意思決定デザインフレームワークによる数理最適化社会実装ことはじめ（後編）
紹介文
今回はAnnealing Cloud Webの発信に賛同してくださっている日立コンサルティングの平井さんより、数理最適化技術の社会実装を進めるための手法についてご紹介いただくことになりました。
課題整理や要件定義を進めるときのヒントにあふれたコンテンツとなっておりますので、何から始めればよいか？何をどうやって言語化すればよいか？迷っている方はぜひご一読ください。
平井 伸幸
2017年日立コンサルティングに入社。機械学習や数理最適化の社会適用PoC・要件定義をはじめとしたデータアナリティクス系案件に多数従事。その知見を活かし、最適化技術の社会適用・活用推進を目的とした社内教育や日立グループの教育コンテンツ作成などの活動にも携わる。
また大学時代にデザインを専攻した経験を活かし、最適化システムのUI・UXデザインや社内でのデザイン勉強会にも取り組む。
はじめに
みなさんこんにちは、日立コンサルティングの平井です。
本コラムでは、人間の認知を最適化問題（イシュー）として捉え、イシューに対してCMOSアニーリングを含む最適化技術の適用を進めていくための入り口となるノウハウについて説明しています。
前編では、身近な意思決定の場面を題材に、弊社内で活用している意思決定デザインフレームワーク（FW）を使った認知のイシュー化手法についてご紹介しました。
後編では、意思決定デザインFWを使う際のコツや、身近なイシューと巨大なビジネスイシューとの共通性、最適化技術のビジネスユースケース発見のヒントについて論じたいと思います。
また、本コラムをよりビジネス寄りの観点で説明したコラムを別サイトに掲載しておりますので、そちらもご覧いただけますと幸いです。
忙しい方のための論旨まとめ
意思決定デザインFWを使うときのコツ
ここでは、前回説明した意思決定デザインFWを使ったイシュー可視化のコツを3つご紹介します。
1つ目は、「イシューの骨格は先に、輪郭は後から定義する」ということです。
上記の順番は常に絶対ではありませんが、私の経験上、価値やアクションといったイシューの骨格となるエレメントを先に定義し、そのうえでアクションを縛るイシューの輪郭であるルール・前提条件と参照情報・データを定義するほうが筋のいいイシュー可視化ができます。
2つ目は「常識のパワーを働かせる」ということです。
前編にて説明した「お湯を沸かした後でないと麺をゆでることはできない」というルールは、一見当たり前に思えます。しかし、「ゆでる」が材料をお湯の中に入れて火を通す調理法であることがわからなければ、そのルールを見出すことはできません。人間の頭の中には暗黙のルールや前提が多く存在します。それらが明文化されていなければイシューの質が、従って解の質も不完全となり「犬の道」に堕してしまいます。
そこで大切になるのがみなさんの常識です。図2-1のように、常識のパワーを働かせながら発想を連鎖させ、FWに記載する事柄を1つずつ浮かび上がらせていくことがイシューの可視化に非常に有効なアプローチになります。
画像はクリックすると拡大します
3つ目は「イシューを分割する」ということです。
例えばSCM計画最適化という大きなイシューを考えると、大抵は現在のコンピュータ技術では解けない問題サイズになってしまうのですが、SCM計画の中には多くのサブイシューが存在します（図2-2参照）。それらサブイシューを1つ1つの作業レベルまで分割することで、イシューと実際の作業イメージが頭の中でリンクし、かつ現実に解くことができるサイズのイシューにすることができます。また、サブイシュー間の関係性をルールとして定義できれば、複数のイシューを1つのイシューとして定義し解くことも可能です。
画像はクリックすると拡大します
「困難なことはすべて、扱うことができ、解決が必要な部分へと分割せよ。」というデカルトの言は、最適化技術の社会実装においても真理なのです。
身近なイシューとビジネスイシューとの共通性について
本コラムでは、身近なイシューを題材に論を進めてきましたが、ここではこれらのイシューと〇〇計画と呼ばれるようなビジネスイシューとの共通性について論じたいと思います。
まず材料調達の事例ですが、これは図2-3aのように物流における車両の配送計画最適化と同じイシューの形になります。このような複数地点を一筆書きで巡るようなイシューは、数理最適化の世界では巡回セールスマン問題と呼ばれ、数理最適化の典型的な問題の1つとされています。
また調理の事例は、生産計画などのスケジューリング計画と同じ形のイシューになります。（図2-3b参照）コンロやまな板を製造装置、それぞれの作業を各装置で処理するオーダーに置き換えると、ペペロンチーノ調理最適化モデルは生産の時間効率を高める生産計画最適化モデルに生まれ変わります。こうした問題はジョブショップスケジューリング問題と呼ばれ、こちらも数理最適化の世界では典型的な問題の1つとされます。
画像はクリックすると拡大します
上の2つの問題のイシューの形は図2-4のようになります。ここでそれぞれのイシューのアクションに注目すると、材料調達と配送計画、調理と生産計画のアクションの形が同じであることがわかります。このようにイシューにはいくつかの型があるので、はじめは身近なイシューを通じて理解を深め、少しずつビジネスイシューへの適応力を養うことが数理最適化の学習には肝要です。
画像はクリックすると拡大します
意思決定デザインで人間の認知を解釈する
ここでは少し表現を変えて、上記の事例のような人間の認知プロセスに意思決定デザインFWの4エレメントを配置してみましょう。図2-5をご覧ください。五感や学習を通し外部からの情報やルールが脳にインプットされ、脳の中にすでに存在する情報やルールと統合し状況を理解、自身の世界観や価値観に照らし合わせ意思決定がなされ、アクションが取られます。このようにして見ると、我々は常に無意識に最適化を繰り返しながら生きており、Cognition = Optimization、すなわち人間の認知とは最適化であることが実感できると思います。
画像はクリックすると拡大します
こうした自身の認知を客観的に捉えることを「メタ認知」と呼ぶそうですが、意思決定デザインFWを通してイシューを可視化し、自身の認知を認知することから、最適化技術の社会実装が始まるのです。
OODAサイクル：デジタルツインと意思決定デザイン
次にお見せする図2-6は、ジョン・ボイドという米軍人の方が考案したとされるOODAサイクルに対し、サイクルの各象限に対応するテクノロジーと意思決定デザインFWの4エレメントをプロットしたものになります。
画像はクリックすると拡大します
状況が高速で変化する空戦における戦闘機パイロットの思考パターンを整理したこのサイクルは、実はデジタルツインやCPS（Cyber Physical System）といった概念と密接に関わっています。つまり、左象限=目に見えるフィジカル空間、右象限=目に見えない認知・サイバー空間であり、フィジカル空間から取得されたデータをサイバー空間にインプット（Observe）、サイバー空間上にモデル化されたイシューの状況を理解し意思決定（OrientおよびDecide）を行い、フィジカル空間に適切なフィードバック（Act）を与えます。
OODAサイクルにおける最適化技術はOrientおよびDecide象限を担うテクノロジーであり、意思決定デザインは認知空間のイシューをサイバー空間のイシューとしてデザインするための手法と言えます。現代のプロダクトやサービスはさまざまなテクノロジーの組合せで成り立っていますが、OODAサイクルを回せるように組み合せると、デジタルツイン・CPSの有望なユースケースを生み出せるかもしれません。
おわりに
いかがだったでしょうか？本コラムでは、前後編を通して人間の認知を最適化問題（イシュー）として捉え、イシューに対してCMOSアニーリングを含む最適化技術の適用を進めていくための入り口となるノウハウについて説明しました。
私は、みなさんが意思決定デザインFWを使い最適化ユースケースとしてのイシューを発見・可視化し、最適化技術の社会実装の第一歩を踏み出していただけることを願っています。
また、今後も意思決定と最適化に関わる情報をお届けしたいと思いますので、時折本サイトをチェックしていただけますと幸いです。
ここまでお読みいただきありがとうございました、またお会いしましょう。
