概要
General Electric Company (GE) は、主に電力、再生可能エネルギー、航空、ヘルスケア業界で事業を展開するアメリカの多国籍コングロマリットです。2020年、GEはFortune 500にランクされ、総売上高は米国で33番目の企業になりました。
ビジネスの革新的な技術を開発するために、 GE Global Research (GEGR) が設立され、世界最大かつ最も多様な産業研究所の1つになりました。テクノロジーを通じてビジネスを改善するGEGRは、シミュレーションの最適化とオペレーションズリサーチの専門知識を開発してきました。
問題
GEが電気自動車（EV）への取り組みを発表したとき、さまざまな関連分野での高度な作業が必要になりました。技術の多くはまだ開発中であり、商業的に広く利用できるようになったばかりなので、多くの問題を解決する必要がありました。
GEは、個人用の電気自動車を大量に配備し、WattStation電気自動車充電ステーションを製造し、EVに関連する他の多くの活動を行っていましたが、同社が知りたかった重要なテーマは、これらの市場はどのように進化するかということでした。
EVが比較的広く使用されるようになり、サービスや充電ネットワークでEVをサポートする必要があるため、GEGRは関連するビジネス需要と新技術の研究を行うようになりました。さらに、配電パターンと配電方法の変更もGEGRにとって興味深いものでした。
つまり、 EV TRANSPORTATIONと充電ネットワークの分析を行うことで、GEGRチームは次の質問に対する答えを見つけようとしました：
- EVの普及曲線はどのようになるか？
- 配電ネットワークにどのような影響があるか？
- 充電インフラストラクチャーはどのように発展するか？
- どのような新しいビジネスモデルが出現するか？
GEGRは、高度なシミュレーションモデリングがこれらの質問に答えるのに役立つかどうかをテストすることを決定しました。この目的のために、研究チームはデモンストレーションプロトタイプの作成を任されました：
- 意思決定を行うためのツールとしてモデリング技術を採用し、新たなビジネス分野での予測や洞察を獲得できるかを評価する。
- 研究をサポートするのを助ける、各種シミュレーション方法論およびアプローチの確認。
解決策
この EV TRANSPORTATIONおよび充電ネットワーク分析プロジェクトで、GE Global Researchは、 エージェントベースモデリングメソッド をサポートする、AnyLogicマルチメソッドシミュレーションソフトウェアを選択しました。エージェントベースのモデリングにより、エンジニアはEV市場を、独自の選択を行う個々のエージェントのシステムとして説明することができました。たとえば、消費者は、EVまたは従来の内燃エンジン（ICE）車のどちらを購入するかを個別に決定できます。
エージェントベースのシミュレーションを使用すると、ドライバーの行動をモデル化することが出来ます。例えば、通常の通勤（home-work-home）の場合や、長距離を移動するために、いつどこで充電するかを決定する必要がある場合など、ドライバーの行動をモデル化することもできます。さらに、潜在的なEV購入者は、収入、通勤距離、個人的な好みなどの変数のために、それぞれ異なる優先順位を持っている可能性があります。
このプロジェクトのために、チームは2つのプロトタイプモデルを開発しました。詳細なEVアダプションモデルと充電ネットワークシミュレーションです。エージェントベースモデルは、AnyLogicのJavaプラットフォームを利用して、さまざまなルールベースの関数と変数、およびソフトウェアの便利なグラフィカル視覚化機能を組み込みました。
Granular EV adoptionモデル
潜在的な顧客の意思決定プロセスに関する履歴データが不足していたため、GEGRチームはプロセスをシミュレートすることを決定し、証拠推論（Evidential Reasoning/EBER）アプローチを使用しました。これにより、複数の要因が人々の意思決定にどのように影響するかを予測することができました。このアプローチはGEによって開発され、リスク管理と競争力のある価格設定に関連するいくつかのプロジェクトで使用されています。
詳細なEV 購入モデルの場合、優先係数はチーム自身が選択しました。それには以下が含まれています：
- 車両の実用性（評判、範囲、バッテリー寿命等）
- 消費者の属性（通勤距離、収入、家庭用充電器の有無等）
- ファイナンス（回収時間、年間コスト等）
- 場所（気候、政府のインセンティブ、インフラ等）
モデルの入力には、他のモデルからの出力（例えば、EVの投資回収と運用コストを計算した財務シミュレーション）と、様々なオープンソースデータベースからのデータが含まれていました。
EV TRANSPORTATION NETWORKモデルでは、個人の財政や場所、口コミ、車両の入手可能性など、すべての要素と好みが、1人の潜在的な購入者に割り当てられました。さらに、潜在的な購入者のEVまたはICE（内燃機関）車両ユーザーへのエージェントの移行を追跡しました。目的とする出力としては、従来のICE（内燃機関）車両からEVを購入する潜在的な消費者の相対的な選考率でした。
購入率は、EVおよびICE（内燃機関）車両のドライバーの数を追跡して、総人口の全体像を把握することによって定義されました。特定の地理的領域であるニューヨーク州について、モデルは時間の経過に伴う採用率を要約しました。結果は、郵便番号地域ごとの地図またはチャートに表示できます。
充電ネットワークシミュレーション
シミュレーションは、EVドライバーの満足度と充電ポイントの利用の両方に対するさまざまな充電ネットワーク設計の影響をテストするために作成され、次の質問に対する答えを見つけたいと考えていました：
- 充電ネットワーク設計を実装するためのROIはどれくらいか？
- 充電ポイントの最適な場所はどこか？
- 充電ポイントはいくつ必要か？
開発チームは、以前のシミュレーションモデルのEV購入率に関するデータを使用し、GISマッピングを使用して、ニューヨーク州の11の郵便番号地域でのEV使用のプロトタイプシミュレーションを作成しました。エージェントベースモデリングを使用して、他のプロジェクトでも使用できるオブジェクトのカスタムライブラリを作成しました。これにより、オブジェクトのプロパティで、例えば、自宅は所有又は賃貸、所有する車両数、及びドライバー数等の各種パラメータを設定できます。
シミュレーションを実行すると、モデルに設定された論理ルールに基づいて、ドライバーの動作、ドライバーの動き、および決定が示されました。マップ上またはオブジェクトのステートチャートを介して、各オブジェクトのステータスが時間の経過とともにどのように変化したかを観察することができました。充電ポイントを追加または削除することで、環境を変更し、潜在的なEV所有者の満足度指標にどのように影響するかを監視できます。
結果
GE電気自動車の充電ネットワーク分析プロジェクトは、新たに出現した事業分野に、シミュレーションが予測および計画のための強力なツールであることを示しました。研究チームによって開発されたモデルは、次の場合に役立ちました：
- EV充電ステーションメーカーが需要を理解する。
- 店舗の所有者が、EV充電器の設置により、ビジネス収益にどのように影響するか。
- EV普及のために、充電ステーションをどこに設置するのが良いかを決定する。
- 都市計画担当者が、投資収益率とEV購入率を最大化する充電器ネットワークの設計を決定する。
AnyLogicソフトウェアにより、GEの研究チームは、意思決定能力を持つエージェントを含む、多数のエンティティを備えた高度なモデルを構築できました。モデルは、AnyLogicのマルチメソッドモデリング技術と組み込みのグラフィカルな視覚化機能を最大限に利用して開発されました。