量的供給チェーンの要点（講義1.2の要約）

量的供給チェーン（QSC）と主流のイニシアチブは、最良のビジネスの意思決定（および財務的なリターン）を生み出すことを目指していますが、前者はいくつかの重要な点で後者とは異なります。これらの特徴は、Lokadのサプライチェーンマニフェストで概説されており、Lokadのサプライチェーン最適化へのアプローチを指針としています。ソフトウェア介入を超えて、QSCは全体的なマインドセットの再調整を提唱しており、実際にサプライチェーンに最も大きな影響を与える重要な要素に焦点を当てていますが、それらは直接には見えません。

講義を見る

すべての可能な未来

定義上、サプライチェーンのイニシアチブは将来の需要を特定し、提供しようとする試みです。問題は、将来（すべての文脈で）が本質的に不確実であり、削減できないことです。非常に広範な可能な将来の結果があり、それぞれが発生する確率を持っています。肝心なのは、すべての結果が同じ確率ではないということです。サプライチェーンにも同じことが当てはまりますが、需要の不確実性の問題に対する従来の解決策（時系列予測など）は、単に不確実性を無視しています。代わりに、従来の解決策は、あらかじめ定義された安全在庫の計算式で補強された単一の将来の需要値を生成することに焦点を当てています。

このアプローチは、可能な将来の需要値の多様性を根本的に無視しており、需要が期待に応えない場合にはビジネスが完全に露出してしまいます。しかし、QSCは不確実性を受け入れ、すべての可能な将来の需要値（非ゼロの確率で）を特定します。この洞察は、QSCの基礎である確率的需要予測の成果であり、クラシックな時系列よりも将来の需要のより詳細な情報を提供します。

すべての実行可能な意思決定

ビジネスは、本質的には膨大な数の「意思決定」と「制約」の合計です。意思決定に関しては、ビジネスはマクロレベルとミクロレベルの両方で選択肢に直面しなければなりません。工場の近隣化は重要なマクロレベルの意思決定であり、購入数量を1単位増減することを選択することは日常的なミクロレベルの意思決定です。各意思決定には、それぞれの機会費用があります - 同じドルを2回使うことはできません - そして、それによる影響があります - ビジネスに直接的および間接的にどのように影響するかです。

一般的に、サプライチェーンの実践者は、マクロレベルの意思決定よりもミクロレベルの意思決定の方が多くなります。これらのミクロレベルの意思決定はしばしば最も日常的なものですが、ビジネスがその制約（サプライヤーや顧客を含む）を考慮すると、複雑さの問題がさらに複雑になります。これらには「最小発注数量」（MOQ）、経済的発注数量（EOQ）、ロットサイズ、利用可能な棚のスペース、賞味期限などがあります。これらの多くのパラメータと将来の不確実性の存在の中で、完璧なサプライチェーンの意思決定という概念は最良の場合でも幻想的です。

それどころか、QSCはすべての実行可能な意思決定を特定しようとします。この文脈では、意思決定が「実行可能」であるとは、それがビジネスの制約に完全に準拠してすぐに実行可能であることを意味します。これらの実行可能な意思決定をランキング付けして（最適なものを探し求めるため）、ビジネスの制約に対する洗練された理解だけでなく、その経済的ドライバーに対する非常に詳細な理解が必要です。

経済的ドライバー

QSCは、予測の精度を高めることよりも、誤差のドルを減らすことを優先します。直感に反するかもしれませんが、より正確な予測は、それ自体では利益やビジネスのパフォーマンスを自動的に向上させるわけではありません。たとえば、実際に売れる量よりもはるかに多くの在庫を注文することで、99.99%のサービスレベルを保証することができます。顧客満足度の観点では、ビジネスは成功しています。しかし、この方針は巨額の廃棄物を生み出し、会社の収益に悪影響を与えるでしょう。

したがって、ある程度の範囲で、サービスレベルの向上と経済的リターンの間には避けられないトレードオフがあります。QSCは誤差のドルを減らすだけでなく、より詳細な経済的視点を持ちます。原価、粗利益、保管コストなど、会計帳簿や主流のERPで一般的に見られる即座に明らかな通常の要素を第一次ドライバーと考えることができます。第二次ドライバーはより微妙で、即座ではなく、伝統的なエンタープライズソフトウェアにはまったく存在しません。これらのドライバーは、意思決定の第二次効果を表し、より抽象的な関心事のクラスです。

在庫切れイベントの下流効果を考えてみましょう。B2Bの文脈では、このような状況に対して契約上のペナルティが発生する場合があり、サービスレベルの目標を達成しないことを避けるための明確な財務的インセンティブとなります。B2Cの文脈では、これらのインセンティブははるかに明確ではありません。ビジネス（たとえば、スーパーマーケット）と顧客の間には明示的なサービスレベル契約がないため、在庫切れイベントの影響を測定するための伝統的なメカニズムはありません。これにより、一部の実践者は棚に十分な牛乳がないことのネガティブな影響を過小評価したり、完全に無視したりする可能性があります。

QSCは、一部のSKUの在庫切れイベントが予想外に高い財務的影響を持ち、これらは直接的な利益貢献に比べて過大なものです。言い換えれば、冷蔵庫などの一部のアイテムは通常、単独で購入されます。一方、牛乳やパンなどの他の商品と組み合わせてバスケットで購入されることが一般的です。したがって、特定のSKUの利用できない状態は、顧客の全体的な購買決定に影響を与える可能性があります。

たとえば、ある人は好みの冷蔵庫モデルが在庫にあるのを待つことに全く問題がないかもしれませんが、店舗で牛乳がないと同じ人は他の場所で食料品の買い物をするかもしれません。これらの後者のSKUは、直接的な意味での重要な利益ドライバではないかもしれませんが、間接的な価値があるため、在庫の価値が高いです。つまり、これらのSKUは他の商品の販売を促進します。したがって、この例では、牛乳の在庫切れペナルティは牛乳そのものに限定されるものではありません。バスケット内のすべての他のアイテムの損失も含まれます。

QSCでは、このような明らかでない価値を在庫切れカバー（報酬ドライバー）として表現し、優先順位付けされた在庫ポリシーに組み込まれます¹。

制御には自動化が必要です

企業が将来の需要値をすべて特定し、実現可能な意思決定を考慮し、それらをすべての経済ドライバに関してランク付けした後、QSCの次のステップは、完全に自動化されたサプライチェーンの意思決定プロセス（または少なくとも推奨される意思決定の自動生成）です。この自動化は、一般的な実践、つまりスプレッドシートを使用した事務員の部門とは正反対です。

実際のところ、サプライチェーンは密集したアクターのシステム（卸売業者、サプライヤー、顧客など）、制約条件（リードタイム、予算、サービスレベルなど）、および外部要因（季節性、自然災害、競合他社の価格など）です。人間の思考（またはチームの思考）がこれらの変数すべてに対処することを期待することは単純に合理的ではありません。何よりも、複数の店舗の数千のSKUのカタログに対してそれを行うことは考えられません。

さらに、このようなフレームワーク内でのイノベーションの試みは、官僚主義と高コストの再教育を生み出し、遅延と非効率を引き起こします。一方、QSCは、運用管理のためのすべての些細で日常的なサプライチェーンの意思決定を生成するエンドツーエンドの数値レシピを実装することを目指しています。これらは、あまりにも多くの注意のドルを消費し、より重要な問題から帯域幅を誤誘導します。

そのため、QSCはサプライチェーンを費用ではなく資産として扱い、最大の価値を生み出すために最適化（および自動化）されるべきプロセスであると考えています²。

サプライチェーンサイエンティスト

どれほど印象的なサプライチェーンソフトウェアであっても、それ自体を統治したり、生成される結果に責任を持つことはできません。数値レシピの効果は、実装および監視を行うデータサイエンティストの専門知識によって実際に制限されます。Lokadでは、この役割はサプライチェーンサイエンティスト（SCS）によって担当されます。

SCSは、QSCイニシアチブのデータを処理し、数値レシピの成功した実装を担当するなど、さまざまな役割を担っています。有効なデータセマンティクス（データの実際の意味）を確立するには、かなりのスキルが必要です。なぜなら、QSCの成功は、データの処理だけでなく、まず最初にそれを理解することにかかっているからです。AIの進歩にもかかわらず、これはまだ人間主導のプロセスです。

たとえば、単純な過去の販売データを分析することは比較的簡単に思えるかもしれませんが、このデータセットは、多くのネストされた見落とされた要因によって誤解を招く可能性があります。データには無意識にプロモーションが含まれているかもしれないため、定価商品の真の需要を反映していません。また、履歴には返品が含まれている場合もあり、需要のさらなる誤った印象を与えるかもしれません。また、「1日あたりの数量」という用語もさまざまな解釈の対象です。それは販売が行われた日、受け付けられた予約の時間、クライアントの支払いが受け取られた時点を反映しているかもしれません。これには、会社のERPがプロセスに導入する追加の複雑さについては何も語っていません。

これらすべてを言いたいのは、データを理解することは難しいということであり、高度に訓練されたサプライチェーンサイエンティストがプロセスを担当し、日々の数値レシピの運営を監督する必要があるということです³。

ノート