プロジェクト成果物

量的サプライチェーンの目標は、実行可能な意思決定を提供することです。購買注文の数量が典型的な例です。以下では、これらの意思決定の具体的な形式と配信メカニズムをさらに明確に説明します。成果物の期待値を明確に設定することは、量的サプライチェーンの旅において重要なステップです。また、最適化された数値結果だけが望ましい出力ではありません。データの健康監視や管理KPIなど、他のいくつかの出力も成果物に含まれるべきです。実際には、量的サプライチェーンの成果物は、イニシアチブ自体をサポートするために使用されるソフトウェアソリューションの柔軟性に依存します。それにもかかわらず、それらは主に使用されている技術に関係なく、その意図によって定義されます。

成果物としてのスクリプト

量的サプライチェーンでは、完全に自動化されたデータパイプラインが重視されます。これは、ソフトウェアのセットアップが自律的に実行されることを意味するものではありません。大規模なサプライチェーンを考慮する際には、高度な監視が自然に望ましいです。ただし、データパイプラインは、パイプライン内の個々のステップが手動操作に依存しないという意味で、完全に自動化されることが期待されています。実際には、マニフェストで説明されているように、サプライチェーンデータ処理をサポートするために手動操作が関与する場合、ソリューションは実際にはスケーリングされません。

この洞察の直接的な結果として、量的サプライチェーンイニシアチブの成果物は、必然的にソフトウェアの完全な一部です。これは、担当チームがすべてを再実装することを期待されているわけではありません。量的サプライチェーンに特化したソフトウェアソリューションは、サプライチェーンの課題に厳密に焦点を当てることができる可能性を提供します。クラウドコンピューティングプラットフォーム内で自動割り当てられる分散コンピューティングリソースを活用するなどの低レベルの技術的な詳細は、抽象化されることが期待されています。チームはそのような問題に深入りする必要はありません。なぜなら、それらの側面はツール自体によって適切に管理されることが期待されているからです。

成果物は、サプライチェーンの要件を満たすことができるプログラミング言語で通常書かれるスクリプトとして具現化されます。ここでは「スクリプト」という用語を使用していますが、「ソースコード」という用語と密接に関連しています。スクリプトは、高度な抽象化とタスク自体への焦点を強調する一方、ソースコードは、コンピューティングハードウェア自体の正確な反映を意味します。量的サプライチェーンでは、サプライチェンの視点が最も重要であり、コンピューティングハードウェアは二次的な重要性の技術的な側面です。

過去10年間、エンドカスタマーアプリケーションのWYSIWYG（what-you-see-is-what-you-get）ユーザーインターフェースの成功により、多くのサプライチェーンソフトウェアベンダーが、サプライチェーン計画と最適化のためのWYSIWYGソリューションを模倣しようとしました。しかし、この種のインターフェースのほぼシステマチックな失敗から得られる教訓は、サプライチェーンが複雑であり、プログラムツールの必要性を回避することはできないということです。私たちの経験から言えば、ドラッグアンドドロップツールが、例えば重なり合うMOQ（最小発注数量）などの複雑な非線形性を適切に反映できると期待することは、最善の場合でも幻想的です。ツール内でサプライチェンの課題を適切に表現するためには、プログラムの表現力が必要です。

当然ながら、エンドユーザーの視点からは、スクリプトは量的サプライチェーンイニシアチブの具体的な成果物としては期待されません。人々は、提案された意思決定をまとめたKPIとテーブルを含むダッシュボードとのやり取りを行います。ただし、これらのダッシュボードは一時的で使い捨てです。それらは、関連するサプライチェーンデータの上でスクリプトを再実行することで単に取得されます。この違いは少し微妙ですが、実際の成果物を表すスクリプトと、エンドユーザーが見ることができる数値表現とを混同しないようにすることが重要です。

データの健康ダッシュボード

サプライチェーンに最適化された意思決定を提供する前に、量的サプライチェーンイニシアチブをサポートするシステムで処理されるデータが数値的にも意味的にも正しいことを確認する必要があります。データの健康モニタリングダッシュボード、または単にデータの健康ダッシュボードの目的は、数値的な結果の精度にとって本質的な要件であるデータの正確性に対する高い信頼度を確保することです。これらのダッシュボードはまた、サプライチェーンチームが既存のデータの品質を向上させるのを支援します。

数値的なエラーは明確です。ERPからエクスポートされたCSVファイルによれば、製品ABCの在庫は42個ですが、ERPのWebコンソールでは在庫が13個しか報告されていません。ここでは、同じであるべき数値が異なることが明らかです。データの健康ダッシュボードは、データの集計が予想される数値範囲内に収まっているかどうかを単純にチェックすることで、これらの比較的明らかな問題に対処します。

意味的なエラーはより微妙で、実際には特定するのがはるかに困難です。データの準備中に行われる作業のほとんどは、すべての意味的なエラーを特定し修正することです。例えば、ERPのフィールドstockinvは在庫として文書化されているかもしれません。したがって、サプライチェーンチームは、これは数量が負になることはあり得ないと想定しています。なぜなら、明らかに、これらのユニットが棚に物理的に手の届く範囲内にある場合、正の数量でなければならないからです。しかし、ERPのドキュメントはわずかに誤解を招く可能性もあり、この数量は在庫が利用可能であるべきであるというより適切な名前であるかもしれません。したがって、ストックアウトが発生し、クライアントがバックオーダーを発行すると、数量が負になり、すでにクライアントに対して一定数のユニットが発注されていることを反映します。この場合、意味的なエラーが発生しています。数値自体は間違っているわけではありませんが、数値の理解がおおよそのものです。実際には、意味的な近似は多くの不整合な動作を生成し、それによってサプライチェーン内で継続的な摩擦コストを生み出します。

データの健康ダッシュボードは、データが十分に信頼できるかどうかを即座に検査することで、企業がその場で判断するための数値をまとめます。実際には、このソリューションは日常的な生産目的で使用されるため、重大なデータの問題が近い将来に特定されることが重要です。そうでなければ、サプライチェーンは、不良データの上で数日間、数週間にわたって運用される可能性があります。この点で、データの健康ダッシュボードは信号機に似ています。緑なら進む、赤なら停止です。

さらに、規模の大きなサプライチェーンを考慮すると、通常、破損したデータや他の誤ったデータが一定量存在します。このデータは、手作業のエントリの誤りや、会社システム自体のまれなエッジケースによって生じます。実際には、規模の大きなサプライチェーンでは、サプライチェーンデータが100％正確であることを期待することは合理的ではありません。代わりに、これらのエラーによって生成される摩擦コストがほぼ無視できる程度にデータが正確であることを確保する必要があります。

したがって、データの健康ダッシュボードは、特定のデータエラーに関する統計情報も収集することが期待されています。これらの統計情報は、データが信頼できるかどうかを確認するために重要です。そのため、サプライチェーンサイエンティストは、通常、適切なアラート閾値を設定し、ソリューションの強制停止と関連付けられることが多いです。閾値の設定には注意が必要です。閾値が低すぎると、ソリューションは使用できなくなり、「特定のデータの問題が特定された」という理由で頻繁に停止します。しかし、閾値が高すぎると、データエラーによって生成される摩擦コストが大きくなり、イニシアチブ自体がもたらす利益を損なう可能性があります。

赤緑信号を超えて、データの健康ダッシュボードは、データ改善の取り組みに優先順位付けされた洞察を提供することも意図されています。実際、多くのデータポイントは間違っているかもしれませんが、重要ではありません。たとえば、市場の需要が数年前に消えた場合、製品の購入価格が間違っていても問題ありません。この製品のさらなる購入注文はありません。

量的サプライチェーンでは、データエラーの詳細な解像度（多くの手作業を伴う場合があります）は、データエラー自体の見積もり金融影響と修正に関連する労働コストとの対比に優先順位を付けるべきです。実際、状況によっては、単一の誤ったデータポイントの修正に関連するコストは非常に異なり、提案された優先順位付けに考慮する必要があります。最後に、エラーによって生成されるサプライチェーンコストよりも修正のコストが高い場合、データ改善プロセスは停止することができます。

優先順位付けされた意思決定ダッシュボード

これまで見てきたように、サプライチェーンの意思決定は、定量的な観点からのみ評価できます。したがって、量的サプライチェーンイニシアチブの主要な運用成果物は、データパイプラインの最終的な数値結果として得られた意思決定をまとめたダッシュボードです。このようなダッシュボードは、すべての製品について即座に再注文するための正確な数量をリストアップするだけの単純なテーブルとして表されることがあります。MOQ（最小注文数量）やその他の注文制約が存在する場合は、適切な閾値が満たされるまで、提案される数量はほとんどゼロになる場合があります。

簡単のために、ここでは、これらの数値結果がユーザーインターフェースの特定の形式で収集されるダッシュボードにまとめられると想定しています。ただし、ダッシュボード自体は、関連性があるかどうかは別として、1つのオプションに過ぎません。実際には、量的サプライチェーンイニシアチブを支えるソフトウェアは、プログラム的に柔軟であり、さまざまなデータ形式でこれらの結果をパッケージ化するための多くの方法を提供することが期待されています。たとえば、数値結果はフラットテキストファイルにまとめられ、会社の資産を管理するために使用される主要なERPに自動的にインポートされることが意図されています。

供給チェーンのタスクによっては、意思決定の形式は大きく異なりますが、ほとんどのタスクでは、これらの意思決定の優先順位付けが必要です。たとえば、購入注文の推奨数量を計算する行為は、取得する単位の優先順位付きリストに分解することができます。最も利益の高い単位が最初にランク付けされます。在庫は収益の減少に伴うものであり、同じ製品に対して2番目の単位は市場需要の減少分のみを対処します。したがって、この製品の2番目の単位が全体のリストの2番目のエントリではない場合があります。代わりに、2番目に利益の高い単位は他の製品に関連付けられる場合があります。取得する単位の優先順位付きリストは、概念的には終わりがありません。常に1つの単位を購入することが可能です。市場の需要は有限ですので、購入したすべての単位はある時点で不良在庫となります。この優先順位付きリストを購入の最終数量に変換するには、停止基準を導入し、製品ごとの数量を合計するだけです。実際には、非線形の順序制約がこのタスクをさらに複雑にしますが、簡単のために、この段階ではこれらの制約を無視します。

意思決定の優先順位付けは、量的サプライチェーンの観点から非常に自然な操作です。すべての意思決定はドルで表される財務的な結果と関連付けられているため、最も利益の高いものから最も利益の低いものまでの意思決定をランキング付けすることは簡単です。したがって、提案されたサプライチェーンの意思決定をまとめたダッシュボードの多くは、実際には意思決定の優先順位付きリストとして期待されることがあります。これらのダッシュボードには、最も利益の高い意思決定が上位にリストアップされ、非常に利益の低い意思決定が下位にリストアップされています。また、サプライチェーンの実践者は、意思決定が利益を上げない場合にはリストを切り捨てることもできます。ただし、明らかに利益を上げないエントリに対して会社が行動を起こすことは期待されていないにしても、利益のしきい値の下にある意思決定を検査できることから得られる洞察がしばしばあります。

このような意思決定に基づくダッシュボードを提供するためには、量的サプライチェーンをサポートするソフトウェアソリューションが、膨大な数の可能な意思決定を数値的に探索できる必要があります。たとえば、ソリューションは、各製品の各場所で、単位ごとに単位ごとに購入することの財務的な影響を考慮することができる必要があります。驚くべきことではありませんが、この操作にはかなりの計算リソースが必要です。幸いなことに、現在では、コンピューティングハードウェアは最大のグローバルサプライチェーンにも対応できる能力を持っています。量的サプライチェーンチームにとって、データ処理のスケーラビリティは、適切に設計されたソフトウェアソリューションがあれば、問題ではありません。

数値結果のホワイトボックス化

供給チェーンや他の分野でも、ブラックボックスと蔑まれるシステムは、そのシステムと対話する実践者によって説明できない出力を生成するシステムです。自動化されたデータパイプラインに特化した量的サプライチェーンも、「ブラックボックス」として供給チェーンチームが分類する可能性のあるものを提供するリスクに直面しています。実際、サプライチェーンの意思決定の財務的な影響は企業にとって非常に重要であり、新しいシステムが状況を改善することもありますが、災害を引き起こす可能性もあります。自動化は非常に望ましいですが、量的サプライチェーンイニシアチブをサポートするデータパイプラインが提供するものについて、供給チェーンチームが徹底的な理解を持つことが期待されています。

ホワイトボックス化という用語は、サプライチェーンチームの利益のためにソリューションを完全に透明にするために必要な取り組みを指します。このアプローチは、技術が設計上透明であるわけではないことを強調しています。透明性は、イニシアチブそのものの一部である特定の取り組みの結果です。単純な線形回帰でも、実際には驚くべき結果を生成することがあります。例外的な個人を除いて、ほとんどの人は、4つ以上の次元が関与する場合、線形モデルの「予想される」出力に対して直感的な理解を持っていません。しかし、サプライチェーンの問題はしばしば数十、場合によっては数百の変数を含みます。したがって、単純な統計モデルでも、サプライチェーンの実践者にとっては事実上のブラックボックスです。量的サプライチェーンが推奨するように機械学習アルゴリズムが使用される場合、実践者はさらに暗闇に置かれます。

ブラックボックス効果は実際の問題ですが、現実的な解決策は、データ処理を人間の心に直感的に理解できる計算に単純化することではありません。このアプローチは、現代のコンピューティングリソースの利点を完全に破壊する極度の非効率性のレシピです。現代のサプライチェーンの複雑さに取り組むために使用できるリソースです。プロセスを単純化することは答えではありません。ホワイトボックス化こそが答えです。

最も複雑なサプライチェーンの推奨事項でも、サプライチェーンの実践者に対しては、推奨事項自体をサポートする経済的なドライバーを表すよく選ばれた財務指標で、ほとんど透明にすることができます。たとえば、提案された発注として単なる2列の商品と数量の表を表示するだけでなく、表には意思決定を支援するいくつかの列が含まれるべきです。これらの追加の列には、現在の在庫、過去1ヶ月間の総需要、予想されるリードタイム、在庫切れの予想される財務的なコスト（発注が行われない場合）、過剰在庫の予想される財務的なコスト（提案された発注に関連するリスク）などが含まれます。これらの列は、サプライチェーンチームに推奨数量のクイックな合理性チェックを提供するために作成されています。列を通じて、チームは数値の出力に対して迅速に信頼を築くことができ、さらなる改善が必要なソリューションのいくつかの弱点も特定することができます。

ホワイトボックス化の目的でダッシュボードを拡張することは、ある意味で芸術の一部です。数百万の数値を生成することは簡単ですが、スマートフォンで利用可能なコンピューティングリソース以上のリソースにアクセスできない場合でも、毎日見る価値のある10個の数値を生成することは非常に困難です。したがって、最も重要な課題は、推奨されるサプライチェーンの意思決定に光を当てるのに十分な数のKPIを特定することです。良いKPIは通常、多くの作業を必要とします。通常、サプライチェーンでは誤解を招く傾向がある単純な定義ではありません。たとえば、「単位購入価格」という単純な列でさえも、サプライヤーが数量割引を提供する場合、購入価格が購入数量に依存するため、非常に誤解を招くことがあります。

戦略的なダッシュボード

小規模な意思決定に焦点を当てることは必要ですが、それは定量的なパフォーマンス評価に適したアプローチの一つです。サプライチェーンは、パフォーマンスを次のレベルに引き上げるために、より大きく、より破壊的な方法で調整する必要がある場合もあります。たとえば、より適切に選ばれた在庫の単位を購入することは、サービスレベルをわずかに向上させます。しかし、ある時点で、倉庫は満杯であり、追加の単位を購入することはできません。この状況では、より大きな倉庫を検討する必要があります。この制約の解除の影響を評価するために、倉庫の容量制約を計算から除外し、任意の大きな倉庫での運営の全体的な財務的なメリットを評価することができます。サプライチェーン管理は、倉庫容量自体によって課せられる摩擦コストに関連する財務指標に注意を払い、いつ倉庫容量を増やすかを決定することができます。

通常、サプライチェーンは、毎日見直すことはできない多くの制約に基づいて運営されます。これらの制約には、運転資本、倉庫容量、輸送遅延、生産スループットなどが含まれます。各制約は、サプライチェーンにとって暗黙の機会費用と関連付けられており、通常は在庫の増加、遅延の増加、在庫切れの増加などに変換されます。機会費用は、制約自体を除去または弱体化させることによって得られるパフォーマンスの向上によって評価することができます。これらのシミュレーションのうちいくつかは実装が困難であることがわかるかもしれませんが、頻繁には、通常の意思決定、つまり発注数量の確立よりも困難ではありません。

量的サプライチェーンでは、これらの制約に関連する機会費用は、生産データパイプラインの一部であり、通常は専用のダッシュボードで具現化されるべきです。これらのダッシュボードは、サプライチェーンの意思決定が大きな変化をもたらす時期を決定するのに役立つように特別に設計されています。このタイプのダッシュボードは戦略的なダッシュボードと呼ばれます。このアプローチは、サプライチェーンが運用上の制限に達しようとしていると感じたときに、臨時の取り組みを重視する従来のサプライチェーンの実践とは異なり、戦略的ダッシュボードによって提供されるKPIは、データパイプラインの他の部分と同様に毎日更新されます。最後の瞬間の最後の努力をする必要はありません。なぜなら、それらは最新の情報であり、長期的な取り組みから得られた洞察を活用する準備ができているからです。

戦略的なダッシュボードは、サプライチェーン管理の意思決定プロセスをサポートします。データパイプラインの一部であるため、市場が通常よりも速いペースで進化し始めた場合、KPIは会社の現状について最新の情報を提供し続けます。このアプローチは、既に遅れている問題にさらなる遅延を必ず追加する従来の臨時の調査に関連する伝統的な落とし穴を回避します。このアプローチは、最初から予測できた遺憾な状態である、利益を生まない急いだ戦略的な決定を大幅に軽減します。

インスペクターダッシュボード

サプライチェーンは複雑で不安定です。これらの特性は、データパイプラインのデバッグを非常に困難なタスクにします。それにもかかわらず、このデータパイプラインは量的サプライチェーンイニシアチブの脊髄です。データ処理のミスやバグは、データパイプラインのどこでも発生する可能性があります。さらに悪いことに、最も頻繁な問題のタイプは、誤った数式ではなく、曖昧な意味です。たとえば、パイプラインの初めの方で、変数stockinvは在庫が利用可能であることを示す場合（負の値も可能）、後の段階では、同じ変数が在庫が手元にあることを示す場合（正の値が期待される場合）に使用されます。変数stockinvの曖昧な解釈は、システムのクラッシュ（明らかであり、したがって比較的有害）からサプライチェーンの意思決定の沈黙かつ普遍的な破壊に至るまで、さまざまな誤った動作を引き起こす可能性があります。

供給チェーンは、長年にわたって設定されたさまざまなソフトウェアソリューションのユニークな組み合わせで構築されるため、「証明済み」のバグのないソフトウェアソリューションにアクセスすることは望めません。実際、ほとんどの問題はシステムの境界で発生します。異なるシステムからのデータを調整する際や、同じシステム内の異なるモジュールからのデータを調整する際に問題が発生します。したがって、ソフトウェアソリューションがどれだけ証明されているかに関係なく、ツールはデバッグプロセスを手軽にサポートできる必要があります。なぜなら、このような問題は必ず発生するからです。

インスペクターダッシュボードの目的は、供給チェーンのデータセットを詳細に表示することです。ただし、これらのダッシュボードは、入力データテーブルを検査するための単純なドリルダウンではありません。このようなデータのスライスやダイスのアプローチは、本質を見失ってしまいます。供給チェーンは、物資の流れ、支払いの流れなどに関するものです。最も深刻なデータの問題のいくつかは、流れの連続性が「論理的に」失われたときに発生します。たとえば、倉庫Aから倉庫Bに商品を移動する際、倉庫Bのデータベースにはいくつかの商品のエントリが欠落している場合があります。その結果、倉庫Aからのユニットが適切に製品に関連付けられずに倉庫Bに受け取られることで、微妙なデータの破損が発生します。数値の結果が奇妙に感じられる場合、インスペクターダッシュボードは供給チェーンの科学者が迅速なサンプルデータの調査を行うための選択肢です。

実際には、インスペクターダッシュボードは、製品コードやSKUなどの低レベルのエントリポイントを提供し、このエントリポイントに関連するすべてのデータを1つのビューにまとめます。航空宇宙の供給チェーンなど、多くの場所を通過する商品が流れる場合、インスペクターダッシュボードは通常、商品の軌跡を再構築しようとします。これらの商品は、複数の物理的な場所だけでなく、複数のシステムを経由する場合もあります。これらのデータを1つの場所に集めることで、供給チェーンの科学者はデータが意味をなしているかどうかを評価できます。出荷されている商品の出荷元を特定することは可能ですか？在庫の移動は公式の供給チェーンポリシーと一致していますか？インスペクターダッシュボードは「デバッグ」ツールです。ITの観点ではなく、供給チェーンの観点から、密接に結びついているデータをまとめるために設計されています。

Lokadが供給チェーンのデータセットを調査している間に直面した最も奇妙な問題の1つは、テレポートされた部品のケースです。この場合、航空会社であるLokadは、ヨーロッパ大陸と南アジアの両方に航空機部品を在庫していました。航空機のセキュリティは運航するための絶対的な要件であるため、同社はすべての部品の在庫移動記録を完璧に保持していました。しかし、新しく開発されたインスペクターダッシュボードを使用して、Lokadチームは、一部の部品がアジアからヨーロッパ、およびその逆に、わずか2〜3分で移動していることに気付きました。航空機部品は航空機で輸送されるため、輸送時間は少なくとも数時間以上かかるはずであり、決して数分ではありません。私たちはすぐにタイムゾーンや他のコンピュータの時間の問題を疑いましたが、時間の記録も完璧であることが証明されました。その後、データをさらに調査すると、テレポートされた部品は、着陸場所で航空機に取り付けられ使用されていることが判明しました。この発見はさらに困惑を招くものでした。インスペクターダッシュボードを供給チェーンチームに見せることで、謎が解明されました。テレポートされた部品は、タイヤを含む2つのハーフホイールから成る航空機のホイールでした。ホイールは、2つのハーフホイールとタイヤを分解することで取り外すことができました。最も極端な場合、2つのハーフホイールとタイヤが取り外された場合、物理的に何も残りませんでした。したがって、完全に取り外されたホイールは、元の場所を無視して自由に再取り付けることができました。

インスペクターダッシュボードは、データヘルスダッシュボードの低レベルの相当物です。データヘルスダッシュボードは通常、データに対してより高レベルの立場を取ります。また、インスペクターダッシュボードは通常、ホワイトボックス化の取り組みの一部です。供給チェーンの実践者は、謎めいた推奨事項に直面した場合、SKUや製品を詳しく調べる必要があります。推奨された意思決定が合理的かどうかを判断するためです。インスペクターダッシュボードは、この目的に合わせて調整されることが一般的です。最終的な推奨事項の計算に貢献する多くの中間結果が含まれています。