開発趣旨（ミッション・ステートメント）
本ソフトウェアは、物流実務者および学生が「物流AIソフトウェアの構築手法」を実践的に学ぶための教育・学習支援ツールです。
現在、プロトタイプ版が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「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を可視化・自動化するものです。
次世代の物流分析：EIQ × 機械学習の融合
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）という最小限の要素から、高精度な物流产能モデルを自動生成します。
1. モデルの学習と構築
任意の出荷データを読み込ませ、SDCA回帰モデルによる学習を実行。160以上の分析項目を予測可能な「AIの脳」を生成します。
詳細：EIQ_AIモデル生成 詳解ページへ →
2. 予測とマトリクス可視化
生成したAI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、視覚的に評価します。
物流DX：Tera計算 EIQ_AI 機能ページへ →今後のロードマップ（拡張計画）
- 在庫・スペース連携機能： 予測マトリクスに最大在庫・安全在庫条件を結合。必要在庫量、入庫ボリューム、および適切な設備レイアウト面積を自動算出します。
- 「Tera計算」シリーズとの完全統合： シリーズ内の先行分析ツールとして位置づけ、素早い拠点評価（初期診断）を可能にします。
- 予測精度のさらなる追求： 継続的なモデルチューニングにより、予測誤差3%以内を目指します。
📌 正式リリースに向けたアップデート予告：
今後の正式版では、「バラ出荷」と「ケース出荷」の予測を分離してシミュレートする機能を実装予定です。さらに、出荷量（Q）や総行数（R）をパラメータに加え、あらゆる業界・規模の波動に対応するユニバーサルな「フラクタル物流分析モデル」へと進化させます。
今後の正式版では、「バラ出荷」と「ケース出荷」の予測を分離してシミュレートする機能を実装予定です。さらに、出荷量（Q）や総行数（R）をパラメータに加え、あらゆる業界・規模の波動に対応するユニバーサルな「フラクタル物流分析モデル」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。