPythonでシミュレーションしてみました。

【ルーレットの還元率】理論値になるかPythonで百万回シミュレーションしてみた

ルーレットの還元率は確率の計算式で理論値が求められますが、本当に正しいのでしょうか？これを確かめるためにPythonを使って百万回シミュレーションしてみました。アメリカンルーレット、ヨーロピアンルーレット、フレンチルーレット（アンプリゾン方式）、フレンチルーレット（ラパルタージュ方式）すべてについて実験しました。

フレンチルーレットのアンプリゾン方式をPythonでシミュレーションしてみた

ルーレットには アメリカンルーレット 、 ヨーロピアンルーレット 、 フレンチルーレット の 3 種類があります。 更にフレンチルーレットの イーブンベット には アンプリゾン方式 と ラパルタージュ方式 という 2 種類のルールがあります。これらをすべてシミュレーションできるソフトをPythonで作ってみました。

【ここまでできる！】Webアプリを使って物流ネットワークを最適化する方法

前回の記事 【これは便利！】適正発注を行った場合のトータル調達物流コストを計算するアプリ で、適正発注を行う前提でトータル調達物流コストをシミュレーションできる Web アプリを公開しました。このアプリは簡単なカスタマイズによって、様々なパターンの物流ネットワーク最適化に適用可能であることを紹介したいと思います。

適正発注を行った場合のトータル調達物流コストをシミュレーションするアプリ

物流ネットワークの設計において戦略的に重要になるのはどこにどのくらいの広さのDCを設置するかで、戦術的に重要なのは各DCの適正在庫コントロールの方法です。これらを併せて数理的にやろうとすると奥が深く輸送コストや在庫コスト等の合計であるトータル物流コストを最小化する最適化問題になります。これを計算するアプリを作りました。

定量発注法とMin-Max発注法を同じ需要データで比較できるシミュレーションアプリ

定量発注方式もMin-Max発注方式も物量があまり多くない、いわゆるBC商品に使われることが多いのですが、「両方式の違いがよくわからない。うちの商品にはどちらが適しているのだろう？」と思ったことはありませんか？そのような方のために同じ需要データで両発注方式をシミュレーションして挙動を比較できるアプリを作成しました。

物量が少ない時FCLとLCLのどっちが安い？アプリでトータル物流コストをシミュレーション

「二ヶ月にコンテナ一本分の物量しかないが、二ヶ月に一度FCLで輸入するのと毎月LCLで輸入するのとではどちらが安いのだろう？」国際物流に絡んだことのある人なら誰でも一度は悩むことですね。この場合発注量が物量になりますので、適正在庫シミュレーションと一緒にするのが効率的です。物流コストも一緒に計算するアプリを作りました。

定期発注で発注間隔を変えると物流コストはどうなるか？アプリで簡単シミュレーション

「隣の国なんだからクロスボーダートラックで送れば2、3日で着くけど輸送コストが高い。船便だと輸送コストは安いけどリードタイムが長いので在庫コストがかかる。トータル物流コストとしてはどちらが得なんだろう？」国際物流に携わっていれば多くの人が遭遇する悩みですね。この悩みを解消するWebアプリをPythonで作成しました。

【物流担当者必見！】三期制の保管料はこんなに損。アプリで簡単シミュレーション

「日本の保管料は三期制で一期（十日間）当たり280円／CBM、タイでは一日当たり30円／CBM。一日当たりで比較するとタイの方が高いじゃないか！」「物流会社から一日当たり30円／CBMの保管料を、一週間当たり180円／CBMに変更したいと提案された。安くなった、ラッキー！」それが一目で損得がわかるアプリを作りました。

【物流担当者必見！】三期制の保管料はこんなに損。アプリで簡単シミュレーション

「日本の保管料は三期制で一期（十日間）当たり280円／CBM、タイでは一日当たり30円／CBM。一日当たりで比較するとタイの方が高いじゃないか！」「物流会社から一日当たり30円／CBMの保管料を、一週間当たり180円／CBMに変更したいと提案された。安くなった、ラッキー！」それが一目で損得がわかるアプリを作りました。

【ハイブリッド発注方式】定期発注方式に対するメリットを在庫シミュレーション

ハイブリッド発注方式とは定期発注方式と発注点方式を併せていいとこ取りをした発注方式です。定期発注方式は海外調達のように発注コスト（輸送コスト）が高い場合に特に有効ですが、発注サイクル期間中に需要の急変動があって在庫が不足気味になっても発注がかからないという欠点があります。ハイブリッド発注方式はこの欠点を補います。

Min-Max発注方式のMaxはどうやって決めるのか？Pythonでシミュレーションしてみた

Min-Max発注方式でMinは発注点で（安全在庫＋リードタイム期間中の需要）で求めることができますが、Maxはどうやって決めるのでしょうか？発注点＋EOQでは定量発注方式より性能で劣ってしまいます。（発注点＋a日分の需要）で決める場合のaをどうやって決めるかを、Pythonの在庫シミュレーションで検討してみました。

【定量発注方式】PythonのInventorizeライブラリで適正在庫シミュレーションしてみた

定量発注方式で発注を行った場合に毎日の在庫推移がどのようになるかシミュレーションしてみたいと思ったことはありませんか？これはPythonのinventorizeライブラリを使えば一瞬でできてしまいます。定量発注方式では発注点と発注量の決め方が肝になりますが、Pythonでシミュレーションする方法を解説します。

旅ラン

EOQ（経済的発注量）を発注実務に応用する方法～海上輸入による調達を例に～

EOQ（経済的発注量）はよく知られた言葉ですが、「あんなもの使えないよ」と言って使っていない方が多いのではないでしょうか？発注コストを固定しているなど確かに現実離れした前提条件があるのですが、工夫すれば実務に十分に活用できます。本記事では船便で輸入する国際調達で使う方法を紹介します。「これ使えるかも」と思えるかも。

【定期発注方式】PythonのInventorizeライブラリで適正在庫シミュレーションしてみた

定期発注方式とは一定間隔で在庫数をチェックして目標在庫数との差を発注する方式です。まとめて発注できるので仕入先が遠くて輸送コストがかかるような場合に向いている発注方式です。この在庫シミュレーションはExcelやPythonで自作できますが、Pythonのinventorizeライブラリを使えばもっと簡単にできます。

【発注点の求め方】日／アイテム／在庫拠点別の出荷データからPythonで求める方法を実演

発注点は英語ではReorder PointまたはROPと呼ばれ、適正在庫管理における大変重要な設定点です。在庫が「ある数量」を下回ったら発注するという不定期発注方式では、「ある数量」のことです。また1週間とか1ヶ月おきに発注するという定期発注方式においては、目標在庫量のことです。これをPythonで一括計算してみます。

需要だけでなくリードタイムも変動する場合の安全在庫はどうやって計算するの？

よく知られている安全在庫を求める公式では需要の変動のみを考慮していて、リードタイムの変動は考慮していません。ところがリードタイムは調べてみると驚くほど変動しているものです。そこでリードタイムの変動も考慮した安全在庫の計算式を紹介します。安全在庫理論が使えないという場合には、リードタイムの変動を疑ってみましょう。

標本に負の数が含まれる場合のジニ指数をPythonで計算【標本合計が負でもOK！】

標本（サンプル）の格差を表すのにジニ指数は用いられますが、全標本が正の数であることを前提としています。例えば、標本が各社の売上高である場合、すべての標本は正の数なのでこの前提を満たします。ところが標本が各社の営業利益である場合、負の数が含まれる可能性があります。このような場合にも使えるような拡張ジニ指数を紹介します。

【物流業界内の格差は大きいのか？】ジニ指数で他業界と比較してみた

物流業界には意外と大企業の割合が多いのですが、業界の寡占度はどのくらいなのでしょうか？例えば米国のIT業界ではGAFAMなどによる寡占がかなり進んでいますが、日本の外食業界は群雄割拠なので寡占度は低いことが予想できます。寡占度はジニ指数で表すことができるので、物流業界の売上高のジニ指数をPythonで求めてみました。

【ジニ指数をExcelとPythonで計算する】テスト結果を例にでわかりやすく解説

ジニ指数は格差を表す指標として有名ですが、計算方法を知っていますか？自分で計算できるようになっておくと便利だと思いますので、ExcelとPythonで簡単に計算する方法をご紹介します。積分の計算が必要ですがExcelで数値計算できるので大丈夫です。もちろんPythonでも可能でscipyライブラリを使うのが便利です。

【物流業は儲かるのか？】売上高と営業利益率を他業界と比較してみた

物流会社ランキング を見れば物流業界の中での売上高や営業利益のランキングはわかりますが、他の業界と比べて物流業界のレベルが低ければ井の中の蛙です。 そこで他業界と比べた物流業界のレベルを調べてみました。売上規模は大きな会社が多いものの、利益率は普通の会社が多く、高い利益率を誇るニッチ企業が少ないことがわかりました。

【PythonコピペOK！】PDFファイルを各ページに分解して好きな順番に並べ替える

誰かから送られてきたPDFファイルの一部を、違う誰かに送りたいということはありませんか？例えば、何十ページもある建設図面の一部だけを誰かに共有したいとか、社内資料から機密情報だけを削除して誰かに共有したいとかよくあることだと思います。これはPythonのPyPDF2ライブラリーを使えば簡単にコーディングできます

【メガキャリアは何をやっているのか？】欧米大手物流会社の業務概要

日本の物流大手である NIPPON EXPRESS や 日本郵船 の売上高は 2 兆 5,000 億円ほどですが、世界には 10 兆円を優に超える物流会社が 6 社もあります。 また営業利益では日本郵船の 3,000 億円がトップですが、フランスの CMA CGM は 4 兆 4,000 億円と桁が1つ違います。

【営業利益率キーエンス超えも！】世界の物流会社売上高上位100社～2023年版～

コロナ禍によるサプライチェーンの混乱で日本郵船などの海運会社は史上空前の利益を上げましたが、世界のメガキャリア

【香港＋台湾＋韓国】売上高上位50社！物流会社のプロフィールをまとめてみた

香港、台湾、韓国はいずれも国として物流振興に力を入れています。日本の大手物流会社と比較しても引けを取らないどころか売上高で上回る企業もいくつかあります。ところが日本語でそのような会社の情報を取ろうとしても情報ソースが限られています。そこでこれら3国に上場している物流会社のうち売上高上位50社の会社概要をまとめました。

【香港＋台湾＋韓国】物流企業ランキング77社！2023年版まとめて公開

アジアの大手物流企業は巨大市場である中国にだけ集中しているわけではありません。香港／台湾／韓国は国の規模は小さいものの国として物流のハブになることに力を入れているため、日本の大手物流企業と比べても売上規模の大きな物流会社が多く存在します。そんな3か国の売上高／営業利益／当期利益の物流会社ランキングを作成しました。

「物流会社って何しているの？」上場物流会社の事業内容をまとめてみた

外からうかがい知ることの難しい物流業界。道を見ればいろいろな物流会社の名前が入ったトラックが走っていますが一体どんな仕事をしているのでしょうか？実は物流会社と一口に言ってもその業務内容は様々で、物流業界で働いている人でもわからないことだらけだと思います。そこで上場企業だけですが、事業内容を簡単にまとめてみました。

【アセアン6ヶ国】物流売上高上位50社の会社概要をABC順にまとめてみた

ASEANで活躍する物流企業の売上高ランキングを作りましたが、正直聞いたこともない会社ばかりだと思います。売上高上位でも日本の物流会社と比べると売上規模が小さな会社が多いため、世界的にはあまり有名ではないのです。そこで売上高上位50社限定で会社概要をまとめました。これを読めばあなたもASEANの物流通になれます。

中国物流上場企業51社の会社概要をABC順にまとめてみた【中文名付き】

中国の上場物流企業の簡単なプロフィール集です。日本の大手物流企業と比べても格段に大きな会社も何社かあります。リンクも貼りましたので是非当サイトの中国物流企業ランキングも一緒にアクセスしてみて下さい。英文会社名では知らなくても、中文会社名だとピンとくる会社もいくつかあると思いますので、中文名も一緒に掲載しています

【アセアン6か国！】物流企業ランキング117社！2023年版まとめて公開

高い経済成長率を誇り日系企業の進出も多いASEANではどんな物流会社が活躍しているのでしょうか？ 現地で働いている人であればいくつかの大手物流会社が思い浮かびますが、 実際のところどのくらいの売上規模なの？ と聞かれると答えられない人がほとんどだと思います。 Investing.comをWebスクレイピングしました。

【2023年版】中国物流企業の実力はどれほどか？7つの財務指標でランキングしてみた

中国の物流会社はどのくらいの売上規模なのでしょうか？ 国土が広くて経済規模も大きいので、日本と比べて多いのでしょうか？ また利益率はどうなのでしょうか？ やはり利益に貪欲なので、とんでもない利益を上げている会社もあるのでしょうか？ そんな疑問を解消するためにInvesting.comからWebスクレイピングしました。

【2023年最新版】物流企業ランキング77社！Investing.comからWebスクレイピング

物流企業ランキングは2年間に渡って続けてきましたが、各企業のHPから財務データを手作業で収集してきました。今年はInvesting.comからWebスクレイピングしました。世界中の上場企業の財務情報サマリーが取得できるので「Japan」と「Freight & Logistics Services」で絞り込みました。

飛行機の到着時間はどれくらい遅れるのか？航空会社／出発地別に統計を取ってみた

飛行機の定時運航率って実際のところどれくらいなのでしょうか？遅れるのが当たり前？それとも平均的にはゼロなの？そのあたりをバンコクのスワンナプーム空港の実績をWebスクレイピングして調べてみました。また平均的にはゼロでも航空会社や出発地によっても傾向がありそうなので、それも調べてみました。結果はやはりというべきか。。。

Doc Feeって何？世界各国の料金相場もOrigin／Destination別に一挙公開

Doc Feeって何のための費用なのでしょうか？また海上輸送にはキャリアとフォワーダーが絡んでいる場合が多いですが、どちらが請求しているのでしょうか？その疑問にお答えするとともに世界各国での料金相場を公開します。ONEのHPにSurcharge Searchで検索できるのでPythonでWebスクレイピングしました。

ターミナルハンドリングチャージはいくらなの？世界のTHC相場を徹底比較

国際物流における請求項目の中でもわかりにくいターミナルハンドリングチャージですが、一体いくらなのでしょうか？国によってもキャリアによっても異なるのですが、国ごとの料金相場は存在します。それをONEのWebサイトにアクセスしてスクレイピングしてみました。概ね物価の高い国は高いのですが、その差は結構あることがわかります。

運輸・物流企業のPER＆配当性向＆株主総利回りランキング【2022年版】

物流会社は投資魅力があるのでしょうか？最近は日本株が世界的に見直されていますが、代表的な投資指標であるPER（株価収益率）、配当性向、株主総利回りを調べてみました。データソースはEDINETです。一つひとつ調べるのは面倒なので、Pythonを使ってEDINET APIへアクセスして5年分のデータを自動収集しました。

【2022年版】運輸・物流企業の営業利益率＆ROEランキング83社

コロナ前後で物流企業の営業利益率と自己事本利益率はどのように変化したのでしょうか？打撃を受けた会社がある一方で、ありえないくらいに利益率を向上させた会社もあります。その代表格は海運会社です。ひとつひとつ調べるのではなく、前回と同様にPythonのプログラムを使ってEDINET APIからデータを自動収集しました。

【2022年版】運輸・物流企業の売上高＆年成長率ランキング82社

金融庁では各社の有価証券報告書をEDINETで公開しています。しかし数千社ある会社のデータを一括ダウンロードすることはできません。できたとしても自分が欲しいデータをダウンロードしたファイルから特定するのは時間がかかります。そんな時には2019年に公開されたEDINET APIを使うとPythonで自動収集できます。

【2023年版】世界の3PL大手｜グローバル売上高ランキング TOP28

前回の3PLランキングを2年ぶりに更新しました。世界の3PL大手はM&Aを盛んに行っていること、コロナ禍でフォワーディングの売上高が嵩上げされたこと、円安が進んだことから順位が大きく変動しています。その結果、残念なことに日本の物流大手は軒並み順位を落としています。円安も大きいですがやはり草食系企業が多いためでしょう。

【作業分析6】MMCモデル｜最適なトラックドック数をSimpyでシミュレーション

待ち時間はサービス窓口を増やせば短くなりますが、その分コストは上がります。一般的に窓口を増やせば待ち時間は短くなりますが、段々とその効果は小さくなりいずれ頭打ちになります。つまり窓口を増やしすぎると費用対効果が少なくなるので、コストがベネフィットを上回るようになります。これをSimpyでシミュレーションしてみます。

【作業分析5】トラックの待機台数のグラフをPythonでアニメーション（2）

日々忙しい物流の現場では、わざわざ数字をチェックしている暇はないので一目で状況を把握できるような画面が好まれます。そこで今回は数字の大小に応じて人の表情が変わるようなアニメーションをPythonで作成してみました。Matplotlibには図形を描画する機能も豊富に揃っているので形や色を変えながら表情を変えてみました。

【作業分析4】トラックの待機台数のグラフをPythonでアニメーション（1）

Pythonは膨大な回数のシミュレーションができるので、結果をまともにグラフで表示させると見づらくなります。そんな時はアニメーションを使って流れるようにグラフを表示させるとカッコいいですね。そこで今回は10000回シミュレーションしたトラックの待機台数のグラフをいろいろな方法でアニメーション表示させてみました。

【作業分析3】トラックドックでの待機時間や待機台数をSimpyでシミュレーション

物流はお客様からの貨物を待つ商売なので、待ち行列理論はとても役に立ちます。そして待ち時間や待っている人数の期待値を計算する公式も知られています。しかしそれはあくまでも期待値であって、何千回と繰り返した場合の平均値に過ぎません。実際の待ち時間や待ち人数は毎回大きく振れます。それを知るにはシミュレーションが有用です。

【小さなラグジュアリーリゾート】希少なルセイ島をベアフットラン

カンボジアシハヌークビルのリゾートアイランドといえばロン島とロンサレム島ですが、もっと近くにルセイ島があります。ところがこの島はあまり知られていません。それもそのはず、ここは選ばれた人しか行けないセレブリゾートなのです。ひょんなことから、そんなリゾートの無料宿泊券を貰いました。今回はその体験レポをお届けします。

【作業分析2】M/M/1モデルとM/G/1モデルの待ち時間をPythonでシミュレーション

M/M/1やM/G/1の待ち行列をPythonでシミュレーションしてみました。Simpyという離散イベントをシミュレーションするためのライブラリーがありますが、今回はあえて使わずNumpyだけでシミュレーションしました。前回はExcelで待ち行列のシミュレーションをしましたがアルゴリズムをPythonに実装しました。

【作業分析1】M/M/1モデルとM/G/1モデルの待ち時間をExcelでシミュレーション

待ち行列モデルは物流の作業分析に大変有用です。最も基礎となるのはM/M/1モデルですが、作業スピードを一般分布で表すことのできるM/G/1モデルの方が実用的かもしれません。しかしM/G/1モデルを解析的に解くのは困難です。そんな時に役立つのが乱数を使った数値シミュレーションでExcelでも簡単に行うことができます

【SCM分析7】需要予測による在庫削減効果を適正在庫シミュレーション

需要予測を使えば適正在庫コントロールの精度があがります。需要予測を行わない場合と比べて確実に在庫削減できます。出荷量の平均×（リードタイム＋発注サイクル）で計算していた需要予測在庫が需要予測結果に置き換えられるためです。安全在庫も減ります。これをPythonで実装した適正在庫シミュレーションで検証してみました。

【SCM分析6】AICを指標とするSARIMAモデルの自動構築で出荷数量を需要予測

物流センターの出荷データからSARIMAモデルを使って需要予測を行ってみます。6か月分の出荷実績データが手元にあります。5か月分のデータを使って需要予測モデルを作り、残り1か月分のデータで検証します。SARIMAモデルには7つのパラメータがありますが、これを手動で決める方法と自動で決める方法とで予測精度を比較します。

【ビーチを走るリアルベアフットラン】3か月間続けて変わったこと

カンボジアのシハヌークビルに暮らすようになって今日でちょうど3か月が経ちました。その間、ビーチを走らなかった日はゼロです。基本は夕方に走りますが、用事があって走れない日は朝、週末は朝夕の2回走った日もあります。1回に走る距離は約7～10km、暗くなって足元が見えなくなるまで走ります。

【SCM分析5】Pythonを使った重回帰分析で出荷データを需要予測してみた

需要予測手法としてはARIMAモデルや、それに季節性を考慮したSARIMAモデルなどの時系列分析が知られていますが、普通の重回帰分析でもできるはずです。そこで6ヶ月間に渡る日々の出荷データを使って、重回帰分析でどこまでの精度で需要予測できるかを試してみました。PythonのLinearRegressionを使います

【欧米人バックパッカーが集う秘島】ロンサレム島をベアフットラン

ロン島はカンボジアで美しいビーチがあるリゾートとして有名ですが、もう1つロンサレム島という紛らわしい名前の島もあります。同じような島かと思っていたら全然違いました。ロン島はホテルの密度が少なくて豪快な自然を楽しむ感じで、ロンサレム島は多くの欧米人バックパッカーがのんびりビーチでくつろいでいるアジアの田舎という感じ。

【SCM分析4】需要データの階差数列が定常過程になることをADF検定する

時系列データはそれが定常過程だと分析が容易になります。しかし生のデータがそうであることは稀です。物流で重要な需要データも例外ではありません。非定常なデータは定常データに変換する必要があります。そのための1つの方法が階差数列を取ることです。需要データにトレンドがあっても隣のデータ同士であればその影響はほとんどありません。

【SCM分析3】Pythonで出荷データを周期変動と長期トレンドに分解する

適正在庫管理は需要予測ができれば簡単です。極端にいえば需要予測が100％の精度でできれば安全在庫はゼロです。この需要予測の一番簡単な方法は直近データの平均を取ることですが、もっと精密に需要予測を行うためにはトレンド成分や周期変動を需要データから分離することが第一歩になります。Pythonでその分解をやってみました。

【SCM分析2】PythonのマルチレベルABC分析で出荷傾向を分類する

在庫管理はアイテムごとに行うべしとはいっても、すべてのアイテムに同じくらいの手間をかける必要はありません。 ABC分析によって分類されたカテゴリーに応じて在庫管理手法を分けるのが普通です。このABC分類はExcelでもできますがPythonだともっと簡単です。更にマルチレベルのABC分類も簡単にできてしまいます。

【SCM分析1】曜日／物流センター別の出荷傾向をグラフで可視化する

サプライチェーンに関わるデータは膨大でそれを有効活用することで物流を効率化できます。中でも物流センターからの出荷データは基本でそこから得られる洞察は数多いでしょう。このような分析はExcelでもできますが処理能力が足りなかったり分析に長い時間がかかったりします。Pythonを使って分析するとどうなるか試してみました。

行列演算を使った複数SKUの適正在庫シミュレーションをPythonで実装する

適正在庫はSKUごとに設定するため適正在庫シミュレーションもSKUごとに行うのが基本です。しかしSKU数が数万とかある会社ではそれは気の遠くなるような話しです。そこで複数SKUのシミュレーションを一気にできるシミュレーションソフトを作ってみましょう。これをExcel VBAでやるのは大変ですがPythonなら簡単です。

【Pythonでもできる！】適正在庫シミュレーションソフトを作ってみた。

適正在庫理論の正しさを証明するのに適正在庫シミュレーションは用いられます。これはExcelでも作成可能なのですが、Pythonでも作成してみました。Pythonにはいろいろと便利な構文が豊富に用意されているので、VBAと比較して割合簡単にコーディングすることができました。多SKUのシミュレーションへの拡張性もあります。

Pythonを使って経験分布と正規分布をグラフで視覚化してKS検定をしてみた

KS検定はPythonのライブラリーを使えば簡単にできてしまいますが、それでは原理がわかりません。そこで、自分でPython関数を自作してKS検定を行ってみました。KS検定では観測データから作る経験分布の作成が始めの一歩なため、まずはそこから始めました。そして確率分布との最大差をKS分布に当てはめてp値を求めました。

【PythonのkstestでKS検定】出荷数が少なくても正規分布になることを検証する

安全在庫理論は出荷数が正規分布に従うことを前提としています。この正規分布への適合性を調べるのにKS検定は有効です。KS検定は他の検定と比べて簡単なためExcelでも自力で行うこともできますがPythonを使えばもっと簡単にできます。SKU数が何千、何万とあるような会社ではPyhtonを使ってデータ分析が楽になります。

Pythonで「ヒストグラム＋正規分布の近似曲線」を作成する4通りの方法

ヒストグラムは統計処理において重要なグラフですが、棒グラフや折れ線グラフ等の他のグラフと比べて作成するのに少しテクニックが必要です。また正規分布の近似曲線も併せて表示する場合には更にテクニックが必要です。本記事ではPythonを使った4つの方法を紹介します。Matplotlib、Panda、Seaborn、自作棒グラフ

【Excelで簡単！】KS検定で出荷数が正規分布に従うかどうかを検定する

KS検定とは何でしょうか？カイ二乗検定と何が違うのでしょうか？これらの疑問をExcelで解きながら解説していきます。経験分布という聞きなれない言葉が出てくるため分かりづらいのですが、実際にExcelで計算してみると意外に簡単であることが分かります。観測データと想定する確率分布のパーセンタイルを比べているだけです。

【世界で55万人が受講】データサイエンス25時間ブートキャンプのUdemyレビュー

Udemyのデータサイエンスの講座を受けてみました。25時間もあることを知らずに受けたので、とても長く感じました。でもこの講座にはデータサイエンティストになるために必要な知識が過不足なく網羅されているのだと思います。ですのでこの講座の内容さえ理解すればデータサイエンティストになれると思えばやる気が出るというものです。

【ロン島 ソクサンビーチ】白亜の絶景7kmのビーチをベアフットラン

サムイやプーケットの沖合にきれいな島があるように、シハヌークビルにもロン島とロンサレム島があります。毎日走っているオートレスビーチと比べるためにロン島のソクサンビーチに行ってきました。すると水の透明度といい砂浜の白さといい、オートレスビーチの完敗でした。どちらもモルジブやタイのリぺ島に匹敵する素晴らしさ。紹介します。

Pythonで単純パーセプトロンの2値分類問題を機械学習させて解いてみた

以前Excelに実装して解いた単純パーセプトロンの2値分類問題をPythonに実装してみました。Udemyの「みんなのAI」で学んだことを試す目的です。この講座では隠れ層があるニューラルネットワークをPythonに実装する方法を勉強したのですが、これをもっと単純な単一ニューロンの問題に適用してみたことになります。

【Udemyのレビュー】みんなのAI講座ゼロからPythonで学ぶ人工知能と機械学習

Udemyのレビュー第五回目はみんなのAI講座です。今までPythonの講座を4つ受講してきましたが本格的な機械学習の講座は初めてです。ニューラルネットワークの考え方や重みと呼ばれるパラメータがバックプロパゲーション（誤差逆伝播法）と呼ばれるアルゴリズムによってどのように学習されていくのかをわかりやすく解説しています。

【シハヌークビル 】9kmのビーチで夕日を見ながらリアルベアフットラン

社会人になって14回目で引っ越しでやっと手に入れたビーチリゾートでの生活。場所はシハヌークビル。あまり知られていませんが、タイのパタヤ、サムイ、プーケットなどのビッグリゾートと比べても、ビーチの美しさや長さでは引けを取りません。今回はその中でも有名なオーティチュールビーチとオートレスビーチをベアフットランしました。

Pythonを使って単回帰分析における最小二乗法を4つの方法で解いてみた

機械学習の基本中の基本といわれている単回帰分析をPythonに実装する4つの方法を試してみました。単回帰分析の公式をPythonにそのまま実装する方法を2つ、行列を使って解く方法、最後にscikit-learnを使って一遍に解く方法です。実際にはscikit-learnを使うのでしょうが理論の理解にはなると思います。

Udemy【キカガク流】人工知能・機械学習 – 初級編 – を受講してみた感想

UdemyのPython講座で受講者数が多くて人気の高い「キカガク流」の初級編の講座を受講してみました。大変わかりやすい講座でした。特に学生の頃に微分でつまずいてしまった人は、この講座でリベンジできると思います。機械学習の基本中の基本である単回帰分析の理論とPythonへの実装方法を一通り理解することができます。

【Pythonを使ってRPAを無料で実現する】独学で身につけるPython〜応用編〜

RPAとはRobotic Process Automation（ロボティック プロセス オートメーション）の略で、簡単にいうとパソコンで行う作業を自動化することです。今回紹介するこちらのUdemy講座を受講すれば、通常有料サービスであるRPAの機能をPythonを使ってすべて自作で実現できるようになります。

【Udemyの講座を受けてみた感想】独学で身につけるPython〜Excel自動化編〜

Udemy感想の第二弾です。前回の独学で身につけるPython基礎編の続編でExcel自動化編です。基礎編はExcel自動化のみならずWeb操作の自動化やSNSとのAPI通信も含まれていて盛りだくさんでしたが今回はExcel自動化のみを深堀りした内容になります。基礎編で消化不良だったという人には理解が深まると思います。

Python＋xlwingsでExcel VBAの適正在庫シミュレーションを書き換えてみた

Udemyでたった1つの動画講座を視聴しただけでExcel VBAで書かれた適正在庫シミュレーションソフトをPythonで書き換えられるようになったなんで嘘だろ？そんな声が聞こえてきそうですので証拠をお見せします。講座でExcelを操作するのに使っていたのはopenpyxlですが問題がありxlwingsを使いました。

Python初学者がUdemyのこの講座を受けただけでこんなことができるようになった

Python。使えそうなプログラミングだな。これからは人工知能の時代だから勉強しておいて損はないな。でもハードル高そうだし独学で勉強するのは厳しいかも。とはいってもプログラミングスクールに投資する時間とお金もないし。。。そのように思っている人はいませんか？管理人もそうでした。でも管理人はUdemyで独学を始めました。

【ルーレットの赤黒ベット】100ドルの軍資金を200ドルに増やせる確率は？

ルーレットはカジノ初心者でも簡単に楽しめるゲームで、中でも赤黒ベットや奇数偶数ベット等は勝つ確率が50％近くありカジノ入門編といえます。但し厳密にいうと勝率は50％より少し低くなっていて、長い時間やっていると必ず負けるゲームです。しかし「元手が2倍になったらやめる！」というような短期決戦だと勝てる確率は高くなります。

【吸収マルコフ連鎖】2か月遅延の売掛金が回収不能になる確率は？

吸収マルコフ連鎖（absorbing markov chain）とは一旦その状態になったら、その状態から抜け出せなくなる状態を含むマルコフ連鎖のことです。このようなマルコフ連鎖は結構あり、勝つか破産するかのギャンブルもこれで表せます。ここでは延納されている売掛金が回収できる確率を求めることに応用する例を紹介します。

【マルコフ連鎖】標準体重の人が太りすぎになるまで平均何年かかる？

マルコフ過程が長時間続いて定常状態になった時、どのような状態に落ち着くかは不変分布の公式で求めることができます。しかし私たちはある状態からある状態に移行するのにどのくらいの時間かかるのかを知りたい場合があります。それが分かれば対策を打つ猶予時間が分かるからです。これは平均初回通過時間（MFPT）として知られています。

【マルコフ連鎖】宅配便の販促キャンペーンにいくらまで支払えるか？

広告宣伝の費用対効果を測定するのは大変難しいことです。第一、広告によって顧客の離脱率を数ポイント減少させられたからといって、それが市場シェアにどのくらい効くのかなんて分からないように思えます。ところがマルコフ連鎖を使えばそれが定量化できるのです。但し、それば不変分布が存在する場合に限ります。その分析方法を解説します。

マルコフ連鎖が不変分布に収束するための条件を図でわかりやすく解説

マルコフ連鎖は長い時間が経てばいつも定常状態に収束するとは限りません。定常状態のことを不変分布ともいいますが、不変分布に収束するには3つの条件があります。それが連結、再帰的、非周期的です。これがすべて満たされる場合をエルゴ―ド的といいます。何のことだかよく分かりませんね。本記事では図を使いながら分かり易く解説します。

【マルコフ連鎖】翌日配送が翌々日配送になると在庫は何台必要か？

マルコフ連鎖は在庫管理にも応用できます。但し遷移確率を求めるのに少し注意が必要です。前回の肥満度の例では、各状態から各状態へ遷移する確率はデータから簡単に得られるので簡単ですが、モノの数量の変化を遷移確率で表現するには定量的な分析が必要になるからです。しかし確率の基本定理が分かっていれば、それを応用すればよいだけです

【マルコフ連鎖と遷移確率行列】5年後に太ってしまう確率は何％？

過去の経歴は一切関係なし、今の状態だけから未来が決まる。そのような関係性をマルコフ連鎖と言います。スゴロクなんかがそうですね。今どこにあるかで次の行先が確率的に決まります。それまでどのような経路を通ってきたかというのは全く関係ありません。この時、次の行先へどのような確率で行くかをまとめて表したものが遷移確率行列です。

ベイズ推定で未知の確率を推定しながらディシジョンツリー分析する方法

ディシジョンツリー分析は期待金額価値を比較することによって合理的な決定をサポートしますが、可能性ノードの分岐確率がすべて分かっていることが前提です。しかし中には確率が分からない場合もあります。そのような時に逆確率を求めることができるベイズ推定が使える場合があります。トラック輸送と鉄道輸送の選択問題を例に解説します。

【ディシジョンツリー分析】テスト販売にかけるコストはいくらが妥当か？

ディシジョンツリー分析とは条件分岐によって問題を解く機械学習の手法の一種で、決定木とも呼ばれます。何か大きなイベントやを実施するにテストイベントを行って、どのくらいの反応があるか見極めたい時がありますね。でも、それにどのくらいのコストをかけて良いのかは難しい問題です。そんな時にディシジョンツリー分析は適しています。

【倉庫保管料の本質を理解する】保管料の計算に出庫量が関係ない理由

倉庫保管料の課金対象となる在庫量は期首在庫量＋期中の入庫量で計算します。期中にどれだけ出庫があったかは関係ありません。なぜでしょうか？在庫量は期首在庫量＋入庫量－出庫量で計算されるので、この在庫量を基に保管料を計算するのが筋だと思いませんか？そうではない理由をテーマ―パークの1日フリーパス券の例えを使って説明します。

【開放型待ち行列モデル】宅配便集荷作業のサイクルタイムを求めてみる

直列型待ち行列理論では複数の工程が直列につながった業務フローを解析できますが、工程は1から順に最後まで順番通りに進む必要があります。しかし世の中には途中の工程をスキップしたり、途中の工程からスタートするような業務フローもたくさん存在します。そのような業務フローを扱える開放型待ち行列理論の考え方や適用方法を解説します

【直列型待ち行列モデル】センター出荷作業のサイクルタイムを求めてみる

今まで見てきたM/M/1モデルやM/M/Cモデルは、いずれも工程が1つしかない待ち行列です。しかし実際には複数の工程が連なるいわゆるベルトコンベア式の作業が多いのではないでしょうか。直列型待ち行列モデルはそのような作業を分析するためのモデルです。ここではある条件が満たせる場合には各工程が独立になるという定理を使います。

【有限ソースの待ち行列】フォークが正常稼働する台数を求める別解

待ち行列というのは無限に伸び続けるわけではありません。長い行列であれば並ぶのをやめるでしょう。このように行列の長さは有限と考えるのが現実的です。また行列に並ぼうとする人も有限であることが多いでしょう。例えば社員食堂であれば、社員以外には行列に並ぼうとする人はいません。このような行列は有限ソースの待ち行列と呼ばれます。

待ち行列理論を応用して10分カットが儲かる仕組みを解明してみた

待ち行列のM/M/1モデルは簡略化されているので大変使いやすいのですが、行列の長さが無限に長くなれることを前提としています。しかし、床屋に行ってあまりにも沢山のお客さんが待っていたら出直してこようと思いますね。このように現実的には行列の長さには限りがあると考える方が良いでしょう。10分カットを例にとって解説します。

待ち行列理論を応用して高速コピー機の費用対効果を定量化する方法

「高性能の設備に変えたらもっと作業効率が上がるのに。でも高い費用を払ってまで購入してペイさせる自信がない。」こんなことはありませんか？誰でも経験ありますね。この問題が難しいのは、作業量が確率的に変動するためです。そのような場合に待ち行列理論は効果を発揮します。変動する作業量による「滞留時間」を定量化できるためです。

【Excelで解く待ち行列M/M/Cモデル】物流現場に応用する方法を具体的に解説

窓口が複数ある待ち行列はM/M/Cモデルで表します。このモデルでもM/M/1モデルと同様に行列の待ち人数や待ち時間を求める公式が知られています。M/M/!モデルの公式と比べて格段に複雑な式ですが、一旦Excelで計算テンプレートを作ってしまえば使いまわしができて便利です。本記事では物流現場に応用する方法も解説します。

待ち行列理論を使ってフォークリフトが稼働する台数を推定してみる

待ち行列理論は人の行列だけに用いられるのではありません。モノの滞留台数を推定する場合にも適用できます。また到着率や離脱率も一定である必要はありません。その事例として、物流センターにおいてフォークリフトが故障せずに稼働する台数を推定してみましょう。この場合、物流センターを「系」と考えフォークリフトの滞留台数を推定します。

【M/M/1モデル】微分積分を使わない定理の証明方法と物流への適用事例

物流業界のオペレーション改善に待ち行列理論は大変有用です。中でも一番基本になるのはM/M/1モデルです。簡単にいうと窓口が一つしかない行列の挙動を表すモデルです。このモデルには行列の待ち時間や待ち人数などの平均を計算するための定理があります。この定理は難しい微分積分を使わなくても比較的簡単に導くことができます。