市場調査に戻る
Sophus Technologyは、サプライチェーンのネットワーク設計・計画プラットフォームSophus Xと、データ準備・統合層のDastroを提供する。ユーザーは施設、生産、在庫、調達、輸送をモデル化し、代替構成や業務計画を比較する。需要予測、出荷の集約、AIアシスタントも備える。1 2 5 15
サプライチェーン総合評価:4.4/10。
| 評価軸 | 点数 |
|---|---|
| サプライチェーンの深さ | 4.8/10 |
| 意思決定と最適化の実質 | 4.8/10 |
| 製品とアーキテクチャの一貫性 | 4.6/10 |
| 技術的透明性 | 3.6/10 |
| ベンダーの真摯さ | 4.0/10 |
Sophusは、施設配置、生産配分、出荷集約、在庫配置という実質的な意思決定を扱う。より強い証拠は、明示的な費用と運用ルールに関するもので、基礎となる在庫方針を再設計した顧客事例も含む。より弱いのは、モデリングの高速化から、不確実性のもとで継続的に優れた判断を行う能力への飛躍を裏付ける証拠だ。
技術的な説明は具体的になってきた。Sophusは確率的な需要予測と、学習した探索パターンに導かれるソルバーを説明する。しかし、将来の供給不確実性、需要の依存関係、修正行動を共通の経済計算へどう組み込むかは、公開説明からは分からない。求解速度、完全な費用予測、常時更新されるデジタルツインを強調する宣伝が、それらのモデルが生む判断の検証を大きく先行している。5 6 8 9
SophusとLokadの比較
Sophusは、ネットワークモデルとシナリオを中心に作業を構成する。施設、フロー、能力、業務上の仮定を変え、解き、比較する。Lokadのサプライチェーン最適化は、不確実性のもとで繰り返す経済的意思決定を中心に置く。サプライチェーンサイエンティストが、その行動を選ぶロジックを構築・保守する。
運賃を下げるために出荷を遅らせる場合を考えよう。Sophusの注文割り当て機能は、出荷可能期間と料金の段階を明示的にモデル化する。9 残る経済的な問いは、その節約が待つことの期待損失を上回るかだ。販売機会の逸失、その後の乗り継ぎ失敗、供給者の不確実な到着、他の出荷に使えなくなる能力などがある。既知の注文を集約する問題を解くのは有用である。その判断を不確実な将来事象に広げるには、別の水準のモデル化と検証が必要だ。
両者とも、データの解釈と業務制約を保守する必要がある。違いは、何をもって結果を妥当とするかにある。目的関数値の低下やシナリオ比較の高速化は、選んだモデル内での性能を検証する。Introduction to Supply Chainに展開されたLokadの設計思想は、意思決定ロジックが、運用と改善の費用も含めた経済的成果によってその価値を証明することを求める。
Sophusにも、その方向に進む事例がある。Mindrayの事例では、単に在庫を増やすのではなく、供給方式のロジックを変えている。10
意思決定、不確実性、モデルの忠実性
出荷集約は実際の経済構造を含む
Sophusの2024年5月の注文割り当て記事は、実際の注文、集荷・配送の最早日と最遅日、利用可能な輸送経路、段階的な輸送料金を指定する。出荷を遅らせて低い料金区分に達する選択を検討できる。匿名の家具会社の事例は、この手法による輸送費削減を約9%としている。9
これは平均運賃の実際の欠点に対応する。小さな出荷を二回行う費用は、同じ総量を一回にまとめた費用と等しいとは限らない。離散的な選択と料金の段階は重要だ。記事はこれらの特徴を示すが、アルゴリズム、近似、再現可能な顧客比較は公開していない。
同じ記事は、費用影響のモデル化における100%の精度をうたう。これは卸売の出荷費用の例であり、SKU単位の需要予測ではない。指定された料金表に対する正確な算術は可能かもしれない。しかし、配送方法を変えた経済的影響を完全に予測するという主張は、はるかに強い。将来の注文、例外、サービス損失、顧客の反応は不確実なままだ。両者を結び付ける評価は示されていない。9
確率的な需要はあるが、同時の不確実性は立証されていない
2024年7月の予測記事は、確率的出力、外部説明変数、製品ライフサイクルの扱い、価格入力を明示する。現在の製品ページは、製品・チャネルごとのアルゴリズム自動選択を説明し、予測精度が最大50%改善すると主張するが、指標、期間、比較対象の標本は定義していない。6 21
確率的機能は重要だ。問題は、それが行動の選択にどう影響するかである。需要の幅や予測アルゴリズムの選択だけでは、不確実な補充期間中の需要分布は定まらず、共通の供給障害との依存関係はなおさら分からない。
Sophusの2026年1月のMEIOガイドは、供給者の遅延、需要急増、在庫拠点間の相互作用を扱う。4月のエージェント型AIの記事は、出荷の観測からリードタイム推定を更新することを提案する。22 18 関連性のある入力とシナリオではある。しかし、公開された仕組みは、購買、生産、配分を評価する同時確率的な未来予測には届かない。更新した点推定では、分布の裾の費用を捉えられない。
安全在庫のページは、SKUの分類とサービス要件を中心に据える。27 こうした要件は実際の契約を表しうるが、製品横断の経済的判断を代替できない。追加の一単位で守る費用は、それが何を防ぎ、資本や能力の他の用途を何から奪うかで決まる。
デジタルツインには予測の検証が必要だ
Sophusはツインを、実行前に障害や介入を試す、継続更新されるネットワークモデルとして紹介する。Dastroは設定した周期でデータを供給し、例では毎朝更新する。モデルは、能力の移転や施設用途の変更などが費用とサービスに与える影響を評価する。8
これらの介入結果は条件付き予測だ。現在のフローを再現しても、その変更結果の予測を検証したことにはならない。提案された工場の生産移転は、待ち行列、歩留まり、輸送の信頼性、顧客行動を、過去の平均にない形で変えるかもしれない。公開説明は最新データと速度を重視する一方、これらの結果の予測誤差や、それが選ばれる行動にどう影響するかを報告していない。
基準モデルの高速作成には、もう一つ具体的な問題がある。Sophusは、独自の手法により入出荷フローを事前照合せずに基準モデルを作れ、その後は再構築が不要と述べる。7 不整合のある履歴を受け入れれば、準備の手間を大きく減らせる。しかし、業務上の推奨には物理的保存則が必要だ。在庫は、存在するか、到着するか、生産されなければ、その場所から出荷できない。ページはDastroによる自動照合も挙げるが、当初の不一致を、初期在庫、時間差、損失、修正記録として意思決定モデルにどう反映するかを示していない。
この欠けた接続は、最初のネットワーク図を描く時間より重要だ。
顧客の成果と、その証拠としての意味
Mindrayの事例は、意思決定の枠組みを変えた最も強い説明である。Sophusは、需要の挙動、製品構造、組立周期、個別仕様、配送要件に基づき、見込生産と受注生産の分類を再設計したと説明する。その後、配送ルールと在庫配置を改訂した。報告された結果は、ネットワーク在庫の9%削減と配送性能の改善だ。評価期間や完全な費用計算はない。10
これは問題のモデル化への実質的な貢献を裏付ける。事業上の失敗は、在庫が増えてもサービスが改善しないことであり、対応は製品の供給方法そのものを変えた。Holimizationで述べる方向性の例だ。失敗する定式化を調べ、意思決定ロジックを変える。次に欠けている証拠は、改訂ルールをどう検証し、事業変化に応じてどう保守したかである。
他の事例には、別の解釈が必要だ。
| 事例 | 報告された成果 | 重要な限界 |
|---|---|---|
| Hisense | ネットワーク再設計後に物流費を5%削減 | 測定期間、費用の基準、導入総費用が示されていない。 |
| 匿名の食品・飲料メーカー | 月間サプライチェーン費用を3000万ドル超削減し、ライン稼働率を20%向上 | 顧客と測定方法は非公開。 |
| 匿名の食品卸売業者 | 特定された年間の物流・業務節減額2000万ドル | 経営陣に提示したモデル上の機会であり、実現した利益の記録ではない。 |
製造事例には有用な実装詳細がある。63工場、製品・ラインごとの能力消費、正規化した費用、明示的な生産・配分ルールだ。人が入力を更新し出力を確認しながら、週次計画を数日から数分ないし数時間に短縮したと説明する。12 これは一般的なシナリオ実演より、実際に運用する計画アプリケーションの強い証拠となる。巨額の節減という主張は、依然として公開された財務基準と照合できない。
食品卸の事例には、コールドチェーン適合性、能力、許可された供給者・配送センター間の関係、サービス要件が含まれる。分析には数週間を要し、施設変更のロードマップを作った。13 これはプロジェクトの範囲を示すが、見つけた節減機会を実現済みのキャッシュフローには変えない。
技術の歴史:構築の高速化、Quantum、エージェント
Sophus Technology Inc.は、ウェブサイトの規約でデラウェア州設立の企業と記載している。28 確認できる製品履歴には、分けて追うべき複数の主張がある。
2023年:データ処理の自動化。 2月のDastro公開資料は、設定可能な取り込み、変換、モデル作成、定期実行を説明する。経路計画の例では午前5時にデータを更新し、その後ユーザーが計算された経路を確認してTMSに送る。29 したがって、バッチ準備とモデル実行は最近のエージェント発表より前から存在した。
2024年:構築速度と言語に基づく優位性。 5月の記事では、Gurobi、CPLEX、FICO Xpressを試した後、Juliaとモデル構築に注力したと述べる。求解時間の最大95%を定式化と構築に帰し、その段階を90%短縮したと主張する。6月の記事はJuliaとPostgreSQLを推奨し、C++を時代遅れと評し、競合言語に広範な性能上の限界を帰している。3 17
モデル構築の改善には価値がある。しかし、プログラミング言語の選択は、最適化のあらゆる仕事での普遍的な優位性を立証しない。データ配置、定式化、コンパイル、ソルバーの挙動、ハードウェアは、それぞれ実行時間の異なる部分を決める。公開比較は、その寄与を分離していない。
2025–2026年:Quantum Solver。 2025年12月の発表は、1月のベータ版と第一四半期の一般公開を予定していた。例では、53期間、550,000個の整数変数を持つモデルを、最適性ギャップ2%で止めた場合の約82分と25秒を比較する。基準ツール、ハードウェア、問題例、実行可能な比較は提供されていない。4
2026年3月の説明は、過去の求解パターンから学んだAIエージェントが数学的探索を導くとする。バージョン1は同月に展開する追加機能で、製品変換の対応を6月に予定し、2026年後半にさらなる公開を見込んでいる。5 これは学習による最適化の探索支援の説明だ。量子計算の仕組みはなく、調査した公開資料は、その後のソルバーの節目が実現したことを確認できない。
より深い弱点は、整数モデルのベンチマークから経済的能力への飛躍だ。MIPは離散的な施設、段取り、料金の段階を表現できるが、大きな計算費用を要する。相関のある将来の需要と供給、情報が届く時点、修正行動を追加すれば、その負担は膨らむ。固定された定式化の探索を速めても、それらの相互作用が保たれていることも、商業的に優れた行動が選ばれることも示せない。最適性ギャップはモデルについての値であり、そのモデルの妥当性を表すものではない。
2026年:有用な製品開発と未完成のエージェント構想。 バージョン5.1は、連鎖削除、実行待ち行列の改善、アシスタント制御、ID・鍵管理の統合を記載する。15 これらは具体的に提供された変更だ。4月の計画サンドボックス記事は、自律計画を開発中の仕事と説明する。6月には、データ準備エージェントを明確にアルファ版とし、複数の情報源を持つ雑然とした世界規模のネットワークでは未試験と述べた。18 20
この経緯は継続的な開発を裏付ける。同時に、未解消の宣伝上の習慣も示す。優位性の範囲を定める証拠より先に、広い優位性を主張する。最新のAI層は、2023年に既に説明された定期実行を超える改善を示す必要がある。
ソフトウェア構成とセキュリティ境界
最も明確な公開の構成要素情報は、Sophus自身による2024年のJulia計算とPostgreSQL保存の説明だ。セキュリティページはAWSでのホスティングと鍵関連サービスを挙げる。バージョン5.1はOIDC SSO、Azure Key Vault統合、Azure Maps更新、アシスタントのGoogle Gemini対応を追加している。17 16 15
| 構成要素 | 文書化された役割 | 範囲 |
|---|---|---|
| Julia | モデル構築と数値実装 | Sophusが2024年に説明 |
| PostgreSQL | モデルのデータ保存 | 同じ製品世代で説明 |
| Dastro | データ準備、定期的モデル作成、結果の出力 | Sophus Xを支える独立した処理層 |
| 数学的ソルバーとQuantum追加機能 | 構築したモデルの求解 | 試験した商用ソルバー名はあるが、現在の処理別の選択は不明 |
| AWS | ホスティングとセキュリティサービス | 統制ページはAWSのみでのホスティングと説明 |
| Azure Key Vault、Azure Maps、Gemini | 5.1で追加・更新された統合 | 文書化されたアプリケーション統合 |
継続的な運用負担には、データ変換、モデル設定、反復求解、それらを保守する専門家が含まれる。公開された構成説明は、スケールの主張を支えるデータ複製、同時処理の上限、計算の経済性を明かしていない。
現在のコンサルタント求人は、最適化ツールに熟練した人材に対し、利用者の導入支援、初期モデルと概念実証の構築、高度なモデリング支援、現場の問題の製品チームへの報告を求める。14
セキュリティは封じ込めで判断するべきだ。Sophusは、既定で拒否するファイアウォール、データベースとSSHの公開制限、重要システムにアクセスする担当者への多要素認証の義務化、監査ログを説明する。バージョン5.1は、LLMと共有する情報の制御を追加する。16 15 具体的な侵入経路には対処しているが、テナント分離、パイプライン実行権限、生成された処理が利用できる機密情報、誤ったモデル変更後の復元について、公開資料の詳細は乏しい。
6月の実演では、エージェントがモデルを変更する前に承認を必要とした。20 承認は業務手順上の制御であり、承認された操作を行うコードやサービスの権限を制限しない。実務者が危険な変更を承認することもある。欠けているセキュリティの詳細は、強制される境界と復旧可能性に関するものだ。操作者が研修を受けたか、確認ボタンを押したかではない。
設定保守、生産性、責任
更新されるモデルも保守すべきソフトウェアだ
Sophusの高速な基準モデル作成という約束は、反復的なデータ準備に関するものだ。製品の挙動、契約価格、生産効率、許可された行動の変化には、モデル自体の変更が必要となりうる。MEIOガイドは、相互依存を誤ってモデル化すると、精密そうに見えて誤った在庫推奨が生じうると認める。7 22
これは適切な懸念だ。一方、経済的仮定のバージョン管理、再現試験、ロールバック、修正した定式化の展開費用についての公開情報は少ない。自動インポートでは、新たな割引が古い費用近似を無効にするか、サービス目標が支払う価値を維持しているかは判断できない。
ウェブサイトは、コンサルタントなしでモデリングを始められると述べる。実装担当の求人と顧客プロジェクトは、専門作業がどこに入るかを示す。23 14 総保有費用には、初期統合、モデルとパイプラインの継続保守、クラウド計算、計画担当者の確認、ベンダーやパートナーの支援を含める必要がある。公開記録は、その総負担を定量化していない。
エージェント実演の成果は明確だが限定的だ
6月の実演は、95顧客、34製造拠点、一つの配送センターの出荷データを使った。モデル担当者が変更案を承認しながら、十分で基準モデルと二つのシナリオを作成した。Sophusは、この実演をアルファシステムと中規模データに明確に限定した。20
これは準備工数の具体的な削減だ。稼働中のネットワークにおける継続的な人員需要の測定ではない。次に確認すべきは、入力元が変わっても再利用可能なパイプラインが正しいモデルを作り続けるか、専門家の介入がどれだけ残るかだ。
経済的ロジックの変更に人が関わることは適切である。通常の業務上の選択を毎回人が監督することは、別の生産性上の限界だ。Sophusの6月の議論は、経験豊かなモデル担当者が出力を問い直し、文脈を与えることを重視する。19 運用の証拠では、再利用可能なロジックを専門家が改善する仕事と、個別計画を繰り返し修復する仕事を区別しなければならない。
提携は実装の境界を明確にする
2026年10月20日のSlimstockとの発表は、APIとエージェント支援の統合を通じ、Sophusのネットワーク最適化をSlim4の計画に結び付ける。10月28日のMaine Pointeとの発表は、そのコンサルティング会社に機会の選定、統合、導入、価値の実現を任せる。24 25
これらは新たに発表された運用上の取り決めだ。モデルの推奨を計画と実行にどう届けるつもりかは明確になるが、共同顧客の成果はまだない。責任の問いも具体的になる。誤ったネットワーク推奨を誰が修正し、それを実行する計画ルールを誰が変更し、節減を報告するときに誰の労働を含めるのか。
Sophusの強い事例は、意思決定の枠組みそのものが誤る可能性を認める。弱い約束は、対応する限界を示さず速度、精度、無制限の規模を掲げる。信頼できる経済的な約束には、基準、測定期間、運用総費用控除後の純利益、期待効果が出ないモデルを直す責任の明示が必要だ。
サプライチェーン評価
サプライチェーンの深さ
| 基準 | 点数 |
|---|---|
| 経済的な枠組み | 6/10 |
| 意思決定の最終到達点 | 5/10 |
| サプライチェーンに関する概念の明晰さ | 6/10 |
| 時代遅れの中心的教義からの脱却 | 3/10 |
| KPIの見せかけへの耐性 | 4/10 |
平均:4.8/10。
経済的な枠組み — 6/10。 運賃の段階、生産費用、施設選択は、重大な金銭的トレードオフを扱う。公開された定式化は、不確実性がネットワーク全体でその限界価値をどう変えるかを示していない。9 12
意思決定の最終到達点 — 5/10。 経路計画は実行システムに届き、製造事例は週次の業務計画を作る。人による検証は残り、無人で行う判断の全範囲は示されていない。29 12
サプライチェーンに関する概念の明晰さ — 6/10。 Mindrayの供給方式再設計と平均運賃への批判は、悪い判断の症状だけでなく原因を示す。一般的なデジタルツイン用語より強い貢献だ。9 10
時代遅れの中心的教義からの脱却 — 3/10。 サービス目標と安全在庫の枠組みが中心に残る。それらを前提にシナリオを比較しても、方針自体が経済価値を最大化するとは示せない。22 27
KPIの見せかけへの耐性 — 4/10。 費用や資本への効果を報告する事例はあるが、特定された機会、実現済みとされる節減、モデルの完全な精度には、比較可能な評価方法がない。9 11 13
意思決定と最適化の実質
| 基準 | 点数 |
|---|---|
| 確率的モデリングの深さ | 4/10 |
| 最適化または機械学習における独自の実質 | 4/10 |
| 現実の制約への対応 | 6/10 |
| 意思決定の自動化と労働生産性 | 5/10 |
| 実際の業務の複雑性に対する回復力 | 5/10 |
平均:4.8/10。
確率的モデリングの深さ — 4/10。 需要分布を明確に提供する。将来の供給不確実性と需要との依存関係が、文書化された共通の意思決定計算をどう通るかは示されていない。6 18
最適化または機械学習における独自の実質 — 4/10。 構築と学習された探索の説明は、開発の方向を示す。公開証拠は、基礎ソルバーからその貢献を分離せず、未経験の業務でより良い経済的判断を行うことも実証しない。3 5
現実の制約への対応 — 6/10。 出荷期間、段階料金、製造ラインの違い、保管制約は、モデルの範囲に実質を与える。不確実な将来事象のもとで、それらを同時にどう扱うかははるかに不明瞭だ。9 12 13
意思決定の自動化と労働生産性 — 5/10。 定期的な準備と生成される業務計画は手作業を減らす。エージェント実演は限定的な準備改善を加えるが、専門家の監督を含む反復業務全体は未測定だ。20 29
実際の業務の複雑性に対する回復力 — 5/10。 Mindrayの事例は、在庫とサービスの成果が乖離した後に供給ロジックを変える。その修正の後続の経済的試験や統制された展開についての公開証拠は限られる。10
製品とアーキテクチャの一貫性
| 基準 | 点数 |
|---|---|
| アーキテクチャの整合性 | 5/10 |
| システム境界の明確さ | 5/10 |
| セキュリティへの真摯さ | 4/10 |
| ソフトウェアの簡素さと保有費用 | 4/10 |
| プログラムによる運用とエージェント支援運用との適合性 | 5/10 |
平均:4.6/10。
アーキテクチャの整合性 — 5/10。 DastroとSophus Xの機能は補完的だ。共通のモデリング環境だけでは、別々の予測・在庫・最適化アルゴリズムが目的をどう調整するかは分からない。2 6 29
システム境界の明確さ — 5/10。 データ移動、モデル実行、人による確認、外部の計画・実行システムは識別できる。新たな提携では、実運用での統合の挙動をまだ示す必要がある。24 25 29
セキュリティへの真摯さ — 4/10。 アクセス制限と提供済みのID統合は、実際の侵入点を扱う。エージェントが作るパイプライン、テナントアクセス、有害な承認済み変更からの復旧の限界は、十分に文書化されていない。15 16 20
ソフトウェアの簡素さと保有費用 — 4/10。 公開された構成要素は過剰なインフラを示してはいない。専門的な設定・保守は実際の責務だが、速度の主張では、その総費用の大半が測られていない。14 17
プログラムによる運用とエージェント支援運用との適合性 — 5/10。 定期実行と結果出力は有用な自動化経路となる。自然言語による設定用アルファ版は構想より先に進んでいるが、成熟した無人運用システムを示すものではない。20 29
技術的透明性
| 基準 | 点数 |
|---|---|
| 公開技術文書 | 3/10 |
| ベンダーの仲介なしで検証できる度合い | 3/10 |
| 可搬性とロックインの可視性 | 3/10 |
| 導入手法の透明性 | 5/10 |
| 技術的主張を支える証拠の密度 | 4/10 |
平均:3.6/10。
公開技術文書 — 3/10。 製品記事は、一部の仕組みとリリースを公開する。モデルのスキーマ、ソルバー仕様、詳しい運用文書の公開は乏しい。3 5 15
ベンダーの仲介なしで検証できる度合い — 3/10。 読者は一部の入力と判断の種類を特定できる。主要ベンチマークと確率的意思決定ロジックは、公開資料から独立に再現できない。4 6
可搬性とロックインの可視性 — 3/10。 Dastroは結果を出力し、モデルをSophus Xへ変換する。設定された最適化の意味を同等に外へ移す機能は文書化されていない。29
導入手法の透明性 — 5/10。 顧客事例とコンサルタントの責務は、費用の正規化、モデル開発、継続支援を示す。その工数見積もりと試験手法の説明は薄い。12 14
技術的主張を支える証拠の密度 — 4/10。 具体的な制約と、率直に範囲を限定したアルファ版実演は、有用な証拠を提供する。最大の速度・節減の主張には、範囲を検証するための資料がない。4 12 20
ベンダーの真摯さ
| 基準 | 点数 |
|---|---|
| 公開情報発信の技術的な真摯さ | 3/10 |
| 技術ロードマップの一貫性 | 4/10 |
| 概念の明晰さ | 5/10 |
| 経済的成果への責任 | 4/10 |
| 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 | 4/10 |
平均:4.0/10。
公開情報発信の技術的な真摯さ — 3/10。 言語に基づく全面的な優位性、完全な費用予測、無制限の規模という主張は、他の資料の有用な仕組み説明を損なっている。9 17 23
技術ロードマップの一貫性 — 4/10。 リリース履歴には具体的な改善があり、一部のアルファ開発と提供済み機能を区別する。後続のQuantumの節目と広範な性能主張の確認は、まだない。5 15 20 26
概念の明晰さ — 5/10。 複数の事例は、以前の意思決定モデルが失敗した理由を示す。全体の訴求は、不確実性、経済的忠実性、問題定式化の保守に比べ、求解速度を重視しすぎている。3 10
経済的成果への責任 — 4/10。 事例には金銭的主張があり、Maine Pointeとの取り決めは導入責任を割り当てる。これらの発表は、純利益、評価期間、修復義務を定めてはいない。11 12 25
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 — 4/10。 業務モデルと再利用可能なパイプラインには継続的な価値がある。現時点の証拠が主に示すのはモデル担当者の作業の高速化であり、反復的な意思決定労働のより大きな削減は未実証だ。19 20 29
出典
Sophusプラットフォーム。公開日不明。2026年11月4日閲覧。
Sophusの機能。公開日不明。2026年11月4日閲覧。
SophusXの最速求解を支える仕組み。2024-05-09公開。2026年11月4日閲覧。
Quantum Solverの発表。2025-12-16公開。2026年11月4日閲覧。
[5] Quantum Solverのウェビナーとロードマップ
Quantum Solverのウェビナーとロードマップ。2026-03-18公開。2026年11月4日閲覧。
AIによる需要予測。2024-07-24公開。2026年11月4日閲覧。
基準モデルの高速作成。公開日不明。2026年11月4日閲覧。
サプライチェーンネットワークのデジタルツイン。公開日不明。2026年11月4日閲覧。
注文割り当てと出荷集約。2024-05-07公開。2026年11月4日閲覧。
Mindrayの供給方式再設計。2025-12-17公開。2026年11月4日閲覧。
Hisenseのネットワーク設計。2025-03-21公開。2026年11月4日閲覧。
食品・飲料の供給計画。2025-12-17公開。2026年11月4日閲覧。
食品卸で特定された節減機会。2025-10-15公開。2026年11月4日閲覧。
サプライチェーン設計コンサルタント。公開日不明。2026年11月4日閲覧。
V5.1の公開。2026-02-20公開。2026年11月4日閲覧。
Sophusのセキュリティ統制。公開日不明。2026年11月4日閲覧。
[17] JuliaとPostgreSQLのアーキテクチャに関する主張
JuliaとPostgreSQLのアーキテクチャに関する主張。2024-06-11公開。2026年11月4日閲覧。
エージェント型AIと限定された自律性。2026-04-06公開。2026年11月4日閲覧。
サプライチェーン設計のAI:宣伝と現実。2026-06-30公開。2026年11月4日閲覧。
ERP生データから基準モデルを作る実演。2026-06-19公開。2026年11月4日閲覧。
現行の予測製品。公開日不明。2026年11月4日閲覧。
多段階在庫最適化ガイド。2026-01-14公開。2026年11月4日閲覧。
Sophusを選ぶ理由。公開日不明。2026年11月4日閲覧。
SophusとSlimstockの提携。2026-10-20公開。2026年11月4日閲覧。
SophusとMaine Pointeの提携。2026-10-28公開。2026年11月4日閲覧。
Sophus X 4.0の公開。2024-03-19公開。2026年11月4日閲覧。
安全在庫の最適化。公開日不明。2026年11月4日閲覧。
ウェブサイト利用規約。公開日不明。2026年11月4日閲覧。
Dastroの公開と日次経路計画。2023-02-12公開。2026年11月4日閲覧。