サプライチェーンについて学ぶ

この連続講義では、サプライチェーン・マネジメントの基礎、すなわちその課題、手法、技術を紹介します。これにより、組織が実際のサプライチェーンパフォーマンスを向上させることを目指します。ここで示されるビジョンは、従来のサプライチェーン理論とは大きく異なり、数量的サプライチェーンと呼ばれています。これらの講義は、LokadのCEOであり創設者であるヨアネス・ヴェルモレルによって行われ、Lokadが顧客のために運用する実際のサプライチェーンを例示しています.

対象受講者: これらの講義は、上級幹部からジュニアアナリスト、学生に至るまで、サプライチェーンを改善する意欲のあるすべての人々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 サプライチェーンの基礎

サプライチェーンとは、物理的商品の流れに関する変動性や制約に直面した際に、数量的かつ実践的にオプション性を操る技術です。調達、購買、生産、輸送、流通、プロモーションなどを包含しますが、基本的な運用の直接管理ではなく、選択肢を育成し選定することに重点を置いています。本シリーズで示す「数量的」サプライチェーンの視点が、従来の主流サプライチェーン理論といかに大きく異なるかを示します.

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 数量的サプライチェーンの概要

数量的サプライチェーンのマニフェストは、Lokadによって提案・先駆けられたこの代替理論が従来のサプライチェーン理論といかに異なるかを把握するための、短くて重要なポイントを強調しています。すなわち、すべての意思決定が経済的要因に基づいてあらゆる可能な未来と比較評価されるということです。この視点は徐々にLokadにおいて主流のサプライチェーン理論として現れ、（ほぼ）すべてのソフトウェアベンダーによるその実装は依然として困難なままです.

1.3 製品指向の提供

数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: 在庫補充、価格更新）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、商品として設計されるべきものと見なされます。従来のサプライチェーン理論が企業全体で主流となるのに苦労する一方で、「Microsoft Excel」というツールは実務において大きな成功を収めています。スプレッドシートを用いて従来理論の数値的手法を再実装するのは容易ですが、理論が認識さ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、より優れたプログラミングパラダイムを採用した結果であることを示します.

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 サプライ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、（前講義参照の）パッケージ化されたソフトウェア製品では回避できない「プログラム的」な側面がある一方で、従来のプログラミング手法は偶発的な複雑性の層を伴い、サプライチェーンの取り組みに大きな悪影響を及ぼします。ここでは、実際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。この講義では、これらのパラダイムに基づいてLokadが設計した、サプライチェーン最適化専用のDSL（ドメイン特化型プログラミング言語）であるEnvisionを例示しています.

参考文献（書籍、講義の質疑応答部分で言及）:

• 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

1.5 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。物理的危険や品質問題など、かつての問題は大きく影を潜め、一方で全体的な複雑性や競争の激化といった課題が浮上しています。特に、ソフトウェアもサプライチェーンを根本から変革しています。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が何に焦点を当てるべきかを理解する助けとなります.

参考文献（論文、講義の質疑応答部分で言及）:

• Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, 2018, (ページ28: 偽造品対策のブロックチェーン活用事例)

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、電磁気学のような明確な数量法則で特徴づけることはできませんが、（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。これらの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を目指す数値的レシピの設計を容易にするだけでなく、これらのレシピ全体のパワーアップにも寄与します。ここでは、観察的原則と最適化原則という2つの短いリストを概説します.

1.7 サプライチェーンにおける知識、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、しばしば誤解されています。一般に認められている経済学の見解と、サプライチェーンの実践や理論が矛盾することもありますが、これらが基本的な経済原則の誤りを証明する可能性はほとんどありません。さらに、サプライチェーンは複雑なシステムであり、比較的新しいにもかかわらず十分理解されず、誤解されがちです。この講義の目的は、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、科学に根ざし、すなわち科学的方法に支えられるべきです。実際、過去3世紀にわたり、適切な実験的実践によって自己を高めることに成功したすべての分野は、『科学』の象徴と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（現時点では）そのような進歩を経験しておらず、その主な原因は不適切な実験方法論にあると言えます。サプライチェーンの厄介な特性は、適切な方法を要求しており、本章ではその探求を行います.

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概説するため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ではなく、むしろ状況の最も難しい側面、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頑なに抵抗する側面を浮き彫りにすることを意図しています。サプライチェーンにおいて、当事者が特定されるケーススタディは深刻な利益相反に悩まされがちであり、企業やそれを支援するベンダー（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、その実行の質とは無関係な偶発的な条件によって、恩恵を受けたり損なわれたりすることが一般的です。サプライチェーン・ペルソナは、これらの問題に対する方法論的な解決策です.

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運営する架空のヨーロッパの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とし、比較的手頃な価格帯を前面に出しています。デザインはクラシックで落ち着いているものの、主要なビジネスドライバーは常に新奇性でした。年間に複数のコレクションを展開し、新製品の流れを作り出します。適切な製品を、適切なタイミングで、適切な価格で、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という単純なデカルト的視点とは異なり、サプライチェーンには反復的なプロセスが必要です。各反復では、調査・対処すべき「異常な」意思決定を特定します。その根本原因はしばしば不適切な経済駆動要因にあり、予期せぬ結果をもたらすため、再評価が求められます。数値的レシピが異常な結果を生まなくなったとき、反復の性質は変化します.

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ても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な研究は、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否定的結果よりも優れており、記憶しやすく論理的に理解しやすいです。アンチパターンの視点はサプライチェーンにとって極めて重要であり、そのネガティブ・ナレッジの柱の一つと見なされるべきです.

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 競合市場調査

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。適切なベンダーを選定することは生存の問題です。しかし、ベンダーの数が多いため、企業はこの作業に体系的なアプローチを必要とします。従来の市場調査は善意から始まるものの、最終的には調査対象企業のマーケティング前線として機能してしまい、必ずしも良い結果をもたらしません。無偏見の調査会社が現れるという期待は誤りです。しかし、ベンダー間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公平な結果を生み出すことを可能にします.

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 サプライチェーン向けの文章作成

サプライチェーンは、大規模なチームの調整を伴います。したがって、書面による資料が重要です。現代のサプライチェーンは単に口承伝統には適合しません。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関してはひどい結果を示すことが多いです。ここでは、ユーザビリティ研究や一部の著名な専門家たちがこの問題について何を述べているかを振り返ります。また、実験的最適化手法を通じて実施されるサプライチェーンの取り組みは、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」および「どうやって」を説明しますが、「なぜ」については答えません。その文書化は、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鍵となります。時間の経過とともに、この文書化は、一人のサプライチェーン専門家から次の専門家への円滑な引き継ぎを保証する鍵となります。

参考文献:

• The Elements of Style (初版), William Strunk Jr, 1918
• ウェブコンテンツを読むためのF字型パターン, Jakob Nielsen, 2006 (text)

3. ペルソナ

前章で定義された方法論に従った、一連の_サプライチェーン・ペルソナ_。

3.1 Miami - 航空機のメンテナンス、修理、オーバーホール (MRO)

Miamiは、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、米国に拠点を置き、大規模な商用航空機の艦隊を支援しています。航空業界では安全性が最重要であり、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。Miamiは、常に航空機を空中に保ち、保守作業に必要な部品が不足して発生するAOG（航空機の地上停止）事態を回避することに注力しています。

3.2 Amsterdam - チーズブランド

Amsterdam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。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、相反する多くのビジネス目標を慎重にバランスさせなければなりません。乳製品の生産と小売プロモーションの性質上、企業は需給の板挟みに陥りがちです。

3.3 San Jose - ホームウェアEC事業

San Joseは、架空のEC企業で、家庭用家具やアクセサリーなどを幅広く取り扱っています。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。大手で低価格の競合他社と競争するために、San Joseのサプライチェーンは、注文された商品のタイムリーな配送に留まらず、多様な形態で高品質なサービスの提供を試みています。

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。車両修理、車部品、車の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年代初頭には車部品および中古車の売買を目的とした2つのECチャネルも開始しました。シュトゥットガルトは、数万種の車両と数十万種の部品という、複雑かつ競争の激しいヨーロッパの自動車市場において、高品質なサービスの提供を試みています。

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。応用数学の一形態としてサプライチェーン理論を提示することはよくありますが、それは誤ったアプローチです。これらの短期集中講座は、一連の「モデル」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のための文化的背景を提供することを目的としています。

4.1 モダンコンピュータ

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、依然として鈍重なサプライチェーンシステムが蔓延している一方で、コンピュータの処理能力は1990年以来、1万倍以上向上しています。現代の計算資源の基本的特性に対する理解不足（ITやデータサイエンスの分野内においても）は、この現状を説明する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が、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

サプライチェーンの最適化は、無数の数値問題の解決に依存しています。アルゴリズムとは、正確な計算問題を解決するために設計された、高度に標準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卓越した結果を生み出すことを意味します。サプライチェーンの特性に焦点を合わせることで、アルゴリズムの性能は、場合によっては桁違いに向上することがあります。また、「サプライチェーン」向けのアルゴリズムは、ここ数十年で大きく進化した現代のコンピュータ設計も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、数学的関数を最小化するプロセスです。現代のほぼ全ての統計的学習手法、つまりサプライチェーンの観点からの予測は、その核心として数学的最適化に依存しています。さらに、予測が確立された後、最も利益をもたらす意思決定を行う際にも、根本的に数学的最適化が利用されます。サプライチェーンの問題は、多くの場合、多数の変数を含み、しかも通常は確率的な性質を持ちます。数学的最適化は、現代のサプライチェーン実践の礎となる技術です。

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, 最終改訂 2018年2月

4.4 機械学習

サプライチェーンにおける予測は、購買、生産、在庫管理などの各意思決定が将来の出来事を予測するものであるため、不可分なものです。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。この分野は劇的な改善を遂げましたが、それでもなお「データサイエンティスト」層の間では誤解されがちです。本章では、3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。まず、存在しないデータについて正確な記述を行う必要があります。次に、変数の数が観察数を大幅に上回る問題に対処しなければなりません。さらに、パラメータの数が変数や観察数を大きく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、データに基づく未来予測が一体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, 1984年11月
• Support-vector networks, Corinna Cortes & Vladimir Vapnik, 1995年9月
• Random Forests, Leo Breiman, 2001年10月
• 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, 最終改訂 2017年12月
• Deep Double Descent: Where Bigger Models and More Data Hurt, Preetum Nakkiran, Gal Kaplun, Yamini Bansal, Tristan Yang, Boaz Barak, Ilya Sutskever, 2019年12月
• Generative Adversarial Networks, Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, 2014年6月
• Unsupervised Machine Translation Using Monolingual Corpora Only, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, 最終改訂 2018年4月
• BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, 最終改訂 2019年5月
• A Gentle Introduction to Graph Neural Networks, 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）で運営されていますが、企業システムは場合によっては1、2、あるいは3十年もの長きにわたって導入され、スプレッドシートに取って代わることが期待されてきました。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する一方で、企業システムは一般的にそのような表現力を持っていません。より広い意味では、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。次のサプライチェーンのパフォーマンス向上段階は、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と考えられます。

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で混沌としていることを考えれば、企業向けソフトウェアにおける多くの問題が、結局は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。サプライチェーン最適化に使用される数値レシピもまたソフトウェアであり、同様の問題に直面します。これらの問題は、数値レシピ自体の複雑化と共に増大していきます。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、病院における無菌管理が果たす役割と同様なものであり、直接患者を治療するわけではありませんが、それが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

サイバー犯罪は増加傾向にあり、ランサムウェアは急成長中のビジネスです。物理的に分散された性質のため、サプライチェーンは特に脆弱です。さらに、周囲の複雑性はコンピュータセキュリティの問題が生じる肥沃な土壌となっています。コンピュータセキュリティは、その設計上、直感に反するものですが、これはまさに攻撃者が侵入経路を発見し悪用するために採用する手法でもあります。サプライチェーン最適化に関与する数値レシピの種類により、リスクは増大する場合もあれば減少する場合もあります。

4.21 ブロックチェーン

暗号通貨は多くの注目を集めた。財を築く者もいれば、財を失う者もいた。ピラミッドスキームが横行した。企業の視点からは、「ブロックチェーン」という言葉は、暗号通貨との距離を置きつつ、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として使われる。サプライチェーン向けのユースケースは存在するが、同時に多くの課題も山積している。

参考文献:

• Bitcoin: A Peer-to-Peer Electronic Cash System, サトシ・ナカモト, 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

将来の出来事を適切に定量的に予測することは、あらゆるサプライチェーン最適化の核心である。時系列予測の手法は20世紀に登場し、大規模なサプライチェーンの多くに大きな影響を与えた。予測モデリングは、時系列予測の子孫であると同時に、この視点からの大きな転換でもある。第一に、はるかに多様な問題事例に取り組む。第二に、サプライチェーン特有の問題に対応するために、プログラム的なパラダイムが必要となる。第三に、不確実性が通常解消不可能であるため、確率的予測も必要となる。

5.0. M5予測競技会におけるSKUレベルでのNo1

2020年、Lokadのチームは世界規模の予測競技会M5において909チーム中でNo5の成績を収めた。しかし、SKU単位に集約すると、その予測はNo1に輝いた。需要予測はサプライチェーンにおいて極めて重要な役割を果たす。この競技会で採用された手法は、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あり、一般的な手法とは異なっていた。この成果からは、サプライチェーンにおける更なる予測課題に取り組むための多くの教訓が得られる。

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、予測的なサプライチェーンの課題に対処するため、非常に幅広い統計モデルを構築するための生成的なパラダイムである。DPは深層学習の子孫であるが、学習問題の構造に強く焦点を当てることで、従来の深層学習とは一線を画している。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する。また、実務における採用のしやすさなど、サプライチェーンでの実用面において、2010年代後半までの従来型機械学習アルゴリズムよりもあらゆる面で優れている。

5.2 確率的予測

サプライチェーンの最適化は、未来の出来事を適切に予測することにかかっている。数値的には、これらの出来事は、将来の出来事を定量化するための多種多様な数値手法を包含する予測によって見込まれる。1970年代以降、最も広く用いられている予測の形態は、時系列の一点予測である。すなわち、ある製品の需要（単位）が時間とともに測定され、将来に向けて投影される。ある予測が、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対する確率を返すならば、それは確率的予測と呼ばれる。不確実性が解消不可能な場合、すなわち複雑なシステムに関してはほぼ常に当てはまる状況では、確率的予測は極めて重要である。サプライチェーンにおいては、確率的予測が不確実な未来の条件に対して堅牢な意思決定を支えるために不可欠である。

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において基本的な側面である。リードタイムも需要と同様に予測でき、予測されるべきである。リードタイム専用の確率的予測モデルを利用することが可能であり、一連の手法がサプライチェーン目的の確率的リードタイム予測の構築のために提示されている。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が、サプライチェーンにおける予測モデリングの基礎となる。

6. 意思決定

企業の日常業務の一環として、毎日何千ものサプライチェーンに関する意思決定（大企業では何百万もの意思決定）が行われる。それぞれの意思決定には複数の選択肢が伴う。サプライ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、最も利益をもたらす選択肢を選ぶことである。このプロセスは、いまだに触れていない二つの主要な課題、すなわち意思決定の収益性を定量的に評価することと、サプライチェーンの問題に適した数値最適化レシピの展開という課題を提示する。

6.1 確率的予測を用いた小売在庫割当

サプライチェーンの意思決定には、リスク調整済みの経済評価が求められる。確率的予測を経済評価に変換することは容易ではなく、専用のツールが必要となる。しかし、その結果として得られる経済的優先順位付け（在庫割当で示されるもの）は、従来の手法よりも強力であることが証明されている。ここでは、小売在庫割当の課題に取り組む。配送センター（DC）と複数の店舗を含む二層ネットワークにおいて、全店舗が同一の在庫を争うことを踏まえ、DCの在庫をいかに店舗に配分するかを決定する必要がある。

6.2 自動車アフターマーケットのための価格最適化

供給と需要のバランスは、価格に大きく依存する。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する。本節では、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する。この例を通じて、適切な文脈を欠いた抽象的な推論に伴う危険性が明らかになる。何を最適化すべきかを把握することは、最適化そのものの細部よりも重要である。

7. 戦術的および戦略的な実行

サプライチェーンは、実践としても研究分野としても、企業全体の促進要因および競争優位性となることを目指しています。上級管理層の視点からは、サプライチェーンを累積的資産に昇華させることと、ビジネスを遂行するための優れた方法を導入することという、二つの角度が支配的です。

卓越し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指すイニシアチブは、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。この視点には二つの主要な注意点があります。第一に、数値レシピはプロセスを促進するよう設計上工学的に工夫されなければならず、見かけ以上の配慮が必要です。第二に、数値レシピを導入するプロセスそのものが、レシピ自体を再構築してしまいます。これは一見すると非常に直感に反するものです。

7.1 定量的イニシアチブの開始

サプライチェーンの予測最適化を成功させることは、ソフトな問題とハードな問題の混在です。残念ながら、これらの側面を切り離すことはできません。ソフトな側面とハードな側面は深く絡み合っています。通常、この絡み合いは、企業の組織図で定められた作業分担と正面衝突します。観察されるところによると、サプライチェーンイニシアチブが失敗する場合、その根本原因は通常、プロジェクトの初期段階での誤りに起因しています。さらに、初期の誤りはイニシアチブ全体を形作ってしまい、その後で修正することはほぼ不可能になります。我々は、これらの誤りを避けるための主要な知見を提示します。

7.2 意思決定を生産に移行する

在庫補充などの日常的な意思決定を推進するための数値レシピを追求しています。自動化は、サプライチェーンを資本主義的な事業とするために不可欠です。しかし、数値レシピに欠陥があれば、大規模な被害をもたらすリスクが高まります。『早期失敗して物事を壊す』という考え方は、生産用の数値レシピに適用するための正しいマインドセットではありません。しかし、ウォーターフォールモデルのような他の多くの代替手段は、通常、合理性と制御の錯覚を与えるため、さらに悪い場合が多いのです。生産グレードであると証明される数値レシピを設計する鍵は、非常に反復的なプロセスにあります。

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イニシアチブの核心には、データ準備、経済モデリング、KPIレポーティングを遂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をスマートに自動化することは、SCSの仕事の成果です。SCSは生成された意思決定のオーナーシップを担い、機械の処理能力を通じて増幅された人間の知性を提供します。