物流AI「EIQ_AI」による次世代の物流シミュレーション。出荷データを機械学習し、センターのキャパシティを高精度に予測するデータモデルを構築します。
物流AI「EIQ_AI」は、過去の出荷データを元にEIQ分析と機械学習を組み合わせた、画期的な物流シミュレーション・システムです。1つの出荷データから基準となるデータモデルを作成し、E数（出荷先数）及びI数（アイテム数）をキーにしてモデルデータ100-200例を機械学習させることで、164項目のランク別変数（行数・バラ数・ケース数・PL数・容積・重量など）を高精度にAI予測し、EIQマトリクス表を自動生成します。
この驚異的なデータモデル構築方法と配送センターの物流シミュレーション手順を、フリーソフトウェア（Tera計算 EIQ_AI）の画面を通して説明します。
当システムを初めて知る方は、以下の順序でページをご覧いただくとスムーズに物流シミュレーションの仕組みを理解できます。
※フリーソフトをダウンロードされた方は フォルダ使用方法 も併せてご確認ください。
EIQ_AIソフトウェアは、物流実務者および学生が「物流AIを用いたデータモデルの構築手法」や「配送センターの物流シミュレーション」を実践的に学ぶための教育・学習支援ツールです。試作版が2つの大学の講義・研究にて先行導入されており、最終的には完全なフリーソフトウェアとして広く一般公開を予定しています。
なお、本システムは当研究所が提唱する物流分析ツール「Tera計算」シリーズのAI拡張版であり、具体的なEIQ分析の計算プロセスと必要面積・人員の算出を可視化・自動化するものです。
故鈴木震先生は、「配送センターはフラクタルである」と提唱されました。これは出荷データもフラクタルであるということです。
桑の葉は小さくても大きくても同じ形状（相似形）であるのと同様に、出荷データも物量が増減してもそれぞれの要素は構成比率を保つということです。
まとめると、出荷データはE数とI数により物流量が増減しても、EIQ分析の結果であるEIQマトリクス表の構成比を維持します。
本システムでは、この特性を活かし、データモデルのE数・I数を変化させて実計算を行い、その集計結果を物流AIに機械学習させることで、極めて精度の高い予測を可能にしています。
30年にわたる物流コンサルティングの知見と、最新の機械学習アルゴリズム（Microsoft.ML）を融合。実際の出荷データから、最適な物流設計のデータモデルを瞬時に導き出します。お届け先件数（E）と品目数（I）という最小限のキー要素から、行数・バラ数・ケース数・PL数・容積・重量といった詳細なランク別変数を網羅した物流シミュレーションのキャパシティ予測モデルを自動生成します。
任意の出荷データを読み込ませ、SDCA回帰モデルによる機械学習を実行。164項目に及ぶランク別変数をキャパシティ予測可能な「物流AIの脳」となるデータモデルを生成します。
生成したデータモデルを用いて、出荷頻度・重量・容積など性質の異なる6つの予測マトリクスを瞬時に出力し、配送センターの能力を視覚的に評価・物流シミュレーションします。
現場の改善・物流センター設計に取り組む実務者や、物流AIと機械学習のデータモデルを研究する学生の皆様に向けて、お手元の出荷データから実践的なキャパシティ予測が可能な物流シミュレーション・フリーソフト（Tera計算 EIQ_AI）を公開しています。
本ポータルでは、.NET開発環境で独自の機械学習データモデルを構築・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AIキャパシティ予測を実現しています。