Quantile Gridsを使用した予測3.0

2月 27, 2015

technology

Joannes Vermorel

Lokadでは、より良い予測を提供することが常に中心にあります。今日、私たちは**分位グリッド**に基づく予測技術の第3世代を発表します。素人にもわかりやすく言えば、分位グリッドは前例のないパフォーマンスレベルを示し、それにより企業はより多くのクライアントにより信頼性の高いサービスを提供し、在庫を減らすことができます。市場で利用可能なすべての予測手法とは異なり、分位グリッドは製品ごとの需要予測を提供するのではなく、(ほぼ)すべての可能な将来に対する完全な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、およびいくつかの商業的な洞察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に対して本番環境で利用可能であり、在庫予測プロジェクトの新しい「分位グリッド」オプションを介してアクセスできます。

予測1.0：クラシックな予測

Lokadが2008年に設立された当初、私たちは現在「クラシックな予測」と呼んでいるバージョン1.0であるクラシックな予測方法を開始しました。つまり、各製品またはSKUには定期的な値が関連付けられています。たとえば、最大13週先までの週次予測です。これらの予測は暗黙的には「中央値」の予測です。バイアスのない予測は、将来の需要が上回るか下回るかの50%の確率があると期待されます。市場の他の予測手法は、これらの予測を「クラシックな」予測とは呼ばず、ほとんどの競合他社は他の代替手法を考慮することさえありませんでした。

しかし、商業に関しては、クラシックな予測がどれだけ正確であっても、実際の運用ではうまく機能しません。直感的には、クラシックな予測は本当に重要なことに目を向けていません。平均または中央値の需要は、すべてが計画通りに進む簡単で興味深くないケースです。しかし、厄介なケースは、予想外に需要が高い場合または予想外に需要が低い場合であり、それぞれ在庫切れと不良在庫を作り出します。こうした極端な状況こそが本当にお金をかけるものです。クラシックな予測は、アルゴリズムが悪いわけではなく、ビジネスの正しい視点から見ていないためにうまく機能しないのです。したがって、クラシックな予測にどれだけの研究開発投資を行っても、失敗するだけです。これは、Lokadが初期の日々に学んだ最も厳しい教訓の1つでした。

予測2.0：分位予測

2012年、私たちは最初のブレークスルーを達成し、分位予測を導入しました。まったく恐ろしいと思われるかもしれない名前にもかかわらず、分位予測は、経営者が会社のために行っていることにより近いものです。それらは「シナリオ化された予測」です。平均ケースを見る代わりに、分位予測の目標は次のとおりです。最も楽観的な需要見通しの上位5％を見て、在庫切れになることはありますか？次に、最も悲観的な需要見通しの下位5％を見て、不良在庫に対処する必要がありますか？分位予測は、ビジネスの観点から実際に重要な難しい問題に直接取り組みます。エンジニアが言うように、「正確であることは正確に間違っているよりも良い」ということであり、分位予測もクラシックな予測に関連するすべての不正確さに苦しんでいますが、在庫が関与する場合には、運用の観点から見て、分位予測はクラシックな予測を大幅に上回ります。

しかし、分位予測は予測の頂点ではありません。表面上では、分位予測技術は分位交差や分位不安定性などの数値的な奇妙さに苦しんでいました。しかし、これらの奇妙さは非常に目立つため、効率的に軽減することができます。しかし、より深いレベルでは、私たちは分位予測が実際のビジネスの難しいポイントと完全に一致していないことに気付きました。特に、分位予測はサプライチェーンマネージャーにサービスレベルの最適化の負担を残しています。これは、在庫のパフォーマンスのかなりの部分が、在庫コストとサービスの品質を適切にバランスさせる最も利益の高いサービスレベルの非常に正確な調整を通じて実現されているため、ある意味では詐欺です。

予測3.0：分位グリッド

2015年2月、私たちは2番目の予測のブレークスルーである**分位グリッド**をリリースしました。長年にわたり、私たちは予測は完璧ではないという事実を受け入れることになりました。正確な予測は、期待を下回るベンダーによって市場で都合よく繰り返されるものです。正確な未来を予測することはできないので、すべての可能な未来に確率を割り当ててみるのはどうでしょうか？つまり、0個、1個、2個などの販売単位の確率です。これが分位グリッドの目的です。製品ごとに1つの予測だけでなく、需要の_全体の確率分布_を提供することです。分位グリッドは、分位予測と少し似ていますが、需要予測はすべてのサービスレベルで同時に計算されます。

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です。在庫レベルとサービスレベル、仕入価格とサプライヤーのリードタイム、一括購入と受注生産などです。分位予測は1つまたは2つの問題のあるシナリオを特定できますが、最終的には製品ごとに1つの予測値であり、この値がどれだけ優れていても、この1つの値では可能なビジネスの多様性を捉えることはできません。それに対して、分位グリッドは問題に直面しています。すべての結果が計算され、それぞれの確率と関連付けられます。将来の需要が3個の場合のシナリオでは、2個しか購入していないため、実際には2個が売れ、1個が売れなかったというネットビジネスの結果を計算することが可能になります。その結果、計算された確率を各シナリオに適用するだけで、すべての購入の決定を評価することができます。

航空宇宙からのブレークスルー

Lokadは主に小売業者にサービスを提供していますが、航空宇宙など他の産業にも関与しています。1年前、私たちはAirFrance IndustriesとLufthansa Technikの大規模な合弁事業に取り組み始め、分位予測技術が完全に課題に対応していないことに気付きました。分位予測は単一のビジネスシナリオのようなものです。3つ、4つ、または5つの異なるビジネスシナリオを組み合わせることは可能ですが、最適化された供給決定を行うためにこれらのシナリオを結びつけるルールを実装するのには大きな努力が必要です。

より優れた在庫パフォーマンスをもたらす、はるかにエレガントな解決策は、_すべての_将来のビジネスシナリオを予測し評価することです。必死に結びつけようとする特別なシナリオではなく、（ほぼ）すべての可能なシナリオのリスト（確かに長いリストですが）を、単純で統一的な方法で処理します。このアプローチは、計算リソースの面では非常に要求が高いというデメリットがあります。しかし、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、計算リソースはこれまで以上に安価になり、価格はまだ下落し続けています。

航空宇宙における分位グリッドの結果は、当社の主力である分位予測技術のパフォーマンスを圧倒しました。ロケットサイエンス（実際にはロケットではなく、ジェット旅客機）を小売業者にもたらす時が来たのです。過去数ヶ月にわたり行った複数の実験は、分位グリッドの決定的な優位性をオリジナルの分位予測に比べて確認しました。

予測に基づく商業最適化の未来

最初に分位予測をリリースしたとき、私は10年以内に分位予測が在庫パフォーマンスに真剣に取り組む供給チェーンの専門家にとってデフォルトのツールになると予測しました。しかし、私を含めたLokadチーム全体の努力が私を間違えさせました。初期の分位予測よりも優れたアプローチを見つけたため、分位予測の長期的な未来は脆弱であると結論付けました。しかし、分位グリッドの子孫の未来はこれまで以上に明るくなっており、分位グリッドは長年私たちが解決できなかったサービスレベルの最適化、コンテナ輸送、または複数の調達戦略などの課題を解決しています。

また、在庫予測と価格最適化は長年にわたって厳格に分離されて扱われてきました。需要予測エンジンは価格側で何が起こっているかを無視し、価格エンジンは供給チェーンの制約についても考慮しませんでした。しかし、在庫と価格は同じコインの2つの側面です。そして、コインのもう一方の側面を無視する最適化試みは、最善の場合でも_単純_な試みです。

したがって、私は同じ間違いを繰り返さずに、分位グリッドが予測の長期的な未来であると予測し、後にLokadのチームによって間違いが証明されることを避けますが、私は私たちの努力から生まれる予測技術がどのようなものであれ、価格分析が在庫分析と統合される可能性が高いという安全な賭けをします。まだ完全にそこには至っていませんが、この方向性で着実な進歩を遂げています。

新しい方法論：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。リオーダーポイントと手元および注文中の数量を比較することで、これらのシステムは推奨されるリオーダー数量も計算します。これらのアプローチの2つの主な制限があることが、これまでの数年間でわかりました。まず、これらのシステムはターゲットのサービスレベルやその最適化について何も言いません。次に、購買制約が関与する場合、リオーダーポイントは柔軟性に欠けることがわかります。

在庫最適化システムは従来、静的なリオーダーポイントのセット（SKUごとに1つ）を生成し、主にユーザーが定義したサービスレベルに基づいています。しかし、これは「最適な」サービスレベルを見つける負担が供給チェーンプランナーに戻されるため、正しいサービスレベルを見つけることは非常に時間がかかるだけでなく、適切に選択されない場合には主要な非効率性の原因にもなります。

分位グリッドでは、状況は非常に異なります。マスターの購買優先順位リストが計算されます。技術的には、各SKUが多数の行に表示されるリストであり、各行は提案される注文数量に関連付けられています（供給制約が存在しない場合、通常は1ユニット）。リストは優先順位付けされ、この優先順位付け基準は非常に重要です。

ほとんどのビジネスにとって、この優先順位付けは次の質問に答えます：「追加の在庫1ドルに対して、会社に最も高いリターンをもたらす次のユニットは何ですか？」これは、期待される粗利から期待される在庫保有コストを差し引いたものとしても定式化できます。当然、リストを下に進むにつれて、期待される粗利は急激に減少します。なぜなら、在庫を吸収する需要が十分に高い確率が非常に低くなるからです。同様に、リストを下に進むにつれて、在庫保有コストは急激に増加します。なぜなら、在庫の余剰ユニットごとに倉庫に滞在する期間が長くなるからです。理論的には、リストには終わりがなく、無限に続きます。しかし、実際には、「合理的な」在庫レベルを構成するものをはるかに超えるポイントで停止します。購入が行われるとき、目標はリストを下に進むことではなく、優先順位に従ってアイテムを購入し、支出目標に達したら購入を停止することです。

その結果、サービスレベルを指定する必要が完全になくなります。予算が定義されると、企業はマスター購買優先リストによって確立された優先順位に基づいて商品を購入します。この順序で商品を購入することにより、企業の収益または利益が指定された優先順位基準に従って最大化されます。

また、分位点グリッドは供給制約を含むシナリオに対処する能力においても非常に柔軟です。分位点予測は確かに強力ですが、SKUごとまたはサプライヤごとの最小注文数量、および可能性として一部のコンテナ容量制約がある場合、推奨数量は供給制約と一致しません。その後、サプライチェーンプランナーは、すべての調整に対処するために、特定のSKUを削除したり、他のSKUの単位数を増やしたりするなどの作業を行う必要があります。これにより、すべての制約を満たす複雑な注文バッチを作成することができます。

分位点グリッドを使用すると、より魅力的で直感的なユーザーエクスペリエンスを提案することができます。マスターリストを使用すると、注文制約を簡単に適用できます。SKUごとの最小注文数量が存在する場合、対象外の行はリストから削除できます。同様に、コンテナ出荷を受け入れるためのターゲット容量制約が存在する場合、購入エントリはリストの順序に従って処理され、ターゲット容量に達するまで続けられます。