00:00:00 サプライチェーンにおけるヒューリスティクスの紹介
00:01:14 ヒューリスティクスの例：最小最大在庫、FIFO、ABC分析
00:03:15 企業におけるヒューリスティクスの起源と非公式な使用
00:06:28 問題解決における人間vsアルゴリズムアプローチ
00:09:58 コンピュータサイエンスの観点からのヒューリスティクス
00:13:27 ヒューリスティクスに関する素人の視点の問題
00:17:22 サプライチェーンのヒューリスティクスと因果関係の錯覚
00:22:00 ヒューリスティクスの効果を評価するためのメトリクスの必要性
00:26:35 実践におけるアルゴリズムとヒューリスティクスの違い
00:30:26 実験的検証と経験的最適化
00:36:33 サプライチェーンの意思決定における誤解を招く直感
00:41:27 航空会社の搭乗戦略と直感の例
00:46:47 サプライチェーンの意思決定における財務メトリクスの欠如
00:53:05 複雑なスケジューリングにおける人間の限界vsアルゴリズム
00:58:47 結びの思いと持ち帰り
サマリー
最近のLokadTVのエピソードでは、LokadのコミュニケーションディレクターであるConor Dohertyが、LokadのCEOであるJoannes Vermorelにインタビューし、サプライチェーン管理におけるヒューリスティクスについて議論しました。彼らはFIFOやABC分析などの単純な問題解決ツールの使用について議論し、その限界とより堅牢な数学的アプローチの必要性を強調しました。Joannesは、ヒューリスティクスが簡単な解決策を提供する一方で、しばしば一貫性と経験的検証を欠いていると説明しました。彼は、真のヒューリスティクスと任意の数値レシピを区別する重要性を強調し、サプライチェーンの実践を検証するための現実世界の評価と実験を提唱しました。この会話は、サプライチェーンの意思決定を最適化する際の批判的評価と経験的証拠の必要性を強調しました。"
拡張サマリー
最近のLokadTVのエピソードでは、LokadのコミュニケーションディレクターであるConor Dohertyが、LokadのCEOで創設者であるJoannes Vermorelと刺激的な議論を交わしました。Lokadは、予測型サプライチェーン最適化を専門とするフランスのソフトウェア会社です。この会話では、サプライチェーン管理におけるヒューリスティクスの使用について掘り下げ、その限界を探り、より堅牢な数学的アプローチと対比しました。
Conorは、サプライチェーンの意思決定で一般的に使用されるFIFO（先入れ先出し）、LIFO（後入れ先出し）、ABC分析などの単純な問題解決ツールであるヒューリスティクスの概念を紹介しました。これらのヒューリスティクスは、不確実性を乗り越えるためによく使用されることを強調し、サプライチェーンの実践家がヒューリスティクスとは何を指すのかについてJoannesに詳しく説明するよう求めました。
Joannesは、業界では、ヒューリスティクスは基本的に意思決定を導くために使用される規則の形式化された指針であると説明しました。たとえば、在庫ポリシーの最小最大（需要量の3ヶ月分に設定された最大在庫）はヒューリスティクスです。これらのヒューリスティクスは、複雑な問題に対する簡単な解決策を提供しますが、しばしば恣意的であり、異なるプランナーや企業間で一貫性が欠けています。
Conorはさらに掘り下げ、これらのヒューリスティクスの起源について尋ねました。Joannesは、これらは特定の問題に対処するために人々が考えられる最も単純な解決策であると答えました。たとえば、FIFOはすべてのアイテムが最終的に選択され、処理されることを保証し、劣化を防ぎます。しかし、これらのヒューリスティクスは必ずしも最適な解決策ではないと強調しました。
Joannesは、経済学者が理解するヒューリスティクスとサプライチェーン管理者が理解するヒューリスティクスとの重要な違いを紹介しました。グラスを取るなどの自然なタスクでは、進化が必要な本能を私たちに備え付けているため、人間はヒューリスティクスを効果的に使用します。しかし、サプライチェーンの問題は自然界に存在しない離散的な数値的課題であり、私たちの生まれつきのヒューリスティクスはこれらのタスクに適していません。
ConorとJoannesは、FIFOやABC分析などの従来のヒューリスティクスの限界について議論しました。Joannesは、これらの方法はしばしば恣意的な数値レシピであり、真のヒューリスティクスではないと主張しました。なぜなら、それらの効果を測定するメトリクスが欠けているからです。ヒューリスティクスと恣意的な数値レシピとの区別の重要性を強調しました。
Conorは小売業者の視点を示し、ABC分析などの簡単な方法が利益を上げるために機能すると提案しました。Joannesは、利益性がビジネス全体でのすべての実践を正当化するわけではないと反論しました。彼はAppleを例に挙げ、一部の実践が直接的に利益に貢献しないかもしれないが、それでも従われていると述べました。
会話は、現実のサプライチェーンでのヒューリスティクスの検証の難しさに移りました。Joannesは、アルゴリズムには証明可能な特性がある一方、ヒューリスティクスは実験を通じた経験的評価を必要とすると説明しました。彼は、確率的勾配降下法などのヒューリスティクスの例を挙げ、その実用的な性能にもかかわらず、形式的な証明がないことを指摘しました。
ConorとJoannesは、明確なメトリクスがない状態でヒューリスティクスの優秀さを評価する難しさについて議論しました。Joannesは、企業が効果を前提とせずに、数値レシピの有効性を実験を通じて検証する必要性を強調しました。彼は、実験的最適化に関する彼の講義シリーズを参照し、最適化ターゲットの発見の重要性と経験的検証と数学的検証の違いを強調しました。
Joannesは、自分のアイデアに夢中になる心理的偏見にも言及しました。これは、適切な検証なしに恣意的な方針を採用することにつながる可能性があります。彼は、従来の方法が破産につながっていないだけで、それが本質的に良いものであると仮定することを警告しました。
議論は、ヒューリスティクスという用語は、単純で効果的な数値レシピであり、その成功の経験的証拠があるものに予約されるべきだというJoannesの助言で結論づけられました。彼は、財務的観点での現実世界での評価の重要性と、企業が自らの方法を批判的に評価する必要性を強調しました。
Conorは、Joannesと視聴者に感謝し、LokadTVのYouTubeチャンネルに登録し、サプライチェーン最適化に関するさらに洞察に富んだ議論をフォローするよう視聴者に勧めることでインタビューを締めくくりました。
フルトランスクリプト
Conor Doherty: LokadTVへようこそ。ヒューリスティクスは、サプライチェーンにおけるほとんどの意思決定の中心にあります。
ヒューリスティクスは、不確実性の瞬間を導く単純な問題解決ツールです。FIFO、LIFO、ABC分析を考えてみてください。
今日は、Joannes Vermorelと一緒に、これらのヒューリスティクスの限界について議論し、より堅牢な数学的視点と対比します。
いつものように、気に入ったらYouTubeチャンネルに登録して、LinkedInでフォローしてください。それでは、サプライチェーンにおけるヒューリスティクスをご紹介します。
私の紹介で述べたように、ここでは特にサプライチェーンにおけるヒューリスティクスについて話します。つまり、サプライチェーンの実務家が、オフィスでヒューリスティクスについて話しているとき、何を話しているのでしょうか？何を意味しているのでしょうか？
Joannes Vermorel: つまり、ほとんどのサプライチェーンの実務家は、おそらくヒューリスティクスという用語を使用しないでしょう。もう少しファンシーです。一般的に業界を考えると、人々がヒューリスティクスと言うとき、それは意思決定を導くために使用される何らかの形式化された経験則を意味します。
例として、私たちには最小最大在庫ポリシーがあり、最大値は需要量の3ヶ月分と定義されています。それだけです。これが私のヒューリスティクスです。
ヒューリスティクスの興味深い側面は、おそらく、それが複雑な問題を持っているという世界の視点で、あなたのヒューリスティクスがこの問題に対する単純な解決策を提供するということです。
Conor Doherty: まあ、多くの人が文字通り委員会で決定された言葉を書き留めました。ですので、私のフォローアップは、最小最大の例で、3ヶ月分の需要があると言うと、それは単なる恣意的な決定ですか？それがそれを単なる経験則にする要因ですか？
Joannes Vermorel: はい、それがほぼすべてです。おそらく人々はいくつかの代替案を緩く試してきたかもしれませんが、2ヶ月では足りないと感じ、6ヶ月は多すぎると感じ、そして何かに収束しています。
または、もっと頻繁には、一貫性がまったくないことがより一般的です。すべての需要と供給プランナーは、それぞれ独自の経験則のセット、使用されているヒューリスティクスのコレクションを持っています。
企業がヒューリスティクスに関して何らかの実践を強制することは稀です。少なくとも企業がヒューリスティクスを持っていると考え、言うとき、それは通常、強制されていないことを意味し、比較的非公式で、それらのヒューリスティクスのすべてのパラメータをどのように選択するかには大きな余地があることを意味します。
Conor Doherty: まあ、最小最大の例を挙げましたが、FIFOのようなものもありますし、LIFOもありますし、ABC分析もあります。これらはどこから来るのでしょうか？どのようなエーテルから出現するのでしょうか？
Joannes Vermorel: つまり、それらは、直面している問題に対する解決策を提供するために考えられる最も単純な解決策です。たとえば、FIFOを考えてみましょう。
もし入ってくるものを反復的に処理しなければならない場合、最も基本的な問題の1つは、何かを一生懸命にしておいてしまう方法です。それだけです。
順序を決めずにランダムに選ぶと、最終的には選ばれないアイテムが1つ残ってしまう可能性があります。それはただ横に押しやられ、処理されることはありません。
これは悪いことです。なぜなら、このアイテムは最終的に腐敗します。製品を腐敗性と呼ぶかどうかに関係なく、すべての製品は十分な時間が経過すれば腐敗します。
したがって、少なくとも最終的に流れてきたすべてのものが選択され、処理され、最終的にどこかに出荷されることを保証するプロセスが必要です。
したがって、たとえば、先入れ先出しと言うと、それはすべてが選択されることを保証する基本的な方法です。良い方針ですか？それは、状況によりますが、確かにこの1つの特性を提供します。
したがって、これは確かにこの問題の解決策であると言えます。良い解決策ですか？それはまったく別の問題です。
Conor Doherty: それはまさに次の質問です。なぜなら、最適性という用語を使用しなかったり、最適な決定とは言わなかったりしたからです。もちろん、あなたが説明したような状況では、修理工場にいるとき、2つのエンジンが入ってきたり、朝に多くのエンジンがあったりして、最初に何を修理するか、どのスケジュールを選択するかを決めなければならず、良いまたは最適な決定に見えるものに到達しようとしています。
ですので、私の質問は、あなたの意見では、この種のヒューリスティクスを通じて得られる最適性の上限は何でしょうか？たとえば、FIFOを取り上げます。
Joannes Vermorel: 問題を考える正しい方法ではないと思います。ヒューリスティクスについて考えるとき、実際には2つの根本的に異なる視点があることを考え、一呼吸置いて考える必要があります。
まず第一に、ヒューリスティクスとは、経済学者が考えるというか、少なくとも、たとえば、このグラスの水を取る必要があるとします。手を伸ばして取ることができます。
物理学者は、「ああ、私の手の正確な軌道、私の指のそれぞれの正確な軌道、正確な質量、正確な力などを計算するためには何百万もの計算が必要です」と言うかもしれません。それが、ロボットがロボットアームを動かしてグラスを取るための完璧な計算を行う場合に必要なすべての計算です。
しかし、人間はそうは機能しません。代わりに、推定航法などのヒューリスティクスをたくさん使用しています。「右に行きすぎている、左に曲がる」とか、「圧力は十分か？いや、グラスが滑っている、もっと押す」とか。
したがって、非常に複雑なタスクを達成するために、基本的な処理を行うたくさんのヒューリスティクスがあります。つまり、グラスの水を取るとき、あなたの脳はリアルタイムで微分可能な方程式を解いているわけではありません。それは単に美しく機能するたくさんのヒューリスティクスであり、その後、あなたは成功裏にグラスの水を取ることができます。
実際、現実世界、自然、宇宙などで起こっているたくさんのことに対して、私たちには、見かけ上は信じられないほど複雑な問題のための美しい解決策が与えられています。
ちなみに、2本の脚で立っていることも、たくさんのヒューリスティクスが必要です。人々が2本の脚で歩くロボットを設計しようとすると、それが実際に非常に難しいことであることに気づきます。なぜなら、私たちはそれらのヒューリスティクスを知らないからです。
これはサプライチェーンの状況ではありません。ここでは、過去半十億年間、生物が移動できるようになるための課題を表現したタスクを持つヒューリスティクスを説明しています。
Conor Doherty: 彼らは無意識でもあります。私は意思決定について話しています。
Joannes Vermorel: はい、グラスの水を取ることも意思決定です。手を動かすことも意思決定です。しかし、ここで私たちが話しているのは離散的な数値的な意思決定です。それは自然に存在しないものです。
自然界では、明日、明後日などに供給する製品の数をどれだけ必要とするかなど、離散的な数値的な意思決定を考えることはありません。それらは自然界で見つかるものとはまったく異なる離散的な数値的な意思決定です。
ですので、私が最初に述べるポイントは、自然界から来る暗黙の視点を採用すれば、人間は複雑な問題に非常に単純な解決策を適用する能力を持っていると言えます。
そして私の反論は、これが自然界のような人工的な状況、例えばサプライチェーンの解決がうまくいかないということです。私たちが自然界で直面するものとはまったく異なる問題のクラスであり、そこで何がうまくいくかについての内在的な感覚を持っているとは仮定できません。
進化は、複雑なサプライチェーンネットワークの最適な補充スケジュールを評価する能力を私たちに授けていません。進化がそのような問題に関して私たちに何かを与えたと言うのは非常に幻想的な主張です。
ですので、私が言いたいのは、コンピュータサイエンティストが採用しているヒューリスティクスの異なる視点に移る必要があるということです。コンピュータサイエンスでは、問題がある場合、その問題に対して証明可能な解であり、この問題に対して素晴らしい特性を持つ解がある場合、それをアルゴリズムと呼びます。
それがアルゴリズムです。コンピュータサイエンスにおけるアルゴリズムは、形式的な証明要素を持つ数値レシピです。
例えば、リストのソート。順不同の要素のリストがあり、それらを最小から最大までソートしたいとします。リストをソートする方法はたくさんありますが、いくつかの方法は、すべての数字をソートするために最小限のステップ数と最小限のメモリ量が必要な解を提供します。
それがアルゴリズムです。アルゴリズムは、証明可能な解であり、正しいだけでなく、問題に適切に対応する追加の特性も持っています。
ヒューリスティクスは、再びコンピュータサイエンスの視点からすると、形式的になぜそれがうまく機能するのか、なぜそれが非常にうまく機能するのかを正式に知らなくても、実際には非常にうまく機能する数値レシピです。
実際、非常にうまく機能し、非常にシンプルでありながら、誰も本当の理由を知らないような、美しく機能する隠れた宝石のような解のクラスが存在することがわかります。
ですので、サプライチェーンに適用される例は？はい、多くの例がサプライチェーンに適用されます。たとえば、確率的勾配降下法があります。これは発見されたプロセスです。概念的には非常にシンプルです。4行程度で書くことができます。おそらく50年代に発見されたと思われますが、少し不明瞭です。そのアイデアは非常にシンプルで、おそらく何度も発明されていたでしょう。
それにもかかわらず、15年前まで確率的勾配降下法にあまり注意を払っていなかった人々が一般的にいます。なぜでしょうか？それは、人々が実際に使用したときにどれだけうまく機能するかに気づいていなかったからです。
Conor Doherty: どのような問題に対してですか？
Joannes Vermorel: すべての学習問題、すべての最適化問題、および他にもたくさんの状況です。それは非常に広範囲の状況で機能する半普遍的なヒューリスティクスです。
これは、確率的勾配降下法の適用範囲の広さそのものが驚くべきです。それにもかかわらず、なぜそれが非常にうまく機能するのかを説明する数学的な証拠は実際にはありません。単にうまく機能するだけです。
したがって、非常に興味深いです。コンピュータサイエンティストがヒューリスティックについて話すとき、彼らはヒューリスティックを隠れた宝石として言及しています。ところで、最初の質問に戻る必要がある場合、ヒューリスティックとは、少なくともコンピュータサイエンティストによって与えられた正確な定義として、証明がない数値解であると定義されます。
したがって、ヒューリスティックは、定義上、最適解からどれだけ遠いかがわからないものです。それはほぼ確実です。もし知っていたら、それはアルゴリズムと定義されるでしょう。なぜなら、アルゴリズムとは、正確性と追加の動作を証明できるときに、数値レシピがアルゴリズムと呼ばれるようになるからです。
Conor Doherty: アルゴリズム、わかりました、だから私はそれをまとめてみようと思います。私が理解した限りでは、FIFOなどの従来のヒューリスティックの問題は、たとえば、その問題に対して非常に急いで解決しようとする問題であり、人間の心が理解できない問題です。
Joannes Vermorel: いいえ、私は言いたいのは、ヒューリスティックで行われている間違いは、専門家の視点ではなく、素人の視点でアプローチされるということです。数値レシピにある程度の良さを帰属しようとすることです。だから私は、完全に中立的な数値レシピという用語を使用することを好みます。ご存知のように、それは完全にクソかもしれませんし、優れているかもしれませんが、それだけです。結果を与える一連の計算に過ぎません。それが何かに役立つとは思っていません。ただ計算を行うだけです。
ヒューリスティックという用語を使用するときの問題は、非常に恣意的なものを考え出し、この修飾語を適用することです。数値レシピがどれだけ良いかという前提があるかのように。自然界に戻ると、これらのヒューリスティック、たとえば、オブジェクトを取得するための本能的な方法は非常に優れています。非常に優れています。それがどれだけ優れているかをどうやって知るのか？それは、同じことを行うロボットを設計しようとすると、惨めに失敗し、私たちが本能的に行うことに近づくために膨大な工学努力が必要です。
ですが、それが人々に、たとえば、「私の最小最大在庫ポリシーの最大値は需要の3か月分です」と言っても、なぜそれをヒューリスティックと呼ぶのでしょうか？これは何か役に立つものですか？それは完全に無意味かもしれません。私はわかりません。それは私が直感を持っているからではありません。その直感はどこから来るのでしょうか？わかりますか？通常、何もから来ます。そこが問題だと思います。
ヒューリスティックが驚くほど良いものを指す用語として使用されるコミュニティなど、他のコミュニティがあるため、それらの数値レシピに実際に値する以上の価値を与える、緩やかな肯定的な帰属、一種のハロー効果があるという事実があります。
Conor Doherty: しかし、小売業者は、あなたが言ったことを聞いたら、単に応答して、「私はABC分析を行っています。私の売上の大部分がどこから来ているかを知っています。私は在庫を保持しており、お金を稼いでいます。それ以上に洗練されたものである必要はありませんし、それが機能する理由は、私はまだビジネスをしているからです。お金を稼いでおり、昨年よりも多くのお金を稼いでいます」と言うでしょう。
Joannes Vermorel: はい、水漏れしている店舗でも利益を上げることができます。したがって、もし水漏れしている店舗がもっとあれば、もっとお金を稼ぐかもしれません。再び、それが問題です。サプライチェーンは大きな絵の中の1つの要素に過ぎません。ですので、利益を上げているからといって、あなたが行っているすべてのことが意味があるか、利益に寄与しているかということではないと考えるのは間違いです。
例えば、Appleのような企業でも、会社の将来について従業員のほとんどを無知のままにしていることが知られています。それがAppleのよく知られた特徴の1つです。将来の製品リリースに関しては、誰もが無知のままであり、内部で誤ったロードマップをさまざまなチームにリークすることさえあります。ですので、もしロードマップがリークした場合、誰が誤ったロードマップを受け取ったかがわかります。よし、それは本当にAppleの収益性を向上させている側面なのでしょうか？おそらく、そうであるかもしれませんし、そうでないかもしれません。別のビジネスでこれを真似て、その他のビジネスをより収益性の高いものにすることが望ましいものなのでしょうか？おそらくそうではないでしょう。
ですので、もし私に「ABC分析を使用しており、私のビジネスは収益性が高い」と言われた場合、唯一の結論は、ABCがあなたの会社を破産に追いやるほど悪いわけではないということです。しかし、それがわかる唯一のことです。ABC分析について言える唯一のことです。
Conor Doherty: また、最適なものを探しているときに、それには程遠いと言えます。お金を残していると言えます。単純に、そこに二極化された立場を取っているように聞こえます。それを行うことが100%愚かなことであるか、100%良いことであるかのように。
Joannes Vermorel: しかし、ここで見ていただくと、再び、コンピュータサイエンティストと一般人のビジョンが本当に異なるところです。コンピュータサイエンスでは、人々は、ヒューリスティック、つまり数値レシピが何らかの経験的な良さを示す場合にのみヒューリスティックと呼ばれる能力を獲得することを認めています。ですので、私が考案できるすべての数値レシピがヒューリスティックであるわけではありません。ヒューリスティックに適格となるためには、何かをするのに驚くほど良いである必要があります。
Conor Doherty: それに異論を唱える人もいるかもしれません。
Joannes Vermorel: そして、この驚くほどの良さには、メトリックが必要です。測定が必要です。
例えば、ABC分析のほとんどは、何についても何も資格を与えるメトリックがありません。それは単にすべての製品に文字を割り当てることについてです。A、B、Cという。それだけです。その後の拡張は、各クラスに対して均一な在庫ポリシーを持つことです。しかし、この均一な在庫ポリシーは、たとえばサービスレベルとはまったく異なるかもしれません。クラスごとの均一なポリシーは、クラスAについて、在庫を3か月分保持します。クラスBについては2か月分。クラスCについては1か月分。それも機能します。
ですので、サービスレベルはABC分析の必ずしも不可欠な部分ではありません。これらの商品の入手可能性は、それらの認識された重要性に対応しています。ABC分析は、重要なすべての製品にクラスを割り当てることについてです。クラスを割り当てることについてであり、その方法は売上を重み付けすることですが、それだけです。ですので、私が言っているのは、あなたが解決しようとしている問題は何かということです。ABC分析は、何を解決しようとしているのかがわからないため、数値レシピであると言っているのです。最適なものが何かを知らないからです。
Conor Doherty: それでは、続けてください。
Joannes Vermorel: これが問題なのです。ヒューリスティックと単なる任意の数値レシピを区別する必要があります。任意の数値レシピは完全に動機づけされていない場合があります。私はただ計算しているだけです。なぜなら計算できるからです。ですので、計算を行うだけです。それだけです。
ヒューリスティックを持ちたい場合は、説明するターゲットやその良さを評価する方法が必要です。別の例として、コンピュータサイエンスからヒューリスティックを探してみましょう。疑似乱数を生成するためにXORシフトを使用しているとします。非常に良いです。ランダムと見なされる数列の品質を示すメトリクスがあります。そのようなメトリクスはたくさんあります。
したがって、XORシフトのようなヒューリスティックを使用する場合、新しく生成された数列のランダム性を検出するメトリクスに従って、それがランダムな数値として生成されるのかどうかを評価できます。ですので、メトリクスがあり、ターゲットがあり、何について話しているのかがわかります。それがヒューリスティックかどうか、それが良いかどうかを言えるでしょう。良い場合は、それをヒューリスティックと言います。しかし、何をしているのか全くわからない場合、それをヒューリスティックと呼ぶのは間違いだと思います。なぜなら、それが良いかどうかがわからないからです。
あなたはただ数値レシピを作り上げ、それをヒューリスティックと呼んでいるだけです。
Conor Doherty: ですので、再度、非常に具体的にするために、人々がABC分析を行い、その後、例えばAクラスの在庫を3ヶ月間保持したり、サービスレベルを設定したりして、その後に決定を下す場合、そしてそれに基づいて肯定的な結果を見る場合、それは論理的な誤謬です。はい、なぜなら、あなたが言ったように、その良さを評価することができるのか、メトリクスが明確でない場合、どうやってそれを行うことができるのでしょうか？
Joannes Vermorel: できません。そして再度、人々がヒューリスティックと呼ぶものについては、中立的な用語である数値レシピと呼ぶことを好みます。実際には、彼らは試みさえしていません。見ての通り、非常に頻繁に、これがどれほど良いか、どれほど形式的に良いかを定量化する試みさえなかったことがあります。
そのような例はたくさんあります。たとえば、価格を丸めたいと考える企業があるかもしれません。99で終わることを好む企業もありますし、95で終わることを好む企業もあります。数字を調整する方針を持つことができ、99の直前に切り上げるか、95の直前に切り上げるか、97の直前に切り上げるか、次の丸められた数値に切り上げるかを選択することができます。
そのようなことをしているほとんどの企業は、これらのオプションのどれが自分にとってより良いかを全くわからないまま、それでも1つを選択しています。
Conor Doherty: つまり、本質的に因果関係を推測しているわけですね。
Joannes Vermorel: はい。そして再度、私は、時々、完全に任意の方法で方針を取り、単純さのためにそれに固執することは問題ないと思います。しかし、その任意の選択肢に成功を帰するべきではありません。それが私が言っていることです。
Conor Doherty: さらに、経済学の観点から話すと、ヒューリスティックスについて話すとき、ほとんどの人々は、問題を単純化し、意思決定に至ろうとしています。そして、その結果を見る方法も非常に単純化されています。たとえば、「私は何かをした、価格をすべて丸めたり99にしたら、売上が上がった、または売上が下がった。したがって、事後、それゆえに、私が以前にしたことが原因である」というようなものです。もちろん、それは不可能です。問題は、あなたがそのようなことをしたときに、同時に100人の他の人が因果関係を解明しようとしていたということです。それは非常に難しいことです。
Joannes Vermorel: はい、それは非常に難しいです。特にサプライチェーンの場合、すべてが相互につながっているシステムがあると、非常に難しいです。私のポイントは、ヒューリスティックスに関しては、正しく理解されれば、それらは本当に素晴らしいものになる可能性があるということです。そして、ところで、ヒューリスティックスと呼ばれるものを持っていると、コンピュータサイエンティストが言うものがあると、それは隠れた宝石のようなものです。アルゴリズムで見られるものです。
アルゴリズムとヒューリスティックスの違いは、アルゴリズムは数値レシピがあるものです。数値レシピを読んで、数学者として、その性質を証明できます。それは素晴らしいことです。非常に安価です。アルゴリズムの素晴らしいところは、アルゴリズムは信じられないほど安価です。現実世界で実験を行わなくても、アルゴリズムがうまく振る舞っていることを証明する必要はありません。それは素晴らしいことです。つまり、数学者が自分のオフィスで働いているときに、突然、会社に価値をもたらす素晴らしく振る舞うアルゴリズムができるということです。
ヒューリスティックス、まあ、ヒューリスティックスを発見する唯一の方法は実験を行うことです。これは経験的な評価であり、非常に難しいことです。たとえば、確率的勾配降下法は、何千人もの人々に知られていたにもかかわらず、何十年もの間、完全に無視され続けていました。なぜなら、実際にはうまく機能していることに誰も気づいていなかったからです。ですので、それはヒューリスティックスです。それは存在するかもしれませんが、人々が数値レシピを実際にテストし、特定の問題のクラスでうまく機能していることを確認するまで、それが有益なヒューリスティックスであるとは認識されません。
Conor Doherty: しかし、あなたが述べたいくつかの声明について、たとえば、再度、質問に移る前に要約すると、「私は何かをした、したがって、私がしたことが売上の急上昇や売上の減少を引き起こしたと仮定する」という例を挙げました。そしてあなたは、「しかし、他の100人が100のことをした、または1000のことをした」と言いました。数学的ヒューリスティックスを使用しても、あなたが選んだことや使用したツールが理論から実際の相互接続されたサプライチェーンの意思決定のネットワークに取り出されたときに、それが肯定的な違いをもたらしたかどうかをどのように知ることができるのかということが私には思い浮かびます。
Joannes Vermorel: いいえ、再度、実験を行い、持っているすべての数値レシピの優れた性質を検証することができます。私は、それができないとは言っていません。私が言っているのは、ほとんどの企業がさえ試みていないということです。
Conor Doherty: では、企業はどのようにそれを試すのでしょうか？どのように見えるのでしょうか？
Joannes Vermorel: ですので、これが実験的最適化に関するこのシリーズの講義にあるものです。実験的最適化について1時間半の講義があり、それは実験的最適化と呼ばれています。つまり、何を最適化しようとしているのかがわからないので、最初のステップは何を最適化しようとしているのかを発見することです。これは、クラシックな数学的最適化の観点とは非常に異なります。そこでは、ターゲットがすでに与えられています。
しかし、私が言っているのは、ヒューリスティックに戻りたいということです。基本的に、最良の数値レシピが数学的証明を持っている必要があるという理由は何もありません。数学的証明が存在するという事実は、数値レシピが良いか悪いかとは何の関係もありません。基本的に、これらは完全に異なる視点です。ただし、数学的証明を持つことができれば、少なくとも素敵なことを知っているということです。そして、特定の条件下では、多くのことを知ることができ、他の数値レシピの中で何も知らないものと比較して、証拠の要素があるものを使用することを好むでしょう。それは何もないよりはましです。
しかし、実際に適切な実験設定で試してみると、この実験的最適化に関する講義で確認されているように、それが優れているという経験的な証明があれば、数学的基準は現実世界からのフィードバックを上回ることはできません。つまり、数学的証明が多数ある方法と、数学的証明がない方法がある場合、しかし他の方法の方が実践的にはより良い結果をもたらす場合、私はこの他の方法を好むべきです。それが素敵な数学的特性を持っていなくても。
そして、ヒューリスティックを非常に興味深いものにするのは、コンピュータサイエンスの観点からは、ヒューリスティックに適格なものは、時々、より証明可能な解決策に比べて、非常に少ないコンピューティングリソースで動作することができることです。たとえば、再び、確率的勾配降下法。確率的勾配降下法は、あらゆる種類の問題を最適化するのに非常に効率的です。そして、私が言う効率的とは、他の方法と同等の最適化レベルを達成するためには、何千、何万、何億倍ものコンピューティングリソースが必要です。
それは非常に非常に効率的ですが、形式的な証明がありません。
Conor Doherty: 理解しました。そして、さらに、リソースの割り当てやリソースからの投資収益率について話している場合、FIFO、ああ、私は頭の中で適用しただけですが、ゼロコストです。あなたがそこで説明した配置とのコストの差は何ですか？
Joannes Vermorel: 私は言います、慎重に状況を考えることをバイパスすることはできません。FIFOは違いを生むのでしょうか？それはビジネスによって大きく異なります。一部の企業では、それは完全に無関係です。気にしません。何の影響もありません。他の一部の企業では、それは非常に重要です。
あなたがMROであり、航空機エンジンを修理したい場合、エンジンを選ぶ順番は、あなたの運用がスムーズに進行するかどうかに非常に影響します。物流プラットフォームのトランジットを組織するだけで、FIFOを行いたい場合、それは無関係です。毎日の終わりには、プラットフォームをクリアします。プラットフォームには何も残したくありません。したがって、この状況では、順序付けはほとんど無関係です。
Conor Doherty: さて、そこであなたが与えた例が本当に気に入りました。再度、あなたがMROであり、エンジンを作業するエンジンを選択する必要がある場合、そして私はあなたが以前に言ったことに戻りたいと思います。典型的に、あなたは何と言いましたか、人々は彼らが最適化しようとしているものを最適化していないか、または正しいものを最適化していないと。したがって、あなたが説明したシナリオでは、人々がFIFOを適用すると、「まあ、エンジンを出しているので、エンジンの修理を最適化している」と考えています。彼らは、ヒューリスティックをうまく実行していなくても、少なくとも問題について正しく考えていると言えますか？
Joannes Vermorel: いいえ、それは別の問題です。通常、数値レシピ、そして私はヒューリスティックという用語ではなく数値レシピを使用していますが、問題と解決策のプレースホルダーです。あなたは、ただそれをやっているだけです。状況は、問題が何であり、可能な解決策のクラスが何であり、それらのさまざまな解決策のさまざまな品質が何であるかというようにフレーム化されていません。単にやり方を選択して、それで終わりです。そして、それがどれほど良いかは、おそらく、おそらくそうであるかもしれませんが、そうでないかもしれません。
Conor Doherty: それはただであるというのは、彼らが問題と解決策を修正しようとしている方法を混同しているというあなたの言葉が好きです。それについてもう一度詳しく説明していただけますか？
Joannes Vermorel: 問題について考えるよりも解決策に集中する方がはるかに簡単です。したがって、人々が店舗のサービスの品質について考えたいとき、そのサービスの品質が何を意味するかを考えるのは非常に難しいです。サービスの品質は基本的には、お客様の考え方に入り込んで、彼らがそれをどのように見るかを見ようとし、彼らが満足するかどうかを評価し、すべての彼らの緩い計画や欲望などを考慮し、それらが常に変化しているということです。ですから、それが問題であり、非常に難しいです。
解決策に焦点を当てることははるかに簡単です。この製品には5ユニット、この製品には5ユニット、この製品には2ユニットが必要です。見てください、私は各製品が何ユニット持っているかを言って解決策を提供しているだけです。したがって、解決策を発明し、創造することは通常、問題について考えるよりもはるかに簡単です。しかし、それを行うときに対処していないことは、解決策の良さを知らないということです。あなたはただ解決策を持っていて、この解決策がうまく機能しているかもしれないと言うかもしれませんが、あなたは知らないのです。
そして、たとえあなたの在庫レベルがゴミのようであっても、あなたの店舗が非常に競争力があるのは、たまたま他の部門が素晴らしい価格交渉を成功させたからかもしれません。したがって、在庫レベルがゴミのようであっても、あなたの店舗はまだかなり競争力があります。見てください、私が言っているのは、企業には、再び、供給チェーンには自明なものは実際には存在しない、そうではない、離散最適化のような問題を解こうとするゲームでは。
そして、私は、それがヒューリスティックではないことを証明されるまで、あなたが持っているものはヒューリスティックではないと認めるべきだと思います。それは驚くほど良いと評価されたものです。あなたが持っているものは数値レシピです。それらは良いですか？悪いですか？あなたは知りません。
Conor Doherty: 最近、LokadのSimon Schottとこのような非常に似た会話をしたことがあります。スケジューリングの最適化について話していました。そして、彼も自明という用語を使用しました。FIFOのような特定のヒューリスティックや数値レシピの問題の1つは、直接の外部性を無視することです、またはそれは人間の理解を超えているためです。
たとえば、月曜日の朝に3つのエンジンが到着します。どれを修理しますか？最初に入ってきたのはどれですか？相互に関連するステップや依存関係をすべて計算することはできません。この作業には100個の部品が必要です、これには68個、これには67個が必要です。これには20個のツールが必要で、そのうちの10個はこれにも必要です。これが終わったらそこに行かなければならない、これが終わったらそこに行かなければならない。Joannesは病気で、今日は出勤していないので、ステップ20の30を行うことができません。Conorはインタビューをしており、ステップ99の100を完了するために利用できません。これらすべての依存関係があり、それらは人間の心には自明ではありません。したがって、あなたは、完全な無力感に代わって、最初に入ってきたものに戻るだけです。
そして、それが間違っているわけではなく、これはSimonの言葉ですが、何か優れたものがない場合、少なくとも何かを使って、ある程度機能するようにします。あなたの話を聞いていると、それを説明するためには、より数学的な方法を使っているようです。しかし、それはあなたの感情と一致していますか？
Joannes Vermorel: はい、しかし、再び、課題は、解決策を選択すると、それが良いかどうかが全くわからないことです。そして非常に頻繁に、再び、自分を直感に導かせることはできません。私が言いたいのは、自然界では、私たちに与えられたヒューリスティックス、つまり実際に物を取ってつかむ方法など、それらは良いです。しかし、翻訳すると、これの翻訳がないのです。自然から授かった贈り物を、人間が作り出したサプライチェーンの世界に翻訳することはできません。それは、まったく異なるものです。
たとえば、非常に興味深い論文が発表されました。人々は飛行機の搭乗戦略をベンチマークにしました。そして、10年ほど前、企業は「搭乗を速めたいので、最初の列の乗客を最初に呼び、次に2番目の列を呼び、その後他の列を呼びます」と言い始めました。そして人々は言いました、「論理的だ、搭乗プロセスを速めるだろう」。しかし、実際の実験を行った研究者たちがいました。彼らは言いました、「OK、もし私たちが乗客を3つのグループに分け、1から10までの列、11から20までの列、21から30までの列の順に呼び出すと、他の政策と比較して、より良いものがあるかどうか？」そして、彼らが示した興味深いことは、乗客を無作為に飛行機に座らせることが実際に速かったということでした。直感的ではないかもしれませんが、それは経験的な結果でした。
ですから、私が言いたいのは、その複雑な現象に対する良さは、非常に人間が作り出したものであるためです。なぜなら、たとえば、私のグラスを取ることは、非常に多くの動く変数があるという意味で非常に複雑です。私には5本の指があり、そして多くの関節がありますので、たとえば、私が単純な動きでグラスを取るためにこれをやっているだけでも、おそらく50の自由度の問題のようなものです。ですので、非常に複雑ですが、私たちの直感は機能します。しかし、私たちの直感が自然に機能しない他のクラスの問題があります。そして、サプライチェーンでは、離散的な問題を扱うゲーム、ランダム性を扱うゲームがほとんどです。私たちの心はあまり良くありません。私たちの心は通常、パターンを扱うのに非常に優れており、ランダム性を扱うのにはあまり優れていません。したがって、私は自分の直感をあまり信頼しないでください。非常に誤解を招く可能性があります。
そして、興味深いことに、今日では、飛行機にランダムに乗客を乗せることが速いことが証明されているにもかかわらず、ほとんどの企業が順番に乗客を呼び出す方針を持っています。
Conor Doherty: それは確かですが、それはあなたが前に言及したポイントを示しているわけではありません。何を最適化しているかによります。もし搭乗の効率を最適化しているなら、あなたは正しいです。もし収益性を最適化しているなら、座席を売りたいので、ゾーン1は1から9までのゾーンで、それは3000ドルです。ゾーン10から15は1000ドルで、そのレートで飛行機を満席にします。そして私は利益を最適化しています。
Joannes Vermorel: しかし、全ての座席が同じ価格の飛行機にも適用されます。ビジネスクラスがない、ファーストクラスがない、ほとんどの人が同じ価格で請求される低コスト航空会社でも、これらの方針が適用されています。
Conor Doherty: それでは、高度な搭乗は必要ありません。
Joannes Vermorel: しかし、それでもやっています。
Conor Doherty: ですから、やる必要はありませんか？
Joannes Vermorel: 私が言っているのは、彼らが「人々をスライスで呼び出す」という数値レシピを思いついたということです。より秩序を保てば、より効率的に機能すると思われるため、実際の実験を行い、以前に行っていた方法よりもパフォーマンスが低下していることが結論付けられた、ということです。問題を解決しようとせず、飛行機の搭乗時に人々が自分で整理するのを任せていた方法よりも。
ここには、それが違いであると思うものがある。数値レシピを思いつくのは非常に簡単ですが、それが良いものかどうかが分からない場合、ただ単に最初に思いついたからといってそれが良いと仮定すべきではありません。そして、それが見た目に妥当であるからといって、それが良いと仮定すべきではありません。
Conor Doherty: さらに、任意のKPIを設定して、それが違いを生むと仮定するという考えを展開することもできます。
Joannes Vermorel: はい、そして再び、人々は自分たちのアイデアに夢中になりがちです。例えば、「サービスの品質を向上させるために、サービスレベルを97%から98%に引き上げる必要がある」というような。そしてそれが会社全体の方針になります。それは理にかなっていますか？たぶん、そうでないかもしれません。最小値と最大値の考えについて話しましたね。3か月分の在庫を置かなければならないというアイデアが会社の方針になります。目の前にある変数を取り、それらを使って何かを行うだけで数値レシピを思いつくのは非常に簡単です。そして何かを計算するでしょう。
ここでは、それが呼ばれるような間違いが行われています。私が言うのは、私が言うのは、単純な合理主義です。目の前にある変数を使って何かを計算するからといって、その計算が正しいというわけではありません。足し算や掛け算で間違いをしていないという数値的な意味では正しいかもしれませんが、あなたが思いついた式が実際に何かを反映しているわけではありません。
Conor Doherty: しかし、これは人々の基本的な帰属バイアスに対立するか、または衝突する傾向があります。彼らは単に、「私には代理権がある、私は何かをした、方針を設定した、KPIを設定した、ルールを設定した、そして私たちはお金を稼いだ。したがって、私は素晴らしいだけでなく、起こったことに責任がある」と仮定します。
Joannes Vermorel: はい、しかし、あなたは「私たちはお金を稼いだ」と言いますが、実際にはほとんどの企業、特にほとんどのサプライチェーン部門には財務KPIがありません。ここで非常に頻繁に起こることは、自分たちのために作り上げたルールに準拠しているかどうかをチェックするだけです。ここで、あなたは「私たちは利益を上げている」と言っていますが、再び、ほとんどのサプライチェーン部門は自分たちの割合に準拠しているかどうかをチェックしているだけです。
したがって、例えば、「97%のサービスレベルが必要です」と言うでしょう。そして、彼らは何かをし、その日の終わりに、「97%のレベルを達成したので、非常に良いです。たくさんのお金を失いましたが、97%のサービスを提供しています。」と言うでしょう。私たちがお金を稼いだか失ったかは関係ありません。あなたはパーセンテージを数えているのです。ドルではなく。私が知っているクライアントを超えた会社は、実際にサプライチェーンのためのいかなる種類の財務指標も考慮していない会社はほとんどありません。それは通常、完全に欠如しています。彼らは在庫回転の観点で考え、サービスレベルの観点で考え、ABCクラスやその他でそれらのサービスレベルを区別します。
しかし、自分自身のサービスレベルの任意のターゲットを設定し、その任意のターゲットに達成したときに勝利を宣言するからといって、会社の収益性と何らかの相関関係があると仮定してはいけません。しかし、それは非常に大胆な仮定です。
Conor Doherty: さらに、これは、人々が理解しやすい複雑な問題を真剣に受け止める傾向を示す全体的なポイントを示しています。例えば、スケジューリングについて話している場合、どれだけ注文するか、どこに送るか、ということを人間の心に収まるように分解しようとしています。つまり、「たった90から97%のサービスレベルにするだけで、問題が解決される」というようなものです。そして、それが解決されます。そのターゲットに到達したら、それは自己成就的です。しかしもちろん、それは私たちが以前に説明した意思決定プロセスの相互関連性や依存関係の多くを無視していることを無視しています。
Joannes Vermorel: はい、しかし、解決策に取り組むことは、問題に取り組むよりも通常ははるかに簡単です。例えば、航空機のメンテナンスを見てみましょう。実際には、メンテナンス作業中に1つの部品が欠けていると、航空機は地上にとどまることになります。それは比較的明らかですが、最後の瞬間にそれを手に入れない限り。しかし、解決策は、「すべての部品についてサービス可能な部品の非ゼロの在庫レベルを持ちたいだけです」ということになります。ですから、私がそれを持っていれば、その時点でサービス可能な部品の非ゼロの在庫レベルを維持できる限り、私はそれなりに良いです。
したがって、これが私の解決策です。問題は、提案された解決策があまりにも高価であるため、それが実現可能な解決策ではないことを完全に無視していることです。ですから、再び数値レシピに戻って、数値レシピを特徴付けて、それが適切に形式化されていることを確認する必要があります。その後、その良さを評価し、アルゴリズムか、ヒューリスティックか、それとも他の何かかを決定できるようにする必要があります。
私のポイントは、以前に行われた任意の数値ポリシーが、それが以前のやり方で行われたからといって、そのものに固有の特性を持っていると仮定することは危険だということです。言えることは、その会社を倒産させるほど悪くなかったということだけですが、これは非常に低い基準です。非常に非効率なことをしている場合でも、競合他社も非常に非効率なことをしている場合は、会社を倒産させるには十分ではありません。
Conor Doherty: 実際に、以前の会話の中で、任意のポリシーまたは任意のKPIを実現することの影響について話していました。たとえば、サービスレベルを95％から97％にするのにかかる金額は、サービスレベルを85％から87％にするのにかかる金額の約1桁多いです。ですから、「2％増やしたいだけだ」と言っても、収益の限界法則があります。
Joannes Vermorel: はい。
Conor Doherty: そして、あるレベルに達すると、コストは指数関数的に増加します。そして、人々は「たった2％増やしたいだけだ」と言うでしょうが、これがどのように波及するかは自明ではありません。
Joannes Vermorel: 人間の心はコンピューターではなく、人間の心はランダム性についてはあまり得意ではないと言ったことがありますが、幾何学的成長についてもあまり得意ではありません。指数関数的に複利されるもの、人間の心はそれを理解することができません。私たちにはそのメカニズムがありません。
はい、数学者として、時間をかけ、ペンと紙を取り、計算をすれば、理解できます。しかし、私たちには本能がありません。誰もが千、百万、十億、兆の違いを本能的に理解しているわけではありません。私たちは、この種のことを感じるための仕組みを持っていません。私たちの脳内には、ガウスノイズと非ガウスノイズの違いを感じ取るための仕組みがないのと同様に、統計的ノイズのクラスの違いを感じ取るための仕組みもありません。ランダム性の種類、ランダムな振る舞いの種類を多くの数学者が発見しています。
Conor Doherty: その点について、たとえば航空宇宙での修理のスケジューリングについて、以前に触れたことがあります。例えば、誰かが言ったとします。「私たちは非常に賢い人々を持っており、エンジンの修理のためのアクションのシーケンスを再生する必要があるときはいつでも、10人の非常に賢い人々がいます。彼らは自分たちで社内で解決策を見つけます。」もちろん、それは理不尽です。以前サイモンが述べたように、100人の超スマートな人々がペンと紙かExcelスプレッドシートで必要なすべての計算を繰り返し行い、最適な新しいスケジュールに到達するために必要なすべての相互依存関係、部品の量、必要なスキルの量、かかる時間を超えることを期待するのは理不尽です。
そして、MROの場合、時間の余裕がありません。したがって、可能であれば、そして議論のためにそれが可能であると仮定しましょう、そうではないですが、仮に可能であるとしましょう、それは無限の時間を要するということです。アルゴリズムが数分で行うことができることに対して、それにはドルのコストがかかります。私が戻ってくるポイントは、これが私が理解し、説明しようとする方法であり、それは賢いか愚かかの問題ではないということです。単に、人間の目には見えない外部性があるということです。
Joannes Vermorel: 残念ながら、ほとんどのソフトウェアベンダーは完全に無能であるという事実も考慮しなければなりません。ですので、これも別の要因です。人々は言います、「ああ、あなたがそれに対する私の議論は、10人が解決策を見つけるために座っても、それがうまくいかない場合、たとえば部品が欠けているなどの理由で、次の分で、彼らは代替策に移ります。ですので、彼らは再び質の低い解決策を探求し、適合するものが見つかるまで、ほんの少し迷路を進むようにします。壁、方向、別の壁、別の方向。」
多くの、と言いたいと思います、ソフトウェアの実装の問題は、ソフトウェアが壁にぶつかっても逃げ場がないということです。そして、もし行き詰まってしまったら、無意味なものに行き詰まってしまうだけです。ですので、多くの企業がそうでした。それは、私が言うには、50年代の運用調査の約束の一部であり、初期の、私が言うには、期待は、ソフトウェアベンダーがいくぶん無能であったために、実際には、最適な解決策や、上位のソフトウェア駆動型の解決策が、実際には非常に不適切に実装されたため、完全に、私が言うには、実用的ではなかったということでした。
しかし、少し分けなければならないのは、この問題がコンピューターによってアプローチできない問題であるか、人間の心が何らかのブードゥーを行っていて、コンピューターで複製することが不可能であるか、ということと、この問題が完全に無能なソフトウェアベンダーによってアプローチされ、彼らが提供した解決策がひどいものだったということとを分ける必要があります。
Conor Doherty: しかし、その点で、非専門家は—それがその言葉です、私は非専門家です—非専門家は、聞いていることやベンダーが伝えていることが無能さなのか不誠実なのかをどのように知ることができますか？また、これらの主張のいずれかを検証することができますか？
Joannes Vermorel: それは大きな問題です。ですので、ここにはそのための別の講義があります。それは敵対的な市場調査ですが、それについては別の説明が1時間必要です。実際に無能なベンダーをどのように検出できるかについて。
Conor Doherty: 何かヒューリスティックス、頭の中での規則はありますか？
Joannes Vermorel: はい、実際にここで与えられたヒューリスティックがありますが、それは証明されたものです。ですので、覚えておいてください、それは驚くほど単純な解決策であり、実証的に期待以上にうまく機能します。そして、敵対的な市場調査で与えられたヒューリスティックは次のとおりです：どうやって知るのか？ベンダーがいる場合、このベンダーの競合他社に、このベンダーについてどう思っているか尋ねます。これは敵対的です。
ですので、ベンダーについて正しい意見を持ちたい場合、ベンダーに尋ねるのではなく、ベンダーの競合他社に尋ねます。そして、対称的なことも行います：すべてのベンダーに、他のベンダーについてどう思っているか尋ねます。これは敵対的な評価と呼ばれ、非常に非常に堅牢であることが証明されています。ウォーレン・バフェットはこの非常に単純な原則に基づいて財産を築きました。そしてその考え方は、誰もが同意する場合—バフェットはこの質問をしていました。「もし銀の弾丸であなたの競合他社の1社を魔法で消すことができるとしたら、あなたの銀の弾丸のターゲットは誰ですか？」
そして、それは非常に興味深い質問でした。競合他社がすべて同じ会社を指定した場合、それは他のすべてを脅かす会社であることが明らかになります。そして、それらのベンダーはこの取引について最も知識が豊富であり、最も能力のある行為者が、すべての競合他社によって指摘されているものです。ですので、これは一種のヒューリスティックスです。この敵対的な市場調査を試してみるまで、その効果の良さに気づかないでしょう。そして、それが全く機能するかどうかさえ明らかではありませんが、テストされており、ベルクシャー・ハサウェイの成功などによって美しく機能することが証明されています。
Conor Doherty: さて、ジョアネス、私にはこれ以上の質問はありませんが、本日の人々への締めの言葉、今日取り上げた内容からの要点についてはどうでしょうか。しかし、サプライチェーンにおけるヒューリスティックスに関して、人々へのエグゼクティブサマリーは何でしょうか？
Joannes Vermorel: あなたが行うことはおそらく単なる数値レシピであり、恣意的な数値レシピです。ヒューリスティックスという用語は、隠れた宝石、単純で美しく機能するものに予約してくださいが、それが機能するという経験的証拠があることです。単に「私がそれをやっても会社が倒産しなかったので、それは機能する」というだけでは、あまりにも基準が低すぎます。ですので、その用語を予約してください。
そのような単純な数値レシピから合理的に期待される範囲をはるかに超えて機能するレシピを特定した場合、それを大切にしてください。それは非常に価値があります。ただし、この価値は、私が言うには、ドルやユーロで表現された現実世界の評価に根ざしている必要があります。単にその数値レシピの価値を直感的に感じるだけではありません。
Conor Doherty: さて、ジョアネス、ありがとうございました。私たちはその問題を解決したと思います、また1つ銀行に入れました。お時間をいただき、ありがとうございました。そして、ご視聴ありがとうございます。次回お会いしましょう。
