割り当て3M

機械学習とデータ分析は、生産性を向上させるためにプロジェクト管理でますます使用されています。プロジェクト管理では、リソースの効率的な割り当ては、プロジェクト リソースの影響を最大化するのに役立ちます。割り当て3M は、3 つの古典的な割り当てモデルを使用して、さまざまな観点からリソース割り当て結果を最適化します。リソースとは、時間、人員、製品、材料、予算などです。

Mean-Variance モデル:
Mean-Variance モデルの核となる考え方は、多様化によって全体的なボラティリティを低下させることです (たとえば、割り当てオブジェクト間の相関が低いなど)。
たとえば、ヨーロッパの 50 の小売店の過去 3 年間の月間販売実績に基づいてリソースを割り当てることができます。Mean-Variance モデルは、モンテカルロ法を使用して、最適な成長率を持つ一連の割り当ての重みを見つけます。

Black-Litterman モデル:
Black-Litterman モデルは Mean-Variance モデルに基づいており、成長率に関するユーザーの意見を追加して割り当て結果を最適化します。
前の例を続けると、Black-Litterman モデルは、参照用に各小売店の平均成長率を計算して表示します。経験や専門家のアドバイスに基づいて、成長率のパラメーターを調整できます。

Risk-Parity モデル:
Mean-Variance モデルと Black-Litterman モデルはどちらも「成長率」を最適化するように設計されていますが、Risk-Parity モデルは「ボラティリティ」を最適化するように設計されています。
たとえば、過去 1 年間のアジア太平洋地域の 20 のサプライヤーの毎月の原材料価格に基づいてリソースを割り当てることができます。Risk-Parity モデルは、ニュートン法を使用して、ボラティリティが等しい一連の配分ウェイトを見つけます。

更新履歴
バグの修正と改善。