Количественные принципы для цепочки поставок (Краткое изложение лекции 1.6)

learn menu

Серьёзная оптимизация цепочки поставок — это освоение опциональности, с которым сталкиваются из-за присущей потоку товаров изменчивости, и это освоение сопряжено с количественным анализом. Проблемы цепочки поставок также носят количественный характер, однако зловещие и порой откровенно странные, противоречащие традиционному анализу. Применение количественных принципов как на этапе наблюдения, так и на этапе оптимизации может помочь специалистам избежать многих неочевидных, но тем не менее предсказуемых подводных камней цепочки поставок.

Робот выполняет несколько задач на кухне, в то время как ребенок сидит за столом

Посмотреть лекцию

Принципы наблюдения

В целом, типы решений и ограничения, с которыми сталкиваются специалисты по цепочкам поставок, неизбежно носят количественный характер — такие как значения пополнения, целевые показатели уровня сервиса, минимальные объемы заказа, и т.д. Однако сами цепочки поставок не поддаются прямому наблюдению. Невозможно сделать снимок всей цепочки поставок так, как можно сфотографировать часть оборудования, несмотря на то, что, по сути, и то, и другое являются CapEx, состоят из множества наблюдаемых физических компонентов, и, как правило, приводят к физическому результату.

Несмотря на это ограничение, цепочки поставок не являются враждебными к количественному анализу. Напротив, количественный анализ цепочки поставок выявляет несколько поучительных, хотя и спорно контринтуитивных наблюдений.

Проблемы цепочки поставок, как правило, не распределены нормально

Возможно, разочаровывающе, проблемы цепочки поставок не подчиняются нормальному распределению, что приводит к множеству организационных сложностей, с которыми сталкиваются при попытках их оптимизации. При нормальном распределении большое количество мелких, независимых факторов может влиять на значение в любом из двух направлений (например, увеличиваться или уменьшаться). Другими словами, нормальное распределение является результатом множества мелких случайных изменений, способных как увеличить, так и уменьшить значение1.

Однако проблемы цепочки поставок часто возникают из-за небольшого числа более значимых системных факторов, а не благодаря множеству мелких, независимых причин. К этим факторам относятся:

  • Изменчивость спроса: Спрос на продукцию часто бывает весьма переменным и может зависеть от множества факторов, таких как сезонные тенденции, экономические условия и маркетинговые кампании. Эта изменчивость может приводить к таким проблемам, как дефицит товара или избыточные запасы.

  • Надёжность поставщика: Работа поставщика может существенно влиять на цепочку поставок, и изменчивость его надёжности может вызывать такие проблемы, как задержки поставок и вопросы качества.

  • Логистические перебои: Проблемы, такие как задержки в транспортировке, задержки на таможне или стихийные бедствия, могут вызывать значительные сбои в цепочке поставок.

Указанные выше проблемы не являются тривиальными угрозами для непрерывности и оптимизации цепочки поставок. Напротив, это непропорционально крупные, зловещие проблемы, способные оказывать чрезвычайно значительное влияние.

Более того, проблемы цепочки поставок часто характеризуются определённым уровнем асимметрии, то есть обычно существует несколько основных проблем, которые вызывают большую часть затруднений, вместо симметричного распределения проблем относительно предсказуемого среднего значения. Во многих случаях эти проблемы также имеют «длинный хвост» — то есть большое количество различных проблем, возникающих редко.

Взаимозависимости и обратные связи, присущие цепочкам поставок (например, то, как текущие уровни запасов влияют на будущие решения по заказам), также приводят к тому, что возникновение проблем отклоняется от нормального распределения. Такие нелинейные, сложные системы точнее описываются другими статистическими моделями (подробно в следующем разделе).

Обратная зависимость между частотой и рангом

Более подходящей количественной моделью для анализа проблем цепочки поставок (и значений в целом) является закон Ципфа. Проще говоря, закон Ципфа состоит из двух основных элементов:

  1. Несколько значений в наборе данных встречаются очень часто, в то время как большинство встречаются редко.

  2. Частота значения обратно пропорциональна его рангу.

Возьмем, к примеру, частоту слов в учебнике. Самое распространённое слово в любой книге (если она написана на языке с системой определенного/неопределенного артикля) вероятно будет the. Вторым по частоте может идти of, и его частота будет (примерно) вдвое ниже, чем у the. Эта тенденция будет сохраняться по мере спуска по ранжиру2.

Уместным розничным примером является распространенное наблюдение, что небольшое количество товаров в каталоге обеспечивает значительную часть продаж, тогда как длинный хвост других товаров продается редко. Эта закономерность — несколько «хитов» и множество «промахов» — соответствует распределению Ципфа. Это сходная концепция с принципом Парето, который гласит, что примерно 80% эффектов обусловлено 20% причин. Описанная здесь асимметрия, по сути, является основополагающим принципом таких систем управления запасами, как ABC-анализ и ABC-XYZ анализ. Однако есть несколько ключевых различий между распределением Парето и законом Ципфа, которые стоит разобрать.

  • Распределение Парето: Представьте себе онлайн-розничную компанию с обширным каталогом. Отдел цепочки поставок может обнаружить, что 80% доходов компании генерируется всего 20% ассортимента, что подразумевает, что ресурсы лучше направить на поддержание запасов этих популярных товаров. Хотя это может служить полезным общим ориентиром, ему не хватает необходимой детализации, чтобы отдел мог корректно анализировать данные о продажах (за исключением простого определения, какие SKU принесли наибольшую выручку).

  • Распределение Ципфа: Если тот же отдел цепочки поставок применит распределение Ципфа, в анализ будет введён интересный дополнительный уровень детализации. Исследуя все продажи и их частотное распределение, команда может обнаружить закономерности, которые не видны при использовании распределения Парето. Например, они могут выяснить, что, хотя электроника и бытовая техника действительно являются лидерами продаж, существуют и другие категории товаров, такие как книги или одежда, которые в совокупности вносят значительный вклад в общую выручку, хотя по отдельности не являются значительными по маржинальности. Распределение Ципфа также может выявить потенциально интересные взаимосвязи в каталоге, заслуживающие дальнейшего изучения, например, почему третий по популярности товар приносит примерно треть дохода самого популярного, несмотря на то, что они взаимозаменяемы и получают сопоставимый уровень рекламы.

Тирания малых чисел

Закон Ципфа, возможно, наиболее очевиден при количественной оценке конкретных проблем цепочки поставок, особенно в ситуациях, когда непропорционально негативное воздействие обусловлено всего несколькими причинами.

Возьмем, например, негативное влияние для B2B-компании, потерявшей своего крупнейшего поставщика, особенно если этот поставщик обеспечивает в два раза больший вклад, чем второй по величине. Аналогично, потеря двух крупнейших клиентов приведёт к чрезвычайному снижению выручки, учитывая, что третий по величине клиент заказывает примерно треть от объёма самого крупного.

Важно отметить, что если бы проблемы цепочки поставок были нормально распределены, они были бы более предсказуемыми, и стандартные стратегии смягчения были бы достаточны. Однако тот факт, что несколько значительных проблем (как описано выше) могут вызвать большинство сбоев, означает, что специалистам следует сосредоточить свои ресурсы на выявлении и устранении этих высоковлияющих проблем. Это требует более стратегического, проактивного и целостного подхода к управлению цепочками поставок.

Принципы оптимизации

Преодолев извилистую и не лишённую предвзятости область человеческого наблюдения, переход к этапу оптимизации цепочки поставок также подвержен препятствиям. Инициативы по оптимизации цепочки поставок часто полны ошибок, не только с точки зрения программного обеспечения (вспомним ERP системы), но и проблем, связанных с человеческим фактором (подумайте о наследованной мудрости).

Проблемы программного обеспечения, такие как Heisenbugs, обычно решаются посредством итеративного применения программы. Ошибки, связанные с человеческим фактором, однако, имеют поразительную особенность — они в значительной мере зашиты в код, что требует дополнительных усилий по их устранению.

Скрытая мудрость в старых цепочках поставок

Цепочки поставок, которые функционируют несколько десятилетий, накопили, по крайней мере, базовый уровень мудрости. На первый взгляд трудно представить себе компанию, которая работает 20 и более лет и которая так и не наткнулась, пусть и случайно, на какие-то полезные стратегии или эвристики. Таким образом, любые существующие практики и операционные нормы воплощают форму квази-оптимальности, поскольку они могут направлять компанию в правильном направлении (в сторону общей чистой прибыли), но при этом содержат значительные недочёты3.

Подобно тому, как река прорезает себе путь через горный хребет, такая мудрость, как правило, привязывается к единственной движущей силе. Так же, как гравитация тянет реку через осадок, старые цепочки поставок часто тянутся в погоне за единственным KPI, таким как повышение уровня обслуживания или снижение избыточных запасов. Хотя эти цели могут показаться разумными, они подразумевают сведение цепочки поставок к отдельному набору несвязанных элементов, которые можно корректировать изолированно.

В конечном итоге это приводит к булевой ментальности, когда оптимизация цепочки поставок выражается в наивно бинарных терминах. Рассмотрим следующее:

  • Если уровень обслуживания повышается, значит, цепочка поставок улучшилась. Это, естественно, игнорирует тот факт, что повышение уровня обслуживания обычно требует общего увеличения запасов (при отсутствии количественной оптимизации цепочки поставок). Увеличение запасов, в свою очередь, как правило, приводит к увеличению избыточных запасов, что снижает чистую прибыль.

  • Если уровень избыточных запасов снижается, значит, цепочка поставок улучшилась. Аналогичным образом, этот ограниченный взгляд на оптимизацию игнорирует влияние, которое снижение уровней запасов, вероятнее всего, окажет на показатели обслуживания и удовлетворённости клиентов, что негативно сказывается на объёмах покупок (а часто и на лояльности клиентов).

Такого рода старые цепочки поставок обладают однонаправленной квази-оптимальностью, которая, как небольшое знание, может оказаться ужасающим образом опасной. То, что цепочки поставок по умолчанию направлены в сторону квази-успеха, вероятно, помогает им выживать и окостеневать с неидеальными практиками.

Глобальное, однонаправленное улучшение в старых цепочках поставок часто сопровождается провалом, не из-за отсутствия искренних усилий, а из-за недостаточного учёта огромной, системной и взаимосвязанной сложности, присущей современным цепочкам поставок.

Ошибка локальной оптимизации

Основополагающим при оптимизации такой разросшейся и взаимозависимой системы, как цепочка поставок, является понимание того, что локальная оптимизация не решает проблемы, она лишь смещает их. Как показано в предыдущем разделе, оптимизация локальной проблемы цепочки поставок (то есть рассматриваемой изолированно) обычно нарушает равновесие и порождает нежелательные побочные эффекты в других частях цепочки поставок.

Так же, как установка твердотельного накопителя (SSD) в 30-летний компьютер не улучшает общую память (или производительность) системы4, оптимизация сети цепочки поставок (или системы цепочки поставок) является сквозным, системным процессом.

Эта концепция явно проявляется в розничной торговле. В розничной сети, состоящей из нескольких магазинов, интуитивно может показаться разумным оптимизировать уровни запасов в каждом магазине (возможно, даже вручную). Можно даже отдать приоритет выделению ресурсов для самого продаваемого магазина в сети.

Однако такой подход не учитывает более широкую сеть распределительных центров, обслуживающих эти магазины, а также последствия политики распределения запасов без учёта влияния на другие магазины. Сосредоточение внимания только на одном магазине может улучшить его показатели, но оказаться вредным для остальных.

Кроме того, он упускает основную задачу распределения запасов в розничной торговле, а именно определение, где конкретная единица/SKU нужна больше всего для оптимизации общей работы системы.

Следовательно, оптимизация распределения запасов в розничной торговле имеет смысл только на системном уровне, подчёркивая важность целостного, системного взгляда5.

Переопределение проблем для достижения лучших результатов

Классическое образование (и маркетинговые презентации поставщиков) представляют проблемы как наиболее достойно решаемые через превосходное решение. На первый взгляд это кажется вполне разумным, раз ведь кратчайшее расстояние между двумя точками — это действительно прямая линия. Однако такой, на первый взгляд, линейный подход склонен к упрощению проблем и, в конечном счёте, предполагает, что следует пытаться соединить эти две точки с самого начала.

Учитывая разнообразные затраты, возникающие при попытках оптимизировать цепочку поставок, это не является тривиальным философским наблюдением. И в теории, и на практике лучшее понимание своих проблем перевешивает (в долгосрочной перспективе) отличное решение плохо понятной проблемы (в краткосрочной перспективе).

Классический пример — это проблема прогнозирования спроса. Поставщики цепочки поставок и представители академических кругов могут предложить продвинутый инструмент прогнозирования на основе временных рядов в качестве идеального решения для количественной оценки спроса (а следовательно, установления уровней запасов). На первый взгляд это выглядит интуитивно: если компания не может точно предсказать спрос, то соответствующее программное обеспечение для прогнозирования спроса будет уместным, и две отдалённые точки соединяются почти прямой линией6.

Это чрезмерно линейное мышление и, возможно, вовсе не соответствует сути проблемы цепочки поставок: выявлению того, что на самом деле вызывает трудности в прогнозировании спроса.

Переосмысление своих проблем, а не спешка к “красному свету” в цепочке поставок, может правильно ориентировать оптимизацию цепочки поставок и перенаправить пропускную способность (и ресурсы) с краткосрочных быстрых решений.

Заметки


  1. Рост является классическим примером нормального (или гауссовского) распределения. Это связано с тем, что на рост влияют многие независимые генетические и экологические факторы, создающие симметричную колоколообразную кривую вокруг среднего значения. Согласно Теореме центральной предельной суммы, сумма многих независимых и одинаково распределённых случайных величин, как правило, образует нормальное распределение. В результате большинство людей сгруппированы вокруг среднего роста, а экстремальные значения (очень низкий или очень высокий рост) встречаются реже, что приводит к типичной колоколообразной кривой. ↩︎

  2. В отличие от приведённого примера с ростом (явлением, на которое влияют множество независимых генетических и эпигенетических факторов), распределение Ципфа применяется к ранжированным данным (например, к населению городов или частоте употребления слов), где ранг и частота обратно пропорциональны. Поскольку рост не является сравнительной или ранжированной величиной, он не подчиняется распределению Ципфа. Например, на типичной встрече самый высокий человек в зале не в два раза выше второго по росту и уж тем более не на порядок выше десятого. ↩︎

  3. Вопреки внешнему виду, теория количественной цепочки поставок не умаляет ценность человеческой мудрости. На самом деле, такая философия совершенно нейтральна к возможности существования отдельного провидца, который, как Уоррен Баффетт, смог бы с поразительной точностью предсказать потребительский спрос. Даже если такие исключения были бы обычным делом, это не отменяло бы основных критических замечаний к такому подходу: а именно, интуитивное чутьё не масштабируется и, скорее всего, не является наилучшей демонстрацией возможностей разума, стоящего за ним. Учитывая эти ограничения и тот факт, что такие люди являются цепочным эквивалентом прометея, это сугубо академический вопрос при обсуждении оптимизации масштабных, географически распределённых сетей цепочки поставок. ↩︎

  4. 30-летний компьютер почти наверняка имеет аппаратное обеспечение и операционную систему, несовместимые с современными SSD. Даже если он каким-то образом принимает SSD, устаревшие процессор, ОЗУ и скорости шины значительно ограничат улучшение производительности. Кроме того, операционная система может не поддерживать такие функции SSD, как TRIM, что приведёт к сокращению срока службы SSD. Программно-аппаратная несовместимость может вызвать дополнительные проблемы, такие как сбои, повреждение данных или полная неработоспособность. Короче говоря, не пытайтесь этого дома. ↩︎

  5. Важно отметить, что этот принцип применяется не только в строго географическом смысле, но и логически внутри самой цепочки поставок. Хорошим примером здесь является жизненный цикл электроники. Устройства, такие как смартфоны, как правило, проходят через четыре стадии: внедрение, рост, зрелость и упадок. Попытка оптимизировать отдельную стадию в изоляции может навредить общему жизненному циклу продукта, например, попытка оптимизировать фазу зрелости (когда продажи стабилизируются) без учёта последствий для фазы упадка (в которой любые ошибки с запасами, допущенные ранее, ощущаются наиболее остро). ↩︎

  6. Этот концепт демонстрируется, буквально, на лекции с использованием примера оптимизации маршрутов. Конечно, в контексте Верморель использует оптимизацию маршрутов как пример паттернов в цепочке поставок, однако это также легко служит метафорой для переосмысления проблем. Проще говоря, оптимизация маршрутов не ограничивается одним маршрутом, а подразумевает системное понимание каждого маршрута и почему их оптимизация затруднена. Например, почему некоторые горячие точки доставки смещаются в течение года? Почему в Париже наблюдается сезонность пиковых часов трафика? Задавая более точные вопросы, можно выявить истинные проблемы до попыток их решения. ↩︎