マニュアル
マニュアル
製品別の月次出荷数を時系列予測するモデルを、過去の出荷実績ファイル 1 つだけでエージェントが構築し、予測時はボタン 1 つで翌 3 か月の出荷数を自動で先読みします。
このチュートリアルでは、製造業の生産管理担当者の立場で「製品別の月次出荷数を先読みし、生産計画の精度を上げる」時系列予測モデルを構築します。3 種類の製品（産業機器・建設用部材・農業機器）の 7 年分の出荷実績を学習し、エージェントが翌 3 か月の出荷数を自動で先読みするまでを通しで体験します。
渡すファイルは課題テキストと出荷実績の 2 つだけです。季節性（夏ピーク・秋ピークなど）や過去の出荷推移といった時系列特有の手がかりは、エージェントが裏で自動的に取り出して予測に効かせます。予測実行も「自動予測する」 ボタンを押すだけで、追加データの投入なしでベースライン予測が出ます。なお、ここで言う「出荷数予測」 は、欠品や受注残込みの「需要そのもの」 ではなく、実際に出荷された実績の先読みを指します。
最終的に、エージェントが算出した翌 3 か月の予測値と、その信頼性（誤差率の目安）が、生産計画のたたき台として使える形で手に入ります。
背景：ある製造会社では月初に翌 3 か月分の出荷予測を立てて生産計画を策定していますが、Excel の手動予測では実際の出荷と 20〜30% ずれることも多く、在庫コストと欠品ロスの両方が課題になっていました。7 年分の月次出荷実績だけをエージェントに渡し、翌 3 か月の出荷数を毎月安定して先読みできる仕組みを作ります。
このテーマのユニークな点は、予測時に追加ファイルを用意しないことです。エージェントが学習に使った時系列モデルをそのまま再利用し、「自動予測する」 ボタン操作で将来期間のベースライン予測を返してくれる仕組みです。
A0（生産計画の業務説明）と 7 年分の月次出荷実績（A1）を投入します。エージェントは日付列と製品カテゴリを自動認識し、製品×月単位で翌月以降の出荷数を当てる時系列予測タスクとして課題シートを組み立てます。ヒアリングでは、何か月先まで予測するか、季節性や過去の出荷推移をどう参照するかといった時系列予測ならではの論点が対話形式で確認されます。
A0_生産計画.txt と A1_出荷実績_学習用.csv（製品A/B/C の月次出荷数 7 年分）を投入すると、エージェントが「年月×製品で集計して翌月以降の出荷数を時系列予測する」タスクとして自動認識し、課題シートに初期値を書き込みます。
出荷実績（A1）に対して、エージェントは年月の日付形式変換、製品×年月の重複集約、月抜けの確認・補完といった時系列予測用のデータ加工を自動で進めます。整形後の表は「製品×月の連続した時系列」 になり、過去数か月分の出荷数や「月」「四季」 といった季節性の手がかりも、エージェントが裏で予測モデルに渡せる状態に組み立てます。Excel で月次の集計表を手で組む作業はまるごと不要です。
過去の出荷実績と季節性（月・四季）を組み合わせた時系列予測モデルを学習させると、誤差率中央値の水準評価が画面に出て、エージェントが「Excel の手動予測を上回り、生産計画の根拠として使えるかどうか」 を日本語でコメントしてくれます。寄与度では、過去の出荷数や「月」「四季」 が上位に入り、季節性とトレンドが予測判断の中核を担っていることが読み取れます。先読み期間ごとの精度表では、直近と少し先で誤差がどう変わるかを視覚的に確認できます。実務目線で見るときは「誤差率中央値が許容範囲内か」「上位の効いた項目が業務感覚と合っているか」 の順で確認すると判断しやすくなります。
Step 3 は 時間順ではなく、4 つの観点でモデルを確認します。
予測ファイルの投入は不要で、「自動予測する」 ボタンを押すだけで翌 3 か月の出荷数がエージェントから返ってきます。続けて「予測結果の活用方法（生産計画への反映）」 として、製品別の予測信頼性（誤差率レンジが目標内かどうか）や、予測値を生産基準量に使うステップ、月次実績との差を毎月確認して継続改善する流れが整理されます。返ってくる予測値はあくまで過去実績と季節性に基づくベースラインなので、大型案件・販促・供給制約・新製品投入・異常気象など、モデルが知らない情報は担当者が加味して最終計画にします。在庫バッファや突発要因への対応など、運用上の注意点も同じ画面でまとめて読めます。
7 年分の月次出荷実績ファイル 1 つを渡すだけで、製品別の時系列予測モデルをエージェントとの対話だけで構築し、追加データなしで翌 3 か月の出荷数を自動で先読みできました。Excel の手動予測と比べて、季節性や過去推移を取りこぼさない分だけ精度の安定が期待できます。
エージェントが出力する寄与度ランキングを見ると、過去の出荷数や「月」「四季」 が上位に入り、季節パターンとトレンドが予測判断の中核を担っていることが分かります。業務担当者にとっても説明しやすい、直感的なインサイトです。
