お問い合わせ

サプライチェーンシミュレーションソフトウェアベンダーSCM Globeのレビュー

著者:Léon Levinas-Ménard

最終更新日:2026年11月4日

市場調査に戻る

SCM Globeは、ブラウザー上でサプライチェーンのモデリングとシミュレーションを提供する。ユーザーは商品、施設、車両、経路を地図に表し、在庫移動、運用費用、能力上の問題をシミュレートする。Academic版とProfessional版は教育と分析向けで、Enterprise版と軍事向けX4SIMは共同計画と詳細な運用モデルを加える。1 2

サプライチェーン総合評価:3.7/10

評価分野 評点
サプライチェーンへの理解の深さ 3.2/10
意思決定と最適化の実質 2.8/10
製品とアーキテクチャの一貫性 4.0/10
技術的透明性 5.2/10
ベンダーの真剣さ 3.4/10

SCM Globeは一貫したシミュレーション製品を持ち、多くの企業向けベンダーより詳しくモデルの前提を公開する。文書はエンジンを説明し、重要な限界を開示し、実践的な演習を提供する。政府の助成記録も軍事版の開発を裏づける。

弱点は、物流を説明するモデルから、業務判断を確実に改善するシステムへの飛躍にある。公開の最適化手法は、手作業のシナリオ修正、EOQ計算、管理者が重みづけする業績目標に依存する。新しいAIの主張は、そのプロセスの代替を立証していない。公開根拠は、在庫・輸送結果の較正された予測も、推奨方針を運用した経済的収益も実証しない。製品の教育上の有用性は、サプライチェーン判断を自動化する能力より明確だ。

SCM GlobeとLokadの比較

SCM Globeは、実務者が代替案を組み立てて結果を調べるシミュレーション環境を提供する。Lokadは運用付きの在庫最適化サービスを提供し、サプライチェーンサイエンティストが意思決定を生成する数値レシピを開発、運用、維持する。違いは、反復的な意思決定作業を誰が行い、ソフトウェアに何を求めるかにある。

シミュレーターは、想定した需要率、輸送予定、施設構成から何が起きるかを示せる。依存関係の理解には有用だ。業務最適化にはさらに、未来を知る前に行動を選び、需要とリードタイムの不確実性を含め、その商業的な結果を評価する必要がある。自ら想定した未来の中で欠品を防ぐシナリオでも、その在庫投資に価値があるとは立証できない。

Lokadは、予測された流れに合意することではなく、不確実性のもとでの経済的選択を中心に置く。担当者はサプライヤー、商品、制約、経済条件の変化に応じてモデルを維持する。シミュレーションの前提が顧客の仕事の大半を占め得るため、この継続責任は重要だ。

SCM Globeの視覚環境には独自の教育目的がある。学生に経路を調べさせ不足を修正させることは、システム理解に役立つ。一方、拡大する事業で業務担当者に同じ修正を繰り返させれば、反復労働を課すことになる。教材と本番の意思決定プロセスには、異なる生産性基準が必要だ。

シミュレーターが表現するもの

小さなモデルに伴う重大な単純化

エンジン文書は、固定時間刻みと四つのエンティティ区分の相互作用を使う、決定論的な非線形シミュレーションと説明する。シミュレーションと最適化も明示的に区別する。商品は車両と経路を通じて施設を流れ、モデルを変えると計算される軌跡が変わる。2

各エンティティのマニュアルは抽象化の粒度を示す。

エンティティ 文書化された入力 モデルへの影響
商品 価格、重量、容積。ガイドは輸送箱、パレット、コンテナを推奨。3 物理的な輸送単位を直接表せるが、集約では経済的に異なる商品を区別し続ける必要がある。
施設 保管能力、賃料、運用費、需要・生産率、初期在庫、販売上乗せ率。5 費用と在庫流動は計算できるが、不確実性と判断規則には追加構造が必要。
車両 積載容積、平均速度、運用費、出発遅延。平均速度に交通と荷下ろしを含める。4 輸送時間は移動とサービス時間の前提で要約される。
ネットワーク 共通シミュレーションにまとめた所在地と接続。2 相互作用は見えるが、比較に値する代替案はユーザーが定義する必要がある。

小さなスキーマならモデルを素早く作れる。同時に、何を安全に省けるかを判断する人に大きな責任を負わせる。商品群は、利益率や欠品費用が異なる品目を隠し得る。平均輸送速度は非対称な遅延分布を隠し得る。日次生産は、ロットサイズ、段取り替え、特定原料への依存を隠し得る。

施設を地図上に正確に置いても、これらの単純化は解消しない。地理的な現実性は業務がどこで起きるかに関するものだ。意思決定の精度は、選ぶべき行動を変える結果をモデルが保っているかに関するものである。

数値の時間解像度は運用上の細部ではない

FAQはAcademicとProfessionalの具体的な限界を示す。一時間刻みの計算では、短い経路を大きく歪め得る。車両の四時間のイベントで費用・炭素の誤差が約10%、一時間未満なら60%以上と報告する。Enterprise/X4SIMは分刻みと詳細なモデルを使い、この限界を解消するとベンダーは述べる。7

したがって、数値解像度のために一方の経路が有利とされる場合がある。解像度を高めるのは具体的な改善だが、実際の移動時間、車両可用性、需要の前提を検証したことにはならない。細かく計算しても、誤った未来は誤ったままだ。

分析ガイドは、一時間単位の出力を日次エクスポートに集約すると述べ、不規則な配送をバタフライ効果によって予測不能性を導入する手段と説明する。19 モデルのタイミングで生じる配送失敗は、測定された実世界の失敗過程と区別しなければならない。そうしないと、担当者は実際の事業リスクではなく、シミュレーターの挙動を補う安全在庫を買うことになり得る。

不確実性、最適化、AI

アンサンブルには確率モデルが必要

SCM Globeは、エンティティ属性を少しずつ変えて複数のシミュレーションを実行し、その集合を調べることで、決定論的予測に確率を加えると提案する。気象のアンサンブル予報に比較している。2

欠けているのは、変化をどう生成し、重みづけるかだ。都合のよい百分率で需要を動かしても、その確率は確立しない。経路を独立に変えると、複数サプライヤーを同時に遅らせる共通の混乱を見逃し得る。得られた欠品頻度が意味を持つのは、標本化した未来が実際の運用リスクを表す場合だけである。

特にリードタイムでは重要だ。輸送の名目所要時間とその変動は、追加在庫と別の輸送契約のどちらが経済的に有利かを左右する。調査資料は、需要、輸送遅延、その依存関係の較正された共同モデルを開示しない。また、予測在庫軌跡、混乱確率、サービス結果の標本外評価も示さない。

モデルは実質的に、ネットワークの将来状態を高次元で予測している。したがって検証は、地図がもっともらしいか、アニメーションが完了するかを超える必要がある。現実の未来が中心シナリオと違う場合を含め、まだ選べる意思決定を信頼できる形で順位づけするかを確かめるべきだ。

検査できる最適化手段は表計算のワークフロー

公開最適化テンプレートは、シミュレーション結果を出力し、30日分に切り詰め、表計算に読み込むよう求める。EOQで配送量と頻度を提案し、ユーザーが指定する重みと目標によって在庫、輸送、保管の性能を組み合わせる。その後ユーザーがネットワークを変え、シミュレーションを再実行する。数巡すると異なるユーザーが似た解に近づくとページは述べる。6

この手順から最適化の境界は明確になる。ダッシュボードが選んだ目標との差を示し、人が変更内容を決める。EOQは制限的な前提のもとで狭いトレードオフを与える。いずれも、不確実性のもとで相互作用する補充・輸送判断を経済的に順位づけする方針ではない。

重みつきKPI点数には別の問題もある。重みを変えると、顧客結果やキャッシュフローを何も変えずに、同じ物理計画を良く見せられる。重みは管理者の意図を伝えるかもしれないが、任意の尺度は財務評価ではない。企業の一部から別の部分へ費用を移しながら、良い点数を得ることもできる。

ユーザー間の収束も大域最適の証拠にはならない。同じワークシートに従う人々が収束するのは、それが同じ限られた選択肢へ誘導するためかもしれない。重要なのは、参加者が最後に合意するかではなく、関連する採算の良い代替案が排除されていないかである。

AIの提案だけでは意思決定エンジンを立証できない

2025年4月のEnterprise発表は、モデル分析、改善案の生成、推奨理由の説明、拠点と経路の支援を行うAIを約束する。学習手法、訓練データ、最適化の定式化、提案の評価は特定していない。11

設計の代替案こそ旧ワークフローが人に残す仕事なので、これは重要な主張だ。有用な実装なら実行可能な候補を作る労力を減らせる。経済的改善を示すには、候補をどう評価し、不確実性をどう含め、悪い推奨からどう持続的な修正を得るかも説明しなければならない。

現時点の公開記録はその仕組みを明らかにしない。シナリオの自動作成と前提の検証は異なり、どちらも経済的に望ましい行動を選ぶこととは異なる。会話インターフェースやモデル編集支援は、負担の一部しか扱わない。

顧客の根拠と経済的責任

EnterpriseページはJava Furnitureを、モデル上の倉庫移転によって配送時間18%短縮、物流費22%削減を得た例として紹介する。8 リンク先の2016年6月の事例は、実在企業をもとにしつつ、モデル用に名称と数値を変更したと述べる。示すのは演習、代替設計、進行役付きS&OPであり、効果を帰属できる財務上の導入前後比較ではない。9

リンク先の演習は両百分率を再現せず、実際の物流支出との整合も示さない。モデル上の移転は検討を助けるが、この数値は導入費用を差し引いた顧客収益の測定を立証しない。

この区別は経済的に重要だ。シミュレーション内の倉庫移転は、移行費用、契約義務、顧客への混乱、需要予測の誤りを省きながら、モデル上の輸送費を下げ得る。シミュレーター内の見かけの利益は、それらの結果を実事業で検証するまで仮説でしかない。

軍事業務には、より確かな制度的記録がある。SBIRは2024年のPhase II助成1,776,178ドルをEffective Systems Corpに対して記録し、同社とSCM Globeを結びつけ、連続する軍事ソフトウェア版とユーザー評価を説明する。10 具体的用途のある資金付き開発を確認できる。達成された任務成果や、商業的節約率の検証を報告するものではない。

公開条件はアプリケーションを明示的に対象とする。保証、間接損失、一部のデータ関連損失を除外し、適用法に従って責任額を直近十二か月の料金に制限する。18 ベンダーが公開する経済的負担には厳しい上限がある。調査資料には、成果の約束や、顧客の意思決定モデルを経済的に妥当な状態に維持する継続責任も加えられていない。

技術の変遷と実行

時期 公開記録 変わったこと
2013年以降 SBIRの計画説明は、商用アプリケーションが2013年から教育・コンサルティング市場に提供されたと記す。10 新しい企業向け製品の背後に、継続的な製品歴がある。
2015年10月 六段階のガイドがすでに同じ四エンティティモデルを説明し、最良のシミュレーション設計は現実でも最良に働くと主張。14 中心的なモデリング手法と強い現実への転用主張は、現在のAI用語より前にある。
2016年6月 Java Furnitureが手動で導く設計とS&OPを例示。9 人の解釈とシナリオの反復修正が元の流れの中心。
2024–2025年 政府助成は軍事開発の反復を具体化。SCM GlobeはX4SIMと商用Enterpriseを関連する開発と説明。10 15 協働と詳細なシミュレーションは特定できる製品開発。
2025年4月 EnterpriseがAIによるモデル改善を発表。11 同等の公開手法説明なしに、約束がシミュレーションから判断提案へ広がる。
2025年11月–2026年2月 ベンダー記事が多人数の協働と、ERP入力による日次計画を説明。12 13 運用構想は依然、調整された人間の参加に大きく依存。

2015年の記事にある、最良のシミュレーション設計は現実でも最良になるという主張が、続く技術的弱点だ。シミュレーターは自分の規則を一貫して実行するだけでは、その順位を保証できない。単純化、不確かな入力、欠けた結果によって、順位は逆転し得る。

ロードマップには実際の継続性もある。Enterpriseの時間的な詳細化は、以前のシミュレーターの明示された限界を扱う。軍事助成は曖昧な提携ロゴではなく、段階的な版とユーザーの反応を説明する。これらは、説明なく製品紹介にAIを加えるより説得力がある。

なお欠けているのは、現実の悪い判断からモデル修正を経て改善実証に至る公開の連鎖だ。それがあれば、フィードバックが、変わらない計算についての新しい議論手段や画面機能を増やすだけでなく、因果・経済ロジックを変えるかが分かる。

ソフトウェア構成要素

SCM Globeの公開アプリケーションは、実装の一部について直接の根拠を与える。ログインページが読み込むJavaScriptバンドルには、jQuery 1.12.4、Sizzle 2.2.1、jquery-ujs、1.13.3と1.14.1のjQuery UIモジュール、Foundationモジュールが含まれる。jQuery UIのlegacy-coreパッチを含み、非圧縮で約3.8 MBである。16 17

構成要素 確認できた役割 保守上の意味
jQuery、Sizzle、jquery-ujs 公開アプリケーションバンドルに含まれる。16 新しい構成要素とともに、古い基礎依存関係を残す。
jQuery UIとFoundation 同じ配信バンドルの画面構成要素。16 複数UIライブラリと互換性パッチが継続的な更新・回帰作業を生む。
ブラウザーとクラウドの実行 FAQはサーバーと利用者端末への計算分担を説明。7 クライアントのメモリとハードウェアが処理可能な負荷を左右する。
JSON/CSVと表計算レポート モデル・データ交換と分析手順を文書化。1 6 データ移植性は検査に役立つが、表計算変換とモデル修正の保守は残る。
Enterprise/X4SIMサーバー実装 配備方法を説明するが、実行環境、データベース、インフラ要素は特定しない。1 11 サーバー運用費用と依存関係更新の責任が不明。

公開ログイン画面には複数世代の依存関係が残り、Enterpriseのサーバー構成は未公開だ。互換性パッチ、画面変更、シミュレーションの挙動はまとめて検証する必要がある。

より重大な運用費用は、ソフトウェア依存関係の外にあるかもしれない。各入力フィールドは、元システムが変わっても意図した意味を保つ必要がある。手動の単純化は、事業が変わっても有効でなければならない。小さなシミュレーターでも、ホスティング費が低い一方で、大きなモデル保守サービスを要し得る。

設定の維持、セキュリティ、生産性

Professionalの公開料金は90日で295ドル、年額780ドルで、一時間の研修またはコンサルティングを含む。Enterpriseは要件に応じてProfessionalの数倍で、個別拡張とホスティングも提供する。公開インターフェースはJSONまたはCSVを使い、モデル生成と報告機能はベンダー経由で有効化する。1

この利用料は運用費用の始まりにすぎない。ユーザーは需要・生産の前提、輸送率、費用、能力、元データとモデルの対応を維持する必要がある。物理パラメーターを変えると、関連施設や経路が無効になり得る。製品マニュアルは、商品サイズや重量の変更には関連モデルの変更が必要な場合があると明示的に警告する。3

FAQは取り消し機能がないことと、手動保存したコピーによる復元を記す。また能力の検証が遅れる例も説明する。荷物の割り当て後に車両容積を減らすと、編集画面では過積載のままで、シミュレーション開始時に検出される。7 反復実験には、変更した業務前提と誤編集を区別できる、信頼できる版管理と検証が必要だ。

有用な修正プロセスなら、失敗事例を保存し、誤った前提や不足する規則を特定し、モデルを変え、関連する回帰事例を再実行する。担当者に別の回避策を覚えさせれば、業務知識は本人の頭に残る。次の退職、担当替え、データ更新の費用も高くなる。

セキュリティにも具体的な境界がある。FAQは企業、政府、軍のセキュリティソフトウェアが干渉する場合に技術サポートへの連絡を勧めるが、私用ノートパソコンを試すことも提案する。7 業務データを管理外端末へ移すと、組織が意図したアクセス・端末制御を外し得る。互換性は許可された環境の中で解決すべきだ。

自社ホスティングや機密環境への適合という主張は、テナント分離、管理者権限、コネクターの認証情報、監査可能性、取り込むデータの封じ込めを説明しない。公開Enterprise説明はこれらを文書化していない。1 開発助成が示すのは軍事案件であり、商用顧客で稼働するセキュリティ構成ではない。

生産性の提案は協働を中心としたままだ。2026年2月の記事は、ERPからの日次入力と営業、業務、財務、管理部門の参加を説明する。登壇者はSCM Globeの営業責任者と顧問と記される。12 2025年11月の多人数参加例は、参加者が変更を交渉し、シミュレーションを繰り返し、合意する架空の会社を描く。13

それで会議の情報は豊かになるかもしれない。しかし、千件の意思決定当たりの反復計画時間、承認数、例外数が減るとは立証できない。本番では、定型判断を自動化し、人の注意を定式化の改善に振り向けることが、より強い目標になる。次の計画会議までを速くするだけでは、生産性改善は限定的だ。

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 評点
経済的な問題設定 4/10
意思決定の到達点 3/10
サプライチェーンの概念的明晰さ 4/10
旧来の中核的教義からの自由度 2/10
KPIによる見せかけへの耐性 3/10

平均:3.2/10。

経済的な問題設定 — 4/10。 費用と利益の報告は、シミュレーションに経済的語彙を与える。文書化された目標の重みづけは、競合する判断を実際の財務結果によって順位づけするとは保証しない。5 6

意思決定の到達点 — 3/10。 出力は担当者による設計・予定の選択を支援する。公開手順は、業務判断を日常的に選び実行する保守付きサービスを立証していない。1 12

サプライチェーンの概念的明晰さ — 4/10。 ネットワーク相互作用が中心で、施設を孤立した活動として扱うことを避ける。ただし、前提は計画の経済的優位性を広く主張するには粗すぎる。2 4 5

旧来の中核的教義からの自由度 — 2/10。 検査できる最適化手順は、EOQ、業績目標、手動で整合させる計画に結びついたままだ。これらは不確実性のもとでの行動選択の代わりにはならない。6 9

KPIによる見せかけへの耐性 — 3/10。 教材は前提を示すが、Enterpriseの百分率はリンク先の演習から再現できない。経済的収益の測定を立証していない。8 9

意思決定と最適化の実質

評価基準 評点
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の実質 3/10
現実の制約への対応 4/10
意思決定の自動化と労働生産性 2/10
実際の業務の複雑さへの耐性 3/10

平均:2.8/10。

確率的モデリングの深さ — 2/10。 入力を変えて感度を探索できる。しかし較正された共同確率なしでは、確定判断のリスク調整後価値や、不確かなリードタイムへの適切な対応は確立できない。2 4

最適化または機械学習の独自の実質 — 3/10。 シミュレーション手法は説明されるが、AI層の貢献は再現できない。公開される判断改善の仕組みは、依然として人の実験に大きく依存する。2 6 11

現実の制約への対応 — 4/10。 保管、輸送、生産の制約を表せる。実用上の限界は、集約と時間の前提が、実際の判断を変える制約を維持しているかにある。3 4 5 7

意思決定の自動化と労働生産性 — 2/10。 データ入力とモデル候補の生成は準備を減らし得る。文書化された運用像は、日常の解釈と調整を依然として参加チームに残す。11 12 13

実際の業務の複雑さへの耐性 — 3/10。 ユーザーは混乱を試し、モデルを修正できる。本番の失敗を、検証済みで持続する意思決定定式化の変更に変えた公開根拠は乏しい。7 9 10

製品とアーキテクチャの一貫性

評価基準 評点
アーキテクチャの整合性 6/10
システム境界の明確さ 5/10
セキュリティへの真剣さ 2/10
ソフトウェアの簡素さと所有費用 4/10
プログラムによる運用・エージェント支援運用との適合性 3/10

平均:4.0/10。

アーキテクチャの整合性 — 6/10。 共通ネットワークモデルが明確な中心を与える。新しい協働層については、モデル編集、入力、シミュレーション実行の整合性をどう保つか、より詳しい公開文書が必要だ。1 2 11

システム境界の明確さ — 5/10。 シミュレーションと表計算への受け渡しは見える。自動実行、統合障害の処理、矛盾する更新を整合させる責任は、はるかに不明確だ。1 6

セキュリティへの真剣さ — 2/10。 強制可能な制御よりホスティング選択の説明が明確だ。管理下端末から業務を移す助言は、業務・軍事用途を狙う製品として特に弱い。1 7

ソフトウェアの簡素さと所有費用 — 4/10。 シミュレーションに絞ることで機能の膨張は抑えられる。旧式画面の維持と顧客負担のモデル修正は、利用料では捉えられない費用として残る。1 3 16

プログラムによる運用・エージェント支援運用との適合性 — 3/10。 構造化データの交換は一定の自動化を可能にする。独立したエージェントが意思決定プロセスを検査、検証、修正するための、完全で版管理されたインターフェースは公開文書にない。1 11

技術的透明性

評価基準 評点
公開技術文書 7/10
ベンダーを介さずに検査できること 6/10
移植性とロックインの可視性 5/10
導入手法の透明性 5/10
技術的主張を裏づける根拠の密度 3/10

平均:5.2/10。

公開技術文書 — 7/10。 マニュアルはシミュレーション形式、エンティティ項目、数値上の限界を示す。Enterprise AIとセキュリティの説明は、中核シミュレーター文書より情報が乏しい。2 7 11

ベンダーを介さずに検査できること — 6/10。 公開事例と報告手順により、モデルの論理を実質的に検討できる。新しい推奨エンジンは同程度に独立して評価できない。6 9 11

移植性とロックインの可視性 — 5/10。 モデルと結果のファイルは交換できる。データの保存は、シミュレーターの正確な意味を再現したり、Enterpriseの協働手順を移したりするより容易だ。1 7

導入手法の透明性 — 5/10。 ユーザーのモデリング手順といくつかの保守作業は明示される。それを較正済みで継続維持される業務アプリケーションに変える労力は定量化されていない。3 7 9

技術的主張を裏づける根拠の密度 — 3/10。 エンジン説明はシミュレーション能力を裏づける。転用可能な精度、AI最適化、財務改善の強い主張には、同等の検証がない。2 8 11 14

ベンダーの真剣さ

評価基準 評点
公開発信の技術的真剣さ 3/10
技術ロードマップの一貫性 5/10
概念的明晰さ 4/10
経済的責任 2/10
エージェント型ソフトウェア時代の競争優位の持続性 3/10

平均:3.4/10。

公開発信の技術的真剣さ — 3/10。 モデルの限界を率直に記す文書は有用だ。シミュレーション性能から現実の優位性への転用という主張は、はるかに擁護しにくい。7 14

技術ロードマップの一貫性 — 5/10。 長く続くモデリング製品と資金付きの軍事版改良は、継続する開発を裏づける。AI推奨の主張を実行した公開根拠は、はるかに薄い。10 11 15

概念的明晰さ — 4/10。 製品はシミュレーションと最適化を区別しながら、シナリオ反復を最良の運用計画への道と示す際には、その実務的な違いを曖昧にする。2 6 14

経済的責任 — 2/10。 商業成果の根拠は弱く、公開条件にも実現収益や継続的なモデル妥当性への対応する責任がない。8 9 18

エージェント型ソフトウェア時代の競争優位の持続性 — 3/10。 教材とシミュレーション経験には価値が残る。集団が繰り返しモデルを調整する流れの生産性は、反復分析が自動化され経済的に検証されない限り限定的だ。9 11 13

出典

出典は2026年11月4日に確認した。

[1] 版と料金

版と料金。2026年11月4日閲覧。

[2] サプライチェーンのモデリング・シミュレーション論理

サプライチェーンのモデリング・シミュレーション論理。2026年11月4日閲覧。

[3] 商品エンティティ文書

商品エンティティ文書。2026年11月4日閲覧。

[4] 車両エンティティ文書

車両エンティティ文書。2026年11月4日閲覧。

[5] 施設エンティティ文書

施設エンティティ文書。2026年11月4日閲覧。

[6] サプライチェーン最適化・報告テンプレート

サプライチェーン最適化・報告テンプレート。2026年11月4日閲覧。

[7] FAQ、既知の不具合、版ごとの限界

FAQ、既知の不具合、版ごとの限界。2026年11月4日閲覧。

[8] Enterprise製品ページ

Enterprise製品ページ。2026年11月4日閲覧。

[9] Java Furniture Company:データを変更した教材事例

Java Furniture Company:データを変更した教材事例。2016-06-24公開。2026年11月4日閲覧。

[10] SBIR助成記録:Effective Systems Corp / SCM Globe

SBIR助成記録:Effective Systems Corp / SCM Globe。2024年公開。2026年11月4日閲覧。

[11] 新SCM Globe Enterprise発表

新SCM Globe Enterprise発表。2025-04-26公開。2026年11月4日閲覧。

[12] リアルタイムのサプライチェーン計画と協働

リアルタイムのサプライチェーン計画と協働。2026-02-23公開。2026年11月4日閲覧。

[13] 大人数参加型のサプライチェーン管理ゲーム

大人数参加型のサプライチェーン管理ゲーム。2025-11-30公開。2026年11月4日閲覧。

[14] 六つの簡単な手順で行うサプライチェーンシミュレーション

六つの簡単な手順で行うサプライチェーンシミュレーション。2015-10-26公開。2026年11月4日閲覧。

[15] SCM Globeの企業・製品の系譜

SCM Globeの企業・製品の系譜。2026年11月4日閲覧。

[16] 公開SCM GlobeアプリケーションのJavaScriptバンドル

公開SCM GlobeアプリケーションのJavaScriptバンドル。2026年11月4日閲覧。

[17] 公開アプリケーションのログインと資産参照

公開アプリケーションのログインと資産参照。2026年11月4日閲覧。

[18] SCM Globeアプリケーション利用条件

SCM Globeアプリケーション利用条件。2026年11月4日閲覧。

[19] シミュレーションデータの分析

シミュレーションデータの分析。2026年11月4日閲覧。