Узнайте о цепочке поставок

Эта серия лекций представляет основы управления цепочками поставок: вызовы, методологию и технологии. Цель – позволить организациям достичь превосходной, «реальной» эффективности управления цепочками поставок. Видение, представленное в этих лекциях, расходится с общепринятой теорией цепочек поставок и называется Количественная цепочка поставок. Лекции проводит Йоаннес Верморель, генеральный директор и основатель Lokad. Иллюстрации к лекциям выполнены на примерах реальных цепочек поставок, которыми Lokad управляет от имени своих клиентов.

Целевая аудитория: Эти лекции предназначены для всех, кто стремится улучшить цепочки поставок — от высшего руководства до младших аналитиков и студентов. Лекции включают серию «экспресс-курсов», чтобы свести к минимуму предварительные знания.

1. Пролог

1.1 Основы цепочки поставок

Цепочка поставок – это количественное, но при этом практичное освоение вариантов при столкновении с изменчивостью и ограничениями, связанными с потоком физических товаров. Она охватывает закупки, покупку, производство, транспортировку, дистрибуцию, продвижение и т.д. – но с акцентом на развитие и выбор вариантов, а не на непосредственное управление основными операциями. Мы увидим, как подход «количественной» цепочки поставок, представленный в этой серии, существенно расходится с тем, что принято считать мейнстримной теорией цепочек поставок.

Ссылки (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 выделяет несколько ключевых моментов, чтобы показать, как эта альтернативная теория, предложенная и разработанная Lokad, расходится с мейнстримной теорией цепочек поставок. Её можно суммировать так: каждое отдельное решение оценивается с учётом всех возможных будущих сценариев согласно экономическим драйверам. Эта перспектива постепенно сформировалась в Lokad как альтернатива традиционной теории цепочек поставок, и её внедрение (почти?) всеми поставщиками программного обеспечения остаётся сложной задачей.

1.3 Продукт-ориентированная доставка

Цель инициативы в области количественной цепочки поставок заключается либо в создании, либо в улучшении программного приложения, которое автоматизирует ряд рутинных решений (например, пополнение запасов, обновление цен). Приложение рассматривается как продукт, который необходимо разработать. В то время как мейнстримная теория цепочек поставок оказывается неэффективной в крупных компаниях, один инструмент — а именно Microsoft Excel — добился значительного успеха в эксплуатации. Реализация числовых алгоритмов традиционной теории цепочек поставок через электронные таблицы проста, однако на практике этого не происходит, несмотря на знание теории. Мы демонстрируем, что электронные таблицы добились успеха благодаря принятию парадигм программирования, которые оказались более эффективными для достижения результатов в управлении цепочками поставок.

Ссылка (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

Предиктивная оптимизация цепочек поставок требует специфических парадигм программирования. Действительно, хотя «программный» аспект невозможно обойти при использовании готового программного продукта (ср. предыдущую лекцию), традиционные подходы к программированию включают слои случайных сложностей, которые негативно сказываются на инициативах в области цепочек поставок. Мы представляем серию парадигм программирования, которые особенно хорошо подходят для реальных цепочек поставок. Эта лекция иллюстрируется Envision — доменно-специфическим языком программирования (DSL), разработанным Lokad для оптимизации цепочек поставок на основе этих парадигм.

Ссылка (книга, упомянутая 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 двадцать первого века в цепочках поставок

За последние десятилетия эволюция цепочек поставок определяется несколькими основными тенденциями, которые существенно изменили набор вызовов для компаний. Некоторые проблемы, такие как физические опасности и вопросы качества, почти исчезли. Другие, например, общая сложность и высокая конкуренция, усилились. Примечательно, что программное обеспечение также глубоко трансформирует цепочки поставок. Краткий обзор этих тенденций помогает понять, на что должна быть направлена теория цепочек поставок.

Ссылка (статья, упомянутая в разделе вопросов и ответов лекции):

• Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, 2018, (применение блокчейна для борьбы с контрафактом, стр. 28)

1.6 Количественные принципы для цепочек поставок

Хотя цепочки поставок нельзя описать с помощью жестких количественных законов – в отличие от электромагнетизма – все же можно наблюдать общие количественные принципы. Под «общими» подразумеваются принципы, применимые к (почти) всем цепочкам поставок. Выявление таких принципов имеет первостепенное значение, так как они могут быть использованы для упрощения разработки числовых алгоритмов, предназначенных для предиктивной оптимизации цепочек поставок, а также для повышения их общей эффективности. Мы рассматриваем два кратких списка принципов: несколько наблюдательных и несколько оптимизационных.

1.7 О познании, времени и работе в цепочках поставок

Цепочки поставок подчиняются общим экономическим принципам. Однако эти принципы недостаточно известны и слишком часто искажаются. Популярные практики в области цепочек поставок и соответствующие им теории зачастую противоречат общепринятым экономическим представлениям. Тем не менее, маловероятно, что данные практики когда-либо смогут опровергнуть базовые экономические законы. Кроме того, цепочки поставок — это сложные системы, относительно современная концепция, которая также недостаточно изучена и часто искажается. Цель этой лекции — понять, какой вклад в решение задач планирования для реальной цепочки поставок вносят как экономика, так и теории систем.

2. Методология

Изучение и практика в области цепочек поставок должны основываться на науке, то есть опираться на научные методы. Действительно, за последние три века каждая область, сумевшая утвердиться благодаря подходящей экспериментальной практике, прошла через тот замечательный прогресс, который мы сейчас ассоциируем с «наукой». Однако цепочки поставок ещё не испытали подобного прогресса, и во многом это связано с использованием неправильных экспериментальных методологий. Сложный характер цепочек поставок требует соответствующих методов, которые мы рассмотрим в этой главе.

2.1 Персоны цепочек поставок

«Персона» цепочки поставок — это вымышленная компания. Однако, несмотря на вымышленность, эта фикция разработана таким образом, чтобы выделить аспекты, заслуживающие внимания с точки зрения цепочки поставок. При этом персона не идеализируется, чтобы упростить вызовы цепочки поставок. Напротив, цель состоит в том, чтобы усилить наиболее сложные аспекты ситуации, те моменты, которые наиболее упорно противостоят попыткам количественного моделирования и запуску пилотных проектов по улучшению цепочки поставок. В исследованиях цепочек поставок кейс-стадии, где упоминаются конкретные компании, страдают от конфликта интересов. Компании и их поставщики (программное обеспечение, консалтинг) заинтересованы в представлении результатов в выгодном свете. Кроме того, реальные цепочки поставок часто страдают или выигрывают от случайных обстоятельств, не связанных с качеством их исполнения. Персоны цепочек поставок являются методологическим ответом на эти проблемы.

Ссылки:

• 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 — вымышленный европейский модный бренд, управляющий большой розничной сетью. Бренд ориентирован на женщин и позиционирует себя как относительно доступный. Хотя дизайнерская линия достаточно классическая и сдержанная, основным драйвером бизнеса всегда была новинка. Множественные коллекции в течение года используются для регулярного выпуска новых продуктов. Вывести правильный продукт в нужное время, по нужной цене и с нужным объёмом запасов — одна из ключевых задач.

2.2 Экспериментальная оптимизация

В отличие от наивного картезианского подхода, согласно которому оптимизация сводится лишь к запуску оптимизатора для заданной функции оценки, цепочкам поставок требуется итеративный процесс. Каждая итерация используется для выявления «безумных» решений, которые необходимо исследовать и корректировать. Коренной причиной часто являются неправильные экономические драйверы, которые следует пересмотреть с учётом их непредвиденных последствий. Природа итераций меняется, когда числовые алгоритмы перестают давать безумные результаты.

Ссылки:

• The Logic of Scientific Discovery, Karl Popper, 1934

2.3 Отрицательные знания

Антипаттерны — это стереотипы решений, которые выглядят привлекательно, но не работают на практике. Систематическое изучение антипаттернов было инициировано в конце 1990-х в области программной инженерии. Когда это применимо, антипаттерны оказываются предпочтительнее простых отрицательных результатов, поскольку их проще запомнить и анализировать. Перспектива антипаттернов имеет первостепенное значение для цепочек поставок и должна рассматриваться как один из столпов их отрицательных знаний.

Ссылки:

• 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 программного обеспечения

Современные цепочки поставок зависят от множества программных продуктов. Выбор правильных поставщиков — вопрос выживания. Однако, поскольку число поставщиков велико, компаниям необходим систематический подход к этому процессу. Традиционная практика исследования рынка начинается с благих намерений, но неизбежно приводит к неудачным результатам, поскольку исследовательские фирмы зачастую выступают в роли маркетинговых подразделений компаний, которые они должны анализировать. Надежда на появление беспристрастной исследовательской фирмы не оправдана. Однако методология оценки поставщиков друг с другом позволяет даже предвзятой исследовательской фирме получать объективные результаты.

Ссылки:

• Эпистемическая коррупция, фармацевтическая индустрия и тело медицинской науки. Sergio Sismondo, 2021 (text)
• Влияние: психология убеждения. Robert B. Cialdini, 1984
• Руководство по закупкам, конфликт интересов, The World Band, 2020 (PDF)

2.5 Письменная коммуникация в цепочках поставок

Цепочки поставок предполагают координацию крупных команд. Поэтому письменные материалы имеют первостепенное значение. Современные цепочки поставок просто несовместимы с устной традицией. Тем не менее, специалисты по цепочкам поставок зачастую оказываются ужасно неумелыми в навыках письменной коммуникации. Давайте рассмотрим, что исследования удобства использования и некоторые заметные эксперты говорят по этим вопросам. Более того, инициативы в области цепочек поставок, выполняемые посредством экспериментального подхода к оптимизации, должны быть тщательно задокументированы. Формулы и исходный код отвечают на вопросы «что» и «как», но не дают ответа на вопрос «почему». Документация должна гарантировать, что ученые в области цепочек поставок понимают проблему, с которой они сталкиваются. Со временем эта документация становится ключом к обеспечению плавного перехода от одного специалиста по цепочкам поставок к другому.

Ссылки:

• Элементы стиля (Первое издание), William Strunk Jr, 1918
• F-образный шаблон для чтения веб-контента, Jakob Nielsen, 2006 (text)

3. Персонажи

Серия персонажей цепочки поставок в соответствии с методологией, определенной в предыдущей главе.

3.1 Miami - авиационный MRO

Miami — вымышленная авиационная компания MRO (техническое обслуживание, ремонт, капитальный ремонт) в США, обслуживающая большой флот коммерческих самолетов. В авиации безопасность имеет первостепенное значение. Запчасти и компоненты должны регулярно проверяться и при необходимости ремонтироваться. Miami занимается тем, чтобы самолеты всегда оставались в воздухе, избегая ситуаций AOG (самолет на земле), которые происходят, когда отсутствует деталь, необходимая для проведения технического обслуживания.

3.2 Amsterdam - сырные бренды

Amsterdam — вымышленная FMCG-компания, специализирующаяся на производстве сыров, сливок и масел. Она управляет широким портфолио брендов в разных странах. Множество противоречивых бизнес-целей необходимо тщательно сбалансировать: качество, цена, свежесть, отходы, разнообразие, локальность и т. д. По замыслу, производство молока и розничные акции ставят компанию между молотом и наковальней с точки зрения соотношения спроса и предложения.

3.3 San Jose - интернет-магазин товаров для дома

San Jose — вымышленный интернет-магазин, который распространяет разнообразные товары для дома и аксессуары. Он управляет собственной онлайн-платформой. Их частный бренд конкурирует с внешними брендами как внутри, так и за пределами компании. Чтобы оставаться конкурентоспособным по отношению к большим и менее дорогим игрокам, цепочка поставок San Jose стремится обеспечивать высокий уровень сервиса, который проявляется множеством способов, выходящих за рамки своевременной доставки заказанных товаров.

3.4 Stuttgart - автомобильная послепродажная компания

Stuttgart — вымышленная автомобильная послепродажная компания. Она управляет сетью филиалов, предоставляющих услуги по ремонту автомобилей, поставке автозапчастей и аксессуаров. В начале 2010-х годов Stuttgart также запустила два интернет-магазина: один для покупки и продажи автозапчастей, и 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 транспортных средств и сотни тысяч различных автозапчастей.

4. Вспомогательные науки

Освоение цепочек поставок во многом опирается на несколько других областей. Представление теории цепочек поставок как разновидности прикладной математики — частое, но ошибочное заблуждение. Эти краткие курсы предназначены для предоставления культурного фона, необходимого для продуманной практики в области цепочек поставок, которую нельзя и не следует сводить к серии «моделей».

4.1 Современные компьютеры

Современные цепочки поставок требуют вычислительных ресурсов для функционирования, так же как моторизованные конвейерные ленты нуждаются в электричестве. Тем не менее, медленные системы цепочек поставок остаются повсеместными, в то время как вычислительная мощность компьютеров увеличилась более чем в 10 000 раз с 1990 года. Непонимание фундаментальных характеристик современных вычислительных ресурсов — даже среди специалистов по IT или данных — во многом объясняет эту ситуацию. Программное обеспечение, лежащее в основе численных алгоритмов, не должно конфликтовать с базовой вычислительной платформой.

4.2 Современные алгоритмы

Оптимизация цепочек поставок основывается на решении многочисленных численных задач. Алгоритмы — это высококодифицированные численные рецепты, предназначенные для решения конкретных вычислительных задач. Превосходные алгоритмы означают, что можно добиться лучших результатов, используя меньше вычислительных ресурсов. Сосредоточив внимание на особенностях цепочек поставок, производительность алгоритмов можно значительно улучшить, иногда в несколько раз. Алгоритмы для «цепочек поставок» также должны учитывать дизайн современных компьютеров, который значительно эволюционировал за последние несколько десятилетий.

Ссылки (книга):

• Введение в алгоритмы, 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 — то есть прогнозирование, если рассматривать с точки зрения цепочек поставок — в своей основе опираются на математическую оптимизацию. Более того, после построения прогнозов определение наиболее прибыльных решений также в своей основе опирается на математическую оптимизацию. Проблемы цепочек поставок часто включают множество переменных. Они, как правило, являются стохастическими по своей природе. Математическая оптимизация является краеугольным камнем современной практики в области цепочек поставок.

Ссылки:

• Будущее операционных исследований — прошлое, Russell L. Ackoff, февраль 1979
• LocalSolver 1.x: «черный ящик» локального поиска для 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 в значительной степени вытеснили классическую область «прогнозирования» как с теоретической, так и с практической точки зрения. Эта область исследований претерпела кардинальные изменения, которые остаются непонятными для большинства «аналитиков данных». Мы пройдем этот путь через решение трех парадоксов. Во-первых, нужно делать точные заявления о данных, которых у нас нет. Во-вторых, необходимо решать задачи, где число переменных значительно превышает число наблюдений. В-третьих, требуется работать с моделями, где число параметров значительно превышает как число переменных, так и число наблюдений. Мы попытаемся понять, что вообще означает предвидение будущего на основе данных с современной точки зрения «обучения».

Ссылки:

• Теория обучаемости, L. G. Valiant, ноябрь 1984
• Опорные векторные сети, Corinna Cortes и Vladimir Vapnik, сентябрь 1995
• Случайные леса, Leo Breiman, октябрь 2001
• LightGBM: высокоэффективное дерево решений с градиентным бустингом, 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 спад: 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
• Обучение машинного перевода без учителя с использованием только монолингвальных корпусов, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, последнее обновление — апрель 2018
• BERT: предварительное обучение глубоких двунаправленных трансформеров для понимания языка, Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, последнее обновление — май 2019
• Легкое 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 до сих пор управляются с помощью электронных таблиц (например, Excel), в то время как корпоративные системы существуют уже одну, две, а иногда и три десятилетия — якобы для их замены. Действительно, электронные таблицы предоставляют доступное программное выражение, тогда как эти системы, как правило, не предлагают такой возможности. Если говорить в общем, с 1960-х годов наблюдается постоянное совместное развитие программной индустрии в целом и ее языков программирования. Есть доказательства, что следующий этап производительности цепочек поставок будет во многом определяться разработкой и внедрением языков программирования, или, скорее, программируемых сред.

4.6 Инженерия программного обеспечения

Управление сложностью и хаосом 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 плохой инженерии программного обеспечения. Численные алгоритмы, используемые для оптимизации цепочек поставок, — это программное обеспечение, и, следовательно, подвержены тем же самым проблемам. Эти проблемы усиливаются вместе с усложнением самих численных рецептов. Правильная 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 нее всё разваливается.

4.7 Кибербезопасность

Киберпреступность растет. Вымогатели процветают как бизнес. Из-за своей физически распределенной природы цепочки поставок особенно уязвимы. Более того, окружающая сложность является благодатной почвой для проблем компьютерной безопасности. Компьютерная безопасность по своей сути противоречива, поскольку именно с этого угла атакующие ищут и используют уязвимости. В зависимости от особенностей численных алгоритмов, участвующих в оптимизации цепочек поставок, риск может как возрастать, так и уменьшаться.

4.21 Блокчейны

Криптовалюты привлекли много внимания. Были созданы состояния. Состояния утрачены. Пирамидальные схемы были повсеместны. С корпоративной точки зрения «блокчейн» — это вежливый эвфемизм, используемый для представления схожих идей и технологий при одновременном отделении от криптовалют. Примеры использования блокчейна в цепочке поставок существуют, но проблем возникает множество.

Ссылки:

• Биткоин: одноранговая электронная денежная система, Сатоши Накамото, октябрь 2008
• Большинству недостаточно: майнинг биткоина уязвим, Иттай Эял, Эмин Гун Сайер, ноябрь 2013
• Хэш мульти-множеств эллиптических кривых, Джереми Мэйтин-Шепард, Мехди Тибучи, Диего Аранья, январь 2016
• Graphene: новый протокол распространения блоков с использованием согласования множеств, А. Пинар Озышик, Гэвин Андресен, Джордж Биссиас, Амир Хоумансадр, Брайан Левин, сентябрь 2017
• От снежинки к лавине: новое семейство метастабильных протоколов консенсуса для криптовалют, Team Rocket, май 2018
• Tokeda, жизнеспособные метаданные, управляемые токеном в Биткоине, Йоаннес Вермораль, март 2018
• Таксономия прикладного ландшафта Биткоина, Йоаннес Вермораль, май 2018

5. Прогнозирующее моделирование

Правильное количественное предвидение будущих событий лежит в основе любой оптимизации цепочки поставок. Практика прогнозирования временных рядов возникла в 20-м веке и оказала огромное влияние на большинство больших цепочек поставок. Прогнозирующее моделирование является как наследником прогнозирования временных рядов, так и значительным отходом от этой перспективы. Во-первых, оно охватывает гораздо более разнообразный набор задач. Во-вторых, ввиду природы проблем цепочки поставок необходим программный подход. В-третьих, поскольку неопределённость обычно неустранима, требуются также вероятностные прогнозы.

5.0. Первое место на уровне SKU в соревновании по прогнозированию M5

В 2020 году команда из Lokad заняла пятое место среди 909 участников мирового соревнования по прогнозированию M5. Однако на уровне агрегации по SKU эти прогнозы заняли первое место. Прогнозирование спроса имеет первостепенное значение для цепочки поставок. Подход, принятый на этом соревновании, оказался нетипичным и отличался от методов, используемых остальными 50 претендентами. Из этого достижения можно извлечь множество уроков как предвестник для решения дальнейших прогнозирующих задач в цепочке поставок.

Ссылки:

• Подход white-boxed ISSM для оценки распределений неопределенности продаж Walmart, Rafael de Rezende, Katharina Egert, Ignacio Marin, Guilherme Thompson, декабрь 2021 (link)
• Соревнование по неопределенности 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 прогнозных задач цепочки поставок. DP является наследником глубокого обучения, однако оно отличается от глубокого обучения своим интенсивным вниманием к структуре задач обучения. DP превосходит почти всю «классическую» литературу по прогнозированию, основанную на параметрических моделях. DP также лучше «классических» алгоритмов машинного обучения — по состоянию на конец 2010-х — практически по всем параметрам, имеющим значение для практического применения в цепочке поставок, включая простоту внедрения для специалистов.

5.2 Вероятностное прогнозирование

Оптимизация цепочек поставок зависит от правильного предвидения будущих событий. Числово эти события предсказываются с помощью прогнозов, которые охватывают широкий спектр числовых методов для количественной оценки будущих событий. Начиная с 1970-х годов, наиболее широко используемой формой прогноза является точечное прогнозирование временных рядов: величина, измеряемая во времени, — например, спрос на продукт в единицах — проецируется в будущее. Прогноз называется вероятностным, если он возвращает вероятности, связанные со всеми возможными будущими исходами, вместо того чтобы определять один конкретный исход как «прогноз». Вероятностные прогнозы играют важную роль, когда неопределённость неустранима, что практически всегда имеет место при рассмотрении сложных систем. Для цепочек поставок вероятностные прогнозы необходимы для принятия надёжных решений в условиях неопределённого будущего.

5.3 Прогнозирование срока поставки

Сроки поставки являются фундаментальным аспектом большинства ситуаций в цепочке поставок. Сроки поставки можно и следует прогнозировать так же, как спрос. Можно использовать вероятностные модели, специально предназначенные для прогнозирования сроков поставки. Представлена серия методов для создания вероятностных прогнозов сроков поставки для целей управления цепочкой поставок. Сочетание этих прогнозов, сроков поставки и спроса является краеугольным камнем прогнозирующего моделирования в цепочке поставок.

6. Принятие решений

Каждый день в цепочке поставок принимаются тысячи решений (миллионы в крупных компаниях) в рамках ежедневной операционной деятельности компании. Каждое решение предполагает наличие альтернатив. Цель оптимизации цепочки поставок — выбрать те варианты, которые окажутся наиболее прибыльными в условиях будущей неопределённости. Этот процесс ставит две ключевые задачи, которые мы ещё не рассмотрели: во-первых, количественную оценку прибыльности любого решения, во-вторых, развёртывание числовых рецептов оптимизации, подходящих для задач цепочки поставок.

6.1 Распределение запасов в розничной торговле с использованием вероятностных прогнозов

Решения в цепочке поставок требуют экономической оценки с поправкой на риск. Преобразование вероятностных прогнозов в экономические оценки является нетривиальной задачей и требует специализированных инструментов. Однако итоговая экономическая приоритизация, иллюстрируемая на примере распределения запасов, оказывается более эффективной, чем традиционные методы. Начнём с задачи распределения запасов в розничной торговле. 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 одни и те же запасы.

6.2 Оптимизация ценообразования для послепродажного обслуживания в автомобильной отрасли

Баланс спроса и предложения во многом зависит от цен. Таким образом, оптимизация ценообразования в значительной степени относится к сфере цепочки поставок. Мы представим серию методов оптимизации цен для вымышленной компании, работающей в послепродажном обслуживании автомобильной отрасли. На этом примере мы увидим опасность абстрактных рассуждений, которые не учитывают надлежащий контекст. Понимание того, что именно следует оптимизировать, важнее, чем мельчайшие детали самой оптимизации.

7. Тактическое и стратегическое исполнение

Цепочка поставок, как в практике, так и в теории, направлена на то, чтобы быть фактором, способствующим развитию, и конкурентным преимуществом для всей компании. С точки зрения высшего руководства доминируют два аспекта: превращение цепочки поставок в актив, приносящий прирост, и поиск превосходных способов реализации бизнеса. На практике всё сводится, в основном, к выбору правильных участников команды.

Инициатива, направленная на повышение эффективности цепочки поставок с помощью превосходных числовых рецептов, может, если окажется успешной, коренным образом изменить саму цепочку поставок. Этот подход имеет два важных предостережения. Во-первых, численные рецепты должны быть спроектированы с учетом упрощения процесса; здесь многое сложнее, чем кажется на первый взгляд. Во-вторых, сам процесс внедрения численных 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, поскольку они глубоко переплетены. Обычно это переплетение сталкивается лоб в лоб с распределением обязанностей согласно организационной структуре компании. Мы наблюдаем, что когда инициативы в области цепочек поставок терпят неудачу, коренными причинами этих провалов зачастую становятся ошибки, допущенные на самых ранних этапах проекта. Более того, ранние ошибки, как правило, формируют всю инициативу, что делает их практически невозможными для последующего исправления. Мы представляем наши ключевые выводы, чтобы избежать этих ошибок.

7.2 Выведение решений в производство

Мы ищем численный рецепт, способный управлять целым рядом рутинных решений, таких как пополнение запасов. Автоматизация является необходимым условием для превращения цепочки поставок в капиталистическое предприятие. Однако, если численный рецепт окажется дефектным, он может нанести значительный ущерб в масштабах предприятия. Принцип «быстро провалиться и сломать всё» не подходит для утверждения численного рецепта для производства. Многие альтернативы, такие как каскадная модель, ещё хуже, так как обычно создают иллюзию рациональности и контроля. Крайне итеративный процесс является ключом к разработке численного рецепта, доказавшего свою пригодность для производства.

7.3 Специалист по цепочкам поставок

В основе количественной инициативы в цепочке поставок лежит Специалист по цепочкам поставок (SCS), который занимается подготовкой данных, экономическим моделированием и составлением отчётов по KPI. Умная автоматизация решений в цепочке поставок является конечным результатом работы SCS. SCS принимает на себя ответственность за принимаемые решения и обеспечивает человеческий интеллект, усиленный вычислительной мощностью машин.