Technologie
Zurück zum Blog ›
Differenzierung relationaler Abfragen
supply chain-Daten präsentieren sich fast ausschließlich als relationale Daten, beispielsweise Bestellungen, Kunden, Lieferanten, Produkte, etc. Diese Daten werden durch die Business-Systeme – das ERP, das CRM, das WMS – gesammelt, die im Unternehmen zur Steuerung eingesetzt werden.
Reproduzierbarer paralleler stochastischer Gradientenabstieg
Der stochastische Gradientenabstieg (SGD) ist eine der erfolgreichsten Techniken, die jemals sowohl für [machine learning](/de/technologie/) als auch für mathematische Optimierung entwickelt wurden. Lokad setzt den SGD seit Jahren intensiv für supply chain Zwecke ein, hauptsächlich durch [differentiable programming](/de/differenzierbares-programmieren/). Die meisten unserer Kunden haben irgendwo in ihrer [data pipeline](/de/daten-extraktions-pipeline/) mindestens einen SGD.
Envision VM (Teil 4), Verteilte Ausführung
Die vorherigen Artikel untersuchten größtenteils, wie einzelne Worker Envision-Skripte ausführten. Allerdings wird Envision sowohl aus Gründen der Resilienz als auch der Performance tatsächlich über einen Cluster von Maschinen ausgeführt.
Envision VM (Teil 3), Atome und Datenspeicherung
Während der Ausführung lesen Thunks Eingabedaten und schreiben Ausgabedaten, oft in großen Mengen. Wie kann man diese Daten vom Moment ihrer Erstellung bis zu ihrer Verwendung erhalten (ein Teil der Antwort liegt in NVMe-Laufwerken, die über mehrere Maschinen verteilt sind), und wie kann man die Menge der Daten minimieren, die durch Kanäle gehen, die langsamer als RAM sind (Netzwerk und dauerhafter Speicher).
Envision VM (Teil 2), Thunks und das Ausführungsmodell
Wie die meisten anderen parallelen Ausführungssysteme erzeugt Envision einen gerichteten azyklischen Graphen (DAG), in dem jeder Knoten eine Operation repräsentiert, die ausgeführt werden muss, und jede Kante eine Datenabhängigkeit, bei der der nachgelagerte Knoten die Ausgabe des vorgelagerten Knotens benötigt, um ausgeführt zu werden.
Envision VM (Teil 1), Umgebung und allgemeine Architektur
Eine Supply Chain-Optimierung-Pipeline deckt eine breite Palette von Datenverarbeitungsbedürfnissen ab: Datenerfassung und -anreicherung, Merkmalextraktion, probabilistische Prognose, das Erzeugen optimaler Entscheidungen unter Einschränkungen, Datenexporte, Analytik und Dashboard-Erstellung.
Warum FTP anstatt REST
Die meisten Webanwendungen verfügen über Web-APIs, die im REST-Stil gestaltet sind, doch Lokad bietet FTPS und SFTP, was überraschen mag. Diese Wahl ist jedoch absichtlich getroffen worden – warum hat sich Lokad für diesen Weg entschieden?
Erfolgsfaktoren in prädiktiven supply chains
Das Durchwaten des Miasmas an supply chain Technologien bleibt eine Herausforderung. Was kann helfen, Erfolg zu garantieren?
Rangiert auf Platz 6 von 909 Teams im M5 Forecasting Wettbewerb
Lokad hat den 6. Platz im M5 Forecasting Wettbewerb von 909 konkurrierenden Teams belegt. Es ist eine beeindruckende Leistung.
Quantitatives SCM vs Klassisches APS
Modulweiser Vergleich zwischen klassischen APS (Advance Planning and Scheduling)-Systemen und der Quantitative Supply Chain, wie sie von Lokad implementiert wurde.