Узнайте о цепочках поставок

Эта продолжающаяся серия лекций представляет основы управления цепочками поставок: вызовы, методологию и технологии. Цель состоит в том, чтобы позволить организациям достигать превосходной, «реальной» эффективности цепей поставок. Видение, представленное в этих лекциях, расходится с общепринятой теорией управления цепями поставок, и называется количественной цепочкой поставок. Лекции проводят Жуанн Верморель, CEO и основатель Lokad. Лекции иллюстрированы примерами реальных цепочек поставок, которые Lokad управляет от имени своих клиентов.

Целевая аудитория: Эти лекции предназначены для всех, кто стремится улучшить цепочки поставок, от топ-менеджеров до младших аналитиков и студентов. Лекции включают серию «экспресс-курсов», чтобы минимизировать требуемые предварительные знания.

1. Пролог

1.1 Основы цепочки поставок

Цепочка поставок — это количественное, но прагматичное мастерство работы с опциями при столкновении с вариативностью и ограничениями, связанными с потоком физических товаров. Она включает в себя поиск поставщиков, закупки, производство, транспортировку, распределение, продвижение, … — но с акцентом на развитие и выбор опций, а не на прямое управление базовыми операциями. Мы увидим, как перспективы «количественной» цепочки поставок, представленные в этой серии, существенно расходятся с тем, что считается общепринятой теорией цепей поставок.

Ссылки (книги):

• Управление запасами и планированием производства, Edward A. Silver, David F. Pyke, Rein Peterson, 1998
• Основы теории цепочки поставок, Lawrence V. Snyder, Zuo-Jun Max Shen, 2011

1.2 Количественная цепочка поставок вкратце

Манифест количественной цепочки поставок подчеркивает короткий ряд ключевых моментов, позволяющих понять, как эта альтернативная теория, предложенная и разработанная Lokad, отличается от общепринятой теории цепей поставок. Ее можно резюмировать так: каждое отдельное решение оценивается с учетом всех возможных будущих сценариев согласно экономическим детерминантам. Эта перспектива постепенно возникла в Lokad как основная теория цепочек поставок, и ее внедрение (почти?) всеми поставщиками программного обеспечения остается сложной задачей.

1.3 Ориентированная на продукт доставка

Цель инициативы по количественной цепочке поставок — либо внедрить, либо улучшить программное приложение, которое автоматизирует ряд рутинных решений (например, пополнение запасов, обновления цен). Приложение рассматривается как продукт, требующий инженерной разработки. В то время как общепринятая теория цепей поставок не может распространиться на крупные компании, один инструмент — а именно Microsoft Excel — пользуется значительным операционным успехом. Переосмысление числовых рецептов общепринятой теории цепочек поставок посредством электронных таблиц является тривиальной задачей, однако в реальности это не произошло, несмотря на знание теории. Мы демонстрируем, что электронные таблицы одержали победу, приняв программные парадигмы, которые оказались более эффективными для достижения результатов в цепочках поставок.

Справочник (книга):

• Joel on Software: И о разнообразных и местами взаимосвязанных вопросах, представляющих интерес для разработчиков программного обеспечения, дизайнеров и менеджеров, а также для тех, кто так или иначе работает с ними, Joel Spolsky, 2004

1.4 Программные парадигмы для цепочки поставок

Для прогнозирующей оптимизации цепочек поставок требуются специфические программные парадигмы. Действительно, в то время как «программный» подход невозможно избежать в рамках пакетного программного продукта (ср. предыдущую лекцию), общепринятые методы программирования включают уровни случайных сложностей, которые существенно мешают инициативам в области цепочек поставок. Мы представляем серию программных парадигм, которые особенно хорошо подходят для цепочек поставок в реальном мире. Эта лекция иллюстрирована Envision — DSL (доменно-специфический язык программирования), предназначенным для оптимизации цепочек поставок, разработанным компанией Lokad на основе этих программных парадигм.

Литература (книга, упомянутая в части вопросов и ответов лекции):

• Динамичные цепочки поставок: Как проектировать, строить и управлять сетью, ориентированной на человека, John Gattorna, 2015

1.5 Тенденции 21 века в цепочке поставок

Несколько основных тенденций доминировали в развитии цепочек поставок за последние десятилетия, кардинально изменяя спектр проблем, с которыми сталкиваются компании. Некоторые проблемы практически исчезли, такие как физические риски и вопросы качества. В то время как появились новые проблемы, такие как общая сложность и интенсивность конкуренции. Примечательно, что программное обеспечение также оказывает глубокое влияние на перестройку цепочек поставок. Краткий обзор этих тенденций помогает понять, на чем должна сосредоточиться теория цепочек поставок.

Справка (статья, упомянутая в части вопросов и ответов лекции):

• Tokeda, Жизнеспособные метаданные, основанные на токенах, внутри Bitcoin, Joannes Vermorel, 2018, (использование блокчейна для борьбы с подделками на стр. 28)

1.6 Количественные принципы для цепочек поставок

Хотя цепочки поставок нельзя охарактеризовать строгими количественными законами — в отличие от электромагнетизма — можно наблюдать общие количественные принципы. Под «общими» мы подразумеваем применимые к (почти) всем цепочкам поставок. Выявление таких принципов имеет первостепенное значение, поскольку они могут быть использованы для упрощения разработки числовых рецептов, предназначенных для прогнозирующей оптимизации цепочек поставок, а также для повышения их общей эффективности. Мы рассматриваем два кратких списка принципов: несколько наблюдательных принципов и несколько принципов оптимизации.

1.7 О знаниях, времени и работе в цепочках поставок

Цепочки поставок подчиняются общим экономическим принципам. Однако эти принципы слишком слабо известны и слишком часто искажаются. Популярные практики в цепях поставок и их теории часто противоречат общепринятым экономическим представлениям. Тем не менее, эти практики вряд ли когда-либо смогут опровергнуть базовую экономику. Кроме того, цепочки поставок являются сложными системами — относительно современной концепцией, которая также недостаточно известна и слишком часто неправильно интерпретируется. Цель этой лекции — понять, что и экономика, и системы могут предложить при решении задач планирования для реальной цепочки поставок.

2. Методология

Изучение и практика управления цепями поставок должны основываться на науке, то есть подкрепляться научными методами. Действительно, за последние три века каждая область, сумевшая подняться за счет подходящей экспериментальной практики, прошла фантастический путь развития, который мы сейчас ассоциируем с «наукой». Однако цепочки поставок пока не испытали такого прогресса, и во многом это связано с неправильной экспериментальной методологией. Сложная природа цепочек поставок требует соответствующих методов, которые мы рассмотрим в этой главе.

2.1 Персоны цепей поставок

«Персона» цепи поставок — это вымышленная компания. Однако, хотя компания вымышлена, эта фикция создана для того, чтобы выделить то, на что следует обратить внимание с точки зрения цепочки поставок. Тем не менее, персона не идеализирована в смысле упрощения проблем цепочки поставок. Напротив, цель состоит в том, чтобы подчеркнуть самые сложные аспекты ситуации, те аспекты, которые наиболее устойчиво противостоят любым попыткам количественного моделирования и пилотным инициативам по улучшению цепочки поставок. В цепочке поставок кейс-стадии — когда одна или несколько сторон именуются — страдают от серьезного конфликта интересов. Компании и их поддерживающие поставщики (программное обеспечение, консалтинг) имеют заинтересованность в представлении результатов в выгодном свете. Более того, реальные цепочки поставок обычно страдают или выигрывают от случайных обстоятельств, не связанных с качеством их исполнения. Персоны цепей поставок являются методологическим ответом на эти проблемы.

Ссылки:

• Введение в изучение экспериментальной медицины (английская версия), (оригинальная французская версия), Claude Bernard, 1865
• Проект Феникс: Роман о ИТ, DevOps и том, как помочь вашему бизнесу победить, Gene Kim, Kevin Behr, George Spafford, 2013
• Неподконтрольный машинный перевод с использованием только монолингвальных корпусов, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, 2018

2.1.1 Париж — модный бренд с сетью магазинов

Париж — 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 драйвером бизнеса всегда была новизна. Множественные коллекции в год используются для выпуска волн новых продуктов. Продвижение правильного продукта в нужное время, по нужной цене и с нужным количеством запасов — одна из ключевых задач.

2.2 Экспериментальная оптимизация

Вовсе не сивильная картезианская перспектива, согласно которой оптимизация заключается лишь в развертывании оптимизатора для заданной функции оценки, — такая оптимизация требует итеративного процесса. Каждая итерация используется для выявления «безумных» решений, которые необходимо исследовать и устранить. Причиной обычно являются некорректные экономические детерминанты, которые требуют переоценки с точки зрения их непредвиденных последствий. Итерации меняют свою природу, когда числовые рецепты перестают давать безумные результаты.

Ссылки:

• Логика научного открытия, Karl Popper, 1934

2.3 Отрицательные знания

Антипаттерны — это стереотипные решения, которые выглядят привлекательно, но не работают на практике. Систематическое изучение антипаттернов было начато в конце 1990-х в сфере разработки программного обеспечения. При применении антипаттерны превосходят сырые отрицательные результаты, так как их проще запомнить и анализировать. Перспектива антипаттернов имеет первостепенное значение для цепочек поставок и должна рассматриваться как один из столпов их отрицательных знаний.

Ссылки:

• Антипаттерны: Рефакторинг программного обеспечения, архитектур и проектов в кризисе, William J. Brown, Raphael C. Malveau, Hays W. “Skip” McCormick, Thomas J. Mowbray, 1998

2.4 Состязательный рыночный анализ

Современные цепочки поставок зависят от множества программных продуктов. Выбор правильных поставщиков – вопрос выживания. Однако, поскольку поставщиков много, компаниям необходим систематический подход к этому процессу. Традиционные методы исследования рынка начинаются с благих намерений, но неизбежно приводят к плохим результатам, так как исследовательские фирмы в итоге становятся маркетинговыми инструментами тех компаний, которые они должны анализировать. Ожидать появления беспристрастной исследовательской фирмы – ошибка. Тем не менее, оценка поставщиков друг у друга – методика, которая позволяет даже предвзятой исследовательской фирме получать объективные результаты.

Ссылки:

• Эпистемическая коррупция, фармацевтическая индустрия и область медицинской науки. Sergio Sismondo, 2021 (текст)
• Влияние: психология убеждения. Robert B. Cialdini, 1984
• Руководство по закупкам, конфликт интересов, Всемирный банк, 2020 (PDF)

2.5 Письменная коммуникация для цепочек поставок

Цепочки поставок предполагают координацию больших команд. Поэтому письменные материалы имеют первостепенное значение. Современные цепочки поставок просто несовместимы с устной традицией. Тем не менее, специалисты по цепям поставок часто испытывают серьезные трудности с навыками письменного общения. Рассмотрим, что об этом говорят исследования удобства использования и некоторые известные эксперты. Кроме того, инициативы в цепочках поставок, реализуемые посредством 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 специалисты по цепям поставок понимают проблему, с которой они сталкиваются. Со временем эта документация становится ключом к обеспечению плавного перехода от одного специалиста по цепям поставок к другому.

Ссылки:

• Элементы стиля (Первое издание), William Strunk Jr, 1918
• Шаблон F-образного чтения веб-контента, Jakob Nielsen, 2006 (текст)

3. Персоны

Серия персон цепочек поставок, разработанных в соответствии с методологией, определенной в предыдущей главе.

3.1 Miami - авиационный MRO

Miami – вымышленный авиационный MRO (техническое обслуживание, ремонт и капитальный ремонт) в США, обслуживающий большой флот коммерческих самолетов. В авиации безопасность имеет первостепенное значение. Запчасти и компоненты должны регулярно проверяться и, при необходимости, ремонтироваться. Miami занимается тем, чтобы самолёты всегда оставались в воздухе, предотвращая случаи AOG (самолет на земле), которые происходят, когда отсутствует деталь, необходимая для проведения технического обслуживания.

3.2 Amsterdam - cheese brands

Amsterdam – вымышленная FMCG-компания, специализирующаяся на производстве сыров, кремов и сливочного масла. Она управляет большим портфелем брендов в нескольких странах. Множество противоречивых бизнес-целей должно быть тщательно сбалансировано: качество, цена, свежесть, отходы, разнообразие, локальность и т.д. По замыслу, производство молока и розничные акции ставят компанию между требований спроса и предложения.

3.3 San Jose - homeware ecommerce

San Jose – вымышленный интернет-магазин, который распространяет разнообразные товары для дома и аксессуары. Он управляет собственной онлайн-площадкой. Его частный бренд конкурирует с внешними брендами как внутри компании, так и за её пределами. Чтобы оставаться конкурентоспособным по отношению к более крупным и более дешёвым игрокам, цепочка поставок San Jose стремится обеспечить высокий уровень сервиса, который проявляется во многих формах и выходит далеко за рамки своевременной доставки заказанных товаров.

3.4 Stuttgart - an automotive aftermarket company

Stuttgart – вымышленная компания послепродажного обслуживания в автомобильной сфере. Она управляет сетью филиалов, предоставляющих услуги по ремонту автомобилей, продаже запчастей и автомобильных аксессуаров. В начале 2010-х годов Stuttgart также запустила два интернет-магазина: 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 транспортных средств и сотни тысяч различных автозапчастей.

3.5 Geneva - a hard-luxury watch maker

TBD

4. Вспомогательные науки

Освоение цепочек поставок во многом опирается на несколько других областей. Часто представление теории цепочек поставок как разновидности прикладной математики оказывается распространённым, но ошибочным. Эти краткие курсы призваны обеспечить культурный багаж, необходимый для продуманной практики в цепочках поставок, которую нельзя и не следует сводить к набору «моделей».

4.1 Современные компьютеры

Современные цепочки поставок требуют вычислительных ресурсов для функционирования, как моторизованные конвейерные ленты нуждаются в электричестве. Тем не менее, медленные системы управления цепочками поставок остаются повсеместными, в то время как вычислительная мощность компьютеров увеличилась более чем в 10 000 раз с 1990 года. Недостаточное понимание основных характеристик современных вычислительных ресурсов – даже среди специалистов IT или data science – во многом объясняет эту ситуацию. Программное обеспечение, лежащее в основе числовых рецептов, не должно конфликтовать с основным вычислительным субстратом.

4.2 Современные алгоритмы

Оптимизация цепочек поставок основывается на решении множества числовых задач. Алгоритмы – это высококодифицированные числовые рецепты, предназначенные для решения конкретных вычислительных задач. Превосходные алгоритмы позволяют достигать лучших результатов с использованием меньших вычислительных ресурсов. Сосредоточив внимание на особенностях цепочек поставок, можно значительно улучшить алгоритмическую производительность, иногда в несколько раз. Алгоритмы для цепочек поставок также должны учитывать конструкцию современных компьютеров, которая значительно эволюционировала за последние десятилетия.

Ссылки (книги):

• 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 – другими словами, прогнозирование с точки зрения цепочек поставок – в своей основе опираются на математическую оптимизацию. Более того, после составления прогнозов определение наиболее прибыльных решений также, по существу, базируется на математической оптимизации. Проблемы цепочек поставок часто включают большое число переменных и обычно обладают стохастической природой. Математическая оптимизация является краеугольным камнем современной практики в цепочках поставок.

Ссылки:

• Будущее операционных исследований – прошлое, Russell L. Ackoff, февраль 1979
• LocalSolver 1.x: поисковый решатель «черного ящика» 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, последний раз обновлено в феврале 2018

4.4 Машинное обучение

Прогнозы в цепочках поставок являются неотъемлемой частью, так как 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 исследований претерпела драматические улучшения, которые остаются во многом непонятыми в кругах «data scientist». Мы отправимся в это путешествие, решая три парадокса. Во-первых, нам нужно делать точные суждения о данных, которых у нас нет. Во-вторых, предстоит решать задачи, в которых число переменных значительно превышает число наблюдений. В-третьих, необходимо работать с моделями, у которых число параметров существенно больше, чем число переменных или наблюдений. Мы попытаемся понять, что вообще означает основанное на данных предвидение будущего 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 решение на основе градиентного бустинга, Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu, 2017
• Внимание – вот все, что вам нужно, Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin, последний раз обновлено в декабре 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
• Неподконтрольный машинный перевод с использованием только монолингвальных корпусов, Guillaume Lample, Alexis Conneau, Ludovic Denoyer, Marc’Aurelio Ranzato, последний раз обновлено в апреле 2018
• BERT: предварительное обучение глубоких двунаправленных трансформеров для понимания языка, Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, последний раз обновлено в мае 2019
• Нежное 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 таблиц (например, Excel), тогда как корпоративные системы существуют уже одну, две, а иногда и три декады – якобы для их замены. Действительно, таблицы предоставляют доступную программную выразительность, а эти системы, как правило, такой возможности не дают. Более того, с 1960‑х годов наблюдается постоянное совместное развитие всей индустрии программного обеспечения и её языков программирования. Существуют доказательства того, что следующий этап повышения эффективности цепочек поставок во многом будет обусловлен разработкой и внедрением языков программирования, а точнее программируемых сред.

4.6 Разработка программного обеспечения

Обуздание сложности и хаоса является краеугольным камнем разработки программного обеспечения. Учитывая, что цепочки поставок одновременно сложны и хаотичны, неудивительно, что большинство проблем корпоративного ПО, с которыми сталкиваются цепочки поставок, сводятся к некачественной разработке. Числовые рецепты, применяемые для оптимизации цепочек поставок, являются программным обеспечением и, следовательно, подвержены тем же проблемам. Эти проблемы усиливаются по мере усложнения самих числовых методов. Правильная разработка программного обеспечения для цепочек поставок – то же, что асептика для больниц: сама по себе она ничего не делает – как лечение пациентов – но без неё всё разваливается.

4.7 Кибербезопасность

Киберпреступность растёт. Вымогательское ПО становится чрезвычайно прибыльным бизнесом. Из-за своей физически распределённой природы цепочки поставок особенно уязвимы. Кроме того, окружающая сложность способствует возникновению проблем компьютерной безопасности. Компьютерная безопасность по своей сути контринтуитивна, поскольку именно с её помощью злоумышленники ищут и используют уязвимости. В зависимости от особенностей числовых рецептов, применяемых для оптимизации цепочек поставок, риск может как возрастать, так и снижаться.

4.21 Блокчейны

Криптовалюты привлекли к себе большое внимание. С ними связаны и крупные состояния, и крупные потери. Пирамидальные схемы были на повестке дня. С корпоративной точки зрения, «блокчейн» является вежливым эвфемизмом, используемым для введения подобных идей и технологий, позволяющим дистанцироваться от криптовалют. Применение блокчейна в цепочках поставок существует, но также полно вызовов.

Ссылки:

• Bitcoin: A Peer-to-Peer Electronic Cash System, Сатоши Накамото, октябрь 2008
• Majority is not Enough: Bitcoin Mining is Vulnerable, Иттай Эял, Эмин Гун Сирер, ноябрь 2013
• Elliptic Curve Multiset Hash, Джереми Мэйтин-Шепард, Мехди Тибучи, Диего Аранья, январь 2016
• Graphene: A New Protocol for Block Propagation Using Set Reconciliation, A. Pinar Ozisik, Gavin Andresen, George Bissias, Amir Houmansadr, Brian Levine, сентябрь 2017
• Snowflake to Avalanche: A Novel Metastable Consensus Protocol Family for Cryptocurrencies, Team Rocket, май 2018
• Tokeda, Viable token-driven metadata within Bitcoin, Joannes Vermorel, март 2018
• A taxonomy of the Bitcoin applicative landscape, Joannes Vermorel, май 2018

5. Прогнозное моделирование

Правильное количественное предвидение будущих событий лежит в основе оптимизации любой цепочки поставок. Практика прогнозирования временных рядов (time-series) возникла в 20 веке и оказала огромное влияние на большинство крупных цепочек поставок. Прогнозное моделирование является одновременно продолжением методик прогнозирования временных рядов, но также представляет собой радикальный отход от этой перспективы. Во-первых, оно охватывает гораздо более разнообразный набор задач. Во-вторых, из-за природы проблем цепочки поставок необходима программная парадигма. В-третьих, поскольку неопределённость обычно не сводится к нулю, также требуются вероятностные прогнозы.

5.0. Первое место на уровне SKU в конкурсе прогнозирования M5

В 2020 году команда из Lokad заняла 5-е место из 909 команд на мировом конкурсе прогнозирования. Однако на уровне агрегации SKU эти прогнозы обеспечили первое место. Прогнозирование спроса имеет первостепенное значение для цепочки поставок. Подход, принятый в этом конкурсе, оказался нетипичным и отличался от методов, применявшихся остальными топ-50 участниками. Из этого достижения можно извлечь множество уроков в качестве прелюдии к решению дальнейших предиктивных задач для цепочки поставок.

Ссылки:

• A white-boxed ISSM approach to estimate uncertainty distributions of Walmart sales, Rafael de Rezende, Katharina Egert, Ignacio Marin, Guilherme Thompson, декабрь 2021 (link)
• The M5 Uncertainty competition: Results, findings and conclusions, 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 исключительно подходящими для решения предиктивных задач цепочки поставок. DP является наследником глубокого обучения, но 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 превосходит «классические» алгоритмы машинного обучения — вплоть до конца 2010-х — по практически всем параметрам, важным для практического применения в цепочке поставок, включая простоту внедрения специалистами.

5.2 Вероятностное прогнозирование

Оптимизация цепочек поставок зависит от правильного предвидения будущих событий. Численно эти события прогнозируются с помощью прогнозов, которые охватывают большое разнообразие числовых методов, используемых для количественной оценки будущих событий. Начиная с 1970-х годов, самым распространённым видом прогноза был точечный прогноз временного ряда: величина, измеряемая во времени — например, спрос в единицах для продукта — проецируется в будущее. Прогноз называется вероятностным, если он возвращает вероятности, связанные со всеми возможными будущими исходами, вместо того чтобы выделять один конкретный исход как «прогноз». Вероятностные прогнозы важны, когда неопределённость не сводится к нулю, что почти всегда имеет место, когда речь идёт о сложных системах. Для цепочек поставок вероятностные прогнозы необходимы для принятия устойчивых решений в условиях неопределённого будущего.

5.3 Прогнозирование срока поставки

Сроки поставки являются фундаментальным аспектом большинства ситуаций в цепочках поставок. Сроки поставки могут и должны быть прогнозированы так же, как и спрос. Можно использовать вероятностные модели прогнозирования, предназначенные для сроков поставки. Представлена серия техник для создания вероятностных прогнозов сроков поставки для целей цепочки поставок. Сочетание этих прогнозов, сроков поставки и спроса, является краеугольным камнем прогнозного моделирования в цепочке поставок.

6. Принятие решений

Ежедневно необходимо принимать тысячи решений в области цепочки поставок (миллионы в крупных компаниях) в рамках повседневной деятельности предприятия. Каждое решение сопровождается несколькими альтернативами. Цель оптимизации цепочки поставок — выбрать те варианты, которые окажутся наиболее прибыльными в условиях неопределенного будущего. Этот процесс ставит две ключевые задачи, которые мы ещё не рассмотрели: во-первых, количественную оценку прибыльности каждого решения, во-вторых, внедрение числовых оптимизационных рецептов, подходящих для задач цепочки поставок.

6.1 Распределение розничных запасов на основе вероятностных прогнозов

Решения в цепочке поставок требуют экономической оценки с учетом риска. Преобразование вероятностных прогнозов в экономические оценки является нетривиальной задачей и требует специализированных инструментов. Однако итоговая экономическая приоритезация, иллюстрируемая распределением запасов, оказывается более эффективной, чем традиционные методы. Начнем с задачи распределения розничных запасов. В двухуровневой сети, включающей как распределительный центр (DC), так и несколько магазинов, необходимо решить, как распределить запасы DC между магазинами, зная, что все магазины конкурируют за один и тот же запас.

6.2 Оптимизация цен для автомобильного послепродажного рынка

Баланс между спросом и предложением во многом зависит от цен. Таким образом, оптимизация цен принадлежит к сфере цепочек поставок, по меньшей мере в значительной степени. Мы представим серию техник для оптимизации цен вымышленной компании автомобильного послепродажного рынка. На этом примере мы увидим опасность, связанную с абстрактными рассуждениями, не учитывающими контекст. Знание того, что должно быть оптимизировано, важнее мелких деталей оптимизации.

7. Тактическое и стратегическое исполнение

Цепочка поставок, как в качестве практики, так и предмета изучения, стремится стать инструментом и конкурентным преимуществом для всей компании. С точки зрения высшего руководства доминируют два аспекта: превращение цепочки поставок в актив, приносящий добавленную стоимость, и раскрытие превосходных способов ведения бизнеса. На практике результаты в основном сводятся к выбору правильных членов команды.

Инициатива, направленная на повышение эффективности цепочки поставок посредством использования превосходных числовых рецептов, может, если окажется успешной, кардинально изменить саму цепочку поставок. Эта перспектива имеет два основных оговорки. Во-первых, числовые рецепты должны быть разработаны с точки зрения дизайна для оптимизации процесса; здесь есть больше нюансов, чем может показаться на первый взгляд. Во-вторых, сам процесс внедрения числовых рецептов изменяет сами рецепты, что на первый взгляд кажется весьма парадоксальным.

7.1 Начало работы с количественной инициативой

Проведение успешной предиктивной оптимизации цепочки поставок представляет собой сочетание «мягких» и «жёстких» проблем. К сожалению, невозможно разъединить эти аспекты. «Мягкие» и «жёсткие» составляющие глубоко переплетены. Обычно это переплетение напрямую сталкивается с разделением труда, определённым организационной структурой компании. Мы наблюдаем, что когда инициативы в области цепочек поставок терпят неудачу, коренные причины провала обычно кроются в ошибках, допущенных на самых ранних этапах проекта. Более того, ранние ошибки, как правило, формируют всю инициативу, что делает их практически неисправимыми задним числом. Мы представляем наши ключевые выводы, чтобы избежать этих ошибок.

7.2 Внедрение решений в производство

Мы ищем числовой рецепт для управления целым классом рутинных решений, таких как пополнение запасов. Автоматизация необходима для того, чтобы цепочка поставок стала капиталистическим предприятием. Однако, если числовой рецепт окажется дефектным, он несёт существенные риски нанесения ущерба в масштабах всей системы. Стратегия «быстро провалиться и сломать всё» не является правильным подходом для утверждения числового рецепта для производства. Тем не менее, многие альтернативы, такие как водопадная модель, ещё хуже, поскольку обычно создают иллюзию рациональности и контроля. Высоко итеративный процесс является ключом к разработке числового рецепта, пригодного для промышленного использования.

7.3 Специалист по цепочкам поставок

В основе инициативы по количественной цепочке поставок находится Специалист по цепочкам поставок (SCS), который осуществляет подготовку данных, экономическое моделирование и составление отчётности по KPI. Умная автоматизация решений в цепочке поставок — конечный продукт работы SCS. SCS принимает на себя ответственность за генерируемые решения. SCS предоставляет человеческий интеллект, усиленный вычислительной мощностью машин.