プロジェクトの成果物
定量的サプライチェーンの目的は、実行可能な意思決定を提供することにあります。典型例としては、発注書に対する推奨数量の提示が挙げられます。以下では、そうした意思決定がどのような形で提供され、どのような仕組みで運用されるのかをさらに明確に説明します。成果物に対する期待値を明確に定めることは、定量的サプライチェーンの取り組みにおける重要な一歩です。さらに、求められる成果物は最適化された数値結果だけではありません。データ健全性の監視や管理KPIといった、別種の出力も含まれます。実際、定量的サプライチェーンの取り組みがどのような成果物を生み出せるかは、それを支えるソフトウェアソリューションの柔軟性に左右されます。それでもなお、成果物は使用技術そのものよりも、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
定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、ソフトウェア設定が放置していても自律的に動作するという意味ではありません。大規模なサプライチェーンでは綿密な監督が当然必要ですが、それでもデータパイプライン自体は、実際の処理工程が手作業に依存しないという意味で完全自動化されていることが求められます。実際、マニフェストに記されているとおり、サプライチェーンのデータ処理を支援するために手動操作が入り込むと、そのソリューションは実運用ではスケールしなくなります。
この考え方の直接的な帰結として、定量的サプライチェーンの取り組みにおける成果物は、常に何らかのソフトウェアとして具現化されます。とはいえ、担当チームがすべてを自前で再実装しなければならないという意味ではありません。定量的サプライチェーン向けのソフトウェアソリューションは、サプライチェーン上の課題の本質的な側面に集中できる余地を与えます。たとえば、クラウドコンピューティング基盤内で自動的に割り当てられる分散計算資源の活用といった低レベルの技術的事項は、抽象化されていることが期待されます。チームはそうした細部に立ち入る必要はなく、それらはツール自体によって適切に管理されると考えられます。
成果物は通常、サプライチェーンの要件を満たしつつ高い生産性を備えたプログラミング言語で書かれたスクリプトとして具現化されます。ここで「ソースコード」ではなく「スクリプト」という語を用いるのは、両者が近い概念でありながら、強調点が異なるためです。「スクリプト」は高い抽象度と業務課題そのものへの焦点を示し、「ソースコード」はより低レベルの視点、すなわち計算機ハードウェア側の実装を連想させます。定量的サプライチェーンで重要なのは、技術的には副次的な計算機ハードウェアではなく、サプライチェーンの視点です。
過去10年間、エンドカスタマー向けアプリのWYSIWYG（見たままが得られる）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および最適化のためのWYSIWYGソリューションを模倣しようと試みてきました。しかし、これらのインターフェースがほぼ体系的に失敗した教訓は、サプライチェーンがいかに複雑であり、プログラム的なツールの必要性を回避できないかを示しています。我々の経験から、たとえば重複するMOQ（最小発注数量）に関与する複雑な非線形性を、ドラッグアンドドロップツールで適切に反映できると期待するのは、幻想に過ぎません。プログラム的な表現力が要求されるのは、そうでなければサプライチェーンの課題自体をツール内で表現することすらできないからです。
当然ながら、エンドユーザーの視点では、スクリプトそのものが定量的サプライチェーンの取り組みの成果物として直接求められているわけではありません。利用者がやり取りするのは、統合されたKPIや推奨された意思決定を集約するダッシュボードです。しかし、これらのダッシュボードは一過性かつ使い捨ての表示であり、関連するサプライチェーンデータ上でスクリプトを再実行した結果にすぎません。微妙な違いではありますが、実際の成果物であるスクリプトと、通常エンドユーザーが目にする数値的な表現を混同してはなりません。
データ健全性ダッシュボード
サプライチェーン向けに最適化された意思決定を提供する前に、定量的サプライチェーンの取り組みを支えるシステムが処理するデータが、数値的にも意味論的にも正確であることを確認しなければなりません。データ健全性監視ダッシュボード、または単にデータ健全性ダッシュボードの目的は、ソリューションが返すすべての数値結果の予測精度に不可欠な、データ精度への高い信頼を確保することにあります。同時に、これらのダッシュボードは既存データの品質向上においてサプライチェーンチームを支援します。
数値エラーは単純明快です。たとえば、ERPからエクスポートされたCSVファイルでは、製品ABCの在庫が42単位と示されているのに対し、ERPのウェブコンソールでは13単位と報告されています。これは、本来同一であるべき数値が一致していないことを明示しています。データ健全性ダッシュボードは、データの集計値が期待される数値範囲内にあるかどうかを確認することで、これらの比較的明白な問題に対処します。
意味論的エラーはより微妙で、実際には特定が困難です。データ準備段階での作業の大部分は、実際には全ての意味論的エラーの特定と対処に費やされます。たとえば、ERP内のフィールドstockinvが「手元在庫」として文書化されている場合、サプライチェーンチームはこの数量が決して負になることはないと仮定します。なぜなら、棚の手の届く範囲に実際に存在する単位であれば、正の数量でなければならないからです。しかし、ERPの文書がやや誤解を招く可能性もあり、この数量は実際には「在庫利用可能量」と呼ばれるべきであるかもしれません。なぜなら、ストックアウトが発生して顧客がバックオーダー-定義を行った場合、既に顧客に割り当てられるべき一定数量を反映するため、その数量が負になることがあり得るからです。この例は意味論的エラーを示しており、数値自体は間違っていなくても、その数値の解釈があいまいであることを意味しています。実際、意味論的な近似は多数の一貫性のない挙動を引き起こし、その結果、サプライチェーン全体で継続的な摩擦コストを生む可能性があります。
データ健全性ダッシュボードは、データが十分に信頼できるか否かを、その場で判断できる数値を統合します。実際、このソリューションは日々の生産目的で使用されるため、重大なデータ問題がほぼ即座に検出されることが必須です。そうでなければ、欠陥データ上でサプライチェーンが数日、あるいは数週間にわたって運用される危険性があります。この点で、データ健全性ダッシュボードは、信号機に似ており、緑なら進み、赤なら停止という仕組みになっています。
さらに、大規模なサプライチェーンを考える場合、通常、どうしても避けられない量の破損または不正確なデータが存在します。これらのデータは、誤った手動入力や、企業システム自体における稀なエッジケースから生じます。実際、大規模なサプライチェーンにおいて、サプライチェーンデータが100％正確であると期待するのは非現実的です。むしろ、これらのエラーによって発生する摩擦コストをほぼ無視できる程度に、データの正確性を確保する必要があります。
したがって、データ健全性ダッシュボードは、特定されたデータエラーに関する統計も収集することが求められます。これらの統計は、データが信頼できるものであると判断するために不可欠です。そのため、通常はソリューションの即時停止にもつながる適切なアラート閾値を設定する役割として、サプライチェーンサイエンティストが関与します。閾値の設定には細心の注意が必要です。閾値が低すぎれば、検出されたデータ問題によってソリューションが頻繁に停止し、運用に耐えなくなります。一方で、閾値が高すぎると、データエラーによる摩擦コストが重大になり、取り組み自体の価値を損なう可能性があります。
赤と緑の信号表示を超えて、データ健全性ダッシュボードはデータ改善努力に関する優先順位付きの洞察も提供することを意図しています。実際、多くのデータポイントは不正確であっても、影響が些細な場合もあります。たとえば、ある製品の仕入れ価格が誤っていても、その製品の市場需要が数年前に消滅していれば、今後その製品の購入注文が発生することはないのです。
定量的サプライチェーンでは、相当な手作業を伴う可能性のあるデータエラーの細かな解決について、エラー自体の推定経済的影響と修正に要する労働コストを比較して優先順位を付けるべきだと考えます。状況によっては、単一の誤ったデータポイントを修正する費用は大きく変動し、その点も優先順位付けに織り込まれる必要があります。最終的に、修正コストがそれらのエラーによって生じるサプライチェーン上のコストを上回ると判断された場合、データ改善プロセスはそこで打ち切られます。
優先順位付き意思決定ダッシュボード
ご覧のとおり、定量的な観点から評価できるのはサプライチェーン上の意思決定です。したがって、定量的サプライチェーンの取り組みにおける主要な運用成果物の一つが、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統合するダッシュボードであることは不思議ではありません。そうしたダッシュボードは、各製品について直ちに再発注すべき正確な数量を一覧表示する単純なテーブルである場合もあります。MOQ（最小発注数量）やその他の発注制約が存在する場合、適切な閾値が満たされるまで推奨数量がゼロのままとなることも少なくありません。
単純化のため、ここではそれらの数値結果が、ある種のユーザーインターフェースであるダッシュボードにまとめられていると仮定します。しかし、ダッシュボードはあくまで選択肢の一つであり、常に唯一の形式であるとは限りません。実際には、定量的サプライチェーンの取り組みを支えるソフトウェアは、きわめて柔軟、すなわちプログラム的に柔軟であり、さまざまなデータ形式で結果をパッケージ化する手段を提供することが期待されます。たとえば、数値結果は、企業の基幹ERPへ自動的に取り込まれることを前提としたフラットテキストファイルにまとめられる場合があります。
意思決定のフォーマットは対象となるサプライチェーンタスクに大きく依存しますが、ほとんどのタスクではそれらの意思決定に優先順位を付ける必要があります。たとえば、購入注文のための推奨数量の算出は、取得すべき単位数の優先順位-在庫-補充-excel-確率-予測というリストに分解することができます。最も利益率の高い単位が最初にランク付けされます。在庫は逓減するリターンをもたらすため、同じ製品で2番目に取得される単位は、市場需要の徐々に減少した割合を補います。したがって、この製品の2番目の単位が全体リストの2番目の項目であるとは限りません。代わりに、2番目に利益率の高い単位が別の製品と関連付けられる場合もあります。取得すべき単位の優先順位付きリストは概念上無限であり、常にもう1単位を購入する可能性が存在します。しかし、市場需要には限りがあるため、ある時点以降、すべての購入単位は滞留在庫となります。この優先順位付きリストを最終的な購入数量に変換するには、停止基準を導入し、製品ごとに数量を合計するだけで済みます。実際には、非線形の注文制約がこのタスクをさらに複雑にしますが、単純化のため、ここではこれらの制約は脇に置くことにします。
定量的サプライチェーンの観点からすると、意思決定に優先順位を付けることは非常に自然な操作です。すべての意思決定が金額で表現される財務的結果に結び付いているため、最も利益率の高いものから低いものへと順位付けするのは容易です。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、あるいはほとんどは、実際には優先順位付きの意思決定リストと見なせます。これらのダッシュボードには、上位に利益率の高い意思決定、下位に利益率の低い意思決定が並びます。また、サプライチェーン実務者は、不採算の意思決定が現れた時点でリストを途中で打ち切ることを選ぶかもしれません。しかし、利益率の閾値直下にある意思決定を検証することで得られる洞察も多く、たとえ企業がそれら不採算項目にただちに行動することを求めていなくても重要です。
この種の意思決定駆動型ダッシュボードを提供するためには、定量的サプライチェーンを支えるソフトウェアソリューションが、膨大な数の候補となる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、あらゆるロケーションにあるすべての製品について、各単位を購入した際の財務的影響を考慮できなければなりません。当然、この処理には相当な計算資源が必要となる場合があります。幸い、近年の計算機ハードウェアは、世界最大級のグローバルサプライチェーンにも対処できる能力を備えています。基盤となるソフトウェアソリューションが定量的サプライチェーン向けに適切に設計されている限り、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大きな問題にならないはずです。
数値結果のホワイトボックス化
サプライチェーンや他分野で「ブラックボックス」と呼ばれるシステムとは、利用者がその出力を説明できないシステムを指します。自動化されたデータパイプラインを重視する定量的サプライチェーンも、サプライチェーンチームから「ブラックボックス」と評価される成果物を生み出してしまう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が持つ財務的影響は企業にとって極めて重要であり、新しいシステムは状況を改善する可能性を持つ一方で、災害を引き起こす潜在的リスクも抱えています。自動化が非常に望ましいとしても、それはサプライチェーンチームが、定量的サプライチェーンの取り組みを支えるデータパイプラインから何が提供されているのかを理解しなくてよいという意味ではありません。
「ホワイトボクシング」という用語は、サプライチェーンチームのためにソリューションを十分に透明化するために必要な努力を指します。この考え方は、どのような技術であれ、設計段階から自動的に透明になるわけではないことを強調しています。透明性は、取り組みの一部として意図的に積み上げられる努力の結果です。たとえ単純な線形回帰であっても、実際には不可解な結果を生み出すことがあります。ごく一部の例外的な人を除けば、4次元以上が関与する線形モデルの「期待される」出力を直感的に理解できる人はほとんどいません。しかし、サプライチェーンの問題は数十、場合によっては数百もの変数を含みます。そのため、単純な統計モデルであっても、実質的にはサプライチェーン実務者にとってブラックボックスになりがちです。当然ながら、定量的サプライチェーンで推奨されるように機械学習アルゴリズムが使われれば、実務者はさらに見通しを失いやすくなります。
ブラックボックス効果は実際の問題であるが、現実的な解決策は、人間の直感で即座に理解できる計算へとデータ処理を単純化することにはない。このアプローチは、現代のサプライチェーンの生の複雑さに取り組むために利用可能な最先端の計算資源のすべての利点を完全に無にする、極度の非効率性への道である。プロセスを単純化することは答えではなく、ホワイトボクシングこそが答えである。
最も複雑なサプライチェーンの推奨事項であっても、内部計算を、推奨そのものを支える経済的原動力を表す適切な財務インジケーターで分解することにより、実務者に対して大部分を透明にすることが可能である。たとえば、製品と数量の2列のみを表示した裸のテーブルで推奨購入注文を示すのではなく、意思決定を支援するいくつかの追加列を含めるべきである。これらの追加列には、現在の在庫、過去1か月の総需要、予想されるリードタイム、（発注が行われなかった場合の）在庫切れの予想される財務コスト、推奨注文に伴うリスクとしての過剰在庫の予想される財務コストなどが含まれる。これらの列は、サプライチェーンチームが推奨数量の健全性を迅速に確認できるよう工夫されている。これらの列を通じて、チームは数値出力に対する信頼をすぐに確立し、さらに改善が必要なソリューションの弱点を特定することができる。
ホワイトボクシング目的でダッシュボードを拡張することは、部分的には芸術である。スマートフォンで利用可能な計算資源程度でも何百万という数値を生成することは容易であるが、日々注目に値する10個の数値を生成することは非常に困難である。したがって、核心となる課題は、推奨されるサプライチェーンの意思決定に光を当てるに十分な、せいぜい12個以内のKPIを特定することである。よいKPIは通常多大な労力を要し、単純な定義にとどまってはならない。たとえば「単位購入価格」という単純な列であっても、仕入先がボリュームディスカウントを提供する場合、購入量に依存して価格が変わるため、非常に誤解を招く可能性がある。
戦略的ダッシュボード
小規模な意思決定に焦点を当てることは必要である―それは、定量的パフォーマンス評価に適した数少ないアプローチの一つであるから―が、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、より大規模で破壊的な方法で調整される必要がある場合もある。たとえば、厳選された在庫ユニットをさらに購入することでサービスレベルはわずかに向上する。しかし、ある時点で倉庫が満杯になり、追加のユニットを購入できなくなる。このような状況では、より大きな倉庫の導入を検討すべきである。この制約を解除した場合の影響を評価するために、計算から倉庫容量の制約を除外し、任意の大規模な倉庫で運用した場合の全体的な財務上のメリットを評価することができる。サプライチェーン管理者は、倉庫容量自体が課す摩擦コストに関連する財務指標を注視し、倉庫容量の増強を検討するタイミングを判断することができる。
通常、サプライチェーンは、日々見直すことのできない多数の制約の下で運用される。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る。それぞれの制約はサプライチェーンに対し暗黙の機会費用を伴い、通常は在庫の増加、遅延の増大、または品切れに転じる。機会費用は、制約自体を除去または緩和することで得られるパフォーマンス改善によって評価できる。これらのシミュレーションの一部は実施が難しい場合もあるが、通常、日常の意思決定（つまり発注数量の設定）を最適化することとそれほど難しくはない。
定量的サプライチェーンでは、これらの制約に伴う機会費用も、生産データパイプラインの一部として扱われるべきであり、通常は専用ダッシュボードとして具現化されるべきだと考えます。これらのダッシュボードは、サプライチェーン管理者が、サプライチェーンに大きな変革をもたらすべきタイミングを判断する助けとなるよう設計されています。この種のダッシュボードは戦略的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限界に達しそうになった時点で、その場しのぎの施策を打つ従来の実務とは異なります。実際、戦略的ダッシュボードが提供するKPIは、データパイプラインの他の部分と同様に、毎日、あるいは必要に応じてより頻繁に更新されます。常に最新の状態が維持されるため、土壇場で慌てて対応する必要はありません。
戦略的ダッシュボードは、サプライチェーン管理の意思決定プロセスを支援する。これらは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変化し始めた場合でも、KPIは常に企業の現状に即して最新の状態を保つ。このアプローチは、その場しのぎの調査に伴う伝統的な落とし穴―すでに遅延している問題にさらに遅れを加える―を回避する。また、突発的な戦略的決定が不採算に終わるという、最初から予見可能であった残念な状況という問題も大幅に軽減する。
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規則です。この性質が、データパイプラインのデバッグを極めて困難な作業にしています。しかし、このデータパイプラインこそが定量的サプライチェーンの取り組みの中枢です。データ処理のミスやバグはパイプラインのどこででも発生し得ます。さらに、最も頻繁に生じる問題は誤った数式ではなく、曖昧な意味論です。たとえば、パイプラインの初期段階では変数stockinvが利用可能在庫（負の値もあり得る）を指しているのに、その後では同じ変数が手持ち在庫（正の値が期待される）として使われる場合があります。このstockinv変数の曖昧な解釈は、システムクラッシュのような目立つ問題から、サプライチェーンの意思決定を静かに広範囲で損なう問題まで、さまざまな不具合を引き起こしかねません。
サプライチェーンは、長年にわたって構築されたユニークなソフトウェアソリューションの組み合わせによってほぼ常に構築されるため、バグのない「実績ある」ソフトウェアソリューションにアクセスできる望みはない。実際、ほとんどの問題は、異なるシステムから起こるデータを照合する際や、同一システム内の異なるモジュールから起こるデータを照合する際に、システムの境界で生じる。そのため、どんなに実績のあるソリューションであっても、こうした問題は必ず発生するので、ツールはデバッグプロセスを容易にサポートできなければならない。
インスペクターダッシュボードの目的は、サプライチェーンデータセットの細部に至るまでの検査を可能にする詳細なビューを提供することである。しかし、これらのダッシュボードは、入力データテーブルを単純にドリルダウンして調査するものではない。そのようなドリルダウンやスライス・アンド・ダイスのアプローチでは、本質を捉え損ねる。サプライチェーンは、物資の流れ、支払いの流れなど、フローに関するものである。最も深刻なデータの問題は、フローの連続性が「論理的に」失われたときに発生する。たとえば、倉庫Aから倉庫Bに商品を移動する際、倉庫Bのデータベースにいくつかの製品エントリーが欠けていると、倉庫Aから出たユニットが正しく製品に紐付けられずに倉庫Bで受領され、微妙なデータ破損が生じる。数値結果に違和感があるとき、インスペクターダッシュボードはサプライチェーンサイエンティストが迅速にサンプルデータを調査するための頼みの綱となる。
実際、インスペクターダッシュボードは、製品コードやSKUといった低レベルのエントリーポイントを提供し、そのエントリーポイントに関連するすべてのデータを単一のビューに統合する。たとえば、航空宇宙サプライチェーンのように多くのロケーションを経由して商品が流通している場合、インスペクターダッシュボードは通常、商品が複数の物理的な場所だけでなく、複数のシステムを経由して移動した軌跡を再構成しようと試みる。すべてのデータを一箇所で集約することにより、サプライチェーンサイエンティストはデータの整合性を評価できる―すなわち、出荷される商品の出所を特定できるか、在庫移動が公式なサプライチェーンポリシーと一致しているか、などである。インスペクターダッシュボードは、ITの観点ではなくサプライチェーンの観点から、密接に連携したデータをひとまとめにするための「デバッグ」ツールである。
Lokadがサプライチェーンデータセットの調査中に直面した最も奇妙な問題の一つは、「テレポーテッドパーツ」のケースであった。対象企業―この場合は航空会社―は、航空機部品をヨーロッパ本土と南アジアの両方に在庫していた。航空機の安全運航が絶対条件であるため、同社はすべての部品について完璧な在庫移動記録を保持していた。しかし、新たに考案されたインスペクターダッシュボードを用いたところ、Lokadチームは、ある部品がアジアからヨーロッパへ、またその逆に、たった2～3分で移動しているように見受けられることに気付いた。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、決して数分ではありえない。すぐにタイムゾーンやその他のコンピューター時間の問題が疑われたが、時間記録も完璧であった。さらにデータを詳しく調査すると、テレポーテッドされた部品は実際に着陸地点で使用され、航空機に取り付けられていることが判明し、これが一層不可解であった。サプライチェーンチームにインスペクターダッシュボードを実際に確認させることで、この謎はついに解明された。テレポーテッドされた部品とは、2つのハーフホイールとタイヤからなる航空機の車輪であった。車輪は、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、最も極端な場合、もしそれらがすべて取り外されれば物理的な部品は何も残らなくなる。したがって、完全に分解された車輪は、元の位置に一切関係なく、どこにでも自由に再組み立てできるのだ。
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版に相当する。前者は完全に分解されたデータに焦点を当てるのに対し、データヘルスダッシュボードは通常、より大局的な視点からデータを評価する。また、インスペクターダッシュボードは通常、ホワイトボクシングの取り組みの不可欠な部分となっている。推奨が不可解に映る場合、サプライチェーンの実務者はSKUや製品を詳細に検証し、推奨された決定が合理的であるかどうかを判断する必要がある。インスペクターダッシュボードは、この目的のために、最終的な推奨の計算に寄与する多数の中間結果を含むように調整されている。