作成目的
本ソフトは物流学習ソフトです。物流関係者及び学生が「物流AIソフト作成」を学習するときの参考になるよう工夫してます。
現在、試用版を２つの大学で使用いただき、完成版は無料ソフトとして公開する予定です。
また、このソフトは「Tera計算」ソフトのAI版です。「Tera計算」ソフトはEIQ分析の具体的計算方法を学習するソフトです。
次世代の物流分析：EIQ × 機械学習 ＝＝＞ 試作ソフトの画像
本プロジェクトは、30年に及ぶ実務経験と最新の機械学習（Microsoft.ML）を融合させ、出荷実績データから未来の物流拠点のあるべき姿を瞬時に導き出すシステムです。 出荷先数（E）とアイテム数（I）というわずかな情報から、高精度な物流モデルを自動生成します。
今後の展開とロードマップ
- 在庫・面積算出への連携： 予測マトリクスに最大・安全在庫条件を統合。必要な在庫量・入荷量、および設備の配置面積までを自動算出します。
- 「Tera計算」シリーズとの統合： シリーズ内の概略分析（Tera計算0・1相当）として、迅速な拠点評価を実現します。
- 予測精度の追求： モデル改良により、予測誤差3%以内という極めて高い実用性を目指します。
📌 正規版に向けたアップデート予定：
正規版では「バラ出荷」と「ケース出荷」を完全分離して予測出力する機能を実装します。 また、入力パラメータに数量（Q）や行数（R）を追加し、あらゆる業種・規模に対してフラクタルな分析が可能な汎用モデルへと進化させます。
正規版では「バラ出荷」と「ケース出荷」を完全分離して予測出力する機能を実装します。 また、入力パラメータに数量（Q）や行数（R）を追加し、あらゆる業種・規模に対してフラクタルな分析が可能な汎用モデルへと進化させます。
採用技術解説：Microsoft.ML (ML.NET)
本ポータルでは、.NET開発環境で独自の機械学習モデルを構築・統合できる「ML.NET」を採用しています。 Python等の外部言語に依存せず、C#環境のみで完結する高度な物流分析を実現しています。
1. ML.NETの核心
- クロスプラットフォーム: Windows, Linux, macOSで動作。
- 高パフォーマンス: .NET 6.0以降の最適化により高速処理。
2. SDCA回帰モデル
- 効率的アルゴリズム: メモリ消費を抑えつつ高速学習が可能。
- 物流予測に最適: E・I等の要因から重量・容積を精度高く予測。