00:00:07 Проблема черного ящика в управлении цепью поставок.
00:02:20 Рост искусственного интеллекта и сложных числовых алгоритмов, усугубляющих проблему черного ящика.
00:03:59 Различия между старыми системами планирования ресурсов предприятия и современными, и их связь с проблемой черного ящика.
00:06:10 Реальные примеры проблемы черного ящика и ее влияние на компании.
00:07:36 Как компании преодолевают проблему черного ящика с помощью таблиц Excel.
00:09:06 Концепция белобоксинга для обеспечения прозрачности и понимания.
00:11:27 Важность создания нескольких хорошо продуманных чисел для объяснения решений.
00:14:17 Преимущества использования экономических факторов для принятия решений.
00:15:28 Ограничения Excel в обработке сложных данных и необходимость в лучших инструментах.
00:17:36 Важность тщательной документации входных данных системы для избежания некорректных результатов.
00:18:47 Исследование необходимости гибких слоев обработки данных, поддерживающих промежуточные вычисления.
00:20:08 Важность создания независимых экономических факторов для избежания вводящих в заблуждение результатов.
00:21:09 Почему белобоксинг является важным и последствия отсутствия прозрачного процесса.
Резюме
В этом интервью Кирен Чандлер и Жоанн Верморель обсуждают важность “белобоксинга” в оптимизации цепи поставок. Цепи поставок являются сложными системами, и использование программного обеспечения или техник на основе искусственного интеллекта может сделать их более непрозрачными. Верморель утверждает, что традиционные системы ERP, часто разработанные без интеллекта, способствуют этой непрозрачности. Подход белобоксинга компании Lokad стремится воссоздать прозрачность, фокусируясь на нескольких тщательно продуманных числах и использовании компаний-метрик, таких как экономические факторы. С помощью своего языка программирования Envision, Lokad помогает поддерживать прозрачность в процессе оптимизации цепи поставок. Принятие белобоксинга может построить доверие к системам управления цепью поставок и повысить общую эффективность.
Расширенное резюме
В этом интервью ведущий Кирен Чандлер обсуждает концепцию “белобоксинга” с Жоаннесом Верморелем, основателем компании Lokad, специализирующейся на оптимизации цепи поставок. Разговор начинается с объяснения проблемы “черного ящика” в компьютерной науке, которая относится к системам, где можно наблюдать входы и выходы, не понимая их внутреннего устройства. Это может быть проблематично, особенно с увеличением распространения искусственного интеллекта в различных отраслях.
Верморель объясняет, что цепи поставок по своей природе являются сложными системами, включающими множество людей, продуктов и мест. Эта сложность приводит к непрозрачности, что затрудняет полное понимание работы цепи поставок для всех заинтересованных сторон. Даже простое программное обеспечение, которое не является особенно “умным”, может усугубить эту непрозрачность. Эта проблема становится еще более сложной, когда вводятся продвинутые численные методы или техники, основанные на искусственном интеллекте, которые могут сделать еще более сложным понимание значения чисел и результатов, полученных этими системами.
Непрозрачность, как определяет Верморель, заключается в трудности определения происхождения и значения результатов или измерений, полученных системой. В контексте цепей поставок это означает, что может быть сложно понять, почему были получены определенные значения или результаты и какие факторы к ним привели.
По словам Вермореля, проблема черного ящика широко распространена в отрасли цепей поставок. Традиционные системы планирования ресурсов предприятия (ERP) и другие устаревшие технологии часто были непрозрачными по разным причинам, таким как сложности в проектировании эффективных реляционных схем для баз данных или наличие неинтегрированных между собой множества систем. Эти системы могут быть относительно простыми по отдельности, но вместе они могут создавать значительное количество путаницы и сложности. Ад-хок интеграции между системами, которые не хорошо задокументированы, дополнительно способствуют непрозрачности.
Внедрение продвинутых численных методов или техник, основанных на искусственном интеллекте, в эти системы может привести к взрывному росту непрозрачности. Это делает еще более сложным для участников цепи поставок проверить, являются ли получаемые числа точными. Ранее, например, было возможно вручную проверять значения запасов в разных системах. Однако с введением сложных численных методов такая проверка становится все более сложной.
Верморель объясняет, что традиционные системы планирования ресурсов предприятия (ERP) больше ориентированы на управление, чем на планирование, и часто разрабатываются без какого-либо интеллекта. Продвинутые численные методы, которые некоторые поставщики могут называть искусственным интеллектом, обычно накладываются на систему ERP, делая весь процесс более непрозрачным.
В реальных примерах Верморель наблюдал, что даже простые расчеты, такие как резервный запас, могут привести к эффектам черного ящика. Например, компания может указать уровень обслуживания 99,9%, но достичь только 97% уровня обслуживания. Это расхождение между входом и выходом приводит к непониманию внутреннего устройства системы. Компании обычно прибегают к использованию таблиц Excel, чтобы преодолеть эту проблему, извлекая основные данные из системы ERP и создавая свои собственные численные методы для сохранения контроля над расчетами.
Подход белобоксинга, как описывает Верморель, признает, что даже простые модели могут стать непрозрачными при применении к сложным сценариям цепи поставок. Целью белобоксинга является воссоздание прозрачности и понимания внутри этих моделей. Разработав процесс, направленный на воссоздание прозрачности, компании могут создать доверие и в конечном итоге отказаться от использования таблиц Excel.
Одной из проблем подхода белобоксинга является избегание перегрузки метрик и показателей. Компании часто требуют больше КПЭ и показателей, когда сталкиваются с черными ящиками, но это может привести к еще большей сложности и непрозрачности. Верморель предлагает сосредоточиться на нескольких тщательно продуманных числах, чтобы объяснить принятые моделью решения.
Белобоксинг стремится предоставить объяснения для конечных результатов решений с физическими последствиями для цепи поставок, таких как производство, закупка или перемещение запасов. Для достижения этой цели процесс рассматривает несколько фигур, объясняющих эти решения, измеряемых в долларах или евро, так как эти единицы имеют наибольший смысл для всей компании. Сосредоточившись на конечной цели и объясняя решения с точки зрения компаний-широких метрик, подход белобоксинга может помочь создать понимание и прозрачность в оптимизации цепи поставок.
Верморель объясняет, что риск дефицита товара может быть намного выше стоимости приобретаемых предметов, если это приводит к остановке производственной линии. Для решения этой проблемы Lokad применяет экономические факторы для принятия решений. Эти факторы полезны, потому что они позволяют сравнивать компании между собой, обеспечивая принятие решений с использованием сопоставимых метрик.
Одной из проблем традиционных техник оптимизации цепи поставок является черный ящик многих аналитических систем. В отличие от этого, подход Lokad поддерживает белобоксинг, позволяя пользователям понять внутреннее устройство системы и проверить ее результаты. Верморель указывает, что Excel является эффективным инструментом для белобоксинга в малом масштабе, но он испытывает трудности при работе с большими наборами данных или сложными вычислениями.
Для решения этого ограничения Lokad разработала язык программирования под названием Envision, который позволяет пользователям оставаться близкими к данным, выполнять проверки и создавать панели инструментов. Это помогает поддерживать прозрачность в процессе оптимизации цепи поставок.
Для компаний, использующих черные программные решения, Верморель рекомендует начать с тщательной документации входных данных системы. Часто компании имеют плохую документацию своих входных данных, что приводит к ситуации “мусор на входе, мусор на выходе”. Следующим шагом является обеспечение того, чтобы аналитический слой системы позволял гибкость, аналогичную Excel, чтобы пользователи могли добавлять столбцы и легко отлаживать свою логику.
После выполнения этих предварительных условий компании должны сосредоточиться на создании хороших экономических факторов, которые как можно больше независимы друг от друга. Это позволяет избежать риска двойного учета или упущения важных факторов в процессе принятия решений.
Белобоксинг является важным элементом оптимизации цепи поставок, поскольку он обеспечивает достоверность результатов системы. Если люди не доверяют системе, они будут прибегать к своим таблицам Excel, которые Верморель описывает как необходимую защиту от “системного безумия”. Приняв белобоксинг, компании могут построить доверие к своим процессам оптимизации цепи поставок и улучшить свою общую эффективность.
Полный текст
Кирен Чандлер: Сегодня на Lokad TV мы будем обсуждать решение, известное как белобоксинг. Итак, Джоаннес, прежде чем мы перейдем к белобоксингу, давайте, пожалуйста, начнем с проблемы черного ящика. В чем заключается проблема черных ящиков и что здесь проблема?
Джоаннес Верморель: Цепи поставок - это сложные системы с большим количеством участников, множеством продуктов и потенциально множеством мест. С самого начала понятно, что это очень сложная проблема и уже имеет свою непрозрачность только из-за своей сложности. Очень трудно понять всю картину. Затем, когда вы добавляете слои программного обеспечения посередине, проблема только усугубляется. Я говорю только о относительно простом программном обеспечении, которое просто перемещает запчасти вашей цепи поставок, ничего умного. Но даже это создает еще один слой непрозрачности. Теперь происходит то, что некоторые поставщики рекламируют искусственный интеллект, но я предпочитаю думать о умных, продвинутых численных рецептах для цепи поставок. Как только вы добавляете нетривиальные численные рецепты в середину вашего программного обеспечения, которое фактически управляет вашей цепью поставок, это создает совершенно новый уровень непрозрачности.
Кирен Чандлер: Вы упомянули ключевое слово - непрозрачность. Можете ли вы раскрыть, что вы подразумеваете под непрозрачностью?
Джоаннес Верморель: Под непрозрачностью я имею в виду, что для людей в организации, работающих в цепи поставок или организующих цепь поставок, очень трудно понять, что именно означает число, откуда оно взялось и почему оно установлено на этом значении, а не на другом. Непрозрачность - это отражение того, насколько трудно разобраться во всем, когда вы хотите исследовать свою цепь поставок.
Кирен Чандлер: Итак, мы фактически говорим о проблеме черного ящика, когда результаты выходят из системы, и мы не совсем уверены, откуда эти результаты идут. Насколько распространена эта проблема? Мы часто сталкиваемся с этим в индустрии цепи поставок?
Джоаннес Верморель: Да, я бы сказал, что старые системы ERP и ИТ были очень непрозрачными по разным причинам. В то время было гораздо сложнее разработать хорошие реляционные схемы для баз данных, поэтому внутренняя настройка может быть немного запутанной. У вас может быть много систем, которые не хорошо интегрированы в сложную цепь поставок, поэтому, когда вы объединяете их все вместе, возникает значительная путаница и множество импровизированных интеграций между системами, которые не так хорошо задокументированы. Это создает возникающую непрозрачность из систем, которые индивидуально относительно просты. И когда вы добавляете численные рецепты в смесь, непрозрачность стремительно возрастает, потому что внезапно становится очень трудно проверить правильность чисел.
Кирен Чандлер: Речь не идет о проверке центральной системы для значения запаса, которое должно быть в удаленном месте, а затем проверке в самой системе удаленного места, чтобы значение запаса совпадало. Иногда это могло быть сложно делать такие проверки. Но как только включается линейная регрессионная модель, становится невероятно сложно воспроизвести что-либо или даже понять, что происходит. Так что, я думаю, вот что изменилось между этими старыми системами ERP и более современными. Мы теперь используем более сложные численные рецепты. Это большое изменение? Вот почему такой подход черного ящика происходит?
Джоаннес Верморель: Обычно эти продвинутые численные рецепты не находятся в ERP. Я имею в виду, несмотря на его название, планирование ресурсов предприятия (ERP) практически ничего не имеет общего с планированием - почти ничего. Это все об управлении. Так что у вас есть управление ресурсами предприятия, которое обычно реализуется без какого-либо интеллекта по умолчанию. Вам просто нужно отслеживать свои активы, и у вас есть слои аналитики сверху. Но затем, вы правы, в этих слоях аналитики есть продвинутые рецепты, которые некоторые поставщики могут называть искусственным интеллектом, и это становится гораздо более непрозрачным.
Кирен Чандлер: Как насчет реального примера того, как эти проблемы черного ящика действительно влияют на компании?
Жоанн Верморель: В реальном мире удивительно то, что для получения эффекта черного ящика вам не нужна искусственная интеллект. Гораздо более простые вещи уже вызывают широкое распространение эффекта черного ящика. Я видел много компаний, где даже такая простая вещь, как расчет безопасного запаса, который определяет, сколько товара вам нужно хранить, если вы предполагаете, что ваш спрос нормально распределен поверх вашего прогноза, и то же самое для срока поставки, приводит к эффекту черного ящика. Они говорят: “Ну, я ввожу уровень обслуживания 99,9 процента, но затем измерение показывает, что я получаю только 97 процентов уровня обслуживания на самом деле”. Таким образом, у вас возникает странное расхождение между установкой, которую вы вводите в систему, например, 99,9, и тем, что вы получаете на самом деле, что составляет 97. В такой ситуации у вас есть черный ящик, и вы на самом деле не понимаете, что происходит. Очевидно, что вывод системы не соответствует тому, что вы ожидали от системы, поэтому вы сталкиваетесь с этим эффектом черного ящика напрямую.
Кирен Чандлер: Если это так широко распространено, как компании преодолевают эти проблемы?
Жоанн Верморель: Обычно они преодолевают это с помощью горы таблиц Excel. Что происходит, когда у вас есть числа, которым вы не можете доверять из системы? Люди просто извлекают данные из ERP, основные данные, которым они могут доверять, такие как уровни запасов, исторические продажи, исторические заказы на закупку - такие вещи. Они могут проверить, что таблица Excel соответствует системе, чтобы избежать эффекта черного ящика. Они даже проверяют, что находится в таблице Excel, фактически соответствует тому, что у них есть на полках в складе, чтобы быть уверенными. А затем они начинают создавать свои собственные числовые формулы в самой таблице Excel, где практикующий в сфере цепей поставок контролирует расчет на каждом шаге, и это очень наглядно. Вот как они пытаются избежать эффекта черного ящика. Хотя, когда таблица Excel передается от одного практикующего в сфере цепей поставок к другому на протяжении многих лет, в этих самих таблицах Excel может возникнуть некоторая степень непрозрачности и эффекта черного ящика. Excel не является универсальным решением; он просто помогает.
Кирен Чандлер: Давайте поговорим о решении. Подход с белым ящиком, я имею в виду, что практика показывает, что даже некоторые тривиальные числовые формулы, простая формула безопасного запаса или что-то, что немного сложнее, чем скользящая средняя, являются черным ящиком. Для получения черного ящика не требуется искусственный интеллект. Я имею в виду, что большинство людей не в состоянии вычислить даже линейную модель с тремя переменными в своей голове. Так что даже модель, настолько простая, как линейная модель с тремя переменными, очень быстро становится относительно непрозрачной для людей, которые фактически используют результаты этой модели.
Жоанн Верморель: Как только вы переходите к чему-то более умному, особенно к чему-то, что улавливает нелинейности, присутствующие в цепях поставок, это почти по умолчанию становится непрозрачным. Вам нужен процесс, который мы называем белым ящиком, который полностью ориентирован на идею того, что вы будете создавать прозрачность и понимание, зная, что по умолчанию вы получаете весьма противоположный результат. Нет альтернативы. Если даже модель, настолько простая и слишком упрощенная, как безопасный запас, уже непрозрачна, вы не можете надеяться, что лучшая, более реалистичная модель, такая как модель на основе вероятностного прогноза и вероятностной оценки риска для вашего запаса, будет менее непрозрачной. Напротив, она будет более непрозрачной, намного точнее. Поэтому нам нужен этот процесс белого ящика, чтобы создавать понимание, генерировать доверие и, в конечном счете, заставлять людей отказываться, по хорошим причинам, от таблиц Excel.
Кирен Чандлер: Итак, как это работает на практике? Как вы проверяете полученные результаты и применяете этот подход с белым ящиком?
Жоанн Верморель: Одна из сложностей заключается в том, что очень легко утонуть в море метрик. Когда люди сталкиваются с черным ящиком, основная реакция заключается в том, чтобы сказать: “Дайте мне больше показателей, создайте больше КПЭ, я хочу видеть все больше и больше”. Но когда вы делаете это, вы получаете гигантские таблицы с десятками столбцов, которые по-прежнему полностью непрозрачны и невероятно сложны. Начальная точка заключается в том, чтобы сказать, что нам нужно иметь несколько чисел, которые будут чрезвычайно хорошо проработаны, когда мы хотим объяснить принятые решения.
Во-первых, одна идея заключается в том, что вам не нужно пытаться объяснить все, особенно числовые артефакты. Вам на самом деле не важно, как происходят некоторые промежуточные шаги вычисления. Вам важен конечный результат, решение, которое имеет физическое влияние на вашу поставочную цепочку. Вы решаете производить, вы решаете закупить больше или вы решаете переместить запасы из одного места в другое. Вот конечная цель, и это решение вас волнует.
Белый ящик заключается в том, чтобы иметь для каждого принятого решения, возможно, полдюжины цифр, которые объясняют эти решения, измеряемые в долларах или евро. Вторая идея заключается в использовании долларов и евро, потому что это то, что будет иметь больше смысла для всей компании. Если вы знаете, почему вы закупаете 100 единиц продукта и имеете переменную, которая говорит: “Ну, риск исчерпания запасов составляет 50 тысяч евро, потому что если у нас закончится этот товар, остановится производственная линия”, то стоимость исчерпания запасов может быть намного выше стоимости того, что вы закупаете, если вы ставите под угрозу производственную линию. Это те идеи, которые люди получат.
Кирен Чандлер: Итак, есть эти экономические факторы, которые вы применяете. Что в них особенного? Экономические факторы чрезвычайно полезны, потому что они сопоставимы во всей компании. Дело в том, что у вас есть одно решение, где у вас есть полдюжины экономических факторов, и у вас есть другой тип решения с другими типами экономических факторов, и вы хотите, чтобы все ваши измерения были совместимыми, чтобы вы могли сравнивать яблоки с яблоками и апельсины с апельсинами. Если у вас есть яблоки и апельсины, то вы немного потеряны. Это типично для всех этих процентов ошибок. Итак, помимо экономических факторов, что в подходе Lokad делает белый ящик таким возможным? В чем отличие от других техник?
Жоанн Верморель: Вам нужны инструменты для этого, и большинство аналитических систем не очень хорошо поддерживают белый ящик. Excel на самом деле довольно хорош, потому что вы остаетесь очень близко к данным, но он разваливается, когда сложность и объем данных увеличиваются. Excel отлично работает, пока вы имеете дело с менее чем десятью столбцами и тысячей строк. Если вы начинаете обрабатывать миллионы строк и десятки столбцов, он быстро превращается в гигантскую кодовую базу спагетти внутри вашей электронной таблицы Excel. Excel очень хорош в ограниченном масштабе, но разваливается при сложности.
Многие аналитические системы не удается сохранить какие-либо свойства Excel, и данные очень далеки от пользователя. В Lokad мы создали Envision, в названии этого языка программирования есть термин “видение”, идея заключается в том, что нам нужно оставаться очень близко к данным, чтобы мы могли делать все те проверки, как в Excel, все время. Envision делает очень простым создание формул для построения ваших чисел на панели инструментов, чтобы вы могли проверить их, как если бы вы делали это в Excel, только ради проверки.
Идея заключается в том, что мы можем создавать высококомпозитные панели инструментов, где ваши основные факторы будут отображаться ярко, но вы можете иметь много маленьких плиток, которые содержат все ваши проверки, как в Excel, чтобы вы могли проверить, что ваши расчеты звучат и что ваши промежуточные шаги не полностью неправильны.
Кирен Чандлер: Если я работаю в компании и использую программное обеспечение, которое обладает множеством черных ящиковых характеристик, что мне следует делать? Какой должен быть первый шаг, чтобы улучшить мое понимание происходящего?
Жоанн Верморель: Во-первых, вам необходимо иметь подробную документацию о том, что входит в систему. Обычно документации не существует. Чтобы прояснить, мы говорим о наличии таблицы, для которой требуется около одной страницы документации, не IT-документации, а документации, связанной с поставочной цепочкой и бизнесом.
Кирен Чандлер: Знаете, работая с клиентами, в лучшем случае, если у каждого поля есть одна строка документации, мы довольны. Обычно есть около 20 таблиц, каждая таблица содержит 20 полей, и у нас едва хватает одной строки документации на таблицу. У нас должна быть одна страница документации на каждое поле. Так что это, вероятно, отправная точка для большинства компаний - полностью задокументировать то, что у вас есть в качестве входных данных системы; в противном случае, вы получите мусор на выходе, если получите что-то вообще.
Жоанн Верморель: Второе, что нужно сделать, это проверить, что ваши слои обработки данных, аналитические слои, дают вам в основном такую же гибкость, как у Excel. Так что вы можете с помощью нескольких операторов или нескольких строк кода добавить все эти простые столбцы отчетности, которые вам нужны для отладки вашей логики. К сожалению, вы не можете избежать аспекта кодирования, потому что, как и в Excel, это связано с формулами и прочим, так что это кодирование. Но с помощью нескольких строк кода вы можете получить все эти столбцы. Если у вас нет системы, которая поддерживает такой гибкий процесс, где вы можете просто создавать столбцы, как в Excel, чтобы проверить промежуточные вычисления, то это, по сути, конец игры. Вы никогда не разберетесь в своей черной коробке.
Так что, вероятно, на этом этапе вам нужно изменить аналитический слой, если у вас нет слоя, который дает вам некоторую гибкость. Затем следующий шаг - начать создавать очень хорошие экономические показатели. И под очень хорошими я имею в виду, что каждый отдельный показатель должен быть максимально независимым от других показателей. Вы хотите иметь вещи, которые являются очень ортогональными. Опасность заключается в том, что если вам не удастся создать серию показателей, которые отражают вещи, которые буквально ортогональны, то вы можете смотреть на одно и то же несколько раз и быть введенными в заблуждение.
Это сложная часть, но идея заключается в том, что когда вы смотрите на экономический показатель, который говорит вам о 100 евро затрат или вознаграждении, вы хотите убедиться, что он максимально независим от другого показателя, который также утверждает, что приносит 100 евро вознаграждения или затрат.
Кирен Чандлер: Итак, ключевые моменты - это действительно понимание ваших входных и выходных данных, а также определение этих экономических показателей. В качестве заключительного слова сегодня, почему так важно белое ящикирование?
Жоанн Верморель: Белое ящикирование настолько важно, потому что в противном случае все ваши усилия по оптимизации вашей поставочной цепочки пропадут даром. Люди, по хорошей причине, вернутся к своим таблицам Excel, потому что если у вас нет процесса белого ящикирования, который дает всему миру уверенность в том, что результаты, получаемые из этих систем, являются здравыми, то вероятность того, что ваши результаты неразумны, ошеломляюще высока. Люди делают разумное дело, не доверяя этим результатам и возвращаясь к своим таблицам Excel. К сожалению, таблицы Excel являются необходимым решением против безумия системы. Белое ящикирование необходимо; в противном случае, не ожидайте, что ваши команды практиков поставочной цепочки откажутся от своих таблиц Excel в ближайшее время. Они не сделают этого, и не делая этого, они защищают вашу компанию, потому что доверие безумной системе гораздо хуже, чем тратить время на таблицы Excel.
Кирен Чандлер: И кто знал, что многие аналитики, вероятно, думают, что Excel дает вам безумие, но вот и все. Это все на этой неделе. Большое спасибо за ваше время, и увидимся снова на следующей неделе. Спасибо за просмотр.