製造業者の視点
数日前、ある見込み客が、定量的サプライチェーンの視点を用いて、大手製造企業が直面するサプライチェーン上の課題に対処できるかどうかについて、いくつかの鋭い質問を投げかけました。
来週のサイクルで、スタッフの稼働能力と原材料が整っていれば、比較的少数の作業セルや機械からあらゆるアイテムを製造できるというケースを考えてみましょう。確率的予測は、JDAやSAP APOのような標準的なAPSよりも、どのような需要パターンや供給能力の条件下で意味のある優位性を発揮するのでしょうか。変動が小さく、従来型の予測やAPSに適した集約予測で、この問題には十分ではないのでしょうか。
確率的予測の要点は、需要だけでなく、リードタイムや返品、価格変動など、本質的に不確実なあらゆる側面を取り込むことにあります。不確実性が大きいほど、不確実性に正面から取り組む数値手法の競争優位性は高まります。従来型の集約予測は、問題を見えにくい場所へ押し込めるのに等しい数値的な対処です。月次予測は、日次予測よりも百分率で見れば精度が高いかもしれません。しかし、その追加的な精度は市場への反応の遅れという代償を伴います。なぜなら、その統計指標は構造上、丸一か月にわたって平均化されているからです。
大口顧客やその継続的な受注が全て失われるといった構造的リスクを無視することは、時の経過とともに死蔵在庫が蓄積される結果を招きます。なぜなら、すべての顧客はいつか離れていくからです（たとえ再獲得が1年後だったとしても）。さらに、リードタイムの変動を無視すると、本来リードタイム変動をカバーするために確保されている在庫が非効率的に割り当てられてしまいます。確率的予測がなければ、不確実性は適切に評価されないのです。経験則として、変動するリードタイムは_決して_正規分布にはならないのです.
しかし、確率的予測はあくまで数値的な成果物に過ぎません。結局のところ、重要なのはその中間結果ではなく、最終的な_意思決定_であり、その成果はユーロで評価されます。APSの最大の弱点は、サプライチェーンを財務的視点から最適化しようとしない点にあります。予測MAPEの改善は見かけ倒しであり、重要なのはROIのみなのです。確率的予測が優れているのは、その精度が高いからではなく、任意のROI基準に最適化された意思決定へと変換しやすいという点にあります。
したがって、サプライチェーンにおける財務上のリスクがごく僅かなものでない限り、私の見解ではAPSは決して「十分である」とは言えません。なぜなら、APS自体が財務的視点からサプライチェーン上の意思決定を最適化する努力すらしていないからです。実際、サプライチェーンチームはExcelシートを通じて財務パフォーマンスの全責任を担っており、APSにその功績を認める余地はありません。
定量的サプライチェーンとDDMRPは、オペレーショナルな視点におけるそれぞれの数値レシピとして競い合います。しかし、定量的サプライチェーンも供給制約において同様の課題を抱えているのではないでしょうか。それとも、それらを明示的にモデル化しているのでしょうか。また、経営陣がキャパシティ拡充の機会を得られるよう、戦術的視点でのキャパシティ逼迫をどのように十分先まで予測するのでしょうか。
DDMRPとは異なり、定量的サプライチェーン（QSC）は「パッケージ化された」数値的手法を備えているわけではありません。QSCは、現場での生産利用向けに実用的な数値レシピを作成し、時間の経過とともにそれを洗練させるための原理的アプローチに過ぎません。MOQ、BOM、キャッシュフロー、SLAペナルティなど、サプライチェーンの多種多様な制約に対処できる柔軟な数値ツールを収集し育成することは、QSCにとって重要な課題です。
Lokadでは、過去10年以上にわたり、次々と技術世代をまたぐ積極的なイテレーションを行ってきました。この種の問題に対処するために、2つの代数体系と複数の非線形ソルバーを導入しており、現時点での最新のイテレーションは微分可能プログラミングです。これらのツールの目的は、指摘されたように、サプライチェーンサイエンティストがこれら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にあります。制約自体が多様であるため、それらを適切にモデル化するには、ある程度のプログラム表現力が必要となります。
次に、QSCの核心原則のひとつである財務的視点は、サプライチェーンの制約に関して驚くべき洞察をもたらします。特に、各制約が解除されることに伴う利益を_価格付け_することが可能となります。実際のところ、課題は生産能力の問題を単に浮き彫りにすることではなく、この領域で行われる投資の収益性を正当化することにあるのです。
実際、同じ問題に対処するための選択肢は（ほぼ）常に複数存在します。たとえば、生産能力を増強する代わりに事前に在庫を積み上げる、スループットを向上させるために生産バッチ数を増やす、ピーク時の生産能力に直面したときに価格を引き上げる、などです。QSCのアプローチは、これらすべての選択肢をROIに基づいて優先順位付けすることを可能にし、その優先順位リストは入力データとともに常に更新されます.
実際、未来を遠くまで予測する唯一の制約は、それに伴う統計的な不確実性です。追加在庫や追加キャパシティといった「データ駆動型」の投資は、市場の変動によって悪影響を受けるため、しばしば無意味になってしまいます。この問題は、QSCもDDMRPも問わず、すべての定量的手法に影響を及ぼしており、私が知る限り、唯一の対策は明示的な確率的予測なのです.
SAPによるIBPのいくつかのデモでは、出荷遅延の影響を予測・可視化するという非常に魅力的な機能や、戦術的視点を実行する能力が示されています。これにより、そのようなツールの必要性がなくなるとLokadはお考えでしょうか？それとも、APO/IBPを比較的単純な中間層として活用し、その強みを利用する一方で、Lokadは購買、生産、移動発注といった実行すべき意思決定を引き出し、APO/IBPを通して推進する差別化・革新のシステムと捉えていますか？
Lokadは、通常はERPやWMSといったトランザクション層の上に位置するアナリティクス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、これ以上の「スマート」データ処理の必要性を排除することにあります。この点で、LokadはSAP APOやSAP IBPと同じ機能的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Webダッシュボードは洗練され、_高速_であると考えています。しかし、今日においては、魅力的なダッシュボードやwhat-if機能を作成することはソフトウェア開発者にとって比較的容易な作業です。出荷遅延の影響を可視化することは素晴らしいですが、サプライチェーン担当者の時間を活用する資本主義的な手法とは言い難いと思います。サプライチェーン向けソフトウェアは、運用を維持するだけで過剰な人員を消費してしまう場合が多いのです。
我々は反対の視点を取ります。すなわち、Lokadに費やすすべての時間は、完全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、出荷遅延の例に戻ると、出荷遅延は過去の誤った意思決定の単なる_症状_にすぎないと考えられます。例えば、補充発注がやや少なく、やや遅かったこと、信頼できないサプライヤーや輸送業者を選んだこと、あるいは同じ在庫を巡って競合する顧客間で出荷の優先順位付けを誤ったことなどが挙げられます。
すべてのありふれたサプライチェーンの意思決定を_生成_する数値レシピに注目するのは、見た目にはあまり魅力的ではありません。what-if機能ほど派手ではないのです。なお、Lokadはwhat-if機能も提供可能ですが、これらの取り組みを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へと転換する明確な道筋がなければ、私は自チームにその道を進むよう勧めません。
サプライチェーンの構成（生産ユニットや倉庫を開くか閉じるか、どの顧客をどのDCに割り当てるかなど）を検討する際、サプライヤーや自社製造セルの俊敏性や短いリードタイムへの投資、すなわち過去データだけでは構築できないシナリオに基づくLlamasoft型のサプライチェーン設計には価値があるのでしょうか。こうした課題はLokadが対応できるタイプのものと言えるのでしょうか。
90年代後半、多くの専門家は写真の未来はデジタルにあり、アナログ写真は終焉を迎えると予見していました。しかし20年後の今、単に特許データベースを「解析」するだけでそのような高次の洞察を生み出せる機械学習技術が実現するには、まだ何十年も先の話です.
定量的サプライチェーンとLokadは、その本質が統計的なものであるため、例えば新工場の設立といった、規模や頻度において完全な統計的外れ値となるサプライチェーン上の意思決定を最適化する際には、統計的視点はせいぜい弱く、しばしば誤解を招くことになります。
リードタイムを考慮すると、Lokadは戦略的サプライヤーをアジアから北米へ戻すべきかどうかの判断よりも、各出荷に対して航空貨物を利用すべきか否かの判断に遥かに適しています.
一般的な経験則として、サプライチェーン上の意思決定が毎日見直せるのであれば、それはLokadにとって好適な候補です。歴史的データが想定されるシナリオと1対1に一致している必要はありません。顧客とDCとの間の代替的な親和性を探ることこそが、Envisionが取り組むために設計された問題なのです。
