サプライチェーンの科学と技術
BACK TO LOKAD TV ›
サプライチェーンにおけるデータセキュリティ
データは資産であると同時に負債でもあります。サプライチェーンでは、追跡性のためおよび需要予測の正確性を確保するために、膨大な過去の記録が必要です。しかし、データ漏洩は企業とその顧客にとって大きな損害をもたらす事象です。サプライチェーンは、物理的およびソフトウェアのインフラストラクチャの両方を保護しなければなりません。
ブラックボクシングとホワイトボクシング
どんな些細でない需要予測モデルも、サプライチェーン実務者にとってはブラックボックスとなります。つまり、理解しにくく、疑問を呈しにくい数字を生成する不透明なサブシステムです。サプライチェーン管理の一環としてのホワイトボクシングは、この問題に対する解決策です。実務者は「どのように」ではなく「なぜ」なのかを理解する必要があります。
価格最適化とサプライチェーン管理
価格最適化は通常、サプライチェーン管理 (SCM) の一部とは考えられていません。しかし、価格は顧客の需要に大きな影響を与える要因です。そのため、生産能力や在庫水準は価格に大きく依存しており、これらは共同で最適化される必要があります。
サプライチェーンにおけるデータレイク
データレイクは、大量の読み込みおよび書き込みを目的としたデータストレージ技術です。多くの状況で企業の注文履歴や在庫移動履歴全体の検査が必要となるため、サプライチェーンの課題に対処するのに特に適しています。
POC（概念実証）はサプライチェーンでは機能しない
サプライチェーンは、商品、人、機械など多くの要素が動く複雑なシステムです。概念実証（POC）は、問題が解決されるのではなく他に転嫁されるため、定量的なサプライチェーンへの取り組みでは一貫して失敗します。
サプライチェーンにおけるテラバイト・スケーラビリティ
大規模なサプライチェーンを考慮する際の過去データ量はしばしば1テラバイトを超えます。その結果、在庫管理にはリソースを管理するためのトランザクション系ソフトウェア（例：ERP）と、リソースを最適化するための予測系ソフトウェア（例：Lokad）の2種類のソフトウェアが必要となります。
安全在庫はなぜ危険なのか
安全在庫は、予測された需要を上回る追加在庫を確保することで、目標とするサービスレベルを維持するための在庫最適化手法です。この手法は、特に需要予測における誤差が正規分布に従うという主要な統計的仮定に依拠しています。
機械学習の世代
機械学習は多様なアルゴリズム的手法を包含する総称です。サプライチェーンにおいて、歴史的には機械学習の手法は時系列予測でした。しかし、この手法はより優れた予測手法群に取って代わられました。
リードタイムはほとんど常に過小評価されている理由
リードタイムとは、通常日数で計測される在庫補充サイクルに関連する総時間のことである。供給チェーンの運営に必要な在庫量は、概ねリードタイムに比例する傾向がある。将来の需要を満たすために必要な在庫量を正確に見積もるには、将来のリードタイムを正確に予測することが不可欠である。しかし、リードタイムは多くの企業で見過ごされがちな基本的要素であり、代わりに予測にはるかに大きな重点が置かれている。