吹田市水道部様｜勤務表最適化
約9割勤務表作成時間を削減
2～3日程度 → 約2時間
1か月分の勤務表作成
制約を満たすだけでなく、人が確認しやすい出力まで設計
公休、祝日、育休、グループ会議日、分庁舎勤務、連続勤務、週起算日など、現場独自の条件を数理最適化モデルと計画ロジックに反映しました。
複雑な勤務条件を反映した勤務表を自動作成
週2公休不足や会議日振替などの確認箇所を一覧化
最終的には職員が確認・調整し、実務に即した勤務表として活用
数理最適化を中核としたAI最適化・計画DX
数理最適化で、
現場の判断を再現できる計画ロジックへ。
担当者の経験や勘に支えられてきた、勤務表、人員配置、作業計画、予算配分。TransRecogは、数理最適化をAI最適化の中核技術として、現場独自のルールと判断基準を整理し、条件を満たすだけでなく、評価軸に基づく「より望ましい計画」を導き出します。
課題やデータが整理されていない段階でもご相談いただけます。
MATHEMATICAL OPTIMIZATION FOR DECISION
現場に蓄積された判断例外・優先順位・暗黙の調整・評価基準
↓
計画ロジックとして形式知化守るべき条件と、より良くする評価軸を整理
↓
複数の計画案と判断材料再計算・比較・理由・不足要因まで可視化
計画表・勤務表
代替案の比較
確認箇所・理由
Excel帳票
約9割削減吹田市水道部様の勤務表作成時間
2～3日 → 約2時間1か月分の勤務表作成
本格導入自治体・公共インフラの現場業務
論文掲載数理最適化・多目的スケジューリング研究
The real problem
計画業務は、単なる表作成ではありません。
マニュアルには書かれていない例外、関係者への配慮、複数の評価軸。計画を作るたびに行われる判断こそが、業務の中核です。
ベテラン担当者しか知らない例外や調整方法があります。
条件を満たしていても、本当に望ましい計画か判断できません。
コスト、公平性、品質、納期などの評価軸が競合します。
欠員や需要変動のたびに、手作業で計画を作り直しています。
担当者の異動により、計画作成のノウハウが失われます。
計画が成立しないとき、何が不足しているか分かりません。
Our approach
数理最適化で、現場の知を実際に使える計画へ変換します。
現行のExcelや過去の計画表を起点に、担当者との対話と試算を繰り返します。AIが一方的に答えを決めるのではなく、人が判断しやすい計画案と根拠を提示します。
数理最適化とは、複数の制約条件を守りながら、コスト、公平性、作業負荷、納期などの評価指標を最も良くする組み合わせを数学的に探索する技術です。TransRecogでは、この数理最適化をAI最適化の根幹として活用します。
入力・整理
- 現在使用しているExcel・CSV
- 人員・設備・案件・予算などのデータ
- 必ず守るべきルール
- できるだけ満たしたい条件
- コスト・公平性・品質などの評価軸
→
AI最適化
中核技術：数理最適化
- 実行可能な組み合わせを探索
- 評価軸に基づく計画案を算出
- 条件変更時に再計算
- 複数案のトレードオフを比較
- 解がない場合の不足要因を特定
→
出力・判断
- 推奨する計画表・勤務表
- 比較可能な代替案
- 各案の評価値
- 人が確認すべき箇所と理由
- Excel帳票・確認用シート
数理最適化の仕組みや、AI・機械学習・生成AIとの違いについては、 「数理最適化とは？」の解説記事 で詳しく紹介しています。
Why TransRecog
計画作成の効率化だけで終わらせません。
数理最適化による計算だけでなく、計画の質、説明可能性、変更への対応力、ノウハウの継承までを一体として設計します。
01
暗黙知を計画ロジックに変える
現行の計画表をもとに試算と確認を繰り返し、担当者が無意識に行っている判断や例外処理を引き出します。
02
「より望ましい計画」を導く
制約違反がないだけでなく、コスト、公平性、負荷、納期、品質など、業務目的に沿った評価軸で計画を比較します。
03
トレードオフを数値で説明する
コストを優先した案、公平性を重視した案などを並べ、何を改善すると何が変わるかを関係者に説明できます。
04
変更時にすばやく再計算する
欠員、需要、予算、設備状況が変わっても、新しい条件で計画を再計算し、手作業による全面的な作り直しを減らします。
05
解がない理由を可視化する
計画を作れない場合も、どの期間、条件、人員、予算が不足しているのかを示し、次の判断につなげます。
06
現行Excelから小さく始める
大規模なシステム刷新を前提にせず、現在のExcelやCSVを活用した試算から開始し、段階的に対象を広げられます。
Human × Algorithm
人とアルゴリズムの役割を分け、意思決定を高度化します。
アルゴリズムが担うこと
- 膨大な組み合わせの探索
- ルールの一貫した適用
- 複数案と評価値の算出
- 条件変更後の再計算
- 不足要因・確認箇所の提示
人が担うこと
- 業務目的と評価軸の設定
- 例外や現場事情の判断
- 関係者との合意形成
- 提示された案の選択・調整
- 運用を通じたルールの改善
Before / After
計画業務を、属人的な作業から組織の仕組みへ。
BEFORE
Excelと経験に依存
- 一つの案を作るだけで精いっぱい
- 変更のたびに手作業で再調整
- 判断の理由が担当者の頭の中にある
- 計画できない原因が分からない
- 担当者交代時の引き継ぎが難しい
→
AFTER
再現・比較・改善できる計画へ
- 複数の計画案と評価値を比較
- 条件変更後に短時間で再計算
- 判断基準とルールを共有
- 不足要因と確認箇所を可視化
- 担当者が変わっても継続的に改善
Applications
制約が多く、判断が複雑な計画業務に対応します。
業界名ではなく、「何を、どの条件で、どう評価して決めるか」を整理できる業務が数理最適化の対象です。
勤務表・人員配置
必要人数、資格、公休、公平性、連続勤務、希望などを考慮した勤務表・配置計画。
作業・工程計画
作業順序、設備、人員、納期、規制枠、前後関係を考慮したスケジュール。
配車・割付・予算配分
車両、案件、施設、予算など限られた資源を、優先度やコストを踏まえて配分。
Implementation
現場との対話と試算を繰り返し、使える計画に近づけます。
課題整理
対象業務、現在の負担、導入目的、期待する効果を確認します。
現状把握
Excel、過去の計画、ルール文書、担当者の判断を確認します。
試算・可視化
計画ロジックを作り、実データで計画案と確認帳票を出力します。
現場評価
作成した案を見ながら、暗黙の制約や評価軸を追加・調整します。
導入・改善
運用に合わせて定着させ、条件変更や対象範囲の拡張に対応します。
FAQ
よくある質問
どのようなデータがあれば相談できますか。
現在使用しているExcelやCSV、過去の計画表、ルール文書などがあれば十分です。情報が整理されていなくても、ヒアリングと現行資料の確認から必要な項目を整理します。
現場ルールや例外が多くても対応できますか。
対応できます。必ず守る条件と、状況に応じて調整できる条件を分け、優先順位や評価方法を現場と確認しながら計画ロジックにします。
AI最適化と数理最適化は、どのような関係ですか。
TransRecogでは、複雑な条件の中から望ましい組み合わせを探索する数理最適化を、AI最適化の中核技術として位置づけています。機械学習による予測が必要な場合は予測結果を入力に利用できますが、計画案を算出する根幹は数理最適化です。
ChatGPTなどの生成AIとは、何が違いますか。
生成AIは、文章や画像の作成、要約、対話などを得意とします。一方、TransRecogのAI最適化は、人員数、勤務条件、予算、納期などのルールと、コスト、公平性、品質などの評価軸に基づき、数理最適化によって実行可能でより望ましい計画を探索します。条件を満たしているか、各案の評価値がどう違うかを確認でき、計画が成立しない場合は不足要因も可視化できます。生成AIをルール整理や説明の補助に使う場合はありますが、計画算出の根幹は数理最適化です。
AIが自動的にすべてを決めるのでしょうか。
いいえ。AI最適化は計画案、評価値、確認箇所、理由などを提示します。最終判断や例外対応は人が行う前提で、人とアルゴリズムの役割分担を設計します。
計画を作れない場合はどうなりますか。
どの期間、条件、人員、設備、予算などが原因になっているかを確認できるように設計します。必要に応じて、条件違反を最小限に抑えた代替案も提示します。
既存システムやExcelをそのまま使えますか。
まずは現在のExcelやCSVに合わせた入出力で始められます。大規模なシステム連携は、効果と運用を確認した後に段階的に検討できます。
どの程度の規模から導入できますか。
対象部署や対象期間を限定した試算から始められます。課題を小さく切り出し、現場で効果と使い勝手を確認してから拡張する進め方をおすすめしています。
料金と期間はどのように決まりますか。
対象業務、データの状態、制約と評価軸の数、画面や帳票、システム連携の有無によって異なります。現状を伺ったうえで、試算・実証・本導入の段階に分けてご提案します。
Contact
その計画業務、まずは現行のExcelを見せてください。
課題が整理されていなくても構いません。現在の計画表や困っていることを伺い、AI最適化（数理最適化）の対象になるか、どこから小さく始めるかを一緒に整理します。