FAQ: 在庫最適化

Lokadは予測分析を活用して供給連鎖の不確実性に対応し、財務インサイトを用いて意思決定を最適化することで、在庫に関する課題に対処します。独自のクライアントの制約を考慮し、詳細な報告書と直感的なダッシュボードで意思決定の透明性を高めます.

対象読者: サプライチェーンの実務者、専門家、及び経営陣。

最終更新日: January 30th, 2024

大量の未発送在庫のための配分ルートを最適化しようとする男性

過剰在庫と品切れは、在庫に関連する意思決定が不適切であることを示す最も明白な症状であり、これらの問題は不確実性を無視する方針に起因しています。この不確実性は、変動する需要、変動するリードタイム、散発的な返品など、さまざまな形態を取ります。Lokadは、そのプログラム的な予測能力が供給連鎖の不確実性を受け入れることにより、卓越した在庫パフォーマンスを実現しています。例えば、Lokadは、クライアントの日常的かつ反復的なサプライチェーンの意思決定(例:発注、生産指示、在庫配分など)に関連するすべての経済的要因を反映する確率モデルを有しています。これにより、各意思決定のドル(またはユーロ)価値に関して高解像度な財務視点をクライアントに提供できます。さらに、Lokadは確率的最適化能力も備え、クライアント固有の制約を考慮した上で、各意思決定でドル(またはユーロ)リターンを最大化する決定を最終的に推奨します。これらの制約には、カニバリゼーションや代替といったクロスプロダクトの懸念も含まれます.

プロセスのあらゆる段階で、Lokadの幅広くカスタマイズ可能な報告機能がクライアントに完全な透明性を提供します。直感的なダッシュボードは、クライアントが望み必要とするKPIを明確に表現し、Lokadの計算内容を余計な装飾なく分解して示すように設計されています.

エグゼクティブサマリー

在庫最適化に関して、Lokadは10年以上前にいわゆる「主流」のアプローチから逸脱しました。この逸脱は技術の進歩とともにさらに大きくなっています。この技術により、Lokadはクライアントのサプライチェーンに大幅な改善をもたらすことができますが、より大きな課題はその改善点を_説明_することであり、Lokadのアプローチがサプライチェーン実務者の期待とは大きく異なるため、その説明はなおさら難しいのです.

在庫最適化に関する主流の作り話は次のようなものです。つまり、(マジック・クアドラントの)ソフトウェアベンダーが20%精度の高い予測を提供し、その予測が20%の品切れ減少と20%の在庫削減につながるというものです。この作り話には、通常、人工知能、需要感知、機械学習、ブロックチェーン、デジタルツイン、インメモリシステムなどの流行語が並びます。しかしながら、この主流の見解は行き詰まりです1。ほとんどの競合他社とは異なり、Lokadは実際に最先端の予測を提供しており2、それだけでは十分な投資収益率をもたらすには程遠いと私たちは認識しています.

Lokadは、いかにして卓越した在庫パフォーマンスを実現しているかをほとんど隠さず公開している点で独自です。私たちは、技術と手法の詳細な説明を提供する公開講座シリーズ3(これまでに50時間以上累計)を実施しています。このシリーズは、クライアントにとって有用なリソースであると同時に警告でもあり、一度ベンダーの「トリック」の仕組みを知ってしまうと、それを知らなかった状態には戻れなくなるのです.

確率的予測

確率的予測は必須です。これらの予測は、サプライチェーンにおいて直面する不確実性、例えば顧客需要や供給業者のリードタイムに関する不確実性を直接、定量的に評価します。従来の時系列予測(「クラシックアプローチ」)が自動的に正確になると仮定するのではなく、確率的予測はこれらの問題に直接対処します。確率的予測は、必ずしも設計上「正確」であるとは限りませんが、クライアントの未来について全く異なるストーリーを伝えるため、多少の曖昧さは問題になりません。さらに、不確実性の各要因には需要だけでなく、それぞれ個別の予測が必要です。Lokadは、リードタイム、返品、スクラップ率などについて確率的予測を行います.

対照的に、主流の時系列予測アプローチは、上記の不確実性を無視します。その結果、点による時系列予測が使用されると、製品発売のようなありふれたリスクに対してもサプライチェーンは脆弱になります。企業が製品発売のパフォーマンスをより正確に評価できたとしても、その新たな能力を活用してさらに多くの製品を発売し、結果としてサプライチェーンに再び不確実性をもたらすため、製品発売のリスクを完全に排除することは無意味なのです.

自動化された意思決定

自動化された(そして優れた)サプライチェーンの意思決定こそが、サプライチェーンに具体的な影響を与える唯一の追求すべき最終目標です。もし在庫最適化ソフトウェアが最終的な意思決定以外の何かを返すならば、そのソフトウェアは本来の役割を果たしていない(あるいは間違ったソフトウェアを使用している)ことになります.

さらに、これらの自動化された意思決定には、MOQ(最小発注数量)など、クライアントの全ての制約を考慮に入れる必要があります。もしソフトウェアやシステムが手動で上書きしなければならない欠陥のある意思決定を生成し続けるなら、そのシステムは欠陥があると判断され、交換されるべきです。実際のサプライチェーン専門家は非常に貴重であり、クライアント固有の数値レシピ4の継続的な改善以外の用途に使われるべきではありません。Lokadはこの数値レシピを利用してサプライチェーンの意思決定プロセスを自動化し、社内の専門家がより高度な課題や戦略に専念できるようにしています.

対照的に、主流の見解は、ABCクラス(またはその派生であるABC XYZ)、在庫回転率、安全在庫、経済発注量など、あらゆる数値的な指標に重点を置いています。しかし、サプライチェーンの意思決定とこれらの数値的指標との関係は、せいぜい曖昧なものでしかありません。さらに、これらの数字のほとんどは、半自動的な意思決定プロセスを支援するために導入されるに過ぎず、その結果、クライアントのリソース(例:資金、時間、労力)の継続的な浪費を招くのです.

その結果、サプライチェーンの実務者は常に火消し作業に追われ、本質的な問題が解決されることなく、背景では根本的なシステムが最適とは言えない意思決定を生み出し続けるのです.

財務的視点

サプライチェーンの意思決定は、ユーロ(またはドル)での影響という観点から財務的に最適化されなければなりません。この評価は、関連するすべての経済的要因を反映する必要があります。Lokadは、クライアントの台帳に直接記載されている粗利益、保管コスト、運送コストなどの具体的な経済的要因にアクセスできます。しかし、Lokadは無形の経済的要因、すなわち顧客ロイヤルティ、仕入先の信頼、ブランドの持つ価値といった、価値あるサプライチェーン意思決定を生み出すために考慮すべき要因も定量化します。その抽象的な性質を踏まえると、これらの要因は知的に近似される必要があります。正確に間違っているよりも、大体合っている方がはるかに良いのです。この金銭的価値は、最終的にあらゆる在庫意思決定に影響を与える様々な要因を統合するために用いられます.5

対照的に、主流の見解はサービスレベルのようなパーセンテージに重点を置く一方で、無形の経済的要因を完全に無視します。これにより、一般に「ファイナンス」と結びつけられる短絡的な推奨意思決定が導かれます。そのような意思決定は、事実ビジネスの長期的な利益を反映していない作り話の数値基準に基づいて最適化されているのです。解決策は、最適化の考え方を否定するのではなく、初めから何を最適化すべきかを見直すことにあります.

よくある質問 (FAQ)

1. 原則

1.1 在庫管理の効率化を支援しますか? あなたの在庫管理機能は何ですか?

Lokadは在庫を管理するのではなく、最適化(かつ効率化)します。 在庫最適化 とは、例えばどのくらいの在庫を購入するか、いつ購入するか、どこに(再)配分するかといった、最善の意思決定を行うことを意味します。一方、在庫管理 は、在庫の実態を反映する電子記録を管理し、その記録を在庫の現実と一致させることに焦点を当てています。在庫最適化と在庫管理は、全体の在庫管理の主要な2側面であり、Lokadは前者に完全に専念しています.

ソフトウェア設計の観点から見ると、在庫管理システムの要求は、在庫最適化システムのそれとは大きく異なります。実際、それらはしばしば全く正反対の要求を持ちます。例えば、在庫管理はリアルタイムの応答を要求するため、さもなければ、ピッキングなどの日常業務が、システムが最終的に操作を認識するまで遅延してしまいます.

しかし、在庫最適化は必ずしもリアルタイムな処理ではなく、最良の意思決定を行うことに依存しています。幅広い要因や制約を反映した最適な発注書を算出するのに5分の遅延が生じたとしても、それがクライアントに何千ドル(またはユーロ)の節約をもたらすなら、問題はありません。クライアントの視点からすれば、平凡な発注書を10ミリ秒以内(すなわちリアルタイムで)に生成できる状況よりも、死蔵在庫によって何千ドル(またはユーロ)を失う可能性がある決定の方がはるかに望ましいのです. もしクライアントが在庫管理システムを導入していない場合、Lokadは在庫最適化を試みる前に、まず在庫管理システムの導入を強く推奨します.

注意: 在庫管理用に設計されたほとんどのエンタープライズソフトウェアは、在庫最適化機能も提供していると主張します。しかし、これは見せかけにすぎません。これらの異なる在庫機能は、それぞれ個別のソフトウェアによる対応を必要とします.

在庫最適化と在庫管理、及びそれぞれに必要なソフトウェアの直接比較については、在庫管理の定義を参照してください.

1.2 どのようにして将来の在庫ニーズを予測しますか?

Lokadは、将来の在庫ニーズに影響を与えるすべての不確実な要因を予測するために、広範な予測モデリング技術を使用します。これらの要因には、将来の需要や在庫ニーズに直接影響を与える将来のリードタイムなどが含まれます。しかし、業界によっては、他の不確実性の要因も多く存在します。例えば、顧客の返品(eコマース)、生産歩留まり、スクラップ率などが挙げられます。在庫ニーズを把握するために、通常、複数の不確実性を反映した短い予測を組み合わせて用います。このアプローチは、従来の時系列予測の能力をはるかに超えています.

さらに、Lokadは確率的予測の視点を採用しています。つまり、あらゆる可能な未来を考慮し、それぞれの確率を定量的に評価します。加えて、当社のプラットフォームには、確率的予測を構成または組み合わせるための装置、例えばランダム変数の代数(下記参照)などが備わっています。例えば、確率的な需要予測と確率的なリードタイム予測を組み合わせることで、リードタイム全体で統合された需要を表す確率的な_リード需要_予測が得られます。_リード需要_は、通常、将来の在庫ニーズを評価するための出発点となります.

この視点の詳細については、確率的予測の定義を参照してください。また、ランダム変数の代数的装置の詳細については、当社の公開Envisionドキュメント内のRanvars and Zedfuncsを確認してください.

1.3 過去および将来の在庫レベルを、過去の販売データおよび予測データに基づいて算出しますか?

はい、Lokadのプラットフォームは、クライアントの過去の取引データ(例:出庫(販売)および入庫(購入))を活用して、過去および将来の在庫レベルの算出が可能です。当社は、将来の需要だけでなく、将来のリードタイム、将来の返品、その他関連する不確実性の要因についても、広範な確率的予測能力を有しています.

過去の在庫レベルに関しては、Lokadのソリューションは(当社のプラットフォームを通じて提供される)スケーラブルかつコスト効果が高いため、通常、これらのデータが業務システムに既に履歴として記録されていない場合は、再計算するのではなく、Lokadプラットフォーム内で生成されるスナップショットを用いて時間の経過とともに記録することを推奨します。実際、入念に設計されたフローモデルであっても、過去の在庫レベルを誤って反映する可能性があります。過去の在庫レベルのスナップショットは、この種の問題に悩まされることがありません.

今後の在庫レベルに関しては、考慮すべき重要な要素が2つあります。第一に、未来の不確実性はどうしても解消できません。第二に、将来の在庫レベルはまだ決定されていない意思決定に依存します。未来の不確実性が解消できないため、単一の未来在庫状態の予測を「十分正しい」と仮定するのは賢明ではなく、また利益を損ないます。その代わりに、あらゆる可能な未来とそれぞれの確率を考慮すべきです。これは未来に対するはるかに豊かな見方を可能にし、(従来の)予測からの逸脱にも耐えうるリスク調整済みのサプライチェーン意思決定を実現します。Lokadは確率的予測を活用することでこれを実現しています。

将来の在庫は、まだ行われていないサプライチェーンの意思決定(例:将来の発注)に依存するため、在庫の可能な未来状態を評価するための合理的な実行システムが必要です。これには、効果的なシミュレーションを可能にするために意思決定を自動化する必要があります。もし意思決定プロセスが半自動(すなわち、主観的な人間による上書きが伴う)であれば、「シミュレーション」を行うのは現実的ではありません。したがって、シミュレーション目的のために自動化された意思決定システムを使用しなければなりません。

1.4 購買ポリシーを考慮に入れて、安全在庫、最小/最大レベル、再注文レベル、およびEOQ(経済的発注量)を計算しますか?

はい、Lokadのプラットフォームは、安全在庫、最小/最大レベル、再注文ポイント、EOQを含む主流/従来型のサプライチェーンアプローチを実装するのを非常に容易にします。さらに、これらすべての要素を完全自動で更新することも容易です。しかし、このサプライチェーンアプローチは実際の成果が乏しいため陳腐化しています。加えて、システムが生成し続ける最適でない出力を修正するために、大規模かつ継続的な手動修正を伴います。

それに対して、Lokadは在庫追加ユニットごとの経済的リターンを評価する、はるかに優れたアプローチを推奨しています。この計算は、Lokadのプラットフォームが生成する確率的予測と、購買意思決定の結果を明示的に経済モデリングすることの両方に依存しています。このアプローチは、購買決定の根底にある経済的要因を取り入れています。

その結果、購買オーバーヘッドの軽減は当然の成果となり、発注は経済的に最適化され、従来使用されていたWilsonの公式(EOQ計算に伝統的に用いられるもの)のような陳腐な公式を導入する必要がなくなります。さらに、発注のトリガーは品切れコストと過剰在庫コストのバランスをとる問題となり、安全在庫、最小/最大レベル、再注文ポイントは不要となります。

さらに、LokadのアプローチはSKU間の問題にも柔軟に対応できます。これらの問題には、カニバリゼーション、代替、サプライヤーレベルのMOQ(最小発注数量)、倉庫や店舗の容量、そして複数のエシェロンが含まれます。主流/従来型のサプライチェーンアプローチは、厳格な単一SKUの視点に固執しており、その結果、これらの問題は設計上無視されています。例えどれほど洗練された安全在庫計算であっても(例として)、その公式(または公式群)はSKUを個別に処理することを前提としているため、これらのSKU横断的な問題に対処できません。

1.5 高価なアイテムに対して、どのようにアプローチを差別化していますか?

Lokadの定量的サプライチェーンアプローチは、各サプライチェーンの意思決定を、その(個別かつ相互依存する)経済的要因に基づいて最適化することを強く推奨しており、そのため高価なアイテムも低価なアイテムも同様の方法で最適化されます——ただし、計算の細部は当然異なります。

関連する経済的要因には、在庫アイテムのコストや粗利益などが含まれます。高価なアイテムは、当然ながら高コストかつ高利益率(少なくとも絶対値として)と結びついています。Lokadが行う最適化は、在庫投資に対するドル単位の収益を最大化します。簡単に言えば、投資可能な1USDごとに、最も高い投資収益率(ROIを想定)をもたらすアイテムを選定します.*

純粋な経済評価を超えて、MOQ(最小発注数量)など、在庫意思決定の生成に影響を及ぼす他の制約も存在します。しかし、Lokadのプラットフォームは、これら両方の懸念事項を最適化に組み込むために必要なすべての数値的能力を備えています。すべての経済的要因―およびそれに伴う財務要素―は、Lokadによって提案され、最終的にはクライアントによって検証されます。

この統一された財務主導の最適化の視点により、実務者は異なるポリシーや懸念事項に起因する多数の例外ケースに対処する必要がなくなります。各アイテム(高価、低価、不規則など)は、クライアントにとっての追加単位ごとの財務的影響という観点から最適化されます。

*大規模において、Lokadは単一の推奨のみならず、購買意思決定のランキングリストを作成します。そのリストは、最も高い投資収益率を持つアイテムから始まる降順で並べられます。詳細な手法については、当社のパブリックデモアカウントチュートリアルを参照してください。

1.6 PO(発注書)取り扱いコスト(例:注文、請求書処理)を考慮に入れていますか?

はい、Lokadは発注書を含むあらゆるサプライチェーンの意思決定が、関連する経済的要因すべてに基づいて最適化される財務的視点を推奨しています。特に、取り扱いコストなど、意思決定実行に伴うすべてのオーバーヘッドが、この経済的要因リストに統合されています。Lokadのサプライチェーンサイエンティストは、数値レシピとして実装された経済モデルがクライアントのすべての機会とオーバーヘッドを反映するよう確実に管理します。

Lokadのプラットフォームは非常に表現力豊かでプログラム可能であり、発注時に発生しうるあらゆる種類のコストや割引(例:プライスブレイク)に対応するためのサポートを組み込むことができます。さらに、Lokadの確率的最適化により、これらのコスト(または機会)が通常示す非線形性にもかかわらず、意思決定を最適化することが可能です。例えば、取り扱いコストは発注数量によって大きく変動しないため、すべてが等しい場合、取り扱いコストが増加すると、最適化された発注プロセスは(やや)大口で、(やや)発注頻度の低い注文へとシフトすべきです。プライスブレイクもまた、最適化を大口で発注頻度の低い注文へと促す傾向があります。

1.7 調達チームは、補充戦略が資本要件に与える影響をシミュレーションできますか?また、在庫レベルを予測できますか?

はい、Lokadのプラットフォームは、さまざまなポリシー下で将来のサプライチェーン状況を非常に広範に予測することをサポートするよう設計されています。将来の状況には在庫レベルだけでなく、輸送、取扱い、保管などの能力の飽和といった、サプライチェーンの他の全ての重要な未来条件も含まれます。これらの様々なポリシーには、代替の補充戦略や、在庫配分、生産発注、返品、価格変更など、サプライチェーンの実行を左右するその他あらゆる意思決定が含まれます。

さらに、Lokadは日常的で反復的なサプライチェーンの意思決定について、完全自動化された意思決定に大きく依存するプロセスを導入することが重要であると考えています。実際のサプライチェーン実行が、サプライチェーン実務者による定期的な主観的(かつ手動の)上書きに依存しているなら、「シミュレーション」が適切な数値を示すとは考えられません。設計上、シミュレーションはこれらの上書きを全く考慮しません。

一般的な確率的予測―需要予測に限らず―は、そのようなシミュレーションを実現するためのもう一つの重要な要素です。将来のリードタイム、返品、その他将来の不確実性に寄与する多くの要因を予測する必要があります。さもなければ、シミュレーションは、他の重要な不確実性の源を無視した誤った信頼性の低い数値に基づいて動作してしまいます。一般化された確率的予測の統合により、クライアントのサプライチェーンに必要な詳細度と洞察を提供する意味のあるシミュレーションを構築できます。

確率的予測を参照して、Lokadの予測視点の詳細をご確認ください。

1.8 購買推奨をサポートするために使用される経済指標について説明できますか?

エグゼクティブサマリー: Lokadのプログラム可能なプラットフォームは、粗利益や輸送コストなどの直接的(一次的)な要因および、品切れペナルティや顧客の好意といった間接的(二次的)な要因を、購買推奨に組み込むことを可能にします。このプログラム可能性は、事前定義された一次的経済指標のセットにユーザーを制限し、実際のサプライチェーンの複雑さに対応する柔軟性に欠ける従来のエンタープライズソフトウェアを上回ります。

私たちは、クライアントごとに多少異なる可能性があるすべての関連経済要因を考慮することを推奨します。一般に、関連する要因は一次的要因と二次的要因の大きく2つのカテゴリーに分けられます。一次的要因には、クライアントの台帳からほぼ直接読み取れる粗利益、輸送コスト、保管コスト、発注コストなどのすべての利益およびコストが含まれます。二次的要因は、より微妙で直接的ではなく、従来のエンタープライズソフトウェアには全く存在しません。これには、クライアントが欲した商品が棚にない場合のコスト(品切れペナルティ)、顧客基盤の好意や忠誠心、顧客セグメントや地域の相対的重要性などが含まれます。

Lokadのプラットフォームは、事実上あらゆる経済的要因を組み込むことが可能になるように設計されています。もしそのような要因がスプレッドシートで表現できるのであれば、Lokadのテクノロジーを通じて表現できます。実際には、Lokadのサプライチェーンサイエンティストが、クライアントの関連経済要因の包括的なリストを提案し、そのリストがクライアントによって検証および修正されます。

この広範なプログラム可能性は、エンタープライズソフトウェアで提供される、購買推奨を支援するためのハードコードされた一次的経済指標のショートリストの機能を大きく上回ります。そのようなツールは、実際のサプライチェーンにおける微妙なニュアンスや多様な状況に対処できません。その結果、エンタープライズソフトウェアがその手法に依存すると、サプライチェーン実務者は、ERPのショートリストに欠けている要因を組み込むために、常に従来の方法(通常はスプレッドシート)に戻らざるを得なくなります。

経済指標に関しては、完全なプログラム可能性を実現するための回避策はありません。スプレッドシートは確かにプログラム可能ですが、Lokadのプラットフォームが持つ、設計に基づく正確性やスケーラビリティには及びません。

数量的サプライチェーンの概要および一次的要因と二次的要因に関する詳細は、こちらの概要を参照してください。

1.9 根本原因を伴う在庫レポートを提供していますか?

はい、Lokadのプラットフォームは、クライアントの現在の在庫状態の根本原因を特定するための幅広い機能を備えています。

『根本原因』を特定することは容易な作業ではないことを強調する価値があります。真に根本原因と認められるものを適切に特定するためには、必ずLokadのサプライチェーンサイエンティストによる大規模な作業が必要となります。例えば、過剰在庫は過度なMOQ(最小発注数量)に起因することがあり、これは調達チームによる不適切な交渉条件に起因すると説明できます。しかし、その最適でない条件は、クライアントの製品展開の進化に対する需要予測の過大評価が原因であり、その進化がマーケティングチームの遅延により延期されている場合もあります。このように、特にサプライチェーンでは、相関関係と因果関係を切り分けることは非常に困難です。

幸いなことに、Lokadのプラットフォームはプログラム可能です。これは、根本原因の特定のような終わりの見えない課題に直面する際の重要な要件です。システムのバグによる誤ったデータ生成、実務者が推奨を無視または手動で調整するケース、製品の誤分類による誤ったシーズンプロファイルの割り当て、そして基本的な人的ミス(ほんの一例ですが)など、これらすべてが根本原因として認定される可能性があります。プログラム可能な能力がなければ、このような問いに対応する希望はありません。

多くのエンタープライズソフトウェアはRCA(根本原因分析)機能やレポートを誇示しますが、実際には明らかな症状のみを特定し、実際の根本原因は特定できていません。例えば、ソフトウェアが過剰在庫の根本原因として過剰な発注書を特定した場合、そもそもその発注書を推奨していたのであれば、特に役に立ちません。これは、実務者がソフトウェアによって生成された誤った発注書を手動で上書きすることを暗黙の前提としている場合、特に有害です。

対照的に、クライアントのためにLokadが生成した数値レシピに起因する根本原因は、直ちにアカウントを管理するサプライチェーンサイエンティストの介入―通常は修正的な書き換え―を引き起こします。この修正機能が可能であるのは、Lokadのプラットフォームがプログラム可能であるからに他なりません。

1.10 在庫のパフォーマンスとトレンドを追跡するための分析および報告機能はどのようなものですか?

Lokadのプラットフォームは、幅広いプログラム可能な分析および報告機能を備えています。つまり、スプレッドシートやビジネスインテリジェンスツールで実施可能なあらゆる分析―特に在庫パフォーマンス分析―を、Lokadのプラットフォーム上でも行うことが可能です。

さらに、Lokadのプラットフォームはスケーラブルでありながら、コスト効率も高いです。つまり、業務システムで必ずしも履歴化されていないデータ(例:過去の在庫レベルや過去の価格)を含むすべてを履歴化することが可能です。また、プラットフォームは在庫パフォーマンスに対して予測的な姿勢を取り、在庫が「多すぎる」か「少なすぎる」かは将来の需要予測に依存します。これらの予測機能もまたプログラム可能で、必要に応じて調整可能です。

これらの生のプラットフォーム機能を超えて、在庫パフォーマンスに関してLokadが推奨するアプローチは二つに分かれます。 第一に、パフォーマンスは、在庫(または在庫不足)を生み出した元々のサプライチェーンの意思決定にまで遡って辿る必要があります。在庫レベルは根本原因ではなく、行動の結果として現れる症状であり、その行動が正しいか誤っているかにかかわらず、クライアント(およびそのサポートソフトウェアベンダー)によって取られたものです。 第二に、パフォーマンスは、恣意的に決定されたKPI(例:サービスレベル)に関連付けられる割合ではなく、金銭的なインパクト(例:ユーロまたはドル)という観点から評価されなければなりません。

財務に基づく評価は、あらゆるサプライチェーンの意思決定に寄与する数多くの要因を効果的にバランスさせる上で極めて重要です。Lokadのプラットフォームはこれらの実践を合理化し、Lokadアカウントを通じて利用可能な任意の数のカスタマイズ可能なダッシュボードを活用することで、クライアント側のアナリストが在庫パフォーマンスを理解しやすくしています。

1.11 カテゴリ別に、最大の改善ポテンシャルがある箇所を示すTOP P/N (部品番号)リストを提供していますか?

Executive summary: はい、Lokadのプラットフォームは、カテゴリ、地域、期間ごとにTop P/Nリストを生成し、改善ポテンシャルを金銭的観点(例:ユーロまたはドル)で評価することができます。これにより、単なるSKUの優先順位付けではなく、実行可能なアクションへの呼びかけが強調されます。しかし、LokadはSKUレベルのパフォーマンス改善のみに依存するのではなく、サプライチェーンの意思決定を左右する数値レシピの体系的な改良を支持し、SKUレベルのレポーティングはあくまで補助的なツールとして位置付けています。

Lokadのプラットフォームを用いれば、カテゴリ、地域、期間などごとに部品番号(またはSKU)のTop P/Nリストを生成することは非常に簡単です。Lokadのソリューションはプログラム的であるため、スプレッドシートやビジネスインテリジェンスツールで作成可能な任意のリストは、Lokadのプラットフォーム上でも同様に実現できます。さらに、当社の予測機能と金融的視点を組み合わせることで、改善ポテンシャルは恣意的に設定されたKPI(例:サービスレベル)に関連する百分率ではなく、金銭的な観点(例:ユーロまたはドル)で評価することが可能です。

Lokadが推奨するアプローチは、提案された施策が実施された場合に得られるドルまたはユーロで表される優先度を持つアクション呼びかけを算出することにあります。これらのアクション呼びかけは多岐にわたり、発注を迅速化または延期する、代替サプライヤーを特定する、より多くのバリエーションによる品揃えの拡充、品揃えからの商品の段階的廃止などが含まれます。単なるP/Nの優先順位付けとは異なり、アクション呼びかけの優先順位付けは、その設計上、完全に実行可能なものとなっています。なお、アクション呼びかけは必ずしもP/Nレベルで表現される必要はありません。LokadはP/Nに限らず、任意の粒度で非常に多様なアクション呼びかけを表現することが可能です。

しかし、この質問の背後には、Lokadがサプライチェーンにおいて推奨しない視点があります。SKUレベルでのパフォーマンス改善を求める意図は、SKUが手動でレビューされる状況下で、サプライチェーン担当者の注目を優先するためのものです。このアプローチは時代遅れであり、サプライチェーン担当者の貴重な時間を有効活用していません。特定のSKUで発生する在庫問題は、ほとんどの場合、そのSKU固有のものではなく、むしろ数値レシピ全般に起因するものであり、より一般的な問題が解決されなければ、次回は別のSKUで同様の問題が現れることになります。

したがって、専門家の時間はサプライチェーンの意思決定を左右する数値レシピの体系的な改善に投資されるべきです。SKUレベルのレポーティング機能も重要ですが、それらは主に数値レシピの継続的改善を支援するための補助的な手段であって、注意の優先順位を付けるためのツールではありません。

2. 在庫レベルとサービスレベル

2.1 在庫手持ちレポートを提供していますか?

はい、Lokadのプラットフォームを用いれば、在庫手持ちレベルを網羅するレポートを簡単に取得することができます。Lokadは、クライアントの業務システムからリレーショナルデータを処理してこのようなレポートを生成することが可能です。さらに、Lokadのプラットフォームは、予約在庫やバックオーダー在庫など、在庫手持ちレベルに関連する細かな差異にも対応できます。これらのデータは、元の業務システム内で履歴管理されていなくても、Lokadによって履歴化されることが可能です。最終的に、この情報は、クライアントの好む任意の評価ルールに沿って、個々の単位または金銭的単位で提示されます。在庫手持ちレポートは、業務システムとの最後の増分同期に基づいています。

ただし、この機能はLokadの主要な用途ではありません。Lokadは任意のSKUに対してリアルタイムの在庫手持ちレベルをチェックすることが_可能_ですが、当社の技術は取引型ビジネスシステムの上に構築された分析レイヤーとして意図されています。これらのシステムは日常的な取引業務における在庫の「管理」を担当する一方、Lokadは在庫に関する意思決定の知能を最適化するために設計されています。

2.2 在庫サービスレベルはどのように計算・最適化しますか?

Executive summary: Lokadは、確率的予測と確率的最適化を統合することで最適化された在庫サービスレベルを提供します。このアプローチにより、サプライチェーンの意思決定は、高いサービスレベルと最小限の在庫、かつROIの最大化といった特定の数量的基準に合わせて調整されます。

Lokadは、確率的予測と確率的最適化機能を組み合わせることで在庫サービスレベルを最適化しています。これにより、Excelで表現可能なあらゆる数量的基準を反映する形でサプライチェーンの意思決定を最適化することができ、さらに優れた結果が得られます。特に、特定のサービスレベルに沿った補充決定の最適化は、在庫量を最小限に抑えながらROIを最大化するという形で非常に容易に実現できます。

確率的予測は、たとえサービスレベルが非常に高い場合(例:98%以上)でも、サプライチェーンの意思決定が本来意図したサービスレベルを正確に反映するための非常に強力な手法です。対照的に、従来の時系列予測(非確率的)および伝統的な在庫手法(例:安全在庫)は、需要やリードタイムに対する正規分布という基礎的モデルの前提が実世界のサプライチェーン条件により破られるため、こうした条件下では一貫して失敗します。 Lokadはサービスレベルの最適化を行うことができ、場合によっては実際に最適化も実施します。そのために、保管コスト、資本コスト、品切れペナルティ、粗利益などの関連する経済的ドライバーを導入し、クライアントが支出した1ドルあたりのリターン(ドル単位)を最大化するサービスレベルを算出します。

これが達成されると、クライアントは実際、サービスレベルを完全に脇に追いやることが可能であると実感します。Lokadは、前述の経済的ドライバーを活用して、あやふやなサプライチェーンKPIではなく、サプライチェーンの意思決定そのものを直接最適化する能力を備えています。その結果、在庫は企業にとって最も利益をもたらす戦略を反映するサービスレベルとなります。これは、Lokadが恣意的なKPIに関連付けられる百分率ではなく、支出1ドルあたりのリターン(ドル単位)を直接最適化しているという事実にもかかわらず成り立ちます。

“恣意的なKPI”という表現は誇張ではありません。 第一に、サービスレベルは通常、顧客の要求を個別に満たすことを前提としており、最も利益に資する方法で要求を満たすことを意図していません。後者は、必ずしも各SKUが特に利益を生むとは限らない場合に、高いサービスレベルを実現するための関連コストを考慮した、はるかに精緻な視点です。この視点を無視すると、不要な在庫コスト(および在庫の償却)が継続する結果となります。なぜなら、恣意的に高いサービスレベルは設計上、絶え間ない死の在庫の流れを生み出すからです。

第二に、サービスレベル―恣意的で官僚的な百分率―は、顧客にとっての「サービスの質」とは等しくありません。サービスレベルは、提供される商品に含まれるあらゆるカニバリゼーションや代替を設計上、無視しています。逆に、サービスレベルは、商品Aが意味を持つのは商品Bが同時に利用可能な場合に限られるという、提供全体の依存関係も同様に無視しています。

第三に、単一SKUの視点から見ても、サービスレベルは大量注文、すなわち顧客が_一定数量_の購入可能な在庫を期待する状況には対応していません。この場合、棚が空であることも、在庫が十分でないことも、いずれもサービスの質に対する脅威となります。

要するに、サービスレベルは時代遅れのサプライチェーン用ツールであり、「サービスの質」と混同すべきではありません。Lokadは、タイムリーなchange managementが、こうしたKPIを伴う移行期間を必要とする場合もあると認めていますが、長期的には支出1ドルあたりのリターンを最適化する優れた経済的視点を強く推奨します。

Lokadの金融的視点の詳細については、The Quantitative Supply Chain in a Nutshellを参照してください。

2.3 どのように在庫レベルを最適化し、保管コストを削減しますか?

Executive summary: Lokadは二段階のプロセスに従います。 第一に、確率的予測モデルを構築します。この予測モデルは、需要だけでなくすべての不確実性の要因を網羅するという点で、従来の(現在は時代遅れの)時系列予測モデルの一般化版です。 第二に、確率的最適化を適用します。この確率的最適化は、補充量などのサプライチェーン上の意思決定を出力するプロセスであり、最適化基準がノイズまたはランダム性を帯びるため「確率的」と呼ばれ、将来の不確実なサプライチェーン条件を反映しています。

Lokadの推奨する最適化基準は、クライアントの経済的ドライバーを反映しています。したがって、クライアントの在庫を最適化する際、保管コスト、運転資金コスト、償却コストなどの各種コストと、粗利益、品切れペナルティなどの上昇要因を明示的に定量化して収益性を最大化します。その結果、サービスの質の低下による損失で相殺されない範囲で、保管コストを最小限に抑えるために在庫レベルを調整します。

Lokadの推奨する最適化基準は、クライアントの経済的ドライバーの綿密な定量化に根ざしていますが、他の多様な要因を反映するために基準を調整することも可能です。Lokadのプラットフォームはプログラム可能であるため、従来のExcelスプレッドシートで表現できるものを含め、クライアントが望むいかなる基準にも適応することができます。

Lokadの金融的視点の詳細については、Economic Drivers in Supply ChainおよびThe Quantitative Supply Chain in a Nutshellを参照してください。

2.4 在庫切れを最小限に抑えつつ、保管コストを管理するために安全在庫をどのように最適化しますか?

Executive summary: Lokadのリスク調整済みの意思決定は、品切れイベントのコストを上回る限界保管コストとなるまで在庫レベルを引き上げることで、実際の品切れによる財務リスクを慎重に最小化します。常に存在する不確実性、すなわち未来が予測不能であるという状況に対処するため、確率的最適化が必要とされます。従来の予測・最適化手法(決定論的モデル)は、ノイズやランダム性を伴う未来の変数に対応できませんが、確率的予測と確率的最適化を組み合わせることで可能となります。

Lokadは、確率的予測と確率的最適化を活用することで、安全在庫を含むすべての在庫を最適化します。確率的予測には、将来の需要やリードタイム、その他の関連する不確実性の要因が含まれます。さらに、確率的最適化は、最大保管コストの制約下で在庫切れを最小限に抑えるといった、任意の数値基準に合わせて調整することが可能です。

確率的予測は、在庫切れを引き起こす異常な状況に対処する上で卓越した能力を発揮します。在庫切れが発生する場合、通常、需要またはリードタイム(またはその両方)が予期せず急増したためと考えられます。従来の時系列予測モデル(非確率的)は、未来の値として一つの数値(例:X)のみを示すため、可能性の低い—とはいえ全くあり得ないわけではない—代替値(例:X+1, X-1等)を完全に排除してしまいます。

その結果、従来の時系列予測は、在庫切れを引き起こすような可能性の低い事象の定量的評価においてほとんど無力です。例えば、企業が在庫切れの頻度を1%未満(例:四半期ごと)に抑えようとする場合、発生する在庫切れは設計上、最も極端な1%の状況に当たります。

確率的最適化プロセスは、元の確率的予測を在庫補充などのサプライチェーンの意思決定に変換するために不可欠です。Lokadの好みは、品切れのコストを保管(キャリング)コスト等の他の費用と並べて、ドル(またはユーロ)単位で表現する純粋な経済的アプローチを採用することにあります。

Lokadの見解では、安全在庫モデルは時代遅れの概念であり、クライアントの要請に応じてプラットフォームに組み込むことも可能ですが、目的に適さない手法に頼るのではなく、数量的サプライチェーンの視点を全面的に採用することを強く推奨します。例えば、安全在庫モデルの最大の欠点は、在庫切れ寸前の2つのSKUに対して、どちらがより重要かを(設計上)優先順位付けできない点にあります。この視点はSKUを厳密に個別に扱うため、サプライチェーン全体の最適化の試みを阻害してしまいます。

これらの点の詳細については、なぜ安全在庫は危険なのかおよび確率的予測による小売在庫割当を参照してください。

2.5 店舗/倉庫レベルで安全在庫レベルを動的に計算・調整していますか?

Executive summary: はい、Lokadのプラットフォームでは、新しい入力データが提供されるたびに(通常は毎日)、全在庫最適化プロセスをリフレッシュすることが可能です。目安として、各店舗や倉庫を含むすべてのSKUに対する_全ての_予測と意思決定の更新を含め、全計算を60分以内に収めています。この柔軟かつスケーラブルなアプローチは、Lokadのspecific engineering decisionsによってのみ実現可能です。

Lokadのプラットフォームは、サプライチェーン最適化のための「ステートレス」設計を強調しています。私たちは以前の計算結果を再利用せず、生データを受け取るたびにすべてを再計算します。これにより計算資源が増加する可能性がありますが、これは(現時点で)データ処理の整合性を確保するための唯一の有効な方法です。Lokadのステートレス設計がなければ、データ処理の整合性は危うくなります。代替策として、クライアントの production environment を半ば検証済みのデータの testing ground として利用する方法がありますが、これはLokadが推奨するものではありません。

これらのリフレッシュは、Lokadが提供するサプライチェーン最適化を制御するすべての設定を対象としています。クライアントの希望があれば、リフレッシュには時系列予測、安全在庫、最適化されたサービスレベルが含まれる場合もあります。しかし、Lokadはこれらの時代遅れの方法に依存せず、確率的予測と確率的最適化という優れた最適化能力を完全に活用することを強く推奨します。

この点に関しては、毎日すべてを更新するをご参照ください。

このFAQの在庫レベルとサービスレベル 2.4もご覧ください。

2.6 安全在庫レベル/式が望ましいサービスレベルの維持に与える影響を評価しますか?

はい、Lokadのプラットフォームを通じて、サプライチェーン担当者は特定の安全在庫がサービスレベルに与える影響を評価できます。つまり、安全在庫レベルを選択し、その結果としてのサービスレベルを確認することができます。また、プラットフォームは、期待される保有コスト(または在庫の経済的特性が提供されていない場合は、少なくとも保有期間)や、死蔵在庫のリスクなど、他の要因も評価することを可能にします。

しかしながら、安全在庫とサービスレベルは概ね時代遅れの概念です。私たちのプラットフォームでこれらを扱うことは可能ですが、Lokadはどちらも推奨しません。確率的予測と確率的最適化は、Lokadの最適化の基盤であり、あらゆる面で優れた代替手段です。

この点については、確率的予測による小売在庫割当をご参照ください。

このFAQの在庫レベルとサービスレベル 2.4もご覧ください。

2.7 Lokadは、SKU、製品カテゴリ、地域など、複数の組織的次元で差別化された特定のサービスレベルと信頼区間を持つ多様な在庫戦略の実施を可能にしていますか?

Executive summary: はい、LokadのプラットフォームはSKUレベルで在庫戦略やポリシーの差別化をサポートしています。そのような戦略は、異なるサービスレベル目標、異なる信頼区間(安全在庫の場合)などを考慮したSKUレベルでの差別化された設定を反映することができます。これらの戦略は、SKUレベルだけでなく任意の中間的な粒度(例えば、地域ごと、製品カテゴリごと、アイテム属性ごと(例:アイテムの重量の閾値)など)でも差別化することが可能です。

Lokadのプラットフォームはプログラム可能であるため、スプレッドシートで表現できるあらゆる在庫戦略を実装することができます――たとえその戦略がいかに恣意的または異例であってもです。Lokadのサプライチェーン科学者はこれらの業務を遂行し、成果がクライアント企業の本来の意図を忠実に反映するように保証します。

Lokadのプラットフォームはサービスレベルの追求にも利用可能ですが、私たちは強くそれを推奨しません。Lokadのプラットフォームは、任意のKPIに関連付けられたパーセンテージではなく、投資額あたりの収益ドルを最適化するために最も適しています。実際、‘サービスレベル’という概念自体については、大きく二つの反論があります。

第一に、類似の名称にもかかわらず、消費者が認識する service levelquality of service との関連は脆弱です。多くのサプライチェーンの教科書や、それに伴う多くのサプライチェーンソフトウェアは、この二つの概念を誤って同一視しています。サービスレベルは、すべての可能な代替手段や、製品間のすべての依存関係の範囲を完全に無視しているため、quality of service を実際に理解するための不十分な指標となります。

第二に、サービスレベルは、その設計上、在庫の償却(書き落とし)を継続的にもたらす要因となります。これは、需要に対応する上向きの側面に一極集中しているため、最終的には売れず・注文されず・消費されない在庫が残るという下向きの側面を無視してしまうからです。

2.8 SKUまたはP/N(パートナンバー)ごとにサービスレベルと在庫回転率を強制できますか?

はい、Lokadのプラットフォームは、SKUレベルまたは任意の中間粒度(P/N、ブランド、ロケーション、カテゴリ、価格帯など)にまで、特定のサービスレベル/在庫回転率に応じた在庫最適化プロセスを調整することが可能です。この点において、Lokadのプラットフォームは、クライアントが望む任意の定量目標を反映する在庫判断を導くことができます。

しかしながら、どのベンダーも特定のSKUにおいて、その設定が‘強制’されることを保証することはできません。基本的に、サービスレベルも在庫回転率も顧客の行動に依存するため、ある製品に対する関心が急増すれば、需要が在庫レベルを大幅に上回り、サービスレベル目標は達成されなくなります。逆に、関心が低下すれば、在庫回転率の目標も達成されなくなります。

Lokadの確率的予測技術は、多数のSKU(つまり数千)および相応の期間(つまり数週間)にわたり、観測されるサービスレベルと在庫回転率がクライアントの望む設定を反映することを保証します。実質的には、最終的に顧客によって決定される設定を“強制”するにあたり、合理的に到達可能な“最も近い”状態と言えます。

このFAQの在庫レベルとサービスレベル 2.7もご覧ください。

3. 過剰在庫

3.1 在庫の償却リスクをどのように組み込んでいますか?

Lokadで使用される確率的予測は、在庫償却評価の重要な要素です。確率的予測を通じて、Lokadは、従来の一点または時系列予測のように単一の未来の値に頼るのではなく、可能性の低い未来も含めたすべての将来を評価します。実際には、在庫償却を引き起こすのは、予想される(ありえないわけではないが起こりにくい)需要の急激な落ち込みであり、これは確率的予測が事前に明示的に定量化するよう設計されているものです。

確率的予測が確立されると、Lokadはリスク調整済みのサプライチェーン判断を生成します。これらのサプライチェーン判断は、在庫償却の可能性など、関連する経済的要因に基づいて最適化されます。この意思決定(例:在庫の補充)は、顧客サービスの向上という上向きの利益と、後に発生する可能性のある死蔵在庫という下向きのリスクのバランスを取ることで、リスク調整が行われます。さらに、Lokadは、二次販売チャネルのように、たとえ大幅な値引きとなったとしても、余剰在庫を吸収できる中間的な選択肢をクライアント企業に提示することができます。

このFAQの在庫レベルとサービスレベル 2.3もご覧ください。

3.2 死蔵在庫および/または休眠在庫をどのように取り扱い、最適化していますか?

Lokadは、そもそも死蔵在庫を生み出すサプライチェーン判断を排除、または少なくとも大幅に削減することで、死蔵在庫に積極的に対処します。この積極的な仕組みは、Lokadが生成する確率的予測に大いに依存しています。

従来の時系列予測が単一の未来の値を示すのに対し――結果として他の可能性を無視する――Lokadは各未来の確率を通じてすべての可能な未来を定量的に評価します。この評価により、各サプライチェーン判断(例:4ユニットの代わりに5ユニットを発注する場合)において死蔵在庫が発生するリスクを定量化します。もしサプライチェーン判断(例:さらに5ユニットを発注する)が死蔵在庫の観点からあまりにもリスクが高いと判断された場合、その判断はリスクを下げるように調整されます。当然ながら、在庫償却のリスクを完全に排除することはできませんが、十分に評価すれば、在庫償却の頻度は大幅に削減できる可能性があります。

休眠在庫に関しては、予備部品がまれではあるが重要な故障に対応する産業環境のように、在庫が非常に特定の目的に役立たない限り、Lokadは通常、需要を喚起するために価格を下げることを推奨します。最終的にこれにより、在庫に残っているものが一掃されます。Lokadのプラットフォームは、この目的のために在庫および価格の共同最適化プロセスを生成することが可能です。

このFAQの過剰在庫 3.1もご覧ください。

3.3 不良在庫、例:E&O(過剰在庫および陳腐在庫)および死蔵在庫を識別しますか?

Executive summary: はい。Lokadは確率的予測を用いて、各SKUごとに在庫ユニットのライフサイクルを識別し定量化します。在庫の各ユニットについて、一定の期間内にそのユニットが要求(またはサービス提供、または消費)される確率を推定します。例えば、過剰在庫のSKUについては、在庫のうち何割が死蔵在庫になるリスクがあるか、また何割が廃棄在庫(販売促進のための値下げが必要となる在庫)になるリスクがあるかを評価できます。これは、過剰在庫や陳腐在庫に対して取っているアプローチと同じであり、私たちの推奨するサプライチェーン判断の主要な要素となっています。

確率的予測の視点により、Lokadは伝統的な時系列予測のように単一の未来(例えば需要)のみを依拠するのではなく、すべての可能な未来の値を考慮することができます。この視点は、在庫リスクを軽減しようとする際に存在するあらゆる微妙な変動に対処するために非常に重要です。死蔵在庫は事後対処ではなく、そもそも発生を防ぐ必要があるため、最初に死蔵在庫が蓄積される可能性を効果的に減らすプロセスを確立することが課題となります。そのようなプロセスには、サプライチェーン判断が過剰/陳腐/死蔵/廃棄在庫を生み出す確率を正確に定量化することが必要です。

時系列予測モデルは、その設計上、この種のリスク評価には対応できません。その主な理由は、時系列予測が単一の未来の値(例:需要)のみを考慮するためです。このシンプルさにより、SKUをABC分析におけるA/B/Cクラスのように整然としたカテゴリに分解することが可能になります。しかし、このシンプルさは、任意のSKUに対するリスク調整済みの判断のランクリストが複数の未来シナリオ(例えば、同一SKUで1/2/3/4/5/etc.ユニットが販売される場合)のデータを必要とするため、詳細なリスク評価が不可能であることを意味します。

要するに、(この場合、需要の)予測に対して確率的なアプローチを採用することは、死蔵在庫の発生を事後対処するのではなく、効果的かつ積極的に軽減する戦略につながります。その時点では、処分する以外の選択肢がほとんどないためです。

3.4 アクティブ在庫、休眠在庫、新在庫を追跡するためのKPIはありますか?

Executive summary: はい。Lokadのプラットフォームはプログラム可能であるため、望むあらゆる種類のKPIを設計できます。また、Lokadのサプライチェーン科学者はクライアントの入力と共に、クライアントのKPIの構築および実装を行います。Lokadは、クライアントの在庫の微妙な違いを真に反映するオーダーメイドのKPIを提供します。さらに、クライアントが以前使用し、保持したいと望むKPIを再現することも可能ですが、通常はLokadがプロジェクトのために設計するオーダーメイドのKPIほど有用ではありません。

Lokadは在庫中の各ユニットの正確な年齢を追跡できるだけでなく、確率的予測のおかげで、そのユニットが所定の期間(1週間、1ヶ月、1年など)在庫に残る確率も評価します。在庫をアクティブか休眠かと分類することは、単に過去データの可視化の問題ではなく、将来の需要の予測を伴います。したがって、‘KPI’は predictive なものとなり、その結果、基盤となる予測モデルの suitability に暗黙の依存関係があります。ここでは、確率的需要予測が、需要の有害な低下に関連するリスクを評価するのに適しています。

対照的に、一部のエンタープライズソフトウェアベンダーは、在庫KPIをこの過去データの直接的な反映として扱います。しかし、‘predictive’ な側面は避けられません。多くの場合、これらのベンダーは、暗黙のうちに ‘moving average’ の需要予測に依存していることに気づいておらず、そのため、予測が行われていないかのような錯覚を与えてしまいます。結果として、これら不適切なKPIは、サプライチェーン担当者の注意を逸らすだけであり、企業にとって有害となる可能性があります。

このFAQの過剰在庫 3.3もご覧ください。

3.5 毎月の在庫減価償却をどのように組み込み、監視し、最適化していますか? 減価償却プロセス自体の変動性はどのように取り扱いますか?

Executive summary: Lokadは、在庫構成の追跡、減価償却メカニズムのモデル化、およびリスク調整済みのサプライチェーン判断の生成を含む包括的なアプローチを通じて在庫減価償却に取り組んでいます。在庫レベルと年齢の詳細な記録を維持し、将来の在庫構成を予測するモデルを用い、さまざまな減価償却メカニズムを反映するプログラム機能を活用することで、Lokadは内部および外部の減価償却要因を効果的に管理します。Lokadのプラットフォームは、減価償却コストを含むすべての経済的要因を考慮したサプライチェーン判断を行うために、確率的最適化を活用し、在庫減価償却のリスクを積極的に軽減し、他の運用上の考慮事項とバランスをとっています。

在庫減価償却に対処するには、一連のサブプロブレムに取り組む必要があります。第一の問題は、在庫合計(在庫単位で表される)だけでなく、在庫の正確な構成を追跡することです。例えば、各ユニットの年齢が重要です。第二の問題は、減価償却メカニズムそのもののモデル化です。これは、商品が時間とともに劣化する純粋な内因性現象である場合もあれば、市場条件が変化し、その過程で商品の価値を下げる外因性現象である場合もあります。第三の問題は、潜在的な減価償却に関してリスク調整されたサプライチェーン判断を生成することです。

まず、Lokadのプラットフォームを通じて、在庫水準だけでなく、在庫内の各ユニットの在庫年齢(過去も未来も)も追跡します。このプロセス自体が予測モデルとなっています。たとえビジネスシステムから得た歴史的データを見た場合でも、在庫内のユニットの年齢構成は通常記録されず、推測するしかありません。シリアル在庫の場合は、各ユニットがシリアルナンバーで追跡されるという著しい例外があり、この場合、_for the past_の予測モデルは不要ですが、_for the future_の予測モデルは依然として必要です。在庫構成の予測モデルは、在庫消費に対してFIFO(先入先出)の仮定やその他いくつかの微妙なパターンに頼ることができます。

例えば、小売店では、顧客が最も見栄えのする商品(または、利用可能であれば賞味期限で選ぶ)をチョイスするなどの対立的な行動を取ることがあり、その結果、在庫消費がある程度LIFO(後入先出)になる場合があります。LokadはFIFOとLIFO、そしてその中間の全スペクトルを管理できます。

次に、Lokadのプラットフォームが持つプログラム的な機能により、あらゆる減価償却メカニズムを反映することが可能です。たとえば、Lokadは各期間ごとに商品の価値がごく一部失われる指数関数的な減価償却や、特定の年齢の閾値で商品の価値が大幅に失われる段階的な減価償却を反映できます。さらに、減価償却メカニズムには製品間依存性も関与する場合があります。たとえば、消費者家電など特定の業界でよく見られるように、優れた競合製品が導入されると、商品の価値が大幅に低下すると予測されます。

外部要因による減価償却を考慮すると、減価償却プロセスの変動性は顕著になりますが、Lokadのプラットフォーム内の予測(確率的)モデルがその恩恵を受けます。競合製品がいつ導入されるかを正確に知る必要はなく、過去のデータを参照することで、製品の入れ替わり率をモデル化し、特定の製品が任意の時間枠内(例:1週間、1ヶ月、1年など)に陳腐化する確率を反映できます。これらの確率モデルは、Lokadに提供された歴史的データを活用して学習されます。

第三に、Lokadは関連するすべての経済的要因を考慮してリスク調整済みのサプライチェーン意思決定を計算します。このプロセスは、損失関数(つまりコストと利益)がノイズや変動を含むため、確率的最適化といえます。減価償却コストは、その他の関連要因と共に含まれます。Lokadのプラットフォームは、プログラム的学習と最適化のパラダイムの両方を備えているため、非常に多様な種類のコストを考慮(および統合)したリスク調整済みの意思決定を生成できます。

結論として、在庫の減価償却を考慮したリスク調整済みのサプライチェーン意思決定(例:発注、製造指示など)を行うことで、Lokadは最終的に減価償却が発生する在庫量を積極的に軽減します。各意思決定は減価償却リスクからそっと遠ざけられますが、その遠ざけ方が他の問題(例えば、減価償却の低減によって得られるサービス品質以上に劣化させるなど)を悪化させるほどではありません。

3.6 過剰在庫/余剰在庫のレポートは提供していますか?

エグゼクティブ・サマリー: はい。Lokadのプラットフォームは最先端の需要予測技術を有しており、この技術を活用して、手元または発注済みの在庫を全て循環させるのにどの程度の時間がかかるかを評価します。さらに、当社の技術は確率的予測をサポートしており、過剰在庫リスクの定量的評価を直接提供します。確率的予測と、すべての関連経済要因を反映する在庫の経済モデルを組み合わせることで、Lokadは在庫リスクを金銭的な影響(例:ユーロやドル)という形で定量評価します。

在庫は、需要の予測モデルと比較して常に「過剰」と見なされます。将来の需要についての前提がなければ「過剰在庫」という概念は存在せず(この前提が暗黙であっても可)、『Xヶ月以上の在庫』というルールに基づいて過剰在庫レポートを生成するソフトウェアソリューションは、暗黙のうちに移動平均型需要予測に基づいた過剰在庫評価を行っており、多くの業界では期待を下回る結果となります。

さらに、在庫のコスト/報酬の関係を反映する堅牢な経済モデルがなければ、クライアント企業は大きな在庫ミスに陥る危険があります。在庫に関する財務駆動の意思決定は、最初は奇妙に思えるかもしれませんが、実際には十分に合理的です。たとえば、ある商品が非常に安価で小型、十分な粗利益があり、顧客にとって必須(少量で)であり、大量の最小注文数量(MOQ)を満たさなければ入手できない場合、その商品の在庫を1年以上持つことは合理的かもしれません。1年以上分の在庫が誤りのように見えても、投資収益率が全く異なる結果を示す可能性があります。

実際の予測におけるLokadのアプローチの詳細については、M5予測競争におけるSKUレベルでのNo1を参照してください。

4. 在庫切れ

4.1 在庫切れリスクのあるSKUに対して在庫を割り当てますか?

はい。一般的に、Lokadの在庫最適化の結果の一つとして、在庫は在庫切れリスクが高まるSKUに割り当てられます。すべてが同条件であれば、在庫切れ直前のSKUが優先的に扱われます。

とはいえ、在庫切れに関しては経済的なエンドツーエンドの視点で最適化を行うことを推奨します。これは、サプライチェーンの意思決定(例:在庫切れを回避するための在庫割り当て)の_総合的な財務影響_を考慮することを意味します。場合によっては、在庫切れを回避することが経済的に意味をなさないこともあります。

例えば、ファッション店舗ではシーズンの終わりに、古いコレクションの商品が徐々に在庫切れになることは自然な流れです。これは、新しいコレクションのためのスペースを確保するために意図的に行われます。同様に、ある製品がより優れた代替品に取って代わられる場合、陳腐化した製品を在庫切れにさせ、その後品揃えから段階的に廃止するのが合理的です。 要するに、概ね合理的に設計された経済最適化では、在庫切れイベントを回避することが試みられるはずです。

しかし、そのような最適化は、初めから投資規模(例:あるSKUに割り当てるユニット数)を適切に見積もる際に、より細かく洗練された対応を提供し、財務リスクを軽減することも可能にします。

4.2 発注書(PO)の優先順位はどのように決定されますか?

エグゼクティブ・サマリー: Lokadは、発注される各在庫ユニットの経済的リターンを評価し、1ドルあたりのリターンを最大化することを目指してPOの優先順位を決定します。この細かな評価は、最小注文量などのSKU間の制約と統合され、確率的予測と確率的最適化によって導かれます。これらの技術は、需要、リードタイム、返品などの要因を考慮し、各ユニットのリスクとリターンを評価して、制約と経済的実現性のバランスをとった財務的に最適化されたPOを作成します。

Lokadの最適化アプローチは、発注されるすべての在庫ユニットに対する経済的リターンを評価することにあります。これは、1ドルあたりのリターンを最大化してリスクを軽減するために行われます。この非常に細かな評価は、供給者レベルでの最小注文量などのSKU間のすべての制約を正しく反映したPOを生成する最適化プロセスに活用されます。これらの制約は、各ユニットごとの経済的リターンという全体の優先順位付けの指標に上乗せされます。その結果、LokadのPOは内部的に正しく優先順位付けされ、各POには独自の経済評価(つまりリターン金額)が付随します。この経済評価は、POに束ねられたすべてのユニットの経済的リターンの集計によって得られます。

この財務駆動のPO優先順位付けは、確率的予測と確率的最適化という2つの重要な技術的要素に依存しており、どちらもLokadのプラットフォームの一部です。

確率的予測は、将来の需要だけでなくリードタイムや返品などの他の不確実性要因も予測に含めるため、発注書に関連するリスク(例:在庫切れリスクの低減や、デッドストックリスクの増加)を評価する上で極めて重要です。関連する経済要因(例:粗利益、保管コストなど)を活用して、Lokadは発注される各在庫ユニットに対し、注文が増えることで低下するリターンも含めた期待されるリスク調整済み投資収益率を生成します。

確率的最適化プロセスは、PO自体の構成を可能にします。制約がない場合は、発注ユニットをそれぞれのドルあたりリターンで単純に優先順位付けするだけですが、SKU間の制約が存在する場合、これらすべての制約を自動的かつ確実に反映しつつ、ユニットごとの財務評価を維持したPOを作成するために、確率的最適化プロセスが必要となります。

4.3 戦略的/重要なSKUに関して、サプライヤーへ注文を送信しますか?

はい。Lokadのプラットフォームによって生成される発注書は、特定のSKUが持つ戦略的/重要な側面を含む、すべての関連する懸念事項を統合しています。これらの懸念事項は、クライアントからの明示的な情報だけでなく、Lokadの分析によって得られた暗黙的または推論された定量評価も反映することがあります。

例えば、あるSKUは大口または重要な顧客に主に販売・サービス提供されているため「重要」とされる場合があります。あるいは、SKUがキットや部品表(BOM)の一部であるために、ある種のボトルネックとなっている場合もあります。こうした状況では、直接的なデータ分析を通じてSKUの重要性を推論するために、Lokadのプラットフォームを活用することが望ましいです。

より一般的に、Lokadが推奨する財務的視点は、さまざまな懸念事項を十分に取り込み、推奨されるサプライチェーンの意思決定と融合するように設計されています。この財務的視点は、在庫切れイベントのコストのような、あまり明白でない要因も含む_すべて_の経済要因を意思決定プロセスに統合することを強調しています。

4.4 戦略的サプライヤー向けに、重要な発注書(PO)をどのように統合して重要なショートリストにまとめますか?

エグゼクティブ・サマリー: Lokadのアプローチは、すべてのサプライチェーン意思決定の経済的影響を定量化することにあります。実際、これは追加発注される各在庫ユニットに対する、ドルあたりのリターンで測定される財務影響を評価することを伴います。各アイテムをドルあたりのリターンでランク付けしたリストを生成することで、Lokadはクライアントの経済要因やKPI(サービスレベルを含む)に関して、最も良好な財務状態を反映するリストを自動的に作成します。これにより、従来のmin/max、安全在庫などの方法の必要性がなくなり、結果として堅牢な財務的側面を欠くという問題が解消されます。

Lokadの確率的予測アプローチにより、利益が見込めるすべてのユニット(ユニットごとにランク付けされた)を統合したリスク調整済みのPOを生成できます。これにより、PO内で所定の経済リターンを超えるユニットを隔離することで、POを簡単に精査でき、これらの高リターンユニットが戦略的サプライヤーに伝達されるショートリストの本質となります。経済的リターンは、在庫切れペナルティ(在庫切れイベントの財務的影響を測る、あまり一般的ではないが重要な経済要因)を何らかの形で反映します。これは、意図されたサービス品質に関して各ユニットの重要性を適切に評価するために行われます。

従来の(現在では時代遅れの)方法(一部の企業向けソフトウェアにまだ存在するもの)では、POを在庫レベル目標(例:min/max、安全在庫、カバー目標、バッファ目標など)に関連づけて評価します。しかし、これらの方法はすべて、各ユニットの重要性を他のユニットから_完全に独立して_定量化する仕組みを欠いています。

実際、これらの方法はサプライチェーンにおける逓減リターンの影響を反映していません。通常、最初に発注されるユニットは、クライアント企業およびその顧客にとって2番目のユニットよりも価値が高いです。従来の方法はユニットごとの在庫リターンを定量化しないため、戦略的サプライヤーに渡す真に重要なユニットのサブセットを抽出することができません。

真に重要なショートリストを作成するには、発注時にユニットごとの経済的リターンを定量化できる技術が必要であり、これこそがLokadの持つ技術です。

4.5 保留中のPO(発注書)の中から重要なショートリストを、どのようにサプライヤーに伝達しますか?

Lokadは、発注書(重要なショートリストを含む)を取引業務システム(例:ERPや類似のビジネスソフトウェア)を通じて伝達することを好みます。発注書は通常、フラットファイルのエクスポート形式となります。Lokadはメールを利用することも可能ですが、すべての取引コミュニケーションをクライアントの業務システム(例:ERP)内に留めることを望んでいます。

また、分析システム(本質的にLokadがそうである)とERPのような取引システムとの違いについては、在庫管理の定義も参照してください。

このFAQ内の在庫切れ 4.4も参照してください。

4.6 在庫切れのレポートは提供していますか?

エグゼクティブ・サマリー: はい、Lokadのプラットフォームは、在庫の現状だけでなく、過去の在庫切れの履歴もカバーする在庫切れレポートを提示することが可能です。これにより、過去のパターンを特定し、クライアントの財務的に最適化されたPOを生成する際の数値レシピに組み込むことで、将来の在庫切れイベントの発生可能性を低減します。

在庫がゼロのSKU(在庫管理単位)の数を数えるのは簡単ですが、クライアント企業のビジネスに及ぼす影響、つまり需要の純損失を定量化することはあまり意味を持ちません。 このため、Lokadはサービス品質の不足によるコストを直接的な財務評価を通じて捉えるアプローチを推奨します。 時には、例えば戦略外の商品については、提供から段階的に廃止される中で低品質なサービスを受け入れることが合理的である場合もあります。 逆の対策を講じれば、常に死蔵在庫が生じることが保証されるでしょう。 Lokadのプラットフォームは、手元の在庫がゼロのSKUを単に数えるのではなく、金銭的な観点で表現される損失を評価することを可能にします。

定量化された損失は、カニバリゼーション、代替、および顧客による消費遅延を差し引いた純損失でなければなりません。 多くの業界では、顧客の要求またはニーズを満たすためのいくつかの選択肢が存在します。 従って、そのうちの一つが利用可能である限り、顧客は依然としてサービスに非常に満足する可能性があります。 これらのSKU間の要因を考慮しないと、本質的に同じ需要を満たすSKUが、全く異なるセグメントに対応するSKUを犠牲にして過剰在庫となります。 逆に、あるSKUの在庫切れが、別の依存するSKUの消費を妨げる場合もあります。 顧客は両方のSKUが利用可能であることを期待しており、そうでなければどちらも消費しません。 Lokadのプラットフォームは、これらのSKU間の問題と、顧客に認識されるサービス品質への(財務上の)影響をモデル化するために使用できます。

業界によっては、考慮すべき微妙な点がより重要な場合もあります。 例えば、DIY(自分でやる)店舗で、同一のスイッチを4個求める顧客は、棚に3個しかない場合、購入しない可能性が高いです。 従って、スイッチが在庫切れでなくても、_一部の_顧客の視点では事実上在庫切れとなります。

もう一つの例としては、果物を販売する食料品店があります。 例えば、いちごのような一部の果物は非常に傷みやすいため、店舗は通常、閉店前に意図的に在庫切れを狙います。 しかし、もし在庫切れが一日の早い時間に起こってしまえば(例:一部の客が平均以上に購入する場合)、大多数の顧客に十分なサービスが提供できなくなります。

これらの例は、在庫切れ事象の性質とその結果における微妙な差異を浮き彫りにします。 在庫切れ事象の高コストな症状(例:潜在的な販売機会の損失)は、根本的な状態(例:_実際の_在庫切れ)がなくとも現れる可能性があります。 Lokadのプラットフォームは、単純な在庫レベルの検査からは推測できないサービス品質の重要な微細な点すべてをモデル化するために使用できます。

4.7 予想される在庫切れ商品を特定し、ユーザーにアラートを出しますか?

エグゼクティブサマリー: はい、Lokadのプラットフォームは先進的な需要予測を用いて潜在的な在庫切れ状況を特定し、単にアラートを発するのではなく、是正措置を提案します。 これらの措置には、注文の迅急対応、代替供給元の利用、プロモーションの調整、価格設定の変更、代替商品の推奨、在庫移動の調整などが含まれます。

Lokadのプラットフォームは、最先端の需要予測技術を備えており、今後発生する在庫切れ事象を特定するために使用できます。 また、サプライチェーン担当者向けに在庫アラートを作成するために容易に利用することもできます。 しかしながら、タイムリーな対応が求められる場合が多いため、我々はアラートの単独使用を推奨していません。 その代わり、Lokadのプラットフォームを用いて、今後発生する在庫切れ事象を特定し、積極的な是正措置を提案することを推奨します。

業界によっては、是正措置として、(a) 保留中の発注を迅速化するために供給元へ再連絡すること、(b) 代替(より近い)供給元から補完的な発注を受けること、(c) まもなく在庫切れとなる商品のプロモーションを中止すること、(d) 在庫切れが予想される商品の価格を引き上げること、(e) カニバリゼーション効果を活用してあらかじめ代替商品を推奨すること、(f) 眠っている在庫を再配分するための在庫移動を組織することなどが挙げられます。 これらは、Lokadのプラットフォームが迅速に推奨できる是正措置の一例に過ぎません。

一般的なエンタープライズソフトウェア(例えばERPなど)は依然としてアラートを機能として備えており、これは往々にして従業員の生産性低下を招くデザインパターンです。 今後の在庫切れに対して何らかの対策が講じられるべきであれば、ソフトウェアは通常の推奨事項の一部として直接的に是正措置を提案すべきです。 何も対策すべきことがなければ、アラートは無意味な気晴らしとなります。 歴史的に、エンタープライズソフトウェアはエンドユーザーに対する悪い結果の責任を回避するためにアラートを利用してきました。 これは実質的に、推奨された在庫判断が良ければソフトウェアが称賛され、悪ければ発したアラートのおかげで非難を回避するという、企業ソフトウェアベンダーを批判から守る試みです。 このアプローチにより、責任がエンドユーザーに転嫁されることになります。 一方、Lokadは在庫に関する我々の推奨及び提案された是正措置の品質に対して全面的に責任を負います。

詳細については、Lokadの予測アプローチの実例として、M5予測競争におけるSKUレベルでのNo1の実績を参照してください。

5. Complications

5.1 新製品に対する在庫パラメータを提案しますか?

エグゼクティブサマリー: はい、Lokadのプラットフォームは、確率論的かつ属性ベースの需要予測を用いて新製品の在庫判断を自動化します。 このアプローチは、従来の在庫パラメータではなく、発注数量や配分のような直接的な意思決定に焦点を当てています。 また、Lokadは新製品が既存在庫に与える影響も考慮し、潜在的な死蔵在庫の発生を回避する支援も行います。 Lokadは、需要予測と確率的最適化の両面から、SKU間の制約や物流能力を考慮した初期在庫発注をサポートします。

Lokadのプラットフォームは、新製品のための在庫意思決定プロセス全体を自動化します。 これには「在庫パラメータ」も含まれますが、我々は通常、この視点から課題に取り組みません。 新製品は、確率論的な属性ベースの需要予測の恩恵を受け、これまでに投入された製品とその発売時の設定(例:プロモーションや品揃え)および製品固有の特性(例:サイズ、色、価格)を分析することで、その予測が自動化されます。

さらに、新製品を検討する際には、既に利用可能な在庫と、これから入荷する在庫の両方を考慮します。 また、既存在庫への影響や、新たな、もしかするとより魅力的な代替品を早期に投入することによる潜在的な悪影響についても検討します。

従来の「在庫パラメータ」の代わりに、Lokadは直接的かつ財務的に最適化された意思決定を強く推奨します。 これらの意思決定には、初回発注量と、各ロケーションごとのSKU単位での配分量が含まれます。 SKU間または製品間の問題は、クライアントの限られた物流能力を最大限に活用するために、この段階で解決されるべきです。

これらの物流能力は、多くの場合、新規性の潜在的かつしばしば予想外の影響に対応するには不十分です。 しかし、時間をかけて作業負荷を分散させることで、通常は新製品の投入を効果的に予測し、クライアントの物流能力を無理に超えることなく問題に対処できます。

Lokadのプラットフォームは、新製品向けの確率論的需要予測および初期在庫発注・配分のための確率的最適化を含む、必要な全ての数値ツールを提供します。 この支援は、すべての関連するSKU間の制約をカバーしています。

5.2 プロモーション期間中の在庫配分(プロモーション活動支援)を管理できますか?

エグゼクティブサマリー: はい、Lokadのプラットフォームは、将来の需要急増を見越して在庫配分を調整することで、プロモーション期間中の在庫配分を管理するよう設計されています。 このプロセスには、プロモーション需要の予測、ERPシステムやマーケティング用スプレッドシートなど、さまざまな情報源からのデータ統合、および多様なプロモーション戦略を反映するための予測モデルの洗練が含まれます。 Lokadのサプライチェーンサイエンティストは、プロモーションの即時効果だけでなく、過剰在庫のリスクや物流制約も考慮に入れたモデルを実装します。 プラットフォームは、確率的最適化を用いてリスク調整済みの在庫意思決定を行い、十分なプロモーション在庫とプロモーション後の過剰在庫リスクとのバランスを取ります。

Lokadの在庫配分に関する基本原則は、これらの配分が予想される将来の需要に合わせて設定されることにあります。 特に、今後の需要急増、すなわち近づくプロモーションにおいては、それに対応する在庫配分の急増が通常必要です。 さらに、配分はプロモーション開始前のかなり前に実施される必要があり、物流上の制約を考慮しなければなりません。 例えば、全在庫を一度に移動すれば、物流ネットワークが急増する在庫移動に耐えられなくなる可能性があります。 Lokadのプラットフォームは、この種の問題とそのすべてのバリエーションをサポートするよう設計されています。

Lokadのサプライチェーンサイエンティスト(SCS)は、プロモーション計画を適切に反映する在庫配分を確実にするための数値レシピの実装を担当しています。

First, この責任にはプロモーション計画を記述するデータの収集および整理が含まれます。 これらのデータは、ビジネスシステム(ERP)内で構造化された形で見つかることは稀で、多くの場合マーケティング部門が管理するスプレッドシートにのみ存在します。 Lokadのプラットフォームは、このようなアドホックなスプレッドシートを含む複数の情報源との統合を前提に設計されています。

Second, SCSの責任には、将来需要の予測モデルを洗練させ、さまざまなプロモーションメカニズムの多様性を反映させることも含まれます。 基本的に、プロモーションは単に価格を下げるだけではなく、プロモーションディスプレイ(例:ゴンドラ)やその他のコミュニケーション媒体(例:ニュースレター)を通じて製品を前面に出す役割も果たします。 さらに、SKU間の連動(例:ある商品を購入すると別の商品が50%オフになる)などのメカニズムもあります。 Lokadのプラットフォームは、これらすべてをサポートするための広範な予測モデリング機能を備えています。

Third, SCSは、プロモーション需要を満たすために十分な在庫を確保しながら、プロモーション終了後の過剰在庫リスクを低減するためのリスク調整済みの意思決定を生成する責任も担っています。 物流制約がそれほど厳しくない場合、プロモーション中の補充を活用して初期の過剰配分リスクを緩和する機会も検討されます。 改めて、Lokadのプラットフォームは、これら複雑なリスク調整済みの意思決定を算出するための広範な確率的最適化機能を備えています。

5.3 ロイヤリティカード会員向けのパンフレット、パーセンテージ割引、金額割引、限定プロモーションなど、様々なプロモーション・報酬の種類をどのように管理、表示、区別しますか?

Lokadのプラットフォームは、小売業で用いられるあらゆる価格設定およびプロモーションメカニズムに対する広範なモデリングサポートを備えています。 当プラットフォームはプログラム可能であり、多数のプロモーションメカニズムに対応できるよう調整可能です—これまでに50以上の異なる例が特定されています。 また、当プラットフォームは自由なリレーショナルデータの処理にも対応しているため、元の取引システムに存在する形のまま情報を正確にインポートすることができます。

これにより、データを無理にベンダー定義のテンプレートに再構築することなく、本来のデータセマンティクスを保持することができます。 さらに、当プラットフォームは予測や機械学習のプログラム的な機能も有しており、サプライチェーンサイエンティストがクライアントのプロモーション・報酬提供における各メカニズムを反映した需要予測モデルを作成することを可能にします。

注意: Lokadは、本問題に関して、顧客のプロモーションメカニズムに伴う需要パターンの分析部分のみを対象としています。 Lokadは、クライアントのマーケティング部門と連携してプロモーションそのものを管理することを目的としていません。 理論上は可能ですが、取引システムと分析システムのソフトウェア層は分離しておくのが望ましいのです。 参照: #promotions

詳細な数学的背景については、Differentiable Programmingも参照してください。

FAQのComplications 5.2も参照してください。

5.4 UoM(単位)の変換を管理していますか?

はい、Lokadのプラットフォームは、全てのUoM変換を完全にサポートしています。 また、Lokadが異なるビジネスシステムからのデータを処理する際に時折発生する、(複数の)矛盾したUoMでの運用もサポートしています。 通常、データ準備段階でUoMの不整合を解決します。 また、異なるUoMで表現された制約を用いて在庫最適化を行うことも可能です。 例えば、フルトラックロード(FTL)には体積と重量の両方の容量があります。

注意: 通貨間の変換に関しては、Lokadは、数十種類の広く使われる通貨を網羅するforex関数などの組み込み機能を備えています。 このforex関数は、過去の通貨変換を適用することで、当時の経済的要因を反映する仕組みを提供します。 これにより、歴史的な通貨変動の_実際の_経済的影響を分析し、クライアントの数値レシピをさらなるレベルに洗練させることが可能となります。

5.5 キット変換を管理していますか?

Executive summary: はい、Lokadはキット変換と在庫最適化をサポートしており、積極的なキット組立てや在庫予約も可能です。我々の需要予測は、キットの一部としてだけでなく、個別にまたは複数のキットで販売されるキット要素を考慮し、異なるキットライフサイクルを踏まえています。Lokadの財務最適化は、在庫切れの真のコスト―複数の高付加価値キットにとって重要なキット要素の価値と粗利益への影響―を反映します.

Lokadのプラットフォームは、キット変換をサポートするとともに、キットが存在する状況下での在庫最適化も可能にします。キットは通常、部品表(BOM)の簡略化されたバージョンであり、オンライン・オフラインを問わず小売ビジネスで日常的に見受けられます。Lokadが行うキットを考慮した在庫最適化には、キット用の在庫単位をいつ予約するか、またはキット組立工程に独自のキャパシティ制限がある場合にいつ積極的にキットを組み立てるかを決定する能力が含まれます.

さらに、Lokadが生成する需要予測は、キット要素がキットの一部としてだけでなく、個別に販売・サービスされる可能性があるという現実を適切に反映しています。これらの予測は、同じキット要素が複数のキットで共有される場合にも対応し、もちろん、キットが同一のライフサイクルを持たず、異なるタイムラインでクライアントの提供に出入りするシナリオもサポートします。これらすべての要因は、今後必要となるキット要素の定量的評価に正しく反映されています.

最後に、キットが存在する状況下での在庫意思決定の最適化において、Lokadが推奨する財務的視点は、キット要素とキット自体との間に存在する依存関係を正しく反映しています。例えば、ある要素が安価で粗利益が非常に低い形で販売されていたとしても、その要素が高い価値と粗利益を持つ複数のキットに必要とされる場合、最終的なそのキット要素の在庫切れは、その要素自体の価値以上の大きなコストを伴うことになります。これは、その要素の間接的な価値が、目に見える直接的な価値をはるかに上回るためです.

したがって、Lokadは最適化を通じて、1つのキット要素の在庫切れによりキットのサービスが行えなくなる場合の真のコスト(キット依存性を考慮したもの)を反映しています.

5.6 発注判断および供給網上に既にある製品の残存有効期限に、商品の有効期限を考慮していますか?

Executive summary: はい、Lokadのプラットフォームは、発注予定のものも含む各在庫ユニットのライフサイクルを追跡することでこれを実現しています。そのコア設計は、スケーラビリティ、ユニットレベルのデータ処理の効率性、製品固有のライフサイクルの微妙な差異を反映するためのリレーショナルデータの取扱い、そして製品ライフサイクルや顧客行動の不確実性に対処する確率的予測能力を備えており、このアプローチにより購買発注、在庫割り当て、および価格戦略が最適化されます.

Lokadのプラットフォームは、各在庫ユニットが持つ固有のライフサイクルを時系列で追跡できるように設計されています。同様に、発注予定の潜在的な在庫ユニットにも同様のアプローチを適用しています。この非常に細かい分析手法を採用することで、Lokadが最適化する購買発注、在庫割り当て、および価格割引は、ネットワークを流れる各ユニットの特定のライフサイクルを反映しています.

Lokadのプラットフォームは、そのコア設計のいくつかの重要な側面によってこれを可能にしています:

第一に、当社のプラットフォームは非常にスケーラブルであるだけでなく、効率性にも優れています。ユニット単位でのフローのモデリングは、SKU(在庫管理単位)レベルでのモデリングに比べて負荷が高いですが、単に大量の計算資源を投入するだけでは、クライアント企業にとって非常に高コストとなるでしょう.

第二に、Lokadのプラットフォームはリレーショナルデータを処理するためのプログラム的機能を備えています。製品のライフサイクルの詳細は製品ごとに大きく異なります。生鮮食品と化学製品は共に賞味期限を持ちますが、その内容は全く異なります。Lokadはこれらの特性を取り入れることで、クライアントのサプライチェーン内で実際に起こっている事象を真正面から反映するモデルを構築します.

第三に、Lokadのプラットフォームは一般的な確率的予測機能を備えています。製品のライフサイクルにはそれぞれ固有の不確実性が伴うことがあります。例えば、小売店では、顧客が最も残存賞味期限の長い商品を優先して選ぶ可能性があるため、フローが厳格なFIFO(先入先出)に従うと仮定するのは大きな誤りです。Lokadの予測機能は、こうした微妙ながらも極めて重大な行動を正確に予測するために活用されます.

5.7 予想される在庫の期限切れを特定しますか?また、賞味期限の警告/アラートレポートを提供しますか?

Executive summary: はい、Lokadのプラットフォームはシリアルナンバー追跡がなくても在庫の全ライフサイクルを追跡し、B2C小売などの曖昧な状況に対しては確率的モデリングを展開できます。潜在的な期限切れや減価償却を特定し、必要に応じてアラートを発行することが可能です。しかし、Lokadはこれらの問題を未然に防ぐための積極的なサプライチェーン意思決定―例えば、割引や在庫の再配置によって期限切れリスクの商品を管理する―を推奨します.

Lokadのプラットフォームは、クライアントのサプライチェーンネットワークを流れる各ユニットの固有のライフサイクルを追跡する能力を有しています。当社のプラットフォームは、ユニットがシリアルナンバー(S/N)で追跡されていなくてもこれを実現可能です。ユニットのサービスまたは消費の順序に曖昧さがある場合(例:B2C小売店で見られるように)、Lokadは確率的モデリングを活用して在庫のあり得る状態を反映します。この詳細な在庫状態情報を用いて、潜在的な期限切れや減価償却を特定し、必要に応じて関連チームへアラートを発することが可能です.

しかし、Lokadはアラートを出すだけでなく、在庫のあり得る状態に関する詳細情報―在庫中の各ユニットの予想される期限切れ日も含む―を活用して、Lokadが算出した推奨サプライチェーン意思決定を積極的に調整することを推奨します。例えば、期限切れのリスクがある商品の割引やプロモーションを推奨したり、または二次的な販売チャネルを通じた清算(割引価格での)を促したりする場合があります。さらに、現在の在庫が顧客需要ではなく期限切れにより間もなく消失することを認め、在庫の追加を提案することも選択肢の一つです.

基本的に、特定された潜在的な期限切れに対して何らかの対策が可能であれば、Lokadはそのアクションを提示する責任を負います。逆に、何も手立てがない場合(例:在庫が残念ながら期限切れし、もはや是正措置が不可能な場合)、そのアラートは対処不能なチームにとって単なる妨げとなるだけです.

エンタープライズソフトウェアベンダーにとって、何十(あるいは何千)ものアラートを生成することほど容易なことはなく、多くの能力不足なベンダーにとっては、それが唯一できることです。真の課題は、実行可能なアクションを生み出すことであり、これはベンダー(本件ではLokad)が実行可能なものとそうでないものを見極める必要があるのです.

このFAQのComplications 5.6もご参照ください.

5.8 発注費、入荷費、在庫保管費、資本拘束費用を考慮したEOQ(経済的発注量)の最適化は可能ですか?

Executive summary: はい、Lokadのプラットフォームは、発注費、出荷費、保管費、運転資本費用、機会費用、そしてその他見落とされがちな費用を考慮してEOQの最適化を行うことができます。旧式のウィルソン・フォーミュラよりも進んだアプローチを採用しており、過度に単純化された仮定や在庫評価損のリスクに対処できないという問題を克服しています。Lokadは、発注数量のみに注目するのではなく、各購買決定に経済的要因を組み込むことを推奨します.

Lokadのプラットフォームは、サプライチェーン意思決定の経済的最適化のために設計されています。具体的には、発注費、出荷費、保管費、資金コスト(運転資本)および機会費用を含む発注に伴うすべての間接費用を反映することが容易です。さらに、Lokadのプログラム的機能により、上記のリスト以外にもクライアントのビジネスに関連するあらゆる専門的な費用に対応することが可能です。しかし、私たちはEOQで数量を単独で算出するのではなく、各購買決定に経済的要因を内在化することを推奨します.

古典的なサプライチェーン理論では、EOQ(経済的発注量)にウィルソン・フォーミュラを用いることが提案されています。しかし、このアプローチには深刻かつ即時の欠陥があり、大雑把な丸め処理を強制するため多くの場合効果を発揮しません。そもそもEOQは在庫評価損のリスクに対処できない設計となっているのです。したがって、理論上のEOQより少ない数量で発注することは一見非効率に見えても、実際には過剰発注して即座に大きな評価損が発生するよりも、はるかに優れた選択肢となることが頻繁にあります.

在庫コストの評価、分類、最適化に関するLokadの見解については、在庫コストもご参照ください.

5.9 “不適合”状態の在庫に対するKPIはありますか?

はい、Lokadのプラットフォームは「不適合」ダッシュボードおよび/またはKPIを容易に提供できます。当社のプラットフォームはプログラム的であるため、取引ビジネスシステムから抽出可能なあらゆるデータを表示できます。つまり、KPIの計算や表示に制限はなく、クライアントの仕様やルールに完全に合わせて作成可能なのです。不適合の標準的な定義が企業間で存在しないため、プログラム的プラットフォームが必要となります.

また、Lokadのプラットフォームは、過去のデータを活用してこれらの不適合イベントの予測モデルを作成することも可能です。例えば、あるサプライヤーは品質問題を抱えており、その出荷の一部が必ずしも検査に合格しない場合があります。その結果、クライアントの顧客に実際に提供できる数量は、元々発注された数量よりもしばしば少なくなるのです。これらの事象を確率的予測モデルでモデリングすることにより、Lokadはこの不確実性を反映したリスク調整済みの発注決定を導出できます.

5.10 重要資材に関するレポートは提供していますか?

はい、Lokadのプラットフォームは、クライアントが『重要』と判断する資材についてのレポートを容易に生成できます.

Lokadにとって、これは曖昧な概念であり、『重要資材レポート』を構成するものに固定の定義はありません。私たちの経験では、業界ごとに異なります。FMCG(高速回転消費財)の場合、通常『重要資材』とは、最も回転率が高く、個数および金額の両面で最大のボリュームを持つものを指します。航空業界では、『重要性』は在庫切れ時にAOG(航空機地上待機)インシデントを引き起こす可能性のある部品を意味し、一般的な雑貨店では、顧客が店舗で_見つけることを期待する_商品を指すことが多いです.

Lokadのプログラム的機能は、この種の要求に対処するために不可欠です。これらの機能を通じて、スプレッドシートやビジネスインテリジェンスツールで実装可能なあらゆるルールを、当社のプラットフォーム上でも実装できます。こうしたプログラム的機能がなければ、サプライチェーン担当者は、企業が『重要』と見なすものの曖昧な概算に頼らざるを得ず、結局スプレッドシートに戻ることになるでしょう。分析層(本件ではLokad)は、ビジネスの複雑さに完全に対応できなければならず、したがって完全なプログラム機能と自由度が求められるのです.

6. レポーティング

6.1 総在庫量に対するKPIはありますか?具体的には、在庫回転率やカバレッジ率は含まれていますか?さらに、これらのKPIは部品番号(P/N)、製品プラットフォーム、製品品質でセグメント化できるほか、製品の品質に基づいてさまざまな活動やセクターの月次進捗レポートを提供できますか?

Executive summary: はい、Lokadは、部品番号、製品プラットフォーム、製品品質などクライアント固有の要件に適応可能な、在庫管理のためのカスタマイズ可能なKPIを含む幅広いレポーティング機能を提供しています。当社のドメイン固有言語(Envision)は、各企業の独自データ構造に対応し、標準データフォーマットを必要とせずにデータの可視化やダッシュボード作成を容易にするため、従来のエンタープライズソフトウェアで一般的な長期的統合プロジェクトを回避できます。このアプローチにより、オーダーメイドのレポート生成とサプライチェーン最適化の管理において、高い生産性、信頼性、およびスケーラビリティが実現されます.

Lokadのプラットフォームは、豊富な組み込みレポーティング機能を備えています。経験則として、スプレッドシートやビジネスインテリジェンスツールで作成できるレポートは、Lokadでも作成可能です。Lokadは、サプライチェーンの予測最適化に特化したDSL(ドメイン固有プログラミング言語、『Envision』)を開発しました。名前が示す通り、このDSLはデータの可視化を容易にすることに重点を置いています。通常、Lokadのサプライチェーン科学者がすべての関連ダッシュボードやKPIの設定を担当し、さらにLokadのプラットフォームは、複雑なダッシュボードを定常時間でレンダリングできるよう設計されているため、必要な情報を求めて複数の画面を行き来する煩雑さを解消し、全ての関連項目を一箇所に集約したダッシュボードを構築できます.

Lokadが作成するすべてのレポートは、類似のソフトウェアで一般的に見られるものとは異なり、クライアント企業向けに完全にオーダーメイドとなっています。実際、これらのレポート―「基本的な」ものすらも―は、該当クライアントの細部(適用環境など)に完全に依存するため、柔軟なプログラムプラットフォームがなければ作成不可能です。私たちの経験では、たとえ同じソフトウェアを用いてビジネスデータを全く同じ方法で整理しても、2社が全く同一であることはありません.

本番環境において、日常的な「データ配管」作業は、そのようなレポートの生成に投資される作業の90%以上を占めます。したがって、Envisionを通じて、Lokadはこのデータ配管に関連する生産性の課題に真正面から取り組んでいます。さらに、このアプローチにより、クライアントの他の業務システムに既存のすべての符号化、階層、慣習を保持する可能性が得られます。その結果、Lokadは従業員が理解しなければならない別の一連の慣習を導入するのではなく、クライアントのスタッフと「全く同じ言語」を話すことになるのです。

エンタープライズソフトウェアにおける主流のアプローチは、一連のデータ要件を確立することにあります。入力データがこれらの要件に適合すれば、すべての報告および分析機能が解放されます。しかしながら、このアプローチは最小規模な企業以外にはほとんど機能しません。元の業務システム(データの出所)とパッケージ化された分析システムとの間には、一対一の対応が存在しないため、データの変換は全てを適合させることが不可能であるため非常に要求が厳しく、苛立たしいものとなります。業務データをパッケージ化された分析システムに取り込むための「設定」という単純な問題に見えたものが、必然的に1年に及ぶ統合プロジェクトへと転じるのです。これは、サプライチェーンに関する2つの異なる複雑な視点を調和しようとする試みの逃れがたい結果なのです。Lokadのプラットフォーム設計の選択は、この問題を完全に解消します。

6.2 在庫の健康状態とカバレッジレポートはありますか?

Executive summary: はい、Lokadは高度な確率的予測とプラットフォーム上のツールを通じて在庫の健康状態とカバレッジレポートを提供し、通常は金銭的な単位で表現される正確なリスク評価を可能にします。これらの財務的リスク評価が、クライアントの在庫に対する根本的な「健康リスク」となっています。従来の、単一の未来のみを考慮する時系列予測とは異なり、Lokadのアプローチは複数の可能な未来の値(例:需要)を考慮するため、より正確かつ包括的な在庫リスクの把握が可能となり、在庫の健康問題を回避、あるいは少なくとも軽減するのに役立ちます。

Lokadのデフォルトの運用方法は、在庫の健康状態やカバレッジレポートなどの在庫監視ツールを提供することです。これらのレポートは、Lokadのサプライチェーンサイエンティストが作成します。Lokadのプラットフォームには広範なプログラムによる報告機能が備わっており、需要、リードタイム、その他すべての不確実性の要素に関する確率的予測を、割合ではなく在庫コストのドル単位に理想的に反映した高レベルの予測へと変換するために必要な全てのツールが含まれています。

在庫の「健康状態」は常に、市場の将来予想条件に対して相対的です。在庫として保有されている単位数が過剰とみなされるのは、過去に観測された需要を大幅に超える場合ではなく、将来の予想需要を大きく上回る場合に限られます。たとえば、新製品や長期間にわたる供給不足により過去需要がゼロであった場合もあります。したがって、課題の核心は、予測をレポートに変換することにあります。

ここで、Lokadが支持する、あらゆる可能な未来を考慮しそれぞれに確率を割り当てる確率的予測は理想的です。これにより、各リスクの発生確率を割り当て、そのリスクに伴う潜在的な財務的影響を評価することで、在庫リスクを正確に評価することができます。Lokadが提供するレポートには、このような金銭単位(例:ドルまたはユーロ)で表現されたリスクが反映されています。

対照的に、従来の時系列予測は設計上、単一の未来の値(例:需要)のみを考慮します。そのため、これらの予測は、クライアントが在庫の決定に基づいて直面する多様な財務リスクを十分に伝えることができません。時系列予測の洗練度は問題ではなく、予測の形式や構造自体が必要な情報を伝達していないのです。最近の過去を直接検証して在庫リスクを判断しようとする粗いヒューリスティックを用いる試みもありました。例えば、手元に2〜3週間分以上の在庫があるSKUをカウントする方法などです。しかし、これらの手法は、サプライチェーンの担当者を啓蒙するどころか、むしろ誤った指標を生み出す結果となります。

6.3 発注書(PO)の納期延期や早期実行が必要な場合、調達チームに通知できますか?

Executive summary: はい、Lokadはこれらの「アラート」を発行することができますが、私たちはこれを「決定」と呼ぶことを好みます。Lokadのプラットフォームは、経済的利益やサプライヤーとの協力に基づいて発注書(PO)の修正を反応的に行うなど、意思決定の推奨事項の自動リストを生成します。私たちは、単に潜在的な問題をクライアントに通知するだけではなく、コストと利益をモデル化した直接的な行動呼びかけとしての推奨事項であるため、「アラート」よりも「決定」という用語を好みます。

Lokadは、必要に応じてPOの延期や早期実行を含む観点から決定の生成を自動化します。これらの決定は、経済的報酬の順に優先順位が付けられ、修正されたPOに伴う経済的利益がその要因に含まれます。これらの要因には、サプライヤーに発生するオーバーヘッドを反映するためのネガティブ・グッドウィルや、サプライヤーが修正を受け入れ実行する可能性が含まれる場合もあります。同様に、サプライヤーがその選択肢に応じるならば、POの数量を増減する修正も提案可能です。Lokadのサプライチェーンサイエンティストが、POに関する利用可能なオプションの詳細を定めた後、対応する「アラート」(私たちが「決定」と呼ぶもの)を生成するロジックを自動化します。

Lokadが「アラート」を「決定」と呼ぶのは、各推奨事項に潜在的なコストと利益が伴い、サプライチェーンに具体的な影響を及ぼすからです。この点で、これらの推奨事項は、そもそもPOを発注することを推奨するのと本質的に変わりません。主な違いは、サプライヤーがPOに対する要求された修正に応じる意思(または能力)が不確実である点にありますが、サプライヤーがその要求に応じた場合、この推奨事項は元のPOと同様に「注文」としての性格を持ちます。

多くのエンタープライズソフトウェアは、購入や在庫の再調整といった狭い教科書的な状況に限定された、旧式(現在は陳腐化した)サプライチェーンの意思決定の視点を提供しています。この種のソフトウェアは、設計上、サプライヤーとの間で協議可能な微妙な選択肢をすべて無視します。例えば、サプライヤーは注文を早期に実行、延期、拡大、縮小、さらには一部製品を別の製品に置き換える可能性さえ持っています。場合によっては、クライアント企業が複数回の出荷に伴うオーバーヘッドを支援する意志があれば、POの一部を早期に出荷することも可能です。また、一定期間、未使用の商品をサプライヤーに返却することも可能です。Lokadのプラットフォームが持つプログラム機能は、こうした微妙な選択肢に対応するための必要な技術的要素です。

6.4 納期が到来または遅延した際、調達チームに通知できますか?

はい、Lokadのプラットフォームは、納期が遅延した際に容易にアラートを生成および発行できます。弊社の確率的予測アプローチにより、変動するリードタイムの中でもこれらのアラートを精緻化することが可能です。

リードタイムの確率的予測を用いることで、ある遅延が実際に異常なものか、またはサプライチェーンで日常的に観測されるささいな変動の一部に過ぎないのかを評価できます。さらに、アラートは遅延による期待される経済的影響を反映するように優先順位が付けられます。例えば、需要が予想外に減少した場合、追加のリードタイムは偶然にも重要でないものとなり、調達チームの即時対応を必要としなくなる可能性があります。基本的に、サプライチェーンのすべての可動部分は、調達チームの注意を引こうと競い合っています。この注意は限られた資源であり、最終的にはLokadが生成するアラートによって最大化されることを目指しています。

基本的に、私たちの考えでは、一般に知られている「アラート」の発行は、設計の不十分なエンタープライズソフトウェアを示す陳腐な手法です。「アラート」は通常、状況の明確な財務評価に基づく実行可能な推奨や決定を提供するのではなく、単にクライアントに問題を通知するだけにとどまります。Lokadは、クライアントにリスク調整済みの決定を生成することが本質的な責任であり、単なるアラートによって注意を散漫にすべきではないと考えています。そのため、たとえアラートを発行する場合でも、それは「問題に対する利益をもたらす是正措置/対応策」を意味するものとして理解されるべきです。

このFAQのレポーティング 6.3も参照してください.

7. 生産性

7.1 ユーザーは補充閾値を手動で定義または在庫パラメータを手動で上書きできますか?

Executive summary: はい、Lokadのプラットフォームは、ユーザーが補充閾値を手動で設定し、在庫パラメータの上書きを行い、一時的な調整を加えることも可能にします。ただし、頻繁な手動上書きは強く推奨しません。むしろ、Lokadが生成する決定に問題がある場合は、それらを生成する根本的な数値レシピ(アルゴリズム)を更新・改善することを選びます。Lokadは、哲学的にも技術的にも方法論的にも、手動介入に依存する時代遅れで信頼性の低い手法を超越し、信頼性が高く拡張可能な自動化を好むのです。

Lokadのプラットフォームは非常に柔軟に設定可能であるため、在庫補充のワークフローには、補充閾値やその他の類似の在庫パラメータ(例:最小/最大、安全在庫など)の手動データ入力や上書きを容易に組み込むことができます。さらに、サプライチェーンの担当者が数週間または数ヶ月で状況が正常に戻ると予測する場合は、手動データ入力に「有効期限」を付けるなどのバリエーションも検討可能です。これにより、通常の数値レシピが補充プロセスの制御を取り戻すことができます。短期的には固定された閾値が有益である場合もありますが、中期的にはその閾値が元々の関連性を失うため、ほぼ必ず問題となります。

より一般的に、Lokadは日常的な在庫補充の運営において手動上書きに頼ることを強く推奨しません。在庫補充を管理する数値レシピに問題がある場合、そのレシピは緊急に修正されるべきです。Lokadのサプライチェーンサイエンティストは、必要な修正を迅速に提供するための訓練を受けています。代わりに手動上書きに頼ることは、クライアントのスタッフが短期間の修正をダクトテープで留めるのと同等であり、明らかに非効率で、Lokadの定量的サプライチェーン理論が目指す、時間、リソース、帯域幅をより高付加価値な業務に再配分するという基本的な成果に反します。

Lokadのアプローチは、消費者を定期的な—非効率な—手動上書きに縛る、旧式の技術を提供する多くのエンタープライズソフトウェアベンダーに対して真っ向から反論するものです。この状況は、ソフトウェアが生成するゴミを修正する責任が顧客にあるという黙示の理解に基づいています。責任はしばしば、クライアントに有用な是正措置を提供することなく、サブオプティマルな状況を伝える「アラート」を発行することでソフトウェアベンダーから逸らされます。その結果、在庫補充に誤りが生じるたびに、その責任はシステムを手動で上書きすべき担当者に転嫁されるのです。Lokadはこれを非常に問題のある慣行とみなし、まさにそのために我々はそれを行いません。

7.2 事前定義またはユーザー定義の変数(例:サプライヤーのパフォーマンス、目標サービスレベル、需要の変動性、SKUクラス、賞味期限など)に基づいて在庫パラメータを自動化できますか?

Executive summary: はい、Lokadは在庫パラメータを含む在庫に関する決定を、最小限の手動介入で完全自動化された日次プロセスを通じて自動化します。この自動化は、必要に応じて大規模な混乱にも適応します。このプロセスでは、変動する需要やリードタイムなどの不確実性に対処するために確率的予測が活用され、全てのコストと制約を考慮する確率最適化を通じた堅牢な財務アプローチが用いられます。これにより、不確実なサプライチェーン状況下でもサービスを最大化し、財務上のエラーを最小限に抑えることが可能となります.

Lokadのデフォルトのアプローチは、補充数量などの在庫に関する決定の計算を支配する全プロセスを自動化することです。Lokadにとって、手動介入を全く必要としない完全自動化された日次プロセスが標準となっています。大多数のクライアントは、数週間にわたり手動介入なしで運用しています。当然、前例のない大規模な混乱(例:ロックダウンのようなシステム的ショック)が発生した場合、Lokadのサプライチェーンサイエンティストが介入し、混乱を軽減するために数値レシピを調整する準備が整っています。しかし、日常的なルーチンの決定は完全に自動化されるべきであり、その結果、時間と精神的労力をより高次の業務(例えばビジネス戦略)に再配分することが可能となります.

すべての在庫パラメータの更新の自動化は、予測モデルと確率最適化という2つのレベルで行われます.

Lokadは、リードタイム、返品などのすべての関連する不確実性の要素に対して確率的予測を使用します。例えば、上述のロックダウンシナリオでは、サプライヤーのパフォーマンスが暗黙的にリードタイムの変動性の問題として扱われ、確率的リードタイム予測によって対処されなければなりません。Lokadのプラットフォームは、これらすべての確率的予測を生成するだけでなく、それらを統合して企業の将来に対する統一的な確率論的見通しを構築することも可能です。この目的のために、Lokadのプラットフォーム内では、微分可能なプログラミングやランダム変数の代数を活用するのが通常です.

最適化そのものに関しては、すべての関連するコストや制約を考慮しなければなりません。例えば、同じロックダウンシナリオでは、賞味期限は暗黙のうちに特定の非線形保有コストを意味します。Lokadが在庫最適化において財務的アプローチを推進する理由の一つは、多くの一見ばらばらに見える懸念事項を統一的な数値的視点に統合しやすくするためです。この数値的視点により、Lokadは在庫エラーをドル(またはユーロ)単位で最小化し、適切なサービス提供によって得られるリターンを最大化することができます。Lokadのプラットフォームでは、この目的のために一般的な確率最適化機能を活用するのが通常です。「確率的」という部分は、ノイズや不確実性、ランダムな条件下での最適化を実行するLokadの能力を指します.

7.3 発注書(PO)の発行は自動化されていますか?

エグゼクティブサマリー: はい、Lokadは発注書(PO)の生成を自動化しており、ビジネスシステムからの入力(および出力)に自動化されたデータパイプラインを活用することで、常に最新で同期された注文を実現しています。これは、取引システムの上に位置する分析層として機能し、最適化された数量を計算するものの、PDFの作成など取引上のプロセス実行は行いません。さらに、Lokadは重要な注文に対しては手動での監視を可能としながら、日常的な注文は自動化する、部分的な検証ワークフローを備えた半自動オプションも提供しています。

Lokadは最適化された発注書の生成を自動化します。この自動化には、クライアントとLokadプラットフォーム間の自動化されたデータ抽出パイプラインが必要です。このデータパイプラインは理想的には日次の更新を伝送し、Lokadが常に最新のデータで動作することを保証します。これにより、生成された発注書がビジネスの現状と同期されます。また、この自動化には、Lokadから元のビジネスシステムへ向けた自動化されたデータエクスポートパイプラインも必要で、発注プロセスの単調で純粋な取引ステップがそこで完了されます。

Lokadは、ERPなどの取引ビジネスシステムの代替となるものではありません。Lokadは取引ビジネスシステムの上に構築された分析層であり、各発注書に対して最適化された数量(すなわち、どれだけの量をいつ発注すべきか)を計算します。しかし、例えばサプライヤーにメール送付するためのPDF注文書ファイルは生成しません。これらの手順は取引ビジネスシステムの領域に属するため、Lokadは必要な情報をすべて含むフラットな表形式のファイルを作成し、そのデータは後にクライアントのビジネスシステムへエクスポートされ、実行されます。

Lokadのプラットフォーム内で、一部の検証ワークフローを伴う半自動プロセスを確立することも可能です。たとえば、クライアント企業は「重要でない」発注書(通常は小規模なもの)を自動で検証する一方、一定の閾値や望ましいパラメータを超えた注文については、サプライチェーンの担当者が介入して手動で推奨される発注数量を検証することを選択するかもしれません。これらのルールは随時更新可能です。プロジェクトが進展し、クライアントが生み出される価値を実感するにつれて、手動検証の閾値は徐々に引き上げられる傾向にあり、最終的にはクライアントのサプライチェーンチームの負担軽減につながります。

7.4 当日のタスクが優先順位順に表示されるプランナー/バイヤー用ウィンドウはありますか?

エグゼクティブサマリー: はい、Lokadのプラットフォームは、主要な企業機能向けに毎日特別に設計された統一ダッシュボードを提供します。この単一ウィンドウは、発注書管理やデータ異常検査などのアクション項目を整理・表示し、金銭的な影響という観点から優先順位付けを行います。

Lokadのプラットフォームを利用する際、各企業機能ごとにすべてのアクション項目を優先順位順に整理した単一のウェブダッシュボード(すなわち、単一のウィンドウ)に集約することをお勧めします。その優先順位は、アクション項目が処理されなかった場合に生じる実際の金銭的影響(ドルまたはユーロ)によって示されるべきです。需要と供給のプランナーにとって、このダッシュボードには通常、新規に推奨される発注書(PO)と、さらなる対応が必要な古い発注書(例:迅速化、延期、増量、縮小)が含まれます。Lokadのサプライチェーンサイエンティストは、各クライアントの独自の企業構造に合わせてダッシュボードを調整する責任を担っています。これは、企業ごとに異なる調達、計画、在庫管理、購買、財務チーム間の境界を考慮すると非常に重要です。

これらのアクション項目には、誤った小売価格、誤った最小発注数量(MOQ)、誤った在庫レベルなど、クライアントにとって大きな影響を与えるデータ異常の検査も含まれる場合があります。これらのアクション項目は、その潜在的な経済的影響に基づいて優先順位付けされます。 より一般的に、Lokadはエンタープライズソフトウェアで非常に一般的な2つの落とし穴を回避しています。まず、特定のユーザーの作業負荷を分散した複数の画面(またはウィンドウ/ウェブページ)に分散させることはありません。

むしろ、Lokadのプラットフォームは、常に一定時間内で複雑なダッシュボードを提供するよう特別に設計されています。この技術的な特徴は、エンドユーザーの利益のために複数の異なる要素を単一のダッシュボードに統合する際に非常に重要です。さらに、Lokadのプラットフォームはエンドツーエンドの経済分析をサポートするようにも設計されており、すべてのアクション項目が共通の貨幣的優先順位付けの論理の下に統一されています。

注記


  1. 裸の予測(サプライチェーンのアンチパターン) ↩︎

  2. SKUレベルでのM5予測コンペティションNo1 ↩︎

  3. Joannes Vermorelによるサプライチェーン講義 ↩︎

  4. 簡単に言えば、これはクライアントのサプライチェーンの意思決定を生み出すために使用される洗練されたアルゴリズムを指します。クライアント固有のサプライチェーン目標を反映し、その制約や要因の全体を考慮するように作られています. ↩︎

  5. Lokadが推奨する意思決定は、通常、その経済的要因によって_ホワイトボックス化_されています。各要因の分解(影響を表すユーロまたはドルで示される)が、なぜ特定の意思決定が推奨されるのかを説明します。この情報は、複数のカスタマイズ可能なダッシュボードを通じて伝えられます。クライアントがサプライチェーンの意思決定とどのように連携するかの詳細については、Lokadのテクノロジーを参照してください. ↩︎