-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
数理システム 最適化メールマガジン
https://www.msi.co.jp/solution/nuopt/top.html
2025 Vol.3 ( 2025 年 5 月 30 日 発行 )
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
数理システム 最適化メールマガジンでは，数理最適化パッケージ
Nuorium Optimizer をはじめとして，最適化に関する様々な情報や
ご案内を提供していきます．
++++ [目次] ++++++++++++++++++++++++++++++++++++++++++++++++++++++
■ <トピック> Nuorium Optimization Day 2025 開催予告
■ <トピック> Excel アドインに対応した PySIMPLE の記述方法について
■ < tips > 使ってみよう PySIMPLE（第 36 回）
■ <トピック> セミナー開催報告「計画業務はこうやって最適化する！」
■ <セミナー> 無料オンラインセミナーのご案内
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
******************************************************************
■ <トピック> Nuorium Optimization Day 2025 開催予告
******************************************************************
NTT データ数理システムでは，数理最適化パッケージの製品名に含まれる
「Nuorium」を冠したイベント Nuorium Optimization Day を毎年開催
しています．
本イベントでは，数理最適化技術を中心に，適用事例や最新技術，
将来動向などを弊社主導で発信しています．
近年，生成 AI の進化は目覚ましいものがありますが，すべての AI 技術が
代替されるわけではありません．適材適所での使い分けや，複合的な活用が
ますます重要になっています．
特に，AI に対する信頼性や要素技術への関心が高まる中，これから
数理最適化に取り組みたい企業や，数理最適化が得意とする業務領域で DX を
推進したいと考える企業が増えてきました．
そうした皆さまに向けて，特別イベント Nuorium Optimization Day 2025 を
開催いたします．詳細は後日公開予定のイベントページにてご案内いたし
ますが，本メルマガをご覧の皆さまには，ぜひ以下の日程を確保いただけ
ますと幸いです．
日時：2025 年 7 月 28 日（月）
場所：コモレ四谷 タワーコンファレンス
※日時および会場は予告なく変更となる場合がございます．あらかじめ
ご了承ください．
参考：過去のイベント Nuorium Optimization Day 2024
https://www.msiism.jp/event/nuorium-optimization-day2024.html
（石橋 保身）
******************************************************************
■ <トピック> Excel アドインに対応した PySIMPLE の記述方法について
******************************************************************
前回のメールマガジンで，Nuorium Optimizer V27 において
Excel アドインの対応言語に PySIMPLE が加わったことをご紹介しました．
Excel アドインを用いると，ユーザは直感的に Excel のデータを最適化
モデルの入力にすることができ，また最適化結果も Excel 上に表示する
ことができます．
Excel アドイン向けに PySIMPLE モデルを記述するには，少しコツが
必要です．本記事では，そのポイントを一つずつご紹介します．
- [1] pysimplex.ext モジュールのインポート
- [2] 添字および定数の受け取り
- [3] 変数の登録
# [1] pysimplex.ext モジュールのインポート
Excel アドインで使う際は，まず以下の記述が必要となります．
------------------------------------------------------------------
from pysimple.ext import excel
------------------------------------------------------------------
# [2] 添字および定数の受け取り
添字（Element）および定数（Parameter）は先ほどの excel モジュールを
通して，Excel からデータを受け取ります．
例えば次のように記述すると，Excel アドイン側で設定された「仕事」と
いうデータを PySIMPLE モデル側で受け取ることができます．
------------------------------------------------------------------
j = Element(dim=1, value=excel['仕事'])
------------------------------------------------------------------
なお，Parameter でも同様の書き方になります．
# [3] 変数の登録
変数（Variable）も登録が可能です．この登録をすると，Excel アドイン
側に最適化計算結果の反映が可能です．
以下は Variable の登録例で，「割り当て」という名前で excel 側に
変数（BinaryVariable）の値を渡しています．
------------------------------------------------------------------
excel['割り当て'] = x = BinaryVariable(index=(j,p))
------------------------------------------------------------------
なお，上のように「変数の宣言」と「excel への登録」は一行で書く必要が
あります．以下のような記述は誤りですので，気をつけてください．
------------------------------------------------------------------
x= BinaryVariable(index=(j,p))
excel['割り当て'] = x
------------------------------------------------------------------
いかがでしたでしょうか？本来の PySIMPLE より少しだけ違う部分はあり
ますが，慣れればそれほど難しくはないと思います．
ぜひ便利な Excel アドインを利用してください！
本記事の内容については，Excel アドインマニュアルや，今回の
「使ってみよう PySIMPLE」の記事もご参考ください．
参考：Excel アドインマニュアル 3.1.1. PySIMPLE
https://www.msi.co.jp/solution/nuopt/docs/excel/articles/model-write.html#pysimple
（藤井 浩一・村山 昇）
******************************************************************
■ < tips > 使ってみよう PySIMPLE（第 36 回）
******************************************************************
このコーナーでは，Nuorium Optimizer の Python インターフェース
PySIMPLE のエッセンスを紹介していきます．
3 月にリリースされた V27 では幾つもの機能追加がされました．
Nuorium Optimizer には Excel 上で最適化モデルの入出力を行うことが
できる Excel アドインが付属しておりますが，V27 では PySIMPLE と
連携できるようになりました．今回はこの使い方について紹介します．
次の例は通常の PySIMPLE の最適化モデルです．
------------------------------------------------------------------
from pysimple import Element, Parameter, Variable
# 添字
i = Element(value=data.c.keys()) # 市販の合金
j = Element(value=data.b.keys()) # 構成金属
# パラメータ
r = Parameter(index=(i,j), value=data.r, name='構成比率')
c = Parameter(index=i, value=data.c, name='コスト')
b = Parameter(index=j, value=data.b, name='目標比率')
------------------------------------------------------------------
ここで data には必要な入力データが辞書形式で格納されています．
------------------------------------------------------------------
class data:
r = {(1, 'Lead'): 0.2, (1, 'Zinc'): 0.3, (1, 'Tin'): 0.5, ...}
c = {1: 7.3, 2: 6.9, ...}
b = {'Lead': 0.3, 'Zinc': 0.3, 'Tin': 0.4}
------------------------------------------------------------------
このモデルを Excel アドインと連携するには Excel 側の設定に加え，
以下のように書き換えます．
------------------------------------------------------------------
from pysimple import Element, Parameter, Variable
from pysimple.ext import excel
# 添字
i = Element(dim=1, value=excel['コスト'].keys()) # 市販の合金
j = Element(dim=1, value=excel['目標比率'].keys()) # 構成金属
# パラメータ
r = Parameter(index=(i,j), value=excel['構成比率'])
c = Parameter(index=i, value=excel['コスト'])
b = Parameter(index=j, value=excel['目標比率'])
------------------------------------------------------------------
excel オブジェクトは Excel からの入力データを保持しており，Excel で
設定した名前を指定することで，そのデータを取得できます．
また，Element や Parameter の name 属性は Excel での名前と独立なので
Excel で設定した名前と異なる文字列を指定することも可能です．
次に，求解後に変数の値を Excel 側に渡すには Excel 側の設定に加え，
以下のように書き換えます．
------------------------------------------------------------------
# 変数
x = Variable(index=i, lb=0, name='混合比率')
------------------------------------------------------------------
↓
------------------------------------------------------------------
# 変数
excel['混合比率'] = x = Variable(index=i, lb=0)
------------------------------------------------------------------
これで Excel 上でデータの入出力を行うことができるようになりました．
求解は Excel 上から実行することができます．
いかがでしたでしょうか．
Excel 上での設定は C++SIMPLE 版と同じなので，C++SIMPLE 版の Excel
アドインを使ったことがある方はスムーズに利用できます．
V27 では他にも新機能が加わったり，動作環境の追加も行われていますので
確認してみてください．
Nuorium Optimizer Excelアドインマニュアル 3.1.1. PySIMPLE:
https://www.msi.co.jp/solution/nuopt/docs/excel/articles/model-write.html#pysimple
今回扱った例題集の配合問題はこちら:
https://www.msi.co.jp/solution/nuopt/docs/pysimple/_modules/sample/reidaishu.html#p2010_mixture
PySIMPLE の更新履歴はこちら:
https://www.msi.co.jp/solution/nuopt/docs/pysimple/changelog.html
（池田 悠）
******************************************************************
■ <トピック> セミナー開催報告「計画業務はこうやって最適化する！」
******************************************************************
4 月 21 日に計画業務をテーマにしたセミナーをオンラインと対面で実施
しました．当日は多くのお客様にご参加いただき，ご好評をいただきました．
今回はセミナーの内容を一部ご紹介いたします．
計画業務とは，リソースを最大限に活用し，業務の効率化やコスト削減，
顧客満足度向上を目指すプロセスのことです．業務のアウトプットとして
何かしらの「計画」が得られ，その計画をもとに多くの人や物が動きます．
SCM を専門にする部署であれば馴染みの深い業務ですが，SCM 以外でも
このような計画の策定・立案を行う業務は様々にあります．
計画業務の中でよくある悩みとして次のようなものがあります．
・属人化：業務が特定の人の勘や経験に依存している
・手作業の限界：計画業務に多くの時間を費やしている
・全体最適の難しさ：部門間での調整が必要となり，複雑で手間もかかる
こうした課題を瞬時に解決する魔法のようなツールはまだ現代には
ありませんが， 数理最適化がその一翼を担うことは可能です．
というのも，数理最適化は日本では 「数理計画法」と呼ばれていました．
オペレーションズリサーチの一部であり， 計画業務で必要となる
「限られたリソースで目的を達成する計画を立てる」 ことを得意と
しています．
本セミナーでは計画業務の課題とそれを解決する数理最適化に焦点を
当て， 実際の事例を交えて解決方法を提示しました．
特にセミナーに参加された方からは課題解決に向けた進め方やその期間に
関する話についてご好評をいただきました．
次回の開催日は未定ですが，開催日が決まりましたらセミナーページや
メルマガでご案内いたします．本セミナー以外にも個性的なセミナーが
あります．この機会にぜひご参加ください．
参考：セミナーページ
https://www.msiism.jp/event/
（石橋 保身）
******************************************************************
■ <セミナー> 無料オンラインセミナーのご案内
******************************************************************
6 月までに開催する無料のオンラインセミナーをご紹介します．
エネルギーや物流に関して，課題に特化したセミナーを実施いたします．
ご興味のあるセミナーございましたら詳細をご確認いただき，
是非セミナーにご参加いただけますと幸いです．
物流セミナーは開催まで時間がないため，参加ご検討の方はお早めに
お申し込みください．
[ 物流クライシスを解決 輸送業務の最適化セミナー ]
2025 年 6 月 5 日（木）13:30～15:30
詳細とお申込み :
https://www.msiism.jp/event/nuopt-logistics.html
[ エネルギーマネジメント最適化セミナー ]
2025 年 6 月 20 日（金）13:30～15:30
詳細とお申込み
https://www.msiism.jp/event/nuopt-energy-management.html
（石橋 保身）
==================================================================
