サプライチェーンについて学ぶ

この連続講義シリーズは、サプライチェーン・マネジメントの基礎、すなわち課題、方法論、技術を提示します。目的は、組織が優れた現実世界のsupply chain performanceを実現できるようにすることです。本講義で提示されるビジョンは、主流の供給チェーン理論とは一線を画しており、定量的サプライチェーンと呼ばれます。講義は、LokadのCEOで創設者であるJoannes Vermorelによって行われ、Lokadがクライアントのために運営する実世界のサプライチェーンを例として示しています。

対象者: この講義は、サプライチェーンの改善に意欲を持つすべての人々、すなわち上級幹部から初級アナリストや学生までを対象としています。講義には、前提知識を最小限に抑えるための「クラッシュコース」も含まれています.

1. プロローグ

1.1 サプライチェーンの基礎

サプライチェーンとは、実物商品の流れに伴う変動性や制約に直面した際に、選択肢を見極めるための定量的かつ臨機応変な技法です。それは、調達、購買、生産、輸送、流通、プロモーションなどを含みますが、基礎的なオペレーションの直接管理ではなく、選択肢の育成と選定に重点を置いています。本シリーズで提示する「定量的」サプライチェーンの視点が、主流とされるサプライチェーン理論といかに大きく異なるかを見ていきます.

参考文献 (書籍):

• 在庫管理と生産計画・スケジューリング, Edward A. Silver, David F. Pyke, Rein Peterson, 1998
• サプライチェーン理論の基礎, Lawrence V. Snyder, Zuo-Jun Max Shen, 2011

1.2 定量的サプライチェーンの概要

定量的サプライチェーンのマニフェストは、Lokadが提唱・先駆けたこの代替理論が主流のサプライチェーン理論とどのように異なるかを理解するための、いくつかの重要なポイントを強調しています。要するに、すべての意思決定は経済的ドライバーに基づき、すべての可能な未来に対して評価されるというものです。この視点は、Lokadにおいて次第に主流のサプライチェーン理論として定着し、（ほとんどの？）ソフトウェアベンダーによる実装が依然として困難な状態にあります.

1.3 製品指向の提供

定量的サプライチェーンの取り組みの目的は、定型的な意思決定（例：在庫の補充、価格更新など）を自動化するソフトウェアアプリケーションを提供または改善することにあります。このアプリケーションは、一つの製品として設計されます。主流のサプライチェーン理論が企業全体で浸透に苦しむ一方、いわゆる「Microsoft Excel」というツールは、運用上大きな成功を収めています。スプレッドシートで主流のサプライチェーン理論の数値的レシピを再実装するのは容易ですが、理論が知られているにもかかわらず実際にはそうならなかったのです。私たちは、スプレッドシートがサプライチェーンの成果をもたらす上で、プログラミングパラダイムを採用することで優位に立ったことを実証します.

参考文献 (書籍):

• Joel on Software: ソフトウェア開発者、デザイナー、マネージャー、そして彼らと何らかの形で関わる人々にとって興味深い多様な事柄について, Joel Spolsky, 2004

1.4 サプライチェーンのためのプログラミングパラダイム

サプライチェーンの予測的最適化には、特定のプログラミングパラダイムが必要です。実際、パッケージ化されたソフトウェア製品を通して『プログラム的』な視点を避けることはできない（前講義参照）ものの、主流のプログラミング手法は、サプライチェーンの取り組みに致命的な偶発的複雑性の層を伴います。ここでは、実世界のサプライチェーンに特に適した一連のプログラミングパラダイムを提示します。この講義は、Lokadがそれらのパラダイムに基づいて設計した、サプライチェーン最適化専用のDSL（ドメイン固有プログラミング言語）であるEnvisionを例にとっています.

参考文献 (書籍、講義の質疑応答部分で言及):

• ダイナミック・サプライチェーン: 人間中心のバリューネットワークの設計・構築・管理, John Gattorna, 2015

1.5 21世紀のサプライチェーンのトレンド

過去数十年にわたり、いくつかの主要なトレンドがサプライチェーンの進化を支配し、企業が直面する課題の構成を大きく変えてきました。かつては物理的な危険性や品質問題といった課題が目立っていましたが、現在は全体的な複雑性や競争の激化といった新たな問題が浮上しています。特に、ソフトウェアもまたサプライチェーンを根本的に再構築しています。これらのトレンドを概観することで、サプライチェーン理論の焦点がどこにあるべきかを理解する手助けとなります.

参考文献 (論文、講義の質疑応答部分で言及):

• Tokeda, ビットコインにおける実用的なトークンドリブン・メタデータ, Joannes Vermorel, 2018, (28ページ：偽造対策のブロックチェーン事例)

1.6 サプライチェーンの定量的原則

サプライチェーンは、電磁気学のように確固たる定量的法則で特徴づけられるわけではありませんが、（ほぼ）すべてのサプライチェーンに適用可能な一般的な定量的原則は観察できます。こうした原則を明らかにすることは、サプライチェーンの予測的最適化のための数値レシピの設計を容易にするだけでなく、それらのレシピ全体をより強力なものにするためにも極めて重要です。ここでは、いくつかの観察原則と最適化原則という二つの短いリストを検証します.

1.7 サプライチェーンにおける知識、時間、労働について

サプライチェーンは一般的な経済原則に則っています。しかし、これらの原則は十分に知られておらず、しばしば誤解されがちです。一般的なサプライチェーンの実践やその理論は、経済学で一般に合意されていることと矛盾する場合が多いのですが、これらの実践が基本的な経済学の誤りを証明する可能性は低いのです。さらに、サプライチェーンは複雑なシステムであり、比較的新しい概念であるシステム論もまた十分に知られておらず、誤解されることが多いです。この講義の目的は、実世界のサプライチェーンの計画問題に取り組む際、経済学とシステム論がどのような知見を提供するかを理解することにあります.

2. 方法論

サプライチェーンの研究と実践は、科学に根ざし、すなわち科学的手法に裏付けられていなければなりません。実際、過去3世紀にわたり、適切な実験的手法を採用して自己革新を遂げたすべての分野は、『科学』の象徴とされる驚異的な進歩を遂げてきました。しかし、サプライチェーンはまだそのような進歩を経験しておらず、その原因の多くは不適切な実験手法にあると考えられます。サプライチェーンの厄介な性質は、適切な手法を必要とし、本章ではそれを探求します.

2.1 サプライチェーン・ペルソナ

サプライチェーンにおける「ペルソナ」とは、架空の企業を意味します。しかし、その架空性はサプライチェーンの視点から注目すべき点を明確にするために設計されています。ペルソナは、サプライチェーン上の課題を単純化するための理想化ではなく、むしろ状況の中で最も困難な側面、すなわち定量的モデリングや改善施策のパイロット試行において最も頑なに抵抗する側面を際立たせるためのものです。サプライチェーンにおけるケーススタディは、複数の当事者の名前が挙がると、深刻な利益相反に悩まされがちです。企業およびその支援するベンダー（ソフトウェア、コンサルティング）は、結果を好意的に見せる利害関係を持っています。さらに、実際のサプライチェーンは、実行の質とは無関係な偶発的な条件により損なわれたり恩恵を受けたりすることが一般的です。こうした問題に対する方法論的解答が、サプライチェーン・ペルソナなのです.

参考文献:

• 実験医学研究入門 (英語版), (原著フランス語版), クロード・ベルナール, 1865
• フェニックス・プロジェクト: IT、DevOps、そしてビジネス成功への道に関する小説, Gene Kim, Kevin Behr, George Spafford, 2013
• 単言語コーパスのみを用いた教師なし機械翻訳, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, 2018

2.1.1 パリ - 小売ネットワークを持つファッションブランド

パリは、大規模な小売ネットワークを展開する架空のヨーロッパ発ファッションブランドです。このブランドは女性をターゲットにし、比較的手頃な価格帯で展開しています。デザインはクラシックで控えめですが、主要なビジネスドライバーは常に新規性にあり、年間に複数のコレクションを通じて新製品の波を生み出しています。適切な製品を、適切なタイミングで、適切な価格、そして適切な在庫量で提供することが、主要な課題の一つです.

2.2 実験的最適化

最適化が単に与えられたスコア関数に対してオプティマイザを展開するだけという単純なデカルト的視点からは程遠く、サプライチェーンでは反復的なプロセスが必要です。各反復は、『常軌を逸した』意思決定を特定し、詳細に調査・対処するために用いられます。その根本原因はしばしば不適切な経済的ドライバーにあり、予期せぬ影響を再評価する必要があります。数値レシピが常軌を逸した結果をもたらさなくなると、反復の性質自体が変化します.

参考文献:

• 科学的発見の論理, Karl Popper, 1934

2.3 ネガティブ・ナレッジ

アンチパターンとは、一見魅力的に見えるものの実際には機能しない解決策のステレオタイプです。アンチパターンの体系的研究は、1990年代後半にソフトウェア工学分野で先駆けられました。適用可能な場合、アンチパターンは単なる生のネガティブな結果よりも優れており、記憶や議論が容易です。アンチパターンの視点はサプライチェーンにおいて極めて重要であり、ネガティブ・ナレッジの根幹の一つと考えるべきです.

参考文献:

• アンチパターン: 危機に瀕したソフトウェア、アーキテクチャ、プロジェクトのリファクタリング, William J. Brown, Raphael C. Malveau, Hays W. “Skip” McCormick, Thomas J. Mowbray, 1998

2.4 対抗的市場調査

現代のサプライチェーンは、数多くのソフトウェア製品に依存しています。適切なベンダーの選定は、生存に直結する重要事項です。しかし、ベンダーの数が多いため、企業はこの作業に対して体系的なアプローチを求められます。伝統的な市場調査の手法は善意から始まるものの、調査対象企業のマーケティングフロントとして市場調査会社が働いてしまうため、必ずしも良い結果には至りません。中立的な調査会社が現れるという期待は誤りです。しかし、ベンダー同士の相互評価という手法は、偏った市場調査会社であっても中立的な結果を導き出すことを可能にします.

参考文献:

• 認識論的堕落、製薬業界、及び医科学の構造. Sergio Sismondo, 2021 (text)
• 影響力: 説得の心理学. Robert B. Cialdini, 1984
• 調達ガイダンス、利益相反, The World Bank, 2020 (PDF)

2.5 供給チェーンのための文書作成

供給チェーンは大規模なチームの調整を伴うため、文書化された資料が極めて重要です。現代の供給チェーンは口承伝統とは相容れません。しかし、実際には供給チェーンの担当者は書面によるコミュニケーション能力においてひどい結果を示すことが多いのです。ここでは、ユーザビリティ研究や著名な専門家の見解を概観します。また、実験的最適化アプローチで実施される供給チェーンの取り組みは、徹底した記録が求められます。数式やソースコードは「何を」と「どのように」を示すものの、「なぜ」については答えません。この文書は、供給チェーン・サイエンティストが直面している問題を理解するための手助けとなる必要があります。時が経つにつれ、この記録が次の供給チェーン・サイエンティストへの円滑な引継ぎの鍵となります。

参考文献:

• The Elements of Style (初版), William Strunk Jr, 1918
• F字型パターンによるウェブコンテンツの読み方, Jakob Nielsen, 2006 (text)

3. ペルソナ

前章で定義された手法に基づく、一連の_供給チェーン・ペルソナ_。

3.1 Miami - 航空MRO

Miamiは、米国に拠点を置く架空の航空MRO（メンテナンス、修理、オーバーホール）で、大規模な商用航空機群にサービスを提供しています。航空業界では安全が最も重要視され、部品やコンポーネントは定期的な検査と必要に応じた修理が必須です。Miamiは、必要な部品が欠如することによって発生するAOG（航空機地上待機）インシデントを回避し、常に航空機を空中に留めることを業務としています。

3.2 Amsterdam - チーズブランド

Amsterdamは、チーズ、クリーム、バターの生産を専門とする架空のFMCG企業です。複数の国で多数のブランドを展開しており、品質、価格、新鮮さ、廃棄物、品揃え、地域性など、相反するビジネス目標を慎重にバランスさせる必要があります。根本的には、乳製品の生産と小売のプロモーションが、同社を需給の板挟み状態に追い込みます。

3.3 San Jose - ホームウェアのeコマース

San Joseは、様々な家庭用家具やアクセサリーを取り扱う架空のeコマース企業で、自社のオンラインマーケットプレイスを運営しています。自社ブランドは内部および外部の他ブランドと競合し、より大規模で低価格の競争相手と対抗するため、注文された商品の迅速な配送を超える多様な形態で高品質なサービスを提供することを目指しています。

3.4 Stuttgart - 自動車アフターマーケット企業

Stuttgartは、架空の自動車アフターマーケット企業です。自動車の修理、部品、アクセサリーを提供する支店ネットワークを運営しており、2010年代初頭には自動車部品および中古車の売買のための二つのeコマースチャネルも開始しました。数万種類の車両と数十万種類の部品が存在する複雑で競争の激しい欧州自動車市場において、Stuttgartは高品質なサービスの提供を目指しています。

3.5 Geneva - ハードラグジュアリー時計メーカー

未定

4. 補助科学

供給チェーンの熟達は、他の複数の分野に大きく依存しています。供給チェーン理論を応用数学の一形態として提示することは頻繁に行われますが、これは誤ったアプローチです。こうした短期講座は、十分に熟考された供給チェーン実践に必要な文化的背景を提供することを意図しており、一連の「モデル」に単純化されるべきではありません。

4.1 モダンコンピューター

現代の供給チェーンは、モーターで動くコンベヤーベルトが電気を必要とするのと同様に、動作するために計算資源を必要とします。しかし、処理能力の低い供給チェーンシステムは依然として蔓延しており、その一方でコンピューターの処理能力は1990年以降、1万倍以上に向上しています。ITやデータサイエンスの分野でさえ、現代の計算資源の基本的特性を十分に理解していないことが、この現状の大きな要因となっています。数値レシピの背後にあるソフトウェア設計は、基盤となる計算資源と対立すべきではありません。

4.2 モダンアルゴリズム

供給チェーンの最適化は、多数の数値問題を解くことに依存しています。アルゴリズムは、正確な計算問題を解決するために高度に体系化された数値レシピです。優れたアルゴリズムは、より少ない計算資源で優れた成果を達成することを意味します。供給チェーンの特性に焦点を当てることで、アルゴリズムの性能は飛躍的に向上し、場合によっては桁違いの改善が見込まれます。また、「供給チェーン」アルゴリズムは、過去数十年間で大きく進化したモダンコンピューターの設計を取り入れる必要があります。

参考文献 (書籍):

• Introduction to Algorithms, Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein, 2009

4.3 数学的最適化

数学的最適化とは、ある数学的関数を最小化するプロセスです。現代の統計学習手法のほぼすべては、供給チェーンの視点から見れば、その核心に数学的最適化を据えています。さらに、予測が確立された後、最も収益性の高い意思決定を特定する際にも、基本的には数学的最適化が利用されます。供給チェーンの問題は多くの変数を含み、通常は確率的な性質を持っています。数学的最適化は、現代の供給チェーン実践の礎石です。

参考文献:

• The Future of Operational Research Is Past, Russell L. Ackoff, February 1979
• LocalSolver 1.x: A black-box local-search solver for 0-1 programming, Thierry Benoist, Bertrand Estellon, Frédéric Gardi, Romain Megel, Karim Nouioua, September 2011
• Automatic differentiation in machine learning: a survey, Atilim Gunes Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul, Jeffrey Mark Siskind, last revised February 2018

4.4 機械学習

供給チェーンにおいて、予測は不可欠です。購買、生産、在庫管理などのすべての意思決定は、未来の事象の予測を反映しています。統計学習や機械学習は、理論的にも実践的にも従来の「予測」分野に大きく取って代わりました。この分野は劇的な進歩を遂げたものの、多くの「データサイエンティスト」層においては十分に理解されていません。ここでは、三つのパラドックスの解決を通じてこの分野を探求します。第一に、手元にないデータについて正確な記述を行う必要があります。第二に、変数の数が観測数をはるかに上回る問題に対処しなければなりません。第三に、パラメータの数が変数または観測数をはるかに上回るモデルを扱う必要があります。現代の「学習」の視点から、データ駆動型の未来予測が何を意味するのかを理解しようと試みます。

参考文献:

• A theory of the learnable, L. G. Valiant, November 1984
• Support-vector networks, Corinna Cortes & Vladimir Vapnik, September 1995
• Random Forests, Leo Breiman, October 2001
• LightGBM: A Highly Efficient Gradient Boosting Decision Tree, Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu, 2017
• Attention Is All You Need, Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin, last revised December 2017
• Deep Double Descent: Where Bigger Models and More Data Hurt, Preetum Nakkiran, Gal Kaplun, Yamini Bansal, Tristan Yang, Boaz Barak, Ilya Sutskever, December 2019
• Generative Adversarial Networks, Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, June 2014
• Unsupervised Machine Translation Using Monolingual Corpora Only, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, last revised April 2018
• BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, last revised May 2019
• A Gentle Introduction to Graph Neural Networks, Benjamin Sanchez-Lengeling, Emily Reif, Adam Pearce, Alexander B. Wiltschko, September 2021

4.5 言語とコンパイラ

大多数の供給チェーンは依然としてスプレッドシート（すなわちExcel）で運用されており、それらを置き換えるために企業システムが1、2、時には3十年にわたって導入されています。実際、スプレッドシートは手軽なプログラム的表現力を提供する一方で、これらのシステムは一般的にそれを提供しません。より広く見ると、1960年代以降、ソフトウェア産業全体とそのプログラミング言語は共に発展してきました。次の供給チェーンパフォーマンスの段階は、プログラミング言語、もしくはプログラム可能な環境の開発と採用によって大きく推進されることを示唆する証拠があります。

4.6 ソフトウェアエンジニアリング

複雑さと混沌の抑制はソフトウェアエンジニアリングの礎です。供給チェーンが複雑かつ混沌としていることを考えれば、企業向けソフトウェアの問題の多くが不適切なソフトウェアエンジニアリングに起因しているのも不思議ではありません。供給チェーンの最適化に用いられる数値レシピもソフトウェアであるため、同じ問題に直面します。これらの問題は、数値レシピ自体の洗練度と共に深刻さを増していきます。適切なソフトウェアエンジニアリングは、供給チェーンにとって、病院における無菌状態の維持が果たす役割と同様に、単体では目立った効果はなくとも、その不在が全体の崩壊を招くものです。

4.7 サイバーセキュリティ

サイバー犯罪は増加の一途をたどり、ランサムウェアは急成長中のビジネスとなっています。物理的に分散しているため、供給チェーンは特に脆弱です。さらに、周囲の複雑さはコンピューターセキュリティ上の問題の温床となります。コンピューターセキュリティは設計上直感に反するものであり、それはまさに攻撃者が侵入や脆弱性を見出し悪用するための角度となっています。供給チェーン最適化に関与する数値レシピの種類によって、リスクは増大する場合もあれば低減する場合もあります.

4.21 ブロックチェーン

暗号通貨は大きな注目を集めました。富が生み出され、富が失われ、ねずみ講が横行しました。企業の観点からは、「ブロックチェーン」という言葉は、暗号通貨と一定の距離を置きながら類似のアイデアや技術を紹介するための丁寧な婉曲表現です。供給チェーンのためのユースケースは存在しますが、それと同時に多くの課題も山積みです.

参考文献:

• Bitcoin: A Peer-to-Peer Electronic Cash System, Satoshi Nakamoto, 2008年10月
• Majority is not Enough: Bitcoin Mining is Vulnerable, Ittay Eyal, Emin Gun Sirer, 2013年11月
• Elliptic Curve Multiset Hash, Jeremy Maitin-Shepard, Mehdi Tibouchi, Diego Aranha, 2016年1月
• Graphene: A New Protocol for Block Propagation Using Set Reconciliation, A. Pinar Ozisik, Gavin Andresen, George Bissias, Amir Houmansadr, Brian Levine, 2017年9月
• Snowflake to Avalanche: A Novel Metastable Consensus Protocol Family for Cryptocurrencies, Team Rocket, 2018年5月
• Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, 2018年3月
• A taxonomy of the Bitcoin applicative landscape, Joannes Vermorel, 2018年5月

5. 予測モデリング

将来の出来事を定量的に正確に予測することは、あらゆる供給チェーン最適化の核心です。20世紀に登場した時系列予測は、大規模な供給チェーンに巨大な影響を与えました。予測モデリングは、時系列予測の流れを汲むと同時に、このアプローチから大きく逸脱するものです。第一に、はるかに多様な問題事例に取り組みます。第二に、供給チェーンの特性上、プログラム的なパラダイムが必要です。第三に、不確実性が通常解消不可能であるため、確率的予測も求められます.

5.0. M5予測競争におけるSKUレベルでのNo1

2020年、Lokadのチームは世界規模の予測競争において909チーム中でNo5を達成しました。しかし、SKUの集約レベルでは、その予測がNo1に輝きました。需要予測は供給チェーンにとって最も重要な要素です。この競争で採用されたアプローチは、他の上位50チームが用いた手法とは一線を画しており、この成果からは供給チェーンにおけるさらなる予測課題への対処に向けた多くの教訓が得られます.

参考文献:

• A white-boxed ISSM approach to estimate uncertainty distributions of Walmart sales, Rafael de Rezende, Katharina Egert, Ignacio Marin, Guilherme Thompson, 2021年12月 (link)
• The M5 Uncertainty competition: Results, findings and conclusions, Spyros Makridakis, Evangelos Spiliotis, Vassilis Assimakopoulos, Zhi Chen, 2020年11月 (link)

5.1 構造化予測モデリング

微分可能プログラミング（DP）は、予測供給チェーンの課題に対応するために非常に広範な統計モデル群を設計するための生成的なパラダイムです。DPはディープラーニングの流れを汲みますが、学習問題の構造に徹底的に注力する点でディープラーニングとは一線を画しています。DPは、パラメトリックモデルに基づくほぼ全ての「古典的」予測文献に取って代わるものであり、2010年代後半までの「古典的」機械学習アルゴリズムに比べ、実際の供給チェーンでの利用に必要なほぼ全ての側面で優れています.

5.2 確率的予測

供給チェーンの最適化は、将来の出来事を正確に予測することに依存しています。数値的には、これらの出来事は、未来を数量化するために用いられる多様な数値手法を含む予測によって捉えられます。1970年代以降、最も広く利用される予測の形式は、ある時点における時系列予測です。すなわち、製品の需要量など、時間の経過とともに計測された数量が未来に投影されます。ある特定の結果だけを「予測」として示すのではなく、あらゆる将来の可能性に対する確率を返す場合、その予測は確率的であると言えます。複雑なシステムにおいては、不確実性が解消不可能な場合がほぼ常であり、供給チェーンにおいては、確率的予測が堅牢な意思決定を行う上で不可欠です.

5.3 リードタイム予測

リードタイムは、ほとんどの供給チェーン状況における基本的な要素です。リードタイムは需要と同様に予測されるべきであり、リードタイム専用の確率的予測モデルが利用可能です。一連の技術が、供給チェーン目的のための確率的リードタイム予測を構築するために提示されています。これらの予測、すなわちリードタイムと需要の組み合わせは、供給チェーンにおける予測モデリングの礎です.

6. 意思決定

企業の日常業務の一環として、毎日数千件（大企業では数百万件）の供給チェーンに関する意思決定が行われています。それぞれの決定には複数の選択肢が存在します。供給チェーン最適化の目的は、将来の不確実な状況に直面しながら、最も収益性の高い選択肢を選び出すことです。このプロセスは、まだ触れていない二つの主要な課題、すなわち各意思決定の収益性の定量的評価と、供給チェーン問題に適した数値最適化レシピの展開という挑戦を提起します.

6.1 確率的予測による小売在庫配分

供給チェーンの意思決定には、リスク調整された経済評価が必要です。確率的予測を経済評価に変換する作業は簡単ではなく、専用のツールが要求されます。しかし、その結果として得られる経済的な優先順位付けは、在庫の配分に示されるように、従来の手法よりも強力であることが実証されています。ここでは、小売在庫配分の課題に取り組みます。配送センター（DC）と複数の店舗からなる2層のネットワークにおいて、全店舗が同一の在庫を競合する状況下で、DCの在庫を各店舗にどのように配分するかを決定する必要があります.

6.2 自動車アフターマーケットの価格最適化

需要と供給のバランスは大いに価格に依存します。したがって、価格最適化は、少なくとも大部分において供給チェーンの領域に属します。ここでは、架空の自動車アフターマーケット企業の価格を最適化する一連の手法を紹介します。この例を通じて、適切な文脈を捉えられない抽象的な推論の危険性が明らかになります。何を最適化すべきかを正確に把握することは、最適化手法の細部よりも重要です.

7. 戦術的および戦略的実行

サプライチェーンは、実践としても研究分野としても、企業全体の推進力および競争優位の源泉となることを目指しています。経営陣の視点からは、サプライチェーンを付加価値のある資産にすることと、ビジネスを実行するための優れた手法を見出すことの二つの角度が支配的です。実際には、成果は正しいチームメンバーの選択に帰着することが多いです。

優れた数値レシピを通じてサプライチェーンのパフォーマンスを向上させることを目的としたイニシアチブは、成功すればサプライチェーン自体を根本的に変える可能性があります。この観点には二つの大きな留意点があります。第一に、数値レシピはプロセスを円滑にするために設計面で工夫されなければならず、見た目以上の工夫が必要です。第二に、数値レシピを導入するプロセス自体がレシピそのものを再構築してしまう可能性があり、初見では非常に直感に反するものです。

7.1 量的イニシアチブの始め方

サプライチェーンの予測的最適化を成功させるには、ソフトな問題とハードな問題が混在しています。残念ながら、これらの側面を切り離すことは不可能であり、両者は深く絡み合っています。通常、この絡み合いは、企業の組織図によって定義された業務分掌と正面から衝突します。サプライチェーンのイニシアチブが失敗する場合、その根本原因は通常、プロジェクトの最初の段階で犯されたミスであることが分かります。さらに、初期のミスはイニシアチブ全体を形作る傾向にあり、後から修正することはほぼ不可能です。これらのミスを避けるための主要な知見を紹介します。

7.2 意思決定を生産に反映する

我々は、在庫補充などの一連の日常的な意思決定を推進するための数値レシピを求めています。サプライチェーンを資本主義的な試みとして成功させるためには自動化が不可欠です。しかし、数値レシピに欠陥がある場合、大規模な損害を引き起こすリスクが大きく伴います。「早期失敗して事業を壊す」という考え方は、生産向けの数値レシピを承認するための適切なマインドセットではありません。一方で、ウォーターフォールモデルなどの多くの代替案は、合理性や制御の幻想を与えることが多く、さらに悪い結果を招いてしまいます。非常に反復的なプロセスが、生産グレードであることが証明される数値レシピを設計する鍵となります。

7.3 サプライチェーン・サイエンティスト

量的サプライチェーンイニシアチブの核心には、データ準備や経済モデリング、KPI報告を実行するサプライチェーン・サイエンティスト（SCS）が存在します。サプライチェーンの意思決定のスマートな自動化は、SCSが行った作業の成果物です。SCSは生成された意思決定に責任を持ち、人間の知性を機械の処理能力によって拡大します。