00:00:00 インタビューの紹介
00:01:41 イアン・ライト氏の初期キャリアとLogistics Sciencesの設立
00:05:33 サプライチェーンにおける最適性の概念
00:10:06 最適化、不確実性、現実世界の混乱
00:18:18 従来の最適化の限界とパンデミックの影響
00:25:27 Lokadの対応とサプライチェーンの適応
00:32:45 決定論的モデルの課題とトレードオフ
00:41:09 サービスレベル、財務モデル、合理的なチェック
00:50:48 人間の専門知識、ヒューリスティクス、反復的モデリング
00:58:39 サプライチェーンにおける人間の介入のコスト
01:06:24 エンジニアリングと意思決定の自動化としての戦略
01:14:06 Walmartの分散型モデルとシロの壊し方
01:21:39 フィードバックループと継続的なサプライチェーンの改善
01:29:18 最適性の達成とベンダーの煽りを乗り越える方法
01:35:42 サプライチェーン技術トレンドに関する最終的な考察
要約
最近のLokadTVのインタビューでは、Conor DohertyがLogistics Sciencesの創設者であるイアン・ライト氏と、LokadのCEOであるJoannes Vermorel氏を招いて、サプライチェーン管理において最適な決定は存在しないという概念について議論しました。彼らは効率性に関する従来の考え方に挑戦し、教科書の理想を覆す複雑さと不確実性を強調しました。イアンとJoannesは、異なるステークホルダーが最適性を異なるように定義しており、実践的な解決策はビジネスの現実と一致している必要があると強調しました。彼らは従来の最適化手法の限界や戦略的意思決定における人間の判断の重要性について議論しました。この会話は、不確実性を扱い、真の経済的成果に焦点を当てるモデルの必要性を強調しました。
拡張要約
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、Logistics Sciencesの創設者であるイアン・ライト氏と、LokadのCEO兼創設者であるJoannes Vermorel氏との興味深いディスカッションを主催しました。この会話は、サプライチェーン管理において最適な決定は存在しないという挑戦的な考え方を中心に展開しました。これは、効率性や意思決定に関する従来の考え方に挑戦する概念です。
Conor Dohertyは、最適な決定を効率性の極地として信じる一般的な考え方を強調し、リソースが完璧に割り当てられ、コストが最小化され、利益が最大化されるという点で、教科書の理想がしばしば現実の複雑さに直面すると崩れることを指摘しました。サプライチェーンと物流分野で40年以上の経験を持つイアン・ライト氏は、学界から石油業界、そして最終的にLogistics Sciencesの設立までの道のりを共有しました。彼のキャリアは、物流とオペレーションリサーチ内での問題解決に焦点を当て、計画と実行の実践的な適用を強調しています。
Joannes Vermorelは、イアンの考えに共感し、第二次世界大戦後のオペレーションズリサーチの意図は正しかったが、その分野は人工知能が経験した課題に似た挑戦に直面しており、期待が膨らんだ後に失望が続くことを指摘しました。オペレーションズリサーチの多くの手法が企業に実用的な利益をもたらすことに失敗したと述べました。
その後の会話は、イアンの論文「サプライチェーン計画と物流ネットワーク最適化における最適解の存在しない理由」について掘り下げました。イアンは、異なるステークホルダーが最適性について異なる定義を持ち、しばしば対立する考え方につながることを説明しました。実務家は数学的側面に焦点を当てており、一方、ビジネスリーダーは実用的で実行可能な解決策により関心を持っています。彼は、モデルとツールはビジネスにとって意味のあるより広い解決策の側面に過ぎないと強調しました。
Joannesは、伝統的な最適化手法の制約について議論し、しばしば時間の次元を組み込む能力や不確実性を処理する能力が欠けていることを強調しました。彼は、ビジネス最適化の定量的な改善の重要性を強調し、伝統的なオペレーションズリサーチのより静的で数学的な視点と対比させました。
会話はまた、サプライチェーンの意思決定における不確実性の役割に触れました。イアンは、予測可能な変動からブラックスワンの出来事、未知の未知までさまざまな不確実性の源を説明しました。彼は、これらの不確実性を処理し、条件付きの解決策を提供できるモデルの必要性を強調しました。
Joannesは、COVID-19のロックダウン中にLokadが採用したアプローチを共有しました。そこでは、白カラー労働者が休暇中のクライアントのサプライチェーンの意思決定を管理しました。Lokadは、モデルに大量の不確実性を注入することで、より慎重な決定を下すことができ、その最適化システムの効果を実証しました。
その後の会話は、意思決定におけるトレードオフの役割に移りました。イアンは、トレードオフはしばしば財務的考慮事項に帰着し、コストとサービスレベルなどの要素をバランスさせることを強調しました。Joannesは、多くの企業が真の経済的結果よりもパーセンテージの最適化に焦点を当てており、最適でない決定につながっていると主張しました。
イアンとJoannesの両氏は、戦略的意思決定における人間の関与の重要性について合意しました。自動化と最適化ツールが多くのタスクを処理できる一方で、機械的な入力が不十分な領域では、人間の直感と判断が重要であると述べました。
結論として、このインタビューはサプライチェーン最適化の複雑さと課題を強調し、不確実性を考慮し、人間の判断を巻き込んだ実用的で実行可能な解決策の必要性を強調しました。イアンとJoannesの両氏は、企業がこれらの課題を乗り越える方法について貴重な示唆を提供し、モデルを現実のオペレーションに合わせ、真の経済的結果に焦点を当てる重要性を強調しました。
フルトランスクリプト
Conor Doherty: LokadTVへようこそ。最適な決定は、しばしば効率性の頂点と見なされ、リソースが完璧に割り当てられ、コストが削減され、利益が最大化される状況です。これは教科書や教室で素晴らしいと聞こえますが、現実世界と接触すると、そのような考え方はしばしば失敗します。今日のゲスト、Ian Wrightは、この最適性の探求について話します。イアンはLogistics Sciencesの創設者であり、サプライチェーンの経験を40年以上積んでいます。
いつものように、お聞きになった内容が気に入ったら、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、今日のIan Wrightとの会話をお届けします。
さて、よろしいですね。Ian、ご参加いただきありがとうございます。あなたについて詳しく知らない人のために、私が前もって紹介しましたが、あなたの業績を知らない人のために、簡単な紹介をしていただけますか？
Ian Wright: 40年間活動していると言及されましたが、実際にはそれ以上に活動しています。私のキャリアは40年に及びます。学術的には、経済学と地理学に興味を持ち、それらを組み合わせて、当時は単に輸送として知られていたものを研究しました。それは基本的に経済学、地理学、ビジネスであり、それが問題解決に非常に興味を引き起こし、具体的には今日の物流とオペレーションズリサーチと呼ばれているものに焦点を当てました。その後、オペレーションズリサーチを行いましたが、依然として輸送問題、物流問題に焦点を当て、今では私たちがすべて知っているサプライチェーンに焦点を当てました。それは40年以上前のことです。
そして、実際に生計を立てるために移動すると、Castrolで管理科学者として石油業界に入りました。非常に高度な戦略計画プロジェクトに直ちに参加したため、実質的に深い水に投げ込まれたと言えます。会社の配布のためにいくつかの予防保守システムを作成し、ネットワークの観点とフリート計画の観点から計画ソフトウェアを知ることができました。その後、それらのシステムを提供する会社に参加し、当時のその会社が1人の男性であったため、私たち2人だけでそれを構築するのを手伝いました。その後、その会社のクライアントと一緒にアメリカに移り、計画側で行っていたことの視覚化としてGISの使用に関わりました。これは、80年代初頭にGISと視覚化が今日一般的であるものへの初期紹介でした。
その後、ソフトウェア開発プロジェクトを通じて第三者物流に参入しました。キャリア全体を通じてイギリスで3PLを認識していましたが、実際には90年代初頭にアメリカでそれがかなり新しく、顧客に販売するためのソリューションを組み立てるアイデアを開発し始めた時期でした。それらのソリューションは、倉庫をどこに配置すべきか、どのように輸送資産を運用すべきかというものでした。それは私のバックグラウンドの素晴らしい応用でしたが、私にとって重要なのは、実装と実行のための計画に焦点を当て、それを運用する必要があるという点で、私たちが行っていることに関与して歩み寄らないことが重要な教訓だと思います。
最終的に、実際の計画から離れ、いくつかのソリューショングループを結成し、ソリューショングループを運営しました。その後、私は働いていた組織でますます責任を持つようになりました。しかし、コンサルティングで働いた期間を経て、あまり楽しめなかったので、コンサルティング会社であるLogistic Sciencesを設立することに決めました。そして、Logistic Sciencesとは何か知りたい場合は、私が楽しんでいることに戻ろうとしているものであり、それは特にサプライチェーンと物流の問題に焦点を当て、限られた知識と限られたツールを使用して、その分野の問題を解決するのを実際に助けるためのものです。私がどこから来たのかを知るのに役立つかどうかはわかりません。私がどこに向かっているのかもわかりませんが…
Conor Doherty: それでは、Ian、ありがとうございます。そして、実際、Joannes、多くのことが共感すると思います。問題解決とサプライチェーンの意思決定の問題を再考するという考え方は、あなたにとって非常に強く共感するものですね？
Joannes Vermorel: はい、第二次世界大戦後に運用研究によって提示された意図に関しては、数値的に妥当で改善可能なものにエンジニアリングしようとするという意図は非常に正しいものであり、今日でも非常に関連性があります。課題は非常に興味深いです。人々は非常に頻繁に、AI、人工知能が過大な期待を持って冬を迎え、それがうまくいかなかったという失望について話します。私は、運用研究も同様の段階を経ており、当時知られていた一連の方法の一部が、企業に実際の実行可能な利益に変わることができなかったという一連の波を経ていると信じています。
Conor Doherty: 実際には、そのような移行は、今日の会話のトピックに基本的に移行しています。Ianは、LinkedInであなたの仕事を見てインスパイアされたということです。実際、あなたはたくさんの論文を公表しています。私は実際にその中の1つをここに持っており、メモを取っています。カメラがそれを取得できるといいのですが。だから私はそれを読みました、私たちは皆読みました。しかし、その論文は、そして私はこれを読んだ、私はその人、私はその人です。そう、無料でした、ありがとうございます。ですので、特に、会話に興味を持たせた論文、「サプライチェーン計画と物流ネットワーク最適化における最適解というものは存在しない理由」についてのエグゼクティブレベルの要約をお願いします。
Ian Wright: 基本的には、異なる人々が最適性について異なる考えを持っているという考えを伝えようとしています。一般的に、私が見つけるのは、それらは対立する考えではなく、実践者の最適性の考えは、しばしば彼が行っていることや使用されている技術に焦点を当てていることが多いということです。そして、それはしばしば、Joannesがそこで言っていたことに戻ってくるもので、それは数学に焦点を当てていることが多いですが、最適化の被験者または受益者である人はビジネスマンです。
ビジネスと民間セクターに焦点を当てることを前提としていますが、サプライチェーンに関してはもちろん他にもたくさんできることがあります。しかし、ビジネスマンは数学や方法論やツールやモデルについて全く関心がないか、全く関心を持つべきではありません。私は自分のクライアントやプロジェクトと一緒に仕事をする際に、私は、私たちが採用するツールや構築するモデルが、彼らが意思決定を行い、何かを実装するために使用できる解決策に導くための小さな側面に過ぎないことを理解するように努めています。したがって、この記事の基本的な前提は、モデルが重要な部分ではなく、解決策が重要であるという考えを伝えることでした。そして、ビジネスにとって意味のある解決策には、さらに多くのコンポーネント、ビジネスにとって意味のある解決策には、さらに多くの側面があるということです。
Conor Doherty: その点については、Joannes、ちょっと後であなたに来てもらいますが、自分のクライアントに説明する際に、基本的に人々が理解するように努めていると書いたので、すぐに明確にするためのキーワードは、最適性という言葉です。再び、実践者と数学者の間の区別をしました。特定の言語は、使用される場所によってわずかに異なる意味を持つことがあります。Joannesと私は最近、ヒューリスティックについて議論しましたが、数学的な意味と経済的な意味では、ヒューリスティックはわずかに異なるかもしれません。ですので、最適な意思決定を追求したり、最適性を提示したりするとき、具体的に何を意味するのですか？
Ian Wright: 一般的に、私は最適性を数学者の意味で考えるのではなく、私の考えでは、それは数学の世界に住んでいる場合に焦点を当てる素晴らしい概念です。しかし、私たちが生きているのは、どのような状況で最良の解決策が何であるかです。ですので、実際に何が起こっているのか？実際に何が起こっているのかを知る必要があり、それから、私たちが見つけた状況で最も問題を緩和または軽減する解決策を提示する必要があります。それが私たちが求めている解決策であり、提示したいものです。
Conor Doherty: Joannes？ああ、はい、ありがとう、Ian。ですので、利用可能な最高のものであるという考えは、絶対的に完璧であるという意味ではありません。それについて追加することがありますか、または同意しますか？
Joannes Vermorel: はい、私は、数学の最適化の視点の特性について言及することについては同意します。それは非常にシンプルなものです。聴衆のために要約できます。それは、望むものをスコアリングする関数を取り、その関数の入力の一部は変数であり、意志に応じて変化するものです。それが入力になり、その関数はスコアを与えます。基本的に、最適化は、結果を極大化する決定の形式化である入力のこの1つの組み合わせを探しています。コストを減らそうとしている場合は最小化し、リターンを最大化しようとしている場合は最大化します。
そして興味深いことは、この単純な問題がきれいな数学的特性とともにやってくることです。それから、入力について興味深いことを言うことができますし、出力について興味深いことを言うことができますし、それがどのように振る舞うか、どのようなアルゴリズムのクラスが解を探し求めるために存在するか、そして数学的な用語で、その仮定の下で、あなたの方法が最善であるかどうかを言うことができるかどうかなどについて興味深いことを言うことができます。ちなみに、この研究分野は今やかなりORと呼ばれています。以前は運用調査を意味していましたが、今日では数学的最適化と呼ばれています。彼らはもはやビジネスの問題について話しているかどうかについて心配していません。彼らの関心は、ソルバーの開発にあります。これは、数学的意味でこれらの最適化を実行するために設計されたソフトウェアのクラスです。
数学で最適化について考えるとき、私は最も、私が言うところの最も、最適化が何であるかについての非常に明確な理解だと思います。それがクリスタルクリアであるということは、最も関連性があるということではないということを意味しません。それは、あなたが、クリスタルの純度のような、最も純粋なものであるということを意味します。それがすべての状況に適用できるツールであるということを意味するわけではありません。そして、ビジネスの文脈で最適化について考えるとき、私たちが意味するのは、物事を改善したいが、数量的なエッジを持っているということです。それが違いです。
たとえば、人々がより献身的であるようなより良い文化を持つことによってビジネスを改善することもできますが、それについてはほとんど何も量ることができません。ですので、最適化と言うとき、私たちが意味するのは、数量的な手段で改善し、理想的には数量的な結果も得るということです。それが、あなたが理解する最適化に戻るとき、私はそれを主に数量的な改善のプロセスとして説明します。それが、あなたが、ビジネスの最適化のビジネスの視点だと言えるでしょう。
Ian Wright: 私は、いや、Joannesと完全に同意します。最適であるということに関連するものを理解する必要があることの1つは、私たちが見ている問題に関連する次元があるということであり、しばしばそれらの次元が無視されたり省かれたりします。そして、より基本的なもののいくつかは、実際には、おそらく最も基本的な次元は時間の次元です。
それは、モデルや技術、または技術で何ができるか、実際の世界での操作で何をしなければならないか、およびそのような状況で何ができるかに大きな影響を与え、最適と見なすことができるものの性質を変えます。
Conor Doherty: 実際、そして再び、それは何ができるかという完璧なフレーズです。そして、それは、意思決定を行う際の不確実性の性質についての議論に移行します。
Ian Wright: 不確実性のさまざまな側面があり、実際、存在することさえ知らないために味わうことができない側面さえあります。だから、ほとんどの人々が不確実性に焦点を当てるのは、私にとっては単にサプライチェーンオペレーションの分野の動的な性質の反映です。それらは単に動的であるため、それらのダイナミクスに関連する不確実性があり、それは分析や数量的分析、確率的分析に開かれており、あなたたちが非常に焦点を当てていることを知っています。
しかし、それを超えて、リスクの領域に移動する不確実性の特定の領域があります。したがって、小さなリスクと非常に大きなリスクがあり、それは予測可能または確率的に予測可能なコンテキストを超えて、実際には、私が論文で話したことだと思う、ブラックスワンの出来事について話しているところです。そして、ちょっと、私はすべてを失いました。
だから、すみません、それを編集する必要があるかもしれませんが、予測可能で、データから比較的簡単に取得できる要素を持つ小さな世界モデルのスケールから移動します。それから、ブラックスワンの出来事に移動します。基本的に、起こる可能性がありますが、それらを予測する能力ははるかに遠く、実際には、あるブラックスワンの出来事は単に予測できません。そして、私は、私が論文で借用したフレーズによって、未知の未知と呼んだものの多くの状況で、さらにはより大規模な災害的な出来事さえも。
ドナルド・ラムズフェルド、実際にはドナルド・ラムズフェルドではなく、その前の人が、私がやったように、アイデアを盗んだが、とにかく。そして、それから、それが、まあ、我々が本当に理解しなければならないのは、未知の未知、それについては許容できない、一般的な運用条件や計画においては、ブラックスワンの出来事でさえも許容できない。
そして、私が言いたいのは、あなたは、あなたが好む解決策で最適と見なすものにできるだけ近づくことを焦点を当てるが、異なる次元の運用に移行することができるということです。実際、私はモデリングでこれについて話したと思いますが、解決策だけでなく、多くの偶発的な要素から構成される解決策を見るのではなく、必要に応じて切り替えることができる解決策を見るのです。しかし、焦点は、お好みの解決策で最適と見なすことにできるだけ近づくことです。
Conor Doherty: 実際、ドナルド・ラムズフェルドにインスパイアされた引用に乗っかると、人々が既知の既知と考える不確実性の他の源は、あなたが論文で述べたように、安定した需要と予測可能なサプライチェーンです。Joannes、これらは既知の既知、既知の未知、未知の未知ですか？
Joannes Vermorel: はい、この分類は素晴らしいと思いますが、再び、私たちがそれらの数量的分析を行うための基本的な手段に戻ると、運用研究の一環として開発されたものを振り返ると、時間の次元が欠けていました。それが欠けている最初の理由は、非常にありふれた理由で、問題の次元を増やすと、より複雑な方法に対処しようとすると、これらの方法は非常に効果が悪いのです。特に、最近のディープラーニングの進展を考えると、現在の解決策の意味でスケーラブルではありません。
Conor Doherty: そのため、最初の問題は、スケーラビリティに対処するこの非常に基本的な問題がありました。時間の次元がないこと。そして、時間の次元を考慮し始めると、未来が完全にはわからないため、ある種の変動性に対処する必要があります。ここでは、それは単なる既知の未知です。リードタイムが変動することが非常に予想されている、需要が変動することが非常に予想されている、などということです。したがって、これらのケースは比較的簡単です。
そして、私たちは突然、将来の状況に応じて、あなたがコントロールしていない未来の状況によって、あなたの決定が良いか悪いかが明らかになる可能性があるという確率最適化と呼ばれる領域に入っています。したがって、この決定が良いように見える代替の未来がありますが、この決定が時間の経過とともに自体を明らかにする可能性のある未来も確かに存在します。それが、私が言う、私たちが未知の未知やすべてのその他の野生の不確実性に飛び込む前に持っている非常にありふれた問題です。そして、それが私がこのアイデアが非常に興味深いと思うところです。
本当にどのように何をスコアリングすべきかわからないのです。明らかではありません。利益を最適化したいと言うとき、利益を数える方法は無限です。2次効果、3次効果を含めるべきかどうかはどうでしょうか？2次効果とは何を意味するのでしょうか？今、10%の割引を与えると、顧客は次に店に入るときに同様の割引を期待します。これは2次効果です。割引を与えたばかりですが、期待を生んだためにそれがあなたにとってより多くのコストがかかりました。ですから、これもスコアリングされるべきです。
そして、それを行うと、競合他社は価格競争をさらに積極的に行うかもしれませんし、最終的には競争を完全に諦めるかもしれません。それによって、あなたは一人になるか、少なくとも競合他社が少なくなります。ですから、これらすべてが、何を正確に数量化しているのかという非常にありふれた側面です。これらは難しいです。私は、古典的な最適化文献であまり取り上げられていない別の側面は、問題が最初から理解されているかのように考えていることです。
Conor Doherty: Ian、あなたの論文で、私たちが話した不確実性の種類に対処するのに成功した企業や失敗した企業の具体的な例をたくさん挙げていますが、リードタイム、不規則な需要パターンなどに対処することに失敗した企業や成功した企業について、もう少し詳細を共有できますか？
Ian Wright: はい、私が取り組んでいるプロジェクトの多くは戦略的です。いくつかは戦術的です。私は一般的にもはや実行のための計画の領域で働いていません。したがって、私がこの点で考える例のほとんどは、予測可能性や予測不可能性に関するこれらの問題に対処しないことで戦術的または戦略的に計画を立てることに失敗した企業に関連しています。
最近、過去3年間で、1年前に起こった出来事がありましたが、誰もが予測したと言えるとは思わない出来事でした。確かに、私はどの企業の計画システムも、パンデミックの影響や在庫の引き下げ、需要の急激な減少などを考慮に入れた計画要素を構想し、組み込むことができたとは思いません。さまざまな広範囲にわたる影響がありました。代表的な例は半導体に関するものです。
最近、過去3年間で、1年前に起こった出来事がありましたが、誰もが予測したと言えるとは思わない出来事でした。確かに、私はどの企業の計画システムも、パンデミックの影響や在庫の引き下げ、需要の急激な減少などを考慮に入れた計画要素を構想し、組み込むことができたとは思いません。さまざまな広範囲にわたる影響がありました。代表的な例は半導体に関するものです。
パンデミックから出てきた多くの企業が、食品製造業だけでなく、製薬業だけでなく、医療機器業や医療物流セクター全体でも、予期しなかったことに対処する必要があることに気づきました。彼らはビジネスを管理し、サプライチェーンを管理するための社内システムに逆らって働いていました。なぜなら、これらのシステムは、次に何をすべきかを理解するためのモデルの基盤を構築することができるデータを提供していなかったからです。
したがって、私は、需要が急増している場所に追いつこうとしている食品メーカーのために多くのプロジェクトに取り組んできました。彼らは容量がない場所で需要が爆発的に増加しており、どこにその容量を配置すべきか、なぜそこに配置すべきかを迅速に理解する必要がありました。それを行う方法には非常に基本的な問題がたくさんありました。それは、今日存在しない製品のためのサプライチェーンをどのように構築するかということに非常に似ていました。それをどのように計画するか？そして次にどのように実行するかということが次の段階です。
Conor Doherty: Ian、それはジョアネスにとっての素敵な移行です。つまり、不確実性に満ちた状況に対する解決策を実行するのがあなたの得意分野です。私たちが議論している種類の不確実性に関連する企業の成功や失敗の例はありますか？
Joannes Vermorel: はい、私は、ロックダウンの年、2020年、2021年に戻ると、興味深いことは、Lokadが非常に素晴らしい運用上の成功を収めたと思うのですが、それは最適化を行っていたからだと思います。
ほとんどの企業が現在行っていることを、基本的にスプレッドシートの海を通じて説明させてください。彼らは何も最適化していません。数学的な意味でも、私たちが説明した方法でもありません。彼らが基本的に行っていることは、以前に行われたことを大部分的に再現していることです。彼らは自分自身の以前の決定をパターンマッチングしているだけです。需要に従っているわけでも何かに従っているわけでもありません。彼らは基本的に、以前に行ったことをほぼ同じように行っているだけです。つまり、予算は昨年とほぼ同じようにスライスされ、ダイスされ、安全在庫は昨年と比較してほんのわずかに調整されているだけです。したがって、すべてが徐々に進化しているという状況です。最適化は行われていません。私たちは単に現状を反映しており、それを少し調整していますが、数量的にはほんの少し、適切と思われる方向に少し進んでいるだけです。
それはうまくいっているように見えますが、問題は、最適化プロセスが行われていないということです。つまり、運用条件を大幅に変更した場合、新しい条件を反映するメカニズムが存在しないということです。繰り返しますが、すべてのスプレッドシート、すべてのプロセスは、以前に行ったことを複製するように設計されています。対照的に、Lokadでは、最適化システムを導入していました。我々が未曽有の状況に直面したとき、我々は自分たちのモデルに大量の不確実性を手動で注入しました。
何が起こるかわからなかった。ただ、「需要は通常、ショットガン効果と呼ばれるものです。」と言っただけです。需要の未来がそのように進むのを見ると、可能性があります。まあ、ロックダウンのような状況があると、ショットガンの角度を増やして、未来が非常にぼやけるようにします。遅延についても同じことです。価格についても同じことです。突然、未来についてずっと少なく知っていると仮定するだけです。しかし、それを行うことができ、突然、ずっと少なく知っていると仮定すると、リスクに対してより慎重な意思決定を得るために、確率的最適化を再実行できます。
遅延、価格、需要など、最悪の状況を考慮に入れ、それらのリスクに対してより保守的な意思決定を行います。私の結論は、それが機能するということです。非常にうまく機能しますが、問題は、より多くの最適化を行うことです。それは運用研究の静的な視点ではなく、何も動いていないような最適化ではありません。
2番目のことは、運用研究の時代にほとんど議論されなかった追加の側面であり、おそらく1950年から1980年までの30年間、つまり、あなたの計器の品質です。あなたのモデリゼーションのインスタンスから次のインスタンスにどれくらい速く移動できるか？それは非常に実用的な運用上の問題です。
イアン・ライト: 私は、それに関連する実際の問題もあったと思います。技術が不十分だったためにデータが不足していました。しかし、計画のより迅速な実行を可能にする技術は存在しませんでした。最適化モデルが24時間実行されるのを見てきたのとは対照的に、今日は、私が仕事をしているときに、5分経っても終わらないと思うと、「どうすればいいのか？」と考えます。だから、ジョアネス、お話を中断するつもりはありませんが、私は、今日ははるかに優れた技術を持っていると思うので、それが多くの理由だったと思います。
ジョアネス・ヴェルモレル: 完全に同意しますが、それは別の懸念事項ですが、それは実際に実用的な懸念事項です。最適化技術があっても、再実行に24時間かかり、新しいサプライチェーンの状態に比較的満足できるまで収束するために20回の反復が必要であれば、それは決して実現しないでしょう。人々は単にスプレッドシートに戻ります。すべての手続きを通過する時間がないのです。最適化を提供してくれるかもしれないスプレッドシートに戻りますが、少なくとも合理的な時間枠内で回答を得ることができます。
それは、Lokadがこの時期にうまくやったことでもあると思います。最適化はありましたが、十分に俊敏な最適化ツールがあり、何度もテストでき、実際に機能するものを得るまで何十回も繰り返しました。さもなければ、当時Lokadが提供していたサービスについて、クライアントはただ単に諦めていたでしょう。
イアン・ライト: 興味深いのは、私が常に「スナップショット最適化」と呼んでいたことです。特に、サプライチェーン計画やネットワークモデルは常にスナップショット整数プログラミングでした。ソルバーはすべてスナップショットであり、この時間の問題全体について、私は常に、シミュレーション型アプローチの利点をどのように活用し、時間の次元をよりよく組み込むことができるか、そしてどのようにアプローチを組み合わせるかに苦労してきました。
たとえば、ロシアの会社があり、最適化を組み合わせたシミュレーションを提案していました。当時、それは素晴らしいと思いました。残念ながら、最適化の側面についてはあまり詳しくないので、彼らがシミュレーション会社であるためです。時間の問題は1つです。解決策の決定における確率に関する他の問題は、今日はより対処しやすい技術的問題を含んでいます。解決策を導出するために組み込むことができるデータの量、データの範囲が関わっています。
多くのことは、企業や最適化対象の会社や部門の範囲外にあり、新しい製品を導入したり、パンデミックから新しい世界に入ったりする際に考慮されていません。しばしば頼りにできる唯一のものは、以前の運用の歴史とは何の関係もないデータです。継続しようとしている活動に関連するすべての伝統的な変数に加えて外生変数を組み込む必要があるため、はるかに広範囲のデータを見る必要があります。
Joannes Vermorel: 概念的には、そうですが、これについては少し異論があります。取引データ以外のデータは企業にとって非常にコストがかかります。競合情報のデータを取得することはまあまあですが、競合他社の価格をスクレイピングするだけで、非常に複雑になります。
通常、最初に、より情報提供的な方法でデータを見るモデルが必要です。その例として、新製品を発売し、売上履歴がない場合、従来の時系列の視点では何もないと言います。しかし、時系列の視点を捨て、代替ビジョンを受け入れると、製品の発売がヒットかミスのようなパターンであり、成功はある分布に従い、失敗も同様になることがわかるかもしれません。つまり、製品についての情報を得るために歴史データを使用できます。
再び、企業が持つ取引データを使用すると、通常、人々が考える以上のことがわかります。なぜなら、彼らは時系列の視点に固執しているからです。他にも方法があります。
2番目は、ただわからないと認める場合、人間としてその決定を下す人々にも秘密の情報源がないことを認識しましょう。人間の脳内に未来をのぞくための水晶玉があるわけではありません、特にサプライチェーンの話をしているときには、存在することしか知らない何万もの製品があります。サプライと需要プランナーである多くの人々は、自社が何を販売または生産しているかを正確には知らないかもしれません。
したがって、まず、この時系列の視点を捨てると、目に見える以上の方法で利用できる取引データがあります。しかし、この追加情報を得ることは非常に難しいため、おそらく私たちが代わりに受け入れるべきことは、多くの不確実性を持つことです。
伝統的なツールは、不確実性に対処することさえ受け入れません。私が伝統的なツールと言うと、市場の数学的最適化を提供するすべてのソルバーを指します。私が知っているすべてのソルバーは確定論的ソルバーであり、不確実性に対処できません。このチャンネルで、商業的な視点からこの問題に取り組もうとしている唯一のパイオニアである、彼のSeeker instrumentsを持つ確率最適化プロトタイプInsightOptのMeinolf Sellmannを紹介しました。しかし、それは本当に唯一無二のものであり、商業的視点からこれに取り組もうとしている唯一のものだと私が知っているものです。
したがって、手元に不確実性に対処するための手段がない場合、不確実性を膨らませてそのままにするという考え方は考えられません。しかし、そのような手段を持っている場合、それは非常に自然なことになります。前例のないことを試してみて、不確実性が頂点に達し、最適化プログラムが適切に行動することができます。
したがって、手元に不確実性に対処するための手段がない場合、不確実性を膨らませてそのままにするという考え方は考えられません。しかし、そのような手段を持っている場合、それは非常に自然なことになります。前例のないことを試してみて、不確実性が頂点に達し、最適化プログラムが適切に行動することができます。
Ian Wright: 私たちがここでアライメントを外れているところは、戦略的に計画を立てるときと、実行に近づくにつれて計画を立てるときの焦点の違いがあると思います。私は主に戦略的計画の分野から来ています。たとえば、新製品の追加スコープデータが高価であると言うとき、それはそうかもしれませんが、最適化に至る前にモデリングで展開できるさまざまな種類のデータがたくさんあります。
経済データや人口データなど、あなたがその製品を提供したい市場や製品に関連するさまざまな外部要因の相関関係をモデル化することができます。Joannes、私がデータ要素を追加すると言うとき、私は一般的にアクセス可能なデータに関連するデモグラフィックスや市場浸透との相関関係を見ているところです。
この分野の技術提供者や実務家として、私たちが常に考えるべきもう一つの側面は、ビジネスは最終的にはファイナンスについてです。計画を立てる際に私たちが行わなければならない主要な要素は、状況に応じてコストを削減することです。たとえば、サプライチェーンの最適化のためのネットワークモデルでは、コストデータが不適切に使用されてきたと思います。人々は、コストをモデルに入れる際にコストに関する仮定を受け入れることを喜んでおり、コストに関するはるかに具体的な期待を見つけ出す代わりに、実際に出向いて探すべきだと思います。今や私たちが持っている技術を使って、私たちが取り組んでいる文脈の範囲をより理解するためにデータを取り入れることについて、焦点を合わせるべきだと思います。
Conor Doherty: これは少し前進する絶好の機会です。すべてのデータを持っているとは限りません。もちろん、手元にあるデータは常に欠陥があります。したがって、手元にあるもので作業する必要があります。私は根本的に懐疑的な人間です。トレードオフに関しては、サプライチェーンには明らかなトレードオフがあります。トレードオフは基本的に財務です。顧客が望むサービスと製品を提供するためにお金を使いたいですか？顧客が望む方法で製品を提供したいですか？その場合、それを行うためにお金を使わなければなりません。どこまでその道を進むつもりですか？
Ian Wright: 1つだけ速く指摘します。決してすべてのデータを持っているわけではありません。もちろん、手元にあるデータは常に欠陥があります。したがって、手元にあるもので作業する必要があります。私は根本的に懐疑的な人間です。トレードオフに関しては、サプライチェーンには明らかなトレードオフがあります。トレードオフは基本的に財務です。顧客が望むサービスと製品を提供するためにお金を使いたいですか？顧客が望む方法で製品を提供したいですか？その場合、それを行うためにお金を使わなければなりません。どこまでその道を進むつもりですか？
在庫と輸送コストのトレードオフなど、基本的なものがあります。しかし、リスクを緩和するためにどれだけの緊急対策を講じるか、ビジネスのためにどれだけの潜在的な運用経路を作成するかに関連するトレードオフがあります。確率的な計画を実行できるようにするために、通常の実行経路とは異なるものを提供するトレードオフがあります。私たちが追求するモデルや計画の短期的な影響を考慮すべきか、将来的な影響を考慮すべきか、というトレードオフがあります。これはしばしば、将来のために今投資することを意味するため、財務上のトレードオフになることがあります。
トレードオフとは、私にとってはお金を手に入れなければならないという婉曲な表現です。これらすべてをどのようにバランスさせるか。私があなたの質問に答えているかどうかはわかりませんが、私がモデルをスコープする方法に制限があることを知っているので、そのモデルでバランスを取ることができるものは何か、正しい場所にそのドル記号やユーロ記号を置くために何をバランスさせることができるか、ということに帰着します。
Conor Doherty: イアン、ありがとう。そして、ジョアネス、今度はあなたに来てもらいます。なぜなら、私はあなたが話すのが好きだと知っていることを基本にしています。人々が明示的に最適化しようとしているものは、正確にはコストや財務であると言いました。しかし、サプライチェーンにおける意思決定について話すとき、人々や企業はサービスレベルなどの最適化を試みています。以前にも述べたように、人々が最適化しようとしていると思っているものはコストですが、実際にはそれは単なる数値的な偶然です。ですので、サプライチェーンにおける伝統的な目標に焦点を当てるとき、人々は実際にはコストを最適化しているのか、それとも間違った方向を見ているのか、ということについてコメントいただけると幸いです。
Joannes Vermorel: 現在のサプライチェーンの主要な実践を見ると、パワーポイントでは経済的に実現可能なことに焦点を当てていると言います。しかし、実際にはそうではありません。サービスレベル、在庫リターンなどの割合がすべてで、これらのことはあなたの最終的な利益とは緩く相関していますが、それだけです。
利益がサービスレベルとどのように関連していると仮定するのは狂気です。それはうまくいきません。非常に単純化された考え方です。最初に述べるべきことは、主要な実践が、実際には、割合を最適化しようとしているとは誰も説得できないことを直感的に知っているということです。ですので、スライドでは、私たちはこれらのドルを最適化すると言いますが、実際には、ソフトウェアシステムでは、これらのドルのモデル化とまったく一致していないルールがあります。私が見たものの中で、Lokadを除いて、厳密に非財務的で非経済的な視点を持っているものだけです。
経済的な視点に到達すると、そのドルが正しいというのは非常に難しいという点で完全に同意します。それは難しいことであり、実際には、ハリウッド映画で非常に頻繁に語られる恐ろしい話がたくさんあります。財務担当者が、将来の少し先のことよりも非常に愚かな短期的な考え方をしている悪者であるというものです。
財務的な視点は悪い評判を持っており、実際に、40年前にオペレーションズリサーチが強調した視点は非常に単純化されたものでした。彼らは非常に少数の基本的な変数に焦点を当てていました：コスト、在庫のコスト、これのコストなど、そしてそれで終わりです。仕事が終わったら、最適な解決策がモデルから出てくるのを待つだけです。
Lokadでは、私たちはそれに気づき、私たちが持っている問題は、私たちのスコアリング関数、つまりドルを数える経済的なスコアリング関数が、十分に良い近似バージョンを示しているかどうかをどのように知るか、ということです。これは非常に難しい問題であり、私たちが発見したのは、私のサプライチェーン講義シリーズで文書化された方法論である実験的最適化です。
経済モデルが正しいかどうかを知る方法は、それが健全な意思決定を生成するときです。非常に奇妙です。最終的に、人々は、最適な意思決定を得るために正しいスコアリングメトリックを持っている必要があると考えていました。しかし、私たちが行うことはほとんど逆です。私たちは意思決定を生成し、そのメトリックに従って極端化された意思決定を行った結果、それらが健全かどうかを見ます。
明らかに機能しない明らかに狂気じみた意思決定を見ると、非常に頻繁に経済モデリゼーションに戻り、何かが間違っていることに気付きます。したがって、私たちはこの非常に反復的なプロセスを持っており、私たちは私たちのドルを選び、最適化し、意思決定を得ます。そのうちのいくつかは狂気じみており、私たちはドルを数える方法を見直し、繰り返します。
多くの反復を経て、最終的に誰もが疑念を持たなくなるものに収束します。それが私たちがゼロ狂気原則と呼ぶものです。システムが最初から明らかに狂気じみた行を生成しないセットアップに収束したいのです。実際、それがLokadでの製品化に至る前に必要だと考えているポイントです。
しかし、私たちが行っているのは、運用調査が持っていた視点を完全に逆転させているという点です。スコアリング関数は与えられたものであると言う代わりに、それを段階的なプロセスを通じて発見するものです。これは非常に奇妙です。少なくともフランス人にとっては、このカルテジアン的な視点、ボトムアップの考え方、原則を適用して展開するという考え方に非常に反しています。それはより経験的なプロセスです。
Ian Wright: これを告白しなければならないし、これについて謝罪しなければなりませんが、私はLokadについての私の相対的な無知を告白しなければなりません。しかし、私はあなたが話している文脈での正気の定義に非常に興味を持っています。何が正気の決定を構成するのですか？
Joannes Vermorel: イアン、私の講義シリーズで行った例を挙げると、ローマの剣闘士についての映画を見せて、歴史的な時代とは全く関係のないもの、例えば背景に飛行機があるなど、おかしいところを見つけるように頼むとします。空に飛行機が飛んでいる有名な映画があります。
一般的な問題を解決したい場合、それは非常に難しいが、特定のインスタンスは非常に簡単な問題があるクラスがあります。
映画で何が間違っているかを教えてくれる一般的なアルゴリズムを見つけるように頼むと、それは完全に困難な課題です。発明されていないすべてのもの、用語、ムード、態度、思考の種類の百科事典が必要です。それは単なる非常に複雑な問題です。しかし、実際には、インターンにテープを見てもらうと、「ここに飛行機がある、それは悪い」と言ってくれます。悪いもののリストをすべて提供することはできませんが、この狂気の一部を見つけることができます。
サプライチェーンシステムは非常に似ています。正気かどうかを正確に確立する一般的なルールを提供するのは非常に難しいです。それは一般的な知能の問題であり、単純なアルゴリズムに簡単にまとめることができるものではありません。しかし、実際には、人々はその問題を見つけるのがかなり得意です。
例えば、過去のデータに在庫切れがいくつかあり、適切に考慮されていない場合、将来の需要の見積もりがゼロになり、在庫切れがあったために売れなかったので、モデルは愚かにもゼロを予測します。その結果、ゼロの補充を良い方針として提案します。「目標の在庫レベルは何ですか？ゼロです、なぜなら需要が非常に少ないことが観察されたので、ゼロに保ちましょう」と言います。
もし、私の予測がゼロであるため、私の予測は100％正確になると考え始めたら、補充もゼロであり、すべてがうまくいっていると思うかもしれません。しかし、いいえ、それはうまくいっていません。この問題は在庫凍結と呼ばれます。これは狂気の一部であり、数値が信じられないほど高いか低いか、または単に意味をなさない状況がたくさんあるところです。
Lokadで過去にあった例の1つは、最初の航空のクライアントの1つに対して、在庫の補充を見て、いくつかの部品を購入することを提案しました。クライアントは戻ってきて、「いいえ、私たちはそれらの部品を購入しません。それらの部品はボーイング747に取り付けられ、10年後にはヨーロッパ上空を飛ぶボーイング747が存在しなくなります。それらの部品の寿命は40年ですので、今それらを購入しても、10年間しか使用しないでしょう、その後、その航空機はなくなります」と言いました。
これは、部品の有用性がその提供する航空機の寿命を超えることを考慮に入れるのを忘れた明らかな例でした。これは、垂直によって異なりますが、現実は、そのような狂気の表れとしてあなたの顔に落ちるものの絶え間ない流れを提供します。一般的なルールやアルゴリズムを提供することはできませんが、実際には、人々がそのような問題を見つけることができるため、非常にうまく機能します。
イアン・ライト: 今、私たちは奇妙なことに同じページにいると思います、なぜなら私たちは今後のいくつかのことを議論したいと思っているからです。私のキャリアでの主要な前提は、このすべての技術と技術を被害者の会社に押し付けるという点で、常に人間を除外することはできないということです。技術を展開して使用するプロセスにおいて、人間を考慮に入れ、利用する必要があります。
なぜなら、今、そして私の予見可能な未来において、あなたが話している人間の多くの側面を置き換える技術は存在しないからです。例えば、不条理の認識や狂気の認識など、人間の多くの側面を置き換える技術はまだ存在しません。それが存在する唯一の方法は、何らかの方法で人間の側面をプロセスに組み込もうとすることです。今日、それは実現可能ではありません。
ジョアネス・ヴェルモレル: はい、私はあなたに同意します。私はあなたのコメントに対して2つの視点で応答したいと思います。まず、時には狂気の決定は事後にのみ狂気であることがわかります。何か予期せぬことが起こり、それが悪かったことに気づくためには、間違いを com する必要があります。しかし、人間以上に、情報は世界から戻ってくる必要があります。この情報を得るためには、現実世界からのフィードバックが必要です。したがって、これは高度な知能の問題です。人間と同じくらい知能がある人工知能があったとしても、限界があります。ある程度、世界を知る唯一の方法は、自分自身に実験の余地を与えることです。これが最初の視点です。
2つ目は人々の役割についてです。私の同僚がシステムを設計する方法は、人間を共同プロセッサとして使用することです。システムは意思決定、数値、リソースの割り当てなどを生成します。そして、すべての狂気のある行があり、私のシステムが処理しないものを手動で修正するために人間の軍隊が期待されています。観客のために、アラートと例外を持つすべてのシステムはまさにそれを行っています。アラートと例外は、私のシステムが処理しないものを処理する人間の共同プロセッサがいることを意味する別の方法です。
私の問題は、人々はかなり高価であるということです。これがコストです。私が見る方法では、彼らの時間を非常に効果的に使う方法ではないと思います。なぜなら、人間の共同プロセッサが同じアラートと例外の無意味なサイクルを絶え間なく繰り返すことになるからです。
それがなぜLokadでは、私たちは完全に異なる方法でそれを見ています。私たちは、アラートや例外などの無意味なものが検出されるたびに、Lokadのサプライチェーン科学者が、予測最適化を行っているものの実装を調整して修正する必要があると言います。この問題が再発しないように修正するためです。例外なし。対処されたすべての無意味なものは評価されます。それは実際に無意味なものなのか、非常に賢い最適化なのか。それが本当に無意味なら、最適化ロジックそのものを修正する必要があります。同じ従業員が翌日に同じ問題を報告するのは望ましくありません。
Ian Wright: 私たちはまだ同じページにいると思います、確かに同じ章にいます。私は戦略的および戦術的な観点から来ており、部屋いっぱいのビッグブラザーの人々がコンピュータ画面で物事を修正していることを心配していません。私が話しているのは、戦略的または戦術的な意味での運用展開に必要なことです。それは、経験豊富なステークホルダーを巻き込んで、取るべき方向と推進している解決策の正気を維持することを意味します。
私があなたが議論の枠組みを設定していると思うところの全体的なアイデアについて、Joannes、あなたが開発してきた技術と一般的なAIの能力向上に伴い、イベント管理コンテキストでシステムが自己修正する能力がより実現可能になるでしょう。高価な人間のコンピュータオペレータの部屋から離れていくでしょう。しかし、今日ではそうではないので、その時点での能力の制約内で作業する必要があります。
Conor Doherty: もしよろしければ、Ian、あなたは戦略的な意味での人間の役割についてコメントしているようで、Joannes、あなたは日常的な意思決定についてコメントしているようです。これらは重複しないマジステリアですか？
Joannes Vermorel: それは、私の視点がそうだからです。おそらく少し変わっているかもしれませんが、戦略的な考慮事項に入ると、サプライチェーンを運営する焦点は、どのようにして適切な意思決定を生成する機械を設計するかに非常に大きく置かれるべきだと思います。人々は戦略的な意思決定、戦術的な意思決定、その他を考えると思います。私の考えは、繰り返し可能な意思決定があるということです。毎日繰り返されるもの、毎時繰り返されるもの、毎月繰り返されるもの、年に一度繰り返されるものがあります。機械化に関しては、十分に頻繁に繰り返されるすべてを機械化したいと思います。他のものは完全にアドホックな方法で取り扱うことができます。
このアプローチを考え始めると、戦略はある特定のレベルで何かを決定して、組織の他のレイヤーが他のスコープで自分の仕事をするようにしておくということではありません。むしろ、戦略的ビジョンは、会社のエンジニアリング文化から、本当に収益を向上させる機械化された意思決定プロセスが生まれるように、私の会社のエンジニアリング文化から何をすべきかということです。それは戦略を考える別の方法です。
Ian Wright: あなたと完全に同意です。私がよく見てきた方法は、建物の概念を設計する建築家の役割であり、それをどのように組み立てるかを示すエンジニアに引き継がれ、実際にそれを組み立てる建設業者に引き継がれ、そして建物で働く人々に引き継がれます。すべてのレベルで、建築家は、エンジニアリング、建設、またはメンテナンスできないものを組み立てるべきではありません。それが私たちが関与しているプロセスの高いレベルのアナロジーです。
しかし、サプライチェーンでは、今日戦略を作成するかもしれませんが、来年も同じことをしなければなりません。サプライチェーンの問題は、動的で適応的であることです。変化する世界とそのニーズに対応する必要があります。戦略プロセスを繰り返しますが、その時に持っている能力の制約内で、実行可能で実用的な方法で行う必要があります。
Joannes Vermorel: ちょっとした視点をお伝えしますが、2020年と2021年のロックダウン中、私たちは数多くのクライアント、12を超えるクライアントがありました。そこでは、彼らの事務職員が14ヶ月間姿を消しました。ロカドは、青色労働者が引き続き活動している企業のサプライチェーンのすべての意思決定を行うことになりました。白色労働者は政府の休暇を取り、補助金を受けていました。彼らは給与を受け取っていましたが、ヨーロッパの政府は、在宅勤務をしない場合は補助金を支給しないようにしていました。そのため、実質的に休暇中でした。
私たちは、12のクライアントのために14ヶ月間完全に運用された10億ユーロ以上の在庫を管理しました。これは合計で1000人以上の従業員を対象としています。そして、それは本当に、我々が関与しているとされる戦略的なサプライチェーンプロセスが何を提供しているのかという問いを投げかけます。
ほとんどのS&OPミーティングを見ると、各部門の購買予算をどれだけ割り当てるかを決定するために長時間の議論が行われます。すべてを数式で置き換えることができます。数式が狂った結果を出すために異議を唱える場合は、数式を修正すればよいのです。しかし、この予算計算にたどり着くために12人の取締役とすべての経費に会う必要はありません。自動化できます。
戦略的には、このトップレベルのリソースを割り当てる数式に組み込まれるエンジニアリングが、会社の利益と一致するように行われていることをどのように確認すればよいのでしょうか？これは非常に興味深い問題であり、はい、これは戦略的に考えたい経営陣の関心を引くべきです。いくつかの意思決定を選り好んで、「私はそれに関与するつもりです」と言うという考え方は、実際にはあまり価値を追加していません。
多くの企業では、その戦略的なミーティングで行われていることは、多くの時間が無駄になっていることです。はい、意思決定を生み出していますが、その生産性はまったく酷いものです。以前のゲストがS&OPについて話していたと思いますが、彼は1時間に4つの意思決定に終わることが多かったと言っていました。
Conor Doherty: それはエリック・ウィルソンでしたね、S&OPプロセスで。
Joannes Vermorel: はい、私は考えていました、私たちは何十万もの意思決定を出さなければならないのに、今では1時間に4つの意思決定のペースです。このような状況があると、常に運用が計画よりも先行していることは明らかです。
決定を出す時には、それは完全に時代遅れであり、人々はそのような決定を待つことができなかったため、すでに何か他のことをしていました。我々は、もうすでに2年前に起こったようなことに対して戦略的な決定を行っているような状況に陥ってしまいます。
Conor Doherty: それは私の興味を引きます。フォローアップのために準備するために、分散型サプライチェーン意思決定について論文で話していることを知っていますが、ウォルマートの例を挙げています。
私よりもうまく説明できます。
Ian Wright: それを効果的な方法で適切に行うには、意思決定を分散させる必要がありますが、その分散化と意思決定は、効果的かつ適切に設計されたコンテキストの中で行われている必要があります。つまり、企業の中央戦略から遠く離れて移動していないということです。戦略から運用へのエスカレーターのようなものがあります。
その場合、私たちは私がより戦術的な意思決定と呼ぶものの分散化について話しています。しかし、全体として、私はあなたと全く同意しません。私たちが話しているのは、組織内でだけでなく、サイロで働き、機能する人々についてです。サプライチェーンの人々は戦略的なサプライチェーン計画を立て、次に輸送計画、そして倉庫計画を考えます。
これらすべての計画は相互依存しており、残念ながらしばしば独立して実行されます。ネットワーク計画、輸送計画、在庫計画を運用モデルに組み込まない限り、最適な戦略的サプライチェーンソリューションを提案することはできません。
ビルに白衣の人々がいない状況全体は、6か月前に運用するために必要だと思っていた計画からあまり遠く離れずに運用を維持できる運用モデルの素晴らしい例です。適切な人々、適切なプロセスを組み合わせ、実行を支援するための技術とプログラムを持っています。
私は最適性を得るという考えよりも、これにははるかに熱心です。最適な計画を持っていても、それを実行し、できるだけ近く維持する必要があります。運用モデルがないと、私は従来の人々、プロセス、技術を超えて行く必要があります。それは本当に戦略的な企業計画であり、サプライチェーン周りのすべての他の戦略的計画は、その文脈の中で機能しなければなりません。持っている運用モデルと提案している計画が一致しない場合、それは災害のレシピになります。
Conor Doherty: イアン、引用でまとめることができれば、以前に述べたように、人間を排除することはできないと言いました。したがって、ジョアネス、イアンが話している戦略的意思決定において、人間を排除することはできないということに同意しますか？それは、すでにビジネスの日常運営に適用されている自動化フレームワークに吸収される可能性があるものですか？
Joannes Vermorel: 人工一般知能を持っているかどうかについての質問に対して、私たちは持っていません。確かに、近づいています。LLMは一般知能の火花を示していますが、ただの火花です。したがって、現時点でのLokadは、私たちが人間の心を必要としないほど洗練されたソフトウェアを持っていると主張しているわけではありません。実際、私たちの実践の中心には、数値レシピをコーディングするエンジニアであるサプライチェーン科学者がいます。これは、私たちがまだ機械に委任していない非常に人間的なものです。
アルゴリズムは、自動補完などを使用してコードをより速く作成するのに役立つかもしれませんが、本当の問題は、人間の知性が、一般的な知性であることから、パターンマッチャーのようなものや機械化できるものとは異なる価値を追加するタスクに割り当てられているかどうかです。
私の反論は、特にサプライチェーンを運営している多くの企業が、彼らが持っている白衣の人々をあまりうまく活用していないということです。彼らは、プロセスを進めるために大勢の企業の事務員を持っているという考え方にまだかなり固執しています。
私は、サプライチェーンを運営している多くの企業が、彼らの白衣の大部分を、彼らのブルーカラーとまったく同じように扱っているのを見ています。プロセスがあり、そのプロセスへの遵守が優れたと定義されています。
ブルーカラーにとっては、それは明確です、それが望ましいものです。しかし、白衣の人々の領域に入ると、情報は実世界よりも桁違いに機械化しやすいものになります。
物理的なものを扱う場合、例えば、あらゆる状況で溶接できるロボットを持ちたい場合、それは非常に難しいです。手を動かすだけでも、道具を持つだけでも、重いものを支えるだけでも、埃や汚染物質のある環境にいるだけでも、数ヶ月の訓練で誰かができることをするためには、非常に高度なロボティクスが必要です。
さて、情報の世界に入ると、紙の上では、制約はそれほど厳しくありません。我々は問題なくギガバイト単位のデータを移動させることができます。白衣の仕事をしている人々は既にコンピュータシステムと取引しています。彼らが得る情報はすべてコンピュータを介しており、彼らが生産する情報も既にコンピュータに入力されています。したがって、すでに完全にデジタル化されたフレームワークがあります。
私が言いたいのは、企業がほとんどの白衣の労働者を共同プロセッサとして使用しているということです。コンピュータのプロセッサがソフトウェアでできることと、私たちがギャップを埋めるために中間に誰かを持っているだけです。しかし、本当にこれらの人々の知性を活用しているのでしょうか？私の主張は否定的です。戦略的に重要な問題がある場合、すべての白衣の労働者が一般的な知性だけが提供できるものに貢献していることを確認することが重要です。一般的な知性が必要な場合は機械化すべきです。
Ian Wright: 私も同意します。あなたが機械論的アプローチに焦点を当てていることは、何が自動化であり、人間が必要なのかを定義しています。人間が本当に価値を提供する瞬間は、あなたが言うように、ジョアネス、これはおそらく正しく展開されていないところにあります。機械的に提供できない直感的な領域です。たとえば、10年後に飛行機が時代遅れになると考えることはなぜですか？それは機械的に構築できないものです。
人間が必要なのは、彼らが問題や状況に有機的な種類の入力を提供する必要がある場所です。それがイベント管理であるか、サプライチェーンの運用管理であるかにかかわらず、診断メカニズムを比較的簡単に持つことができます。まだ取り組む余地のある分野の1つは、機械的な文脈内で積極的な解決策を生み出すためのフィードバックループの雇用です。これには、幅広いデータソースからの情報の蓄積が含まれます。しかし、直感的な側面にはかないません。人間が問題を見つけようとする文脈にもたらすものには、新たな側面があります。
Joannes Vermorel: 私も非常に同意します。ここでは、時間系列の視点を非難します。現在のサプライチェーンの主流の実践はすべて時間系列に関連しています。しかし、彼らが何をしているかに非常に優れている企業を見ると、彼らは受け取ったフィードバックを賢く活用しています。たとえば、Amazonは、顧客からのフィードバックを賢く活用して、ほとんどのサプライチェーンや物流の問題を体系的に解決しています。
配達員が定期的に荷物を紛失しているとフラグが立てられる場合、Amazonはこのプロバイダーの使用を停止し、別のプロバイダーに切り替えます。ベンダーが問題を引き起こす場合、ベンダーを排除します。彼らは収集したフィードバックデータを合理的に活用しています。彼らは、どのようなフィードバックを収集できるかを想像するために人間が必要であり、ベンダーを排除する時期を決定する数値レシピを作成するエンジニアが必要です。
彼らはおそらく、特定の条件下で信頼性のある輸送業者があることに気付き、この輸送業者をその設定の下でのみ使用しています。これには、需要に関する時間系列だけでなく、何が関連データであるかについてのビジョンが必要です。ただし、問題の深い修正を提供するためにエンジニアリングのマインドセットが必要です。ただし、多くの企業は次から次へと緊急事態に対処し、すべての帯域幅を消費し、改善を妨げています。一方、Amazonは、遭遇する状況に対して深い修正を行い、問題のクラスを排除し、次に進むことができます。
Ian Wright: 残念ながら、それは財政に戻ってきます。あなたが言及しているような考え方を持つための深いポケットがある場合、それは一つのことです。しかし、ほとんどのサプライチェーンマネージャーは、そのような方法で問題に対処するための現金に恵まれている環境で働いていません。彼らは追いつこうとしており、火を消しているだけで、悪循環に陥っています。
実務者として戦略的プロジェクトに取り組む機会を得た場合、モデルを最初に置かないでください。今日のサプライチェーンマネージャーの世界がどのように存在しているかを理解し、その後、Amazonのように考え、そのサプライチェーンマネージャーの世界が追いつかないようにどのように機能するかを考えてください。残念ながら、ほとんどのサプライチェーンマネージャーは、戦略的プロジェクトを日常業務と同じ方法で追求しており、それはただの消火活動です。両側の人々はそれを正しくアプローチしていませんが、役割について異なる考え方をすることで異なるアプローチができるかもしれません。
Conor Doherty: 皆さん、時間に気を付けていますので、Ian、実用的最適性について戻ってきて、最適性を追求する際に人々が取ることができる実用的な手順は何ですか？
Ian Wright: 再び、私は戦略的な視点から取り組んでおり、製品を顧客の手に届けようとする現場の人間ではありません。最適性を考える際には、その実行が実際にどのように行われるかを考える必要があります。会社が今日どのように運営されているかに適合する、実現可能で運用可能な解決策を提供することに焦点を当ててください。
能力と自由がある場合、実行可能な文脈で最適性を達成する解決策を考えてください。ステークホルダーの真の目標、スポンサーの真の目標、および会社の真の目標を理解し、観察された目標や表明された目標だけでなく、それらの目標がどのように最適かについても考えてみてください。彼らが聞いてくれる範囲で、そのような方向で解決策を提供しようとしてください。常に、モデルだけでなく人間と一緒に作業していることを確認してください。
Conor Doherty: ありがとうございます。Joannes、それに追加することはありますか？
Joannes Vermorel: いいえ、それは良いポイントだと思います。ソフトウェアベンダーの観点から言えば、最適性に関しては、あまりソフトウェアベンダーを信頼しないでください。はい、もちろん、私たちを除いて。特に、システムオブレコードやシステムオブレポートのようなソフトウェアのクラスが、意思決定を扱わず、したがって最適化には全く対応していないことを考慮してください。
ERP、CRM、WMSなどのシステムオブレコード、ビジネスインテリジェンスのようなシステムオブレポートは、最適化された意思決定をもたらすと広告されています。設計上、これらのソフトウェアのクラスは問題にさえ触れません。最適化はまったく行いません。したがって、私のメッセージは、次のERPのアップグレードで最適性への道を見つけようとしないでください。定義上、ERPはシステムオブレコードです。それは意思決定に対処せず、それらの意思決定がどのような形でも最適であるかについてはさらに関心を持ちません。
Conor Doherty: その素敵な小さな記事、いや、短い記事を掲載することを確認します。そこでは、レコードシステム、レポートシステム、インテリジェンスシステムについて話しています。しかし、ここではゲストに最後の言葉を与えるのが慣例です。したがって、言及すべきことや私たちが言わなかったことがあれば、中断せずに閉じることができます。
Ian Wright: はい、それは好きです。ソフトウェアベンダーから、ソフトウェアベンダーを信用しないでください。私は本当にそれが好きです。40年以上にわたり、私の心を悩ませてきたことの1つは、技術に関する煽りを目にしてきた程度です。サプライチェーン全体の煽り、私の考えでは、煽りの一種です。実際、私はこれについて書いたことがあります、Conor、あなたは驚かないでしょう。しかし、私たちがやるべきことは、ただ煽りを乗り越え、雑草を乗り越え、本当に機能するものを理解することだと思います。それが鍵です-何が本物か。
Conor Doherty: それでは、そのノートで、もう質問はありません。Joannes、お時間をいただきありがとうございます。Ian、ご参加いただきありがとうございます。
Ian Wright: ありがとうございます、皆さん。私を招待していただいて光栄でしたし、Lokadについてもっと学ぶことを楽しみにしています。それが鍵です。
Joannes Vermorel: はい、そのうちの1つの鍵です。診断をお送りします。
Conor Doherty: ありがとうございます、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。
