オペレーションズ・リサーチ｜数理で最適な意思決定を導く科学的手法

オペレーションズ・リサーチ

オペレーションズ・リサーチ（Operations Research、略称OR）は、限られた資源をどう配分すれば目的を最もよく達成できるかを、数理モデルと計算によって導き出す学問分野である。生産計画、輸送経路、在庫管理、設備投資など、意思決定を伴う問題を数式に置き換え、最適解あるいは十分に良い解を求める。日本では1957年に日本オペレーションズ・リサーチ学会が設立され、製造業や物流業を中心に応用が広がった。

軍事作戦から生まれた歴史

起源は第二次世界大戦前夜のイギリスにある。1937年前後、レーダー網をどこに配置し、迎撃機をどう運用すれば効果が最大になるかを科学者チームが分析した。これが「作戦（operation）の研究（research）」という名称の由来となった。アメリカでも対潜水艦作戦や船団護衛の分析に物理学者や数学者が動員され、護衛艦の数と船団規模の関係などが定量的に検証されている。戦後、この手法は民間企業へ移り、1950年代には石油精製の配合計画や鉄鋼業の生産計画に使われ始めた。

線形計画法とシンプレックス法

ORの中核といえるのが線形計画法である。1947年、アメリカの数学者ジョージ・ダンツィクがシンプレックス法を考案し、目的関数と制約条件がすべて一次式で表される問題を効率よく解けるようになった。たとえば2種類の製品の利益をそれぞれ3万円、5万円とし、利益最大化を目指す場合、目的関数は「最大化 3x₁ + 5x₂」のように書ける。ここに機械の稼働時間や原材料の上限といった制約式を加えていく。1984年にはナレンドラ・カーマーカーが内点法を発表し、大規模問題の計算速度が大幅に向上した。

整数計画法

トラックの台数や工場の建設数のように、答えが整数でなければ意味をなさない問題も多い。これを扱うのが整数計画法である。分枝限定法などで解くが、変数が数千を超えると計算時間が急激に伸びるため、実務では近似解で妥協する場面も少なくない。

代表的な手法の比較

ORには多くの手法があり、問題の性質によって使い分ける。主なものを整理すると次のとおりになる。

待ち行列と在庫の数理

待ち行列理論で有名なのが、1961年にジョン・リトルが証明した「リトルの法則」である。系内の平均滞在数をL、平均到着率をλ、平均滞在時間をWとすると、L = λ × W が成り立つ。工場に置き換えれば、仕掛品の量はスループットとリードタイムの積に等しいという意味になる。仕掛品を減らせばリードタイムが短くなる、というトヨタ生産方式の考え方とも整合する。

在庫の分野では、1913年にフォード・ハリスが示した経済的発注量（EOQ）の式が今も教科書に載っている。年間需要量をD、1回あたりの発注費用をS、単位あたりの年間保管費用をHとすると、EOQ = √(2DS / H) で求められる。発注費と保管費のバランス点を示す単純な式であるが、需要が安定している消耗品や汎用部品では十分に役立つ。

製造業における活用場面

製造業でORが使われる場面は幅広い。代表的な例を挙げる。

• 複数工場間での生産品目の割り当て
• 配送拠点の配置と配送計画（巡回セールスマン問題の応用）
• 設備保全の周期決定と予防保全計画
• 鋼板や木材の切断パターン最適化による歩留まり向上
• サプライチェーン全体の在庫配置

なかでも切断パターン問題は効果が見えやすい。板材から部品を切り出す配置を最適化するだけで、材料ロスが数%減ることもあり、材料費の比率が高い板金加工業では利益に直結する。用語の定義面では、生産管理に関する用語をまとめたJIS Z 8141が参照されることが多く、OR手法を社内標準に組み込む際の共通言語として使われている。

導入時に現場で直面すること

理論と実務の間には溝がある。中小規模の工場では、まずExcelのソルバー機能から試すケースが多いが、標準のソルバーは決定変数が200個までという制限があり、品目数や工程数が増えるとすぐに上限に達する。そこで商用ソルバーへの移行を検討することになるが、大規模問題向けの製品はライセンス費用が年間数百万円規模に及ぶ場合もある。一方でオープンソースのソルバーも性能が向上しており、問題規模が中程度であれば十分に実用になる。

もっと厄介なのはデータの問題である。段取り時間や不良率が現場の感覚値でしか把握されていないと、どれほど精緻なモデルを組んでも結果は信用されない。経験上、ORプロジェクトの工数の半分以上はデータ収集と整備に費やされる。モデルが出した答えを現場の班長が「この順番では治具が足りない」と一蹴することも珍しくなく、暗黙の制約条件を聞き出す作業こそが成否を分ける。

隣接分野との関係

オペレーションズ・リサーチは単独で完結する学問ではない。統計学から需要予測の手法を借り、ゲーム理論からは競合を含む意思決定の枠組みを取り入れてきた。近年は機械学習で予測した需要を最適化モデルの入力に使うなど、データ分析と数理最適化を組み合わせる流れが強まっている。品質管理やインダストリアル・エンジニアリングとも領域が重なり、IEが作業の測定と改善を担い、ORがその結果を全体最適の視点で組み立てる、という役割分担がよく見られる。