サプライチェーンについて学ぶ

この連続講義では、サプライチェーン管理の基礎：課題、方法論、技術を紹介します。目的は、組織が優れた「現実世界」のサプライチェーンパフォーマンスを達成することです。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から逸脱し、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であり創設者であるJoannes Vermorelによって提示され、Lokadがクライアントのために運営する現実世界のサプライチェーンで具体化されます。

対象者: これらの講義は、上級幹部からジュニアアナリスト、学生まで、サプライチェーンを改善する意欲を持つすべての人々を対象としています。講義には、必要な知識を最小限に抑えるための「クラッシュコース」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と制約に直面したときの選択肢の定量的かつストリートスマートなマスタリーです。それは調達、購入、生産、輸送、配布、プロモーションなどを包含しますが、その焦点は基礎となる操作の直接的な管理ではなく、選択肢の育成と選択にあります。このシリーズで提示される「定量的」サプライチェーンの視点が、主流のサプライチェーン理論とどのように大きく逸脱するかを見ていきます。

参考文献（書籍）:

• 在庫管理と生産計画とスケジューリング, 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、この代替理論が主流のサプライチェーン理論からどのように逸脱するかを把握するための一連の要点を強調しています。それは次のように要約できます：すべての決定は、経済的な要因に基づいてすべての可能な未来に対して評価されます。この視点は、主流のサプライチェーン理論とその実装が（ほぼ？）すべてのソフトウェアベンダーにとって困難であることから、Lokadで徐々に浮かび上がってきました。

1.3 製品指向の配送

定量的サプライチェーンイニシアチブの目標は、ルーチンな決定の範囲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です（例：在庫補充、価格更新）。アプリケーションはエンジニアリングす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大企業で普及するのに苦労している一方で、“Microsoft Excel"というツールは、かなりの運用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で再実装することは容易ですが、実際には理論の認識にもかかわらず、これは起こりませんでした。私たちは、スプレッドシートがサプライチェーンの結果を提供する上で優れていることを証明したプログラミングパラダイムを採用することで勝利したことを示します。

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’な角度を避けることはできません（前の講義参照）、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深刻な影響を与える偶発的な複雑さの層を含んでいます。私たちは、実際のサプライチェーンに特に適している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、これらのプログラミングパラダイムに基づいてLokadによってエンジニアリングされた、サプライチェーンの最適化に専用のDSL（ドメイン固有のプログラミング言語）であるEnvisionで説明されています。

参考文献（書籍、講義のQ&A部分で言及）：

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

1.5 21世紀のサプライチェーンのトレンド

いくつかの主要なトレンドが過去数十年にわたりサプライチェーンの進化を支配してきました。これにより、企業が直面する課題の組み合わせが大きく変化しました。物理的な危険や品質問題など、一部の問題は大幅に薄れてきました。一方で、全体的な複雑さや競争の激しさなど、新たな問題が浮上してきました。特に、ソフトウェアはサプライチェーンを深く変えています。これらのトレンドを簡単に調査することで、サプライチェーン理論の焦点が何であるべきか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）：

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

1.6 サプライチェーンのための定量的原則

サプライチェーンは、電磁気学のように明確な定量的法則で特徴づけることはできませんが、一般的な定量的原則は依然として観察されます。「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最適化を目指した数値レシピのエンジニアリングを容易にするため、また、これらの数値レシピを全体的により強力にするためにも、非常に重要です。観察原則と最適化原則の2つの短いリストを見直します。

2. 方法論

サプライチェーンの研究と実践は、科学的な方法によって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」の特徴と認識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いません。その大部分は、不適切な実験方法論に原因があると言えます。サプライチェーンの厄介な性質は、適切な方法を必要とします。この章では、その方法を探求します。

2.1 サプライチェーン・ペルソナ

サプライチェーンの「ペルソナ」は、架空の会社です。しかし、会社は架空のものであっても、このフィクションはサプライチェーンの観点から注意を必要とするものを強調するために設計されています。しかし、ペルソナは、サプライチェーンの課題を単純化するという意味で理想化されているわけではありません。逆に、最も困難な状況の側面、つまり、定量的なモデリングやサプライチェーンの改善を試みるイニシアチブの推進を最も頑固に抵抗する側面を強調することが目的です。サプライチェーンでは、ケーススタディ（一つまたは複数の当事者が名指しで挙げられている場合）は、深刻な利益相反に苦しんでいます。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、その実行の質とは無関係な偶然の条件から苦しむか、または利益を得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答えです。

参考文献：

• 実験医学研究への導入 (英語版), (オリジナルフランス語版), クロード・ベルナール, 1865
• フェニックスプロジェクト: IT、DevOps、ビジネス勝利のための小説, ジーン・キム, ケビン・ベア, ジョージ・スパフォード, 2013
• 単一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, ルドヴィック・デノワイエ, マルク・アウレリオ・ランザート, 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にし、比較的手頃な価格であると位置づけています。デザインラインは比較的クラシックで落ち着いていますが、主なビジネスドライバーは常に新しさでした。年間に複数回のコレクションを使用して、新製品の波を押し出します。適切な製品を、適切なタイミングで、適切な価格で、適切な在庫量で押し出すことが、コアの課題の一つです。

2.2 実験的最適化

供給チェーンは、単に与えられたスコア関数の最適化器を展開するだけでなく、反復的なプロセスを必要とします。各反復は、「狂った」決定を特定し、調査し、対処するために使用されます。根本的な原因は、しばしば不適切な経済的ドライバーであり、それらの意図しない結果に対して再評価する必要があります。数値レシピがもはや狂った結果を生み出さないとき、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、見た目は良い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、1990年代後半にソフトウェアエンジニアリングの分野で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、推論するのが容易だからです。アンチパターンの視点は、供給チェーンにとって非常に重要であり、そのネガティブナレッジの柱の一つと見なすべきです。

参考文献：

• アンチパターン: ソフトウェア、アーキテクチャ、危機にあるプロジェクトのリファクタリング. ウィリアム・J・ブラウン, ラファエル・C・マルヴォー, ヘイズ・W・“スキップ”・マコーミック, トーマス・J・モウブレー, 1998

2.4 対抗市場調査

現代のサプライチェーンは多数のソフトウェア製品に依存しています。適切なベンダーを選ぶことは生存に直結しています。しかし、ベンダーの数が多いため、企業はこの取り組みに系統的なアプローチが必要です。伝統的な市場調査の実践は良い意図で始まりますが、市場調査会社が分析すべき企業のマーケティングフロントとして機能する結果、必ずしも良い結果をもたらさないことが多いです。偏りのない調査会社が現れることを期待するのは誤りです。しかし、ベンダー間の評価は、偏った市場調査会社でも偏りのない結果を生み出す方法論です。

参考文献：

• エピステミック・コラプション、製薬業界、医学の体系. セルジオ・シスモンド, 2021 (テキスト)
• 影響力: 説得の心理学. ロバート・B・チャルディーニ, 1984
• 調達ガイダンス、利益相反, 世界銀行, 2020 (PDF)

2.5 供給チェーンのためのライティング

供給チェーンは大規模なチームの調整を必要とします。したがって、書面資料が重要です。現代の供給チェーンは口頭伝統とは互換性がありません。しかし、供給チェーンの専門家たちは、しばしば彼らの書面によるコミュニケーションスキルについては非常に不得手です。ユーザビリティ研究や一部の著名な専門家がこれらの問題について何を言っているかを見てみましょう。また、実験的最適化アプローチを通じて実行される供給チェーンのイニシアチブは、十分に文書化される必要があります。数式とソースコードは何をどのようにするかを答えますが、なぜそうするのかを答えません。文書化は、サプライチェーン科学者が直面している問題を理解することを確実にします。時間とともに、この文書化は一人のサプライチェーン科学者から次のサプライチェーン科学者へのスムーズな移行を確保するための鍵となります。

参考文献：

• スタイルの要素 (初版), 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 (テキスト)

3. ペルソナ

前章で定義し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 マイアミ - 航空MRO

マイアミは、大規模な商用航空機のフリートをサービスする架空の航空 MRO（メンテナンス、修理、オーバーホール）です。航空業界では、安全性が最優先です。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、航空機を常に空中に保ち、AOG（地上の航空機）事故を避けるビジネスに携わっています。AOG事故とは、メンテナンス作業を行うために必要な部品が欠けている場合に発生します。

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、バターの生産を専門とする架空のFMCG企業です。彼らは複数の国で多数のブランドを運営しています。品質、価格、新鮮さ、廃棄物、多様性、地元性など、多くのビジネス目標が矛盾しているため、慎重にバランスを取る必要があります。設計上、牛乳の生産と小売のプロモーションは、供給と需要の面で企業をハンマーと金床の間に置くことになります。

3.3 サンノゼ - ホームウェアの電子商取引

サンノゼは、家具やアクセサリーなどのさまざまなホームウェアを配布する架空の電子商取引です。彼らは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。彼らのプライベートブランドは、内部でも外部でも外部ブランドと競合しています。より大きく、価格の低いアクターと競争力を保つために、サンノゼのサプライチェーンは、商品のタイムリーな配送をはるかに超えた多くの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会社

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会社です。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二つの電子商取引チャネルを開始しました。一つは車の部品の購入と販売、もう一つは中古車の購入と販売です。シュトゥットガルトは、数十万種類の車と数十万種類の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習得は、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提示することはよくありますが、それは誤解を招くものです。これらのクラッシュコースは、一連の「モデル」に縮小されるべきではない、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指しています。

4.1 現代のコンピュータ

現代のサプライチェーンは、モーター化されたコンベヤベルトが電力を必要とするのと同じように、コンピューティングリソースを必要とします。しかし、遅いサプライチェーンシステムがまだ広く存在している一方で、コンピュータの処理能力は1990年以降に10,000倍以上に増加しました。ITやデータサイエンスの分野でも、現代のコンピューティングリソースの基本的な特性を理解していないことが、この状況を説明する大きな要因となっています。数値レシピ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 現代のアルゴリズム

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の高度に規定された数値レシピです。優れたアルゴリズムは、より少ないコンピューティングリソースで優れた結果を達成することを意味します。サプライ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大幅に向上し、場合によっては何桁も改善することが可能です。「サプライチェーン」アルゴリズムもまた、過去数十年間で大きく進化した現代のコンピュータの設計を採用する必要があります。

参考文献（書籍）:

• アルゴリズムの紹介, トーマス H. コーメン, チャールズ E. ライソン, 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

数学的最適化は、数学的関数を最小化するプロセスです。現代の統計学習技術のほぼすべて - つまり、サプライチェーンの視点を採用すれば予測 - は、その核心で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、最も利益の出る決定を特定することも、その核心で数学的最適化に依存しています。サプライチェーンの問題は、多くの変数を含むことがよくあります。また、通常は確率的な性質を持っています。数学的最適化は、現代のサプライチェーン実践の基石です。

参考文献:

• オペレーショナルリサーチの未来は過去である, ラッセル L. アクオフ, 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ローカルサーチソルバー, ティエリー・ベノワ, ベルトラン・エステロン, フレデリック・ガルディ, ロマン・メゲル, カリム・ヌイオワ, 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. パールマッター, アレクセイ・アンドレエヴィッチ・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

予測は、すべての決定（購入、生産、在庫、など）が未来のイベントの予想を反映しているため、サプライチェーンでは不可欠です。統計学習と機械学習は、理論的にも実践的にも古典的な「予測」分野を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いますが、それは「データサイエンティスト」の間では大部分が理解されていません。私たちは、三つのパラドックスの解決を通じて、この分野を旅します。まず、私たちは持っていないデータについて正確な声明をしなければなりません。次に、変数の数が観測数を大幅に上回る問題に取り組む必要があります。最後に、パラメータの数が変数または観測数を大幅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」の観点から、データ駆動型の未来予想が何を意味するのかを理解しようとします。

参考文献:

• 学習可能な理論, 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, コリンナ・コルテス & ヴラジミール・ヴァプニク, 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: 高効率な勾配ブースティング決定木, 郭林, 孟祺, フィンリー・トーマス, 王泰峰, 陳偉, 馬衛東, 葉祺炜, 劉鐵岩, 2017年
• 注意はすべてあなたが必要とするもの, アシシュ・ヴァスワニ, ノーム・シャジア, ニキ・パルマー, ヤコブ・ウスコレイト, リオン・ジョーンズ, エイダン N. ゴメス, ルカシュ・カイザー, イリア・ポロスキン, 最終改訂2017年12月
• ディープダブルディセント: より大きなモデルとより多くのデータが悪影響を及ぼす場所, プリートゥム・ナッキラン, ガル・カプルン, ヤミニ・バンサル, トリスタン・ヤン, ボアズ・バラク, イリヤ・スツケヴァー, 2019年12月
• 生成的敵対ネットワーク, イアン J. グッドフェロー, ジャン・プゲ・アバディ, メディ・ミルザ, ビン・シュ, デイビッド・ワーデ・ファーリー, シェルジル・オザイア, アーロン・クールヴィル, ヨシュア・ベンジオ, 2014年6月
• 単一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, ルドヴィック・デノワイエ, マルク・オーレリオ・ランザト, 最終改訂2018年4月
• BERT: 言語理解のための深層双方向トランスフォーマーの事前学習, ジェイコブ・デブリン, ミン・ウェイ・チャン, ケントン・リー, クリスティーナ・トゥトノヴァ, 最終改訂2019年5月
• グラフニューラルネットワークへの優しい導入, ベンジャミン・サンチェス・レンゲリング, エミリー・ライフ, アダム・ピアース, アレクサンダー B. ウィルチコ, 2021年9月

4.5 言語とコンパイラ

供給チェーンの大部分はまだスプレッドシート（つまり、Excel）を通じて運営されていますが、エンタープライズシステムは1つ、2つ、時には3つの十年間にわたって設置されており、それらを置き換えることが目的です。実際、スプレッドシートはアクセス可能なプログラム表現力を提供する一方、これらのシステムは一般的にそうではありません。より一般的には、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の共同開発が常に行われてきました。供給チェーンのパフォーマンスの次の段階は、プログラミング言語、あるいはむしろプログラム可能な環境の開発と採用に大きく依存することが示されています。

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基石です。供給チェーンが複雑で混沌としていることを考えると、供給チェーンが直面する企業ソフトウェアの問題のほとんどが、悪いソフトウェアエンジニアリングに起因することはあまり驚くべきことではありません。供給チェーンを最適化するため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対して影響を受けます。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の無菌状態と同じです：それ自体では何もしない - 例えば患者を治療する - が、それがなければ全てが崩れます。

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速に成長しているビジネスです。物理的に分散した性質のため、供給チェーンは特に露出しています。さらに、周囲の複雑さはコンピュータセキュリティの問題にとって肥沃な土壌です。コンピュータセキュリティは設計上反直感的であり、それはまさに攻撃者が侵入と悪用を見つけるために採用する角度です。供給チェーンの最適化に関与する数値レシピの種類によって、リスクは増加または減少する可能性があります。

4.21 ブロックチェーン

仮想通貨は多くの注目を集めました。財産が作られました。財産が失われました。ピラミッドスキームが蔓延しました。企業視点からは、「ブロックチェーン」は、これらの仮想通貨との距離を確立しながら、同様のアイデアと技術を導入するための丁寧な婉曲表現です。ブロックチェーンの供給チェーン利用ケースは存在しますが、課題も多いです。

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

適切な量的な未来のイベントの予測は、任意の供給チェーンの最適化の中心にあります。時系列予測の実践は20世紀に登場し、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ると同時に、この視点から大きく離れたものでもあります。まず、それははるかに多様な問題のインスタンスに取り組みます。次に、供給チェーンの問題の性質上、プログラム的なパラダイムが必要です。そして、不確実性は通常不可逆的であるため、確率的な予測が必要となります。

5.0. M5予測競争でSKUレベルでNo1

2020年、Lokadのチームは、世界的な予測競争であるM5で909の競争チームの中でNo5を達成しました。しかし、SKUの集約レベルでは、これらの予測はNo1にランクされました。需要予測は供給チェーンにとって最も重要です。この競争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の競争者が採用した方法とは異なりました。この成果からは、供給チェーンのさらなる予測課題に取り組む前に学ぶべき多くの教訓があります。

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

微分可能プログラミング（DP）は、供給チェーンの課題に対処するのに非常に適している統計モデルの非常に広範なクラスをエンジニアリングするための生成的パラダイムです。DPはディープラーニングの子孫ですが、学習問題の構造に強く焦点を当てることでディープラーニングから逸脱します。DPはほぼ全てのパラメトリックモデルに基づく“クラシック”な予測文献を上回ります。また、DPは供給チェーン目的の実用的な使用に関してほぼ全ての次元で“クラシック”な機械学習アルゴリズム - 2010年代後半まで - を上回ります。これには、実務者による採用の容易さも含まれます。

5.2 確率的予測

供給チェーンの最適化は、未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を通じて予測され、これらの未来のイベントを定量化するために使用される数値方法の大きなバラエティを含みます。1970年代以降、最も広く使用されている予測の形は、ポイント時系列予測です：時間を測定した量 - 例えば製品の単位での需要 - が未来に投影されます。予測が確率的であるとは、それが“予測”として特定の結果を特定するのではなく、すべての可能な未来の結果に関連する確率を返すということです。確率的予測は、不確実性が削減できない場合、つまり複雑なシステムが関与する場合にほぼ常に重要です。供給チェーンにとって、確率的予測は不確実な未来の条件に対する堅牢な決定を生み出すために不可欠です。

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の状況の基本的な側面です。リードタイムは需要と同様に予測することができ、そしてするべきです。リードタイムに専用の確率的予測モデルを使用することができます。供給チェーンの目的のための確率的リードタイム予測を作成するための一連の技術が提示されます。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、供給チェーンの予測モデリングの基石です。

6. 決定作成

毎日、数千の供給チェーンの決定（大企業では数百万）が、会社の運営の日常ルーチンの一部として行われるべきです。各決定には代替案があります。供給チェーン最適化の目標は、未来の不確実な状況に直面しながら、最も利益の出るオプションを選ぶことです。このプロセスは、まだ対処していない2つの主要な課題を提示します：まず、任意の決定の利益性の定量的評価、次に、供給チェーンの問題に適した数値最適化レシピの展開。

6.1 確率的予測による小売在庫割当

供給チェーンの決定はリスク調整された経済評価を必要とします。確率的予測を経済評価に変換することは難しく、専用のツールが必要です。しかし、結果として得られる経済的な優先順位付けは、在庫割当によって示されるように、伝統的な技術よりも強力であることが証明されます。私たちは小売在庫割当の課題から始めます。配送センター（DC）と複数の店舗を含む2エシュロンネットワークでは、すべての店舗が同じ在庫を競うことを知って、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。

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、価格最適化は少なくとも大部分が供給チェーンの領域に属します。私たちは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推論の危険性を見ることができます。最適化すべきものを知ることは、最適化自体の細部よりも重要です。

7. 戦術的および戦略的な実行

供給チェーンは、実践と研究の両方の観点から、会社全体のための有効な手段と競争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、二つの角度が支配的です：供給チェーンを増加資産にすることと、ビジネスを実行するための優れた方法を解き放つことです。実際には、結果は主に適切なチームプレーヤーの選択に boil down します。

優れた数値レシピを通じて供給チェーンのパフォーマンスを改善することを目指すイニシアチブは、成功すれば、供給チェーン自体を大きく変える可能性があります。この視点には、二つの大き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面でエンジニアリングされなければなりません。それは見た目以上のものです。二つ目に、数値レシピを導入するプロセス自体がレシピを再形成します。これは、一見するとかなり直感に反するようです。

7.1 量的イニシアチブの開始

供給チェーンの成功した予測最適化は、ソフトとハードの問題の混合です。残念ながら、これらの側面を分けることはできません。ソフトとハードの側面は深く絡み合っています。通常、この絡み合いは、会社の組織図によって定義された労働の分割と正面から衝突します。供給チェーンイニシアチブが失敗するとき、失敗の根本原因は通常、プロジェクトの最初の段階で犯された間違いです。さらに、早期の間違いはイニシアチブ全体を形成し、それらを事後的に修正することはほぼ不可能になります。これらの間違いを避けるための私たちの主要な調査結果を紹介します。

7.2 決定を生産に持ち込む

在庫補充などの日常的な決定を行うための数値レシピを求めています。自動化は供給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。しかし、数値レシピが欠陥がある場合、大規模なダメージを引き起こす可能性があるため、リスクも大きいです。早く失敗して物事を壊すことは、数値レシピを生産に適用するための適切な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などの多くの代替案は、通常、合理性とコントロールの錯覚を与えるため、さらに悪いです。生産グレードであることが証明された数値レシピを設計するための鍵は、高度に反復的なプロセスです。

7.3 サプライチェーン科学者

量的供給チェーンイニシアチブの中心には、サプライチェーン科学者（SCS）がいます。SCSはデータ準備、経済モデリング、KPIレポーティングを実行します。供給チェーン決定のスマートな自動化は、SCSが行った作業の最終製品です。SCSは生成された決定の所有権を持ちます。SCSは、マシンの処理能力を通じて拡大された人間の知能を提供します。