Люди в современных цепях поставок

Joannes Vermorel

Цепи поставок являются сложными системами, возможно, одними из самых сложных, когда-либо созданных человечеством, охватывающими людей (множество), машины (разнообразные) и программное обеспечение (огромное количество). Взгляд, который я недавно опубликовал на DDMRP, вызвал довольно живое обсуждение. Это заставило меня задуматься о фундаментальных различиях между Количественным Управлением Цепью Поставок (QSCM) и DDMRP. В своей сущности, эти две концепции глубоко различаются в отношении роли людей в цепях поставок.

QSCM твердо укоренено в классическом видении IBM:

машины должны работать; люди должны думать;

В отличие от этого, DDMRP принимает массовую образовательную позицию, лучше всего выраженную своим девизом:

создано для людей, а не для совершенства;

В то время как философское отношение к людям в цепях поставок не объясняет все различия между QSCM и DDMRP, оно проливает свет на то, почему эти две концепции в некоторой степени несовместимы.

Недостаток против изобилия специалистов в цепях поставок

Специалисты в области цепей поставок признаются ценным ресурсом для компании как DDMRP, так и QSCM. Однако, два подхода существенно отличаются в том, как этот аспект учитывается в их методологии.

QSCM исходит из гипотезы, что каждое мелкое решение в цепи поставок должно быть автоматизировано[^автоматизация]. Этот взгляд подчеркивает, что компетентные специалисты в области цепей поставок считаются слишком редкими и дорогостоящими, чтобы тратить свое время на генерацию решений по запасам, закупкам или ценообразованию. Все эти решения могут и должны быть автоматизированы, чтобы специалисты могли сосредоточиться на улучшении числового рецепта самого процесса. С финансовой точки зрения, QSCM превращает эти зарплаты из OPEX, где человеко-дни потребляются для поддержания функционирования системы, в CAPEX, где человеко-дни инвестируются в непрерывное улучшение системы.

Взгляд DDMRP исходит из гипотезы, что компетентных специалистов в области цепей поставок можно обучить массово[^массы], тем самым снижая как затраты для работодателя, так и фактор автобуса, связанный с уходом любого сотрудника. Кроме того, принятие числовых рецептов, специально разработанных для обработки человеком, позволяет снизить затраты на OPEX. DDMRP устанавливает процесс для генерации мелких решений в цепи поставок, но полная автоматизация в основном не является целью[^нетцели], хотя DDMRP не против автоматизации, когда появляется возможность.

Интересно, насколько наблюдаемым будет то, к какой перспективе движется отрасль: к QSCM или DDMRP. Если перспектива QSCM будет принята более широко, то команды по управлению цепями поставок будут развиваться, чтобы стать похожими на другие “талантливые” отрасли, например, финансы с их “квантовыми трейдерами”, где несколько исключительно талантливых людей определяют успех крупных компаний. Напротив, если перспектива DDMRP будет принята более широко, то команды по управлению цепями поставок будут развиваться, чтобы стать похожими на успешные франшизы, например, менеджеры магазинов Starbucks, где исключительные личности имеют мало влияния на систему, но где превосходная “культура” делает всю разницу между компаниями.

Локальная против глобальной прозрачности

И QSCM, и DDMRP стремятся избежать “эффекта черного ящика”, который присущ любой попытке оптимизировать сложную систему. Оба подхода ценят идею достижения определенной степени “прозрачности цепи поставок”; однако из-за различных исходных предположений оба подхода имеют сильно отличающиеся взгляды на то, что подразумевается под “прозрачностью”.

С точки зрения QSCM, прозрачность должна быть достигнута прежде всего на уровне “управления” через явно определенные “экономические факторы”¹. Каждое решение, принимаемое системой, должно быть подкреплено рядом факторов, измеряемых в денежных суммах (например, долларах), которые объясняют “почему” это решение предлагается. Например, решение о закупке обусловлено дополнительной маржой, которая будет сгенерирована наличием некоторого дополнительного запаса (в отличие от его отсутствия), но также отрицательно влияет на затраты на хранение и повышенный риск списания запасов. Управление контролирует экономические факторы, и на уровне системы QSCM является высоко прозрачным: система просто масштабирует сложные, но обыденные последствия этих факторов. Однако недостатком такой системной оптимизации является то, что расшифровка мелких деталей любого конкретного решения сложна, именно потому, что каждое решение является сложным балансом множества факторов, оцениваемых с учетом множества возможных будущих сценариев.

С точки зрения DDMRP, прозрачность предназначена и достигается на “операционном” уровне. Простота числовых формул обеспечивает возможность оценить каждое решение как правильное, просто “прикинув”, каким должен быть результат. Кроме того, всегда можно воспроизвести вычисления в таблице. Кроме того, с помощью списков приоритетов DDMRP смягчает врожденную сложность цепей поставок, предоставляя механизм внимания практикам управления цепями поставок, чтобы они не тратили время на ручную проверку всех SKU каждый раз. Однако недостатком стратегии “локальной” оптимизации, предлагаемой DDMRP, является то, что системные результаты, измеряемые в денежных суммах, непрозрачны. Например, DDMRP не предоставляет управлению возможности настроить системный компромисс, такой как устойчивость против роста², при рассмотрении риска резкой потери крупного и растущего клиента, который до сих пор заказывал различные товары в различных количествах.

Невозможно иметь одновременно “локальную” и “глобальную” прозрачность: либо решения оптимизированы “локально” (как в DDMRP) с помощью простых числовых формул, в этом случае нет контроля и прозрачности в отношении того, что происходит на уровне системы; либо решения оптимизированы “глобально”, в этом случае все решения склонны быть численно связанными, как это происходит с QSCM, что усложняет любую попытку достичь прозрачности при выборе одного решения в отрыве от других.