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の供給チェーンの意思決定を生成することに焦点を当てています。数値的な予測などの数値的な成果物を提供することは目的ではありません。これらの成果物は、最終的な意思決定を計算するために使用される偶然の内部計算と見なされます。私たちは、供給チェーンそのものに具体的であるとは言えないかもしれませんが、供給チェーンの問題に対する答えであり、行動を起こすことができ、具体的な結果をもたらすものとして、意思決定を定義しています。従来の供給チェーン計画の観点からは、供給の意思決定に焦点を当てることは少し驚くかもしれません。なぜなら、それらは通常の計画と運用のラインに沿って定義されていないからです。それにもかかわらず、意思決定に焦点を当てることは、供給チェーンの実際の最適化を劇的に容易にします。このセクションでは、供給チェーンの意思決定の概念を明確にし、最も頻繁に行われる意思決定のタイプを説明し、意思決定主導の視点の主要な側面を特徴付けます。

適格な意思決定の範囲を明確化する

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で統計的な立場を取ります。ただし、この立場はすべての課題に適切な視点ではありません。量的な視点が課題に適しているかどうかを評価するためには、次の条件を満たす必要があります：

繰り返し可能性：課題を解決するための数値的なレシピを作成することはコストを伴います。供給チェーンを効果的に最適化するためには、最適化プロセス自体がそれに期待される利益よりもコストがかからないことを確認する必要があります。一般的な基準として、毎日または毎週対処する必要があるルーチンの問題（例：在庫補充）は、新しい国に拡大するなどの例外的な問題よりも、量的なアプローチのためのより良い候補です。
狭い意思決定：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タイプに焦点を当てることが望ましいです。理想的には、非常に数値的な意思決定です。たとえば、需要が供給チェーンに対する余分な負担を正当化するには低すぎるため、製品の在庫を完全に停止するかどうかを決定することは、自動化されたプロセスがすぐに答えることができる非常に狭い問題です。一方、倉庫管理チームの作業方法を修正するかどうかを決定することは、自動化には適していない非常に開放的な問題です。
過去のデータ：ソフトウェアソリューションは孤立して動作することはできません。供給チェーンの課題に対処するための知識は、ソフトウェアに手動で定義されたルールとして埋め込むことができます。ただし、一貫性のあるパフォーマンスの良い意思決定ルールの大量作成は非常に困難な作業です。ほとんどの現代的なアプローチでは、過去のデータ（販売履歴、購入履歴など）から関連する知識を抽出し、ルールエントリを明確に定義された供給チェーンポリシー（例：MOQ：最小発注数量）に制限します。これらのルールは、ソフトウェアが過去のデータから推測しようとすることは望ましくありません。

ソフトウェアエンジニアリングが進歩し、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がアクセスできる意思決定の範囲は年々広がっています。たとえば、初期の在庫最適化システムは、少なくとも数か月の販売履歴を持つ製品に限定されていましたが、新しいシステムで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ています。

また、ソフトウェアエンジニアリングによって、供給チェーンの専門家が手動で解決不可能と考えられていた問題に取り組むことができるようになることもあります。たとえば、現代の在庫最適化システムは、在庫記録のうち最も正確性が低いと予測されるものを特定し、在庫の優先的な再計数を可能にする機能を備えています。これは、すべてのSKUを線形に再計数する従来のアプローチよりも優れています。

供給チェーンの意思決定の例

供給チェーンは非常に多様であり、特定の業界にとって重要な課題は、他の業界では逸話的なものにすぎません。このセクションでは、数量的な供給チェーンの観点から適した典型的な意思決定について簡単に説明します。

発注：各サプライヤから各製品ごとに購入する正確な数量を決定すること。この意思決定は、実際の発注がほとんど行われない日でも、毎日更新されます。発注にはすべての発注制約（MOQ）と輸送制約（コンテナなど）を考慮する必要があります。また、発注には輸送モード（海上輸送 vs. 航空輸送）を選択することもあります。
生産指示：生産する正確な数量を決定すること。生産指示には、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需要ピークに対して低い場合、生産はピークシーズンに対応するために事前に在庫を積み上げる必要があります。
在庫のバランス調整：ある場所に保管されているユニットを別の場所に移動するかどうかを決定すること。通常、在庫のバランスが場所ごとの将来の需要と一致しなくなった場合に行われます。この意思決定も、ほとんどの日において、ほとんどの製品において、それらを場所間で移動することが経済的に有益ではない場合でも、毎日更新されます。
在庫の処分：在庫に保管されているユニットを廃棄するか、通常は大幅に割引されたセカンダリチャネルを通じて販売するかを決定すること。実際に、不要な在庫は倉庫を不必要に混雑させ、在庫自体の経済的価値よりも大きなコストを生み出す可能性があります。業界によっては、在庫はプロモーション、専門チャネル、または純粋な廃棄物処理を通じて処分される場合があります。
在庫保持 vs. ドロップシッピング：製品の需要が十分にあるかどうかを判断し、製品を購入し、保管し、直接提供するか、サードパーティによるドロップシッピングを利用する方が良いかを決定すること。ドロップシッピング製品は通常、利益率が低くなりますが、保管コストも低くなります。この意思決定は、在庫の全体的な多様性を管理しながら、在庫に保持する製品の正確なリストを定義する形で行われます。
ターゲットとなる在庫のカウント：電子レコードの不正確さにより、SKUが再計数されるべきかどうかを決定すること。この意思決定は、再計数操作に関連する労働コストと、ファントム在庫がサプライチェーンのパフォーマンスに与える負の影響とのトレードオフです。実際には、公開された小売店舗では在庫の不正確さが倉庫や工場に比べてはるかに大きいです。

特定の業界には独自の意思決定があります。以下の例は、上記のリストよりも文脈に依存すると考えられます。

小売店の商品構成：各小売店に表示される製品の正確なリストを決定すること。時には、製品カタログ全体が特定の店舗の容量を大幅に超える場合があります。したがって、各店舗はカタログの一部のみを展示することができます。商品構成の最適化は、店舗の容量に応じて小売店のパフォーマンスを最大化します。また、高級品などの業界では、選択された商品の在庫は通常、1つの商品につき1つの単位しかない場合があります。
機会主義的な置き換え：製品の置き換えが許容される場合と、置き換えを行うことが利益になる場合を決定すること。たとえば、生鮮食品の電子商取引では、数日前に配送を受けることが許容される場合があります。これにより、既に注文された生鮮品の遅延ストックアウトの問題が生じ、元のクライアントの注文が変更されます。この状況では、小売業者にとってより利益のある操作であり、クライアントにとってもより良いサービスとなるため、適切に選択された代替商品に置き換えることがあります。
機会主義的な売却：元々内部消費を目的としていた修理可能な部品などの在庫を再販売することを決定すること。修理可能な部品の在庫は通常、使用可能な状態と使用不可能な状態の2つの状態を往復します。部品がサービスされ、回収され、修理され、最終的に再サービスされるためです。需要の減少などの特定の状況では、使用可能な部品の在庫が会社の需要を大幅に超える場合があります。この場合、元の在庫価値の一部を回収するためにアフターマーケットで部品を割引価格で再販売するか、代わりに将来の部品のリクエストを適時にサービスできないリスクを増やすかのトレードオフがあります。
使用不可能な在庫の保持：使用不可能ながら修理可能な部品をすぐに修理するか、修理を延期して使用不可能な状態で部品を保管するかを決定すること。部品の修理は新品の購入よりも安価である場合がありますが、現在の使用可能な部品の在庫は長期間の需要をカバーするのに十分な場合があります。したがって、修理を延期することは、将来の修理コストをオフセットするか、市場の需要がその間に代替部品に移行した場合にこのコストを一切負担しない可能性があるというトレードオフです。また、将来の部品のリクエストを適時にサービスできないリスクを増やすことにもなります。
機会主義的な調達：特定の部品の価格基準を確立するために調達操作を実施する価値があるかどうかを決定すること。一部の業界では、部品の価格が比較的不透明です。部品の最新価格、特に非常に高価な機器の価格を明らかにするには、数日間の努力が必要です。数千の部品が必要な場合、より高価な部品を購入するか、調達操作にかかる人件費を負担するかのトレードオフがあります。
バンドルの保存：特定の製品の最後の単位を単独の販売として販売することが価値があるか、それともこの単位を後でバンドルの一部として販売することがより良いかを決定すること。実際には、部品や製品の組み合わせであるバンドルの可用性が非常に重要な場合があり、単独の部品の可用性はそれほど重要ではありません。しかし、最後の部品を単独で提供することで、より重要なバンドルの在庫切れの問題が発生する可能性があります。したがって、単独の部品を適切にサービスすることの利点と、後でより影響力のあるバンドルの在庫切れの問題に直面することのデメリットとのトレードオフがあります。

公式化されるまで、サプライチェーンの意思決定は通常、暗黙的に行われます。たとえば、最小/最大の在庫設定は、再注文数量に関するだけでなく、複数の意思決定を暗黙的に行っています。Maxの値がゼロでない限り、製品はアソートメントに保持されます。また、補充をトリガーする前に在庫の再計算は行われず、これも別の暗黙の意思決定です。残念ながら、測定しないものを最適化することはできないため、これらの意思決定自体の形式化の欠如が、通常、これらの意思決定によって得られるサプライチェーンのパフォーマンスの体系的な改善を阻害します。

数値的なアーティファクトと意思決定

複雑なサプライチェーンの問題に直面すると、実践者は目的と手段を混同するリスクがあります。たとえば、補充の必要性に直面した場合、SKUに関連付けられた週次需要予測を確立することは、いくつかの数値的なレシピでのみ必要な単なる要素です。週次予測は中間計算に過ぎず、注文数量が最終的な意思決定です。量的サプライチェーンの観点からは、これらの中間計算を数値的なアーティファクトと呼びます。量的サプライチェーンは数値的なアーティファクトの重要性を否定しませんが、これらのアーティファクトは使い捨ての一時的な数値表現であり、最終的な出力であるサプライチェーンの意思決定に貢献するものであるとも強調しています。

数値最適化に関しては、任意の数学的な指標（たとえば、WMAPEに対して最適化された需要予測）に対して数値的なアーティファクトを最適化することが、何らかの方法で財務的なリターンをもたらすと考えることは誤りです。これは直感に反するかもしれませんが、サプライチェーンでは通常、そうではありません。サプライチェーンの問題は通常、非常に非対称な問題です。たとえば、航空宇宙では、200ドルの部品の不足が2億ドルの航空機を地上に留めることがあります。在庫に保持する部品の数は、必ずしも予想される需要に主によって駆動されるわけではありません。部品のコストとそれを持たないことのコストが在庫の意思決定プロセスを完全に支配する場合があります。

一方、量的サプライチェーンは、最終的には意思決定のみが重要であると強調しています。なぜなら、それらが会社に対して実際に計測可能な財務的な影響を持つ唯一の具体的な要素だからです。したがって、意思決定のパフォーマンスに対して挑戦することは非常に重要ですが、サプライチェーン管理は、週次や月次の需要予測など、非拘束的で非拘束的な一時的な数値結果に適用されるKPIに対しても健全な懐疑的な姿勢を持つ必要があります。

制約のある意思決定、現実とフィクションの間で

サプライチェーンの意思決定は通常、制約によって制約されます：一連の数値的な制約を満たす場合にのみ、回答は有効です。たとえば、発注は最小発注数量（MOQ）の対象となる場合があります。また、倉庫には有限の収容能力があります-これも非線形の制約です。

制約は、サプライチェーンの運用に関連する基本的な経済的な要素から生成されることがよくあります。現在の製品価格を考慮に入れること。製品の流通は、パレットに詰められた状態でのみ経済的に実現可能であり、したがって、製品は50ユニットのロットサイズで販売される必要があります。

ただし、制約は任意の組織のルールから生じる場合もあります。たとえば、ある会社は、部門の年間購買予算を100万ドルに制限することを決定したかもしれません。この予算制約は、実際の売上が実際にはわかっていない段階で確立されます。このような状況では、購買の意思決定は、比較的任意の予算プロセスの結果である非線形の制約に準拠することが期待されます。

数量的サプライチェーンは、可能な限り実際のサプライチェーンの制約を反映し、以前のプロセスの任意の側面によって課された制約から解放された、新しい、可能性のある組織を可能にすることを目指しています。実際、サプライチェーンでは、任意の制約のほとんどは自動化の不足の結果です。企業全体の横断的な関心事を考慮に入れて、部門ごとの「最適な」予算を毎日確実に再評価することができない場合、年次または四半期の予算に戻るのは自然なことです。

意思決定には優先順位付けと調整が必要です

サプライチェーンのほとんどの意思決定は相互依存しています。サプライヤから追加のユニットを購入すると、倉庫に余分なスペースが必要になり、倉庫がいっぱいになるまで、そしてその後、操作が停止します。これらの依存関係は通常間接的であり、数値的な観点からは扱いにくいですが、サプライチェーンの観点、さらには戦略的な観点から見ても重要です。全体的なサービスレベルが99%である場合、非常に良いですが、最大の顧客のサービスレベルが85%である場合、すべての在庫切れがこの顧客が購入する製品グループに集中しているため、会社は最大の顧客を失うリスクに直面しています。

意思決定の優先順位付けは、サプライチェーン内の共有されたが限られたリソースを最大限に活用するための最も直接的な方法です。たとえば、倉庫の収容能力と運転資本はいずれも限られているため、単に利益を上げることができる追加の在庫を1単位購入するのではなく、製品カタログ全体で最も利益を上げる次の1単位の在庫を特定することが目標です。在庫の購買の意思決定を孤立して扱うと、倉庫スペースが枯渇したり、低い利益率の製品に購買予算を使い果たすリスクが生じます。

実際には、この優先順位付けには、サプライチェーンをサポートする分析ソフトウェアを大幅に変更する必要があります。原始的なサプライチェーンの方法（たとえば、最小/最大在庫）とは異なり、各意思決定を孤立して扱うのではなく、すべての意思決定をまとめて、それぞれの見積もられた利益に対して順位付けする必要があります。このようなプロセスは、現代のソフトウェアソリューションで実現可能ですが、初期のサプライチェーンの方法に比べてかなりの計算リソースを必要とします。

意思決定の調整は、サプライチェーンの運用に適用されるすべての横断的な制約を処理するために必要です。たとえば、海外のサプライヤから商品を注文する場合、フルコンテナを注文する経済的なインセンティブが強い場合があります。したがって、課題は単に製品ごとの数量を選ぶことではなく、集計してちょうどコンテナの容量に合わせる数量を選ぶことです。横断的な制約はサプライチェーンにおいて普遍的です。ファッションの新しいコレクションのアソートメントを調整すること、DIYストア内の製品リストを求めるクライアントに高いサービスレベルを確保すること、他の店舗の費用を削減するために一つの店舗からの大型注文によって中央倉庫を枯渇させないことなどです。

このような調整の問題に取り組むための伝統的で非効率な方法は、まず調整の問題を無視して初期の数値出力を計算し、その後、その数値を修正して問題に合わせるという二段階の計算を行うことです。上記で紹介したコンテナの例に関しては、まず、コンテナの角度を完全に無視して注文すべき数量を計算することができます。次に、それらの数量を修正して、実際にコンテナに収まるようにします。このような二段階の計算の主な弱点は、二段階目の段階で最初の段階の計算に関与したすべての経済的要素を完全に無視してしまうことです。言い換えれば、第二段階での結果の修正は、最初の段階で収益性のある意思決定を計算するために行われたすべての努力を「元に戻す」ことができます。現代のソフトウェアは、このような横断的な制約に直面することができる数値ソルバーを導入することで、このような状況に対処しています。再度、これらのソルバーは、単純な二段階の対応策に比べて計算リソースを非常に多く必要としますが、現在一般的に利用可能な計算リソースを考慮すると、これは問題ありません。