データサイエンス研究所

T・AI(時間の人工知能)

よくある質問

Q1

ARIMAモデルとは何ですか

A1

AutoRegressiveIntegratedMovingAverageの略称。自己回帰和分移動平均モデル。時系列解析モデルの一つです。過去の時系列データから規則性を見つけ出して、その規則に基づいて将来の値を計算します。詳細は、別紙「ARIMAモデルの歴史」「時系列解析法としてのARIMA モデルと予測についての概説」を参照して下さい。

Q2

他社のARIMAモデルを利用した製品との違いは

A1

基本処理(対数変換、平方根変換、異常値処理など)、各種差分処理、次数パターン処理、及び最適モデルの選択が全自動、高精度です。
T・AIはさらに、ARIMAモデル外予測モデルの組み込み、誤差制御、実務パラメータが加わった最先端技術となっています。

Q3

気温や天候などのデータと組み合わせて予測することはできますか

A1

多変量ARIMAモデルを構築することは可能ですが、変数が多くなると予測精度は低下します。

Q4

なぜ、重回帰モデルによる売上予測モデルは精度が悪いのでしょうか

A1

重回帰モデルは、一般的には、Y=aX1+bX2+・・・・と表されます。Yを予測するためには、X1,X2,・・・を予測しなければなりません。X1,X2,・・・の予測誤差が累積するために精度が悪くなると考えられます。

Q5

今までにない需要変動が発生したら

A1

誰も予測できませんし、ARIMAでも不可能です。ただし、一時的異常変動のケースでは、そのままARIMA予測を継続させます。過大予測、過小予測が交互に発生し、期間通算をすると予測精度が保たれるからです。構造的な需要大変動が生じた場合(巨大地震、戦争、産業構造を変えるような画期的技術革新など)は、その後の変動量を必要量(従来使用データ量の10%程度)観測できると、予測が可能となります。

Q6

モデルの構築と予測計算のタイミングはどのようになりますか

A1

予測日の前日までのデータがあれば、毎日モデルを更新して予測することが可能です。スーパーなどに適用する場合には、週に1回モデルを更新し、1週間分を予測して発注に用いることが考えられます。

Q7

T・AIの処理性能はどれくらいでしょうか

A1

intelの6コア 3.5GHz程度のCPU+SSDであれば、1アイテムあたり0.03秒程度で計算処理が可能です。

Q8

特売フィルターの役割は何でしょうか

A1

特売フィルターは、特売を含む販売データを、通常販売のみのデータに置き換えるものです。

Q09

ライセンス体系は

A1

T・AIは、対象事業当たりの年間使用料金という価格体系となります。

Q10

T・AIの契約の期間はどうなるのか

A1

1年単位の更新といたします。

Q11

予測に使う情報は何ですか

A1

予測の対象となるデータ(販売量、売上金額など)の過去の時系列データ(90日分など)などです。

Q12

商品の発注・納品リードタイムが考慮されていますか。

A1

考慮しています。

Q13

毎日、発注できない商品にも対応できますか。

A1

可能です。発注日指定やまとめ発注は発注スケジュールの問題であり、ARIMAとよくマッチングする問題です。問題なくできます。
*入数、リードタイム、発注頻度は、ARIMA発注計算における基本要素で、標準的にシステムに組み込まれています。

Q14

安全在庫の設定を初期に行うとのことですが定期的な見直しは必要ないでしょうか

A1

年1~4回程度が標準的な更新サイクルです。尚、市場環境が激変したときは、別途再計算します。

Q15

在庫量が正確に把握できていないが発注量は算出できますか

A1

できます。予測誤差制御方式によるからです。


ページ上部へ