JP2023017689A - Logistics streamlining and optimization evaluation system - Google Patents
Logistics streamlining and optimization evaluation system Download PDFInfo
- Publication number
- JP2023017689A JP2023017689A JP2022052625A JP2022052625A JP2023017689A JP 2023017689 A JP2023017689 A JP 2023017689A JP 2022052625 A JP2022052625 A JP 2022052625A JP 2022052625 A JP2022052625 A JP 2022052625A JP 2023017689 A JP2023017689 A JP 2023017689A
- Authority
- JP
- Japan
- Prior art keywords
- efficiency
- optimization
- data
- cargo
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 126
- 238000011156 evaluation Methods 0.000 title claims abstract description 42
- 238000012795 verification Methods 0.000 claims abstract description 69
- 238000013500 data storage Methods 0.000 claims abstract description 62
- 238000011068 loading method Methods 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000002265 prevention Effects 0.000 claims abstract description 20
- 238000012384 transportation and delivery Methods 0.000 claims description 121
- 238000009826 distribution Methods 0.000 claims description 39
- 238000010586 diagram Methods 0.000 claims description 34
- 230000006872 improvement Effects 0.000 claims description 32
- 238000012856 packing Methods 0.000 claims description 28
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 23
- 238000007726 management method Methods 0.000 claims description 19
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 230000036316 preload Effects 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 2
- 230000010006 flight Effects 0.000 description 38
- 238000003860 storage Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 11
- 230000009467 reduction Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000021190 leftovers Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、従来アナログ的（現場作業者等の経験や勘等に任せていた）であったパレタイズ作業、トラック車載作業、運行ダイヤ作成作業を、デジタル技術により可視化（見える化）することで、効率化・最適化検証（機械学習によるものを含む）を行うことにより、無駄な物流を発生させないことに加え、物流が恰も「路線バス」のようなイメージになり、しかも、（トラックの）積載状況の「リアルタイム把握」を可能とする物流の効率化、及び最適化評価システムに関する。 The present invention uses digital technology to visualize palletizing work, truck mounting work, and operation schedule creation work, which were conventionally analog (left to the experience and intuition of field workers). By conducting efficiency improvement and optimization verification (including machine learning), in addition to preventing wasteful logistics, logistics can be imaged like a "route bus", and (truck) loading It relates to the efficiency of logistics and an optimization evaluation system that enables "real-time grasp" of the situation.
近年の運送業界における働き方改革への取り組み、アフターコロナの景気回復の予測、ＳＤＧｓ（持続可能な開発目標）、ＣＯ２削減への動き等の状況を踏まえ、将来的に現在の全輸送量の３割程度の荷物が輸送困難になると予想される。かかる現状に鑑み、運送会社のみならず、運送会社に配送を依頼する側である顧客側でも、いかに効率よく配送するかを考えざるを得ないようになると思われる。その方策として、現状の実績管理（勘や経験頼り）では無く、事前データ管理により効率的、かつ、最適な物流システムを構築できるようにすることが希求されている。即ち、あらゆる物流プロセスで生成されるデジタルデータを収集して、それを可視化することで物流システムの効率化を推進し、解析することで物流システムの最適化を推進する必要がある。 Based on recent efforts in work style reform in the transportation industry, forecasts of post-corona economic recovery, SDGs (Sustainable Development Goals ) , movement toward CO2 reduction, etc. It is expected that about 30% of cargo will be difficult to transport. In view of the current situation, not only the shipping company but also the customer who requests the shipping company to deliver the goods will have no choice but to think about how to make the delivery more efficient. As a measure for this, it is desired to construct an efficient and optimal distribution system by managing data in advance, instead of the current performance management (relying on intuition and experience). In other words, it is necessary to collect digital data generated in every physical distribution process, visualize it to promote the efficiency of the physical distribution system, and analyze it to promote the optimization of the physical distribution system.
さらに、ＤＸ（デジタルトランスフォーメーション：ＩＴの浸透が人々の生活をあらゆる面で良い方向に変化させるという概念）の流れが物流業界にも及んでおり、物流プロセスを効率的に進めるためにも、今までに無い新しいソリューション（解決策）が必要となる。即ち、あらゆる物流プロセスを、ＩＴ基盤（単にデジタルデータの活用のみならず、機械学習、ディープラーニング等のＡＩ活用を含む）を利用して、物流システム全体を統制することによって、物流の効率化・最適化を実現することが望まれている。 Furthermore, the trend of DX (Digital Transformation: the concept that the penetration of IT will change people's lives in a positive direction) is spreading to the logistics industry. A new solution (solution) that has never existed before is required. In other words, by controlling the entire logistics system using IT infrastructure (not only the use of digital data, but also the use of AI such as machine learning and deep learning) for all logistics processes, we will improve the efficiency and efficiency of logistics. It is desired to achieve optimization.
特許文献１には、生産工場からユーザに製品を輸送する際の中継点の保管上の制約を考慮しながら、物流を最適化する方法を提供することを課題として、各ユーザに対する一定期間の各製品輸送量について、製品を生産可能な工場と、中継点であるストックポイント及びデポジットポイントでの、該製品の物性に依存する保管能力を考慮して、該製品のあらゆる輸送経路の組合せを作成し、それらの組合せの中から、総物流費、即ちユーザの（転送費＋荷役費＋保管費＋配送費］の総合計が最小になる輸送経路を計算する（特許文献１:要約）」中継点を介する物流の最適化方法（特許文献１：発明の名称）が開示されている。 In Patent Document 1, the problem is to provide a method of optimizing physical distribution while taking into consideration the storage restrictions of relay points when transporting products from production plants to users. Regarding the amount of product transportation, create a combination of all transportation routes for the product, taking into consideration the storage capacity that depends on the physical properties of the product at the factories that can produce the product and the stock points and deposit points that are transit points. , from among these combinations, calculate the transport route that minimizes the total physical distribution cost, that is, the total sum of the user's (forwarding cost + handling cost + storage cost + delivery cost] (Patent Document 1: Summary) (Patent Document 1: Title of the Invention) is disclosed.
特許文献１に係る中継点を介する物流の最適化方法（特許文献１：発明の名称）は、製品を工場から倉庫や一時貯留所に転送し、各ユーザに配送するためには、運送費の他にも荷役費や保管費が必要である。工場と倉庫や一時貯留所、及びユーザの位置関係は物流コスト削減のため最も重要な要素となることを踏まえ、各ユーザに輸送される各製品の輸送量に基づき、製品を生産可能な工場と中継点の保管上の制約に対応し、各製品の工場から中継点を介してユーザに至る全ての輸送経路の組合せを作成し、それらの組合せの中から、工場からユーザまでの輸送に必要な総物流費を最小になる輸送経路を計算するものである。しかしながら、あらゆる物流プロセスで生成されるデジタルデータを収集して、それを可視化・解析し、物流システムの効率化・最適化のために情報利活用を推し進めるという観点から見れば、機械学習により生成した学習モデルを最大限利用することで効率化・最適化解析により、効率を追求する物流システムの効率化、及び最適化評価スキームを確立することが重要である。 The method for optimizing physical distribution via relay points according to Patent Document 1 (Patent Document 1: title of the invention) transfers products from factories to warehouses and temporary storage locations, and in order to deliver them to each user, transportation costs Cargo handling and storage costs are also required. Based on the fact that the positional relationship between factories, warehouses, temporary storage facilities, and users is the most important factor in reducing logistics costs, factories that can produce products are determined based on the transport volume of each product that is transported to each user. In response to the storage restrictions of relay points, create a combination of all transportation routes from the factory of each product to the user via the relay point. It calculates the transportation route that minimizes the total physical distribution cost. However, from the perspective of collecting digital data generated in all logistics processes, visualizing and analyzing it, and promoting the utilization of information for the efficiency and optimization of the logistics system, machine learning generated It is important to establish efficiency and optimization evaluation schemes for logistics systems that pursue efficiency through efficiency and optimization analysis that maximizes the use of learning models.
本発明の目的は、従来アナログ的（現場作業者等の経験や勘等に任せていた）であったパレタイズ作業、トラック車載作業、運行ダイヤ作成作業を、デジタル技術により可視化（見える化）することで、効率化・最適化検証（機械学習によるものを含む）を行うことにより、無駄な物流を発生させないことに加え、物流が恰も「路線バス」のようなイメージになり、しかも、（トラックの）積載状況の「リアルタイム把握」を可能とする物流の効率化、及び最適化評価システムを提供することにある。 The purpose of the present invention is to use digital technology to visualize palletizing work, truck mounting work, and operation schedule creation work, which were conventionally analog (left to the experience and intuition of field workers). By conducting efficiency and optimization verifications (including those based on machine learning), in addition to preventing wasteful logistics, logistics will look like a "route bus", and (trucks ) To improve the efficiency of physical distribution and to provide an optimization evaluation system that enables "real-time grasping" of loading conditions.
上記課題を解決するために、請求項１に記載された発明は、複数の顧客の荷量データを入力し送信するための荷量集約・管理プラットフォームと、
前記荷量集約・管理プラットフォームに入力し送信された荷量データを蓄積するための事前荷量データ保存手段と、
前記事前荷量データ保存手段に蓄積された荷量データから、出荷作業者向けに、パレットに荷物を積載する指示をするために、画像イメージを作成するパレタイズイメージ作成手段と、
前記事前荷量データ保存手段に蓄積された荷量データから、ドライバー向けに、トラックに該パレットを車載する指示をするために、画像イメージを作成する車載イメージ作成手段と、
前記事前荷量データ保存手段に蓄積された荷量データから、ダイヤ表、及び積付表を作成する運行ダイヤ作成手段と、
前記パレタイズイメージ作成手段、前記車載イメージ作成手段、及び前記運行ダイヤ作成手段によるアウトプットが効率的かつ最適であるかを検証するための効率化・最適化検証手段と、
前記効率化・最適化検証手段により効率化・最適化検証後のパレタイズイメージデータ、及び車載イメージデータを蓄積する車載データ保存手段と、
前記効率化・最適化検証手段により効率化・最適化検証後のダイヤ・積付データを蓄積するための運行データ保存手段と、
前記効率化・最適化検証手段により効率化・最適化検証後の前記車載データ保存手段に蓄積されたパレタイズイメージデータ、及び車載イメージデータと、前記効率化・最適化検証手段により効率化・最適化検証後の前記運行データ保存手段に蓄積されたダイヤ・積付データと、前記事前荷量データ保存手段に蓄積された荷量データから最適在庫数を顧客側に提示する最適在庫算出手段を備えており、
さらに、機械学習を使った手法により、配送中の荷崩れ防止算出手段を備えるとともに、前記効率化・最適化検証手段、及び前記最適在庫算出手段をグレードアップすることを特徴とする物流の効率化、及び最適化評価システムであることを特徴とするものである。
In order to solve the above problems, the invention recited in claim 1 provides a cargo volume aggregation/management platform for inputting and transmitting cargo volume data of a plurality of customers;
advance cargo amount data storage means for accumulating the cargo amount data input and transmitted to the cargo amount aggregation/management platform;
palletizing image creation means for creating an image from the load amount data accumulated in the advance load amount data storage means for instructing a shipping operator to load the load onto a pallet;
In-vehicle image creation means for creating an image image from the load amount data accumulated in the pre-load amount data storage means in order to instruct the driver to load the pallet onto the truck;
Operation diagram creating means for creating a diagram and a stowage chart from the cargo amount data accumulated in the advance cargo amount data storage means;
efficiency/optimization verification means for verifying whether or not the output from the palletized image creation means, the in-vehicle image creation means, and the operation schedule creation means is efficient and optimal;
an in-vehicle data storage means for accumulating palletized image data and in-vehicle image data after the efficiency/optimization verification by the efficiency/optimization verification means;
Operation data storage means for accumulating timetable/stowage data after efficiency/optimization verification by the efficiency/optimization verification means;
Palletized image data and in-vehicle image data accumulated in the in-vehicle data storage means after efficiency/optimization verification by the efficiency/optimization verification means and efficiency/optimization by the efficiency/optimization verification means Optimal inventory calculation means for presenting the optimal inventory quantity to the customer side from the timetable/stowage data accumulated in the operation data storage means after verification and the cargo amount data accumulated in the advance cargo amount data storage means. and
Furthermore, by means of a technique using machine learning, the logistics efficiency is characterized by providing means for calculating the prevention of collapse of cargo during delivery, and upgrading the efficiency/optimization verification means and the optimum inventory calculation means. , and an optimization evaluation system.
請求項２に記載された発明は、請求項１に記載した発明において、前記事前荷量データ保存手段に蓄積される荷量データは、荷物を形成する荷箱の寸法、荷箱の数量（荷箱が複数ある場合は寸法毎の荷箱の数量）、荷箱＋内容物の重量（荷箱が複数ある場合は荷箱毎の荷箱＋内容物の重量）、配送場所（配送日時を含む）である物流の効率化、及び最適化評価システムであることを特徴とするものである。
The invention recited in
請求項３に記載された発明は、請求項１または請求項２に記載した発明において、前記効率化・最適化検証手段は、配送計画データと配送実績データとの比較結果から、検証を行い、事後に効率化・最適化提案を行うものである物流の効率化、及び最適化評価システムであることを特徴とするものである。
The invention recited in
請求項４に記載された発明は、請求項１または請求項２に記載した発明において、前記効率化・最適化検証手段は、配送日以前に確定する配送確定データに対して、検証を行い、配送日前日までに効率化・最適化提案を行うものである物流の効率化、及び最適化評価システムであることを特徴とするものである。
The invention recited in
請求項５に記載された発明は、請求項１乃至請求項４のいずれかに記載した発明において、前記荷崩れ防止算出手段は、荷物を形成する荷箱の寸法、荷箱の数量（荷箱が複数ある場合は寸法毎の荷箱の数量）、荷箱＋内容物の重量（荷箱が複数ある場合は荷箱毎の荷箱＋内容物の重量）、配送場所（配送日時を含む）に対して、最適なパレタイズ状態の画像（データは数値化する）、トラック車載状態の画像（データは数値化する）ダイヤ表、積付表を答え（ラベル）とする大量のデータを与え、いわゆる教師あり学習させた学習済モデルにより未知の前記事前荷量データに対し、最適なパレタイズ状態の画像、トラック車載状態の画像、ダイヤ表、積付表を算出させたものである物流の効率化、及び最適化評価システムであることを特徴とするものである。尚、ダイヤ表とは、トラックが何時にどの拠点に立ち寄るかを示した図であり、積付表とは、トラック毎にどの納入先の荷物が積載されるかを示した表である。
The invention recited in
請求項６に記載された発明は、請求項１乃至請求項４のいずれかに記載した発明において、前記運行ダイヤ作成手段により作成されたダイヤ表、及び積付表を基に、所定の走行ルートにおける所定の地点での車両通過時間、及び車両積載状況をインターネット上に地図として詳細を表示することで公開する輸送ルート公開手段を備える物流の効率化、及び最適化評価システムであることを特徴とするものである。
The invention described in
請求項７に記載された発明は、請求項６に記載した発明において、前記輸送ルート公開手段により公開された前記所定の走行ルートを、効率化する最適ルート検索手段を備える物流の効率化、及び最適化評価システムであることを特徴とするものである。
The invention recited in
本発明は、物流デジタルデータ（荷量データ）を配送依頼主である顧客から入手し、該物流デジタルデータ（荷量データ）を加工して使用することで、パレタイズ作業、トラック車載作業、及び運行ダイヤ作成作業を効率化（自動化を含む）し、それらの効率性の評価という上記一連の流れから、物流の効率化、及び最適化（機械学習によるものを含む）を探求するシステムに関する発明である。 The present invention obtains physical distribution digital data (load amount data) from a customer who is a delivery requester, and processes and uses the physical distribution digital data (load amount data) to perform palletizing work, truck loading work, and operation. This is an invention related to a system for streamlining (including automating) timetable preparation work and exploring efficiency and optimization (including machine learning) of logistics from the above-mentioned series of flow of evaluation of those efficiencies. .
複数の顧客の荷量データを入力し送信するための荷量集約・管理プラットフォームと、荷量集約・管理プラットフォームに入力し送信された荷量データを蓄積するための事前荷量データ保存手段と、事前荷量データ保存手段に蓄積されたデータから、出荷作業者向けに、パレットに荷物を積載する指示をするために、画像イメージを作成するパレタイズイメージ作成手段と、事前荷量データ保存手段に蓄積されたデータから、ドライバー向けに、トラックに該パレットを車載する指示をするために、画像イメージを作成する車載イメージ作成手段と、事前荷量データ保存手段に蓄積されたデータから、適切なダイヤ表、及び適切な積付表を作成する運行ダイヤ作成手段を備えている。 a cargo volume aggregation/management platform for inputting and transmitting cargo volume data of a plurality of customers; a pre-load volume data storage means for accumulating the cargo volume data input and transmitted to the cargo volume aggregation/management platform; A palletizing image creating means for creating an image from the data accumulated in the pre-load amount data storage means and a pre-load amount data storage means for instructing the shipping worker to load the load on the pallet. In-vehicle image creation means for creating an image image for instructing the driver to load the pallet on the truck from the received data; , and a timetable creating means for creating an appropriate stowage chart.
複数の顧客から送信された配送する荷物に関するデータ（荷量データ）を保存するための事前荷量データ保存手段により、配送依頼主である顧客からの配送する荷物に関するデータ（荷物形態、配送日時、配送場所等の条件：どのような形態の荷物を、いつまでにどこで集荷して、いつまでにどこへ運ぶのか等）を適切な形態でデジタルデータに加工して保存することができる。 Data on packages to be delivered (package form, date and time of delivery, Conditions such as delivery location: such as when and where to pick up what kind of package, when and where to transport it, etc.) can be processed and stored as digital data in an appropriate format.
事前荷量データから、出荷作業者向けに、パレットに荷物を積み付けるための指示を、画像イメージを作成することにより行うパレタイズイメージ作成手段により、パレットに荷物が積み付けられた状態を画像で視覚的に認識することができる。事前荷量データから、ドライバー向けに、トラックにパレットを車載するための指示を、画像イメージを作成することにより行う車載イメージ作成手段により、トラックの荷台にパレットが車載された状態を画像で視覚的に認識することができる。従って、出荷作業者やドライバーが変わっても品質レベルが下がらず、品質を維持することができる。 The palletizing image creation means creates an image of instructions for loading the cargo on the pallet for the shipping operator from the pre-loading amount data. can be recognized Based on the pre-load data, the driver is instructed to load the pallet onto the truck by creating a visual image of the pallet being loaded onto the bed of the truck. can be recognized. Therefore, even if the shipping operator or driver changes, the quality level does not drop and the quality can be maintained.
事前荷量データから、デフォルト運行ダイヤデータ（各ルート・各便データ）を基に、適切なダイヤ表、及び適切な積付表を作成する運行ダイヤ作成手段により、今までオペレータが勘や経験を基に運行ダイヤを作成していたが、その必要が無くなったので、オペレータが変わっても品質レベルが下がらず、品質を維持することができる。 Based on the default operation diagram data (data for each route and each flight) from the advance load data, the operation diagram creation means that creates an appropriate timetable and an appropriate stowage table allows operators to operate based on their intuition and experience. However, since this is no longer necessary, the quality level does not drop even if the operator changes, and the quality can be maintained.
事前荷量データは、荷量集約・管理プラットフォームを経由することで加工された状態で事前荷量データ保存手段に保存されるので、ｃｓｖ形式等の顧客から入手した、様々なデータの形式をデータベース保存に適した形式に変換（加工も含まれる）することができるようになっている。尚、将来的にはデータ形式を統一することを考慮しても良い。さらに、事前荷量データは、荷物を形成する荷箱の寸法、荷箱の数量（荷箱が複数ある場合は寸法毎の荷箱の数量）、荷箱＋内容物の重量（荷箱が複数ある場合は荷箱毎の荷箱＋内容物の重量）、（それぞれの）配送場所（配送日時を含む）、である。尚、これら以外にも必要なデータを必要に応じて随時加えていくことができることは言うまでもない。 Since the pre-load data is stored in the pre-load data storage means in a processed state by going through the load aggregation and management platform, various data formats such as csv format obtained from customers are stored in the database. It can be converted (including processing) into a format suitable for storage. Note that unification of data formats may be considered in the future. In addition, the pre-loading data includes the dimensions of the packing boxes that form the package, the quantity of packing boxes (if there are multiple packing boxes, the number of packing boxes for each dimension), the weight of packing boxes + contents (the number of packing boxes is Weight of box + contents per box, if any), delivery location (for each) (including date and time of delivery). Needless to say, other necessary data can be added as needed.
さらに、パレタイズイメージ作成手段、車載イメージ作成手段、及び運行ダイヤ作成手段から得られた結果を検証し、かつ、最適化するための効率化・最適化検証手段により、配送計画データと配送実績データとの比較結果から検証を行い、顧客に対し事後に効率化・最適化提案を行うことができるようになった。同時に、自社内でも効率化・最適化に関する改善ができるようになった。さらに、配送日以前における配送確定データに対し検証を行い、配送日前日までに顧客に対し効率化提案を行うことができるようになった。 Furthermore, the results obtained from the palletizing image creation means, the vehicle image creation means, and the operation diagram creation means are verified, and the efficiency/optimization verification means for optimizing the delivery plan data and the delivery result data are verified. It is now possible to conduct verification based on the comparison results and make proposals for efficiency and optimization to customers after the fact. At the same time, it became possible to improve efficiency and optimization within the company. In addition, it is now possible to verify the delivery confirmation data before the delivery date and propose efficiency improvements to the customer by the day before the delivery date.
荷崩れ防止算出手段（機械学習の手法による効率化・最適化手段の一例）の効果として、配送先（配送順）を加味した最適な積載形態を大量のデータを活用した機械学習により獲得していくことで、トラックに車載される荷物（パレタイズされた状態も含めて）がトラック配送中に、例えば、急ブレーキを掛けてしまった時に発生する「慣性力による荷崩れ」を起こさないようにする車載のノウハウを誰でも再現することができるようになった。従って、熟練作業者でなくてもレベルの高い積載作業ができるようになった。以上のことを纏めると、物流の効率化、及び最適化評価スキームの自社側のメリットとして、投入人員削減による人件費低減、人員不足に対応することができる。出荷作業者、ドライバー、オペレータが変わっても品質レベルが下がらないので、作業品質を維持することができる。事前に物流設計することで、余分なトラック走行が減少し、排出するＣＯ２を削減することができる。さらに、顧客側のメリットとして、物流費低減、特便（定期輸送に収まり切れなかった荷物の輸送便）を抑制することができるので、投入車両数低減、輸送設計コスト低減ができるようになった。 As an effect of load collapse prevention calculation method (an example of efficiency improvement and optimization method by machine learning method), the optimal loading form considering the delivery destination (delivery order) is acquired by machine learning using a large amount of data. By doing so, cargo (including palletized state) onboard the truck will not cause "load collapse due to inertial force" that occurs when the brakes are suddenly applied during truck delivery. Anyone can reproduce the in-vehicle know-how. Therefore, even unskilled workers can perform high-level loading work. To summarize the above, as a merit of the efficiency of physical distribution and optimization evaluation scheme on the company's side, it is possible to reduce labor costs by reducing the number of input personnel and to cope with the shortage of personnel. Even if the shipping worker, driver, or operator changes, the quality level does not drop, so work quality can be maintained. By designing logistics in advance, redundant truck runs can be reduced and CO2 emissions can be reduced. In addition, as an advantage for the customer, it is possible to reduce logistics costs and tokubin (transportation services for cargo that cannot be accommodated in regular transportation), so it has become possible to reduce the number of vehicles used and transportation design costs. .
効率化・最適化検証手段により効率化・最適化検証後の車載データ保存手段に蓄積されたパレタイズイメージデータ、及び車載イメージデータと、効率化・最適化検証手段により効率化・最適化検証後の運行データ保存手段に蓄積されたダイヤ・積付データと、事前荷量データ保存手段に蓄積された荷量データから最適在庫数を顧客側に提示する最適在庫算出手段により、在庫数の最適量を顧客側に提示することで、（顧客側の）過剰在庫を減らすことができるようになり、（顧客側の）生産管理に寄与することができるようになった。（尚、最適在庫算出手段では、本発明に係る物流の効率化、及び最適化評価システムを稼働させる以前の、いわゆる「既存の入出庫管理システム」にて管理されていた在庫品の入庫と出庫のデータを合わせて使用することもできる。）運送会社側としても在庫の保管スペースが節約でき、他の業務のためにその保管スペースを割り当てることができるようになった。要するに、「作り過ぎ」による無駄を軽減することができるようになった。さらに言えば、（顧客側工場での）生産時におけるＣＯ２排出量削減、及び（運送会社側での）輸送時におけるＣＯ２排出量削減に寄与することになる。 Palletized image data and in-vehicle image data accumulated in the in-vehicle data storage means after efficiency/optimization verification by the efficiency/optimization verification means, and after efficiency/optimization verification by the efficiency/optimization verification means The optimal inventory quantity is calculated by the optimal inventory calculation means that presents the optimal inventory quantity to the customer based on the timetable/loading data accumulated in the operation data storage means and the cargo volume data accumulated in the advance cargo volume data storage means. By presenting it to the customer, it became possible to reduce excess inventory (on the customer's side) and contribute to production management (on the customer's side). (In addition, in the optimal inventory calculation means, the storage and delivery of inventory items that were managed by the so-called "existing storage and delivery management system" before the efficiency of distribution and the optimization evaluation system according to the present invention are operated. data can also be used together.) The shipping company can also save inventory storage space and can allocate the storage space for other operations. In short, it became possible to reduce the waste caused by "overproduction". Furthermore, it contributes to the reduction of CO2 emissions during production ( at the customer's factory) and during transportation (at the shipping company's side).
運行ダイヤ作成手段により作成されたダイヤ表、及び積付表を基に、所定の走行ルートにおける所定の地点での車両通過時間、及び車両積載状況をインターネット上に地図として詳細を表示することで公開する輸送ルート公開手段により、顧客側にとっては、輸送方法等を検討する際に有用な情報（輸送ルート、各地点における通過時間）を提供されることで、即ち、運送会社側の運行状況が公開されることで、（顧客側の）輸送方法等の検討に要する時間（定期便、及び特便等の車両を手配する時間）を短縮することができるようになった。運送会社側としても、輸送ルートを公開することで、顧客側が運送会社として（自社を）選定して貰える確率が高くなること、及び特便発生時等における車両を手配する時間の軽減を図ることができるようになった。 Based on the timetable created by the operation timetable creating means and the loading table, the vehicle transit time at a specified point on a specified travel route and the vehicle loading status are displayed in detail as a map on the Internet and made public. By means of the transportation route disclosure means, the information (transportation route, transit time at each point) that is useful for the customer side when considering the transportation method, etc. is provided, that is, the operation status of the transportation company is disclosed. This has made it possible to shorten the time required (on the customer side) to consider transportation methods (the time required to arrange vehicles for regular and special flights, etc.). For the transportation company, by disclosing the transportation route, the probability that the customer side will select (our company) as the transportation company will increase, and the time to arrange the vehicle in the event of a special delivery etc. will be reduced. is now possible.
輸送ルート公開手段により公開された所定の走行ルートを、効率化する最適ルート検索手段により、効率が良い「走行ルート」を示すことで、車両（トラック）の走行を最適化・効率化でき、走行時の無駄を軽減できる。即ち、輸送時におけるＣＯ２排出量削減に寄与するのみならず、いわゆるベテランドライバーと新人ドライバーの違いによる走行時間の変動の軽減にも繋がる。即ち、ドライバーの品質統一を図ることができるようになった。 The optimal route search means for improving the efficiency of the predetermined driving route disclosed by the transportation route disclosure means can optimize and improve the efficiency of the driving of the vehicle (truck) by indicating an efficient "driving route". You can reduce wastage of time. In other words, it not only contributes to the reduction of CO2 emissions during transportation, but also reduces fluctuations in travel time due to differences between so-called veteran drivers and new drivers. In other words, it has become possible to standardize the quality of drivers.
以下、本発明に係る物流の効率化、及び最適化評価システム１の一実施形態について、図１～図１０に基づいて詳細に説明する。物流の効率化、及び最適化評価システム１の詳細を説明する前に、従来の物流システム、及び従来の物流システムの問題点等について説明する。運送会社は、仕入先（配送依頼主であることが多い：顧客先）に出向いて配送する荷物を集め（仕入（集荷）作業）、物流センター等の一時的な保管場所にて一旦保管し、改めて納入先に配送する（納入作業）形態が基本である。配送形態には、定期便（荷物を月毎の計画通りに、決められた場所、決められた日時に配送する形態）による配送と、特便（定期便に積み切れなかった荷物を臨時便により配送する形態等）がある。 An embodiment of a distribution efficiency and optimization evaluation system 1 according to the present invention will be described in detail below with reference to FIGS. 1 to 10. FIG. Prior to explaining the details of the distribution efficiency and optimization evaluation system 1, a conventional distribution system and problems of the conventional distribution system will be described. The shipping company goes to the supplier (often the delivery requester: customer), collects the packages to be delivered (purchase (collection) work), and temporarily stores them at a temporary storage location such as a distribution center. In principle, the product is delivered to the delivery destination (delivery work). There are two types of delivery methods: regular delivery (delivery of packages according to the monthly plan at a specified place and time) and special delivery (special delivery of packages that could not be loaded on the regular delivery). delivery form, etc.).
現状の物流システムでは、多くの場合はオペレータが既存の運行ダイヤを基に、顧客からの発注依頼書等に記載された荷量データ（デジタルデータでは無くて紙の発注書であることが多い）を考慮して、オペレータの勘や経験を基に運行ダイヤを作成している。具体的には、顧客からの荷量データ（個々の荷物の寸法、個々の荷物の重量、仕入先（仕入日時）、納入先（納入日時）等、尚、本明細書においては、「仕入」及び「納入」を纏めて「配送」と定義する）を元に、オペレータが手作業、表計算ソフト等で、運行ダイヤ表等を作成していた。パレットに荷物を積載するパレタイズ作業は、出荷作業者が勘や経験に基づいて行い、パレタイズされたパレットのトラック荷台への車載についても、ドライバーが勘や経験を基に、トラック荷台への積載レイアウトを考えて行っていた。即ち、出荷作業者やドライバー自身が頭の中に描く積載イメージに従って、パレタイズ作業、トラック荷台への車載作業を行っていた。 In the current logistics system, in many cases, operators are based on existing operation schedules and load data written in order requests from customers (often not digital data, but paper order forms). Considering this, the operation schedule is created based on the operator's intuition and experience. Specifically, the cargo amount data from the customer (individual package dimensions, individual package weight, supplier (purchase date and time), delivery destination (delivery date and time), etc. In this specification, " "Purchase" and "delivery" are collectively defined as "delivery." The palletizing work of loading cargo onto pallets is carried out by shipping workers based on their intuition and experience, and the loading layout of palletized pallets onto truck beds is also determined by drivers based on their intuition and experience. I was thinking about In other words, palletizing work and loading work on the truck bed were carried out according to the loading image that the shipping worker and the driver themselves imagined in their minds.
かかる実体（荷姿がビジュアル的で無く、端的に言えば見えていないことが問題であった）であるため、出荷作業者によるパレタイズ作業が上手く出来ず、或いは、ドライバーによるトラック荷台への車載作業が上手く出来ないこともある。即ち、出荷現場ではパレタイズ作業、及びトラック荷台への車載作業がスムーズにできないことがある。このことは、積載作業のやり直し等による出荷作業時間が大幅に延びてしまうのみならず、一度で積載できたはずの荷物の一部に積み残しが発生することに繋がる。即ち、荷物が溢れると特便（臨時便）が必要となり、その分、無駄なコストが生じることになる。さらに、運行ダイヤの編成についても、オペレータの勘や経験だけでは達成することができないような効率的な編成スキル、即ち、特便（臨時便）の発生をできるだけ回避する編成スキルがあるはずである。 Due to such an entity (the problem was that the packaging was not visually visible, and in short, it was invisible), the palletizing work by the shipping worker could not be done well, or the driver could work on the truck bed. sometimes it doesn't work well. That is, at the shipping site, the palletizing work and the loading work on the truck bed may not be carried out smoothly. This not only greatly extends the shipping work time due to redoing the loading work, but also leads to the occurrence of unloading of some of the packages that could have been loaded at one time. That is, when the baggage overflows, a special flight (temporary flight) is required, resulting in unnecessary costs. Furthermore, regarding the organization of operation schedules, there should be an efficient organization skill that cannot be achieved by the operator's intuition and experience alone, that is, an organization skill that avoids the occurrence of special flights (temporary flights) as much as possible. .
特便（臨時便）の発生を事前に排除するために、オペレータの勘や経験による運行ダイヤ作成、出荷作業者、及びドライバーの勘や経験によるパレタイズ作業、トラック車載作業を止め、オペレータが代わっても、適切な運行ダイヤ作成ができ、出荷作業者が代わってもパレタイズ作業の品質レベルが下がらず、品質を維持することができるようにすべきであり、ドライバーが代わってもトラック車載作業の品質レベルが下がらず、品質を維持することができるようにすべきである。将来的には、社会全体の利益を考慮し、荷量データを共有可能なデータとして収集し、物流業界全体としての利益にすべきである。 In order to eliminate the occurrence of special flights (temporary flights) in advance, we will stop the creation of operation diagrams based on the intuition and experience of operators, the palletizing work based on the intuition and experience of shipping workers and drivers, and the work on board trucks. In addition, it should be possible to create an appropriate operation schedule so that the quality level of palletizing work does not decrease even if the shipping worker changes, and the quality can be maintained. It should be possible to maintain the quality without lowering the level. In the future, considering the interests of society as a whole, we should collect cargo volume data as sharable data and benefit the logistics industry as a whole.
＜物流の効率化、及び最適化評価システムの概要＞
図１は、本発明に係る物流の効率化、及び最適化評価システム１の概要を説明するための図である。図１に記載したように、物流の効率化、及び最適化評価システム１は、複数の顧客の荷量データを入力し送信するための荷量集約・管理プラットフォーム２と、荷量集約・管理プラットフォーム２に入力し送信された荷量データを蓄積するための事前荷量データ保存手段３と、事前荷量データ保存手段３に蓄積されたデータから、出荷作業者向けに、パレットに荷物を積載する指示をするために、画像イメージを作成するパレタイズイメージ作成手段４と、事前荷量データ保存手段３に蓄積されたデータから、ドライバー向けに、トラックに該パレットを車載する指示をするために、画像イメージを作成する車載イメージ作成手段５と、事前荷量データ保存手段３に蓄積されたデータから、デフォルト運行ダイヤデータ（各ルート・各便データ）を基に、適切なダイヤ表、及び適切な積付表を作成する運行ダイヤ作成手段６が備わっている。尚、事前荷量データは、荷量集約・管理プラットフォーム２を経由することで、使い勝手良く加工された状態で事前荷量データ保存手段３に保存される態様であっても良い。
<Overview of logistics efficiency and optimization evaluation system>
FIG. 1 is a diagram for explaining an overview of a distribution efficiency and optimization evaluation system 1 according to the present invention. As shown in FIG. 1, the logistics efficiency and optimization evaluation system 1 includes a cargo volume aggregation/
パレタイズイメージ作成手段４、車載イメージ作成手段５、及び運行ダイヤ作成手段６によるアウトプットが、効率的かつ最適であるかを検証するための効率化・最適化検証手段７を備えている。 Efficiency/optimization verification means 7 is provided for verifying whether the outputs from the palletizing image creation means 4, the in-vehicle image creation means 5, and the operation schedule creation means 6 are efficient and optimal.
効率化・最適化検証手段７により効率化・最適化検証後のパレタイズイメージデータ、及び車載イメージデータを蓄積する車載データ保存手段８と、効率化・最適化検証手段７により効率化・最適化検証後のダイヤ・積付データを蓄積するための運行データ保存手段９を備えている。車載データ保存手段８と運行データ保存手段９に蓄積されるデータは、効率化・最適化検証手段７により（効率化・最適化）検証される度に更新されるものである。 In-vehicle data storage means 8 for accumulating palletized image data after efficiency/optimization verification by efficiency/optimization verification means 7 and in-vehicle image data, and efficiency/optimization verification by efficiency/optimization verification means 7 Operation data storage means 9 is provided for accumulating later timetable/loading data. The data accumulated in the vehicle-mounted data storage means 8 and the operation data storage means 9 is updated each time the efficiency/optimization verification means 7 verifies (efficiency/optimization).
効率化・最適化検証手段７により効率化・最適化検証後の車載データ保存手段８に蓄積されたパレタイズイメージデータ、及び車載イメージデータと、効率化・最適化検証手段７により効率化・最適化検証後の運行データ保存手段９に蓄積されたダイヤ・積付データと、事前荷量データ保存手段３に蓄積された荷量データを基に、最適在庫数を算出して客先に提示する最適在庫算出手段１１を備えている。そして、運送会社の車両（荷物積載状況も開示されたトラック）が「どのルート（道順を含む）」の「どの地点」を何時何分頃に通過するか（輸送経路情報、及びリアルタイム輸送情報）を地図上に表記（具体的には、インターネット上に公開）する輸送ルート公開手段１２、さらに、運送会社の車両（トラック：荷物積載状況も開示されていても良い）が「どの道路」を走行すれば最も効率の良い輸送ができるのかを算定し、提示する最適ルート検索手段１３を備えている。尚、最適在庫算出手段１１、及び最適ルート検索手段１３については、機械学習により精度の向上を図ることができる。膨大なデータが蓄積される程、機械学習による精度を向上させることができる。機械学習を使った手法による配送中の荷崩れ防止算出手段１０（機械学習の手法による効率化・最適化手段という位置付けになる）については詳細につき後述する。 Palletized image data and in-vehicle image data accumulated in the in-vehicle data storage means 8 after efficiency/optimization verification by the efficiency/optimization verification means 7 and efficiency/optimization by the efficiency/optimization verification means 7 Based on the timetable and stowage data accumulated in the operation data storage means 9 after verification and the cargo amount data accumulated in the advance cargo amount data storage means 3, the optimum inventory quantity is calculated and presented to the customer. An inventory calculation means 11 is provided. Then, when and at what time the transportation company's vehicle (truck whose loading status is also disclosed) will pass "what point" of "what route (including directions)" (transportation route information and real-time transportation information) on a map (specifically, published on the Internet), and furthermore, a transportation company's vehicle (truck: cargo loading status may also be disclosed) travels on "what road" It is equipped with an optimum route searching means 13 for calculating and presenting whether the most efficient transportation can be achieved. The optimum inventory calculation means 11 and the optimum route search means 13 can be improved in accuracy by machine learning. Accuracy of machine learning can be improved as a huge amount of data is accumulated. The load collapse prevention calculation means 10 (positioned as an efficiency improvement/optimization means by a machine learning technique) based on a technique using machine learning will be described later in detail.
物流の効率化、及び最適化評価システム１の流れとしては、荷量集約・管理プラットフォーム２に入力し送信された荷量データを蓄積するための、事前荷量データ保存手段３に蓄積された事前荷量データを基に、パレタイズイメージ作成手段４、車載イメージ作成手段５、及び運行ダイヤ作成手段６によるアウトプットが為される。その後、パレタイズイメージ作成手段４、車載イメージ作成手段５、及び運行ダイヤ作成手段６によるアウトプットが、効率的かつ最適であるかを検証するための効率化・最適化検証手段７による検証が為される。その後、効率化・最適化検証手段７により効率化・最適化計算後の（最適化された）パレタイズイメージデータ、及び車載イメージデータを蓄積する車載データ保存手段８に蓄積される。同時に、配送における時間・場所等の制約条件等を考慮した（効率化・最適化検証手段７による）効率化・最適化計算後の（最適化された）ダイヤ・積付データを蓄積するための運行データ保存手段９に蓄積される。
As a flow of the logistics efficiency and optimization evaluation system 1, the advance data stored in the advance load data storage means 3 for accumulating the load data input and transmitted to the load aggregation/
事前荷量データ保存手段３に蓄積された事前荷量データを基に、パレタイズイメージ作成手段４、車載イメージ作成手段５、及び運行ダイヤ作成手段６によるアウトプットが為された後であっても（配送日前であれば）、パレタイズイメージデータ、車載イメージデータを蓄積する車載データ保存手段８に蓄積されたデータ、及び／又は、運行データ保存手段９に蓄積されたデータが更新された場合は、更新されたデータにより計算（検証）されたパレタイズイメージデータ、車載イメージデータ、ダイヤ・積付データが最善であることが多い。従って、更新されたデータに基づいて、効率化・最適化検証手段７にて再計算が行われ、改めて、パレタイズイメージ作成手段４、車載イメージ作成手段５、及び運行ダイヤ作成手段６によるアウトプットが為される仕組みになっている（再計算：図１参照）。
Even after the palletizing
（効率化・最適化検証後の）車載データ保存手段８に蓄積されたパレタイズイメージデータ、及び車載イメージデータと、運行データ保存手段９に蓄積されたダイヤ・積付データと、事前荷量データ保存手段３に蓄積された荷量データから、プログラム計算（機械学習を含む）することで算出した最適在庫数を顧客側に提示する（最適在庫算出手段１１：図１参照）。 Storage of palletizing image data and vehicle image data (after verification of efficiency/optimization) accumulated in vehicle data storage means 8, schedule/loading data stored in operation data storage means 9, and advance load data Presents to the customer the optimal inventory quantity calculated by program calculation (including machine learning) from the load data accumulated in means 3 (optimal inventory calculation means 11: see FIG. 1).
さらに、（効率化・最適化検証後の）運行データ保存手段９に蓄積されたダイヤ・積付データを基にして、運送会社の輸送ルートをインターネット上に公開し（輸送ルート公開手段１２（図１参照）、（日々の交通状況等のデータも加味した状態で）運送会社の車両（トラック）が「どの道路」を走行すれば、最も輸送効率が良いのかを（算定・提示する）、最適ルート検索手段１３（グローバル・ポジショニング・システム：ＧＰＳと連携しても良い）にて検索する（図１参照）。 Furthermore, based on the timetable and stowage data accumulated in the operation data storage means 9 (after verification of efficiency and optimization), the transportation routes of the transportation companies are published on the Internet (transportation route publication means 12 (Fig. 1), (taking into account data such as daily traffic conditions) (calculating and presenting) on which roads the transportation company's vehicles (trucks) should travel for the most efficient transportation. A search is performed by the route search means 13 (global positioning system: may be linked with GPS) (see FIG. 1).
荷量集約・管理プラットフォーム２は、配送依頼主である顧客がアクセスして事前荷量データ等を入力できるようになっている。顧客等アクセス権が認められた者のみがアクセスすることができるように、セキュリティ等の侵入者対策が為されている。例えば、ワンタイムパスワード等のセキュリティ対策が為されていることが好ましい。事前荷量データ保存手段３、車載データ保存手段８、運行データ保存手段９は、デジタルデータを記憶（保存）可能な記憶媒体であり、いわゆるデータベースとして使用できるものであれば良く、パーソナルコンピュータ内蔵のメモリ（ＲＡＭ等）を使用することができる。さらに、フラッシュメモリ等の不揮発性メモリ、ハードディスク、ＤＶＤディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク等の補助記憶装置及び媒体、セキュリティ対策が施されたクラウドストレージ等から構成されても良い。
The cargo amount aggregation/
図２は、パレタイズイメージ作成手段４により作成されたパレタイズイメージ図である。出荷作業者は、パレタイズイメージ作成手段４（図１参照）により、画面（或いは紙に打ち出された状態）を見ながらパレタイズ作業ができる。画面はカラー表示ができるので、色分けすることで、（出荷作業者は）より明確に（画像イメージとしてパレタイズ作業が完了した状態を）認識することができる。図３は、車載イメージ作成手段５により作成されたトラック車載イメージ図である。ドライバーは、車載イメージ作成手段５（図１参照）により、画面（或いは紙に打ち出された状態）を見ながらトラック車載作業ができる。画面はカラー表示ができるので、色分けすることで、（ドライバーは）より明確に（画像イメージとしてトラック車載作業が完了した状態を）認識することができる。
FIG. 2 is a palletizing image diagram created by the palletizing
運行ダイヤ作成手段６は、配送ルートを短時間で計算するシステムであり、具体的に「いつ（何時何分）、どのトラックが、どこの配送先（仕入先、納入先）を、どのような順番に回るか」という配送計画を、複雑な条件や配送現場の特殊な事情等の制約を考慮しつつ作成し、効率的な配送ルートを設計するシステムである。ダイヤ表（何時にどの拠点に立ち寄るかを示した図）と、積付表（トラック毎にどの納入先の荷物が積載されるかを示した表）を作成するものである。運行ダイヤ作成手段６により、（プログラムを実行することで）自動で運行ダイヤを作成することができるので、オペレータ無しで運行ダイヤ作成を行うことができる。尚、運行ダイヤ作成手段６は、クラウド上のシステムであっても良い。 The operation diagram creation means 6 is a system that calculates a delivery route in a short time. It is a system that creates a delivery plan that considers complicated conditions and special circumstances of the delivery site, and designs an efficient delivery route. A schedule chart (a chart showing when and at which bases the company will stop by) and a stowage chart (a chart showing which cargo is to be loaded for each delivery destination for each truck) are prepared. Since the bus schedule creation means 6 can automatically create the bus schedule (by executing the program), the bus schedule can be created without an operator. Incidentally, the operation diagram creation means 6 may be a system on the cloud.
＜効率化・最適化検証手段＞
図４は、効率化・最適化検証手段７の手法Ａ（計画データと実績データの比較による事後の効率化）を説明するための図である。図５は、効率化・最適化検証手段７の手法Ｂ（配送日以前における配送確定データに対し、配送日前日までに効率化提案）を説明するための図である。
<Efficiency/optimization verification method>
FIG. 4 is a diagram for explaining method A (post-efficiency improvement by comparing planned data and actual data) of the efficiency/optimization verification means 7. As shown in FIG. FIG. 5 is a diagram for explaining the method B of the efficiency improvement/optimization verification means 7 (proposing efficiency improvement by the day before the delivery date for delivery confirmed data before the delivery date).
図４について説明する。所定の月（Ｎ月）の配送計画は、（多くは）Ｎ－１月に配送計画が作成される。通常であれば、Ｎ―１月の４Ｗまでに顧客からの配送計画データ（または荷量データ）を受領し、荷量集約・管理プラットフォーム２にて、（顧客からの配送計画データ（または荷量データ）に）必要な加工を行ってから、事前荷量データ保存手段３に保存することで配送計画が確定する。この時点では定期便のみで、顧客からの配送計画データ（または荷量データ）から作成した配送計画の全ての配送が完了することを見込んでいる。
FIG. 4 will be described. A delivery plan for a given month (N months) is (mostly) created in month N-1. Normally, we receive the delivery plan data (or load data) from the customer by 4W of N-January, and the delivery plan data (or load data) from the customer is received by the load aggregation/
ところが、実際には、Ｎ月の実績としては、定期便から溢れてしまった荷物を、特便（臨時便）を追加して配送することがある。図４には特便（臨時便）が３便発生したことが記載されている。（即ち、計画と実績の比較において、特便３台分の差異が発生してしまったことになる。）Ｎ＋１月の第１Ｗに、Ｎ月の実績データを纏めると、計画と実績の間に乖離（特便３便分）が見られる。効率化・最適化検証手段の手法Ａ（計画データと実績データの比較による事後の効率化）では、計画データと実績データの比較による検証（効率化・最適化検証手段７による）から、顧客に対して発注に関するアドバイス（顧客に対する効率化提案：図４参照）を行う。 However, in fact, as a track record for N months, there are cases in which packages overflowing from regular flights are delivered by adding special flights (temporary flights). FIG. 4 describes that three special flights (temporary flights) have occurred. (In other words, in the comparison between the plan and the actual result, a difference of 3 special flights has occurred.) When the actual data for the N month is summarized in the 1st W of the N+1 month, the difference between the plan and the actual result is A divergence (for 3 special flights) can be seen. Method A of the efficiency improvement/optimization verification means (post-increase efficiency by comparing planned data and actual data), from verification by comparison of planned data and actual data (by efficiency improvement/optimization verification means 7), Advice on ordering (suggestion of efficiency to the customer: see FIG. 4).
具体的には、顧客に対して、特便を発生させないためには、例えば、特便（臨時便：余分なコストが発生する）に積載した荷物を、前便（定期便）に積載、後便（定期便）に積載、他ルート便（既存ルート）に積載、他ルートとの組み換え・組み合わせにて積載する等の複数の改善案を提示し、これらの改善案を基に発注すれば、特便は削減することができた旨、即ち、発注計画を見直すように提案することができる。この際、投入車両台数が「○○台」削減できたはずである、と具体的な数字で提案することができる。 Specifically, in order not to generate special flights for customers, for example, packages loaded on special flights (temporary flights: extra costs are incurred) are loaded on previous flights (regular flights) and later By presenting multiple improvement proposals such as loading on flights (regular flights), loading on other routes (existing routes), and loading by recombination/combination with other routes, and placing orders based on these improvement plans, It is possible to suggest that the Tokubin was able to be reduced, that is, to review the ordering plan. At this time, it is possible to propose with concrete numbers that the number of vehicles introduced should have been reduced by "XX".
図５について説明する。Ｎ日が配送日である。Ｎ－２日までに、Ｎ日に配送する配送確定データを、過去のデータを基に、効率化・最適化検証手段７により検証する。（Ｎ日が配送日である荷量データをＮ－２日に検証するのは、配送日の１ケ月前に提供された顧客からの荷量データは変動することが多く、実務的に言えば、顧客からの荷量データが確定する日は、多くの場合、２～３日前になるからである。）その結果、特便が出てしまう等の状況が判明すれば、顧客にその旨連絡し、配送計画の変更案を提示する。具体的には、前便、或いは、後便との組み合わせで特便を発生させない提案、別ルート便との組み合わせで特便を発生させない提案を行う。効率化・最適化検証手段７による検証により、（効果が絶大で）特便を発生させないばかりでなく、定期便も削減できる場合は、定期便投入車両台数の減便提案を行う。尚、配送作業に支障が出るのを避けるため、Ｎ－１日までに最終的な承認を顧客より受けるようにするのが望ましい。その後速やかに、Ｎ－１日までに、運行ダイヤ作成手段６により、ダイヤ表、及び積付表を作成し、Ｎ日（当日）までに、車載イメージ作成手段５により、ドライバーに対して最適車載状態の指示ができるようにする。尚、パレタイズイメージ作成手段４により、出荷作業者に対して、パレタイズ作業の指示を含めて行うことは言うまでも無い。
FIG. 5 will be described. N day is the delivery date. By the N-2 day, the delivery confirmation data for delivery on the N day is verified by the efficiency/optimization verification means 7 based on the past data. (The reason why the cargo amount data whose delivery date is N day is verified on N-2 days is that the cargo amount data provided by the customer one month before the delivery date often fluctuates, so practically speaking (This is because the date when the cargo amount data from the customer is confirmed is often 2 to 3 days before.) As a result, if a situation such as a special delivery is found, the customer is notified to that effect. and propose changes to the delivery plan. Specifically, it makes a proposal not to generate a special flight in combination with an earlier flight or a later flight, or a proposal not to generate a special flight in combination with another route flight. Through verification by the efficiency/optimization verification means 7, if it is possible to reduce the number of regular flights as well as prevent the occurrence of special flights (with a great effect), a proposal is made to reduce the number of vehicles for regular flights. It is desirable to receive the final approval from the customer by the N-1 day in order to avoid any hindrance to the delivery work. Promptly after that, by the N-1 day, the operation diagram creation means 6 creates a schedule table and a stowage table, and by the N day (the day), the in-vehicle image creation means 5 creates the optimal in-vehicle state for the driver. to be able to give instructions. Needless to say, the palletizing
図６は、効率化・最適化検証手段７から得られた結果を基に、顧客に対して行う提案例について説明するための図である。図６に記載したように、具体的には、（１）車載しきれない荷物（溢れ品）を後便（１０ｔトラック）に搭載し、特便発生を抑える（最適候補Ａパターン）、（２）車載しきれない荷物を特便（４ｔトラック（注：１０ｔトラックよりも低コスト））に搭載する（最適候補Ｂパターン）、（３）車載しきれない荷物を他のルート便に立ち寄り集荷し、特便発生を抑える（最適候補Ｃパターン）、等の効率化案を顧客に対して提案することができる。即ち、最適な配送パターンを複数候補提示して、その中から顧客の都合に合わせて選択して貰うことができるようにしたのは、顧客側の利益も考慮しているためである。本発明は、自社（本発明に係る物流システムの効率化、及び最適化評価スキームを使用する主体）のみならず、他社（顧客側）に対してもコスト削減等の効果があるということに特徴がある。尚、効率化・最適化検証手段７において、大量のデータを蓄積し、それらの大量のデータを使用して機械学習（教師あり学習、教師なし学習、強化学習等）させることにより、パレタイズイメージ作成手段４、車載イメージ作成手段５、運行ダイヤ作成手段６の算出精度を向上させる（グレードアップ）ことができることは言うまでもない。
FIG. 6 is a diagram for explaining an example of a proposal made to a customer based on the results obtained from the efficiency/optimization verification means 7. As shown in FIG. Specifically, as shown in FIG. 6, (1) loads that cannot be carried on the vehicle (overflow items) are loaded on subsequent flights (10-ton trucks) to suppress the occurrence of special flights (optimum candidate A pattern), (2) ) Load the cargo that cannot fit on the vehicle onto a special service (4-ton truck (note: lower cost than a 10-ton truck)) (best candidate B pattern), (3) Pick up the cargo that cannot fit on the vehicle by stopping on another route. , suppressing the occurrence of special flights (optimal candidate C pattern), etc., can be proposed to the customer. That is, the reason why a plurality of candidates for the optimum delivery pattern are presented and the customer can select one of them according to his/her convenience is because the customer's interest is taken into consideration. The present invention is characterized by the effect of cost reduction, etc., not only on the company (entity that uses the efficiency improvement of the logistics system and optimization evaluation scheme according to the present invention), but also on other companies (customer side). There is In the efficiency/optimization verification means 7, a large amount of data is accumulated, and machine learning (supervised learning, unsupervised learning, reinforcement learning, etc.) is performed using the large amount of data to create a palletized image. Needless to say, it is possible to improve (upgrade) the calculation accuracy of
＜機械学習による配送中の荷崩れ防止手段＞
本発明は、単に、荷物のパレタイズ作業を含めたトラックへの車載作業（配送日時、配送場所（配送順序）を考慮）を効率化、最適化し、その効率化・最適化の完成度を評価するのでは無く、トラックに車載される荷物がトラック配送中に、例えば、（止むを得ずの場合も有り得る）急ブレーキを掛けてしまった時に発生する「慣性力による荷崩れ現象」を起こさないようにするための最適な積載形態を、大量のデータを活用した機械学習により学習させつつ、効率化・最適化の完成度を高めていくことも特徴である。これについて以下に述べる。尚、荷崩れ防止算出手段１０は、機械学習に拠る物流の効率化、最適化評価の一例である。
<Means to prevent collapse of cargo during delivery by machine learning>
The present invention simply streamlines and optimizes the on-board work on trucks (considering delivery date and time and delivery location (delivery order)), including palletizing work, and evaluates the degree of completion of the efficiency and optimization. Rather, it is designed to prevent the "load collapsing phenomenon due to inertia force" that occurs when, for example, a sudden brake is applied (which may be unavoidable) during truck delivery. It is also characterized by learning the optimal loading form to make it possible by machine learning using a large amount of data, while improving efficiency and optimization. This is described below. Note that the load collapse prevention calculation means 10 is an example of distribution efficiency and optimization evaluation based on machine learning.
図７は、荷崩れ防止算出手段１０を説明するための図である。荷物は、まず平面形状のパレットに下から積み上げられ、パレットに積載された（パレタイズされた）状態で、トラック荷台に車載される。パレット上に荷物を積み上げる際は、下側に重量物、上側に行くに連れて、次第に重量が軽くなるようにするのが基本である。そして、荷物は、パレット毎にトラックの荷台に車載するのであるが、トラック荷台の最後尾から、（配送順が）１番目に配送する荷物、２番目に配送する荷物、３番目に配送する荷物・・・・・のように車載するという基本ルールがある（図７（ａ）参照）。これは、最初に下ろす荷物（パレット）が最後尾でなければ、荷物（パレット）と荷物（パレット）の間に空間が生じてしまい（途中が抜けた状態になり）、配送中にブレーキを掛けた際、荷崩れ現象が生じてしまうからである。 FIG. 7 is a diagram for explaining the collapse prevention calculation means 10. As shown in FIG. Cargo is first piled up on a flat pallet from below, and loaded on the pallet (palletized) and mounted on a truck bed. When stacking items on a pallet, the basic rule is to put heavy items on the bottom and gradually lighten the items on the top. Each pallet is loaded onto the truck bed. From the end of the truck bed (in order of delivery), the first, second, and third packages are delivered. . . . There is a basic rule that the vehicle is mounted on the vehicle (see FIG. 7(a)). This is because if the first cargo (pallet) to be unloaded is not the last one, there will be a space between the cargo (pallets) (the middle of the pallet will be missing), and the brake will be applied during delivery. This is because the load collapse phenomenon occurs when
当然のことであるが、荷物（パレット）はトラックが停止した状態（非常に安定した状態）で車載される。しかしながら、トラックは一旦走り出すと、トラックに車載された荷物は、絶えず振動や衝撃等の外的な力を受け続けることになる。トラックの発進時・停止時には、進行方向に対して前後に、段差通過時には上下に、カーブでは左右に遠心力が掛かる。またそれぞれに「急」の付く行為である程、そして速度が大きければ大きい程その影響の度合いは増加する。トラックに車載された荷物が、例えば、図７（ｂ）のような状態になっていると、急ブレーキを掛けた際、慣性力により荷崩れが発生してしまう。このようなことは理屈では解るが、それに対処するためのノウハウは、個々のドライバーの経験や勘等に任されていたという現状があった。 As a matter of course, the load (pallet) is loaded while the truck is stopped (very stable). However, once the truck starts running, the cargo mounted on the truck is constantly subjected to external forces such as vibrations and shocks. Centrifugal force is exerted forward and backward in the direction of travel when the truck starts and stops, up and down when passing over bumps, and left and right at curves. In addition, the degree of influence increases the higher the speed of the action and the higher the speed. For example, if the load on the truck is in the state shown in FIG. 7B, the load collapses due to the inertial force when the brake is suddenly applied. While this sort of thing can be understood in theory, the know-how to deal with it was left to the experience and intuition of individual drivers.
配送のための走行中に「いつ、どこで、どのタイミングで、どのくらいの力が発生するのか」を完璧に予測することは難しい。しかしながら、個々のドライバーの経験や勘等による積載形態（配送する荷物の個々の形態との関係、配送する場所、配送順も含めて）をデータとして蓄積すること、更に言えば、時間を掛けて大量の積載形態（配送する荷物の個々の形態、配送する場所、配送順も含めて）のデータを蓄積することで、「配送する荷物の個々の形態、配送する場所、配送順」と「荷崩れを防ぐ積載形態」との間に一定の関連性、即ち、荷崩れ防止対策の方向性が見えて来ると考えられる。 It is difficult to perfectly predict "when, where, at what timing, and how much force will be generated" while driving for delivery. However, it is necessary to accumulate data on loading forms based on the experience and intuition of individual drivers (including the relationship with individual types of packages to be delivered, delivery locations, and order of delivery). By accumulating a large amount of data on loading modes (including individual types of packages to be delivered, delivery locations, and order of delivery), we are able to identify “individual formats of packages to be delivered, delivery locations, and order of delivery” and “packages.” It is thought that there is a certain relationship between "loading form that prevents collapse", that is, the direction of measures to prevent collapse of cargo.
図８は、荷崩れ防止算出手段１０の学習済みモデルを説明するための図である。機械学習の手法を用い、大量にデータを解析させることにより「学習済モデル」を生成する。具体的には、「配送する荷物の個々の形態（寸法、重量）、配送日時を含む配送場所（荷量データ：図８参照）」に対して「荷崩れを防ぐ積載形態（パレタイズイメージ、車載イメージ：図８参照）、配送ルート（ダイヤ表、積付表から得られた「降し順」：図８参照）」をラベル（答え）として学習させることにより、学習済みモデルを生成する。 FIG. 8 is a diagram for explaining a learned model of the load collapse prevention calculation means 10. As shown in FIG. A "trained model" is generated by analyzing a large amount of data using machine learning techniques. Specifically, for "individual forms (dimensions, weights) of packages to be delivered, delivery locations including delivery dates and times (load data: see Fig. 8)", "loading forms that prevent cargo from collapsing (palletizing image, in-vehicle Image: see Fig. 8), delivery route ("descending order" obtained from timetable and stowage table: see Fig. 8)" are learned as labels (answers) to generate a trained model.
大量のデータを基に学習することで、「特定の荷物形態（荷物寸法、荷物重量等）で特定の配送場所（配送時間を含めても良い）では、このような荷姿（積載形態）、配送ルートが最適である（荷姿を画像の形でアウトプットし、ダイヤ表と積付表をアウトプットする）」ということを推測（実際は計算する）させることができるようになる。即ち、新たに、（今までに無かった）未知の「配送する荷物の個々の形態、配送場所（配送時間を含めても良い）」を入力すれば、それに対応する「（荷崩れを防ぐ）最適な積載形態、ダイヤ表、及び積付表」が出力されるようになる。即ち、荷崩れを防ぐ最適な積載形態、及び最適な配送ルートが出力されるようになる。 By learning based on a large amount of data, it is possible to determine the type of packaging (loading style), You will be able to guess (actually calculate) that the delivery route is optimal (output the packing style in the form of an image, and output the timetable and stowage chart). In other words, if you enter a new (never existed) unknown ``individual form of package to be delivered, delivery location (delivery time may be included)'', the corresponding ``(prevent collapse of cargo) Optimum loading form, time table, and stowage table" will be output. That is, an optimum loading form and an optimum delivery route that prevent collapse of cargo are output.
学習済モデルの生成は、荷物を構成する箱の寸法（３０ｃｍ×３０ｃｍ×３０ｃｍ等、規格が決まっているものが多い）、それぞれの箱の数量、それぞれの箱＋内容物の重量、配送場所（配送時間を含めても良い）に対して、最適なパレタイズ状態の画像（データは数値化する）、トラック車載状態の画像（データは数値化する）、ダイヤ表、積付表、を答え（ラベル）とする大量のデータを与え、いわゆる「教師あり学習」させるものである。機械学習の精度はデータ数が多ければ多い程上がるので、この作業は将来に亘って継続的に行われることになる。その都度、学習済モデルは改良され、より精度の高い学習済モデルになっていくことになる。 The generation of the trained model is based on the dimensions of the boxes that make up the package (many of which have fixed standards, such as 30 cm x 30 cm x 30 cm), the quantity of each box, the weight of each box + contents, and the delivery location ( (delivery time may be included), the optimal palletizing state image (data is digitized), truck on-board state image (data is digitized), timetable, stacking table, answer (label) A large amount of data is given, and so-called "supervised learning" is performed. Since the accuracy of machine learning increases as the number of data increases, this work will continue to be carried out in the future. Each time, the trained model is improved and becomes a trained model with higher accuracy.
機械学習の結果、未知の「荷物を構成する箱の寸法（３０ｃｍ×３０ｃｍ×３０ｃｍ等、規格が決まっているものが多い）、それぞれの箱の数量、それぞれの箱＋内容物の重量、配送場所（配送時間を含めても良い）」がインプットされたときに、単に、荷物のトラックへの車載作業（パレタイズ作業を含めた）を効率化、最適化を達成するだけでは無く、トラックに車載される荷物がトラック配送中に、例えば、急ブレーキを掛けてしまった時に発生する「慣性力による荷崩れ」を起こさないようにすることも考慮に入れて、最適な積載形態を算出できるようになる。ゆくゆくは、未経験者が入社してきたとしても、荷崩れを起こさないような熟練作業者が行うのと同等の積載形態をＡＩ（人工知能）が示すようになるので、非常に好ましい状態になる。 As a result of machine learning, unknown "box dimensions (30 cm x 30 cm x 30 cm, etc., many of which have fixed standards), quantity of each box, weight of each box + contents, delivery location (delivery time may be included)” is input, we not only achieve efficiency and optimization of loading work (including palletizing work) on the truck, but also It will be possible to calculate the optimum loading form, taking into account the need to prevent cargo from collapsing due to inertial force, which occurs when the truck brakes suddenly during delivery. . Eventually, even if an inexperienced person joins the company, AI (artificial intelligence) will show the same loading pattern as a skilled worker that does not cause collapse of cargo, so it will be a very favorable situation.
荷崩れ防止のための積載技術として、荷物を同じ配列で積み上げるのではなく、段ごとに配列のパターン（交互列積み、レンガ積み、スプリット積み、ピンホイール積み等が知られている）を変えて積み上げていくというノウハウもある。積み上げる高さが高くなる場合は、中段に合紙を敷くことで、横滑りし難くなるため、荷崩れ防止に繋がるというノウハウもある。さらに、荷崩れ防止のため、荷崩れ防止ラップ、荷崩れ防止ベルト、荷崩れ防止ネット等が知られている。確かに、パレットに積載された荷物を荷崩れ防止ラップでぐるぐる巻きにして、荷崩れ防止ベルトで固定して、荷崩れ防止ネットを被せれば、配送中の荷崩れは相当押さえられると思われる。しかしながら、これでは、積載コストが掛かり過ぎて採算が合わなくなることは明白である。 As a loading technique to prevent cargo from collapsing, instead of stacking cargo in the same arrangement, the arrangement pattern (known as alternate row stacking, brick stacking, split stacking, pinwheel stacking, etc.) is changed for each tier. There is also know-how to accumulate. There is also know-how that if the stacking height is high, laying interleaving paper in the middle will prevent it from sliding sideways, which will help prevent the load from collapsing. Further, to prevent cargo from collapsing, a cargo collapse prevention wrap, a cargo collapse prevention belt, a cargo collapse prevention net, etc. are known. Certainly, if the cargo loaded on the pallet is wrapped with a cargo collapse prevention wrap, fixed with a cargo collapse prevention belt, and covered with a cargo collapse prevention net, collapse of cargo during delivery can be suppressed considerably. . However, it is clear that this would not be profitable due to excessive loading costs.
熟練した出荷作業者やドライバーは、これまでの経験により、配送する荷物毎の配送コースに合わせた「慣性力による荷崩れ」を起こさないようにするための最適な積載形態を知っている（最適と思われるパレタイズ状態のイメージ、トラック車載状態のイメージを持っている）ことが多いので、予め、これらのノウハウをデータ化して入力すれば、学習済モデルを生成させるための時間を短縮させることができる。学習済モデルは完成した後も、日々データが追加されることで改良されて行くものである。 Based on past experience, experienced shipping workers and drivers know the optimal loading form to prevent "load collapse due to inertial force" according to the delivery course for each package to be delivered (optimal loading method). In many cases, they have an image of the palletizing state and the image of the truck on-board state), so if you input this know-how as data in advance, it will be possible to shorten the time required to generate a trained model. can. Even after the trained model is completed, it will continue to be improved by adding data on a daily basis.
学習済みモデルが改良された際は、改良された学習済モデルにより計算（推定）されたパレタイズイメージデータ、車載イメージデータ、ダイヤ・積付データが最善であるので、改良された学習済みモデルに基づいて、再計算が行われ、改めて、パレタイズイメージ作成手段４、車載イメージ作成手段５、及び運行ダイヤ作成手段６によるアウトプットが為される仕組みになっている（再計算：図１参照）。尚、機械学習の手法として、本明細書においては、主に教師あり学習による手法について記載したが、教師あり学習の他に強化学習による手法、教師なし学習による手法であっても、本発明と同様の効果が得られるものであれば採用することができることは言うまでも無い。
When the trained model is improved, the palletizing image data, in-vehicle image data, and schedule/stowage data calculated (estimated) by the improved trained model are the best, so based on the improved trained model Then, recalculation is performed, and outputs are again made by the palletizing
図９は、輸送ルート公開手段１２による運用の一例を説明するための図である。輸送ルート公開システム１２により、インターネット上の特設サイトに、運送会社の車両（荷物積載状況も開示されたトラック）の輸送ルート、輸送ルート上の各地点における通過時間等が公開される（図９：公開地図情報（リアルタイム輸送情報、輸送経路情報）参照）。特設サイトにアクセスする権限を有する会員会社（荷主顧客または他の運送会社）は、運送会社の既存の運行経路を確認しながら、製品の輸送計画を立案することができる。発注後において、顧客は（顧客側で立案した輸送計画に従って）発注済の自社製品の動態（現時点で自社製品が（地図上の）どこにいるか等）をパソコン上で確認することができる（図９参照）。
FIG. 9 is a diagram for explaining an example of operation by the transportation route disclosure means 12. As shown in FIG. The transportation
さらに、輸送ルート公開手段１２は、顧客との現場での打ち合わせ時において、（現場での）調整に多大な貢献をする。即ち、現場で顧客との打ち合わせ時に、顧客側が提示した輸送品目、集荷・納入時間等の条件を、（現場で）タブレット端末等に入力すると、輸送ルート公開手段１２（最適ルート検索システム１３により効率が良い「走行ルート」が選択されていても良い）、運行ダイヤ作成手段６、効率化・最適化検証手段７等、を含んだシステム上で人工知能（ＡＩ）が作動することにより、瞬時に、最適運行ダイヤ（仮運行ダイヤ）を自動で作成し、タブレット端末等に表示させることができる（図９参照）。尚、（同時に）「見積書」をタブレット端末に表示させることもできる。 In addition, the transport route disclosure means 12 greatly contributes to coordination (on site) during on-site meetings with customers. That is, at the time of meeting with the customer at the site, when the conditions such as the transportation item, collection and delivery time presented by the customer are entered into a tablet terminal etc. (at the site), the transportation route disclosure means 12 A "driving route" with a good value may be selected), operation diagram creation means 6, efficiency improvement / optimization verification means 7, etc. By operating artificial intelligence (AI) on the system, instantaneously , an optimal operation schedule (temporary operation schedule) can be automatically created and displayed on a tablet terminal or the like (see FIG. 9). In addition, (at the same time) the “estimate” can also be displayed on the tablet terminal.
図１０は総合物流システム（ＩＬＳ：Ｉｎｔｅｒｇｒａｔｅｄ Ｌｏｇｉｓｔｉｃｓ Ｓｙｓｔｅｍ）を説明するための図である。総合物流システム（ＩＬＳ）は、本発明に係る物流の効率化、及び最適化評価システムの一つの到達点である。総合物流システム（ＩＬＳ）は、図１０に記載したように、２社以上（図１０においては、Ａ運送会社、Ｂ運送会社の２社が記載されているが、勿論、それ以上の運送会社数であっても良い）の運送会社が連携する仕組みである。 FIG. 10 is a diagram for explaining an integrated logistics system (ILS). An integrated physical distribution system (ILS) is one of the achievements of the efficiency improvement of physical distribution and the optimization evaluation system according to the present invention. As shown in FIG. 10, the integrated logistics system (ILS) has two or more companies (in FIG. 10, two companies, A and B, are listed, but of course, there are more than two companies). It is a mechanism in which transportation companies such as
Ａ運送会社、及びＢ運送会社は、それぞれが、入出庫を管理するシステム（入出庫・在庫データ管理システム）、物流データを管理するシステム（立寄先条件データ管理システム）等にて、荷量データ、立寄先プラット時間等のデータを管理している（図１０参照）。図１０に記載したように、Ａ運送会社、及びＢ運送会社は、総合物流システム（ＩＬＳ）により、それらのデータを共有（１つのデータ群に纏める）することで、それぞれの入出庫を管理するシステム、物流データを管理するシステム等で管理している荷量データ、立寄先プラット時間等のデータを纏めた形での、（Ａ運送会社、及びＢ運送会社を１つの運送会社共同体とした）共同輸送による最適ダイヤ表、及び積付表（ダイヤ・積付データ）等の情報、最適積込レイアウト（パレタイズイメージデータ、及び車載イメージデータ）等の情報を得ることができる。 Transportation company A and transportation company B each use a system for managing incoming and outgoing shipments (warehouse entry and shipment/inventory data management system), a system for managing logistics data (stopover destination condition data management system), etc. , stopover platform time, etc. (see FIG. 10). As shown in FIG. 10, transportation company A and transportation company B share their data (combine them into one data group) by means of an integrated logistics system (ILS), thereby managing their incoming and outgoing shipments. (Transportation company A and transportation company B are one transportation company consortium) It is possible to obtain information such as the optimum schedule table and stowage table (diagram/stowage data) by joint transportation, and information such as the optimum loading layout (palletizing image data and in-vehicle image data).
尚、ダイヤ・積付データ、パレタイズイメージデータ、及び車載イメージデータは、効率化・最適化検証手段７にて効率化・最適化された後、運行データ保存手段９（ダイヤ・積付データが保存されている）、車載データ保存手段８（パレタイズイメージデータ、及び車載イメージデータが保存されている）により保存されたデータである。さらに言えば、機械学習により精度が向上したデータであっても良い。 In addition, after the timetable/stowage data, palletizing image data, and vehicle image data are streamlined and optimized by the efficiency/optimization verification means 7, the operation data storage means 9 (the timetable/stowage data is stored ), and data stored by the vehicle-mounted data storage means 8 (where palletizing image data and vehicle-mounted image data are stored). Furthermore, the data may be data whose accuracy has been improved by machine learning.
（複数の）会員会社（運送会社共同体を構成する会社）は、自社の輸送に関わる情報の閲覧のみならず、条件付きではあるが、（それぞれが）共同輸送による最適ダイヤ表、及び積付表（ダイヤ・積付データ）等の情報、最適積込レイアウト（パレタイズイメージデータ、及び車載イメージデータ）等の情報を閲覧し、（ある輸送案件が）自社が請け負うよりも他社に任せた方が効率的であると判断すれば、お互いに輸送を依頼し合うことができる（図１０参照）。 (Multiple) member companies (companies that make up the transportation company consortium) can not only view information related to their own transportation, but also (each) have conditions, but can Viewing information such as timetables and loading data) and information such as optimal loading layouts (palletizing image data and in-vehicle image data). If it is determined that it is, they can request transportation from each other (see FIG. 10).
さらに、顧客との（現場での）打ち合わせにおいて、総合物流システム（ＩＬＳ）と連携する「特設ＷＥＢサイト」等をタブレット端末等で（現場で）参照し、必要なデータを入力することで、（Ａ運送会社、及びＢ運送会社を１つの運送会社共同体とした）共同輸送による最適ダイヤ表、及び積付表（ダイヤ・積付データ）等の情報、最適積込レイアウト（パレタイズイメージデータ、及び車載イメージデータ）を確認しながら（但し、他社情報については要許諾等の条件付きとすることができる）商談を進めることができる。即ち、（現場で）タブレット端末等に運送に関する数量等のデータを入力すると、人工知能（ＡＩ）が作動することにより、瞬時にダイヤ表、積付表等を自動で作成し、タブレット端末等に表示させることができる（図１０参照）。尚、（同時に）「見積書」をタブレット端末に表示させることもできる。 Furthermore, in a meeting with a customer (at the site), by referring to the "special website" etc. linked with the integrated logistics system (ILS) on a tablet terminal etc. (at the site) and entering the necessary data, ( A transportation company and B transportation company as one transportation company) Information such as optimal schedule table and loading table (diagram/loading data) by joint transportation, optimal loading layout (palletizing image data, and in-vehicle image) (However, regarding other companies' information, it is possible to have conditions such as permission required) while confirming the data). That is, when data such as quantity related to transportation is entered into a tablet terminal (at the site), artificial intelligence (AI) is activated to automatically create a timetable, stowage table, etc., and display it on the tablet terminal. (see FIG. 10). In addition, (at the same time) the “estimate” can also be displayed on the tablet terminal.
＜物流の効率化、及び最適化評価システムの効果＞
本発明に係る物流の効率化、及び最適化評価システム１は、荷量データを配送依頼主である顧客から事前に入手し、荷量データを（ＡＩ技術を駆使しつつ）使用することで、パレタイズ作業、トラック車載作業、及び運行ダイヤ作成作業を効率化し、それらの効率性の評価という上記一連の流れから、物流の効率化、及び最適化を図ると共に、最適在庫数を顧客側に提示し（顧客の生産管理に寄与する）、そして、運送会社の輸送ルートをインターネット上に公開すること、及び運送会社のトラック（荷物積載状況も開示された車両）が「どの道路」を走行すれば、最も輸送効率が良いのかを検索（ＧＰＳと連携させても良い）させること、さらに、複数の運送会社が提携することができるシステムを構築することによる物流の効率化を達成する発明である。
<Efficiency of logistics and effect of optimization evaluation system>
The logistics efficiency and optimization evaluation system 1 according to the present invention acquires cargo volume data in advance from customers who request delivery, and uses the cargo volume data (using AI technology) to We will improve the efficiency of palletizing work, on-board truck work, and operation schedule creation work, and from the above-mentioned flow of evaluating their efficiency, we will improve and optimize logistics and present the optimal inventory quantity to the customer side. (contributes to the customer's production management), and if the transportation route of the transportation company is made public on the Internet, and if the truck of the transportation company (vehicle with the cargo loading status disclosed) runs on "what road", It is an invention that achieves the efficiency of physical distribution by searching for the most efficient transportation (which may be linked with GPS) and by constructing a system in which a plurality of transportation companies can cooperate.
物流の効率化、及び最適化評価システム１の実施主体である運送会社のみならず、配送依頼主である顧客側にもコスト削減等の効果があることが大きな特徴である。物流の効率化、及び最適化評価システム１の輪を物流業界全体に広げていくことで、近年の運送業界における働き方改革への取り組み、アフターコロナの景気回復（予測）、ＳＤＧｓ（持続可能な開発目標）、ＣＯ２削減への動きに対応していこうとするものである。 A major feature of this system is that there are effects such as efficiency of physical distribution and cost reduction not only for the shipping company that implements the optimization evaluation system 1, but also for the customer who requests the delivery. By expanding the circle of logistics efficiency and optimization evaluation system 1 to the entire logistics industry, we will work on recent work style reforms in the transportation industry, post-corona economic recovery (forecast), SDGs (sustainable development goal ) , and to respond to the movement toward CO2 reduction.
物流の効率化、及び最適化評価システム１の効果を述べる前に、従来の運行ダイヤを作成する際における問題点について述べる。運行ダイヤを組む・修正する段階で、月度の荷量（計画ベース）から日次荷量を算出し、投入するトラック車両数等を設定していた。この際、トラック１台当たりの満載基準の設定値（積載量÷積載可能量の値：任意に設定する）により、高積載、低積載に分けて考えていた。 Before discussing the efficiency of physical distribution and the effects of the optimization evaluation system 1, problems in creating a conventional bus schedule will be discussed. At the stage of creating and modifying the operation schedule, the daily cargo volume was calculated from the monthly cargo volume (planned basis), and the number of trucks to be loaded was set. At this time, according to the set value of the full load standard per truck (value of load capacity / loadable capacity: set arbitrarily), it was considered to be divided into high load and low load.
顧客側から直前に荷物の追加等（荷量のブレという）があることを予想して、特便（臨時便）を発生させないように満載基準を設定すると、低積載の便となり、即ち、多量の空気を運んでしまうことになりコスト高になる。一方で、高積載にするために満載基準を上げると、日々の顧客側において生産数が増加する等、配送追加の要請があった場合に、特便（臨時便）発生の頻度が上がる。そのため、ダイヤ作成時には担当者が荷量を現地で確認し、顧客やドライバーに状況を確認するため、即ち、調整作業に多大な時間が掛かっており、これを改善する必要があった。 If you anticipate that there will be additional cargo (called fluctuation in cargo volume) from the customer side immediately before, and set a full load standard so as not to cause a special flight (temporary flight), it will be a low-load flight, that is, a large amount of air will be carried, resulting in high cost. On the other hand, if the full load standard is raised to increase the load, the frequency of special flights (special flights) will increase when there is a request for additional delivery due to an increase in daily production from the customer side. For this reason, when creating a diagram, the person in charge checks the cargo volume on site and confirms the situation with the customer and the driver.
本発明により、配送日以前に数日後の確定日次受注データを開示頂くことで、効率化・最適化検証手段６による評価スキーム（効率化、及び最適化検証手段６の手法Ｂ（配送日以前における配送確定データに対し、配送日前日までに効率化提案））を回すことができ、最適な車載・配送検討が可能であるため、特便（臨時便）発生抑止が実現できるようになった。 According to the present invention, by disclosing the confirmed daily order data several days before the delivery date, the evaluation scheme by the efficiency/optimization verification means 6 (efficiency and optimization verification means 6 method B (before the delivery date Efficiency proposals)) can be made by the day before the delivery date for the delivery confirmation data in , and it is possible to consider optimal in-vehicle and delivery, so it has become possible to suppress the occurrence of special flights .
その結果、ダイヤ調整にかかる時間も大幅に抑止できるようになった。車建輸送（トラック１台毎に運賃が発生する形態）を依頼している顧客は、投入車両を抑えることができるため、物流費削減・ＣＯ２削減が望める。個建輸送（荷物毎に運賃が発生する形態）を依頼している顧客は、受注側の持出費用（過剰な車両投入費・人件費等）やＣＯ２排出量を削減できるようになった。さらに、荷量について３日前や前日に頻繁に変更が生じてしまうという問題も生じていたが、「〇〇便の特便（臨時便）は削減できたはずである」と顧客に対して明確なデータを基に提案することができるようになった。 As a result, the time required for diamond adjustment can be greatly reduced. Customers requesting car-based transportation (a form in which a freight charge is incurred for each truck) can reduce the number of vehicles used, which can lead to reductions in distribution costs and CO2 emissions. Customers requesting individual transportation (a form in which a fare is charged for each package) can now reduce the cost of taking out the order (excessive vehicle input costs, labor costs, etc.) and CO2 emissions. . In addition, there was also the problem of frequent changes to the cargo volume three days in advance and the day before, but it was clear to the customer that "We should have been able to reduce the number of special flights (temporary flights) on the XX flight." It is now possible to make proposals based on such data.
運送会社側のメリットとして、積載率を上げることができ、利益率向上（個建運送）、ＣＯ２削減を図ることができ、特便（臨時便）を極力減らすことができるようになった。さらに、手配時間の削減、自社負担特便（臨時便）に掛かるコストを削減することができるようになった。 As an advantage for the transportation company, it is possible to increase the loading rate, improve the profit rate (individually built transportation), reduce CO2 emissions, and reduce the number of special flights (temporary flights) as much as possible. In addition, it has become possible to reduce the arrangement time and the cost of special flights (temporary flights) borne by the company.
どのようにパレタイズ作業すれば効率が良いかを算出することができるので、仕分け時間の削減（作業効率の向上）による人件費削減、利益率向上、仕分けミスの撲滅を図ることができるようになった。最適なパレタイズ指示することで無駄の排除、作業員が代わっても品質を落とすことが無い。どのように車載すれば良いのか算出することができるので、車載時間の削減により、人件費削減、利益委率向上、車載ミスの撲滅を図ることができるようになった。そして、最適な車載指示による積み残し、溢れ排除、ドライバーが代わっても品質が落ちることは無く、緻密な輸送計画を立てることもできるので、計画段階での高効率化を図ることができるようになった。さらに、輸送計画を立てる時間を短縮することができるので、人件費を削減することができるようになった。 Since it is possible to calculate how to palletize work efficiently, it is possible to reduce labor costs by reducing sorting time (improving work efficiency), improve profit margins, and eliminate sorting errors. rice field. Eliminate waste by instructing optimal palletizing, and do not lose quality even if workers change. Since it is possible to calculate how to install the product in the vehicle, it has become possible to reduce labor costs, improve the profit margin ratio, and eliminate in-vehicle mistakes by reducing the time spent in the vehicle. Optimal in-vehicle instructions can be used to eliminate leftovers and overflows, and quality will not decline even if the driver changes. rice field. Furthermore, since the time for making transportation plans can be shortened, labor costs can be reduced.
顧客側のメリットとして、積載率を上げ便数を削減でき、さらに、特便（臨時便）も極力減らすことができるため、輸送コストを削減することができるようになった。どのようにパレタイズすれば効率が良いのかをシミュレーションすることができるので、仕分け時間を削減することができ、また、どのように車載すれば効率が良いのかをシミュレーションすることができるので、車載時間も削減でき、輸送コストの削減をすることができるようになった。 As an advantage for the customer, it is possible to increase the loading rate and reduce the number of flights.In addition, special flights (temporary flights) can be reduced as much as possible, so it has become possible to reduce transportation costs. Since it is possible to simulate how to palletize for maximum efficiency, it is possible to reduce sorting time. can be reduced, and the transportation cost can be reduced.
物流業務の外注化によるトータルコストを削減することができるし、緻密な輸送計画を立てることができるので、計画段階での高効率化を図ることができるようになった。さらに、輸送計画を立てる時間を短縮することができるので、人件費を削減することができるようになった。 It is possible to reduce the total cost by outsourcing the logistics work, and it is possible to make a detailed transportation plan, so it has become possible to improve efficiency at the planning stage. Furthermore, since the time for making transportation plans can be shortened, labor costs can be reduced.
所定の走行ルートにおける所定の地点での車両通過時間、及び車両積載状況をインターネット上に地図として詳細を表示する輸送ルート公開手段１２（最適ルート検索手段１３と併用しても良い）により、トラック輸送を「オムニバス化」し、誰でも積載・運行状況、運行計画が見えるような（「路線バス」のように＋積載状況のリアルタイム把握）仕組みとすることで、トラック輸送を（誰でも利用することができる、公に開かれた）インフラとすることで、輸送自体を効率化することができるようになる。 Truck transportation by a transportation route disclosure means 12 (which may be used in combination with the optimum route search means 13) that displays the details of the vehicle transit time at a predetermined point on a predetermined travel route and the vehicle loading status as a map on the Internet. is an omnibus, and anyone can see the loading, operation status, and operation plan (like a fixed-route bus + real-time grasp of the loading status), so that anyone can use truck transportation. By making the infrastructure open to the public, it will be possible to make transportation itself more efficient.
具体的には、トラック輸送時に立ち寄る各地点間を結ぶ（何通りかの選択肢のある複数の道路から）最適な道路を効率よく選択することができるようになる。輸送ルート公開手段１２、及び最適ルート検索手段１３による効果は大きく、トラック業界全体として、輸送時におけるＣＯ2排出量削減に寄与するのみならず、ベテラン・新人の違いによる走行時間のブレの軽減にも繋がり、ドライバーの品質の統一化を図ることができるため、トラック業界全体の利益になるものである。 Specifically, it becomes possible to efficiently select the optimum road (from a plurality of roads with several options) connecting each point that the vehicle stops at during truck transportation. The transportation route disclosure means 12 and the optimal route search means 13 have a great effect, not only contributing to the reduction of CO2 emissions during transportation for the truck industry as a whole, but also reducing fluctuations in driving time due to the difference between veterans and newcomers. It will also be possible to standardize the quality of drivers, which will benefit the truck industry as a whole.
物流業界の将来性を考えると、現状のままでは決して先行きは決して明るくないと言える。この危機を乗り越えるために、物流業界が一丸になって目標に向かっていくべきである。例えば、重量物（ビール等）と軽量物（菓子等）をトラックに混載させて配送するということは、従来では考えられなかったことであるが、物流の効率化という観点で考えれば、混載させて輸送コスト軽減を図るべきである。そのような取り組みも散見されるようになっている。しかしながら、具体的に実現するためには、まだまだハードルが高いと言わざるを得ない。本発明により物流の可視化（車載状態、配送ルート等の見える化）を図ることで、異業種が互いに歩み寄り（配送情報をお互いに開示することを含めて）、物流業界の大きな流れにしていくことが期待される。即ち、業界間の垣根を取り壊す効果により、物流業界をさらに発展させることができる。 Considering the future of the logistics industry, it can be said that the future is by no means bright if the current situation continues. In order to overcome this crisis, the logistics industry should unite and move toward the goal. For example, it would have been unthinkable in the past to mix and deliver heavy items (beer, etc.) and light items (confectionery, etc.) on a truck. transportation costs should be reduced. Such efforts have also come to be seen here and there. However, it must be said that the hurdles are still high in order to realize it concretely. By visualizing the physical distribution (visualization of vehicle status, delivery route, etc.) with this invention, different industries will come together (including disclosing delivery information to each other), and it will become a major trend in the physical distribution industry. There is expected. In other words, the effect of breaking down barriers between industries can further develop the logistics industry.
＜物流の効率化、及び最適化評価システムの変更例＞
本発明に係る物流の効率化、及び最適化評価システムは、上記した各実施形態の態様に何ら限定されるものではなく、荷量集約・管理プラットフォーム、事前荷量データ保存手段、パレタイズイメージ作成手段、車載イメージ作成手段、運行ダイヤ作成手段、効率化・最適化検証手段、車載データ保存手段、運行データ保存手段、荷崩れ防止算出手段、最適在庫算出手段、輸送ルート公開手段、最適ルート検索手段等の構成を、本発明の趣旨を逸脱しない範囲で、必要に応じて適宜変更することができる。例えば、パレタイズ指示手段、及び車載指示手段については、よりビジュアルな形態である３Ｄ画面にすることもできる。
<Examples of improving the efficiency of logistics and changing the optimization evaluation system>
The efficiency improvement and optimization evaluation system for physical distribution according to the present invention is not limited to the aspects of the above-described embodiments, and includes a cargo amount aggregation/management platform, advance cargo amount data storage means, and palletizing image creation means. , in-vehicle image creation means, operation diagram creation means, efficiency/optimization verification means, in-vehicle data storage means, operation data storage means, cargo collapse prevention calculation means, optimal inventory calculation means, transport route disclosure means, optimal route search means, etc. can be changed as appropriate without departing from the gist of the present invention. For example, the palletizing instruction means and the in-vehicle instruction means may be provided with a 3D screen, which is a more visual form.
本発明に係る物流の効率化、及び最適化評価システムは、上記の如く優れた効果を奏するものであるので、あらゆる物流プロセスで生成されるデジタルデータを収集して、それを可視化することで物流の効率化を図るシステムとして好適に用いることができる。 The distribution efficiency and optimization evaluation system according to the present invention exhibits excellent effects as described above. It can be suitably used as a system for improving efficiency.
１・・物流の効率化、及び最適化評価システム
２・・荷量集約・管理プラットフォーム
３・・事前荷量データ保存手段
４・・パレタイズイメージ作成手段
５・・車載イメージ作成手段
６・・運行ダイヤ作成手段
７・・効率化・最適化検証手段
８・・車載データ保存手段
９・・運行データ保存手段
１０・・荷崩れ防止算出手段（機械学習による効率化・最適化手段の一例）
１１・・最適在庫算出手段
１２・・輸送ルート公開手段
１３・・最適ルート検索手段
1. Logistics efficiency and
11... Optimal inventory calculation means 12... Transportation route disclosure means 13... Optimal route search means
Claims (7)
前記荷量集約・管理プラットフォームに入力し送信された荷量データを蓄積するための事前荷量データ保存手段と、
前記事前荷量データ保存手段に蓄積された荷量データから、出荷作業者向けに、パレットに荷物を積載する指示をするために、画像イメージを作成するパレタイズイメージ作成手段と、
前記事前荷量データ保存手段に蓄積された荷量データから、ドライバー向けに、トラックに該パレットを車載する指示をするために、画像イメージを作成する車載イメージ作成手段と、
前記事前荷量データ保存手段に蓄積された荷量データから、ダイヤ表、及び積付表を作成する運行ダイヤ作成手段と、
前記パレタイズイメージ作成手段、前記車載イメージ作成手段、及び前記運行ダイヤ作成手段によるアウトプットが効率的かつ最適であるかを検証するための効率化・最適化検証手段と、
前記効率化・最適化検証手段により効率化・最適化検証後のパレタイズイメージデータ、及び車載イメージデータを蓄積する車載データ保存手段と、
前記効率化・最適化検証手段により効率化・最適化検証後のダイヤ・積付データを蓄積するための運行データ保存手段と、
前記効率化・最適化検証手段により効率化・最適化検証後の前記車載データ保存手段に蓄積されたパレタイズイメージデータ、及び車載イメージデータと、前記効率化・最適化検証手段により効率化・最適化検証後の前記運行データ保存手段に蓄積されたダイヤ・積付データと、前記事前荷量データ保存手段に蓄積された荷量データ、から最適在庫数を顧客側に提示する最適在庫算出手段を備えており、
さらに、機械学習を使った手法により、配送中の荷崩れ防止算出手段を備えるとともに、前記効率化・最適化検証手段、及び前記最適在庫算出手段をグレードアップすることを特徴とする物流の効率化、及び最適化評価システム。 A cargo volume aggregation and management platform for inputting and transmitting cargo volume data of multiple customers;
advance cargo amount data storage means for accumulating the cargo amount data input and transmitted to the cargo amount aggregation/management platform;
palletizing image creation means for creating an image from the load amount data accumulated in the advance load amount data storage means for instructing a shipping operator to load the load onto a pallet;
In-vehicle image creation means for creating an image image from the load amount data accumulated in the pre-load amount data storage means in order to instruct the driver to load the pallet onto the truck;
Operation diagram creating means for creating a diagram and a stowage chart from the cargo amount data accumulated in the advance cargo amount data storage means;
efficiency/optimization verification means for verifying whether or not the output from the palletized image creation means, the in-vehicle image creation means, and the operation schedule creation means is efficient and optimal;
an in-vehicle data storage means for accumulating palletized image data and in-vehicle image data after the efficiency/optimization verification by the efficiency/optimization verification means;
Operation data storage means for accumulating timetable/stowage data after efficiency/optimization verification by the efficiency/optimization verification means;
Palletized image data and in-vehicle image data accumulated in the in-vehicle data storage means after efficiency/optimization verification by the efficiency/optimization verification means and efficiency/optimization by the efficiency/optimization verification means Optimal inventory calculation means for presenting the optimum inventory quantity to the customer side from the timetable/stowage data accumulated in the operation data storage means after verification and the cargo amount data accumulated in the advance cargo amount data storage means. equipped with
Furthermore, by means of a technique using machine learning, the logistics efficiency is characterized by providing means for calculating the prevention of collapse of cargo during delivery, and upgrading the efficiency/optimization verification means and the optimum inventory calculation means. , and an optimization rating system.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021122040 | 2021-07-26 | ||
| JP2021122040 | 2021-07-26 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023017689A true JP2023017689A (en) | 2023-02-07 |
Family
ID=85157842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022052625A Pending JP2023017689A (en) | 2021-07-26 | 2022-03-28 | Logistics streamlining and optimization evaluation system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2023017689A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116882865A (en) * | 2023-07-18 | 2023-10-13 | 广州市智慧农业服务股份有限公司 | Intelligent logistics loading system and loading method based on fresh distribution |
-
2022
- 2022-03-28 JP JP2022052625A patent/JP2023017689A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116882865A (en) * | 2023-07-18 | 2023-10-13 | 广州市智慧农业服务股份有限公司 | Intelligent logistics loading system and loading method based on fresh distribution |
| CN116882865B (en) * | 2023-07-18 | 2024-01-26 | 广州市智慧农业服务股份有限公司 | Intelligent logistics loading system and loading method based on fresh distribution |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12093882B2 (en) | Vehicle fleet control systems and methods | |
| Brar et al. | Milk run logistics: literature review and directions | |
| Daganzo | Logistics systems analysis | |
| Venkatadri et al. | On Physical Internet logistics: modeling the impact of consolidation on transportation and inventory costs | |
| Baudin | Lean logistics: the nuts and bolts of delivering materials and goods | |
| MXPA02008486A (en) | Delivery system and method for vehicles and the like. | |
| JP2009286502A (en) | Transportation scheduling system | |
| JP2023017689A (en) | Logistics streamlining and optimization evaluation system | |
| Fazi et al. | The multi-trip container drayage problem with synchronization for efficient empty containers re-usage | |
| McKinnon | Road transport | |
| Pirim et al. | Supply Chain Management and Optimization in Manufacturing | |
| JP7338617B2 (en) | Bottleneck visualization device and bottleneck visualization method | |
| Karlin et al. | Just-in-time and trucking logistics: the Lean learning enterprise | |
| Chiká et al. | Analysis of a logistics flow int the light of VSM 4.0: a case study of in a Distribution Center (DC) in Brazil | |
| JP7364280B1 (en) | Information processing device, information processing method, and program | |
| Lee et al. | Simulation of a base stock inventory management system integrated with transportation strategies of a logistic network | |
| CN112613807B (en) | Optimization method for finished cigarette delivery scheduling | |
| Schönsleben | Order Release and Control | |
| Stadtler et al. | SAP® APO-Module Matrix and General Principles | |
| Melton | Truckload freight transportation utilizing relay points to improve the driving job | |
| JP3926751B2 (en) | Delivery planning system and program for causing computer to execute the same | |
| Kivioja | Outbound Freight Cost Structure and Profitability Analysis | |
| Eil | The Impact of Order Characteristics Uncertainty on Different Configurations of the Outbound Logistics of a 3PL Warehouse | |
| Jarašūnienė et al. | Investigating Problem Issues in Customer Service Using Combined Transport | |
| Greasley et al. | Case Study: A Simulation of a “Last Mile” Logistics System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20220509 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220613 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230630 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240425 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240515 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240614 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240904 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240925 |