クラシックな時系列予測（2008年）

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_を備えてローンチされました。会社のオリジナルのタグラインは「サービスとしての予測」でした。このエンジンは、クラシックなポイント時系列予測を提供しました。数年を経て、Lokadはより高度な予測技術を導入し、初期の需要予測のルーツを超えたより広いサプライチェーンの視点を採用することで成熟しました。オリジナルの予測エンジンは、2010年代半ばに段階的に廃止され、最終的に2020年に完全にシャットダウンされました。

オリジナルのエンジン（現在は廃止されています）は、2008年に導入され、主に自己回帰の種類の予測モデルと、モデルセレクター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。このセレクターは、各時系列に最適なモデルを選択しました。2008年から2012年まで、エンジンは追加のモデルとより洗練されたセレクターで徐々に強化されました。

後の強化には、当時人気のあった機械学習アプローチに影響を受け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、同時時系列の視点を活用し、エンジンが、歴史データが1年分ない時系列でも適切な季節性係数を適用できるようにしました。同様に、これにより、エンジンは、時系列に割り当てられたタグを通じて特定された類似性を活用して、製品のローンチを予測することができました。

Lokadは、1つのクライアントのデータを別のクライアントの予測を改善するために使用したことはありませんが、すべてのクライアント間で共有される1つの予測エンジンがあり、同じメタパラメーターを使用していました。その結果、Lokadは、さまざまなシナリオでうまく機能する高品質のデフォルトパラメーターを設定する必要がありました。間接的には、1つのクライアントから得られたエンジニアリングの洞察は、他のクライアントにも恩恵をもたらすことがありました（その逆も然り）。

最終的に、このエンジンは、Lokadがより優れた技術を開発するにつれて段階的に廃止されました。モデル選択アプローチは競合するモデルのコンテストのように思えるかもしれませんが、予測の大幅な不安定性を引き起こしました。歴史データを1日追加するだけでも、セレクターが多数の時系列のモデルを切り替える可能性があり、乱れた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任意の予測システムに固有のものであり、Lokadでは古いデザインと見なされています。

確率的な出力の欠如が2番目の重要な問題でした。ポイント時系列予測は不確実性を完全に無視し、これらの予測に基づく意思決定を非常に脆弱にしました。実際、実際の結果が予測から逸脱すると、経済的パフォーマンスは急激に低下することがよくありました。Lokadは、確率的予測技術を導入することで、この制限に対処しました。

最後に、3番目の主要な問題として、時系列のみの視点の硬直性が深刻な制限をもたらしました。時系列は、歴史データに対して限られた表現力を提供する1次元ベクトルとして表されます。ポイント予測が十分である可能性があるサプライチェーンの状況でも、純粋な時系列フレームワークは通常、現実世界の文脈の完全な複雑さを捉えることができません。

クラシックな予測エンジンは、2020年に完全に廃止され、差分可能プログラミング技術のローンチに続いていました。ポイント時系列予測はもはや推奨されていませんが、差分可能プログラミングは簡単にポイント時系列予測と確率的予測の両方を生成できます。