供給チェーンにおけるインクリメンタリズムは災厄である
供給チェーン管理において失敗への確実な道の一つは、「走る前に歩くことを学ぶ」という考え方です。この比喩は、_進歩_をある種の予定された旅として描写しているため、誤解を招くものです。この考え方は「インクリメンタリズム」と呼ばれ、同等に大規模な供給チェーンを運営する多くの大企業にとって、インクリメンタリズムは改善が起こることを阻止する最大の要因の一つです。場合によっては、10年にも及ぶ期間にわたって改善がほとんど起こりません。
単なる無行動は、インクリメンタリズムとは異なり、はるかに穏やかです。実際には、無行動とは異なり、インクリメンタリズムには多くのリソースを投資する必要があります。さらに、インクリメンタリズムは経営トップにとって大きな注意散漫の源であり、それに対して無行動は他の緊急の問題に対処する余地を与えます。
インクリメンタリズムは通常、パフォーマンス指標の改善を意図して始まります:予測精度の向上、サービスレベルの向上、在庫レベルの削減、リードタイムの短縮など。指標の数量的性質により、この取り組みは「合理的」であり、科学的な取り組みとして基盤が築かれます。パフォーマンス指標を改善するために、組織の一部が「ボトルネック」として特定されます:予測エンジン、S&OPプロセス、計画ソフトウェアなど。その後、この部分を改善するための企業イニシアチブが形成されます。
企業全体として、インクリメンタリズムに対するデフォルトの受け入れレベルは高いです。何も問題は起こりません。組織内の権力構造は触れられません。ミッションは変わりません。誰も脇に追いやられたり、取って代わられたりしません。目標は、1つまたはごくわずかなパフォーマンス指標に対してわずかに高く設定されるだけです。もし目標が他の場所で何かを犠牲にすることで簡単に達成できない場合、数チームに圧力がかかるかもしれません。たとえば、サービスレベルを向上させることは、進行中の不良在庫の生成に注意を払わない限りは簡単です。また、サプライヤのリードタイムを短縮することも、遅延した価格上昇に注意を払わない限りは簡単です。チームはこれを本能的に知っているため、抵抗しないのです。
インクリメンタリズムは企業のサイロによって推進されます。各サイロには、そのサイロ自体によって指示された視点から問題を見るだけの専門家のコホートが付属しています:
しかし、供給チェーンでは、インクリメンタリズムはほとんど常に失敗します。ブロックバスターの補充チームはおそらく、最後までサービスレベルの向上を自画自賛していたでしょうが、ネットフリックスが彼らを完全に追い出しました。一般的に言えば、システムが関与する場合、インクリメンタリズムは失敗します。実際、システムは部分の合計以上のものであり、その結果、システム全体にとって良いものは部分にとって良いものとは異なります。
自動車のアナロジーが示唆しているように、よりパワフルなエンジンは車をより良くしません。そのようなエンジンは重量を増やし、燃料消費量を増やし、多くの機械部品の疲労を増やし、ブレーキ効率を下げます。最良の車の設計は、部品のバランスを慎重に取ることです。単なる「より良い」部品の連合ではありません1。
供給チェーンもまったく同じ種類の問題に悩まされます。高いサービスレベルは、より多くの資本支出、より多くの廃棄物、より多くの滞留在庫、より少ない在庫回転率、柔軟性の低下などを意味します。しかし、供給チェーンシステムは比較的不透明であるため、改善の見込まれるデメリットは見えにくいかもしれません。しかし、デメリットが見えなくても、デメリットに伴う実際の財務ペナルティを回避することはありません。
より正確な 時系列の予測は望ましいと思われるかもしれません。しかし、より高い精度にもかかわらず、一連のデメリットが生じる可能性があります:
- 誤差の割合の減少は、誤差のドル換算には反映されません。
- 予測は数値的に安定していない場合があり、運用上の混乱を引き起こす場合があります。
- ソフトウェアが信頼性に欠ける場合、生産停止を引き起こす可能性があります。
- ソフトウェアのセキュリティが低下する可能性があり、サイバーセキュリティの事故を引き起こす可能性があります。
- ソフトウェアがより不透明になる可能性があり、保守コストが大幅に増加します。
- など。
一般的に言えば、供給チェーンではインクリメンタリズムは「同じことをもっとする」ということを強調しています。残念ながら、ほとんどの企業にとって、供給チェーンのゲームは数十年にわたって行われてきました。低いハンギングフルーツが存在したかもしれませんが、それらは数十年前に摘まれました。残っている「線形」な改善は、通常、負の純収益点を超えて達成するのが困難です。
逆に、インクリメンタリズムは重要な問題を無視します:
- 将来に関する不確実性は削減できません。
- データ分析はそれらを実行するデータベースの設計と対立します。
- エンタープライズソフトウェアのベンダーは失敗を奨励されています。
- カニバリゼーションと代替品はどこにでもあります。
ほとんどの本当に難しい問題において、初期のベースラインは存在しないか間違っています。
リードタイムの予測という概念は、古典的な予測システムではまったく存在しません2。その結果、リードタイムは統計的にアプローチされていないため、システム内で改善するものはありません。奇妙なことに、現在では、大企業のほとんどの予測システムは、複雑で非常に高価であるにもかかわらず、リードタイムを無視しています。リードタイムの予測は、存在しないベースラインの典型例です。
逆に、ソフトウェアベンダーの設計欠陥に対処するための_ad hoc_ソフトウェア開発に投資することは、自己打撃的な行動です。悪いベンダーの上に提供される改善は、ベンダーを企業内に確固たる地位に据えるだけです。組織が大きくなるほど、沈没費用に対処するのはますます困難になります。欠陥のあるソリューションへの過剰な支出は、誤ったベースラインの例として頻繁に発生します3。
非増分改善に取り組む上で最も困難な問題は、技術的な性質ではなく、社会的な性質です。正確に間違っているよりもおおよその正確さが望ましいため、これまで完全に無視されていた何かに対処することで、システムを少なくとも少しは機能不全から改善することは通常_技術的に_容易です。
サプライチェーンにおける非増分改善は、売る相手がいないため難しいものです。価格設定と計画の例を取り上げましょう。価格を変更すると需要も変化します。需要が変化すると、計画(例:生産)も変更する必要があります。しかし、価格と計画の絡み合いという基本的な問題に取り組もうとする企業はほとんどなく、ソフトウェアベンダーはさらに少ないです。実際、価格のソリューション(または計画のソリューション)は、価格チーム(または計画チーム)に販売することができます。ただし、価格+計画のソリューションはCEOにのみ販売されるかもしれません。残念ながら、計画チームと価格チームの両方が存在する場合、それらのトピックはCEOの直接の関心事ではないため、価格+計画に関する懸念事項は関連チームに転送され、価格チームの責任でもなく、計画チームの責任でもないとして急いで破棄されます。
-
何かを悪化させることなく一部を改善することができる場合があります。そのような改善は非常に望ましいです。なぜなら、それが起こると、システム全体が「無料の昼食」を得るからです。たとえば、2021年の論文「automemcpy: A framework for automatic generation of fundamental memory operations」では、Googleが運営するコンピュータのフリート全体が、3つのメモリ操作プリミティブの再実装により1%のパフォーマンス向上を達成しました。残念ながら、このような自己完結型の改善は非常に難しいです。 ↩︎
-
リードタイムの予測に対処するためのルールベースのシステムは、私の考えでは、統計的に有意なことを何も行っていないとは言えません。 ↩︎
-
2011年から2018年まで、LidlはSAPの在庫補充ソリューションを修正しようとして5億ユーロを無駄にしました。このような結果は頻繁に発生しますが、ベンダーとクライアントの管理チームの両方にとって同じくらいの恥ずかしい情報源であるため、一般の人々にはほとんど開示されません(Lidlの冒険はその規模のためにメインストリームのニュースになりました)。 ↩︎