はてなブックマーク

ビックデータとアナリティクス 近年の計算機に保管されているデータ量の増大は凄まじく，計算機の速度の増加を予測したMooreの法則を大きく上回っている．サプライ・チェインにおいても同様であり，関連データの増大に伴い，ビッグデータに対応したサプライ・チェイン最適化が必要になってきている． ここでは，このようなビッグデータ時代のサプライ・チェイン最適化について概観していく． ビッグデータの定義 ビッグデータの定義には様々なものがあるが，その特徴は，以下のようにまとめられる． 名前の通りサイズが大きい (volume)．たとえば，2008年の段階でGoogleは1日に20ペタバイトのデータの処理を行っており， 2020年には全世界でのデータ保管量は35ゼタバイトになると予測されていた（実際には59ゼタバイトを超えていた）． ちなみに，ペタはテラの1000倍で，その上（さらに1000倍ずつ）が順にエ

はじめに 本書は，筆者が長年書き溜めた様々な実務的な最適化問題についてまとめたものである． 本書は，Jupyter Laboで記述されたものを自動的に変換したものであり，以下のサポートページで公開している． コードも一部公開しているが，ソースコードを保管した Github 自体はプライベートである． 本を購入した人は，サポートページで公開していないプログラムを 圧縮ファイル でダウンロードすることができる． ダウンロードしたファイルの解凍パスワードは<本に記述>である． 作者のページ My HP 本書のサポートページ Support Page 出版社のページ Pythonによる実務で役立つ最適化問題100+ (1) ―グラフ理論と組合せ最適化への招待― Pythonによる実務で役立つ最適化問題100+ (2) ―割当・施設配置・在庫最適化・巡回セールスマン― Pythonによる実務で役立つ