サプライチェーン講座
BACK TO LOKAD TV ›
M5予測コンペティションにおけるSKUレベルでのNo1 - 講義 5.0
2020年、Lokadのチームは世界的予測コンペティションM5において909チーム中5位を達成しました。しかし、SKU集計レベルでは、その予測が1位となりました。需要予測はサプライチェーンにとって極めて重要です。
供給チェーン向けサイバーセキュリティ - 講義 4.7
サイバー犯罪は増加傾向にあります。ランサムウェアは急成長中のビジネスです。物理的に分散しているため、供給チェーンは特に脆弱です。さらに、環境の複雑性はコンピュータセキュリティの問題が発生しやすい温床となっています。
サプライチェーンのためのソフトウェア工学 - Lecture 4.6
複雑性と混沌を制御することは、ソフトウェア工学の礎石です。サプライチェーンが複雑かつ混沌としていることを考えると、サプライチェーンが直面する [enterprise software](/ja/ベンダー/) の問題の大半が、悪いソフトウェア工学に起因するというのも、さほど驚くべきことではありません。[Numerical recipes](/ja/決定-駆動-最適化/) を用いて [optimize supply chains](/ja/量的-供給-チェーン-マニフェスト/) する手法もソフトウェアであるため、全く同じ問題に直面します。これらの問題は、数値解析手法自体の洗練度とともに激しさを増していきます。適切なソフトウェア工学は、病院における無菌操作が果たす役割と同様に、単独では何も成し遂げませんが、それがなければすべてが崩壊してしまいます。
サプライチェーンのための言語とコンパイラ - 講義 4.5
大多数のサプライチェーンは依然として[スプレッドシート](/ja/優先順位-在庫-補充-excel-確率-予測/)(例:Excel)によって運用されています。一方で、企業向けシステムは1、2、時には3十年もの間稼働しており、理論上はそれらに取って代わるためのものでした。実際、スプレッドシートは手軽なプログラム的表現力を提供しますが、これらのシステムは一般的にそうではありません。
サプライチェーンのペルソナ: San Jose、ホームウェアeコマース - Lecture 3.3
San Joseは多種多様な家具・アクセサリーを取り扱う架空のeコマース企業です。自社のオンラインマーケットプレイスを運営しています。自社ブランドは、内部および外部で他のブランドと競合します。大手で価格の低い事業者と競争するために、San Joseのサプライチェーンは、注文された商品の迅速な配送をはるかに超える、様々な形態の高品質なサービスの提供を試みています。
サプライチェーンのための機械学習 - 講義 4.4
サプライチェーンにおいては、あらゆる意思決定(購買、生産、在庫管理など)が将来の出来事の予測を反映するため、予測は不可欠です。統計的学習と[機械学習](/ja/テクノロジー/)は、理論的にも実践的にも、古典的な‘予測’分野に大きく取って代わっています。本講義では、現代の‘学習’の視点から、データ駆動型の未来予測がそもそも何を意味するのかを理解しようと試みます。
サプライチェーンのための数学的最適化 - 講義 4.3
数学的最適化は数学的関数を最小化するプロセスです。近代のほとんどすべての統計学的学習手法 ― すなわち、サプライチェーンの視点からの予測も ― は、その核心において数学的最適化に依拠しています。さらに、一度予測が確立されると、最も有利な意思決定の特定も、根本的には数学的最適化に依存します。サプライチェーンの問題はしばしば多数の変数を含み、通常は確率的な性質を持っています。数学的最適化は現代のサプライチェーン実践の礎となるものです。
サプライチェーン向けブロックチェーン - Lecture 4.21
暗号通貨は多くの注目を集めました。大金が築かれ、大金が失われました。ねずみ講が横行しました。企業の観点から見ると、ブロックチェーンとは、類似のアイデアや技術を紹介する際に、暗号通貨との距離を置くための丁寧な婉曲表現です。サプライチェーン向けにブロックチェーンの活用例は存在するものの、多くの課題も伴います。
アムステルダム、チーズブランド(ペルソナ) - 講義 3.2
アムステルダムは、チーズ、クリーム、バターの製造を専門とする架空のFMCG企業です。彼らは複数の国で多数のブランドを展開しています。事業上、品質、価格、新鮮さ、廃棄、品揃え、地域性などの多くの相反する目標を慎重に調整する必要があります。設計上、牛乳の生産と小売プロモーションが、需給の観点から企業を困難な立場に追いやるのです。
サプライチェーンのための現代的アルゴリズム - 講義 4.2
サプライチェーンの最適化は、数多くの数値問題を解決することに依存しています。アルゴリズムは、正確な計算問題を解決するための、非常に体系化された数値的レシピです。優れたアルゴリズムは、より少ない計算資源で優れた結果を達成できることを意味します。サプライチェーンの具体的な要素に注目することで、アルゴリズムの性能は飛躍的に向上し、場合によっては桁違いに改善されることもあります。サプライチェーンのアルゴリズムは、過去数十年で大きく進化した現代コンピュータの設計も取り入れる必要があります。