Когда операционное исследование встречается с реальной цепочкой поставок
Большинство людей, узнав, что я работаю с «количественной цепочкой поставок», предполагают, что я занимаюсь операционными исследованиями. В определённом смысле они правы: я глубоко увлечён математическими моделями, оптимизацией и использованием данных для поддержки принятия решений. Однако за последние два десятилетия, работая с компаниями от модной индустрии до аэрокосмической отрасли, я довольно сильно отошёл от того, что сегодня считается мейнстримом операционных исследований.
В моей недавней книге Введение в цепочку поставок, я попытался собрать воедино то, как я сейчас воспринимаю потоки товаров, неопределённость и принятие решений. Это эссе является более целенаправленным дополнением: я хотел бы объяснить, как эволюционировала моя точка зрения, почему я рассматриваю цепочку поставок прежде всего как прикладную экономику, а не как прикладную математику, и в чём, на мой взгляд, современные методы операционных исследований одновременно помогают и вводят в заблуждение специалистов.
То, что обещали операционные исследования
Исторически операционные исследования имели поразительно прагматичную задачу. Во время Второй мировой войны учёные и инженеры собирались в специальные команды, чтобы помогать операторам радаров, планировщикам конвоев и командирам бомбардировщиков принимать лучшие решения. Ранний учебник Морса и Кимболла определял эту область как «научный метод предоставления исполнительным ведомствам количественной основы для принятия решений относительно операций, находящихся под их контролем». Важные слова здесь – «операции» и «решения». Цель состояла не в доказательстве теорем, а в изменении того, что флоты и заводы действительно делали в понедельник утром.
Этот дух пережил первые послевоенные десятилетия. Операционные исследования по-прежнему описывались как научный, количественный подход к принятию решений, когда мы строим модели реальных ситуаций и используем их для направления действий. Современные обзоры, подготовленные такими организациями, как IFORS, до сих пор подчёркивают этот взгляд: операционные исследования используют анализ данных, математическое моделирование и оптимизацию, чтобы помочь менеджерам выбирать между альтернативами. На бумаге это почти именно то, чего я хочу для цепочки поставок.
Однако способ, которым эти идеи обычно воплощаются в практику сегодня, кажется совершенно иным.
Как мейнстрим выглядит с точки зрения оператора цепочки поставок
Когда я встречаю людей, обученных операционным исследованиям, мы обычно соглашаемся в определении проблемы. Есть решения, которые нужно принять (что покупать, производить, перемещать, устанавливать цены), ограничения, которым следует подчиняться (пропускная способность, нормативы, сроки поставки), и цель, которую необходимо оптимизировать. В учебниках и во многих консультационных проектах это превращается в знакомый шаблон: определить переменные решений, записать ограничения, выбрать цель и подать всё это в универсальный решатель. Линейное и смешанное целочисленное программирование являются центральными инструментами, а симуляции и эвристики вращаются вокруг них.
В этом шаблоне по сути нет ничего неправильного. Он отлично работает в таких задачах, как проектирование сетей или стратегическое планирование мощностей, когда вы действительно хотите выбрать конфигурацию один раз и использовать её годами. Он также имеет смысл в строго регулируемых промышленных условиях, где физика процесса хорошо понятна, а неопределённость невелика.
Проблемы начинаются, когда этот же способ мышления переносится, почти без изменений, в крайне динамичные и неопределённые цепочки поставок: электронную коммерцию, моду, запасные части, потребительскую электронику, продукты питания. В таких условиях я регулярно наблюдаю три сбоя.
Во-первых, функция цели редко выражается в денежном эквиваленте. Мы оптимизируем затраты с соблюдением заданного уровня обслуживания, или максимизируем оценку обслуживания с учётом ограничений по мощности, или минимизируем погрешность прогноза, как будто она ценна сама по себе. Часто отсутствует единый денежный учет, в котором отсутствия запасов, излишки, расходы на обработку, затраты на капитал и все другие издержки и выгоды выражены в сопоставимых единицах. Без такого учёта люди вечно спорят о «компромиссах», но никто не может по-настоящему решить, что из этого важнее.
Во-вторых, неопределённость рассматривается как нечто второстепенное. Прогнозы выдаются в виде единичных чисел, а любое признание вариативности сворачивается в коэффициенты безопасности или буферы, выбираемые скорее по привычке, чем по точной калибровке. Однако в большинстве компаний, с которыми я сталкиваюсь, прибыль или убыток за сезон определяются относительно редкими событиями: неожиданно вспыхнувшей тенденцией, забастовкой у ключевого поставщика, чередой неблагоприятной погоды в неподходящее время. Сведение неопределённости к одному «наиболее вероятному» значению и тонкому слою предосторожности – это вежливый способ притвориться, что этой реальности не существует.
В-третьих, время воспринимается как плановый горизонт, а не как последовательность возможностей для пересмотра. Мы составляем месячный или квартальный план, проводим масштабную оптимизацию ночью и затем воспринимаем результат как сценарий, которому нужно следовать. Тот факт, что завтра утром мы будем знать больше, чем знаем сегодня, и что, по существу, можем провести повторную оптимизацию, признаётся, но не используется систематически.
С расстояния всё это по-прежнему выглядит как операционные исследования. С точки зрения оператора цепочки поставок это ощущается странно оторванным от проблем, которые на самом деле приносят прибыль или убытки.
Почему я рассматриваю цепочку поставок как прикладную экономику
Мой собственный опыт в математике и информатике привёл к тому, что в течение многих лет я пытался решать проблемы цепочки поставок с помощью стандартного набора инструментов: прогнозов, страховых запасов, минимизации затрат, ограничений сервиса, умных алгоритмов. Постепенно, клиент за клиентом, становилось очевидно, что я решаю не ту проблему.
Настоящая проблема специалистов по цепочке поставок заключается не в нехватке моделей, а в отсутствии чёткого экономического взгляда. Они располагают ресурсами, которые являются как дефицитными, так и универсальными: запасами, которые можно распределить по разным направлениям, машинами, способными производить различные товары, транспортом, обслуживающим множество каналов. Каждый день перед ними встаёт больше возможностей, чем они могут учесть. Они работают в условиях глубокой неопределённости, особенно в отношении спроса и сроков поставки. А в итоге их оценивают в денежных единицах.
Как только вы примете это, цепочка поставок перестанет выглядеть как отрасль прикладной математики и станет больше похожа на отрасль прикладной экономики. Центральный вопрос становится следующим: учитывая то, что мы знаем, и что можем разумно ожидать, какие сегодняшние действия, вероятно, принесут больше экономической ценности, чем затрат?
Эта точка зрения имеет практические последствия.
Я стараюсь выражать каждый важный компромисс в денежных терминах, даже если цены сперва приблизительные. Издержки от упущенных продаж, стоимость устаревания, ценность свежести, бремя оборотного капитала, неудобства из-за заторов на причале – всё это можно перевести в цены за единицу или за определённое время. Как только это сведено к единой шкале, мы можем позволить математике сделать своё дело и ранжировать варианты решений по ожидаемому вкладу.
Я также настаиваю на том, чтобы неопределённость моделировалась явно там, где это имеет значение. Вместо того чтобы трактовать спрос как точечный прогноз с добавлением коэффициента безопасности, я хочу получить полное распределение возможных будущих исходов. То же самое касается сроков поставки, возвратов, надёжности поставщика, а иногда даже цен. Это не должно быть чем-то эзотерическим. Простые, хорошо откалиброванные вероятностные модели уже существенно меняют решения, поскольку позволяют увидеть, где располагаются хвосты распределения – редкие, но затратные сценарии.
Наконец, я рассматриваю решения в цепочке поставок как повторяющиеся ставки, а не как разовые планы. Каждый день поступает новая информация: продажи, задержки, сбои, возможности. Правильный вопрос звучит не «Каков оптимальный план на следующий квартал?», а «Учитывая то, что мы знаем прямо сейчас, и разумное представление о том, как может развиваться будущее, какие обязательства нам следует взять на себя сегодня, а какие отложить до получения дополнительной информации?» Способность сказать «не сейчас» и оставить ресурсы неиспользованными сама по себе является ценным вариантом.
Когда цепочка поставок рассматривается таким образом, операционные исследования все еще присутствуют, но в другой роли.
От решателей к механизмам принятия решений
Основной подход в операционных исследованиях часто ставит решатель в центр внимания. Мы формулируем математическую программу, передаём её универсальному решателю и оцениваем наш успех частично по размеру и сложности задач, которые можем решить. Чем сложнее ограничения и изощрённее алгоритм, тем успешнее мы чувствуем себя.
В своей повседневной работе я нахожу более продуктивным рассматривать решатель как один из компонентов более масштабного «механизма принятия решений». Этот механизм выполняет несколько функций.
Он должен обрабатывать неструктурированные, противоречивые данные предприятия и превращать их в целостное представление о мире: какие продукты существуют, где они находятся, как выглядят сроки поставки, каковы текущие обязательства. Он должен предоставлять вероятностные оценки соответствующих неопределённостей: спрос, предложение, возвраты, время транспортировки. Он должен вести денежный учёт всех важных затрат и выгод с чётким указанием владельца каждой цены. И он должен генерировать конкретные, машиночитаемые решения: заказы на закупку, перемещения, производственные заказы, изменения цен.
Внутри этого механизма мы, безусловно, используем алгоритмы оптимизации, включая классические. Но они уже не являются героями этой истории. Не менее важны решения о том, что оценивать в цене, что считать строгим ограничением, что трактовать как мягкое штрафное слагаемое, как часто проводить перерасчёт, как распределять последствия решений во времени и когда отказываться от действий из-за чрезмерной неопределённости.
С этой точки зрения, интересные вопросы дизайна ближе к экономике и архитектуре программного обеспечения, чем к чистой алгоритмике. Как мы можем удостовериться, что каждый важный компромисс внутри системы выражен в денежных единицах? Как сделать так, чтобы механизм можно было опровергнуть эмпирически, чтобы плохие решения можно было отследить до предположений, которые мы можем проверить и пересмотреть? Как сделать проведение экспериментов – сравнение новых механизмов с устоявшимися – недорогим, чтобы мы могли узнать, что действительно работает в конкретном бизнесе?
Эти вопросы операционные исследования не игнорируют, но они не находятся в центре внимания так, как представляет их современная институциональная практика.
Конструктивное разногласие: последовательные решения
В последние годы Уоррен Пауэлл выступает за «Аналитику последовательных решений» — концепцию, которая пытается объединить различные направления стохастической оптимизации, обучения с подкреплением и теории управления в единое целое для принятия решений во времени. Я уже писал отдельно о том, с чем я согласен в этом подходе, а с чем нет.
В общих чертах мы разделяем убеждение, что большинство интересных бизнес-задач являются последовательными: вы принимаете решение, мир меняется, вы наблюдаете, а затем принимаете новое решение. Моя точка расхождения заключается в том, что я делаю акцент на ценообразовании (оценке) как основном инструменте упрощения будущего до чего-то управляемого.
В цепочке поставок часто можно «выкупить» сложность долгосрочных последствий, выбрав сегодня соответствующие теневые цены. Например, если обслуживание клиента сегодня расходует запасы, которые могли бы быть более ценными для другого клиента завтра, это напряжение должно выражаться в виде цены за хранение или расход, а не как гигантское сценарное дерево, тянущееся на месяцы вперёд. Конечно, эти цены далеки от совершенства. Но дисциплина выражения их в денежных единицах способствует полезным обсуждениям: кто готов принять тот или иной компромисс и почему.
Как я понимаю, аналитика последовательных решений обычно начинается с детальной модели состояний, действий, переходов и целей, а затем ищет подходящие политики в рамках этой структуры. Моя практика начинается на один шаг раньше: с определения того, что должно оцениваться, что должно оставаться истинным ограничением и как долго мы будем нести ответственность за последствия принимаемого решения. Как только эти выборы сделаны, последовательный характер проблемы часто становится гораздо более управляемым.
Я воспринимаю это не как отказ от более широкого фреймворка, а как специфическую, продиктованную особенностями цепочки поставок, позицию в его рамках.
Куда это приводит операционные исследования
Со стороны может показаться, что я выступаю против операционных исследований. Но это не так. Я по-прежнему вижу огромную ценность в их инструментальном арсенале и в их исторических амбициях поддерживать реальные решения. Я просто считаю, что во многих контекстах цепочки поставок эта область слишком зациклилась на моделях, которые являются слишком детерминированными, статичными и оторванными от реальной экономики тех бизнесов, которым они должны помогать.
Если мы вернёмся к первоначальной цели – предоставить количественную основу для принятия решений об операциях – то, на мой взгляд, нам следует поступить иначе в трёх аспектах.
Мы должны рассматривать деньги, а не абстрактные КПИ, как основной язык компромиссов. Мы должны воспринимать неопределённость серьёзно – не как погрешность, а как первичный входной параметр. И мы должны принять тот факт, что большинство наших интересных задач не являются разовыми оптимизациями, а представляют собой непрерывную последовательность ставок, где возможность пересмотра и адаптации не менее важна, чем любое отдельное решение, которое мы сегодня примем.
В этом смысле моя работа не является бегством от операционных исследований, а попыткой восстановить их связь с неупорядоченной, неопределённой и глубоко экономической реальностью современных цепочек поставок.
