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
会員登録後、有料プランで広告を非表示に
詳しくはこちら
【千葉ロッテ荻野で学ぶ】二項分布がプロ野球で成り立つか検証してみた
二項分布は成功か失敗かの二者択一の結果を持つ事象にしか適用できない確率分布です。一見、応用範囲が狭いように思えますが正規分布となる事象も要素分解していけば二項分布に帰着します。プロ野球の打率も同じです。1打席ごとにヒットを打てば成功、凡打になれば失敗です。今シーズンの千葉ロッテ荻野選手を例に二項分布になるか検証します。
【4種類の負の二項分布の使い方】具体例への適用方法をExcelを使って実演
負の二項分布には4種類の公式がありますが、それぞれにつき具体例を挙げてどのように使うのかをExcelで実演します。いずれも試行回数x、成功回数k、失敗回数rが何に相当するかを考えれば難しくありません。しかも、二項分布よりも応用範囲が広いので役に立つ場面も多いと思います。身近な事例から物流での事例まで幅広く紹介します。
【スーパーわかりやすく！】4種類の負の二項分布をまとめて解説する決定版
負の二項分布、名前からして何のことだか分かりにくいですね。本によっても成功するまでの試行回数の確率分布と書いてあったり、失敗回数の確率分布と買いてあったりします。実はこの他にも失敗するまでの試行回数であったり、成功回数の確率分布も負の二項分布です。つまり全部で4種類あるということです。これらをすべてまとめて解説します。
【Form Dとは？】申請方法や三国間貿易／中継貿易に使う際の注意点をまとめてみた
Form DやForm Aって何？どうやって申請するの？発給まで何日かかるの？三国間貿易にはどうやって使うの？Back to Back Form Dはどうやって申請するの？バイヤーズコンソリデーションでも使えるの？等についてまとめてみました。実際のところ現地税関の判断で変わるところはありますが、最大公約数で解説します。
ベルヌーイ分布／二項分布／カテゴリ分布／多項分布を関連付けて理解する
離散確率分布の中でも代表的な二項分布や多項分布は確率モデルを作ってパラメータを決めることによって色々な確率が計算できて便利です。一方でベルヌーイ分布やカテゴリ分布も良く聞く言葉です。これら4つはどのような関係にあるのでしょうか？実は多項分布の関数式を理解してしまえば後の3つはその特殊形なので簡単に理解できてしまいます。
【Back to Back CO】第三国を経由する貨物に特恵関税を適用して関税を減らす方法
仲介貿易と違って中継貿易ではモノも第三国を経由させます。その場合、EPA／FTAを活用して特恵関税を享受できるのでしょうか？自由貿易協定では通常「積送基準」という条項があり、途中で第三国を経由しない直送が基本です。しかし中継国でBack to Back COを発給してもらえれば第三国に在庫して再輸出することが可能です。
【裏面約款で自己防衛！】国際貿易における売買契約のチェックポイント
国際貿易では契約がすべてです。それも表面約款よりも裏面約款です。海外企業は口頭で話しがまとまりそうになると競って契約書のドラフトを出してきます。そこには過去のトラブル経験から得た教訓を元に、自社を守るためのノウハウが詰まっています。日本で携帯電話を契約する時に裏面約款を見ない人も国際貿易ではきちんとチェックしましょう。
【T/T決済編】仲介貿易（三国間貿易）の注意点を決済方法別にわかりやすく
仲介貿易（三国間貿易）では色々な決済方法があります。始めはL/C決済でも信頼関係が築けてくるとD/A(Documents against Acceptance)やD/P(Documents against Payment)に移行します。そして遂にはT/T決済に移行します。その場合はどのような点に注意すべきでしょうか？
【L/C決済編】仲介貿易（三国間貿易）の注意点を決済方法別にわかりやすく
仲介貿易または三国間貿易ではリインボイスやらスイッチB/Lやら聞きなれない言葉が出てきて初めて行う人にとっては不安だと思います。特にL/C決済を行う場合にはもっと不安だと思います。2国間貿易と比べてどんなオペレーションフローになるのでしょうか？また注意すべき点は何でしょうか？仲介貿易では2種類のL/Cが必要になります。
【L/C決済編】仲介貿易（三国間貿易）の注意点を決済方法別にわかりやすく
仲介貿易または三国間貿易ではリインボイスやらスイッチB/Lやら聞きなれない言葉が出てきて初めて行う人にとっては不安だと思います。特にL/C決済を行う場合にはもっと不安だと思います。2国間貿易と比べてどんなオペレーションフローになるのでしょうか？また注意すべき点は何でしょうか？仲介貿易では2種類のL/Cが必要になります。
【積分をわかりやすく】Excelであらゆる関数の積分を簡単に求める方法
微分と同じように積分もExcelによる数値計算で簡単に求めることができます。ポイントは短冊状に切り刻んで、それぞれの台形の面積を足し合わせることです。細かく切り刻むほど精度が上がりますが、Excelでやれば単にコピペするだけですのでいくらでも切り刻めます。モンテカルロ法もExcelで積分計算を行うのに適した方法です。
【微分をわかりやすく】Excelであらゆる関数の微分を簡単に計算する方法
Excelでどんな関数でも簡単に数値計算できる方法を解説します。微分の求め方には解析的解法と数値的解法があります。解析解は厳密解を求められますがすべて解析的に求められるとは限りません。その点、数値的解法は近似解になりますがすべて求められます。数値的解法は微分の定義式に代入することにより、いつも同じやり方で求められます。
Batch normalizationの逆伝播の算出式を計算グラフを辿って導出する
Batch normalizationの逆伝播の計算式を計算グラフを使って求めます。Batch normalizationは各層における出力分布（アクティベーション分布）を任意の形の正規分布に調整することによって、次の層のアクティベーション分布を適正に広げるというアイデアです。計算グラフを逆に追って丁寧に解説します。
誤差逆伝播法を行列演算でExcelに実装してXavierの初期値の有効性を実験してみた
誤差逆伝播法はExcelに実装できますが、行列演算を使うとサイズの拡張性が向上し計算も高速になります。どのように実装したかをまとめました。その後、そのExcelファイルを使ってXavierの初期値が有効かどうかを実験してみました。結果的にはあまり有効でなかったのですが、初期値だけでなく学習率も一緒に検討すべきでした。
【勾配消失しない重みの初期値】Excelでモンテカルロシミュレーションしてみた
ニューラルネットワークの学習において重みパラメータの初期値の設定は重要です。「ゼロから作るDL」では標準正規分布乱数で設定する方法を中心に、Xavierの初期値やHeの初期値を使った場合の実験結果を紹介しています。この実験はPythonで行っていますので、Excelで同じ実験を行って理解を深めながら確認してみました。
【計算グラフ】でいろいろな活性化関数の微分が簡単にできるか試してみた
「ゼロから作るDL」を理解するのは計算グラフの理解は欠かせないと思います。ところがいま一つ釈然としなかったため、自分で応用問題を解いて試してみました。シグモイド関数やソフトマックス関数の微分については本に載っていましたので、同じ活性化関数の仲間であるソフトプラス関数とソフトサイン関数の微分を計算グラフで求めてみました。
すべての品目について一律に在庫日数を決める在庫管理がアバウトすぎる理由
在庫管理は数学的なアートです。安全在庫は需要の標準偏差から決まりますが、需要予測在庫は需要の平均とリードタイムから決まります。これら3つの要素を中心に営業情報等を加味しながら在庫管理を行うということは、数理的に極めて面白い業務です。ところが、それを放棄してしまい経験と勘で決めてしまっている会社も少なくないのが現状です。
【紙の図面なんて役立たず】Visioで図面をゼロから作る方法を実演
Microsoft Visioを使って図面をゼロから作ろうとする時にハードルとなるのが縮尺の設定です。縮尺を設定する画面で設定しても、思うような大きさにならないことがあります。そんな時は紙のサイズをチェックしてみて下さい。A1に設定してあると図形が小さくなりすぎてしまいます。図面をゼロから作る方法を実演します。
【学習率を調整する】AdaGradとRMSPropの効果を比較してみた
勾配降下法の学習率を自動調整するアルゴリズムとして有名なAdaGradとRMSPropの効果を比較してみました。更新式を見ると大変良く似ていて、単にRMSPropを簡単にしたものがAdaGradではないかと思ってしまいますが、RMSPropは大きすぎる勾配を抑えることが目的ですが、AdaGradは全く逆の目的です。
「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。
