経済ドライバー

量的供給チェーンの視点から、経済ドライバーは、サプライチェーンの意思決定の正負の結果を金銭的に定量化したものを表す。サプライチェーン最適化の課題を、金融を指標とする扱いやすい最適化問題に変換する。経済ドライバーを定量化することにより、不完全な需要予測などの不完全なデータに基づく意思決定の誤差（ドル単位）を評価することが可能になる。これらの経済ドライバーは、MAPE（平均絶対パーセンテージ誤差）など、広く使用されている業界非依存の指標に対する対比として導入される。これらの業界非依存の指標は、サプライチェーンの問題を数値的最適化問題として「装飾」するため、しばしば有害である。

統計的予測は一面的である

需要予測ツールと手法には明確な目的がある：*より正確な予測*を算出すること。予測は、数学的・統計的な特性に基づく各種評価指標により正確と見なされるが、これらの指標は本質的にドメインに依存せず、業務固有のドライバーや制約を設計上無視している。

一見すると、統計的予測は選択された誤差指標によって根本的に駆動される。MSE（平均二乗誤差）ではなくMAE（平均絶対誤差）を選択すると、予測精度に大きな影響を及ぼす。最初は、誤差指標がほとんど影響を与えないように見えるかもしれない。結局のところ、予測モデルは、後からどの指標を用いて結果を評価するかに関わらず、同じ需要予測を生成する。しかし、統計的予測に依存する企業は、どの予測モデルを使用するかについて（多くの場合暗黙のうちに）選択を行っており、精度の測定値が導入されると、上記の指標に対して良好なモデルが選好される。

一般的な統計指標（例：MAPE、MAE、MSEなど）は業務との親和性を持たない。要するに、これらの指標は誤差の割合に重点を置いており、誤差のドル換算には着目していない。誤差の割合を最小化することは良いことであるが、これには多くの反例が存在する。統計指標は、需要予測から導かれる意思決定の金銭的結果が最適または利益を生むと保証するものではない。場合によっては、経済ドライバーは一般的な統計指標と緩やかにしか相関しないこともあるが、これは「偶然」によるものであり、偶然に依存することはサプライチェーン最適化の正当な手法とは言えない。実際、純粋に統計的な指標が業績指標と乖離する状況では、この問題は直感に反する形で増幅される。

需要予測とサプライチェーン最適化の切り離し

経済ドライバーは、サプライチェーン最適化の課題において、業務固有の側面（すなわち経済ドライバー）と業界非依存の側面（すなわち純粋な統計的予測）とを切り離す具体的な内訳を表す。このセクションでは、この切り離しの利点とその限界について簡単に検討する。

数値最適化に関しては、問題全体を最適化する方が、部分ごとに最適化するより常に望ましいという原則がある。しかし、この原則は、モノリシックに最適化の課題に対処できる技術的可能性がある限りのみ有効である。にもかかわらず、本書を含むほとんどのサプライチェーン文献は、需要予測が統計、アルゴリズム、ソフトウェア、そして場合によってはクラウドコンピューティングが関与する分散処理を組み合わせた複雑な作業であることに同意している。そのため、需要予測の側面を分離することで、業務固有の煩雑な考慮事項に煩わされることなく、高度な需要予測を提供する可能性が生まれる。

同様に、サプライチェーン最適化のロジックを需要予測のロジックから分離することで、サプライチェーン最適化自体が需要予測に伴う技術的な複雑さから「保護」される。この分離により、保管スペースの上限、価格割引、変動する品切れコスト、変動する陳腐化コストなど、経済ドライバーの詳細により深く踏み込むことが可能となる。経済ドライバーの詳細な理解は、企業のリスクと機会により密接に対応したより良い意思決定を促す。

確率的予測の必要性

前節で示したように、需要予測と業務最適化を分離することで、高度な予測分析と業務そのものの精緻な視点を活用するサプライチェーン最適化戦略を実行する可能性が生まれる。しかし、需要予測を行う際、予測エンジンはサプライチェーン最適化の観点で重要な業務固有要因について何も知らない。それにもかかわらず、最も金銭的インパクトのある業務シナリオは、通常、統計的には「極端な」シナリオである。例えば、予期せぬ高需要が品切れを引き起こし、予期せぬ低需要が在庫の評価損を招く。

従来の予測ツールは、平均または中央値の予測に大きな重点を置くため、業務視点では本質を見失っている。たとえこの種の予測が正確であっても、関心のある業務シナリオが統計的極端値に位置する場合、予測ツールはその業務シナリオの金銭的成果を定量的に評価するための適切な統計的予測を提供できなくなる。

当然ながら、確率的予測は従来の単一値予測と比較して遥かに多くの計算資源を必要とする。なぜなら、ある意味で確率的予測は予測課題を“ブルートフォース”しているからである。予測エンジンは考慮すべき業務シナリオを知らないため、あらゆる可能性を（概ね）網羅する広範な統計的回答を生成するに留まる。実際、クラウドコンピューティングプラットフォームにより低価格で膨大な計算資源にアクセス可能なため、確率的予測生成に必要な追加の計算資源は、適切な技術があれば大きな問題にはならない。

一般的な経済ドライバーの簡単なレビュー

経済ドライバーは、サプライチェーンにおける意思決定の正負の成果を定義する。これらの成果の算出には、まだ観測されていない需要の実際のデータが必要だが、需要予測があれば、その成果をシミュレーションすることが可能となる。経済ドライバーは、単なる短期的な金銭的結果だけでなく、意思決定から生じるあらゆる業務上の帰結を網羅することを目的としている。実際、経済ドライバーの設定は、様々な業務シナリオを考慮した大雑把な計算に似ている。

一般的なサプライチェーンの意思決定の一例は、ある商品の追加単位を発注することである。もし注文した単位に即時需要があれば、企業は利益を得ながらその単位を供給する。これが注文決定に伴う利益である。需要が即時に存在しなければ、企業はこの追加単位を在庫として保持するための保管コストを負担することになる。これが注文決定に伴うコストであり、注文決定の経済ドライバーの設定は、特定の需要シナリオにおける利益とコストの双方を記録することである。

利益とコストに加えて、制約もまた許容されるサプライチェーン意思決定の範囲を規定する：

• 保管能力 : 店舗や倉庫には最大容量があり、一定量を超える在庫の追加発注を防ぐ。
• MOQ : サプライヤーは、例えば単位数や注文金額で表される最小発注量以下の注文を受け付けない。これらの最小発注量は、サプライヤーの購入注文に対する固定費として解釈・モデル化できる。
• 資本コスト : 企業は流動性の確保に限りがあるため、在庫への資本配分に上限を設ける必要がある。より多くの資本を確保するには、経営陣にとって非常に時間を要し、戦略的方針と一致しないこともある。
• 輸送能力 : 海外からの商品輸入時、注文はコンテナ1個に正確に収まるよう適切なサイズにする必要がある。コンテナには最大重量と最大容積があり、これらは購入注文に対する一種の固定費とみなせる。

経済ドライバーは、上記の制約および実際にはそれ以上の多くの要素を考慮する必要がある。もし制約が無視されれば、需要予測と経済ドライバーを組み合わせたシステムは、例えば倉庫の保管能力を超える在庫を発注するなど、実際には実行不可能な意思決定を示唆する可能性が高い。

Lokadの経済ドライバーに関する見解

Lokadは確率的予測エンジンを提供する。データは予測エンジンに投入される前に適切に検証・サニタイズされる必要があるが、その後、我々の予測エンジンは統計的設定を必要とせずに完全自動化された予測を実行する。Lokadの予測エンジンは、商業、製造、航空宇宙など多数の分野で即時に機能する。

しかしながら、経済ドライバーは非常に多様である。この多様性を管理するために、Lokadはサプライチェーン最適化に特化したドメイン固有プログラミング言語であるEnvisionを導入した。Envisionの可視的な出力はダッシュボードの生成として現れるが、Envisionの主たる機能は、スクリプトを通じて経済ドライバーを予測に組み込み、例えば本日再発注すべき数量といった最適な意思決定を自動的に算出することである。

経済ドライバーと確率的予測の適切な組み合わせは、これらのデータを活用するポリシーの策定を可能にする。例えば、業務在庫リスクと需要予測を完全に均衡させた発注数量を提供するのに特に適した優先順位注文ポリシーがある。

実際、経済ドライバーの見直しと形式化、これらドライバーと確率的予測の組み合わせ、過去データの検証およびサニタイズ、そして適用可能な全業務制約に合致した最適化意思決定の生成といったタスクは、すべてLokadのチームにより在庫最適化サービスの月額サブスクリプションを通して実施される。