予測技術の改善
Lokadの創設以来、私たちの目標は、優れた供給チェーン最適化を提供するために、予測技術を着実に改善し続けることです。10年以上前、私は既に機械学習会社であることは奇妙だと指摘していました。進歩は着実ですが、非線形で不規則です。さらに、他の領域では常識とされている多くの視点は、機械学習に関してはまったく誤ったものです。しかし、これは進歩が偶然に任されていることを意味するわけではありません。それには方法があります。
予測技術の改善は、データの改善から始まります。適切なデータの準備がなければ、プロセスはゴミインゴミアウトの作業に退化してしまいます。プロモーション、在庫切れ、リードタイムが正しく表現されているかどうかを、特定のデータセットで確認するには、多くの時間と専門知識が必要です。実際には、データの複雑さはドメイン固有のものである傾向があるため、ロカドのサプライチェーン科学者のチーム全体が、航空宇宙、ファッション、食品小売など、さまざまな垂直分野を代表するさまざまなデータセットを統合する必要があります。
そして、新しい統計的手法を発明すると、通常、その手法は特定のデータセットで優れたパフォーマンスを示し、別のデータセットでは劣ったパフォーマンスを示すことがわかります。残念ながら、これが起こると、新しい統計的手法は脆弱になる傾向があります。それは多少幸運なのか、過学習の問題の犠牲者なのかもしれません。したがって、ある統計的手法がこのクライアントに優れた適合性を持っているように見えるために、特定のクライアントのために特別なケースを作成することは誘惑されるかもしれませんが、私たちはそのようには運営しません。私たちの10年以上の経験から、それらの結果は必ず脆弱であり、想定される優れた手法が長続きしない可能性があることがわかりました。クライアント企業が大きな変化を経験する場合 - それはロカド自体の行動によって引き起こされる可能性もあります - 新しい手法のパフォーマンスは崩れてしまうかもしれません。
したがって、私たちは、さまざまな状況で優れた結果をもたらす統計的手法を見つけることに焦点を当てています。これらの手法は、航空宇宙などのさまざまな関連性の薄い垂直分野を代表するさまざまなデータセットに対して、一様な改善を提供することを目指しています。これは、単に特定のデータセットを徹底的に特徴付けるために特徴エンジニアリング1を行い、同じ機械学習アルゴリズムを延々と再利用するという、ほとんどのデータ解析エージェンシーが現在提供している方法よりも難しい方法です。
このアプローチにより、私たちは統計的予測の非常に基本的な部分を見直す必要があります。たとえば、クロスエントロピーへの移行は、予測精度を測定するための優れた指標としての役割を果たしました。最近では、供給チェーンにおける複雑なテールの振る舞いを捉えるための強力でありながら未使用の手法2である混合密度ネットワークにアップグレードしました。これらの混合密度ネットワークは、希少なイベントの確率を信頼性のある方法で推定するための扱いやすい解決策を提供します。これは航空宇宙などの産業において重要です。
私たちの予測技術はまだ進行中です。まだ完全に解決されていない多くの課題があります。たとえば、カニバリゼーションや価格変動への市場の反応は非常に困難な課題です。それでも、私たちはあきらめずに、10年以上の研究開発の後も進歩を続けています。
