00:00:08 Введение и приветствие Николя Вандепюта.
00:00:34 Текущая работа Николя и преподавание в университете.
00:01:00 Обсуждение книги Николя «Модели оптимизации запасов и симуляции».
00:03:51 Целевая аудитория книги и подход к упрощению.
00:05:15 Переход от ИТ-отделов к практикам и зрелость цепочек поставок.
00:08:02 Выразительность Python и его преимущества над другими языками программирования.
00:10:19 Акцент на Python в книге и преимущества практического обучения.
00:11:47 Популярность Python и его конкуренты, такие как Java и JavaScript.
00:13:51 Переход от Python 2 к Python 3 и его влияние на академическую сферу.
00:15:10 Работа с неопределенностью в Python и потенциал для улучшения языка.
00:16:03 Выгодная цена на опробование нового программного обеспечения для оптимизации запасов.
00:16:18 Распространённые заблуждения в оптимизации запасов и формула резервного запаса.
00:17:32 Важность периода проверки при расчёте резервного запаса.
00:18:34 Необходимость в лучшем инженерном составе для управления цепочками поставок.
00:19:57 Сравнение проблем цепочек поставок с более сложными областями, такими как микроэлектроника.
00:21:02 Важность формулирования задач и привлечения выдающихся умов.
00:22:32 Ограничения академических моделей и их применение в реальном мире.
00:23:01 Переход от математических моделей к симуляциям для повышения точности.
00:24:01 Ограничения формулы резервного запаса и необходимость симуляции.
00:25:07 Заключение и упоминание книги Николя об оптимизации запасов.

Резюме

В интервью Киран Чандлер проводит беседу с Жоанном Вермо-релем, основателем Lokad, и Николя Вандепютом, автором «Моделей оптимизации запасов и симуляции». Они обсуждают упрощение и доступность программирования в оптимизации цепочек поставок с использованием Python. Книга Вандепюта предлагает упрощённые модели оптимизации запасов, в то время как Вермо-рель подчёркивает лёгкость их реализации. Эксперты обсуждают эволюцию оптимизации цепочек поставок, важность выразительности программирования и преимущества Python. Оба эксперта признают ограничения традиционных математических моделей и подчёркивают необходимость альтернативных методов, таких как симуляции, для решения реальных задач в управлении цепями поставок.

Расширенное резюме

В интервью ведущий Киран Чандлер представляет Жоанна Вермо-реля, основателя Lokad, и Николя Вандепют, автора «Моделей оптимизации запасов и симуляции». Обсуждение сосредоточено на упрощении и доступности программирования в оптимизации цепочек поставок с использованием таких инструментов, как Python.

Вандепют рассказывает, что его книга направлена на упрощение моделей оптимизации запасов и их доступность для специалистов по цепочкам поставок. Книга сосредоточена на предоставлении простых числовых рецептов на Python для решения реальных ситуаций, а не на углублённом анализе идеализированных цепочек поставок. Вермо-рель подчёркивает, что эти рецепты можно реализовать всего в несколько строк кода, что развеивает мистификацию того, что предлагают крупные поставщики программного обеспечения и ставит под вопрос ценность их предложений.

Книга предназначена для специалистов по цепочкам поставок, испытывающих трудности с управлением запасами, и направлена на то, чтобы помочь им понять и оптимизировать их уровни запасов. Вандепют подчёркивает важность выдвижения предположений и понимания ограничений используемых моделей, а не стремления к совершенству.

Вермо-рель объясняет, что зрелость цепочек поставок развивалась на протяжении десятилетий: сначала компании с трудом могли создать цифровой эквивалент своим цепочкам поставок. После десятилетий прогресса предприятия теперь могут управлять своими запасами в цифровом формате без особой интеллектуальной поддержки, что позволяет им сосредоточиться на оптимизации.

Изменение менталитета, когда специалисты по цепочкам поставок всё активнее вовлекаются в программирование, объясняется повышением доступности таких инструментов, как Python, и упрощением процессов. Эти изменения позволяют практикам брать под контроль оптимизацию цепочек поставок, а не полагаться исключительно на ИТ-отделы.

Они обсуждают эволюцию оптимизации цепочек поставок, важность выразительности программирования и преимущества использования Python.

Вермо-рель подчёркивает, что системам ERP потребовалось четыре десятилетия, чтобы достичь зрелости, что позволило оптимизации цепочек поставок стать жизнеспособным решением. Разговор переходит к важности программной выразительности, поскольку это позволяет организациям адаптироваться к реальным изменениям и непредсказуемым событиям. Вермо-рель объясняет, что Excel обеспечивает определённый уровень выразительности, но его ограничения связаны с тем, как логика организована в таблицах. Python, напротив, предлагает более абстрактное и выразительное решение, что делает его идеальным для оптимизации цепочек поставок.

Затем Вандепют объясняет, почему Python является его предпочтительным языком для книги. Он отмечает, что Python — один из самых популярных языков программирования в мире, с множеством доступных ресурсов в интернете. Это означает, что пользователи могут легко находить ответы на свои вопросы, что снижает вероятность застревания. Кроме того, простота Python делает его более доступным, и пользователи могут понять код, просто прочитав его.

Книга делает акцент на Python по двум причинам. Во-первых, Вандепют считает, что практика имеет решающее значение для обучения, поэтому он включает множество разделов «сделай сам» в Excel и Python, позволяющих читателям получить практический опыт. Во-вторых, Python позволяет пользователям масштабировать решения для оптимизации цепочек поставок, переходя от решения задач для отдельных элементов к решению более широких вопросов цепочек поставок.

Вермо-рель соглашается с Вандепютом относительно популярности и простоты Python, но также отмечает некоторые ограничения языка. Он предполагает, что другие языки программирования, такие как JavaScript и Java, не так подходят для оптимизации цепочек поставок из-за необходимости глубоких знаний в области разработки программного обеспечения.

Разговор сосредоточен на достоинствах Python как языка программирования и распространённых заблуждениях в оптимизации запасов.

Вермо-рель утверждает, что Python прекрасно подходит для оптимизации цепочек поставок благодаря своей краткости и простоте использования, особенно для новичков. Он отмечает, что эволюция Python от его создания в 1990-х до настоящего времени сделала его всё более популярным и эффективным как для академических, так и для промышленных нужд. Несмотря на свои преимущества, Вермо-рель упоминает, что ещё есть над чем работать, особенно в обработке неопределенности. Однако он утверждает, что Python является экономически выгодным решением по сравнению с другими дорогими вариантами на рынке.

В то время как Вандепют углубляется в распространённые заблуждения в отрасли, связанные с оптимизацией запасов, он указывает на то, что многие специалисты часто путают срок поставки с временем транспортировки и игнорируют важность периода проверки при расчёте резервного запаса. Вандепют подчёркивает, что, помимо срока поставки, необходимо учитывать и период проверки, и предполагает, что его сокращение может привести к снижению уровня резервного запаса.

Оба, Вермо-рель и Вандепют, признают существующее заблуждение в отрасли и необходимость в более квалифицированных специалистах в области управления цепочками поставок. Они подчёркивают важность понимания тонкостей оптимизации запасов и использования соответствующих инструментов и методов для достижения лучших результатов.

Обсуждение затронуло проблемы, с которыми сталкивается отрасль цепочек поставок, и необходимость привлечения большего числа талантливых специалистов в эту сферу.

Вермо-рель отметил, что сложность проблем в отрасли цепочек поставок часто ниже, чем в других сферах, таких как микроэлектроника. Однако он подчеркнул важность привлечения большего числа выдающихся умов в эту область, чтобы помочь решать существующие задачи. Он похвалил книгу Вандепюта за то, что она делает сферу цепочек поставок более привлекательной для умных, увлечённых людей, которые могут искренне заинтересоваться решением подобных проблем.

Вандепют обсудил ограничения традиционных математических моделей в управлении цепочками поставок, которые часто основаны на упрощениях реальности. Он объяснил, что некоторые модели могут работать достаточно хорошо в определённых сценариях, но когда они перестают справляться, требуются другие подходы, такие как симуляции.

Вандепют привёл в пример формулы резервного запаса, которые предполагают нормальное распределение сроков поставки. На самом деле, поставщики чаще всего соблюдают сроки, но когда они опаздывают, задержка может быть значительной. Традиционные математические модели не справляются с такой ситуацией, что подчёркивает необходимость альтернативных методов, таких как симуляции.

Разговор сфокусирован на ограничениях традиционных математических моделей, таких как формулы резервного запаса, предполагающие нормальное распределение сроков поставки. Оба эксперта подчёркивают, что реальные сценарии часто расходятся с этими предположениями, создавая проблемы, требующие альтернативных методов, таких как симуляции, для более точного управления цепочками поставок.

В заключение, в интервью было подчеркнуто значение привлечения выдающихся умов в отрасль цепочек поставок, ограничения традиционных математических моделей и потенциальные преимущества использования симуляций как альтернативы для преодоления этих ограничений.

Полная стенограмма

Киран Чандлер: Сегодня на lokad tv мы рады приветствовать вновь Николя Вандепюта, который расскажет нам, насколько всё может быть просто и чему мы можем научиться из его новой книги. Никол, большое спасибо, что снова с нами. Как всегда, нам интересно узнать немного о наших гостях и чем они занимались. Так что, чем вы занимались с тех пор, как мы в последний раз видели вас в шоу?

Николя Вандепют: Здравствуйте снова, Киран. На самом деле, как всегда, я занят разработкой отличных моделей для компаний по оптимизации запасов и прогнозированию. И, к тому же, могу сказать, что я писал несколько книг и преподаю в университете, как вы знаете, это стало моим главным увлечением.

Киран Чандлер: Хорошо, прекрасно. А сегодня мы будем обсуждать одну из этих книг, Жоанна. Она называется «Модели оптимизации запасов и симуляции». Так в чем же особенность книги Николя?

Жоанн Вермо-рель: Думаю, вы знаете, что в этой книге Николя прямо принимает одну идею, которую я считаю краеугольным камнем современных цепочек поставок. И когда я говорю «цепочка поставок», я имею в виду оптимизацию цепочек поставок, а не просто управление в смысле учета. Если вы хотите иметь хоть какой-то шанс справиться с реальными цепочками поставок, вам нужна программная выразительность. И в этой книге, я считаю, одна из очень интересных вещей заключается в том, что вместо того, чтобы углубляться в идеализированные цепочки поставок, где вы говорите: “О, давайте получим математическое доказательство оптимальности для этой или той идеализированной цепочки поставок, которая никогда не будет существовать”, и где при добавлении даже небольшого элемента реальности все математические конструкции разваливаются, Николя делает нечто, что, я считаю, гораздо больше соответствует гибкому мышлению: просто показать, как можно предоставить очень простые и прямолинейные числовые рецепты на Python.

The beauty of the recipes is that it’s very hands-on and literally shows that most of the classic supply chain recipes can be implemented in like five lines of Python or so most of the time. And I believe that’s very interesting because it conveys the idea that if you want to do something very simple, it can be done in very simple ways. It doesn’t take a half a dozen software engineers to come up with those things. And I believe that as a side effect, it profoundly demystifies what large software vendors are actually pushing to the market. Because when you show that basically, you can do what they are saying they are doing, but just in a few lines of code, the question is: Is there any value to what is being proposed by those vendors? And I believe, to a large extent, no. But even beyond that, it shows that if you can have very small building blocks, you can suddenly combine them to inject your bits of real-world challenges into those recipes so that you have something that has at least a decent chance to be suitable.

Киран Чандлер: Решение для вашей цепочки поставок. Звучит, безусловно, очень интересно. Николя, эта идея — всего несколько строк кода, и уже получаются результаты, что намного приятнее, чем проводить часы, изучая программирование. Так для кого же предназначена эта книга?

Nicolas Vandeput: Одна из моих больших одержимостей — упрощение. Когда я пишу такую книгу, я думаю: “Хорошо, если я управляю цепочкой поставок и хочу оптимизировать запасы, как я могу упростить всё, чтобы дать общий обзор и при этом позволить практикам делать это самостоятельно?” Так что я на самом деле пишу эту книгу для всех, кто сейчас работает в цепочке поставок и думает: “О боже, у нас слишком много запасов,” или “У нас слишком много запасов, и при этом у нас не тот service level,” или просто: “Я отвечаю за запасы, но понятия не имею, сколько мне нужно.” Я действительно написал эту книгу, чтобы помочь этим людям справиться самостоятельно. В книге так много разделов «сделай сам», которые показывают самым простым образом, как это можно сделать. И в то же время я стараюсь сказать им: “Нужно сделать несколько предположений, и поскольку мы исходно предполагаем определённое, мы не стремимся к совершенству, которого не существует. Поэтому мы проведем некоторые симуляции и увидим пределы используемых моделей.” Короче говоря, эта книга действительно для каждого, кто сегодня в цепочке поставок думает: “Хорошо, мне нужно правильно организовать запасы.”

Kieran Chandler: Отлично, и это немного меняет образ мышления, не так ли, Йоханнес? Потому что исторически программирование оставляли IT-отделам. Теперь же кажется, что все больше практиков добавляют эти навыки в свой арсенал. Так почему, на твой взгляд, происходит такой сдвиг в мышлении?

Joannes Vermorel: Я считаю, что эти вещи существуют уже давно. Но если говорить о зрелости цепочки поставок, то в течение десятилетий компании просто пытались создать цифровой аналог своей цепочки поставок, получить ERP или WMS, где уровни запасов управляются простым способом — никакой интеллекта, только точный цифровой аналог вашей цепочки поставок. Нам понадобилось много времени, чтобы дойти до этого. Если учесть, что первые ERP-системы были внедрены — их так не называли — к концу 70-х, то теперь у нас под поясом история ERP продолжительностью более четырех десятилетий. Так что получение достаточного цифрового отражения заняло много времени, чтобы это стало разумной основой для проведения различных оптимизаций. И, кстати, переход от Excel к Python прошёл постепенно. Excel уже даёт массу возможностей для программирования, что также в некоторой степени иллюстрируется в книге. Для меня это непрерывный процесс, а не полное disruption, при котором вы переходите от одного к другому. Вам нужна программная выразительность, чтобы справиться со всем, что подбрасывает реальный мир.

Kieran Chandler: Итак, Йоханнес, вы только что говорили о том, что программное обеспечение должно быть выразительным, чтобы справляться с непредсказуемой природой цепочек поставок. Можете рассказать об этом подробнее?

Joannes Vermorel: Да, я думаю, что всегда будут вещи, которые совершенно случайны и непредсказуемы. Это может быть Brexit, тариф Трампа, пандемия или внезапно ситуация, когда компании приходится заниматься распределением вакцины, что переворачивает вашу цепочку поставок с ног на голову. Происходит множество вещей, и если у вас просто жесткий программный продукт, он не справится со всем, что происходит в реальном мире. Поэтому вам нужно нечто более выразительное, и, соответственно, нужна программная выразительность. Excel предоставляет такую возможность, но имеет определённые ограничения, связанные с тем, как вы организуете логику в таблице. Python предлагает следующий уровень; он немного более абстрактен, но, можно сказать, обеспечивает следующий уровень выразительности, позволяя использовать функции, определяемые пользователем. Такое возможно и в Excel через Visual Basic, но, по сути, Python — это своего рода более совершенная версия VBA.

Kieran Chandler: Николя, давайте поговорим о переходе от Excel к Python, а также о множестве других языков программирования, таких как SQL, C# и так далее. Почему именно Python стал вашим выбором для этой книги? Что он даёт, чего, возможно, нет у других языков?

Nicolas Vandeput: В целом, мы видим, что у Python есть несколько преимуществ. Первое — он довольно известен. Я не уверен, можно ли сказать, что он номер один в мире, но он, по крайней мере, близок к этому. Это значит, что сегодня, если у вас возникает вопрос о Python, вы просто загуглите его и найдёте ответ, что очень удобно. Если вы обнаружите язык, который намного быстрее Python, можете подумать: “Хорошо, я воспользуюсь им, он быстрее,” но когда у вас появятся вопросы и вы начнёте их искать в интернете, вы не найдёте ответов и застрянете. С Python очень сложно застрять, потому что могу с уверенностью сказать, что кто-то уже где-то имел тот же вопрос и получил ответ. С другой стороны, и я считаю это чрезвычайно важным, я за упрощение. Python очень прост. Я до сих пор помню, как в мои дни работы количественным аналитиком некоторые коллеги использовали VBA. Мы все помним те огромные файлы с макросами на VBA в Excel, которых все боялись трогать, потому что, если что-то сломается, его невозможно починить. Python совсем не такой. Он намного проще, и вы можете читать его и понимать, что он делает, просто продолжая чтение файла. Один или два читателя писали мне по электронной почте после прочтения книги, говоря: “Николя, я ничего не знаю о Python, но я прочитал ваш код и, по сути, понимаю, что он делает, потому что всё предельно ясно.” Так что, благодаря этим двум аспектам, я думаю, Python действительно тот язык, который стоит использовать, если вы хотите чему-то научиться. Теперь, что касается книги, почему я так делаю акцент на Python? Во-первых, я считаю, что если вы хотите чему-то научиться, то вы…

Kieran Chandler: Мне любопытно: в вашей книге почему вы решили сосредоточиться на Python для оптимизации цепочки поставок?

Nicolas Vandeput: Я считаю, что гораздо лучше, если вы сможете испытать это на себе и попробовать самостоятельно. В книге много разделов «сделай сам», будь то в Excel или Python, потому что я хочу, чтобы читатель приобретал новые знания и навыки. Я также хочу развеять миф о том, что оптимизация цепочки поставок — это что-то сложное. Вы просто набираете несколько строк кода, и они работают на вашем компьютере. Основная причина, по которой я делаю акцент на Python, заключается в том, что его легко масштабировать для решения задач цепочки поставок. С Python вы можете легко управлять цепочкой поставок, используя простые предположения и модели.

Kieran Chandler: Согласны ли вы с этим, Йоханнес? Мы уже немного говорили о некоторых ограничениях Python.

Joannes Vermorel: Что касается популярности, нет сомнений, что Python входит в топ-10 самых широко используемых языков программирования. В числе претендентов — JavaScript, Java и несколько других, но они не подходят для цепочек поставок. Чтобы что-либо сделать на этих языках, требуются значительные навыки в области разработки программного обеспечения. Некоторые достоинства Java, например, широкая поддержка объектно-ориентированного программирования, могут стать недостатком при легком обучении новых пользователей. Эти возможности не так полезны для оптимизации или моделирования цепочек поставок. Если просто добавить всё это, получится более сложный язык программирования без очевидных преимуществ, по крайней мере, в первые месяцы любого проекта.

Python был запущен в 90-х, и потребовалось почти три десятилетия, чтобы стать популярным. Произошла масштабная миграция с Python 2 на Python 3, что, как я полагаю, произошло благодаря академическому сообществу. Python нашёл свою “золотую середину” в академии, и главный переход от Python 2 к Python 3 заключался в устранении всех недостатков Python. В результате последнего десятилетия возник язык, который гораздо больше соответствует требованиям академии и оптимизации цепочки поставок.

Kieran Chandler: Итак, давайте поговорим о языках программирования. Йоханнес, каковы ваши мысли о Python?

Joannes Vermorel: Python — это язык, который чрезвычайно лаконичен, в нём нет лишнего “мусора” и множества избыточных конструкций. Прямой противоположностью может быть, вероятно, C++. Не знаю, найдётся ли на Земле кто-то, кто скажет: “Я знаю всё, что нужно знать о C++”, ведь спецификация этого языка настолько огромна, что, по сути, невозможно овладеть всеми его частями. Этот язык просто безумен, если вдуматься. Таким образом, если все это объединить, то получается, что Python действительно является оптимальным выбором, чтобы люди могли легко начать работать. Я считаю, что это хорошая отправная точка, позволяющая избежать многих ловушек случайной сложности. Хотя я полагаю, что это не конечное решение, и, кстати, именно то, что мы разрабатываем в Lokad. Но, очевидно, это не тема книги Николя, поэтому не стану углубляться. Я же думаю, что если вы хотите справляться с неопределенностью, то в Python можно решить множество задач довольно просто. А если вы готовы пойти дальше и модифицировать сам язык, это можно сделать ещё проще. Но это выходит за рамки рассматриваемой в книге темы. Для целей обсуждения я считаю, что если выбирать между тем, что предлагает Python, и большинством дорогостоящих решений на рынке, это буквально выгодное предложение, и причин не попробовать его всерьёз очень мало. Даже если вы потерпите неудачу, она будет гораздо менее затратной, чем провал с системой типа SAP.

Kieran Chandler: Николя, помимо рассмотрения некоторых моделей в вашей книге, она также затрагивает вопросы, вызывающие путаницу в оптимизации запасов. В чём, по вашему мнению, состоят основные заблуждения в отрасли?

Nicolas Vandeput: Да, благодаря моему опыту консультанта и обсуждениям с множеством практиков о том, как они решают вопросы оптимизации запасов, а также если посмотреть на формулу страховочного запаса, которую можно встретить повсюду, даже на Wikipedia, где люди заходят, набирают «safety stock», смотрят формулу, а затем набирают её в Excel. Мы видим, что — и это правильно, когда нужно оценить, сколько страховочного запаса вам нужно — вы смотрите на время выполнения заказа, то есть, насколько времени требуется для replenishment. Первая же путаница, которую я замечаю, состоит в том, что многие практики путают понятия времени выполнения заказа и времени транспортировки. Может случиться так, что для того, чтобы truck перевезти груз с одного склада на другой, требуется всего один или два дня, но планирование может занять три недели, ведь нужно найти грузовик, найти водителя, а также учесть время на комплектацию и прочие моменты. И в итоге вы говорите «две недели», но есть ещё один момент, который люди всегда упускают. Суть в том, что нужно смотреть не только на время выполнения заказа, но и учитывать период обзора.

Nicolas Vandeput: Позвольте привести пример. Если вы делаете заказ каждую неделю или каждый месяц, то к этому прибавляется то, что я в группе называю риск-периодом. То есть период, в течение которого нужно удовлетворить потребности, включает не только время выполнения заказа, но и период обзора.

Kieran Chandler: Хорошо, Николя, в вашей книге “Модели и симуляции оптимизации запасов” вы говорили о важности учета периода обзора. Можете рассказать об этом подробнее?

Nicolas Vandeput: Да, период обзора — это, по сути, то время, в течение которого вы должны быть защищены, увеличенное на длину самого периода обзора. То есть, если вы пополняете запасы раз в неделю, а время выполнения заказа составляет три недели, риск-период на самом деле будет равен четырем неделям. Таким образом, вы должны быть защищены от того, что может произойти в течение этих четырех недель. Я замечаю, что большинство людей, большинство программного обеспечения, склонны полностью игнорировать этот период обзора и фокусироваться только на трёх неделях выполнения заказа. Именно поэтому я стараюсь в книге подчеркнуть, что, во-первых, вы абсолютно должны учитывать этот период обзора, когда речь идёт о страховочном запасе. А также я пытаюсь донести до людей мысль, что если они смогут сократить период обзора, если смогут уменьшить период, когда производство считается замороженным, и так далее, то, по сути, они смогут уменьшить и уровень страховочного запаса, что, как мне кажется, является хорошей победой для цепочки поставок.

Kieran Chandler: Хорошо. А вы согласны с этим, Йоханнес? Считаете ли вы, что существует много путаницы, и именно поэтому люди так охотно платят за программное обеспечение для управления запасами?

Joannes Vermorel: Да, то есть, опять же, я считаю, знаете, мое убеждение таково, что в цепочках поставок отчаянно не достает, можно сказать, лучших категорий инженеров. И, на одной из моих первых лекций я рассказывал вводную шутку: если у вас много энергии – идите в продажи, если вы надежны – идите в производство, а если вам не хватает самых разных качеств, то вы попадаете в цепочку поставок. Но суть в том, что если сравнивать некоторые области в цепочках поставок, то те путаницы, с которыми вы сталкиваетесь, не являются, я бы сказал, результатом работы исключительно блестящих умов. И, извините, если это покажется жестким по отношению к аудитории, но если взглянуть, скажем, на то, что делается в литографии для микроэлектроники и какие проблемы решают эти люди, то они просто поразительно сложны. Буквально, у вас есть все: квантовая физика со сложной математикой. И, честно говоря, это гораздо сложнее, чем те задачи, которые решаются в цепочке поставок. У вас есть физические проблемы, где возникает всевозможная сложность. Технология буквально состоит из стольких суперсложных компонентов, которые нужно объединить. Например, то, что делают такие компании, как ASML в Нидерландах – это почти магия, ведь можно сказать, что это достижение человечества, когда собраны самые блестящие умы. Но проблема в том, что если вы хотите, чтобы в цепочку поставок приходили более умные люди – чтобы мы могли привлечь действительно выдающиеся умы, которые не будут сбиты с толку такими глупыми проблемами, как, например, определение применительного периода для пополнения запасов в системе, которую вы собираетесь моделировать, – нам нужно сформировать задачу таким образом, чтобы эти люди могли задействовать свой интеллект. Ведь, очевидно, если вся ваша дисциплина сводится к нажатию глупых кнопок на глупом программном обеспечении, то не удивляйтесь, если в итоге у вас окажутся не самые блестящие сотрудники.

Kieran Chandler: Эм, я считаю, и это ещё одна вещь, которая мне нравится в этой книге: книга Николаса дает нечто такое, что, если вы умны, молоды, и у вас есть определённый энтузиазм, вы можете по-настоящему заинтересоваться теми проблемами, с которыми вам предстоит столкнуться. И не только – читая книгу, вы действительно сможете лучше решать эти задачи, что является отличной опорой для цепочки поставок. Это то, что может сделать мир более привлекательным для блестящих умов, желающих проявить свой интеллект, решая интересные задачи. И поэтому я подозреваю, что путаницы, которые сбивают людей с толку сейчас, и те, которые, как я надеюсь, будут сбивать с толку людей через два десятилетия, будут кардинально различаться, особенно если мы привлечем, знаете, я бы сказал, гораздо больше талантов в эту отрасль. Ладно, если немного подытожим. Николас, в вашей книге Йоанна упомянула, что некоторые используемые модели имеют свое применение, возможно, с академической точки зрения, но в реальном мире у них есть определённые ограничения. Скажете ли вы, что некоторые из этих ограничений можно преодолеть, и если да, то как? И как они могут быть применены в реальном мире?

Nicolas Vandeput: Ну, вы всегда должны понимать, что любая модель – это упрощение реальности, верно? Итак, с самого начала, начиная создание модели, вы должны осознавать, что некоторые вещи придется опустить. Так что настоящий вопрос в том, подойдет ли мне модель, которая работает, скажем, на 98% с 1995 года? Кто-то может возразить: да, она подходит, а кто-то – нет, не подходит. А если вы создаёте модель и видите, что она работает только на 70% или 60%, тогда вы по-настоящему понимаете, что обычная математическая модель недостаточно хороша. Мне нужно перейти к чему-то другому. И именно это я показываю в последней части книги, утверждая, что в какой-то момент математическая модель уже не будет достаточно хорошей – то есть, она не будет достаточно точной и применимой.

Joannes Vermorel: И еще одно: как мы видим на примере клиентов Lokad, наши модели, те самые математические модели, достаточно хороши для того, чтобы выявить так называемые «большие выигрыши». То есть, те моменты, которые, если их исправить, оказывают колоссальное, огромное влияние на прибыльность цепочки поставок или на то, что вы пытаетесь оптимизировать. И именно здесь, я бы сказал, мы приносим значительную ценность нашим клиентам. Однако есть и множество деталей, где, знаете, модель хороша, но ее недостаточно, и именно здесь, я бы сказал, важна промышленная автоматизация – когда можно действительно тестировать, дорабатывать и корректировать, фактически проводя испытания в реальном мире. Я имею в виду, что это действительно суть цепочки поставок, верно? Это сочетание аналитики и операций, где, знаете, нужна аналитика, чтобы не совершать глупых ошибок, а затем – операции, тестирование…

Kieran Chandler: Таким образом, я хотел спросить вас о оптимизации запасов. Кажется, это та область, в которой люди часто боятся использовать модели, потому что опасаются, что они станут слишком сложными. Поэтому можно перейти к симуляции, и я уверен, что у Йонаса есть много мысли о том, как проводить симуляции в цепочке поставок.

Joannes Vermorel: Ну, в первой части книги я также показываю: «Хорошо, это обычные модели для цепочки поставок. Давайте проведем симуляцию, чтобы проверить, работают ли они – да или нет». И я действительно замечаю, что, например, одна из вещей, которые мы обычно делаем в цепочке поставок – это использование, опять же, обычной формулы страхового запаса, той самой, что есть в Википедии. Эта формула позволяет учитывать случайное время потребности, то есть, время от времени ваш поставщик задерживается, и, соответственно, вам нужен дополнительный страховой запас, верно? Однако если вы посмотрите на формулу, которая оценивает, сколько страхового запаса необходимо на основе случайного времени потребности, вы увидите, что в ней заложено предположение: «Время выполнения я распределяю нормально». То есть, по сути, это хорошо ведущее себя распределение, при котором ваш поставщик время от времени немного опаздывает, но никогда не слишком. На практике, я считаю, что большинство поставщиков в большинстве случаев приходят вовремя. Но когда они опаздывают, они делают это довольно сильно, верно? Так что я бы сказал, что в 80% случаев они вовремя, а в 20% – опаздывают на одну или две недели. Фактически, не существует математической формулы, способной учесть такую ситуацию. Если у вас есть поставщик такого типа, то эта формула страхового запаса не поможет. Вам действительно нужно вернуться к симуляции, и вот тут и выявляются ограничения использования простой математической модели, когда необходимо сделать шаг вперед и, возможно, начать применять симуляцию для решения проблемы.

Nicolas Vandeput: Да, и я полностью согласен с тем, что говорит Йоаннес. Думаю, есть предел возможностям математических моделей в оптимизации цепочки поставок. А симуляция – это очень мощный инструмент, который помогает понять влияние различных параметров на цепочку поставок и оптимизировать её. И, фактически, это то, чем мы занимаемся уже многие годы, как и Йоаннес.

Kieran Chandler: Хорошо, замечательно. Нам придется на этом остановиться, но спасибо вам обоим за уделённое время. Если вам интересна книга Николаса об оптимизации запасов с помощью моделей и симуляций, мы разместим ссылку в описании ниже. В противном случае, увидимся в следующем выпуске, и спасибо за просмотр. Пока.

Joannes Vermorel: Спасибо.

Nicolas Vandeput: Спасибо.