人工知能はここ数十年で着実に進歩してきました。しかし、自動運転車が目前に迫っている一方で、供給チェーン戦略を立案できるほど賢いソフトウェアが登場するまでにはまだ数十年を要するでしょう。それにもかかわらず、機械学習アルゴリズムによって供給チェーン全体がプラスの影響を受けるのは、今から数十年先だと結論付けるのは誤りです。

Lokadの供給チェーン科学の専門知識は、単なるアルゴリズムだけでは不十分であるものの、有能なサプライチェーンの専門家の手にかかると強力な支援手段となるという観察から生まれました。機械学習は、製品の発注時期、在庫単位の移動時期、生産の増加時期など、供給チェーンが要求する多くの事務的な微細な意思決定を担うことで、前例のないレベルのサプライチェーン-パフォーマンス-テストを実現する可能性を提供します。

サプライチェーン・サイエンティストは、データサイエンティストとサプライチェーンの専門家が融合した存在です。この人物は、適切なデータ-抽出-パイプラインと供給チェーンの定量的モデリングを担当します。実際、プロジェクトに必要な関連データが欠落している可能性に気づき、最適化パラメーターを企業の供給チェーン戦略に合わせるには、人間の供給チェーンに関する洞察が必要です。

供給チェーンの取り組みは、あまりにも頻繁に責任が分散される傾向があります:

  • データ準備はITチームが担当します
  • 統計とレポートはBI(ビジネスインテリジェンス)チームが担当します
  • 供給チェーンの実行は供給チェーンチームが担当します

この問題に対する従来のS&OPの解決策は、多くのステークホルダーとの月例会議を通じた共同所有の実現であり、理想的にはCEOが全体を統括する形です。しかし、共同所有の原則に反対するわけではないものの、私たちの経験では、従来型のS&OPでは物事が非常にゆっくりと進む傾向があることが示されています。

定例会議を通じて確立される共同所有とは対照的に、サプライチェーン・サイエンティストは、供給チェーンイニシアチブのすべての定量的側面におけるエンドツーエンドの所有権を担う重要な役割を果たします。

この焦点を絞った所有権は、伝統的な供給チェーン組織に関連する一般的な落とし穴を回避するために非常に重要です。

  • データが不適切に抽出・準備されることがあり、主にITチームはデータの利用に関する十分な洞察を持たないためです。
  • 統計とレポートはビジネスを正確に表現できず、十分に有用な洞察を提供せず、完璧とは言えないデータ入力に起因する問題を抱えています。
  • 実行面では、上述の2つの問題を軽減しようとするために、臨時のExcelシートに大きく依存しており、それが新たな問題を生み出す一因となっています。

クライアント企業と量的-供給-チェーン-マニフェストイニシアチブを開始する際、まずはイニシアチブを実行するためのサプライチェーン・サイエンティストが確保されていることを確認します。

サプライチェーン・サイエンティストについてさらに学ぶ サプライチェーン-サイエンティスト


読者のコメント (1)

予測に関する非常に有用な洞察をありがとうございます。 JMMGSR (1年前)