論文の概要: SPORD: A Simulation-Propose-then-OR-Dispose Approach for Supply Chain Planning

• arxiv url: http://arxiv.org/abs/2607.21354v1
• Date: Thu, 23 Jul 2026 14:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.431608
• Title: SPORD: A Simulation-Propose-then-OR-Dispose Approach for Supply Chain Planning
• Title（参考訳）: SPORD:サプライチェーン計画のためのシミュレーション-プロポーション-then-OR-disposeアプローチ
• Abstract要約: eコマース企業のサプライチェーンプランニングは、独立したプロジェクトのコレクションとして運用されている。 我々は、JD.comのNetSimプラットフォームとしてデプロイされたSimulation-Propose-then-OR-Dispose法を提案し、実装する。
• 参考スコア（独自算出の注目度）: 5.862021250173885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For years, supply chain planning at e-commerce firms has operated as a collection of isolated projects. Each planning task from static network planning to dynamic warehouse assortment planning requires analysts to spend weeks building models from scratch, calibrating and persuading executives to act on outputs they cannot verify. Three barriers drive this: bespoke models proliferate because standardization is difficult (operational fragmentation); once unified, the combinatorial scale of millions of SKUs, thousands of nodes, and intricate routing logic exceeds what solvers can handle within a tight window (computational intractability); and a mathematically optimal solution still fails to be implemented if the executives do not trust it (implementation hurdle). To bridge this gap, we propose and implement the Simulation-Propose-then-OR-Dispose method, deployed as JD.com's NetSim platform. The central insight is decoupling: simulation proposes by generating and evaluating the full set of operationally valid candidate paths-absorbing all idiosyncratic business logic, while an integer program disposes by selecting the globally optimal subset. Computationally, matrix-vectorized CPU/GPU accelerated simulation achieves a 10-100 times speedup over serial methods, and a list scheduling algorithm reduces coupled-order processing from hours to minutes. Operationally, we establish a closed loop via an intelligent diagnosis engine. Since 2025, NetSim has optimized end to-end services for over 20,000 suppliers, the cross-regional fulfillment rate dropped from 6.1% to 4.9%, and the average monthly carbon reduction is approximately 5,745 tCO2e. SPORD moves simulation from monitoring to active planning. The transparent outputs turn skeptical executives into engaged collaborators, and the modular architecture ensures that the next planning requires just configuration, not reconstruction.
• Abstract（参考訳）: 長年にわたり、電子商取引会社のサプライチェーンプランニングは独立したプロジェクトの集合体として運営されてきた。 静的ネットワークプランニングから動的ウェアハウスアソシエーションプランニングまで、各プランニングタスクでは、アナリストがスクラッチからモデルの構築に数週間を費やして、検証できないアウトプットに対して幹部を調整し、説得する必要がある。 標準化が難しい(操作の断片化)こと、統一されると、数百万のSKU、数千のノード、複雑なルーティングロジックの組合せスケールが、タイトなウィンドウ(計算の難易度)内で処理できる解数を超えること、そして経営陣がそれを信用していない場合(実装のハードル)、数学的に最適な解決策が実装されないこと(実装のハードル)である。 このギャップを埋めるために、JD.comのNetSimプラットフォームとしてデプロイされるSimulation-Propose-then-OR-Dispose法を提案し、実装する。 シミュレーションは、すべての慣用的ビジネスロジックを吸収する運用上有効な候補パスの完全なセットを生成して評価することで提案される。 行列ベクトルCPU/GPU高速化シミュレーションはシリアル法よりも10～100倍の高速化を実現し、リストスケジューリングアルゴリズムは結合順序処理を数時間から数分に短縮する。 動作的には,インテリジェント診断エンジンを介して閉ループを確立する。 2025年以降、NetSimは2万以上のサプライヤーに対してエンドツーエンドのサービスを最適化し、地域間充足率は6.1%から4.9%に低下し、月平均炭素削減量は5,745 tCO2eである。 SPORDはシミュレーションをモニタリングからアクティブプランニングに移行する。 透過的なアウトプットは懐疑的な幹部を積極的に協力者にし、モジュラーアーキテクチャは次の計画が再構築ではなく単に構成を必要とすることを保証します。

関連論文リスト

• LLM-Guided Heuristic Design from Simulation Traces: A Case Study in Dynamic Production and AGV Scheduling [10.289256706393084]
  シミュレーションベースの最適化(SBO)は、動的に実行可能なポリシーを評価する。 ほとんどのメソッドは、シミュレータをブラックボックスとして扱う。なぜ失敗したのか、どのポリシーロジックを変更するべきかを明らかにすることなく、ランキング候補を集計する。 LLM誘導設計フレームワークについて,繰り返しシミュレーションによる選択と事象レベルのトレースを用いて診断を行う。
  論文  参考訳（メタデータ） (2026-08-10T09:20:56Z)
• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• Learning Optimization Proxies for Sequential Contextual Stochastic Programs: An Order Fulfillment Application [12.486418828615077]
  逐次的文脈プログラムは、各時間が不確実な動作にコミットするリアルタイム決定システムをモデル化する。 オフザシェルフ最適化は高い意思決定品質をオフラインで達成するが、通常インスタンス毎に秒から数分で実行される。 本稿では,学習に基づく最適化プロキシを開発する。解決器生成ラベルをオフラインでトレーニングしたシナリオ埋め込みニューラルネットワークと,実現可能性を実現するデコーダとをオンラインでペアリングする。
  論文  参考訳（メタデータ） (2026-06-24T03:45:52Z)
• Frontier: Towards Comprehensive and Accurate LLM Inference Simulation [15.58999342618182]
  本稿では,現代のLLM推論サービスのための離散イベントシミュレータであるFrontierを紹介する。 これは、コロケーション、プリフィル・デコード・デアグリゲーション(PDD)、アテンション・FFN・デアグリゲーション(AFD)をモデル化することで、現代のサービスシステムの構造ダイナミクスを捉える。 16-H800 GPUテストベッドでは、Frontierは4%未満の平均エラーを達成した。最先端のシミュレータと比較すると、コロケーション時のエンドツーエンドのレイテンシエラーは44.9%から6.4%に減少し、デアグリゲーション時の52.6%に低下する。
  論文  参考訳（メタデータ） (2026-05-20T15:40:18Z)
• Beyond Test-Time Training: Learning to Reason via Hardware-Efficient Optimal Control [86.63490309209378]
  我々は、最適制御として推論を定式化し、推論時に潜在状態に対して有限水平LQR計画を行うテスト時間制御層を導入する。 アーキテクチャ層として最適制御を組み込むことは、テスト時間トレーニングを超えた推論のための効果的でスケーラブルなメカニズムを提供することを実証する。
  論文  参考訳（メタデータ） (2026-03-10T05:42:13Z)
• Agentic LLM Planning via Step-Wise PDDL Simulation: An Empirical Characterisation [1.2832858109291982]
  大型言語モデル(LLM)は、古典的なシンボリックな手法と共に実行可能なプランナーとして機能する。 本稿では,オープンソースの計画ドメイン定義言語(PDDL)シミュレーションエンジンであるPyPDDLEngineを紹介する。 102国際計画コンペティション(IPC)Blocksworldインスタンスに対して,一様180秒の予算で4つのアプローチを評価する。
  論文  参考訳（メタデータ） (2026-03-06T09:16:49Z)
• Para-B&B: Load-Balanced Deterministic Parallelization of Solving MIP [50.917107318582715]
  MIP(Mixed-integer Programming)は、連続型と整数型の両方の決定変数を組み込むことで線形プログラミングを拡張する。 本稿では,高性能MIPソルバであるHiGHSに対して,決定論的並列分岐結合の完全なオープンソース実装を初めて提案する。 本手法では,ワーカスレッド間で完全なソルバ状態を複製することにより,厳密な決定性を保証する新しいデータ並列アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-02-10T14:17:53Z)
• Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
  従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。 この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
  論文  参考訳（メタデータ） (2025-10-16T17:28:25Z)
• Optimization-based Learning for Dynamic Load Planning in Trucking Service Networks [14.972807276002465]
  本稿では,フローと負荷計画の課題を共同で検討するアウトバウンド負荷計画問題(OLPP)について考察する。 本研究の目的は,ネットワーク上の端末で意思決定を行う計画立案者に対して,意思決定支援ツールを開発することである。
  論文  参考訳（メタデータ） (2023-07-08T21:28:20Z)
• A Memetic Algorithm with Reinforcement Learning for Sociotechnical Production Scheduling [0.0]
  本稿では、フレキシブルジョブショップスケジューリング問題(DRC-FJSSP)に深層強化学習(DRL)を適用したメメティックアルゴリズムを提案する。 産業における研究プロジェクトから、フレキシブルマシン、フレキシブルなヒューマンワーカー、作業能力、セットアップと処理操作、材料到着時間、材料製造の請求書の並列タスク、シーケンス依存のセットアップ時間、人間と機械のコラボレーションにおける(一部)自動化タスクを検討する必要性を認識します。
  論文  参考訳（メタデータ） (2022-12-21T11:24:32Z)
• Better than the Best: Gradient-based Improper Reinforcement Learning for Network Scheduling [60.48359567964899]
  パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。 我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
  論文  参考訳（メタデータ） (2021-05-01T10:18:34Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。