Люди в современных цепочках поставок
Цепочки поставок — это сложные системы, возможно, одни из самых сложных, когда-либо созданных человечеством, объединяющие людей (многочисленных), машины (разнообразные) и программное обеспечение (в огромном количестве). Недавно моя публикация по DDMRP вызвала довольно оживлённую дискуссию. Это побудило меня ещё больше задуматься о фундаментальных различиях между Количественным управлением цепями поставок (QSCM) и DDMRP. В своей основе эти две концепции принципиально расходятся во взглядах на роль человека в цепочках поставок.
QSCM прочно основан на классическом видении IBM:
машины должны работать; люди должны думать;
В то же время, DDMRP придерживается позиции массового образования, которую лучше всего резюмирует его девиз:
создано для людей, а не для совершенства;
Хотя философская позиция в отношении человека в цепочках поставок не объясняет всех различий между QSCM и DDMRP, она проливает свет на то, почему эти два подхода в известной степени несовместимы.

Скудность против изобилия специалистов по цепям поставок
Специалисты по цепям поставок признаются ценным ресурсом для компании как в DDMRP, так и в QSCM. Однако эти два подхода существенно различаются в том, как этот аспект учитывается в их методологиях.
QSCM исходит из гипотезы, что каждое рутинное решение по цепям поставок должно автоматизироваться1. Эта точка зрения подчёркивает, что компетентных специалистов по цепям поставок считают слишком редкими и слишком дорогими, чтобы они тратили своё время на создание решений в области запасов, закупок или ценообразования. Все эти решения могут и должны автоматизироваться, чтобы специалисты могли сосредоточиться на улучшении числового алгоритма в целом. С финансовой точки зрения, QSCM преобразует эти зарплаты из OPEX, где человеко-дни тратятся на поддержание работы системы, в CAPEX, где человеко-дни вкладываются в её постоянное совершенствование.
Подход DDMRP исходит из гипотезы, что компетентных специалистов по цепям поставок можно обучить массово2, что снижает затраты для работодателя и уменьшает коэффициент автобуса, связанный с уходом любого сотрудника. Кроме того, благодаря использованию числовых алгоритмов, специально адаптированных для обработки человеком, затраты на OPEX могут быть сокращены. DDMRP устанавливает процесс формирования рутинных решений по цепям поставок, но достижение полной автоматизации в основном не является целью3, хотя DDMRP не против автоматизации, когда представляется возможность.
Интересно, что направление, в котором движется отрасль — к перспективе QSCM или DDMRP — должно в определённой степени быть заметно. Если перспектива QSCM будет принята шире, то команды управления цепями поставок превратятся в нечто похожее на другие отрасли, ориентированные на талант, например, финансы с их количественными трейдерами, где несколько исключительно талантливых специалистов определяют эффективность крупных компаний. Напротив, если перспектива DDMRP будет принята шире, то команды по управлению цепями поставок будут развиваться подобно успешным франшизам — например, менеджеры магазинов Starbucks — где исключительные личности оказывают незначительное влияние на систему, а превосходная культура играет решающую роль между компаниями.
Локальная против глобальной прозрачности
И QSCM, и DDMRP стремятся избежать эффекта чёрного ящика, присущего любой попытке оптимизации сложной системы. Оба подхода ценят идею достижения определённого уровня прозрачности цепей поставок; однако, из-за различных первоначальных предположений, они в итоге формируют принципиально разные представления о том, что означает прозрачность.
С точки зрения QSCM, прозрачность должна достигаться прежде всего на уровне управления посредством явных количественных экономических драйверов4. Каждое решение, принимаемое системой, должно подкрепляться рядом драйверов — измеряемых в денежных единицах (например, долларах) — которые обосновывают, почему было принято то или иное решение. Например, решение о закупке мотивируется дополнительной маржей, которая будет получена за счёт наличия избыточного запаса (в отличие от его отсутствия), но при этом негативно влияет стоимость запасов и повышенный риск списания запасов. Руководство контролирует экономические драйверы, и на уровне системы QSCM является чрезвычайно прозрачным: система просто масштабирует сложные, но рутинные следствия этих драйверов. Однако недостатком такой системной оптимизации является то, что расшифровка мельчайших деталей любого отдельного решения осложнена тем, что каждое решение представляет собой сложный баланс множества драйверов, оцениваемых с учётом множества возможных вариантов развития.
С точки зрения DDMRP, прозрачность подразумевается и реализуется на операционном уровне. Простота числовых алгоритмов гарантирует, что каждое решение можно легко оценить как корректное, просто примерно определив, каким должен быть результат. Кроме того, возможность воспроизвести расчёты в таблице всегда сохраняется. Более того, с помощью списков приоритетов DDMRP сглаживает присущую цепям поставок сложность, предоставляя механизм фокусировки для специалистов, чтобы им не приходилось постоянно вручную пересматривать все SKU. Однако недостатком стратегии локальной оптимизации, предлагаемой DDMRP, является то, что системные результаты, измеряемые в денежных единицах, остаются непрозрачными. Например, DDMRP не предоставляет руководству возможности корректировать системный компромисс, такой как устойчивость против роста5, при оценке риска внезапной потери крупного и быстрорастущего клиента, который до этого заказывал разнообразные продукты в различных количествах.
Невозможно иметь одновременно и локальную, и глобальную прозрачность: либо решения оптимизируются локально (как в DDMRP) с помощью простых числовых алгоритмов, в этом случае отсутствует контроль и прозрачность того, что происходит на уровне системы, либо решения оптимизируются глобально, что приводит к числовой взаимосвязанности всех решений, как это происходит с QSCM, усложняя попытки достичь прозрачности при разборе одного отдельного решения.
-
Числовые алгоритмы, предложенные в DDMRP, являются простыми и доступны даже при минимальном или полном отсутствии технической подготовки. В отличие от них, количественные цепочки поставок опираются на специалистов по цепям поставок, что требует довольно высокого уровня навыков, объединяющего деловую хватку и программирование. ↩︎
-
Если говорить с числовой точки зрения, DDMRP следует двухэтапному процессу: во-первых, устанавливаются точки декуплинга; во-вторых, запускаются потоки на основе числовых приоритизаций. Если бы полной автоматизацией была целью DDRMP, то точки декуплинга вычислялись бы автоматически. Однако, если точки декуплинга вычисляются автоматически, нет необходимости уделять какое-либо внимание этим точкам, так как они представляли бы лишь временное состояние общего вычисления. DDMRP конкретизирует свои точки декуплинга именно потому, что они не являются строгим результатом числового алгоритма. ↩︎
-
Один из способов сделать цепочку поставок более устойчивой к потере крупного клиента заключается в снижении запасов, полностью обусловленном заказами этого клиента. Однако, если этот уже крупный клиент продолжает расти, уменьшение запасов подвергает будущий рост риску. В этой ситуации существует фундаментальный компромисс между предпочтением устойчивости или роста. Этот компромисс сказывается практически на каждом решении в цепочке поставок. ↩︎