Tecnologia
Torna al blog ›
Discesa del gradiente stocastica con stimatore del gradiente per caratteristiche categoriche
Il vasto campo dell'apprendimento automatico (ML) fornisce una vasta gamma di tecniche e metodi che coprono numerose situazioni. La supply chain, tuttavia, presenta una serie specifica di sfide legate ai dati e talvolta gli aspetti che potrebbero essere considerati di base dagli operatori della supply chain non traggono vantaggio dagli strumenti di ML soddisfacenti - almeno secondo i nostri standard.
Differenziare le Query Relazionali
I dati della supply chain si presentano quasi esclusivamente come dati relazionali come ordini, clienti, fornitori, prodotti, ecc. Questi dati vengono raccolti attraverso i sistemi aziendali - l'ERP, il CRM, il WMS - che vengono utilizzati per gestire l'azienda.
Reproducible Parallel Stochastic Gradient Descent
Lo stochastic gradient descent (SGD) è una delle tecniche di maggior successo mai ideate per l'apprendimento automatico e l'ottimizzazione matematica. Lokad ha sfruttato ampiamente lo SGD per anni per scopi legati alla supply chain, principalmente attraverso la programmazione differenziabile. La maggior parte dei nostri clienti ha almeno uno SGD da qualche parte nel proprio flusso di dati.
Envision VM (parte 4), Esecuzione Distribuita
Gli articoli precedenti hanno principalmente esaminato come i singoli lavoratori eseguono gli script di Envision. Tuttavia, sia per la resilienza che per le prestazioni, Envision viene effettivamente eseguito su un cluster di macchine.
Envision VM (parte 3), Atomi e Archiviazione dei Dati
Durante l'esecuzione, le thunk leggono dati di input e scrivono dati di output, spesso in grandi quantità. Come preservare questi dati dal momento in cui vengono creati fino al momento in cui vengono utilizzati (parte della risposta si trova su unità NVMe distribuite su più macchine) e come ridurre al minimo la quantità di dati che passa attraverso canali più lenti della RAM (rete e archiviazione persistente).
Envision VM (parte 2), Thunks e il Modello di Esecuzione
Come la maggior parte degli altri sistemi di esecuzione parallela, Envision produce un grafo aciclico diretto (DAG) in cui ogni nodo rappresenta un'operazione da eseguire e ogni arco rappresenta una dipendenza dei dati in cui il nodo a valle ha bisogno dell'output del nodo a monte per poter essere eseguito.
Envision VM (parte 1), Ambiente e Architettura Generale
Un pipeline di ottimizzazione della supply chain copre una vasta gamma di esigenze di elaborazione dei dati: ingestione e arricchimento dei dati, estrazione delle caratteristiche, previsione probabilistica, produzione di decisioni ottimali in presenza di vincoli, esportazione dei dati, analisi e creazione di dashboard.
Perché FTP invece di REST
La maggior parte delle app web presenta API web stilizzate come REST, ma Lokad presenta FTPS e SFTP, il che può sembrare sorprendente. Tuttavia, questa scelta è intenzionale, perché Lokad ha scelto di seguire questa strada?
Fattori di successo nelle catene di fornitura predictive
Navigare nel labirinto delle tecnologie di supply chain rimane una sfida. Cosa può aiutare a garantire il successo?
Classificato al 6º posto su 909 squadre nella competizione di previsione M5
Lokad si è classificato al 6º posto nella competizione di previsione M5 su 909 squadre partecipanti. È un risultato impressionante.
Quantitative SCM vs Classic APS
Confronto modulo per modulo tra i sistemi classici APS (Advance Planning and Scheduling) e la supply chain quantitativa implementata da Lokad.
Perché non Python
Envision, il linguaggio di dominio specifico (DSL) di Lokad, è stato progettato per affrontare sfide in cui Python non fornirà mai soluzioni economicamente convenienti.