AnyLogic は、汎用シミュレーションの分野におけるマーケット及び技術リーダーです。AnyLogic モデルは、次のようなさまざまな実用的なアプリケーションで AI 実践者を支援しています。
Python ベースのトレーニング済み機械学習モデルにローカルでアクセスするには、Pypeline ライブラリを使用します。
デプロイされたトレーニング済みの ML モデルに Python ライブラリからアクセスできる場合は、カスタム AnyLogic ライブラリである Pypeline を使用してクエリを実行できます。Pypeline を使用すると、Python のローカル インストールを使用して、引数付きの Python スクリプトを実行したり、AnyLogic モデル内から Python コードを対話的に実行したりできます。
詳細
ONNX ヘルパー ライブラリを使用すると、「.onnx」ファイル形式で保存されたトレーニング済みの機械学習 (ML) モデルに簡単にアクセスできます。ONNX (Open Neural Network Exchange の略) は、トレーニング済みの ML モデル用の標準化されたフレームワーク相互運用可能な形式です。
標準の Java ライブラリは存在しますが、使用するには比較的高度な技術的知識が必要です。ONNX Helper は、AnyLogic のどのエディション (Personal Learning Edition、University、または Professional) でも無料でダウンロードできるアドオン ライブラリです。単一のオブジェクトと単一の関数を通じて、ML モデルをクエリするシンプルで簡単な方法を提供します。
詳細
RL 実験からエクスポートされたモデルをインタラクティブに実行するには、Python ライブラリの Alpyne を使用します。
AnyLogic モデルに強化学習実験と、オプションでアクションをトリガーするためのコールバックが含まれている場合、モデルを AnyLogic からエクスポートし、Python スクリプトで制御できます。
詳細イタリアのGenoaにあるターミナルSan Giorgioは、スループットを向上させ、ターミナルをより安全に運用することを目的として、施設のレイアウトと運用の再編成計画策定に必要な、港湾シミュレーターを必要としていました。これは、ターミナルのデジタルツインであり、コンテナヤード計画の試験台として機能し、変更が現在の運用にどのように影響するかを予測するのに役立ちます。
Model Group はスイスのWeinfeldenにある工場で、1 日あたり約 200 人の雇用していました。ジョブ ショップのスケジュール設定は手動で行われており、これは非効率ではいかと考えていました。そのため、さまざまなジョブ ショップ スケジューリング手法を試し、それらを比較して検証する方法を見つける必要がありました。そこでProSim は、シミュレーション モデルと AI を組み合わせて、正確なスケジュールを作成し、ボトルネックを軽減するソリューションを開発しました。
Element AIは、最先端のAI研究と業界の専門知識を、指数関数的に学習および改善するソフトウェアソリューションです。 同社は、シミュレーションとAIを組み合わせる潜在的な方法を検討し、AnyLogicの支援を受けて取り組むべき3つの課題を特定しました。
Engineering Ingegneria Informatica社は、デジタルシステム分野における国際的な会社です。同社は、世界中の50以上のオフィスに11,000人以上の従業員を擁しています。その主力プロジェクトの1つは、他のテクノロジーが相互に作用できるプラットフォームのエコシステムです。
AnyLogic 社の CEO である Andrei Borshchev は、2019 AnyLogic Conferenceで、ビジネスにおける機械学習のシミュレーションの使用について発表しました。AnyLogic が提供する ML アルゴリズム、トレーニングにおけるリスクフリーと使いやすさを強調しました。
フォームにご記入いただくと、ホワイトペーパーとさまざまな資料へのリンクが記載されたメールをお届けします。
ホワイトペーパーでは、トレーニングやテスト ポリシーの作成、データの品質と量に対処する場合に、AI とシミュレーションの組み合わせがいかに強力になるかをご説明します。関連資料から、AnyLogic を使用したシミュレーション モデリングが AI 開発にどのように役立つかを明確に理解できます。ホワイト ペーパーを読み、ビデオを見て、議論を聞いて、実際に体験してみましょう！
フォームにご記入いただくと以下をお届けします: