Manhattan Active® IQ

30 年以上の経験により生まれたマンハッタンの計算知能テクノロジーとテクニックで、ビジネスに最適な成果を生み出します。

Manhattan Active プラットフォームのための計算知能

計画的監視

エンジンやモデルなどのシステム的な挙動をアルゴリズムで継続的に監視。

習得したオペレーション面における強化

自律的なオンラインセンシング、学習、およびオペレーショナルダイナミクスの変動に対する最適な対応による反応。

異常の除去

準リアルタイムのストリーミングからドリフトを探すバッチまで、大量のデータをシームレスに処理することで、データの特性、分布、期待されるパフォーマンスにおける異常を解消します。

よりスマートな解決

利用可能な情報、実験、および以前の意思決定分析からのインサイトに基づいて評価し、最適な選択を行うために使用される確率的および分析的メカニズム。

What-If シミュレーション

上流の行動と下流の反応の What-If 分析とシミュレーションを行うことで、システムは自動的に最適な選択を実行します。

戦略的意思決定

不確実な状況下で、戦術的および戦略的なビジネス上の意思決定を行うための体系的、定量的、そしてしばしば視覚的なアプローチ。

情報に基づいた数学的手法

データから知識を最適に抽出してインサイトを生み出す科学的な数学的手法を用い、情報に基づいた意思決定や予測モデルの構築を支援します。

高度な分析

データの特徴付け、将来の事象の予測、レコメンデーションの提示、どれを選択すべきかを判断するための記述的、予測的、規範的な分析機能などを提供します。

統計的予測と学習

統計モデリング、予測、自然言語処理、機械学習の能力を最大限に引き出します。

洗練された数学モデル

洗練された厳密な数学モデルを使用して、分析タスクや複雑なビジネス上の問題を組み立てます。

リアルワールドデータの利用

リアルワールドデータを数学モデルと組み合わせ、高度なテクノロジーとアルゴリズムによって解くことで、最適な結果を得ることができます。

組合せ型活用

組み合わせおよび継続的最適化、ヒューリスティック、およびメタヒューリスティックを活用します。

機械学習とアルゴリズムが当社の応用インテリジェンスにどのように貢献しているかをご覧ください。

注文管理における適応システム

フルフィルメントソーシングの最適化は、適応アルゴリズムを使用して、フルフィルメントの選択に継続的に優先順位を付け、分割出荷を最小限に抑え、期限切れ在庫の活用を最大化し、各注文に対して総コストが最も低いフルフィルメントプランを提供します。
注文管理におけるデータサイエンス

機械学習により、入荷待ち、手持在庫、インバウンド在庫、保護レベル、労働力、出荷数、曜日、時間帯、注文サイズ、店舗/ロケーションにおけるバックログ、サービスレベル、運送業者、輸送中の合流ルートを考慮した、出荷日および配達日の予測約束モデルが改善されます。
プロモーションと店舗システムにおける最適化

多数の最適化アルゴリズムと数学モデルにより、プロモーションの推奨事項、店内のタスク割当てのマッチングなどが可能になります。

以下は、アロケーション、需要予測、補充、プランニングなど、マンハッタンの在庫ソリューション全体に適用されたインテリジェンスの例です。

需要予測における適応システム

継続的な需要感知、需要予測、自動ポリシーチューニングは、データサイエンス技術と適応アルゴリズムを活用して、需要の変化を確実に予測、対応し、在庫を正しい場所に配置することを容易にします。
在庫プランニングにおけるディシジョンサイエンス

数多くの在庫量最適化ポリシーを評価し、安全在庫、注文頻度、予測ポリシーにコミットする前に、ネットワークシステムの影響を調査、実験、テストします。
需要予測におけるデータサイエンス

機械学習と高度な統計モデルにより、ビジネスイベントが需要に与える影響を特定し、予測モデルを最適化します。

以下は、倉庫管理、労務管理、輸配送管理など、マンハッタンのサプライチェーン実行ソリューション全体に適用されたインテリジェンスの例です。

労務管理におけるデータサイエンス

機械学習は、平均化された静的な基準ではなく、リソースごとの継続的な分析結果に基づいて、より正確なタスク時間の見積もりを提供します。
輸配送管理の最適化

出荷計画の最適化、調達の最適化、フリートの最適化などのために、多数の高度なアルゴリズムとモデルを計算します。
倉庫管理における適応システム

リアルタイムの需要と予測される下流への影響に応じて、注文とアロケーションを継続的に再評価し、優先順位を付ける適応的なワークリリースアルゴリズム。