Узнайте о цепочках поставок
Эта текущая серия лекций представляет основы управления цепочками поставок: проблемы, методологию и технологии. Целью является предоставление организациям возможности достигать превосходных, «реальных» результатов в области цепочек поставок. Концепция, представленная в этих лекциях, расходится с общепринятой теорией цепочек поставок и называется Количественной цепочкой поставок. Лекции проводят Жоанн Верморель, генеральный директор и основатель Lokad. Лекции иллюстрированы примерами реальных цепочек поставок, которыми оперирует Lokad от имени своих клиентов.

Целевая аудитория: Эти лекции предназначены для всех, кто стремится улучшить цепочки поставок, от высокопоставленных руководителей до младших аналитиков и студентов. Лекции включают серию кратких курсов, позволяющих свести требования к предварительным знаниям к минимуму.
1. Пролог
1.1 Основы цепочки поставок
Цепочка поставок — это количественное, но в то же время практичное освоение вариантов при столкновении с изменчивостью и ограничениями, связанными с потоком физических товаров. Она охватывает процессы снабжения, закупок, производства, транспортировки, распределения, продвижения и т.д., с акцентом на развитие и выбор вариантов, а не на непосредственное управление базовыми операциями. Мы увидим, как концепция «количественной цепочки поставок», представленная в этой серии, кардинально расходится с тем, что принято считать общепринятой теорией цепочек поставок.
Литература (книги):
- Inventory Management and Production Planning and Scheduling, Edward A. Silver, David F. Pyke, Rein Peterson, 1998
- Fundamentals of supply chain theory, Lawrence V. Snyder, Zuo-Jun Max Shen, 2011
1.2 Количественная цепочка поставок в двух словах
Манифест количественной цепочки поставок подчеркивает ряд ключевых моментов, чтобы показать, как эта альтернативная теория, предложенная и разработанная Lokad, отличается от общепринятой теории цепочек поставок. Это можно суммировать следующим образом: каждое решение оценивается с учетом всех возможных будущих сценариев с точки зрения экономических драйверов. Эта концепция постепенно закрепилась в Lokad как общепринятая теория цепочек поставок, и её реализация (почти) всеми поставщиками программного обеспечения остается сложной задачей.
1.3 Доставка, ориентированная на продукт
Цель инициативы в рамках количественной цепочки поставок — создать или улучшить программное приложение, которое автоматизирует ряд рутинных решений (например, пополнение запасов, обновление цен). Приложение рассматривается как продукт, требующий инженерной разработки. В то время как общепринятая теория цепочек поставок с трудом находит применение в масштабах компаний, один инструмент — а именно Microsoft Excel — добился значительного операционного успеха. Повторная реализация численных рецептов общепринятой теории цепочек поставок через электронные таблицы тривиальна, однако на практике это не произошло, несмотря на известность теории. Мы демонстрируем, что электронные таблицы одержали победу, приняв программные парадигмы, которые оказались более эффективными для достижения результатов в цепочках поставок.
Справка (книга):
- Joel on Software: And on Diverse and Occasionally Related Matters That Will Prove of Interest to Software Developers, Designers, and Managers, and to Those Who, Whether by Good Fortune or Ill Luck, Work with Them in Some Capacity, Joel Spolsky, 2004
1.4 Парадигмы программирования для цепочек поставок
Прогнозная оптимизация цепочек поставок требует специфических парадигм программирования. Действительно, хотя программный подход невозможно избежать в виде готового продукта (ср. предыдущую лекцию), распространенные методы программирования включают слои случайных сложностей, которые крайне негативно влияют на инициативы в цепочках поставок. Мы представляем серию парадигм программирования, особенно подходящих для реальных цепочек поставок. Эта лекция иллюстрируется Envision — DSL (предметно-специфичный язык программирования), предназначенным для оптимизации цепочек поставок и разработанным Lokad на основе этих парадигм.
Литература (книга, упоминаемая в разделе вопросов и ответов лекции):
- Dynamic Supply Chains: How to design, build and manage people-centric value networks, John Gattorna, 2015
1.5 Тенденции 21 века в цепочках поставок
За последние десятилетия несколько основных тенденций доминировали в развитии цепочек поставок, в значительной степени изменяя совокупность проблем, с которыми сталкиваются компании. Некоторые проблемы практически исчезли, такие как физические опасности и вопросы качества. Другие, напротив, усилились, например, общая сложность и интенсивность конкуренции. Примечательно, что программное обеспечение также оказывает глубокое влияние на преобразование цепочек поставок. Краткий обзор этих тенденций помогает понять, на чем должна сосредоточиться теория цепочек поставок.
Справка (статья, упоминаемая в разделе вопросов и ответов лекции):
- Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, 2018, (пример использования блокчейна для борьбы с контрафактной продукцией на странице 28)
1.6 Количественные принципы для цепочек поставок
Хотя цепочки поставок нельзя охарактеризовать определёнными количественными законами — в отличие от электромагнетизма — можно наблюдать общие количественные принципы. Под «общими» понимаются принципы, применимые (почти) ко всем цепочкам поставок. Выявление таких принципов имеет первостепенное значение, поскольку они могут быть использованы для упрощения разработки числовых рецептов, предназначенных для прогнозной оптимизации цепочек поставок, а также для повышения их общей эффективности. Мы рассмотрим два кратких списка принципов: несколько принципов наблюдения и несколько принципов оптимизации.
1.7 О знаниях, времени и работе в цепочках поставок
Цепочки поставок подчиняются общим экономическим принципам. Однако эти принципы мало известны и слишком часто искажаются. Популярные практики в области цепочек поставок и их теории зачастую противоречат общепринятым экономическим взглядам. Тем не менее, эти практики вряд ли когда-либо опровергнут базовые экономические принципы. Кроме того, цепочки поставок являются сложными системами — относительно современным понятием, которое также недостаточно известно и часто неправильно интерпретируется. Цель этой лекции — понять, что экономика и системный подход могут предложить при решении задач планирования для реальной цепочки поставок.
2. Методология
Изучение и практика управления цепочками поставок должны быть основаны на науке, то есть поддерживаться научными методами. Действительно, за последние три столетия каждая область, сумевшая повысить свой уровень благодаря соответствующей экспериментальной практике, переживала фантастический прогресс, который мы теперь ассоциируем с «наукой». Однако в области цепочек поставок подобного прогресса не наблюдалось, по крайней мере пока, и большую часть вины можно возложить на недостаточно корректные экспериментальные методологии. Сложная природа цепочек поставок требует соответствующих методов, которые мы рассматриваем в этой главе.
2.1 Персоны цепочки поставок
«Персона» цепочки поставок — это вымышленная компания. Однако, хотя компания вымышлена, эта фикция разработана так, чтобы подчеркнуть те моменты, на которые следует обратить внимание с точки зрения цепочки поставок. Персона не идеализирована в смысле упрощения проблем цепочки поставок. Напротив, цель состоит в том, чтобы подчеркнуть наиболее сложные аспекты ситуации, те моменты, которые особенно упорно противятся любой попытке количественного моделирования или пилотированию инициатив по улучшению цепочки поставок. В цепочках поставок примеры из практики, когда называются одна или несколько сторон, страдают от существенных конфликтов интересов. Компании и их поддерживающие поставщики (программного обеспечения, консалтинга) заинтересованы в представлении результатов в положительном свете. Более того, реальные цепочки поставок обычно страдают или выигрывают от случайных условий, не связанных с качеством их выполнения. Персоны цепочек поставок являются методологическим ответом на эти проблемы.
Литература:
- An introduction to the study of Experimental Medicine (English version), (original French version), Claude Bernard, 1865
- The Phoenix Project: A Novel about IT, DevOps, and Helping Your Business Win, Gene Kim, Kevin Behr, George Spafford, 2013
- Unsupervised Machine Translation Using Monolingual Corpora Only, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, 2018
2.1.1 Париж - модный бренд с розничной сетью
Париж — это вымышленный европейский модный бренд, управляющий большой розничной сетью. Бренд ориентирован на женщин и позиционирует себя как относительно доступный. Хотя линия дизайна достаточно классическая и сдержанная, основным двигателем бизнеса всегда была новизна. Множественные коллекции в год используются для запуска волн новых продуктов. Продвижение правильного продукта в нужное время, по нужной цене и с оптимальным количеством запасов является одной из ключевых задач.
2.2 Экспериментальная оптимизация
Вопреки наивной картезианской перспективе, согласно которой оптимизация заключается лишь в запуске оптимизатора для заданной функции оценки, цепочки поставок требуют итеративного процесса. Каждая итерация используется для выявления «безумных» решений, которые необходимо исследовать и устранять. Основной причиной зачастую являются неправильные экономические драйверы, которые нужно переоценить с учетом их непреднамеренных последствий. Природа итераций меняется, когда численные рецепты перестают давать безумные результаты.
Литература:
- The Logic of Scientific Discovery, Karl Popper, 1934
2.3 Отрицательные знания
Антипаттерны — это стереотипы решений, которые кажутся хорошими, но не работают на практике. Систематическое изучение антипаттернов было начато в конце 1990-х годов в области программной инженерии. Когда это применимо, антипаттерны превосходят чисто отрицательные результаты, поскольку их легче запомнить и обосновать. Перспектива антипаттернов имеет первостепенное значение для цепочек поставок и должна рассматриваться как один из столпов их отрицательных знаний.
Литература:
- AntiPatterns: Refactoring Software, Architectures, and Projects in Crisis. y William J. Brown, Raphael C. Malveau, Hays W. “Skip” McCormick, Thomas J. Mowbray, 1998
2.4 Состязательный подход к исследованию рынка
Современные цепочки поставок зависят от множества программных продуктов. Выбор правильных поставщиков является вопросом выживания. Однако, поскольку число поставщиков велико, компаниям необходим систематический подход к этому процессу. Традиционная практика маркетинговых исследований начинается с добрых намерений, но неизбежно приводит к плохим результатам, поскольку исследовательские фирмы в итоге выступают в роли маркетинговых агентов для тех компаний, которые они должны анализировать. Надежда на появление непредвзятой исследовательской фирмы ошибочна. Однако методология оценки поставщиков друг против друга позволяет даже предвзятой исследовательской фирме получить непредвзятую оценку.
Литература:
- Эпистемическая коррупция, фармацевтическая индустрия и тело медицинской науки. Sergio Sismondo, 2021 (text)
- Влияние: психология убеждения. Роберт Б. Чиалдини, 1984
- Руководство по закупкам, конфликт интересов, Всемирный банк, 2020 (PDF)
2.5 Письменная коммуникация в цепочках поставок
Цепочки поставок предполагают координацию работы больших команд. Таким образом, письменные материалы имеют первостепенное значение. Современные цепочки поставок просто несовместимы с устной традицией. Тем не менее, специалисты по цепочкам поставок часто оказываются не слишком успешными в вопросах письменной коммуникации. Давайте рассмотрим, что об этом говорят исследования удобства использования и некоторые известные эксперты. Более того, инициативы в области цепочек поставок, реализуемые с применением экспериментального подхода к оптимизации, должны быть тщательно задокументированы. Формулы и исходный код отвечают на вопросы «что» и «как», но не объясняют «почему». Документация должна гарантировать, что учёные по цепочкам поставок понимают проблему, с которой они сталкиваются. Со временем эта документация становится залогом плавного перехода от одного специалиста к другому.
Ссылки:
- Элементы стиля (Первое издание), William Strunk Jr, 1918
- F-образный шаблон чтения веб-контента, Jakob Nielsen, 2006 (text)
3. Персонажи
Серия персонажей цепочек поставок, разработанных в соответствии с методологией, определённой в предыдущей главе.
3.1 Miami - авиационный MRO
Miami – вымышленный авиационный MRO (техническое обслуживание, ремонт, капитальный ремонт) в США, обслуживающий большой парк коммерческих самолётов. В авиации безопасность имеет первостепенное значение. Запчасти и комплектующие регулярно проверяются и при необходимости ремонтируются. Miami занимается тем, чтобы самолёты всегда оставались в воздухе, избегая инцидентов AOG (самолёт на земле), которые случаются, когда отсутствует деталь, необходимая для проведения технического обслуживания.
3.2 Amsterdam - бренды сыров
Amsterdam – вымышленная FMCG-компания, специализирующаяся на производстве сыров, сливок и масла. Компания управляет большим портфелем брендов в нескольких странах. Многие противоречивые бизнес-цели необходимо тщательно сбалансировать: качество, цена, свежесть, отходы, разнообразие, локальность и т.д. По своей сути, производство молока и розничные акции ставят компанию между молотом и наковальней в вопросах соотношения спроса и предложения.
3.3 San Jose - интернет-магазин товаров для дома
San Jose – вымышленный интернет-магазин, который распространяет разнообразные товары для обустройства дома и аксессуары. Он управляет собственной онлайн-площадкой. Собственный бренд конкурирует с внешними брендами как внутри компании, так и за её пределами. Чтобы оставаться конкурентоспособным по сравнению с более крупными и дешевыми игроками рынка, цепочка поставок San Jose стремится обеспечить высокое качество сервиса, проявляющееся во множестве аспектов, выходящих далеко за рамки своевременной доставки заказанных товаров.
3.4 Stuttgart - автомобильная послепродажная компания
Stuttgart – вымышленная компания автомобильного послепродажного обслуживания. Она управляет сетью филиалов, предоставляющих услуги по ремонту автомобилей, продаже автозапчастей и аксессуаров. В начале 2010-х годов Stuttgart также запустила два канала электронной коммерции: один для покупки и продажи автозапчастей, а другой для покупки и продажи подержанных автомобилей. Stuttgart стремится обеспечить высокий уровень сервиса на сложном и конкурентном европейском автомобильном рынке, где представлено десятки тысяч различных автомобилей и сотни тысяч автозапчастей.
3.5 Geneva - производитель роскошных часов премиум-класса
TBD
4. Вспомогательные науки
Освоение цепочек поставок во многом опирается на несколько других областей. Представление теории цепочек поставок как отрасли прикладной математики встречается часто, но является заблуждением. Эти краткие курсы призваны обеспечить культурный фундамент, необходимый для продуманной практики в области цепочек поставок, которую нельзя и не следует сводить к ряду «моделей».
4.1 Современные компьютеры
Современным цепочкам поставок, как моторизованным конвейерам, для работы необходимы вычислительные ресурсы, так же как конвейерам требуется электричество. Тем не менее, медлительные системы цепочек поставок сохраняют своё распространение, хотя вычислительная мощность компьютеров с 1990 года возросла более чем в 10 000 раз. Недостаток понимания основных характеристик современных вычислительных ресурсов – даже среди специалистов по ИТ или data science – во многом объясняет эту ситуацию. Программное обеспечение, лежащее в основе числовых рецептов, не должно противоречить основному вычислительному субстрату.
4.2 Современные алгоритмы
Оптимизация цепочек поставок основывается на решении многочисленных числовых задач. Алгоритмы – это высококодифицированные числовые рецепты, предназначенные для решения конкретных вычислительных проблем. Превосходные алгоритмы позволяют достигать лучших результатов с использованием меньших вычислительных ресурсов. Сосредоточив внимание на специфике цепочек поставок, производительность алгоритмов может быть значительно улучшена, иногда в несколько раз. Алгоритмы для цепочек поставок также должны учитывать конструкцию современных компьютеров, которая значительно эволюционировала за последние десятилетия.
Ссылки (книга):
- Introduction to Algorithms, Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest и Clifford Stein, 2009
4.3 Математическая оптимизация
Математическая оптимизация – это процесс минимизации математической функции. Почти все современные методы статистического обучения – например, прогнозирование с позиции цепочек поставок – в своей основе полагаются на математическую оптимизацию. Более того, как только прогнозы сформированы, выбор наиболее прибыльных решений также в своей основе опирается на математическую оптимизацию. Проблемы цепочек поставок часто включают множество переменных и, как правило, носят стохастический характер. Математическая оптимизация является краеугольным камнем современной практики в области цепочек поставок.
Ссылки:
- Будущее оперативного исследования – это прошлое, Russell L. Ackoff, февраль 1979
- LocalSolver 1.x: черный ящик для локального поиска в задачах 0-1 программирования, Thierry Benoist, Bertrand Estellon, Frédéric Gardi, Romain Megel, Karim Nouioua, сентябрь 2011
- Автоматическое дифференцирование в машинном обучении: обзор, Atilim Gunes Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul, Jeffrey Mark Siskind, последнее обновление февраль 2018
4.4 Машинное обучение
Прогнозы являются неотъемлемой частью цепочек поставок, поскольку каждое решение (закупка, производство, складирование и т.д.) отражает ожидание будущих событий. Статистическое и машинное обучение во многом вытеснили классическую область «прогнозирования» как с теоретической, так и с практической точки зрения. Эта область претерпела значительные улучшения, которые остаются в значительной степени непонятными в кругах «data scientist». Мы отправимся в путешествие по этой области через решение трёх парадоксов. Во-первых, нам нужно делать точные утверждения о данных, которых у нас нет. Во-вторых, предстоит решать задачи, где число переменных значительно превосходит число наблюдений. В-третьих, необходимо работать с моделями, где число параметров значительно превышает число как переменных, так и наблюдений. Мы постараемся понять, что вообще означает предсказание будущего на основе данных с современной точки зрения «обучения».
Ссылки:
- Теория обучаемости, L. G. Valiant, ноябрь 1984
- Опорные векторные сети, Corinna Cortes & Vladimir Vapnik, сентябрь 1995
- Случайные леса, Leo Breiman, октябрь 2001
- LightGBM: высокоэффективное градиентное бустинговое дерево решений, Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu, 2017
- Внимание – вот всё, что вам нужно, Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin, последнее обновление декабрь 2017
- Глубокий двойной спуск: когда большие модели и больше данных вредят, Preetum Nakkiran, Gal Kaplun, Yamini Bansal, Tristan Yang, Boaz Barak, Ilya Sutskever, декабрь 2019
- Генеративные состязательные сети, Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, июнь 2014
- Машинный перевод без учителя с использованием только монолингвальных корпусов, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, последнее обновление апрель 2018
- BERT: Предобучение глубоких двунаправленных трансформеров для понимания языка, Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, последнее обновление май 2019
- Небольшое введение в графовые нейронные сети, Benjamin Sanchez-Lengeling, Emily Reif, Adam Pearce, Alexander B. Wiltschko, сентябрь 2021
4.5 Языки и компиляторы
Большинство цепочек поставок по-прежнему управляются с помощью электронных таблиц (например, Excel), в то время как корпоративные системы применяются уже одну, две, а иногда даже три декады — якобы для их замены. Действительно, электронные таблицы предлагают доступное программное выражение, в то время как подобные системы, как правило, этого не делают. Более того, начиная с 1960-х годов наблюдается постоянное совместное развитие индустрии программного обеспечения и языков программирования. Есть свидетельства того, что следующий этап повышения эффективности цепочек поставок во многом будет определяться разработкой и внедрением языков программирования, а точнее программируемых сред.
4.6 Инженерия программного обеспечения
Преодоление сложности и хаоса является краеугольным камнем инженерии программного обеспечения. Учитывая, что цепочки поставок одновременно сложны и хаотичны, неудивительно, что большинство проблем корпоративного программного обеспечения, с которыми сталкиваются цепочки поставок, сводятся к недостаткам в разработке программного обеспечения. Числовые рецепты, используемые для оптимизации цепочек поставок, являются программным обеспечением и, следовательно, подвержены тем же проблемам. Эти проблемы усиливаются по мере усложнения самих числовых рецептов. Надлежащая инженерия программного обеспечения для цепочек поставок так же необходима, как асептика для больниц: сама по себе она ничего не делает — как лечение пациентов —, но без неё всё разваливается.
4.7 Кибербезопасность
Киберпреступность набирает обороты. Вымогательское ПО — бурно развивающийся бизнес. Из-за своей распределённой природы цепочки поставок особенно уязвимы. Кроме того, окружающая сложность создаёт благодатную почву для проблем компьютерной безопасности. Компьютерная безопасность по своей природе контринтуитивна, поскольку именно с этой стороны атакующие ищут и эксплуатируют уязвимости. В зависимости от особенностей числовых рецептов, применяемых при оптимизации цепочек поставок, риск может как возрастать, так и снижаться.
4.21 Блокчейны
Криптовалюты привлекли к себе большое внимание. Были заработаны крупные суммы. Были потеряны капиталы. Пирамидальные схемы процветали. С корпоративной точки зрения, «блокчейн» является вежливым эвфемизмом, используемым для введения схожих идей и технологий при установлении дистанции от этих криптовалют. Существуют примеры использования блокчейна в цепочке поставок, но также существует множество проблем.
Ссылки:
- Bitcoin: одноранговая электронная платежная система, Satoshi Nakamoto, октябрь 2008
- Большинству недостаточно: майнинг биткоина уязвим, Ittay Eyal, Emin Gun Sirer, ноябрь 2013
- Хеш-множество эллиптической кривой, Jeremy Maitin-Shepard, Mehdi Tibouchi, Diego Aranha, январь 2016
- Graphene: новый протокол для распространения блоков с использованием согласования множеств, A. Pinar Ozisik, Gavin Andresen, George Bissias, Amir Houmansadr, Brian Levine, сентябрь 2017
- Snowflake to Avalanche: новая метастабильная консенсус-протокольная семья для криптовалют, Team Rocket, май 2018
- Tokeda, жизнеспособные метаданные, управляемые токенами в рамках Bitcoin, Joannes Vermorel, март 2018
- Таксономия прикладного ландшафта биткоина, Joannes Vermorel, май 2018
5. Прогнозное моделирование
Правильное количественное предвидение будущих событий лежит в основе оптимизации любой цепочки поставок. Практика прогнозирования временных рядов возникла в XX веке и оказала огромное влияние на большинство крупных цепочек поставок. Прогнозное моделирование является одновременно наследником прогнозирования временных рядов и радикальным отходом от него. Во-первых, оно решает гораздо более разнообразный набор задач. Во-вторых, ввиду специфики задач цепочки поставок требуется программная парадигма. В-третьих, поскольку неопределённость обычно неустранима, необходимы также вероятностные прогнозы.
5.0. Первое место на уровне SKU в конкурсе прогнозирования M5
В 2020 году команда Lokad заняла 5-е место среди 909 соревнующихся команд на мировом конкурсе прогнозирования M5. Однако на уровне агрегирования по SKU эти прогнозы заняли первое место. Прогнозирование спроса имеет первостепенное значение для цепочки поставок. Подход, использованный в этом конкурсе, оказался нетипичным и отличался от методов, применяемых другими 50 участниками. Из этого достижения можно извлечь множество уроков, которые послужат прелюдией к решению дальнейших задач прогнозирования в цепочке поставок.
Ссылки:
- Прозрачный подход ISSM для оценки распределений неопределённости продаж Walmart, Rafael de Rezende, Katharina Egert, Ignacio Marin, Guilherme Thompson, декабрь 2021 (link)
- Конкурс неопределённости M5: результаты, выводы и заключения, Spyros Makridakis, Evangelos Spiliotis, Vassilis Assimakopoulos, Zhi Chen, ноябрь 2020 (link)
5.1 Структурированное прогнозное моделирование
Дифференцируемое программирование (DP) — это генеративная парадигма для создания очень широкого класса статистических моделей, которые оказываются превосходно подходящими для решения задач прогнозирования в цепочке поставок. DP является наследником глубокого обучения, но отличается от него интенсивным акцентом на структуру задач обучения. DP превосходит почти всю «классическую» литературу по прогнозированию, основанную на параметрических моделях. DP также превосходит «классические» алгоритмы машинного обучения — вплоть до конца 2010-х — практически по всем параметрам, важным для практического применения в цепочке поставок, включая простоту освоения для практиков.
5.2 Вероятностное прогнозирование
Оптимизация цепочек поставок основывается на правильном предвидении будущих событий. Численно эти события предсказываются с помощью прогнозов, охватывающих широкий спектр числовых методов, используемых для количественной оценки будущих событий. Начиная с 1970-х годов, наиболее широко используется точечный прогноз временных рядов: величина, измеряемая во времени, например, спрос на товар в единицах, проецируется в будущее. Прогноз считается вероятностным, если он возвращает вероятности, связанные со всеми возможными исходами, вместо того чтобы выделять один конкретный результат как «единственный» прогноз. Вероятностные прогнозы важны в ситуациях, когда неопределённость не может быть устранена, что почти всегда имеет место в случае сложных систем. Для цепочек поставок вероятностные прогнозы являются необходимыми для принятия устойчивых решений в условиях неопределённого будущего.
5.3 Прогнозирование сроков поставки
Сроки поставки являются фундаментальным аспектом большинства ситуаций в цепочке поставок. Сроки поставки могут и должны прогнозироваться так же, как и спрос. Можно использовать вероятностные модели прогнозирования, предназначенные для сроков поставки. Представлен ряд методов для создания вероятностных прогнозов сроков поставки в целях оптимизации цепочки поставок. Составление совместных прогнозов по срокам поставки и спросу является краеугольным камнем прогнозного моделирования в цепочке поставок.
6. Принятие решений
Ежедневно в рамках операционной деятельности компании принимаются тысячи решений, связанных с цепочкой поставок (в крупных компаниях – миллионы). Каждое решение предполагает наличие альтернатив. Цель оптимизации цепочки поставок состоит в том, чтобы выбрать те варианты, которые окажутся наиболее прибыльными в условиях неопределённого будущего. Этот процесс ставит перед нами две ключевые задачи, которые мы ещё не рассмотрели: во-первых, количественную оценку прибыльности любого решения, во-вторых, внедрение числовых методов оптимизации, подходящих для задач цепочки поставок.
6.1 Распределение запасов в ритейле с использованием вероятностных прогнозов
Решения в цепочке поставок требуют экономической оценки с учётом риска. Преобразование вероятностных прогнозов в экономические оценки является непростой задачей и требует специализированных инструментов. Однако полученная экономическая приоритизация, иллюстрируемая распределением запасов, оказывается более эффективной, чем традиционные методы. Начнём с задачи распределения запасов в ритейле. В двухуровневой сети, включающей как распределительный центр (DC), так и несколько магазинов, необходимо решить, как распределить запасы DC между магазинами, учитывая, что все магазины конкурируют за один и тот же запас.
6.2 Оптимизация ценообразования для автомобильного послепродажного рынка
Баланс между спросом и предложением во многом зависит от цен. Таким образом, оптимизация ценообразования в значительной степени относится к области цепочки поставок. Мы представим ряд методик для оптимизации цен вымышленной компании автомобильного послепродажного рынка. На этом примере мы увидим опасность абстрактных рассуждений, не учитывающих надлежащий контекст. Знание того, что именно следует оптимизировать, важнее, чем мелкие детали самой оптимизации.
7. Тактическое и стратегическое исполнение
Цепочка поставок, как в качестве практики, так и в качестве области исследования, направлена на то, чтобы стать инструментом и конкурентным преимуществом для компании в целом. С точки зрения высшего руководства преобладают два подхода: сделать цепочку поставок накапливающим активом и открыть превосходные способы реализации бизнеса. На практике всё сводится к выбору правильных членов команды.
Инициатива, направленная на повышение эффективности цепочки поставок посредством превосходных числовых рецептов, может, если окажется успешной, коренным образом изменить саму цепочку поставок. Этот подход имеет два важных предостережения. Во-первых, числовые рецепты должны быть спроектированы так, чтобы облегчить процесс; в этом есть больше, чем кажется на первый взгляд. Во-вторых, сам процесс внедрения числовых рецептов изменяет сами рецепты, что на первый взгляд кажется довольно противоинтуитивным.
7.1 Начало работы с количественной инициативой
Проведение успешной предиктивной оптимизации цепочки поставок представляет собой сочетание мягких и жестких задач. К сожалению, невозможно отделить эти аспекты друг от друга. Мягкие и жесткие стороны глубоко переплетены. Обычно это переплетение сталкивается с разделением труда, установленным организационной структурой компании. Мы наблюдаем, что при провале инициатив в области цепочек поставок коренные причины неудач обычно кроются в ошибках, допущенных уже на самых ранних этапах проекта. Более того, ранние ошибки склонны формировать всю инициативу, делая их практически невозможными для исправления задним числом. Мы представляем наши ключевые выводы, чтобы избежать этих ошибок.
7.2 Внедрение решений в производство
Мы ищем числовой рецепт, способный управлять целым классом рутинных решений, таких как пополнение запасов. Автоматизация необходима, чтобы превратить цепочку поставок в капиталистическое предприятие. Однако она несёт значительные риски масштабного ущерба, если числовой рецепт окажется дефектным. Подход «быстрого провала и ломания вещей» не является верным для допускания числового рецепта к производству. Тем не менее, многие альтернативы, такие как водопадная модель, ещё хуже, поскольку обычно создают иллюзию рациональности и контроля. Высокоитеративный процесс является ключом к разработке числового рецепта, пригодного для производства.
7.3 Специалист по цепочке поставок
В основе инициативы по Количественной цепочке поставок лежит Специалист по цепочке поставок (SCS), который отвечает за подготовку данных, экономическое моделирование и составление отчётов по KPI. Умная автоматизация решений в цепочке поставок является итогом работы SCS. SCS берёт на себя ответственность за генерируемые решения. SCS предоставляет человеческий интеллект, усиленный вычислительной мощностью машин.