サプライチェーンについて学ぶ

この連続講義シリーズでは、サプライチェーン管理の基礎、課題、方法論、および技術について紹介しています。これにより、組織が優れた「現実世界の」サプライチェーンのパフォーマンスを達成できるようになります。これらの講義で提示されるビジョンは、主流のサプライチェーン理論とは異なり、数量的サプライチェーンと呼ばれています。講義は、LokadのCEO兼創設者であるJoannes Vermorelが行います。講義は、Lokadがクライアントの代理で運営している実際のサプライチェーンを用いて説明されます。

対象読者: これらの講義は、シニアエグゼクティブからジュニアアナリストや学生まで、サプライチェーンの改善を目指すすべての人を対象としています。講義には、必要な前提知識を最小限に抑えるための「クラッシュコース」のシリーズが含まれています。

1. プロローグ

1.1 サプライチェーンの基礎

サプライチェーンは、物理的な商品の流れに関連する変動性と制約に直面した際の選択肢の定量的かつ実践的なマスタリーです。調達、購買、生産、輸送、配布、販促などを包括していますが、基礎となるオペレーションの直接的な管理ではなく、オプションの育成と選択に焦点を当てています。このシリーズで提示される「数量的」なサプライチェーンの視点は、主流のサプライチェーン理論とは大きく異なることを示します。

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要点

数量的サプライチェーンのマニフェストでは、この代替理論（Lokadによって提案および先駆けられた）が主流のサプライチェーン理論とはどのように異なるかを把握するためのいくつかの重要なポイントが強調されています。経済的なドライバーに基づいて、すべての可能な未来に対して、すべての個々の意思決定がスコアリングされるという視点です。この視点は、Lokadで徐々に主流のサプライチェーン理論として浮かび上がり、（ほぼ？）すべてのソフトウェアベンダーによる実装は依然として困難です。

1.3 製品指向のデリバリー

数量的サプライチェーンイニシアチブの目標は、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です。このアプリケーションは、ルーチンの意思決定（例：在庫の補充、価格の更新）を自動化します。このアプリケーションは、エンジニアリングされるべき製品と見なされます。主流のサプライチェーン理論が企業全体で広まるのに苦労している一方で、1つのツール「具体的にはMicrosoft Excel」はかなりの運用上の成功を収めています。主流のサプライチェーン理論の数値レシピをスプレッドシートを介して再実装することは簡単ですが、実際にはそれが起こったわけではありません。スプレッドシートは、サプライチェーンの結果を提供するために優れた性能を発揮するプログラミングパラダイムを採用することで勝利を収めました。

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じて「プログラム的」なアプローチを回避することはできませんが、主流のプログラミングアプローチは、サプライチェーンイニシアチブに非常に有害な偶発的な複雑さのレイヤーを含んでいます。私たちは、実世界のサプライチェーンに特に適したプログラミングパラダイムのシリーズを紹介します。この講義では、Lokadによって開発されたサプライチェーンの最適化に特化したDSL（ドメイン固有のプログラミング言語）であるEnvisionを使用して、これらのプログラミングパラダイムを説明します。

参考文献（書籍、講義のQ&A部分で言及されたもの）：

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

1.5 サプライチェーンの21世紀のトレンド

過去数十年間、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ミックスを大きく変えてきました。物理的な危険や品質の問題など、一部の問題はほとんど解消されました。一方で、全体的な複雑さや競争の激化など、新たな問題も生じています。特に、ソフトウェアはサプライチェーンを根本的に変革しています。これらのトレンドの簡単な調査は、サプライチェーン理論の焦点とすべきことを理解するのに役立ちます。

参考文献（論文、講義のQ&A部分で言及されたもの）：

• Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, 2018, (ページ28で偽造品対策のブロックチェーンの使用例)

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、電磁気とは異なり、明確な定量的な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されます。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であることを意味します。このような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エンジニアリングを容易にするために使用できるだけでなく、それらの数値レシピを全体的により強力にするためにも使用できます。私たちは、いくつかの観察原則といくつかの最適化原則の短いリストを見直します。

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にも知られておらず、頻繁に誤解されています。人気のあるサプライチェーンの実践とその理論は、経済学で一般的に合意されていることとは矛盾していることがよくあります。ただし、これらの実践は基本的な経済学が間違っていることを証明することはできません。さらに、サプライチェーンは複雑です。それらはシステムであり、比較的新しい概念であり、それもあまりにも知られておらず、頻繁に誤解されています。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に経済学とシステムがどのような貢献をするかを理解することです。

2. 方法論

サプライチェーンの研究と実践は、科学に根ざしている必要があります。つまり、科学的な方法によって支持される必要があります。実際に、適切な実験的な実践を通じて自己を高めることに成功したすべての分野は、私たちが「科学」の特徴と認識している素晴らしい進歩を経験してきました。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いませんし、不適切な実験的な方法論に責任があると言えます。サプライチェーンの困難な性質は、適切な方法を要求しています。この章では、その方法について探求します。

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、架空の会社です。しかし、その会社は架空のものですが、サプライチェーンの観点から注意を引くために工夫されています。ただし、この「ペルソナ」は、サプライチェーンの課題を単純化する意味で理想化されているわけではありません。むしろ、意図は、状況の最も困難な側面、つまり量的モデリングの試みやサプライチェーンの改善イニシアチブの試みに最も頑固に抵抗するであろう側面を拡大することです。サプライチェーンでは、1つまたは複数の当事者が名前を挙げた場合、ケーススタディは重大な利益相反を抱えています。企業とその支援ベンダー（ソフトウェア、コンサルティング）は、結果を肯定的な光で提示することに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通常、実行の品質とは無関係な偶発的な条件に苦しんだり、利益を得たりします。サプライチェーンのペルソナは、これらの問題に対する方法論的な回答です。

参考文献：

• 実験医学の研究入門（英語版）、クロード・ベルナール、1865年
• フェニックス・プロジェクト：IT、DevOps、ビジネスの勝利についての小説、ジーン・キム、ケビン・ベア、ジョージ・スパフォード、2013年
• 単言語コーパスのみを使用した教師なし機械翻訳、ギヨーム・ランプル、アレクシス・コノー、リュドヴィック・デノイエ、マルク・オレリオ・ランザト、2018年

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

パリは架空のヨーロッパのファッションブランドで、大規模な小売ネットワークを運営しています。このブランドは女性をターゲットにし、比較的手頃な価格であることを位置づけています。デザインラインは比較的クラシックで控えめですが、主なビジネスドライバーは常に新しさでした。年に複数のコレクションが使用され、新製品の波を押し出します。適切な商品を適切な時期に適切な価格で適切な在庫数量で押し出すことは、最も重要な課題の1つです。

2.2 実験的最適化

最適化は、単に特定のスコア関数のための最適化プログラムを展開することだという単純なカルテシアンの視点からは程遠く、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、「狂気じみた」意思決定を特定し、調査および対処するために使用されます。その根本原因は、しばしば適切でない経済的なドライバーであり、予期しない結果に対して再評価する必要があります。数値的なレシピが狂気じみた結果を生み出さなくなったとき、反復は性質を変えます。

参考文献：

• 科学的発見の論理, カール・ポパー, 1934

2.3 ネガティブナレッジ

アンチパターンは、見た目は良さそうですが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、ソフトウェアエンジニアリングの分野によって1990年代後半に先駆けて行われました。適用可能な場合、アンチパターンは生のネガティブな結果よりも優れています。なぜなら、それらは記憶しやすく、理解しやすいからです。アンチパターンの視点は、サプライチェーンにとって非常に重要であり、ネガティブナレッジの基盤の1つとして考慮すべきです。

参考文献：

• AntiPatterns: Refactoring Software, Architectures, and Projects in Crisis. ウィリアム・J・ブラウン、ラファエル・C・マルボー、ヘイズ・W・“スキップ”・マコーミック、トーマス・J・モウブレイ, 1998

2.4 対抗市場調査

現代のサプライチェーンは、さまざまな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ぶことは生存の問題です。しかし、ベンダーの数が多いため、企業はこの取り組みに対して体系的なアプローチが必要です。従来の市場調査の実践は良い意図で始まりますが、最終的には悪い結果に終わります。なぜなら、市場調査会社は分析するはずの企業のマーケティングの前面に立つことになるからです。公平な調査会社が現れるという期待は誤りです。しかし、ベンダー間の評価は、偏見のある市場調査会社でも公平な結果を出すことができる方法論です。

参考文献：

• Epistemic Corruption, the Pharmaceutical Industry, and the Body of Medical Science. セルジオ・シスモンド, 2021 (テキスト)
• Influence: The Psychology of Persuasion. ロバート・B・チャルディーニ, 1984
• Procurement Guidance, Conflict of Interest, 世界銀行, 2020 (PDF)

2.5 サプライチェーンのための執筆

サプライチェーンは大規模なチームの調整を必要とします。そのため、書面は王道です。現代のサプライチェーンは、口承伝統とはまったく互換性がありません。しかし、サプライチェーンの実践者は、書面でのコミュニケーション能力においてはひどい結果を残すことが多いです。使いやすさの研究や、いくつかの著名な専門家の意見を見てみましょう。また、実験的最適化アプローチを通じて実行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る必要があります。数式やソースコードは「何を」「どのように」に答えますが、「なぜ」には答えません。文書化は、サプライチェーンの科学者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、この文書化は次のサプライチェーンの科学者へのスムーズな移行を保証するための重要な要素となります。

参考文献：

• The Elements of Style (First Edition), ウィリアム・ストランク・ジュニア, 1918
• F-Shaped Pattern For Reading Web Content, ヤコブ・ニールセン, 2006 (テキスト)

3. ペルソナ

前の章で定義された方法論に従った一連の「サプライチェーンのペルソナ」。

3.1 マイアミ - 航空機MRO

マイアミはアメリカの架空の航空機MRO（メンテナンス、修理、オーバーホール）であり、商業航空機の大規模なフリートに対応しています。航空業界では、セキュリティが最重要です。部品やコンポーネントは定期的に検査され、修理が必要な場合があります。マイアミは常に航空機を空中に保ち、メンテナンス作業に必要な部品が不足している場合に発生する「AOG（地上にある航空機）」のインシデントを回避することを目指しています。

3.2 アムステルダム - チーズブランド

アムステルダムは、チーズ、クリーム、バターの製造に特化した架空のFMCG企業です。彼らは複数の国で多くのブランドを展開しています。品質、価格、新鮮さ、廃棄物、多様性、地域性など、多くのビジネスの相反する目標を注意深くバランスさせる必要があります。設計上、乳製品の生産と小売りのプロモーションは、供給と需要の観点で会社を難しい立場に追い込んでいます。

3.3 サンノゼ - ホームウェアのECサイト

サンノゼは、さまざまな家具やアクセサリーを扱う架空のECサイトです。彼らは独自のオンラインマーケットプレイスを運営しています。彼らのプライベートブランドは、内部および外部のブランドと競合しています。より大きく、価格の安い競合他社と競争力を維持するために、サンノゼのサプライチェーンは、注文した商品のタイムリーな配送を超えたさまざまな形で高品質のサービスを提供しようとしています。

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。彼らは車の修理、車の部品、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います。2010年代初頭、シュトゥットガルトは車の部品の買い取りと販売、および中古車の買い取りと販売の2つのECサイトも開始しました。シュトゥットガルトは、数万種類の異なる車両と数十万種類の異なる車の部品が存在する複雑で競争力のあるヨーロッパの自動車市場で高品質のサービスを提供しようとしています。

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

TBD

4. 補助科学

サプライチェーンのマスタリーは、他のいくつか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種として紹介することは頻繁に行われますが、これは誤解です。これらのクラッシュコースは、単なる「モデル」の連続ではなく、よく考えられたサプライチェーンの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 モダンコンピューター

モダンなサプライチェーンでは、モーター駆動のコンベアベルトが電力を必要とするように、コンピュータリソースも必要です。しかし、遅いサプライチェーンシステムは依然として広く存在しており、コンピュータの処理能力は1990年以来、10,000倍以上向上しています。モダンなコンピューティングリソースの基本的な特性に対する理解の欠如は、この状況を説明する上で重要な要素です。数値計算の基礎となるソフトウェア設計は、基礎となるコンピューティング基盤と対立する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、多くの数値問題を解決することに依存しています。アルゴリズムは、特定の計算問題を解決するために設計された高度にコード化された数値計算のレシピです。優れたアルゴリズムは、より少ないコンピューティングリソースで優れた結果を得ることができます。サプライチェーンの特異性に焦点を当てることで、アルゴリズムのパフォーマンスを大幅に向上させることができます。また、近年、モダンコンピュータの設計も大きく進化していますので、「サプライチェーン」アルゴリズムもこれに対応する必要があります。

参考文献（書籍）：

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

4.3 数理最適化

数理最適化は、数学的な関数を最小化するプロセスです。ほとんどの現代の統計学習技術（サプライチェーンの視点を採用した予測など）は、その核として数理最適化に依存しています。さらに、予測が確立された後、最も利益の高い意思決定を特定することも、その核として数理最適化に依存しています。サプライチェーンの問題は、多くの変数を含みます。また、通常、確率的な性質を持っています。数理最適化は、現代のサプライチェーンの実践の基盤です。

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

予測は、調達、生産、在庫管理などのすべての意思決定が将来のイベントを予測することを反映しているため、サプライチェーンでは削減できません。統計学習と機械学習は、古典的な「予測」の分野を理論的および実践的な観点から大幅に上回っています。この研究分野は劇的な改善を遂げており、これらの改善は「データサイエンティスト」の間でほとんど理解されていません。私たちは、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、持っていないデータについて正確な声明をする必要があります。次に、変数の数が観測の数をはるかに上回る問題に取り組む必要があります。そして、変数または観測の数をはるかに上回るパラメータを持つモデルで作業する必要があります。現代の「学習」の観点から見て、データに基づく将来の予測が実際に何を意味するのかを理解しようとします。

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

ほとんどの供給チェーンはまだスプレッドシート（つまりExcel）を使用して運営されていますが、企業システムは1つ、2つ、または3つの十年にわたって導入されてきました - それらを置き換えるために。実際、スプレッドシートはアクセス可能なプログラムの表現力を提供しますが、それらのシステムは一般的に提供しません。より一般的には、1960年代以来、ソフトウェア業界全体とそのプログラミング言語の共同開発が続いています。次の供給チェーンのパフォーマンスの段階は、プログラミング言語の開発と採用、あるいはプログラム可能な環境の開発と採用によって主に推進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

複雑さと混沌を抑えることは、ソフトウェアエンジニアリングの基本です。供給チェーンが複雑で混沌としていることを考慮すると、供給チェーンが直面するほとんどの企業ソフトウェアの問題は、悪いソフトウェアエンジニアリングに帰結することはあまり驚くべきことではありません。供給チェーンの最適化に使用される数値レシピはソフトウェアであり、したがって、まったく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ともに強度を増します。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無菌状態が病院にとってのようなものです。それ自体では何もしませんが、それがなければすべてが崩壊します。

4.7 サイバーセキュリティ

サイバー犯罪は増加しています。ランサムウェアは急成長しているビジネスです。物理的に分散しているため、供給チェーンは特に危険にさらされています。さらに、環境の複雑さはコンピュータセキュリティの問題の肥沃な土壌です。コンピュータセキュリティは、攻撃者が侵入口を見つけて悪用するために採用される角度そのものであるため、直感に反するものです。供給チェーン最適化に関与する数値レシピのフレーバーによって、リスクは増加または減少する場合があります。

4.21 ブロックチェーン

暗号通貨は多くの注目を集めました。財を成した者もいれば、財を失った者もいました。ピラミッド型の詐欺が横行しました。企業の観点からは、「ブロックチェーン」という言葉は、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であり、暗号通貨との距離を置くために使用されます。ブロックチェーンには供給チェーンのユースケースが存在しますが、課題も多く存在します。

参考文献：

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

5. 予測モデリング

将来のイベントの適切な数量的予測は、どの供給チェーンの最適化においても重要です。時系列予測の実践は20世紀に登場し、ほとんどの大規模な供給チェーンに大きな影響を与えました。予測モデリングは時系列予測の子孫であり、同時にこの視点からの大きな脱却です。まず、より多様な問題インスタンスに取り組みます。第二に、供給チェーンの問題の性質上、プログラムのパラダイムが必要です。第三に、不確実性が通常削減できないため、確率的な予測も必要です。

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M5予測競技会で909の競合チームの中でNo5を達成しましたが、SKUの集計レベルでは、予測はNo1でした。需要予測は供給チェーンにとって非常に重要です。この競技会で採用されたアプローチは非典型的であり、他のトップ50の競技者が採用した他の方法とは異なります。供給チェーンにおけるさらなる予測的な課題に取り組む前に、この成果から多くの教訓を得ることができます。

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, December 2021 (link)
• The M5 Uncertainty competition: Results, findings and conclusions, Spyros Makridakis, Evangelos Spiliotis, Vassilis Assimakopoulos, Zhi Chen, November 2020 (link)

5.1 構造化予測モデリング

Differentiable Programming (DP)は、予測的なサプライ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子孫ですが、学習問題の構造に焦点を当てることでディープラーニングとは異なります。DPは、パラメトリックモデルに基づく「クラシックな」予測文献のほぼすべてを超越しています。DPは、実用的なサプライチェーンの目的において、実質的にすべての次元で、実践者による採用の容易さを含む、遅くとも2010年代までの「クラシックな」機械学習アルゴリズムよりも優れています。

5.2 確率的予測

サプライチェーンの最適化は、将来のイベントの適切な予測に依存しています。数値的には、これらのイベントは予測によって予測されます。予測は、将来のすべての可能な結果に関連する確率を返す場合、特定の結果を「予測」として特定するのではなく、確率的であると言われます。複雑なシステムが関与する場合、不確実性が不可避である場合、確率的な予測は重要です。サプライチェーンでは、確率的な予測は不確かな将来の状況に対して堅牢な意思決定を行うために必要です。

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の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することができます。サプライチェーンの目的のために確率的なリードタイム予測モデルを使用することができます。これらの予測、リードタイムと需要を組み合わせることは、サプライチェーンにおける予測モデリングの基礎です。

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の意思決定（大企業では何百万も）が行われることになります。各意思決定には選択肢があります。サプライチェーンの最適化の目標は、将来の不確実な状況に直面しながらも最も利益が出る選択肢を選ぶことです。このプロセスにはまだ対処していない2つの主要な課題があります。第一に、どの意思決定の利益を定量的に評価するか、第二に、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です。

6.1 確率的予測による小売在庫割り当て

サプライ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ことは容易ではなく、専用のツールが必要です。しかし、在庫割り当てによって示される経済的優先順位は、従来の技術よりも強力であることが証明されています。小売在庫割り当ての課題から始めましょう。配送センター（DC）と複数の店舗を含む2階層ネットワークでは、DCの在庫を店舗にどのように割り当てるかを決定する必要があります。すべての店舗が同じ在庫を競合することを知っています。

6.2 自動車アフターマーケットの価格最適化

供給と需要のバランスは価格に大きく依存します。したがって、価格最適化はサプライチェーンの範囲に属しています。架空の自動車アフターマーケット会社の価格を最適化するための一連の技術を紹介します。この例を通じて、適切な文脈を見落とす抽象的な論理の危険性を見ることができます。最適化自体の細かい点よりも、最適化すべきものを知ることの方が重要です。

7. 戦術的および戦略的な実行

サプライチェーンは、企業全体のエンエーブラーであり競争上の優位性を目指しています。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のある資産にし、ビジネスの実行方法を向上させる優れた方法を見つけることが主な課題です。実際の結果は、主に適切なチームプレーヤーの選択に帰結します。

優れた数値レシピによっ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える可能性があります。この視点には2つの重要な注意点があります。まず、数値レシピはプロセスを容易にするために設計される必要があります。それは見かけ以上のものです。第二に、数値レシピを導入するプロセス自体がレシピ自体を再構築します。これは、一見するとかなり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、ソフトウェアとハードウェアの問題が絡み合っています。残念ながら、これらの側面を分離することはできません。ソフトウェアとハードウェアの側面は深く絡み合っています。通常、この絡み合いは会社の組織図で定義された作業の分担と正面衝突します。サプライチェーンのイニシアチブが失敗すると、失敗の根本原因は通常、プロジェクトの初期段階でのミスです。さらに、初期のミスはイニシアチブ全体を形作り、後から修正することがほとんど不可能になります。これらのミスを避けるための主なポイントを紹介します。

7.2 意思決定を実際の生産に持ち込む

在庫補充などの日常的な意思決定を駆動する数値レシピを求めています。自動化は、サプライチェーンを資本主義的な取り組みにするために不可欠です。ただし、数値レシピが欠陥を持っている場合、大規模な損害をもたらすリスクがあります。数値レシピを本番環境で使用するためには、「早く失敗し、問題を引き起こす」は適切なマインドセットではありません。ただし、ウォーターフォールモデルなどの他の多くの代替手段は、通常、合理性と制御の幻想を与えるだけでさらに悪化します。高度に反復的なプロセスが、本番環境で使用できる数値レシピの設計の鍵です。

7.3 サプライチェーンの科学者

量的サプライチェーンイニシアチブの核心には、サプライチェーンの科学者（SCS）がいます。SCSはデータの準備、経済モデリング、KPIレポートの実行を担当します。サプライチェーンの意思決定のスマートな自動化は、SCSの作業の結果です。SCSは生成された意思決定に責任を持ちます。SCSは、機械処理能力を通じて拡大された人間の知性を提供します。