ページの先頭です。
サイト内の現在位置を表示しています。
  1. ホーム
  2. 企業情報
  3. 研究開発(R&D)
  4. NECのAI(人工知能)研究
  5. 研究グループ紹介
  6. データマイニングテクノロジーグループ
  7. 研究紹介
  8. 予測型意思決定最適化技術
ここから本文です。

予測型意思決定最適化技術 | NEC R&D on Data Mining

複雑な実世界の課題に立ち向かう最適化技術

異種混合学習技術による予測を用いて、安全かつ効果の高い最適解を超高速に導出。予測型意思決定最適化技術が、高度な意思決定を支援します。

拡大する予測型意思決定最適化技術の3つの特長

NECの予測型意思決定最適化技術は、

  1. 「予測結果に基づいた最適化」による複雑な問題への適応
  2. 安全さと高い効果の両立
  3. 圧倒的な計算スピード

という3つの特長によって「ビジネス上、本当に意味のある価値」が最大になるような意思決定を可能にします。

「予測結果に基づいた最適化」による複雑な問題への適応

異種混合学習による予測結果を用いて、
これまでできなかった複雑な問題に対する最適化を可能にする

拡大する

従来技術との比較:予測に基づくことで最適化を実現

NECの予測型意思決定最適化技術では、ビジネスにおける価値を生み出すために、異種混合学習技術による予測を活用し、データからは直接知ることのできない情報を最適化に用いることで、これまで実現できなかった高度な最適化を可能にしました。

異種混合学習技術とは、膨大なデータから様々な要素間の関係性を解き合すことで、高精度で説明性が高い予測を導きだす技術です。これをインプットとして最適化を行うのが「予測型意思決定最適化技術」です。では、なぜ高度な最適化を行うのに予測が必要なのでしょうか?

それは、データから明らかにわかることだけに基づく従来の最適化には限界があるためです。例えば、商品の仕入れ量を最適に決めるためには「明日いくつ売れるのか」を知る必要があります。しかし、未来の需要量は、いくらデータを眺めていてもわかりません。このような予測値や、最適化にかかわる様々な要素間の関係の推定値を明らかにするのが、異種混合学習技術です。

従来は、データから明らかにわかることだけに基づいて行われてきた最適化。異種混合学習技術と組み合わせることで、精度の高い予測値や関係性の推定を最適化のインプットに利用できるようになります。明日の需要量が予測でき、商品間の関係も明らかになれば、欠品を最小にする発注を複数商品にわたって行うことも可能です。

予測型意思決定最適化技術は、見えない情報までも活用し、将来にわたるより深い最適化を可能にします。

安全さと高い効果の両立

予測誤差を想定し、効果的かつリスクの少ない計画値を導き出す

拡大する従来技術との比較:予測誤差を考慮することで安全と効果を両立

予測を100%当てることが不可能な限り、予測に基づく最適化には必ずリスクが伴います。そのため、予測結果に基づく最適化をビジネスに適用するためには、予測誤差による影響を正しく評価した上で、効果が高く、かつ、リスクの低い計画や判断を導出しなければなりません。

しかし、予測誤差がどこに生じるか、損失が大きくなるのはどのような場合なのかを人間が算出することは困難です。予測型意思決定最適化技術では、このような予測結果に生じる誤差の傾向を自動的に学習し計画値を補正することで、予測のズレによる大きな損失を防止し、安全性と効果を両立した計画値を算出することができます。リスクとリターンのトレードオフを取ることは機械が不得手なジャンルでしたが、私たちは新しい最適化理論を開発することで、この最適化のトレードオフ問題を解決しました。

圧倒的な計算スピード

大規模な組み合わせを効率的に探索し、超高速に最適な計画を導出する

拡大する従来技術との比較:わずか1秒未満で最適な戦略を導出

現実の意思決定問題の多くは「組み合わせ最適化」として定式化できますが、変数が増えれば増えるほど、探索する組み合わせが指数関数的に増加し、解の算出に膨大な時間がかかってしまいます。予測型意思決定最適化技術では、変数間の関係(例えば商品の価格と需要との関係など)を「グラフ」として数理モデル化する、画期的な独自アルゴリズムによって、飛躍的な高速化を実現しました。

一般的な混合整数計画法で探索すると数時間から数日かかってしまう問題でも、予測型意思決定最適化技術なら、わずか1秒未満で最適な戦略を導出することができます。さらに、本技術によって導出された戦略の効果も、従来の混合整数計画法に比べ、約20%高くなることが確認されました。この飛躍的な高速化と、異種混合学習技術の高い解釈性を組み合わせることで、いろいろな条件を試しながら最適化を行うといった運用をも可能にします。

実世界のビジネス課題を解決する

大規模な価格戦略最適化でビジネスの利益を最大に

スーパー、店舗などの陳列棚のイメージ

――伊藤 伸志

小売業では、店舗で日々収集される商品の購買記録から、将来の商品需要を予想し、その予想をもとに商品の価格(値引き)を決定します。この「予測」→「意思決定」の一連の流れを、コンピュータが自動的かつ高速に実行できるようにしたのが、「予測型意思決定最適化技術」です。

従来は、人が商品ごとに価格を決定してきました。しかしながら、それだけでは、ビジネス全体における利益を最大化することはできません。この技術を適用すれば、過去の商品購買データを入力することで、ある店舗やチェーン全体の将来の利益を最大化できる商品価格設定が自動的に導かれます。

この技術では、価格の交差弾力性やカニバリゼーションなど、商品間で複雑に絡み合う性質まで考慮した高度な予測分析を行い、その予測の不確かさまで考慮することができます。そのため、高利益・高信頼の価格設定が得られます。さらに、価格設定の探索時に独自の高速アルゴリズムを用いることで、店舗の全商品価格などの大規模な計画問題への適用も実現しました。

大規模で複雑な都市の水運用を最適化

都市を俯瞰して見たイメージ

――平野 敏弘

都市部を中心とした大規模水道網の運用管理においては、家庭、ビル、工場など様々な場所の水需要に対して、安定給水を前提とした効率の良い配水を行うことが重要です。そのためには、明日の水需要量を予測し配水計画を作る必要がありますが、従来は熟練運用者の経験に基づいて作成されていました。

しかし、「予測型意思決定最適化技術」を用いることで、翌日の水需要量に対する高精度かつ解釈性の高い予測、およびその予測誤差を考慮した最適化が可能になります。これにより、配水のための消費電力を大幅に削減した配水計画を自動で導出することができます。

このように私たちは、従来、人間が行っていた配水運用管理などの「複雑な判断」をAIで実現し、運用作業者の負荷を軽減することを目指しています。

Contact

本Webページの内容およびNECのデータマイニングに関するご質問は、以下よりお問い合わせください。

研究開発(R&D)お問い合わせフォーム

フォームがご利用いただけない場合はwebmaster@datamining.jp.nec.comまでお問い合わせください。
NECの製品などに関するお問い合わせは、NECのお問い合わせ窓口へご連絡いただきますようよろしくお願いいたします。

ページの先頭へ戻る