文献

J-GLOBAL ID：202002226846426808   整理番号：20A0980834

機械学習による大規模最適化問題の解の予測:血液供給チェーン管理における事例研究【JST・京大機械翻訳】

Predicting solutions of large-scale optimization problems via machine learning: A case study in blood supply chain management

著者 (5件)： Abbasi Babak (College of Business and Law, RMIT University, Melbourne, VIC 3000, Australia) ,  Babaei Toktam (School of Mathematical Sciences, Queensland University of Technology, Brisbane, QLD 4000, Australia) ,  Hosseinifard Zahra (Faculty of Business and Economics, The University of Melbourne, Parkville, VIC 3010, Australia) ,  Smith-Miles Kate (School of Mathematics and Statistics, The University of Melbourne, Parkville, VIC 3010, Australia) ,  Dehghani Maryam (College of Business and Law, RMIT University, Melbourne, VIC 3000, Australia)
資料名： Computers & Operations Research  (Computers & Operations Research)
巻： 119  ページ： Null  発行年： 2020年 
JST資料番号： H0216B  ISSN： 0305-0548  CODEN： CMORAP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 実際の制約付き最適化モデルはしばしば大きく,合理的な時間でそれらを解くことは多くの応用における挑戦である。さらに,多くの産業は,それらの日々の運転決定における使用のために,専門的な商業的最適化ソルバーまたは計算力へのアクセスが限られている。本論文では,機械学習モデルを用いることにより,大きな操作確率最適化問題(SOP)を解く問題を扱うための新しいアプローチを提案した。著者らは,意思決定者が,いくつかの初期および限られた期間およびいくつかの試験事例に対して,それらの大規模最適化モデルを最適に解くために,施設にアクセスすると仮定した。これは,研究機関による共同プロジェクトまたは高性能コンピューティング施設の短期利用を通している可能性がある。著者らは,この初期期間から確率的最適化モデルの解を利用することにより,より長い項のサポートを提供できることを提案した。本研究では,提案したアプローチを用いて,病院のネットワークにおける血液ユニットの出荷に関する決定を行った。著者らは,いくつかの機械学習モデルによって学習された決定を,病院が商業的最適化ソルバーと計算力にアクセスし,病院ネットワークの現在の経験的発見的政策によって得られた最適結果と比較した。結果は,訓練されたニューラルネットワークモデルを用いることが,現在の政策と比較して,平均日コストを約29%減少させ,一方,正確な最適政策は平均日コストを37%減少させることを示した。最適化モデルは機械学習によって完全に置き換えることができないが,最適化されていないと保証されていない提案アプローチは,最適化モデルが計算的に高価で,利益が少なく中小企業のような組織における日々の運用決定に対して実行不可能である場合には,操作決定を改善することができる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  在庫管理 ,  *最適化問題 ,  ネットワーク ,  *チェーン ,  ニューラルネットワーク ,  中小企業 ,  *事例研究 ,  意思決定者 ,  *機械学習
準シソーラス用語： 神経回路網モデル ,  *サプライチェーンマネジメント ,  ソルバ ,  最適化モデル ,  *大規模最適化 , 【Automatic Indexing@JST】

著者キーワード (8件)： データマイニング ,  大規模最適化 ,  機械学習 ,  生鮮在庫管理 ,  ニューラルネットワーク ,  CART ,  K-NN ,  血液供給チェーン

分類 (3件)： 数理計画法  (KA03030M) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  物的流通  (KA08000O)

タイトルに関連する用語 (8件)： 機械学習 ,  大規模最適化 ,  問題 ,  解 ,  予測 ,  血液 ,  供給チェーン管理 ,  研究