00:00:07 Планирование потребностей в материалах, управляемое спросом (DDMRP)
00:00:39 Основная идея DDMRP и традиционного МРП
00:02:21 Разделение времени выполнения в DDMRP и его влияние на цепочку поставок
00:05:42 Уравнение чистого потока в DDMRP и его эффективность
00:07:48 Важность различения известного и неизвестного спроса в DDMRP
00:09:00 Разделенная эксплозия и её последствия.
00:10:25 Ручной выбор точек развязки и опасения по поводу участия человека.
00:12:02 Важность числовой оптимизации, управляемой машиной.
00:14:00 Относительный приоритет DDMRP и проблемы с поддержанием основных допущений.
00:16:01 Критика оптимизации процентов вместо сосредоточения на экономических драйверах.
00:17:18 Сравнение эффективности DDMRP и Flow Casting.
00:18:37 Отсутствие дальнейших идей в DDMRP, когда убираются неэффективные числовые рецепты.
00:19:48 Полезность скользящего среднего в частотной области как вывод из DDMRP.
00:22:12 Заключительные мысли.
Резюме
В интервью Кирана Чендлера и Жоаннеса Вермореля обсуждают планирование потребностей в материалах, управляемое спросом (DDMRP), метод повышения эффективности цепочек поставок с помощью точек развязки или запасов. Хотя DDMRP имеет такие инновации, как стратегическая развязка, уравнение чистого потока, разделенная эксплозия и относительный приоритет, Верморель выражает опасения по поводу его зависимости от ручного вмешательства и акцента на оптимизации. Он подчёркивает необходимость автоматизации и приоритизации экономических драйверов над процентами. Верморель предполагает, что современные алгоритмы числовой оптимизации могли бы сделать DDMRP излишним, но признает его ценное наблюдение использования скользящих средних в частотной области для неустойчивых моделей спроса. В целом, он считает, что современные методы лучше подходят для оптимизации цепочек поставок.
Расширенное резюме
В этом интервью ведущий Кирана Чендлера обсуждает планирование потребностей в материалах, управляемое спросом (DDMRP), с Жоаннесом Верморелем, основателем Lokad, компании по разработке программного обеспечения, специализирующейся на оптимизации цепочек поставок. Они исследуют основную идею DDMRP, его практические применения и четыре ключевые инновации, которые он утверждает, что предлагает.
DDMRP — это метод многоступенчатого планирования и исполнения, направленный на повышение эффективности цепочек поставок за счет стратегического размещения точек развязки или запасов. Эти точки развязки созданы для того, чтобы помочь организациям преодолеть ограничения классического программного обеспечения для планирования потребностей в материалах (MRP), которое может испытывать трудности с точными расчётами для сложных цепочек поставок.
Верморель объясняет, что программное обеспечение MRP работает, представляя связи между различными компонентами и субкомпонентами продукта, например, автомобиля, в виде графа. Этот граф отражает зависимости между различными частями и помогает рассчитывать потребности для производства готового изделия. Однако программное обеспечение MRP часто страдает от недостатка точности и может давать плохие результаты.
DDMRP стремится преодолеть эти ограничения, вводя точки развязки в граф. Эти точки представляют компоненты или части, имеющие запас, что позволяет предположить, что они всегда доступны. Это позволяет рассчитывать сроки поставки, численно значительно более низкие, чем те, которые мог бы дать классический MRP. Верморель отмечает, что хотя этот подход может улучшить базовый уровень, заданный традиционным MRP, он всё ещё далёк от того, чего можно добиться с помощью современных числовых методов.
Одна из критик, которую выдвигает Верморель в адрес DDMRP, заключается в том, что, несмотря на то, что точки развязки могут сократить рассчитываемые сроки поставки, цепочка поставок всё ещё сохраняет значительную инерцию. Это означает, что, несмотря на видимые улучшения, фактическая производительность цепочки поставок может оказаться не такой оптимизированной, как кажется.
Стратегическая развязка включает введение точек в цепочке поставок, где сроки поставки можно сократить, тем самым уменьшая общий срок поставки. Верморель утверждает, что хотя этот подход может численно сократить сроки поставки, он незначительно уменьшает инерцию всей сети. Проблема заключается в семантическом вопросе понимания того, как точки стратегической развязки влияют на цепочку поставок в целом.
Уравнение чистого потока, второй пункт обсуждения, является упрощённым методом поддержания буферных точек в цепочке поставок. Оно учитывает имеющиеся запасы, вычитая гарантированный спрос или квалифицированные единицы, чтобы определить остаток запасов для удовлетворения неопределённого спроса. Верморель считает, что DDMRP (Планирование потребностей в материалах, управляемое спросом) правильно разделяет известный и неизвестный спрос. Многие ранние реализации ERP (системы планирования ресурсов предприятия) наивно прогнозировали весь спрос, включая ту часть, которая уже гарантирована. Верморель утверждает, что этот подход фундаментально ошибочен, поскольку пытается предсказать будущее, которое уже известно, что приводит к трудностям в прогнозировании.
Третья ключевая инновация, обсуждаемая — это разделённая эксплозия, которая касается последствий введения двух типов узлов в графе цепочки поставок: основных узлов и точек развязки. Точки развязки — это места в цепочке поставок, где распространение сроков поставки останавливается в расчётах (но не в реальности), и поддерживается определённый уровень запасов. Разделённая эксплозия подразумевает упрощение ведомости материалов (BOM) путём пропуска второстепенных узлов и прямого подключения к точкам развязки. Это упрощение графа направлено на оптимизацию процесса цепочки поставок.
Верморель выражает обеспокоенность зависимостью от ручного вмешательства в управление цепочкой поставок, особенно когда речь идёт о введении “Yokai” в граф для смягчения нелепых последствий упрощённых числовых рецептов. Он объясняет, что специалисты по цепочке поставок часто отвечают за выбор точек развязки, которые могут быть нестабильными или непоследовательными со временем. Это связано с постоянно меняющейся природой среды цепочки поставок, а также с возможностью того, что поставщики будут менять свои стратегии или местоположения.
В обсуждении подчеркивается необходимость автоматизации этого процесса, поскольку полагание на ручное вмешательство может привести к неэффективности и неточностям. Верморель отмечает, что ручной выбор точек развязки для сложных продуктов с тысячами деталей — не самое разумное использование времени специалистов. Это особенно актуально, учитывая, что рыночные условия постоянно меняются, что затрудняет точное прогнозирование или учёт каждой переменной.
Перейдя к концепции относительного приоритета в управлении цепочкой поставок, Верморель объясняет, что это включает ранжирование позиций по целевым объёмам запасов. Хотя этот метод имеет свои достоинства, он считает, что эффективнее будет ранжировать позиции на основе их экономической силы. Введение узлов первого класса в стиле DDMRP (планирование потребностей в материалах, управляемое спросом) или точек развязки в граф цепочки поставок основывается на предположении, что запасы всегда доступны. Когда это предположение нарушается, вся система может подвести.
Относительные приоритеты призваны решить эту проблему путём приоритизации позиций, которые наиболее отклоняются от основного предположения о постоянной доступности. Хотя Верморель признаёт, что это разумная часть общей методологии, он также указывает, что она всё же включает элемент ручного вмешательства и ранжирования, что может быть не самым эффективным или точным подходом.
Они обсуждают эффективность планирования потребностей в материалах, управляемого спросом (DDMRP) в оптимизации цепочек поставок. Верморель критикует DDMRP, утверждая, что он сосредоточен на оптимизации процентов, а не финансовых аспектах, таких как стоимость запасов, отходы и недоступные услуги. Он считает, что решения в цепочке поставок должны расставляться приоритетно в соответствии с общими бизнес-целями, выраженными как экономические драйверы.
Верморель сравнивает DDMRP с flowcasting, заявляя, что, хотя у flowcasting есть фундаментально некорректная математика, он предлагает ценные идеи, которые останутся актуальными даже после исправления математики. С другой стороны, DDMRP рассматривается как постепенное улучшение на основе ошибочной базы. Верморель предполагает, что использование современных алгоритмов числовой оптимизации сделает DDMRP излишним.
Несмотря на критику, Верморель отмечает один положительный аспект DDMRP: использование скользящих средних в частотной области, а не во временной. Он объясняет, что усреднение спроса за фиксированный период (временная область) менее эффективно, чем усреднение спроса за последние 100 обслужённых единиц (частотная область). Этот подход ведёт себя более устойчиво с числовой точки зрения при работе с неустойчивыми и резкими паттернами спроса. В заключение Верморель видит ценность в анализе в частотной области в DDMRP, но считает, что современные методы числовой оптимизации лучше подходят для оптимизации цепочек поставок.
Полная стенограмма
Kieran Chandler: Сегодня на Lokad TV мы попробуем понять, работает ли этот метод на практике, рассмотрев четыре ключевые инновации. Итак, Жоаннес, мы немного коснулись этой темы во вводной части, но в чём же заключается основная идея DDMRP?
Joannes Vermorel: Основная идея заключается в том, что вы начинаете с очень классической перспективы MRP, где всё сводится к анализу графа зависимостей. Чтобы прояснить для слушающих, допустим, вы хотите собрать готовый продукт, например, автомобиль. Вам нужны детали, но детали для автомобиля сами по себе являются сборками, которым также нужны компоненты. Таким образом, у вас получается иерархия компонентов, как, например, автомобиль, которому нужен кондиционер, а кондиционеру — насос, клапан и так далее. Если подумать о продукте и всех деталях, которые он требует, это по сути математический граф, похожий на схему метро с линиями.
Этот граф начинается с готового изделия вверху и разветвляется на субкомпоненты, а затем каждый компонент имеет свои суб-субкомпоненты и так далее, рекурсивно. Если у вас очень сложный продукт, вы можете иметь весьма сложный граф, представляющий все детали вплоть до самых базовых материалов. Программное обеспечение для планирования производственных ресурсов (MRP) сначала представляет эту информацию, таким образом отображая граф зависимостей. Затем оно выполняет серию расчётов, чтобы помочь вам произвести и реализовать все эти требования для получения готового продукта. Как правило, оно не справляется с выполнением многих таких расчётов, и DDMRP предлагает ряд рецептов, чтобы улучшить эту работу.
Kieran Chandler: Так как же это на самом деле работает на практике, и можно ли сказать, что это своего рода упрощение?
Joannes Vermorel: Первая инновация, которую они претендуют, — это разделение сроков поставки. Мы должны понимать, что их базовый уровень для улучшения — это бессмысленные числовые рецепты, невероятно наивные с точки зрения числовой оптимизации. Если вы правильно выберете точки развязки, вы улучшите ситуацию по сравнению с очень слабой базой. Вы становитесь менее дисфункциональными, но это не значит, что вы приближаетесь к тому, чего можно достичь с реальными современными числовыми методами.
Ключевая идея точек развязки заключается в том, что вместо того, чтобы каждый узел был одинаков с любым другим, мы решаем, что есть узлы первого класса — точки развязки, а также узлы второго класса, где развязки нет. В каждой точке, где происходит развязка, эта деталь или компонент будет иметь запас, и, следовательно, можно предположить, что он всегда доступен. Вместо того чтобы идти самым длинным путём для производства, вы идёте самым длинным путём до производства, пока не достигнете одной из этих точек развязки.
Но моя первая критика разделения сроков поставки заключается в том, что, да, когда вы вводите эти точки развязки, вы действительно получаете срок поставки, численно значительно меньший. Однако ваша цепочка поставок всё ещё обладает гораздо большей инерцией. Вы изменили способ вычисления срока поставки, введя эти точки развязки.
Kieran Chandler: Но инерция всё ещё сохраняется, мы уже за пределами того, о чём вы говорите. Так что вот почему утверждают, что мы ввели стратегические точки развязки и можем сократить срок поставки на 80%. Численно говоря, срок поставки оказывается намного короче, но в реальности инерция всей сети не сокращается настолько, насколько это наблюдается в этих точках развязки. Здесь возникает семантическая проблема, к которой, возможно, я ещё вернусь в концепциях. Перейдём ко второму этапу в DDMRP — уравнению чистого потока. Это, по сути, способ поддержания этих буферных точек и использования, например, предзаказов, то, что мы уже знаем, что произойдёт. Насколько хорошо это работает на практике?
Joannes Vermorel: Уравнение чистого потока действительно имеет некоторый смысл. Это невероятно упрощённое уравнение: имеющийся запас минус уже гарантированный спрос, то, что они называют квалифицированными единицами. Таким образом, остающийся запас предназначен для удовлетворения неопределённого спроса. Уравнение чистого потока даёт вам количество запаса, которое остаётся для покрытия того, что уже не является чисто вопросом выполнения, поскольку вы уже знаете, что оно наступит практически без неопределённости.
Я думаю, что DDMRP правильно различает уже известные вещи и неизвестное. Например, если у вас есть сложный производственный процесс, и вы, возможно, обслуживаете других промышленных клиентов, и клиент может сказать вам через два месяца: “Я хочу, чтобы в этот день было доставлено тысяча единиц”, и у вас есть время для этого, то на данном этапе вам нужно выполнить эту поставку. Здесь не используется прогнозирование. Если ваши сроки исполнения менее двух месяцев, то по сути это чистый вопрос исполнения без какой-либо неопределенности.
Конечно, люди всё ещё могут отменить свои заказы и тому подобное, но допустим, что это достаточно безопасно. Это сильно отличается от ситуации, когда, возможно, через два месяца появляется клиент, который фактически заказывает тысячу единиц. Я считаю, что DDMRP совершенно правильно утверждает, что не стоит пытаться применять настолько наивный подход, который предполагает прогнозирование всего, в том числе и того, что вы уже знаете.
Вопрос в том, почему они вообще это утверждают? Дело в том, что большинство ERP-систем, многие их первые реализации, использовали невероятно наивные методы. Они говорили: “Мы просто пойдём по лёгкому пути, который, по сути, является глупым”, и прогнозировали спрос целиком, включая ту часть, которая уже гарантирована. Но это очень глупо, потому что вы пытаетесь предугадать будущее, которое уже известно, и знаете что? Прогнозировать очень сложно. Поэтому, если вы что-то знаете о будущем, даже не стоит пытаться использовать статистику для его обнаружения — вы уже это знаете.
Киран Чендлер: Если мы перейдём к третьей ключевой инновации, то этот так называемый “развязанный взрыв” звучит действительно драматично. Что здесь происходит?
Йоаннес Верморель: Это ещё одно следствие введения двух типов узлов в вашем графе требований. Помните, мы ввели мастер-узлы, которые являются точками развязки, то есть точками, останавливающими распространение сроков исполнения в расчётах, а не в реальности, и это те точки, где вы захотите обеспечить определённый уровень запасов. Они утверждают, что вместо того чтобы материалл-состав распространялся от узла к узлу напрямую, говоря: “Я беру материалл-состав и он распространяется на мои родительские узлы, субкомпоненты, которые
Киран Чендлер: Мои родительские узлы, субкомпоненты, которые мне нужны для сборки конечного продукта, я говорю, что когда происходит развязка, они утверждают, что материалл-состав, мы просто полностью пропустим все узлы второстепенных элементов и перейдём напрямую к точкам развязки. Таким образом, это, в некотором роде, техника упрощения графа. То есть, это основано на иерархии в графе, которая была введена с узлами первостепенных и второстепенных элементов. И кто же на самом деле выбирает эти узлы первостепенного класса, если, например, речь идёт об самолёте, у которого миллионы различных уровней? То есть, кто же принимает эти решения?
Йоаннес Верморель: Практики в области цепочки поставок, что для меня тоже является большой проблемой. Потому что, по сути, да, вы можете вручную ввести иерархию в графе, чтобы как бы смягчить бессмысленные последствия слишком упрощённых числовых рецептов. Так что, да, это как бы срабатывает. Но действительно, вы сталкиваетесь с тем, что специалистам по цепочке поставок приходится вручную вводить такие точки развязки. И знаете что? Это на самом деле не стабильно. Хороший выбор этих точек развязки не является чем-то застывшим. Почему? Потому что если есть деталь, которую вы решаете вынести за пределы, знаете, купить у поставщика или у поставщика, который находится ближе, или, наоборот, намного дальше, вы можете существенно изменить то, что происходит вокруг того, от чего зависит эта деталь в вашей сети цепочки поставок.
Таким образом, ваши точки развязки технически, даже если введение такой иерархии в графе как-то работает, не могут считаться стационарными, и нет оснований полагать, что можно выбрать их один раз и они будут работать вечно. С моей точки зрения, это должно выполняться полностью автоматически. Знаете, речь идёт о числовых рецептах, и мы говорим, что у нас есть дисфункциональный числовой рецепт, и утверждаем, что при наличии множества человеческих инсайтов и корректировок мы можем сделать числовой рецепт немного лучше.
Киран Чендлер: Ладно, в общем, когда люди вмешиваются, мы всегда как-то всё портим.
Йоаннес Верморель: Да, но к тому же это не самое эффективное использование времени этих специалистов. То есть, как вы описывали, если у вас сложный продукт с тысячами деталей, зачем вы хотите инвестировать, возможно, сотни, если не тысячи человеко-часов ваших экспертов по цепочке поставок, чтобы вручную выбирать эти точки развязки? Можно сказать: “О, у них такие невероятные инсайты”, верно? Но на практике всё очень шумно. Тысячи деталей, рыночные условия постоянно меняются, не обязательно радикально, но, по крайней мере, немного постоянно. Поэтому нам нужно это обновлять. Это то, что должно выполняться машиной. Знаете, здесь нет никакой добавленной ценности. Это чистый случай числовой оптимизации.
Киран Чендлер: Ладно, перейдём к последней инновации, которая называется относительным приоритетом. По сути, всё дело в ранжировании с точки зрения целевого количества запасов, и, насколько я понимаю, здесь есть серьёзная критика. Мы бы предпочли ранжировать по экономическим показателям, вы согласны с этим?
Йоаннес Верморель: Да, но опять же, есть несколько моментов. Во-первых, почему вообще вводятся эти относительные приоритеты? То есть, сначала они исходят из идеи, что классический MRP смотрит на вещи бинарно, типа “Всё в порядке или не в порядке?” И говорят: “Почему? Потому что это, знаете ли, примитивно, супер примитивно.” И ответ таков: да, это примитивно до такой степени, что
Киран Чендлер: Это совершенно абсурдно и, опять же, ещё в 50-х годах специалисты по числовой оптимизации уже делали вещи, которые были умнее этого. Так что, базовый уровень был очень, очень плохим. Ладно, теперь весь стиль DDMRP вводит узлы первостепенных элементов, называемые точками развязки в вашем графе, и с этим связано одно допущение, а именно, что запас всегда доступен. Поэтому, когда это допущение нарушается, очевидно, всё разваливается, потому что ваш “развязанный взрыв” построен на этом допущении, ваши декомпозированные временные горизонты основаны на нём. Так что, вам по сути нужно вернуть вашу систему цепочки поставок в соответствие с вашим базовым допущением, и в основном, относительные приоритеты по цене говорят, что вы должны действовать быстро в отношении тех пунктов, которые максимально отклоняются от вашего основного допущения, которым является постоянная доступность для этих точек развязки.
Йоаннес Верморель: Это действительно хорошо, имеет смысл, это часть рецепта. Но также, знаете что, в итоге вы получаете приоритезацию, которая отчасти неверна. Я оспариваю саму мотивацию, мотивацию вернуть систему в соответствие с допущением, что для работы вам нужен DDMRP. Это как змея, которая ест свой хвост. Вы вводите методологию, эта методология предполагает определённые допущения, а ваши числовые расчёты не гарантируют, что эти допущения будут сохраняться на протяжении работы системы. Поэтому нужно вносить корректировки, чтобы создать своего рода механизм обратной связи, чтобы можно было вернуться в соответствие с вашими собственными допущениями. Но это не означает, что мы возвращаемся к тому, что соответствует конечной цели бизнеса, и вот в чём моя критика. Вы проводите оптимизацию по процентам, таким как процент точности, процент выполнения, процент уровня сервиса, что опять-таки — оптимизация в процентах встречается редко. Вы хотите иметь проценты в евро, что связано с конечной перспективой, такой как стоимость запасов, стоимость потерь, стоимость неоказания сервиса. А с другой стороны, у вас есть все затраты и выгоды от обслуживания клиентов вовремя.
Таким образом, я полностью согласен с идеей приоритизации решений, но совершенно не согласен с тем, чтобы приоритизировать решения лишь для того, чтобы возвращаться к вашей методологии. Вам нужно приоритизировать решения таким образом, чтобы они соответствовали общим бизнес-целям, выраженным через экономические факторы для всего бизнеса. То есть тому, что в целом обеспечивает ваша цепочка поставок.
Киран Чендлер: Ладно, теперь давайте подведём итоги. Мы описали множество недостатков DDMRP. Стоит ли полностью отвергать эту методику?
Йоаннес Верморель: Это интересно, потому что на прошлой неделе мы обсуждали flow casting. В случае с flow casting математика была драматически неверной, и, таким образом, они даже ухудшали ситуацию по сравнению с базовым уровнем, который был довольно плох. Но некоторые идеи, которые у него были, были глубоко правдивыми и фактически смогли бы сохраниться, если бы мы исправили математику, чтобы всё работало. Забавно, потому что DDMRP — это, своего рода, противоположность. Это по сути что-то, что работает по наращиванию поверх очень, очень плохого базового уровня. Если отступить и сказать: вместо того чтобы пытаясь заклеить что-то очень плохое скотчем, давайте сразу начнём с прочных основ, а именно правильно выполнять числовую оптимизацию с использованием соответствующих алгоритмов, таких как надлежащие вероятностные алгоритмы на основе графов. Тогда я не уверен, что как только вы перейдёте на надлежащую современную числовую платформу для оптимизации, потому что суть в том, что классические MRP-системы на самом деле ничего не оптимизируют в современном понимании, где вы действительно
Киран Чендлер: Делая всё это, чтобы по сути заклеить глубоко дисфункциональные числовые рецепты, что же остаётся, если убрать эти дисфункциональные числовые рецепты?
Йоаннес Верморель: Ответ — очень, очень мало. Вот почему, например, flow casting был совершенно другим: если убрать дисфункциональные числовые части flow casting, оставшиеся элементы оказываются глубоко интересными, и я считаю их глубоко правильными. DDMRP, наоборот, гораздо меньше.
Киран Чендлер: Если бы мы хотели закончить на более позитивной ноте, есть ли какие-нибудь идеи, которые DDMRP даёт, и которые на самом деле довольно хороши?
Йоаннес Верморель: Да, я считаю, что одной из них является то, что скользящее среднее работает, и оно даже часто работает лучше в частотной области, нежели во временной. Давайте рассмотрим это ещё раз. Для тех из вас, кто, возможно, изучал на инженерном факультете преобразование Фурье, известно, что вы можете исследовать временные ряды как во временной, так и в частотной областях. Это очень часто применяется в акустике.
Когда люди думают о прогнозировании спроса, скользящее среднее может работать, когда спрос является стационарным. Обычно, когда речь идёт о прогнозах на основе скользящего среднего, люди подразумевают анализ во временной области. Так что это означает? Усреднение спроса за последние несколько недель — это фиксированный период; это и есть моя временная область.
Частотная область же предполагает, что вместо усреднения за последние несколько недель, где три недели фиксированы, я скажу: “Я буду усреднять спрос за последние 100 отгруженных единиц.” Хорошая новость заключается в том, что этот метод с последними 100 единицами будет вести себя численно гораздо стабильнее в условиях сверхнепредсказуемого и резкого спроса.
Скользящее среднее в частотной области действительно интересно. Кстати, DDMRP с этими буферами на самом деле использует прогнозы — скользящие средние прогнозы, выполненные в частотной области, а не во временной. Они как бы его переоткрыли, и это очень хорошее наблюдение. Очень ценно, что анализ в частотной области работает и имеет глубокие последствия для цепочки поставок. Это очень интересный подход к оптимизации.
Я думаю, что это и есть тот подход. Я не уверен, видят ли люди, связанные с DDMRP, это таким образом, но я считаю, что это очень крутое и весьма ценное наблюдение, вытекающее из DDMRP.
Киран Чендлер: Надеюсь, вам удалось хоть немного наладить некоторые из этих отношений. В любом случае, это всё на эту неделю. Большое спасибо за внимание. Если вы согласны или не согласны, обязательно оставьте комментарий, и до встречи в следующий раз. Пока!
