00:00:00 コナー・ドハティによる紹介
00:00:35 ディベート形式の説明
00:02:59 ヨアネス・ヴェルモレルの開会の挨拶
00:09:52 キャロル・プタックの開会の挨拶
00:17:07 ヨアネス・ヴェルモレルの反論
00:22:13 キャロル・プタックの反論
00:27:17 ヨアネス・ヴェルモレルの締めの言葉
00:29:19 キャロル・プタックの締めの言葉
00:31:24 聴衆からの質問
00:32:10 意思決定の課題
00:34:56 DDMRPの理論に関する考察
00:37:51 COVID時の需要駆動アプローチ
00:40:52 混乱への対処に関するロカドの見解
00:42:17 DDAEと確率的予測
00:49:14 DDMRPとMRPの比較
00:56:40 最適化のための最小限の技術
00:58:44 大規模小売ネットワークにおけるDDMRPの導入事例
01:00:02 DDMRPにおけるフローの意味
01:01:09 システムレベルでの適応性
01:03:35 ケーススタディの比較は可能か
01:07:46 不確実性の重なりへの対処
01:12:26 DDMRPモデルに対する主な批判
01:19:19 DDMRPでは不十分な場合
01:24:47 プッシュとプルに関する視点
01:26:46 安全在庫と高い変動性
01:29:46 なぜ需要駆動アプローチはより普及していないのか
01:35:01 ディベートの終了
完全な書き起こし
Conor Doherty: LokadTVの非常に特別なエピソードへようこそ。本日はキャロル・プタックとヨアネス・ヴェルモレルとのライブで、できる限り友好的なディベートをお届けする機会をいただいております。キャロルはDemand Driven Instituteのパートナーであり、Pacific Lutheran Universityの客員教授及び著名な経営者としてご活躍中です。一方、私の右側にいるヨアネスは、Lokadの創設者でありCEOです。彼はフランスのCorps des Minesのエンジニアであり、École Normale Supérieureで6年間ソフトウェア工学を教えました.
さて、ディベートのパラメータについて簡単に説明いたします。まずテーマは、「需要駆動適応企業モデルは、実世界のサプライチェーンにおける意思決定の課題に対処できるか?」です。キャロルは賛成の立場、ヨアネスは反対の立場を取ります。まず、事前に合意された通り、各々が7分間の開会発言を行います。最初にヨアネス、その後にキャロルが話します。そして、その後に各話者には5分間の反論の時間が与えられます。その後、各話者は2分間の締めの発言を行います。その時点で、聴衆からの質問をいくつか投げかける予定です。ライブチャットでいつでも質問を投稿して構いません。そして最後に、自由な意見交換の時間が設けられます。これこそが、皆さんが本当に求めているものです.
さて、ディベートの準備として、両話者は以下の定義に同意しました。引用します:「DDAEモデルは、市場の変化を感知し、複雑で不安定な環境に適応し、市場主導のイノベーション戦略を可能にするための管理ツールである。その主な3要素は、需要駆動型の運営モデル、需要駆動型のセールス・アンド・オペレーションズ・プランニング、および適応型のセールス・アンド・オペレーションズ・プランニングである。」 正直なところ、この定義は長いので、その理由からライブチャットにオープンなGoogleドキュメントへのリンクを挿入しました。リンクをクリックすると、これら全ての用語に対する詳細な定義と、話者全員の経歴が掲載されたオープンなGoogleドキュメントにアクセスできます.
さて、ディベートのセクション中は、両話者の発言時間を厳格に管理いたします。唯一の中断は、残り時間が少なくなった際にやんわりとお知らせするための合図のみです。お互いのデバイスで時間を計ることもお勧めします。話者の皆さん、もうすぐ準備セクションは終了です。準備発言の間は、話者は完全に沈黙するようにしてください。もし相手の発言を遮り始めた場合、ミュートにされることになりますので、事前に警告しておきます。最後に、我々の活動やサプライチェーン・ディベートを楽しんでいただけたなら、ぜひLokadのYouTubeチャンネル登録とLinkedInでのフォローをお勧めします.
以上、自画自賛ともいえる宣伝はこのへんにして、ここで皆さんに問いかけます。需要駆動適応企業モデルは、実際のサプライチェーンの意思決定課題に対応できるでしょうか?反対の立場を取るヨアネス、お願いします.
Joannes Vermorel: 皆様、尊敬する同僚、そしてサプライチェーン愛好家の皆様、本日は需要駆動適応企業モデルと、それが実世界の意思決定の課題に対処する能力について議論できることを大変嬉しく思います。この目的のために、キャロルは私に3冊の本を提案しました。『Demand Driven Material Requirements Planning』(2016年)、『Demand Driven Adaptive Enterprise』(2018年)、そして最後に『Adaptive Sales and Operations Planning』(2022年)です.
合計で886ページにも及びますが、心配はいりません。そのうち約三分の一だけを読む必要があるのです。残りは、まるで前回のエピソードの要約が絶え間なく挿入されるNetflixシリーズのようで、これらの書籍は互いに大きく重複しています。皆さんには省略して、一つの非常に冗長な作品として片付けさせていただきます。サプライチェーンに深く携わっている者として、私は需要駆動パラダイムに大いなる期待を持って取り組みました。結局、業界を革命的に変革すると約束する枠組みに、誰が興奮しないでしょうか。しかし、約千ページに自らを晒した結果、私は納得していません.
まずは些細な点から。『Adaptive Enterprise』の43ページより、引用します:「経営者が使命を果たしたいのであれば、どこから始めるべきかを理解しなければならない。」というところです。まあ、確かに。その後、163ページでは「一貫した定義、一貫して同じ原則に従う」とあります。小学校をサボったかもしれない人々のために、『一貫』の意味を定義するのは一貫しているのでしょう。読者を助けるためと思われるイラストも、さほど良いものではありません。150ページには、「Data」とラベル付けされた数字の表、「Graph」とラベル付けされた棒グラフ、そして、なんと「Text」とラベル付けされたテキストが掲載されています。これが明示されているおかげで助かりました。私は棒グラフを現代アートと呼ぼうかと思いました。まるで著者たちは、私たちがこれら基本的な概念を認識できないことを恐れているかのようですが、むしろ彼らは小学校で失敗した人々のための公共サービスを提供しているのかもしれません.
では、簡単な部分が侮辱的なくらい単純であるなら、困難な部分はどうでしょうか?もしかすると、需要駆動の真の価値は、陳腐な表現の間に埋もれているのかもしれません。では、方程式を検討してみましょう。そう、方程式も含まれている、少なくともそのようにラベル付けされています。『Adaptive Enterprise』の17, 25, 28, 29ページで著者たちが「方程式」と呼ぶものに出会います。しかし、これらの方程式は、ギリシャ文字と分数バーのランダムな寄せ集めに過ぎません。想像の及ばないほどのものです。Microsoft Wordの数式エディターを使った経験がある者として、その誘惑は分かりますが、より良いサプライチェーンの意思決定を教えようとしているのであれば、実際の数学的な公式を提供する方が有益だったのではないでしょうか.
逆に、99ページから105ページにかけて、著者たちは非常に退屈な説明を行います。平易な英語で「これを加え、あれを引き、これを掛けなさい」と記しており、まるで数学的演算のための料理レシピのようです。せいぜい半ダースのページは、基本的な公式数行に凝縮できるはずです。しかし、もしそうすれば、需要駆動適応企業の基礎となる数学が中学校の教科書のような洗練さに欠けていることが明らかになるでしょう。『新興の複雑適応システム科学』の一部であると称する作品からは、必ずしも期待されるものではありません.
公平を期すために言えば、これらの三冊の本には、本物の方程式が一つだけ存在します。たった一つです。そして、いいえ、それはDDMRPの書籍の150ページにある、派手な名前にもかかわらず単なる定義に過ぎないいわゆる正味流量方程式ではありません。その唯一の方程式は、『Adaptive S&OP』の156ページに見出されます。それは、田口能力指数です。この公式はWikipediaからそのままコピー&ペーストされたものですが、まあ、方程式であることに変わりはありません。残念ながら、これは機械工学における寸法公差のための方程式であり、通常はサプライチェーンとは完全に無関係とみなされています。S&OPのパフォーマンス目標に関する議論の最中に、ランダムに現れるのです.
さて、著者たちが無関係な方程式で読者を混乱させようとしているわけではないと私は考えます。おそらく単にコピペの海に迷い込んでしまったのでしょう。陳腐な表現と疑似方程式の間をさらに掘り下げると、多くの行動喚起が見受けられます。行動喚起は素晴らしいものです。企業は実際に行動する必要があります。『Adaptive Enterprise』の44ページでは、人々が体系的に考えるための訓練を受けるべきであり、共通の言語、共通のシステム的な言語を持って考え働くべきであり、部門や資源、そして人々の間のつながりを理解できるようにすべきだという一連の提言が示されています.
皆様、なんと素晴らしいプログラムでしょう。私自身がCEOとして、60人の従業員がそれを実現できればと大いに喜ぶでしょう。なお、Lokadではエリートエンジニアリング人材を採用しており、我々にとってもキャロルの示唆は途方もなく困難です。千人規模の従業員が働く企業で、彼らが理解している最大の繋がりが金曜のアフターワークの飲み会であるとしたら、どれほどうまくいくか想像に難くありません。もちろん、私は本書が従業員の考え方を抜本的に改革し、新たな言語を教え、各部門の複雑さを理解させるための指導を示すのを期待していました。しかし、この衝撃的な内容を提示した後、書籍は即座に次の章に移り、これらの高望みを達成するための全くの指導を提供しませんでした.
まとめると、約千ページにわたり、あまりにも明白であったり、全く些細であったり、数学的に無意味であったり、実用性を欠く内容が行ったり来たりしています。需要駆動は供給チェーン管理の定義に革命をもたらすと豪語していますが、皮肉なことに、革命をもたらした唯一の点は、現状のサプライチェーン文学に対する私の失望感に過ぎません.
Conor Doherty: ヨアネス、残り21秒です.
Joannes Vermorel: 大丈夫です.
Conor Doherty: 大丈夫ですか?それでは、ヨアネス、開会の発言をありがとうございました。キャロル、次はあなたの7分間の開会発言に移りましょう.
Carol Ptak: ありがとうございます。まあ、いずれにしても面白い内容でしたが、まるで本の要約やページごとの批評をさせられているかのようだとは思っていませんでした。そういうわけでこの部分は割愛しますが、私は、本ディベートが需要駆動適応企業モデルについての議論であり、本の要約やページ引用の批評ではないことを期待していました。ちなみに、あの3冊はそれぞれ全く異なる、別個の市場向けに書かれたものです。すべての千ページを誰も読むとは思っていませんでした。ただ、ヨアネスの科学的な頭脳を考えれば、サプライチェーンの運営面、戦術面、戦略面の両方に関心を持っているのではと考えました.
では、本題に入りましょう。需要駆動適応企業モデルとは何か、そしてなぜそれが革命的であるのかを見ていきます。DDAEは、複雑適応システムの科学に基づき、サプライチェーンはチェーンではないという理解に立っています。サプライチェーンはこれまでチェーンではありませんでした。我々がサプライチェーンと呼んだのは誤った命名であり、サプライチェーンの命名に関与した我々(私も含めて)は、オペレーショナルな能力の枠組みで、ボトルネックを特定し、その最大化に基づいて全体の出力を最適化するアルゴリズムを使うことに慣れていたためです.
私たちが初めてサプライチェーンと名付けた時、こう言いました。「では、オペレーションを取り、顧客、その顧客の顧客、供給者、供給者の供給者に繋げば、さあ、サプライチェーンが完成する」と。しかし、私たちは大きな間違いを犯したのです。サプライチェーンはチェーンではありませんし、決してチェーンではなかったのです。サプライチェーンは複雑適応システムであり、その運用は、チェーンが採用する線形の科学とは全く異なるものです。チェーンは線形システムですが、複雑適応システムは線形ではなく、ネットワークなのです。多数のノードが存在し、無数の接続があり、残念ながら学者たちはノードを詳細に研究するためにこれらの接続を切り離し、その後すべてを再び組み合わせ、全体を理解できると信じ込むのが好きなようです。しかし実際には、接続が切断された瞬間、全体の文脈が失われてしまうのです.
DDAEが他と異なる点は、サプライチェーンが確かにチェーンではなく、複雑適応システムであるということを理解しているところにあります。つまり、サプライチェーンは一定の状態に長く留まることはありません。いかなる圧力がかかると、すぐに変化し形を変え、定義上、数学的に最適化することはできません。複雑適応システムの科学は、生物学や経済学の概念に由来しており、その点は十分に理解されています。もしそのテーマに関心がおありなら、スタンレー・マクリスタル将軍による『Team of Teams』という非常に良い書籍をご覧になってください.
では、DDAEはどのように機能するのでしょうか。今日、あらゆる企業が変動的で不安定、そして不確実かつ複雑で曖昧な世界にあるということを理解しています。したがって、私たちができなければならないことは、市場の変化を非常に迅速に感知し、生産計画を適応させ、供給者から取り込み、そしてそれらをリアルタイムで処理する能力を持つことです。さて、新しいアイデアでしょうか?いいえ。需要主導という定義は2001年にさかのぼります。実際、私がPeopleSoftにいた時に造語されたのです。2006年頃、チャド・スミスとそのチームがサプライチェーン全体でデカップリングの概念を利用し始めるまで、私たちはその方法を本当に理解していませんでした.
私たちが生きるVUCAの世界、すなわち変動的で不確実かつ複雑で曖昧な世界では、市場への対応時間が顧客の許容時間を下回らなければ、サプライチェーンのどこかで在庫を保有せざるを得ません。したがって、在庫は資産となるのです。我々は在庫を負債としても資産としても論じてきましたが、それは在庫がどこにどれだけ存在するかに依存します。もし適材適所に適切な在庫があれば、在庫は明らかに資産となり、企業の投資収益率(ROI)を改善する、すなわちそれが重要な指標となるのです.
では、いかにしてROI(投資利益率)を推進するために、組織全体にわたって一貫性を実現できるのでしょうか?運用、戦術、戦略それぞれの適切な範囲をどのように管理し、企業が一貫性を保ってROIを達成できるようにするのでしょうか?私が現場に出向いて、工場のジョーに「その日ROIを上げるために何をしたのか?」と尋ねることはできませんが、確実に現場で彼に「どのようにフローを改善したのか?」と話しかけることはできます。そして、これも新しい考えではありません。フローについては非常に長い間知っており、古代フェニキア人が交易船を軍艦に改造しなければならなかった時代にまでその概念は遡ります。
DDAEモデルは、組織内のフローの一貫性に基づいて構築され、組織内のすべてを変革します。もはや私たちはコスト効率や最適化に集中していません。なぜなら、管理対象は線形システムではなく、複雑適応システムであると認識しているからです。そして、現代という運営環境は、激しく変動し不確実で複雑かつ曖昧な世界なのです。例えばMRPは1950年代に考案され、1970年代にジョー・オーリッキーが著書を書いたことで商業化されました。当時私たちが理解していたのは、依存計画が必要であり、MRPの本当の資産はその依存計画にあったということです。
しかし、1950年代と1960年代では、メモリはわずか8Kでテープドライブも数台しかなく、通常、資材計画は週に1回、多くの企業では月に1回しか実施できず、その後に分解していました。そして技術が高速化すれば状況は改善すると本気で考えていました。実際、2001年にPeopleSoftが初のリアルタイムMRPシステムを発表した際、お客様からは「お願いです、やめてください」との反応がありました。なぜなら、サプライチェーン全体を接続しようとする精度の高さが、自己誘発的な変動と不確実性を引き起こし、計画担当者が対処できなくなったからです。
つまり、激しく変動し変化が激しい不確実かつ複雑で曖昧な環境の中で、市場の変化に迅速に対応しつつ、現代のリアルタイムコンピューティングの恩恵を受ける方法は何かということです。ゴールドラット博士と私が共著した『Necessary But Not Sufficient』では技術について論じました。なぜなら、技術が変わればビジネスルールも変わる必要があり、逆にビジネスルールが変われば技術も変わる必要があると理解していたからです。そして今日、machine learningや人工知能といったものがあるというのは非常に幸運なことです。ちなみに、これらもDDAEモデルと同じ科学に基づいています。
そして、これが私たちを非常に革新的にしている要因です。つまり、今やビジネスルールが技術の可能性と一致しているため、市場の変化を感知し、計画と生産を適応させ、サプライヤーからの調達を行い、リアルタイムシステムの恩恵を受けることができるのです。
Conor Doherty: さて、キャロル、余分に3秒を差し上げましたが、有意義な時間でした。どうもありがとうございます。ここで、ジョアンネス、あなたの5分間の反論に移ります。
Joannes Vermorel: そうですね、まず第一に、例えば数学に関して、矛盾が散見されることにどうしても気付かずにはいられません。なぜなら、キャロルが現代のコンピューターについて引用するとき、コンピューターはその名の通り計算するだけだからです。それが彼らの唯一の機能です。水晶玉など持っていません。実際、本そのものには膨大な数の方程式が記されています。繰り返しますが、私はそれを私自身が発見したとは言っておらず、著者自身が方程式として記述し、一覧にしているという事実を述べているのです。そして、非線形性に取り組む際にも、我々は再び数学の領域に足を踏み入れることになるのです。これは私が独自に設定しているものではなく、著者自身が構築しているのです。
さて、これらの本、すなわちデマンドドリブンパラダイムのほぼ聖典とも言える書物に対する私の批判に基づくと、脱線が多いものの、結局のところ全体は部分の和以上であるという反応が返ってきます。つまり、部品単体を見ても意味がなく、どんなに不具合があっても組み合わせれば一瞬にして偉大さが生まれるのです。まるで、トヨタのスペア部品から車を組み立ててテスラを期待するようなものです。そして、なんとそれを裏付けるケーススタディまで存在するのです。これもまた、興味を引く点です。
例えば、DDAEの書籍の325ページには、DDMRPを用いた小売業のケーススタディが掲載されています。そこでは、収益が60%増加し、在庫が40%削減されたと主張し、さらに「最初に在庫がほぼ半減しているにもかかわらず、店舗における品不足感が解消された」と引用しています。もしそれを信じるなら、ブルックリンにかかる橋をお売りしましょう。しかし、ここでの問題は、これらのケーススタディは一切検証できないという点です。驚くべきことですが、その承認はデマンドドリブンの奇跡の治療法を売り込むベンダー自身から来ているのです。まるでレストランのオーナーが自らの五つ星のYelpレビューを投稿するようなもので、「信じてください、ここは町で最高の寿司です」と言うのと同じです。確かにそうかもしれませんが、ケーススタディは結局「私がそう言ったから」という洒落た言い回しに過ぎず、決定的な証拠とは言えません。
さて、ここで、本題に戻りますと、脱線話、事実、複雑適応システムの定義、逸話、サプライチェーンという名称の由来、ERPの改善や技術に関する小話などが飛び交いました。しかし現実には、アダプティブ・エンタープライズのリアルタイムなシンプルテストに立ち返ると、7ページにはキャロルも指摘したように、非線形性が第一原則として挙げられています。これが複雑適応システムの第一原則です。一見印象的に思えますが、サプライチェーンで考えられる最も単純な非線形性、すなわちMOQs(最小発注数量)を見てみましょう。デマンドドリブンは、MOQについて何か深遠な洞察を提供するはずですが、実際には千ページにわたる文献でMOQが言及される回数はたったの6回。各書籍あたり平均すると約2回程度です。それだけの資料があるにもかかわらずです。
具体例を挙げると、63ページでは、計算上全く影響を与えないほど小さいMOQの例が示されています。非常に興味深い内容です。そして115ページでは、コンテナ発注の場合が取り上げられています。MOQによる複数の側面での興味深い非線形性が見られます。では、実際の状況はどうなっているのでしょうか? 発注数量が100単位、コンテナサイズも100単位、そしてMOQ―待ってください―も100単位というのです。なんという偶然でしょうか。まるで、星々がちょうど実際の非線形性に対処する必要がないようにそろっているかのようです。このプロセスは、価格の変動、perishable品、cross-docking、修理可能な設備などあらゆるものに対して繰り返すことができます。デマンドドリブンは、これらの一般的な非線形性について、全く何も語っていません。全くのゼロ、何もありません。
そしてこれがデマンドドリブンの本質です。技術が提供する最高のものを活用して壮大な目標を掲げる派手な理論である一方、技術が提供するのは計算を行うコンピューターだけであり、無数の方程式が存在しているのに、実際には何の効果も発揮していません。つまり、私たちは壮大な目標を設定するだけで、日常の意思決定問題に対処するための具体策をまったく持っていないのです。では、デマンドドリブンが現実のサプライチェーンの課題に対処できると信じるべきでしょうか?考えてみてください。いいえ、絶対に無理です。
Conor Doherty: 数秒余裕がありました。ありがとう、ジョアンネス。キャロル、準備ができたらあなたの5分間の反論に移ってください。
Carol Ptak: ありがとうございます。正直に言って、ジョアンネスが議論すべきモデルについて討論するのではなく、本のレポートを読み上げることを選択したことに非常に失望しています。しかし、まず彼が本で引用しているケースについて触れさせていただきます。来週フランクフルトで、実際にその実装を行った人物とお話しできる場があるので、ぜひご参加いただければと思います。コロンビアのメダンからデビッド・ポヴェダが出席し、具体的な詳細をお伝えするでしょう。
来週開催されるDemand Driven Worldでは、ケーススタディに非常に関心をお持ちであることは存じていますが、信じてください、通常、ケーススタディはソフトウェア会社やコンサルタントが行い、常にアップルに艶を持たせようとするものです。しかし、私たちはDemand Driven Instituteではそれを許していません。すべてのケーススタディは実務者によって実施されています。ですから、ジョアンネス、そしてすべてのリスナーの皆さん、もし来週のDemand Driven Worldにご登録いただけるなら、ぜひご参加ください。
新たに9件のケーススタディが予定されており、Assa Abloyのような企業からは、物流ディレクターのFredrik Helgesson氏が発表します。さらに、メキシコからはMega Alimentosのサプライチェーンディレクター、Antonio Treviño氏が、Mettler Toledoからはグローバルプランニング責任者、A2Aからはマネージングディレクター、Gelwinからはサプライチェーン副社長、Sapoからはプランニング責任者、Koch Engineered Solutionsからはグローバルプランニング・スケジューリング責任者、PPGからはラテンアメリカのサプライチェーンディレクターが参加する予定です。
これらは来週ドイツで発表されるケーススタディの一部に過ぎません。どうか皆さん、ぜひご参加ください。私たちはすべてのケーススタディをウェブサイトに掲載しています。それらは実務者によってのみ実施されており、ソフトウェア会社やコンサルタントが共に発表することは一切許していません。実務者たちは、「これが我々の行ったこと、これがその理由、これが直面した問題、そしてこれが得られた結果です」と率直に述べ、「もし再び行うとしたら、これを変えるでしょう」とも語ります。なお、私たちは彼らのコメントを監視したり編集したりはしていません。
つまり、MOQの考え方に戻ると、ネットフローの方程式が現れるたびにMOQも出てくるため、その出現回数を誤って引用しているように思います。しかし、私は依然として、デマンドドリブン・アダプティブ・エンタープライズの本質を見失っていると考えています。それは、各時間帯に対応するための必要なツールを備えた、三つの別個の適切な時間範囲から成り立っているのです。
さて、適切性とは何か? これは本書に定義されています。適切性とは、要求事項とその時間帯で起こっている事象とをどのように結びつけるかということです。では、どのようにして自社の資産を市場で起こっている事象により密接に関連付けるのでしょうか?それは、デマンドドリブン・オペレーティング・モデルの中核をなすエンジンであるDDMRPを実装することにより、通常、企業は在庫を3分の1から半減させ、オンタイム・インフルは90%を大きく超える結果を達成するのです。
そこで、コカ・コーラ・アフリカの事例にご注目ください。彼ら自身がそこで何が起こっていたかを語っています。実施前は彼らの予測精度は約50%でしたが、実装後には結果が改善し、在庫が減少し、オンタイム・インフルが上昇しました。しかし最終的には、予測精度は約50%のままでした。これは予測を行わないという意味でしょうか?いいえ、もちろん違います。戦術および戦略の範囲を運用するためには予測が必要なのです。この議論では、ページごとの書籍レビューではなく、DDAEモデルがどのように機能するかについて議論を深めることを望んでいました。
さて、確率的予測の観点で予測の考え方を捉えると、確かに予測には役割があります。しかしその役割は戦術と戦略の範囲に限られ、それによってDDMRPが計画エンジンであるオペレーティング・モデルを修正し適応させるのに役立つのです。つまり、DDAEモデルは私たちが影響を及ぼせる部分しか取り扱えないということです。ゆえに、私たちの検討範囲の外には市場主導のイノベーションが存在し、反対側には実際の市場需要が存在するのです。
そして前述の通り、もし私たちの総合リードタイムが顧客の期待内に収まっていれば、管理は容易となるでしょう。しかし、現実の世界はそうではありません。顧客の許容時間は私たちの総合リードタイムよりもはるかに短いのです。したがって、市場の変化を感知し、計画と生産を適応させ、適応型ビジネスプランを運用能力に変換し、さらにその独自の運用能力を戦略的に活用するための管理モデルが必要とされるのです。ちなみに、3秒ほど差し戻したのを覚えていますか。
Conor Doherty: 変化とともに。ありがとうございます。本当にありがとうございます、キャロル。それでは、ジョアンネス、あなたの最後の2分間の発言に移ります。
Joannes Vermorel: つまり、約千ページに及ぶデマンドドリブンの資料と数分の解説を、付箋一枚にまとめることができるのです。ここで示される最も痛烈な点は、デマンドドリブンのパラダイムが全く理性に屈しないということです。いくら文章を引用し、それぞれが些細であろうと馬鹿馬鹿しく、または完全に妄想的であろうと強調しても、我々はまるで回し車の中のハムスターのように同じ場所に留まり続けるのです——しかもその様子は全く楽しめるものではありません。なぜでしょう? 欠陥を指摘するたびに、まるでハトとチェスをしようとするようなもので、ハトは駒を倒し、盤に糞をし、そしてまるで勝ったかのように誇らしげに歩き回るからです。
キャロルは、私が提起した重大な批判、例えばタグチ能力指数の露骨な誤用などの基本的な批判に一切応じませんでした。彼女は疑似方程式についても説明せず、私の主張に一つ一つ反論する試みさえしなかったのです。そして、彼女が反論しなかったのは、できなかったからです。結果として、我々は主に権威に訴える一連の脱線話を聞かされることになりました。自分を騙してはいけません。ケーススタディとは、「信じてください、私はプロです」と言う洒落た言い回しにすぎません。皆さん、最も高次な人間の論理、ダックテストに訴えます。もしそれがアヒルのように見え、アヒルのように泳ぎ、アヒルのように鳴くならば、おそらくそれはアヒルです。もしある理論がゴミのように見え、ゴミのような臭いがし、ゴミのような音を立てるならば、その理論はおそらくゴミに過ぎません。
結論として、デマンドドリブン・アダプティブ・エンタープライズモデルは現実のサプライチェーンの課題に対処できるでしょうか?答えはノーです。しかし、もし何とかして競合他社に「できる」と信じ込ませることができたならば、彼らが崩壊することで、確実に優位に立つことができるでしょう。
Conor Doherty: ありがとう、ジョアンネス。キャロル、あなたの2分間の締めの発言に移ります。
Carol Ptak: ありがとうございます。本当に正直なところ、ジョアンネスには非常に失望しています。彼が事前に用意したノートを読み上げるだけで、出されたポイントについて考慮しようとしなかったのではなく、オープンで正直な議論を交わすことを心から期待していたのに。
タグチ関数に関しては、私が5分間の反論で述べたように、アダプティブビジネスプランはその後、オペレーティングモデルを作成します。オペレーティングモデルはターゲットがあり、上限および下限の仕様限界があり、プロセスの実行状況を比較すると、従来のMRP時代のトランザクション制御に代わり、プロセス制御で運用できる需要駆動型アダプティブエンタープライズモデルのおかげで、タグチ関数は明らかに適合します。なぜなら、実際のパフォーマンスが定義された範囲に対してどの程度かを確認したいからです。
私が述べたように、ページごとの書評やレビューを期待していたのではなく、本当に期待していたのは方法論そのものの議論でした。そしてそれは「信じろ」というものではありません。実際の実践者と話し、彼らの実際の結果を見てもらいたいと思います。私にとって、それこそが何より雄弁な証拠です。「信じろ」というのではなく、「これが私たちのビジネス上の問題であり、これが実装した内容、そしてこれが達成した結果です。もしやり直すとしたら、こうするでしょう」と言うのです。
そして、需要駆動型アダプティブエンタープライズモデルが、我々が生きるこのVUCAの世界のニーズに対応し、実世界の結果をもたらすかという問いに対しては、その答えは絶対に、また明確に「はい」です。DDI教育を受けた何万人もの方々、企業の結果、ROI(投資収益率)の向上、パンデミックの際に需要パターンがめちゃくちゃになったにも関わらず収益とROIを改善した企業の能力――これらの結果がすべてを物語っています。
Conor Doherty: 皆さん、どうもありがとうございます。そして、Carol、そのご意見にも感謝いたします。ここで、観客からの質問に移りたいと思います。実際、ライブチャットには既にかなりの数の質問が寄せられています。はっきりさせるために、質問の宛先を明示していただきたいのですが、もちろんお二人にお尋ねするつもりです。そして、タイムリミットはありませんが、全員が発言する機会を得られるよう、できるだけ簡潔にお願いします。
しかし、観客からの質問に入る前に、私が33分間お二人のお話を聞いていて書き留めた一つの質問があります。書籍についてお二人で議論されたかどうかはさておき、私が見落としていなければ、実際のサプライチェーンにおける意思決定の現実的な課題について、どちらも一度も具体的に定義されなかったと感じました。そこで、Carol、まずはあなたから。できる限り簡潔に、実際のサプライチェーンにおける意思決定の課題は何だとお考えですか?
Carol Ptak: 私が述べた通り、最大の課題は、変動性、激変、不確実性、複雑性、そして曖昧さに満ちた世界にどう対応し、なおかつROIを成長させる方法を見出すことです。
Conor Doherty: Johannes?
Carol Ptak: これで可能な限り簡潔にまとめました。もしJohannesがそれを付箋に書き留めたいなら、付箋に収まるほど簡潔です。需要駆動型アダプティブエンタープライズモデルは、付箋一枚に要約できる―つまり、全てはフローに関するものです。
Conor Doherty: ありがとう、Carol。Johannes?
Joannes Vermorel: 私の見解では、サプライチェーンとはオプショナリティの極みです。すべてにおいて資源が限られており、それらをどのように配分するかは、大規模なサプライチェーンでは実際に一日に何百万もの意思決定を要する問題となります。従って、問題解決とは基本的にその意思決定を行うことを意味します。基本的な問いは、何を購入し、何を生産し、何を配分し、どの価格帯で販売し、品揃えを増やすのか減らすのか、等々というものです。そして私の見解では、サプライチェーンはこれらを大規模に行うための理論と実践を提供するものであり、現代では大量の計算を必要とするため、コンピュータによる自動化が可能となっているということです。それだけの話です。
Conor Doherty: さて、Carol、Johannesの見解を受けて、あなたご自身の考えを修正されますか?それとも同意、或いは不同意ですか?
Carol Ptak: いいえ、全くその必要はありません。しかし、私が考えるには、初期のコンピュータ時代から存在していた実例として、あるコンピュータ会社やソフトウェア会社との会話がありました。そこで彼は「私たちは顧客に私たちが指示する方法を強制していない」と言ったのです。私が「しかし、あなたたちがソフトウェアに組み込むものこそが、業界のベストプラクティスであると考えているのではないですか?」と返したのを覚えています。では、もしそのベストプラクティスが間違っていたらどうするのでしょうか?
ですから、方法論はコンピューティングと共に進化し、技術はその方法論と共に発展していくのです。例えば、来週開催されるDemand Driven Worldでは、Simoが来て、企業の完全なデジタルツインを用いて、Johannesが言及する戦略的意思決定を始めるための支援をしてくれます。しかし、そのデジタルツインにはDDMRPエンジンが潜在的に組み込まれており、戦略的在庫バッファの配置や計画、そして市場へリアルタイムに対応する方法を理解しているのです。すなわち、技術自体は必要不可欠ですが、それだけでは十分ではありません。良い書籍タイトルですね。
Conor Doherty: 何か追加されることはありますか、それとも次に進みましょうか?
Joannes Vermorel: いいえ、次に進ってください。
Conor Doherty: 次に進みます。では、この質問はJohannes宛です。原文をそのまま読みます。Johannes、DDMRPの背後にある理論、具体的にはDDMRPが既存のサプライチェーンプラクティスの上にどのように構築されているかについて、あなたの見解を教えていただけますか?
Joannes Vermorel: 手短に言えば、DDMRPは些細な点の集合です。バッファを3色で次元化しています。分離点について具体的に定義されているものはなく、どのように配置するかのアルゴリズムも存在しないため、基本的には非常に曖昧な指針しか提供していません。また、重大な誤りも含まれます。例えば、最小発注数量(MOQ)が存在する場合、緑ゾーンをMOQと同じ大きさにすべきだと言いますが、これはあまりにも不合理です。なぜなら、ある状況では再注文がMOQまで行くのは馬鹿げているからです。したがって、これはDDMRPが緑と呼ぶものに含まれてはならないのです。
しかし、結局のところ、内容は非常に非常に薄いのです。定量的な内容であれば、私の見解では約3ページでまとめられるはずで、それだけのことです。よって、それは非常に非常に弱く、先行する運用研究に対して、あたかもその後継者であるとするのは運用研究が既にDDMRPより何年も先を行く洗練さを持っていたことを踏まえると、侮辱的です。
Carol Ptak: そして、私は洗練と結果を比較して挑戦したいと思います。洗練されているからといって必ずしも優れているわけではありません。DDMRPは実際、リーン生産方式、MRP、DRP、制約理論という考えに基づき、以前は相反するものと思われていたこれらを調和させるイノベーションを取り入れています。つまり、結局はすべてフローに関するものなのです。
そして、バッファの配置方法に関してですが、彼はおそらく書籍のそのページを見逃しているのでしょう。バッファ配置のためには6つの基準があり、それには顧客の許容時間、市場の潜在力、リードタイム、水域、外部の変動性などが含まれます。つまり6つあり、これが最適化され、デジタルツイン内においてバッファ配置の考慮材料となるのです。
通常、私たちが見るのは、サプライチェーンがシステムの神経過敏さを排除することで安定化し、その後、配置と数量の両方が変化するということです。これが適応サイクルであり、単なる「プル」だけでなく、配置、保護、プル、そして適応のプロセスが存在するのです。しかし、どこにバッファが配置され、緑、黄色、赤と示されるかは非常に明確であり、これが実用性と洗練の対比となります。誰もが緑、黄色、赤を理解できるのです。
だからこそ、私はそのルールを理解しています。緑、黄色、赤を見たときに何が起こるのか。それがプランナーが好きであり、企業が非常に速やかに実装できる理由であり、その実装は通常、当初計画されたよりもはるかに早く進むのです。
Conor Doherty: Johannes、何かコメントは?
Joannes Vermorel: コメントはありません。
Conor Doherty: 次に進みます。これは直接Carolに向けた質問です。文面を読みます。「なぜ需要駆動型アプローチはCOVID危機の際に苦戦し、企業はそのような状況にどう適応すべきか?」というものです。
Carol Ptak: COVID危機の際、興味深い会話がありました。私たちは苦戦しませんでした。実際、COVIDの間、すべてのITプロジェクトやプロセス改善プロジェクトが停止し、それは残念なことでした。私たちは多くの上級管理職と電話で話し、「正常に戻ったら実装に戻す」と言われました。しかし、我々のメッセージは、「新常態へようこそ」でした。
質問は、混乱が来るか否かではなく、「いつ、どこで」来るかということです。だからこそ、十分に準備しておく必要があるのです。そして、COVID後、我々の教育プログラムへの需要は過去最高に上昇し、世界的な実装件数も記録的なレベルに達しました。なぜなら、経営者は自分たちが対処しなければならないのは、この変動的で激変し、狂気じみた世界だと痛感したからです。COVIDだけでなく、ロシアによるウクライナ侵攻、次のパンデミック、アメリカの港での混乱、そしてドック労働者のストライキもあったのです。次の混乱が来るかどうかではなく、「いつ、どこで」来るのかという問題です。
そして残念ながら、COVID危機の間、多くの上級経営陣は「正常に戻ったら」と言い、我々のメッセージは「あなたの新常態へようこそ」でした。
Conor Doherty: さて、ありがとう、Carol。Johannes、失礼ですが、なぜあなたは需要駆動型アプローチがCOVID危機の際に苦戦したと信じるのか、またはそうではないと考えるのか教えていただけますか?
Joannes Vermorel: この質問は私宛ではなかったので、Carolの回答にのみコメントさせていただきます。なぜなら、実際に企業内で何が起こっているかについて、私は詳しく把握しているわけではないからです。しかし、事実に基づく質問に対して、需要駆動型パラダイム特有の、回帰、ウクライナ戦争、変動、不確実性など、無限に要因が羅列される傾向があるのです。流行語、流行語、流行語、問題、問題、状況といった具合に。
ご覧の通り、要因が無数に存在するかのようです。しかし、もし本が全く同じ内容で、各ページにそのリストが羅列され、20もの脱線があり、毎回「さて、今回は20章も使ってすべての脱線事項に対処している」としても、具体的で数学的に堅固な―ハイマスではなく、むしろ小学校レベルの算数程度の、曖昧さのない規則が示されるわけではなく、ただ次に進むだけなのです。そして、これは単なる無数の事実の羅列に過ぎないというパターンだと私は考えます。
Conor Doherty: 実は、次の質問はまずJohannesへ、その後Carolにもお尋ねします。ところで、Lokadは、COVID時のような混乱に対処するための、異なるアプローチを提供しているのでしょうか?もしそうであれば、どのようにその課題に対応しているのでしょうか?
Joannes Vermorel: 詳細な回答はサプライチェーンに関する講義シリーズにありますが、非常に長い回答になってしまいます。短く言えば、私たちは確率と確率論的予測を使用しています。低い確率で大きな経済的影響を及ぼす事象を考慮に入れる経済モデルを持つことがそのアイデアです。ですから、確率論的予測が必要で、その上に、第二の手段―すなわち予測のための手段―があり、さらに最適化の手段として確率的最適化、つまり不確実性下で最適な答えを出すための一般的なソルバーを用いるのです。
要するに、まずすべての可能な未来の確率を評価し(ステップ1)、次にコンピュータが管理可能な範囲に縮小されたすべての可能な意思決定を検討し、その中からリスク調整済みの投資収益率が最も高いものを選び出す、これがLokadのアプローチです。非常に、非常に技術的な説明になりますが。
Conor Doherty: Carol、先ほどあなたは、DDAEモデルは全包括的な概念の階層として、確率論的予測と互換性があると述べられましたね。
Carol Ptak: 全くその通りです。確率論的予測は、オペレーティングモデルの定義方法を設計する際の助けとなります。しかし、Johannesの回答に対して申し返すと、それは非常に複雑な科学的回答で、基本的には「コンピュータが出した答えだから信頼すればいい」というものに帰着します。地球上のどのプランナーも「コンピュータが出した答えだから信じる」とは言わないでしょう。DDAEモデルの方が、はるかに理解しやすいのです。
一般的な言葉で言えば、私もPhDなど持っていません。ですから、最初に「解決すべき問題に合意する」ことが必要だと考えます。これが、変動性、多様性、実世界の問題について語り、DDAEがそれをどのように解決するかを説明する理由です。また、Lokadについてのもう一つの質問は、「実際に顧客の問題をどのように解決し、実際の収益に結びついた結果を示すケーススタディのページはどこにあるのか」というもので、そのページを、需要駆動型アダプティブエンタープライズモデルが毎日実現していることと比較してください。そして、来週ドイツで私たちに直接会い、彼らに話を聞いてください。
Conor Doherty: 何かコメントは?余分な要因や脱線、そして権威に訴える議論(桜とケーキの例)はもう結構です。これ以上のコメントはありません。
では、続けます。Carol、先ほどあなたはJohannesのコメントに対して「私もPhDは持っていない、コンピュータサイエンスと数字から来た」といった趣旨でご自身のアプローチを位置付けたように感じました。
もし、あなたのアプローチが理解しやすい一方で、より洗練された解決策より効果が劣るとしたら、それを受け入れてもよいのでしょうか?
Carol Ptak: いいえ、そうはしません。なぜなら、より理解しやすく、効果的だと考えているからです。プランナーやマネージャーが物事の仕組みを理解できれば、それを使うようになるでしょう。私が言ったように、世界のどの経営者も「おっと、数字がコンピュータから出た、素晴らしい」とは決して言いません。なぜなら、ジョアンネスにも反論したいのですが、サプライチェーンは複雑適応システムであるため、サプライチェーンを最適化することはできないからです。代替案を検討し、どれかを選ぶことはできますが、実際の実行に変動性がない限り、実際の結果として現れる可能性は常に幅広いのです.
需要駆動型では、非常に分かりやすいだけでなく、算数5年生以上の数学は一切使用しません。ですので、ジョアンネスが数学の学術的側面に侮辱を感じる理由は理解できますが、同時に私たちは算数5年生以上の数学は使わないのです。本当に理解しやすいため、企業はこれを採用し、驚くべき成果を上げています。素晴らしい事例研究があり、数年前にドイツで行った最後のケースでした。彼女は「そう、他の誰もが在庫が半分に減り、オンタイム充足率が90%に上がって、退屈だ」と言いました。そして私は、「ああ、その結果を見るのに飽きてしまったなら、俺は間違った場所にいるということだ」と感じました.
ですから、これは理解しやすいだけでなく、より効果的だと提案します。しかし、これは確率的予測の対極にあるわけではありません。初期実装が完了してモデルを進めるにつれ、数学が我々の理解を助けてくれるからです。どう適応するか? そこで、確率的予測やデジタルツインが本当に役立つのは、あらゆる関係性を理解するためです。しかし、まず第一に、オペレーションの変動性を緩和するためにサプライチェーンを安定させることが必要です.
Conor Doherty: さて、ジョアンネス、公平を期すために、いくつかメモを取られていましたが、それについて何か応答はありますか?
Joannes Vermorel: つまり、まず最初に、少し無意味なことを指摘させてください。はい、DDMRPと複雑適応システム、そしてこの理論全体は最適化を行っています。最初に述べた通り、それは投資収益率を最適化するものです。数値を上げたり下げたりしようとする試みは最適化そのものです。これが最適化の定義です。ですから、「見てください、これは全く統合失調症的だ」と言い、「いや、実際にはそんなことはしない、最適化は行っていない」と主張しながら、翌分には投資収益率を最適化しようとしているなら、申し訳ないですが、これこそ最適化の定義そのものなのです.
そして、もし戻ってみると…
Carol Ptak: 我々はROIを成長させようとしているのであって、最適化しようとしているわけではありません.
Joannes Vermorel: しかし、それは同じことです。成長も最適化も、ROIというターゲット関数を望ましい方向へわずかに動かす方法にすぎません。これが文字通りWikipediaでの最適化の定義です。つまり、あなたがしているのはまさにそのことなのです。ですから、こうしたアプローチは私にとっては非常に馬鹿げているのです.
そして確率的予測ですが、申し訳ありませんが、これらの書籍で示されている数式やその他の内容は非常に弱いものです。数式に関しても、はい、これは私の権威主義的な主張の一端かもしれませんが、確率的予測とは全く両立しません。例えば、確率的予測を適用するとどうなるかというと、まずあなたはSKUを個別に見るのではなく、全社を通じて各単位の寄与度を独立して重み付けするのです。これがまさに確率的予測101なのです.
この手法では、バッファを一度に一つずつ扱っています。つまり、申し訳ありませんが、それらは同じ次元にさえ存在しません。概念上でも手法上でも技術上でも互換性がありません。本当に、全く全く異なるものなのです.
Carol Ptak: 確率的予測が一度に一つのバッファだけを扱うと言ったでしょうか? 私たちは常にDDAEについて、全体論的に因果関係を見ていると言ってきました。そして、改めてですが、来週フランクフルトで行う研修にぜひ参加していただきたいです。そこで確率的予測が全ネットワークを見渡し、DDAEモデル内で非常に成功裏に活用されている事例を3件ほどご紹介します.
Conor Doherty: では、次の質問です。こちらは実際、キャロル、あなたに直接関係する質問です。質問はかなりあります。疲れたらいつでも止めても構いませんので、全部に答える必要はありません。では、DDMRPは、正確に言えば、MRP論理に内在する問題にどのように対処しているのでしょうか? 効果的であるために、一日に何度も実行する必要があるのでしょうか?
Carol Ptak: DDMRPをリアルタイムで実行すればするほど、プランナーが最も関連性の高いリアルタイム情報を得られるため、システムはより安定します。リアルタイム実行が必須かというと、いいえ。MRPの論理の限界に対処している方法は、MRPの強みがすべて依存状態であること、そして悪い点もまたすべてが依存状態であることにあります。つまり、どこかで遅れが生じれば、全体が遅れるのです.
DDMRP論理がこれに対処する方法は、6つの基準のいずれかに基づいて切り離し点を挿入し、どこに独立のポジションが存在するかを決定することで、両側からの変動性を吸収させることにあります。これにより切り離しが行われ、計画のための主要な位置が提供されます。もちろん、切り離し点の間はこれまで通り依存状態にあります。だからこそ、DDMRPと命名した際に多くの批判を受けたのです。なぜなら、MRPは依然として存在しており、切り離し点の間は従来通り依存的な計画となっているからです。すなわち、切り離し点の挿入によりMRPの限界に対処しているのです。そして、これらが計画のための主要なポジションになっているのです.
Conor Doherty: ありがとうございます。ジョアンネス、次はあなたのコメントをお願いします.
Joannes Vermorel: はい、つまり、ここにはいくつかの点があります。まず、MRPは本当に誤った基準です。基本的に従来のデータベースを使用しており、トランザクショナルなコアは、あらゆる種類の分析において全く役に立たない問題があります。これ自体が狂気です。これは狂ったような基準であり、MRPを他の何かと比較するのは誤りだと思います。これはもはや時代遅れの基準で、考慮に入れるべきではありません.
次に、リアルタイムに関してですが、再び、この質問がどこから来たのかを真剣に問いただすべきです。現実には、現代のコンピュータは基準として2GHzのプロセッサを搭載しており、1 CPUあたり20億回の演算が可能です。そして、現代のコンピュータ、たとえばあなたのスマートフォンには8個のCPUがあるため、スマートフォンでは文字通り毎秒数十億回の演算が行われています.
さて、ここでの質問は、マイクロ秒単位の遅延内で実行できないものが何か、ということです。短く言えば、トランザクショナルなデータベース上にシステムを設計すると、パフォーマンスが絶対に酷くなるからです。そして、その酷いパフォーマンスを何とか緩和したベンダーは、それをリアルタイムと呼んでいます。本当にナンセンスです。本当に、本当にナンセンスです。これは現代のコンピュータハードウェアの誤用にすぎません。詳細に入り込むこともできますが、ここではMRPおよびリアルタイムに対する基準が本当に誤っているというのが私の意見です.
Conor Doherty: キャロル、MRPが不適切な基準であるという点には、あなたもいくらか同意するのではないでしょうか?
Carol Ptak: 実際のところ、MRPはほぼ世界中のほぼすべての企業で使用されています。ですから、はい、時代遅れであるとは認めます。未来へと舵を切る必要があったことにも同意し、だからこそDDMRPを導入したのです。切り離しバッファを実装することで、MRPのトランザクション制御ではなくプロセス制御に基づいて運用を行えるようにしました。MRPでは全てがトランザクション制御です。MRPにおいては、状況が良いか悪いかのどちらかであって、どの程度良いのか、どの程度悪いのかは評価されません.
そしてご存じの通り、MRPのリアルタイム版は2001年にPeopleSoftで初めて登場し、我々の顧客はそれを嫌いました。つまり、私がジョアンネスよりも年長であるという利点がありました。大学で教鞭をとっていたとき、学生たちがITの歴史についての私の研究をどれほど賞賛するかを教えてくれましたが、実際それは研究ではなく、私自身が体験した逸話にすぎなかったのです.
そして、私たちはコンピュータが速くなれば問題が解決すると本当に信じていました。しかし、コンピュータが速くなるにつれて問題は悪化し、それはシステムの神経質さ(システム・ナーバスネス)によるものでした。46年前に参加した最初のAPICS会議もシステムの神経質さについてのものでした。当時はそれを知っていましたが、解決する方法が分からなかったのです。そして、計画機能を安定させるためにDDMRPが登場するまで、その解決策は見つからなかったのです.
しかし、APSの全体的な考え方については、成功したAPSの実装例は存在しません。ジョアンネスの定義によれば、成功とは企業のROIが向上したかどうかです。そして、これは誤ったビジネス機能に基づく多階層最適化を試みているからです。私も彼に同意します。ビジネスルールが変われば技術も変わるべきであり、技術が変わればビジネスルールも変わるべきなのです。これこそ、エリと私が2000年に「必要条件だが十分条件ではない」と書いたときの主張であり、長い間そのことを認識していました.
Conor Doherty: ありがとうございます.
Joannes Vermorel: ええ、もう一度申し上げますが、用語の誤用についてです。データベースシステムにおいてトランザクショナルと言う場合、私は非常に特定の意味で言っています。それは、データベース設計時に用いられる手法を指しており、トランザクショナルという言葉は金融や何らかのプロセスとは全く関係がありません。基本的にはACID特性、すなわち原子性、一貫性、独立性、永続性を意味しているのです。これらはストレージによって保証される特性です.
そして、DDMRPはMRPと同様に、パラダイムとしてトランザクショナルです。私が見てきたすべての実装において、DDMRPを提供するベンダーは皆、MRPを行っていた他の誰もと同じようにSQLデータベースの上で実行しています。ですから、再び申し上げますが、多くの場合、言葉を使っているにもかかわらず、正しい意味で使われていないのです。つまり、もしトランザクションに言及するのであれば、それはデータベースシステムの設計という核心に全く関係のない事柄について言及していることになり、結果としてDDMRPの手法のようなものについて脱線して語っていることになるのです.
そして、再度申し上げますが、これらは全く異なるものです。すみません、ただ言いたいのは、私たちは様々な要素を持っている一方で、言葉が実際に何を意味するのかという意味論を常に変え続けているということです.
Carol Ptak: ええ、それに、このディベートを始めたときに私たちが話し合った定義に行き着くのだと思います。なぜなら、私の世界観は製造業の運営、オペレーションプランナー、現場での計画者、スーパーバイザー、そしてIT業界で業界の専門家として働いた生涯の経験から来ているからです.
ご存じの通り、私は現実の実務者としての視点から物事に取り組んでおり、かつて「小さなホワイトハウス」と呼ばれた、昇降床を持った古い時代のIT部門からではありません。あの頃は夏になるとエアコンのあるあそこに出かけたものでした。ですから、私はいわゆる「ビットトゥドラー」から来ているのではなく、統合サプライチェーンの一部として実際に運営や製造施設を運営する現実的な視点から来ているのです.
ですから、私たちの定義は大いに異なるかもしれませんが、私の定義は、つまりこのディベートの一部として「今日の現実の課題に対応しているか?」という観点で採用されるものです。そして、それが私の出発点なのです.
Conor Doherty: では、すみません、もう少し話を進めさせてください。質問がかなりありますが、また後でこの点に戻ることもできます。では、ジョアンネス、既に触れているので簡単にお願いします。最適化を構築するために必要な最小限の技術とは何でしょうか?
Joannes Vermorel: 問題を逆に捉えてみることを提案します。つまり、達成を明確に妨げる技術とは何かを考えるのです。ご存じの通り、データサイエンスは、一般的に非常に少ないもので十分なのです。例えば、Pythonが非常に人気である理由でもあります.
私の見解では、現代のエンタープライズシステムは千の層のようになっていることが呪いなのです。データベース、オペレーティングシステム、各種キャッシュ、各種データ取得レイヤーなど、層が層を重ねています。つまり、現代の、私が言うエンタープライズソフトウェアシステムが行っているのは、データをある層から次の層へただ移動させることであり、それには膨大な計算資源、メモリ、CPU、帯域幅などが必要なのです.
まとめると、最小限の要件というものは存在しませんが、達成を妨げる全ての要素に意識を向けなければなりません。そして、現代のソフトウェア技術の状態では、その妨げる要素が非常に多いのです。ですから、私のメッセージは、必要なものについて考えるのではなく、不必要なものを考えて排除し、核心となるアルゴリズム部分に戻れば問題は解決する、ということです.
Conor Doherty: キャロル、サプライチェーンは最適化できないと言っていましたが、もし最適化できると考えるなら、どのような技術が必要になるのでしょうか?
Carol Ptak: ええ、それについては、技術というのは…まあ、それはジョアンネスに任せます。私は現実の世界で、実際の問題に直面しながらその手法を見てきました。そして、IBMで勤務し、Watson Research Centerで働くという大変な名誉を得たこともあります。ご存じの通り、あそこには優秀な博士たちがいます。私はその一員ではありません。ただ、過去45年間にわたり非常に成功したキャリアに恵まれた、非常に実践的なオペレーションマネージャーにすぎないのです.
Conor Doherty: では、次に進みます。キャロル、時間の関係でですが、DDMRPあるいはDDAEさえも、数百店舗を持つ大手小売組織で成功裏に導入された例はありますか? もしあれば、事例を挙げていただけますか?
Carol Ptak: もちろんです。まず、頭に浮かぶのはMickです。DDMRPが実装されているほとんどの小売業務は南米で行われています。Mickは複数の小売店舗を持っています。他の例を考えると、コロンビア最大の小売業者がDDMRPを実装しています。小売業にはユニークな課題があります。なぜなら、小売業は「ロングテール」と呼ばれる現象があるからです。一般的に、商品の約10%が売上の90%を生み出し、残りの90%の商品が売上の10%を生み出します。
これは独自の適用例ですが、ほとんどの小売への実装は実際には南米やメキシコで行われています。そして、南アフリカからも小売の事例が出てくる予定です。Takealotは会議に参加するはずだった企業で、南アフリカ最大の店舗です.
Conor Doherty: ありがとうございます。それでは次に進みます。Carol、この質問に関して特に追加することはないと思います。あなたは何度かフローの概念に言及しましたが、実際にフローの概念を定義し、それがDDMRPの文脈内で何を意味するのか説明していただけますか?
Carol Ptak: それは基本的な柱となります。フローとは、サプライチェーンが原材料を顧客に求められる製品に変換する速度のことです。非常に具体的な定義ですが、フローはサプライチェーンが原材料(入力)を顧客が求める出力に変換する速度を意味します。これはDDMRPの根底にある基本的な柱であるとともに、リーン生産方式や制約理論、その他多くの現代的なオペレーション改善領域の根本的な柱でもあります。つまり、需要駆動についてJoannesが本当のポストイットを書こうとするなら、それはフローに尽きるということです。
Conor Doherty: ありがとうございます、Carol。Joannes、いくつかメモを取ったようですが、何かコメントはありますか?さて、これはあなたへの質問です。Lokadは、サプライチェーンの変動に対するソリューションの感度とバランスを取りながら、システムレベルでどのように適応性を取り入れているのでしょうか?
Joannes Vermorel: ここには二つの観点があります。まず、変動に対する感度に関しては、「それが望ましいのか否か」という問題です。結果に関して非常に反応が過敏な数値レシピが存在し、これはサプライチェーンにおいてラチェット効果を引き起こすため非常に有害です。一度生産バッチが起動されると、取り消すことはできず、その決定を受け入れなければならないのです。
そのため、反応過敏で不規則な数値レシピは望ましくありません。ちなみに、確率的予測の側面の一つは、数値レシピを非常に安定させる傾向があるという点です。従来のシステムにおける多くの不確実性は、クラシックな予測では小さなずれが下流で大きな分岐を引き起こすという問題に起因しています。これが、確率的予測や確率論的最適化を採用することで解決されるのです.
次に、質問のもう一つの角度である適応性についてです。現実には、数値レシピがあり、何か壊滅的または全く前例のない事態が発生した場合、人間の知性に代わるものはありません。Lokadの仕組みは、サプライチェーンの科学者が非常に短い時間で数値レシピを書き直し、新たな状況に対応することにあります。繰り返しになりますが、私たちは水晶玉を持っているわけではなく、Evergreenが運河を封鎖するような根本的に前例のない事態を予見することはできません.
しかし、そうなった場合、非常に多くの変化が生じるため、人間の判断が必要になります。ただし、人間は一つ一つのSKUに応急処置を施すために存在するのではなく、数値レシピを書き直すために存在するのです。そうすれば、再びビジネスは軌道に乗ります。すべての意思決定は自動化され、大規模に自動で行われるのです.
Conor Doherty: Carol、これに何か追加はありますか?
Carol Ptak: Lokadについては議論できません.
Conor Doherty: では、この質問は元々Carolへのものだったのですが、実際のところ、まずはJoannesに問いかけ、あなたの回答と比較する方が興味深いと思います。では、Joannes、なぜ確率的予測とDDMRPのケーススタディ、あるいはCarolのケーススタディを比較することに消極的なのでしょうか?そのように言わせてください.
Joannes Vermorel: なぜなら、企業向けソフトウェアや企業実務におけるケーススタディ自体を全く信じていないからです。この分野は1950年代以降、問題だらけでした。問題は、再度申し上げますが、利益相反が非常に大きい点にあります。考えてみてください。ベンダーは、自分たちを称賛するようなケーススタディでなければ公開しないのです.
そして、イニシアチブを実施する際に自らの評判をリスクにさらすクライアントやマネージャーは、そのイニシアチブが素晴らしい結果を出したと全世界に信じさせるための大きな動機を持っています。私の漠然とした観察では、サプライチェーンにおけるイニシアチブの90%は、すべての企業、すべての国、すべての業界で失敗しています。90%、これは同じベースラインです.
私のキャリアの中で、惨めな結果を示すケーススタディをいくつ挙げられるでしょうか?一つもありません。私が見つけた唯一の否定的なケーススタディは、素晴らしいジャーナリストたちによるものです。例えば、皆さんには「The Last Days of Target Canada」を読むことをお勧めします。これは、すべての問題点を素晴らしく要約したものであり、非常に稀なケースです.
数年前、LeoはSAPの在庫最適化イニシアチブで5億ユーロを失いました。ケーススタディは存在しません。ですから、私の主張がお分かりでしょう。利益相反が非常に大きいため、私のケーススタディとあなたのケーススタディを比較する問題ではなく、この方法論自体が根絶されるべきものなのです.
Conor Doherty: そうですね。ではCarol、この質問は元々あなたへのものだったのですが、なぜJoannesはあなたのケーススタディと比較することに消極的だと思われるのでしょうか?
Carol Ptak: それは非常に良い質問ですが、彼にしか答えられません。彼がケーススタディに非常に消極的であることは私も知っています。現実世界の観察者として言えば、明らかに「何かありますか?」という質問になるのです。そして私は、人々に公開情報だけでなく、実際にこれらの担当者に話を聞いて詳細を確認するよう奨励しています.
その理由は、もし「もう一度やり直すとしたら、何をどう変えるのか?どこで失敗したのか?何がうまくいかなかったのか?何がうまくいくと考えていたのか?」と実際に尋ねるなら、透明性が確保されるからです。前述の通り、我々はソフトウェア会社やコンサルティング会社がケーススタディを行うことを認めていません。あくまでそれは現場の人々の話なのです.
それが我々がDemand Driven Worldを開催する理由です。これにより、実践者同士が何がうまくいったのか、何が本当にうまくいかなかったのか、何を学んだのか、そして互いにどのように学び合えるかについて語り合えるのです。成功だけでなく、失敗からも学ぶことが如何に大切か、何がうまくいかなかったのかを共有するのです.
そして、それこそが非常に重要だと私は考えています。失敗を共有することで、他の誰かが同じ轍を踏むのを防げるなら、それは大いに有益なことです。だからこそDemand Driven Worldを実施しているのです。私たちの実装事例のほとんどはヨーロッパにあるので、来週ヨーロッパに向かう予定です.
しかし、ケーススタディは非常に重要だと考えています。なぜなら、最初に求められるものだからです。ご理解いただきたいのは、Demand Driven Instituteはコンサルティング会社でもソフトウェア会社でもないということです。これまで一度もソフトウェア会社でもなく、コンサルティング会社でもありません。我々は単なるサプライチェーン分野の思想的リーダーであり、すべてのソフトウェア会社から非常に独立しています.
しかし、需要駆動が注目されるようになったのはパンデミック直後からです。私は、「需要駆動を試しましたか?」から「なぜ需要駆動を試さないのですか?」へと変わったと言えます。これは、パンデミック中に実装を開始していた企業が得た結果のおかげです.
Conor Doherty: 分かりました、それでは次に進みますが、Carol、後ほど戻ります。まず、これは実はお二人への質問ですが、既に話し始めていたCarolから始めます。非常にVUCAな世界、つまり需要が希薄かつ不規則な状況において、在庫水準を大幅に増やさずにどのような意思決定を行いますか?また、サブクエスチョンとして、そのような厳しい状況下で不確実性の上に不確実性をどのように管理しますか?
Carol Ptak: ええ、そこで本当にビジネスを理解する必要があります。その質問だけでは十分な情報がありません。いわゆる「不確実性の上に不確実性」とは何か?その不確実性のどの程度が自ら引き起こしたものなのか?どれだけが価格戦略に起因するのか?根本原因にたどり着くためには、まるで玉ねぎの層を一枚一枚剥がすかのように、多くの層を見ていく必要があるのです.
私はちょうどウィスコンシンでの会議に参加したところ、あるソフトウェア会社の担当者が近づいてきて「供給不足の状況でのアロケーションをどのように行いますか?」と尋ねてきました。私は「クライアントは在庫過剰ではありませんか?」と聞くと、「ええ、間違った在庫が多すぎて、正しい在庫が不足しているんです」と答えられました。そこで私は「それなら、その問題を解決すればいい」と申し上げたのです。時には、この不確実性の上に不確実性が自ら引き起こされることがあるのです.
もし私が迅速対応で高変動、低ボリュームのサプライヤーでありたいのであれば、中国からの輸入だけではそれは実現できません。それは全く異なる戦略です。戦略は、あなたのオペレーション能力と一致していなければならず、そのオペレーション能力が異なる戦略的利点をもたらすのです。これらが一致して初めて意味があるのです。だからこそ、DDAEは戦略、戦術、オペレーションという三つの領域を検討し、これらを区別しているのです.
Conor Doherty: ありがとうございます。Joannes、同じ質問です.
Joannes Vermorel: 非常に興味深い質問です。まずは希薄で断続的な行動について考えましょう。希薄かつ不規則な状況では、確率的アプローチが本領を発揮します。何か希薄な状況に対処するには、サブユニットのパターンを扱える数学的手法が必要になるのです.
例えば「1週間で何単位を販売するか?」と尋ねたとします。その場合、「50%の確率で1単位だけ販売する」と答えるかもしれません。従来の見方では0.5と表現されるでしょうが、実際には単位を分割することはできません。なぜなら、製品はパッケージ化されているからです。古典的なアプローチはサブユニットの予測に苦しみ、結果として実際には存在しない分数の数字が出てしまうのです.
確率を用いると、0の確率、1の確率、例えば2単位の確率、さらには不規則なスパイクとなる50単位の確率など、すべてがエレガントに算出され、実際に機能するのです。つまり、希薄で断続的な場合にこのアプローチは本領を発揮します.
次に、不確実性の上にさらに不確実性を重ね合わせる場合ですが、これは非常に興味深い質問です。決定論的な世界で、一つの遅延にさらに別の遅延を加えるとどうなるか?答えは、単に加算する、非常に自然な方法での加算です。つまり、足し算、引き算、掛け算が可能です。実際、不確実性の場合、ランダム変数の代数学のような手法を用いれば、不確実性のさまざまな組み合わせを行うことができ、結果として生じる全体の不確実性を効果的に計算することができるのです。ここでは具体的な解を示しているわけではなく、そのための手法を説明しているにすぎません.
まず、希薄さや不規則性に対応する統計的手法が必要です。これは従来の予測方法や、DDMRPで強調される移動平均のような緩衝策とは異なります。次に、複合的な不確実性に対処するための手法が必要です。金融分野では半世紀以上この手法が実践されており、これは魔法ではなく、Lokadが独自に発明したものでもありません。多少独特な手法ではありますが、数字の加減乗算が自然に行えるのと同じように、不確実性を含む計算も習得できるのです.
Conor Doherty: 分かりました、ありがとうございます。では次に進みます。これはかなり長い質問ですが、リアルタイムで要約してみます。ええと、これは既に回答されている部分もあるので、Joannes、あなたへの質問になります。いくつか動く部分がありますが、基本的なところを読み上げます.
Joannesへ。DDMRPモデルに対するあなたの主な批判は何であり、どの具体的な点を疑問視しているのですか?既に回答はいただいていると思いますが、「あまりにもシンプルなだけ」と言う以外の具体的な反対論は聞いていません。もしシンプルなモデルで結果が出るのであれば、なぜより複雑で洗練されたシステムダイナミクス・モデルが必要なのでしょうか?
Joannes Vermorel: 私の主な批判は、要素が極めて少ないという点です。だからこそページ数を挙げたのです。要素を組み合わせてみると、ほとんどは何もないに等しいと気づかされます。無数の「何もない」要素から突然、壮大な仕組みができるという考えは全くのナンセンスだと思います。つまり、私の批判は、個々の部分としても全体としても非常に弱いということです.
そして、なぜそれが非常によく機能するのかという疑問に戻ります。もしすべてのケーススタディが事実であると仮定するなら—すみません、お手上げですが—ケーススタディが真実だと仮定し、DDMRPを小売に適用して在庫を半減させながら売上高を確実に60%増加させ、さらに店舗がより充実している印象を与えられるとするなら、そういった結果が得られると考えるでしょう。しかし、これが提示されているだけの話です—すみません、また言いますが、私はブルックリンにある橋を売りに出さなければならないので。以上です.
Conor Doherty: さて、Carol、再度フォローアップしたいと思います。これはJoannesの発言や全体の会話を踏まえた質問です。最初、あなたは「Joannesが本について話したがることに驚いた」とコメントされました。そして、私はJoannesの代弁はしませんが、私自身は、もし「ねえ、あることを学びたいなら、ここに飛行機がどのように離陸するかを説明する複数の本(マニュアルのようなもの)があるよ」と言われたら、航空宇宙や航空力学について学び、ベルヌーイの原理を学ぶでしょう。本に書かれているのです。つまり、飛行機が飛ぶという事実を単に知るのではなく、飛行機がどのように飛ぶのかを理解するためにその本を読むのです.
さて、事例研究について話すとき、議論のために「うまくいっている」とだけ言っておきますが、ジョアネスや聞いている皆さんにとっての問題は、もしその仕組みを学びたいと思ったとき、「本には書かれていない」と言っている点にあると思います。
キャロル・プタック: いや、本には確実に書かれています。ジョアネスは「本に書かれていない」と言っているだけです。実際、本に書かれているんですよ。私たちは3つの全く異なる市場向けに3冊の本を書きました。『Demand Driven Adaptive Enterprise』は、経営者が全体の仕組みを理解するために書いた本ですし、『Adaptive S&OP』は、戦略的なS&OPプロセスを連携させ、適応型ビジネスプランを需要駆動のオペレーティングモデルに変換する方法をS&OPチーム向けに書いた本です。そして『DDMRP』は、非常に具体的にDDMRPエンジンがどのように機能するかを説明する本です。
さて、「シンプルすぎる」という批判があるのが大好きです。これ以上の賛辞はないと思います。なぜなら、物事を複雑にするのはとても簡単ですが、シンプルにするのは非常に難しいからです。そして私たちは、概念を理解しやすく、実装しやすいものにするために、非常に、非常に努力してきました。
ですから、今日の議論全体はこういう点にあります。すなわち、DDAEモデルは現実のサプライチェーンにおける問題を解決できるのか?ということです。現実の世界では、理解しやすく、実装が簡単で、しかも大きな成果を生み出す何かが必要です。批判的思考のツールを見てみると、多くの問題を解決する画期的なアイデアを探し求めるものです。そして、これこそが需要駆動が成し遂げることなのです。
つまり、私はエリ・ゴールドラットが大好きです。彼はいつも非常に巧みに物事を表現していました。「自分を説明するために数学を使わなければならないなら、あなたは何を話しているのか分かっていない」というのが彼の言葉です。ゴールドラットが大好きです。もしジョアネスの最も厳しい批判が、私たちが「方程式」と呼んだものを彼が好まないというなら、他の世界ではそれらは「方程式」と呼ばれています。そして、出版社ごとに決められたフォーマットの要件があり、ジョアネスがいくつの本を出版しているかは分かりませんが、出版時のフォーマットにおいては、図表や図をラベル付けする必要があるのです。それは必須事項です。
ですから、出版社と折衝しなければならず、私たちはその部分を全て取り除く用意はありますが、それは必須事項なのです。あなたがいくつの本の出版を経験したかは分かりませんが、トップクラスの出版社で出版する際は、すべてのものにラベルを付けなければならないという要件があることに気づくでしょう。ですから、私たちのやっていることをシンプルだと呼ぶのは、私たちが理解しやすく、実装しやすくするために非常に努力してきたという最高の賛辞だと考えています。
コナー・ドハティ: 分かりました、キャロル、ありがとうございます。では、ジョアネスに話を戻しましょう。
ジョアネス・ヴェルモレル: はい、私の批判が誤解されていると思います。私は、これらの本がシンプルだとは言っていません。逆に、非常に複雑に説明されていると詳述しました。つまり、「これを足して、あれを引いて、これに掛ける」といった、まさに小学校レベルの基本的な式で表現できるものを、何十ページもかけて説明しているのは、途方もなくわかりにくいということです。
そして、逆にこれがこの本の要点なのです。私は、本がシンプルすぎるという批判をしているのではありません。私の言いたいのは、それらの本が実に弱いということです。弱さとシンプルさは全く別の問題です。非常にシンプルで美しいものもある。たとえばマクスウェルの方程式などです。はい、形式はかなり手の込んだものであっても、私が話しているのは単なるシンプルさの問題ではありません。
私の言いたいのは、これらの本は、加減乗除を行うときに確立された規範に従えば、実際に大幅にシンプル化できたはずだということです。しかし、そのために何十ページにもわたる極めて複雑で入り組んだ説明を加えることで、ページ数と言葉の重さを膨らませ、結局900ページにも及ぶ本にしてしまっているという批判です。
コナー・ドハティ: わかりました、次に進めます。ここまでで80分ほど経過しているので、既に回答済みの質問はカットしていきます。ですから、再度ジョアネスにDDMRPの事例研究について質問することはありません。この点は十分に議論しました。さて、今回はまずキャロルに伺います。
DDMRP以上の、もっと洗練されたものが必要となる範囲、状況、条件を共同で定義できますか?例えば、分解プロセスにおいてはDDMRPが十分に機能しないように見えますが、そのようなシナリオにはどのように対処するのでしょうか?
キャロル・プタック: 実は、分解プロセスでは非常にうまく機能しました。初期の事例研究の一つに、エリクソン・エアクレーンという企業がありました。すみません、再び事例に戻りますが、エリクソン・エアクレーンはシコルスキー製ヘリコプターの飛行証明書を持っています。つまり、完全な分解プロセスが存在しているのです。ですから、変動性が非常に高い状況では、実際にとてもよく機能するのです。
航空機が整備済みの状態で着陸してきた場合、その航空機が元々どのように作られ、設計されたのか、そしていかにして全体を再組み立てするのかを把握しなければなりません。そして、FAAの飛行証明書に、ある部品は改造済みで2024年10月31日まで有効、別の部品は改造済みで2025年6月1日まで有効といった具合の問題が出てきます。フレームはすべての部品が一致しなければならないため、現時点では2024年10月31日までしか認定されません。このように高い変動性がある場合、実際にうまく機能するのです。
私がよく尋ねられるのは、「どの業界に適さないのか?」という質問です。需要駆動が適さない業界は、顧客の許容時間が累積リードタイムよりも短く、なおかつ業務の変動性が全くない非常に信頼性の高い業界です。そうでなければ機能しません。
そこに含意されるのは、いや、現実世界でそのような業界を見つけたことはありませんが、理論上はそこまで追い込むことは可能だということです。変動性、不確実性、複雑性、曖昧性が高ければ高いほど、設計上、より良く機能するのです。需要駆動型適応企業は、今日のVUCA時代のために設計されており、今日のVUCAな環境で実際に機能します。
コナー・ドハティ: では、ご意見をどうぞ。
ジョアネス・ヴェルモレル: はい、改めてこの例を通して、皆さんに一つ例を示しましょう。航空について話しましょう。つまり、部品には飛行時間や飛行サイクルがあります。これは聴衆のために非常に単純化して述べています。つまり、在庫を見るとき、「ユニットが1つ、2つ、3つ、5つある」といった一面的な見方はできないのです。なぜなら、各ユニットにはそれぞれ一定の飛行時間や飛行サイクルがあるからです。
ですから、たとえば、ある部品は何千時間の飛行時間が記録されている場合もあれば、ある理由で100時間しか飛行していない部品が2つあるということもあり得るのです。つまり、SKU(在庫管理単位)を一面的に表現することはもはやできなくなるのです。
そして、再びDDMRP及び本に書かれているすべてのことに戻りますが、そのような多次元のSKUの問題に対応できるものは、一切触れられていません。私はこの聴衆に保証しますが、SKU独自の多次元問題に対処できるものは、どこにも見つからないでしょう。にもかかわらず、これこそが本が初めに掲げた目標、すなわち非線形性や複雑性が示すべきものであったのです。
キャロル・プタック: 私もジョアネスに完全に同意します。はい、私たちは多次元部品には触れていません。だからといって、取り扱い方や実装方法が分からないというわけではありません。私のバックグラウンドは航空宇宙です。チェリーポイント、ジャクソンビル、カリフォルニアのNAA航空デポやヘリコプター関連企業で多くの仕事をしてきました。私のキャリアですから、異なるSKU番号、異なる状態コード、異なる飛行時間を持つ多次元部品の扱いを理解しています。そして、ジョアネス、あなたは全く正しい。私たちはこれらの本の中で多次元部品については扱っていません。もしERPに関する本を読みたいなら、私のERPの本は、リマンファクチャリングが初めて登場する本です。しかし、あらゆる環境すべてを盛り込もうとすると、3,000ページになってしまうためです。
それらは、いかなる需要駆動型適応企業にとっても基本となる、基礎的な構成要素です。例えば、小売、航空宇宙、リマンファクチャリング、プロジェクト管理など、さまざまな次元が追加されます。また、同じ資材を二度と使わない企業など、需要駆動の成功事例も存在します。つまり、これらの本は基本的な構成要素を表しているのです。
つまり、以前に言われたように、飛行について読めば、ベルヌーイの原理などを理解できるかもしれませんが、それで747のパイロットになれるわけではないということです。
コナー・ドハティ: そうですね、そのたとえ話のおかげで私はエンジニアになれそうです。でも、ジョアネス、あなたの…
ジョアネス・ヴェルモレル: いや、またしても聴衆に対して「私を信じなさい」という権威主義的な主張を示すほかありません。とにかく、同じ議論に戻らないように、先に進むことにしましょう。
コナー・ドハティ: では、ジョアネスにお聞きします。APICSとASCMは、プッシュとプルのフロンティアの重要性も強調しています。あなたのソリューションでは、サプライチェーン全体でどのタイミングでプッシュからプルへの移行を行っていますか?
ジョアネス・ヴェルモレル: まず、プッシュとプルの区別は、誤った前提に基づいています。1970年代のように、組織内の各部門が互いに対話できないという考え方に戻ってしまっているのです。確かに、どちらか一方が決定を下さなければならないという考え方がありますが、これは現代のインターネット時代では無意味です。なぜなら、人工知能であろうと何であろうと、ネットワークがあれば情報は自由に流れるのです。
唯一必要なのは、意思決定のトリガーです。もしポイントAからポイントBに10ユニット移動させると決定したなら、それはあくまでも「ポイントAがユニットを呼び出しているのであればプル、ポイントBが決めているのであればプッシュ」という単なる視点にすぎません。
また、Lokadではその点はあまり問題にしていません。というのも、それは既に25年以上前に時代遅れとなった概念であり、インターネットの普及によりサプライチェーン全体で情報が自由に流れる現代では、もはや意味を成さないからです。
Lokadでは、この問題は扱っていません。なぜなら、これは過去の時代に固執する、いわば時代遅れの方法論や視点を持つ企業にしか存在しない問題だからです。
コナー・ドハティ: わかりました、あと2つ質問がありますので、その後移行します。かなり時間が経っているので、まずはジョアネス、前にお願いします。高いボリュームと高い変動性の両方を管理する企業において、従来のsafety stockの計算はどれほど効果的でしょうか?
ジョアネス・ヴェルモレル: 安全在庫は、設計上、あらゆる面で破綻しています。簡潔に言うと、なぜ完全に壊れているのかというと、サプライチェーンに1ドル投資すると、その1ドルはすべての在庫投資と競合することになるのです。つまり、全てのSKU(在庫管理単位)がその1ドルと競合するのです。安全在庫のモデルは、各SKUを完全に独立して処理できると仮定しているのです。
この前提だけでさえ、安全在庫モデルは完全に破綻しています。そして、次に第二の問題があります。それは実装に関する細かな点ですが、実際には致命的な問題です。それは、需要とリードタイムに対して常に正規分布を仮定しているという点です。
要するに、すべてのSKUが同じ投資を争っているため、SKUに依存しない論理は設計上破綻しているのです。そして、さらに用いられている数学自体も非常に不十分です。
コナー・ドハティ: ありがとう。キャロル、あなたのご意見は?
キャロル・プタック: ジョアネスとまた別の点で同意できることが見つかって興奮しています。安全在庫は根本的に破綻していると思います。はい、これは需要駆動型手法で排除する2点のうちの1つです。というのも、安全在庫は、いかなるMEIO最適化ソフトウェアで計算されても、ジョアネスが言うように各SKUごとにばらばらに、その変動と希望する顧客sサービスレベルのzスコアを見て算出しなければならないという仮定に基づいているからです。
それは馬鹿げています。本当に馬鹿げています。そして、私たちはそれを「深い真実」と呼んでいます。深い真実は、さらに深い真実によってのみ明らかにされ得るのです。そしてそれは、ジョアネスのオフィスに貼っておきたいポストイットに「すべてはフローに関することだ」と書いてあるようなものです。より良いフローがあれば、在庫を減らしながらより良い顧客サービスを実現できるのです。これはトレードオフではありません。
在庫量と顧客サービスの間のバランスを最適化しようとするMEIOシステムは、根本的に破綻しており、需要駆動型の手法では安全在庫は使用しません。ですから、私もジョアネスに全く同意です。
コナー・ドハティ: わかりました。そして、最後の質問です。他にも質問はありましたが、次のセクションに移るために、未回答のものはLinkedInで対応することにしましょう。しかし、実はこれはキャロル、あなたのファンの一人からの質問です。名前は出しませんが、実際にあなたのファンの誰かからの質問です。つまり、これは誠意と好意に基づいて寄せられた質問なのです。
それでは、キャロル、あなたにお聞きします。もしヨァネスの批評が全く正しくなく、完全に的外れであるならば、なぜあなたは需要主導型アプローチがもっと広まっていない、または人気がないと思うのですか?
Carol Ptak: うーん、面白いですね。ご存知のように、私も…彼の批評も…さて、話を戻します。今日のディベートが方法論についてであって、出版社の指示で行わなければならないページ番号やラベル付け、グラフ、図表についてではないと思っていたので、今日の議論の深さにがっかりしました。
最終的に交わされた質問のやりとりの方が、ヨァネスが入ってきて事前に準備したノートを読むよりも良かったと思います。ですから、もっとダイナミックな議論を期待していました。なぜ需要主導型がもっと普及していないのか?実は、ある国々では非常によく知られており、その普及はその国のチームに依存します。フランスでは非常によく知られているので、何年にもわたってヨァネスから標的にされてきたのです。
彼はフランスでの知名度の高さゆえに、何年にもわたって需要主導型手法を批判してきました。我々の第1位の国はフランス、第2位はコロンビア、第3位はメキシコです。そして、我々はつい最近日本へも進出しました。アメリカはものすごい勢いで成長しています。ですから、Fortune Brandsのような大手消費財企業が採用しているのを見ていますし、ToyotaやCaterpillarのようなあまり知られていないブランドも実施しています。
ですから、あまり知られていないという点に異議を唱えたいです。この考え方は非常に大手の企業が通常受け入れてきましたし、キャッシュフローの影響と重要性を理解している小規模な家族経営の企業も存在します。さらに興味深いのは、パンデミック中に中国に進出し、今まさに日本にも拡大している点です。日本のチームは「需要主導型こそが我々に欠けていたもので、Kaizenアプローチは限界があり、画期的なアイディアが必要だ」と言っています。彼らは需要主導型がその答えであると信じています。
つまり、我々の需要主導型辞書が12ヶ国語に、試験が9ヶ国語に対応していることを考えれば、それほど知られていないとは言えません。コミュニティにいる我々は、採用していない企業の数を、採用している企業の規模や幅よりも重視する傾向にあります。ヨァネスの指摘通り、多くの企業は一度採用すると、自社事例を公開しません。なぜなら、それを競争上の優位性と捉えているからで、これは非常に残念なことです。
Conor Doherty: 分かりました、ヨァネス。あなたがこれまで言ってきた「うまくいかない理由」は、必ずしもあなたと同じ学歴を持たない人たちと一致するわけではないでしょう。では、他の実務者にとって、なぜこれがもっと広まっていない、採用されていないと思うのですか?
Joannes Vermorel: 事実として、非常に、非常に事実に基づいて言えば、私の見解は、それが極めて曖昧であるということです。もし他のサプライチェーン理論と比較するとしたら—私の理論は除いて—例えばライバルの理論であるflowcastingですが、私もflowcastingを信じてはいません。ただ、その理論は非常に具体的で、極めて、極めて明確なのです。
ですから、もし私がflowcastingのソフトウェアを実装したいのであれば、flowcastingという本を手に取るだけで、実装に必要な全ての情報がほぼ曖昧さなく与えられているのです。何をすべきかがほとんど曖昧さなく示されています。私はflowcastingが優れているとは言っていません;実際、かなりひどいと考えています。しかし著者たちの功績として、彼らの理論は曖昧でもぼんやりしてもいません。一方で、DDMRPに関しては、主要な批判点は、極めて漠然としており、非常に弱く、何かを形作るのが非常に困難であるという点です。
もし私がソフトウェア編集者として「これを実装したい」と言った場合、その内容は信じられないほど曖昧で、どこから手をつければよいのかさえ分かりません。申し訳ありませんが、これは主観的な事柄なので、聴衆に言わせてもらうと、一冊の本を選び、ランダムに10ページ読み、「ここに書かれていることを、明確な方法で自社のために実行できるか?」と自問してみてください。明確に。自分自身に問い、その答えこそが、私の主張が正しいか、単なるナンセンスかを判断する真の基準となるはずです。
Carol Ptak: まあ、どの本を手に取っても10ページ読むだけでは全体像は掴めないと異議を唱えたいです。私たちの本の書き方は、まず問題を記述し、次に解決策の方向性を示し、その後に解決策がどのように問題を解決するかを述べ、さらに「やーけど」と呼ばれる障壁に対処し、最後に安全な前進の道筋を示します。つまり、ランダムに10ページ読んでも、どの本もあなたが求める結論には至らないのです。
しかし、今日の議論を総括すると、「すべてはフローに関するものであり、大まかに正しい方が、正確に間違っているよりも良い」ということになります。
Conor Doherty: さて、ここで私はさらに質問はありませんが、議論の場を皆さんに開放します。ヨァネス、私の監督なしにキャロルに直接問いかけたいことはありますか?
Joannes Vermorel: いいえ、キャロルがこのエクササイズに参加してくれたことに感謝したいです。本当にありがたく思っています。これは真のディベートでした。つまり、私の意見を調和させることが目的ではなく、私はあなたを説得するつもりはありませんし、あなたも私を説得しないでしょう。しかし、この議論に時間と労力を割いてくれたことに心から感謝しています。私にとってこれは大変意味があり、今後はもっと多くのディベートを行いたいと考えています。もちろん、他にも理論はありますから、これは私がこのチャンネルのために自らに課した目標です。
改めて、キャロルが90分ものしっかりとした時間を割いてくれたことをとても嬉しく思います。心から感謝しており、その点でキャロルに感謝したいです。
Carol Ptak: どういたしまして。そしてお誘いに感謝します。対面でディベートができると期待していましたが、パンデミックの影響で延期となりました。ですので、この機会が再び訪れたことを嬉しく思います。ご存知の通り、いつでもどこでもディベートを喜んで行うと約束した通り、市場に完全な情報を提供し、議論することは非常に重要だと考えていますから。
ディベートでは、各自が進むべき道を選べるのが当然であり、それで全く問題ありません。先ほども述べた通り、需要主導型はすべてフローに関するものです。大まかに正しい方が、正確に間違っているよりも優れているのです。
Conor Doherty: さて、キャロル、どこかでフランスがDDMRP実施のナンバーワンの国であると聞いたことがあります。ですから、次回フランス、特にパリにいらっしゃる際には、せめて夕食のおもてなしのために、私たちは大変喜んであなたを迎え入れたいと思います。
Carol Ptak: それは私のお気に入りです。トゥールーズの仲間たちは、私が行くときは必ずフォアグラと鴨の胸肉でなければならないと知っています。私は鴨肉とフォアグラを堪能し、幸せな気分になるのです。
Conor Doherty: さて、それではここで締めくくりたいと思います。正直なところ、あなたたちの応酬を聞いて非常に楽しかったです。何年もかけて準備されたディベートだったと言っても過言ではありません。もし啓蒙的でなかったとしても、少なくとも皆さんにとっては楽しめたことを願っています。改めて、お二人に心から感謝します。
Carol Ptak: Conor、本当に素晴らしい仕事をしてくださり、感謝しています。先ほども申し上げた通り、ヨァネスと私は何年もこの議題について話し合ってきたので、遂に実現できたことをとても嬉しく思います。
Conor Doherty: それでは、この辺で締めくくらせていただきます。ヨァネス、貴重なお時間をありがとうございました。キャロル、素晴らしいサポートをありがとうございました。そしてご覧いただいた皆様にも感謝します。次回お会いしましょう。