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
【中学数学で理解する】畳み込みニューラルネットワークの原理をわかりやすく
ニューラルネットワークで画像処理する場合に絶対に必要な技「畳み込み」。これまでいろいろなアルゴリズムをExcelで実装してきましたが、この畳み込みはExcelでやる方が断然理解しやすいと思います。入力値を1列に並べるのではなく行列のまま使うため、Excelの方が視覚的に理解しやすいのです。中学数学で理解できます。
【中学数学で理解する】畳み込みニューラルネットワークの原理をわかりやすく
ニューラルネットワークで画像処理する場合に絶対に必要な技「畳み込み」。これまでいろいろなアルゴリズムをExcelで実装してきましたが、この畳み込みはExcelでやる方が断然理解しやすいと思います。入力値を1列に並べるのではなく行列のまま使うため、Excelの方が視覚的に理解しやすいのです。中学数学で理解できます。
【経験談】物流会社で働くのと荷主会社で働くのはどちらの方が美味しいのか?
物流の仕事に就きたい場合それは物流会社での仕事だけに限りません。荷主会社で働く選択肢もあります。ただし求められるスキルは異なります。ザックリ言うと荷主の物流部門はサプライチェーンの上流業務、物流会社は下流業務と言えます。それぞれ大事な業務なのですが日本では両者間の行き来が少ないため双方に通じた人材が少ないのが実情です。
ニューラルネットワークを使って画像処理する方法をExcelでわかりやすく解説
ニューラルネットワークの誤差伝播法が理解できれば、Excelで画像処理ができてしまいます。〇✕式のマークシートを読み取る作業をExcelでやらせてしまいましょう。9画素で読み取る場合でも38個のパラメータ調整が必要ですが、テキトーに設定した38個の初期値が44枚の教師データで徐々に調整されていく様子がよくわかります。
【実はとても簡単だった!】誤差伝播法をシンプルにわかりやすく解説します。
ニューラルネットワークの計算の肝となる誤差伝播法。世の中にある解説はなぜこんなにも複雑に説明するのだろう。もっと易しく解説してくれる本はないかなと思っている人は多いでしょう。実はこれ、全然難しくありません。普通に偏微分していけば解けます。誤差伝播法という仰々しい名前に惑わされることはありません。懇切丁寧に解説します。
【具体例で全力解説!】単純パーセプトロンの仕組みをExcelでわかりやすく実演
単純パーセプトロンはニューラルネットワークの中で最も簡単ですので、まずはここから仕組みを理解することをお薦めします。勾配降下法で偏微分を求めるのが簡単なので全体の流れを理解しやすいです。まずは全体の流れをなるべく平易な言葉で説明した後、Excelで実装してみます。パラメータが更新される様子を1行1行追って見れます。
【今さら聞けない】ニューラルネットワークとは何かを身近な例で解説します。
ニューラルネットワークとかディープラーニングという言葉を盛んに耳にするようになりました。AIの一種だと分かっていても、どのような仕組みなのか?とか何ができるのか?ということくらいは知っていたいものです。ニューラルネットワークとは脳の仕組みを真似したアルゴリズムで難しくはないのですが、計算が難しく実用化が遅れていました。
【Excelでわかりやすく】遺伝的アルゴリズムで組み合わせ最適化問題を解いてみる
遺伝的アルゴリズムは機械学習で使われるアルゴリズムの一つです。遺伝的というと難しく感じますが少しでもマシな解に近づくためにコンピュータに試行錯誤させる仕組みです。そのやり方が交配や突然変異に似ているため遺伝的という言葉を使っています。このやり方で組み合わせ最適化問題をどう解くかをExcelでわかりやすく解説します。
【意外と簡単!】遺伝的アルゴリズムで最小値問題を解く様子をExcelでわかりやすく
機械学習で使われるアルゴリズムにはいろいろなものがあり数学の知識が必要な難しいものと簡単なものがあります。遺伝的アルゴリズムは簡単な部類に入ります。遺伝的というと難しく感じますが少しでもマシな解に近づくためにコンピュータに試行錯誤させる仕組みです。そのやり方が交配や突然変異に似ているため遺伝的という言葉を使っています。
澁澤倉庫に応募する前に知っておきたい会社の強みと弱みを徹底解説!
澁澤倉庫は「日本資本主義の父」といわれる渋沢栄一が渋沢家別邸の倉庫を利用して発足させた「澁澤倉庫部」が前身です。ヨーロッパ留学から戻ってから近代倉庫業の必要性を痛感し、政府や経済界に熱心に働きかけると同時に自らも倉庫会社を創設しました。渋沢栄一が作った500社以上の会社の中で、自らの苗字を冠した会社は澁澤倉庫だけです。
三菱ケミカル物流に応募する前に知っておきたい会社の強みと弱みを徹底解説!
三菱ケミカル物流は1956年に三菱化成の生産物流を担う物流子会社として発足しました。1996年に社名変更し三菱化学物流として知られていましたが、2017年に親会社の三菱化学が三菱樹脂と三菱レイヨンが合併して三菱ケミカルとなったと同時に三菱ケミカル物流に社名変更しました。直近の売上高は810億円で、物流業界39位です。
大和物流に応募する前に知っておきたい会社の強みと弱み【ダイワロジテックも!】
大和物流は1959年に住宅メーカー大手である大和ハウス工業から独立した物流子会社です。売上高は559億円で、物流業界45位です。大和物流の強みは何と言っても「住宅資材の共同物流」です。大和ハウス工業にはもう1社、ダイワロジテックという戦略物流子会社があります。こちらではピカピカの物流スタートアップと協業しています。
丸全昭和運輸に応募する前に知っておきたい会社の強みと弱みを徹底解説!
丸全昭和運輸は1931年創業で、近年3PLに力を入れている総合物流企業です。1963年には東証一部に上場しています。2021年3月期の売上高は1,211億円で、物流業界では28位です。京浜工業地帯で創業したため、化学や鉄鋼など重厚長大メーカーの顧客が中心です。注目すべきは高い営業利益率で、8.2%は物流業界7位です。
C&Fロジホールディングスに応募する前に知っておきたい会社の強みと弱みを徹底解説!
C&Fロジホールディグスは2015年に名糖運輸とヒューテックノオリンが経営統合して誕生した東証一部企業です。2021年の売上は業界33位の1,104億円です。低温物流業界に限るとニチレイロジグループ本社、キユーソー流通システムに次ぐ3位です。名糖運輸はチルド、ヒューテックノオリンはフローズンとうまく棲み分けています。
【Excelでアルゴリズムを実装】最終兵器Adamを使って最小二乗法を解いてみる
勾配法を使った最適化アルゴリズムの最終回としてAdamを紹介します。Excelへの実装の仕方まで説明しますので、Adamの細かい点が不明な方は是非実際のExcel関数をみて確認してみて下さい。モーメンタム法とRMSPropを理解していればAdamはとても簡単です。何も考えずに2つのアルゴリズムの式を合体させるだけです。
【Excelでアルゴリズムを実装】RMSProp法を使って最小二乗法を解いてみる
モーメンタム法では勾配を移動平均で調整してパラメータが収束する時の振幅を抑えました。RMSProp法では学習率を調整して振幅を抑えます。振幅が大きくなるということは勾配が振動するということなので、学習率を勾配の大きさで割ることによって、勾配が大きくなり過ぎた時には学習率を小さくすることで振幅を抑えようという考え方です。
【Excelでアルゴリズムを実装】モーメンタム法を使って最小二乗法を解いてみる
確率的勾配降下法ではパラメータが収束する過程で振幅が大きくなり過ぎて収束時間が遅くなる可能性があります。これを改良するのがモーメンタム法です。ランダムに選ばれるデータで勾配を計算するため振幅は避けられませんが、その勾配だけでなく前回の勾配との加重平均を使うことで振幅を抑えようという考え方です。Excelで実装します。
【Excelでアルゴリズムを実装】確率的勾配降下法を使って最小二乗法を解いてみる
確率的勾配降下法をExcelに実装して最小二乗法の問題を解いてみました。前回の記事で最急降下法でも同様のことをしましたが、確率的勾配降下法の方が遥かに簡単にシートを作成できました。一方で収束するまでの更新回数も同じくらいで有効性を確認できました。収束するまでの様子をみると、ランダムに振動していることも分かります。
【例題をExcelでわかりやすく】最急降下法で単回帰の最小二乗法を解いてみる
「よし最急降下法は理解したぞ。次は確率的勾配降下法を試してみよう。でも実装してみようとしたらうまく行かないぞ。」そんなことはありませんか?最急降下法は解説する人によって変数が(x,y)だったり(a,b)だったりして少し混乱してしまいます。そこで、単回帰の最小二乗法の問題をExcelでアルゴリズムを作って試してみました。
【Excelでわかりやすく】勾配降下法で最小値が見つかる理由を視覚的に理解する
勾配降下法は数式モデルを最適化するための最も基本的なアルゴリズムです。その考え方はとても簡単です。偏微分など難しい言葉は出てきますが、誰でも理解できるような言葉を使って解説します。また皆が使い慣れているExcelでアルゴリズムが表現できる他、3Dグラフ機能を使えばグラフの底に辿り着く様子が視覚的にもよくわかります。
【6つもあった!】Excelで単回帰分析の最小二乗法を解く方法をすべて実演
最小二乗法の中でも、単回帰分析は基本中の基本です。 単回帰分析とは1つの説明変数xで、目的変数yを予測するもの […]
【機械学習の基本】最小二乗法を安全在庫理論と関連付けてわかりやすく解説
最小二乗法は機械学習におけるパラメータ推定で盛んに用いられています。その考え方は直線からのズレ(残差)の二乗和を最小化するというもので、安全在庫理論で出てくる分散も平均からのズレ(偏差)の二乗和でばらつきを表しているという点で大変良く似ています。最小二乗法ではそこからパラメータを式変形か数値計算で求めるだけです。
【すっきり納得!】モンティホール問題を「ベイズ推定」と「モンテカルロ法」で解く
モンティホール問題は人間の直観がいかにいい加減なものかということを気づかせてくれます。しかし理解するのが難しいのも事実です。そこでまずはすっきり納得できる解釈を紹介します。そしてこれもまた理解が難しいのですがベイズ推定による方法を懇切丁寧に解説します。最後にモンテカルロ法によって解く方法をExcelを使って紹介します。
【Excelで実演!】ナイーブベイズ分類器でクレームメールを見分けてみる
ナイーブベイズ分類器の仕組みはベイズの定理を理解していれば簡単です。そこでまずは、ベイズの定理を公式を見なくても感覚で分かるくらいにまで理解しましょう。そして、分母の正規化定数はナイーブベイズ分類器では関係ないことを理解します。そうすれば、後は事前確率と尤度を掛けてカテゴリーごとに比較すれば良いということが分かります。
「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。