Дебаты по цепочке поставок о модели адаптивного предприятия, ориентированного на спрос (с Кэрол Птак) - Эп 165

00:00:00 Введение от Коннора Дохерти
00:00:35 Объяснение формата дебатов
00:02:59 Вступительное слово Жоаннеса Вермореля
00:09:52 Вступительное слово Кэрол Птак
00:17:07 Реплики Жоаннеса Вермореля
00:22:13 Реплики Кэрол Птак
00:27:17 Заключительное слово Жоаннеса Вермореля
00:29:19 Заключительное слово Кэрол Птак
00:31:24 Вопросы от аудитории
00:32:10 Проблемы принятия решений
00:34:56 Размышления о теории, лежащей в основе DDMRP
00:37:51 Подход, ориентированный на спрос, во время COVID
00:40:52 Точка зрения Lokad на управление сбоями
00:42:17 DDAE и вероятностное прогнозирование
00:49:14 Сравнение DDMRP с MRP
00:56:40 Минимальная технология для оптимизации
00:58:44 Внедрение DDMRP в крупных розничных сетях
01:00:02 Значение потока в DDMRP
01:01:09 Адаптивность на системном уровне
01:03:35 Возможно ли сравнивать кейс-стади
01:07:46 Управление неопределенностью на фоне неопределенности
01:12:26 Основная критика модели DDMRP
01:19:19 Когда DDMRP недостаточно
01:24:47 Взгляд на подходы push против pull
01:26:46 Страховой запас и высокая волатильность
01:29:46 Почему подход, ориентированный на спрос, не получил более широкого распространения
01:35:01 Конец дебатов

Полная расшифровка

Conor Doherty: Добро пожаловать в очень специальный выпуск LokadTV. Сегодня у меня есть удовольствие вести живые и, надеюсь, дружественные дебаты между Кэрол Птак и Жоаннесом Верморелем. Кэрол – партнер Demand Driven Institute, а также приглашённый профессор и заслуженный исполнительный директор в Pacific Lutheran University. Между тем, Жоаннес, находящийся справа от меня, – основатель и генеральный директор Lokad. Он инженер Corps des Mines France и преподавал программную инженерию в École Normale Supérieure в течение шести лет.

Теперь я кратко изложу параметры дебатов. Во-первых, тема: «Способна ли модель адаптивного предприятия, ориентированного на спрос, решать задачи принятия решений в реальном мире?» Кэрол будет выступать за, а Жоаннес – против. Сначала последуют вступительные слова продолжительностью семь минут, как было заранее согласовано. Сначала заговорит Жоаннес, затем Кэрол. После этого каждому участнику будет предоставлено по пять минут для возражений. Затем каждому участнику дадут по две минуты для заключительного слова. После этого я задам несколько вопросов, надеюсь, полностью взятых от аудитории. Не стесняйтесь задавать свои вопросы в чате в любое время. О, и в конце у них будет свободный обмен мнениями, то есть именно то, для чего мы все здесь.

Теперь, в подготовке к дебатам, оба участника согласились с следующим определением, и я цитирую: “Модель DDAE является инструментом управления для выявления изменений на рынке, адаптации к сложным и нестабильным условиям и реализации инновационных стратегий, ориентированных на рынок. Ее три основные компоненты – это операционная модель, ориентированная на спрос, demand-driven планирование продаж и операций, и адаптивное планирование продаж и операций.” Честно говоря, это длинное определение, поэтому мы вставили ссылку на открытый документ Google в чате. Если вы кликнете по ней, то перейдете к открытому документу, где найдете подробные определения всех этих терминов и полные биографии участников.

Теперь, во время дебатов, я буду строго следить за временем каждого участника. Единственное прерывание — мягкое напоминание, когда время подойдет к концу. Я также рекомендую вам обоим отслеживать время на ваших устройствах. Участники, мы почти закончили. Во время подготовленной части дебатов участники должны сохранять абсолютное молчание. Если вы начнете перебивать друг друга во время подготовленных замечаний, вас отключат, и вас предупредили об этом заранее. И, наконец, если вам нравится то, что мы делаем, если вам нравятся дебаты по цепям поставок, я призываю вас подписаться на канал Lokad на YouTube и следить за нами в LinkedIn.

И, оставив в стороне эту дерзкую саморекламу, я спрашиваю вас обоих: способна ли модель адаптивного предприятия, ориентированного на спрос, решать задачи принятия решений в реальных условиях цепей поставок? Выступает против – Жоаннес.

Жоаннес Верморель: Дамы и господа, уважаемые коллеги и энтузиасты цепей поставок, рад быть здесь, чтобы обсудить модель адаптивного предприятия, ориентированного на спрос, и её способность решать задачи принятия решений в реальных условиях. С этой целью Кэрол предложила мне три книги: “Demand Driven Material Requirements Planning” (2016), “Demand Driven Adaptive Enterprise” (2018) и, наконец, “Adaptive Sales and Operations Planning” (2022).

Всего это 886 страниц, но не волнуйтесь, вам нужно прочитать только около трети. Остальное напоминает сериал на Netflix, который не может перестать пересказывать предыдущие эпизоды, так как эти книги сильно перекрываются. Я пощажу вас и отвергну их как одно чрезмерно повторяющееся произведение. Как человек, глубоко погружённый в цепи поставок, я с высокими надеждами относился к парадигме, ориентированной на спрос. Ведь кто не был бы в восторге от структуры, обещающей революционизировать нашу отрасль? Однако, после прочтения почти тысячи страниц, я не убеждён.

Во-первых, банальности. Страница 43 книги “Adaptive Enterprise”, и я цитирую: “Если руководители хотят выполнить свою миссию, они должны понять, с чего начать.” Ну, да. Страница 163: “Последовательное определение, последовательное соблюдение тех же принципов.” Видимо, это последовательность — определять последовательно для тех, кто, возможно, прогулял начальную школу. Иллюстрации, предположительно предназначенные для помощи читателю, не лучше. На странице 150 у нас таблица с числами, обозначенная как “Data”, столбчатая диаграмма, обозначенная как “Graph”, и текстовая часть с меткой, постойте, “Text”. Слава богу, что они это уточнили. Я собирался назвать столбчатую диаграмму современным искусством. Такое ощущение, что авторы боятся, что мы не узнаем эти базовые концепции, но, возможно, они выполняют общественную службу для тех, кого подвела их начальная школа.

Теперь, если простые части оскорбительно просты, что насчёт сложных? Может быть, истинная ценность, ориентированного на спрос подхода, заключается между ними, зарытая среди клише. Давайте рассмотрим уравнения. И да, они включают уравнения, или, по крайней мере, так их называют. На страницах 17, 25, 28 и 29 книги “Adaptive Enterprise” мы сталкиваемся с тем, что авторы называют уравнениями. Но эти уравнения — просто случайное сочетание греческих букв и дробных черт. Это не уравнения ни в коем случае. Как человек, который также экспериментировал с редактором уравнений в Microsoft Word, я понимаю этот порыв, но если они пытаются научить лучшему принятию решений в цепях поставок, возможно, предоставление настоящих математических формул было бы полезнее.

Наоборот, с страниц 99 по 105 мы терпим невыносимо скучное объяснение, где авторы простым английским говорят нам: “Добавьте это, вычтите то и умножьте это.” Это как чтение рецепта для математических операций. Полдюжины страниц можно было бы сократить до нескольких строчек базовых формул. Но, возможно, это показало бы, что базовая математика модели адаптивного предприятия, ориентированного на спрос, не обладает изысканностью учебника для средней школы. Совсем не то, что можно было бы ожидать от работы, заявляющей, что она является частью, и я цитирую, “возникающей науки о сложных адаптивных системах.”

Честно говоря, в этих трёх книгах есть одно подлинное уравнение. Всего одно. И нет, это не так называемое уравнение чистого потока на странице 150 книги DDMRP, которое, несмотря на своё пафосное название, является лишь определением. Единственное уравнение содержится в книге “Adaptive S&OP” на странице 156. Это индекс возможностей по Тагахучи. Эта формула была просто скопирована с Wikipedia, но, эй, это всё ещё уравнение. К сожалению, это уравнение из машиностроения для расчёта размерных допусков, и обычно его считают совершенно не связанным с цепями поставок. Оно появляется случайным образом посреди обсуждения целей по S&OP.

Я не хочу утверждать, что авторы намерены сбить читателей с толку неуместными уравнениями. Возможно, они просто утонули в море “копировать-вставить”. По мере того как мы погружаемся глубже между клише и псевдоуравнениями, мы обнаруживаем многочисленные призывы к действию. Призывы к действию — это прекрасно. Компаниям действительно нужно действовать. На странице 44 книги “Adaptive Enterprise” мы видим ряд рекомендаций, подразумевающих, что людей следует обучать системному мышлению, они должны владеть общим языком, общим системным языком для мышления и работы, и мы должны дать им возможность понимать взаимосвязи между отделами, ресурсами и людьми.

Дамы и господа, какая замечательная программа. Как генеральный директор, я был бы вне себя от радости, если бы мои 60 сотрудников могли этого достичь. И заметьте, в Lokad мы нанимаем элитные инженерные кадры, и даже для нас то, что предлагает Кэрол, кажется нелепо сложным. Я только могу представить, как это сработало бы в компании с тысячами сотрудников, где основная связь, которую они понимают, — это послевечерние напитки по пятницам. Так что, естественно, я ожидал от книги указаний, как перепрошить умы моих сотрудников, научить их новому языку и заставить их понять тонкости работы каждого отдела. Но после этой бомбы книги сразу переходят к следующей главе, не давая ни малейших указаний, как достичь этих высоких целей.

Таким образом, подытожим: у нас почти тысяча страниц, колеблющихся от ослепительно очевидного до абсолютно банального, от математически бессмысленного до чрезвычайно непрактичного. Ориентированный на спрос подход хвастается тем, что возглавляет революцию в управлении цепями поставок. Ирония в том, что единственное, что он действительно революционизировал, — это мое разочарование текущим состоянием литературы по цепям поставок.

Conor Doherty: Жоаннес, у тебя осталось 21 секунда.

Жоаннес Верморель: Всё в порядке.

Conor Doherty: Всё в порядке? Ну, исходя из этого, Жоаннес, благодарю за твои вступительные замечания. Кэрол, теперь твоя очередь выступить с семиминутным вступлением, пожалуйста.

Кэрол Птак: О, большое спасибо. Ну, в лучшем случае это было забавно. Я не осознавала, что предстоит книжный отчёт и детальная критика по страница за страницей. Чтобы это отбросить, я очень надеялась, что наши дебаты будут посвящены модели адаптивного предприятия, ориентированного на спрос, а не книжному отчёту и цитированию страниц. Заметим, что эти три книги были написаны для трёх совершенно разных рынков. Я не ожидала, что кто-то прочтёт все тысячу страниц. Я просто думала, что с научным умом Жоаннеса ему будет интересно понять как операционный, так и тактический и стратегический взгляд на эту цепь поставок.

Так давайте разберёмся, что же на самом деле представляет собой модель адаптивного предприятия, ориентированного на спрос, и почему она революционна. DDAE на самом деле основана на науке о сложных адаптивных системах и понимании того, что цепи поставок вовсе не являются цепями. Цепи поставок никогда таковыми не были. Мы неправильно их назвали, и это потому, что те из нас, кто участвовал в их формировании, включая меня, исходили из операционной способности, где мы были привычны использовать алгоритмы оптимизации, чтобы понять, где находятся наши узкие места и как можно максимизировать выход всего процесса, исходя из максимизации узкого места.

Когда мы впервые называли это цепью поставок, мы говорили: “Хорошо, я возьму свои операции и свяжу их с моим клиентом, с клиентом моего клиента, с моим поставщиком и поставщиком моего поставщика, и вуаля, у нас есть цепь поставок.” Мы были абсолютно неправы. Цепи поставок вовсе не являются цепями, никогда таковыми не были. Они представляют собой сложные адаптивные системы, и сложные адаптивные системы работают по совершенно иной науке, чем цепь. Цепь — это линейная система. Сложные адаптивные системы нелинейны. Это сети. Здесь множество узлов, множество связей, и, к сожалению, академики любят разрезать связи, чтобы детально изучить узлы, а потом считать, что, собрав их вместе, можно понять целое. Но как только связи разрываются, мы теряем контекст целого.

Таким образом, что же отличает DDAE, так это то, что она понимает: цепи поставок действительно не являются цепями; они — сложные адаптивные системы, что означает, что они не остаются в каком-либо устойчивом состоянии надолго. Как только на них оказывается давление, они меняются и трансформируются, и по определению их нельзя математически оптимизировать. Наука о сложных адаптивных системах берет начало из идей биологии и экономики, и поэтому хорошо понятна. Если кто-то заинтересован в этой теме, существует отличная книга под названием “Team of Teams”, написанная генералом Стэнли МакКристал.

Так как же работает DDAE? Мы понимаем, что каждая компания сегодня находится в изменчивом, нестабильном, неопределённом, сложном и неоднозначном мире. Поэтому мы должны иметь возможность очень быстро обнаруживать изменения на рынке, а затем адаптировать планирование в производстве, заказывать у поставщиков и решать всё в реальном времени. Новая идея? Нет. Определение, ориентированного на спрос подхода, существовало ещё в 2001 году. Этот термин был введён, когда я работал в PeopleSoft. Мы действительно не понимали, как это делать, до примерно 2006 года, когда Чад Смит и его команда начали использовать концепцию разделения в цепях поставок.

Из-за мира VUCA, этого нестабильного, неопределённого, сложного и неоднозначного мира, в котором мы живём, если только наши времена реакции на изменения рынка не будут короче, чем время терпимости наших клиентов, кто-то в цепи поставок должен держать запасы. Таким образом, запасы — это актив. Мы допустили ситуацию, когда запасы обсуждаются как обязательство, как актив, — всё зависит от того, где и в каком объёме эти запасы существуют. Если у нас есть нужный запас в нужном месте, тогда запасы явно являются активом, поскольку они улучшают рентабельность инвестиций для компании, что является важным показателем.

Итак, как мы можем достичь согласованности по всей организации для повышения ROI? Как нам управлять операционными, тактическими и стратегически релевантными диапазонами, чтобы компания действовала согласованно для достижения ROI? Я не могу выйти на производственную площадку и спросить у Джо, что он сделал для повышения ROI в тот день, но я определённо могу подойти к нему на производстве и спросить: “Что ты сделал для улучшения потока?” И, повторюсь, это не новая идея. Мы знаем о потоке уже очень, очень, очень давно, начиная с древних финикийцев, которым приходилось переделывать свои торговые суда в военные корабли.

Модель DDAE построена на согласованности потока в организации, что преобразует всё в компании. Больше мы не сосредотачиваемся на эффективности затрат и оптимизации, потому что понимаем, что то, чем мы управляем, — это не линейная система; это сложная адаптивная система. И современный мир, в котором мы ею управляем, является непредсказуемым, хаотичным, сложным и двусмысленным. Например, MRP была задумана в 50-х годах, коммерциализирована в 70-х, когда Джо Орликки написал свою книгу. И то, что мы поняли в то время, заключалось в том, что нам нужно было уметь проводить зависимое планирование, и именно зависимое планирование стало настоящим активом MRP.

Но помните, в 50-х и 60-х годах у нас было всего 8К памяти и пара лентоприводов, поэтому мы обычно проводили планирование материалов, возможно, раз в неделю, многие компании — раз в месяц, а затем осуществляли дезагрегацию. И мы действительно думали, что, по мере ускорения технологий, всё наладится. И фактически, в 2001 году PeopleSoft представила первую систему MRP в режиме реального времени, и реакция наших клиентов была: “Пожалуйста, остановите это,” потому что они не могли справиться с нервозностью системы. Такого уровня точность, когда мы пытаемся соединить всё по цепочке поставок, вызывает настолько самоиндуцированную волатильность и изменчивость, что планировщики не могут справиться с этим.

Так что идея в том, как мы можем одновременно очень быстро реагировать на изменения на рынке в условиях нестабильной, изменчивой, неопределённой, сложной и двусмысленной среды и при этом использовать преимущества современных систем реального времени? Когда доктор Голдратт и я писали книгу “Necessary But Not Sufficient,” мы говорили о технологиях, потому что понимали: по мере изменения технологий, бизнес-правила должны меняться. И по мере изменения бизнес-правил, технологии также должны меняться. И сегодня нам очень повезло, что у нас есть такие технологии как машинное обучение и искусственный интеллект, которые, кстати, также основаны на той же науке, что и модель DDAE.

Именно это делает нас очень инновационными: теперь бизнес-правила согласованы с возможностями технологий, и поэтому мы можем ощущать изменения на рынке, адаптировать наше планирование и производство, заказывать у поставщиков и использовать преимущества систем реального времени, которые у нас есть.

Conor Doherty: Карол, я дал тебе лишние 3 секунды, и они были потрачены не зря. Большое тебе спасибо. Спасибо. А теперь, Йоаннес, передаю слово тебе для твоего пятиминутного опровержения.

Joannes Vermorel: Да, я имею в виду, что первое, что я не могу не заметить, — это противоречия, например, в математике. Потому что когда Карол цитирует современные компьютеры, компьютеры, как следует из названия, вычисляют. Это единственное, что они и делают. У них нет никаких хрустальных шаров или чего-либо подобного. И на самом деле, в самих книгах полно уравнений. Снова, я не говорю, что я нашёл — я описываю их как уравнения. Вещи упоминаются и приводятся в виде уравнений самими авторами. А затем, когда они касаются нелинейности, мы снова оказываемся в области математики. Так что это не то, что я выдвигаю для себя; это то, что авторы выдвигают для себя.

Теперь, основываясь на моей критике этих книг, которые по сути являются священными писаниями парадигм, управляемых спросом, ответ, похоже, состоит в том, что, хотя есть много отступлений, целое больше, чем сумма его частей. Верно, мы не можем рассматривать части по отдельности. Так что, независимо от того, насколько дисфункциональны отдельные части, просто соберите их вместе, и вуа-ля — у вас получится великолепие. Это как собрать автомобиль из запасных деталей Toyota и ожидать Tesla. И угадайте что? У нас также есть кейс-стадии, подтверждающие это. Это ещё один интересный момент.

На странице 325 книги по DDAE, например, приведён розничный кейс с использованием DDMRP. В нём утверждается, что выручка выросла на 60%, запасы сократились на 40%, и, цитирую, “исчезло ощущение нехватки в магазинах, несмотря на то, что запасы были первоначально сокращены почти вдвое.” Что ж, если вы в это верите, у меня есть мост в Бруклине, который я могу вам продать. Но вот в чём загвоздка: мы не можем проверить ни один из этих кейсов. Шокирую, я знаю. И поддержка исходит от того самого поставщика, который размахивает чудодейственным средством, основанным на управлении спросом. Это как если бы владелец ресторана сам написал себе пятизвёздочный отзыв на Yelp: “Поверьте мне, это лучший суши в городе.” Конечно, но кейс-стадии — это не более чем вычурный способ сказать: “Потому что я так сказал.” Это не является убедительным доказательством.

Теперь, по сути, поскольку здесь так много отступлений — фактов, определений сложных адаптивных систем, анекдотов, вопросов откуда взялось название цепочки поставок и некоторых мелочей об улучшении ERP и технологий — реальность такова, что если вернуться к простому тесту, то в случае адаптивного предприятия в режиме реального времени на странице 7 нелинейность указана как самый первый принцип, на что также указывала Карол. Так что это самый первый принцип сложных адаптивных систем. Звучит впечатляюще, но давайте выберем самую простую нелинейность, которая может быть в цепочке поставок: минимальный объём заказа (MOQ). Конечно, система, основанная на спросе, должна иметь что-то глубокое сказать о MOQ. Но, на самом деле, нет. На протяжении тысячи страниц MOQ упоминается шесть раз. Это прилично для каждой книги, то есть в среднем около двух раз на книгу. Так что материала предостаточно.

И давайте приведём пример. На странице 63 приведён пример MOQ, который настолько мал, что его можно практически считать несуществующим, поскольку численно он не оказывает никакого влияния на расчёты. Увлекательные вещи. А затем, на странице 115, описана ситуация с заказом контейнера. Интересные нелинейности с разных сторон, связанные с MOQ. Так в чём же суть? У нас размер заказа — 100 единиц, размер контейнера — 100 единиц, и MOQ — подождите — 100 единиц. Какое совпадение. Это как если бы звёзды сошлись так, чтобы не пришлось иметь дело с реальной нелинейностью. Этот процесс можно повторить для ценовых скидок, товаров с ограниченным сроком годности, сквозного складирования, ремонтируемого оборудования и так далее. Система, основанная на спросе, абсолютно ничего не говорит об этих обычных нелинейностях. Ничего. Совсем ничего.

И вот в чём суть подхода, основанного на спросе: броская теория, которая ставит перед собой грандиозные цели, используя всё лучшее, что могут предложить технологии. Да, но технологии дают вам компьютеры для расчётов, у которых так много уравнений, а они ничего не делают. Таким образом, по сути, мы ставим перед собой грандиозные цели, но потом не можем предложить ничего для решения типичных задач принятия решений. Итак, должны ли мы верить, что система, основанная на спросе, может справиться с реальными проблемами цепочки поставок? Дайте подумать. Нет, абсолютно нет.

Conor Doherty: Несколько секунд в запасе. Спасибо, Йоаннес. Карол, твое пятиминутное опровержение, когда будешь готова.

Carol Ptak: Спасибо. Снова, я очень разочарована тем, что Йоаннес выбирает читать доклад по книге, вместо того чтобы обсуждать модель, которую мы должны были обсуждать. Но позвольте мне сначала затронуть случай, который он цитирует в книге, и я приглашаю вас присоединиться к нам во Франкфурте на следующей неделе, где вы сможете поговорить с человеком, который на самом деле осуществил эту реализацию. Дэвид Поведа будет там от Medan Colombia, и он сможет рассказать все подробности.

На Demand Driven World на следующей неделе у нас также будет, потому что я знаю, что вас всегда очень интересуют кейсы, — поверьте мне, — а кейс-стадии всегда делаются компанией-разработчиком или консультантом, которые всегда пытаются придать яблоку блестящий вид. Мы не допускаем этого в Demand Driven Institute. Все наши кейс-стадии выполняются практиками. Поэтому я приглашаю тебя, Йоаннес, и всех наших слушателей, если хотите зарегистрироваться на Demand Driven World на следующей неделе.

У нас будет девять кейс-стадий, новые примеры от таких компаний, как Assa Abloy, где директор по логистике Фредрик Хелгессон будет выступать. Ещё один кейс из Мексики, от Mega Alimentos, где директор по цепочке поставок Антонио Тревиньо выступит. Mettler Toledo представит главу своего глобального планирования, или A2A — своего управляющего директора, или Gelwin — своего вице-президента по цепочке поставок, или Sapo — своего руководителя планирования, или Koch Engineered Solutions — своего глобального руководителя по планированию и расписанию, или PPG — своего директора по цепочке поставок для Латинской Америки.

Это всего лишь кейс-стадии, которые появятся на следующей неделе в Германии. Я призываю всех, поверьте мне, вперед. Мы выкладываем все наши кейс-стадии на нашем сайте. Они выполняются исключительно практиками. Мы не допускаем, чтобы компания-разработчик или консультант даже участвовали в презентации. Эти практики говорят: “Вот что мы сделали, вот почему мы это сделали, вот проблема, с которой мы столкнулись, вот результаты, которых мы достигли,” и очень откровенно добавляют: “И если бы нам пришлось делать всё заново, мы бы изменили следующее.” Мы не контролируем и не редактируем ни один из их комментариев.

Таким образом, рассматривая идею MOQ, я думаю, что вы неверно подсчитали, сколько раз MOQ упоминается, ведь он появляется каждый раз, когда встречается уравнение чистого потока. Но я всё же считаю, что вы упускаете суть того, чем является Адаптивное Предприятие, Управляемое Спросом. Это, по сути, три отдельных релевантных временных диапазона с необходимыми для них инструментами.

Теперь, что такое релевантность? И это определение дано в книге. Релевантность — это то, как я устанавливаю связь между требованиями и тем, что происходит в данном временном диапазоне. Так как же я могу более точно связать свои активы с тем, что происходит на рынке? Просто реализовав DDMRP, который является движком внутри Операционной Модели, Управляемой Спросом; обычно компании достигают сокращения запасов на треть до половины, а их выполнение заказов вовремя и в полном объёме превышает 90%.

Я обращу ваше внимание на кейс Coca-Cola Africa, чтобы вы услышали, как Coca-Cola Africa рассказывает о том, что там происходило. До внедрения DDMRP их точность прогнозирования составляла около 50%. Они внедрили систему, получили лучшие результаты, их запасы сократились, выполнение заказов вовремя и в полном объёме выросло, и в итоге точность прогнозирования осталась около 50%. Значит ли это, что мы не делаем прогнозов? Нет, конечно нет. Нам нужны прогнозы для управления тактическим и стратегическим диапазонами. Я надеялся, что в этой дискуссии мы поговорим больше о том, как работает модель DDAE, а не будем делать посекционное рассмотрение книги.

Итак, рассматривая идею прогнозирования, знаете, о вероятностном прогнозировании, да, оно определённо играет роль, но эту роль выполняет только тактический и стратегический диапазоны, что позволяет нам модифицировать и адаптировать операционную модель, где DDMRP служит планировочным механизмом. Таким образом, мы должны понимать, что модель DDAE может учитывать только то, что мы способны изменить. Всё, что выходит за пределы нашего влияния, относится к инновациям, основанным на рынке, а с другой стороны, мы должны учитывать фактический рыночный спрос.

И, как я уже сказал, если нам повезёт, и наш совокупный срок поставки укладывается в ожидания наших клиентов, такой компанией управлять просто. Однако мир, в котором мы живем, таков, что временные допуски наших клиентов значительно меньше нашего совокупного срока поставки. Поэтому мы должны иметь такую модель управления, которая позволит нам чувствовать изменения на рынке, адаптировать наше планирование и производство, переводить адаптивный бизнес-план в оперативные возможности, а также стратегически использовать наши уникальные операционные возможности. Думаю, я вернул вам три секунды.

Conor Doherty: С изменениями. Спасибо. Ну, большое спасибо, Карол. На этом, Йоаннес, возвращаю тебе слово для твоего заключительного двухминутного выступления.

Joannes Vermorel: Так что почти тысяча страниц материалов, основанных на управлении спросом, плюс несколько минут комментариев можно свести к одной записке на стикере. Вот что самое осуждающее: парадигма, основанная на спросе, совершенно нечувствительна к разуму. Я мог бы целый день цитировать строки, указывая, какие из них тривиальны, бессмысленны или откровенно безумны, и мы всё равно застряли бы в том же месте, как хомяк на колесе, но без развлекательной ценности. Почему так происходит? Потому что каждый раз, когда я указываю на недостаток, это как попытка сыграть в шахматы с голубем. Он опрокидывает фигуры, гадит на доске, а затем разгуливает, как будто победил.

Карол не ответила ни на одну из серьёзных критик, которые я выдвинул, включая такие базовые, как вопищее неправильное использование индекса возможностей Тагучи. Она не объяснила псевдо-уравнения. Она могла бы попытаться опровергнуть мои аргументы один за другим, но не сделала этого. И она не сделала этого, потому что не может. Вместо этого нам предлагают серию отступлений, преимущественно апелляций к авторитету. Давайте не будем себя обманывать. Кейс-стадии — это всего лишь вычурный способ сказать: “Поверьте, я профессионал.” Дамы и господа, я обращаюсь к самой возвышенной форме человеческого рассуждения: тест утки. Если что-то выглядит как утка, плавает как утка и крякает как утка, то, вероятно, это утка. Если теория выглядит как мусор, пахнет как мусор и звучит как мусор, то, вероятно, это мусор.

В заключение: может ли модель Адаптивного Предприятия, Управляемого Спросом, справиться с реальными проблемами цепочки поставок? Нет. Но я уступлю в одном: если вам удастся как-то обмануть конкурентов, заставив их поверить в это, то вы однозначно получите преимущество, поскольку они рухнут и сгорят.

Conor Doherty: Спасибо, Йоаннес. А Карол, передаю слово тебе для твоего двухминутного заключительного выступления, пожалуйста.

Carol Ptak: Спасибо. Честно говоря, я очень разочарована Йоаннесом. Я действительно ожидала открытой, честной дискуссии, а не того, что он будет читать заранее подготовленные заметки, не вникая в поднятые вопросы.

Что касается функции Тагучи, как я уже говорил в своём пятиминутном опровержении, адаптивный бизнес-план затем создаёт операционную модель. Операционная модель имеет цель, верхний и нижний предельные значения, и когда мы сравниваем это с тем, как протекает процесс, поскольку модель Demand Driven Adaptive Enterprise теперь позволяет нам операционно управлять процессами, а не транзакциями, как это было в старые добрые времена MRP, то функция Тагучи, очевидно, подходит, потому что мы хотим увидеть, насколько наша фактическая производительность соответствует заданному диапазону.

Как я уже говорил, я не ожидал подробного доклада по книге или книжного обзора, разбитого по страницам. Я действительно ожидал обсуждения самой методологии. И это не «доверьтесь мне». Я бы посоветовал вам поговорить с реальными практиками и посмотреть их настоящие результаты. Для меня именно это говорит громче всего. Это не «доверьтесь мне». Это: «Вот какая была наша бизнес-проблема, вот что мы внедрили, вот каких результатов мы достигли, и если бы нам пришлось всё делать заново, мы сделали бы по-другому».

И когда мы говорим, отвечает ли модель Demand Driven Adaptive Enterprise потребностям этого мира VUCA, в котором мы живём, и обеспечивает ли она реальные результаты, ответ — абсолютно и однозначно да. Десятки тысяч человек, прошедших обучение DDI, результаты компаний, рост рентабельности инвестиций, способность компании выживать во время пандемии, когда их модели спроса перевернулись и стали непредсказуемыми, а доход и рентабельность всё равно росли — я думаю, результаты говорят сами за себя.

Conor Doherty: Ну, большое спасибо вам обоим. И Кэрол, спасибо за эти замечания. Сейчас я перейду к вопросам из зала. На самом деле, в живом чате их уже довольно много. Чтобы было ясно, мы просим, чтобы в вопросах указывалось, для кого они предназначены, но я, разумеется, задам их вам обоим. И, опять же, время не ограничено, но постарайтесь быть краткими, чтобы каждый получил возможность высказаться.

Но прежде чем я перейду к вопросам аудитории, есть один, который я записал, потому что слушал, как вы оба говорили последние 33 минуты. И, знаете, вы перебегали с темы книг и спрашивали, связано ли всё с книгами, что нормально. Но, если я не ошибаюсь, ни один из вас в какой-либо момент не определил, какие, по вашему мнению, являются настоящими проблемами принятия решений в цепочке поставок в реальном мире. Итак, Кэрол, начну с вас. Как можно кратко, в чём именно заключаются трудности принятия решений в цепочке поставок в реальном мире?

Carol Ptak: Ну, самая большая проблема — это то, что я уже сказала, а именно: как реагировать на мир, который изменчив, нестабилен, неопределён, сложен и неоднозначен? И как сделать это так, чтобы можно было увеличить рентабельность инвестиций?

Conor Doherty: Йоханнес?

Carol Ptak: Это максимально кратко, насколько я могу. И если Йоханнес захочет написать это на стикере, он может написать: модель Demand Driven Adaptive Enterprise сводится к одному стикеру — всё дело в потоке.

Conor Doherty: Спасибо, Кэрол. Йоханнес?

Joannes Vermorel: На мой взгляд, цепочка поставок — это искусство работы с возможностями. У вас ограниченные ресурсы всего, и их нужно распределять, что на практике означает принятие миллионов решений ежедневно для масштабной цепочки поставок. То есть решение проблемы по сути состоит в принятии этих решений. Они очень элементарны. Они сводятся к: что покупать, что производить, что распределять, какой ценовой диапазон устанавливать, увеличивать или сокращать ассортимент и так далее. Таким образом, по моему мнению, всё это делается ради прибыли. Но, на мой взгляд, цепочка поставок — это теория и практика, которая позволяет принимать такие решения в большом масштабе, что в наши дни включает огромные вычисления, чтобы их можно было автоматизировать с помощью компьютеров. Вот и всё.

Conor Doherty: Ну, Кэрол, теперь, когда вы услышали мнение Йоханнеса, хотите ли вы что-либо добавить к своему заявлению, или вы с ним согласны, или нет?

Carol Ptak: Нет, вовсе не так, но, знаете, будучи в этой отрасли с самых ранних дней компьютеров, и вспоминая разговор с одной компьютерной и одной софтверной компанией, он сказал: «Мы не предписываем нашим клиентам делать всё так, как мы им говорим». А я ответила: «Вы, безусловно, предписываете, ведь то, что вы внедряете в своё программное обеспечение, — это то, что вы считаете лучшими отраслевыми практиками». А что, если эти практики неправильны?

Таким образом, методология идёт рука об руку с вычислениями, а технология — с методологией. Знаете, например, на Demand Driven World на следующей неделе у нас будет Симо, который сможет создать полноценного цифрового двойника компании, чтобы начать принимать те стратегические решения, о которых говорит Йоханнес. Но делает ли он это с использованием потенциала DDMRP-движка, встроенного в систему, чтобы понять, где позиционировать стратегические буферные запасы, как их планировать, как затем обеспечить оперативный отклик на спрос? Таким образом, технология сама по себе необходима, но недостаточна. Хорошее название для книги.

Conor Doherty: Хотите что-нибудь добавить или я могу продолжить?

Joannes Vermorel: Нет, продолжай.

Conor Doherty: Продолжай. Итак, этот вопрос адресован Йоханнесу. Я читаю его дословно, как он был задан мне. Мог бы ты поделиться своими мыслями о теории, лежащей в основе DDMRP, в частности о том, как DDMRP выстраивается на основе существующих практик цепочки поставок?

Joannes Vermorel: Короче говоря, DDMRP представляет собой набор банальностей. Они размечают буферы с помощью трёх цветов. На точке развязки ничего конкретного не указано. Нет алгоритма, который определял бы, как их разместить, так что по сути они дают крайне неоднозначные рекомендации. Есть также грубые ошибки. Например, они утверждают, что при наличии MOQ зеленая зона должна быть такого же размера, как MOQ, что абсолютно безумно, ведь существует множество ситуаций, когда пополнение запасов до уровня MOQ — это безумие. Так что это абсолютно не должно быть частью того, что DDMRP называет «зелёным».

Но, в конце концов, всё это очень, очень поверхностно. Знаете, для чего-то, что является количественным, по моему мнению, это можно свести примерно к трём страницам, и всё. Итак, оно очень, очень слабое. Это даже оскорбление для исследований операций, которые были до него, утверждать, что оно является их продолжением. Это не так. Исследования операций уже опережали DDMRP на многие годы в плане сложности.

Carol Ptak: Ну, и я оспариваю соотношение изысканности и результатов. То, что что-то изысканно, вовсе не значит, что оно лучше. На самом деле, DDMRP основан на идеях бережливого производства, MRP, DRP, теории ограничений с некоторыми инновациями, которые теперь гармонизируют все эти вещи, которые раньше казались взаимоисключающими. Так что всё дело в потоке.

И что касается позиционирования этих буферов, я думаю, он, вероятно, пропустил эти страницы в книге. Существует шесть критериев, определяющих, где позиционировать эти буферы, включая время допустимой задержки клиента, рыночный потенциал, время выполнения, запасы, внешнюю изменчивость. Итак, их шесть, и именно это оптимизируется и учитывается в цифровом двойнике после позиционирования буферов.

Как правило, мы наблюдаем, что цепочки поставок стабилизируются, потому что мы устраняем системное нервное напряжение, а затем и позиционирование, и объёмы необходимо менять. Это цикл адаптации. То есть это не просто чистый «пулл»; это позиционировать, защищать, оттягивать и адаптироваться. Но мы очень ясно понимаем, где располагаются эти буферы и что означают цвета: зеленый, желтый, красный, ведь это сочетание практичности и изысканности. Все понимают значение зеленого, желтого и красного.

Итак, я понимаю правила. Что происходит, когда я вижу зеленый, желтый, красный? Именно поэтому планировщики это любят, а компании очень быстро внедряют это, и реализации обычно проходят гораздо быстрее, чем изначально планировалось.

Conor Doherty: Йоханнес, никаких комментариев?

Joannes Vermorel: Нет комментариев.

Conor Doherty: Продолжаю. Этот вопрос адресован напрямую тебе, Кэрол. Я читаю его так, как он написан. Почему подход, основанный на спросе, столкнулся с трудностями во время кризиса COVID и что компании должны делать, чтобы адаптироваться в таких ситуациях?

Carol Ptak: Ну, во время кризиса COVID был интересный разговор. Мы не испытывали проблем. Я думаю, что каждый ИТ-проект, каждый проект по оптимизации процессов во время COVID был заморожен, и это было обидно. Мы провели много времени, разговаривая по телефону с высшими руководителями, которые говорили: «Мы вернемся к реализации, когда всё нормализуется». А наш ответ был: «Добро пожаловать в новую нормальность».

Вопрос не в том, придут ли сбои, а в том, когда и где, так что лучше быть готовыми. Итак, мы наблюдаем, что после COVID фактический спрос на наши образовательные программы достиг рекордного уровня, а число внедрений по всему миру выросло до рекордного уровня, потому что руководители поняли, что им приходится иметь дело с этим переменным, нестабильным, безумным миром, в котором мы живём. У нас был не только COVID, был и российский вторжение в Украину, и последующая пандемия, и суматоха в американских портах, и забастовки портовых рабочих. Дело не в том, придёт ли следующий сбой, а в том, когда и где.

И, к сожалению, во время кризиса COVID многие высшие руководящие команды говорили: «Ну, когда всё нормализуется», а наш ответ был: «Добро пожаловать в вашу новую нормальность».

Conor Doherty: Хорошо, спасибо, Кэрол. Йоханнес, простите, почему, по вашему мнению, подход, основанный на спросе, мог бы столкнуться или не столкнуться с трудностями во время кризиса COVID?

Joannes Vermorel: Этот вопрос не был адресован мне, так что я могу только прокомментировать ответ Кэрол. Потому что, опять же, у меня нет фактов, так как я не в курсе того, что именно происходит в компаниях, управляющих этими процессами. Но я бы сказал, что на вопрос, столь фактический, мы получаем, что типично для парадигм, ориентированных на спрос, — это бесконечный список факторов: знаете, регрессия, война в Украине, изменчивость, неопределённость и т.д. Модные слова, модные слова, модные слова, проблема, проблема, ситуация.

Видите, это как изобилие всего подряд. Но когда я начинаю заново, а книги остаются точно такими же, этот список есть на каждой странице. Они отходят в 20 отклонений, и каждый раз я думаю: «Ладно, теперь они открыли около 20 глав, чтобы обсудить каждое из этих отклонений», — и вы не получаете ничего конкретного, математически обоснованного, а когда я говорю «математически обоснованного», я не имею в виду высшую математику, а даже элементарную математику, что-то недвусмысленное, что даёт правило для вычисления, и потом — ничего. Вы просто переходите дальше, и опять же, это просто изобилие бесконечных фактов. И я думаю, что это действительно закономерность, и я хотел бы, чтобы аудитория обратила внимание на это изобилие фактов.

Conor Doherty: Ну, если можно продолжить, так как следующий вопрос адресован Йоханнесу, а затем для Кэрол, я обращусь к вам. Но предлагает ли Lokad — я их не писал — предлагает ли Lokad иной подход к управлению сбоями, подобными тем, что наблюдались во время COVID, и если да, то как он решает такие задачи?

Joannes Vermorel: Длинный ответ содержится в серии лекций по цепочке поставок, но это очень длинный ответ. Краткий ответ таков: мы используем вероятности и вероятностное прогнозирование. Идея заключается в том, чтобы иметь экономическую модель, в которую можно включить события с низкой вероятностью, но большим экономическим воздействием. Таким образом, вам нужны вероятностные прогнозы, а затем, поверх этого, требуется второй инструмент. Это предсказательный инструмент, а инструмент оптимизации — стохастическая оптимизация, что является общим термином для любого решателя, способного дать оптимизированный ответ в условиях неопределённости.

В итоге, вы оцениваете вероятности всех возможных будущих сценариев — шаг первый. Шаг второй: рассматриваете все возможные решения,, сокращенные до того, с чем компьютер может справиться, и оптимизируете то, что даёт наивысшую рентабельность инвестиций с учётом риска. Это краткий ответ на то, как, по моему мнению, Lokad решает эту задачу, в очень-очень технических терминах.

Conor Doherty: Кэрол, ранее вы говорили, что модель DDAE, подобно всеобъемлющей иерархии концепций, совместима с вероятностным прогнозированием.

Carol Ptak: Абсолютно, абсолютно. То есть, вероятностное прогнозирование — это то, что помогает нам определить, как будет построена операционная модель. Но, знаете, чтобы возразить Йоханнесу по его ответу, это был очень сложный научный ответ, который, по сути, сводится к: «Знаете, ответ вышел из компьютера, так что доверьтесь ему». И я не знаю ни одного планировщика на планете, который сказал бы: «О, ответ вышел из компьютера, доверяй ему». Модель DDAE гораздо понятнее.

Ладно, проще говоря, у меня нет докторской степени. Итак, я бы сказал так: «Сначала надо договориться о проблеме. В чём проблема, которую мы пытаемся решить?» Именно поэтому мы постоянно говорим о вариабельности, разнообразии, знаете, о настоящих проблемах реального мира и о том, как DDAE их решает. А ещё один вопрос, который у меня возникает: «Локад, где ваша страница с кейсами, где вы демонстрируете, как вы решили проблемы для ваших клиентов в реальном мире с реальными финансовыми результатами, представленными вашими практиками?» И я сравнил бы эту страницу с тем, чего модель Demand Driven Adaptive Enterprise достигает каждый день. Как я уже говорил, приходите к нам на следующей неделе в Германию, встречайтесь с этими людьми лично, поговорите с ними.

Conor Doherty: Какие-нибудь комментарии? Больше никаких факторов, отклонений и авторитетных рассуждений о вишне и пироге. Так что комментариев больше нет.

Ну, если я могу продолжить, Кэрол, и опять же, не хочу подставлять вам слова, так что исправьте меня, если я ошибаюсь, но то, как вы сформулировали свой ответ на комментарий Йоханнеса, было почти так: «Ну, у меня тоже нет докторской степени, так что, эй, я не доктор. Я пришла из компьютерных наук и математики.»

Казалось, вы позиционировали себя и свой подход не как антиакадемические, а как понятные. Мой последующий вопрос к вам: если это понятно, но менее эффективно, чем более сложное решение, вы бы были с этим согласны?

Carol Ptak: Нет, я бы не поступал так, потому что считаю, что этот подход более понятен и эффективен. Когда планировщики и менеджеры понимают, как что-то работает, они начинают этим пользоваться. Как я уже говорил, ни один руководитель на планете не скажет: “О, числа получены из компьютера, отлично.” Потому что я также оспорил бы у Йоаннеса, что нельзя оптимизировать цепочку поставок, поскольку цепочки поставок представляют собой сложные адаптивные системы. Вы можете рассмотреть альтернативы и выбрать одну из них, но реальность такова, что если в исполнении нет никакой изменчивости, всегда будут существовать различные варианты, которые продемонстрируют фактические результаты.

В случае спрос-ориентированного подхода, я бы сказал, что он не только чрезвычайно понятен, но и мы не используем ничего сложнее математики пятого класса. Я понимаю, почему Йоаннес может почувствовать себя оскорблённым первоначальной академической математикой, но при этом мы не применяем математику выше уровня пятого класса. Это очень понятно, поэтому компании используют этот метод и видят невероятные результаты. Есть отличный кейс; это был последний опыт с Германией несколько лет назад. Она говорит: “Да, я знаю, у всех запасы сократились наполовину, полнота вовремя выросла до 90%, скучно.” А я подумал: “Когда устнешь от этих результатов, значит, ты не в том бизнесе.”

Таким образом, я бы предположил, что не только этот метод легче для понимания, но и он эффективнее. Но это не означает отказа от вероятностного прогнозирования, поскольку математика, лежащая в его основе, может помочь нам понять, как мы движемся по модели после первоначального внедрения. Как нам адаптироваться? И вот здесь, как мне кажется, вероятностное прогнозирование и цифровые двойники действительно играют свою роль, чтобы понять все эти взаимосвязи. Но сначала первым шагом должна стать стабилизация цепочки поставок для снижения операционной изменчивости.

Conor Doherty: Хорошо, Джоаннес, для справедливости, ты сделал некоторые заметки. Есть ли у тебя ответ на это?

Joannes Vermorel: Сначала, опять же, указываю на моменты, которые несколько нелогичны. Да, DDMRP и теория сложных адаптивных систем, и вся эта теория оптимизации. Это заявлено с самого начала: он оптимизирует возврат инвестиций. Если вы пытаетесь увеличить или уменьшить число, вы проводите оптимизацию. Это и есть определение оптимизации. Так что, когда вы говорите: “Видишь, это тот тип дел, который полностью шизофреничен”, подразумевая: “О нет, мы на самом деле этого не делаем, мы не занимаемся оптимизацией”, а затем в следующую минуту упоминаете, что пытаетесь оптимизировать возврат инвестиций, — это, извини, и есть само определение оптимизации.

А затем, если мы вернемся к…

Carol Ptak: Мы пытаемся увеличить ROI, а не оптимизировать его.

Joannes Vermorel: Но это одно и то же. Увеличение — оптимизация буквально представляет собой способ взять целевую функцию, например, ROI, и немного сместить её в нужном направлении. Это буквально определение оптимизации согласно Википедии. Так что, именно это вы и делаете. Для меня такой подход просто безумен.

А что касается вероятностного прогнозирования, мне очень жаль, но формулы и все, что представлено в тех книгах, очень слабые. Формулы, да, я также могу, опять же, немного опереться на авторитет, но они совершенно несовместимы с вероятностным прогнозированием. Чтобы дать вам представление, если применить вероятностное прогнозирование, это выглядит так: первое — вы не рассматриваете каждую SKU отдельно. Вы будете оценивать вклад каждой отдельной единицы по всей компании. Это в буквальном смысле основы вероятностного прогнозирования 101.

Таким образом, в данной методологии вы работаете с буфером за раз. Извини, но эти вещи даже не существуют в одной плоскости. Они несовместимы ни в терминах понятий, ни методологии, ни технологий. Они кардинально различаются.

Carol Ptak: Разве я говорил, что вероятностное прогнозирование предполагает работу с одним буфером за раз? Я думаю, всегда говорили о том, что DDAE рассматривает целостную систему и причинно-следственные связи. И опять же, я приглашаю тебя посетить тренинг, приехать во Франкфурт на следующей неделе. У нас будет около трех презентаций, где показывается, как вероятностное прогнозирование рассматривает всю сеть и успешно используется в модели DDAE.

Conor Doherty: Хорошо, следующий вопрос. Снова, этот вопрос, на самом деле, Карол, адресован тебе напрямую. Их достаточно много. Когда мы устанем, можно остановиться, не обязательно отвечать на все. Как DDMRP, я читаю дословно, решает проблемы, присущие логике MRP? Требуется ли запускать его несколько раз в день для эффективной работы?

Carol Ptak: Чем ближе вы переходите к использованию DDMRP в режиме реального времени, тем стабильнее он становится, потому что он позволяет нашим планировщикам иметь самую актуальную информацию в режиме реального времени. Обязательно ли работать в режиме реального времени? Нет. Как он решает ограничения логики MRP, так это потому, что сила MRP заключается в том, что всё зависит друг от друга, и плохая новость MRP в том, что всё взаимозависимо. Так что задержка где-либо означает задержку повсеместно.

Как логика DDMRP решает эту проблему? Она вставляет точки разделения, основанные на одном из шести критериев, чтобы определить, где находятся эти независимые позиции, способные поглотить изменчивость с обеих сторон. Это разделение предоставляет нашу основную позицию для планирования. Между точками разделения всё остается зависимым, как и всегда было. Именно поэтому мы получили столько критики, когда назвали этот метод DDMRP, ведь в нем до сих пор присутствует MRP. Потому что между точками разделения планирование остается зависимым, как всегда. Так что ограничения MRP решаются вставкой этих точек разделения, которые и становятся основными позициями для планирования.

Conor Doherty: Спасибо. Йоаннес, твоя очередь прокомментировать.

Joannes Vermorel: Да, я имею в виду, здесь несколько моментов. Во-первых, MRP — это действительно неверная базовая система. По сути, он использует традиционную базу данных, а проблема в том, что транзакционная основа абсолютно не подходит для аналитики, любой аналитики. Это безумие. Это безумная база, и я считаю, что неправильно сравнивать MRP с чем-либо. Это устаревшая база, которую даже не стоит принимать во внимание.

Кроме того, когда речь заходит о режиме реального времени, опять же, здесь вопрос в том, откуда вообще исходит этот вопрос. Ведь современный компьютер в качестве базовой системы имеет процессор с тактовой частотой 2 ГГц. Это означает, что он способен выполнять два миллиарда операций на ЦП. А современный компьютер, например, твой телефон, имеет восемь процессоров, что означает буквально десятки миллиардов операций в секунду на смартфоне.

Так что теперь вопрос: что у вас есть, чего невозможно выполнить с задержкой в микросекунды? Краткий ответ: когда вы проектируете систему на основе транзакционной базы данных, вы получаете ужасающую производительность. И поставщики, которым удается хоть как-то смягчить эту ужасную производительность, называют это режимом реального времени. Это действительно нонсенс, я имею в виду, совершенно нелепо. Это просто неправильное использование современного компьютерного оборудования. Я мог бы вдаваться в подробности, но скажу, что у нас действительно неверная базовая система как для MRP, так и для режима реального времени. Вот мои замечания.

Conor Doherty: Карол, думаю, с некоторыми из этих замечаний ты согласишься, ведь MRP является неправильной базой, не так ли?

Carol Ptak: Что ж, реальность такова: MRP используется практически каждой компанией по всему миру. Так что да, я согласна, что он устарел. Я согласна, что он требовал перехода в будущее, и именно поэтому мы разработали DDMRP. Именно поэтому мы внедрили буферы разделения, что позволило нам управлять операциями в соответствии с управлением процессами, а не транзакционным контролем, как это делает MRP. Всё в MRP определяется транзакциями. Ты либо в порядке, либо нет — нет промежуточной оценки.

И знаешь, я имею преимущество перед Йоаннесом в том, что я уже достаточно стар. Когда я преподавал в университете, студенты говорили, что восхищаются тем, как я проводил исследования истории ИТ, и это было будто: “Да, это не были исследования, это были анекдоты, я их лично пережил.”

И мы действительно думали, что по мере ускорения компьютеров наши проблемы решатся. Но мы обнаружили, что чем быстрее становятся компьютеры, тем хуже становятся наши проблемы, и всё из-за нервозности системы. Моя первая встреча APICS 46 лет назад была посвящена нервозности системы. Мы знали об этом тогда; просто не знали, как решить проблему. И не знали, как решить её, пока не появился DDMRP, способный стабилизировать функцию планирования.

Но вся идея APS, я имею в виду, такова, что ни одна реализация APS не была успешна. Если использовать определение Йоаннеса, успех заключается в том, что ROI компании увеличился. А это потому, что APS пытается провести многоуровневую оптимизацию на основе неверной бизнес-функции. И я с ним согласен, технология должна меняться, когда меняются бизнес-правила, а бизнес-правила — когда меняется технология. Именно это Элли и я написали в 2000 году в работе “Necessary but Not Sufficient.” Мы знаем это уже давно.

Conor Doherty: Спасибо.

Joannes Vermorel: Да, я хочу снова отметить — это неправильное употребление терминов. Когда я говорю “транзакционный” в отношении системы баз данных, я имею в виду это в очень специфическом смысле. Это относится к тому, как проектируются базы данных. И когда говорится “транзакционный”, это не имеет ничего общего с финансами или каким-либо процессом и т.д. Это, по сути, свойства ACID: атомарность, согласованность, изоляция, долговечность. Именно эти свойства предоставляются вашим хранилищем данных.

И DDMRP так же транзакционен, как и MRP как парадигма. Во всех реализациях, которые я видел, поставщики, реализующие DDMRP, работают на базе SQL баз данных, как и все остальные, кто использовал MRP. Снова возникает множество случаев, когда используются слова, но не в том смысле, в каком они должны использоваться. Это означает, что если вы упоминаете транзакцию, вы говорите о чем-то, что не имеет отношения к изначальной идее построения систем баз данных. Вы отклоняетесь, говоря о транзакциях как о чем-то, что больше похоже на методологию DDMRP.

И опять же, это совершенно разные вещи. Простите, я просто указываю, что у нас, во-первых, есть определённые факторы, но мы также постоянно меняем семантику того, что слова на самом деле означают.

Carol Ptak: Ну, и я думаю, именно к определению мы и должны прийти, когда начинали этот спор. Потому что моя точка зрения на мир сформирована годами работы в производстве, в роли операционного планировщика, планировщика на производственном участке, супервайзера, вице-президента по операциям, а также работы в ИТ-индустрии в качестве отраслевого эксперта.

Ты знаешь, я подхожу к этому с практической, реальной точки зрения, а не с того, что мы раньше называли “белым домом” — тем ИТ, где в старые времена был приподнятый пол, и куда летом хотелось уходить, потому что там должно было быть кондиционирование. Так что я не из тех, кого мы называем “бит-твиддлерами”. Я подхожу с реальной стороны того, как на самом деле управлять операциями и производственным предприятием в рамках интегрированной цепочки поставок.

Так что да, я бы сказал, что у нас, вероятно, очень разные определения, но мои определения будут теми, которые используют практики, знаете, дело сводится к следующему: решает ли это реальные проблемы современности? А это тот мир, из которого я пришёл.

Conor Doherty: Хорошо, извини, я немного потороплю, потому что вопросов еще достаточно много. Но мы можем вернуться к этому позже. Итак, Йоаннес, раз уж ты уже коснулся этой темы, можешь немного приподнять планку. Какова минимальная технология, необходимая для построения оптимизации?

Joannes Vermorel: Предлагаю сформулировать проблему иначе: какие технологии прямо мешают вам этого достичь? Видите ли, реальность такова, что data science в общих чертах требует очень, очень мало. Именно поэтому, например, Python так популярен.

По моему мнению, современное проклятие заключается в том, что современные корпоративные системы состоят из тысяч слоев. У вас есть база данных, операционные системы, всевозможные кэши, слои извлечения данных и так далее, слой за слоем. И по сути, современные системы enterprise software просто переносят данные с одного слоя на другой, что требует огромных вычислительных ресурсов, памяти, процессорного времени, пропускной способности и так далее.

Итак, итог: минимальных требований нет, но нужно учитывать все те компоненты, которые мешают этому. А в современном состоянии программных технологий их просто огромное количество. Поэтому мое послание таково: не думайте о том, что вам нужно; подумайте о том, что не нужно, и избавьтесь от этого. А когда вы вернётесь к сущности, к алгоритмическому ядру, всё будет в порядке.

Conor Doherty: Карол, я знаю, ты говорила, что цепочку поставок нельзя оптимизировать, но, знаешь, поторопись. Если бы ты считала, что её можно оптимизировать, какая технология была бы необходима?

Carol Ptak: О, для меня технология — это, знаешь, оставлю этот вопрос Йоаннесу. Я живу в реальном мире и сталкиваюсь с реальными проблемами методологий. И я всегда тесно сотрудничаю, ведь я какое-то время работала в IBM и имела честь работать в Watson Research Center. Это были блестящие ребята с докторскими степенями. Я не из их числа. Я просто прагматичный менеджер по операциям, которому посчастливилось иметь успешную карьеру в течение последних 45 лет.

Conor Doherty: Хорошо, тогда продолжу. Карол, опять же, я читаю это для отчёта. Был ли DDMRP или, скажем, даже DDAE, успешно внедрён в каких-либо крупных розничных организациях с несколькими сотнями магазинов? Если да, приведи, пожалуйста, примеры.

Карол Птак: Конечно, да. Первый, который приходит на ум — это Мик. Большинство розничных операций, где это внедрено, находятся в Южной Америке. У Мика, у них есть несколько розничных магазинов. Я пытаюсь вспомнить другие примеры. Крупнейший ритейлер в Колумбии внедрил DDMRP. В розничной торговле существует уникальная проблема, ведь здесь реализуется так называемый «длинный хвост». Обычно около 10% товаров генерируют 90% выручки, а остальные 90% — лишь 10% выручки.

Так что это уникальное применение, но большинство внедрений в розничной торговле на самом деле происходит в Южной Америке и Мексике. А ещё у нас есть проект в розничной торговле из Южной Африки. Предполагалось, что Takealot будет на конференции, и это крупнейший магазин в Южной Африке.

Конор Дохерти: Хорошо, спасибо. Продолжаю. Мне действительно больше нечего добавить к этому вопросу, Карол. Вы несколько раз упоминали концепцию потока. Не могли бы вы определить, что такое поток, и объяснить, что это значит в контексте DDMRP, пожалуйста?

Карол Птак: Ну, это фундаментальный столп. Поток — это скорость, с которой цепочка поставок преобразует материалы в продукты, необходимые клиенту. И это очень конкретно. Поток — это скорость, с которой цепочка поставок преобразует материалы, входные данные, в выходы, требуемые клиентом. Это абсолютно базовый принцип, лежащий в основе DDMRP. Он также является основой для Lean, Теории ограничений и многих других, можно сказать, современных направлений по улучшению операций. Вот и весь фундамент. Как я уже сказала, если бы Жоаннс должен был написать настоящую записку Post-It о demand-driven, всё сводилось бы к потоку.

Конор Дохерти: Спасибо, Карол. Жоаннс, вы сделали несколько заметок. Хотите ответить? Этот вопрос к вам. Как Lokad внедряет адаптивность на системном уровне, одновременно уравновешивая чувствительность решения к изменениям в цепочке поставок?

Жоаннс Верморель: Итак, два аспекта. Что касается чувствительности к изменениям, вопрос в том: являются ли они желательными или нет? Существуют классы числовых рецептов, которые, как я бы сказал, чрезмерно «триггерные» с точки зрения результатов, и это очень вредно, потому что в цепочке поставок возникает эффект рычага. Как только вы запустили производственную партию, вы не можете это отменить, и вам приходится жить со своим решением.

Так что вам действительно не нужны числовые рецепты, которые сами по себе слишком поспешны и непредсказуемы. Кстати, один из аспектов вероятностного прогнозирования заключается в том, что оно делает числовые рецепты гораздо стабильнее. Много неопределённости в традиционных системах возникает из-за того, что когда у вас есть классический прогноз, небольшое отклонение может привести к огромному расхождению далее по цепочке. Проблема решается переходом к вероятностному прогнозированию и стохастической оптимизации.

Теперь у нас есть ещё один аспект — адаптивность. Реальность такова, что когда у вас есть числовой рецепт и происходит что-то катастрофическое или совершенно беспрецедентное, нет замены человеческому интеллекту. Lokad работает так: у нас есть специалисты по цепочке поставок, которые за очень короткое время могут переписать и изменить числовые рецепты под новую ситуацию. Опять же, у нас нет хрустального шара; мы не можем предугадать что-то радикально беспрецедентное, например, когда Evergreen блокирует канал.

Но когда это происходит, изменений становится так много, что необходим человеческий ум. Однако человеческий ум предназначен не для того, чтобы заклеивать лентой каждую отдельную SKU, а для того, чтобы переписывать числовой рецепт. После этого бизнес возвращается в нормальное русло. Все решения автоматизированы, и это делается автоматически и в больших масштабах.

Конор Дохерти: Карол, хотите что-нибудь добавить к этому?

Карол Птак: Я не могу обсуждать Lokad.

Конор Дохерти: Тогда вопрос изначально был к вам, Карол, но, на самом деле, мне кажется интереснее сначала задать его Жоаннсу, а потом сопоставить вашу реакцию. Итак, Жоаннс, почему вы неохотно сравниваете кейс-стадии вероятностного прогнозирования с DDMRP или с кейс-стадиями Карол? Скажем так.

Жоаннс Верморель: Потому что, во-первых, я вообще не верю в кейс-стадии в области корпоративного ПО или корпоративных практик. Эта сфера полна проблем с 1950-х годов. Проблема, как я уже говорю, — это огромный конфликт интересов. Просто подумайте: поставщик не опубликует кейс-стадию, если она не возвышает его.

А клиенты, менеджеры, которые рискуют своей репутацией, берясь за инициативу, имеют мощный стимул заставить весь мир поверить, что эта инициатива прошла безупречно. По моим неофициальным наблюдениям, 90% инициатив в цепочке поставок терпят неудачу во всех компаниях, во всех странах, во всех отраслях. 90% — это универсальный базовый показатель.

И сколько кейс-стадий могу я назвать за всю карьеру, которые демонстрировали плачевные результаты? Ни одной, ни одной. Единственную негативную кейс-стадию, которую я смог обнаружить, представили, я бы сказал, блестящие журналисты. Например, я рекомендую этой аудитории прочитать «Последние дни Target Canada». Это фантастическая сводка всех ошибок, но такое случается крайне редко.

Лео потерял полмиллиарда евро всего несколько лет назад на инициативе по оптимизации запасов в SAP. Никакой кейс-стадии. Так что вы понимаете мою точку зрения. Конфликт интересов настолько велик, что дело не в сравнении моей кейс-стадии с вашей. Этот метод нужно полностью отвергнуть, точка.

Конор Дохерти: Верно. Ну, Карол, исходный вопрос был к вам. Так почему, по вашему мнению, Жоаннс неохотно сравнивает кейс-стадии со своими?

Карол Птак: Это очень хороший вопрос, и только он может на него ответить. Я знаю, что он очень скептически относится к кейс-стадиям. Если говорить с точки зрения реального наблюдателя, вопрос очевидно звучит так: «Есть ли у вас таковые?» И я призываю людей общаться с этими специалистами, не только полагаясь на опубликованное, но действительно приходить и обсуждать с ними детали.

Потому что мы побуждаем их открыто говорить: «Если бы нам пришлось всё начинать заново, что бы мы сделали иначе? Где произошёл сбой? Что не сработало? Что, как мы думали, должно было сработать?» Мы поддерживаем такую прозрачность в наших кейс-стадиях. Как я уже говорила, мы не разрешаем компаниям-разработчикам программного обеспечения и консалтинговым компаниям проводить кейс-стадии. Это дело людей.

Вот почему мы проводим Demand Driven World — чтобы дать возможность практикам общаться друг с другом, обсуждать, что сработало, что действительно не сработало, чему они научились, как мы можем учиться друг у друга. Не только успехи, что, безусловно, важны, но и то, как извлекать уроки из неудач. Что пошло не так?

И я считаю, что это так же важно. Если мы сможем обменяться неудачами, чтобы кто-то другой не наступил на те же грабли, то это хорошо. Вот почему мы проводим Demand Driven World. Большинство наших внедрений происходит в Европе, поэтому мы приедем туда на следующей неделе.

Но мы считаем, что кейс-стадии абсолютно необходимы, так как их запрашивают в первую очередь. Поймите, Demand Driven Institute — это не консалтинговая компания. Мы не компания по разработке ПО. Мы никогда не были компанией по разработке ПО и никогда не были консалтинговой компанией. Мы просто лидеры мнений в области цепочек поставок. Поэтому мы абсолютно независимы от всех компаний-разработчиков.

Но по мере того как стали рассматривать концепцию demand-driven, ситуация изменилась почти сразу после пандемии. Я бы сказала, что смещение произошло с «Вы пробовали demand-driven?» на «Почему вы ещё не попробовали demand-driven?» И это произошло благодаря результатам, которые компании увидели во время пандемии, когда внедрения уже имелись.

Конор Дохерти: Хорошо, я продолжу, но вернусь к вам, Карол. Сначала, это вопрос к вам обоим, но начну с Карол, так как вы уже говорили. В условиях крайне VUCA-мира с редким и непредсказуемым спросом, как вы принимаете решения, не значимо увеличивая запасы? И под-вопрос: как управлять неопределённостью, наслаивающейся одна на другую, в таких сложных ситуациях?

Карол Птак: Вот где действительно нужно хорошо разбираться в бизнесе. Этот вопрос не даёт достаточно информации. Что значит «неопределённость наслаивается на неопределённость»? Сколько этой неопределённости вызвано самим собой? Сколько обусловлено вашей ценовой стратегией? Здесь много слоёв, как в луке, которые нужно очищать, чтобы добраться до коренной причины.

Я только что была на конференции в Висконсине, где ко мне подошла компания-разработчик ПО и спросила: «Как вы предлагаете распределять товары при ограниченных запасах?» Я спросила: «У вашего клиента избыток запасов?» — «О, да, у них слишком много неверных товаров и недостаточно нужных.» Я сказала: «Ну, решите эту проблему!» Иногда то, что мы видим, эта вариабельность, наслаивающаяся на вариабельность, является самовозникающей.

Если я хочу быть поставщиком с быстрым реагированием, высокой изменчивостью и малым объёмом, вы не добьётесь этого, импортируя из Китая. Это совсем другая стратегия. Ваша стратегия должна соответствовать вашим операционным возможностям, а операционные возможности дают вам различные стратегические преимущества. Всё это должно сходиться. Именно поэтому DDAE рассматривает стратегию, тактику и операции как три отдельные области.

Конор Дохерти: Спасибо. Жоаннс, тот же вопрос.

Жоаннс Верморель: Итак, это очень интересный вопрос. Начнём с редких, прерывистых явлений. Редкость и непредсказуемость — вот где действительно блестяще проявляется вероятностный подход. Когда вы имеете дело с чем-то редким, вам нужен математический инструмент, который позволяет работать с субединичными паттернами.

Если вы просто спросите: «Сколько единиц я продам за неделю?» — можно сказать, «50% шанс, что продам только одну.» В классическом подходе вы бы сказали 0.5, но это не имеет смысла, потому что нельзя дробить единицу; она упакована. Классическая перспектива испытывает трудности с прогнозированием субединичных значений, в результате чего получается много нонсенса, так как в итоге получаются дробные числа, которые не существуют в реальности. Они имеют место в математике, но не в цепочке поставок, где всё сводится к нулю или единице.

С помощью вероятностей вы получаете элегантное решение, которое действительно работает: вы можете задать вероятность для нуля, вероятность для одной, вероятность для двух единиц, и, скажем, вероятность для 50 единиц, что будет представлять собой неожиданный скачок. Так что редкие и прерывистые случаи — вот где этот подход действительно блестяще работает.

Теперь, когда вы наслаиваете неопределённость на неопределённость, это очень интересный вопрос. Как действовать в детерминированном мире, когда вы добавляете одну задержку к другой? Ответ: вы складываете их, выполняете сложение, что кажется абсолютно естественным. Вы можете складывать, вычитать, умножать. Оказывается, что когда у вас есть неопределённость, если у вас есть нечто вроде алгебры случайных величин, вы можете выполнять все эти комбинации неопределённостей и находить итоговую неопределённость, которая складывается из всего этого. Я не описываю точное решение; я просто описываю инструменты, которые позволяют к нему прийти.

Во-первых, вам нужны, я бы сказал, статистические инструменты, которые справляются с редкостью и непредсказуемостью. Это не будет классический прогноз. Это не будут буферы, превозносимые как скользящие средние, представленные в DDMRP. И во-вторых, когда вы сталкиваетесь с наслоенной неопределённостью, вам нужны инструменты, которые позволят вам это обрабатывать. Люди занимаются этим уже полвека в финансах. Это не магия. Lokad не изобрёл это. Это всего лишь немного необычный инструмент, но он очень прост. Так же естественно, как складывать, вычитать и умножать числа, вы научитесь делать это и с неопределённостью.

Конор Дохерти: Хорошо, спасибо. Продолжаю. Итак, это довольно длинный вопрос. Я попробую обобщить его в реальном времени. Ладно, этот вопрос к вам, Жоаннс, поскольку вы уже как бы ответили. Есть несколько движущихся частей, но я изложу основные моменты.

К Жоаннсу: Какова ваша основная критика модели DDMRP, и какие конкретные её аспекты вызывают у вас вопросы? Думаю, вы уже ответили на это, но я не слышал серьёзного аргумента против DDMRP, кроме того, что она слишком проста. Если простая модель может давать результаты, зачем нужны более сложные и утончённые модели системной динамики?

Жоаннс Верморель: Моя основная критика в том, что там чрезвычайно мало, понимаете, и именно поэтому я указывал на страницы. Потому что, когда вы смотрите на все составляющие, вы понимаете, что в основном это много ничего. И идея о том, что из большого количества ничего можно собрать, вуаля, грандиозную систему, мне кажется совершенно нелепой. Так что моя основная критика заключается в том, что она крайне слаба как по частям, так и в целом.

А потом возвращаетесь к вопросу, почему же она работает так хорошо? Вопрос в том, если вы уже предполагаете, что все кейс-стадии правдивы — извините, я ничего не могу для вас сделать. Если вы предполагаете, что, как показывает кейс-стади, можно надёжно увеличить оборот на 60% путём применения DDMRP в розничной торговле, одновременно сократив запасы вдвое и создавая впечатление, что магазин ещё более заполнен, если вы считаете, что такой результат достижим, знаете, потому что именно это и представлено — извините, снова, у меня для вас есть предложение: мост в Бруклине на продажу. Вот и всё.

Конор Дохерти: Ну, Карол, снова хочу продолжить, опираясь на это. Итак, этот вопрос возник из прослушивания Жоаннса и общего хода разговора. В начале вы заметили: “Я была удивлена, что Жоаннс захотел говорить о книгах”. И опять, я не говорю за Жоаннса, но, по крайней мере, для меня, если кто-то скажет: “Эй, хочешь узнать об одном явлении? Вот несколько книг, которые объяснят, как, как в инструкциях, взлетает самолёт”, — вы читаете об aviation или аэронавтике, узнаёте о принципе Бернулли. Это написано в книге. Таким образом, я не учусь тому, что самолёты летают; я читаю эту книгу, чтобы понять, как они летают.

Итак, когда вы говорите о кейс-стадиях, и я, для аргумента, скажу, что это работает, ладно, но я думаю, что для Йоаннеса и, возможно, для слушателей тоже проблема в том, что если я хочу узнать, как это работает, вы утверждаете, что этого нет в книгах.

Carol Ptak: О, нет, оно явно описано в книгах. Йоаннес говорит, что этого нет в книгах. Но оно есть в книгах. Мы написали эти три книги для трех совершенно разных рынков. Книга “Demand Driven Adaptive Enterprise” была написана для руководителя, чтобы понять, как всё устроено. Книга “Adaptive S&OP” была написана для команды S&OP, чтобы показать, как теперь связать стратегический процесс S&OP, который вырабатывает адаптивный бизнес-план, способный трансформироваться в операционную модель, ориентированную на спрос. А книга “DDMRP” конкретно описывает, как работает механизм DDMRP.

Знаете, мне нравится критика «слишком просты», я считаю, что это лучший комплимент, который я могу получить. Почему? Потому что очень легко усложнить вещи, а сделать их простыми — очень трудно. И мы очень, очень усердно работали, чтобы сделать концепцию простой для понимания и легкой для внедрения.

Таким образом, весь сегодняшний разговор посвящен тому, решает ли модель DDAE проблему в реальной цепочке поставок сегодня? Ну, это реальный мир. Нам нужно нечто понятное, легкое для внедрения и дающее значимые результаты. Вы знаете, когда мы рассматриваем инструменты критического мышления, вы всегда ищете прорывную идею, которая решает множество проблем и делает это на самом деле глубоко. Именно это и делает подход, ориентированный на спрос.

Я имею в виду, я люблю Эли Голдратта. Он всегда так хорошо излагал свои мысли. Вы знаете, он говорил: «Если вам нужно использовать математику, чтобы объяснить себя, значит, вы даже не понимаете, о чем говорите». Я люблю Голдратта. Он предлагал отличные идеи, понимаете, так что если самая большая критика Йоаннеса в том, что ему не нравится то, что мы называем уравнением, хорошо, остальной мир называет это уравнениями. И существуют определенные требования к форматированию от издательской компании, и я не знаю, сколько книг опубликовал Йоаннес, но есть требования к оформлению книги, когда её выпускают, чтобы вы обязательно маркировали элементы как диаграммы и рисунки, понятно? Это требование.

Так что, вы имеете дело с издательскими компаниями, и мы были бы рады убрать всё это, но это требование. Я не знаю, сколько книг вы публиковали, но вы обнаружите, что такое требование существует у некоторых ведущих издателей, будто всё должно быть помечено. Поэтому назвать нашу работу простой — это лучший комплимент, который я могу себе представить, потому что мы работаем очень, очень усердно, чтобы сделать её понятной для понимания, легкой для внедрения и при этом добиться глубоких результатов.

Conor Doherty: Хорошо, спасибо, Кэрол. Передаю слово Йоаннесу.

Joannes Vermorel: Да, я думаю, что это искажение моей критики. Я не говорил, что эти книги просты. Напротив, я подробно показал, что они чрезмерно запутаны в изложении вещей, которые в конечном итоге очень просты. Вот когда я замечаю, что вы буквально тратите полдюжины страниц на английском, чтобы сказать: «Прибавьте это, вычтите то, умножьте на то». Это просто невероятно сложно понять то, что можно было бы изложить с помощью элементарных формул начальной школы.

И, наоборот, понимаете, вот суть этой книги. Я не критикую их за то, что они слишком просты. Это не моя точка зрения. Я имею в виду, что они чрезвычайно слабы. Это совсем иная критика. Слабость — это не простота. Можно создать нечто чрезвычайно простое и красивое. Уравнения Максвелла, знаете, чрезвычайно простые, красивые. Да, формализм довольно сложен, но я не о такой проблеме простоты говорю.

Моя мысль в том, что эти книги можно было бы кардинально упростить, действительно значительно, придерживаясь установленных норм — когда вам нужно прибавлять, вычитать и так далее, просто используйте простую формулу, и не растягивайте буквально полдюжины страниц на чрезвычайно сложное и запутанное объяснение простого. И суть моей критики в том, что, делая это, вы раздуваете число страниц, увеличиваете объем текста, чтобы в итоге получить очень, очень мало содержания на 900 страницах.

Conor Doherty: Хорошо, продолжу. На данный момент мы говорили уже 80 минут, поэтому я начну отсеивать вопросы, на которые уже есть ответы. Опять же, я не буду снова задавать Йоаннесу вопросы о кейс-стадиях DDMRP. Мы уже достаточно хорошо обсудили эту тему. Да, сейчас, сначала слово Кэрол.

Можете ли вы вместе определить рамки, ситуации или условия, при которых необходимо что-то более сложное, чем DDMRP? Например, в процессах разборки DDMRP, кажется, не справляется. Как бы вы решили такие ситуации?

Carol Ptak: На самом деле, при разборке это работало очень хорошо. Один из первых кейсов был у компании Erickson Air-Crane. Извините, Йоаннес, что возвращаюсь к кейс-стадии, но у Erickson Air-Crane на самом деле есть сертификат полёта для вертолёта Sikorsky. И у них существует полноценный процесс разборки. Так что, это действительно работает очень, очень хорошо, и работает там отлично из-за высокого уровня изменчивости.

Когда самолёт прилетает, он садится в состоянии обслуживания. Теперь вам нужно выяснить, каким он был при сборке, при проектировании, а затем попытаться вернуть всё в исходное состояние. И затем возникает проблема с вашим сертификатом полёта FAA, который гласит, что одна деталь была переоборудована и действует до 31 октября 2024 года, а другая деталь была переоборудована и действительно до 1 июня 2025 года. Каркас сертифицирован только до 31 октября 2024 года, потому что все детали должны соответствовать друг другу. Так что при такой высокой изменчивости это действительно работает довольно хорошо.

Я говорю людям, что меня всегда спрашивают: «Для какой отрасли это не подходит?» Отрасль, где подход, ориентированный на спрос, не работает, — это такая, где присутствует высокая надежность, время допустимого ожидания клиента короче суммарного времени выполнения, и отсутствует любая изменчивость операций, тогда это не срабатывает.

Подразумевается, что, нет, я не нашёл такого места в мире, но, знаете, теоретически можно довести систему до такого предела. Чем больше изменчивости, волатильности, неопределенности, сложности и амбивалентности, тем лучше она работает, потому что именно под это она и была разработана. Demand Driven Adaptive Enterprise разработана для современного мира VUCA и работает в нём.

Conor Doherty: Оставляю слово за вами.

Joannes Vermorel: Да, я бы привёл этот пример снова для аудитории. Ладно, поговорим об авиации. У нас есть детали, у которых есть наработка в часах полёта и циклы полётов. Я делаю это очень просто для аудитории. Это означает, что когда вы смотрите на свои запасы, вы не можете сказать: «У меня одна единица, две единицы, три единицы, пять единиц». Это не имеет смысла, ведь каждая единица имеет определённое количество часов полёта и, кстати, циклы полётов.

Таким образом, вы можете оказаться с тысячами часов полёта, имея всего одну деталь, или, по какой-то причине, имея две детали с всего 100 часами полёта. Суть в том, что вам больше нельзя иметь одномерное представление вашего SKU. Вы не можете сказать: «У меня одна, две, три, четыре, пять лишних единиц». Вам нужно многомерное представление SKU.

И опять же, если вернуться к DDMRP и всему, что описано в книгах, эти вопросы никогда не затрагиваются, даже если говорить о чем-то, что могло бы решить подобные проблемы. Они не рассматриваются. Гарантирую этой аудитории, вы не найдёте ничего, что позволило бы решить проблему многомерности SKU. И все же именно такая нелинейность и сложность и были поставлены в качестве целей в книгах с самого начала.

Carol Ptak: Я полностью согласна с Йоаннесом, абсолютно. Да, мы не рассматриваем многомерные детали. Но это не значит, что мы не знаем, как это сделать или как внедрить. Абсолютно нет. Моя специализация — аэрокосмическая отрасль. Я много работала в авиационных депо NAA в Cherry Point, Джексонвилле и в Калифорнии, а также с вертолётными компаниями. Это была моя карьера. Если вы поищете, я проработала 20 лет в аэрокосмической индустрии.

Таким образом, я понимаю многомерные детали, потому что у вас есть разные номера SKU с различными кодами состояния и разными часами полёта. И, Йоаннес, вы абсолютно правы. Мы не рассматриваем многомерные детали ни в одной из этих книг. Ну, если вы хотите прочитать книгу об ERP, моя книга по ERP — это первый случай, когда ремануфактуринг вообще появляется в книге. Но это настолько специализированная область, что если бы мы охватили все возможные среды, эти книги составили бы 3000 страниц.

Это основы, строительные блоки для любого предприятия, адаптирующегося под спрос. Существуют различные измерения, которые вы добавляете, как мы уже обсуждали: розничная торговля, аэрокосмическая отрасль, ремануфактуринг, управление проектами. А как насчет компании, которая никогда дважды не использует один и тот же материал? Очень успешные реализации подхода, ориентированного на спрос. Так что эти книги представляют собой строительные блоки.

Знаете, как вы упоминали ранее, если я почитаю о полётах, да, я прочитаю книги и пойму принцип Бернулли и всё такое, но это не сделает из вас пилота 747.

Conor Doherty: Это сделало бы меня инженером, если закончить эту аналогию. Но Йоаннес, ваше…

Joannes Vermorel: Нет, я думаю, что мы снова сталкиваемся с аргументом авторитета для аудитории, который я упоминал вначале, а именно: «Доверьтесь мне». Так что, во всяком случае, предлагаю перейти дальше, чтобы не возвращаться к тем же аргументам.

Conor Doherty: Ну, хорошо. Этот вопрос к Йоаннесу. APICS и ASCM также подчеркивают важность границы между push и pull. В вашем решении, на каком этапе в сети цепочки поставок происходит переход от подхода push к pull?

Joannes Vermorel: Прежде всего, разграничение между push и pull снова основывается на неправильной исходной точке. Мы возвращаемся к мышлению 1970-х, когда предполагали, что разные части организации не могут общаться между собой. Так что действительно, должна быть одна сторона, которая решает, когда толкать, либо сторона, которая решает, когда тянуть. Но опять же, в эпоху интернета это немного чепуха. Почему? Очень просто, вы можете добавить интеллект сверху, искусственный или нет, не важно, главное — наличие сети.

Единственное, что нужно — это инициировать принятие решений. Если вы решаете переместить 10 единиц из точки A в точку B, это просто вопрос перспективы: если точка A заказывает единицы, значит, вы тянете; если точка B решает, значит, вы толкаете. Опять же, это не валидное разграничение в эпоху интернета. Поэтому я считаю, что не стоит придерживаться концепций, которые стали устаревшими 25 лет назад, благодаря тому, что у вас есть интернет-сеть, и информация может свободно течь по вашей цепочке поставок.

В Lokad мы фактически этим не занимаемся, потому что эта проблема устарела и существует только в компаниях, которые продолжают использовать, я бы сказал, устаревшие методологии и взгляды.

Conor Doherty: Хорошо, осталось еще два вопроса, а затем мы перейдем к следующему разделу, так как прошло уже достаточно времени. Но, Йоаннес, начнем с тебя. Насколько эффективны традиционные расчеты резервного запаса для компании, управляющей как большим объёмом, так и высокой изменчивостью в своей работе?

Joannes Vermorel: Модель резервного запаса изначально сломана по множеству причин. Я кратко скажу: почему она полностью не работает? Каждый раз, когда вы инвестируете 1 доллар в вашу цепочку поставок, этот доллар конкурирует с инвестициями во всем, скажем так, в инвентаре. Он конкурирует со всеми SKU. Все SKU борются за этот доллар. Ваша модель резервного запаса предполагает, что вы можете обрабатывать SKU в полной изоляции, игнорируя всё, что происходит с другими SKU. Это и есть сама модель резервного запаса.

Итак, исходя из этого, резервный запас полностью не работает. А затем появляется вторая проблема — деталь реализации, но на практике, это действительно критично: предположение о нормальном распределении, наложенное сверху. Таким образом, расчет резервного запаса неизбежно подразумевает использование нормального распределения для спроса и сроков поставки как в учебниках, так и в программном обеспечении. И это безумие.

Таким образом, основная проблема в том, что все SKU конкурируют за одни и те же инвестиции. Любая логика, не зависящая от SKU, по своей сути сломана. А затем возникает вторая проблема — используемая математика, которая действительно неадекватна.

Conor Doherty: Спасибо. Кэрол, что ты думаешь?

Carol Ptak: Я в восторге, что нашлась ещё одна точка соприкосновения с Йоаннесом. Резервный запас принципиально не работает, абсолютно. Ладно, это одна из двух вещей, которые мы исключаем в методологии, ориентированной на спрос. Причина в том, что расчёты резервного запаса, как они выполняются с помощью любого программного обеспечения для оптимизации MEIO, предполагают, что для лучшего обслуживания клиентов необходимо больше запасов, и что вы можете рассчитать необходимый резервный запас, как сказал Йоаннес, в изоляции для каждого SKU, анализируя вариацию и z-скор для требуемого уровня сервиса.

Это абсурдно. Абсолютно абсурдно, и мы называем это глубокой истиной. Глубокая истина может быть раскрыта только более глубокой истиной, которая, опять же, сводится к той записке на Post-It, которую я хотел бы повесить в офисе Йоаннеса: «Всё дело в потоке». Когда у нас налажен поток, мы получаем лучшее обслуживание клиентов при меньших запасах одновременно. Это не компромисс, знаете ли.

Системы MEIO, которые пытаются оптимизировать соотношение запасов к уровню обслуживания, абсолютно изначально не работают, и подход, ориентированный на спрос, не использует резервные запасы. Так что я полностью согласна с Йоаннесом, абсолютно точно.

Conor Doherty: Хорошо, и снова, зададим последний вопрос. Были и другие вопросы, но опять же, я хочу перейти к следующему разделу. Всё, что не было отвечено, мы обсудим в LinkedIn. Но на самом деле, этот вопрос пришёл, Кэрол, от кого-то, кто является вашим поклонником. Я не буду называть имя, но кто-то, кто вами восхищается. Так что этот вопрос действительно задан в добрых намерениях и с хорошим духом.

Итак, Кэрол, к вам: если критика Йоаннеса совершенно неверна, если он просто полностью не прав, то почему, по вашему мнению, подход, ориентированный на спрос, не получил более широкого распространения или популярности?

Карол Птак: Ну, это интересно. Знаете, я не… его критика… Ладно, позвольте отступить. Моё разочарование заключалось в том, что я думала, что наш сегодняшний дебат будет о методологии, а не о нумерации страниц, маркировке объектов, графиках и диаграммах, что предписано нашими издателями. Поэтому меня разочаровала глубина нашего сегодняшнего обсуждения.

Я считаю, что вопросы, которые мы задавали друг другу в конце, были самой лучшей частью, а не то, что Йоаннес зачитал свои заранее подготовленные заметки, как только вошёл. Поэтому я ожидала более динамичного обсуждения. Почему же подход, ориентированный на спрос, не стал более распространённым? На самом деле, он очень хорошо известен в некоторых странах, и всё зависит от команды, работающей в стране. Во Франции он чрезвычайно известен, и именно поэтому на нас с Йоаннесом долгое время обрушивалась критика.

Йоаннес уже много лет нападает на методологию, ориентированную на спрос, из-за её узнаваемости во Франции. Наша первая страна — Франция. Вторая — Колумбия. Третья — Мексика. Мы только что расширились на Японию. В Соединённых Штатах наблюдается стремительный рост. Таким образом, мы видим, как некоторые очень крупные компании по производству потребительских товаров, такие как Fortune Brands, внедряют этот подход. Есть и менее известные бренды, такие как Toyota и Caterpillar, которые также его применяют.

Я бы оспорила утверждение, что он не получил более широкого признания. Именно очень крупные компании обычно принимают эту идею. У нас были и небольшие семейные предприятия, потому что они понимают влияние и важность денежного потока. Самое захватывающее то, что мы вышли на китайский рынок во время пандемии, а сейчас начинаем экспансию в Японию. Команда в Японии говорит: “Знаете, мы понимаем, что именно того, чего нам не хватало, — это подход, ориентированный на спрос, потому что методика Kaizen ограничена, и нам нужна прорывная идея.” Они считают, что подход, ориентированный на спрос, даёт именно это.

Таким образом, тот факт, что наш словарь, ориентированный на спрос, представлен на 12 языках, а экзамен проводится на девяти языках, опровергает утверждение, что он не получил более широкого признания. Мы, представители сообщества, склонны смотреть не на размер и охват компаний, использующих его, а на число компаний, которые его не применяют. По словам Йоаннеса, многие компании, после внедрения, не публикуют свои кейс-стади, поскольку считают это конкурентным преимуществом, и это, к сожалению, так.

Конор Дохерти: Ладно, Йоаннес, я немного уточню вопрос, потому что, очевидно, причины, по которым, по вашему мнению, это не работает, не обязательно совпадают с тем, что думают люди, не обладающие вашим уровнем академической подготовки. Так почему, по вашему мнению, этот подход не получил более широкого распространения, не стал более популярным для других практиков?

Йоаннес Верморель: То есть, если говорить фактически, я бы сказал, очень, очень фактически, поскольку, по моему мнению, он чрезвычайно неоднозначен. Существуют некоторые методы, если сравнивать с другими теориями цепочки поставок — не моими, опять же, давайте исключим мой материал из уравнения — скажем, конкурентными теориями, например, flowcasting. Я тоже не верю в flowcasting, но их теория чрезвычайно конкретна, очень, очень конкретна.

Таким образом, если я хочу внедрить программное обеспечение для flowcasting, я могу взять книгу по flowcasting — она называется flowcasting — и буквально получу всё, что необходимо. Там почти отсутствует какая-либо двусмысленность в том, что надо сделать для его внедрения. Я не утверждаю, что flowcasting хорош; на самом деле, я считаю его довольно ужасным. Но, по заслугам авторов, их представляемая теория не является двусмысленной и расплывчатой. Что касается DDMRP, я бы сказал, что основная критика заключается в том, что он чрезвычайно расплывчат, крайне слаб и его очень трудно структурировать.

Если бы мне, как редактору программного обеспечения, пришлось сказать, что я хочу это внедрить, то это было бы настолько неопределённо, что я даже не знал бы, с чего начать. Извините, и я понимаю, что это субъективно, поэтому могу сказать аудитории: возьмите одну из этих книг, прочитайте 10 страниц наугад и задайте себе вопрос: “Могу ли я, исходя из сказанного, однозначно что-то сделать для своей компании?” Однозначно. Задайте себе этот вопрос, и ответ, который вы получите, должен стать настоящим критерием того, правильно ли я говорю или это просто чепуха.

Карол Птак: Ну, я бы возразила, что, если вы возьмёте любую книгу и прочитаете 10 страниц, вы не получите полной картины. Все наши книги построены следующим образом: сначала описывается проблема, затем направление решения, потом объясняется, как решение устраняет проблему, затем рассматриваются так называемые препятствия, “но-но”, и, наконец, описывается безопасный путь вперёд. Так что, взяв 10 страниц наугад, я не думаю, что какая-либо книга даст вам полное представление.

Но я должна подвести итог сегодняшнему обсуждению: всё сводится к потоку, и “примерно правильно” лучше, чем “точно неправильно”.

Конор Дохерти: Ну, на данный момент у меня больше нет вопросов, но я открою обсуждение. Йоаннес, есть ли что-то, что вы хотели бы задать Карол непосредственно, без моего присутствия?

Йоаннес Верморель: Нет, я хотел бы поблагодарить Карол за проведение этого упражнения. Я действительно ценю это. Это был настоящий дебат. То есть, цель не в том, чтобы примирить наши взгляды. Я не собираюсь вас убеждать, и, вероятно, вы не собираетесь убеждать меня, но я искренне благодарен, что вы нашли время и приложили усилия для этого обсуждения. Для меня это очень важно, и моя дальнейшая цель — проводить больше таких дебатов. Очевидно, есть и другие теории, так что это моя цель для этого канала.

Я очень рад, что Карол вновь посвятила целых, скажем, 90 минут своего времени. Я действительно это ценю и хотел бы поблагодарить тебя, Карол, за это.

Карол Птак: Пожалуйста, не за что, и я ценю приглашение. Я надеялась, что мы сможем провести дебаты лицом к лицу, но затем наступила пандемия, и это пришлось отложить. Поэтому я рада, что появилась эта возможность, потому что, если вы помните, я обещала, что в любое время и в любом месте буду рада провести эти дебаты, так как считаю, что крайне важно донести полную информацию до рынка и обсудить эти вопросы.

Я считаю, что в дебатах каждый может выбрать тот путь, по которому хочет идти, и это вполне допустимо. Как я уже говорила, если подвести итог, подход, ориентированный на спрос, — это всё о потоке. “Примерно правильно” лучше, чем “точно неправильно”.

Конор Дохерти: Ну, Карол, я слышал, что Франция — первая страна по внедрению DDMRP. Так что в следующий раз, когда вы окажетесь во Франции, если будете в Париже, я уверен, что мы оба с удовольствием примем вас, хоть просто на ужин.

Карол Птак: Это моё любимое. Мои ребята в Тулузе знают, что когда я приезжаю туда, обязательно должны быть фуа-гра и утинная грудка. Я беру свою утку, беру свой фуа-гра, и я довольна.

Конор Дохерти: Ну, на этом я подытожу. Честно говоря, мне было очень приятно слушать, как вы вели диалог. Это вынашивалось в течение нескольких лет, можно смело сказать. Так что, если это не оказалось поучительным, надеюсь, оно было хотя бы развлекательным для всех. Ещё раз большое спасибо вам обоим.

Карол Птак: Конор, я думаю, ты проделал абсолютно фантастическую работу, и я это ценю. Как я уже говорила, Йоаннес и я обсуждали это в течение нескольких лет, поэтому я рада, что нам наконец удалось выполнить это.

Конор Дохерти: На этом я подытожу. Йоаннес, большое спасибо за ваше время. Карол, вы оказали огромную поддержку. Огромное спасибо за ваше участие, и спасибо всем за просмотр. До встречи в следующий раз.