00:00:07 供給チェーンの科学と数値レシピの創出
00:03:21 アルゴリズムと数値レシピの違い
00:05:21 アルゴリズムと比較して、数値レシピが曖昧な供給チェーンの問題を解決するのにより適している理由の説明
00:06:00 ソフトウェア企業におけるアルゴリズムの存在と、現実の問題に対する歪んだ見方を抱く危険性についての議論
00:07:48 機械の単一のネジの最適化と供給チェーンという大きな問題の比較
00:08:02 供給チェーンの問題解決における数値レシピの重要性についての議論
00:08:54 客観性の観点から見たアルゴリズムと数値レシピの比較
00:09:44 数値レシピの主観性が供給チェーン・サイエンティストの専門知識をいかに重要にするかの説明
00:13:02 問題とソリューションの整合性を確保し、エラーの可能性を最小限に抑える重要性
00:15:52 ミスを防ぎ、ソリューションの質を向上させるためのプロセスとツールの必要性についての議論
00:17:16 数値レシピに伴う問題がどのように発生するかの説明
00:18:07 供給チェーン業界の企業がどのように数値レシピを通じて運営されているかの議論
00:20:01 供給チェーンの問題を解決するにはツールが不十分であるという批判
00:22:00 供給チェーンの問題において、概ね正確で柔軟な数値レシピの重要性
概要
あるインタビューで、Lokadの創設者であるJoannes Vermorelは、numerical recipesという概念を供給チェーン最適化の中で議論しています。彼は、アルゴリズムや機械学習が問題と解決策の間に客観性や明確な境界線があるという誤った印象を与える可能性があり、数値レシピが現実の供給チェーン問題の複雑さと変化に対処するためのより良いアプローチであると主張しています。Vermorelは、整合性、設計段階での正確性、そしてミスを防ぐための優れたツールの重要性を強調し、供給チェーン最適化における成功を保証するためには数値レシピが不可欠であると信じています。
詳細な概要
このインタビューでは、Kieran ChandlerとLokadの創設者であるJoannes Vermorelが、供給チェーン最適化における数値レシピの概念について論じます。Vermorelは、1980年代に出版された非常に成功した「Numerical Recipes」という本からこの用語を借用し、問題解決に対する独自の視点を提供していると説明しています。
彼は、供給チェーン管理における問題解決は、明確に定義された問題と解決策を持つだけでは成立しないと強調しています。むしろ、使用される解決策の種類が問題そのものを形作る可能性があり、トレードオフやフィードバックループが存在します。Vermorelは、供給チェーン最適化で用いられるアプローチを表現するには「数値レシピ」という用語の方が、これらのソリューションの固有の複雑さと適応性を認める点で適切であると考えています。
Vermorelは、アルゴリズムや機械学習などの用語が、問題と解決策の間に客観性や明確な境界線があるという誤った印象を与える可能性があると説明しています。しかし実際には、現実の供給チェーンはより複雑で「濁った」状況を呈します。彼は、明確な問題定義と数学的性質を持つソートアルゴリズムの明瞭さと、交渉、変化する条件、その他の現実的要因を伴う供給チェーン問題のあいまいさとを対比させています.
例えば、供給チェーンにおける最小発注数量（MOQ）は物理法則のように固定されているわけではなく、むしろ供給業者との交渉の結果です。MOQが問題を引き起こす場合、企業はより有利な取り決めを交渉できるかもしれません。賢明な数値レシピは、これらの現実的な選択肢を取り入れるため、従来のアルゴリズムよりも供給チェーンの問題に対処するためのより適したアプローチとなります.
Lokadはソフトウェアスタックに多くのアルゴリズムを使用していますが、Vermorelは、アルゴリズムだけに依存すると、特にコンピュータサイエンスやソフトウェア工学の正式な教育を受けた人々にとって、現実の供給チェーン問題の理解が歪む可能性があると主張しています。これは、従来のアルゴリズムが明確に定義された問題と明確な出力に対してより適しているのに対し、数値レシピはより柔軟で、供給チェーンの複雑かつ変化する性質に適しているためです.
Vermorelは、数値レシピの概念が、現実の供給チェーン問題に内在する複雑さと曖昧さに対処するための柔軟性と適応力を持っているため、供給チェーン最適化で使用される手法を表現するのにより適していると考えています。このアプローチは、問題と解決策の間のトレードオフやフィードバックループの重要性を認識し、供給チェーン管理に関するより洗練された理解を可能にします.
彼らは供給チェーン最適化の課題と、数値レシピを作成する上でのサプライチェーン-サイエンティストの役割について議論しました。Vermorelは、何十年にもわたる研究にもかかわらず、供給チェーン最適化のためのソートアルゴリズムにも長所と短所があると説明しています。彼は、たとえ単一の要素が最適化されても、全体のシステムの効率が保証されるわけではないという複雑な機械の比喩を用いています.
Vermorelは、現実の供給チェーン問題は、厳密に定義されたアルゴリズムではなく、むしろ数値レシピを必要とすることが多いと指摘します。これらのレシピは、解決策の作成において重要な役割を果たすサプライチェーン・サイエンティストによって作り出されます。アルゴリズムは客観的で数学に根ざしているものの、Vermorelは、数学にも主観性が存在し、優雅さといった概念がアルゴリズムの印象に影響を与えることを認めています.
数値レシピに関して、Vermorelは、現実のいくつかの側面は数学的枠組みに収まらないほど複雑であると主張します。高度な統計手法でデータからパターンを抽出できるとしても、判断が求められる場合もあります。例えば、サプライチェーン・サイエンティストは、時系列-供給チェーンに前例のない独自の状況に基づいて意思決定を行わなければなりません。Vermorelはこれを、シェフがさまざまな技能レベルで、非常に主観的ではあるが優秀または劣ると評価される料理を創作する料理芸術に例えています.
異なるクライアントや業界全体で品質を維持するという課題について議論しながら、Vermorelは考慮すべき複数の角度があることを認めています。重要な点の一つは、エンジニアがビジネスを裏切らないようにすることであり、彼らは洗練されているように見えるが根本的な問題に対処していない数式を作成してしまう誘惑に駆られる可能性があるということです.
Vermorelは、解決しようとしている問題と適用される定量的モデリングとの整合性、さらには日々の混乱を最小限に抑えるツールの重要性について議論しています。彼は、設計段階での正確性が致命的なミスを防ぎ、たとえ人々があまり賢くないときでも賢明な判断を下すために不可欠であると強調します。また、Lokadの成功の半分は、定量的な供給チェーンのイニシアチブをどのように展開するかを知っていることに起因しているとも述べています.
Vermorelは、供給チェーン業界の企業が数値レシピを通じて運営されている一方で、多くの企業が依然として従来のアルゴリズムベースのアプローチに固執していることを強調します。彼は、スプレッドシートが供給チェーンをモデル化する方法の理解を具現化しているものの、不確実性や多段階供給チェーンを扱うには適していないと指摘します。Vermorelはツールについて、十分でなく非常に主観的であり、多くの狭い数値レシピが含まれていると批判しています。彼は、工場や倉庫を停止させる可能性のある数値安定性の問題を防ぐために、多くのプロセスを設計する必要があると信じています.
総じて、Vermorelは、供給チェーン最適化において、整合性、設計段階での正確性、そして優れたツールの重要性を強調し、ミスを防ぎ成功を確実なものにする必要性を説いています。彼はまた、スプレッドシートの限界と、不確実性や多段階供給チェーンに対処するためのより良いツールの必要性を強調しています.
彼は、現代の企業は数値レシピを通じて運営されているものの、しばしば不十分なツールやプロセス（例：サイロ）に直面していると論じています。Vermorelは、数値レシピは今後も存続し、供給チェーンの問題に取り組む際に正しい考え方であると信じています。彼は、数値レシピは純粋さを持たない方程式であり、非常に純粋で厳密な電磁方程式とは異なると説明します。供給チェーンは複雑で、意味をなすためには何百もの偶発的な条件や要因が必要です。Vermorelは、レシピのように柔軟で、変化する条件に対応できるものの重要性を強調します。彼は、材料不足、短いタイムライン、変化する制約に即興で対応できるトップシェフたちに例えますが、その混沌の中にも必ず一つの方法があると述べています。Vermorelは、Lokadで供給チェーンの混乱に対処するための方法論を育成していると説明します。このエピソードの主な結論は、正確に間違っているより、概ね正しい方が良いという考えを体現しているため、数値レシピが不可欠であるということです。結論として、変化する条件や制約に対応できる柔軟な数値レシピを持つことが、供給チェーン業界での成功の鍵であるとVermorelは主張しています.
完全なトランスクリプト
Kieran Chandler: こんにちは。まるで一流のミシュラン星付きシェフのように、供給チェーン・サイエンティストはあらゆる状況に適応し進化するレシピを作り出さなければなりません。そこで、今回はこれらのレシピを作成するために必要な要素、特に私たちの供給チェーンで使用されるレシピの特徴について調査します。では、Joannes、これまでに何度か「数値レシピ」という用語を使ってきましたが、なぜその再検討が重要だと考えたのですか？
Joannes Vermorel: この用語は、1980年代に非常に成功した「Numerical Recipes」という本を書いた人々から借りたものです。その本は、問題を見るための特定のアプローチを強調していました。通常、問題と解決策があるという考え方がありますが、実際のところそれほど単純ではありません。採用する解決策の種類が文字通り問題を形作り、両者の間にはトレードオフが存在します.
重要な考えは、実際に供給チェーンを運営する企業に対して数値的な結果を提供することにあります。アルゴリズムや機械学習を使っていると言うと、完全に客観的かつ明確に定義された問題と解決策が存在し、同じ問題に対して競合する解決策があるという印象を与えるのが問題です。しかし、実際に供給チェーンに結果をもたらそうとすると、その全体ははるかに曖昧で、道中には多くの障害がある非常に偶発的なプロセスとなります。最終的に得られるのは、結果を導き出すための数値計算の連鎖を表す数値レシピです.
Kieran Chandler: では、なぜアルゴリズムのようなものではそれを適切に表現できないのでしょうか？つまり、アルゴリズムが何を見落としているのでしょうか？
Joannes Vermorel: 私は「レシピ」という用語を使って、これがアルゴリズムではないことを明確に示しています。コンピュータサイエンスや機械学習のバックグラウンドを持つ人なら、教科書や講義でアルゴリズムについて学んだことでしょう。アルゴリズムの典型例であるソートアルゴリズムを例に取りましょう。順序関係を持つオブジェクトの集合があり、一連の明確なステップを使ってそれらをソートすることができます。最終的に集合は整列され、アルゴリズムはメモリ消費量や計算量といった特性を持ちます.
ソートアルゴリズムには、さまざまな特性を持つ多様なアルゴリズムが存在します。決定論的なもの、確率論的なもの、そしてデータが部分的に既に整列されている場合に非常に効果的なものもあります。しかし、供給チェーン最適化においては、硬直したアルゴリズムではなく、数値レシピのような、より適応性と柔軟性のあるものが必要とされるのです.
Kieran Chandler: ソートアルゴリズムは、問題の記述が完全に明確で、順序関係に基づいて要素の集合を整列するという、非常に明快な状況です。数学的な明瞭さがあります。一方で、実際の供給チェーンにおいて解決すべき問題は非常に曖昧です。例えば、最小発注数量（MOQ）は物理法則のようなものではなく、むしろ供給者との交渉の結果です。もしMOQが数値的に大きな問題となった場合には、実際に供給者に電話をして中間的な取り決めをすることもできるかもしれません。つまり、現実に存在するこのような選択肢を取り入れる賢明な数値レシピは、そのような「結晶のような純粋さ」を欠くのです.
Joannes Vermorel: その通りです。Lokadでは決して間違いなく、あらゆる真剣もしくは半ば真剣なソフトウェア企業と同様に、膨大な数のアルゴリズムを使用しています。Lokadのスタックは、文字通り非常に多数のアルゴリズムの連続です。なぜなら、私たちはEnvisionというドメイン固有のプログラミング言語を中心にLokadを設計しており、そのコンパイラはスクリプト自体を抽象表現へと変換する無限に続くアルゴリズムの連鎖であり、コンパイルされたプログラムの実行に至るまでを網羅しているからです。つまり、アルゴリズムはあらゆるところに存在します.
ここでの危険は、素朴な還元主義と同じように、教養のない聴衆にとっては危険ではないという点にあります。もしあなたがコンピュータサイエンスの修士課程を修了していなかったり、ソフトウェアエンジニアとしての専門的な訓練を受けていなかったりするのなら、これらの問題に直面することはほとんどないでしょう。しかし、もしこれらの分野で高い教育を受けているなら、授業で教えられたことや多くのコンピュータサイエンスの書籍で読んだことは、現実のサプライチェーンの問題が実際にどのようなものかについて非常に歪んだ認識を与えるのです。
アルゴリズムは非常に有用であり、Lokadが利点と欠点を持つ様々なソートアルゴリズムのコレクションに頼ることができるのは素晴らしいことです。これは何十年にもわたる研究によって、この小さな問題のあらゆる側面を網羅的にマッピングしたおかげで完全に理解されているからです。しかし、それはまるで非常に複雑な機械があって、その中の小さな歯車だけが完璧に作られているようなものです。つまり、もしあなたが一つのネジに注目して「そのネジに最適な金属は何か？」と問えば、その問題は非常に明確で狭いため、全ての制約に対して完全に最適なこの種の鋼を使うべきだという答えがでるかもしれないのです。
Kieran Chandler: それでは、ヨアネス、サプライチェーン最適化について話しましょう。サプライチェーンにおいて最適な解決策を見つけることは本当に可能なのでしょうか？
Joannes Vermorel: 良い質問ですね、キアラン。サプライチェーンの一部は最適化可能ですが、例えば機械内でネジが正しい位置にあるだけでは大きな問題を解決するには不十分です。巨大なシステムのあらゆる細部を考慮に入れる必要があり、すべてを組み合わせたときに初めて意味を成すのです。実際の世界でサプライチェーンの問題に取り組むと、アルゴリズムではなく数値レシピが生まれます。そして、そのレシピを作る人のこだわりや姿勢は全く異なります。
Kieran Chandler: なるほど。それでは、これらの数値レシピを作成している実際の人物について、もう少し話しましょう。その人たちのスキルや専門知識にどの程度依存しているのでしょうか？
Joannes Vermorel: 実際のところ、かなり依存しています。これは決して軽視できない点です。アルゴリズムを見ると、それは完全に客観的で、証明があり、明確に定義された数学的枠組みだと言えます。アルゴリズムは数学の一分野であり、客観性の頂点とも言えます。しかし、数学においても主観性は確かに存在します。数値レシピに関しては、すべてを客観化しようとしますが、私はこれがまたもや素朴な合理主義の悪い例だと考えています。現実は、私たちが知るどんな数学的枠組みにも収まるにはあまりに複雑なのです。
Kieran Chandler: なるほど。つまり、判断を下さなければならない状況はあるのでしょうか？
Joannes Vermorel: はい、判断を下さなければならない状況はたくさんあります。例えば、販売履歴に前例がない状況がサプライチェーンの視点から発見された場合、どのように対処するのでしょうか？いずれ、こうした奇妙な状況を踏まえた決断を下す必要が出てきます。実際にサプライチェーンで何が起こっているのかを的確に把握している賢明なサプライチェーンの専門家に、その判断を委ねるほかありません。
Kieran Chandler: つまり、これらがシステム上でどのように数値化されるべきかについて判断が必要だということですね。そして、これはまさにシェフのメタファーのようなものです。結局のところ、レシピの作り方の選択が非常に主観的であるからといって、一方では出来の悪いシェフ、もう一方では驚異的な才能を持つシェフになる、ということにはならないわけです。たとえ、どれが優れていてどれが劣っているかを明確に区別するルールが定められていなくても、極端なケースは明らかに存在します。ある程度の教養を持った人なら、誰が優れたシェフで誰が劣ったシェフかを判断できるのです。そして、その極端な差はかなり明白です。もしその中間の微妙な違いをすべて見極めたいなら、あなた自身がより多くのスキルを身につけ、料理芸術や調理に精通している必要があるでしょう。しかし、これは非常に合理的なアプローチです。では、低炭水化物のキッチンに留めましょう。
Joannes Vermorel: ええ、つまり議論にはさまざまな角度があります。まず第一に、ビジネスを裏切らないようにする必要があります。問題に直面した際、賢いエンジニアを前にすると、そのエンジニアは訓練によって必ず非常に深遠で科学的に見える数式を考え出してしまいます。そして、転落への近道という言い回しがあるように、最も楽しい道は女性、最も速く転落する方法はギャンブルですが、確実に転落する方法はエンジニアを増やすことです。したがって、まずは、解決すべき問題と適用される定量的モデリングにおける洗練度との間でビジョンの整合性があることを確認しなければなりません。これが第一のポイントです。そして、ちなみにこれが、LokadがウェブサイトやYouTubeなど多くの場所で豊富な資料を育成している理由でもあります。つまり、問題そのものの理解を深める必要があるのです。次に、日常の「足撃ち」（自分の足を銃で撃つ行為）を最小限に抑えるツールが必要です。特に、高度な数値レシピに取り組み始めると、そのようなことが何度も繰り返されがちです。高級と呼べるものとは何でしょうか？例えば、「ああ、私たちはTensorFlowを使用している」と言う企業はたくさんあります。素晴らしいですが、そうすることで、自分の足に弾丸を打ち込む方法をさらに100通りも手に入れることになるのです。
Kieran Chandler: 分かりました、その点について、ヨアネス、私も加わりたいと思います。日常の「足撃ち」をどのように最小限に抑えるのでしょうか？多くの企業が自分たちの足を撃つために大量の銃を購入しているように見えるので。
Joannes Vermorel: ええ、全くその通りです。そして、問題に取り組むためにはさまざまなツールが存在すると考えています。しかし、非常に重要なのは、
Kieran Chandler: その方法の中には非常に創造的で、多くの驚きを伴うものもあります。ですから、まずはビジネスとの整合性を取り、その上で設計段階から高い正確性を提供するツールを持つ必要があるのです。『正確性を重視した設計』は、Lokadの考え方において非常に普及しています。
Joannes Vermorel: 私は教育を非常に重視していますが、設計段階で人々が失敗を許されるのが最善だとも考えています。私たちは賢い人材を雇いますが、たとえ賢い人でも悪い日があったり、時には十分に眠れなかったりします。ですから、極めて愚かな致命的ミスを防ぐツールが必要であり、たとえ疲れていて賢く行動できない時でも、より良い判断を下せるよう支援してくれるものが求められるのです。
Kieran Chandler: そして、三番目の考えとしては、多くのプロセスを設計する必要があるということですね。
Joannes Vermorel: はい、例えばLokadでは、定量的サプライチェーン施策をどのように展開するかというノウハウが全体の半分を占めていると言えます。『定量的サプライチェーン施策を展開する』というのは、たとえば致命的な問題が発生しない数値レシピをどのように作り上げるかということを意味します。ここでいう致命的とは、問題があまりに大きく、正当にその施策を中止するのが最善だと判断される状態を指します。
Kieran Chandler: では、どのような問題が起こり得るのでしょうか？
Joannes Vermorel: 数値レシピは様々な面でうまく機能しないことがあります。例えば、計算時間のばらつきが極端に不安定になる場合です。ある時は実行に1時間かかり、ある時は8時間かかるといった具合で、その理由がはっきりしないのです。これは大きな問題です。また、非常に不透明であるために問題が生じることもあります。このブラックボックス効果は、サプライチェーンの専門家自身にとっても、数値的には賢明でありながら即座に中身が見えない状態を招くのは非常に難しいのです。さらに、数値的安定性の問題もあり、平均的にはレシピが優れていても、0.1%のケースでは全くもって常軌を逸してしまうことがあります。これにより、サプライチェーンのコストが極端な値に偏りがちなため、企業に多くの運用上の問題を引き起こすのです。大体合っていればいいのですが、もし完全に狂ってしまえば、工場や倉庫の操業停止といった大きな問題を招くことになります。
Kieran Chandler: では、サプライチェーン業界そのものについて、もう少し話しましょう。この業界の企業はどの程度自ら数値レシピを実装しているのでしょうか？それとも、多くの人や企業は依然として古典的なアルゴリズムベースのアプローチに固執していると言えるのでしょうか？
Joannes Vermorel: おかしなことに、ほとんどすべての企業、つまり文字通り全ての企業がレシピを用いて運営されています。アルゴリズム的思考は一種のデータサイエンスの惨事へのレシピなのです。実際、大きな話題にはなっていますが、実際に運用されているものはほとんどありません。つまり、実務上は全ての企業が数値レシピを使っており、市場シェアの90%以上は単にExcelで構成されていますが、それらは見下されがちです。
Kieran Chandler: Excelのシート、ただのExcelだなんて言うなかれ、そうではありません。Excelはサプライチェーンを定量的にモデル化すべき方法に対する理解の具現化なのです。つまり、Excelスプレッドシートは文字どおり数値レシピであり、それらは洗練されたバージョンなのです。この点においては非常に良いのですが、問題は、デスクトップであれウェブアプリであれ、オフラインであれオンラインであれ、一般的なスプレッドシートや表形式の思考はサプライチェーン問題の解決には必ずしも適していないということです。
Joannes Vermorel: 私の大きな批判は、ツールが不十分であるという点です。不確実性に対応できず、カニバリゼーション（内部競合）にも対処できず、多層サプライチェーンにも対応できません。どんなにスプレッドシートにまとめようとしても、そこに収まらない問題があまりにも多いのです。私の批判は、スプレッドシートが非常に主観的で狭い数値レシピであるという点ではなく、むしろそのツール自体が不十分であるという点にあります。現代の企業は数値レシピで運営していますが、それが良いことであると認識しておらず、この方法は消え去ることはありません。サプライチェーン問題に対処するためには非常に合理的な提案ですが、彼らが直面しているのは、ツールの不十分さや、しばしば不十分なプロセス、たとえば前回のエピソードで議論した隔絶状態の問題のように、片方では価格設定、もう片方では計画に取り組むという、実際には同じコインの裏表にある状況なのです。数値レシピは今後も使われ続け、サプライチェーン問題が関わる限りこれが正しい考え方だと私は考えています。
Kieran Chandler: では、そろそろまとめに入りましょう。本日のエピソードの主な結論は何でしょうか？なぜ数値レシピがこれほど重要であり、その考え方を変えることがなぜそんなに大切なのでしょうか？
Joannes Vermorel: 数値レシピは、「おおよそ正しいほうが、全く間違っているよりはましだ」という別の思考の具現化だからだと私は考えています。その結果、純粋さに欠ける数式が生まれるのです。これらは、電磁気現象を全て厳密に定義できる超きれいな電磁気学の方程式のようなものではありません。電磁気学の方程式は非常に純粋で厳密ですが、サプライチェーンはそうではないのです。サプライチェーンの数値レシピは、何百という半ば偶発的な条件、要因、ひねりが絡み合って、全体が意味を成し、おおよそ正確で、全く常軌を逸しないようになっているのです。非常に予測可能であるべきで、数値出力に極端なサプライズが発生しない、理想的にはほとんど驚きのないものにすべきです。そして、優れたシェフのレシピのように多用途である必要もあります。
Kieran Chandler: ええと、もしデザートを作りたいなら、今日に限っては砂糖の使用を許可しませんよ。
Joannes Vermorel: ああ、困った、デザートを作りたいのに。どうやって砂糖なしでデザートを作るんだ？それは、まさに非常に機敏でなければならない状況です。もし何かが不足していて、例えばパンデミックのような奇妙な状況が発生したとしても、行き詰まることなく前に進む方法を見つけなければならないのです。ちなみに、これは非常に興味深い点で、トップシェフの番組では、通常4時間かかる料理を30分で作るといった時間不足や、材料不足、道具不足、あるいは単に全般的な不足といったチャレンジが与えられます。それでも、何とか前進する方法を見つけなくてはならないのです。これこそが、私が考えるところの数値レシピの姿なのです。つまり、時間とともに変化する奇妙な制約が伴う状況なのです。
本物のシェフとは、文字通り即興で対応できる人のことです。しかし、注意深く見れば、これらの番組は、そこに確固たる方法論が存在することを明らかにしており、それが素晴らしいシェフとそうでないシェフを分ける要因となっています。優れたシェフは、材料不足や非常に短い締め切りに直面した際に、無計画に行動する人ではありません。こうした混乱に対処するための十年以上の経験が実際に感じられ、その方法論こそが私たちがLokadで育んでいるものなのです。
Kieran Chandler: では、ここで締めくくりにしましょう。ただ、トップシェフのアナロジーは非常に力強く、間違いなくこのオフィスの私たちにも共感を呼ぶものだと思います。ここには多くのファンがいますので。本週はこれで全てです。ご視聴ありがとうございました。そして次回のエピソードでお会いしましょう。ご視聴ありがとうございました。
