供給チェーンを学ぶ

本講義シリーズは、供給チェーン管理の基礎、すなわち課題、方法論、技術について解説します。目的は、組織が実践的なサプライチェーンパフォーマンスを向上させることを可能にすることにあります。これらの講義で示されるビジョンは、主流のサプライチェーン理論とは大きく異なり、定量的サプライチェーンと呼ばれています。講義は、LokadのCEO兼創業者であるJoannes Vermorelによって提供され、Lokadが顧客のために運営する実際のサプライチェーン事例を用いて解説されます.

対象読者：本講義は、上級管理職からジュニアアナリスト、学生まで、サプライチェーンの改善を志すすべての人々を対象としています。講義には、必要最低限の前提知識で理解できるようにするための一連の『短期集中講座』が含まれています.

1. プロローグ

1.1 供給チェーンの基礎

供給チェーンとは、実物商品の流通に関連する変動性と制約という状況下で、多様な選択肢を定量的かつ現実的に把握する能力です。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、基本的には基盤となる業務の直接的な管理ではなく、選択肢の育成と選定に重点を置いています。このシリーズで提示される「定量的」な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は根本的に異なる点を明らかにします.

参考文献（書籍）:

• Inventory Management and Production Planning and Scheduling, Edward A. Silver, David F. Pyke, Rein Peterson, 1998
• Fundamentals of supply chain theory, 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、この代替理論（Lokadが提唱・先駆けた）の本質を把握するための、いくつかの重要なポイントを強調しています。すなわち、あらゆる意思決定を経済的要因に従って可能な未来すべてに対して評価するというものです。この視点は、Lokadにおいて主流のサプライチェーン理論として浸透し、その実装は（ほぼ）全てのソフトウェアベンダーにとって依然として大きな課題となっています.

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、在庫補充や価格更新など、ルーチンな意思決定をロボット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。アプリケーションは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多くの企業で浸透しにくい一方、特に「Microsoft Excel」というツールは、運用面で大きな成功を収めてきました。主流理論の数値的レシピをスプレッドシートで再現することは容易ですが、理論としての認識があるにもかかわらず、実際にはそうはならなかったのです。我々は、スプレッドシートがプログラミングパラダイムを採用することで、サプライチェーンの成果をもたらす上で優れていることを実証します.

参考文献（書籍）:

• Joel on Software: And on Diverse and Occasionally Related Matters That Will Prove of Interest to Software Developers, Designers, and Managers, and to Those Who, Whether by Good Fortune or Ill Luck, Work with Them in Some Capacity, Joel Spolsky, 2004

1.4 供給チェーンにおける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、パッケージソフトウェア製品では避けられない『プログラム的』な側面があります（前講義参照）が、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とって重大な障害となる偶発的な複雑性の層を含んでいます。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紹介します。この講義は、これらのパラダイムに基づいてLokadが開発した、サプライチェーン最適化専用DSL（ドメイン特化型プログラミング言語）であるEnvisionを例に挙げています.

参考文献（講義後の質疑応答で言及）:

• Dynamic Supply Chains: How to design, build and manage people-centric value networks, John Gattorna, 2015

1.5 21世紀の供給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化させてきました。物理的な危険や品質問題など、かつては大きな問題であったものは徐々に解消され、一方で全体的な複雑性や競争激化といった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から変革しつつあります。これらのトレンドを簡単に概観することで、サプライチェーン理論が何に焦点を当てるべきかを理解する手助けとなります.

参考文献（講義後の質疑応答で言及）:

• Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, 2018, (blockchain use case to fight counterfeits on page 28)

1.6 供給チェーンの定量的原則

サプライチェーンは、電磁気学のような確定的な定量法則で特徴付けることはできませんが、一般的な定量的原則は観察可能です。ここでいう「一般的」とは、（ほぼ）すべてのサプライチェーンに適用可能な原則を意味します。このような原則の発見は、サプライチェーンの予測的最適化のための数値的レシピの設計を容易にするだけでなく、全体としてそれらの数値レシピをより強力なものにするためにも重要です。ここでは、観察的原則と最適化原則の二つの簡潔なリストを紹介します.

1.7 サプライチェーンの知識、時間、仕事について

サプライチェーンは一般的な経済原則に従います。しかし、これらの原則はあまり知られておらず、誤解も多いです。一般に認められている経済学の見解と矛盾するサプライチェーンの実践や理論が存在しますが、それらが基本的な経済学を否定することはまずありません。さらに、サプライチェーンは複雑であり、比較的新しい概念であるシステムとして扱われることが多く、これもまた十分に理解されず、誤認されがちです。本講義の目的は、実際のサプライチェーンの計画問題に取り組む際に、経済学とシステム論がそれぞれ何を提供でき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す必要があります。つまり、科学的手法に裏打ちされているべきです。過去3世紀にわたり、適切な実験的手法を用いて自らを高めてきたすべての分野は、『科学』の代名詞として認識される素晴らしい進歩を遂げてきました。しかし、サプライチェーンはそのような進歩をまだ経験しておらず、その多くは不適切な実験手法に起因しています。サプライチェーンの複雑な性質は、適切な手法を要求しており、本章ではその手法について検討します.

2.1 サプライチェーンのペルソナ

サプライチェーンの「ペルソナ」とは、架空の企業です。しかし、この架空の企業は、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意図的に設計されています。なお、ペルソナはサプライチェーンの課題を単純化するための理想化されたものではありません。むしろ、状況の中で最も挑戦的な側面、すなわち定量的モデリングやサプライチェーン改善の試みに対して頑なに抵抗する側面を強調することを目的としています。サプライチェーンにおいて、特定の企業名が明かされるケーススタディは、重大な利益相反に苦しみます。企業やその支援ベンダー（ソフトウェア、コンサルティング）は、結果を好意的に提示する利害関係を持っているからです。さらに、実際のサプライチェーンは、実行の質とは全く関係のない偶発的な条件により、苦しむこともあれば恩恵を受けることもあります。こうした問題に対する方法論的な解答が、サプライチェーンのペルソナなのです.

参考文献:

• An introduction to the study of Experimental Medicine (English version), (original French version), Claude Bernard, 1865
• The Phoenix Project: A Novel about IT, DevOps, and Helping Your Business Win, Gene Kim, Kevin Behr, George Spafford, 2013
• Unsupervised Machine Translation Using Monolingual Corpora Only, 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系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、比較的手頃な価格帯を打ち出しています。デザインはクラシックで落ち着いたものですが、主要なビジネスドライバーは常に新規性にあり、年間複数回のコレクション展開によって次々と新製品が投入されます。適切な製品を、適切な時期、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ーを展開するだけという、単純なデカルト的視点とは程遠く、サプライチェーンでは反復的なプロセスが求められます。各反復では、調査・対応が必要な「非常識な」意思決定を特定します。その根本原因は、多くの場合、不適切な経済ドライバーに起因しており、それらの予期せぬ副作用を再評価する必要があります。数値的レシピがもはや非常識な結果を生まなくなると、反復の性質も変わってきます.

参考文献:

• The Logic of Scientific Discovery, Karl Popper, 1934

2.3 ネガティブナレッジ

アンチパターンとは、一見良さそうに見えるものの、実際には機能しない解決策の固定概念です。アンチパターンの体系的な研究は、1990年代後半のソフトウェア工学の分野で先駆的に行われました。適用可能な場合、アンチパターンは単なる否定的結果よりも記憶しやすく、考察しやすいため、サプライチェーンにおいて非常に有用なネガティブナレッジの柱の一つと考えられるべきです.

参考文献:

• AntiPatterns: Refactoring Software, Architectures, and Projects in Crisis. y William J. Brown, Raphael C. Malveau, Hays W. “Skip” McCormick, Thomas J. Mowbray, 1998

2.4 対抗市場調査

現代のサプライチェーンは、無数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死を分かつ問題です。しかし、ベンダーの数が多いことから、企業はこの選定にあたり体系的なアプローチを必要とします。伝統的な市場調査は善意から始まるものの、最終的には悪い結果に終わることが多いのは、市場調査会社が分析対象の企業のマーケティング前線として機能してしまうためです。偏りのない調査会社が現れるという期待は、誤ったものであると言えます。しかし、ベンダー同士の相互評価という手法を用いれば、偏った市場調査会社であっても偏りのない結果を生み出すことが可能となります.

参考文献:

• Epistemic Corruption, the Pharmaceutical Industry, and the Body of Medical Science. Sergio Sismondo, 2021 (text)
• Influence: The Psychology of Persuasion. Robert B. Cialdini, 1984
• 調達ガイダンス、利益相反, ザ・ワールド・バンド, 2020 (PDF)

2.5 サプライチェーンのための文章作成

サプライチェーンは大規模なチームの協働によって成り立っています。したがって、書面による情報伝達が極めて重要です。現代のサプライチェーンは口頭伝承とは到底両立しません。しかし、サプライチェーンの実務者は、書面でのコミュニケーション能力においてしばしば酷い結果に終わっています。ここでは、ユーザビリティ調査や著名な専門家がこれらの点について何を述べているのかを見ていきましょう。また、実験的最適化アプローチを用いて実行されるサプライチェーン施策は、徹底的に文書化されなければなりません。数式やソースコードは「何を」「どのように」を示すだけで、「なぜ」を説明しません。この文書は、サプライチェーンの専門家が直面している問題を理解するための助けとなり、やがて一人の専門家から次の専門家へと円滑に業務を引き継ぐための鍵となります。

参考文献:

• スタイルの要素 (第一版), ウィリアム・ストランク・ジュニア, 1918
• ウェブコンテンツを読むためのF字型パターン, ヤコブ・ニールセン, 2006 (text)

3. ペルソナ

前章で定義された方法論に基づく一連の サプライチェーン・ペルソナ.

3.1 マイアミ - 航空機メンテナンス、修理、オーバーホール（MRO）

マイアミは、アメリカにある架空の航空機MRO（メンテナンス、修理、オーバーホール）企業で、大規模な商用航空機の運用を支えています。航空の世界では安全性が最も重要であり、部品やコンポーネントは定期的に検査され、必要に応じて修理されなければなりません。マイアミは、必要な部品が不足して整備ができずに航空機が地上に留まるAOG（Aircraft on Ground）事態を回避し、常に航空機を空中に維持することを使命としています.

3.2 アムステルダム - チーズブランド

アムステルダムは、架空のFMCG企業で、チーズ、クリーム、バターの生産を専門としています。彼らは複数の国にまたがる大規模なブランド群を展開しており、品質、価格、新鮮さ、廃棄、品揃え、地域性など、相反する多くのビジネス目標を慎重にバランスさせる必要があります。牛乳生産と小売プロモーションの仕組みにより、企業は需要と供給の板挟みに置かれることになります.

3.3 サンホセ - ホーム用品のeコマース

サンホセは、架空のeコマース企業で、様々な家庭用家具やアクセサリーを取り扱っています。自社のオンラインマーケットプレイスを運営し、自社ブランドは内外の他ブランドと競合しています。大手や低価格競合に対抗するため、サンホセのサプライチェーンは、注文商品の迅速な配送を超えた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 シュトゥットガルト - 自動車アフターマーケット企業

シュトゥットガルトは、架空の自動車アフターマーケット企業です。彼らは、自動車の修理、部品、アクセサリーを提供する支店網を展開しています。2010年代初頭には、中古車や車部品の売買を行う2つのeコマースチャネルも開始しました。シュトゥットガルトは、何万もの異なる車両と何十万もの異なる部品が存在する、複雑かつ競争の激しい欧州自動車市場において、高品質なサービスの提供を目指しています.

3.5 ジュネーブ - ハードラグジュアリー ウォッチメーカー

未定

4. 補助科学

サプライチェーンの熟達は、他の複数の分野に大きく依存しています。サプライチェーン理論を応用数学の一派として提示することは一般的ですが、必ずしも正しいアプローチとは言えません。これらの集中講座は、単なる「モデル」の集積に還元できない、十分に考察されたサプライチェーン実践に必要な文化的背景を提供することを目的としています.

4.1 現代コンピューター

現代のサプライチェーンは、モーター付きコンベヤーベルトが電力を必要とするように、計算資源を必要とします。しかし、低速なサプライチェーンシステムは依然として多く見られる一方で、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においてさえ、現代の計算資源の基本的特性が十分に理解されていないことが、この状況を説明する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、基盤となる計算環境と対立すべきではありません.

4.2 現代アルゴリズム

サプライチェーンの最適化は、数多くの数値問題の解決に依存しています。アルゴリズムとは、特定の計算問題を解決するために厳密に定義された数値レシピのことです。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上げることを意味します。サプライチェーン特有の要素に焦点を当てることで、アルゴリズムの性能は桁違いに向上する場合もあります。また、「サプライチェーン」向けのアルゴリズムは、過去数十年で大きく進化した現代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）:

• アルゴリズム入門, トーマス・H・コルメン、チャールズ・E・レイサーソン、ロナルド・L・リベスト、クリフォード・スタイン, 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。現代の統計的学習技術―サプライチェーンの視点で言えば予測も―は、その核心に数学的最適化を据えています。さらに、一度予測が確立されると、最も利益をもたらす意思決定の特定にも数学的最適化が中心的な役割を果たします。サプライチェーンの問題は、多くの変数を含み、かつ確率的な性質を持つことが一般的です。数学的最適化は、現代サプライチェーン実践の礎となる要素です.

参考文献:

• オペレーショナルリサーチの未来は過去にある, ラッセル・L・アコフ, 1979年2月
• LocalSolver 1.x: 0-1プログラミングのためのブラックボックス局所探索ソルバー, ティエリー・ブノワ, ベルトラン・エステロン, フレデリック・ガルディ, ロマン・メジェル, カリム・ヌイウア, 2011年9月
• 機械学習における自動微分: サーベイ, アティリム・グネシュ・バイディン, バラク・A・パールマター, アレクセイ・アンドレーエヴィッチ・ラドゥル, ジェフリー・マーク・シスキンド, 最終改訂 2018年2月

4.4 機械学習

サプライチェーンにおいては、予測は不可欠であり、あらゆる意思決定（購買、生産、在庫管理等）は将来の出来事を見越して行われます。統計的学習や機械学習は、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、“データサイエンティスト”の間では依然として十分には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し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、変数の数が観測値の数を大きく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や観測値をはるかに上回るモデルで作業する必要があります。私たちは、現代の「学習」の視点から、データに基づく未来予測がそもそも何を意味するのかを理解しようと試みます.

参考文献:

• 学習可能性の理論, L. G. ヴァリアント, 1984年11月
• サポートベクターネットワーク, コリーナ・コルテス & ウラジーミル・ヴァプニック, 1995年9月
• ランダムフォレスト, レオ・ブレイマン, 2001年10月
• LightGBM: 超効率的な勾配ブースティング決定木, 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, 最終改訂 2017年12月
• Deep Double Descent: 大規模モデルや大量データが害を及ぼす場所, Preetum Nakkiran, Gal Kaplun, Yamini Bansal, Tristan Yang, Boaz Barak, Ilya Sutskever, 2019年12月
• 生成的敵対ネットワーク, Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, 2014年6月
• 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, 最終改訂 2018年4月
• BERT: 言語理解のための双方向トランスフォーマーの事前学習, Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, 最終改訂 2019年5月
• グラフニューラルネットワークへのやさしい入門, Benjamin Sanchez-Lengeling, Emily Reif, Adam Pearce, Alexander B. Wiltschko, 2021年9月

4.5 言語とコンパイラ

大多数のサプライチェーンは、依然としてスプレッドシート（例: Excel）で運用されています。一方で、企業向けシステムはそれらを置き換えるために1～3十年にわたって導入されてきました。実際、スプレッドシートは手軽なプログラム表現力を提供しますが、これらのシステムは一般的にその柔軟性を持っていません。より広く言えば、1960年代以降、ソフトウェア業界全体とそのプログラミング言語は常に共進化してきました。サプライチェーンの次のパフォーマンス段階は、プログラミング言語、あるいは言わばプログラム可能な環境の開発と採用によって大きく牽引されるという証拠があります.

4.6 ソフトウェアエンジニアリング

複雑さと混沌を制御することはソフトウェアエンジニアリングの礎です。サプライチェーンが複雑かつ混沌としていることを考えれば、企業システムが抱える多くの問題が不十分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。サプライチェーンの最適化に使われる数値レシピもソフトウェアである以上、同様の問題に直面します。こうした問題は、数値レシピ自体の洗練度ととも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、サプライチェーンにとって、病院における無菌操作のようなものであり、それ自体では直接的な効果は発揮しませんが、欠かせなければ全てが崩壊してしまいます.

4.7 サイバーセキュリティ

サイバー犯罪は急速に増加しており、ランサムウェアは成長著しいビジネスとなっています。物理的に分散しているため、サプライチェーンは特に攻撃にさらされやすい状況にあります。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、攻撃者が脆弱性を見つけ出し悪用するための視点と一致しているため、設計上直感に反する側面があります。サプライチェーン最適化に使われる数値レシピの種類によっては、リスクが増大することもあれば、逆に軽減されることもあります.

4.21 ブロックチェーン

暗号通貨は多大な注目を集め、莫大な富が築かれ、同時に失われ、ピラミッドスキームが横行しました。企業の視点からは、「ブロックチェーン」という用語は、これら暗号通貨と距離を置きながらも、同様のアイデアや技術を紹介するための丁寧な婉曲表現として用いられます。サプライチェーンにおけるブロックチェーンの利用例は存在するものの、多くの課題も伴います。

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適切に予測することは、あらゆるサプライチェーン最適化の核心です。時系列予測の実践は20世紀に確立され、大規模なサプライチェーンに多大な影響を与えてきました。予測モデリングは、時系列予測の派生であると同時に、これまでの視点から大きく逸脱したものです。第一に、より多様な問題事例に取り組むこと。第二に、サプライチェーン問題の性質上、プログラム的なパラダイムが必要とされること。第三に、不確実性が通常は削減不可能であるため、確率的予測も求められるのです。

5.0. M5予測コンペティションにおけるSKUレベルでのNo1

2020年、Lokadのチームは世界規模の予測コンペティションM5において909チーム中第5位を達成しました。しかし、SKUレベルで集計した場合、これらの予測は第1位に輝きました。需要予測はサプライチェーンにとって非常に重要であり、本コンペティションで採用されたアプローチは他の上位50チームが採用した手法とは一線を画すものでした。この成果からは、今後のサプライチェーンにおけるさらなる予測課題に取り組むための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、非常に幅広い統計モデルを設計するための生成的パラダイムであり、予測サプライチェーンの課題に非常に適しています。DPは深層学習の系譜にありますが、学習問題の構造に強く焦点を当てることで深層学習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すべての「従来型」予測文献を凌駕し、2010年代後半までのほぼすべての実用的サプライチェーン用途において、採用の容易さを含め「従来型」機械学習アルゴリズムよりも優れていることが示されています。

5.2 確率的予測

サプライチェーンの最適化は、将来の出来事を適切に予測することに依存しています。数値的には、これらの出来事は将来の事象を定量化するための多様な数値手法による予測を通じて予見されます。1970年代以降、最も広く用いられてきた予測の形式は、ポイント時系列予測、すなわち、ある製品の需要のように時間とともに測定された量を将来に投影する方法です。もし予測が、特定の結果を示すのではなく、あらゆる可能な将来の結果に紐づく確率を返す場合、それは確率的であると言えます。不確実性が削減不可能な場合、特に複雑なシステムにおいて、確率的予測は非常に重要です。サプライチェーンでは、不確実な未来に対して堅牢な意思決定を下すために、確率的予測が不可欠です。

5.3 リードタイム予測

リードタイムは、ほとんどのサプライチェーン状況において基本的な要素です。リードタイムは需要と同様に予測されるべきであり、専用の確率的予測モデルを用いることが可能です。一連の技法が、サプライチェーン向け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おり、リードタイムと需要という予測の組み合わせは、サプライチェーンにおける予測モデリングの礎となります。

6. 意思決定

日々、何千件（大企業では何百万件にも上る）のサプライチェーンに関する意思決定が、企業の日常業務の一部として行われています。各決定には複数の代替案が伴い、サプライチェーン最適化の目標は、将来の不確実な状況下において最も利益が見込まれる選択肢を選ぶことにあります。このプロセスは、まだ触れていない二つの主要な課題、すなわち各決定の収益性の定量評価と、サプライチェーン問題に適した数値的最適化手法の展開という点において、重大な挑戦を呈しています。

6.1 確率的予測による小売在庫割当

サプライチェーンの意思決定には、リスク調整を考慮し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ことは容易ではなく、専用のツールが求められます。しかし、その結果として得られる在庫割当による経済的優先順位付けは、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、小売在庫割当の課題に取り組みます。流通センター（DC）と複数の店舗という2層構造のネットワークにおいて、すべての店舗が同じ在庫を共有する状況下で、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

需給のバランスは価格に大きく依存します。したがって、価格最適化は、少なくとも大部分においてサプライ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ための一連の手法を紹介します。この例を通して、適切な文脈を捉えられない抽象的な論理展開に伴う危険性が明らかになります。何を最適化すべきかを理解することは、最適化そのものの細部よりも重要です。

7. 戦術的および戦略的な実行

サプライチェーンは、その実践としても学問分野としても、企業全体の実現力および競争優位性を生み出す手段となることを目指しています。トップマネジメントの視点からは、サプライチェーンを付加価値ある資産にすることと、事業を遂行するための優れた方法を切り開くことという二つの角度が支配的です。実際、成果は適切なチームメンバーの選定に大きく依存します。

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取り組みは、成功すればサプライチェーン自体を根本的に変革する可能性があります。しかし、この視点には二つの大きな注意点があります。第一に、数値レシピはプロセスを円滑にするために設計上工夫されなければならず、見た目以上に複雑です。第二に、数値レシピを導入するそのプロセス自体が、レシピそのものを再形成してしまう点は、一見すると直感に反します。

7.1 定量的取り組みの始め方

サプライチェーンの予測的最適化を成功させるためには、ソフトな問題とハードな問題が混在しており、これらを切り離すことは不可能です。これらの側面は深く絡み合っており、通常、この絡み合いは企業の組織図で定義された業務分担と衝突します。サプライチェーンの取り組みが失敗する場合、その根本原因は多くの場合、プロジェクト初期段階でのミスに起因し、さらに初期のミスが取り組み全体に影響を及ぼして、後から修正することがほぼ不可能になります。これらのミスを回避するための主要な知見を以下に示します。

7.2 意思決定を生産プロセスに導入する

在庫補充など、ごく日常的な意思決定全体を推進する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事業にするためには自動化が不可欠ですが、数値レシピに欠陥がある場合は大規模な損害を引き起こすリスクがあります。「早期失敗と故障許容」の考え方は、プロダクション用の数値レシピを承認するための適切な心構えではありません。しかし、ウォーターフォールモデルのような代替案は合理性と管理の幻想を与えるだけで、むしろ状況を悪化させることが多いです。高度に反復的なプロセスこそが、プロダクショングレードの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

定量的サプライチェーン取り組みの中心には、データ準備、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の作業の成果物であり、SCSは生成された意思決定の所有権を持ち、機械の処理能力によって拡大された人間の知性を提供します.