サプライチェーンマネジメントにおける情報共有範囲を調整した深層強化学習モデル

抄録

サプライチェーン(SC)の構造変化に伴い，サプライチェーンマネジメント(SCM)が再注目されている．SCMの一種である発注管理では，適切な発注を行うことで過剰在庫や欠品を抑え，SC全体の長期的な在庫コストを最適化することが目的である．この分野において，SCを環境，SCに属する企業をエージェントと見做し，深層強化学習を用いた研究が盛んに行われている．既存研究では，各エージェントの持つ情報が全体で共有されることを前提としたものが多い．しかし実際は，他社に対して自社の情報を包み隠さず明け渡すことは難しく，部分的な情報をもとにやり取りを行わざるを得ない．以上の背景より，各エージェントの情報共有範囲を適切に設定した学習モデルが必要となる．そこで本研究では，線形な多段階 SC に焦点を絞り，エージェント間で共有する情報の範囲に制限を設けた上で，最大限在庫コストが削減される発注方針を決定する深層強化学習モデルを提案した．また，在庫コストの比較実験を行い，提案手法は既存手法と同程度の学習が可能であることを示した．