研究課題
基盤研究(C)
不確実性がかつてないほど高い昨今、平時の効率性だけでなく、有事でも生産能力を維持できる様に、サプライチェーンのレジリエンスを高めることは重要である。従来は自然災害の様な局所的範囲の途絶を想定していたが、コロナ禍では世界の様々な場所で同時多発的に途絶が発生した。この新しいリスクへの対応は、個々の要素が途絶する可能性だけでなく、その組合せも考慮する必要があり、容易ではない。本研究では、同時多発的な途絶が発生する状況にて、サプライチェーンのレジリエンスを高めるための意思決定ツールを開発する。機械学習と最適化を融合し、各途絶シナリオの影響と対策を高速に導出する方法を提案し、実データによる検証を行う。