ハンマーしか持っていないと、すべてが釘に見える。サプライチェーンコミュニティで長らく好まれていたハンマーはtime-seriesであり、その結果、supply chain circles内ではすべての問題が時系列予測のように見える。時系列予測に関する広範な文献が存在することにより、ハンマーで殴るという誘惑は一層強まっている。私たちが既に持っているのはただのハンマーだけではなく、あらゆる形、大きさ、色の輝くハンマーが並ぶショッピングモールの真ん中にいるのだ。

時系列を超えて

しかし、時系列は、もしかすると最も単純なサプライチェーンの状況を除いて、何かを合理的にモデル化するにはほとんど適していない。その結果、どんなに正確な時系列予測であっても、サプライチェーンの凡庸な側面に日常的に打ち負かされる。にもかかわらず、こうした状況に直面すると、サプライチェーンを運営する企業、そのソフトウェアベンダー、およびサプライチェーンを教える教授らは、より正確な予測を求めるという本能的な反応を示す。結局のところ、より 正確な予測以外に何があり得るというのだろうか?

時系列の枠を精神的に越える最も困難なステップは、(まだ)代替の解決策を示すことができないまま、問題、すなわち時系列自体の限界の存在を認めることである。実際、科学の歴史は、解決策が見出されるまで問題は「考えられないもの」とされる傾向にあることを物語っている。解決策のない問題1は通常、無関係なものとして却下される。不幸にも、解決策が存在するかもしれないと仮定し始めなければ、私たちはそもそも探し始めることさえできないのだ。

時系列の視点とそのサプライチェーンでの活用事例をより詳しく見てみよう。これまでに、サプライチェーンのペルソナを、それぞれParisMiamiおよびAmsterdamとして紹介している(今後さらに続く)。これらのペルソナは、架空でありながら現実的な実際のサプライチェーンの描写を表している。これら三つの状況のいずれかで、時系列を用いて「需要」を漠然と反映することは可能だろうか?これら三つの状況に対する答えは、いずれも否である:

  • Paris:ファッションネットワークでは、大規模な代替およびカニバリゼーション効果が発生する。作用している仕組みの本質、すなわち顧客による品揃え全体のあいまいな認識は、時系列を採用することによって失われる。
  • Miami:航空宇宙のMROでは、部品不足が原因で航空機全体が地上に留め置かれるAOG(航空機停止)のインシデントが発生する。時系列予測を採用すると、AOGと部品修理の周期的な性質の両方が見失われる。
  • Amsterdam:チーズブランドでは、供給側と需要側の両方に厳格な制約がある。その結果、供給と需要の両方が時系列として表現される可能性はあるものの、注目すべき部分はそれらの時系列の_間_で起こる。

それにもかかわらず、サプライチェーンの教科書は時系列解析や時系列予測を含む「例」で溢れている。しかし、これらの例の有効性には懸念がある。これらの例は、特に何も具体的な情報を与えずに「何か」を生産・販売する、ぼんやりとした企業を取り上げている。しかし、本質は細部に宿る。上記で紹介したサプライチェーンのペルソナのように、細かい条件が明らかになると、時系列の視点は本質的におもちゃのような問題の集まりであり、学生や教授を忙しくさせるだけで、実際の運用には適さないことが明らかになる。

時系列の視点は、ほとんどの大企業で過去30年間にわたり_Advanced Planning Systems_(APS)が利用可能であるにもかかわらず、サプライチェーンでスプレッドシートが遍在する理由を説明する根本原因の一つ2である。APSが期待に応えられないため、サプライチェーンの実務家たちはスプレッドシートに戻っている。

予測精度の具体的な事例は興味深い。実務家たちはAPSの精度に勝ることはできない(本当に機能不全な例外を除いて)。これは数十年にわたって続いている現象である。1990年代においても、適切に調整されたパラメトリックな時系列モデルは、すでに人間の予測精度を上回っていた。サプライチェーン実務家が三十年以上にわたりスプレッドシートを手放さない理由は、変化に対する抵抗だけでは説明できない。

根本的な設計問題はAPS自体にあり、例えばシステム全体のソフトウェアを時系列に合わせて設計することは、問題に合致せず、はるかに単純で説得力のある説明を提供する。しかし、このようなAPSがほとんど成果を上げないにもかかわらず、なぜ多くの企業がAPS(しばしばいくつも)を採用したのかという問題が残る。

この直感に反する状況は、街灯効果の一例である。

時系列はサプライチェーンにおいて失敗している。それでも他に思い浮かぶものがほとんどないため、実務家やそのマネジメントは、日常業務やスプレッドシートに実装されたヒューリスティックがそれに反するにもかかわらず、時系列の視点こそが実際に必要なものであるという_既定_の意見を持つことが多い。さらに、データの可視化に関する懸念は、データのモデル化に関する懸念と混同されがちである。どのようなモデル化の視点が採用されたとしても、時系列は_可視化_の仕組みとして残り続ける可能性が高い。実際、人間の視覚は主に2次元であり、ほとんどのサプライチェーンの事象は時間という次元を含む。あるアプローチが可視化に適しているからと言って、その利点が自動的にモデル化にも適用されるわけではない。

時系列パラダイムの中で最も純粋なサプライチェーンの形態は、おそらくFlowcastingであり、これによりサプライチェーン全体が時系列の集合として実体化される。サプライチェーンのディレクターとの議論に基づくと、Flowcastingは試みられるたびに必ず失敗しているようだ。時系列を前面に押し出すことは、明らかに悪化要因であった。

これまでのところ、本投稿では時系列および時系列予測に代わる代替手法は提案されていない。しかし、これこそが街灯効果の核心である。正しい場所を探していないと分かったら、たとえ他の場所がどれほど暗くても、他の場所を探すべきである。

私のサプライチェーン講義シリーズでは、時系列パラダイムを超えるための要素を徐々に紹介していく予定である。これらの要素は、数年前にLokadが取り始めた方向性を反映している。しかしながら、読者の皆さんには、もし時系列パラダイムの限界を超えて運営していたら、自分たちのサプライチェーン実践がどのようなものになっているかを想像してほしい。


  1. 1990年代初頭、通信販売会社はeコマースの巨人になるためのすべてのサプライチェーンインフラを整えていた。しかし、通信販売カタログ―消費者に対して製品認知を生み出すためのソリューション―は長い間存在していたため、その事業者は解決しようとしていた問題、すなわち_遠隔で販売する_という問題をほとんど見失っていた。新たなeコマース参入者は、特にサプライチェーンインフラに関して初期の競争力がほとんどなかったにもかかわらず、市場のリーダーとなった。 ↩︎

  2. 時系列以外のもう一つの主要な根本原因は、APSが採用している決定論的な視点である。未来は完全に既知であると仮定され、不確実性の余地がない。しかし、不確実性は還元不可能であり、正面から対処する必要がある。Lokadはこれを確率的予測によって実現しているが、この懸念は時系列の問題とは大きく直交している。 ↩︎