市場調査に戻る
aThingzは、輸送計画、貨物輸送の実行、物流財務管理、マスターデータ、出荷の可視化を対象とする運用支援付きソフトウェアを提供する。Daksaプラットフォームは、物流計画を運送会社の活動と費用に結び付ける。現在の製品群は、SIOPEを通じた需要予測と在庫・輸送の共同計画も販売している。(1, 3)
サプライチェーン総合評価：3.9/10
| 評価領域 | 評点 |
|---|---|
| サプライチェーンへの理解の深さ | 4.4/10 |
| 意思決定と最適化の実質 | 3.8/10 |
| 製品とアーキテクチャの一貫性 | 4.0/10 |
| 技術的透明性 | 3.6/10 |
| ベンダーの真剣さ | 3.6/10 |
最も実質的な根拠があるのは、輸送費用の再構成、契約や計画からの逸脱の特定、物流計画の実行準備である。これらの計算は、費用のかかる照合作業をなくせる。一方、不確かな需要、供給、在庫、輸送を横断して経済的に優れた行動を選ぶという、より難しい提案には、技術的な裏付けがはるかに少ない。
現在の自律性に関する表現も、文書化された運用モデルを超えている。aThingzはヒューリスティクスと線形計画法を開示する一方、詳細な計画資料にはリリース前の人による確認が記載されている。デジタルツイン資料は、将来の結果の予測を検証するよりも、データと費用の照合をよく説明している。より広い自律的最適化の約束は、依然として裏付けられていない。(1, 2, 4)
aThingzとLokadの比較
両社ともソフトウェアと専門サービスを組み合わせる。aThingzの物流年間契約には、意思決定支援、変更管理、ガバナンス、リリース管理、製品更新が含まれる。その支援は、物流プロセスと、荷主、運送会社、財務システムを結ぶデータに集中する。(2)
Lokadの定量的サプライチェーンのアプローチは、不確実性のもとで金銭評価した実行可能な意思決定をサービスの中心に置く。サプライチェーンサイエンティストがデータを準備し、経済的優先順位を形式化し、計算を実装・監視し、本番のロジックを保守する。この範囲は購買、在庫、生産、配分、輸送を結び付けうる。
自動車の調達物流では、部品が遅れると違いが具体的になる。運送会社の請求を再構成すれば、何が起きたかは分かる。次の意思決定には、緊急輸送、別の調達先、在庫の再配分、生産順序の変更を比較する必要がある。その比較では、輸送、在庫、代替の費用とともに、不確かな生産停止を金銭評価しなければならない。
aThingzの財務統合は、その計算に関連する入力を提供する。公開文書は、それを行うために必要な共通の意思決定目的や同時不確実性モデルを明らかにしていない。対応するLokadの提案は、その経済計算を実装して保守することだ。その価値も、サービスの総費用を上回る必要がある。Introduction to Supply Chainは、基礎となる設計思想を示している。
計画から財務結果まで出荷を追う
Cuberaの財務管理資料は、需要と生産の要件を、積載、出荷、請求書へ対応付ける。ネットワークのデジタル表現に業務情報と財務情報を付加し、製品、工場、運送会社、経路、輸送モードを横断してサービス提供費用を計算する。差異を調べ、改善行動に優先順位を付けられる。Cuberaは既存の物流計画ツールを補完することもできる。(3)
2024年の自動車事例は具体例を示す。デトロイトのOEMは、長い国際輸送と運送会社の請求遅延に直面していた。aThingzは出荷メッセージ、マスターデータ、計画された移動、契約運賃から実行を再構成し、運送会社、輸送区間、モードの逸脱を確認した。さらに、未払費用の計上に向けて、後続の出荷数量と費用を予測した。(4, 14)
これは有用な財務・業務作業である。運送会社の請求書がなくても、メーカーはすでに発生した費用を推計できるべきだ。移動を再構成すれば、未承認の経路や契約と一致しない料金を発見できる。
経済面の限界は、会計から行動への移行にある。トラックの費用を積載部品に配賦しても、部品をもう一つ加える、出発を延期する、経路を変える費用は分からない。それらの限界費用は、容量の閾値、約束、納入遅延の結果に依存する。したがって、正確な配賦と悪い購買・輸送判断は共存しうる。
目的は輸送費を超える必要がある
Cuberaの計画図は、最小費用と最大SLA達成の枠組みを示す。(3) 輸送費とサービス制約は重要だが、この枠組みは、追加のサービス単位を、それが避ける在庫・生産リスクに対してどう評価するかを説明していない。
例えば、サービス目標の維持は、安価な部品の航空輸送を正当化するかもしれない。同じ目標が、遅れても即座の業務影響がない部品の高額な輸送を引き起こすこともある。欠けている区別は、代替品の有無と生産の依存関係を含む、不足の経済的影響だ。
現在のプラットフォームは、在庫と輸送の共同最適化を明示的に約束する。(1) この約束は、行動のレベルで精査する必要がある。どの在庫判断が変わり、どの輸送選択肢が残り、それぞれの不確かな結果をどう比較するのか。共通のデータソースと共有レポートは、その答えにはならない。
線形計画法と不確かな物流問題
aThingzの技術説明は、ヒューリスティクスと並んで線形計画法による最適化を挙げる。(1) 線形計画法は物流を大幅に単純化する。現実の費用と結果には、固定料金、容量の閾値、不可分な出発、接続の失敗、生産停止が含まれる。
車両を分割可能として扱うか、遅延ペナルティを比例的とすると、数値上は魅力的でも実行時に節約が消える計画を生みうる。ヒューリスティクスは追加の業務ロジックを表現できるが、公開資料は、そのロジックと線形モデルの境界や、最終判断の価値をどう評価するかを示していない。
不確実性も同じく中心的な問題だ。出荷の到着、仕入先の準備状況、輸送能力、完成品の需要は一緒に変化しうる。aThingzは予測と実行データからの再調整を説明するが、物流最適化器に入力する同時確率的な将来見通しを公開していない。(2, 13)
確定的な計画を頻繁に更新しても、約束を決める時点で分かっている不確実性の価格付けにはならない。選択できるシナリオを少数用意しても、結果の校正済み確率は得られない。従来型の定式化を、多数の需要、時間、容量のシナリオへ拡張すれば、根本的なモデル化の妥協を残したまま、計算負荷が急増する。
重要なエンジニアリングの検証は、業務上の失敗が意思決定の定式化を改善するかどうかだ。接続を逃せば、出荷時刻や予約方針の変更が必要かもしれない。混載がうまくいかなければ、包装の意味付けに誤りがあるかもしれない。aThingzの公開資料には、そのような修正、過去の業務に対する再実行、本番エンジンへの導入を具体的に示す例がない。旧来の定式化を速く解いても、誤りはそのままだ。
デジタルツイン：照合は始まりにすぎない
財務資料は、予算、計画、予測、実行状態の動的な表現を説明する。自動車事例は、その表現で運送会社ネットワークを再構成している。(3, 4) これらは特定可能なデジタルツインの用途である。
介入の結果を予測することは、より難しい課題だ。経路変更のシミュレーションには、接続、輸送時間の変動、倉庫での扱い、下流の利用可能性を織り込む必要がある。それは高次元の条件付き予測であり、現在の記録を正確に複製するだけのものではない。
aThingzのシナリオ資料は輸送時間と費用の推計を約束するが、評価用に保留した介入や実現した結果に対する検証を公表していない。(2) ネットワークを通じた誤差の伝播や、得られたリスク推計の校正の説明もない。
データ品質の改善は、モデル内部の整合性を保つ助けになる。それだけで、将来の出来事を正しく予測するとは分からない。昨日の出荷が完璧に照合されていても、明日の渋滞や仕入先の準備状況について悪い予測を支えることがある。
技術の歴史：何が自律化されたのか
2021–2022年：AI、デジタルツイン、アラート
2021年6月、aThingzはGeneral Motorsとの調達物流変革プログラムを説明し、AIとデジタルツインを運用に組み込んだと述べた。発表は需要・供給センシングも宣伝した。その名称の背後にあるモデル、比較実験、測定された能力は示されなかった。(6)
この時期に配布された自律化ガイドは、運用の考え方をより明確に説明する。業務ルールがワークフローを動かし、アラートと推奨が物流担当者を支援する。経営者向けのたとえは、運転者に注意を促す車線逸脱警報だ。(7) これは監視と支援の仕組みを裏付ける。用語はすでに、開示された機構が示す範囲よりはるかに広い自己修正を想起させていた。
2022年の俊敏性のパンフレットは、データ品質、生産性、不足、予測について改善率を掲げた。そのスコアカードの背後にある導入先や評価手順は示していない。(8) 数値化された約束が、それを再現するための根拠に先行していた。
2023–2024年：明確になった計画と会計の仕組み
2023年5月の資料は、協調的な計画ワークフローを説明する。計画担当者が例外を確認し、データ問題を解決し、経路を確定した後で、計画を輸送委託と実行に回す。(2) これらの手順は、自律的という言葉よりも責任の所在を明確にする。
続く2024年の自動車プロジェクトは、費用の再構成と財務予測に実行データを使う具体的な用途を示す。(14) 範囲の定まった問題に対する、実質的な実装の根拠である。それ以前の計画確認がなくなったことや、エージェントが数値意思決定ロジックを安全に修正するようになったことは示していない。
2025–2026年：顧客の選定とエージェント領域の拡張
American Axle & Manufacturingは2025年4月、マスターデータ、物流計画、財務可視化のためにDaksaを選定した。発表は、数週間にわたる実行可能な物流計画を含め、今後の稼働と利点を説明する。(5) 実名顧客の商業的な約束は確認できるが、測定された導入成果は示されていない。
現在のホームページにはAI Foundryとエージェントの用語が加わっている。(1) 公開記録は、これらの新しい名称を、計画担当者の作業、例外処理、意思決定の質、運用費用の導入前後の測定と結び付けていない。
継続しているのは、データ整備、計画生成、可視化、費用照合である。未解決なのは、新しいAIがどの追加的な意思決定権限と生産性をもたらすかだ。自律性を繰り返し主張しても、計画担当者が引き続き担う役割は説明されない。
生産性と業務ルールの保守
自動車事例によると、以前の財務検証は20人超の専任者と、各期間につき数か月の作業を必要とした。その後、毎月数百時間を削減したと報告している。(4) 記載された再構成と照合の作業は、その削減の妥当な仕組みを示す。
報告は、前後の対象範囲を、完全な人員・費用比較に整理していない。業務変更、ベンダーの人員、ソフトウェアそれぞれの寄与も分離されていない。ホームページで強調する生産性の数値には、公開された作業量の定義がない。(1)
保守対象は経路計画より広い。マスターデータの修正、運送契約の対応付け、費用配賦ルール、例外、承認ワークフローは、いずれも出力に影響する。ADQTMのマーケットプレイス掲載は、数百の事前定義されたデータ品質ルールを説明する。(12) 顧客固有の差異は、継続的なエンジニアリング負荷を加える。
不正な形式の所在地コードを修正するルールは再利用できる。一方、異常なリードタイムを通常の値へ置き換えるルールは、計画システムが認識すべき混乱そのものを消してしまうことがある。公開資料は、そのような修正をどう検証し、版管理し、取り消し、互いから保護するかを説明していない。
aThingzのマネージド契約は、変更とリリースへの継続支援を明示的に含む。これは、設定をすべて荷主に任せるより、サービス責任をよく定義している。それでも経済評価には、運送契約、ERPスキーマ、包装、ネットワーク方針が変わるときの回帰テストを含め、双方の総作業量が必要だ。
エージェントによる生産性は、この作業全体に照らして測るべきだ。既存のアラート確認を自動化するより、検証済みの計算改善によって繰り返す原因を取り除く方が価値は大きい。aThingzは、この二つの進歩を区別する根拠を公開していない。
ソフトウェアの構成部品表
製品文書は、Azureを基盤とするマイクロサービスアーキテクチャを示している。雇用主の求人は、開発と提供の慣行について追加の根拠を与える。
| 根拠と範囲 | ソフトウェア構成要素 | 日付 |
|---|---|---|
| Daksaプラットフォームの説明 | Azureホスティングと組み合わせ可能なマイクロサービス | 2023年の技術資料とパートナー資料。(2, 9) |
| Software Engineerの求人 | Python/Django、Boomi連携、SQL Server/MySQL、レポートツール | 2017年8月の雇用主求人。顧客拠点での業務を含む。(10) |
| Software Developerの求人 | C#/.NETアプリケーション開発とSQL Server | 2018年3月の雇用主求人。(10) |
| Computer Programmerの要件 | .NET、Azure SQL、Data Factory、Logic Apps、Service Bus、ストレージ、API Management | 雇用主の求人ページに残る日付なしの掲載。(10) |
過去の求人は、連携とアプリケーション開発の事業を文書化している。日付のない要件は、Azureを中心とした提供能力を示す。製品固有の導入文書はクラウドとサービス構造を特定するが、特定の顧客の現在のDaksa構成を成すデータベース、キュー、実行環境までは明らかにしない。
費用の論点は、業務記録から意思決定までの間に保守する変換の数である。運送会社のイベント、契約区間、運賃、資材要件、請求明細には共通の意味が必要だ。独立したサービスで責任が明確になる場合はあるが、導入、監視、版管理、復旧の作業も加わる。
Azureはインフラとプラットフォームの能力を提供する。aThingzの貢献は、その上に作る物流データの解釈と計算だ。2023年のパートナー報告は、選んだサービス構成が運用費用を最小化することを示す負荷ベンチマークやアーキテクチャ比較を公表していない。(9)
必要な比較は、信頼できる意思決定当たりと、保守される業務変更当たりの総作業量である。公開資料には、その比率を推計できる取引量、計算費用、サポート作業量の系列がない。
セキュリティと復旧
Daksaのプライバシーページは、顧客・パートナーとのデータ交換にHTTPS/TLSとSFTPを使うと説明する。認証と認可のデータにも触れている。(11) 公開説明は、商業運賃、運送会社の活動、物流指示を調整するプラットフォームに必要な管理機能には遠く及ばない。
資料は、テナント分離、最小権限のサービスアクセス、特権サポート操作、認証情報の扱い、破壊的な変更後の復旧を説明していない。マスターデータの自動修正では、原記録の保存と可逆的な変換が特に重要だ。誤修正は計画、未払費用の計上、後の監査へ伝播しうる。
エージェントの行動にも同じ懸念がある。推奨から輸送委託や財務変更へ進む境界には、強制可能な権限境界、帰属を確認できる履歴、復旧動作が必要だ。自律型プラットフォームの説明は、それらの管理がどう働くかを示していない。
収益：会計の正確さには経済的な接続が必要
2024年のOEM事例は、財務の計画対実績の精度を95%に維持し、20%改善し、マスターデータ精度を90%超にしたと報告する。(4, 14)
それらの定義は依然として重要だ。公開資料は、誤差式、集計、測定期間、すでに観測された出荷イベントの寄与を指定していない。実際の移動データを用いる照合が扱う不確実性は、出発前の予測とは異なる。両者を一つの精度数値にまとめると、モデルが何を達成したかが曖昧になる。
正確な未払費用計上は、報告を改善し請求問題を発見できる。それだけでは資金を解放せず、利益増加も示さない。経済価値が生まれるのは、請求が回避され、物流判断が改善し、支払いが適切に変わるか、作業がなくなるときである。
現在のサイトは、EBITDAの2–5%向上と、輸送支出の12–18%削減を宣伝する。(1) 以前の2023年資料は、物流支出の10–35%の継続的削減を宣伝していた。(2) これらの主張を、定義された顧客群、期間、基準値、純サービス費用へ結び付ける公開の説明はない。
妥当な評価では、物量と運賃の変動、一度限りの請求回収、継続的な業務節約、サービスや在庫のリスク変化を分ける必要がある。マネージドサービスには、悪い収益を診断し修正する明確な義務も必要だ。公開のサービス説明は、これらの経済的約束を定義していない。
サプライチェーン評価
サプライチェーンへの理解の深さ
| 評価基準 | 評点 |
|---|---|
| 経済的な問題設定 | 5/10 |
| 意思決定の最終成果 | 6/10 |
| サプライチェーンに関する概念の明確さ | 5/10 |
| 時代遅れの基本教義からの自由度 | 3/10 |
| KPIを見栄えよく演出する手法への耐性 | 3/10 |
平均：4.4/10
経済的な問題設定 — 5/10。 財務費用が物流業務の記録と結び付いている。欠けているのは、輸送、在庫、生産への影響を横断した、不確かな選択肢の明示的な価値評価だ。(3)
意思決定の最終成果 — 6/10。 計画プロセスは経路計画、輸送委託、実行に達する。人の確認点と未公開の権限境界により、無人の経済的意思決定生成を裏付ける根拠は限られる。(2)
サプライチェーンに関する概念の明確さ — 5/10。 運送契約、包装、長い輸送時間、未払費用計上、実績と計画の差異が具体的に扱われる。より広い在庫と需要の提案には、同等の手法の詳細がない。(3)
時代遅れの基本教義からの自由度 — 3/10。 継続的なフィードバックは低頻度の確認より進んでいるが、設計は依然として計画、サービス要件、KPI、S&OPの調整を中心に組織されている。その経済的なトレードオフは独立して開示されていない。(2, 13)
KPIを見栄えよく演出する手法への耐性 — 3/10。 費用の再構成は、有用な尺度の信頼性を高めうる。しかし、未定義の精度と改善率は、会計上の進歩を経済収益の代わりに扱う余地を残している。(4, 8)
意思決定と最適化の実質
| 評価基準 | 評点 |
|---|---|
| 確率モデリングの深さ | 2/10 |
| 独自の最適化または機械学習の実質 | 3/10 |
| 現実の制約への対応 | 5/10 |
| 意思決定の自動化と労働生産性 | 5/10 |
| 実際の業務複雑性への適応力 | 4/10 |
平均：3.8/10
確率モデリングの深さ — 2/10。 出荷と費用の予測は説明されるが、需要、受領時点、能力の同時分布は説明されない。その経済的結果を最適化器の中で追跡できない。(1, 13)
独自の最適化または機械学習の実質 — 3/10。 開示された線形計画法とヒューリスティクスの組み合わせは、説明不足のままだ。物流判断の中核にある非線形性と不確実性を解決する定式化や比較根拠がない。(1, 2)
現実の制約への対応 — 5/10。 アプリケーションは経路、モード、運賃、包装、運送会社の挙動を扱う。全体でのより大きな損失を避けるために、高価な制約をいつ緩和すべきかという判断の根拠は弱い。(2, 3)
意思決定の自動化と労働生産性 — 5/10。 費用の再構成とデータ検証は、繰り返し発生する事務作業を除く。公開結果には、残る人とベンダーの作業量を完全に比較したものがなく、新しいエージェントの効果も切り分けられていない。(4, 12)
実際の業務複雑性への適応力 — 4/10。 実行からのフィードバックと管理された変更は、適応する方法を提供する。当初の目的やデータ仮定が破綻したときに、意思決定問題を迅速かつ検証済みの形で修正した具体的な根拠はない。(2, 13)
製品とアーキテクチャの一貫性
| 評価基準 | 評点 |
|---|---|
| アーキテクチャの整合性 | 5/10 |
| システム境界の明確さ | 5/10 |
| セキュリティへの真剣さ | 2/10 |
| ソフトウェアの簡潔性と保有費用 | 4/10 |
| プログラムおよびエージェント支援による運用との適合性 | 4/10 |
平均：4.0/10
アーキテクチャの整合性 — 5/10。 物流データ、実行、財務分析は接続された製品設計を構成する。公開の詳細は、新しい在庫機能が同じ意思決定計算をどう共有するかを示していない。(1, 3)
システム境界の明確さ — 5/10。 公開資料は、運送会社、既存の計画ソフトウェア、財務プロセスとの接点を特定する。矛盾する記録の照合と自動変更の認可の責任は、それほど明確ではない。(2, 3)
セキュリティへの真剣さ — 2/10。 転送の暗号化は開示されるが、特権操作、テナントアクセス、復旧を制御するアーキテクチャは開示されない。プラットフォームの権限拡大には、より強い根拠が必要だ。(11)
ソフトウェアの簡潔性と保有費用 — 4/10。 マネージドサービスには継続的な変更作業が含まれる。サービス連携、マッピング、顧客ルールの恒常的な費用は定量化されておらず、安価な回帰テストの根拠も少ない。(2)
プログラムおよびエージェント支援による運用との適合性 — 4/10。 連携とイベント起点のワークフローは、確立した製品テーマである。公開API、制御可能な意思決定ロジック、安全なエージェント実行境界の文書化は不十分なままだ。(1, 12, 13)
技術的透明性
| 評価基準 | 評点 |
|---|---|
| 公開技術文書 | 4/10 |
| ベンダーの仲介なしで検証できる度合い | 3/10 |
| 可搬性とロックインの可視性 | 3/10 |
| 導入手法の透明性 | 5/10 |
| 技術的主張を裏付ける根拠の密度 | 3/10 |
平均：3.6/10
公開技術文書 — 4/10。 財務と計画の資料は、実質のあるプロセスを説明する。数値手法、予測検証、エンジニアリング水準のアーキテクチャの説明は、はるかに薄い。(2, 3)
ベンダーの仲介なしで検証できる度合い — 3/10。 公開説明から、大まかなワークフローは再構成できる。公開物から計算や失敗時の挙動を再現することはできない。(2, 3)
可搬性とロックインの可視性 — 3/10。 複数形式でのデータ連携が宣伝される。学習済みモデル、顧客ルールの依存関係、完全な意思決定の来歴をどう出力するかは説明されていない。(11)
導入手法の透明性 — 5/10。 マネージド型の提供モデルは継続的なサービス責任を特定し、資料は業務の受け渡しを説明する。詳細な受け入れテストと変更費用の根拠が欠けている。(2, 3)
技術的主張を裏付ける根拠の密度 — 3/10。 自動車の財務事例は、範囲の定まった仕組みを支える。自己修正や全体的な自律最適化という、はるかに広い主張には対応する根拠がない。(4, 1)
ベンダーの真剣さ
| 評価基準 | 評点 |
|---|---|
| 公開発信の技術的真剣さ | 3/10 |
| 技術ロードマップの一貫性 | 3/10 |
| 概念の明確さ | 4/10 |
| 経済的な説明責任 | 4/10 |
| エージェント型ソフトウェア時代の競争力の持続性 | 4/10 |
平均：3.6/10
公開発信の技術的真剣さ — 3/10。 具体的な物流の説明が、知能と自律性の広い主張に覆われている。確定的な計算、予測、エージェントの行動を公開の場で区別する説明は不十分だ。(1, 7)
技術ロードマップの一貫性 — 3/10。 歴史には、提供済みの財務管理能力と、実名顧客の約束がある。相次ぐ自律性の主張が運用作業量や意思決定権限をどう変えたかは示していない。(6, 7, 5)
概念の明確さ — 4/10。 ベンダーは物流業務と財務の隔たりを理解している。正しい費用帰属と、経済的に最適な介入を、一貫して区別してはいない。(3)
経済的な説明責任 — 4/10。 継続するマネージドサービスの責任は、説明責任の基礎を作る。公開の収益主張にはなお、純費用の基準、失敗条件、明示された是正義務が欠ける。(2, 4)
エージェント型ソフトウェア時代の競争力の持続性 — 4/10。 運送会社との連携、物流の意味付け、蓄積した実装知識には引き続き価値がある。持続的な差別化は、対話アクセスや既存のアラートを超えて、意思決定を改善し、その知識を経済的に保守することに依存する。(9, 13)
出典
すべての出典を2026年11月4日に確認した。PDFメタデータから得た日付はその旨を示している。日付のない資料は、確認した公開版を指す。
Daksaのプラットフォームと技術。現行。現在の範囲、エージェントの主張、改善数値、線形計画法の開示。
[2] サプライチェーンの近代化：Triple Double
サプライチェーンの近代化：Triple Double。2023-05。計画担当者の確認点、ヒューリスティクス、シナリオ、Azure基盤、年間マネージドサービス。
物流財務管理とサービス提供費用。PDFメタデータは2024年。Cuberaの費用モデル、会計ワークフロー、計画目的。
自動車OEMの物流財務事例。2024-06。OEMの費用再構成、財務精度、報告された作業削減。
[5] American AxleによるaThingzの選定
American AxleによるaThingzの選定。2025-04-30。実名顧客の選定と意図する機能。
GM物流プログラムと2020年Overdrive賞。2021-06-22。GMプログラム、AIとツインの主張、需要・供給センシング。
自律型サプライチェーンの主要な助言。PDFメタデータは2021年。初期の自律性の訴求を支えるルール、アラート、支援付き意思決定。
強靭なサプライチェーンのための俊敏性。PDFメタデータは2022年。俊敏性の提案と、条件を示さない改善スコアカード。
[9] aThingzを扱うMicrosoftの製造業デジタル報告
aThingzを扱うMicrosoftの製造業デジタル報告。2023年。Azureアーキテクチャと、ベンダー自身による貢献の説明。
aThingzの求人記述。2017–2018年および日付なしの掲載。過去のアプリケーション開発と連携開発の職務。
Daksaのデータプライバシーポリシー。日付なし。データ交換とアプリケーションのプライバシーに関する公開説明。
ADQTMデータ品質製品の掲載。日付なし。データ品質ルール、プロファイリング、製品機能。
閉ループの自律物流計画。日付なし。実行からの学習と物流計画の目的。
2024年自動車財務プロジェクトの発表。2024-06-27。自動車財務事例を説明するベンダーの発表。