クラシックな時系列予測 (2008)

2008年、Lokadはソフトウェア・アズ・ア・サービス（SaaS）として提供される_予測エンジン_を導入して開始されました。当初のキャッチフレーズは_サービスとしての予測_でした。このエンジンは、従来型の時点予測を提供していました。年月を重ねる中で、Lokadはより先進的な予測技術を導入し、初期の需要予測に留まらず、より広範なサプライチェーンの視点を取り入れることで成長を遂げました。もともとの予測エンジンは2010年代半ばに徐々に廃止され、最終的には2020年に停止されました。

2008年に導入された（現在は廃止済みの）元のエンジンは、予測モデルの一群（主に自己回帰型）と、モデル選択器として使用される分類器を含むメタモデルとして機能していました。この選択器は、各時系列に最も適したモデルを選びました。2008年から2012年にかけて、エンジンは追加モデルやより洗練された選択器によって徐々に強化されました。

その後の改良には、当時人気のあった機械学習手法に影響された非パラメトリックモデルが含まれていました。これらのモデルは並行する時系列の視点を利用することで、1年分の履歴データが揃っていない時系列に対しても適切な季節性係数を適用することを可能にしました。同様に、時系列に割り当てられたタグを通じて識別された類似性を活用することで、製品の新規投入の予測も可能にしました。

Lokadは、一つのクライアントのデータを用いて別のクライアントの予測を向上させることは一切なかった（これは現在も変わりません）が、すべてのクライアント間で同じメタパラメータを使用する１つの予測エンジンが共有されていました。そのため、Lokadは多様なシナリオにおいて良好な性能を発揮する高品質なデフォルトパラメータを設定する必要がありました。間接的な形ではありますが、あるクライアントから得られた技術的知見が他のクライアントにも利益をもたらす結果となりました（その逆もまた然りです）。

最終的に、Lokadがより優れた技術を開発したため、このエンジンは段階的に廃止されました。モデル選択のアプローチは、競合するモデル同士の争いのように見えるかもしれませんが、それは予測に大幅な不安定性をもたらしました。履歴データをたった1日追加するだけで、選択器が多くの時系列に対してモデルを切り替える可能性があり、不規則な変動を引き起こすことがありました。この問題は、内部競争に依存するいかなる予測システムにも内在するものであり、現在ではLokadにおいて時代遅れの設計と見なされています。

確率的出力が欠如していたことが2番目の重大な問題でした。時点予測は不確実性を全く考慮しないため、これらの予測に基づく意思決定は非常に脆弱になります。実際、実績が予測と大きく乖離すると、経済的パフォーマンスは急激に悪化することがよくありました。Lokadは、この制約に対処するため、確率的予測技術を導入しました。

最後に、3番目の重大な問題として、時系列のみという硬直した視点が深刻な制限となりました。時系列は一次元のベクトルとして表されるため、履歴データの表現力が限られています。ポイント予測だけで十分なサプライチェーンの状況においても、純粋な時系列フレームワークでは現実世界の複雑さを十分に捉えることができません。

クラシックな予測エンジンは、当社の微分可能プログラミング技術の導入に伴い、2020年に完全に廃止されました。ポイントとなる時系列予測はもはや推奨されませんが、微分可能プログラミングは、時系列のポイント予測と確率的予測の両方を容易に生成することができます。