Dalle foto dei prodotti alle decisioni di supply chain
Un nuovo abito entra nel catalogo di un rivenditore con una fotografia, una breve descrizione e nessuno storico delle vendite. Prima di effettuare il primo ordine, il buyer ha bisogno di confronti utili con prodotti già venduti. Il taglio e la fantasia possono contare più di una descrizione che dice poco oltre ad «abito da donna».
Lokad può ora utilizzare le fotografie dei prodotti nei propri calcoli di supply chain. La funzionalità è integrata in Envision, il linguaggio di programmazione di Lokad per le previsioni e le decisioni di supply chain. Trasforma ogni immagine in un embedding: una descrizione numerica compatta che rende utilizzabili le informazioni visive in quei calcoli.
Che cosa fa un embedding
Una fotografia contiene milioni di valori dei pixel. Un modello addestrato su immagini li converte in un elenco di numeri molto più breve: l’embedding. Questi numeri rappresentano schemi visivi, tra cui forme, texture e disposizione degli elementi nell’immagine. Non sono un elenco di etichette come «blu» o «maniche lunghe».
Confrontare due embedding fornisce una misura della somiglianza visiva. Due abiti estivi a fiori saranno spesso più simili tra loro di un abito e un cappotto invernale, anche se uno dispone di una descrizione dettagliata e l’altro soltanto di un codice del fornitore. Il software può individuare queste relazioni in tutto un catalogo senza che qualcuno debba etichettare ogni caratteristica visibile.
Lokad utilizza già gli embedding testuali per confrontare le descrizioni. Gli embedding delle immagini aggiungono una prospettiva complementare sui prodotti i cui nomi e specifiche scritte possono raccontare soltanto una parte della storia.
Imparare dai prodotti già venduti
Per un lancio, la somiglianza visiva può aiutare a selezionare i prodotti precedenti ai cui storici di vendita attribuire peso. Le loro stagioni, i canali di vendita e la disponibilità continuano a contare. Un abito simile può registrare poche vendite perché è arrivato tardi o è stato spesso esaurito. Questi dati vanno interpretati prima di trasformarli in una previsione per il nuovo articolo.
La stagionalità offre un altro impiego. Un nuovo articolo non ha uno storico stagionale, ma prodotti precedenti con caratteristiche visive affini possono fornire indizi su quando si venderà. L’andamento stagionale deriva dalle vendite datate; l’immagine aiuta il modello a decidere quali storici siano pertinenti.
Le immagini possono anche aiutare a classificare cataloghi con descrizioni scarne. Un classificatore addestrato sulle categorie del rivenditore può utilizzare le informazioni visive per suggerire una categoria o segnalare un prodotto che sembra fuori posto. L’arricchimento del catalogo non dipende così interamente da qualcuno che etichetti i prodotti uno per uno.
Per la sostituzione e la cannibalizzazione, la somiglianza identifica possibili alternative. Servono dati sulle vendite e sulla disponibilità per stimare se i clienti passino dall’una all’altra, oppure se un nuovo stile sottragga domanda a uno esistente. Due abiti possono assomigliarsi pur rivolgendosi a clienti diversi a prezzi diversi. L’immagine fornisce elementi a un modello che deve tenere conto di queste differenze.
Una parte riutilizzabile del calcolo
Una dimostrazione comune mostra la fotografia di un prodotto accanto a una galleria di prodotti simili. È utile per esplorare un catalogo. I calcoli di supply chain devono poter accedere alla rappresentazione sottostante per utilizzarla anche ad altri scopi.
In Envision, gli embedding possono essere memorizzati e utilizzati nei calcoli, in modo simile ai numeri. I Supply Chain Scientists di Lokad utilizzano questo linguaggio per sviluppare la logica di previsione e decisione di ciascun cliente. Possono confrontare l’embedding dell’immagine di un prodotto con quello di un altro e combinare segnali visivi e testuali in un modello, insieme a prezzi, transazioni e disponibilità delle scorte.
Questi calcoli possono partecipare ad autodiff, il meccanismo di Envision per apprendere i parametri di un modello dalle osservazioni. Uno scienziato può adattare un modello che apprende come le informazioni visive si rapportino alle vendite nell’attività del cliente. Il modello di immagini fornisce la rappresentazione visiva; i dati del cliente insegnano al modello di supply chain come utilizzarla.
La stessa rappresentazione di un’immagine può servire a più modelli. Ogni impiego richiede dati aziendali e validazione specifici.
Una ricetta sviluppata per prevedere i lanci potrebbe in seguito dover considerare un nuovo stile che compete con l’assortimento esistente. Le informazioni visive rimangono disponibili per questo lavoro. Lo scienziato può estendere il calcolo senza costruire un altro servizio di elaborazione delle immagini.
L’ingegneria dietro poche righe
Utilizziamo un modello di immagini preaddestrato sviluppato da un altro team. I nostri ingegneri lo rendono utilizzabile in calcoli di supply chain che devono essere eseguiti in modo affidabile ogni giorno.
Nella mia esperienza, un prototipo di somiglianza visiva richiede poche ore di lavoro in Python. Era già alla portata prima degli agenti di programmazione; questi lo rendono ancora più semplice. La quantità di codice che un agente può produrre dice poco sull’onere di farsene carico nel tempo.
Un prototipo assemblato con pacchetti software eredita codice dai loro manutentori e dai manutentori delle loro dipendenze. Un pacchetto compromesso può mettere a rischio i dati e le credenziali accessibili a quel processo. Anche pacchetti utili e mantenuti in buona fede possono essere abbandonati. Qualcuno deve decidere di quale codice fidarsi, esaminare le modifiche e mantenere l’insieme funzionante. Generare migliaia di righe per il servizio circostante aggiunge un ulteriore obbligo di manutenzione.
Con le immagini archiviate in Lokad, leggere i loro embedding e confrontarli richiede poche righe di Envision. Lo scienziato non deve installare una libreria di elaborazione delle immagini o mantenere un’applicazione separata per eseguire il modello di immagini. La ricetta specifica come le informazioni visive contribuiscano al calcolo di supply chain.
Lokad mantiene il software che legge le immagini, esegue il modello ed esegue gli script Envision. Questo dà ai nostri ingegneri il controllo del percorso dal file immagine al calcolo numerico. Le dipendenze richiedono comunque giudizio e manutenzione, ma tale responsabilità spetta al team della piattaforma, invece di ripetersi in ogni progetto cliente.
Lo scienziato mantiene la logica aziendale. Il team della piattaforma di Lokad mantiene il software che elabora le immagini ed esegue il calcolo.
Elaborare un catalogo ampio richiede limiti all’uso della memoria. Le esecuzioni quotidiane dovrebbero riutilizzare il lavoro già svolto sulle immagini invariate. Se un’immagine manca o è danneggiata, lo scienziato deve sapere quale ha causato il problema. Le modifiche al software di elaborazione devono riflettersi nella scelta dei risultati riutilizzabili. Gestiamo questi aspetti all’interno della piattaforma, insieme all’esecuzione del resto della ricetta.
Le informazioni visive di un prodotto possono così essere utilizzate negli stessi calcoli della descrizione, del prezzo e dello storico delle vendite. Lo scienziato può cambiare il modo in cui questi segnali vengono utilizzati senza ricostruire il software che li produce.
