お問い合わせ

ERPを中核とするサプライチェーンベンダー、Microsoft Dynamics 365のレビュー

著者:Léon Levinas-Ménard

最終更新:2026年11月4日

市場調査に戻る

Microsoft Dynamics 365 Supply Chain Managementは、購買、在庫、生産、倉庫管理、受注処理、および関連する業務記録を扱うERPアプリケーションである。Planning Optimizationは資材所要量と計画オーダーを計算し、Demand planningは予測の生成と管理を行い、Inventory Visibilityは接続先システムの在庫と引当を公開する。Copilotと調達エージェントは、対話型の分析やサプライヤーとの連絡業務を加える。1 2 5 28

サプライチェーン総合評価:5.1/10

評価分野 スコア
サプライチェーンへの理解の深さ 4.8/10
意思決定と最適化の実質 4.6/10
製品とアーキテクチャの一貫性 4.4/10
技術的透明性 7.4/10
ベンダーの真摯さ 4.2/10

このプラットフォームが扱う業務範囲は広く、公開マニュアルによって重要な仕組みの多くを検証できる。ただし、計画の中核は依然として所要量、補充規則、在庫しきい値、設定可能な優先順位である。これらは実行可能なオーダーを生成するものの、不確実な需要、不安定な供給、共有能力、限られた資本に対して共通の経済的な意思決定方針を確立するものではない。6 7 8

最大の懸念は、この設定を維持する費用と、意思決定モデルそのものを変更する難しさにある。Microsoftの新しいエージェントは既存プロセスの一部を自動化するが、そこに欠けている経済的な判断基準を補わない。また、過去にはサプライチェーンの司令塔として発表されたプレビュー製品が、製品の訴求をCopilotへと移す中、公開から一年も経たずに終了している。17 22 23

MicrosoftとLokadの比較

Dynamics 365は、多様な業務取引を記録し、実行する。Lokadの在庫最適化は、そうした記録を使い、経済的な結果に基づいて反復的な意思決定を計算する。サプライチェーンサイエンティストは、事業の変化に合わせてそのロジックを維持する。ERPを業務記録の基幹システムとして残しながら、購買や配分の判断を別のアプリケーションに任せることができる。

購買資金を奪い合う二つの商品を考える。Dynamicsの優先順位に基づく計画は、設定された最大在庫量に対する在庫の比率によって補充を順位付けできる。しかし、その比率では、どちらの仕入れの期待収益が大きいかは分からない。利益率、代替、販売機会損失、陳腐化、資本消費は、商品ごとに大きく異なり得る。Lokadの運用モデルは、こうした金銭的な違いを計算の中心に据える。6

もう一つの違いは、どこを改善するかにある。Dynamicsには豊富な設定項目と拡張のエコシステムがあるが、文書化されたPlanning Optimizationのフックは、主に計算後の結果を変更する。一方、Lokadでは経済モデルの改訂を継続的な作業の中心に置く。計画の高速化に価値があるのは、その計画が本当に重要な選択肢を表現している場合だけである。17

製品範囲と提供状況

本レビューは、Dynamics 365 Supply Chain Managementと、それに直接接続する計画、可視化、エージェントの機能を対象とする。

新規クラウド導入ではPlanning Optimizationが標準である。Microsoftの移行文書によると、バージョン10.0.41以降、新規導入では旧内蔵エンジンを利用できず、既存の法人には移行の例外が認められる場合がある。新しいサービスへの移行では、カスタマイズと計画動作の違いも評価する必要がある。16

Demand planningは、Power Platformの管理機能からインストールする別アプリケーションで、独自のライセンス要件と環境要件を持つ。Procurement Agentの文書では、レビュー対象の機能に依然として「本番環境で利用可能なプレビュー」という位置付けが付いている。任意の自動フォローアップメールとともに、受信した変更内容とその影響を人間が確認する手順が記載されている。27 10 11

計画エンジンが計算するもの

補充優先順位は在庫規則から決まる

文書化された優先順位付けの方法の一つでは、システムは正味フローを設定済みの最大在庫量で割る。正味フローは、手持在庫に発注済み供給を加え、対象となる需要を引いた値である。発注点を下回ると最大量に向けた補充を行い、優先順位の範囲によってオーダーをグループに分割できる。最低数量と発注単位も計算に含まれる。6

これらの規則は実行できるが、優先順位の百分率に固有の経済的意味はない。同じ百分率の商品でも、欠品費用は大きく異なり得る。逆に、欠品に近い低利益率の商品が、はるかに価値の高い仕入れより優先される場合もある。経済的判断は、しきい値、最大量、優先順位の範囲を設定する担当者に委ねられている。

同様に、安全在庫計画は、予測在庫が設定済みの最低量を下回らないようにする。文書では調達時間に基づく補充日程と、安全在庫として確保された在庫を実需要が消費する際の明示的な規則が説明されている。7

固定バッファはある程度の変動を吸収できるが、将来の販売や入荷の確率、各結果の費用を記述しない。Microsoftの製品ページは、この機能を欠品の解消という見出しで訴求している。しかし、供給と需要が不確実なままである以上、しきい値に基づく方針では、その無条件の主張を支えられない。1

供給リスクは見えるが、意思決定を一体的に選ぶ計算には入らない

Supply risk assessmentワークスペースは、サプライヤーの過去の納入実績を計画購買に適用する。リスクにさらされた数量と金額を表示し、計画を再評価する前に、仕入先、輸送、調達拠点の変更などを検討するよう利用者に促す。特定されたリスクへの対応を選ぶのは利用者である。33

残る隔たりは計算にある。納入リスクの報告は、到着日の分布、需要の不確実性、共通の障害、代替行動を組み合わせて購買を選ぶ方法を示さない。追加的な耐性にいくら払う価値があるかは、なお購買担当者が判断する。不安定なサプライヤーを見つけることは、在庫、緊急輸送、代替調達先、受け入れる欠品の経済的に適切な組み合わせを決めることより簡単である。

能力制約は実行可能性を高めるが、経済性の問題は解決しない

有限能力計画は、すでに予約された資源を考慮して日程を組み、能力が利用できない場合は作業を移動する。Microsoftはまた、シフト変更など、所要量に応じて能力が変化する場合にはこの機能を使わないよう警告している。計算される処理時間が誤るためである。8

この限界は重要である。残業、外注、日程変更、納入延期は、固定された前提ではなく、経済的に競合する選択肢であることが多い。能力を所与として日付をずらす計画では、追加能力の購入や特定の遅延の受け入れという、より良い選択を逃しかねない。問題は単なる計算速度ではなく、モデル化された意思決定の適切さにある。

移行時の比較文書には、返品オーダーが無視されることや、輸送および仕入先カレンダーの扱いの違いなど、具体的な範囲の制限も記載されている。そのため、業務設定を維持しても、移行によって計算される所要量と日付が変わることがある。9

予測と計画担当者に残る仕事

Demand planningは、auto-ARIMA、ETS、Prophet、XGBoostと、標準の単一入力モデルからの自動選択に対応する。公開された比較では、予測誤差の尺度によって、商品とディメンションの組み合わせごとに手法を選ぶ。これは従来型のモデル選択であり、経済的最適化における独自の飛躍を示すものではない。3

文書化されたプロセスは、データを取り込み、時系列に変換して予測を生成した後、人間が確認、修正、共同作業を行い、最後に出力する。モデル設計機能では、見かけ上の外れ値を平滑化し、人手で修正した値を後続の自動変更から保護できる。2 4

どちらの操作にも経済的なリスクがある。まれな大口注文は、消すべき誤りではなく、需要の本来の特性かもしれない。固定された修正値は、価値ある営業知識を保持することも、古びた意見を残すこともある。データの洗浄や上書き後に予測誤差が改善しても、購買判断が良くなったとはいえない。その確認には、各判断時点で入手可能だった情報を使い、結果として生じた在庫、欠品、廃棄、利益を評価する必要がある。

独自のAzure Machine Learningモデルにも対応している。Microsoftの公開テンプレートには、Pythonのスコアリングスクリプト、環境設定、バッチエンドポイントの導入手順が含まれる。READMEは、このサンプルをそのまま本番環境に導入できないと明記している。実際の拡張経路は用意されているが、本番用モデルの構築、検証、導入、保守は実装チームに残る。29 31

エージェント:事務作業は減るが、意思決定プロセスの大部分は変わらない

Procurement Agentは、未確認または遅延したオーダーを特定し、催促を生成し、サプライヤーのメッセージを読み、変更要求を抽出して影響分析を起動できる。自動送信は任意で、初期設定では無効である。影響分析は、変更を受け入れる前に購買担当者が結果を確認する助けになる。これらは具体的な業務フローの自動化である。10 11

催促を送ることは、緊急手配、オーダーの分割、資材の代替、欠品の許容のいずれを選ぶかを決めることではない。その選択には、不確実な経済的結果の比較が必要になる。購買担当者が依然として個別に調査し解決するなら、メール処理の改善で取り除けるのは反復作業の一部にすぎない。

稼働を支える設定も相当なものになる。専用IDがSupply Chain Management、Dataverse、Copilot Studio、Exchangeを接続し、メールボックスの同期、コネクタの利用権、データフロー、権限を設定しなければならない。文章作成で節約される時間と並行して、こうした依存関係が継続的な管理作業を生む。12

MCPは既存操作を公開する

Dynamicsの動的MCPサーバーは、データ、フォーム、アクションのツールを提供する。Microsoftは、通常のデータ操作ではフォームを操作するよりデータツールの方が呼び出し回数を減らせると明記している。また、エージェントのオーケストレーションとMCP実行には別々の料金がかかり、その詳細はクライアントによって異なる。13

この違いは生産性の問題を浮き彫りにする。ERPのフォームを操作するエージェントは、従来の対話パターンを、追加の計算費用を払って再現する。直接的なバッチ操作の方が有望だが、それでもコネクタは、どの業務判断が良いかを決めない。インターフェースの改善が意味のあるサプライチェーン自動化になるのは、妥当な意思決定を生み出し維持する総労力が減る場合だけである。

不適切なモデルを改善するのは、出力を変更するより難しい

Microsoftが文書化するPlanning Optimizationの主要な拡張は、計画ジョブが成功した後に実行される。独自処理が始まる時点で計画はすでに表示されており、別の実行が同じオーダーを更新または削除し得る。Microsoftは、結果整合性と更新競合に注意を促し、後処理のクエリには一部のBOM展開オプションで追加された構成品が含まれないと説明している。17

計画が、二つの商品間の商業的な相互作用を無視しているとする。計算後に優先順位を変えても、エンジンがその計画の基礎となった共有資金、能力、購買判断を再考することにはならない。チームは結果の周囲に補完ロジックを追加できるが、それは整合性を維持すべき意思決定の層をもう一つ作ることになる。

Microsoftは、Planning Optimizationの結果を使ってこうした拡張をテストするプレビュー開発環境を提供する。これはコードの動作確認に役立つ。しかし、それだけでは経済的な前提を検証できず、モデルを再定式化して、改訂した意思決定をその後の結果と比較する作業手順も確立できない。32

ここではホリミゼーションの視点が特に重要である。業務からのフィードバックは、再利用可能な意思決定方針を改善するものであるべきだ。主に後処理を公開するアーキテクチャは、代わりに固定された中核の周囲へ修正を積み重ねる方向に誘導しかねない。

ソフトウェア部品表と保守費用

構成要素または証拠 文書化された構成技術と境界 所有・運用への影響
中核の計画アーキテクチャ Supply Chain ManagementとAzure SQLが、独立したマルチテナント計画サービスとデータを交換する。 計画処理の分離はトランザクション負荷を減らす一方、サービスとデータ転送の境界を増やす。5
Inventory Visibility Dataverseを基盤とする別サービスで、インメモリキャッシュと公開APIを持つ。 在庫尺度、データ元の対応付け、引当、API制限を整合的に設定する必要がある。28
Procurement Agent Dynamics、Dataverse、Copilot Studio、Exchange、エージェントID。 権限、メールボックスのフロー、バージョン、コネクタ費用が複数サービスにまたがる。12
独自予測 Azure MLワークスペース、計算資源と環境、ストレージ、バッチエンドポイント、Python依存関係。 実装チームがモデルコードと安全な実行環境の責任を負う。29 31
MicrosoftのSCM技術職求人 歓迎経験にX++、C#、Azure SQL、AI/MLを挙げ、機能開発と本番サービス運用を職務に含める。 採用内容は、大規模なアプリケーションとサービスの技術基盤に対応している。18

費用はクラウドサービスの一覧だけでは捉えられない。それらの間で業務規則とデータの意味を一貫させる必要がある。商品ディメンション、仕入先フィールド、予測粒度の変更は、各サービス自体が稼働し続けていても、複数の対応付けや計算に影響する。

MicrosoftのOne Version方針は、年に少なくとも二度のサービス更新を求め、アプリケーション変更とカスタマイズについて利用者による受入テストを想定する。回帰テストの自動化は提供するが、明示された場合を除き、依存するソフトウェアライブラリを一般的な後方互換性の保証から除外している。自動化は反復的なテスト実行を減らすが、テストの保守と、経済的に重要などの挙動を検証するかの判断はチームに残る。15

統合によって顧客の従来の負担が減ることもある。Learning Resourcesは、Dynamics導入で三十の連携を廃止したと報告している。したがって比較すべきなのは、拡張と継続的な支援を含めた新旧の運用費用全体であり、大型スイートか専門製品の集合かの一方が本質的に安いと決めつけることではない。25

セキュリティと復旧の境界

エージェントにも権限は適用されるが、権限内の誤りは起こり得る

Microsoftによると、MCP要求は認証された人間または自律エージェントのIDで実行され、既存のERP権限と業務上の検証がアプリケーションAPIを通じて適用される。サーバーは独自に権限を付与せず、アプリケーションを迂回してデータベースを直接変更することもない。14

これは具体的な認可設計である。それでも、エージェントは割り当てられた権限の範囲内で有害な選択をし得る。サプライヤーのメッセージなどの外部コンテンツによって、調達用IDが業務データを無制限に変更・持ち出しできる経路になってはならない。エージェントの役割と許可された操作には、都合のよい人間のアカウントの広範な権限をそのまま与えるのではなく、任務に適した境界が必要である。

独自予測には明示的な隔離が必要

Demand planningの連携ガイドは、接続アプリケーションに対して、対象リソースグループの範囲でContributorアクセスを付与し、さらにストレージアカウントおよびBLOBデータの共同作成者ロールを与えるよう管理者に指示している。接続設定にはクライアントシークレットも保存する。予測を実行し結果を交換することを業務目的とする連携としては、広い権限である。29

Azure MLには、承認済みの送信先だけを許すモードやプライベートエンドポイントを含む、マネージドネットワーク分離がある。制限された環境を構築できることは示されているが、その設定はDemand planningの接続手順とは別である。この隔離なしに実務担当者が書いたPythonで本番データを扱えば、パッケージの侵害、意図しないデータ移動、認証情報の悪用が重大なリスクとして残る。制限は導入時に確立すべきものであり、Azureというブランドから推測してよいものではない。30

一つのサービスの復旧は、プロセス全体の復旧ではない

Microsoftの現行復旧文書では、2026年6月からFinance and Operationsにセルフサービスのリージョン復旧を拡張している。リージョン間レプリケーションは明示的に有効化する必要があり、重要な欠落も記載されている。業務イベントのエンドポイントは再作成が必要な場合があり、Fabricリンクは完全にはフェイルオーバーせず、Copilot Studioの会話要求はプライマリリージョンが復旧するまで利用できないことがある。19

これらは、製品に複数のサービス境界があることの運用上の帰結である。調達連絡や連携が壊れたまま取引記録を復元しても、サプライチェーンのプロセスは戻らない。また、リージョン間レプリケーションが対処する脅威は、管理者権限の侵害による破壊とは異なる。復旧可能な履歴と、独立した復元権限も依然として重要である。

約束と実装の歴史

時期 訴求 文書で確認できる実装・対応
2015–2016年 Dynamics AXを予測型インテリジェンスとして宣伝し、Cortanaがサプライチェーンの問題や熱波に伴う在庫需要を先読みするとする。 当時の技術説明は、Azure MLの予測・推奨サービスをERP業務フローに統合するものだった。20 21
2022年11月 MicrosoftがSupply Chain PlatformとSupply Chain Centerのプレビューを公開。 提案された司令塔は、データ、共同作業、知見、受注管理を組み合わせる。22
2023年10月 MicrosoftがSupply Chain Centerのプレビューを終了。 発表は変更をCopilotと結び付け、データ管理機能をPower Platformに移すと説明した。23
2024年10月 MicrosoftがSupplier Communicationsを含む自律エージェントを発表。 発表では、エージェントが購買オーダーの確認作業をすべて行うとしていた。24
2026年の文書 Procurement Agentの機能には引き続き本番環境で利用可能なプレビューという表示があり、動的ERP MCPが旧静的サーバーを置き換える。 任意の自動催促は存在するが、確認と設定の義務も残る。静的MCPの廃止日は2026年10月1日である。10 11 13

2015年の表現は、限定的な予測・警告の仕組みを、幅広い知的な業務支援のように見せていた。今日の対話機能は実質的に異なるが、どちらの世代も、利用者に問題を説明するだけで経済的な意思決定方針を確立するわけではない。

Supply Chain Centerは、より明確なロードマップ上の警告である。Microsoftは司令塔を新しいサプライチェーンプラットフォームの中核に据えた後、対話型インターフェースが流行すると、そのプレビューを終了した。基盤となる連携部品は別の場所で存続したが、その製品を評価していた顧客は急な方向転換に直面した。22 23

自律調達にも同じ検証が必要である。現行文書が裏付けるのは、任務が限定され、確認作業が残る、有用な連絡自動化である。生産性は、この限定された実装で評価すべきであり、エージェントが確認作業をすべて引き受けるという2024年の約束で評価すべきではない。24 11

顧客成果と経済的責任

Learning Resourcesの2024年5月の事例は、倉庫作業の労働効率が15%向上し、受注処理能力が倍以上になり、数日かかっていた需要計画を一日に何度も実行できるようになったと報告している。在庫費用の15%削減は期待値であり、達成済みの成果として報告されていない。これらはERP改革全体の改善であり、最新の調達エージェントより前の成果である。25

Bedrosiansの事例は、四十の拠点、およそ五年分の履歴に基づくAzure ML予測、十五分ごとの計画実行を説明している。購買担当者は、その出力を使って六〜八か月先の仕入れを計画する。業務規模と頻繁な再計算は示されるが、購買担当者に残る仕事量と在庫面の純便益は定量化されていない。26

これらの事例は、実行と調整における有用な改善を裏付ける。しかし、個々のアルゴリズムの財務的な寄与を切り分けておらず、ライセンス、実装、連携、継続的な設定、パートナーの労務を含む完全な費用明細も示さない。また、計画実行が速くなっただけでは、経済的に不適切な方針が改善したとはいえない。

責任を問うには、この区別が必要である。設定された方針が資本を使い過ぎたり、誤った在庫を繰り返し購入したりしても、ベンダーはソフトウェアの稼働保証を満たせる。評価は意思決定から実現した結果までを追い、それを修正するために継続して必要となる仕事も含めなければならない。

サプライチェーン評価

サプライチェーンへの理解の深さ

評価基準 スコア
経済性に基づく問題設定 4/10
最終的な意思決定への到達 7/10
サプライチェーンに関する概念の明確さ 5/10
時代遅れの中核的な考え方からの脱却 3/10
KPIの見せかけに対する耐性 5/10

平均:4.8/10

経済性に基づく問題設定 — 4/10。 設定された在庫比率と優先順位が補充を支配し、資源の競合する用途を横断する共通の金銭的目的がない。6

最終的な意思決定への到達 — 7/10。 エンジンは計画購買と生産所要量を生成し、業務実行につなげる。単なる報告を大きく超えている。5 7

サプライチェーンに関する概念の明確さ — 5/10。 詳細な業務の意味付けはあるが、サプライヤーのリスク分析と経済的な行動選択との結び付きは弱い。8 33

時代遅れの中核的な考え方からの脱却 — 3/10。 所要量計画、バッファのしきい値、反復的な予測レビューが、運用モデルの中心に残る。2 7

KPIの見せかけに対する耐性 — 5/10。 実名の顧客事例は有用な業務指標を報告するが、実行の高速化や削減見込みを、実現した純収益の代わりにはできない。25 26

意思決定と最適化の実質

評価基準 スコア
確率的モデリングの深さ 2/10
最適化または機械学習の独自性と実質 4/10
現実の制約への対応 7/10
意思決定の自動化と労働生産性 6/10
実際の業務の複雑さに対する耐性 4/10

平均:4.6/10

確率的モデリングの深さ — 2/10。 予測と納入リスクの指標は、経済的に最適な確約を選ぶための同時確率を確立していない。3 33

最適化または機械学習の独自性と実質 — 4/10。 予測と補充の手法は明示されているが、従来型である。クラウドへの処理分離は、経済的な定式化ではなく実行速度を改善する。3 5

現実の制約への対応 — 7/10。 システムは生産と在庫の多くの詳細を扱う一方、一部の企業に大きな影響を与える限界も文書化している。8 9

意思決定の自動化と労働生産性 — 6/10。 顧客事例は実際の業務生産性の向上を示す。最新のエージェントでも、事務作業以外の部分では設定と人間の判断が必要である。25 12

実際の業務の複雑さに対する耐性 — 4/10。 拡張のテストは可能だが、計算後のフックでは、新たに判明した経済的相互作用を計算そのものに組み込みにくい。17 32

製品とアーキテクチャの一貫性

評価基準 スコア
アーキテクチャの整合性 5/10
システム境界の明確さ 7/10
セキュリティへの真剣さ 4/10
ソフトウェアの簡素さと所有費用 2/10
プログラムによる運用とエージェント支援運用への適合性 4/10

平均:4.4/10

アーキテクチャの整合性 — 5/10。 サービス間の連携経路は定義されているが、復旧の依存関係からは、業務上の一体性が不完全であることが分かる。5 19

システム境界の明確さ — 7/10。 Microsoftは、データフロー、利用要件、プレビューの状態を、製品範囲を区別できる程度に詳しく文書化している。27 28

セキュリティへの真剣さ — 4/10。 エージェントにもERPの認可が適用される。独自MLの広い権限と、別途設定する実行環境の分離によって、標準的な実装経路の安全性は弱まる。14 29 30

ソフトウェアの簡素さと所有費用 — 2/10。 相互依存するサービス、独自コード、必須更新、業務規則のテストが、大きな継続的運用負担を生む。12 15

プログラムによる運用とエージェント支援運用への適合性 — 4/10。 APIと直接アクションは自動化を支えるが、既存フォームを公開しても、基礎となる意思決定方針はほとんど改善しない。13

技術的透明性

評価基準 スコア
公開技術文書 9/10
ベンダーの仲介なしでの検証可能性 7/10
移植性とロックインの可視性 6/10
実装方法の透明性 8/10
技術的主張を裏付ける証拠の密度 7/10

平均:7.4/10

公開技術文書 — 9/10。 数式、移行時の差異、拡張コード、運用上の制限により、実質的な独立評価ができる。6 9 17

ベンダーの仲介なしでの検証可能性 — 7/10。 公開例とコードで重要な挙動を確認できるが、完全な計画エンジンを再現できるわけではない。31 32

移植性とロックインの可視性 — 6/10。 インターフェースと導入の要件は見える。一方、独自の設定と接続されたMicrosoftサービスにより、置き換えには依然として費用がかかる。27 28

実装方法の透明性 — 8/10。 設定、移行、更新の手順は、実装チームが担う作業の多くを明らかにしている。12 15 16

技術的主張を裏付ける証拠の密度 — 7/10。 詳細なマニュアルと実名の運用事例は、広範な自律性の主張よりも、具体的な機能を強く裏付ける。10 26

ベンダーの真摯さ

評価基準 スコア
公開発信の技術的な真摯さ 4/10
技術ロードマップの一貫性 3/10
概念の明確さ 4/10
経済的責任 5/10
エージェント型ソフトウェアの世界での競争力の持続性 5/10

平均:4.2/10

公開発信の技術的な真摯さ — 4/10。 精密なマニュアルと同時に、実証された仕組みを超える欠品解消や広範な自律業務が約束されている。1 24

技術ロードマップの一貫性 — 3/10。 長く続くERPの周囲には、短命な上位製品の構成と変化するエージェントインターフェースがある。Supply Chain Centerの方針転換は特に明確である。23 13

概念の明確さ — 4/10。 このスイートは取引と業務フローの整理に強いが、計画の優先順位は、統一された経済的な解釈と結び付いていない。6

経済的責任 — 5/10。 公開事例は意味のある業務成果を示すが、寄与の切り分け、継続的な労務、所有費用を完全には説明していない。25 26

エージェント型ソフトウェアの世界での競争力の持続性 — 5/10。 取引機能の深さと導入済みの業務基盤には価値が残る。既存業務フローへの対話型アクセスの貢献は、再利用可能な経済的意思決定エンジンよりはるかに小さい。28 13

出典

[1] Dynamics 365 Supply Chain Management

Dynamics 365 Supply Chain Management。現行の製品ページ。閲覧日:2026年11月4日。

[2] Demand planningのホームページ

Demand planningのホームページ。現行文書。閲覧日:2026年11月4日。

[3] 需要予測アルゴリズム

需要予測アルゴリズム。現行文書。閲覧日:2026年11月4日。

[4] 予測モデルの設計

予測モデルの設計。現行文書。閲覧日:2026年11月4日。

[5] マスター計画のシステムアーキテクチャ

マスター計画のシステムアーキテクチャ。現行文書。閲覧日:2026年11月4日。

[6] 優先順位に基づく計画

優先順位に基づく計画。現行文書。閲覧日:2026年11月4日。

[7] 品目の安全在庫補充

品目の安全在庫補充。現行文書。閲覧日:2026年11月4日。

[8] 有限能力計画とスケジューリング

有限能力計画とスケジューリング。現行文書。閲覧日:2026年11月4日。

[9] Planning Optimizationと廃止予定のエンジンの違い

Planning Optimizationと廃止予定のエンジンの違い。現行文書。閲覧日:2026年11月4日。

[10] Procurement Agentを使った購買オーダーのフォローアップ

Procurement Agentを使った購買オーダーのフォローアップ。本番環境で利用可能なプレビューの文書。閲覧日:2026年11月4日。

[11] Procurement Agentの責任あるAIに関するFAQ

Procurement Agentの責任あるAIに関するFAQ。現行文書。閲覧日:2026年11月4日。

[12] Procurement Agentのサプライヤー連絡機能の設定

Procurement Agentのサプライヤー連絡機能の設定。本番環境で利用可能なプレビューの文書。閲覧日:2026年11月4日。

[13] 財務・業務アプリでのModel Context Protocolの利用

財務・業務アプリでのModel Context Protocolの利用。現行文書。閲覧日:2026年11月4日。

[14] Dynamics 365 ERP MCPのセキュリティ

Dynamics 365 ERP MCPのセキュリティ。現行文書。閲覧日:2026年11月4日。

[15] One Versionのサービス更新に関するFAQ

One Versionのサービス更新に関するFAQ。現行文書。閲覧日:2026年11月4日。

[16] マスター計画をPlanning Optimizationへ移行する

マスター計画をPlanning Optimizationへ移行する。現行文書。閲覧日:2026年11月4日。

[17] Planning Optimizationの拡張性

Planning Optimizationの拡張性。現行文書。閲覧日:2026年11月4日。

[18] Microsoft Supply Chain Managementのソフトウェアエンジニア求人

Microsoft Supply Chain Managementのソフトウェアエンジニア求人。2026年の求人。閲覧日:2026年11月4日。

[19] 事業継続と災害復旧

事業継続と災害復旧。現行文書。閲覧日:2026年11月4日。

[20] Microsoft Dynamics AXで業務アプリケーションを再構想する

Microsoft Dynamics AXで業務アプリケーションを再構想する。2015-11-19。閲覧日:2026年11月4日。

[21] Microsoft IgniteでDynamics AXの戦略などを知る

Microsoft IgniteでDynamics AXの戦略などを知る。2016-06-13。閲覧日:2026年11月4日。

[22] MicrosoftがMicrosoft Supply Chain Platformを発表

MicrosoftがMicrosoft Supply Chain Platformを発表。2022-11-14。閲覧日:2026年11月4日。

[23] 新しいCopilotと需要計画の機能

新しいCopilotと需要計画の機能。2023-10-31。閲覧日:2026年11月4日。

[24] 業務プロセス全体の仕事を自律エージェントで変革する

業務プロセス全体の仕事を自律エージェントで変革する。2024-10-21。閲覧日:2026年11月4日。

[25] Learning Resourcesが倉庫作業の労働効率を向上

Learning Resourcesが倉庫作業の労働効率を向上。2024-05-09。閲覧日:2026年11月4日。

[26] Bedrosians Tile and Stoneが拡張性を向上

Bedrosians Tile and Stoneが拡張性を向上。2023年の顧客事例。閲覧日:2026年11月4日。

[27] Demand planningのインストール、有効化、設定

Demand planningのインストール、有効化、設定。現行文書。閲覧日:2026年11月4日。

[28] Inventory Visibilityアドインの概要

Inventory Visibilityアドインの概要。現行文書。閲覧日:2026年11月4日。

[29] Demand planningで独自のAzure Machine Learningアルゴリズムを使う

Demand planningで独自のAzure Machine Learningアルゴリズムを使う。現行文書。閲覧日:2026年11月4日。

[30] Azure Machine Learningのマネージド仮想ネットワーク分離

Azure Machine Learningのマネージド仮想ネットワーク分離。現行文書。閲覧日:2026年11月4日。

[31] Demand Planning向けMicrosoft独自Azure MLテンプレート

Demand Planning向けMicrosoft独自Azure MLテンプレート。コミット85007e33に固定したリポジトリ。閲覧日:2026年11月4日。

[32] Planning Optimizationの統合開発者環境

Planning Optimizationの統合開発者環境。プレビューの文書。閲覧日:2026年11月4日。

[33] Supply risk assessmentの概要

Supply risk assessmentの概要。現行文書。閲覧日:2026年11月4日。