20260418_GlobalAzure2026_AzureFabric と数理最適化の現在地

© 2026 NTT West, Inc. All Rights Reserved. Azure/Fabric と数理最適化の現在地 Global Azure 2026 2026/4/18 高須賀 将秀

© 2026 NTT West, Inc. All Rights Reserved. 2 /15 自己紹介 たかすか まさひで 高須賀 将秀 博士（情報学）（2023/3） 研究分野：組合せ最適化，数理最適化，オペレーションズ・リサーチ（OR），グラフ理論 所属：NTT西日本 デジタル改革推進部（2021/8～）， 法政大学 デザイン工学部 兼任講師（2024/4～），個人事業（Udemy講師等）（2024/6～） 業務：データドリブン経営を牽引する立場 ・データ活用基盤のシステム開発 ・データ分析手法の研究 ・データ分析活用事例の提案 ・デジタル人材育成 資格：クラウド資格（AWS全冠，Azure全冠，GCP全冠）， 受賞：AWS Community Builders（2026），AWS All Certifications Engineers（2024, 2025）， 高須賀将秀のホームページ Microsoft Top Partner Engineer Award（2024），Microsoft Innovative Educator Experts 2025-2026， Google Cloud Partner Top Engineer（2026），Google Cloud Partner All Certification Holders（2025）， Jagu‘e’r Award 優秀賞（2025），Snowflake Squad（2024, 2025）， Microsoft Certified Trainer（MCT）

© 2026 NTT West, Inc. All Rights Reserved. 3 /15 私の研究（博論）内容 ◼ 与えられた全ての工事に対して立会者の割当を決定する問題である ◼ 移動距離や立会者のスキル等の様々な条件を考慮し割当を決定している ◼ 条件は万人共通の条件もあれば手配者の思考や嗜好によって異なるものもある 入力 出力 工事4 工事1 1 工事2 4 手配者 工事5 2 1 工事6 3 工事7 工事8 8 工事9 6 工事5 数理モデル 5 工事6 工事3 手配者 の思考/嗜好 = 7 工事2 4 2 5 工事3 立会者1～4 工事4 工事1 立会者4 3 工事7 立会者1 7 立会者2 工事8 ブラックボックス 化 8 工事9 9 9 立会者3 6

© 2026 NTT West, Inc. All Rights Reserved. 4 /15 私の研究（博論）内容 ◼ 高度な技能を有している手配者により意思決定が行われている工事立会者手配 業務に対し実用的な手配結果を算出可能な数理モデルを構築した 長期効果 短期効果 付随効果 過去の工事立会者手配業務 デジタルデータ活用による工事立会者手配業務 人件費 年間1億（関東エリア：年間6万件） 年間0.1億（関東エリア：年間6万件）（想定） 品質 年間工事事故5件 年間工事事故0件（想定） 総移動時間 11,424 s（3.2 h） 11,593 s（3.2 h）※1 総割当ペナルティ 163 pt 81 pt※1 手配時間 3時間2回/1日 5分×2回/1日 やり方 アナログ（手書き） デジタル 手配結果 ※1：数理モデル4で総移動時間を重視すると, 総合移動時間10,697 s, 総品質146 ptとなる.

© 2026 NTT West, Inc. All Rights Reserved. 5 /15 数理最適化とは？ 数理最適化の詳細はこちら↑ ↑ • 数理最適化とは，与えられた制約条件の下で，目的関数を最大化ま たは最小化する解を求める数学的手法である． • 目的関数: 最大化/最小化したい対象（コスト，時間，利益など） • 制約条件: 守るべきルールや条件 • 決定変数: 最適化によって決定する変数 𝑚𝑎𝑥𝑖𝑚𝑖𝑧𝑒 𝑓 𝑥 = −𝑥 + 6 1 14 𝑠𝑢𝑏𝑗𝑒𝑐𝑡 𝑡𝑜 𝑔 𝑥 = 𝑥 + ≤ 0 5 5 𝑥∈𝑅 8 1 14 𝑔 𝑥 = 𝑥+ 5 5 10 3 10 𝑥 = 3 のとき 𝑓 𝑥 は最大値 3 𝑓 𝑥 = −𝑥 + 6 8 𝑥

© 2026 NTT West, Inc. All Rights Reserved. 6 /15 数理最適化が流行らない理由 • 一見需要はありそうだが，一向に流行らない数理最適化 • 現場で導入しようとすると，Microsoft 含むクラウドやプラットフォームの 知識と数理最適化の知識，そして現場のドメイン知識や経験が必要 Microsoft 導入企業で 最も多いパターン オープンでスケールしやすい ドメイン知識・経験 Microsoft Foundry Fabric 企業単体や企業と大学の 共同研究等であるパターン クローズドでスケールしにくい 数理最適化 ほぼ見かけないパターン

© 2026 NTT West, Inc. All Rights Reserved. 7 /15 数理最適化の民主化の道筋 • 大きく2パターンの取り組みが必要 • 特化型：ある業務課題を解決することに注力したやり方（e.g. 巡回セールスマ ン問題，生産計画問題，ナーススケジューリング問題等）．利用者 が多い場合や継続的な業務はこちらが適合． • 汎用型：特定の業務課題に対してではなく，汎用的な問題に適用できるやり方 で，生成AI のサービスのようなイメージ．単発ものや試行錯誤の際は こちらが適合． Microsoft Foundry ＋ 高須賀の独自ロジック Microsoft Foundry Fabric ドメイン知識・経験 App Service （Streamlit） ＋ Fabric 特化型 汎用型 数理最適化

© 2026 NTT West, Inc. All Rights Reserved. 8 /15 [特化型] 数理最適化アプリを作ってみた • オープンなサービスとして提供可能なアプリの実装について ・皆さんもお手元で確認できます ・ただし，Microsoft Fabric への情 報保存 は皆さんで共用のため注意 ・そのため，この場は，Read 部分 （読み込んだ住所一覧，保存済み のデータを表示等））のみ確認を推 奨 ・App Service のリソースの関係でう まく地図が表示されない場合あり ・以下アルゴリズムは利用未推奨（時 間制限付き全探索，完全全列挙型 アルゴリズム（全解保存）） https://poccloudstappfabrictsp. azurewebsites.net/ Microsoft Fabric版

• https://poccloudstappfabrictsp.azurewebsites.net/

© 2026 NTT West, Inc. All Rights Reserved. 9 /15 [特化型] アーキテクチャ アプリ↑ ・数理最適化による計算機能部 ・Gurobi やPuLP ・メタヒューリスティクスアルゴリズム ・Fabric のデータを用いてデータ可 視化（今回は未対象，Front の Streamlit で実装） ・App Service（Container）利用 ・最適化計算でGurobi利用 ・Fabric へのデータ書き込みでodbc ドライバ利用 ・Fabric ウェアハウスのSQLエンドポイント経由 でデータを読み書き ・Fabric への認証にEntra IDを利用 カテゴリ 技術 用途 フロントエンド Streamlit WebUI構築 データ基盤 Microsoft Fabric Warehouse データ永続化 AI Azure OpenAI (GPT-4o) 住所→座標変換、TSP最適化 認証 Azure AD / ClientSecretCredential サービス間認証 接続 pyodbc + ODBC Driver 18 DB接続 可視化 pydeck, plotly 地図・グラフ表示 最適化 scipy, sklearn 数値計算・ML

• https://poccloudstappfabrictsp.azurewebsites.net/

© 2026 NTT West, Inc. All Rights Reserved. [特化型] Fabric Notebook での実装 • Fabric 上のNotebook で実装する • 基本，同一ワークスペース内のユーザに対してのみしか共有できない 10 /15 アプリ↑

• https://poccloudstappfabrictsp.azurewebsites.net/

© 2026 NTT West, Inc. All Rights Reserved. 11 /15 [汎用型] LLMの活用による汎用型数理最適化アプリ アプリ↑ • Microsoft Foundry（旧称:Azure AI Studio）は，企業が生成AIアプリケーションやAIエージェ ントを安全かつ迅速に構築，評価，デプロイ，監視するための統合プラットフォーム View 数理最適化function を実装 Copilot 自然言語での入力を数理モデルに変換する function Orchestrator Microsoft Foundry ＋ Agents Models Knowl edge Memo ry Guard rail Tool 数理モデルを解くためのPyhon プログラムに変換する function Foundation Models 詳細の技術解説は別場で

• https://opt-agents.azurewebsites.net/

© 2026 NTT West, Inc. All Rights Reserved. 12 /15 [汎用型] LLMの活用による汎用型数理最適化アプリ アプリ↑ • Microsoft Foundry で作成したOpt-Agents に数理最適化に関する問題を入力すると，数理最 適化ストアドプロシージャをツールとして組込まない場合，推論のような動きとなり，厳密な最適解が 得られない 数理最適化function ”なし”の場合 最大化されてません！

• https://opt-agents.azurewebsites.net/

© 2026 NTT West, Inc. All Rights Reserved. 13 /15 [汎用型] LLMの活用による汎用型数理最適化アプリ アプリ↑ • Microsoft Foundry で作成したOpt-Agents に数理最適化に関する問題を入力すると，数理最 適化ストアドプロシージャをツールとして組込む場合，探索のような動きとなり，厳密な最適解が得ら れる 数理最適化function ”あり”の場合

• https://opt-agents.azurewebsites.net/

© 2026 NTT West, Inc. All Rights Reserved. まとめ • 数理最適化は学術界に寄った技術ではあるが，社会実装されれば効 果は大きい技術分野である • Microsoft 製品群（Foundry，Fabric，App Service等）を活用 することで，社会実装しやすい環境は整い始めつつあり，民主化される 世界もそう遠くはない • 一方で，”まだ”，作り込みが必要な領域もあるため，誰でも手軽にでき るようなネイティブサービス化の活動と，草の根活動を続けていく 14 /15

© 2026 NTT West, Inc. All Rights Reserved. 宣伝 • 数理最適化と機械学習に関する勉強会をやっています！（5回実施） • まずは，数理最適化に関する題材を中心に話しています！ • 次回は，2026/5以降 20:00～21:00（の内30~40分くらい） https://opt-research.connpass.com/ 15 /15

• https://opt-research.connpass.com/