定量的サプライチェーン・マニフェスト

learn menu
Joannes Vermorelによる、最終更新2017年5月

At Lokad, we are discovering better ways of optimizing supply chains and we wish to help others do the same. Through our work, we have come to value that:

1. Aすべての可能な未来を検討し、それぞれの可能性に確率を割り当てなければならない.
2. Aすべての実行可能な意思決定を検討し、可能性と確率を比較する必要がある.
3. E経済要因を用いて実行可能な意思決定に優先順位を付ける必要がある.
4. B制御を維持するには、あらゆる日常作業を自動化しなければならない.
5. Aサプライチェーンサイエンティストは数値結果の責任を負う必要がある.

T定量的サプライチェーン・マニフェスト

1. すべての可能な未来を検討し、それぞれの可能性に確率を割り当てなければならない

すべての可能な未来を検討しなければならない

顧客自身も、何をいつ、またはそもそも買うのかを確実に把握しているわけではありません。不確実性は否定できず、むしろ受け入れるべきものです。しかし、不確実性がすべての未来が同じ確率で起こることを意味するわけではありません。ある未来は他の未来よりも発生する可能性が高いのです。予測プロセスの目的は、あらゆる可能な未来に対してそれぞれ確率を割り当てることにあります。現代のコンピュータは驚異的な処理能力を有しており、これらすべての確率を評価するための計算能力が必要ですが、もはやそれは障害とはなりません.

2. すべての実行可能な意思決定を検討し、可能性と確率を比較する必要がある

すべての実行可能な意思決定を検討しなければならない

在庫にある商品1単位につき、少なくとも1回の意思決定が必要です―その単位を現状のまま保持するか、別の対応をするかという決定です。在庫にない各単位についても、購入されていないか、まだ生産されていないかにかかわらず、1日1回、その余剰単位を「具体化」すべきか否かの意思決定が求められます。これらすべての意思決定は、毎日、すべての製品、すべての拠点、すべてのサプライヤー、すべてのルートについて検討されるべきです。かつては処理能力が問題となったかもしれませんが、今ではそれは障害ではありません。したがって、あらゆる可能な意思決定は、あらゆる可能な未来とそれぞれの確率に照らして検討されるべきです.

3. 経済要因を用いて実行可能な意思決定に優先順位を付ける必要がある

管理下に置くためには自動化が必要

ゼロ在庫、ゼロストックアウト、ゼロ遅延は、サプライチェーンの理論上の限界に過ぎず、実用的でも実現可能でもなく、ましてや利益が出る選択肢ではありません。サプライチェーンの主要な目標のひとつは、エラーの割合ではなく、エラーによる損失額を最小化することです。エラー率の改善が自動的にコスト削減につながると考えるのは誤りです。在庫コストはストックアウトコストとバランスを取る必要があります。購入価格は購入数量と釣り合いを取らねばなりません。あらゆる最適化は、最適化対象となる指標に根ざしています。このようなビジネス志向の最適化を実現するためには、経済的要因を導入する必要があります。これらの経済的要因のおかげで、期待ROIに基づいてすべての実行可能な意思決定に優先順位を付けることが可能となります。経済的要因の洗練には、最適化そのものを実行するのと同程度の努力が必要かもしれませんが、これはビジネスの経済性に沿った結果を得るための代償なのです.

4. 制御を維持するには、あらゆる日常作業の自動化が必要である

経済的要因を活用する必要がある

自動化は、経営陣が自らのサプライチェーンをよりよく制御するための鍵です。もし、終わりのないsupply chain decisionsの処理に、終わりのない手動入力が必要であれば、サプライチェーン担当者は自らのシステムの奴隷となってしまいます。手動で絶え間なく入力を補う必要があるのは、まさに制御下にない状態そのものです.

実際、制御下にあるということは、サプライチェーンに関する数百万の決定にすべての戦略的洞察が適切に反映されていることを意味します。市場状況が変化するたびに、戦略的洞察も見直されなければなりません。企業の戦略に新たな要素を反映するためにサプライチェーンソリューションを改訂する作業は、理想的には数週間ではなく数時間以内に、痛みも伴わずに行われるべきです。さらに、自動化に注入できる専門知識の量に制限があってはなりません.

5. サプライチェーンサイエンティストは数値結果の責任を負う必要がある

サプライチェーンサイエンティストは数値結果の責任を負う必要がある

もしあなたのサプライチェーンが大規模で長年運用されているなら、サプライチェーンデータの整備自体が大きな課題となります。データに潜む奥深さに気づいている実践者はごく僅かであり、経験上、「伝統的な」IT部門もその深さを十分に把握していないことがほとんどです。主要な課題は、データが実際に何を意味するのかというセマンティクス(意味論)の確立にあります。このセマンティクスは、運用されるソフトウェアだけでなく、数多くの運用プロセスにも依存しています。データのセマンティクスを解明し文書化するには、相当な技量が求められます。さらに、数値結果を提供するためには、適切なサプライチェーンのモデリングが必要となり、それにはさらなるスキルが必要です。サプライチェーンサイエンティストが数値結果の提供に責任を持つことは、プロジェクトの成功を確実にするために極めて重要です。必要なサプライチェーン科学の能力がなければ、その取り組みは、データ、サプライチェーンプロセス、またはモデリングのアーティファクトに起因する未発見の微妙な問題により、深刻な影響を受ける危険性があります。その結果、結果が実運用に投入された際、サプライチェーン運用に甚大な混乱をもたらす可能性があります.

この宣言は、サプライチェーンの課題に取り組むためにLokadが採用した理念をまとめたものです。私たちのテクノロジーは、貴社にこのビジョンを実現するための構成要素を提供します。私たちの確率的予測エンジンは、あらゆる可能な未来に確率を割り当てます。私たちの数値ソルバーは、すべての可能な意思決定を検討し評価します。エンドツーエンドの自動化は、私たちのプログラミング言語Envisionを通じて実現されています。私たちのチームは、その取り組みを実行するために必要な専門知識と経験を提供します。貴社に必要な指標の策定をお手伝いし、現在お持ちのデータを最大限に活用できるよう支援いたします.