在庫報酬関数
補充についての古典的な考え方は、SKUごとに1つの目標数量を確立することで構成されます。この目標数量は通常、SKUの需要予測に基づいて動的に調整されるリオーダーポイントの形を取ります。しかし、Lokadでは、これが実践的に非常に弱いアプローチであることを多年にわたり認識してきました。（古典的な）予測がどれほど優れていても。
知識豊富なサプライチェーンの専門家は、通常、この（古典的な）アプローチを上回るための簡単なトリックを使います。それは、SKUを単独で見るのではなく、全体像を見て、すべてのSKUが同じ予算を競っていることを考慮に入れるというものです。その後、専門家は最も緊急のように見えるSKUを選択します。このアプローチは通常のリオーダーポイントの方法よりも優れているので、後者とは異なり、特定の補充を優先します。そして、どんなビジネスマネージャーでも、非常に基本的なタスクの優先順位付けは、まったく優先順位付けをしないよりも良いということを知っているでしょう。
この素晴らしい「トリック」を再現するために、2015年初頭にLokadを優先順位付き注文というより強力な注文ポリシーにアップグレードしました。このポリシーは、すべてのSKUが次に購入されるユニットを競合するという視点を正確に採用しています。このポリシーのおかげで、私たちは2つの世界を最大限に活用しています：高度な統計的予測と、ソフトウェアがこれまで利用できなかったドメインの専門知識のようなものを組み合わせています。
ただし、優先順位付き注文ポリシーには、_スコアリング関数_が必要です。単純に言えば、この関数は予測と一連の経済変数をスコア値に変換します。このスコアリング関数により、すべての「原子的な」購入の決定をランク付けすることができます。原子的な購入とは、1つのSKUの追加ユニットの購入を指します。その結果、スコアリング関数は、ビジネスドライバーにできるだけ合わせる必要があります。ただし、おおよその「経験則」スコアリング関数を作成することは比較的簡単ですが、適切なスコアリング関数を定義することは非常に難しい演習です。技術的な詳細にあまり深入りせずに言えば、主な課題は、在庫が売れるまで在庫保有コストが蓄積される「反復的」な補充の「反復的」な側面にあります。1ステップ先を計算するのは簡単ですが、2ステップ先は少し難しく、Nステップ先は実際にはかなり複雑です。
それほど昔ではありませんが、私たちは在庫報酬関数でこの問題を解決しました。この関数は、単位当たりの利益率、単位当たりの在庫切れコスト、および単位当たりの保有コストの3つの経済変数を通じて課題を分解します。在庫報酬関数により、利益、在庫切れ、および保有コストに分解された実際の経済的影響を得ることができます。
在庫報酬関数は、これまで使用してきたすべてのスコアリング関数に比べて優れた代替手段です。実際、それは小規模な（しかし非常に表現力豊かな）経済変数のセットで調整できるミニフレームワークとしてさえ考えられます。これにより、商人、製造業者、または卸売業者の戦略的目標に最も適した方法で対処することができます。確率的な予測が関与する場合は、この関数を使用することをお勧めします。
今後数週間にわたり、この新しいLokadの機能を反映するために、すべてのEnvisionテンプレートとドキュメンテーション資料を徐々に更新していきます。
