NVIDIA cuOpt の高速最適化を体験し運用効率を向上

Reading Time: 2 minutes

このモデルリリースでは、NVIDIA cuOpt を特集しています。これは記録破りに高速化された最適化エンジンであり、チームが複雑な経路問題を解決し、新しい機能を実行するために役立ちます。組織はこのエンジンを利用することで、物流、業務調査、輸送、サプライチェーンの最適化を再創造できます。 NVIDIA cuOpt は、次のような物流の最適化におけるさまざまなユースケースに役立っています。

ラストマイル配送 (LMD: Last-mile Delivery)
現地派遣
フリート管理
倉庫と工場のロボティクス
サプライチェーン管理 (SCM: Supply Chain Management)
ピックアップとドロップオフ

cuOpt は最終的に、組織の収益増加、コスト削減、顧客満足度改善を支援します。

この記事では、cuOpt の機能を探る 2 つの方法について説明します。NVIDIA AI Foundation モデルとエンドポイントと NVIDIA LaunchPad です。

NVIDIA AI Foundation モデルとエンドポイントで cuOpt を試す

NVIDIA AI Foundation モデルはエンタープライズ生成 AI 向けに最適化されています。API やユーザーインターフェイスベースのデモを介して、サンプルデータを利用して NVIDIA cuOpt とやりとりできます。これはホストされた環境で利用できるオープンアクセスプラットフォームであり、GPU アクセラレーテッドサーバーは必要ありません。

最適化に詳しくない方でも、cuOpt が簡単に始められます。 Web GUI を操作するだけで、スクリプト付きの API ベースのデモ (REST エンドポイント) か UI ベースのデモでモデルが体験できます。3 つのサンプルデータセットがモデルにプレロードされています。各データセットの詳細については、技術概要をご覧ください。

データカスタマイズについては、API ベースのデモと UI ベースのデモで、下記に詳細があるように、機能面でいくつかの違いがあります。

API ベースのデモ

API ベースのデモは、AI 開発者、テクニカルプロダクトマネージャー、AI 実践者に最適な選択肢です。

NVIDIA は、前処理され、cuOpt に送信する準備ができているデータが含まれる JSON ファイルを提供します。ユーザーはデータをそのまま送信することも、API 呼び出しのセルで直接、データを編集することもできます。独自のデータを使用するには、データの前処理を完了し、JSON 形式で AI Foundation エンドポイントに取り込みます。

図 1. cuOpt API ベースのデモでは、API 呼び出し直接使用または編集するための前処理済みデータを提供します

UI ベースのデモ

UI ベースのデモは、cuOpt の特徴や機能をもっと良く理解したいと考えているエグゼクティブ、IT リーダー、AI リーダー、基幹業務のエグゼクティブにとって役立ちます。

NVIDIA はサンプルデータセットと、cuOpt に送信する準備ができている入力データが含まれる JSON ファイルを提供します。このインタラクティブデモでは、ユーザーは入力データに含めたい制約を選択できます。次に、出力が提示され、制約が出力にいかにして影響を与えるかが提示されます。このデモ環境では、独自のデータを使用することはできません。

NVIDIA LaunchPad で cuOpt を試す

NVIDIA LaunchPad を利用すると、NVIDIA のアクセラレーテッドハードウェア/ソフトウェアにインターネットブラウザーから無料でアクセスできます。アクセス後は、ホストされた環境で cuOpt を体験できます。この選択肢は、データサイエンティストや最適化サイエンティストなど、最適化の実践経験が豊富な方に適しています。始めるにあたり、LaunchPad Route Optimization ハンズオンラボのアクセスリクエストを送信します。このラボでは、NVIDIA cuOpt Cloud Service を利用し、車両フリートの経路を最適化します。これには Jupyter Notebook が含まれていますが、この Notebook でデータの前処理手順を順番に確認し、各データフィールドの定義を確認します。ガイド付きでかつ、自らも参加する場面の多い学習体験が与えられます。

図 3. NVIDIA LaunchPad を使用してホステッド環境で cuOpt を試す

Route Optimization ラボガイドから始めます。このガイドでは、データセットがプリロードされている Jupyter Notebook を試すことができます。

図 4. Jupyter Notebook でプリロードされたデータセットを試す

データセットの前提条件

注文をすべての配送ドライバーに割り当てるための一連のサンプル合成データセットが含まれています。ドライバーをその人に合った注文に割り当てるため、Orders (注文)、Depot (デポ)、Routes (ルート) という 3 つの CVS ファイルが各ユースケースで使用されます。また、Jupyter Notebook を使用し、独自のデータをアップロードすることもできます。

データセットの前提条件の詳細を以下に示します。

入力形式: 3 つのファイル、注文、車両、タスクデータセット。各データセットには、場所、稼働時間、需要など、関連データの列が必要です。プリロードされたデータセットの詳細なデータフィールドを参照してください。
入力パラメーター: データ処理ために Jupyter Notebooks にアップロードする CSV ファイル。それを JSON ファイルとして保存し、cuOpt API 呼び出しを行います。
入力に関連するその他のプロパティ: cuOpt は最大 1,000 箇所でのシミュレーションに対応。最大文字数や JSON ファイルサイズはありません。前処理は、制約を整数やブール値に変換するために行われます。特定の入力制約の詳細については、技術概要を参照してください。

プリロードされたデータセット

次のデータがプリロードデータセットに含まれています。

注文データ: 配送先の場所情報 (経度と緯度)、注文の需要/重量、注文を配送できる時間枠。
車両データ: 車両の種類、各車両で処理できる最大キャパシティ、さらにはドライバーの休憩時間など、車両とドライバーの特性を指定します。
拠点データ: 倉庫/配送センターの出発場所と営業時間に関する情報。

まとめ

NVIDIA cuOpt は物流業務を NVIDIA AI Foundation モデルとエンドポイントで一変させることができます。NVIDIA LaunchPad の無料試用版もご利用いただけます。2 つの選択肢の違いを比較するには、表 1 を参照してください。

	NVIDIA AI Foundation モデルとエンドポイント	NVIDIA LaunchPad
定義	ホストされた環境にサンプルデータ、API ベースデモ、UI ベースデモがプリロードされているインタラクティブツール。	ホストされた環境にはインターネットブラウザーでアクセスし、独自のデータをアップロードすることで体験をカスタマイズできます
アクセス	オープンアクセス	アクセスを申請する
期間	制限なし	短期
主な利点	直感的な学習体験	自分のデータを持ち込む

表 1. NVIDIA cuOpt を試せる 2 つの方法の比較

NVIDIA GTC 2024 で行われた NVIDIA セッションをご覧ください。「Advances in Optimization AI (最適化 AI の進化)」では、NVIDIA の最適化 AI エンジニアリングマネージャーの Alex Fender が登壇しました。

最適化エンジン、クラウドサービス、本番環境での展開などにご関心がありましたら、是非 NVIDIA cuOpt に関する最新情報にご登録ください。

NVIDIA cuOpt の高速最適化を体験し運用効率を向上