リードタイム

リードタイムとは、プロセスの開始から完了までの遅延時間のことです。サプライチェーンでは、商品の購入、変換、サービスの際には通常、日単位で測定されるリードタイムが関与します。計画の観点から見ると、リードタイムは重要です。なぜなら、リードタイムが存在するため、ほとんどの日常的な意思決定は事前に行われなければならず、サービスの品質を維持するなど、意図した効果を提供するためには事前に行われなければならないからです。需要予測の必要性も通常、リードタイムの存在から生じます。なぜなら、在庫の補充などの意思決定の適切さは、リードタイムの期間中にサプライチェーンに影響を与える未知の将来の出来事に依存するからです。

リードタイムの原因と結果

リードタイムは、サプライチェーンの運営方法や必要な運転資本、資本運用利益率（ROCE）など、そのほとんどの財務要素を大きく形成しています。実際、リードタイムが長いと、材料や製品を購入し、可能な場合は変換し、再び販売する在庫サイクルの完了に時間がかかります。

リードタイムが長いと、在庫が低いように見える場合でも、在庫の「コミットメント」が大きくなります。たとえば、ヨーロッパの企業がアジアから商品をコンテナで受け取るために注文した場合、注文が渡された日からヨーロッパの在庫レベルがこのコミットメントを反映するまでには通常6週間以上かかります。

また、リードタイムが長いと需要予測への依存度が高まります。上記の例を再考すると、企業は現在のニーズに基づいて注文を単に渡すことはできません。注文が届くまでには状況が変わってしまいます。現在の在庫レベルは、消費の継続によりさらに低下しており、需要もおそらく変化しているでしょう。これは少なくとも季節性によるものです。

リードタイムは、企業が達成できる最大の機動性の下限を表します。一般的な経験則として、市場状況が急激に変化した場合、企業はリードタイムの期間中に過去の意思決定にコミットし続けます。これらの影響を緩和するためのさまざまな方法がありますが、サプライヤーとの契約条件から始めることができます。ただし、潜在的なリスクはほとんど排除できず、サプライチェーン内で単に移動されるだけです。

リードタイムが長いことのすべてのネガティブな影響を考慮すると、企業が（主観的に）長いリードタイムを選択する理由は何であるか疑問に思うかもしれません。実際、長いリードタイムを好む経済的要因が複数存在するためです。

特殊化がリードタイムを長くしています。一部の国には比較的ユニークな産業¹があり、これらの産業は現地での再現が困難または高コストです。このような集中した産業は、高価な材料が簡単に輸送できるために歴史的に登場しました。ただし、航空機が24時間以内に世界中のどの地点に到達できるとしても、海外のサプライヤーを考慮する場合、通関手続きなどが実際のリードタイムを大幅に増加させる傾向があります。

Economies of scaleも長いリードタイムに傾いています。バッチサイズを増やすことで（多くの場合、MOQとして具現化されます）、製造業者や輸送業者はコストを下げることができます。ただし、バッチの数量が大きくなると、バッチの数も少なくなり、需要を含む他の要素がすべて同じである場合、つまり需要が同じである場合、バッチの数も少なくなります。それにもかかわらず、産業はすべて同じくらい経済のスケールに影響を受けるわけではありません。適用可能な技術によって段階的に減少する傾向があるため、経済のスケールは飽和する傾向があります。

高い分位数を下げる

リードタイムを改善するには、平均期間を短縮することができますが、最も重要なのは通常、最悪の状況、つまり最も長い状況に関する改善です。サプライチェーンでは、ドルで測定されると、最も大きな問題は通常、テールに集中しています。予期しない高いリードタイムが在庫切れや生産中断を引き起こすのです。

これらの最悪のシナリオを評価するための最も簡単な方法の1つは、分位数の測定を使用することです。たとえば、サプライヤーの95%分位数のリードタイムが7日であると言われている場合、このサプライヤーに渡された注文の95%が7日未満で配送されることを意味します。これらの「高い」分位数、つまり100%に近い分位数は、平均リードタイムと大きく異なる場合があります。同じサプライヤーが平均2日で配送しているかもしれませんが、これは同じリードタイムの高い分位数の推定値の3分の1以下です。

サプライチェーン内のすべての在庫バッファ（使用される方法に関係なく）は、リードタイムの平均ではなく、リードタイムのある高い分位数と線形に増加する傾向があります。実際、在庫バッファはサプライチェーンの状況の変動を受け入れるために存在しています。サプライチェーンに影響を与える予期しない変動の背後にある2つの主要な要因は、需要の変動とリードタイムの変動です。

リードタイムの多様性

サプライヤーからの元の発注から顧客への納品までの総リードタイムは、通常、多くの中間ステップ、おそらく数十もの中間ステップに分解することができます。リードタイムの値またはその変動性を減らすためには、通常、この総リードタイムを注目すべきサブコンポーネントに分解することが効果的です。これにより、分析や改善が容易になります。

たとえば、海外のサプライヤーから商品を流通させる卸売業者は、次のような問題に直面するかもしれません：

• 卸売業者自体の週次購入プロセスによる発注リードタイム。
• サプライヤーによって課せられるMOQによる機会リードタイム。
• 発注を満たすためにサプライヤーが必要とする製造リードタイム。
• 貨物会社が必要とする輸送リードタイム。
• 通関手続きにかかる管理リードタイム。
• 卸売業者による在庫管理と品質管理のための受け入れリードタイム。
• 配送センターが顧客の注文を満たすために必要とする発送リードタイム。
• 顧客への納品を行うために輸送業者が必要とする最終マイルのリードタイム。

各操作において、遅延の平均値と遅延の分散の両方を低くすることが通常望ましいです。

これらのすべての操作を追跡するには、大量の事務作業が必要ですが、バーコードと/またはRFIDを介して、現代のITシステムによって大幅に軽減されることができます。 電子記録は通常、関連する会社のITシステムに保存されます。利点は、リードタイムの最適化を超えて、これらのシステムが商品のトレーサビリティを確保し、ある程度まで在庫の減少を防ぐことを保証することです。

1990年代後半まで、これらのすべての記録を保存し処理するには高価なコンピューティングリソースが必要であり、物理的な商品の流れに関与する場合、それらの記録を取得することは経済的に常に実現可能ではありませんでした。しかし、2010年代初頭以降、データストレージとコンピューティングのコストは、物理的なフローが関与する場合、生のコンピューティングリソースがほとんど関係しないほど低下しました。ただし、システムの統合などのITコストが、これらの電子記録の取得を妨げる場合があります。

リードタイムを改善し、上記で議論したように通常は高い分位数を減らすためには、測定が必要です。細かい粒度のリードタイムの測定は、原因分析に非常に役立ちます。実際、操作は次々と変化するため、もたらされる改善の性質も大きく異なる傾向があります。

発注リードタイム

発注リードタイムは、通常、顧客の注文と商品の納品の間に経過する時間を指します。この期間は、サプライチェーンの専門家ではなく、一般の人々が最も慣れ親しんでいるリードタイムの「風味」として注目されます。B2Cの電子商取引を超えた多くの産業では、発注リードタイムはサービスの品質に密接に関連しています。特に、在庫切れは通常、異常に長い発注リードタイムの主要な要因となります。

発注リードタイムを改善する上での課題の一部は、リードタイム自体を短縮するのではなく、顧客に対して適切な納品日に関する_期待_を設定することです。特に、いくつかの大手電子商取引企業は、発注リードタイムの分位数予測の推定値を共有するアプローチを10年以上採用しているようです。この推定値の遅延には意図的にバイアスが導入されており、商品が時間通りに配達されない状況の頻度を最小限に抑えることを目的としています。

リードタイムの予測

将来のリードタイムを適切に予測することは、サプライチェーンの最適化において重要な要素です。需要と同様に、リードタイムも予測することができ、また予測すべきです。通常、関連する既存の履歴データを活用します。

リードタイムの予測は、「需要」計画チームの間ではまだ一般的な実践ではありませんが、需要に適用される周期性のほとんどはリードタイムにも適用されることに注意する必要があります。たとえば、リードタイムは季節性、月の日や週の日による影響を受けます。リードタイムは時間とともに変化します。たとえば、サプライヤーはリードタイムを短縮するために自社のプロセスを見直したり、コストを下げるためにリードタイムを延長したりする場合があります。準季節性も重要であり、中国の新年などのイベントでは、アジアの多くの工場がこの期間に閉鎖されるため、リードタイムが定期的に膨らみます。

確率的予測はリードタイムに対して好まれるべきです。なぜなら、上記で指摘したように、リードタイムの経済的な影響は高い分位点に集中しているからです。コストや問題は分布のテール部分に集中しています。ただし、リードタイムには正規分布（ガウス分布）を使用すべきではありません。経験則として、リードタイムは_決して_正規分布に従わず、そのようなモデルを利用すると高い分位点が大幅に過小評価され、結果として継続的なサービスの問題が発生することになります。

リードタイムは、基礎となる物理システムを反映した多峰性分布としてより適切にモデル化することができます。たとえば、生産ラインをトリガーする場合、生産リードタイムは非常に予測可能ですが、原材料の1つが不足している場合は、製造リードタイムがかなり長くなる場合があります。したがって、確率分布の実践的なモデリングには、離散的な分布とパラメトリックな分布の混合が一般的に関与します。

リードタイムの確率的予測は、各内部フェーズごとに離散的なランダム変数を生成することが期待されます。これらの内部フェーズは統計的に独立していると仮定することがしばしば合理的です（たとえば、関税による遅延は製造遅延とは完全に独立しています）。この場合、ランダム変数は正準的に合計されることができます。これは、基礎となる分布上で実行される_convolution_操作を技術的に意味します。

制御されたモダリティ

適切な確率的リードタイム予測モデルは通常、多峰性ですが、制御が関与する特定のモダリティには特別な処理が必要です。これは、受動的な観測とは異なります。たとえば、サプライヤーから航空輸送または海上輸送を要求できる場合、予測の観点からは2つの輸送モードを一緒にまとめるべきではありません。制御が関与しています。各輸送モードには独自の変動性があり、したがって、2つの異なる予測が必要です。

需要の結合

需要が急増すると生産能力が制約されるため、製造リードタイムも増加します。需要とリードタイムのこの結合は、サービスの品質に悪影響を与えます。なぜなら、追加の購入や製造オーダーを通じて需要の急増を緩和するための企業の能力が低下するためです。したがって、需要とリードタイムの両方の予測モデルを結合することは、必要な在庫バッファが2つの要素に依存するため、関連する情報を提供することができます。

ただし、ジョブキューを（再）組織化する柔軟性を持つ製造ユニットを考慮する場合、観測されるリードタイムは各特定のジョブに与えられる優先順位に大きく依存します。したがって、適切な予測リードタイムモデリングは、問題のキューイングの側面を考慮に入れる必要があります。リードタイムは、任意の優先順位の選択に応じて劇的に変動することがあります。この追加の制御度は、需要の急増の影響を緩和するために活用することができます。

リードデマンド

リードデマンドは、リードタイムの期間中にサービスを提供するために必要なアイテムの数量を示します。この値は特に興味深いものです。なぜなら、在庫切れを回避するために、総在庫（手元在庫と発注在庫の合計）は常にリードデマンドを上回る必要があるからです。総在庫がリードデマンドを下回ると、在庫切れが確実に発生します。

未来の需要と未来のリードタイムの両方に対して確率的な予測が作成できると仮定すると、リードデマンドの（高い）分位点の推定値を計算することが可能になります。これは次のように定義されます：

ここで：

• $${0≤τ≤1}$$ は分位点推定の対象です
• $${y}$$ は時間によって変動する需要です
• $${L}$$ はリードタイムです
• $${Qτ[..]}$$ は内部の実数値関数の分位点です
• $${Ω}$$ は可能な結果の集合です
• $${t}$$ は時間であり、1は最初の未来の期間を表します
• $${y_ω}$$ は結果 $${ω}$$ に関連する需要です
• $${L_ω}$$ は結果 $${ω}$$ に関連するリードタイムです

リードデマンドのこの分位点推定は、目標のサービスレベルを維持しようとする場合に興味があります。単一SKU単一サプライヤーのMOQなし在庫モデルを仮定すると、任意の時点での補充数量は次の式で定義されます：

ここで：

• $${手元在庫}$$ は手元の在庫です
• $${発注在庫}$$ は発注中の在庫です

この式は、在庫切れに直面した場合に需要が失われないことを暗黙的に仮定しています。この仮定は、多くの状況では合理的ではありません。例えば、消費者小売業では、通常、顧客は単に消費を延期するのではなく、代替品を選択したり、競合他社を選択したりします。この仮定を取り除くためには、失われた需要の影響を明示的にモデル化する必要があります。需要が非常に季節的である場合、季節のピーク後に入手可能になる商品は長期間売れ残ったり使用されなかったりする可能性があるため、これは特に重要です。

リードタイム駆動のフィードバックループ

リードタイムは、前のセクションで詳述されているように、補充を計算するための入力要素として見ることができます。ただし、リードタイム自体は発注（または生産）スケジュールに依存します。さらに、スケジュール自体は通常、期待される規模の経済効果を達成するために適切であることを意図しています。これは、希望するEOQ（経済的発注量）、MOQ（最小発注数量）、または名目生産バッチサイズに到達するためのものです。

したがって、サプライチェーンの実践者は、今日行うべき決定（補充と発注）と、この決定が将来繰り返される予定の時点との間にフィードバックループが存在することに頻繁に直面します。簡単に言えば、今日注文する数量は次回の再注文の日付に依存します。後の再注文は、より多くの数量が必要であることを意味します。ただし、次回の再注文の日付は、現在の再注文にも影響を受けます。より大きな即時の再注文は、次回の再注文の日付が遅くなることを意味します。

このフィードバックループの明示的なモデリングと数値最適化は非常に困難であるため、サプライチェーンの実践者は通常、目標数量に合わせて大まかなスケジュール（週に1回、月に1回など）を立てます。このスケジュールは固定されたものとして扱われ、必要に応じて再注文数量が変動するという前提で考えられます。しかし、固定スケジュールのアプローチは設計上の効率性を損なうため、サプライチェーンはその自由度を最大限に活用することができません。

より良い数値解決策は、このフィードバックループの側面に対処するために生み出されることがあります。これらの解決策に関与するアルゴリズムは、一般的に強化学習の範疇に属しています。ただし、これらのアルゴリズムの詳細については、本文書の範囲外です。

垂直特有の問題

リードタイムは異なる場合があり、適切な視点も通常は異なります。次のセクションでは、リードタイムに関連するいくつかの垂直を検討します。

生鮮食品の賞味期限

生鮮食品は非常に腐敗しやすく、その結果、製品には短い賞味期限があります。市場価値をできるだけ保つために、リードタイムを短縮することが通常重要です。したがって、リードタイムに影響を与えるオプション（包装、輸送など）をバランスさせる際には、それらのオプションがサービスの品質だけでなく、サプライチェーン全体で期待される収益と廃棄物も頻繁に影響します。

また、ブランドや流通業者は通常、異なるリードタイムと賞味期限のトレードオフを伴う複数の調達オプションに直面します。たとえば、ブランドは生産者から直接購入することができますが、これには長いリードタイムがかかりますが、製品の受け取り後は長い賞味期限があります。また、ブランドは卸売業者から購入することもできますが、これには短いリードタイムがかかりますが、賞味期限の短い製品が届きます。これらの状況では、適切なサプライチェーン最適化は、それぞれのリードタイムと賞味期限の予測分析を必要とします。

MROのターンアラウンド時間（TAT）

MRO（メンテナンス・リペア・オーバーホール）は修理可能な部品を管理します。部品の交換が行われるためには、修理可能な部品がすぐに利用可能でなければなりません。部品の交換の要求から修理可能なユニットの再利用可能性が回復するまでの総遅延をターンアラウンド時間と呼びます。

MROが保持する部品の在庫は、TATに直接依存します。実際には、MROが非常に短時間で修理可能な部品を修理できる（理論上の）能力がある場合、在庫は必要ありません。そのため、MROにとっては需要予測以上に、リードタイムの予測と最適化がさらに重要となります。

TATの分析（需要分析との比較）への重点は、_予定されていない修理_の性質によって通常複雑化します。これらの修理は、基礎となる物理プロセスを実行するためにある程度の不可避な不確実性を伴う故障によって引き起こされるためです。つまり、問題を予防的に対処する方法があれば、診断によってこれらの操作を_予定された修理_に変えることができるでしょう。

電子商取引の逆物流

ほとんどの国の消費者向け電子商取引では、消費者が受け取った商品が気に入らない場合に返品することができるようになっています。ただし、消費者の返品率は文化的な理由などにより国によって大きく異なります。たとえば、ファストファッションの電子商取引では、ドイツの消費者は通常50％以上の返品率を示します。これらの高い返品率は、複数のサイズを注文し、1つのサイズを除いてすべて返品するという習慣によって引き起こされます。

返品率が高い場合、オンライン小売業者は在庫の相当部分が実際に戻ってくることを予測する必要があります。そうしないと、商品が戻ってきた後に補充注文が行われるまで、小売業者は常に在庫過剰のリスクにさらされます。ただし、将来の返品に関しては3つの不確実性があります。第一に、商品が返品されるかどうか、第二に、商品が受け取られた後に品質管理を通過するかどうか、第三に、商品が再販されるまでにどれだけの時間が経過するかです。

これらの予測の問題は、非常に具体的な構造化された分析に適しています。実際、いつでも返品される可能性のあるアイテムの最大数は、最近の出荷量によって制限されます。テールイベントに制限をかけることは、サプライチェーンの観点から非常に重要です。また、「3つのサイズを選び、2つのサイズを返品する」という状況に直面した場合、返品される消費者注文の割合を非常に確実に予測することが可能です。

リースビジネス

自動車リース会社やオフィス家具リース会社などのリースビジネスは、MROの状況と部分的に似ていますが、完全には同じではありません。実際、適切な在庫レベルは将来の需要だけでなく、リース終了時にリースビジネスに戻る在庫にも依存します。リース会社はリース期間を完全に制御することができないため、在庫を最適化するためにはこれらの期間を予測する必要があります。これらの保持期間と在庫への影響は、通常のリードタイムの観点から分析および予測することができます。

ただし、ほとんどのリースビジネスは、価格設定や顧客への特別オファーによって保持期間をある程度制御することができます。セールスキャスト-小売ネットワークの-在庫-予測で説明されているように、小売業者が製品の需要を促進することで需要を増やすことができるように、リースビジネスもより有利な条件を提供することで保持期間を延長することができます。したがって、リースの状況では、価格分析はリードタイム分析と非常に密接に関連しています。

リードタイムのアンチパターン

「アンチパターン」という用語は、解決策として意図されているが期待された結果をもたらさない実践、プロセス、ツールを指します。サプライチェーンにおいて、リードタイムはこのセクションで見直す一連のアンチパターンに対して脆弱です。

非評価

リードタイムは、サプライチェーン管理の観点から計画と予測が重要な理由の一つです。しかし、リードタイムはモデル化や形成の対象としては、需要など他の競合する現象に比べてほとんど注目されません。需要予測には複数の研究所がありますが、リードタイム予測に特化した研究所はありません。このような努力の割り当てにおけるこの巨大な不均衡は、しばしば、需要側ではグラム単位で定量的な分析が行われ、その後リードタイム側では最も近いトンに丸められるという状況を引き起こします。ほとんどの業界では、リードタイムはサプライチェーンの最適化において需要と同じくらい重要な要素として扱われる必要があります。プロセスとツールの両方の面でです。

過剰利用

ほとんどのサプライチェーンでは、原材料や半製品を含む在庫の大部分は、ほとんどの時間を動かずに次の操作を待っています。供給チェーンの各段階で処理キューが形成され、各キューには待ち時間があります。ただし、資産の利用率が100％に近づくにつれて、キューの待ち時間は無限に近づきます。したがって、資産の利用率は、資産自体の償却と関連するリードタイムのトレードオフです。このトレードオフは、高い利用率の収益の減少と指数関数的に増加する待ち時間とのバランスを取ることで成り立っています。

目の見えない状態

リードタイムを改善するためには、まず、避けられる遅延の最も大きな原因となっているプロセスの特定部分に適切に責任を割り当てることから始めることが多いです。ただし、リードタイムの測定自体は誤解を招くことがあります。例えば、サプライヤーのリードタイムを測定する際に、納入されたパレットが電子受信待ちのまま処理されないことが頻繁に起こる場合、測定結果はサプライヤーのリードタイムを大幅に過大評価することになりますが、問題は受信自体にあります。これらの問題は通常、データ分析では解決できず、現地での観察が必要です。また、電子的な「トップス」の取得自体がスタッフの追加作業を意味するため、全体的なリードタイムを増加させる可能性があり、本来の意図に反することになります。

緊急LIFO

FIFO（先入れ先出し）の順序でジョブやオーダーを処理することは、通常、合理的なサービス品質を確保するための要件です。実際、FIFOの原則の違反は、不規則に過度に長いリードタイムを生成します。ただし、物理的なレベルでは、LIFO（後入れ先出し）の順序が多くの状況で自然に現れる傾向があり、これらの緊急LIFOの状況を防ぐためには特別な努力が必要です。例えば：

• 入荷ジョブオーダー（ピッキング、生産、修理など）は自動的に「ジョブシート」として印刷されます。すべての入荷ジョブシートはボックスに印刷されます。ただし、印刷プロセスの性質上、最新の入荷ジョブは山の上にあり、オペレーターはLIFOに向かって進むようになります。
• コンベアが短すぎる場合、商品はコンベアから溢れ出し、コンベアの始まりに置かれることがあります。すぐに商品の山が形成され、最も長く存在している商品が山の底にあります。商品を積み重ねる際にはLIFOの順序が従われます。
• ドックにトランスポーターの流れを通じてボックスやパレットが降ろされる場合、各アンロード操作の後にドックが空にならない限り、新たに到着した商品は前の商品の前や上に置かれる傾向があり、後でLIFOになります。

ノート