ロジックAPIとは
logicリポジトリは、純粋なPython関数とFastAPIエンドポイントとして構成可能な意思決定モジュールを提供します。すべてのモジュールはオープンソース、デフォルトでステートレス、そしてあなた自身のシステムにインポートできるように設計されています。
利用可能なモジュール
TCO（総所有コスト）— 公開中
| 関数 |
説明 |
calculate_tco() |
NPV調整付きの総コストと年間コストを計算 |
compare_options() |
年間コストで複数の選択肢をランク付け |
calculate_breakeven() |
高い初期コストがいつ回収されるかを分析 |
PERT（三点見積もり）— 公開中
| 関数 |
説明 |
calculate_task() |
インサイトタグ対応の単一タスクPERT見積もり |
calculate_project() |
分散集約によるマルチタスクプロジェクト見積もり |
EVM（アーンドバリューマネジメント）— 公開中
| 関数 |
説明 |
evm_metrics() |
スケジュールとコストのパフォーマンス（SV, SPI, CV, CPI, EAC, TCPI） |
health_signal() |
メトリクスをアクション可能なヘルスステータスに変換 |
create_baseline() |
ワークパッケージからプロジェクトベースラインを作成 |
evaluate_progress() |
ベースラインに対する実績進捗を評価 |
Bayesian（見積もりキャリブレーション）— 公開中
| 関数 |
説明 |
update_belief() |
事前信念と見積もり対実績ペアから事後分布を計算 |
adjust_estimate() |
学習した遅延係数をPERT見積もりに適用 |
Monte Carlo（スケジュールシミュレーション）— 公開中
| 関数 |
説明 |
simulate_schedule() |
依存関係のあるタスクスケジュールのモンテカルロシミュレーションを実行 |
probability_of_completion() |
目標期間内に完了する確率を計算 |
compare_with_pert() |
教科書PERTの集約値とモンテカルロ結果を比較 |
近日公開
| モジュール |
カテゴリ |
説明 |
| Base-rate |
予測 |
主観的バイアスを減らす参照クラス予測 |
| NPV |
財務 |
正味現在価値分析 |
| IRR |
財務 |
内部収益率 |
セルフホスト（今すぐ利用可能）
リポジトリをクローンしてローカルで実行：
git clone https://github.com/lemur47/logic.git && cd logic
uv pip install -e ".[dev]"
uv run uvicorn app.main:app --reload
APIは http://127.0.0.1:8000 で利用可能。エンドポイントの詳細は /docs（Swagger UI）で確認できます。
TCOエンドポイント
| メソッド |
パス |
説明 |
POST |
/tco/calculate |
ステートレスTCO計算 |
POST |
/tco/compare |
年間コストで選択肢を比較 |
POST |
/tco/breakeven |
2つの選択肢の損益分岐点分析 |
POST |
/tco/scenarios |
シナリオの保存 |
GET |
/tco/scenarios |
シナリオ一覧（ページネーション、検索対応） |
GET |
/tco/scenarios/{id} |
シナリオの取得 |
PATCH |
/tco/scenarios/{id} |
シナリオの更新（自動再計算） |
DELETE |
/tco/scenarios/{id} |
シナリオの削除 |
GET |
/tco/scenarios/stats |
統計情報 |
PERTエンドポイント
| メソッド |
パス |
説明 |
POST |
/pert/task |
単一タスクPERT見積もり（インサイトタグ対応） |
POST |
/pert/project |
マルチタスクプロジェクト見積もり |
EVMエンドポイント
| メソッド |
パス |
説明 |
POST |
/evm/calculate |
EVMメトリクス計算（ステートレス） |
POST |
/evm/health |
SPI/CPIからヘルスシグナル（ステートレス） |
POST |
/evm/baselines |
プロジェクトベースラインの作成 |
GET |
/evm/baselines |
ベースライン一覧（ページネーション、検索対応） |
GET |
/evm/baselines/{id} |
ベースラインの取得（ワークパッケージ含む） |
DELETE |
/evm/baselines/{id} |
ベースラインの削除 |
POST |
/evm/baselines/{id}/evaluate |
ベースラインに対する進捗評価 |
GET |
/evm/baselines/{id}/snapshots |
評価スナップショット一覧 |
Bayesianエンドポイント
| メソッド |
パス |
説明 |
POST |
/bayesian/calculate |
事前分布と観測データから事後分布を計算（ステートレス） |
POST |
/bayesian/adjust |
PERT見積もりに遅延係数を適用（ステートレス） |
POST |
/bayesian/contexts |
見積もりコンテキストの作成 |
GET |
/bayesian/contexts |
コンテキスト一覧（ページネーション、検索対応） |
GET |
/bayesian/contexts/{id} |
コンテキストの取得（現在の信念含む） |
DELETE |
/bayesian/contexts/{id} |
コンテキストと観測データの削除 |
POST |
/bayesian/contexts/{id}/observations |
コンテキストに観測データを追加 |
GET |
/bayesian/contexts/{id}/observations |
観測データ一覧（ページネーション） |
GET |
/bayesian/contexts/{id}/belief |
現在の事後信念を取得 |
POST |
/bayesian/contexts/{id}/adjust |
コンテキストの信念でPERT見積もりを調整 |
Monte Carloエンドポイント
| メソッド |
パス |
説明 |
POST |
/montecarlo/simulate |
モンテカルロスケジュールシミュレーションを実行（ステートレス） |
POST |
/montecarlo/simulate/target |
目標期間内の完了確率を計算（ステートレス） |
POST |
/montecarlo/scenarios |
シミュレーション結果付きシナリオの保存 |
GET |
/montecarlo/scenarios |
シナリオ一覧（ページネーション、検索対応） |
GET |
/montecarlo/scenarios/{id} |
シナリオの取得（キャッシュ結果含む） |
PATCH |
/montecarlo/scenarios/{id} |
シナリオの更新（自動再シミュレーション） |
DELETE |
/montecarlo/scenarios/{id} |
シナリオの削除 |
GET |
/montecarlo/scenarios/stats |
統計情報 |
その他のエンドポイント
| メソッド |
パス |
説明 |
GET |
/ |
API情報 |
GET |
/health |
ヘルスチェック |
Pythonインポート
APIを使わずにロジックを直接利用することもできます：
from app.tco.core import calculate_tco
result = calculate_tco(
initial_price=450000,
useful_life_years=12,
residual_value=90000,
annual_maintenance=5000,
)
print(f"年間コスト: {result['annual_cost']:,.0f}")
from app.pert.core import calculate_task
result = calculate_task(optimistic=5, most_likely=8, pessimistic=15)
print(f"期待値: {result['textbook']['expected']:.1f} 日")
from app.evm.core import evm_metrics
result = evm_metrics(pv=100000, ev=85000, ac=95000, bac=200000)
print(f"SPI={result['spi']:.2f} CPI={result['cpi']:.2f}")
from app.bayesian.core import Prior, Observation, update_belief, adjust_estimate
prior = Prior(mean=1.0, variance=0.1)
observations = [Observation(estimated=5, actual=7), Observation(estimated=10, actual=13)]
posterior = update_belief(prior, observations)
result = adjust_estimate(pert_expected=8.0, posterior=posterior)
print(f"調整後: {result['adjusted_expected']:.1f} 日")
from app.montecarlo.core import Task, simulate_schedule
tasks = [
Task(name="Design", optimistic=3, most_likely=5, pessimistic=10),
Task(name="Build", optimistic=8, most_likely=12, pessimistic=20, depends_on=("Design",)),
Task(name="Test", optimistic=2, most_likely=4, pessimistic=8, depends_on=("Build",)),
]
result = simulate_schedule(tasks, n_simulations=10_000, seed=42)
print(f"P85: {result.percentiles['P85']:.1f} 日")
ホスティングAPI
api.pmo.run でのホスティングAPIはフェーズ2で提供予定です。認証、レート制限、暗号化ストレージ付きのシナリオ保存機能を含みます。
現時点ではセルフホストが最良の選択肢です — そしてそれは永久に無料です。
ソースコード
github.com/lemur47/logic — MITライセンス