00:10 イントロダクション
02:23 どのようにして？サプライチェーンの講義
04:22 Quantitative Supply Chainのマニフェスト
06:47 すべての可能な未来
17:01 すべての実現可能な意思決定
21:52 経済ドライバー
30:42 ロボット化
35:41 サプライチェーンの科学者
40:22 ビジョンから現実へ
41:56 サプライチェーン成熟度の神話
45:30 結論
46:13 聴衆からの質問
説明
Quantitative Supply Chainのマニフェストは、Lokadによって提案され、先駆けられたこの代替理論が、主流のサプライチェーン理論とは異なる点を把握するためのいくつかの重要なポイントを強調しています。経済ドライバーに基づいて、すべての可能な未来に対してすべての意思決定がスコアリングされるということで要約できます。この視点は、Lokadで徐々に主流のサプライチェーン理論として浮かび上がり、ほぼすべてのソフトウェアベンダーによる実装は依然として困難です。
フルトランスクリプト
皆さん、こんにちは。サプライチェーンの講義へようこそ。私はジョアネス・ヴェルモレルです。今日は「Quantitative Supply Chain in a Nutshell」を紹介します。ライブストリームをご覧の方は、いつでもYouTubeのチャットで質問をすることができます。講義中に質問を読み上げることはありませんが、講義の最後にチャットに戻り、上から順に質問に取り組みます。それでは、始めましょう。
かつてのフランスの大統領の言葉から始めましょう。彼は、富を得るためには3つの道があると言いました。最も速いのはギャンブル、最も楽しいのは女性との付き合いですが、最も確実なのは技術者との付き合いです。もちろん、この講義シリーズでは、私たちは3番目の選択肢を選んでいます。この言葉には一片の知恵があると私は信じています。技術は、特定のことをより多く行ったり、特定のゲームでより優れたパフォーマンスを発揮したりするための強力な手段ですが、それはまたかなり気を散らすこともあります。技術者とは、エンジニアのような技術的なことに取り組む人々だけでなく、プロセスやワークフロー、MBAのような技術的な要素に取り組む人々も含まれます。
サプライチェーンの課題に取り組む際には、私たちが持ち込んでいるものが核心の問題に対処するのに貢献しているのか、単なる気分を良くするための気晴らしであるのか、非常に注意深く考える必要があります。
今日の講義では、残念ながら少し説得力を持たせる必要があります。課題がある場合、その課題に対して優れた解決策があることを証明することができます。しかし、まず最初に、あなたが優れた種類の問題を持っていることを証明することはできますか？それは知的にはるかに困難です。
前回の講義で私が取り上げた主な批判の一つは、サプライチェーンが本質的に難解な問題であるということです。したがって、私たちはそれを難しく考える必要があります。今日は、サプライチェーンに満足のいくものを提供するためには、いくつかの要件が必要だと考えています。しかし、私が持ち込んでいる要素のいずれも本当に必要なものであることを証明することはできません。それには信念の要素もあり、高いレベルの理解も必要です。信念のもう一つの側面は、要件の前に提示する解決策がない限り、あなたが持っているのは甘い夢想に過ぎないということです。ですので、もう1つまたは2つの講義であなたの不信を一時的に保留していただき、問題の本質と良いサプライチェーンの実践に適格な解決策に必要な要素に焦点を当てるようお願いします。
では、進めましょう。数年前、Lokadは自社のクライアントに対して比較的非典型的な方法でサービスを提供することを既に先駆けていました。2016年末、私はメインストリームのサプライチェーン理論とはかなり異なると考えるいくつかの要点をまとめることにしました。これらの5つの要点を使用して、数量的なサプライチェーンがメインストリームのサプライチェーンとどのように異なるかを示す方法として使用したかったのです。用語が少し不運ですが、メインストリームのサプライチェーン理論自体も非常に数量的ですが、数量的なサプライチェーン理論とメインストリームのサプライチェーン理論の区別を明確にするために別の形容詞を追加することにしました。
これらの要素は厳密に言えば基礎ではありませんが、成功するためには対処する必要があるチェックリストのようなものです。これらの要素には以下が含まれます：
- すべての可能な未来：1つの未来だけでなく、多くの未来を考える必要があります。
- すべての実現可能な意思決定：私がサプライチェーンを選択肢の習得と定義したとき、これらの意思決定は私が言及した選択肢です。
- 経済的なドライバー：誤差のパーセントではなく、誤差のドルを数えるという考え方です。
- 管理制御の要件としてのロボット化：ロボット化は制御を失うことを意味すると思われるかもしれませんが、提案はまったく逆です。サプライチェーンに関して人間が何かを制御するためには、ロボット化が必要です。
- サプライチェーンの科学者：実践の終わりには、サプライチェーンの数値結果または数量的なパフォーマンスの所有者が1人いるべきです。
それでは、これらの5つの要点を詳しく見ていきましょう。
まず、すべての可能な未来を考える必要があるという考え方です。なぜ最初に未来を考える必要があるのでしょうか？未来を考える必要があるのは、すべてには時間がかかるからです。すべてを即座に3Dプリントすることはできず、できたとしても物を輸送する必要があります。ですので、サプライチェーンの意思決定（例えば、何かを生産するか購入するかを決定すること）を行う際には、市場の将来の状態を予測し、需要があるであろう製品に対する需要を予測する必要があります。そして、その予測を元にサプライチェーンを最適化します。
私たちはこの先を見越し、予測する必要があります。これは数学的な直感の一種です。しかし、どのような予測をしているのでしょうか？20世紀と21世紀の初めに完全に支配的だったのは、古典的な時系列予測ですが、私の目にはいくつかの点で深刻な欠陥があります。まず、この手法は不確実性の考えを完全に無視しています。私の主張は、不確実性は完全に削減できないものであり、サプライチェーンに関わる場合、未来を完璧に予測することはできません。99%の予測精度を持つことができるという考えはナンセンスです。水の消費量や電力の消費量を見ても、この程度の精度で予測することは非常に困難です。
サプライチェーンを現実的に見ると、例えばある店舗で週に1つの単位しか売れない商品を考えると、サブパーセントの精度を達成することは絶望的です。そのような質問は意味をなしません。ですので、不確実性は削減できないものです。それを証明するために、2020年を見てみましょう。世界中に大流行したパンデミックがサプライチェーンに大きな混乱をもたらしました。古典的な視点からは、そのようなことを予測することは不可能です。数字を持って「これが未来だ」と言うことはできません。
代わりに、確率的な予測ができます。すべての未来は可能ですが、同じ確率ではありません。それが確率的予測の本質です。これは、将来の出来事が完璧にどのように進行するかを予測することを装っている代わりに、「これらの可能な未来があります。いくつかは他よりも可能性が高いです」と言う統計的な手法です。この手法は不確実性を受け入れます。私に「それは予測できない」と言われる多くの状況に対して、私は「はい、できます」と答えます。正しい古典的な予測はできませんが、完璧な確率的予測は確かにできます。
これの極端な例が宝くじです。どのチケットが当選チケットかはわかりませんが、ゲームが不正でない限り、すべてのチケットに対して均等な確率を反映した完璧な確率的予測を立てることができます。それが確率的予測の意味です。未来を完璧には知らないけれども、未来については多くのことを知っているということです。確率を持っているということは、多くのことを知っているということです。例えば、いつでも市場に大きな混乱のリスクがあると言えます。リスクがどこから来るのか正確にはわかりません。パンデミック、株式市場の暴落、戦争、またはトランプ大統領が導入した新しい関税のようなものかもしれません。サプライチェーンに影響を与える多くの要素がありますが、いつでも次の四半期に大幅な減少がある確率は数パーセントです。これは魔法ではなく、未来について合理的な仮定です。適切な統計ツールを使えば、より詳細な予測ができます。需要だけでなく、不確実性のあるすべての領域には予測が必要です。例えば、不確実性のあるすべての領域には予測が必要です。
これには将来の需要予測だけでなく、将来のリードタイム、電子商取引における将来の返品、鉱山や農場などの一次生産源における確率的な生産収量、生物プロセスの品質管理における故障や廃棄率、部品の修理などが含まれます。不確実性が存在するさまざまな領域があり、それらのすべての領域には予測が必要です。良いサプライチェーンの実践は、それらの可能な将来とそれぞれの確率を考える必要があるということです。需要だけではありません。
たとえば、商品価格なども考えることができます。明らかに、将来の商品価格を正確に予測できれば、株式市場で取引を行い、実際のサプライチェーンを運営する必要はありません。ただし、特定の商品は他の商品に比べて価格の変動が激しいため、これらの商品を取り扱う際のリスクは、確率的な予測を持つ適切なモデルによって最適化することができます。
もう1つの要素は、可能な将来だけではなく、それらの可能な将来は独立していないということです。それらには強い依存関係があり、これは主流のサプライチェーン理論が本当に欠けているところです。彼らは需要予測をサプライチェーンで起こっている他のすべてのことと完全に独立しているかのように見ています。現時点でも、私に相談に来て、Lokadが特定の製品の12ヶ月先の予測を行えるかと尋ねる見込み客がいます。
たとえば、スポーツブランドと取引しているとしましょう。彼らがトラッキングバックパックを求めている場合、次の12ヶ月間にどれだけの需要があるかを予測することができるでしょうか？私の基本的な答えは、「それは状況によります」ということです。バックパックを1つだけ販売している場合、一定の需要があるかもしれません。しかし、突然、同じ価格帯、サイズ、特性を持つ10種類のバリエーションを導入し、ポケットやウィジェットを数個増減させた場合、非常に似た製品を10種類追加したからといって需要が10倍になるわけではありません。しかし、古典的な予測の観点では、予測対象の製品数を増やすだけで需要数値を劇的に膨らませることができます。ですから、それは意味がありません。それがなぜ私たちがこれらの将来を持っているのかです。それらは不規則な不確実性だけでなく、それらの間に存在する依存関係によっても特徴付けられています。私たちは、それらの変化を把握できるツールを持つ必要があります。
最後に、最適化するためには予測が不可欠ですが、それは単なる将来についての教養ある意見に過ぎません。
予測の品質がサプライチェーンに直接的な影響を与えるわけではありません。多くの企業では、人々は予測の改善に集中していますが、私の質問は次のとおりです。それによってサプライチェーンのパフォーマンスが向上すると思いますか？私の提案は、これは幻想であるということです。それは真実ではなく、ほとんど関係ありません。
サプライチェーンを実際に改善するのは、サプライチェーンに物理的な影響を与える意思決定です。意思決定とは、サプライヤーから1つのユニットを購入すること、在庫を1つの場所から別の場所に移動すること、または販売している製品の価格を上げ下げすることなどを指します。これらの行動は会社にとって実際の、具体的な結果をもたらします。
それに対して、予測は単なる将来についての教養ある意見です。将来の姿についてより詳細な意見を持つことは良いことですが、本当に重要なのは意思決定です。私が提案するのは、サプライチェーンの実践は完全にそれらの意思決定の生成に向けられるべきであり、それが唯一重要なことだということです。予測や計画の部門のようなものが存在するという考えは、大いに誤解されていると言えます。予測は、より良い意思決定をするための推測を教育するためだけに存在しています。
予測部分を意思決定の最適化から分離することは非常に危険で誤解を招きます。ところで、私が「実現可能な意思決定」と言うとき、サプライチェーンに存在するすべての物理的制約に準拠した意思決定を指します。どのサプライチェーンにも非線形性があります。例えば、最小注文数量、店舗の最大陳列スペース、コンテナやトラックの最大容積や重量制限などです。賞味期限や航空宇宙の特定の部品には飛行時間や飛行サイクルがあり、定期的な修理が必要です。
さまざまな問題が発生する可能性があります。例えば、新鮮な食品の場合、同じトラックで輸送することができない場合があります。または、少なくとも、同じ温度で輸送することができないため、特別なトラックが必要です。複数の区画または複数のトラックが必要です。実現可能な意思決定を制限する制約はたくさんあります。
「実現可能な意思決定」とは何を意味するのでしょうか？私はこの用語を指摘しているのは、店舗の補充に最適な数量は1.3単位の製品ではないと言うことです。これは実現可能な意思決定ではありません。1単位または2単位になるでしょうが、1.3単位はありません。非常に現実的な観点から即座に実行可能なものが必要であり、それが実現可能性というものです。
さて、すべての実現可能な意思決定とすべての可能な将来を見ると、問題は次のようなものです。どの意思決定が正しいかをどのように評価すればよいのでしょうか？
経済的なドライバーを考慮する必要があります。誤差の割合は重要ではなく、誤差と報酬のドル数が重要です。割合を最適化すると、会社にとって良いことができるという大きな幻想があります。これは真実ではありません。私はこれが非常に誤解されていると信じています。
例を挙げると、サービスレベルを見てみましょう。超高いサービスレベルを持つとはどういうことでしょうか？私はよく見込み客が99%のサービスレベルを望むと言うことを聞きます。私たちは確かにそれを提供することができますが、狂ったように在庫を積み上げる必要があります。これにより莫大な在庫の廃棄と恐ろしい利益率が生じます。これはトレードオフであり、ただのトレードオフではありません-経済的なトレードオフです。サービスレベルという単純なものでも、在庫のコストとストックアウトのコストとの間にトレードオフがあります。
アウトカムを評価するために、すべての意思決定に対して経済的なドライバーを考慮することができます。1つの意思決定を取り、1つの可能な将来に対して、その意思決定の結果を見ることができます。経済的なドライバーを見て、その結果をドルで評価することができます。
「経済的なドライバー」とは何を意味するのでしょうか？会社のパフォーマンスを形作っているすべてのドライバーを指します。最初のドライバーの範囲は非常に明確です-会計帳簿で見つけることができるもの、原材料のコスト、販売価格、保管コスト、輸送コスト、変換コストなどです。これらのコストを積み上げて、販売価格から引いてコスト予算を計算する必要があります。これらは最初のドライバーの範囲であり、文字通りERPや会計ソフトウェアで見つけることができる非常に明白なものです。
ただし、これらのコストだけでは十分ではありません。これらだけを考慮すると、非常に短期的な財務的な視点になってしまいます。第二の経済的なドライバー、つまりシステムには存在しない、少なくとも明示的には存在しないドライバーを含める必要があります。これらは通常、サプライチェーンの意思決定の二次効果です。たとえば、ほとんどの場合、在庫切れが発生した場合、在庫切れのペナルティはありません。おそらく、ウォルマートのような大規模な小売ネットワークに販売している大手ブランドの場合、サービスレベル契約と目標を達成しなかった場合のペナルティがあるかもしれませんが、これは非常に頻繁ではありません。たとえペナルティがある場合でも、それはクライアントに与えた実際のコストを自然に反映していません。
アイデアは、行動の二次的な結果を表すドライバーが必要であり、それはポジティブなもの（例：追加の顧客ロイヤリティの生成）とネガティブなもの（例：不忠実さの生成、代替品を求めるための顧客へのインセンティブ）の両方です。これは明らかに問題に依存します。たとえば、ファッションブランドでシーズン終了時に割引を提供する場合、割引されたドルの直接的な損失以上のコストがかかります。クライアントに習慣を作り、来年も同じ割引を期待するようになります。これは、顧客基盤の習慣と期待の短期的な影響と長期的な影響を示しており、これが私が第二のサークルの経済的なドライバーを指すときに話していることです。
適切に行われれば、財務最適化は短期的なものではありません。ただし、単純な財務最適化を行うと、多くの無意味な結果になります。これは、サプライチェーンを扱う場合にはどの単純なレシピにも当てはまることです。経済的最適化は重要です。なぜなら、最適化の対象がないからです。割合を最適化するという考え方は機能しません。ドルを最適化したいのです。報酬とコストのドルを一つの傘の下に統合していない限り、数量的な観点から最適化するものは何もありません。これがこの講義シリーズで興味を持っているものです。
最適化を開始するためには、それらのドルが必要です。私の提案は、会社がサプライチェーンの最適化を推進するための統一された財務フレームワークを持っていない場合、まだ開始していないということです。割合、サービスレベル、およびその他の非金銭的なメトリックに取り組んでいる数十のチームがある場合、それはパフォーマンスの幻想です。ドルだけが重要です-ドル、ユーロ、または円-ただし、金銭的な口座が必要です。
これらの経済的なドライバーには、頻繁に見落とされるもう一つ非常に重要な目的があります。最初の目的は、非常に機械的な方法で数値最適化を推進することです。これらのドライバーの第二の目的は、後の講義で戻ってくるホワイトボクシングを可能にすることです。アイデアは、すべての単一の意思決定について、すべての可能な将来を見て、意思決定の経済的なパフォーマンスを割り当て、すべての可能な将来にわたる意思決定の経済的なパフォーマンスを平均化し、最も高い投資収益率（ROI）から最も低い投資収益率（ROI）までのすべての意思決定を並べ替えることです。明らかに、もう利益がない場合には、そのような意思決定を行うのをやめたいと思います。ただし、なぜ他の意思決定ではなくこれらの意思決定を選択しているのかについては、透明性と理解が必要です。ここで、これらの経済的なドライバーは非常に価値があると証明されます。なぜなら、システム、実践、またはソフトウェアによって生成される意思決定の背後にある「なぜ」を教えてくれるからです。
アイデアは、経済的なドライバーを使用して、すべての単一の意思決定を見ることができ、ドルで表されるいくつかの主要なキーパフォーマンス指標（KPI）を持ち、なぜこの意思決定が実際に良いものなのかを説明することです。逆に、行われなかった意思決定については、ドライバーを見て、なぜそれが良い意思決定ではないのかを評価することができます。
これらの3つのビルディングブロックを持っていれば、実践を始めるために必要なものはすべて揃っています。すべての可能な未来、すべての可能な意思決定を見て、すべての可能な未来に対してすべての意思決定を挑戦し、それらをドルでスコアリングして順位付けします。
これを実現するために必要なマインドセットは、完全なエンドツーエンドのロボット化です。完全なエンドツーエンドのロボット化が必要な理由は、管理を取り戻すためです。最初は奇妙に聞こえるかもしれませんが、ロボット化すると、誰かをコントロールすることはできませんか？それは、供給チェーンの性質に関係があります。供給チェーンは非常に複雑で、多くのサイト、製品、顧客、ソフトウェアの要素、人々、車両から成る分散システムです。
日々の意思決定を行うために必要なロボット化されたプロセスを持つ代替案は、膨大な数のスプレッドシートを使用している事務員の軍団を持つことです。問題は、事務員の軍団を管理している場合、サプライチェーンの何かを変更したい場合、変更が浸透するのに6ヶ月かかるということです。なぜなら、多くの人々と取り組まなければならず、彼らが新しい戦略やルールを本当に理解しているかどうかを再訓練して確認する必要があるからです。
ロボット化とは、ありふれた意思決定をすべて生成するエンドツーエンドの数値レシピを実装できれば、この遅延を回避できるという考えです。私が話しているのは、ありふれた意思決定のことです。企業が新しい工場を建設するか、新しい市場を開拓するかといった意思決定のことではありません。それらの意思決定は年に数回しか行われず、多くの人々が考えることは十分に正当です。しかし、サプライチェーンにあるすべてのSKUについて、毎日半ダースの意思決定が必要です。もっと生産すべきか？もっと持ってくるべきか？持っている在庫を他の場所に移動すべきか？価格を上げるか下げるか？倉庫や店舗にスペースを占有している意味のない在庫を廃棄するか？何もしないことを決めることさえ、今日特に特定のことをしないと決めた場合、すでに意思決定です。したがって、現代のサプライチェーンが運営されるスケールを考えると、私の信念は、アジャイルであるためにはエンドツーエンドのロボット化が必要であるということです。
もう1つ重要な視点があります。それは、もしも資本主義的で正確なものを持ちたいのであれば、エンドツーエンドのロボット化が不可欠であるということです。これは私の次の講義のトピックになりますが、簡単に言うと、サプライチェーン部門を運営費用（OPEX）として扱いたくないのです。サプライチェーンへの投資を資本支出（CAPEX）として扱いたいのです。サプライチェーンにかけるすべての努力は正確であり、サプライチェーンを会社の資本主義的な資産にしたいのです。それを実現する唯一の方法はロボット化です。そうでなければ、逆に毎日同じことを繰り返すために毎日支払わなければならない事務員の軍団になってしまいます。
これが、ロボット化と、事務員の軍団の代わりに事務作業を行うソフトウェアを担当するべきなのは誰かという問題につながります。
数値レシピの責任者は誰でしょうか？その結果の所有権は誰が持つべきでしょうか？古典的な答え、「私たちにはシステムがあり、そのシステムが責任を持っている」というのは、私にとっては誤った考えです。非常に高価なエンタープライズソフトウェアであっても、ソフトウェア自体は何の責任も持っていません。それは自己認識していません。AIについて人々が言うことに関係なく、私たちはまだそこにはいません。私たちが持っているのは、飾り立てられた素晴らしい数値レシピであり、それらはすでに会社にとって莫大な価値を提供することができます。
会社内または会社外の誰かが、非常に平凡な方法で供給チェーンを駆動する数値結果の品質の所有権を持つ必要があります。Lokadで開拓した実践は、サプライチェーンサイエンティストのアイデアです。サプライチェーンサイエンティストのコンセプトは、私がデータサイエンティストで問題を解決しようとしたときの初期の失敗から生まれました。データサイエンティストの問題は、彼らのコミットメントが技術的な側面にあることです。技術者によって破滅する最も確実な方法についての最初の引用を覚えていますか？それがまさに私の現在の視点です。データサイエンティストがサプライチェーンの問題を解決しようとすると、非常に短い道のりであり、実際にどこに向かっているのかについて非常に少ない不確実性があります。旅の終わりに素晴らしい結果が得られるわけではありません。サプライチェーンサイエンティストは、現実世界の意思決定を生成する責任を持つ人物であり、その人物はサプライチェーンの最も細かい詳細に注意を払わなければなりません。たとえば、昨年のある倉庫が洪水になり、3週間何も流れなかった場合、完全に季節性プロファイルが歪んでしまいますが、それを単なる細部として無視することはできません。それは数学モデルの核心の妥当性に挑戦するものではありません。サプライチェーンサイエンティストの視点は、それが重要であるということです。過去の運用事故によって私の歴史的データに深刻なバイアスが導入されたため、この倉庫に対して誤った意思決定をすることになった場合、それは重要なことです。すべてが重要であり、それが報酬のドルやコストのドルを生み出すかどうかに関係なく、重要なのです。
インディアナ・ジョーンズとテリー・プラチェットの作品のウィンドル・プーンズという2つのタイプの学者を持つこのイラストを見ると、これら2つの架空のキャラクターの現実は非常に異なることがわかります。彼らの間の根本的な違いは、サプライチェーンサイエンティストとデータサイエンティストの違いをほぼ反映しています。リトマステストとして、CEOは気にしますか？会社のCEOは、サプライチェーンサイエンティストとしてあなたに対して何をしているのかを問い詰めるでしょうか？私がLokadを10年以上運営してきた経験から言えることは、私は定期的にクライアントのCEOや取締役会と会い、彼らがサプライチェーンと私たちがどのようにドルのリターンをもたらしているかについて私に挑戦しているということです。
質問は、サポートベクターマシンや勾配ブースティングツリーを使用するかどうかではありません。質問は、サプライチェーンが市場の他の競合を上回る価値ある資産であることを保証するパスについてです。
私は、問題の実際の解決策ではなく、要件として5つのポイントを提示しました。これらのポイントが適切に対処されない場合、サプライチェーンを意味のある方法で改善または最適化するための作業を本当に開始していないことを意味します。より良い設備、より良い採用ポリシー、またはチームへのよく考えられた財政的インセンティブなど、非定量的な最適化の方法はたくさんあります。
Lokadのウェブサイトlokad.com/lecturesには、今後の講義の詳細な計画があります。さまざまな視点、概念、およびパラダイム、特にプログラミング方法、ツール、およびプラクティスに関連するトピックをカバーする必要があります。対処する必要がある素材は非常に多く、これらの概念は、先に述べた5つのポイントを満たすために導入されます。これらがなければ、アプローチは単純に機能しません。
今、余談に触れて、私に対して、私が提示するビジョンが彼らが現在行っていることとは大きく異なると言って挑戦してくる人々がいます。彼らはそれが進歩が非増分的で破壊的であると主張し、この数量的なサプライチェーンアプローチを考慮する前に徐々に改善することを好むと主張しています。しかし、私はこの「はい、歩き、走る」アプローチは誤りだと考えています。進歩はしばしば非増分的で破壊的です。例えば、Amazonがクラウドコンピューティングプロバイダになることを決めたとき、彼らはオンラインで本を販売することからオンデマンドのクラウドコンピューティングリソースを提供することへの大きな飛躍をしました。これは穏やかな段階的な進歩ではなく、破壊的な変化でした。
同様に、ヘンリー・フォードの有名な言葉があります。彼はもし彼が顧客に何を望んでいるか尋ねたなら、彼らはもっと速い馬を求めたでしょうと言いました。ポイントは、私がリストアップした要件が必要であるという考えを受け入れ、ほとんどの企業が問題を正しい視点から見ることさえ始めていないということです。したがって、ほとんどのクライアントとのスタートポイントは、この分野でほとんどの人が実際には成熟していないということです。間違ったメトリックを最適化する大きな部門を持つ大企業が供給チェーン管理に実際の成熟度を持っていると考えるのは幻想です。
聴衆への私のメッセージは、他の企業がやっていることをやっていないからといって自分自身が未熟だと考えないことです、特にそれらの企業の官僚組織の規模に関しては。私の視点からは、これは彼らの効果についてはほとんど何も言っていません。私が最も成熟していると思う企業は、通常、小規模でアジャイルな北米のデジタルに焦点を当てた電子商取引企業です。彼らには大規模なデータサイエンティストのチームは持っていませんが、代わりに適切なマインドセットと適切な数値レシピを持った数人の人々がいます。
結論として、問題の必要性側に関連する側面をカバーしました。次の講義では、問題の十分性側を見ていき、問題の声明と解決策に焦点を当てます。ただし、問題の声明側から始めることが重要です。なぜなら、私たちが提示している解決策が価値があるのか、単に問題を探している解決策なのかを理解することができるからです。
今日はお時間をいただき、ありがとうございました。さて、質問に答えます。
質問: 微妙なデューンの言及を楽しんだ。
デューンの言及を楽しんでいただけたことに感謝します。この本の主要なキャラクターは、すべての可能な未来を見る能力を持っており、それによって優れた戦略的能力を得ています。このメタファーは、サプライチェーン管理に非常に適しています。あなたがすべての可能な未来を検討できるならば、正確にどれが起こるかはわからなくても、それは一つの可能な結果しか考慮していない競合他社に比べて大きな利点を与えます。
質問: 2次ドライバについてもう少し詳しく説明していただけますか？
「2次」と言うとき、私は2次の結果を指しています。サプライチェーン管理では、単純な物理システムの予測可能な軌道だけでなく、人間と複雑なシステムとの関わりも考慮する必要があります。人々は適応することができ、私たちは彼らの行動と反応を考慮しなければなりません。
例えば、以前のLokadでは、特定の発注数量を提案しましたが、クライアントが私たちが推奨した数量よりもはるかに高い数量で注文をすることがわかりました。実際、クライアントが商品を受け取ったとき、受付担当のチームは最初の注文と一致するかどうかを確認するためにアイテムを再計算することがわかりました。受け取った数量が注文と一致しない場合、彼らのシステムには特異な制限がありました。彼らは注文全体をキャンセルして商品を返品し、生産ラインを危険にさらすか、受け取った数量を注文の数量に変更することができました。数年間、いくつかの賢いサプライヤーはこのERPシステムのユニークな特性を発見しました。四半期の終わりが近づいて目標を達成していないとき、彼らは何でもこのクライアントに押し付けることができることを知っていました。クライアントはそれを受け入れ、請求書を支払い、何の質問や苦情もありませんでした。
これは私が「二次効果」と呼ぶものの例です。ERPのささいな、ありふれた側面がありますが、システムを操作するスマートな人間がいるため、このようなことが起こることは避けられません。人間が関与する場合、何をしても考え、反応することができるためです。二次的な結果の考え方は、結果の結果を考慮する必要があるというものです。それは四次または五次の順序であるかもしれません-連鎖的な結果について考える必要があります。これは知的な挑戦的なゲームですが、二次的な結果を考慮に入れないと、誤った決定を下す可能性があります。
二次経済ドライバについては、それらにドル価値を付けることが重要ですが、難しい場合もあります。重要なのは、正確に間違っているよりもおおよその見積もりをすることです。正確な計算によって迷路に迷い込むよりも、意味のあるおおよその見積もりを持つ方が良いです。
質問: 完全なロボット化に使用される技術は何ですか？
完全なロボット化にはさまざまな技術がありますが、プログラミングパラダイムについての今後の講義でカバーします。ソフトウェアについて話しているとはいえ、ロボット化を実現するために最も望ましいコアデザインの特性を考慮する必要があります。主な目標は、必ずしもAIではなく、製品レベルのソフトウェアを作成することです。予測誤差をゼロパーセントにすることはできませんが、正気度をゼロパーセントにすることを目指すことができます。
「正気度」とは、会社全体を危険にさらす可能性のあるものを指します。たとえば、ターゲットカナダはサプライチェーンの最適化が失敗したために破産し、ナイキは2004年にロカドの競合他社であるサプライチェーンソフトウェアソリューションが会社の崩壊寸前になったときに災害に直面しました。したがって、まず次の講義でこのトピックをカバーしますが、そこにたどり着くまでに少し時間がかかります。
質問: 予測では、多くの進行的な変数を網羅しようとすると、モデルを自分で開発する必要があり、シミュレーションになる可能性があります。何か考えはありますか？
未来の正確なシミュレーションと確率的な予測の間には明確な違いはありません。これらは、将来を理解するための数値的な手法の異なるフレーバーです。確率的な予測モデルがある場合、将来を表す軌跡を生成することができます。確率を取り、偏差を描き、架空の観測値を作成し、モデルを再学習し、確率を再構築し、反復します。シミュレーションと統計モデリングの区別は薄くなりますが、特にサプライチェーンの目的に適したモデルの場合は、完全に重なります。大部分において、それらは完全に重なります。
質問: あなたが開発したソリューションはサービスベースですか、それとも両方の組み合わせですか？サプライチェーンの将来に対するこのアプローチについてどのように考えていますか？
Lokadでは、ドルで表されるサプライチェーンのパフォーマンスを提供することを目指しています。この領域には非常に複雑な要素があり、予測において不確実性が不可避であるように、すべての問題に一度に対処しようとすると、複雑さは不可避です。問題に対するメタソリューションが必要です。Lokadで取られるアプローチは、サプライチェーンの科学者、具体的にはサプライチェーンの科学者の必要性を認識することです。AIが現代のサプライチェーンの課題を理解できると考えることは現実的ではないと思います。
私たちの仕事を効果的にするためには、スマートで経験豊富な人材が必要です。Lokadは、サプライチェーンの科学者が生産的で非常に信頼性の高い製品を開発しました。課題は、これらのサプライチェーンの科学者に適したツールを提供することです。要するに、Pythonは解決策ではありません。また、これらの講義を進めるにつれて、ほとんどの汎用プログラミング言語には深刻な問題があることがわかるでしょう。これらの設計上の問題により、サプライチェーンの問題に対処するのに適していないのです。私たちは細かい点に触れる必要があります。なぜなら、「製品レベル」や「製品の準備ができている」という意味には、多くの微妙なニュアンスがあるからです。覚えておいてください、「ゼロパーセントの正気度」が必要なのです。なぜなら、サプライチェーンに悪影響を及ぼす狂気じみたロボットがある限り、それはうまくいかないからです。まずはそれに対処する必要があります。
質問: しばしば数量的なアプローチでは、まだ数量化されていないものや、ERPシステムではなくExcelスプレッドシートにあるものを数量化する必要があります。この問題に対処する最も効率的な方法は何ですか？この追加情報をERPシステムからの情報と同じくらい信頼性の高いものにするにはどうすればよいですか？
ここには2つの異なる問題があります。まず、現状では、報酬やエラーの数量化に関する問題は、政治的に非常に困難です。大規模な組織の多くの人々は、収益や報酬の金額について話し合わないようにする強力なインセンティブを持っています。そうしないと、企業が付加価値ゼロであることに気付くことになります。そのため、強力な政治的な力が働いているため、多くのことが数量化されていないのです。
具体的にするために、Lokadは小売ネットワークの在庫最適化のために働き始めたとき、在庫が2つの根本的に異なる目的に使用されていることに気付きました。最初の目的は、適切に顧客にサービスを提供するために、一定量の在庫が必要です。もう一つの目的は、店舗が満杯で魅力的に見えることであり、これには追加の在庫が必要です。私たちは、この大規模小売業者の在庫をユーロで表現し、在庫の半分がサービス目的のために供給チェーンによって管理されるべきであり、もう半分がマーチャンダイジング目的のためにマーケティングの責任であると述べました。明らかに、予算に大量の在庫ラインが入ることになったマーケティングは、このアイデアには満足していませんでした。
したがって、まず、報酬とコストの金額を数量化するためのルールを確立することが非常に困難であることに対処する必要があります。そして、これらのルールはすべての人に平等に適用されるべきです。これは実現が難しく、組織内の多くの人々がこのような状況を維持することに利害関係を持っています。もう1つの問題は、実際にははるかに簡単に対処できるものです。それはシャドウITです。ERPや類似のソフトウェアの問題は、ERPベンダーがすべての状況をカバーすることが非常に困難であるということです。たとえば、最小発注量（MOQ）があるかもしれません。ERPでそれをどのように表現するかは実際には依存します。MOQは製品レベル、注文レベル、または両方の組み合わせである場合もあります。テキスタイルのように、MOQが各色の生地の量で定義される場合など、さらに複雑な場合もあります。
問題は、ERPベンダーにとって、それらすべてを表現することは非常に困難であるということです。その結果、人々はERPを購入してから、必要なすべてを表現できないことに気付き、Excelスプレッドシートに戻ることになります。私はそれが良いIT部門の役割であると考えています。つまり、シャドウITがシャドウITのままでなく、代わりに社内拡張の小さな追加部分になるように、不足している部分を構築して提供することです。ある意味では、ERPを持つことは良いことであり、私のアドバイスはERPをカスタマイズするのではなく、別の方法を取ることです。それはメンテナンスが容易であり、ERPの上に「フランケンシュタイン」のように進むよりも良いです。
ご視聴いただき、ありがとうございました。次回の講義は、来週の同じ曜日、同じ時間に行われます。またお会いしましょう。さようなら。
