オペレーションズ・リサーチが現実のサプライチェーンに出会うとき
私が「定量的サプライチェーン」に取り組んでいると聞くと、ほとんどの人は私がオペレーションズ・リサーチを行っていると思います。ある意味ではそれは正しいのですが、私は数学的モデル、最適化、そして意思決定を支援するためのデータ活用に深い関心を持っています。しかし、過去20年以上にわたり、ファッションから航空宇宙に至る多くの企業と仕事をする中で、私は現在主流となっているオペレーションズ・リサーチの文化からかなり離れてしまいました。
最近の著書 Introduction to Supply Chain では、私が現在考えている商品の流れ、不確実性、そして意思決定について、一箇所にまとめようと試みました。このエッセイは、より焦点を絞った補完的なものとして、私の視点がどのように進化してきたか、なぜサプライチェーンを応用数学ではなく応用経済学として捉えるのか、そして現行のオペレーションズ・リサーチが実務家にどのように貢献しながらも誤った方向へ導いているかを説明するものです。
オペレーションズ・リサーチが約束したもの
歴史的に、オペレーションズ・リサーチは非常に実用的な使命を持っていました。第二次世界大戦中、科学者やエンジニアは臨時のチームに編成され、レーダーオペレーターや護送艦の計画者、爆撃機の指揮官たちがより良い意思決定を下せるよう支援しました。モールスとキンボールによる初期の教科書は、この分野を「統制下にある作戦に関する意思決定のための定量的根拠を経営陣に提供する科学的方法」と定義しました。ここで重要なのは「作戦」と「意思決定」という言葉です。その目的は定理を証明することではなく、艦隊や工場が月曜の朝に実際に行動を変えることにありました。
この精神は戦後初期の数十年にわたって受け継がれました。オペレーションズ・リサーチは、実際の状況のモデルを構築し、それを行動の指針とする科学的かつ定量的な意思決定アプローチとして説明され続けました。IFORSなどの組織による現代の要約でもこの見解が強調され、オペレーションズ・リサーチはデータ解析、数学的モデリング、最適化を用いてマネージャーが選択肢の中から決定を下すのを助けるとされています。理論上は、これはほぼまさにサプライチェーンに求めるものと等しいです。
しかし、今日これらのアイデアが実践に落とし込まれる方法は、非常に異なって感じられます。
サプライチェーンオペレーターのデスクから見た主流の様相
私がオペレーションズ・リサーチを学んだ人々と出会うと、通常、問題の構造について意見が一致します。つまり、何を購入すべきか、生産すべきか、移動すべきか、価格設定すべきかという意思決定があり、尊重すべき制約（能力、規制、リードタイム）が存在し、最適化すべき目的があるのです。教科書や多くのコンサルティングプロジェクトでは、これはお馴染みのパターンとなり、意思決定変数を定義し、制約を記述し、目的を選定し、すべてを汎用ソルバーに投入します。線形計画法や混合整数計画法が中心的なツールとなり、その周辺にはシミュレーションやヒューリスティクスが位置付けられます。
このパターン自体に本質的な問題はありません。ネットワーク設計や戦略的キャパシティプランニングのような、構成を一度選定し何年も維持したい問題には非常に効果的です。また、物理的な現象が十分に理解され、不確実性が限られている厳しく制約された産業環境においても理にかなっています。
しかし、この同じ思考法がほとんど変更されることなく、非常にダイナミックで不確実なサプライチェーン、例えばe‑コマース、ファッション、スペアパーツ、家電、食品などに適用されると、問題が生じ始めます。そうした環境では、私は通常、三つの失敗例を目にします。
第一に、目的関数が貨幣単位で表現されることはほとんどありません。コストを目標とするサービスレベルの下で最適化したり、キャパシティを前提にサービススコアを最大化したり、まるで予測誤差そのものが価値を持つかのように最小化したりします。しかし、在庫不足、過剰在庫、取り扱い、資本など、あらゆる痛みや利益が比較可能な単位で表される単一の貨幣的元帳が欠如しているのです。このような元帳がなければ、人々は「トレードオフ」について永遠に議論することになり、誰も真にそれらを仲裁することはできません。
第二に、不確実性が後付けで扱われる点です。需要は一点予測と安全率の組み合わせとして示され、変動の認識は習慣的な安全係数やバッファに織り込まれるだけです。しかし、私が目にするほとんどの企業では、一シーズンの利益または損失は、予想外の好調なトレンド、主要サプライヤーでのストライキ、タイミングを外れた悪天候といった、比較的稀な出来事によって決定されます。不確実性を単一の「最もありそうな」値と薄い安全策に集約するのは、この現実が存在しないかのように装う丁寧な方法に過ぎません。
第三に、時間が再考の機会の連続ではなく、単なる計画期間として扱われる点です。月次あるいは四半期ごとの計画を立て、一晩で大規模な最適化を実施し、その結果を従うべき台本のように扱います。明日の朝には今日よりも多くの情報が得られ、原理的には再最適化が可能であるにもかかわらず、その可能性は体系的に活用されません。
一見すると、これらすべては依然としてオペレーションズ・リサーチの領域に見えます。しかし、サプライチェーンオペレーターの視点からすると、実際に利益を生み出し損失を招く問題からは、奇妙に隔絶したものに感じられるのです。
なぜ私はサプライチェーンを応用経済学として位置付けるのか
私自身の学歴は数学とコンピュータサイエンスにあり、長年にわたって、予測、安全在庫、コスト最小化、サービス制約、そして巧妙なアルゴリズムといった標準的なツールキットでサプライチェーンの問題に取り組んできました。しかし、次第に、次々とクライアントと接する中で、私が解いていた問題が本質的に間違っていることが明らかになりました。
サプライチェーンの実務家が本当に苦しんでいるのは、モデル自体の不足ではなく、明確な経済的視点が欠如していることにあります。彼らは、さまざまな用途に利用可能な希少な資源、すなわち多用途に使える在庫、多種多様なものを生産できる機械、複数のチャネルに対応可能な輸送手段を有しています。毎日、彼らは数え切れないほどの可能な行動に直面し、特に需要やリードタイムに関して深刻な不確実性の中で運営されています。そして最終的には、通貨という単位で評価されるのです。
これを受け入れると、サプライチェーンは応用数学の一分野というよりも、応用経済学の一分野として捉えられるようになります。中心となる疑問は、我々が知っていること、そして合理的に予測できることを前提に、今日のどの行動が破壊するよりも経済的な価値を創出する可能性が高いか、ということになるのです。
この見方は実践面において具体的な影響をもたらします。
私は、たとえ最初は概算であっても、あらゆる重要なトレードオフを貨幣的な尺度で表現するよう努めています。失われた売上の痛み、陳腐化のコスト、鮮度の価値、運転資本の負担、そしてドックでの混雑による煩わしさ—これらすべては単位あたりまたは時間あたりの価格に換算することができます。一度これらが統一された尺度に置かれると、数学に委ねて候補となる意思決定を期待される寄与度でランク付けすることが可能となるのです。
さらに、私は不確実性が重要な場面では明示的にモデル化されることを主張しています。需要を一点予測と安全率の組み合わせとして扱うのではなく、将来のあらゆる可能性にわたる分布として捉えたいのです。同様に、リードタイム、返品、サプライヤーの信頼性、時には価格さえも同様にモデル化すべきです。これらは決して難解である必要はなく、シンプルで十分に校正された確率モデルですでに意思決定を劇的に変える力があることが、分布の裾（稀だがコストのかかるシナリオ）がどこに位置するかを明らかにしてくれるからです。
最後に、私はサプライチェーンの意思決定を、単発の計画ではなく繰り返される賭けと捉えています。毎日、新たな情報がもたらされます。売上、遅延、混乱、機会などです。適切な問いは「次の四半期の最適な計画は何か？」ではなく、「現時点での情報と、将来が合理的に展開するとした場合に、今日どのコミットメントを実行し、どれをより多くの情報が得られるまで延期すべきか？」というものです。「まだ」と言ってリソースを拘束しない選択自体が、非常に価値のあるオプションなのです。
このようにサプライチェーンが捉えられると、オペレーションズ・リサーチは依然として存在しますが、その役割は変化してきます。
ソルバーから意思決定エンジンへ
主流のオペレーションズ・リサーチでは、しばしばソルバーが中心に据えられます。私たちは数学的プログラムを定式化し、それを汎用ソルバーに投入し、解決可能な問題の規模や複雑さによって成功を評価します。制約が複雑で、アルゴリズムが洗練されているほど、我々は成功していると感じるのです。
私の日常業務では、ソルバーをより大きな「意思決定エンジン」の一部として扱う方が実りがあると感じています。このエンジンにはいくつかの役割があります。
このエンジンは、乱雑で一貫性のない企業データを取り込み、存在する製品、所在、リードタイムの状況、そして現在のコミットメントといった、世界の一貫した見解へと変換しなければなりません。また、需要、供給、返品、輸送時間など、関連する不確実性の確率的な見解も生成する必要があります。さらに、各価格に明確な所有権を伴う、すべての重要なコストと利益の貨幣的元帳を維持し、購買注文、転送、生産注文、価格変更といった具体的で機械可読な意思決定を出力しなければなりません。
このエンジン内部では、古典的なものを含む最適化アルゴリズムを確実に使用します。しかし、もはやそれらが物語の主人公ではありません。等しく重要なのは、何を価格評価するか、何を硬い制約とみなすか、何を柔軟なペナルティとみなすか、どの程度の頻度で再計算するか、意思決定の結果を時間の経過でどのように帰属させるか、そして不確実性があまりにも大きい場合に行動を拒否するタイミングといった選択です。
このように捉えると、興味深い設計上の疑問は、純粋なアルゴリズム論よりも経済学やソフトウェアアーキテクチャに近いものとなります。システム内のあらゆる重要なトレードオフが貨幣的に表現されることを、どのように保証するのでしょうか？また、悪い意思決定が、検証可能な仮定にまで遡って追跡可能であることを、どのように確保するのでしょうか？さらに、新規のエンジンと既存のエンジンとを比較する実験を低コストで実施し、特定のビジネスにおいて何が本当に効果的かを学ぶためには、どうすればよいのでしょうか？
これらはオペレーションズ・リサーチが無視しているわけではありませんが、今日この分野が自らを提示する方法においては、中心的な位置を占めていないのです。
建設的な意見の相違：逐次的な意思決定
近年、ウォーレン・パウエルは「逐次意思決定分析」を提唱しており、これは確率的最適化、強化学習、そして制御理論の多くの流れを、時間にわたる意思決定のための一つの枠組みに統合しようとするものです。私は、このアプローチに賛成する点と異なる点について、別途執筆したことがあります。
大まかに言えば、私たちはほとんどの興味深いビジネス上の問題は逐次的である、すなわち、ある決定を下し、その後世界が動き、観察して、再び決定するという考えを共有しています。私が異なるのは、将来を取り扱いやすいものに圧縮する主要な手段として、価格設定（評価）に重点を置く点にあります。
サプライチェーンにおいては、今日適切なシャドウプライスを設定することで、長期的結果の複雑さを「買い切る」ことがしばしば可能です。例えば、今日の顧客対応が、明日別の顧客にとってより価値のある在庫を消費してしまう場合、その緊張関係は在庫保持あるいは消費時の価格として現れるべきであり、数か月先にわたる巨大なシナリオツリーとして表れるべきではありません。もちろん、これらの価格は完璧ではありません。しかし、それらを貨幣で表現するという規律は、有益な議論—誰がどのトレードオフをどのように受け入れるのか、そしてなぜそうするのか—を促します。
私の理解するところによれば、逐次意思決定分析は、状態、行動、遷移、そして目的の豊富なモデルから始まり、その構造内で方策を探索する傾向にあります。私の実践はその一歩手前、すなわち、何を価格評価すべきか、何を真の制約として残すべきか、そしてどのくらいの期間、ある決定の結果に責任を持つかという議論から始まります。これらの選択がなされると、問題の逐次的な性質は、はるかに扱いやすいものとなるのです。
これは、より広範な枠組みを否定するものではなく、その中でサプライチェーンに根ざした特定の立場として位置付けられるものだと私は考えています。
これがオペレーションズ・リサーチに残す影響
外部から見ると、私がオペレーションズ・リサーチに反対しているように映るかもしれません。しかし、そうではありません。私はそのツールボックスや、実際の意思決定を支援しようとする歴史的な試みに、依然として多大な価値があると考えています。ただ、サプライチェーンの多くの文脈において、この分野はあまりにも決定論的で、静的で、助けるべきビジネスの実際の経済性から乖離したモデルに固執しすぎていると考えています。
もし、当初の「作戦に関する意思決定のための定量的根拠を提供する」という志に立ち返るならば、私たちは三つのことを従来とは異なる方法で行う必要があると思います。
抽象的なKPIではなく、貨幣をトレードオフの主要な言語として扱うこと。不確実性を誤差項としてではなく、主要な入力として真剣に捉えること。そして、私たちの興味深い問題の多くは、一度きりの最適化ではなく、再考と適応が今日の単一の解以上に重要な、継続的な賭けの連続であることを受け入れることです。
その意味で、私の仕事はオペレーションズ・リサーチから逃れるものではなく、現代のサプライチェーンが抱える混沌とした、不確実で、深く経済的な現実と再び結びつける試みなのです.
