今回解く問題を、調理遅れ時間の総和が最小化されるような調理順を求める「スケジューリング問題」と捉えました。いくつかの料理を一人の調理師が料理する場合を想定し、特に同時調理可能な注文数が1つの場合は「1機械スケジューリング問題* 」という数理最適化の教科書に載っている問題の一種と置き換えて考えることにしました。工場での作業に置き換えて考えてみると、「注文」→「生産計画された部品」、「機械」→「調理師」、「部品の納期」→「お客さまが待てる料理提供時間」と捉えることができます。分野は違っても各工程は同じように考えられるので、同じロジックで調理順の問題についても解くことが可能でした。
その上で、仮のデータで検証を行ってみると、「注文順に調理した場合」と「最適化によって得られた調理順で調理した場合」を比較したとき、約27％も調理遅れ時間を削減できていることが分かってきました。
しかし、重要な問題がありました。そもそも、最適化の入力データである「調理所要時間」「お客さまが待てる料理提供時間」はデータとして取得可能か？という問題です。結論からいうと、調理所要時間やお客さまが待てる料理提供時間は直接計測することは難しいことがわかりました。そこで、過去に取得したデータと機械学習や統計モデルを利用した手法を用いて、これらの値を推定。また、協力していただける店舗でのテストやヒアリングなどを繰り返し、役に立つといえるレベルのロジック開発を行っていきました。過去に取得したデータと店舗での検証、機会学習や計測モデルを利用した手法を用いることで、これらの値の推測が可能になりました。
＊「1機械スケジューリング問題」：1機械問題では、全てのジョブがたった1台の機械で処理される場合に、 ジョブの処理順序を決定する問題。