外部環境の不確実性がかつてないほど高い昨今、平時の効率性だけでなく、有事でも生産能力を維持できる様に、サプライチェーンのレジリエンスを高めることは重要である。これまでの取組は自然災害の様な局所的な範囲の途絶を想定していたが、Covid-19では世界の様々な場所で同時多発的に途絶が発生した。この新しいリスクへの対応は、個々の要素が途絶する可能性だけでなく、その組み合わせも考慮する必要があり、膨大な数の途絶シナリオの想定および対策が必要となり容易ではない。本研究では、同時多発的な途絶が発生する状況にて、数理的手法を用いてサプライチェーンのレジリエンスを高めるための意思決定ツールを開発する。具体的には、機械学習と最適化を融合し、各途絶シナリオの影響と対策を高速に導出する方法を提案し、実データによる検証を行う。本研究の成果によって、効果的、効率的なサプライチェーンのレジリエンス評価と対策が可能になり、社会的意義が大きい。