サプライチェーンの科学と技術
BACK TO LOKAD TV ›
季節性を予測する方法
季節性は予測精度を向上させるために利用できる主要な周期パターンの一つです。ほとんどのサプライチェーンプロセスは、需要だけでなくリードタイムの影響もあり、ある程度季節性を持っています。
ABC分析は機能しない
ABC分析は、多くの供給チェーンで使用されている広く普及した在庫分類手法です。その目的は、経営陣が最も重要な部分に注力できるようにすることにあります。しかし、この手法には多くの欠陥があり、もはや最先端とみなすことはできません。
サプライチェーンにおけるモジュラー化
物理的なサプライチェーンを支えるインフラは非常にモジュラー化されている一方で、在庫管理や需要予測システムなどのソフトウェア・インフラはモノリシックで脆弱になりがちです。その結果、大規模なソフトウェア・サプライチェーンの失敗が今なお続いています。
セールス・アンド・オペレーションズ・プランニング (S&OP)
セールス・アンド・オペレーションズ・プランニング (S&OP) は、サプライチェーン以外の部門―特に営業、財務、生産―とのより深い連携を活用することで、卓越したサプライチェーン実行を実現することを目的とした企業の手法です。複数のベンダーが最先端の企業はS&OPの下で運営されていると主張するにもかかわらず、ほとんどの実装にはS&OPの本質に起因する類似の欠陥が見受けられます。
サプライチェーンにおけるデータ職
サプライチェーン管理（SCM）の実践はますますデータ主導かつ定量的になっています。サプライチェーンサイエンティストなど、新たな役割が登場しました。企業は、これらの能力を社内で育成するか外部委託するかについて戦略的な意思決定を行う必要があります。
サプライチェーン最適化のためのデータ要件
予測的なサプライチェーン最適化は、十分に整備されたデータに依拠しています。このデータの目的は二重です。第一に、過去のサプライチェーンデータは予測モデルの構築に利用され、第二に、サプライチェーンの現状を示すデータは意思決定の最適化に活用されます。
新製品の需要予測
新製品には、時系列として表現できる売上履歴がありません。その結果、時系列予測モデルは新製品には適用できません。新製品の需要予測には、製品属性などの時系列としては提供されないデータを活用できる、代替の予測モデルが必要です。
サプライチェーンにおける変化への恐怖
優れたサプライチェーンマネジメント(SCM)の実践には、失敗のコストが高いため適度な保守性が含まれています。しかし、革新が停滞する企業を市場から駆逐していく世界で、すべての変化を拒むのは選択肢になりません。
サプライチェーンにおけるソフトウェア・フランケンシュタイン化
サプライチェーンの管理と最適化は、ソフトウェアの観点から見ると特に困難です。 'ソフトウェア・フランケンシュタイン化' とは、何十年にもわたる進化に直面した際に企業向けソフトウェアが抱える技術的劣化を指します。
サプライチェーンのための確率的予測
サプライチェーンの最適化は未来に関する洞察を有することに依存しています。従来の予測は不確実性を完全に無視し、予測が完全に既知であると仮定します。これに対して、確率的予測は不確実性を受け入れ、予期せぬ出来事に直面した際にもサプライチェーンの最適化が堅牢であるべきであることを反映しています。
サプライチェーン向けのモノのインターネット
サプライチェーン管理を高いパフォーマンスで運用するためには、管理者がすべての資産の位置情報にアクセスできる必要があります。従来の電子在庫管理とは異なり、モノのインターネット（IoT）は、車両を含むすべての資産に対してリアルタイムな可視化を実現する可能性を提供します。
サプライチェーンにおけるデータ準備
データを適切に準備することは、データ主導の取り組みで成功するために必須です。サプライチェーンの課題を考えると、データ準備は、データサイエンスを念頭に置いて設計されていない複雑な企業システムを伴うため、困難です。