00:00:07 需要駆動型材料要求計画(DDMRP)
00:00:39 DDMRPと従来のMRPの大きなアイデア
00:02:21 DDMRPにおける切り離しリードタイムとその供給チェーンへの影響
00:05:42 DDMRPにおけるネットフロー方程式とその効果
00:07:48 DDMRPにおける既知と未知の需要の区別の重要性
00:09:00 切り離し爆発とその結果
00:10:25 切り離しポイントの手動選択と人間の関与に関する懸念
00:12:02 機械駆動の数値最適化の重要性
00:14:00 DDMRPの相対的な優先順位とコアの前提条件の維持に関する問題
00:16:01 経済的なドライバーに焦点を当てる代わりに割合の最適化を批判する
00:17:18 DDMRPとフローキャスティングの効果の比較
00:18:37 数値的に誤ったレシピを除去した場合のDDMRPからの残りの洞察の欠如
00:19:48 頻度領域の移動平均を使用したDDMRPからの洞察の有用性
00:22:12 結論

要約

キーラン・チャンドラとジョアネス・ヴェルモレルは、切り離しポイントや在庫バッファを使用して供給チェーンの効率を向上させるための需要駆動型材料要求計画(DDMRP)についてのインタビューで、DDMRPには戦略的な切り離し、ネットフロー方程式、切り離し爆発、相対的な優先順位などの革新がありますが、ヴェルモレルは手動介入と最適化に対する懸念を示しています。彼は割合よりも経済的なドライバーを優先し、現代の数値最適化アルゴリズムがDDMRPを不要にすると提案していますが、乱れた需要パターンにおける移動平均の使用に関する貴重な洞察を認めています。全体として、彼は現代の技術が供給チェーンの最適化に適していると考えています。

詳細な要約

このインタビューでは、ホストのキーラン・チャンドラが、供給チェーンの最適化に特化したソフトウェア企業であるLokadの創設者であるジョアネス・ヴェルモレルとともに、需要駆動型材料要求計画(DDMRP)について話し合っています。彼らはDDMRPの大きなアイデア、実際の応用、および提供すると主張する4つの主要な革新について探求します。

DDMRPは、切り離しポイントや在庫バッファを戦略的に配置することで、供給チェーンの効率を向上させることを目指す多段階計画と実行方法です。これらの切り離しポイントは、複雑な供給チェーンに対して正確な計算を行うのが難しい従来の材料要求計画(MRP)ソフトウェアの制約を克服するために設計されています。

ヴェルモレルは、MRPソフトウェアが製品(例:車)のさまざまな部品やサブ部品間の関係をグラフとして表現することで動作すると説明します。このグラフは、異なる部品間の依存関係を表し、完成品の製造に必要な要件を計算するのに役立ちます。しかし、MRPソフトウェアはしばしば精度に欠け、結果が悪くなることがあります。

DDMRPは、これらの制約を克服するために、グラフに切り離しポイントを導入することでこれらの制約を克服しようとします。これらのポイントは、在庫を持つ部品や部品を表し、常に利用可能であると想定されます。これにより、従来のMRPソフトウェアが生成するよりもはるかに低い数値のリードタイムの計算が可能になります。ヴェルモレルは、このアプローチが従来のMRPによって提供されるベースラインを改善できる一方で、現代の数値計算方法で達成できるものからはまだ遠いと指摘しています。

ヴェルモレルがDDMRPについて指摘する批判の一つは、切り離しポイントによって計算されるリードタイムが短縮される一方で、供給チェーンは依然として大きな慣性を持っているということです。つまり、改善が見られる一方で、実際の供給チェーンのパフォーマンスは最適化されているとは言えない可能性があります。

戦略的な切り離しは、リードタイムを短縮することができる供給チェーン上のポイントを導入することを意味します。ヴェルモレルは、このアプローチによって数値的にリードタイムを短縮できる一方で、全体のネットワークの慣性を大幅に減らすわけではないと主張しています。課題は、戦略的な切り離しポイントが供給チェーン全体にどのように影響を与えるかを理解するための意味論的な問題にあります。

ネットフロー方程式は、供給チェーンにおけるバッファポイントを維持するための単純な方法です。これは、在庫残高を考慮し、保証された需要または適格なユニットを差し引いて、不確実な需要に対応するための残りの在庫を決定します。ヴェルモレルは、DDMRP(需要駆動型材料要件計画)が既知の需要と未知の需要を区別することは正しいと考えています。多くの初期のERP(企業資源計画)の実装では、既に保証されている部分を含むすべての需要を単純に予測していました。ヴェルモレルは、これは既に知られている未来を予測しようとすることで根本的に間違っていると主張し、予測の困難さにつながると述べています。

議論されている第三の主要なイノベーションは、切り離し爆発です。これは、供給チェーングラフに2つのタイプのノード、マスターノードと切り離しポイントを導入することの結果に対処します。切り離しポイントは、計算上のリードタイム伝播が停止し(実際には停止しない)、一定の在庫が維持される供給チェーン上の場所です。切り離し爆発では、セカンダリノードをスキップし、直接切り離しポイントに接続することで、材料の請求書(BOM)を簡素化します。このグラフの簡素化は、供給チェーンプロセスを効率化することを目指しています。

ヴェルモレルは、供給チェーン管理における手動介入への依存について懸念を表明しています。特に、単純な数値レシピの非現実的な結果を緩和するためにグラフに「妖怪」を導入する場合です。彼は、供給チェーンの実践者が切り離しポイントを選択する責任を負っていることを説明しますが、これは安定性や一貫性が時間とともに変化する可能性があるためです。これは、供給チェーン環境の絶えず変化する性質や、サプライヤが戦略や場所を変更する可能性があることに起因します。

議論は、このプロセスにおける自動化の必要性を強調しており、人間の介入に頼ることは効率の低下や正確性の欠如につながると指摘しています。ヴェルモレルは、数千の部品を持つ複雑な製品の切り離しポイントを手動で選択することは、実践者の時間の良い使い方ではないと指摘しています。これは特に市場状況が絶えず変化しているため、実践者が正確に予測したりすべての変数を考慮したりすることが困難な場合に当てはまります。

供給チェーン管理における相対的な優先順位の概念に移ると、ヴェルモレルは、対象在庫数量を基準にアイテムをランク付けすることを意味すると説明します。この方法にはメリットがありますが、彼は経済的な強みに基づいてアイテムをランク付けする方が効果的だと考えています。供給チェーングラフにDDMRP(需要駆動型材料要件計画)スタイルのファーストクラスのノード、つまり切り離しポイントを導入することは、在庫が常に利用可能であるという前提に依存しています。この前提が破られると、システム全体が失敗する可能性があります。

相対的な優先順位は、継続的な利用可能性の核心的な前提から最も逸脱しているアイテムに優先順位を付けることを目指しています。ヴェルモレルは、これが全体的な方法論の合理的な部分であると認めながらも、これには人間の介入と優先順位付けのレベルが関与しており、最も効率的または正確なアプローチではないかもしれないと指摘しています。

彼らは、需要駆動型材料要件計画(DDMRP)の供給チェーン最適化における効果について議論しています。ヴェルモレルは、DDMRPは在庫のコスト、廃棄物、非サービスなどの財務的側面を最適化するのではなく、割合を最適化することに焦点を当てていると批判しています。彼は、供給チェーンの意思決定は経済的なドライバーとして表現される全体的なビジネス目標に基づいて優先順位付けされるべきだと主張しています。

ヴェルモレルは、DDMRPをフローキャスティングと比較し、フローキャスティングは基本的に間違った数学を持っているとしながらも、数学を修正した後でも有益な洞察を提供すると述べています。一方、DDMRPは欠陥のあるベースラインの改善としての増分改善と見なされています。ヴェルモレルは、現代の数値最適化アルゴリズムを使用することで、DDMRPは不要になると示唆しています。

批判にもかかわらず、ヴェルモレルはDDMRPからの1つのポジティブな洞察を認めています。それは、時間領域ではなく周波数領域で需要を平均化することです。彼は、固定期間(時間領域)で需要を平均化することは、最後の100ユニットの需要を平均化することよりも効果が低いと説明しています。このアプローチは、不規則で急激な需要パターンを扱う際に数値的により適切です。結論として、ヴェルモレルは、DDMRPにおける周波数領域分析に価値を見出していますが、現代の数値最適化技術が供給チェーン最適化にはより適していると考えています。

フルトランスクリプト

キーラン・チャンドラー: 今日のLokad TVでは、4つの大きなイノベーションを見て、この方法が実際に実践で機能するかを理解します。では、ジョアネス、導入で少し触れましたが、DDMRPの大きなアイデアは何ですか?

ジョアネス・ヴェルモレル: 大きなアイデアは、非常にクラシックなMRPの視点から始めることで、すべては依存関係のグラフの分析に帰着するということです。聞いている人のために明確にするために、車のような完成品を作りたいとします。部品が必要ですが、車に必要な部品自体も独自の部品が必要です。したがって、車がエアコンユニットを必要とし、エアコンユニットがポンプ、バルブなどを必要とするような、コンポーネントの階層があります。製品と必要なすべての部品を考えると、それは基本的にエッジを持つ地下鉄の地図に似た数学的なグラフです。

このグラフは、上部に完成品から始まり、サブコンポーネントに展開し、そして各コンポーネントにはさらにサブサブコンポーネントがあり、再帰的に続きます。非常に複雑な製品の場合、非常に基本的な材料までのすべての部品を表す非常に複雑なグラフを持つことができます。MRP、製造リソース計画ソフトウェアは、まずこの情報を表現し、依存関係のグラフを表現できるようにします。その後、すべての要件を生成して実行するための一連の計算を行い、完成品を得るのに役立ちます。通常、これらの計算の多くをうまく行うことはできませんが、DDMRPはそれをより良く機能させるための一連のレシピを提供します。

キーラン・チャンドラー: では、それが実際に実践でどのように機能するのか、それはある意味で過度に単純化されていると言えますか?

ジョアネス・ヴェルモレル: 彼らが主張する最初のイノベーションは、リードタイムの切り離しです。改善のための彼らのベースラインは、数値最適化の観点からは非常にナイーブで数値的に無意味なレシピです。適切な切り離しポイントを選べば、非常に貧弱なベースラインと比較して改善することができます。機能不全が少なくなりますが、実際の現代の数値的な方法で得られるものにはまったく近づいていないことを意味するわけではありません。

デカップリングポイントのキーポイントは、すべてのノードが他のノードと同じようになるのではなく、第一級の市民であるデカップリングポイントと、第二級の市民であるデカップリングしないポイントを持つことです。デカップリングされたすべてのポイントでは、この部分またはコンポーネントに在庫があるため、このものは常に利用可能であると想定できます。製造において最長のパスを取る代わりに、デカップリングポイントのいずれかに到達するまでの最長のパスを取ります。

しかし、デカップリングリードタイムに対する最初の批判は、はい、デカップリングポイントを導入すると、数値的にははるかに低いリードタイムになります。ただし、サプライチェーンにはまだ多くの慣性があります。デカップリングポイントを導入することでリードタイムの計算方法を操作しています。

キーラン・チャンドラー: しかし、慣性はまだ存在します。私たちはあなたが言う以上のことです。だからこそ、デカップリング戦略的ポイントを導入し、リードタイムを80%削減できると言っているわけです。数値的には、はるかに短いリードタイムになりますが、実際のところ、デカップリングポイントと同じくらい大きな要素である慣性を削減していません。ここには意味の問題があり、その概念については後で触れるかもしれません。では、DDMRPのイテレーションの2番目のポイント、ネットフロー方程式に移りましょう。これは、バッファポイントを維持する方法であり、既に起こることがわかっていることを利用する方法、つまり、事前注文や既知のことを使用する方法です。これは実際にどのように機能していますか?

ジョアネス・ヴェルモレル: ネットフロー方程式は実際には少し意味があります。これは非常に単純な方程式です:在庫 - 既に保証された需要、彼らが「資格のあるユニット」と呼ぶものです。つまり、確実なものと言える需要です。これにより、既知でない需要を対応するために残された在庫量がわかります。ネットフロー方程式は、実行の純粋な問題ではないものをカバーするために必要な在庫量を示しています。なぜなら、すでにそれが起こることがほぼ確実なものであるということです。

DDMRPは、既知のものと未知のものを明確に区別することが正しいと思います。たとえば、複雑な製造プロセスを持ち、他の産業クライアントにサービスを提供している場合、クライアントが2か月後に「この日に1000ユニットを配送したい」と伝えることができ、それを行う時間がある場合、この配送を実行する必要があります。予測は関与しません。リードタイムが合計2か月未満であれば、基本的には実行の純粋な問題であり、不確実性はほとんどありません。

もちろん、人々はまだ注文をキャンセルすることができますが、たとえば2か月後には実際に1000ユニットを要求するクライアントが現れるかもしれません。DDMRPは、予測を含めてすべてを予測しようとするこの種の非常にナイーブなアプローチを持つべきではないと完全に正しいと考えています。

問題は、なぜ彼らがそれを述べているのかということです。それは、ERPシステムのほとんど、多くの初期の実装が非常にナイーブなことをしていたからです。彼らは「私たちは簡単な方法、つまり愚かな方法を選ぶことにします」と言って、需要を予測し、すべてを予測します。それにはすでに保証されている部分も含まれています。しかし、それは非常に愚かなことです。なぜなら、すでに知っている未来を推測しようとしているからです。そして、推測するのは非常に難しいです。だからもし将来について何か知っているなら、統計を使ってそれを発見しようとする必要はありません、すでに知っているのですから。

キーラン・チャンドラー: では、3番目の主要なイノベーションである「デカップリングエクスプロージョン」という言葉は非常に劇的です。ここでは何が起こっているのでしょうか?

ジョアネス・ヴェルモレル: これは、要件のグラフに2つのタイプのノードを導入することの別の結果です。覚えておいてください、私たちはグラフにマスターノードを導入しました。これらはリードタイムの伝播を計算上で止めるポイントであり、在庫の一定の程度を確保したいポイントです。彼らが言っているのは、部品表がノードからノードに直接伝播するのではなく、「部品表を取って、親ノード、つまり完成品を作るために必要なサブコンポーネントに伝播させる」と言っているのです。

キーラン・チャンドラー: 私の親、完成品を作るために必要なサブコンポーネント、私たちは基本的に、彼らがデカップリングするとき、部品表はすべての二級市民ノードを完全にスキップして、直接デカップリングポイントにジャンプすると言っているのです。つまり、これもまた、グラフの単純化のテクニックです。つまり、最初の市民ノードと二級市民ノードが導入されたグラフに基づいています。そして、実際には、最初の市民ノードと二級市民ノードを選ぶのは誰なのでしょうか?航空機のようなものを見ている場合、数百万もの異なるレベルがあります。実際には、誰がそれらの選択をしているのでしょうか?

ジョアネス・ヴェルモレル: サプライチェーンの実践者です。それは私にとっても大きな懸念の原因です。なぜなら、非常に単純な数値レシピの非常識な結果を緩和するために、グラフに階層を手動で導入することができるからです。はい、それはうまくいくでしょう。しかし、実際には、それは安定していません。デカップリングポイントには環境がありません。なぜなら、外部化することを決めた部品がある場合、サプライチェーンネットワーク内のこの部品に依存するものに何が起こっているかをかなり根本的に変えることができるからです。サプライチェーンネットワーク内のこの部品に依存するものに何が起こっているかをかなり根本的に変えることができるからです。

ですから、デカップリングポイントは、グラフに階層を導入することでうまくいくかもしれませんが、それが静止していて、一度選択すれば永遠に良いと考える理由はありません。私の見解では、これは完全に自動で行われるべきです。ここでは数値レシピについて話しており、私たちは機能しない数値レシピを持っていて、多くの人間の洞察と微調整を加えることで、少しは良い数値レシピを作ることができると言っています。

キーラン・チャンドラー: よし、基本的には、人間が関与すると、何かしら問題を起こすことができるということですね。

ジョアネス・ヴェルモレル: はい、しかし、それはそのような実践者の時間をあまりうまく活用していないということでもあります。あなたが説明していたように、数千の部品を持つ複雑な製品がある場合、なぜサプライチェーンの専門家の数百、もしくは数千の労働時間を費やして、それらのデカップリングポイントを手動で選択したいのでしょうか?あなたは、「彼らは信じられないほどの洞察を持っている」と言うかもしれませんが、現実は非常に騒々しいです。数千の部品、市場の状況は常に変化しています。必ずしも根本的には変化していませんが、少なくとも少しは常に変化しています。ですから、私たちはそれを更新する必要があります。それはまさに機械が行うべきことです。付加価値はありません。これは純粋な数値最適化のケースです。

キーラン・チャンドラー: では、最後のイノベーションである相対的な優先順位に移りましょう。それは、目標在庫数量のランキングについてですが、ここでは大きな批判があります。経済的な強みによるランキングの方が良いと考えますか?

ジョアネス・ヴェルモレル: はい、しかし、またいくつかのこともあります。まず、なぜ相対的な優先順位が導入されるのかということです。つまり、まず、古典的なMRPは「大丈夫かどうか」というバイナリな視点で物事を始めるという考え方から始まります。そして、「なぜ?それは、あなた知ってる、クラッド、超クラッドだ」と言います。そして答えは、はい、それは非常にクラッドなので、

キーラン・チャンドラー: それは完全にばかげていて、また、50年代には、数値最適化の観点から見ても、それよりも賢いことをしていた人々がいました。だから、非常に非常に悪いベースラインです。さて、DDMRPスタイル全体では、グラフ内のデカップリングポイントと呼ばれる第一級のノードを導入し、それには常に在庫が利用可能であるという仮定が付随しています。したがって、この仮定が破られると、明らかにすべてが崩壊します。なぜなら、デカップリングポイントに基づいた爆発はこの仮定に基づいて構築されており、分解された時間軸もこの仮定に基づいています。したがって、サプライチェーンシステムを自分のコアな仮定に戻す必要があります。そして基本的には、価格相対的な優先順位は、コアな仮定から最も逸脱しているものに対して迅速に行動するべきだと言っています。それは、デカップリングポイントの持続的な利用可能性です。

ジョアネス・ヴェルモレル: それは確かに良いことです、それはレシピの一部です。しかし、当然、あなたは部分的に間違った優先順位になります。私は非常に動機づけに疑問を投げかけています。非常に動機づけは、最初にDDMRPが最初に動作するための前提条件にシステムを戻すことです。それは蛇が自分の尾を食べているようなものです。あなたは方法論を導入し、この方法論には前提条件が付属していますが、数値計算はその前提条件がシステムの進行中に維持されることを保証しません。したがって、自分自身の前提条件に戻るためのフィードバックループを導入する必要があります。しかし、それはビジネスの最終目標と一致するものに戻っているわけではありません。そして、そこが私の批判のポイントです。あなたはパーセンテージに対して最適化しています。正確さのパーセンテージ、達成率のパーセンテージ、サービスレベルのパーセンテージなど、パーセンテージでの最適化はあまり良くありません。ユーロでのパーセンテージを持ちたいのです。それは、在庫のコスト、廃棄物のコスト、非サービスのコストにつながります。そして、もう一方では、クライアントにタイムリーにサービスを提供することのすべてのコストと報酬があります。

ですので、意思決定を優先順位付けするアイデアには非常に同意しますが、方法論とのフィードバックループのために意思決定を優先順位付けするアイデアには非常に反対します。意思決定を優先順位付けする必要がありますが、それはビジネス全体としての経済的なドライバーとして表現される全体的なビジネス目標とのフィードバックループを作るためです。つまり、あなたのサプライチェーンが全体として提供しているものです。

キーラン・チャンドラー: では、ここでまとめましょう。DDMRPの多くの欠点を説明しましたが、それを完全に無視すべきでしょうか?

ジョアネス・ヴェルモレル: 面白いことに、先週、私たちはフローキャスティングについて議論していました。フローキャスティングには数学的に大きく間違ったものがあり、それによって状況がベースラインと比較して悪化していました。しかし、それが持っていたいくつかの洞察は非常に真実であり、実際には数学を修正して機能させれば生き残るでしょう。DDMRPはその逆です。非常に非常に悪いベースラインの上に段階的に機能するものです。もし、非常に悪いものを修正しようとする代わりに、まったく新しい良い基盤から直接始めるということを考えると、つまり、適切な確率論的なグラフベースのアルゴリズムなどの適切なアルゴリズムを使用して数値最適化を行うということです。それから、最適化を実際に行うための適切な現代的な数値フレームワークに移行した後、

キーラン・チャンドラー: それらの深刻な機能不全の数値レシピを修正するためにすべてを行うのは、非常に非効率です。では、機能不全の数値レシピを取り除いた場合、残るものは何ですか?

ジョアネス・ヴェルモレル: 答えは非常に少ないです。たとえば、フローキャスティングは非常に異なっていました。なぜなら、フローキャスティングの機能不全の数値部分を取り除くと、残る方法は非常に興味深く、そして私は非常に正しいと思います。しかし、DDMRPはあまりそうではありません。

キーラン・チャンドラー: もしもっとポジティブなノートで終わるなら、DDMRPが私たちに提供する洞察は実際にはかなり良いものはありますか?

ジョアネス・ヴェルモレル: はい、私は1つは移動平均が機能すると信じています。そして、それは時間領域ではなく、周波数領域でさらに頻繁に機能します。それについてもう少し詳しく話しましょう。もしかしたら、エンジニアリングスクールでフーリエ変換について学んだことがある方は、時間領域または周波数領域で時系列を研究できることを知っているかもしれません。これは音響学で非常に頻繁に行われることです。

需要の予測について考えるとき、移動平均は需要が定常的な場合に機能することがあります。通常、移動平均の予測について考えるとき、時間領域での分析を行うことを考えています。では、それはどういう意味ですか?過去数週間の需要を平均化することは、固定期間です。それが私の時間領域です。

周波数領域では、数週間の平均化ではなく、過去100ユニットの需要を平均化することを考えます。過去100ユニットの平均化は、非常に乱れた需要に対して数値的にはるかに適していることがわかります。

周波数領域での移動平均は実際に興味深いです。ところで、DDMRPのバッファーは実際には予測であり、時間領域ではなく周波数領域で行われる移動平均予測です。彼らはそれを再発見しましたが、それは非常に良い洞察です。周波数領域での分析が機能し、供給チェーンに深い影響を与えることは非常に価値があります。最適化するために非常に興味深い視点です。

それがその視点です。DDMRPの人々がそれをこのように見ているかどうかはわかりませんが、私はそれがDDMRPから得られた非常にクールで非常に良い洞察だと思います。

キーラン・チャンドラー: おそらく、いくつかの関係を修復するための方法をいくつか進めたことを願っています。とにかく、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。同意または異議がある場合は、コメントを残してください。また次回お会いしましょう。それでは、さようなら。