メーカーの視点
数日前、見込み客が多くの大手製造業が直面する供給チェーンの課題に対処するために量的供給チェーンの視点を適用できるかについて、いくつかの鋭い質問を提起しました。
例えば、来週のサイクルで任意のアイテムを作ることができる比較的少数の作業セル/機械から多くのアイテムが出てくる場合を考えてみましょう。スタッフのキャパシティと原材料があれば、確率的予測がJDAやSAP APOのような優れた標準APSに比べて有意義に優れていると言えるためには、企業の需要パターンと供給能力はどのように見える必要がありますか？問題に対して、より一貫性があり、従って伝統的な予測とAPSにより適した集約予測は十分でしょうか？
確率的予測は需要だけでなく、需要だけでなく、リードタイム、返品、価格変動など、不可避に不確実な要素を包括的に取り入れることに関するものです。不確実性が大きいほど、問題を無視するのではなく、不確実性に対処する数値的なアプローチの競争上の優位性は大きくなります。古典的な予測を集約することは、汚れを床の下に押し込むことに相当します。月次予測は、パーセンテージで測定した場合、日次予測に比べてより正確かもしれませんが、統計的な指標は構築上、1か月間にわたって広がっているため、市場の遅れが増えます。
大きなクライアントとその継続的な注文ストリームを失うなどの構造的なリスクを無視することは、時間の経過とともに継続的な在庫の発生源を生成するためのレシピです。すべてのクライアントはいつか辞めるでしょう - たとえそれが1年後に再び彼らを引きつけるためであっても。より日常的なレベルでは、リードタイムの変動を無視することにより、在庫が効率的に割り当てられなくなります。在庫はリードタイムの分散をカバーするために存在しています。確率的予測がないと、不確実性は適切に推定されません。経験則として、変動するリードタイムは_決して_正規分布ではありません。
ただし、確率的予測は数値的なアーティファクトに過ぎません。結局のところ、_意思決定_のみが重要であり、そのパフォーマンスはユーロで測定されます。それらを生成するために使用される中間的な数値的アーティファクト（古典的な予測や確率的予測など）ではありません。APSの主な弱点は、財務の観点から供給チェーンを最適化していないことです。予測のMAPEを改善することは虚栄心です。ROIのみが重要です。確率的予測が勝つのは、より正確であるためではなく、任意のROI基準に対して最適化された意思決定に簡単に変換できるためです。
したがって、供給チェーンの財務的なリスクが無視できない場合、APSは私の考えでは決して「十分に優れている」とは言えません。なぜなら、APSは財務の観点から供給チェーンの意思決定を最適化しようとすらしていないからです。実際には、供給チェーンチームはExcelシートを通じて財務パフォーマンスの全責任を負うことになります。これに対してAPSには感謝の意を示すべきではありません。
量的供給チェーンとDDMRPは、それぞれ運用の観点での数値的なレシピとして競合しています。ただし、量的供給チェーンは供給制約に対して同様の課題を抱えていませんか？それとも、それらを明示的にモデル化していますか？戦術的な視点をどのように推進し、管理者がそれらを修正する機会を与えるために、容量の制約箇所を十分に先まで予測するのですか？例えば、容量を問い合わせることでしょうか？
DDMRPとは異なり、量的供給チェーン（QSC）には「パッケージ化された」数値的なレシピが付属しています。QSCは、有用なレシピを作成するための原則に基づいたアプローチであり、直感的な製造に使用することを意図しており、時間の経過とともにそれらを洗練させることを目指しています。供給チェーンの多様性（例：MOQs、BOMs、キャッシュフロー、SLAペナルティなど）に対応できるだけの柔軟性を持つ数値ツールを収集し、育成することは、QSCの中心的な関心事です。
Lokadでは、10年以上にわたり、次々と技術世代を進化させてきました。私たちは、このクラスの問題に対処するために2つの代数学と複数の非線形ソルバーを導入しました。最新のイテレーションは、現在の日付である微分可能プログラミングです。これらのツールの目的は、サプライチェーンの科学者がすべての制約を明示的にモデル化できるようにすることです。制約自体が多様であるため、これらの制約を適切にモデル化するためには、プログラムの表現力が必要です。
そして、QSCの中核原則の1つである財務的な視点は、供給チェーンの制約に関連する利益を「価格化」することを可能にします。実際、生産能力の問題を解決するよう求めることはそれほど難しくありませんが、特定の領域への投資の収益性を正当化することが課題です。
実際には、同じ問題に対処するために競合する（ほぼ）常に複数のオプションがあります。たとえば、生産能力を増やす代わりに事前に在庫を構築することが可能かもしれませんし、スループットを増やすために生産バッチを増やすことも可能かもしれませんし、ピーク時の生産能力に直面した場合に価格を上げることも考えられます。QSCのアプローチは、これらすべてのオプションのROIに基づいた優先順位付けに適しており、優先リストは入力データとともに常に更新されます。
実際には、将来を遠くまで見る唯一の制約は、それに伴う統計的な不確実性です。市場の変動によって、ほとんどの「データ駆動型」の投資（余分な在庫、余分な能力）は影響を受け、無関係になる傾向があります。この問題は、QSCとDDMRPの両方に影響を与えますが、私が知っている唯一の緩和策は、明示的な確率的予測です。
SAPのIBPのデモの中には、遅延出荷の影響を予測・可視化することや、戦術的な視点での実行が可能なことを示すものがあります。Lokadがそこで活躍し、そのようなツールの必要性を排除することを予想していますか？それとも、APO/IBPを比較的シンプルな中間層として見て、Lokadを実行の意思決定を推進する差別化/革新のシステムとして見ていますか？
Lokadは、通常はERPやWMSなどのトランザクション層の上に配置される分析層として設計されています。その目的は、すべての適用可能な制約に準拠した最終的な意思決定を生成し、さらなる「スマート」データ処理の必要性を排除することです。この点で、LokadはSAP APOおよびSAP IBPと同じ機能的なニッチを占めています。
ユーザーエクスペリエンスに関しては、Lokadのウェブダッシュボードはスムーズで_スナッピー_です。ただし、現在では、見栄えの良いダッシュボードやシミュレーション機能をソフトウェアエディタが比較的簡単に作成できます。遅延出荷の影響を視覚化することは素晴らしいことですが、サプライチェーンスタッフの時間を活用するためにはあまり資本主義的な方法ではないと考えています。サプライチェーンソフトウェアは、しばしば単に稼働し続けるために非常に多くの人員を消費します。
私たちは逆の視点を持っています。Lokadに費やされる時間は、完全に自動化されたソリューションの改善に_投資_されるべきです。したがって、遅延出荷の例に戻ると、遅延出荷は単に前の誤った意思決定の_症状_に過ぎません。少し遅すぎる注文の再注文、信頼性の低いサプライヤーまたは信頼性の低い輸送業者の選択、同じ在庫を競合する顧客間での出荷の優先順位の誤った設定などが原因かもしれません。
数値的なレシピに焦点を当てて、すべての日常的なサプライチェーンの意思決定を_生成_することは、視覚的にはあまり魅力的ではありません。Lokadはシミュレーション機能も提供できますが、ソリューションによって自動的に生成されるより良い意思決定の流れに変える明確な道筋がない限り、私はチームにそのような道筋を進むことを勧めません。
サプライチェーンの構成（オープン/クローズドの生産ユニットや倉庫、どの顧客をどのDCに割り当てるかなど）を考慮する際に、Lokadを使用できるのはこのような質問のタイプでしょうか？これらの質問は、Llamasoftサプライチェーン設計のような、履歴からは構築できないシナリオに基づいていることが一般的です。
90年代後半、多くの専門家が写真の未来はデジタルであり、アルギン銀塩写真は絶望的な状況にあると予測していましたが、20年後の今でも特許データベースを単に「クランチング」するだけでこのような高度な洞察を生み出すことができる機械学習技術は数十年先の話です。
量的サプライチェーン - そしてLokad - は、その核心に統計があります。新しい工場を開設するなど、その規模や頻度によって完全な統計的外れ値となるサプライチェーンの意思決定を最適化する場合、統計的な視点は最大でも弱く、しばしば誤解を招きます。
リードタイムを考慮すると、Lokadは戦略的なサプライヤーをアジアから北米に戻すかどうかを決定するよりも、個々の出荷ごとに航空貨物を使用するかどうかを決定するのにはずっと適しています。
ルールとして、サプライチェーンの意思決定が毎日見直される可能性がある場合、それはLokadの良い候補です。過去のデータが構想されているシナリオと1対1の対応を持つ必要はありません。顧客とDCの間の代替の関係性を探索することは、Envisionが対処するために設計された問題の種類そのものです。
