意思決定主導の最適化

量的供給チェーンは、自動化された高性能な供給チェーンの意思決定を生成することに注力しています。焦点は、週次予測のような数値的成果物を提供することではありません。それらの成果物は、最終的な意思決定を算出するために用いられる、単なる内部計算に過ぎません。我々は意思決定を、供給チェーン問題への実行可能な解答であり、供給チェーン自体に有形（少なくとも物理的ではない）な結果をもたらすものと定義します。従来の供給チェーン計画の観点からすると、供給に関する意思決定に焦点を当てることは、計画とオペレーションの通常の線引きに沿って定義されないため、やや驚くべきものに見えるかもしれません。それにもかかわらず、意思決定に注力することで、実際の供給チェーンの最適化が劇的に容易になります。本セクションでは、供給チェーンの意思決定の概念を明確にし、最も一般的な意思決定の種類を概観し、意思決定主導の観点の主要な側面を特徴づけます。

適用可能な意思決定の範囲

量的供給チェーンは、供給チェーンの課題に対して非常に数値的かつ統計的な立場を取ります。しかし、この立場はすべての課題に適した視点ではありません。定量的な視点が課題に適しているかを評価するためには、以下の条件を満たす必要があります：

反復性 : 課題を解決するための数値的レシピを作成するには、費用に換算される労力が必要です。供給チェーンを利益的に最適化するためには、最適化プロセス自体のコストが期待される利益を上回らないようにする必要があります。一般的に、毎日または毎週対応が必要な日常的な問題、例：replenishmentは、例外的な問題、例えば新市場への展開よりも定量的アプローチに適しています。
限定的な意思決定 : ソフトウェアソリューションの複雑さを制御するためには、明確に定義された意思決定の類型、理想的には高度に数値的な意思決定で対応可能な供給チェーンの課題に焦点を当てることが望ましいです。例えば、需要が低すぎて供給チェーンに余分な負担をかけるために、商品を全く在庫しないと決定するというのは非常に限定的な問題であり、高度に自動化されたプロセスで容易に解答できる質問です。対照的に、倉庫管理チームの業務慣行を修正するという意思決定は、非常に幅広い問題であり、自動化には不向きです。
履歴データ : ソフトウェアソリューションは真空状態では機能しません。供給チェーンの課題に対処する知識は、手動で定義されたルールとしてソフトウェアに組み込むことも可能ですが、一貫性があり高性能な意思決定ルールの大規模な構築は非常に困難です。現代の多くのアプローチは、販売履歴や購買履歴などの履歴データからあらゆる関連知識を抽出し、ルールのエントリーをMOQs（最小発注量）などの明確に定義された供給チェーンポリシーに制限しています。ソフトウェアに履歴データからの外挿を試みさせたくないのです。

ソフトウェア工学が進展し、特に機械学習の分野が進歩するにつれて、コンピュータベースのシステムで利用可能な意思決定の幅は年々広がっています。例えば、初期の在庫最適化システムは、少なくとも数ヶ月分の販売履歴がある製品に限定されていましたが、新しいシステムは、まだ販売されていない製品を含むすべての製品をサポートします。

また、ソフトウェア工学により、供給チェーンの専門家が手作業で対応するには困難とされた問題に取り組むことが可能になる場合もあります。例えば、最新の在庫最適化システムは、どの在庫記録が不正確である可能性が高いかを予測できるため、在庫の優先的な再計数を可能にします。これは、ほとんどの製品でSKUsを線形に再計数するという、従来型のアプローチを上回る機能です。

供給チェーン意思決定の例

供給チェーンは非常に多様であり、ある業界で主要な課題となるものが、別の業界では単なる逸話的なものに過ぎない場合があります。本節では、量的供給チェーンの視点から適している典型的な意思決定例を簡単に概説します.

発注 : 各サプライヤーから各製品ごとに購入する正確な数量を決定する。発注は実際に購買注文が発生しなくても、毎日更新されるべきです。発注では、MOQsなどの発注制約および、コンテナなどの輸送制約をすべて考慮する必要があります。また、輸送モード（船便 vs. 航空便）の選択や、輸送ミックスの可能性も含まれる場合があります.
生産指示 : 生産する正確な数量を決定する。生産指示では、最小生産バッチが必要な生産制約をすべて考慮する必要があります。また、最大生産能力が年間のピークシーズンの市場需要を下回る場合は、ピークシーズンに対応するために事前に在庫を積み増す必要があります.
在庫バランス調整 : ある拠点で現在保有している在庫を、拠点ごとに差別化された将来需要に沿って他の拠点に移動すべきかどうかを決定する。たとえほとんどの日では、多くの製品でそれらの移動が経済的に利益をもたらさなくても、この意思決定は毎日更新されます.
在庫処分 : 現在在庫として保有している単位を、破棄するか二次流通（通常は大幅割引）で販売するかを決定する。実際、死蔵在庫は倉庫を不必要に占有し、在庫そのものの経済的価値を上回るコストを生む可能性があります。業界によっては、在庫はpromotionsや、専門チャネル、または完全な破棄を通じて処分されることもあります.
在庫保持 vs. ドロップシッピング : 製品が十分な需要を持ち、直接購入・保管・出荷する価値があるか、または注文時に第三者によるドロップシッピングの方が適しているかを決定する。ドロップ-シッピング製品は通常、利益率が低い一方で、carrying costsも少なくて済みます。この意思決定は、在庫として保持する製品の正確なリストを定義し、全体の在庫多様性を管理可能な範囲に留める形で行われます.
重点的な在庫計数 : 電子記録と実際の棚上在庫数が一致しない可能性を踏まえ、SKUを再計数すべきかどうかを決定する。これは、再計数に伴う労働コストと、phantom inventoryが供給チェーンのパフォーマンスに与える悪影響とのトレードオフです。実際、在庫の不正確さは、一般公開されている小売店では、スタッフ制限のある倉庫や工場と比較して格段に大きいのです.

特定の業界固有の意思決定が存在することにも留意すべきです。以下の例は、前述のものよりも文脈依存性が高いと言えます.

小売店の品揃え : 各小売店で展示する正確な製品リストを決定する。場合によっては、全製品カタログが各店舗の収容能力を大幅に超えるため、各店舗が展示できるのはカタログのごく一部となります。品揃えの最適化は、店舗の収容能力に合わせて小売店のパフォーマンスを最大化します。また、ラグジュアリー商品などの場合、各製品の在庫が通常1単位に留まるため、課題はさらに複雑になります.
機会的な代替 : いつ製品の代替が許容され、代替に踏み切ることで利益が生じるかを決定する。例えば、生鮮食品のECサイトでは、数日前の配送も受け入れる場合があり、これにより既に注文済みの生鮮商品のstock-outが遅れて発生し、元の顧客注文に変更が生じる問題が生まれます。この状況では、十分に選定された代替製品に切り替える方が、小売業者にとっても、顧客にとってもより利益的な対応となります.
機会的な資産売却 : 主に内部使用向けに予定されていた修理可能な部品など、在庫の再販を決定する。修理可能部品の在庫は、部品がサービスされ、回収され、修理され、再びサービスされるという2つの状態の間で循環します。需要の低下などの特定状況下では、サービス可能な部品の在庫が企業の必要量を大幅に上回ることもあり、その場合、アフターマーケットで割引価格で再販し、元の在庫価値の一部を回収するか、将来の部品需要に迅速に対応できないリスクを増大させるかが問われます.
使用不能在庫の維持 : 修理可能であるにもかかわらず使用不能な部品を直ちに修理するか、修理を延期して使用不能なまま保管するかを決定する。部品の修理は新品購入よりも費用が少なく済む可能性がありますが、既存のサービス可能な部品在庫が長期間の需要を賄える場合もあります。故に、修理の遅延は、将来、需要が他の部品にシフトする可能性を見越して費用を先送りできるというメリットと、将来の部品要求に迅速に対応できないリスクというデメリットとのトレードオフとなります.
機会的な調達 : 特定の部品について、価格のベンチマークを確立するための調達オペレーションを実施する価値があるタイミングを決定する。ある業界では、部品の価格は非常に不透明であり、最新の部品価格（非常に高価な装置である場合もある）を明らかにするには数日間の労力が必要です。何千もの部品が必要な場合、より高価な部品を支払うことと、調達オペレーションに伴う人件費とのトレードオフが生じます.
バンドルの維持 : 特定の製品の最終単位を単体販売するか、もしくは後日のバンドルに含めるために保持するかを決定する。実際、部品や製品の組み合わせであるバンドルの存在は極めて重要な場合がある一方、単体の部品の存在はそれほど重要ではありません。しかし、単体部品として最後の1単位を販売すると、より大きく重要なバンドルで在庫切れが発生するリスクを孕むため、即時対応のメリットと将来的な在庫切れリスクとのトレードオフが存在します.

正式に文書化される前は、供給チェーンの意思決定は通常、暗黙のうちに行われます。これは、人によって、またはソフトウェアシステムによって行われる場合があります。例えば、Min/Maxによる在庫構成は、再発注数量だけでなく複数の意思決定を暗黙裏に実施しており、Max値がゼロでなければその製品は品揃えに含まれ、補充のトリガー前には在庫再計数が行われないという別の暗黙の決定もなされています。残念ながら、測定しなければ最適化できないため、これらの意思決定が形式化されていないことが、供給チェーンパフォーマンスの体系的な改善を阻む要因となっています.

数値的成果物 vs. 意思決定

複雑な供給チェーンの問題に直面すると、実務者は手段と目的を混同するリスクがあります。例えば、補充の必要性に直面した際、SKUに関連付けられた週次需要予測を作成することは、再発注数量を算出するための数値的レシピの一要素に過ぎません。週次予測は単なる中間計算であり、最終的な意思決定は発注数量そのものです。量的供給チェーンでは、これら中間計算を数値的成果物と呼びます。数値的成果物自体の重要性を否定するわけではありませんが、それらは使い捨て可能な一時的数値表現であり、最終出力である供給チェーンの意思決定に寄与するにすぎません.

数値的最適化に関して、任意の数学的指標（例：WMAPE＝加重平均絶対誤差）で最適化された需要予測などの数値的成果物を追求すれば、機械的に財務上のリターンが得られると考えるのは誤りです。直感に反するように思えるかもしれませんが、供給チェーンでは通常そうではありません。供給チェーンの問題は一般に非対称性が高く、例えば航空宇宙分野では、200ドルの部品が不足するだけで2億ドル相当の航空機が地上に留まる可能性があるのです。必要な部品在庫数は、必ずしも予想需要によって決定されるわけではなく、部品自体のコストと、その部品が欠如した場合のコストが在庫決定プロセスを支配する場合が多いのです.

対照的に、量的供給チェーンは最終的に意思決定こそが真に重要であると強調します。なぜなら、意思決定だけが企業に対して実際かつ測定可能な財務的影響を与える有形の要素だからです。したがって、意思決定のパフォーマンスに挑戦することが極めて重要であると同時に、週次または月次の需要予測のような、一時的で拘束力のない数値結果に対するKPIに対しても、健全な懐疑の目を持つ必要があります.

制約付き意思決定 ― 現実とフィクションの狭間

供給チェーンの意思決定は通常、制約に縛られています。例えば、発注はMOQs（最小発注量）などの非線形制約の対象となる場合があります。また、倉庫には有限の保管容量という別の非線形制約も存在します.

しばしば、制約はサプライチェーン運用に関連する基本的な経済的要因から生み出される。例えば、現在の製品価格を考慮に入れ、製品の流通が経済的に成り立つためには、製品がパレット単位で梱包されて販売されなければならず、その結果、例えば50ユニットというロットサイズでのみ販売されることになり、これが積載済みパレットを表す。

しかし、制約が恣意的な組織ルールから生じる場合もある。例えば、ある企業が部門ごとの年間購買予算を100万USDに上限設定することを決定した場合などである。この予算制約は、部門の実際の売上が把握されるずっと前に設定される。こうした状況では、購買の決定は、比較的恣意的な予算編成プロセスの結果としての非線形制約に従うことが求められる。

定量的サプライチェーンは、実際のサプライチェーン制約をできる限り反映すると同時に、従来のプロセスの恣意的な側面によって課せられた束縛なしに運用可能な、新しいまたは改訂された組織形態を実現しようとする。実際、サプライチェーンにおけるほとんどの恣意的な制約は自動化の欠如に起因する。すなわち、部門毎の「最適な」予算が、会社全体の横断的な懸念事項を毎日考慮して確実に再見積もりできない場合、年間または四半期ごとの予算に頼るのが自然である。

意思決定には優先順位付けと調整が必要

ほぼすべてのサプライチェーンの決定は相互依存している。すなわち、サプライヤーから購入される追加の各ユニットは倉庫内のスペースを余分に占有し、倉庫が満杯になると業務が停止する。これらの依存関係は通常、間接的で数値的な観点から対処するのが難しいが、それゆえにサプライチェーンや戦略的な面での重要性が低くなるわけではない。例えば、全体のサービスレベルが99%と非常に良好であっても、主要なクライアントだけが85%のサービスレベルに苦しみ、在庫切れがそのクライアントが購入する製品群に集中している場合、企業は最大のクライアントを失う深刻なリスクに直面することになる。

意思決定に優先順位を付けることは、共有されているが限られたサプライチェーン内のリソースを最大限に活用するための最も単純な方法である。例えば、倉庫の保管容量や運転資本がどちらも限られているため、単に利益が見込める追加の在庫ユニットを購入するのではなく、製品カタログ全体で最も利益が出る次の1ユニットを特定することが求められる。購買決定を個別に扱うと、倉庫スペースや購買予算が低収益性の製品で消費されてしまうリスクが生じる。

実際、この優先順位付けを実現するためには、サプライチェーンを支える分析ソフトウェアを大幅に変更する必要がある。原始的なサプライチェーン手法、例えばMin/Max在庫管理のように各決定を個別に扱うのではなく、すべての決定を統合し、それぞれの推定収益性に基づいてランク付けする必要がある。このプロセスは現代のソフトウェアソリューションでは実現可能であるが、初期のサプライチェーン手法と比較して非常に多くの計算リソースを必要とする。

サプライチェーン業務に適用されるすべての横断的制約に対処するためには、決定の調整が必要である。例えば、海外サプライヤーから商品を発注する際、フルコンテナで発注することに強い経済的インセンティブが働く場合がある。そのため、課題は製品ごとの数量の選定ではなく、全体としてコンテナの容量に正確に一致する数量の選定にある。横断的制約はサプライチェーン全体に遍在しており、ファッション業界での新コレクションの品揃え調整、DIYストア内で特定製品リストを求めるクライアント向けの高いサービスレベルの確保、あるいは一店舗による過大発注で他店舗の在庫が枯渇するのを防ぐといった例が挙げられる。

このような調整上の懸念に対処する従来の非常に非効率な方法は、まず調整の懸念を全く無視して計算を二段階で行い、次に初期の数値出力を調整上の懸念に合わせて修正するというものである。前述のコンテナの例では、まずコンテナの視点を完全に無視して望ましい発注数量を計算し、次にその合計が実際にコンテナに収まるように数量を修正する。こうした二段階計算の主な弱点は、第2段階が第1段階の計算で考慮されたすべての経済的要因を完全に無視してしまう点にある。言い換えれば、第2段階で結果を修正することにより、第1段階で採算の取れる決定を計算するために費やした努力が「打ち消されてしまう」可能性がある。現代のソフトウェアは、数値ソルバーを導入することでこのような状況に直接対応する。これらのソルバーは、単純な二段階計算方式と比較して計算リソースの要求が劇的に高いが、現代において一般的に利用可能な計算リソースを考慮すると、問題にはならない。