これまで統計解析やデータマイニングによってメディア・顧客間の感度分析は ある程度できていた。具体的にどのタイミングにどのようなアクションをするか はシミュレーションやときには俗人的な感にたよって実施してきた。最適化を 導入することによって、よりよい戦略を導くことができた。

工場の生産計画は需要予測のブレや機械のトラブルといった様々な要因を考慮する 必要があり、常に余剰在庫を抱えていたのが現状であった。最適化を導入すること によって、多少のブレを許容できるロバストな生産計画を導くことが出来たため、 営業倉庫の費用等を 30 % 以上カットすることができた。

価格競争の波の中であらゆるところにメスを入れる必要が出てきた。 輸送費用はこれまで線形計画問題を用いて最適化シミュレーションを 行って来たのでこれ以上コストカットは難しいと考えてきたが、倉庫の 容量や輸送手段の選択肢を増やすことを新たに変数として加えることに よって更なるコストカットを実現することができた。

24 時間体制で工場を稼動し続けるため、社員のシフトは月毎に決定している。 シフト作成を担当するのは各部署のリーダーになるが、人員に より担当できる機械やスキルに差があったり、各人の休暇希望日を考慮したり と、月に一度長時間それに多大な時間を費やしていた。最適化ソリューションを 導入することで、ほぼそのまま使える勤務表を瞬時に作成することが出来るよう になったので、担当者の負荷は大きく軽減された。

CO2 の削減及び環境コストの低減が各企業に求められる昨今において、コストと環境負荷 を共に満足するような答えを捻出する必要性が高まっている。最適化ソリューションはそれを かなえることができるツールであった。

全ての機械を自動運転していたが、取り扱う製品の数・需要の増加によって これまでの運転計画作成ロジックでは上手く計画を作成できない恐れが出てきた。 化学反応を伴うプロセス部分では非線形性が強く出てしまうのもその要因の一つだ。 非線形最適化問題も得意とする Numerical Optimizer を導入したことによって、現在でも自動運転 を安定して続けることが出来ている。

お客様からお電話で問い合わせを頂いた際に、その頂いた電話の中でシミュレーションを 行い返答するという必要があり、これまで利用していたツールは結果が出るまでに 3 分程かかっていた。その間話を長引かせて間を持たせるのに必死だったが、Numerical Optimizer を 導入して 30 秒程で答えが出揃うようになったので、大分精神的に楽になった。

自身でアルゴリズムの開発を行っているが、古典的なもの（単体法や内点法）に関しては 当然一から開発の必要はなく既存のものを使えば十分である。特に Numerical Optimizer を選んだ理由は C++ の関数からコール出来たり、DLL 化できたりとソフトウェアとして小回りが利くように 成っている点が大きい。