分位グリッドを用いた予測 3.0

2月 27, 2015

technology

Joannes Vermorel

Lokadにとって、より良い予測を提供することは常に最重要課題でした。本日、私たちは**分位グリッド**に基づく予測技術の第3世代を公開します。素人の言葉で言えば、分位グリッドは前例のないパフォーマンスを示し、その結果、御社はより多くのクライアントに、より確実に、そして在庫を抑えながらサービスを提供できるようになります。市場に存在するすべての既存の予測手法とは異なり、分位グリッドは製品ごとに一つの需要予測を提示するのではなく、（ほぼ）すべての可能な未来に対する全確率分布を提供します。分位グリッドは、機械学習、ビッグデータ、クラウドコンピューティングと、商業的な洞察の組み合わせによって実現されています。

分位グリッドは、すべてのクライアント向けに本稼働しており、あらゆる在庫予測プロジェクトで新たに用意された_分位グリッド_オプションからアクセス可能です.

予測 1.0: クラシック予測

2008年にLokadが設立された際、私たちは現在_クラシック予測_と呼ばれるバージョン1.0の予測手法を導入しました。これは、各製品またはSKUに対して定期的な数値、例えば最大13週間先までの週次予測を割り当てる方法です。暗黙のうちに、これらの予測は_中央値_予測となっており、バイアスのない予測では将来の需要より50%の確率で上回るか下回るかが期待されます。他の市場では、これらは_クラシック_予測と呼ばれるのではなく、競合他社のほとんどが代替案を検討しなかったため、ひとつしか存在しない予測とみなされていました。

しかし、商業の観点からすると、クラシック予測がどれほど正確であっても実際には機能が悪いのです。直感的に、クラシック予測は本当に重要な要素を捉えていません。平均や中央値の需要は、すべてが計画通りに進むという単純で平凡なケースに過ぎません。一方、問題となるのは、予期せぬ高需要や低需要によりストックアウトや不良在庫が発生する場合です。こうした極端な状況が実際に費用を生む原因となります。クラシック予測が機能不全に陥るのは、アルゴリズム自体が悪いのではなく、ビジネスを正しい視点から捉えていないためです。したがって、企業がどれだけ研究開発に投資しても、クラシック予測は結局のところ失敗するのです。これは、Lokadが初期に学んだ最も厳しい教訓の一つでした.

予測 2.0: 分位予測

2012年に、私たちは最初のブレークスルーを、分位予測によって達成しました。名前は一見恐ろしい印象を与えるかもしれませんが、分位予測は経営者が自社のために実践しているアプローチ、すなわち_シナリオ化された予測_に非常に近いものです。平均的なケースを見るのではなく、分位予測の目的は以下の通りです。まず、最も楽観的な需要見込みの上位5%を見て、ストックアウトが発生するか確認し、次に、最も悲観的な需要見込みの下位5%を見て、不良在庫が発生するかを評価します。分位予測は、ビジネスの観点から実際に重要な厄介な問題に直接取り組みます。エンジニアが言うように、_大体正しければ、全く間違っているよりもよい_のです。そして、分位予測はクラシック予測に伴う不正確さの影響も受けますが、在庫が関与する場合、運用面ではクラシック予測を大きく上回ります.

しかしながら、分位予測が予測の頂点というわけでもありません。表面的には、我々の分位予測技術は、分位の交差や分位の不安定性などの数値上の不規則性に悩まされていました。ところが、これらの不規則性は明白なため、効率的に対処可能でした。しかし、より深いレベルで見ると、我々の分位予測は依然として実際のビジネス上の厳しい局面と完全には一致していないことに気づきました。特に、分位予測はサービスレベルの最適化の負担をサプライチェーンマネージャーに委ねているのです。これはある意味でのズルであり、なぜなら在庫パフォーマンスの大部分は、在庫コストとサービス品質のバランスを適切に取る、最も有利なサービスレベルの精密な調整によって実現されるからです.

予測 3.0: 分位グリッド

2015年2月、私たちは第二の予測ブレークスルー、すなわち**分位グリッド**をリリースしました。年月を経て、予測は完璧であるはずがないという事実を受け入れるようになりました。正確な予測は、期待外れなベンダーがひしめく市場で都合よく繰り返される童話に過ぎません。正確な未来は予測できないのなら、あらゆる可能な未来それぞれに確率を割り当ててみてはどうでしょうか？例えば、0ユニット、1ユニット、2ユニット…というように。これこそが分位グリッドの真髄であり、製品ごとに一つの予測を出すのではなく、各製品の需要に対する_全確率分布_を提示するのです。内部的には、分位グリッドは分位予測に似ていますが、需要予測がすべてのサービスレベルで同時に計算される点が異なります.

在庫の最適化やサプライチェーンの管理は、リスクと機会のバランス（在庫水準とサービスレベル、仕入価格と仕入先のリードタイム、大量購入と受注生産など）に尽きます。分位予測は1～2の問題シナリオを特定することはできますが、結局のところ製品ごとに一つの予測値しか提示できず、どれほど優れた値であっても全ての多様なビジネス結果を網羅することはできません。対照的に、分位グリッドは問題に真正面から取り組み、すべての結果を計算してそれぞれに確率を付与します。例えば、将来需要が3ユニットなのに対し、実際には2ユニットしか購入していなかった場合、2ユニット販売し1ユニット不足するという純ビジネス結果を容易に算出可能となります。結果として、すべての購買決定は、各シナリオを展開し、計算された確率を適用することで評価できるのです.

航空宇宙分野からのブレークスルー

Lokadは主に小売業者を対象としていますが、航空宇宙など他の業界にも取り組んでいます。1年前、AirFrance IndustriesとLufthansa Technikによる大規模な合弁事業のために業務を開始し、我々の分位予測技術がその課題に完全には対応できていないことに気付きました。各分位予測は単一のビジネスシナリオのようなもので、3つ、4つ、あるいは5つの異なるシナリオを組み合わせることは可能ですが、それらを統合して最適な供給判断を導くルールを実装するのは非常に手間がかかります.

よりエレガントで、かつ在庫パフォーマンスも格段に向上する解決策は、将来のすべてのビジネスシナリオを予測・評価することにあります。即席で組み合わせるシナリオを作るのではなく、（リストは長くなりますが）ほぼ全ての可能なシナリオを単純かつ統一的に扱います。このアプローチは、計算資源の面で非常に厳しい要求を突きつけるという難点がありますが、私たちのお気に入りのクラウドコンピューティングプラットフォームであるMicrosoft Azureのおかげで、計算資源はかつてないほど安価であり、価格も低下し続けています.

航空宇宙分野で分位グリッドを用いた結果は、我々の主力であった分位予測技術の性能を大きく上回ることが明らかになりました。いわば、ロケット科学（正しくはロケットではなく、ジェット旅客機）を商人にもたらす時が来たのです。そして、ここ数か月にわたる多数の実験により、分位グリッドが従来の分位予測に比べ決定的に優れていることが確認されました.

予測的コマース最適化の未来

3年前に初めて分位予測をリリースした際、私は10年以内に分位予測が在庫パフォーマンスに真剣なサプライチェーン実務者のデフォルトツールになると予測しました。しかし、私自身を含むLokadチーム全体の努力により、その予測は覆されました。初期の分位予測を上回る手法を発見した結果、分位予測の長期的な未来は脆弱であると結論づけました。しかし、分位予測の_子孫_の未来はかつてないほど明るく、分位グリッドはサービスレベルの最適化、コンテナ出荷やマルチソーシング戦略など、長年我々を悩ませた課題を解決します.

また、長年にわたり在庫予測と価格最適化は、まるで別々のパズルの一部であるかのように厳密に切り離されて扱われてきました。需要予測エンジンは価格面で起こることを無視し、さらに価格エンジンもサプライチェーンの制約を顧みませんでした。しかし、在庫と価格はコインの表裏であり、どちらか一方を盲目的に無視する最適化の試みは、せいぜい_単純_な試みに過ぎないことに気づいています.

したがって、同じ過ちを犯して分位グリッドが予測の長期的な未来であると断言し、後にLokadのチームによって否定されるのを避けるためにも、どのような予測技術が生まれたとしても、価格分析は在庫分析と統合されるとより安全に予想できます。まだ完全ではありませんが、この方向へは着実な進展を遂げています.

新たな手法：購買の優先順位付け

すべての在庫最適化システム（Lokad 2.0を含む）は、リオーダーポイントを計算します。在庫補充ポイントと手元および発注中の数量を比較することで、推奨再発注数量も算出されます。これまでの年月で、このアプローチには主に2つの重大な制約があることが判明しました。第一に、これらのシステムは目標とするサービスレベルやその最適化について何も示していません。第二に、購買制約が伴う場合、リオーダーポイントはやや柔軟性に欠けるのです.

従来、在庫最適化システムは各SKUごとに一つの静的なリオーダーポイントのセットを生成し、主にユーザー定義のサービスレベルに依拠していました。しかし、これは_ズル_に等しいと言えます。なぜなら、「最適な」サービスレベルを見極める負担がサプライチェーンプランナーに戻されるだけでなく、正しいサービスレベルの判断が非常に手間のかかる作業であり、不適切な選定は大きな非効率の原因となるからです.

分位グリッドを用いると状況は大きく変化します。すなわち、マスター購買優先順位リストが計算されるのです。技術的には、各SKUが複数の行に現れ、各行には通常供給制約がなければ1ユニットの推奨発注数量が関連付けられたリストとなります。このリストは優先順位付けされ、その基準が最も重要視されます.

ほとんどの企業にとって、この優先順位付けは次の問いに答えます。 追加在庫1ドルあたり、企業に最大のリターンをもたらす次のユニットはどれか？ これは、予想粗利益から予想在庫保管コストを差し引いたものとして表現できます。当然、リストを下るにつれて、需要が十分に在庫を吸収できる確率が激減するため、期待粗利益は急激に減少します。同様に、リストを下ると、各追加ユニットが倉庫に長く留まるため、在庫保管コストは急上昇します。理論上、リストには終わりがなく無限に続きますが、実際には「合理的」な在庫水準をはるかに超える地点で停止します。購買が行われる際の目的は、リストを単に下るのではなく、それぞれの優先順位に従い商品を購入し、支出目標に達した時点で購買を停止することです.

その結果、サービスレベルを個別に指定する必要が完全になくなります。支出予算が定まると、企業はマスター購買優先順位リストで示された優先順位に基づいて商品を購入します。この順序での購買は、指定された優先順位基準に従って企業の収益または利益を最大化することを保証します.

分位グリッドは、供給制約を伴うシナリオへの対応力においても、はるかに柔軟性があります。分位予測は確かに強力ですが、SKUまたは仕入先ごとの最小発注数量、さらにはコンテナ容量制約があると、推奨数量が供給制約と一致しなくなります。そして、その調整、すなわち特定のSKUの除外や他のSKUの単位数の増加を行い、すべての制約を満たす複雑な発注バッチを作成するのはサプライチェーンプランナーの役割となります.

分位グリッドを用いれば、はるかに説得力があり直接的なユーザーエクスペリエンスを提供できます。マスターリストにより、発注制約への対応が容易になります。SKUごとの最小発注数量が存在すれば、その対象外の行をリストから除外できます。同様に、コンテナ出荷に対応する目標容量制約がある場合、目標容量に達するまでリスト順に購買エントリーを処理すればよいのです.