NaNi EXECUTION LAB
🔒 機密保護: 全処理ブラウザ完結 — 入力データは外部送信されません

AI Time-Series Analysis

需要予測

Holt-Winters 三重指数平滑化 · トレンド + 季節性 · 95% 信頼区間

USE CASE 1
在庫計画
翌期需要予測でMRP連携・欠品防止
USE CASE 2
原材料発注
MAPE 10%以内で原材料安全在庫を最小化
USE CASE 3
設備投資判断
中期トレンドで設備増強・縮小の根拠資料を生成
⚡ 5秒で試す
業界プリセットをクリック 予測モデルとグラフ期間を選択 「予測実行」をクリック
PRESET

PARAMETERS

0.30
0.10
0.20

DATA

CSV形式: year_month,quantity
例: 2024-01,820(最低14ヶ月必要)

Ctrl+Enter で実行
▸ 他のツールも組み合わせる
キャパ設計
🔍 工程ボトルネック分析
需要予測値をもとにBN工程の必要設備台数を算出
品質管理
🎯 品質予測 (NN)
増産時の品質リスクを事前にNNモデルで把握
🤖 全AIツール
製造DX向けAIツール一覧 — 全10本のツールを確認する →

このツールについて

📈 搭載モデル一覧
  • Holt-Winters: トレンド+季節性を同時モデル化。季節変動のある製品に最適。
  • 季節MA: 同じ季節の過去値の平均。シンプルで安定。
  • 線形+季節: 長期トレンドと季節パターンを分離して予測。
  • AR(2): 直前2期の値から次期を回帰予測。短期予測に強い。
  • 自動選択: 4モデルを比較し最良モデルを自動選択。
📊 精度指標の見方
  • MAPE: 平均絶対誤差率。10%以下なら良好、20%以上は要注意。
  • MAE: 平均絶対誤差(実際の数量単位)。実務的なズレの大きさ。
  • 信頼区間: 予測の不確かさの幅。幅が広いほど不確実性が高い。