00:00:08 Flowcastingとその起源の紹介。
00:02:04 伝統的なサプライテクニックとの比較。
00:04:40 Flowcastingの現在の関連性と課題。
00:06:06 Flowcastingの失敗と必要な洞察の分析。
00:07:06 確率論がFlowcastingの失敗を引き起こす方法。
00:08:06 分数需要予測の制約。
00:10:15 Flowcastingの実践と失敗。
00:11:13 Flowcastingからのポジティブな洞察：分解された需要データ。
00:13:46 Flowcastingのサプライチェーン最適化への包括的なアプローチ。
00:15:14 FlowcastingとLokadのアプローチの違い。
00:17:31 特定のサプライチェーンシナリオの複雑さ。
00:19:37 AI実装の将来動向の予測。
00:21:43 Flowcastingの本の価値とその欠点。
要約
インタビューでは、Lokadの創設者であるJoannes Vermorelが、サプライチェーン計画の手法であるFlowcastingの強みと弱点について話しています。彼は需要中心の分解予測と自動化に焦点を当てたアプローチを評価していますが、サプライチェーンのランダム性を考慮しない決定論的なアプローチに対して批判的です。Lokadは、Envisionというプログラミング言語を使用してこれらの複雑さを管理しようとしていますが、Vermorelはサプライチェーンの複雑さを完全にカバーするシステムは存在しないと認めています。彼はまた、AIの役割についても懐疑的であり、AIをトレンディな言葉と実際のアルゴリズム技術との違いを強調しています。欠点はあるものの、Flowcastingが小売サプライチェーン管理に提供する洞察の価値を認めています。
拡大要約
インタビューでは、司会のKieran ChandlerとLokadの創設者であるJoannes Vermorelが、需要主導型サプライチェーン計画の文脈でのFlowcastingの手法について話しています。同名の2006年の本で紹介されたFlowcastingは、販売時点での予測のみで最適な効率を約束するため、この分野の「聖杯」と見なされています。
Flowcastingは小売ネットワークを対象としています。Vermorelは、次のようにFlowcastingの主な前提を説明しています：毎日、すべての場所ですべての製品を予測し、最高の精度を目指す。これらの予測から得られる包括的な情報は、必要なすべてのサプライチェーンの意思決定の再構築を可能にします。Flowcastingのビジョンは、需要にできるだけ近いことを重視し、古い技術では優先されていなかった要素を強調しています。また、カテゴリごとの集約された予測ではなく、個々の製品ごとの店舗別の評価に価値を置いており、より分解されたアプローチです。
しかし、Flowcastingの実装は異なる結果となります。Vermorelは、それが「期待どおりには決して機能しない」と述べています。この理論的なコンセプトを実現しようとする小売ネットワークは、「非常に機能しない」と感じるでしょう。その根本的な原因は、「確率論」という概念を完全に無視していることです - 店舗レベルでの製品販売の固有のランダム性です。
Flowcastingは、将来の製品の正確な数量を絶対的な確実性で予測できるという前提に基づいた確定的な予測に依存しています。しかし、現実の小売販売の固有のランダム性や製品ごとの日々の需要の一部を受け入れることができません。この非現実的なアプローチにより、予測は無効になります。さらに重要なことは、供給チェーンの最適化プロセスからリスクのバランスを取るために重要な「経済ドライバー」が省かれることで、戦略がさらに不安定になるということです。
Flowcastingの実装の実際的な結果について尋ねられた際、Vermorelは、彼の経験では、彼が知り合いの小売ネットワークはプロトタイプの段階を超えることはないと述べています。したがって、Flowcastingはいくつかの貴重な洞察を提供し続けているものの、このインタビューでは、その固有の制約と供給チェーンの確率論の現実を取り組む必要性が強調されており、実際の小売環境で効果的に運用するためにはそれらを克服する必要があるとされています。
重要な議論のポイントは、「flowcasting」というよく知られた供給チェーンの技術です。課題にもかかわらず、Vermorelはflowcastingが貴重な洞察を提供すると認めています。彼は、この技術が需要にできるだけ近づくアプローチを強調しています。Vermorelは、最も細分化されたレベルは製品ごとの店舗ではなく、個々の顧客に販売される各ユニットであると主張しています。彼は、この洞察が時間の経過に伴うグラフの概念を生み出し、顧客のアイデンティティと購買行動を認識することを示唆しています。
さらに、Vermorelはflowcastingが自動化に重点を置いていることを評価し、Lokadもこの戦略を採用していると主張しています。彼は、デイリーデータの更新の利点を説明し、更新を怠ると古いデータで作業することによる不必要な複雑さと機会の逃失を指摘しています。彼は、この不必要な複雑さは無意味であり、リソースの浪費だと述べています。
Vermorelがflowcastingから得た次の洞察は、同期性の概念と供給チェーンの全体像の必要性です。彼は、製造から最終顧客の需要まで、ネットワーク全体とそのすべてのフローを調査することで、供給チェーンの問題をより効果的に解決できると提案しています。これは、各段階を個別に最適化するというよりも、相互に関連する影響を見落とす可能性がある一般的なアプローチとは対照的です。
Vermorelのflowcastingへの批判は、その過度の単純化に焦点を当てています。単純さは一般的には称賛される目標ですが、彼はそれが複雑な現実の単純な数学的表現につながるべきではないと警告しています。flowcastingはExcelのようにシンプルであると自己宣伝していますが、Vermorelはそれが供給チェーンの複雑さを過度に単純化していると主張しています。
Vermorelによれば、Lokadのアプローチはflowcastingとは異なり、供給チェーンの固有の複雑さを受け入れています。彼は、供給チェーンは本質的に混沌と複雑であると強調しています。Lokadのモデルは、彼が削減できないと見なしている「不確実性」を受け入れるものです。そのため、彼らのアプローチは確率的な代数を含みますが、より現実的な結果につながります。したがって、Lokadの方法論は不確実性を排除しようとするのではなく、それを認識して取り組むものです。
さらに、Vermorelは、包装や特定の製品形式に対する異なる需要の存在など、供給チェーン管理を複雑にする数多くのエッジケースについて詳細を説明しています。Vermorelは、これらの複雑さを考慮する繊細で柔軟な解決策が必要であり、一つのサイズがすべてに適合するアプローチではなく、これらの複雑さを考慮する必要があると主張しています。
これらの複雑さに対処するために、LokadはEnvisionというプログラミング言語を開発しました。このシステムは、供給チェーン管理の現実を損なうことなく、より現実に近い近似値を提供します。ただし、Vermorelは、どのシステムも現実の供給チェーンの複雑さを完全に捉えることはできないと認めています。
議論の中で、供給チェーンの手法であるFlowcastingの概念が検証されます。Vermorelは、Flowcastingが確率的な代数の形式をいくらか取り入れていれば、もっと良い結果を出せたかもしれないと推測しています。彼は、その短所にもかかわらず、Flowcastingは当時の大胆なビジョンであったと指摘しています。
新興技術に焦点を当てると、Vermorelは供給チェーン管理における人工知能（AI）の使用に懐疑的な意見を表明しています。彼は、AIはしばしば魔法の解決策として称賛されていますが、画像認識などの技術的な進歩が直接的に供給チェーンの問題解決に結びつかないことに失望する企業が多いと主張しています。
ただし、VermorelはAIのブームワードと、ディープラーニングや差分可能プログラミングなどの基本的なアルゴリズム技術を区別しています。彼は、これらの技術は、供給チェーン管理の固有の課題と注意深く調整されれば、非常に有用であると述べています。
Flowcastingに戻ると、Vermorelは数学的な短所にもかかわらず、その基礎となる書籍は依然として価値のある読み物であると主張しています。これらの概念の多くはまだ十分に活用されていませんが、これらのアイデアは今日でも有効で貴重です。
最後に、この会話は供給チェーン管理の世界が複雑であり、単一かつ明確な解決策は存在しないことを強調しています。Vermorelは、供給チェーンダイナミクスの複雑な現実により近い柔軟で適応可能なシステムの重要性を強調し、包括的かつ繊細なアプローチを推進して結論付けています。
フルトランスクリプト
Kieran Chandler: 今日は、Lokad TVでこの技術について詳しく学び、それが今でも関連性があるかどうかについて話し合います。では、まず、フローキャスティングとは具体的に何であり、どのように機能するのか、もう少し説明してみましょうか？
Joannes Vermorel: フローキャスティングは、2006年に出版された同名の書籍とともに生まれた用語です。これは小売ネットワークに特化した技術であり、そのネットワークのための供給チェーン最適化を提供します。この本では、実装方法に関する多くの興味深い洞察とレシピが紹介されています。要するに、アイデアは、すべての場所ですべての製品を選び、できるだけ正確な予測とともに将来のすべての日を予測し、それによってクライアントの販売によって駆動されるすべての出来事の完全なイメージを得ることです。その後、製品レベルごとの場所ごとの日次の超細分化された予測を取り上げ、このデータを再集計することで、必要なすべての供給チェーンの意思決定を再構築することができます。これにより、予測から逆に歩いて、店舗から倉庫、さらにはサプライヤーまで、すべての供給チェーンの意思決定を再構築することができます。
Kieran Chandler: 興味深いですね。では、このビジョンは何が異なっていたのでしょうか？当時の他の技術とはどのように異なっていましたか？
Joannes Vermorel: このビジョンは、非常に鋭い洞察の連続性によって異なっていました。特に、需要にできるだけ近づくことの重要性が強調されていました。これは新しい発見ではありませんでしたが、私の知る限りでは、この本が最初に、チェーンの最後である販売に最も近い需要信号にできるだけ近づく必要性を強調したものでした。これは、通常、1つのエシュロンが次のエシュロンで起こっていることにだけ注目する多くの供給チェーンとは異なります。例えば、サプライヤーとしては、あなたから購入している倉庫で起こっていることに注目しますが、店舗で起こっていることには注目しません。フローキャスティングは、この点で非常に一貫性がありました。需要信号に近づくことを提唱し、数値的に処理しやすいために、週ごとの製品ごとの再集計ではなく、製品ごとの店舗ごとの最も細分化されたレベルを見ることに価値があると示唆しました。
Kieran Chandler: つまり、「細分化」とは、すべての店舗のすべてのSKUレベルにまで分解することを意味するのですね？
Joannes Vermorel: まさにそうです。それはFlowcastingが提案するものであり、当時のほとんどの技術とは異なります。通常、人々はトップダウンの予測を行っていました。カテゴリごとに予測し、サブカテゴリごとに分割し、地域ごとに分割し、その他もろもろの分割を行っていました。最後に、いくつかの典型的な店舗のクラスターがあり、「店舗タイプA、タイプB、タイプCがある場合は、店舗プロファイルに基づいて割り当てる」と言うことができました。この方法では、データ量が爆発する最も細分化された段階、つまりすべての場所のすべての製品に対処する必要がありません。
Kieran Chandler: では、なぜ今日これについて話しているのですか？これを置き換えたより現代的な技術はないのですか？なぜそれがまだ関連しているのですか？
Joannes Vermorel: さて、10年前、Flowcastingは大流行していました。少なくとも6つの大規模小売ネットワークがその洞察に非常に興味を持っているのを見ました。しかし、実際にはうまくいきませんでした。それは、見かけ上は優れたアイデアの詰まった本のようでしたが、実装しようとすると完全に失敗してしまいました。非常に機能しないものであり、そのアイデアがどれほどシンプルに見えるかにもかかわらず、予想外でした。その本では、日次の予測で簡単に実行できるように見え、それらの予測を生成し、その後のサプライチェーンの意思決定に活用するためのいくつかの簡単なレシピも提供されていました。しかし、実際に実装しようとすると、それはうまくいかなかったのです。Flowcastingが失敗した理由は、非常に重要な要素を見落としていたからです。しかし、市場のほとんどの人々や多くの関係者は、まだそれらの洞察を見落としています。Flowcastingは10年後には流行から外れましたが、その失敗の理由はまだよく知られていません。これはつまり、多くの関係者が理解を向上させない限り、彼らはまったく同じ問題に直面することになるということです。
Kieran Chandler: つまり、売上点を見て、予測し、それを供給チェーン全体にフローさせることは、かなり論理的に思えます。では、それがどこで崩壊するのですか？
Joannes Vermorel: それは、確率論的または不確実性によって崩壊します。店舗レベルでの販売は非常に乱れており、ランダムです。はい、週に約1個売れるかもしれませんが、週のどの日かはわかりません。Flowcastingは、ある参照に対して2日後に正確に1本のシャンプーを売ると言える確定的な予測に依存していました。しかし、小売販売には固有のランダム性があるため、それは現実的ではありません。
Kieran Chandler: そして、それが実際にすべて崩壊するところです。それらの予測には不確実性を反映する方法がありません。それが予測が完全に崩壊する理由です-不確実性が存在しないからです。したがって、不確実性が存在しないと仮定し、予測が正確であると考えると、将来を正確に反映する予測に失敗します。それらは証拠となる予測ではありません。サプライチェーンの最適化に関しては、予測が正しいと仮定し、経済的なドライバーを無視します。つまり、不確実性を無視する問題があり、その結果、不確実性の下で最適化するための中心的な経済的なドライバーも無視します。ですから、このアプローチには多くの問題があったのでしょうか？小売業者が実装しようとしたとき、広範な災害はありましたか？
Joannes Vermorel: 私が連絡を取った小売ネットワークは、実際にはプロトタイプの段階を超えることはありませんでした。彼らは慎重で、非常に小規模なスケールで試しました。しかし、実際に出てきた数字は非常にばかげていて、サプライチェーンの専門家は、「いや、それは店舗に押し込むことはできない」と言っていました。それはあまりにも少なすぎるか、あまりにも少なすぎるか、あるいはあまりにも多すぎるかでした。文字通り意味をなさなかったのです。私の知る限りでは、大規模な小売ネットワークは、わずか数十の製品を数店舗で試すプロトタイプの段階を超えることはありませんでした。非常に小規模なものであり、機能が完全に失敗したため、すぐに終了しました。
Kieran Chandler: ですから、すべてが悪いわけではありません。Flowcastingはかなりよく知られた技術であり、評判も良かったです。私たちに与えられたいくつかの良い洞察は何ですか？
Joannes Vermorel: いくつかの興味深い洞察がありました。彼らはできるだけ需要に近づくことを提案し、最も分解能の高いレベルは店舗ごと、製品ごとであると述べていました。私はできるだけ分解能を高くする必要があるという考えには同意しますが、最も分解能の高いレベルは、直接すべての単位をすべての顧客に販売することです。現在では、ほとんどの小売ネットワークがロイヤリティプログラムを通じて顧客を追跡しています。したがって、この製品をこの場所でこの日に販売したことだけでなく、この製品を誰に販売したかもわかります。したがって、フローキャスティングで説明されているような時系列だけで考えるのではなく、販売先を正確に把握できる時間グラフとして考えるべきです。それにはさらに多くの情報が含まれています。ただし、フローキャスティングの最も分解能の高いレベルに関する鍵となる洞察は、非常に正確です。
もう1つ彼らが正しかった点は、すべてを毎日の更新で自動化するという考えです。それはまさにLokadが今まで提案してきたことです。完全な自動化がない場合、前日のデータを取得してそれを解析し、予測に基づいて予測を更新することは、多くの利益を逃してしまいます。なぜなら、先週のデータを使用して昨日の売上を予測しようとしているからです。しかし、昨日の売上を予測する必要はありません。すでにそれを知っています。したがって、そのような毎日の更新は良い習慣です。そうしないと、先週のデータを使用して昨日の出来事を予測しようとしてしまい、それは無意味です。
フローキャスティングからのもう1つの良い洞察は、彼らが「同期性」と呼ぶものです。彼らは、サプライチェーンがエシュロン全体でホリスティックなビジョンを必要とするという考えを表現しています。これは、以前のエピソードで議論したブリヂストンのケースで私たちが行ったことです。サプライチェーンを最適化するためには、ネットワーク全体とすべてのフロー、最終顧客の需要から生産までをホリスティックに見る必要があります。このようなホリスティックな視点を持たない場合、倉庫の最適化など、倉庫以外の要素を考慮せずに問題を解決するだけです。したがって、フローキャスティングは、倉庫以外の要素を考慮せずにネットワーク全体を把握する必要があるという非常に正しい洞察を持っています。
Kieran Chandler: つまり、FlowcastingにはLokadで共有している非常に価値のある洞察がたくさんあるということですね。では、FlowcastingのアプローチとLokadで行っていることの主な違いは何ですか？あなたの目には、Lokadで私たちがより優れている点は何ですか？
Joannes Vermorel: Flowcastingの主な原則の1つは、非常にシンプルになることができるということでした。Excelで組み合わせることができる非常にシンプルな数式です。シンプルさは非常に良いことです。ただし、サプライチェーンなどの複雑なシステムをモデル化する場合、モデルが単純化されすぎていないかを確認する必要があります。モデルが非常に単純な数学的表現を持ち、現実がそんなに単純ではないことを traite している場合、モデルは現実を traite していないことになります。
Lokadでは、サプライチェーンの現実が非常に混沌としており、しばしば複雑であるという事実を実際に受け入れることを試みました。つまり、不確実性は常に存在するということです。「正確な予測が必要」と言うのは甘い考えです。不確実性は避けられない量があります。不確実性が常に存在することを受け入れるシステムが必要です。結果として、確率的な代数が必要になります。これは非常に複雑ですが、それが必要なことです。さもなければ、結果は無意味になります。
そして、最も分解能の高いレベルである時間グラフからできるだけ多くの情報を抽出したい場合、つまり、どの製品を誰がどこでいつ購入しているかを把握したい場合、突然、時系列だけではこのデータから抽出できる情報はすべて抽出できません。はい、それは時間グラフであり、より複雑ですが、それが現実です。
Kieran Chandler: この時間グラフにはより多くの情報があります。それを活用したいのです。だからもう一つの視点は、単純さを売りにしようとする代わりに、現実が実際に必要とする以上に単純なシステムを持つことを望むということです。
Joannes Vermorel: はい、確かに。サプライチェーンには、特に難しいエッジケースがたくさんあります。例えば、倉庫が店舗にボトルのパックを出荷しているが、店舗では個々のボトルが販売されている場合があります。なぜなら、顧客がボトルを開封することがあるからです。そして、パックのボトルを購入したいという顧客もいる場合があります。ボトルを数えてそれが解決策だと仮定することはできません。一部の顧客は非常に厳しい要求を持っており、6本入りのパックを求めます。それがない場合、他の場所で購入することを好むでしょう。これらのことはかなり厄介です。
この問題に対する簡単な解決策はないと恐れています。Lokadでは、この事実を認識し、サプライチェーンの現実を過度に単純化せずに、可能な限りシンプルなツール、Envisionというプログラミング言語を作成することにしました。正直なところ、サプライチェーンの現実は非常に複雑です。あなたが望むのはより良い近似値です。システムに現実世界全体をモデル化することはできません。
Kieran Chandler: それでは、Flowcastingに確率的代数学が組み込まれていれば、過去にはもう少し良い結果が出たかもしれませんが、それはいくつかの点ではおそらく10年前の時代よりも進んでいたのでしょうか？
Joannes Vermorel: まさに、それは確かに10年前の時代よりも進んでいたと思います。当時、サプライチェーンの比較的大胆なビジョンを実行するために必要なすべての技術的要素を持っていませんでした。
Kieran Chandler: では、2019年のFlowcastingはどうですか？表面上は非常に良さそうですが、実際には深く掘り下げるとあまりうまく機能しないものはありますか？Flowcastingと同様に有望に見える次のものは何でしょうか？しかし、最終的には崩壊してしまうのでしょうか？
Joannes Vermorel: AIの名の下に売られているもののほとんどは崩壊すると思います。私は、ディープラーニングやその派生である差分可能プログラミングが優れたツールであると言っているわけではありません。確かにそれらは優れたツールです。しかし、サプライチェーンに直接適用できない画像認識などのドメインから来たブームワードと生のテクノロジーだけを持っている場合、多くの企業は、印象的で囲碁のチャンピオンに勝つことができるテクノロジーでも、それが魔法のようにサプライチェーンの問題を解決するわけではないことに気付くでしょう。
10年後、AIの状況はFlowcastingの状況よりもさらに悪くなると思われます。Flowcastingでも、10年後にはまだいくつかの示唆に富んだ側面がありました。一方、私は、現在ベンダーが押し出しているものの約90%が、10年後にはサプライチェーンの目的には役立たなくなり、完全に忘れ去られると予想しています。しかし、私はAIのブームワードと、サプライチェーンの課題と注意を向けることで非常に有用なディープラーニングや差分可能プログラミングなどの基本的なアルゴリズム技術とを区別したいと思います。
Kieran Chandler: それは驚きですね、AIは現在業界でのブームワードです。最後に、Flowcastingはまだ関連性がありますか？本を読む価値はありますか？今日から学ぶべきキーメッセージは何ですか？
Joannes Vermorel: はい、私はこの本はまだ読む価値があると思います。それは楽しい読み物です。スタイルも良く、数時間で読み終えることができます。多くの洞察はまだ正しいです。間違っているのは、本全体を通じて示される数学です。著者たちはおそらく数学者でも統計学者でもなかったようで、それがわかります。しかし、数学を無視して洞察に焦点を当てれば、小売りのサプライチェーンについて真剣に考え、その影響を考えていたことがわかります。それがこのFlowcastingの本が本当に輝いているところだと思います。10年前に指摘された洞察の多くは、まだ非常に正確で、広範に活用されていません。大規模な小売ネットワークは、まだこのFlowcastingの本に記載されている洞察のほとんどを捉えていません。
Kieran Chandler: 素晴らしい！さて、今日の時間は終わりですが、お時間をいただきありがとうございました。今週は以上です。ご視聴いただきありがとうございました。また次回お会いしましょう。さようなら。
