注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。
リソースの割り当てと最適化
組織は毎日、どのようにリソースを割り当てるかを決定しており、それはどの製品を生産するか、投資回収率を最大化するために電気自動車充電ステーションのポートフォリオを割り当てること、または輸送費用を節約するために出荷を統合することなどです。
組織の運用現実をデジタルツインとして作成することで、Foundryは組織のデジタル表現を活用してリソース割り当ての意思決定を行い、最適化します。
ソリューション
リソースの割り当てと最適化とは、利用可能なリソースを特定の制約の下で特定の目的を最大化または最小化する方法で使用するタスクです。組織は、このような割り当てと最適化の問題に直面しています。
リソースの割り当てと最適化のワークフローでは、組織が関連するデータを収集、クリーニング、変換、モデル化して、最適な割り当ての意思決定ができるようにする必要があります。これは、新しい現実や変化する組織のダイナミクスに適応できない単一のデータソースの上で動作する専門ソフトウェアを通じて行われることが多いです。また、多数のスプレッドシートやデータベースにまたがる多数のデータソースを綿密に照らし合わせることもあります。これにより、
- アドホックで、リードタイムが長く、反応性のない割り当ての決定
- 不完全なデータによる最適でない意思決定
- 時間の経過とともに改善されないオープンループの意思決定：
- 決定の影響が測定されず、フォローアップされない
- モデリングの前提が検証されず、改善されない
Foundryを使用することで、組織は組織環境が進化するにつれて適応し、時間の経過とともに改善できるクローズドループの割り当て最適化ワークフローを作成することができます。これにより、繰り返し可能でタイムリーな意思決定が可能となり、完全なデータのビューが利用できるようになります。
キー要素
アイデアと探索
まず、主題専門家は最大化または最小化すべき目的関数を特定し、関連するダイナミクスを特定し、システムとその制約を定義します。ソースシステムから収集および統合する必要のある関連データが特定されます。これは、Contour や Quiver を使用してデータを詳細に調べ、何が可能かを理解する反復プロセスです。
関連する製品：
ダイナミックモデリングとシミュレーション
システムダイナミクス、目的関数、および制約は、Functions on Objects を通じて符号化されるか、Code Workbook で開発できるMLモデルを使用して観察から学習されます。これらのモデルは Foundry ML で管理され、Foundry エコシステムの主要コンポーネントと統合された機械学習、人工知能、統計、数学モデルを提供します。これにより、モデルを運用化し、時間の経過とともにパフォーマンスを監視できます。
電気自動車充電ステーションの割り当て のユースケースでは、地理データ、財務データ、および潜在的な充電ステーションのポートフォリオの特徴が組み合わされ、スコアが付けられます。
顧客はまた、Data Connection を介してこれらに接続することで、サードパーティのシミュレーションおよび最適化ツールを活用することもできます。
関連する製品：
シナリオ評価と最適化探索アプリケーション
シミュレートされた最適な割り当て、シナリオ候補、または「What-If」シナリオは、自動化された Transforms を通じて生成されます。最適な割り当てやシナリオの代替案は、Workshop または Slate アプリケーションで構築されたノーコードからローコードのアプリケーションで探索および評価することができます。
例えば、ロード利用改善のユースケースでは、ユーザーは出荷費用を節約するために出荷（トラック荷物）を統合する提案された機会が提示されます。ロードプランナーは、自分が責任を持つ出荷を含む潜在的な統合機会についてのオポチュニティダッシュボードを確認し、関連するステークホルダー（工場、顧客、運送業者など）に通知します。これらの機会は、追加の停止、再スケジュールされたピックアップ/配達のアポイントメント、および工場/顧客の制約を考慮に入れています。ロードプランナーは、オポチュニティを承認、拒否、統合、または再割り当てします。
意思決定が書き戻され、それぞれの決定が行われた状況とともに、予測された結果と実際の結果が時間の経過とともに比較され、評価されることを意味します。観察された新しいモデルのトレーニングや符号化されたダイナミクスの更新を通じて、モデルの精度が向上し、意思決定が改善されます。
関連する製品：
要件
使用されるパターンに関係なく、基礎となるデータ基盤は、外部ソースシステムへのパイプラインと同期から構築されます。
データ統合パイプライン
SQL、Python、Java などのさまざまな言語で記述されたデータ統合パイプラインは、データソースを主題オントロジーに統合するために使用されます。
Foundryは、FTP、JDBC、REST API、S3などの幅広いソースからデータを同期することができます。さまざまなソースからのデータ同期と、可能な限り最も完全な真実の源の作成は、最高の価値をもたらす意思決定を可能にするための鍵です。
このパターンを実装するユースケース
- 統合ロケーション最適化を通じたEV充電ポイントの収益性向上
- サプライチェーン全体のERPデータを使用した生産の最適化
- インテリジェントなメンテナンス優先順位付けによる鉄道の遅延の削減
- コンテナの出荷数を最適化してコンテナの利用率を向上
このユースケースパターンの詳細情報が欲しいですか？同様のことを実装したいですか？Palantirで始めましょう。