供給チェーンのための定量的原則（講義1.6の要約）

供給チェーンの最適化は、商品の流れに固有の変動性によって生じる選択肢の習得を意味します。供給チェーンの問題は同様に定量的ですが、時には従来の分析とは逆行する「悪い」問題であり、時には奇妙な問題です。観察と最適化の両段階で定量的原則を採用することで、専門家は多くの曖昧ながらも予測可能な供給チェーンの落とし穴を回避することができます。

講義を視聴する

観察の原則

供給チェーンの専門家が取り組む意思決定と制約の種類は、在庫の補充値、サービスレベルの目標、最小発注量（MOQ）など、いずれも「定量的」です。しかし、供給チェーン自体は直接観察することができません。供給チェーン全体のスナップショットを撮ることは、機械の一部を撮影することと同様にできません。両者はいずれも多くの観察可能な物理的な部分から構成されており、（一般的に）物理的な出力をもたらします。

それにもかかわらず、供給チェーンは定量的分析に適しています。むしろ、供給チェーンの定量的分析は、いくつかの示唆に富んだが議論の余地のある逆説的な観察を明らかにします。

供給チェーンの問題は通常（正規）分布ではありません

供給チェーンの問題は通常、正規分布に従わず、最適化を試みる際に遭遇する組織の困難の多くを引き起こします。正規分布では、多数の小さな独立した要因が値を2つの方向のいずれかに影響することができます（例：増加または減少）。言い換えれば、正規分布は、値を増減させる多くの小さなランダムな変化によって生じます¹。

しかし、供給チェーンの問題は、多くの小さな独立した要因ではなく、ごくわずかな大きなシステム的要因から生じることがしばしばあります。これらの要因には、以下が含まれます：

• 需要の変動性：製品の需要はしばしば非常に変動し、季節のトレンド、経済状況、マーケティングキャンペーンなどのさまざまな要因に影響を受けることがあります。この変動性は、ストックアウトや在庫過剰などの問題を引き起こす可能性があります。

• サプライヤーの信頼性：サプライヤーのパフォーマンスは供給チェーンに大きな影響を与えることがあり、サプライヤーの信頼性の変動は遅延配送や品質の問題などの問題を引き起こす可能性があります。

• 物流の混乱：輸送の遅延、税関での引き止め、自然災害などの問題は、供給チェーンに重大な混乱を引き起こす可能性があります。

上記の問題は、供給チェーンの連続性（および最適化）に対する取るに足らない脅威ではありません。むしろ、これらは極端に大きな問題であり、劇的に大きな影響を与える可能性があります。

さらに、供給チェーンの問題はしばしばある程度の歪みを示します。つまり、多くの場合、少数の主要な問題が問題の大部分を引き起こし、予測可能な平均値を中心に問題が対称的に分布するわけではありません。多くの場合、これらの問題は「ロングテール」と呼ばれる特徴も持っており、頻繁に発生するさまざまな問題が多数存在します。

供給チェーンに固有の相互依存関係とフィードバックループ（たとえば、現在の在庫レベルが将来の発注決定にどのように影響するか）も、問題の発生を通常性から逸脱させます。このような非線形で複雑なシステムは、他の統計モデルによってより正確に説明されます（以下のセクションで詳しく説明します）。

頻度と順位の逆関係

供給チェーンの問題（および一般的な値）を詳細に分析するためのより良い定量モデルは、ジップの法則です。ジップの法則には、次の2つの主要な要素があります：

1. データセット内の一部の値は非常に頻繁に発生し、ほとんどの値はめったに発生しません。

2. 値の頻度はその順位に反比例します。

教科書の単語の頻度を考えてみましょう。ある教科書で最も一般的な単語は、おそらく「the」でしょう。2番目に頻度の高い単語は「of」であり、その頻度は「the」の約半分になります。この傾向はランキングを下げるにつれて続きます²。

小売業の関連する例として、自社のカタログのわずかな数のアイテムが売上の大部分を占めている一方、他のアイテムはまれにしか売れないということがよくわかります。このパターンは、ジップの分布に一致します。これは「パレートの法則」と似た概念であり、効果の約80%が原因の約20%から生じるというものです。ここで説明されている非対称性は、実際には在庫管理システム（ABCおよびABC-XYZなど）の基本原則です。ただし、パレート分布とジップ分布の間にはいくつかの重要な違いがあります。

• パレート分布：広範なカタログを持つオンライン小売業者を想像してみてください。サプライチェーン部門は、会社の収益の80%が提供のわずか20%によって生成されることを発見するかもしれません。したがって、これらの人気のあるアイテムの在庫レベルを維持するためにリソースを適切に配分する方が良いと示唆されます。これは有用な一般的なガイドになるかもしれませんが、部門が売上データを適切に分析するために必要な解像度を欠いています（単にどのSKUが最も多くの収益を生み出したかを特定するだけの単純な問題以上のものです）。

• ジップ分布：同じサプライチェーン部門がジップ分布を使用する場合、分析に興味深いさらなる詳細が導入されます。すべての販売とその頻度を調査することで、チームはパレート分布では見逃されるパターンを見つけるかもしれません。たとえば、電子機器や家電が確かにトップのパフォーマーであることがわかるかもしれませんが、本や衣類などの他の製品カテゴリもあり、これらは個別には重要な利益貢献者ではありませんが、合計売上にかなりの金額を加えています。ジップ分布はまた、カタログ間の潜在的に興味深い関係も明らかにするかもしれません。たとえば、最も人気のある製品の収益の約3分の1しか貢献していない第3位の製品が、交換可能で広告のレベルも同等であるにもかかわらず、最も人気のある製品の収益の約3分の1を貢献している理由などです。

小さな数の暴君

ジップ分布は、特にわずかな原因によって過度の負の影響が引き起こされる状況など、明示的なサプライチェーンの問題を数量化する際に最も顕著です。

たとえば、B2B企業が最大のサプライヤーを失った場合、特にそのサプライヤーがB2Bの2番目に大きなサプライヤーよりも2倍の貢献をしている場合、収益は著しく減少します。同様に、2番目に大きな顧客を失うと、3番目に大きな顧客が最大の顧客の約3分の1を購入しているため、収益は非常に減少します。

重要なことは、サプライチェーンの問題が正規分布している場合、より予測可能で標準的な緩和策が十分であるということです。しかし、ここで説明したようないくつかの重要な問題が大部分の混乱を引き起こすという事実は、実践者がリソースを重要な問題の特定と緩和に集中させる必要があることを意味します。これには、サプライチェーン管理に対してより戦略的で先見の明のあるアプローチが必要です。

最適化の原則

人間の観察に偏りのある地形を回避した後、サプライチェーンの最適化の旅に乗り出すことは同様に障害に陥りやすいです。サプライチェーンの最適化イニシアチブは、ソフトウェア（ERPを考えてみてください）だけでなく、ウェットウェア（_受け継がれた知恵_を考えてみてください）でもよくバグがあります。

ハイゼンバグなどのソフトウェアの問題は、プログラムの反復的な適用によって一般的に解決されます。しかし、ウェットウェアのバグは、大部分がハードコードされているという不思議な特性を持っているため、追加のデプログラミングの努力が必要です。

年季の入ったサプライチェーン の潜在的な知恵

数十年にわたって続いてきたサプライチェーンは、少なくとも基準レベルの知恵を蓄積しています。20年以上の間機能していて、少なくとも偶然に有用な戦略や経験則に出くわしたことがない会社を想像するのは難しいです。したがって、現存する実践と運用の標準は、ある種の準最適性を具現化しており、会社を正しい方向（全体的な純利益）に推進する可能性がありますが、重大な欠陥もあります³。

川が山脈を刻み込むように、そのような知恵はしばしば単一の推進力に縛られます。重力が川を堆積物を通して引っ張るように、年季の入ったサプライチェーンはしばしば単一のKPI（サービスレベルの向上や不良在庫の削減など）の追求に引きずられます。これらは合理的な目標のように思えるかもしれませんが、それらは供給チェーンを切り離された要素の離散なバンドルに暗黙的に還元します。

これにより、サプライチェーンの最適化は単純なバイナリの考え方で表現される_ブール的な考え方_になります。以下を考えてみてください：

• サービスレベルが向上すれば、サプライチェーンは改善されたと言える。 これは、サービスレベルの向上は通常、在庫レベルの全体的な増加を必要とすることを見落としています（数量的なサプライチェーンの最適化を前提としています）。在庫レベルの増加は、一般的に不良在庫の増加を引き起こし、純利益を減少させる結果となります。

• 不良在庫レベルが低下すれば、サプライチェーンは改善されたと言える。 同様に、この最適化の狭まった視点は、在庫レベルの削減がサービスや顧客満足度の目標に与える影響を無視し、購買（そしてしばしば顧客の忠誠心）に否定的な影響を与えることを無視しています。

このような年季の入ったサプライチェーンは、_一方向的な準最適性_を持ちます。これは、少ない知識と同様に非常に危険なものです。サプライチェーンが_準成功_の方向にデフォルトであることが、それらが持続し、最適でない慣行を固定化するのに役立つ要因です。

年季の入ったサプライチェーンにおける大規模な一方向的な改善は、真摯な努力の不足ではなく、現代のサプライチェーンに伴う広範で複雑な相互連関の考慮の不足により、失敗と密接に関連しています。

ローカル最適化の誤謬

サプライチェーンのような広範で相互依存するシステムを最適化するための基本は、_ローカル最適化は問題を解決せず、単に問題を他の場所に移す_ということです。前のセクションで示されているように、ローカル（ここでは「孤立して」）のサプライチェーンの問題を最適化することは、通常、均衡を崩し、サプライチェーンの他の場所で望ましくない副作用を生み出します。

30年前のコンピュータにSolid State Drive（SSD）を取り付けても、システムの_全体的な_メモリ（またはパフォーマンス）⁴は改善されません。同様に、サプライチェーンネットワーク（または_サプライチェーンシステム_）の最適化は、端から端まで、システム全体のプロセスです。

この概念は、小売業界で明らかに現れています。複数の店舗から成る小売ネットワークでは、各店舗の在庫レベルを最適化することが直感的に適切であるかもしれません（おそらく手動で）。ネットワーク内の売れ筋の場所にリソースを優先的に割り当てることさえ考えられます。

しかし、このようなアプローチは、これらの店舗にサービスを提供する流通センターの広範なネットワークや、他の店舗への影響を考慮せずに在庫を割り当てる政策の下流の影響を考慮していません。1つの店舗に狭く焦点を絞ることは、その店舗のパフォーマンスを向上させるかもしれませんが、他の店舗には悪影響を及ぼす可能性があります。

また、小売在庫の割り当てミッションの核心的な関心事である、特定のユニット/SKUが_最も必要な場所_を特定することも見逃しています。これにより、全体的なシステムのパフォーマンスを最適化するために、小売在庫の最適化はシステムレベルでのみ意味を持つ問題となります⁵。

優れた結果のための問題の再定義

クラシックな教育（およびベンダーのプレゼンテーション）では、問題は優れた解決策によって最も適切に解決されるとされています。一見すると、これは完全に合理的なことです。なぜなら、2点間の最短距離は確かに直線ですから。しかし、この直線的なアプローチは問題を過度に単純化し、基本的には、最初に_これら2点を結びつけるべきである_という前提に基づいています。

サプライチェーンを最適化しようとする際にもたらされるさまざまなコストを考えると、これは些細な哲学的な観察ではありません。理論と実践の両方において、問題をよりよく理解することが（長期的には）短期的に理解されていない問題に対する優れた解決策よりも重要です。

需要予測の問題は、教材やアカデミックな供給チェーンベンダーが、需要を定量化するための理想的な解決策として高度な時系列予測ツールを提案する典型的な例です（そしてそれによって在庫レベルを設定します）。表面上は直感的に思えます：企業が需要を正確に予測できない場合、より良い需要予測ソフトウェアが適しており、2つの遠い点は直線で結ばれます⁶。

これは過度に直線的な考え方であり、興味のあるサプライチェーンの問題とは全く関係がないかもしれません：需要予測の困難の実際の原因の発見です。物流の非効率性、信頼性のないサプライヤー、または欠陥のある小売在庫配分ポリシーなど、他の潜在的な問題が原因である可能性が完全に考えられます。

サプライチェーンの赤信号に向かって競争するのではなく、問題を再定義することで、サプライチェーンの最適化を適切に方向付け、短期的なクイックフィックスからの帯域幅（およびリソース）をリダイレクトすることができます。

ノート