Back to Lokad TV


00:00:00 航空宇宙の購買:不確実性と経済的な優先順位
00:05:58 機材群の状況把握、サービス目標、投資コスト
00:11:47 ロータブル、消耗品、経済性で順位付けされた投資
00:17:23 予算と業務上の制約のもとでの優先順位
00:23:56 一ドル当たりのサービス改善で投資を順位付け
00:29:43 データ検証と不確実な需要のモデル化
00:35:48 需要とターンアラウンドタイムの不確実性を組み合わせる
00:41:42 システム統合と売却機会
00:47:15 交換、修理優先順位、サプライヤー統合
00:53:29 データ準備と導入要件
00:58:44 過去を再現するシミュレーションと判断の追跡可能性
01:04:10 経済的優先順位、消耗品、サプライヤー遅延
01:09:14 整備の予測と推奨の実行状況の確認
01:14:05 購買自動化、調達プラットフォーム、修理優先順位
01:19:52 要点と締めくくり

要約

Conor DohertyとFabian Hoehnerが、不確実な需要や修理期間、限られた予算を踏まえて、Lokadが航空宇宙分野の購買に優先順位を付ける方法を実演します。追加する一個が、サービス改善や航空機の運航停止(AOG)の回避にどれだけ貢献すると見込めるかを、費用と比較して評価します。同じ考え方を、売却、修理の優先順位付け、在庫移動にも適用します。Lokadは既存システムと連携し、サプライチェーンサイエンティストと現場の専門家が計算を改善します。過去を再現するシミュレーションで以前の判断を説明でき、自動化の範囲は対象となる購買の金額と複雑さによって変わります。

詳細要約

航空宇宙分野の購買では、限られた資源をどこに振り向けるかを選ばなければなりません。予備部品を一個追加購入すれば、航空機が運航できなくなるリスクを減らせますが、その資金は別の、より重要な業務を守るためにも使えます。このライブデモでは、Conor DohertyとFabian Hoehnerが、Lokadによる選択肢の評価方法を説明します。中心となるのは、一ドルを投じることで、どれだけのサービス向上やAOG回避を合理的に期待できるかという問いです。その比較と事業上の制約から、在庫数量が決まります。

デモでは、航空会社の機材群と、修理して再び使うロータブル部品のプールを例に取り上げます。部品の利用可能性は、需要と、修理・物流工程にかかる時間の両方に左右されます。五個を所有していても、使用可能な五個がすぐ手元にある場合と同じ備えにはなりません。Lokadは既存システムから取引データを取り込み、業務の状況を把握したうえで投資を推奨します。この例では、約6,800万ドルの在庫で期待サービスレベルは95.7%となり、約120万ドルを追加投資すると98%近くまで上がります。そこから先の改善には、次第に多額の費用が必要になります。

推奨は一個ずつ順位付けされます。ある品番(PN)の追加一個は、価格も需要パターンも大きく異なる他の品番の追加一個と比較されます。通常、最初の一個は二個目や三個目よりも多くの不確実性に備えられます。この効果の逓減は重要です。同じ部品を複数買うより、投資先を分けた方が価値が高い場合があります。部品の重要度も関係します。欠けると運航できない比較的安価な部品では、欠品の影響が小さい高価な部品よりも、高い利用可能性を確保する価値があります。順位付きのリストがあれば、予算、購買処理能力、受入能力の制約も適用しやすくなります。

こうした比較には、不確実性を現実に即して扱う必要があります。航空宇宙分野では需要がまばらで不規則なことが多く、ターンアラウンドタイムも大きく変動します。平均値では、航空会社がまさに備えたい例外的な事態が見えなくなります。そこでLokadは需要と補充期間の分布をモデル化し、両者を組み合わせて、将来起こり得るさまざまな期間にわたる需要を推定します。Hoehnerは、修理が順調なら所要期間は短い範囲に集中し、問題が生じると、はるかに長い範囲に集中する場合を示します。これを一つの平均値に置き換えると、必要在庫を見誤ることがあります。予定が分かっている整備、確率的な部品表、ターンアラウンドタイムの傾向の変化も計算に反映できます。

金額を見積もることで、判断に伴うトレードオフを議論できます。AOGの費用を確定するのは難しくても、概算があれば、判断を比較し、前提を見直す足場になります。現場の知識も不可欠です。シートカバーやコーヒーマシンの不具合でも、技術的な耐空性の分類だけでは捉えきれない影響が生じます。ユーザーは品目の詳細画面や関連ダッシュボードで推奨を確認し、意外な結果に疑問を提示して、モデルの改善に協力します。高価なロータブル部品の購買では、通常、専門家による確認とサプライヤーの見積もりが引き続き必要です。一方、安価な消耗品やエクスペンダブル部品は、自動実行できる範囲が広がります。

同じ考え方は、売却、修理、配分にも適用できます。売却では、回収できる現金と、失われるサービス上の備えを比較します。修理の優先順位付けでは、どの使用不可部品に費用を投じたり修理を急がせたりする必要性が最も高いかを特定します。在庫移動では、輸送費や供給元拠点で増えるリスクを、移動先で得られる効果や、追加購入という選択肢と比較します。これらは互いに関連する経済的判断ですが、それぞれに固有の業務事情があります。たとえば計算上は有望な売却でも、実際に買い手が見つかり、現実的な市場価値を定められることが前提です。

Lokadは、取引処理ソフトウェアと連携する意思決定システムとして機能します。サプライチェーンサイエンティストが、顧客のデータや業務に合わせてソリューションを調整するため、サプライヤーが新しいプラットフォームを採用する必要はありません。役に立つ判断を出す過程で、どのデータの不備を優先して直すべきかも明らかになり、最初にすべてのデータを整えようとして終わらない作業を避けられます。Hoehnerは、導入期間の目安を約六か月としながら、案件によって大きく異なると説明します。過去の計算結果は調査できる形で残るため、予算制約による結果なのか、前提が誤っていたのか、承知して引き受けたリスクなのかを区別できます。この取り組みは継続的なものです。不確実性を数値化し、結果を比較し、新たな事実が得られるたびに判断を改善していきます。

全文書き起こし

Conor Doherty: Lokad初のライブデモへようこそ。今日は、航空宇宙分野でLokadが投資と売却の判断をどのように導き出すかをご紹介します。どの品番(PN)を優先すべきかを、実際にお見せします。

限られた予算をどう配分すべきか、そしてサプライヤーのリードタイム、ターンアラウンドタイム、コスト、予算そのものといった制約が、私たちの導き出す判断にどう影響するかを説明します。ライブ配信ですので、ぜひ質問をお寄せください。おそらく30分ほどでお答えします。私たちの雑談がどれだけ長引くか次第ですが。

まず自己紹介をしましょう。私はLokadでマーケティングディレクターを務めるConorです。スタジオには、親しい友人でもある戦略顧客担当ディレクターのFabian Hoehnerを迎えています。こんにちは、Hoehnerさん。お元気ですか?

Fabian Hoehner: こんにちは、Conor。

Conor Doherty: それは素晴らしい。さてFabi、画面の隅にもう見えていると思いますが、このあと航空宇宙分野の購買用デモアカウントを見ていきます。今回は購買が中心です。ただ、今ご覧の方にも、あとで視聴する方にも、Lokadをあまりご存じない方がいます。よくご存じの方もいますが、そうでない方も多いですよね。

そこで、デモに入る前に少し時間を取りましょう。二つ、簡単に答えてもらえますか。まず、Lokadは航空宇宙分野の購買という問題を、具体的にどう捉えていますか。もう一つは、冒頭の数分だけ見る方にも持ち帰ってほしい、重要な考え方は何でしょうか。

Fabian Hoehner: 打ち合わせでは聞かれなかった質問ですね。これは――

Conor Doherty: ええ、聞きませんでした。その場で答えてほしかったので。

Fabian Hoehner: 分かりました。詳しい方とそうでない方の両方がいらっしゃるので、全体像を説明しつつ、ところどころ詳しく掘り下げたいと思います。持ち帰っていただきたいことは二つです。一つは、不確実性をどう扱うかです。

ここでいう不確実性は、主にターンアラウンドタイムやリードタイムといったサプライヤー側の不確実性と、需要の不確実性です。もう一つは、経済的な最適化、経済性に基づく優先順位付けです。限られた資源で、どうすれば最善の結果を得られるか。この場合なら、どう効率よく購買するかということです。この二点が、今日持ち帰っていただきたい中心的な内容です。

Conor Doherty: 一言でいえば、ユーロでもドルでも、使っている通貨は何であれ、仮にユーロとすると、在庫に一ユーロ投資するごとに、サービスレベルがどれだけ上がると期待できるか、ということですね?

Fabian Hoehner: そうです。より正確には、あとで詳しく説明しますが、投じる一ドル当たりのサービスレベル向上を最大化する、あるいは一ドル当たりのAOG、つまり航空機の運航停止をできるだけ減らすことです。目標に最も効率よく到達する道筋を探す。この考え方を、今日お聞きの皆さんに持ち帰っていただければと思います。

Conor Doherty: いいですね。では、前置きはこのくらいにして、本題に入りましょう。デモアカウントを見ていきます。

プロデューサーのMax、画面を切り替えて、問題なく映っているか確認してください。Subcto。ではFabi、私は目が悪いので手元の画面を見ていますが、今、具体的に何が表示されているのでしょうか?

皆さんにも分かるように、どんな場面を想定しているか説明してください。航空業界の話ですか。MROですか。AIでしょうか。AIを使っているんですか?

Fabian Hoehner: もちろん、いつもAIを使っています。AIで何をしているかはあとで詳しく説明しますが、これはデモアカウントです。Lokadを20秒で紹介すると、さまざまな業界のお客様向けに、個別の在庫最適化ソリューションを設計する会社です。今日は航空分野に絞ります。MRO、つまり整備・修理・オーバーホールも対象になり得ますが、今回は基本的に航空会社の例を使います。

中心となる問いは、ある機材群に対して、在庫への投資、場合によっては売却を、どのような順序で進めるのが最も効率的か、というものです。これが全体を貫く問いです。まず今どこを見ているかというと、ご覧のとおりgo.lokad.comです。

これはデモアカウントです。お客様は皆、同じプラットフォームを使っています。マルチテナントのアプリケーションですが、ソリューションはお客様ごとに書きます。そのため、ある意味ではデモが難しいのです。お客様によって事情が大きく異なるからです。

Conor Doherty: 違いがありますよね。当然です。

Fabian Hoehner: ですから、お客様ごとに作り込むことが、私たちの独自の強み、USPだと思います。今日は冒頭で触れた二つの原則をお見せします。一つは、不確実性をどう捉えるかです。

キーワードは確率的予測です。私たちの発信を見てくださっている方には、おなじみの言葉でしょう。今日は非常に具体的に見ていきます。もう一つは、ある具体例における経済的最適化です。質問があれば、途中でもぜひお寄せください。

「はい、論理として表現できれば実装できます。あるいは、過去に実装したことがあります」と答える場面も多いと思いますが、今日は一つの具体例を見ていきます。それでは進めましょう。ほかに質問はありますか。なければ始めます。

Conor Doherty: 始めましょう。実は、すでにたくさん質問が来ています。皆さんご存じのとおり、今回に先立って多くの方とやり取りをしました。あとで取り上げたい非常に具体的な質問もありますが、今ご覧の方も、気になることがあれば下のコメント欄に書いてください。順次、詳しくお答えします。

Fabian Hoehner: ええ。私のことは分かっているでしょうから、途中で止めてください。そうしないと私は――

Conor Doherty: そうします。心配しないでください。

Fabian Hoehner: 話し始めると止まらなくなりますからね。では、これはデモアカウントで、今は概要画面を表示しています。どこでもクリックできますが、今日は二、三の画面に絞って詳しく見ていきます。

ここにあるのは概要ダッシュボードです。逆ピラミッドの順で、全体像から始めて、最も細かいレベルまで掘り下げます。これは管理者向けの概要画面で、部品プールのパフォーマンスを確認できます。

この例では部品プールを扱っていますから、複数の航空会社が利用している可能性もあります。要するに、ここで見ているのはトリプル7という一つの機材群と、それを支えるために必要な部品です。一社の機材群か、複数社の機材群かは関係ありません。

これが全体の考え方です。ここには過去の推移が表示されています。当然、右肩上がりですね。Lokadが最適化していますから、常によくなっていくわけです。そのほか、現在の業務状況を見る画面もあります。つまり、在庫はどこにあるのか、ということです。

航空分野では、部品が循環するループを常に考えます。これは非常に重要な概念です。今日ご覧の皆さんの多くには、よくご存じの話でしょう。ただ、この分野では、在庫はどれも同じではありません。

使用可能な在庫と使用不可の在庫があり、それぞれが工程のどこにあるかを把握する必要があります。五個あるとして、五個とも使用可能なのか、四個が修理中で一個だけ使用可能なのかでは、実態がまるで違います。ここは、その概要を示すダッシュボードです。どうやってこの情報をそろえるかというと、システムを連携して――

Conor Doherty: まさにそれを聞こうとして、口を開いたところでした。

Fabian Hoehner: ええ。通常、このデータはどこから来るかというと、さまざまなERPやMRPです。要するに、取引データをプラットフォームに取り込みます。Lokadは判断のためのプラットフォームです。ERPやMRPなどの取引処理システムから、モノがどこにあるかという取引レベルの情報を毎日取り込み、大量のデータを加工して、「今、186個が返却工程にある」といった状況を把握します。よろしいですか。それとも――

Conor Doherty: いえ、よく分かりました。

Fabian Hoehner: よかったです。全体像を見たところで、今度は結果に直接進みます。最適化の結果がどういうものになるかを、まずお見せします。ここで扱っているのは投資の最適化です。

ここでは、目標サービスレベル98%を達成するための、理想的な投資を考えます。小さなシミュレーターとドロップダウンがあり、さまざまなシナリオを選べます。今回はすぐに表示できるよう、事前に計算してあります。入力欄に値を入れて試せる設計にもできますが、今回は速さを優先して事前計算にしました。ここには現在の在庫も表示されています。この例では6,800万で、この6,800万の在庫によって95.7%のサービスレベルが得られると見込まれています。

Conor Doherty: なるほど。

Fabian Hoehner: 各部品のリードタイムを考慮し、それぞれの使用量で加重した利用可能性が95.7%ということです。

Conor Doherty: 分かりました。

Fabian Hoehner: 次に、ここでは98を選びましょう。「使用量などで加重した平均利用可能性を98%にしたい」と選択します。するとシミュレーターは、「120万……200万の投資が必要」と示します。それで目標、この場合は97.99に達します。このような結果になります。

これが最も大まかな全体像です。値を変えて試すと、航空分野で非常によく見られる現象が分かります。皆さんの多くがよくご存じでしょうが、費用がかかるのはロングテールの部分です。今、98あるいは98.5から99.5に変えました。

99にしてみましょう。これで1%です。最初の一ポイント、あるいは二ポイントを改善するための投資は百万ドルでしたが、その次の一ポイントには250万かかります。このように、サービスレベルを上げるための費用は指数関数的に増えます。これは、冒頭で触れた技術とは何かという話で、非常に重要です。

なぜ重要なのか、私たちのやり方はどこが違うのか。Lokadがこの業界に非常によく適しているのは、航空分野の問題の大半を占める、まばらで不規則な需要の扱い方を理解しているからです。極端な事態が起こる確率、つまり90パーセンタイルより先の部分を、どうすればよりよく把握できるか。航空分野では、まさにその領域が問題になります。非常にリスクを嫌う業界であり、欠品には大きな費用が伴うからです。

Conor Doherty: ええ、多くの場合、部品そのものの価格をはるかに上回りますね。

Fabian Hoehner: そのため航空分野では、昔からどこも過剰在庫になりがちです。「迷ったら、もう一個買っておこう」。これが典型的なやり方です。

ですから個々の部品について、99や99.5に相当するシナリオがどれくらい起こりそうかを理解することが極めて重要です。あとで詳しく見ますが、まず全体の話として、なぜここまで極端な事態を見るのでしょうか。

航空分野で扱うのが、まさにそこだからです。平均がいくつかを知りたいわけではありません。それでは50%の場合に十分な在庫があるということになってしまいます。それでは意味がありません。

知りたいのは、極端な事態にどれだけの確率で対応できるかです。ここでも全体像から細部へ進みましょう。ここに投資があり、これが投資総額です。次に知りたいのは、お客様が実際に購入する数量です。この例では、とても単純に、「対象品目はこれで、投資する数量はこれ」という一覧があります。

Conor Doherty: 確認ですが、今見ているのはロータブル部品ですか、それとも消耗品ですか。ロータブル部品だけですね。

Fabian Hoehner: ええ、ロータブル部品です。

Conor Doherty: 分かりました。消耗品はあとで見るか、そこでの考え方に触れるわけですね。

Fabian Hoehner: ええ、考え方には触れますが――

Conor Doherty: 基本的に、最も高価な部品だから、今これを見ているんですね。

Fabian Hoehner: ご覧のとおり、ここで扱う金額はかなり大きくなります。ロータブル部品ですからね。考え方の大半は消耗品にも適用できます。主な違いは、ロータブル部品には定義上、循環があることです。ループがあり、修理のループを繰り返します。

理論上は社内で修理することもできますし、廃棄になることもあります。一方、消耗品は買って、使ったらなくなります。ですから計算には違いがありますが、冒頭で述べた、不確実性を数値化し、経済性に基づいて優先順位を付けるという基本原則は同じです。

Conor Doherty: 分かりました。

Fabian Hoehner: では、なぜ推奨数量が四個、三個、五個などになるのでしょうか。少し詳しく見ていきますが、まずはまだ大まかな話です。ここにあるのは先ほどと同じ一覧に、情報を追加したものです。最初に直感的に確認したいことがあります。これから、数字の多い画面をいくつもお見せします。

どこに注目すればよいか、あなたにも視聴者の皆さんにも説明します。この一覧が、購入を推奨する部品です。ここは四個、こちらは三個、五個と続きます。大事なのは、最適化が直感的に納得できる働きをしているか、ということです。

この結果をどう導くかは、順を追って詳しく説明します。ただ、まず直感的に筋が通っているでしょうか。効率を求める最適化なら、どんな結果になるはずでしょう。

効率とは、一ドル当たりのAOG削減、あるいはサービスレベル向上だとすれば、比較的安く、しかも重要度の高い部品は、高価で重要度の低い部品よりも、利用可能性を高く確保するはずです。この一覧では、単価がかなり近い最初の二つの部品を見ましょう。一方の部品の値が、ずっと高くなっています。最終サービスレベル――まず現在のサービスレベルは、今保有している在庫でどれだけ対応できるかを示します。

最終サービスレベルは、最適化後に到達する水準です。こちらは94%、もう一方は80%になります。なぜでしょう。重要度を見ると、こちらはno-go、つまり欠けると運航できない部品です。もう一方はgo-if、条件付きで運航可能です。

要するに、こちらは欠品した場合の損失がずっと大きいのです。だから相対的に多く在庫を持ちます。これが直感的に納得できる考え方でしょう。さらに下に進むと、ここには99の部品があります。画面が小さすぎたら言ってくださいね。

Conor Doherty: その方が見やすいです。ありがとう。少なくとも私には。ほとんど見えていませんでしたから。

Fabian Hoehner: ここは99.5です。この部品は8,000ドルと比較的安く、no-go部品です。ですから、他よりも積極的に在庫を持つのは、no-goで比較的安い部品のはずです。この直感は一貫して成り立つべきです。逆に、あまり積極的に在庫を持たない部品は――ここにあるのはgo部品ですね。それほど高価ではありませんが、なくても運航可能なgoに分類されています。

すみません、まず押さえてほしいのは、この基本的な論理です。では、なぜ具体的に四個、三個、五個といった数量になるのでしょう。直感的には納得できます。そこまではよいですね。

次は、その具体的な値をどう導くかです。ここまででも、大まかに経済性に基づく優先順位付けが組み込まれていることが分かります。さらに詳しく、どう実現するのでしょうか。私たちはこれを順位付きの優先順位付けと呼んでいます。この場合は、順位付きの投資リストです。

ここでは、可能な購買、つまり投資を一つずつ取り上げ、その部品に投資した場合の経済的な結果をシミュレーションします。最初の二、三行を見ると、同じPNが並んでいますが、同じ在庫単位ではありません。最初の一個、次の一個、さらに次の一個を買うということです。この処理を全体にわたって行います。購入し得る部品を一個ずつ、すべてシミュレーションします。そのため、この一覧は基本的にどこまでも続きます。下へ延々とスクロールできるわけです。これが私たちのやっていることです。

Conor Doherty: ただ、予算には制約されるのでしょうね。ここでも順位が付いていて、下に進むほど投資総額が増えています。「使える予算はXで、無限ではない。だから、ここまで最適化して、それ以上は進めない」という上限を設定できそうです。

Fabian Hoehner: この例では予算ではなく、98%という目標で区切っています。ただ、おっしゃるとおりです。98%を達成する予算が120万、125万となるので、実際に行うことはまさにそれです。

投資総額が125万に達するところまで、下へ進めばよいのです。今回は逆の順で、98を目指した結果が120万でした。しかし、その逆もできます。つまり――

Conor Doherty: ええ、もちろん。

Fabian Hoehner: 見る角度が違うだけで、実際には同じです。では、経済性に基づく優先順位付けがどう働くか、いくつか例を見ましょう。ご自身で最適化に取り組んでいる視聴者の方にも、よい判定基準があります。「10万ドルあります。今日買うべき、最も重要な一品は何ですか」と聞かれたら、答えられるでしょうか。

これは非常に重要な考え方です。最初の部品だけの話ではなく、実行するあらゆる行動に優先順位を付けることです。この論理があれば、「購買チームは一日五品目しか処理できない」「倉庫は一日10品目しか受け入れられない」「予算は百万」といった、どんな制約も取り込めるからです。優先順位がなく、単に実行するかしないかだけでは、難しくなります。たとえば「部品Aは99%、部品Bは95、部品Cは91を目標にする」とします。

極端な例ですが、その場合は達成しているかどうかだけで、順位がありません。ここでは順位付けという考え方が極めて重要です。時間でも予算でも何かしら限られている以上、優先順位は必ず必要だからです。視聴者の皆さんへの問いは、「今日必要な最も重要な一品を特定できますか」です。しかも一品だけではなく、最も重要な50品はどれか、と聞かれたらどうでしょう。

ここでは、それができます。最初の行を見ましょう。品番1338です。しばらく1338を使って説明しますので、お付き合いください。

現在、在庫はありません。一個の購入を検討しています。昨年、一年間に何個の要求があったかも分かります。1,200ドルで一個買うわけですが、今のサービスレベル、あるいは期待サービスレベルはゼロです。

なぜか。在庫がゼロだからです。ゼロなら、不確実性にはまったく備えられません。基本的には、そういう意味です。

期待サービスレベルとは、将来の不確実性にどれだけ備えられているか、ということです。具体的に何を意味するかは、このあと説明します。先ほど言ったように、まず全体から細部へ進みます。「買うべき品目はこちらです」で終えても構いません。ただ今回は、もう少し詳しく、その結果がどこから来るのかを理解したいと思います。

Conor Doherty: 少し口を挟みます。そこは大事な点で、同じ趣旨の質問を何度もいただいています。どうぞ水を飲んでください。「考え方には興味があるし、よさそうだ。Lokadのこともある程度知っている。ただ、たとえば自社の計画チームは、実際に何を見ることになるのか」という質問です。今、あなたは「このダッシュボードを見れば、順位の付いた判断があります」と言いました。

続けて「もっと詳しく分析します」と言いましたが、ここで止めてもよいとも言いました。つまり計画チームは、この段階で作業を終えられるわけですね。判断はもう出ているので、システムを信頼していれば実行できる。もっと知りたければ、なぜこの一個、このPNが別のものより上位なのか、といったことを調べられるのですね。

Fabian Hoehner: そうです。

Conor Doherty: 分かりました。

Fabian Hoehner: そのとおりです。システムが構築済みだとしましょう。所要期間はあとで話せますが、仮に6か月後、システムが稼働しているとします。「このシステムを信頼する」として、推奨を出力し、業務システムで実行することができます。

繰り返しますが、私たちは取引処理システムではなく、判断のためのシステムです。複雑なシミュレーションを実行し、その結果を業務システムへ戻す役割です。

Conor Doherty: どうぞ、続けてください。

Fabian Hoehner: 今お話ししたとおりです。ただし――

Conor Doherty: はい。

Fabian Hoehner: 先ほどの部品を思い出してください。4.6万ドルの部品を、そのまま自動で買う人はほとんどいないでしょう。これは――

Conor Doherty: ええ。

Fabian Hoehner: 実際にはそういう仕組みではありません。こうした部品は、見積もりを取る必要があります。航空分野の購買は、Amazonのeコマースとは違います。

部品の価格を問い合わせる必要があり、ここに表示されている価格は、確認が取れるまでは仮定です。そのため手作業になります。自動化することもできますが、言いたいのは、ここで扱っているロータブル部品の購買を、完全に自動化することはおそらくないだろうということです。もちろん、できますが――

Conor Doherty: 判断の実行まで必ず自動というわけではないものの、分析と判断を導く処理そのものは自動化されているのですね。

Fabian Hoehner: ご質問は、結局「担当者は何を見るのか」ということですよね。通常、人が時間をかけるほどではない場合、たとえばC&Eで、部品が2,000ドル未満くらいなら、すべてを自動化できますし、実際にそうしています。業務システムを毎日更新し、注文を自動的に送ります。一方、ロータブル部品への投資では、通常、専門家がさまざまな点を確認します。

その場合は、今ここでしていることに非常によく似た作業を行います。「これを五個買ってください」という推奨があり、経験豊富な専門家がその結果を吟味します。初期段階では、その検討を通じて、私たちと一緒にシステムを設計・構築・改善します。その後も結果を調べます。「五個買う」という判断にどう至ったか、その検証の手順と推論こそ、今お見せしているものです。なぜこの結果なのか、という話に戻りましょう。途中で止められなければ、もう説明は終わっていたはずですが。

Conor Doherty: 失礼しました。

Fabian Hoehner: 品番1338を見て、「一個買えば47%になる」と言いました。つまり、不確実性の47%に備えられます。0から47への増分は47です。

次に、それを全品目との関係で評価します。品目全体では、どれだけ改善するのか。それは、その部品の使用量によって変わります。当然、使用量の多い部品ほど、この部分への影響が大きくなります。

そこから全体のサービスレベル向上と、AOG削減を金額換算した値を求めます。どう求めるのでしょう。ここも個別に構築します。視聴者の皆さんも、取り組みを始めたばかりのお客様も、多くは「AOG一件の費用はこれだ」と確定した数字を持っているわけではありません。私たちは常に「厳密に間違っているより、おおよそ正しい方がよい」と考えます。確かに、AOGでどれほど費用が発生するかを正確に特定するのは難しいのです。

通常は、在庫に関する事象が原因で、AOGが何件起きたか、その費用を大まかにいくらと見積もれるかを調べます。緊急購入が必要になった、といったことも分かります。その金額はいくらか。こうして、おおよそ正しい値を導こうとします。

繰り返しますが、金額がまったくないより、金額として表した値がある方がよいのです。値がなければ、サービスレベルを手掛かりに、いわば手探りで進むことになります。「99にすべきか、99.5にすべきか」と言われても、根拠を持って議論できません。分からないからです。しかし金額にすれば議論できますし、部門をまたいでも話し合えます。

Conor Doherty: そうですね。

Fabian Hoehner: あとから値を変えても構いません。一年後に「ここは見積もりが間違っていた」「この機種では正しいが、こちらの機種ではもっと高いはずだ」となっても問題ありません。数値化した時点で、初めて――

Conor Doherty: 意見の違いを話し合うための共通言語ができる。

Fabian Hoehner: まさにそのとおりです。最終的には、一ドル当たりのAOG削減、あるいは一ドル当たりのサービスレベル向上になります。どちらも、最も効率のよい投資の順序を表すスコアにつながります。では二行目と三行目だけ見て、次へ進みましょう。

二行目も同じ部品です。同じIDですが、同じ一個を買うわけではありません。今度は二個目を買います。最初の一個はすでに買ったので、次に投資できるのは二個目です。これによって、どこまで上がるかというと――拡大してほしければ、いつでも言ってください。

Conor Doherty: 大丈夫です。このままで見えます。

Fabian Hoehner: 前かがみになっていますね。この場合は72%まで上がり、サービスレベルが25%追加されます。当然、最初の一個で最も多くの不確実性に備えられます。どれだけかというと、50%、二個目では25だけです。

そこから何が言えるでしょうか。当然といえば当然ですが、二個目が業務にもたらす価値は小さくなります。そのため、各値が下がります。サービスレベルの改善幅も、AOG費用の削減額も小さくなり、順位を決めるスコアも低くなります。

「二個目は一個目より価値が小さい」というのは、画期的な話ではありません。当然、一個目より先に二個目を買うことはできません。では三行目を見ましょう。考え方も、それ以外も、まったく同じです。

この一個で増えるのは14%だけですが、支払額はやはり1,200です。したがってスコアはさらに下がります。面白いのは四行目で、ここには別の品番が出てきます。

この部品は、あらゆる条件が違います。リードタイム中の要求も違いますし、基礎となるTATも違います。リードタイム自体も違うかもしれません。

価格も違います。その部品については、すべてが違うのです。しかし順位付けの論理は変わりません。AOGをどれだけ減らせるか。それを投資額との比で考えることもできます。

ここで適用する中心的な考え方は、それだけです。少し補足すると、実際にはもっと複雑ですし、この計算でもno-goやgo-ifなどに関する要因を加えています。この例では、それをAOG費用に含めています。

単純にいえば、no-go部品ならAOG費用が高くなります。この部分は非常に複雑になり得ます。私たちが天才だから分かるのではなく、お客様からのフィードバックで分かるのです。結果を見て検討するこのやり方を、実験的最適化と呼んでいます。一覧を見せて「私ならこうします」と伝えると、専門家が「五個でもおかしくはないが、私なら20個買う」と言うわけです。

そういうときには、私の方で何かを見落としているはずです。現場の専門家は、通常、自分たちの仕事をよく分かっています。たとえばシートカバーを見ているとしましょう。「技術上はno-go部品ではない。飛ぶことはできる」と言えるかもしれません。

しかし現場は「そうだが、見た目がひどい」と言います。きれいな機内に乗り込んだお客様の目に、「ここには赤いテープを張らなければならない。これは使えない――」という状態が入る。その影響は大きいのです。そう、実質的にはno-goです。非常に高くつきます。

面白い例ですが、コーヒーマシンもno-goです。コーヒーマシンがない、というわけにはいきません。技術的にはなくても飛べますが。このような点を一緒に学びながら、数値レシピを調整していきます。航空会社によっても違うでしょう。何を優先するのか。

何は優先しないのか。ここでは、一ドル当たりのサービスレベル向上、一ドル当たりのAOG回避をスコアにして、すべてに順位を付け、この一覧を下へたどります。値が着実に下がり、下がり、上がるのが見えますね。こうして、4.6万ドルの部品と5,000ドルの部品を比較できるようになります。問いは、安い部品の六個目と、高い部品の二個目のどちらを買うのが得になるのは、どの時点かということです。

ここで行っているのは、まさにそれです。次は、この値をどう求めるか、あるいは現場の目線ではどう見るかという話です。先ほど、現場の担当者は何を見るのかと聞かれましたね。こういう一覧を見ます。

それはごく自然です。ただ、それに加えて、ここで「品目の詳細画面」と呼んでいるものも開きます。私たちも使う画面です。結局のところKPIダッシュボードですが、先ほど見た値をどう導いたのかを説明するものです。

通常は、お客様ご自身が調べることもあれば、私たちのサプライチェーンサイエンティストが調べることもあります。コードを書き、議論の相手になる担当者です。この配信に参加されている方なら、以前にLokadの情報をご覧になっていて、サプライチェーンサイエンティストという役割をご存じの方も多いでしょう。要するに、実装を担当し、お客様と互いに問い直しながら検討を進める人たちです。

私たちも、お客様が使うのと同じ評価画面で、提示した判断が妥当かどうかを検討します。「五個買う」という上位の結論から、常にその理由へ掘り下げます。まず経済的な順位を見て、次に細部をすべて確認します。意見が食い違ったら、通常はここを見て、現実の捉え方が一致しているかを確かめます。特に案件の初期段階で、認識がずれる理由の大半は何だと思いますか?

Conor Doherty: 判断の経済的な価値ですか?

Fabian Hoehner: いいえ、データです。いつもデータです。見ている実態について、認識が一致していないのです。複雑な事業を営むお客様、航空関連企業は、通常、買収を何度も行っています。古いシステムを含めて六種類のERPがあり、あちこちに三つほどExcelがある、といった状態は珍しくありません。

同じ実態を正しく、あるいは同じように解釈するだけでも簡単ではありません。最初の一歩は、現実の見方がそろっているかを確認することです。同じ部品が見えているか。この例では全部――別の部品を見てみましょう。該当するものはあるでしょうか。ありました。今、返却工程、修理工程、物流工程にある個数について、同じ数字を見ているでしょうか。

一致しているのか、していないのか、それとも分からないのか。そこを確認することが大切です。データに整合性があると分かったら、次に需要をどう見通しているかを見ます。

その見通しをどう求めるのでしょう。ここまで経済性に基づく優先順位付けを説明しました。冒頭で、二つの中心的な考え方を持ち帰ってほしいと言いましたね。一つは経済性に基づく優先順位付けで、すでに少し説明しました。もう一つが不確実性と確率的予測です。ここからは、それを見ていきます。

よくご存じの方もいると思いますが、皆さんに理解していただけるよう、少しゆっくり進めます。ここにあるのは、非常に典型的な使用履歴です。ちなみに、引き続きお気に入りの1338を見ています。つまり――

Conor Doherty: 同じ部品を追いかけているわけですね。

Fabian Hoehner: そのとおりです。この部品をたどっています。非常に典型的な、まばらで不規則な使用履歴です。ゼロ、一個、一個、一個、二個、そのあと二個、一個。つまり、予測が極めて難しいということです。

航空分野では、そうする人はほとんどいないと思いますが、これを平均使用量として見て、単純に移動平均を取ると、こうなります。何か役に立つでしょうか。この例では0.17個と出ます。なるほど、結構です。

では、そこから何が分かるでしょう。ほとんど何も分かりません。必要なのは、これから示す確率的な見方です。ある期間内に、それぞれの数量が使われる確率はどれくらいかを示します。ある期間というところから、簡単に始めましょう。統計学を学んだことがある方なら――

Conor Doherty: 私は何も分かっていないと思ってください。初歩から説明してもらって構いません。

Fabian Hoehner: それは難しい仮定ですね。では、このヒストグラムは、簡単のために実際に起きたことを表示しているとしましょう。過去だけを見ています。実際には、もちろん未来を見て予測し、とても高度な処理をしていますが、説明を簡単にするため、過去を見ているとします。

ここでヒストグラムは何をしているのでしょう。見えるでしょうか。ここに小さな線があります。この線の間を、対象とする期間だと考えてください。仮に30日としましょう。過去が未来を表していると仮定し、この履歴の中から無作為に位置を選びます。

そのとき、30日間に需要が一個になるのはどれくらいの頻度か。ゼロはどれくらいか。二個、三個はどれくらいか。それを示しているのが、これです。

無作為に選ぶと、25%の場合はゼロになります。34%の場合は1で、次に2、3、4、5と続きます。これが理論上の考え方です。ここにある区間なら、需要は三個です。区間をもっと広く取れば、これらすべてが入ります。

これが単純な理屈です。実務では、冒頭で言ったように不確実性を認め、受け入れることが必要になります。予測する期間はどれだけか、という問題です。30日ではありません。30日とすれば固定値になってしまいます。私たちが強調しているのは、不確実性は存在し、計画によって消し去ることはできないという点です。常に30日だと仮定して、確定した値で計画を簡単にするのは便利ですが、それで現実に近づくわけではありません。実際には30日かかることも、50日、60日、180日かかることもあります。あるいは――

Conor Doherty: まったく戻ってこないこともある。

Fabian Hoehner: そのとおりです。廃棄ですね。ここで扱っているロータブル部品は、通常、修理されます。ですから見ているのは、一般的なリードタイムというより、ターンアラウンドタイムです。

部品が再び使用可能になるまで、どれくらいかかるか。航空機が戻り、使用不可になった部品を取り外します。在庫していた使用可能な部品と交換し、使用不可の部品は長い、果てしない循環工程に入ります。理想的には、各工程を特定できるデータがあり、それぞれに小さな分布を持たせます。しかし要点は、自分が直面し得る所要期間を、すべて把握したいということです。

その期間にわたって予測したいのです。極端な例を考えると、部品を一日で修理できるなら、在庫は不要、というより追加在庫が不要で、一個あれば足ります。航空機が戻るたびに、使用不可の部品を外し、使用可能な部品を取り付け、外した部品を修理すれば、在庫は一個で十分です。現実はもちろん違いますが、対象期間を定めることがいかに重要かが分かります。ここでは、まさにそれを行っています。

ここでは補充リードタイムと呼んでいますが、ターンアラウンドタイムでも構いません。厳密には違いはありますが、原理の説明として重要なのは、どの期間を対象に予測するかです。これは平滑化されていて、二峰性の分布になっています。どういう理由が考えられるでしょう。航空分野では通常、この80付近の山は、すべてが順調に進む場合です。

部品を修理工場へ送り、修理が終わり、すべて順調です。こちらは、何かが壊れていて、その修理に時間がかかる場合を表します。すると、きれいな二峰性の分布になります。重要なのは、ここではどんな値でしょうか、詳しく見ると、大半の場合、仮に80%の場合は80程度で、20%の場合は150だと捉えるのと、常に平均の110だと捉えるのでは、解釈が大きく違うということです。つまり――

Conor Doherty: その分布では、平均の値はめったに起こらないのですね。

Fabian Hoehner: そうです。もちろんこれは平滑化したデモ用データですが、現実にもよくあるケースです。すべて順調なら80日、そうでなければ120日かかる、といったことです。

ここから、どちらか一つのシナリオを選ぼう、と結論付けているわけではありません。必要なのは、不確実性が存在すると理解し、あり得るすべての未来にわたって予測することです。最初は、「30日間を選ぶとしましょう」と言いました。

この場合、30日になる確率は一パーセント未満と非常に小さいです。要するに、あり得る需要の対象期間それぞれについて、需要分布を作ります。厳密にそのとおりの実装かどうかはさておき、イメージとして、さまざまな対象期間に対応する百種類の分布があると考えてください。

それらを一つにまとめた分布が、こちらです。これによって、あり得るすべての未来にわたる需要が得られます。この10分間、なぜこうした説明をしてきたのでしょうか。

不確実な未来における需要を、最も正確に表現できるからです。これは極めて重要です。航空分野では、冒頭で述べたように、関心があるのは極端な事態です。90を超える領域のシナリオですね。その場合、この分布のどこにいるかを理解することが非常に大切になります。いくつかクリックして見てみましょう。

こちらです。よくあるのは、ゼロの確率が特に高く、右に裾の長い分布です。いつも見られる長い裾があり、対象期間中に需要がまったくないことが、最も起こりやすいシナリオである場合も多いのです。それでも重要なのは、外れ値が起こる確率を正確に理解することです。この部品が2万ドルなら、さらに、どれくらいでしょう、この追加の7%、厳密な計算ではありませんが、この7%のために、もう4万ドル投資するのか。それとも最初の数個だけにするのか。先ほど行ったのは、まさにこの比較です。

だから、分布の形を理解することが決定的に重要なのです。それが第一歩です。さらに詳しく見るために、先ほどの部品へ戻りましょう。ここですね。一個を入れると期待サービスレベルは47%になります。二個目で72、その次で87まで上がります。ここで――

Conor Doherty: 一覧に出ていた値ですね。

Fabian Hoehner: そのとおりです。あなたは――

Conor Doherty: ちゃんと見ていました。

Fabian Hoehner: 素晴らしい。では戻って確認すると、最初は37、次は72と続いています。こうして、どうやってその値に至ったかをさかのぼれます。なぜ、まさにその数値になったかを説明しているのです。少し息をつかせてください。もし――

Conor Doherty: いくつか質問が届いていますが、ここで話題を移すのがよさそうです。事前に皆さんと話していて何度も聞かれたのが、今お見せした仕組みを、既存の業務フローにどう組み込むのか、ということでした。現在のお客様にも、これからお客様になるかもしれない企業にも、それぞれのソフトウェアと業務フローがあります。Lokadを導入するには、それらをすべて取り払う必要があるのでしょうか。それとも並行して使うのでしょうか。どういう仕組みですか?

Fabian Hoehner: もし本当に全部取り払う必要があるなら、困った質問になりますね。

Conor Doherty: ええ、そのとおりですね。

Fabian Hoehner: そうではなく、既存システムの上に位置します。実際に、ほんの数秒だけ、この裏側に何があるかをお見せしましょう。これが――

Conor Doherty: これがAIですね?

Fabian Hoehner: ええ、全部魔法です。もちろん、すべて黒魔術です。冗談です。これはEnvisionという、私たちのプログラミング言語です。

Lokadには、いくつかの側面があります。一つは、在庫最適化のために設計した非常に強力なビッグデータ基盤です。実際、AI機能も数多くあります。たとえば、社内のエージェントでこの言語のコードを書くこともできます。ただ、ここでお見せしたかったのは、データについてご質問があったので――

お客様ごとに合わせて作るということです。事前に何かを設計しておいていただく必要はありません。必要なのは、元のデータをそのまま抽出したものです。それを私たちの側で加工し、意味を正しく読み取れるようにすることが、作業の大きな部分を占めます。つまり、データの整合性です。

たとえば、部品の適正な価値を求めるのは、かなり複雑です。航空分野では長年保有している部品が多く、八年かけて償却した結果、帳簿価額が1ドルになっているかもしれません。しかし、部品を買い替えることはできますし、新たに購入すれば、たとえば5万ドルかかります。どの値を使うのが正しいのでしょうか。その部品の適正な価値はいくらでしょう。

簡単には答えられません。二つの異なるシステムがあるわけです。会計システムでは、帳簿上一ドルを残しているので1ドルです。一方、買い直そうとすれば50,000かかります。

そのためのデータをどう得るか。時間も議論も必要ですし、私たちの立場からは、何より柔軟性が必要です。プログラミング言語を用意している理由はいくつもありますが、要するに、そうした事情に対応するためです。お客様のシステム構成はそれぞれ大きく違い、私たちはその上で動きます。

AMOSでも、TRAXでも、SAPでも構いません。多くの場合、いろいろなものが混在しています。それに対応することも、判断のためのシステムの役割です。私たちが組み立てます。質問への答えになっていますか?

Conor Doherty: おおむね答えになっています。質問を言い換えたのですが、本来の懸念は、取引が重複しないかということでした。複数のシステムがある場合、システムAとLokadの間で、双方向に突き合わせが必要になるのか。質問の意図は、基本的にそこです。

Fabian Hoehner: 機能が重複するかということですね。一歩戻ると、取引を処理するための取引処理システムがあります。つまり――

Conor Doherty: ERPですね。

Fabian Hoehner: そうです。ERPやM――たとえば在庫から一個取り出して取り付けたら、それはミリ秒単位で反映されてほしい情報です。あらゆる場所を更新する必要があります。

それはLokadの役割ではありません。私たちは複雑なシミュレーションを実行し、20分かかることもあります。それで問題ありません。今見ているものは、事前計算してあります。

事前計算済みなので、表示にはまったく時間がかかりません。この処理自体も、おそらく数秒で終わるでしょうが、最も複雑な処理にはもっと時間がかかるかもしれません。それでも構いません。即時の取引処理は私たちの仕事ではないからです。私たちの仕事は、最善の知見、意思決定支援、自動化された判断を提供し、それを自動化されたシステムへ戻すことです。そのため、状況を理解するダッシュボードもかなり用意しています。

レポートのシステムですね。まず記録のためのシステムがあり、その上に、通常はTableauや、ほかには何でしたか、まあいいでしょう、Power BIなどのレポート用システムがあります。その次の、判断のためのシステムという分類が、私たちの領域です。

その仕事をするために、データを得たら、結果を説明するダッシュボードを多数作ります。たとえば、今見ている調査用ダッシュボードも、当然、レポートの仕組みです。この画面そのものは、単なるレポートです。

計算は別の場所で行っています。では、何かが重複するのかというご質問ですが、一部は重複するかもしれません。ただ、全体としてレポートシステムになることを目指しているわけではありません。私たち自身とお客様が、処理の内容を検証するために使います。コードだけを見ていたいわけではなく、実際に何をしているかを見たいからです。

Conor Doherty: 分かりました。何をするかという話で思い出しましたが、冒頭では投資と売却の判断を見ると言いました。ここまでは、投資の判断が中心でしたね。

「持ちすぎている」という場合も見せてもらえますか。引き続きロータブル部品の話です。「在庫が多すぎる。資金を回収するために手放すべきものを、どう特定するのか」ということです。

Fabian Hoehner: ええ。私がその画面を用意していると知っていたかのようですね。素晴らしい。

この例でも、ダッシュボードは好きなように設計できます。これはデモ用で、こういう構成を選んだだけです。

ここでは、売却と投資の候補を同じ全体ダッシュボードに入れています。今見ているのは、売却の候補です。結局、売却と投資の考え方はほぼ同じです。投資では、現在の在庫を出発点に、あり得るすべての在庫について、一個追加したら、もう一個追加したら、三個目、四個目と追加したらどうなるかを考えます。そして順位付けのスコアを作ります。

売却でも、保有するすべての在庫について同じことをします。一個売ったら、サービスレベルをどれだけ失い、現金をいくら回収できるか、と考えます。基本的には同じ論理なので、全部は説明しません。こうした一覧で見たいのは、単価が高く、サービスレベルの低下が小さい品目です。この部品なら、低下は一パーセント未満です。

全体の低下を見ると、丸められていて数字として見えないほどです。明らかに、持ちすぎている部品もあります。その結果として増えるAOGと、順位も表示しています。

表示する桁数を増やせば見えるでしょう。下へ進むと、値が増えていくことが分かります。要するに、ここで見るべきなのは、単価が高く、サービスレベルの損失が小さいことです。投資とは逆の論理ですね。理論上は、投資と売却の理想的な釣り合いを見つけ、「これらすべてに投資し、最適な状態になるまで売却する」と決めることもできます。

ただ、それはかなり理論的な話です。実際には、適正な市場価値はいくらか、といった点がもっと複雑だからです。これもAmazonのように、「8.5万ドルの部品が10個余っている。はい、売れた」とはいきません。売る必要があり、買い手を探し、拠点間で移送するなどの作業があります。

それでも、こうしたダッシュボードは資産を売却するお客様にとって、非常に価値があります。「これは筋が通っている。この五個ほどは、極めてまれな事態に備えているだけだ」と判断できるからです。本当に、全機材が同じ日に問題を起こすようなときにしか必要にならないかもしれません。これが売却の基本的な考え方です。

Conor Doherty: 分かりました。予算配分の違い、失礼、投資か売却かによって判断の導き方が少し違うという話ですね。関連して、事前に届いた質問です。購買実務の担当者から、「交換取引で取得する場合と、通常の買い切りで購入する場合とで、購買の推奨はどう変わるのか、あるいはどう変えるべきか」という質問がありました。

Fabian Hoehner: 場合によります。答えはいつも――

Conor Doherty: 本来、かなり時間のかかる質問ですよね。簡潔な回答をお願いしているのは承知しています。細部まで説明できなくても、あとで個別に対応できますから、問題ありません。

Fabian Hoehner: ええ、もちろんです。

Conor Doherty: 大まかな答えをお願いします。

Fabian Hoehner: はい。今見ているのは、通常、お客様が所有するプールです。在庫全体の数量はいくつか、ということです。ここにある投資は、すべてプール全体の数量を増やします。

交換取引だけなら、通常、プールの個数は変わりません。交換し、ある時点で返すからです。この場合に評価するのは、たとえば修理ループに部品が滞留しすぎている状況です。理論上、部品は十分あるものの、修理から戻っていない。本当に在庫総数を増やす必要はなく、戻るまでの期間をつなぐ必要があるわけです。したがって、基本的には別の最適化になります。

ここで見ているのは、プールに追加する投資です。それは修理の優先順位付けにもつながります。根底にある問いは、修理工程に一定数の部品があるとき、どれを優先して修理すべきか、というものです。順序を変えられることもあります。どの会社にもある状況ですが、先ほどの概要に戻ると、現在500個が修理工程にありました。そのすべてが同じ重要度ではありません。

ここでも優先順位付きのリストを使います。どれを優先し、リードタイムを短縮できるなら何を急がせるべきかを示す、催促や特急対応のリストです。サプライヤーから見れば、預かった20個の部品を修理しているだけで、どれがお客様にとって重要かは分かりません。一方、私たちには「この部品は使用可能なものがまだ五個ある。早く修理に出したからといって、早く戻す必要はない」と分かります。先ほどの優先順位付けの典型例です。私たちにとって最も大きな効果をもたらすのはどれか。結局は、最も効果の大きい行動を選ぶための一覧です。

Conor Doherty: 分かりました。次に進んでもいいですか。大丈夫ですね。では。

サプライヤーの話が出たので、もう一つ重要で具体的な質問につながります。ここに書き留めてあります。以前、導入費用や利用料金を理由に、サプライヤーが新しいプラットフォームへの参加を断った経験がある方からの質問です。「Lokadがこうした処理を行い、価値を生むためには、サプライヤーも顧客との仕事の進め方を変える必要がありますか」ということです。

Fabian Hoehner: サプライヤーというのは、お客様のサプライヤーという意味ですか?

Conor Doherty: ええ、そうです。

Fabian Hoehner: いいえ。通常、サプライヤーのデータが必要かという問いへの短い答えは「いいえ」です。必要なのはお客様のデータだけです。お客様が一通りのデータを持っているからです。

追加で連携できるかということなら、はい。実際、一部のサプライヤーとは、主に各工程の時刻情報を得るために連携しています。あなたが修理を担当するMROで、私が航空会社だとしましょう。

私がLokadへ送る自社データでは、部品をいつ送り出し、いつ戻ってくるかしか分かりません。そこに「現在は修理中」「国境で通関中」「検査が終わった」といった、あなた側のデータが加わるとします。実際、そうした連携ができるお客様もいます。定期的にExcelをLokadへアップロードするだけでもよく、その情報があれば、こうしたデータをより適切に更新できます。

質問にお答えすると、すでにサプライヤーと連携していて、そのデータがERPにあるなら、ERPから取り込むだけです。それで済みます。ただ、私たちは柔軟に対応でき、外部サプライヤーとの連携では、それが強みになるでしょう。私たちはIT企業ですから。

大企業が外部データをERPへ取り込むよりも、私たちが外部とのデータ連携を作る方が、おそらくずっと簡単です。大企業では移行プロジェクトになりますが、私たちなら数日です。そこが大きな違いでしょう。

Conor Doherty: 分かりました。つまり、データには少なくとも二種類あるわけですね。あれば役立つものと、必須のものです。

今説明したサプライヤーのデータは、あれば役立つ方ですね。あると助かりますが、なくても取り組みを妨げるものではない。

Fabian Hoehner: そのとおりです。明確にしておくべき、よい指摘ですね。

Conor Doherty: 具体的にはっきりさせたいので。

Fabian Hoehner: ええ。データの話はいつも大切です。では、どのようなデータが必要でしょうか。

基本的に、航空分野ではすべてを追跡しなければなりません。ですから、十分なデータがあります。「データは足りていますか」と聞かれれば、はい、足りています。

問題は、整っているか、きれいかということです。答えは、いいえ。きれいなことはありません。それでもデータは十分にあり、そこから解釈をそろえる作業が始まります。

データはあくまでデータで、それをどう解釈するかが問題です。使用履歴はもちろん重要です。在庫数量や品目マスターなど、通常必要になる一通りのデータですね。

そのうえで、あれば役立つデータもたくさんあります。拠点別の過去の在庫数量などです。サプライヤー側の工程時刻もそうですが、これを得るのは非常に難しく、通常は見えません。

ターンアラウンドタイムは、出した時と戻った時の二つの値だけで分かります。その間の工程時刻があれば非常に有用ですが、なければ全体をまとめた大きな分布を使います。あれば、複数の分布に分けられます。

Conor Doherty: 先ほど、データが整っていない場合について「そこから作業が始まる」と言いましたね。データ準備に関して、これも質問があったので確認したいのですが、お客様には何が求められますか。先ほどのサプライチェーンサイエンティストの話にもつながりそうです。

Fabian Hoehner: ええ。通常、私たちは一緒に取り組むという姿勢です。繰り返しになりますが、そのために設計されているからです。私たちはビッグデータ基盤を提供しています。

この種の作業は得意で、通常、お客様がデータを準備するよりも、私たちが処理する方がずっと速いです。そのため、必要なのは元データの抽出だけです。とはいえ、データに詳しく、どこにあるかを知る方がいることは重要で、価値があり、案件を早く進める助けになります。

ですから、あらかじめデータを調べ、その意味を理解している方がいても助からない、ということではありません。ただ、私たちの進め方のよいところは、判断の段階まで進むことです。「この部品を四個買ってください」と伝えると、背後にある問題がはっきり見えてきます。データをきれいにするだけの取り組みでは――

「まだ準備ができていない。まずデータをきれいにしたい」と言う企業を、たくさん見てきました。二年後に話を聞いても、「まだデータを整理しています」と言います。どこから手を付けるべきか、判断が極めて難しいからです。乱れたデータ、適切でない分類、製品の階層などは、常に存在します。

もちろん、分類がよくなれば私たちにも役立ちます。互換性の対応表もそうです。航空分野では、一方向の互換性、双方向の互換性が非常に重要です。

データが整っていないとして、整っていればずっとよいか。もちろんです。ただ、実際の判断まで進めば、どのデータに価値があるかも、はっきり見えるのではないでしょうか。

そうなのです。互換性を例にすると、新しい部品を古い機器でも使えるかどうかは、誤った推奨を出せばすぐに明らかになります。双方向に互換性がある部品なら、当然、より積極的に在庫を持ちたいわけです。そこに価値があります。

私が「五個」と推奨して、それがユーザーから見て大きく間違っていれば、「なぜ五個なのか。古い部品はもう必要ない。新しい部品で古いものにも新しいものにも対応できるのだから、20個ほしい」と言われます。そこで品目の詳細画面などを見れば、「この部品が、この二つの需要に対応できるとは把握していなかった」と、すぐに分かります。

なぜ分からなかったのか。データを正しく捉えていなかったからです。これで、修正する価値のあるデータだと分かります。実際に役立つデータを見ているからです。一方、きれいにすること自体を目的にすると、いつまでも成果にたどり着かず、整理も終わりません。

Conor Doherty: なるほど。

Fabian Hoehner: 何をにやにやしているんですか?

Conor Doherty: お祝いのコメントが来ていて――Alexが今、自分は頭がいいと言っています。確かに頭のいい人です。賢いんですよ。

次の質問は、似た内容のものをまとめた、導入に関する質問です。具体的には、連携に必要な作業、データ要件――データについてはすでに触れましたが――セキュリティ、サポート、多数のサプライヤーへの拡張性、エンジニアリング、所要期間などです。もちろん、条件なしには答えにくく、案件ごとに違うことは分かっています。それでも、興味を持って見ている方へ、大まかに説明してもらえますか。

Fabian Hoehner: 六か月です。

Conor Doherty: 目安ですね。もっと早いことも、長いこともある。

Fabian Hoehner: はい。どちらもあります。

通常は、もちろん諸条件によりますが、まず二か月かけてデータを取得し、大まかに――つまり、全体と細部の両方でデータの状態を確認して、何を見ているのか、解釈をそろえます。次の二か月で最適化をひととおり形にします。この部分はかなり速く進みます。その後の二か月で調整し、既存業務と並行稼働させます。私たちがここで扱っている判断は、皆さんがすでに行っているものだからです。

私たちのお客様は、「何を買うべきか」「何に投資すべきか」を、すでに毎日判断しています。その業務と並行して動かすことで、改善につなげます。関連して、過去とどう比較し、どう評価するかについて、ちょっとした機能を一つ紹介しましょう。

強調したいのは、このプラットフォームでは、過去の状態をそのまま評価できるということです。どういう意味か。履歴を見ると、過去の実行結果がすべて確認できます。たとえば、今日私が何をしたかが、そのまま見えます。

数時間前に実行したダッシュボードを開けます。実は、予算の質問をされると思って、ここでは予算を1,000万から、失礼、100万に変えておきました。では98%の目標に戻りましょう。先ほどの投資額を覚えていますか?

Conor Doherty: 120万……200万です。

Fabian Hoehner: そのとおりです。今度は上限を100万にしたので、900,000までにしかなりません。このダッシュボードでも操作して試せますし、実行もできます。

過去のどのダッシュボードでも、同じことができます。多くの方は、これをそれほど重要な機能だとは考えませんが、実は非常に価値があります。どの時点にも戻って、何をしたかを確認できるからです。AOGが発生すると、企業はパニックになるとまでは言いませんが、「なぜ起きたのか。何を間違えたのか」と調査を始めます。

部品のリードタイムが六か月という話ですから、2026年1月に自分たちが置かれていた状況へ戻れなければ、システムや判断の妥当性を検証するのは極めて難しくなります。ここでは2026年のシミュレーションを開けば、「確かに、この部品の三個目を買いたかった。買う価値はあった。ただ、予算が、たとえば1,000万に限られていたので買わなかった」と分かるかもしれません。

それが分かれば、「予算を増やし、もっと資金を使えるようにすべきだ」と判断できます。あるいは、「優先順位が適切でなかった」と分かるかもしれません。欠品にもっと大きなペナルティを設定すべきだったなら、アルゴリズムを変えます。これは決定的に重要です。いわば実りのない原因調査から、根底にあるシステムの検証へ進めます。その結果、「アルゴリズムは意図どおりに動いており、問題ない」となることもあります。

極端な事態が起き、欠品することはあります。ここでは98を目指しているので、2%では欠品するということです。

それが統計というものです。一方で、「その説明だけで済ませず、将来もっとよくなるようにアルゴリズムを変えよう」と判断することもできます。これは継続的な取り組みです。最適化は継続的なプロセスなのです。

完璧を目指し続けますが、定義上、そこに到達することはありません。だからこそ、履歴を調べられる仕組みが必要です。新しいデータを古いコードで実行することもできます。計算、重み付け、お客様の目に触れる部品に設定したペナルティなどを、そのまま使えます。

今日のデータを六か月前のアルゴリズムのコードで実行できますし、逆に古いデータを今日の最適化処理に入れたらどうなるかを試すこともできます。質問されることは少ないですが、非常に強力な機能です。もともとはバグ修正のために作りました。日々データが変わると、バグが再現しなくなることがあるからです。問題があると分かっているのに、場所を特定できないのは困ります。ともあれ、話がそれましたね。

Conor Doherty: では、脱線はそこまでにしましょう。具体的な情報を記録に残せるのは、よいことです。もう少し質問があります。

まだ続けられますか。続けましょう。いいですね。

Fabian Hoehner: いや、すみません。

Conor Doherty: では次です。これは購買そのものというより、別の選択肢についての質問です。

「もう一個買うべきか、既存の在庫を拠点間で移動すべきかを、Lokadで判断できますか」。今日のテーマから少し離れますので、別のダッシュボードは開かず、大まかな回答をお願いします。

Fabian Hoehner: はい。ですから――

Conor Doherty: できます。では次の質問です。

Fabian Hoehner: はい、終わり。いや、そうではなく。

ここで経済性に基づく優先順位付けが役立ちます。退屈な答えかもしれませんが、私の答えはいつも「論理として表現できれば、できます」です。では、ここで適用すべき論理は何でしょう。まず、必要になる確率をシミュレーションします。

配分の問題では、まず拠点ごとの需要をシミュレーションする必要があります。たとえば100の地方拠点にMBKがあるなら、当然、難しくなります。需要がさらにまばらになれば、予測はもっと難しくなりますが、それでも必要です。私たちはいつも、「シミュレーションの粒度を決めるのは計算の容易さではなく、下したい判断だ」と言っています。

拠点ごとの部品需要をシミュレーションしたいなら、拠点単位で予測しなければなりません。では何をすべきか。中央在庫に追加購入すべきか、再配分すべきか。結局は、経済性の問題です。

部品を移動する費用を、ほかの選択肢と比較するだけです。移動すれば、送り出す側の拠点のリスクが高まります。そのリスク増加と物流費を合わせたものを、外部から追加購入する投資費用と比較します。そこには資本コストもあります。結局、論理的に整理でき、計算可能な問題です。

ユーロでもドルでもポンドでも、その単位まで計算できます。ただ、私たちが常に問うのは、どれくらい大きな問題で、どれほど頻繁に起きるのかということです。単純な比例計算で解ける場合もあります。しかし、重要で金額も大きい問題なら、まさにその細かさまで踏み込めます。

Conor Doherty: 分かりました。いくつか――

Fabian Hoehner: 分かりにくければ言ってください。

Conor Doherty: いえ、よく分かりました。ほかにも質問があるので、ここだけで長くなりすぎないようにしています。詳しく知りたいというメッセージも、すでにいくつか届いています。「では、この状況ではどうか」と個別のケースをすべて扱うと時間が足りませんから、不明点はあとで対応します。

Fabian Hoehner: 確認しておきたいのは、二つの原則が伝わったかということです。一つは不確実性で、ターンアラウンドタイムと需要など、異なる不確実性を組み合わせて全体を把握すること。もう一つは経済性に基づく優先順位付けです。この二つで、根底にある問いの95%ほどには答えられます。冒頭で質問された消耗品やエクスペンダブル部品もそうです。ここまでは循環する部品を説明しました。

循環がある方が複雑ですが、結局、C&Eでも同じです。在庫が入って、出ていく。いわば100%廃棄になるわけです。基本原則はおおむね同じで、まったく同じ経済的最適化ができます。

できるというだけで、必須ではありません。問題自体が単純なら、もっと簡単な方法でも解けます。この種類の最適化を必ず使う必要はありませんが、通常は強くお勧めします。ただ、まずは手早い簡易版が必要なら、そこから始めて、現状よりよく、自動化されたものを作れます。自動化は、ほぼいつも人の手作業を上回るからです。

それから次の段階へ進めます。ほかにも大量のダッシュボードがありますが、ここでは詳しく見ません。たとえば配分なら、「この拠点から、あちらの拠点へ移す必要がある」と示すダッシュボードを、もちろん作れます。計算の詳細には、ここでは立ち入りません。

Conor Doherty: ええ、それは次の機会のテーマにしましょう。今広げると、話が分かりにくくなります。

Fabian Hoehner: 大まかな点だけお伝えしたかったのです。モジュール数については、何をモジュールと定義するかによります。リードタイムの違いやターンアラウンドタイムの長期化への対応を一つと数えるのか、それとも購買全体で一つなのか。定義次第ですが、20種類のモジュールがあると言うこともでき、ここでその一部が見られます。

Conor Doherty: 関連して、ライブで質問が来ています。前半を見逃した方かもしれませんが、取り上げましょう。Saddafさんからです。お名前を正しく発音できているとよいのですが。「最適な購買数量を計算するとき、Lokadがサプライヤーの遅延をどう扱うか、もう少し詳しく説明してもらえますか」。

Fabian Hoehner: はい。つまり――

Conor Doherty: 前半を見逃した方のために、ダッシュボードに戻って、もう一度見せてもらっても構いません。

Fabian Hoehner: もちろんです。まず、何を遅延と呼び、何を単に織り込むべき事実と捉えるか、という問いがあります。遅延とは、期待していた値があり、それより時間がかかっているということです。答えは二つあります。

一つは、催促や特急対応です。30日かかると想定していたのに、今40日目だとします。その場合、通常は、どこに最初に電話すべきかを順位付きのリストで示します。10日遅れていても、使用可能な在庫が五個あるなら、その遅れは気にならないからです。

私にとっては重要ではありません。一方、まだ25日目で遅れていなくても、在庫がなく、非常に急ぐなら、電話して「何とか部品を早く戻せませんか」と頼みたいでしょう。これが、遅延をどう扱うかという答えの半分です。何か手を打てるか、ということです。

そしてユーザーが優先順位を付けられるようにします。常に、何かがうまくいかないことの影響はどれほどかを考えます。これが前半の答えです。もう半分は、ここで見た――

Conor Doherty: 遅れている、という言葉の定義ですね?

Fabian Hoehner: そうです。私たちなら、リードタイムにはさまざまな値がある、と捉えます。契約書に「60日」と書いてあるのは結構ですが、実際にはいつも120日かかるなら、その事実を購買の推奨に反映する必要があります。

ここで行ったのが、まさにそれです。「常に80」「常に120」とは言いません。数字は何でもよいのですが、「これらすべての可能性がある」と考えます。そして、ここにある需要分布は、あり得るすべてのリードタイムにわたる需要分布です。そのために、ここまでの処理をしているのです。

制御できない不確実性を受け入れるためです。ターンアラウンドタイムとサプライヤーのリードタイムは、その大きな要因です。また、ここまで詳しく触れていませんでしたが、これら自体も予測しています。説明を簡単にするために、過去を見て、過去が未来を表すとして話してきました。

もちろん、過去が常に未来を表すわけではないことは分かっています。COVIDの最中も、その後も、お客様と仕事をしていました。需要が落ち、その後回復し、ターンアラウンドタイムが大幅に長くなる状況を見ています。ターンアラウンドタイムが一定の方向へ変化しているなら、「過去が未来を表す」とは言いません。

その場合は、ターンアラウンドタイムを予測し、その予測分布にわたって需要を予測します。もう一つ、来そうな質問に先回りすると、先ほどは過去一年を見ると言いましたが、今後の整備点検を考慮することも、もちろんできます。たとえば――質問があれば、どうぞ。

Conor Doherty: いえ、実はあとの質問に関係する話です。そのまま続けてください。

Fabian Hoehner: よくある質問は、将来の需要をどう予測するのか、過去だけを見るのか、というものです。場合によります。千機を運航している場合や、大規模なMROで統計的なデータ量が十分にある場合は、過去を見ることで、未来をかなりよく表せます。

ただし、より多くの情報があるなら、それを使います。常に問うのは、どこまで情報を持っているかです。たとえばDチェックが続けて予定されていると分かっているなら、当然、確率的BOM、つまり確率的な部品表を使います。部品表自体に不確実性があるからです。ある消耗品は必ず交換すると分かっているので、交換確率は100%です。しかし別の部品は、開けてみて初めて――

Conor Doherty: 想定していなかった腐食が見つかる。

Fabian Hoehner: そうです。あるいは、過去のCチェックから、その部品を交換するのは30%の場合だと分かっているかもしれません。これが確率的な部品表で、「必要になり得る100の部品と、それぞれの確率はこちらです」と示します。その作業が二か月後にあると分かれば、計画に織り込めます。

実際に、そうしています。ただ、現実はもっと複雑です。「二か月後にCチェックがある」と言って、本当に二か月後に行われるのはどれくらいでしょうか。そこにも不確実性があります。主要な不確実性を二つ紹介しましたが、実際にはさらに多くなり得ます。それらが不確実性を増やし、分布を広げます。それでも最後は同じ問いに行き着きます。部品をもう一個買えば、どれだけ備えが増え、それだけの価値があるのか。この部品の価格は分かりませんが、たとえば1万ドルを払って、さらに0点何パーセントか、あるいは4%か、その分の改善を得たいと思うか、ということです。

Conor Doherty: よく分かりました。だからこそ、このダッシュボードが重要だという点も、改めて強調しておきたいですね。続いてMetanさんからです。発音を間違えていたらすみません。これは以前も出た重要な論点です。投資、売却、配分について、どれほど優れた判断を出しても、それが守られない、つまり実行されなければ問題です。

公開の質問ですが、「企業、つまりお客様が、推奨された部品を実際に買ったかどうかは、どう分かるのですか」というものです。先ほど追跡可能性について話していましたが、「判断が実行された割合はX%」と追跡できますか?

Fabian Hoehner: なるほど。はい。つまり――

Conor Doherty: 単純に監査、失礼、監査可能性の話ですね。

Fabian Hoehner: Conor、あなたならどう追跡しますか?

Conor Doherty: コンピューターで。

Fabian Hoehner: ええ、素晴らしい。要するに、すべての取引履歴を毎日受け取るので、実行された内容が分かります。

そこには購買も含まれます。ですから、推奨に従ったかどうかが、そのまま見えます。かなり単純化していますが、月曜日に五個を推奨したとしましょう。日曜の夜に計算が走り、月曜の朝、担当者が「五個の推奨」を見ます。

火曜日の実行で五個の購買が見えれば、「推奨実行率は100%」と言えます。かなり単純化していて、実際には見積もりなどを出すまでに長い時間がかかることもあり、もっと複雑です。それでも、実行状況は追跡しています。消耗品のように自動化されているものなら、かなり正確に追えます。

その場合は件数も多いので、ずっと簡単です。一方、ここまで話してきたロータブル部品では、人からのフィードバックが最も重要だと思います。実際、この一覧をお客様と一緒に見ます。私たちは数学や統計が得意ですが、私たちというのは――

Conor Doherty: ええ、あなたはまさに天才ですからね。

Fabian Hoehner: いえ、強力なプラットフォームがあり、優秀なエンジニアがいるという意味です。それが私たちの専門です。航空分野で仕事をしてきたのは、この13年ほどです。かなりの知見を蓄えてきましたが、お客様より航空に詳しいとは決して言いません。たとえば改修がいつ予定されているか。航空関連企業の方々は本当に熱心で、機体を見るとすぐに機種や搭載部品などが分かります。私たちは、どちらかといえば統計を担当する側です。

つまり、ユーザーの専門知識とフィードバックを、常に非常に重視しているということです。ダッシュボードも100%、その方々に合わせて設計します。「この表示を変えたい」「色を変えたい」など、要望があれば――

それを聞いて、目的に合わせて設計します。作り直す、つまり表示を再設計するだけなら、私たちには半日もかかりません。AIの話もできますが、それは別のテーマですね。

Conor Doherty: では、次へ進みます。これはどちらかといえばコメントですね。少し待ってください。はい。

Lokadと取り組むことで、購買の手作業を実際にどれだけ減らせるか、という話です。誤解を招きたくないので確認します。ロータブル部品の話で少し触れましたが、購入金額によっては、当然、9万ドルの購買を確認する専門家が引き続き関わります。そのプロセスのうち、実際にどれだけ、つまり費やす時間をどれだけ削減できるのでしょうか。C&Eについても同じ質問です。

Fabian Hoehner: ええ、先ほどの答えに戻りますね。

Conor Doherty: ええ、質問をそのまま読んでいるので。

Fabian Hoehner: もちろんです。業務の複雑さによりますが、C&Eなら非常に広い範囲を自動化できると思います。

発注点を使って、すでに多くが自動化されていることは分かっています。最小・最大在庫方式もあります。それを、はるかに賢いシステムで自動化できます。たとえば必要なら毎日、発注点を設定し直し、意図した判断が実行されるようにできます。

実際、一部のお客様ではそうしています。そこでも大幅な時間短縮があると思います。ただ、何百万ドルもの部品を購入する場合、大事なのは時間の節約以上に、判断の質を高めることです。時間短縮も確実にあり、かなり大きいのですが、本質はよりよい結果です。AOGを数件回避すれば、費用は、ある程度までは問題にならなくなります。

Conor Doherty: これで一通り取り上げたと思います。今は5:45で、開始から75分ほどです。六時ごろには終わらなければなりませんから――あ、すみません。最後にもう一つありました。デモを見た方には分かると思いますが、明確にしておきましょう。Lokadは、この分野にあるAeroxchangeなどの購買プラットフォームと、どう違うのかという質問です。二つの種類を実際に比較している方が、意思決定の最適化と、RFQの処理、見積もりの比較、POの処理などとの違いを知りたいそうです。

Fabian Hoehner: Aeroxchangeにも、さまざまな機能があります。ただ、大まかに言うと、私たちは購買プラットフォームそのものではありません。繰り返しますが、判断のためのシステムです。違いは――

Conor Doherty: 意思決定ですね。

Fabian Hoehner: そうです。取引処理システムがあり、私たちはその上で頭脳の役割を担います。統計から導ける最善の判断と業務上の知見を返し、それを実行してもらいます。Aeroxchangeには、購買機能そのものや、やり取りを自動化する機能が、より多くあります。

それは私たちの仕事ではありません。さまざまなサプライヤーと連携し、データを突き合わせたり、情報をやり取りしたりすることはできますが、価格を掲載するような事業ではありません。それは私たちのビジネスモデルではないのです。ですから、購買プラットフォームとは呼びません。まとめるなら、意思決定の自動化、意思決定支援、そして判断のためのシステムです。

Conor Doherty: 分かりました。本当に最後にもう一つ、これもコメントに近いものです。公開コメントよりDMの方が送りやすい方が多いようで、それも分かります。そのまま読みます。「よい内容ですが、私は修理の方に関心があります。この方法を、修理や特急対応の優先順位付けにも使えますか」。

Fabian Hoehner: はい。簡単でしたね。

Conor Doherty: もう少し視聴者に説明してあげてください。

Fabian Hoehner: 真面目に答えると、これも同じ論理です。部品を買う代わりに、使用不可の部品を修理すべきかと考えます。使用不可の部品が10個あり、使える在庫はゼロだとしましょう。購入する代わりに、使用可能な状態にするわけです。

この場合、使用可能にするには修理が必要で、修理の循環工程、つまりターンアラウンドタイムがあり、費用もかかります。社内修理でも外注修理でも費用はありますが、簡単のため外注としましょう。使用可能にするのに50,000かかるとします。まず、どう優先順位を付けるかが問題です。

修理に出すための予算があり、物理的な処理能力にも限界があります。たとえば、一日に50個の部品を処理できるとします。どれが最も急ぎでしょうか。さらに、経済的に見て修理する価値があるものと、ないものはどれでしょうか。

たとえばCOVIDの後、これは大きな問題になりました。一部のお客様では、資金繰りが非常に厳しくなったのです。単純に現金がない。では、どうするか。

リース料などの支払いは続くのに、現金収入がなくなります。最初にできることは、まさに修理を保留することでした。使用不可の部品を修理するだけで、多額の現金が流出するからです。既存在庫を取り崩して使い、修理待ちの部品は使用不可のまま残せます。当時は、修理せずに置いておくことが非常に合理的でした。COVIDの最中、飛んでいるのが機材全体の20%なら、使用可能な部品の需要も大きく減るからです。修理を止めればよい。ただし、ここがまた問題ですが、「今後は修理しない」と一律に決めることはできません。

優先順位付きのリストが必要です。不可欠な部品は、引き続き修理しなければなりません。それがなければ致命的になるからです。一方、在庫が10個あり、使用不可の部品が五個あるなら、少しリスクを増やして、何個かを使用不可のまま残す、あるいは一個だけ修理する、という判断でも大丈夫でしょう。

つまり、同じ論理です。この場合はターンアラウンドタイムが、さらに重要になります。各工程の時刻情報や、廃棄となる確率も非常に重要です。基本的な論理は同じですし、そのためのダッシュボードもありますが、別の話に広がってしまいますね。

Conor Doherty: 分かりました。締めくくりに、最初の話へ戻って要点をまとめてもらえますか。今見始めた方や、Q&Aへ直接飛んできた方に向けて、航空宇宙分野の購買、投資、売却の判断への取り組みを、どうまとめますか。持ち帰ってほしいことは何でしょうか。

Fabian Hoehner: まず、全部聞かなかったことを反省してもらわないと。二つ目は――

Conor Doherty: いいですね。三つ目は――

Fabian Hoehner: 繰り返しますが、不確実性を受け入れることです。ターンアラウンドタイム、需要、確率的な部品表など、不確実性には多くの形があります。あらゆるところに存在するので、単純化して計画から消してしまってはいけません。それを受け入れましょう。よりよく扱うための技術はあります。

そして二つ目は、経済的な結果に基づいて優先順位を付けることです。航空分野なら、通常は、一ドル当たりのサービスレベル向上やAOG回避です。この二つが持ち帰ってほしい中心的な考え方です。では、Lokadは何をするのか。そのための強力なプラットフォームと、優秀なサプライチェーンサイエンティストがいて、お客様と一緒に仕組みを設計します。航空分野におけるLokadを簡単に言えば、そういうことです。

Conor Doherty: 分かりました。Fabi、質問は以上です。今日は参加してくれて、ありがとうございました。スタジオに迎えられてうれしかったですし、皆さんも私と同じくらい、あなたの話を楽しんでくださったなら幸いです。

Fabian Hoehner: 褒めすぎですよ。

Conor Doherty: あなたは人類の誇りですよ。

Fabian Hoehner: ありがとう。

Conor Doherty: どういたしまして。そして、ご覧くださった皆さん、ありがとうございました。コメントや質問にも感謝します。

特に、この一か月ほどの間にお話しした皆さんに感謝します。約一か月、このイベントをご案内し、多くの方に「何を見たいですか」と伺いました。そのフィードバックを受けて、ご覧のとおり、今日お見せする内容を皆さんのご希望に合わせようとしました。

今回扱わなかったことで興味のあるテーマがあれば、LinkedInでFabや私に直接ご連絡ください。ご覧のとおり、私たちは話すのが好きですし、気さくな二人です。

プロフィールを開いて、メッセージを送ってください。すでに関心をお持ちで、面談を予約して詳しく知りたい方には、チャットにリンクがあるはずです。見つからなければ、contact@lokad.comへ直接メールをお送りいただいても構いません。先ほどFabiがお見せしたように、航空宇宙分野には、ほかにもご紹介できるモジュールがあります。

今日は扱いませんでしたが、また別の機会にご紹介します。それまでは、もう言うことはありません。さあ、仕事に戻ってください。あ、もちろん、よろしければ。