00:00:07 要求駆動材料要求計画 (DDMRP)
00:00:39 DDMRPと従来のMRPの背後にある大きなアイデア
00:02:21 DDMRPにおけるデカップリングリードタイムとサプライチェーンへの影響
00:05:42 DDMRPにおけるネットフロー方程式とその有効性
00:07:48 DDMRPにおいて既知需要と未知需要を区別する重要性
00:09:00 デカップルされた爆発とその結果
00:10:25 デカップリング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の相対的優先順位と基本仮定の維持に関する問題点
00:16:01 経済的ドライバーに焦点を当てる代わりにパーセンテージの最適化に対する批判
00:17:18 DDMRPとフローキャスティングの有効性の比較
00:18:37 機能不全な数値レシピを取り除いたときのDDMRPから得られる洞察の欠如
00:19:48 DDMRPからの洞察として、周波数領域における移動平均の有用性
00:22:12 まとめの考察
概要
インタビューで、キアラン・チャンドラーとジョアネス・ヴェルモレルは、サプライチェーンの効率を向上させるためにデカップリングポイントや在庫バッファを使用する手法である要求駆動材料要求計画 (DDMRP) について議論します。DDMRPは、戦略的デカップリング、ネットフロー方程式、デカップルされた爆発、相対的優先順位といった革新を持ちながらも、ヴェルモレルは手動介入への依存と最適化の焦点に懸念を示します。彼は自動化の必要性と、パーセンテージではなく経済的ドライバーを優先することを強調しています。ヴェルモレルは、最新の数値最適化アルゴリズムによってDDMRPが不要になると示唆する一方で、不規則な需要パターンに対して周波数領域で移動平均を使用するという貴重な洞察も認めています。全体として、彼は現代の手法がサプライチェーン最適化において優れていると考えています。
詳細な概要
このインタビューでは、ホストのキアラン・チャンドラーが、サプライチェーン最適化を専門とするソフトウェア会社Lokadの創設者ジョアネス・ヴェルモレルとともに、要求駆動材料要求計画 (DDMRP) について議論します。彼らは、DDMRPの背後にある大きなアイデア、実際の応用、およびそれが提供するとされる4つの主要な革新について探求します。
DDMRPは、多階層の計画および実行手法であり、サプライチェーン効率を向上させるために戦略的にデカップリングポイントや在庫バッファを配置することを目的としています。これらのデカップリングポイントは、複雑なサプライチェーンにおいて正確な計算を行うのに苦労する従来の材料要求計画（MRP）ソフトウェアの限界を組織が克服するのに役立つように設計されています。
ヴェルモレルは、MRPソフトウェアが、車のような製品における様々な部品およびサブコンポーネント間の関係をグラフとして表現することで機能することを説明します。このグラフは、異なる部品間の依存関係を表し、完成品の生産に必要な要件の計算を助けます。しかし、MRPソフトウェアはしばしば精度に欠け、成果が乏しい結果を生み出す可能性があります。
DDMRPは、グラフにデカップリングポイントを導入することでこれらの限界を改善しようと試みます。これらのポイントは在庫を持つ部品やコンポーネントを表し、常に利用可能であると仮定できることを意味します。これにより、従来のMRPソフトウェアが算出する数値よりもはるかに低いリードタイムの計算が可能になります。ヴェルモレルは、このアプローチが伝統的なMRPによって提供されるベースラインを改善する可能性がある一方で、現代の数値手法で達成できるものからは程遠いと指摘しています。
ヴェルモレルがDDMRPについて提起する批判の一つは、デカップリングポイントが算出されたリードタイムを短縮する可能性があっても、サプライチェーンは依然としてかなりの慣性を保持しているという点です。つまり、改善の兆候が見られても、実際のサプライチェーンのパフォーマンスは見かけほど最適化されていない可能性があるということです。
戦略的デカップリングとは、リードタイムを短縮できるポイントをサプライチェーンに導入し、全体のリードタイムを短縮することを伴います。ヴェルモレルは、このアプローチが数値上のリードタイムを短縮できたとしても、全体ネットワークの慣性を大幅に削減するわけではないと主張します。その課題は、戦略的デカップリングポイントがサプライチェーン全体にどのような影響を及ぼすかという意味論的な問題にあります。
ネットフロー方程式、第二の議論点は、サプライチェーン内の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、手元在庫から、保証された需要または認定された単位を差し引くことで、不確実な需要に応じるために残る在庫を算出します。ヴェルモレルは、要求駆動材料要求計画 (DDMRP) が既知需要と未知需要を区別するのは正しいと考えています。多くの初期の ERP（エンタープライズリソースプランニング）の実装では、すでに保証されている部分を含むすべての需要を素朴に予測していました。ヴェルモレルは、このアプローチが根本的に欠陥を持つと主張しており、すでに既知の未来を予測しようとすることは予測の困難さを招くというのです。
議論された第3の主要なイノベーションはデカップルド・エクスプロージョンであり、これはサプライチェーングラフにおいて、マスターノードとデカップリングポイントという2種類のノードを導入した結果生じる事象に対処するものです。デカップリングポイントとは、計算上はリードタイムの伝播が停止（ただし現実では停止しない）し、一定量の在庫が保持されるサプライチェーン上の地点です。デカップルド・エクスプロージョンでは、副次的なノードを飛ばして直接デカップリングポイントに接続することにより、ビル-オブ-マテリアルズ（BOM）を簡素化します。このグラフの簡略化は、サプライチェーンプロセスの効率化を目的としています。
ヴェルモレルは、サプライチェーン管理における手動介入への依存、特に単純な数値レシピsの無意味な結果を緩和するためにグラフ上に「妖怪」を導入するという手法に懸念を示しています。彼は、サプライチェーンの実務者がデカップリングポイントの選定を担うことが多いが、これらは時間とともに安定せず一貫性がない可能性があると説明しています。これは、サプライチェーン環境が常に変動していることや、サプライヤーが戦略や拠点を変更する可能性があるためです。
この議論は、人間の介入に依存すると非効率や不正確さを招くため、このプロセスにおける自動化の必要性を強調しています。ヴェルモレルは、数千の部品からなる複雑な製品のデカップリングポイントを実務者が手作業で選ぶのは、時間の有効利用とは言えないと指摘しています。市場環境が常に変化する中、実務者がすべての変数を正確に予測または考慮することは極めて困難です。
サプライチェーン管理における相対的優先順位の概念に移ると、ヴェルモレルは、これは目標在庫量に基づいて項目をランク付けすることを意味すると説明します。しかし、この手法にも一定の利点はあるものの、彼は項目を経済的な優位性に基づいてランク付けするほうがより効果的であると考えています。サプライチェーングラフにDDMRP（需要駆動型資材所要計画）スタイルの一級市民ノード、すなわちデカップリングポイントを導入するのは、常に在庫があるという前提に依存しています。この前提が崩れると、システム全体が機能しなくなる可能性があります。
相対的優先順位は、継続的な在庫確保という基本前提から大きく逸脱している項目を優先することで、この問題に対処しようとしています。ヴェルモレルは、これは全体的な方法論の合理的な部分であると認めながらも、依然として人手による介入と優先順位付けが伴い、最も効率的または正確なアプローチとは言えないと指摘しています。
彼らは、サプライチェーン最適化における需要駆動型資材所要計画（DDMRP）の有効性について議論しています。ヴェルモレルはDDMRPを批判し、在庫コスト、廃棄、非サービスといった財務面ではなく、割合の最適化に焦点を当てていると述べています。彼は、サプライチェーンの意思決定は、経済的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根本的に誤った数学的前提を持っているものの、その数学を修正した後でも有用な知見を提供するのに対し、DDMRPは欠陥ある基準に対する漸進的な改善にすぎないと述べています。彼は、現代の数値最適化アルゴリズムを用いることでDDMRPは不要になると示唆しています。
批判にも関わらず、ヴェルモレルはDDMRPから一つの前向き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移動平均を使用するという点です。彼は、固定期間（時間領域）で需要を平均するより、直近100ユニットの供給（周波数領域）で平均するほうが効果的であると説明しています。この方法は、乱高下するスパイキーな需要パターンに対して数値的に安定した挙動を示します。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つつも、サプライチェーン最適化には現代の数値最適化技術がより適していると考えています。
完全なトランスクリプト
Kieran Chandler: 本日のLokad TVでは、この手法が実際に機能するのか、4つの大きなイノベーションを通して検証していきます。ジョアネス、イントロダクションで少し触れましたが、DDMRPの背後にある大きなアイデアとは何でしょうか？
Joannes Vermorel: 基本的なMRPの視点、つまり依存関係のグラフの解析に帰着するアプローチから始めることが大きなアイデアです。聴いている皆さんのために例えるなら、例えば車のような完成品を作るとします。車には部品が必要ですが、その部品自体もまた、さらに部品を必要とするアセンブリになっています。つまり、車はエアコンユニットが必要で、エアコンユニットはポンプやバルブなどを必要とする、といった具合に、部品の階層が存在するのです。製品とそのすべての必要部品を考えると、これはまるで地下鉄の路線図のような数学的グラフです。 このグラフは、最上部に完成品を配置し、そこからサブコンポーネントへと展開して行き、各コンポーネントがさらにその下位のコンポーネントを持つという再帰的な構造になっています。非常に複雑な製品であれば、最も基本的な原材料に至るまで、すべての部品を表す複雑なグラフを持つことができます。製造資源計画（MRP）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構築します。その後、完成品を得るために必要なすべての要求事項を生産・実行するための一連の計算を行いますが、通常、その計算はあまりうまくいかず、DDMRPはその改善のためのレシピ群を提供するのです。 Kieran Chandler: では、実際にどのように機能するのでしょうか？また、これは多少単純化しすぎていると言えるでしょうか？ Joannes Vermorel: 彼らが最初に主張するイノベーションは、リードタイムのデカップリングです。彼らの改善基準がいかに無意味な数値レシピであり、数値最適化の観点から極めて素朴であるかを理解しなければなりません。もしデカップリングポイントを適切に選べば、非常に悪い基準と比べて改善され、システムの機能不全は減るでしょう。しかし、それは実際の現代的な数値手法で得られる成果に近づくという意味ではありません。 このデカップリングポイントの基本的な考え方は、すべてのノードが同等であるのではなく、第一級市民であるデカップリングポイントと、デカップリングされない第二級市民とを区別するというものです。デカップリングが行われる各地点では、その部品やコンポーネントが在庫を持つため、常に利用可能であると仮定できます。つまり、製造のための最長経路をたどるのではなく、デカップリングポイントに到達するまでの最長経路をたどるのです。 しかし、リードタイムのデカップリングに対する私の最初の批判は、確かにこれらのデカップリングポイントを導入すると、数値上はリードタイムが大幅に短縮されるものの、サプライチェーン全体には依然として多くの慣性が存在するという点です。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が操作されているに過ぎないのです。 Kieran Chandler: しかし、慣性は依然として存在しており、あなたの言う以上の問題があります。これが、デカップリングの戦略的ポイントを導入してリードタイムを80％短縮できると主張する所以です。数値的にはリードタイムは大幅に短縮されるものの、実態としてはネットワーク全体の慣性が同等の割合で削減されているわけではありません。ここには意味論的な問題があり、概念の中で触れるかもしれません。それでは、DDMRPにおける第二の反復点、ネットフロー方程式に移りましょう。これは、バッファーポイントを維持するため、例えば予約注文のように、すでに起こると分かっている事象を利用する方法なのです。実際、この方法はどれほど機能しているのでしょうか？
Joannes Vermorel: ネットフロー方程式は実にいくらか意味を成しています。これは非常に単純な方程式で、手元在庫から既に保証された需要、すなわち「有資格ユニット」と呼ばれるものを差し引くというものです。要するに、確実な需要を表しています。これにより、未確定な需要に対応するために残る在庫量が明らかになります。ネットフロー方程式は、ほぼ不確実性がないと分かっている需要を除いた、実行すべき事項をカバーする在庫量を示すのです。
私は、DDMRPが、すでに分かっているものと未知のものとを明確に区別している点は正しいと考えています。たとえば、複雑な製造工程があり、他の産業顧客に供給しているとします。顧客が「2か月後のこの日に1,000ユニット納品してほしい」と伝え、しかもそれに対応する時間が十分にあるなら、その時点で必要なのは予測ではなく実行です。総リードタイムが2か月未満であれば、基本的には不確実性ゼロの純粋な実行問題に過ぎません。
もちろん、人々は依然として注文をキャンセルするなどの行動が可能ですが、それでもかなり安全だと言えます。おそらく、二ヶ月後と比べると状況は大きく異なり、実際に千単位を要求するクライアントが現れるかもしれません。私は、すでに分かっている情報まで含めてすべてを予測しようとする、非常に単純なアプローチを試みるべきではないとDDMRPが完全に正しいと主張していると信じています。
疑問なのは、なぜ彼らがそのような主張をするのかということです。これは、ほとんどのERPシステム、特に初期の実装が非常に単純な方法を採用していたからです。彼らは「簡単な道、つまり馬鹿げた道を選ぶだけだ」と言い、保証された部分を含むすべての需要を予測してしまいました。しかし、それは非常に愚かです。というのも、すでに分かっている未来を推測しようとしていることになり、予測は非常に困難であるからです。ですから、未来について何か分かっているならば、統計を用いてそれを見出そうとする必要はありません。
キーロン・チャンドラー: 第三の主要なイノベーション、いわゆる「デカップルド・エクスプロージョン」に進むと、非常に劇的に響きます。ここで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、要求のグラフに2種類のノードを導入した結果として現れるものです。覚えておいてください、我々は計算上（現実ではなく）のリードタイム伝播を止めるデカップリングポイントとなるマスターノードをグラフに導入し、そこで一定の在庫を確保すべきだとしています。彼らが言っているのは、部品表が各ノードから直接「部品表を取り、その内容が親ノード、つまり～」と伝播するのではなく、
キーロン・チャンドラー: つまり、私の親、すなわち完成品を組み立てるために必要なサブコンポーネントです。デカップリングが行われると、部品表はすべての第二級市民ノードを完全に飛ばして、直接デカップリングポイントにジャンプするということです。ある意味、これは再びグラフの簡略化技法と言えます。つまり、これは第一級市民ノードと第二級市民ノードという階層に基づいています。そして、例えば飛行機のような複雑な製品の場合、何百万もの異なるレベルが存在する中で、実際に誰がその第一級ノードを選び取っ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務者たちは、私にとっても大きな懸念材料です。基本的に、非常に単純な数値計算の結果としてのナンセンスな帰結を緩和するために、グラフに階層を手動で導入することは可能です。確かに、ある程度は機能します。しかし、結果としてサプライチェーンの専門家がそのようなデカップリングポイントを手動で設定しなければならなくなってしまうのです。ところで、これが実際には安定しているわけではありません。なぜなら、適切なデカップリングポイントの選択は固定的な環境ではないからです。たとえば、もしある部品を外部調達する、つまりより近いサプライヤーや、逆にはるかに離れたサプライヤーから購入することに決めた場合、その部品に依存する周囲のサプライチェーンネットワークの状況が大きく変わる可能性があるからです。
ですから、たとえグラフにこのような階層を導入する方法が一応機能するとしても、デカップリングポイントが一度設定すれば永続的に有効であると考える理由はありません。私の見解では、これは完全に自動化されるべきものです。ここで話しているのは数値計算のレシピについてであり、我々は機能不全な数値計算のレシピを持っているとし、多くの人間の知見と微調整によって、少しはマシな数値計算のレシピにできると言っているのです。
キーロン・チャンドラー: というわけで、基本的に人間が関与すると、いつもどこかで物事を台無しにしてしまうのですね。
ジョアネス・ヴェルモレル: その通りです。しかし同時に、それは専門家の貴重な時間を有効に使っているとは言えません。ご説明の通り、何千もの部品からなる複雑な製品があるなら、なぜサプライチェーンの専門家の何百、いや、何千ものマンアワーを費やして、デカップリングポイントを手動で選定する必要があるのでしょうか。彼らには信じがたいほどの洞察力があると言うかもしれませんが、実際のところ状況は非常にノイズに満ちています。何千もの部品、市場状況は常に変化しており、必ずしも劇的ではないにしても、常にどこかで変化しているのです。だからこそ、これをリフレッシュする必要があり、機械によって行うべき事柄なのです。付加価値はなく、純粋に数値最適化の問題なのです。
キーロン・チャンドラー: さて、最後のイノベーション、相対的優先順位に移りましょう。これは基本的に、目標在庫量に基づいたランク付けの話です。ここには大きな批判があると思います。私たちは経済的な強さに基づいてランク付けする方が良いと考えていますが、いかがでしょうか？
ジョアネス・ヴェルモレル: はい、しかしまたいくつかの観点があります。まず、なぜ相対的な優先順位が導入されるのかという点です。初めに、古典的なMRPは「状態は問題ないか、問題があるか」という二元的な視点を持っているという考えから始まります。そして彼らは、「なぜ？それは、言わば粗野な、非常に粗野なものだ」と主張するのです。そして答えは、そう、あまりにも粗野である、というものです。
キーロン・チャンドラー: それは全く馬鹿げており、また50年代には数値最適化の分野で既にもっと賢い方法が使われていたのです。つまり、非常に酷い基準です。さて、ここでDDMRPスタイル全体は、グラフ内に「デカップリングポイント」と呼ばれる第一級市民ノードを導入します。そして、それに伴う前提として「在庫は常に利用可能である」という仮定があります。したがって、この前提が崩れると、当然ながら全てが崩壊してしまうのです。あなたのデカップルド・エクスプロージョンはこの前提の上に成り立っており、分解されたタイムホライズンも同じ前提に依存しているからです。つまり、サプライチェーンシステムをその根幹となる前提に沿って軌道修正する必要があり、価格に連動した相対優先順位は、核心となる前提、すなわちデカップリングポイントの継続的な可用性から最も逸脱している要素に対して迅速に対応すべきだと示しているのです。
ジョアネス・ヴェルモレル: 確かに、それは意味があり、レシピの一部として良い点です。しかしながら、結果として部分的に不正確な優先順位付けになってしまっています。私は、この方法論自体に疑問を呈しています。そもそも、最初にシステムを機能させるために必要なDDMRPの前提に沿ってシステムを軌道修正することが動機となっているのです。それはまるで、自らの尾を噛む蛇のようです。一つの方法論を導入すると、その方法論には前提が付きまとい、数値計算はその前提がシステムの運用中に維持されることを保証しません。だからこそ、何らかのフィードバックループを導入して、自身の前提に沿って再び軌道修正できるようにする必要があるのです。しかし、それは企業の最終的な目的に沿った形で軌道修正されるということにはなりません。これが私の批判のポイントです。あなたは、正確性の割合、充足率の割合、サービスレベルの割合といったパーセンテージに対して最適化を行っていますが、パーセンテージでの最適化というのはあまり良い方法ではありません。ユーロで評価される割合にすべきで、それが在庫コスト、廃棄コスト、サービス未達成コストといった最終的な視点につながり、一方では、顧客に適時サービスを提供するための全費用と報酬とも関連しているのです。
ですから、私は意思決定の優先順位付けという考え方には大いに賛成ですが、その意思決定の優先順位付けを方法論に対するフィードバックとして用いるという考え方には大いに反対です。意思決定を優先する際には、企業全体の経済的ドライバーとして表現される全体的なビジネス目標に沿ってフィードバックできるようにする必要があるのです。つまり、それがあなたのサプライチェーン全体が提供しているものなのです。
キーロン・チャンドラー: さて、ここで話をまとめ始めましょう。DDMRPの多くの欠点を説明してきましたが、これを技法として完全に否定すべきでしょうか？
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、劇的に誤った数学的要素があり、そのため基準となる非常に悪い状況さえも悪化させていました。しかし、その中で得られた洞察のいくつかは極めて正確であり、もし数学的な誤りが修正されれば実際に有効であることが示されるでしょう。非常に興味深いのは、DDMRPはその正反対の性質を持っているという点です。基本的に、非常に酷い基準の上に、少しずつ機能を積み重ねるものなのです。もし、非常に悪いものにダクトテープを貼るのではなく、良い基盤、つまり適切な確率論に基づいたグラフアルゴリズムなどを用いる正しい方法で数値最適化を行うところから直接始めたらどうかと立ち止まって考えるなら……。ただ、古典的なMRPシステムは、現代的な意味で実際の最適化を行っているわけではないのです。
キーロン・チャンドラー: 要するに、極めて機能不全な数値レシピにダクトテープを貼るための手法を行っているわけですが、もしその機能不全な数値レシピを取り除いた場合、何が残るのでしょうか？
ジョアネス・ヴェルモレル: 答えは非常に、非常にわずかです。例えば、フローキャスティングは全く異なっており、機能不全な数値部分を取り除けば、残る手法は極めて興味深く、そして正確であると信じています。一方、DDMRPはそれほどではありません。
キーロン・チャンドラー: もしもう少しポジティブな点で締めくくるとすれば、DDMRPが実際に与えている洞察の中で、かなり良いものは何かあるでしょうか？
ジョアネス・ヴェルモレル: はい、一つは移動平均がちゃんと機能するという点です。そして、移動平均は時間領域よりも周波数領域でより良い結果を出す場合が多いのです。その点について改めて考えてみましょう。工学部でフーリエ変換を学んだ方ならご存じでしょうが、時系列は時間領域でも周波数領域でも解析できるのです。これは音響学で非常に頻繁に行われている手法です。
需要予測を考えるとき、需要が定常的であれば移動平均は有効です。通常、移動平均予測といえば、時間領域での分析を意味します。では、これはどういう意味でしょう？過去数週間の需要を平均するというのは、固定期間で行う、つまりそれが時間領域での分析なのです。
一方、周波数領域での考え方は、過去数週間を平均する代わりに、例えば3週間という固定期間の代わりに、直近に供給された100ユニットの需要を平均するという方法です。良い点は、直近100ユニットという手法が、非常に不規則で急激な需要に対して、数値的により安定した振る舞いを示すことです。
周波数領域での移動平均は実に興味深いものです。ちなみに、DDMRPで用いられるバッファは、実は時間領域ではなく周波数領域で行われる移動平均予測そのものなのです。彼らはそれを再発見したと言っても過言ではなく、非常に優れた洞察です。周波数領域での解析が機能し、サプライチェーンに深い影響を与えるというのは非常に価値があり、最適化のための非常に興味深いアプローチだと思います。
私は、まさにそれがそのアプローチだと考えています。DDMRPの関係者がこのように捉えているかは分かりませんが、これはDDMRPから得られた非常にクールで素晴らしい洞察だと信じています。
キーロン・チャンドラー: 皆さん、これでいくつかの関係性が修復されたことを願っています。とにかく、今週はこれで全てです。ご視聴ありがとうございました。賛成でも反対でも、ぜひコメントを残してください。それでは、また次回お会いしましょう。さようなら。
