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
【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。
【リトルの法則とは?】リーンな物流にカイゼンするための使い方
リトルの法則はあまり知られていませんがロジスティクス改善においてとても有用な法則です。わかりやすいところでは物流センター内での作業改善に使えます。物流センターでは作業者が皆忙しそうに働いていますが、本当に付加価値のある作業をやっている割合はごく僅かなケースがほとんどです。リトルの法則を使うと、それを数値化できます。
【少額貨物の免税制度】アジアで個人輸入したらどうなるか試してみた
日本では課税価格1万円以内の輸入貨物は、関税/消費税ともに免税、個人使用目的の場合は更に約1.6倍に免税枠が増えますが、海外ではどうなっているのでしょうか?アジア各国では少しずつ免税範囲が異なります。また実際の運用は規定通りでないことが往々にしてあります。カンボジアで少額免税外の貨物を個人輸入して試してみました。
【数学グッズ】職場で使うにもプレゼントにもお薦め~コースター編
前回は数式や図形等をあしらったクールなマグカップを紹介しましたので、今回はその下に敷くコースターを紹介します。コースターはグラスが滑るのを防いだり、テーブルが傷つくのを防いだりしますが、自分のセンスを披露する役割もあります。会社の来客に飲み物を出す時にさりげなく使えば、会社イメージのブランディングにもなるでしょう。
【数学グッズ】職場で使うにもプレゼントにもお薦め~マグカップ編
最近は数学を学び直す社会人が増えてきています。確率・統計が必須スキルになってきたことや、機械学習を始めとする人工知能を業務に応用するための人材を自社育成し始めている動きが背景にあるようです。今や「数学」はクールで流行りの学問なのです。そんな数学をあしらった「数学グッズ」も増えてきています。今回は「マグカップ編」です。
標準正規分布表(片側/両側)の見方とエクセルで作る方法をわかりやすく
標準正規分布表は安全在庫理論に基づいて安全係数を求める時やz検定で使われますが、ネットに載っている表はすぐにリンクが切れてしまうものが多いため、自分で作って自己リンクすることにしました。実際、標準正規分布表の作り方は簡単で、エクセルのNORM.DIST関数を使えば簡単に作れます。まずはこの関数の意味から理解しましょう。
【日本発着】航空券の燃油サーチャージはどうしてこんなに高いのか?
コロナが明けてやっと海外旅行に行けるようになったと思ったら航空券が高すぎて二の足を踏んでしまう、そんな話しを最近よく耳にします。それもそのはず、運賃以上に燃油サーチャージが高くなるという異常事態になっているからです。ところが海外ではそれほど大きく騒がれていません。日本発着ほど大きくサーチャージが高騰していないから
実際の欠品率が安全在庫の理論通りにならないのはなぜ?(その1)
安全在庫理論の式に従って欠品率が5%になるように設定したのに、実際の欠品率は1%以下になったとか、10%以上になってしまったということがよく起こります。その原因はさまざま考えられますが、そもそもの欠品率の定義が違うことが原因であることが往々にしてあります。よく使われる欠品率を計算する式は、欠品した日/総日数です。
【比重と運賃負担力】海外通販で買うとお得な商品は何か考察してみた
海外通販ではDHLやFedEx等の国際宅配便が主な運送手段になりますが、輸入販売業者が船便や航空便で輸入するのに比べると高いイメージがあります。実際、物流は規模の経済がモノをいう世界なので正しいのですが、やり方によってはその差を縮めることができます。そのためには容積重量と物流負担力の考え方を理解する必要があります
砂浜のリアルベアフットランでつま先着地になっているかチェックしてみた
管理人はベアフットランニングにハマって11年になりますが、いつもはSaguaroのゼロドロップシューズで走って
大きな航空貨物を自分で通関して個人輸入する方法をわかりやすく解説
個人輸入というとEMSや国際宅配便で商品を送るイメージですが、これだと小さい貨物しか輸入できません。大きい貨物は一般の航空貨物として輸送しますが、自分で通関を手配する必要があります。航空貨物の通関はフォワーダーなどのプロでないとできないイメージがありますが、商品のHSコードさえ分かればば自分ですることも可能です。
【商業貨物の旅具通関】ハンドキャリーの通関方法をわかりやすく解説
海外旅行のついでに買い物した商品を日本国内で販売する場合には商業貨物と見なされます。個人使用目的の商品を日本に持ち込む時には20万円の免税枠がありますが、商業貨物の場合は免税枠が大幅に制限されます。また免税枠を超えた場合の関税は簡易税率により一律15%になりますが、課税価格には運賃や保険料を加える必要があります。
【携帯品/別送品の簡易税率】海外旅行で買うとお得な商品はこれだ!
簡易税率には2種類あります。日本にいながら海外の商品を航空便などで輸入する場合に適用される簡易税率と、海外旅行のついでに購入した商品を携帯品/別送品として持ち込む場合に適用される簡易税率です。前者より後者の方が格段に大きなメリットがあります。免税枠が10倍以上あるのです。またうまく使えば更に免税枠を大きくできます。
関税や消費税を節約しながらお得に個人輸入できる条件をまとめてみた。
最近は気軽に海外通販で海外の商品が買えるようになってきました。一方で海外商品を輸入販売している業者も沢山存在します。大規模な業者は卸売価格で大ロット仕入れができ、輸送費用でも規模の経済を働かせることができます。しかし小規模にやっている業者も沢山います。個人輸入はそのような業者からよりお得に購入できる可能性があります。
【燃料サーチャージ】誤った計算式で契約してしまった某物流会社の窮状
昨今の燃料価格上昇は異常なほどですが、それでも日本の荷主はトラック運賃の値上げを認めてくれません。全日本トラック協会は国土交通省と連名でお願いパンフレットを配ったくらいです。近い将来日本でも燃料サーチャージを導入する機運になってくると思いますが、その計算式には十分に注意する必要があります。アジアでの失敗例を報告します
【適合度のカイ二乗検定】出荷数は正規分布やポアソン分布になるの?
カイ二乗検定は確率分布への適合度を調べることができます。安全在庫理論では出荷数が正規分布に従うことを仮定していますが、「本当にその仮定は正しいのか」と疑う人に「正しいよ」というための道具として使えます。更にカイ二乗検定はポアソン分布や二項分布などの他の確率分布への適合度も調べることができる汎用性の高い検定方法です。
【カイ二乗分布は何の役に立つの?】その性質から便利な使い方まで
正規分布や二項分布は重要でよく耳にする確率分布ですが、カイ二乗分布はマニアックな人しか知らないというイメージです。でもウィキペディアによれば「推計統計学で最も広く用いられている」ほど重要な確率分布です。標準正規分布からサンプリングしたデータの平方和で定義される値の取る分布であるため、確率の揺らぎの範囲がわかります。
【コスパ抜群!】ベアフットランに圧倒的おすすめのシューズは「Saguaro」
ベアフットランニングの欠点の一つに「シューズが高い」というのがあります。ベアフットシューズの定番であるビブラムファイブフィンガーズやLUNA SANDALSのワラーチは確かに高いです。でも最近は格安でデザインもかっこよく、耐久性にも優れたシューズが出てきています。中でも管理人のおすすめはSaguaroのシューズ
【ディリクレ分布の使い方】日ハム清宮の長打力をExcelで視覚化してみる
ディリクレ分布はあまり聞かない確率分布ですが、多項分布の共役事前分布としてベイズ推定で用いられる重要な分布です。なかなか捉えどころのないこの分布を身近な事例に使ってみました。今年の日ハム清宮は安打の半分以上が長打というプロ野球史上でも稀な成績を残しています。どれくらい稀かということをディリクレ分布で視覚化してみます。
【2022年最新版】物流企業ランキング60社~コロナ禍で伸びた会社はここだ!
今年も各社の決算が出揃う時期がやってきました。そこで人気記事の物流企業ランキング2022年度版を作成しました。毎年ランキングを更新しても実はほとんど変わらないので面白くないですね。そこで売上高と営業利益について2年前の数字と比較してコロナ禍による影響を調査しました。その結果、非常にはっきりとした傾向が現れてきました。
【指数分布の応用】確率1%の賭けを100回繰り返して勝つ確率は?
当選確率一千万分の一の宝くじを一千万枚買って当たる確率は?100%のような気もしますが、絶対に当たるとも言い切れませんね。単純に見えてこの問題は結構難しいのです。答えは63%なのですが、なぜこうなるのかは指数分布を理解すれば分かります。1日にλ回起こる事象がx日目で最初に起こる確率を計算してくれるのが指数分布です。
デジタコとドラレコと動態管理システムは何が違うのかをまとめてみた。
トラックの運行管理に使われるテレマティクスはいろいろありますが、有名なのはデジタコ、ドラレコ、動態管理システムの3つではないでしょうか。最近はこれらの複合機が多く発売されていて境目が分かりにくくなっています。しかし、これら3つのシステムの本来の目的は全く違います。そこで、それぞれのシステムの本質を整理してみました。
走行経路とスピードをExcelの3Dマップ機能を使って地図上に表示してみた。
最近はトラックの運行管理や動態管理をGPSを使ったシステムで行う会社が増えてきました。でも輸送経路やスピードの運転履歴を残したいだけならスマホアプリでできてしまいます。更にパソコン上でそれをビジュアルに見たいのであれば、スマホアプリで取得したデータをExcelの3Dマップ機能で読み込めば、これも無料でできてしまいます
3秒間隔の緯度経度のデータからランニングした距離をExcelで計算してみた。
ランニングをする人にとって走行距離を表示してくれるランニングアプリは便利ですね。一体どんな原理で測定しているのでしょうか?GPSで得られる緯度経度データを元に計算しているのです。3秒間隔で緯度経度を記録していれば3秒間隔の位置データが緯度経度で得られます。あとは2点間の距離を三平方の定理で計算することの繰り返しです。
フリーハンドの多角形の面積をExcelを使った2通りの方法で求めてみた。
式が分かっている図形の面積は、どんなにいびつな形であっても積分の数値的解法でExcelで計算することができます。しかし地図をなぞったようなフリーハンドの図形の面積はどうやって計算すればよいのでしょうか。フリーハンドの図形は頂点が無数にある多角形と考えることができます。そしてその面積は2通りの方法で求めることができます。
【最小絶対値法】Excelソルバーで解いて最小二乗法の結果と比較してみた
回帰式を求めたりディープラーニング等では最小二乗法が盛んに用いられ、AIは最小二乗法だと言われるくらいです。しかし複数の誤差を合計するのにわざわざ二乗しなくても絶対値を合計してもいいはずですよね。実際にこのように誤差の絶対値を足し合わせることにより合計誤差の大きさを評価する方法は、最小絶対値法として知られています。
ベイズ推定の適用例を公式を使わずに解いてみて、直感的に理解する
ベイズ推定の公式は決して難しくないのですが、実際に適用しようとしてみると何を観測事象にして何を推定したい事柄にするのがよいのか迷うことがあります。それはベイズ推定の公式を完全に理解していないからです。そこで考え方を変えて、まずは公式を使わずにベイズ推定してみて、その考え方を一般化することで公式を導出してみました。
【消費税】フォワーダーからの請求項目を課税/不課税/非課税/免税に分類
フォワーダーからの請求項目には難解なものが含まれていますが、消費税がかかったりかからなかったりする項目があり、どんな区分けになっているのか疑問に思ったことはないでしょうか?更に消費税がかからない項目でも不課税/非課税/免税の3種類があり、この区分けを知っておくことは重要です。なぜなら消費税還付の可否が決まるからです。
【佐々木郎希】完全試合やノーヒットノーランを達成する確率を計算してみた
千葉ロッテの佐々木郎希が28年ぶりの完全試合を達成しました。ノーヒットノーランはよくお目にかかりますが完全試合は滅多に目撃できるものではありません。どのくらい凄いことなのかを確率論で検証してみました。更に佐々木郎希は次の試合でも8回まで完全に抑えています。17イニング完全試合がどのくらいの確率で起こるかも検証しました。
「ブログリーダー」を活用して、ロジギークさんをフォローしませんか?
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
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。
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。
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。
「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?
「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。
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。
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。
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。
「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。
「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。
「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。
「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。
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。
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。
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
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。
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。
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。
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
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。
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。