00:00:08 イントロダクションとStephen Disney氏の経歴。
00:01:26 供給チェーンにおけるブルウィップ効果の概要。
00:02:26 ブルウィップ効果の四つの主要な要因。
00:05:17 欠品がブルウィップ効果に与える影響。
00:06:02 現代におけるブルウィップ効果の重要性とその緩和策。
00:08:00 供給チェーン管理における需要予測と確率モデル。
00:10:23 より多くの選択肢の育成と代替手段の活用によるサービス向上。
00:12:13 点予測から確率的予測への移行による供給チェーン問題の緩和。
00:14:35 供給チェーンの補充アルゴリズムにおける制御理論の応用。
00:15:38 供給チェーン管理におけるフィードバック制御の類推についてJoannesが語る。
00:16:00 高次元のゲームにおける確率的勾配法と局所最適化。
00:17:11 産業や垂直市場ごとの異なる最適化手法。
00:19:07 実際の供給チェーンにおける最適化技術の応用。
00:20:54 正確な需要予測と生産工学の重要性。
00:23:20 現代におけるブルウィップ効果の意義とCOVIDパンデミックとの関係。
00:25:01 供給チェーンの変動を定量化することの実現可能性についての議論。
00:26:05 供給チェーンにおける財務管理についての議論。
00:26:22 Stephenによるデュアルソーシング供給チェーンの研究。
00:27:24 デュアルソーシング供給チェーンのメリットに関するStephenの見解。
00:28:01 供給チェーンと制御システム、自然振動数の比較.

要約

Kieran Chandlerは、Lokadの創設者Joannes Vermorel氏とオペレーション管理教授Stephen Disney氏に、供給チェーンにおけるブルウィップ効果についてインタビューしています。Disney氏はこの効果の四つの主要な要因を特定し、企業が制御工学のアイデア、情報共有、その他の戦略を用いてこれを緩和できると示唆しています。Vermorel氏は、確率的予測の重要性と、供給チェーン管理におけるオプショナリティの習熟を強調しています。Disney氏は制御理論を紹介し、これらの技術を実装するための実践的なアドバイスについて議論します。両専門家は、ブルウィップ効果は必然ではないと考えています。Disney氏の研究はデュアルソーシング供給チェーンに焦点を当て、disruptionsに対する耐性を向上させます。彼らは、COVID-19パンデミックからの供給チェーン回復がリードタイムによって左右されると認識しています。

詳細な要約

このインタビューでは、Kieran ChandlerがLokadの創設者Joannes Vermorel氏とUniversity of Exeterのオペレーション管理教授Stephen Disney氏を迎え、供給チェーンにおけるブルウィップ効果について議論します。ブルウィップ効果とは、通常、システムの入力である需要の変動よりも、システムで観測される変動が大きくなる現象です。

Stephen Disney氏は、過去25年間にわたりブルウィップ効果を研究してきました。彼は、工学的手法、コンピューターシミュレーション、数学を用いて企業がこの問題を理解し緩和する手助けをしてきました。彼は、1997年の論文で指摘された四つの主要な要因を次のように説明します。1) 需要信号処理(需要の解釈、予測、そして在庫補充注文の生成)、2) バッチ処理(最小注文数量または経済発注量)、3) 割当てとゲーム化(欠品により、必要な製品を確保するための過剰注文とその後のキャンセル)、4) 価格変動(製品の需要操作)。

Joannes Vermorel氏は、ブルウィップ効果は普遍的であるものの、その根本原因や現れ方は業界によって異なると指摘します。例えば、小売の生鮮食品業界では、欠品が消費者の購買パターンを同期させ、大幅な需要変動を引き起こすことがあります。

Stephen氏は、1997年の論文の結論は現在でも有効であり、特に生産や流通が需要の2〜5倍、在庫が5〜10倍変動する資本集約型企業において重要であると考えています。彼は、ブルウィップ効果が必然であるという論文の主張に反し、企業は適切な予測方法の選択と調整、制御工学の活用、情報共有(例:EPOSデータやベンダー管理在庫)などの戦略でこれを緩和できると論じています。

Joannes Vermorel氏も、ブルウィップ効果は必然ではなく、企業はその影響を和らげる方法を見出せると主張しています。

Vermorel氏は、供給チェーンの不確実性管理において、点予測から確率的予測へのシフトが大きな進歩であると強調しました。彼は、このシフトが数値の安定性問題を緩和し、需要やリードタイムをより正確な形で表現するのに役立つと述べています。

また、Vermorel氏は、供給チェーン管理におけるオプショナリティの習熟の重要性も強調しました。部品の代替や異なる輸送手段の選択など、様々な選択肢を検討することで、企業は環境の変化に柔軟に対応し、リスクを最小限に抑えられると述べています。彼は、こうした選択肢の活用が近年大幅に拡大し、供給チェーンの最適化が一層可能になっていると指摘します。

Stephen Disney氏は、供給チェーン管理における制御理論の概念を紹介し、シャワーの水温調整に例えました。彼は、供給と需要の振動を回避するために、供給チェーンの意思決定において小刻みな調整が必要だと説明します。この概念は、在庫管理ERPシステムでの補充アルゴリズムに応用され、企業が在庫や仕掛品(WIP)を徐々に調整して、よりスムーズで安定した供給チェーンを実現するのに役立ちます。

Joannes Vermorel氏はDisney氏の例えに同意し、ディープラーニングの画期的な進展は、実は小さな調整でシステムを改善する確率的勾配降下法の再発見であったと語りました。この考えは、シャワーの例えにもあるように、不確実性の中で供給チェーンを最適化するために、徐々に小さな変更を加えることの重要性を示しています。

彼らは、供給チェーンの最適化とこれらの技術の実際の応用について議論しました。

Vermorel氏は、産業ごとの経済的な非対称性を考慮した勾配に基づく最適化の有効性を論じ、例えば、ラグジュアリー時計の生産では、使用される材料の粗利益やリサイクル性が高いため、特定の制約が適用されない場合があると述べました。また、ある業界で無駄とされるものが、他の業界では合理的である可能性があることを理解する必要があると強調しました。

一方、Disney氏は、企業がこれらの技術を実装する上での実践的な助言について語ります。彼は、製品の生産プロセスと供給チェーンの戦略的ニーズを理解するために、バリューストリームマッピングから始めることを提案します。企業は、在庫削減に注力すべきか、あるいは能力コストが重要なのかを見極める必要があり、これらが最適化のアプローチに影響を与えます。また、需要、予測、生産目標、完了、在庫レベルの時系列を精査して、システム内の変動の原因と影響を明らかにすべきです。

Disney氏は、手動での予測調整がアルゴリズムによる予測に比べて付加価値をもたらすか、また選択した予測アルゴリズムがビジネスニーズに適切に調整されているかを検証することを推奨します。さらに、予測を利用するアルゴリズムがITシステム、ERPシステム、またはスプレッドシート上で正しく設定され、生産計画やサプライヤーからの調達に活用されていることが重要だと強調します。最後に、機械の信頼性や製品品質といった生産工学の側面も重要視されています。

現代におけるブルウィップ効果の意義について、Vermorel氏はCOVID-19パンデミックがブルウィップ効果そのものの直接的な表れではなく、非正規分布を考慮する重要性を供給チェーン管理者に改めて認識させるファットテール事象の一例であると述べています。また、パンデミック後の状況が、アジアの電子産業で見られるようなブルウィップ効果に似た問題を生じさせる可能性があると推測しています。

Vermorel氏は、あらゆる可能な未来と意思決定を検討することで、企業が供給チェーンの問題に対してより細やかな対応を可能にすると説明しています。このアプローチは20年前には技術的に不可能でしたが、現在では企業が財務上の成果をより効果的にコントロールできるようになっています。供給チェーンは非線形なコスト構造を持ち、例えば生産量を倍増させると、残業費、積極的なメンテナンスなどにより費用が5倍になることもあります。これらの問題を完全に排除することはできなくとも、財務的な視点からはより効率的に管理できるのです。

Disney氏の研究は、企業が大部分の製品をリードタイムの長い低コスト国から調達し、残りを小規模な国内工場で補完するデュアルソーシング供給チェーンに焦点を当てています。国内工場は需要の変動に迅速に対応し、在庫を厳しく管理する一方で、大部分の需要は遠隔地の低コスト工場で満たされます。この手法には、グローバルな流通の削減、製造の欧米回帰の可能性、そしてdisruptionsに対する耐性向上など、いくつかの利点があります.

Disney氏によれば、供給チェーンは橋が風に揺れるように固有の振動数を持っており、COVID-19の影響で現在その自然振動数で振動しているため、需要は周期的に増減するといいます。リードタイムの長いグローバル供給チェーンは回復に時間がかかる一方、リードタイムの短い供給チェーンは迅速に回復するとされています.

完全なトランスクリプト

Kieran Chandler: 本日のLokad TVへようこそ。今回はUniversity of Exeterのオペレーション教授であるStephen Disney氏をお迎えし、この現象がなぜ発生するのか、また供給チェーンの専門家にどのような影響を与えるのかについて解説していただきます。ではStephen、Exeterから生放送に参加いただきありがとうございます。まずは、ゲストについてもう少し教えていただけますか。

Stephen Disney: はい、私の名前はStephen Disneyです。英国Exeter大学のオペレーション管理教授を務めております。私は供給チェーンのダイナミクスに興味があり、この25年間、ブルウィップ効果を研究してきました。工学的手法、コンピューターシミュレーション、数学的手法を用い、ビジネススクールに在籍しながら企業の問題解決にも貢献してきました。非常に魅力的なテーマだと思っており、本日この話題について語る機会をいただき感謝しています.

Kieran Chandler: もちろんです。ブルウィップ効果の概念について、もう少し詳しくご説明いただけますか。

Joannes Vermorel: 私の理解では、ブルウィップ効果とは、供給チェーンというシステムにおいて、システムの入力である需要の変動よりも大きな変動が観測される現象を指します。ちなみに、入力の変動を拡大する要因があれば、逆に変動を減衰させる要因も存在するのです。例えば、在庫バッファがその一例です.

Kieran Chandler: ではStephen、このブルウィップ効果に影響を与える要因とはどのようなものでしょうか?

Stephen Disney: ええ、Hau Lee氏の1997年の論文では、ブルウィップ効果の四つの主要な要因が指摘されました。一つは需要信号処理で、これは需要の解釈、予測、そして補充注文の生成に関するものです。次にバッチ処理、つまり最小発注量または経済発注量を用いて生産することで変動が生じるというものです。さらに、製品の不足状況では必要な製品を確保するために過剰に注文し、その後キャンセルするという割当てとゲーム化、そして最後に価格変動があります.

Kieran Chandler: 売上管理の技術も関係するのでしょうか?

Joannes Vermorel: そうですね。システムの構造、つまりリードタイムを伴う需要信号処理と補充システムが基本的な要因です.

Kieran Chandler: そしてStephen、先ほど言及された需要信号、すなわち予測がこれらの中で最も注目されているようですが、それで適切だとお考えですか?

Joannes Vermorel: 私は、それが業界ごとに異なると考えています。私自身の観察では、さまざまな業界で支配的な要素が存在しながらも、ばらつきの拡大効果、いわゆるブルウィップ効果が発生していることが分かります。しかし、その根本原因は全く異なり、非常に単純です。例えば、生鮮食品の小売業では、実際に在庫切れがその原因となっています。在庫切れが発生すると、顧客の消費パターンが同期する傾向にあるため、多くの食品小売企業では需要の大幅な変動が観察され、在庫切れが発生すると一部の顧客が消費を少し遅らせる結果、消費パターンが同期する増幅効果が生じます。在庫切れ自体が、顧客を同期させることで大きな変動を引き起こすこともあります。結局のところ、これらの効果は全体的に遍在していると私は信じていますが、その現れ方は対象とする業界に大きく依存します。元の論文はFMCGに広く焦点を当てていましたが、FMCG以外の企業を見ると、その現れ方はかなり異なる傾向にあります。

Kieran Chandler: さて、Stephen、この論文の主要な結論について話しましょう。20年以上前に発表された論文ですが、主要な結論は何で、今日でも依然として有効だと言えますか?

Stephen Disney: 私は、この結論が今日でも非常に有効だと思います。主に、ブルウィップ効果は避けられない、と特に需要信号処理の側面から指摘されていました。低い相関関係を持つ正の需要は常にブルウィップ効果を生み出します。そして、企業で見られるのは、通常、個々の製品レベルで生産や流通が需要の2倍、時には5倍のばらつきを示すということです。これにより在庫にも影響が及び、在庫は需要の5~10倍も変動することがあります。多くの企業がこの現象に苦しんでおり、サプライチェーンの下流にある資本集約型企業ではこれが大きな非効率を引き起こします。主要な結論は、グローバルサプライチェーンの時代において、リードタイムが長くなった現状では特に relevant です。ただし、「避けられない」という点には同意しかねます。私たちにはできることがあり、より適切な予測手法を選ぶことが可能です。

Kieran Chandler: 予測手法を適切に調整することができ、制御工学の理論や手法を用いて補充の意思決定を行い、ブルウィップ効果を平滑化・排除することも可能です。さらに、小売サプライチェーンではEPOSデータなどの情報を活用できますし、サプライヤーがあなたの在庫情報にアクセスし、それを元に意思決定を行うベンダー管理在庫(VMI)などの技術も利用できます。これらすべてがブルウィップ効果を緩和するのに役立ち、場合によっては完全に排除することも可能です。Joannes、この考えについてどう思いますか?最終的なものではなく、影響を抑える方法や手段があるという考えに賛同されますか?

Joannes Vermorel: 私の見解では、予測の観点を見ると、この20世紀後半のアプローチはポイント予測にしっかりと根ざしています。これは、年、日、週、または月ごとに1つのデータポイントを持つ時系列予測であり、その予測を在庫管理の観点から先に展開していく手法です。Lokadが10年以上にわたって行ってきたのは、不確実性のある需要やリードタイムといったすべての領域において、確率的予測へとシフトすることです。ポイント予測では、常に遅れが生じるか、あるいは反応的すぎることで大きな変動が発生するという呪縛に悩まされていました。これらは、そもそもポイント予測に起因する数値的安定性の問題なのです。しかし、確率的予測の領域に移行すると、これらの問題はほとんど完全に解消されます。これが私の回答の第一部です。

第二の部分は、私がサプライチェーンに取り組む際のアプローチであり、それは選択肢の極意、つまりより多くの選択肢を育むことだということです。需要やリードタイムを一枚岩とみなすビジョンは、ある意味で時代遅れだと思います。まず、代替の可能性が大きな役割を果たします。時には、この代替を活用してより良いサービスを提供するよう設計することすら可能です。提供する製品間で部品が共有されている場合、例えば製薬業界の原型に必ずしも従う必要はありません。

Kieran Chandler: Joannes、潜在的なサプライチェーン問題を緩和するために、輸送やパッケージングの面で常に選択肢を開いておくという考えについてはどう思われますか?

Joannes Vermorel: 原材料となるアクティブな製品は必要ですが、その後、選択肢を常に開いておくために、最終段階で150種類のパッケージングオプションを採用することができます。現代では、航空、海上、鉄道、道路など、豊富な輸送オプションが利用可能です。いずれのオプションも固定的なものではなく、費用の高低によるグラデーションがあります。状況に応じて、リードタイムを大幅に圧縮し、差し迫った在庫切れを緩和するために、非常に高いコストをかけて航空便で早期出荷を行うこともありますが、それは全生産に適用するわけではなく、一部のみを行います。ですから、サプライチェーンの問題が必ずしも避けられないというStephenの結論には同意しつつも、これを緩和し、サプライチェーンをより収益性の高いものにする方法は、過去20年で飛躍的に拡大したと言えます。

Kieran Chandler: Stephen、あなたは制御理論の利用という考えに触れましたが、これはより工学的な手法だと思います。このような状況にどのように適用できるのでしょうか?

Stephen Disney: 私がよく使う例え話があります。それはシャワーを浴びることに例えるものです。サプライチェーンでは、私たちはある決定を行い、しばらくしてから生産システムやサプライヤーから製品が届きます。原因である決定と、結果である製品到着との間には遅延があります。ここで、温水と冷水の蛇口が別々になっている昔ながらのシャワーを想像してください。温度を調節するために、まず温水の蛇口を全開にして温水が流れ出し、頭に落ちるのを待ち、その後、冷水の蛇口を使って温度を調整します。もし冷水の蛇口を急いで操作すれば寒くなり、また急いで戻せば熱くなってしまいます。シャワーでは、蛇口をゆっくり操作し、水がパイプを通って所望の温度に達するのを待つべきだと分かっています。

同じ原則がサプライチェーンにも適用されます。例えば、需要が急増した場合、新市場への進出や製品の人気上昇が原因であっても、その増加全体を一気に追いかけると、供給と需要の間に振動が生じてしまいます。実際のところ、需要の変化にはゆっくりと反応することが求められます。もし需要が一時的であれば、それが落ち着いた時に急激に追随することはありません。

Kieran Chandler: では、Joannes、生産のばらつきを平滑化する補充アルゴリズムについて触れていましたが、もう少し詳しく教えていただけますか?

Joannes Vermorel: はい、もちろんです。生産注文や補充注文が、需要のピークと谷の中間を流れるような滑らかなパターンを生むのは、補充アルゴリズムのおかげです。ERPシステムの補充アルゴリズムでは予測が使用され、通常、高ボリューム製品に対しては「ウォーターアップ・トゥ・ポリシー」と呼ばれる手法の一種が用いられ、在庫と仕掛品の2つのフィードバックループが組み込まれています。つまり、目標在庫、すなわち安全在庫が設定され、実際の在庫がそれを下回っているか上回っているかに応じて対処します。一度にすべてを修正するのではなく、時間をかけてゆっくりと修正し、生産にかかるばらつきを平滑化するのです。仕掛品(WIP)についても同様です。リードタイムが長い場合、船やコンテナで輸送される製品に対しても目標値があり、在庫と同じ方法でそれを考慮しなければなりません。しかし、これはアルゴリズムに対する小さな変更でありながら、サプライチェーンのダイナミクスに大きな影響を与える可能性があります。

Kieran Chandler: Stephen、このような例えについてはどう思われますか?まるでフィードバックコントローラーのような考え方に従うのは非常に明快に思えますし、表面的にはうまく機能しているように聞こえますね。

Stephen Disney: さて、Kieran、現代においては、ディープラーニングの最大のブレークスルーの一つが、まさにそれである確率的勾配降下法の力の再発見であったと言えます。システムを学習の方向に向かって、少しずつ微調整していく。この確率的勾配降下法が示すのは、まるでシャワーの例え話のように、熱と冷の微小な調整を繰り返して最適な状態に到達するというものです。非常に興味深いのは、20年前には、いわゆる局所最適化、すなわち勾配に沿って進めば高い最適解が得られるという考えに対して、多くの人々が非常に懐疑的だったことです。「そうすると局所最小値に陥ってしまい、うまくいかない」という懸念がありました。しかし現実には、非常に高次元の問題を扱う場合、局所最小値そのものが問題ではなく、収束速度が課題となり、確率的勾配降下法のように小さな動きでシステムを微調整する手法は非常に効果的です。これが私の考察の一部です。さらに、最適化しようとする対象についてですが、これもまた見る対象の業界に大きく依存します。例えばハードラグジュアリーを考えてみましょう。あなたが名高い時計職人であり、非常に高価な時計を製造しているとします。極端な例として女性用時計を考えると、基本的には貴金属で作られた100%リサイクル可能なジュエリーのようなものです。貴金属や宝石が使われており、ムーブメントは標準化されています。では、あなたの制約は何でしょうか?つまり、店頭に何か展示できなければ顧客は購入しないという点です。

Kieran Chandler: 市場としてのハードラグジュアリーは新奇性に大きく左右されるため、大量生産が求められますが、生産しなければどうなるのでしょうか?

Joannes Vermorel: まあ、生産しない場合、高価な時計を店舗に戻し、貴重な宝石を取り外し、金属をリサイクルしてムーブメントを新しい時計に組み込む、というプロセスになるでしょう。そして、組み立て工程が時計のコストの約5%に過ぎず、粗利益が80%にもなることに気付くのです。このような状況では、非常に強い非対称性が働いています。当然、これは業界によって異なり、超タイトなマージンで運営されるFMCGとは全く異なるものです。私の主張は、勾配に基づく最適化は確実に機能するが、同時に経済的なドライバーの非対称性を考慮して、均衡のスイートスポットとなる領域を見極める必要があるということです。そして、業界によっては、一方で極端に無駄と見なされるものが、別の業界では非常に合理的と評価されることもあるのです。

Kieran Chandler: さて、Stephen、これらの技術の実世界での応用について少し話しましょう。この論文はこれらの問題点を非常にうまく指摘していましたが、対処方法については具体的な指示がなかったように思います。そこで、あなたが関わる企業に対して、どのようなアドバイスをされているのでしょうか?

Stephen Disney: Joannesの考えを踏まえると、まず第一に、あなたのサプライチェーンのニーズを理解することです。価値ストリームマッピングはそのための重要な第一歩です。製品が生産されるプロセスを理解し、そのプロセスの戦略的なニーズを把握する必要があります。たとえば、在庫削減だけに注力するサプライチェーンなのか、あるいは生産能力コストが大きな役割を果たすのか。もし在庫にのみ焦点を当て、ブルウィップ効果に影響がなければ、在庫コストの最小化に注力すればよいのです。しかし、資本集約型の業界では、完成品や原材料の在庫コストと、生産設備やそこに縛られた資本の効率的な利用のバランスを取る必要があるでしょう。つまり、自社のサプライチェーンを理解し、マッピングし(私は価値ストリームマップを用いるのが好きです)、その上で需要、予測、製造目標と製造完了、在庫(完成品、原材料)の時系列を重ね合わせるのです。そして、サプライヤーに目を向けた際、予測はどのようになっているのか、サプライヤーに出す注文呼び出しが彼らの納品と一致しているのか、また必要なものについて信頼性のある将来の指針を提供できているのかを確認します。これにより、システム内でばらつきがどこから生じ、それがどのような影響を与えているのかを理解できるようになります。ばらつきが必ずしも悪いわけではありません。サプライチェーンの戦略的ニーズを理解した後、予測の方法について考え始めることができます。多くの企業は予測を手動で調整しますが、それがアルゴリズムによる予測と比べて実際に価値を付加しているのかを検討する必要があります。

Kieran Chandler: 正しい予測アルゴリズムを使用していますか?それらはビジネスのニーズに合わせて適切に調整されていますか?在庫中心のサプライチェーンは、資本集約型の予測企業とは異なる予測ニーズがあります。覚えておくべきは、私たちが未来をどれだけ正確に予測できるかを示すためではなく、サプライヤーからどれだけ注文し、どれだけ生産すべきかというビジネス上の意思決定を行うために予測を作成しているということです。では、その予測を利用するアルゴリズムは正しい位置に設定されていますか?それらは比例フィードバックコントローラー(タップの速度など)を備えていますか?正しく設定されていますか?

Stephen Disney: それは、ITシステム、ERPシステム、または生産計画やサプライヤーからの調達に使用しているスプレッドシートで行える作業です。そして、昔ながらのエンジニアリングの仕事も必要です。生産システムは望ましい計画通りに生産できますか?機械は信頼できますか?生産目標を達成できていますか、それとも時には過剰生産または不足生産になっていますか?高品質な製品を生産していますか?これは、予測、コンピュータサイエンス、制御工学、そして昔ながらの生産工学が組み合わさって、サプライチェーンに適したレベルまでブルウィップ効果を抑えるためのものです。

Kieran Chandler: 素晴らしい。そしてヨアネス、現代においてブルウィップ効果はどれほど重要だと思いますか?COVIDが、ブルウィップ効果が実際に働いている非常に良い例だったと言えますか?

Joannes Vermorel: つまり、COVIDは誰にとっても非常に大規模な混乱をもたらしました。しかし、これが正確にブルウィップ効果の現れだとは思いません。もしCOVIDを象徴する一つの特徴があるとすれば、それは一種のファットテール事象、すなわち裾の厚い分布の事象であったということです。これは、サプライチェーンにおける分布、つまり統計的分布が正規分布ではなく裾が厚いものであることを思い出させるものであり、正規分布で見ると非常にありそうにない極端な事象でも、実際にはそれほどあり得るということを意味しています。

I納期の不規則性により、このパンデミックの結果としてブルウィップの形をとるさまざまな問題が発生するのではないかと思います。ある程度、現在アジアの電子機器分野で見られる現象がそれに当たると思います。しかし、それが支配的になるとは考えていません。今日非常に興味深いのは、あらゆる可能な未来を検討し、あらゆる可能な決定と組み合わせるアプローチを取ることで、20年前には技術的に不可能だった非常に細かい対応が可能になるという点です。通常、サプライチェーンでは非線形的なコストが伴うため、需要の変動を超えるシステム内のばらつきにどこまで踏み込むかを定量化できるのです。

Kieran Chandler: 同じ期間内に生産量を2倍にしようとすると、費用が単純に2倍になるとは限らず、残業が必要になったり、機械が集中的なメンテナンス状態で稼働しなければならなかったりするため、場合によっては5倍のコストがかかることもあります。問題は、これらの問題を完全に排除できるか、あるいは少なくとも財務の観点から管理下に置くことで、会社の財務結果に対してより大きなコントロールを持てるかどうかです。

Joannes Vermorel: 今日では、それらの問題を完全に排除することはできないと思いますが、財務の観点から大部分を管理下に置くことは可能で、結果として会社の財務成果に対して大きなコントロールが得られます。

Kieran Chandler: スティーブン、最後の一言はあなたにお任せします。あなたは統計手法の分野と、それをオペレーション管理に応用する研究を多くされていますが、現在何に取り組んでいるのか、そして今後数年間で何が注目されると考えていますか?

Stephen Disney: 最近、デュアルソーシングのサプライチェーンについて多くの時間を費やしています。これは、大部分の製品を遠方の低コスト国から調達しつつ、少量を国内の小規模な工場で補完するサプライチェーンです。国内の小規模工場は納期が短く、現地生産の場合は単位あたりのコストが高くなるかもしれませんが、長納期で低コストなサプライチェーンから大部分の需要を満たすことができるため、平均的な単位コストは非常に低くなります。小規模工場は需要の変動に合わせて生産量を迅速に柔軟に調整できるため、国内の小さな工場で在庫を厳しく管理しながら、遠隔工場の低コスト製品で大部分の需要を満たすことが可能になります。

これらのアイデアをどのように活用するかを見るのは興味深いです。世界中での製品の正味の流通量が減少するため、環境面でも良い影響があると思います。これは、高コストな西洋諸国に製造業を取り戻す興味深い方法であり、サプライチェーンの混乱に対してより強固な体制を構築することに寄与するでしょう。

最後の質問を踏まえると、私にとってサプライチェーンは自然振動数を持つシステムです。まるで橋が風に揺られて特定の周波数で振動するのと同じように、サプライチェーンにも固有の振動数があります。そして私たちは、COVIDという大きな衝撃を与えたのです。サプライチェーンは、その振動が収まるまで数年間、固有の振動数で揺れ動くでしょう。需要が上昇し、その後下降し、再び上昇する様子を見ることになるでしょう。納期の長いグローバルなサプライチェーンは収束に時間がかかる一方、短い納期のサプライチェーンははるかに早く回復します。

Kieran Chandler: 素晴らしい。では、お二人ともお時間をいただきありがとうございました。今週はこれで全てです。ご視聴いただき本当にありがとうございました。次回のエピソードでお会いしましょう。ご覧いただき、ありがとうございました。