経済ドライバー

learn menu

量的サプライチェーンの観点から、経済ドライバーは、サプライチェーンの意思決定の肯定的および否定的な結果の財務的数量化を表します。経済ドライバーは、サプライチェーンの最適化の課題を扱いやすい最適化問題に形成します。最適化指標は通常、財務的です。経済ドライバーの数量化により、元々需要予測などの不完全なデータに基づく不完全な意思決定に関連する誤差のドルを評価することが可能になります。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、広く使用され続けているビジネスに対して無関係なメトリックの対極として紹介されます。これらのビジネスに対して無関係なメトリックは、主に任意の最適化基準に依存してサプライチェーンの問題を数値最適化問題として「装飾」するため、しばしば有害です。

統計的予測は片目

需要予測ツールと方法には、明確な目標があります：より正確な予測を計算すること。予測は、数学的および統計的な特性によって知られ、選択されたさまざまなメトリックに従って正確と見なされます。これらのメトリックは数学的な観点から優れているかもしれませんが、基本的にはドメインに対して無関係であり、意図的にビジネス固有のドライバーや制約を無視します。

直感に反するかもしれませんが、統計的予測は選択された誤差メトリックに基づいて根本的に駆動されます。MAE（平均絶対誤差）ではなくMSE（平均二乗誤差）を選択することは、特定のモデルの精度に対して劇的な影響を与えます。一見すると、誤差メトリックはほとんど影響を与えないように見えるかもしれません。結局のところ、予測モデルは、その結果を評価するために後で使用されるメトリックに関係なく、同じ需要予測を生成します。ただし、統計的予測に依存する企業は、使用される予測モデルについての選択肢（しばしば暗黙の選択肢）を行うことが求められます。そして、精度の測定が導入されると、企業は上記のメトリックに関連してより良いパフォーマンスを発揮するモデルを好むようになります。

一般的な統計メトリック（例：MAPE、MAE、MSEなど）には、ビジネスの親和性がありません。単純に言えば、これらのメトリックは誤差の割合ではなく誤差のドルに重点を置いています。誤差の割合を最小化することは良いことかもしれませんが、これには残念ながら多くの反例があります。統計メトリックは、予測から派生した意思決定の財務的結果が最適であるか、さらには利益を生み出すかどうかを保証するものではありません。時には、経済ドライバーは一般的な統計メトリックと緩やかに相関しているだけですが、これは「偶然」によるものであり、偶然に頼ることはサプライチェーンの最適化の適切な方法論ではありません。実際には、純粋に統計的なメトリックがビジネスのパフォーマンスメトリックと乖離するほとんどの状況の直感に反する性質によって、この問題は通常拡大されます。

例: 平均して週に1個しか売れない店で販売されている商品を考えてみましょう。リードタイムは1日であり（毎日補充）、この商品の最適な中央需要予測はゼロ個です。平均予測では1/7の数量が出るかもしれませんが、中央値予測はゼロを示しています。1日の需要は非常にゼロに近いですが、顧客に適切なサービスを提供するために保持する必要のある実際の在庫はおそらくはるかに大きいです。顧客のサービス品質の観点からは、2個または3個のユニットが必要です。問題は予測が不正確であるわけではなく、需要が静止して真にランダムである場合、先ほど述べた予測は統計的な観点から完全に正確です。問題は、ビジネス固有の要素が無視されていることです。

予測とサプライチェーン最適化の切り離し

経済的な要素は、サプライチェーン最適化の課題の具体的な分解を表し、ビジネス固有の要素（経済的な要素）とビジネスに関係のない要素（純粋に統計的な予測）が切り離されます。このセクションでは、この分解の利点と制約について簡単に説明します。

数値最適化に関しては、問題の一部を分離して最適化するよりも、問題全体を最適化する方が常に望ましいという一般的な原則があります。ただし、このポイントは、モノリシックな視点から最適化の課題に取り組むことが技術的に可能な限り真実である限りにおいてのみ当てはまります。しかし、ほとんどのサプライチェーンの文献（この本も含めて）は、需要予測が統計、アルゴリズム、ソフトウェアエンジニアリング、およびクラウドコンピューティングプラットフォームが関与する場合には分散コンピューティングを組み合わせた複雑な作業であるという点で合意しています。したがって、課題の需要予測の側面を分離することで、ドメイン固有の考慮事項を無数に抱えることなく、高度な需要予測を提供することが可能になります。

同様に、需要予測ロジックからサプライチェーン最適化ロジックを分離することによって、サプライチェーン最適化は需要予測に関連する技術的な問題から「保護」されます。これにより、経済的な要素の詳細な理解が可能になります。保管スペースの制限、価格の変動、ストックアウトコストの変動、陳腐化コストの変動など。経済的な要素のより詳細な理解により、リスクと機会により密接に合わせたより良い意思決定が生成されます。

例: 2つの倉庫を持つ会社を考えてみましょう。両方の倉庫からまったく同じ部品を提供しています。2つの倉庫は近くにありますが、習慣的にすべての顧客は常に必要な部品を同じ倉庫から注文する傾向があります。特定の倉庫で部品が利用できなくなった場合、倉庫のスタッフは他の倉庫に在庫があるか調査し、在庫切れの場合は在庫切れの倉庫に出荷されます。

確率的予測の必要性

前のセクションで見たように、需要予測をビジネス最適化から分離することで、高度な予測分析とビジネス自体の詳細な視点を活用したサプライチェーン最適化戦略を実行することが可能になります。ただし、需要予測を作成する際には、サプライチェーン最適化の観点から重要なビジネス固有の要素について予測エンジンは何も知りません。ただし、最も財務的な影響を与えるビジネスのシナリオは、統計的な観点からは「極端」とされるシナリオです。たとえば、在庫切れの原因となるのは予想外に高い需要であり、在庫の廃棄の原因となるのは予想外に低い需要です。

クラシックな予測ツールは、平均値や中央値の予測に重点を置いていますが、これはビジネスの観点からは本質を見失っています。このタイプの予測がどれだけ正確であっても、関心のあるビジネスシナリオが統計的に極端な場合、予測ツールは関連する統計的な予測を提供することができず、ビジネスシナリオの潜在的な財務的な結果を定量的に評価することができません。対照的に、確率的予測ツールはすべての可能な需要レベルに対する対応する確率を評価し、それによってすべての可能なビジネスシナリオを評価することができます。

当然のことながら、確率的予測にはクラシックな単一値の予測よりもはるかに多くの計算リソースが必要です。なぜなら、確率的予測は予測の課題を「力ずくで」解決するからです。予測エンジンは考慮すべき関連するビジネスシナリオを知らないため、すべての可能なシナリオを広範にカバーする統計的な回答を生成するだけです。実際には、クラウドコンピューティングプラットフォームを介して非常に低価格で広範な計算リソースにアクセスできる能力のおかげで、確率的予測を生成するために必要な増加した計算要件はほとんど問題ではありません。ただし、適切な技術が利用可能であることが前提です。

一般的な経済ドライバーの概要

経済ドライバーは、サプライチェーンの意思決定の正と負の結果を定義します。これらの結果の計算には、まだ観測されていない需要の実際の観測が必要ですが、需要予測が利用可能な場合は、結果をシミュレーションすることもできます。経済ドライバーは、意思決定から生じるすべてのビジネスの影響をカバーすることを目的としており、単に短期的な財務結果だけではありません。実際には、経済ドライバーを確立することは、さまざまなビジネスシナリオを考慮に入れたエンベロープの裏に計算を行うことに似ています。

最も一般的なサプライチェーンの意思決定の1つは、1つのアイテムに対して1つ以上のユニットを注文することです。注文されたユニットに即座の需要がある場合、会社は利益を上げてユニットを提供します。これは注文の意思決定に関連する利益を表します。アイテムに即座の需要がない場合、会社はこの余分なユニットの在庫保持コストを負担する必要があります。これは注文の意思決定に関連するコストを表します。注文の意思決定の経済ドライバーを確立することは、特定の需要シナリオにおける意思決定の結果とコストの両方を記述することです。

利益やコストに加えて、制約も受け入れ可能なサプライチェーンの意思決定の範囲を形成します：

  • 保管能力：店舗や倉庫には最大容量があり、一定量の在庫を超える追加の注文はできません。
  • MOQ（最小発注量）：サプライヤーは最小発注数量を超える注文のみを受け付けます。これらのMOQは、サプライヤーの発注書における固定コストとして解釈およびモデル化することもできます。
  • 資本コスト：会社は限られた流動性にしかアクセスできず、在庫の資本配分を制限する必要があります。より多くの資本にアクセスするには、会社の経営陣にとって非常に時間がかかる場合があり、戦略的な方針とも一致しない場合もあります。
  • 輸送能力：海外から商品を輸入する際、注文は正確に1つのコンテナに収まるように適切なサイズにする必要があります。コンテナには最大重量と最大容積があります。コンテナは発注書における固定コストの形態としても解釈できます。

経済ドライバーは、上記の制約だけでなく、実際にはさらに多くの制約を考慮する必要があります。制約が考慮されていない場合、需要予測と経済ドライバーを組み合わせたシステムは、実際には実行できない決定を提案する可能性が高いです。例えば、倉庫の収容能力を超えて倉庫を満杯にすることを試みるなどです。

Lokadの経済ドライバーに対する見解

Lokadは、確率的予測エンジンを提供しています。データは予測エンジンに注入される前に適切に資格を持ち、検証される必要がありますが、予測エンジンを使用すると、統計的な構成なしで統計的な予測操作を完全に自動化することができます。Lokadの予測エンジンは、さまざまな業界（商業、製造、航空宇宙など）に対して、そのまま使用できます。

経済ドライバーは非常に多様です。このような多様性を管理するために、LokadはEnvisionという、サプライチェーン最適化に特化したドメイン固有のプログラミング言語を導入しました。Envisionの可視化出力はダッシュボードの生成ですが、Envisionの主な機能は、スクリプトを介して経済ドライバーを予測に組み込むことで、最適化された決定（例：今日再注文する数量）を自動的に計算することです。

経済ドライバーと確率的予測の適切な組み合わせには、それらのデータを活用できるポリシーが必要です。たとえば、優先順位注文ポリシーは、ビジネスの在庫リスクと需要予測を完全にバランスさせるために注文される数量を提供するのに特に適しています。

実際には、経済ドライバーの見直しと形式化、これらのドライバーを確率的予測と組み合わせること、適用可能なビジネス制約の正確なセットに一致する最適化された決定を生成すること、歴史データの資格付けと検証、これらすべてのタスクは、Lokadのチームによって在庫最適化サービスの月額サブスクリプションを通じて実行されます。