OR（オペレーションズ・リサーチ）とは？何の略か・代表手法・実例をわかりやすく解説

OR（オペレーションズ・リサーチ、Operations Research）とは、限られた人・設備・時間・お金をどう割り振れば一番よい結果になるかを、数理モデルとデータで決める学問です。日本オペレーションズ・リサーチ学会は学会概要の会長挨拶で「不確実で複雑な現実世界において，よりよい意思決定と社会システムの設計を目指す数理科学の一分野」と説明しています。勘や経験ではなく、目的と制約を式にして答えを探す。ここがORの中身です。

ビジネスの会話や資料で出てくる「OR」は、たいていこのオペレーションズ・リサーチの略です。ただし医療では手術室、統計ではオッズ比、英文ではただの「または」なので、最初に見分け方を押さえておくと読み違えません。この記事では定義と歴史、手法5種、PuLP 4.0で実際に解いた生産計画、銀行の窓口を何台にするかの計算までを扱います。

まとめ：ORの意味・手法・使いどころ

ORは、予測や分析も用いながら、よりよい意思決定を支える方法論です。来週の需要を見積もるだけで終わらず、その数字のもとで何をいくつ作り、窓口を何台開けるかまで決める。この「決める」部分まで扱う点を頭に置くと、以降の手法と実例が一本の筋で読めます。

オペレーションズ・リサーチの定義と、戦時の作戦研究から産業へ広がった経緯

英国と米国で異なる呼び名と、学会による定義

ORの直訳は「作戦の研究」です。英国の学会 The OR Society はWhat is Operational Research?で、ORを「意思決定者がよりよい決定を下せるようにする、複雑なシステムの管理における問題解決への科学的アプローチ（a scientific approach to the solution of problems in the management of complex systems that enables decision makers to make better decisions）」と定義しています。使う道具として挙げているのは、モデリング、シミュレーション、最適化、データサイエンスなどです。各国のOR学会の連合体であるIFORSはWhat is ORで、意思決定問題の発見、定式化、解法、妥当性確認、実装、統制に数学・確率・統計・計算の方法を当てはめる科学的アプローチと説明しています。式を解く段階だけでなく、問題を見つけて現場に載せるまでが範囲に入っている点が、ORを単なる計算技術と分けるところです。

呼び名は国で割れます。米国では Operations Research、英国では Operational Research。The OR Society 自身が「Operational research (OR), also known as operations research」と併記しているとおり、同じ学問です。論文や求人を探すときは両方の表記で検索すると取りこぼしが減ります。日本語では「オペレーションズ・リサーチ」がそのまま定着し、「オペレーション・リサーチ」「OR」と略されることもあります。

1940年の命名と、戦後に製造・物流へ広がった流れ

The OR Society のHistory of ORによると、operational research という言葉は1940年に英国航空省の科学者A.P. Roweが作りました。軍事作戦の効果を科学的な方法で分析し、改善することを指す言葉です。英国空軍は作戦研究の部門を置き、科学者・数学者・技術者のチームに航空機の性能改善、爆撃戦術の最適化、損失の抑制といった課題を任せました。のちにノーベル物理学賞を受ける物理学者パトリック・ブラケットは、戦略や戦術に科学者の助言を使うべきだと主張した先駆者として名前が挙がります。

戦後、対象は軍事から製造、輸送、物流、金融、医療、通信へ広がりました。英国では1948年に Operational Research Society が設立され、同様の学会が各国にできます。数理モデル、最適化、シミュレーション、待ち行列理論、ゲーム理論、意思決定分析といった手法が整ったのもこの時期です。

日本OR学会の沿革と、歴代会長に並ぶ企業経営者

日本オペレーションズ・リサーチ学会は1957年6月15日に設立総会を開き、1972年5月23日に社団法人の設立許可、2012年3月1日に公益社団法人として登記されました。2026年2月末時点の会員は正会員1,354名、名誉会員12名、学生会員158名、賛助会員73団体。本部と6支部（北海道、東北、中部、関西、中国・四国、九州）で活動し、国際組織IFORSの正規加盟学会です。

目を引くのは歴代会長の顔ぶれです。1957年度の初代は同和鉱業社長、1958年度は日立製作所副社長、1967〜1968年度は東京芝浦電気（現・東芝）社長の土光敏夫氏、1969〜1971年度は日本電気社長と、創設期の会長は大企業の経営者が務めています。この名簿は、学会の創設期から企業経営者が運営に関わっていたことを示しています。

ビジネスの「OR」は何の略か：5つの語と、文脈での見分け方

ORという2文字は、分野ごとに別の語の略として使われます。英文の「or」も含めると、ビジネス文書で出会う可能性があるのは次の5つです。取り違えると資料の意味が変わるので、判別の手がかりと一緒に整理します。

オペレーションズ・リサーチ、オリンピック記録、手術室の3つは、コトバンク収録のデジタル大辞泉でも「OR」の語義として並んでいます。会社の会議資料で「OR部」「OR担当」「ORで試算」とあれば、ほぼオペレーションズ・リサーチです。論文で「OR = 2.1（95%CI 1.3–3.4）」と書かれていればオッズ比、病院の掲示で「OR入室」とあれば手術室と読みます。

英文の「A or B」は「AまたはB」です。日常英語の or は「どちらか一方」の意味で使われることが多い一方、プログラミングや検索式の OR（論理和）は「どちらか一方、または両方」が成り立てば真になります。両方が真のときを除外したい場合は、排他的論理和（XOR）という別の演算を使います。契約書や仕様書で「A or B」が「両方でもよいのか」が争点になることがあるのは、この二つの読み方があるためです。

代表的なOR手法5種と、適した問題の対応関係

ここでは、実務で使われるOR手法から代表的な5つを取り上げます。ORの受託で知られる構造計画研究所のOR部門も、扱う技術として数理計画法・確率モデル・待ち行列・スケジューリング・DEA・シミュレーションを挙げています。

線形計画法と整数計画法：目的関数と制約条件の定式化

目的（利益や費用）と制約（設備時間、原材料、人員）を1次式で表し、その範囲内で最良の値を探す手法です。解法としては、ダンツィクが1947年夏に取り組み始めたシンプレックス法が広く知られ、今はPuLPやGoogle OR-Toolsから無料のソルバーを呼んで解けます。変数を整数に限る整数計画法に広げると、「人を0.5人配置できない」シフト表や配車の問題まで扱えます。決定変数・目的関数・制約条件の立て方は決定変数・目的関数・制約条件の定式化の手順で例題つきで整理しています。

待ち行列理論：稼働率と待ち時間の非線形な関係

客の到着と処理をそれぞれ確率分布で表し、平均待ち時間や行列の長さを計算します。最も基本的なM/M/1モデル（到着は一定率のポアソン過程、処理時間は独立な指数分布、窓口1台）では、到着率が処理率を下回る定常状態で、稼働率ρ＝到着率÷処理率、平均待ち時間Wq＝ρ÷（処理率−到着率）です。ρが1に近づくと分母が0に近づき、待ち時間が一気に伸びる。この性質が、後の章で出す数字の大きな差につながります。

動的計画法・ネットワーク分析・シミュレーション：残り3手法の守備範囲

動的計画法は問題を段階に分け、各段階の最適解を積み上げて全体の解を作ります。在庫の発注計画や設備更新の時期決めが典型で、Pythonで試すなら動的計画法ソルバーDIDPPyの使い方が入り口になります。ネットワーク分析は工程を点と線で表し、PERT／CPMで「遅れると全体が遅れる作業（クリティカルパス）」を特定します。シミュレーションは、式に落とし切れない複雑さを乱数で模擬する手法で、構造計画研究所は災害発生時の物資・人の搬送や航空貨物の積み付けを事例に挙げています。

PythonでORを解く：PuLP 4.0での生産計画と窓口の待ち時間

ORの説明は抽象論になりがちなので、実際に解いた結果を置きます。実行環境はPython 3.13.14、PuLP 4.0.1（2026年10月14日公開）、CBCは pip install "pulp[cbc]" で入る cbcbox 2.935 です。出力はそのまま貼っています。

生産計画の求解：直感解との利益差4,000円

製品Aは1個500円、製品Bは1個400円の利益。加工機は240分、検査工程は160分しか使えず、Aは加工3分・検査1分、Bは加工2分・検査2分かかるとします。生産数は個数なので整数に限ります。

import pulp

# 製品AとBの生産量を決める（利益最大化）
prob = pulp.LpProblem("production_plan", pulp.LpMaximize)
a = prob.add_variable("A", lowBound=0, cat="Integer")  # 製品Aの生産数
b = prob.add_variable("B", lowBound=0, cat="Integer")  # 製品Bの生産数

prob += 500 * a + 400 * b                # 目的関数：1個あたり利益500円と400円
prob += 3 * a + 2 * b <= 240             # 制約1：加工機の稼働時間240分
prob += 1 * a + 2 * b <= 160             # 制約2：検査工程の作業時間160分

stats = prob.solve(pulp.COIN_CMD(msg=False))

print("status :", stats.status_str)
print("A      :", a.value())
print("B      :", b.value())
print("profit :", pulp.value(prob.objective))

status : Optimal
A      : 40.0
B      : 60.0
profit : 44000.0

答えはA40個・B60個で利益44,000円です。比べたいのは「利益単価の高いAから作る」という直感解。Aだけを作ると加工機の240分を使い切って80個、利益は40,000円にとどまります。差は4,000円、率にして10%。制約が2本しかない小さな例でも、直感は最適解に届きません。変数や制約の組み合わせが増えると、人手だけで最良の案を見つけ、その最適性を確かめることは難しくなります。ORが要るのは、この「候補が多すぎて全部試せない」領域です。

PuLP 3.x の書き方が4.0で動かない3つの箇所

PuLPは2026年9月25日の4.0.0で書き方が変わりました。ネットで見つかるサンプルの多くは3.x形式なので、4.0.1で次の3点を実行して確かめました。

もう1点、4.0からCBCが本体に同梱されなくなりました。pip install pulp だけではソルバーが無く、今回のコードで使うCBCは、pip install "pulp[cbc]" で追加できます。別途導入したCBCをPATHに置く方法や、他の対応ソルバーを使う方法もあります。さらに4.0.1では、numpyが入っていない環境だと import pulp の時点で ModuleNotFoundError: No module named 'numpy' になりました（PyPIの依存関係にnumpyが書かれていないため、新しい仮想環境で起きます）。pip install numpy を足せば動きます。PuLPそのものの使い方はPuLPで最小化問題を解く手順、他のソルバーとの比べ方は主要ORツール6つの比較で扱っています。

窓口の待ち時間：処理能力25%増で25分から8分へ

1時間に10人が来る窓口で、処理能力が12人／時のときと15人／時のときを比べます（M/M/1モデル）。

lam = 10.0                       # 到着 10人/時
for mu in (12.0, 15.0):          # 窓口の処理能力 12人/時 と 15人/時
    rho = lam / mu               # 稼働率
    wq = rho / (mu - lam)        # 平均待ち時間（時間）
    print(f"処理{mu:.0f}人/時 稼働率{rho:.2f} 平均待ち時間{wq * 60:.1f}分")

処理12人/時 稼働率0.83 平均待ち時間25.0分
処理15人/時 稼働率0.67 平均待ち時間8.0分

処理能力を25%上げただけで、平均待ち時間は25.0分から8.0分へ68%減りました。稼働率0.83は「まだ2割近く余裕がある」ように見えますが、待ち時間は0.67のときの3.1倍です。現場改善で「稼働率を上げて効率化」に走ると行列が悪化するのはこのためで、逆に行列に悩む窓口では、処理速度を少し上げるだけで効果が大きく出ます。

銀行の窓口は何台必要か：アーランC式で決める台数と1列並びの効果

構造計画研究所はORの身近な使い道として「銀行の窓口の数（利用客に合わせて営業窓口の数を決める）」を挙げています。これを実際に計算すると、台数の決め方だけでなく、列の並ばせ方まで答えが出ます。

M/M/cモデルによる窓口数別の平均待ち時間

ここでは、一定率のポアソン到着、互いに独立な指数分布の処理時間、同じ処理率の窓口c台を仮定したM/M/cモデルを使います。待ち場所は無制限で離脱はなく、1本の列から先着順に案内し、到着率が窓口全体の処理率を下回る定常状態を扱います。到着した客が待たされる確率はITUの通信トラヒック工学の資料にも載っているアーランC式で求まり、平均待ち時間はその確率を（c×処理率−到着率）で割った値です。1時間に40人が来て、1つの窓口が1時間に12人をさばく場合を計算します。

from math import factorial

def erlang_c(lam, mu, c):
    """M/M/c で到着客が待たされる確率（アーランC式）"""
    if not isinstance(c, int) or c <= 0 or mu <= 0 or lam < 0:
        raise ValueError("cは正の整数、muは正、lamは非負にしてください")
    if lam >= c * mu:
        raise ValueError("定常状態には lam < c * mu が必要です")
    a = lam / mu                      # 提供負荷（同時に必要な窓口数の平均）
    rho = a / c                       # 窓口1つあたりの稼働率
    top = a**c / factorial(c) / (1 - rho)
    bottom = sum(a**k / factorial(k) for k in range(c)) + top
    return top / bottom

lam, mu = 40.0, 12.0                  # 到着 40人/時、窓口1つの処理 12人/時
for c in (4, 5, 6):
    pw = erlang_c(lam, mu, c)
    wq = pw / (c * mu - lam)          # 平均待ち時間（時間）
    print(f"窓口{c}つ 稼働率{lam / (c * mu):.2f} 待つ確率{pw:.0%} 平均待ち{wq * 60:.1f}分")

窓口4つ 稼働率0.83 待つ確率66% 平均待ち4.9分
窓口5つ 稼働率0.67 待つ確率33% 平均待ち1.0分
窓口6つ 稼働率0.56 待つ確率15% 平均待ち0.3分

窓口4つでは客の3人に2人が待たされ、平均4.9分。5つに増やすと待つ客は3人に1人、平均1.0分まで下がります。6つ目を足しても0.7分しか縮まりません。この条件で「平均待ち2分以内」を満たす最少の窓口数は5つです。6つ目を追加する費用対効果は、人件費と待ち時間短縮の価値を別途設定して比較します。計算式の検算として、Python標準のrandomでシードを1に固定し、到着間隔と処理時間を独立な指数分布から生成する40万人のシミュレーションも回し、窓口4つの平均待ちは4.88分と、式の4.9分に一致しました。

窓口別の列と共通1列の比較：モデル上の平均待ち時間

窓口4つで稼働率0.83という条件は、前の章のM/M/1（1時間に10人、処理12人）と同じです。つまり「到着する客を、列の長さとは無関係に、それぞれ確率4分の1で独立に各窓口へ振り分ける」と、各列を到着率10人／時のM/M/1として扱え、平均待ちは25.0分です。「1本の列に並ばせて、空いた窓口から呼ぶ」とM/M/4になり、平均待ちは4.9分です。職員の数も客の数も同じで、並ばせ方を変えるだけで待ち時間がおよそ5分の1になります。1列に並ばせて空いた窓口から順に呼ぶ方式（フォーク並び）に意味があるのは、この差があるからです。

ただしこの計算には前提があります。別々の列の場合も、客が途中で空いた列へ移らないとしています。現実には客は空いた列へ移るので、差はこれより小さくなります。また、待ちくたびれて帰る客や、時間帯で変わる来客数は入っていません。コールセンターのように途中で切る客が多い窓口では、放棄を織り込んだ別のモデルが必要で、アーランC式のまま台数を決めると人員を多めに見積もります。

業種別のORの実例：製造・物流・小売・サービス・金融

ORが現場に入る形は、業種ごとにおおむね決まっています。構造計画研究所が公開している適用例にも、電車の乗り換え案内、学校の時間割作成、銀行の窓口数、貨物の積み付け、サービス業のシフト作成が並びます。

• 製造：生産量と段取りの順序。整数計画法で、設備能力と納期を制約に置きます。
• 物流：配車と配送ルート。時間指定と積載量を制約にした配送計画問題が中心です。
• 小売：発注量と在庫水準。需要のばらつきを確率で見込み、欠品コストと在庫コストの合計を最小にします。
• サービス：人員配置とシフト。待ち行列理論で時間帯ごとに必要な窓口数を出し、整数計画法で誰をいつ入れるかを割り当てる二段構えが定番です。
• 金融：資産配分とリスク評価。規制上の上限を制約式に書いた配分問題として扱います。

物流とサービスでは、移動時間や待ち時間がそのまま目的関数になり、導入前後の比較にも使えます。配送ルートや倉庫の割り当てを業務システムに組み込む場合は、最適化エンジンを物流システムの開発と一緒に設計すると、計算結果が現場の画面と帳票まで届きます。小売や金融では、前提となる需要予測やリスク推定の精度が結果を左右するため、予測側の整備と一緒に進める必要があります。

数理最適化の導入前に整理すべき目的・制約・データ

数理最適化を業務に組み込む前には、目的・制約・入力データを整理する必要があります。次の条件を放置したまま計算結果を採用すると、現場で使えない案になるおそれがあります。

第一に、目的が数値にならない場合。「従業員の満足度を上げる」「顧客体験を良くする」は、そのままでは目的関数に書けません。希望シフトの充足率や平均待ち時間といった代理指標の妥当性を確認します。数値化が難しい段階では、ORの問題構造化手法も使い、関係者の目的や評価基準を整理します。

第二に、制約が明文化されていない場合。「あの二人は同じシフトに入れない」「この機械は月曜の午前は使わない」といった暗黙のルールが現場にあると、数理的に最適な解が実務では却下されます。日本OR学会の会長挨拶も、配送計画や生産スケジュール、人員配置には制約条件や制度的要因、現場の運用ルールがあり、それらを踏まえたモデル化が不可欠だと述べています。制約の洗い出しに現場担当者を入れないまま進めると、出てきた解は使われません。

第三に、入力データが揃わない場合。作業時間の実測値も需要の実績も無いまま作ったモデルは、もっともらしい間違いを出すだけです。データ整備に半年かかるなら、その半年は計測の仕組みづくりに充てるべきです。

同じ会長挨拶には、企業からの相談で「AIを試してみたが，うまくいかないので何とかしてほしい」という言葉がしばしば聞かれるとも書かれています。データからパターンを学ぶだけでは、制約の多い配置や配送の問題は解けません。制約と目的を書き出す作業こそがOR導入の本体で、そこを省けば手法を変えても結果は変わりません。

ORと機械学習・数理最適化の役割分担

三者には重なりがあります。機械学習による予測を最適化につなぐ使い方はよくありますが、必ずこの順に並ぶわけではありません。そのうえで日本OR学会の会長挨拶は、AgrawalらがAIを「予測（Prediction）」の能力を拡張する技術と指摘したことを踏まえ、ORはその先の「意思決定（Decision）」と「社会システムの設計（Design）」を支える科学だと位置づけています。予測と意思決定をつなぐ枠組みとして、predict-then-optimize や prescriptive analytics（処方的分析）が提案されていることにも触れています。

米国の学会INFORMSのOperations Research & Analyticsは、アナリティクスを記述的（過去に何が起きたか）、予測的（これから何が起きるか）、処方的（何をすべきか）の3種類に分けています。必ず順に進む段階ではなく分析の分類で、ORの最適化やシミュレーションはとくに処方的分析で「何をすべきか」を考える際に使われます。需要予測を作って終わりにせず、その数字を発注量や人員の決定までつなげる場面で、ORの手法が効いてきます。

数理最適化はORの中核の道具で、両者はしばしば同じ意味で語られます。違いを言えば、数理最適化は「与えられた式を解く技術」、ORは「現実を式にするところから、運用に載せるところまで」を含む方法論です。手法としての最適化を先に知りたい場合は数理最適化の3要素とアルゴリズムを、AIと最適化の呼び分けで迷っている場合はAI最適化という言葉の2つの意味を、無料で使えるソルバーから実装に入るならGoogle OR-Toolsのインストールと実装例を参照してください。

隣接分野との線引きも押さえておくと混乱しません。経営工学は生産管理・品質管理・人間工学まで含む工学分野で、ORはその中で数理モデルによる意思決定を受け持ちます。管理科学（Management Science）はORとほぼ同じ意味で、INFORMSも正式名称 Institute for Operations Research and the Management Sciences に両方を入れています。

ORを学ぶ道筋と、学会誌・大学・進路の実情

日本語でORを学ぶ材料は揃っています。日本OR学会は機関誌『オペレーションズ・リサーチ』と論文誌の記事を原則として公開しています。ただし新しい号は会員限定で、たとえば機関誌71巻10号は表紙・広告・「特集にあたって」などを除き会員限定、一般公開は2027年9月以降です。無料で読めるのはおおむね1年前より古い号と考えてください。

大学では経営工学、システム工学、社会工学、情報理工系の学科で扱われます。学会の2026年度の役員には、筑波大学・東京都立大学・京都大学などの研究者と、日本アイ・ビー・エム、日立製作所、構造計画研究所、リクルートといった企業の人が並びます。研究職と実務職の両方に進路がある分野です。

給与面では、会長挨拶が米国The HEA Groupの統計（2023年のデータ）を引き、大学卒業4年後の給与水準が最も高い専攻の一つがOperations Researchだったと紹介しています。日本の状況をそのまま示す数字ではありませんが、意思決定や最適化の専門家への需要を示す材料にはなります。独学では、上の生産計画の利益単価や設備時間を変え、生産量と利益がどう変わるかを確かめるところから始められます。

よくある質問（OR・オペレーションズ・リサーチ）

ORとは何の略ですか？

ビジネスや経営の文脈では Operations Research（オペレーションズ・リサーチ）の略です。英国では Operational Research と書きますが同じ学問を指します。ただし病院では手術室（Operating Room）、臨床研究ではオッズ比（odds ratio）、スポーツ報道ではオリンピック記録（Olympic record）の略でもあり、英文の or は「または」という接続詞です。文書の分野と、近くにある語で見分けてください。

ビジネスで「ORで考える」とはどういう意味ですか？

勘や経験ではなく、目的と制約を数字で書き出して、計算で最善の案を選ぶという意味です。たとえば「利益を最大にしたい（目的）、ただし加工機は240分しか使えない（制約）」と式にすれば、何を何個作るべきかが計算で決まります。この記事の生産計画の例では、直感で決めた案より利益が4,000円多い案が出ました。

オペレーションズ・リサーチをわかりやすく言うと？

限られた資源を、どう配分すれば一番効果が出るかを計算で決める学問です。人・機械・時間・お金には上限があり、その上限（制約条件）のもとで利益や効率（目的関数）が最大になる組み合わせを、数式とデータから探します。たとえば「窓口を何台開けるか」「どの製品を何個作るか」を、感覚ではなく計算で決めるのがORです。

オペレーションズ・リサーチの身近な実例は？

乗り換え案内の経路探索、学校の時間割作成、銀行やスーパーの窓口・レジの台数決め、宅配の配送ルート、コンビニの発注量、飲食店のシフト表などが代表例です。窓口の例では、1時間に40人が来て1窓口が12人をさばく場合、窓口4つで平均待ち4.9分、5つで1.0分という計算から台数を決められます。

Operations Research と Operational Research の違いは？

中身の違いはなく、米国式と英国式の呼び方の違いです。英国の学会 The OR Society は「Operational research (OR), also known as operations research」と両方を併記しています。言葉自体は1940年に英国航空省の科学者A.P. Roweが作ったもので、英国では Operational Research が今も正式な呼び名です。

ORと数理最適化・機械学習は何が違いますか？

機械学習はデータから予測や分類、行動方針などを学ぶ技術です。数理最適化は目的関数と制約のもとで解を求める手法で、ORはそれらも用いて問題設定から運用まで意思決定を支えます。需要予測をAIで作り、その予測を前提に生産量や人員をORで決める、という組み合わせが実務ではよく使われます。日本OR学会の会長挨拶はこの流れを Prediction → Decision → Design と整理しています。

関連記事

• 数理最適化とは？3要素・アルゴリズム・機械学習との違いをPythonで解説
• 決定変数・目的関数・制約条件とは？違いと定式化の手順を例題で解説
• ORツールとは？主要6ツールの比較と選び方【ライセンス・費用・得意問題】
• PuLPとは？Pythonで最小化問題を解く手順と3.3系で非推奨になったAPI
• Google OR-Toolsとは？できること・インストール・実装例をわかりやすく解説