00:00:00 Вступление в интервью
00:01:41 Ранняя карьера Иэна Райта и основание Logistics Sciences
00:05:33 Концепция оптимальности в цепях поставок
00:10:06 Оптимизация, неопределенность и реальные нарушения
00:18:18 Пределы традиционной оптимизации и влияние пандемии
00:25:27 Ответ Lokad и адаптация цепей поставок
00:32:45 Проблемы детерминированных моделей и компромиссы
00:41:09 Уровни обслуживания, финансовые модели и проверки здравого смысла
00:50:48 Человеческое мастерство, эвристика и итерационное моделирование
00:58:39 Стоимость человеческого вмешательства в цепи поставок
01:06:24 Стратегия как инженерия и автоматизация принятия решений
01:14:06 Децентрализованная модель Walmart и разрушение силосов
01:21:39 Обратные связи и непрерывное улучшение цепей поставок
01:29:18 Достижение оптимальности и навигация поставщиковской рекламы
01:35:42 Заключительные мысли о тенденциях технологий цепей поставок
Резюме
В недавнем интервью LokadTV Конор Доэрти встретил Иэна Райта, основателя Logistics Sciences, и Йоаннеса Вермореля, генерального директора Lokad, чтобы обсудить идею о том, что в управлении цепями поставок нет оптимальных решений. Они оспаривали традиционные взгляды на эффективность, подчеркивая сложности и неопределенности, которые противоречат учебным идеалам. Иэн и Йоаннес подчеркнули, что у различных заинтересованных сторон разные определения оптимальности, и практические решения должны соответствовать бизнес-реалиям. Они обсудили ограничения традиционных методов оптимизации и важность человеческого суждения в стратегическом принятии решений. Разговор подчеркнул необходимость моделей, которые учитывают неопределенность и фокусируются на реальных экономических результатах.
Расширенное резюме
В недавнем эпизоде LokadTV Конор Доэрти, директор по коммуникациям в Lokad, провел содержательную дискуссию с Иэном Райтом, основателем Logistics Sciences, и Йоаннесом Верморелем, генеральным директором и основателем Lokad. Разговор крутился вокруг провокационной идеи о том, что в управлении цепями поставок нет оптимальных решений, концепция, которая оспаривает традиционные взгляды на эффективность и принятие решений.
Conor Doherty открыл дискуссию, подчеркнув общее убеждение в оптимальных решениях как воплощении эффективности, где ресурсы идеально распределены, издержки минимизированы, а прибыль максимизирована. Однако он отметил, что такие учебные идеалы часто рушатся, столкнувшись с реальными сложностями. Иэн Райт, имеющий более 40 лет опыта в управлении цепями поставок и логистике, поделился своим путем от академии к нефтяной промышленности, а затем к основанию Logistics Sciences. Его карьера отмечена фокусом на решении проблем в логистике и исследованиях операций, подчеркивая практическое применение планирования и выполнения.
Йоаннес Верморел поддержал мысли Иэна, указав на то, что, хотя намерения операционных исследований после Второй мировой войны были правильными, отрасль столкнулась с аналогичными проблемами, как и искусственный интеллект, с периодами завышенных ожиданий, за которыми следует разочарование. Он отметил, что многие методы операционных исследований не принесли компаниям действенных выгод.
Затем разговор перешел к статье Иэна “Почему не существует оптимального решения в планировании цепей поставок и оптимизации логистических сетей”. Иэн пояснил, что у различных заинтересованных сторон разные определения оптимальности, что часто приводит к противоречивым идеям. Практики сосредотачиваются на математических аспектах, в то время как бизнес-лидеры более заинтересованы в практичных, реализуемых решениях. Он подчеркнул, что модели и инструменты - это лишь аспекты более широкого решения, которое должно иметь смысл для бизнеса.
Йоаннес расширил эту тему, обсудив ограничения традиционных методов оптимизации, которые часто не способны учитывать измерение времени и справляться с неопределенностью. Он подчеркнул важность количественных улучшений в оптимизации бизнеса, противопоставляя это более статичной, математической перспективе традиционных операционных исследований.
В ходе обсуждения также затронули роль неопределенности в принятии решений в цепях поставок. Иэн описал различные источники неопределенности, от предсказуемых вариаций до событий Черного Лебедя и неизвестных неизвестных. Он подчеркнул необходимость моделей, способных учитывать эти неопределенности и предоставлять контингентные решения.
Йоаннес поделился подходом Lokad во время блокировок COVID-19, когда они управляли решениями цепей поставок для клиентов, чьи белые воротнички были в отпуске. Внедрив огромную дозу неопределенности в свои модели, Lokad смогла принимать более благоразумные решения, демонстрируя эффективность своих систем оптимизации.
Далее разговор перешел к роли компромиссов в принятии решений. Иэн подчеркнул, что компромиссы часто сводятся к финансовым соображениям, балансируя издержки и уровни обслуживания и другие факторы. Йоаннес утверждал, что многие компании сосредотачиваются на оптимизации процентов, а не на истинных экономических результатов, что приводит к неоптимальным решениям.
И Иэн, и Йоаннес согласились на важности человеческого участия в стратегическом принятии решений. Хотя автоматизация и инструменты оптимизации могут справиться с многими задачами, человеческая интуиция и суждение остаются критически важными, особенно в областях, где механистический ввод недостаточен.
В заключение интервью подчеркнуло сложности и вызовы оптимизации цепей поставок, подчеркивая необходимость практичных, реализуемых решений, учитывающих неопределенность и включающих человеческое суждение. И Иэн, и Йоаннес предоставили ценные идеи о том, как компании могут преодолеть эти вызовы, подчеркивая важность согласования моделей с операциями в реальном мире и сосредоточенность на истинных экономических результатах.
Полный текст
Conor Doherty: Добро пожаловать на LokadTV. Оптимальное решение часто рассматривается как вершина эффективности, ситуация, где ресурсы идеально распределены, издержки снижены, а прибыль максимизирована. Это звучит замечательно в учебнике или в классе, но часто такие идеи терпят неудачу при контакте с реальным миром. Сегодняшний гость, Иэн Райт, поговорит с нами об этом стремлении к оптимальности. Иэн является основателем Logistics Sciences и имеет более 40 лет опыта в области цепей поставок.
Как всегда, если вам нравится то, что вы слышите, подпишитесь на наш канал на YouTube и следите за нами в LinkedIn. И с этим я представляю вам сегодняшний разговор с Иэном Райтом.
Хорошо, Иэн, спасибо большое за участие. Для тех, кто может не быть знаком с вами, я представил вас ранее, но для тех, кто не знаком с вашей работой, можете ли вы дать краткое введение, пожалуйста?
Иэн Райт: Ну, я думаю, вы упомянули, что я здесь уже 40 лет. На самом деле я здесь намного дольше, чем это, но моя карьера охватывает 40 лет. Академически мой фон в основном после интереса к экономике и географии, я объединил это в изучении того, что тогда просто называлось транспортом, там, откуда я родом. И это было в основном экономика, география, бизнес, и это вызвало большой интерес к решению проблем, конкретно в том, что сейчас называется логистикой и исследованием операций. Поэтому я перешел к исследованиям операций, но по-прежнему сосредотачивался в значительной степени на проблемах транспорта, логистики, и теперь на том, что мы все знаем как цепи поставок. Так было более 40 лет назад.
И затем, перейдя к тому, чтобы зарабатывать на жизнь, я вошел в нефтяную промышленность как управляющий ученый, работая для Castrol. Меня буквально бросили в глубокий конец, потому что я сразу же погрузился в очень высокоуровневые стратегические проекты планирования. Я написал несколько систем предотвращения отказов для дистрибуции компании, и я познакомился с планировочным программным обеспечением с точки зрения сети и с точки зрения планирования парка транспортных средств. Затем я перешел к тому, чтобы присоединиться к компании, которая предоставляла эти системы, тогда это был один человек, так что нас было двое, и помог ему развиваться. Затем я переехал в США с клиентом компании и занялся ГИС и использованием ГИС в качестве визуализации того, что мы делали с планировочной стороны. Так что это было раннее введение в то, что сегодня распространено вокруг ГИС и визуализации еще в начале 80-х.
Оттуда я перешел к сторонней логистике сначала через проект разработки программного обеспечения. Но я был знаком с 3PL в Великобритании на протяжении всей своей карьеры, но на самом деле в начале 90-х это было довольно ново в США, и только начинали разрабатывать идею объединения решений для их продажи клиентам. Эти решения заключались в том, где мы должны разместить ваш склад, как мы должны управлять вашими транспортными активами. Это было отличным применением моего опыта, но, что важнее для меня, это был отличный урок в планировании для внедрения и выполнения и не отказываться от этого, быть частью того, что приходится работать с решением, которое вы разработали, что, я думаю, хороший урок для всех, кто занимается тем, что мы делаем.
В конечном итоге я вышел из непосредственного планирования. Я объединил несколько групп решений и управлял ими. Затем я перешел и стал все более и более ответственным в организациях, в которых работал. Но в конечном итоге, пройдя период работы в консалтинге, который мне не очень понравился, я решил создать консалтинговую фирму, Logistic Sciences. И если вы хотите знать, что такое Logistic Sciences, это в основном я пытаюсь вернуться к тому, что мне нравится делать, а именно решение проблем, особенно сосредоточенных вокруг вопросов цепей поставок и логистики, и использование того ограниченного знания и тех инструментов, которые у меня есть, чтобы действительно помогать людям решать проблемы в этой сфере. Так что я не знаю, помогает ли это вам понять, откуда я иду. Я не знаю, куда я иду, но…
Конор Доэрти: Ну, спасибо, Иэн. И, на самом деле, Йоаннес, уверен, что многие из этого звучат для вас. Я имею в виду, идея решения проблем и переосмысления проблемы принятия решений в цепочке поставок, это что-то, что сильно резонирует с вами, не так ли?
Йоаннес Верморель: Да, я имею в виду, что в плане намерений намерения, заложенные исследованиями операций после Второй мировой войны, были очень правильными в том смысле, что давайте попробуем превратить эти методы управления во что-то, что численно обосновано и улучшаемо. Я думаю, что одно из намерений было правильным и по сей день остается очень актуальным. Проблема заключается в том, что это очень интересно. Люди очень часто говорят о различных зимах, через которые прошло искусственное интеллект, с завышенными надеждами, а затем разочарованием в том, что это не работало. Я считаю, что исследования операций прошли через аналогичные фазы, и определенные серии волн методов, которые были известны на тот момент, просто не смогли превратиться в реальные действенные преимущества для компаний.
Конор Доэрти: Ну, на самом деле, это в какой-то мере переходит к теме нашего разговора сегодня, которая вдохновила Иэна увидеть вашу работу в LinkedIn. Вы действительно публикуете много статей. У меня даже есть одна из них передо мной, над которой я сделал заметки. Надеюсь, камера может это поймать. Так что я прочитал это, мы все прочитали. Но эта статья была, и я прочитал это, я парень, я парень. Да, это было бесплатно, спасибо. Так что статья в частности, та, которая вызвала интерес к разговору, “Почему не существует такого понятия, как оптимальное решение в планировании цепочки поставок и оптимизации логистической сети”. Теперь это около 13 страниц. Для тех, кто не читал, краткое изложение на уровне исполнительного директора, пожалуйста.
Иэн Райт: В основном это пытается донести идею о том, что у разных людей разные представления о том, что такое оптимальность. И, в общем, что я обнаруживаю, это противоречивые идеи или не столько противоречивые, сколько просто конфликтующие идеи в том смысле, что идея оптимальности практика часто очень сосредоточена на том, что он делает в инструменте или с техникой, которая используется. И это довольно часто, что возвращается к тому, что говорил Йоаннес, это довольно часто сосредоточено на математике, в то время как человек, который является тем, кто является жертвой или получателем оптимизации, это бизнесмен.
Я предполагаю, что мы можем сосредоточиться на бизнесе и частном секторе, хотя, очевидно, есть еще многое, что мы можем сделать в области цепочки поставок. Но бизнесмен вовсе не заботится или не должен волноваться о математике или методологии или инструменте или модели. И я сосредотачиваюсь на том, когда работаю со своими собственными клиентами и в проектах, я сосредотачиваюсь на том, чтобы убедиться, что они понимают, что инструменты, которые мы используем, модели, которые мы создаем, являются лишь малой частью того, что помогает им прийти к решению, которое они могут использовать для принятия решения и внедрения чего-то. Таким образом, основное предположение статьи заключалось в том, чтобы донести эту идею о том, что модель не является важной частью, важно решение. И существует столько много других компонентов, столько много других аспектов решения, которое имеет смысл для бизнеса.
Конор Доэрти: Просто на этот счет, и Йоаннес, я обращусь к вам через минуту, но способ, которым вы это сформулировали, снова, когда вы объясняете это своим собственным клиентам, вы пытаетесь, и я записал это, в основном убедиться, что люди понимают. И на этом пункте, я думаю, ключевым словом, которое следует сразу прояснить, является, когда вы говорите об оптимальности, снова, вы сделали различие между практиком и математиком. Часто определенный язык может иметь немного разные значения в зависимости от того, где он используется. Йоаннес и я недавно вели обсуждение на тему эвристик, и снова, эвристика в математическом смысле по сравнению с экономическим смыслом может быть немного разной. Так что, когда вы говорите о стремлении к оптимальному решению или представлении оптимальности, что именно вы имеете в виду, пожалуйста?
Иэн Райт: Обычно я думаю об оптимальности не в смысле математика, потому что, на мой взгляд, это замечательное понятие, на которое стоит сосредоточиться, если вы живете в мире математики. Но то, на что нам нужно ориентироваться, это то, что является лучшим решением в существующих обстоятельствах. Так что, что на самом деле происходит? Что на самом деле происходит в мире? Нам нужно выяснить, что происходит, а затем мы должны представить решение, которое говорит о том, что лучшее, что мы можем придумать в этих обстоятельствах, которое смягчит или уменьшит большинство проблем, которые мы обнаруживаем в этих обстоятельствах. Это решение, которое мы ищем, которое мы хотим представить.
Конор Доэрти: Джоаннес? О, да, спасибо, Иэн. Итак, снова идея быть лучшим доступным не означает совершенства в абсолютных терминах. Что-то еще, что вы хотите добавить или согласны?
Джоаннес Верморел: Да, я имею в виду, чтобы продолжить характеристику оптимизационной перспективы в математике как красивой, я согласен. Это что-то крайне простое. Я могу суммировать это для аудитории. Это идея, что вы берете функцию, которая будет оценивать то, что вам нужно, и частью входа этих функций являются ваши переменные, то, что вы можете решить, что может измениться в соответствии с вашим желанием. Так что это идет на вход, а затем функция дает вам оценку. И фундаментально оптимизация ищет эту одну комбинацию входа, которая является формализацией вашего решения, которое экстремизирует результат. Экстремизирует, как минимизирует, если вы пытаетесь уменьшить свои затраты, или максимизирует, если вы хотите максимизировать доходы, что-то вроде этого.
И интересно то, что эта простая проблема идет с хорошей чистой математической характеристикой. Затем вы можете сказать много интересных вещей о ваших входах, вы можете сказать много интересных вещей о вашем выводе, как он ведет себя, и какие классы алгоритмов существуют для поиска решения, и сможете ли вы, в математических терминах, сказать, что при таких предположениях ваш метод является лучшим, что он может быть или нет, и т. д. Кстати, это область исследований теперь довольно названа ОР. Раньше это означало операционное исследование, но сейчас это просто математическая оптимизация. И им уже даже не важно, говорят ли они о бизнес-проблеме или нет. Их забота - разработка решателей, которые являются классом программного обеспечения, предназначенного для выполнения этих оптимизаций в математическом смысле.
Когда мы думаем в терминах оптимизации в математике, я думаю, что это самое, я бы сказал, ясное понимание того, что такое оптимизация. Это не означает, что, будучи, знаете ли, ясным, это не означает, что это наиболее актуально. Это просто означает, что это своего рода чистейшее, как в, знаете, кристальная чистота. Это не означает, что это применимый инструмент для всех ситуаций. И когда мы думаем в терминах оптимизации в бизнес-контексте, то что мы имеем в виду, это то, что мы хотим улучшить вещи, но с количественным преимуществом. Вы видите, в этом разница.
Потому что я также могу улучшить бизнес, например, имея лучшую культуру, где люди более преданные, но почти невозможно квантифицировать что-либо об этом. Так что когда мы говорим об оптимизации, то что мы имеем в виду, это то, что мы хотим улучшить с помощью количественных инструментов и, в идеале, также количественные результаты. Это было бы, знаете, своего рода, и это когда мы, я вернусь к вашему, я бы сказал, пониманию оптимизации, я бы описал это в основном как процесс количественных улучшений. Это было бы, знаете, и это полностью, это бы сказал, бизнес-перспектива оптимизации.
Иэн Райт: Я думаю, что я, нет, я полностью согласен с Джоаннесом. Одна из вещей, которые мы должны понимать, также связана с оптимальным, это наличие измерений в проблемах, которые мы рассматриваем, и довольно часто эти измерения игнорируются или оставляются в стороне. И некоторые из наиболее базовых, ну, на самом деле, возможно, самое базовое измерение - это измерение времени.
Это имеет огромное значение для того, что вы можете сделать с моделью или техникой и/или технологией, и что вам приходится делать в реальном мире и что вы можете делать в этих обстоятельствах. И это изменяет, это изменяет характер того, что вы можете считать оптимальным.
Конор Доэрти: Ну, на самом деле, и снова, это идеальная фраза, что вы можете сделать. И это снова переходит к обсуждению того, что, я думаю, и знаю, что для Джоаннеса это определенно ключевой элемент любых обсуждений об оптимальности или, в основном, принятии решений, это характер неопределенности при попытке принять эти решения.
Итак, в вашей статье вы говорите об неопределенности и реальной сложности, которая существует в цепи поставок. Можете ли вы прокомментировать немного подробнее источники неопределенности, которые фактически влияют на стремление к оптимальности в любом случае, каким бы образом вы хотели оптимизировать?
Иэн Райт: Существует множество видов неопределенности, и, да, даже до такой степени, что есть виды, которые вы не можете почувствовать, потому что вы даже не знаете, что они существуют. Так что есть то, на что большинство людей сосредотачивают внимание как на неопределенность, которая, на мой взгляд, просто отражает динамическую природу области операций в цепи поставок. Они просто динамичны, поэтому существует неопределенность, связанная с этими динамиками, и это открыто для анализа, количественного анализа и вероятностного анализа, на что, как я знаю, вы, ребята, очень сосредоточены.
Но затем вы переходите к определенным областям неопределенности, которые более переходят в область риска. Так что есть маленькие риски и чрезвычайно большие риски, и это также отражается тем, что вы выходите за пределы предсказуемого или вероятностно предсказуемого контекста до того момента, когда вы фактически говорите о том, что, как я думаю, упоминал в статье, вы говорите о событиях Черного Лебедя. И просто, парень, я просто потерял всё это.
Итак, извините, вам, возможно, придется это отредактировать, но вы переходите от, вы переходите от модели малого мира, которая предсказуема, имеет элементы, которые вы можете предсказать на основе данных, которые вы можете получить довольно легко. Затем вы переходите к событиям Черного Лебедя, которые, по сути, могут произойти, но способность предсказать их намного дальше, и, фактически, в некоторых случаях события Черного Лебедя вы просто не можете предсказать. Вы просто знаете, что они могут произойти. И я думаю, еще более катастрофично, довольно часто во многих обстоятельствах того, что я, что я, что я называю в статье, заимствуя фразу, неизвестные неизвестные.
Дональд Рамсфельд, ну, на самом деле, это был не Дональд Рамсфельд, это был парень до него, он украл идею, как и я, но в любом случае. Итак, и затем, затем вы переходите к тому, насколько нам действительно нужно понять не только неизвестные неизвестные, на которые мы не можем рассчитывать, даже события Черного Лебедя мы не можем рассчитывать на них в общих операционных терминах и в планировании, но предсказуемое, основанное на вероятности, мы можем и должны рассчитывать.
И что я также скажу, что вы можете перейти в другое измерение операции, где вы фактически, и я думаю, я говорил об этом в моделировании, вы не просто смотрите на решение, вы смотрите на решение, которое состоит из множества контингентных элементов, которые вы можете переключить или которые могут быть переключены и выполнены по мере необходимости. Но фокус в том, чтобы оставаться как можно ближе к тому, что вы назвали оптимальным в вашем предпочтительном решении.
Конор Доэрти: Ну, на самом деле, чтобы продолжить не вдохновленную Дональдом Рамсфельдом цитату, но другие источники неопределенности, о которых люди думают, что они известные известные, будут, как вы сказали в статье, в стабильном спросе и предсказуемых цепях поставок. Джоаннес, это известные известные или известные неизвестные или неизвестные неизвестные?
Джоаннес Верморель: Да, я думаю, что эта типология хороша, но снова, если мы вернемся к основному инструменту, который у нас есть для проведения этих количественных анализов, если я вернусь снова к тому, что было разработано в рамках исследований операций, измерение времени отсутствовало. Первая причина, почему его не было, как супер мирная, заключается в том, что тогда вы увеличиваете размерность ваших проблем, и эти методы ведут себя очень плохо, когда вы пытаетесь иметь дело с более сложными методами. Они не очень масштабируются, по крайней мере, не так, как мы сейчас относимся к масштабируемым решениям, особенно если посмотреть на свет последних событий, скажем, на фронте глубокого обучения.
Итак, первая проблема заключается в том, что у нас была эта супер базовая проблема масштабируемости, нет измерения времени. И когда мы начинаем учитывать измерение времени, будущее не совершенно известно, поэтому нам приходится иметь дело с каким-то видом изменчивости. И здесь это будут просто известные неизвестные. Вы знаете, это очень мягкий случай неопределенности. Очень ожидаемо, что сроки поставки будут различаться, очень ожидаемо, что спрос будет различаться и т. д. Так что эти случаи относительно легкие.
И тогда мы входим в территорию того, что называется стохастической оптимизацией, потому что внезапно ваше решение может оказаться хорошим или плохим в зависимости от будущих обстоятельств, которые вы не контролируете. Таким образом, существуют альтернативные будущие, где это решение выглядит хорошо, но есть определенно возможные будущие, где оно в конечном итоге проявится как плохое решение. Так что, я бы сказал, что это своего рода очень мирские проблемы, с которыми мы сталкиваемся, прежде чем погружаться в неизвестные неизвестные и все эти дикие разновидности неопределенностей, у нас есть более базовые проблемы, и вот где, я думаю, эта идея аспектов очень интересна.
Мы просто не знаем, как нам следует оценивать что-либо. Это неочевидно. Когда мы говорим, что мы хотим оптимизировать прибыль, существует неопределенное количество способов подсчета прибыли. Следует ли учитывать вторичные эффекты, третичные эффекты? Что я имею в виду под вторичными эффектами? Вы даете скидку 10% сейчас, клиент ожидает, что в следующий раз, когда он зайдет в магазин, он снова получит аналогичную скидку. Это вторичный эффект. Вы просто дали скидку, но это обошлось вам дороже, потому что вы вызвали ожидание. Так что это тоже должно быть оценено.
И затем, если вы это сделаете, ваш конкурент может решить более агрессивно конкурировать по цене, или в конечном итоге он может вообще отказаться от конкуренции, оставив вас одних или по крайней мере с меньшим количеством конкурентов. Так что вы видите, все это очень мирские аспекты того, что я именно количественно оцениваю. Это сложно. Я думаю, что еще один аспект, который не очень хорошо освещен в классической литературе по оптимизации, заключается в том, что они думают, будто проблемы были хорошо поняты с самого начала.
Конор Доэрти: Иэн, в вашей статье вы упомянули много конкретных примеров компаний, которые добились успеха или потерпели неудачу в решении тех видов неопределенности, о которых мы только что говорили, будь то сроки поставки, непредсказуемые паттерны спроса и так далее. Можете ли вы поделиться более подробными данными об этих кейс-исследованиях, пожалуйста?
Иэн Райт: Да, так как многие проекты, над которыми я работаю, имеют стратегическую направленность. Некоторые тактические. Я, как правило, больше не работаю в области планирования для выполнения. Так что большинство примеров, о которых я мог бы подумать в этом отношении, связаны с компаниями, которые не смогли тактически или стратегически спланировать, не решив эти проблемы вокруг предсказуемости или отсутствия предсказуемости.
Совсем недавно, за последние три года, произошло событие, о котором годом ранее, я думаю, никто не мог бы сказать, что они его предсказали. Конечно, я верю, что ни одна система планирования в любой компании не могла бы представить и включить элементы планирования, которые учитывали бы влияние пандемии и последствия для запасов, последствия снижения спроса и так далее. Столь много различных широко распространенных последствий. Классическим примером является сфера полупроводников.
Мой опыт был двойным в том, что многие компании, выходящие из пандемии в области производства продуктов питания, а не только фармацевтики, но и медицинских изделий, в секторе здравоохранения в целом, вдруг осознали, что им нужно спланировать что-то, чего они не предвидели. Они работали против своих внутренних систем, управляющих бизнесом, управляющих их цепочкой поставок, потому что эти системы больше не предоставляли им данных, способных служить основой для моделей понимания того, что им следует делать дальше.
Так что я работал над множеством проектов для производителей продуктов питания, которые пытались догнать огромный взрыв спроса в местах, где у них не было мощности, и им нужно было очень быстро понять, куда следует разместить эту мощность и почему именно там. Было столько фундаментальных проблем с попыткой разобраться, как вы это делаете, потому что это было очень похоже на то, как построить цепочку поставок для продукта, которого сегодня не существует? Как для этого спланировать? И затем вся идея того, как вы затем переходите к выполнению, является следующим этапом.
Конор Доэрти: Иэн, это хороший переход к Йоаннесу. Я имею в виду, что это во многом ваша специализация, выполнение решений в ситуациях, полных неопределенности. Есть ли примеры успехов или неудач компаний, когда речь идет о тех видах неопределенности, о которых мы говорим?
Йоаннес Верморель: Да, я думаю, что, знаете ли, если мы вернемся к году блокировок, 2020, 2021, интересно то, что Lokad имел, я бы сказал, очень хорошие операционные успехи, но я думаю, именно потому, что мы занимались оптимизацией.
Позвольте мне описать то, что в настоящее время делают большинство компаний, в основном через океан таблиц Excel. Они не оптимизируют ничего, ни в математическом смысле, ни так, как мы только что описали. Фактически они в основном воспроизводят то, что было сделано ранее. Они в значительной степени сопоставляют свои собственные предыдущие решения. Они даже не следуют за спросом или чем-то еще; они в основном воспроизводят то, что они делали раньше, что означает, что бюджет разбивается и нарезается практически так же, как это было сделано в прошлом году, что резервные запасы снова настраиваются минимально по сравнению с тем, что было сделано в прошлом году и т.д. Таким образом, все делается постепенно по сравнению со статус-кво. Никакой оптимизации не происходит. Мы просто отражаем статус-кво, немного управляем им, но не количественно, немного в направлении, которое кажется подходящим.
Это как бы работает, но вот в чем дело: не происходит процесса оптимизации, что означает, что если вы широко изменяете свои рабочие условия, у вас нет механизма, чтобы отразить эти новые условия. Позвольте мне повторить, все ваши таблицы Excel, все ваши процессы на месте предназначены для воспроизведения того, что вы делали ранее. В отличие от этого, в Lokad у нас были системы оптимизации. Что происходило, когда у нас возникали непрецедентные ситуации? Мы в основном вручную вводили огромную дозу неопределенности в наши модели.
Мы не знали, что произойдет. Мы просто сказали: “Хорошо, спрос обычно вызывает эффект дробового ствола.” Вы видите будущий спрос, который просто идет вот так, знаете, возможность. Ну, если у вас такая ситуация, как блокировки, вы просто увеличиваете угол дробового ствола, чтобы будущее стало очень размытым. То же самое для ваших задержек, то же самое для ваших цен. Вы просто предполагаете, что вдруг знаете гораздо меньше о будущем. Но вы можете это сделать, и если вы предполагаете, что вдруг знаете гораздо меньше, вы можете перезапустить свою логику оптимизации, это стохастическая оптимизация, чтобы принимать решения, которые более осторожны с учетом риска, который у вас есть.
Вы в некоторой степени учитываете худшее, что может произойти в терминах задержек, цен, спроса и т.д., и принимаете свои решения намного более консервативно с учетом тех рисков, которые количественно взорвались. Мой вывод заключается в том, что это работает. Это работает очень хорошо, но проблема заключается в том, чтобы иметь больше оптимизации, а не меньше. Хотя это не тот вид статической перспективы операционного исследования, ничего не движется вроде оптимизации.
Второе, это дополнительный аспект, о котором, я думаю, почти никогда не говорилось во времена операционного исследования, вероятно, с 1950 по 1980 год, эти 30 лет, это качество вашего инструментария. Насколько быстро вы можете перейти от одного экземпляра вашей моделизации к следующему экземпляру? Это действительно практическая операционная вещь.
Иэн Райт: Я думаю, что были и практические проблемы, связанные с этим, потому что технология была недостаточной. Был недостаток данных, потому что технология, связанная с этим, была недостаточной. Но, конечно, технология, позволяющая более быстрое выполнение планирования, просто не существовала. Я могу сказать вам, что наблюдал, как модели оптимизации работали 24 часа, в отличие от сегодня, когда я работаю с парнями, я думаю: “Ну, она еще не закончила, уже прошло пять минут, что мне делать?” Так что, я не хочу вас прерывать, Йоаннес, но я думаю, что многое из этого было потому, что у нас сегодня намного лучше технологии.
Joannes Vermorel: Я полностью согласен, и это отдельная проблема, но это действительно практические вопросы. Если у вас есть технология оптимизации, но повторный запуск занимает 24 часа, и вам нужно 20 итераций, чтобы прийти к чему-то, что относительно удовлетворительно с точки зрения нового состояния вашей цепочки поставок, это никогда не произойдет. Люди просто возвращаются к электронным таблицам. Просто нет времени пройти через все эти препятствия. Вы возвращаетесь к своим электронным таблицам, которые могут не обеспечить вас этой оптимизацией, но они дадут вам хотя бы ответ в разумные сроки.
Я думаю, что это также то, где Lokad хорошо себя показал в этот период. У нас была оптимизация, но у нас были инструменты оптимизации, которые были достаточно гибкими, чтобы их можно было тестировать несколько десятков раз в день, пока у нас не появилось что-то, что действительно работало. В противном случае наши клиенты просто отказались бы от услуг, которые предлагала Lokad в то время.
Ian Wright: Интересно, потому что я всегда боролся с тем, что я называю оптимизацией моментального снимка. В частности, планирование цепочки поставок и сетевые модели всегда были моментальным целочисленным программированием. Решатели - все моментальные, и вся эта проблема времени, я всегда боролся с тем, как мы могли бы воспользоваться преимуществами подходов типа симуляции, где мы можем немного лучше включить измерение времени, и как мы можем каким-то образом совместить подходы.
Например, есть компания в России, компания по симуляции, которая придумала объединение оптимизации. Я думал, что это было замечательно на тот момент. К сожалению, я не очень хорошо знаком с их реализацией стороны оптимизации, потому что они - компания по симуляции. Проблема времени - это одно. Другая проблема, я думаю, в определении решения с вероятностью, также включает технологическую проблему, с которой мы сегодня более способны справиться. Это включает объем данных, объем данных, который вы можете включить в вывод решения.
Многие вещи находятся за пределами корпорации или компании или подразделения, для которого вы оптимизируете, и не учитываются, когда у вас есть новый продукт или когда вы входите в совершенно новый мир после пандемии. Единственное, на что вы часто можете полагаться, это данные, которые никоим образом не связаны с историей ваших предыдущих операций. Вам нужно обратиться к гораздо более широкому объему данных, чтобы, например, когда вы вычисляете вероятности, вам нужно включить экзогенные переменные в дополнение ко всем традиционным переменным, связанным с деятельностью, которую вы пытаетесь продолжить.
Joannes Vermorel: Концептуально, да, хотя я немного не согласен с этим. Дело в том, что данные за пределами транзакционных данных очень дороги для компаний. Получение данных о конкурентной разведке вполне приемлемо, это не слишком дорого, но если вы выходите за пределы этого, просто парсинг цен ваших конкурентов, это очень быстро становится очень сложным.
Наш подход обычно заключается в том, что сначала вам нужно иметь модели, где вы смотрите на ваши данные более информативно. Примером этого может быть запуск нового продукта, у вас нет истории продаж, поэтому традиционная перспектива временных рядов говорит, что у вас ничего нет. Но если вы откажетесь от перспективы временных рядов и примете альтернативное видение, вы можете увидеть, что ваши запуски продуктов имеют своего рода хит-ор-мисс паттерн и что успехи, которые вы можете ожидать, ведут себя согласно некоторому распределению, а также неудачи. Так что да, вы можете использовать свои исторические данные, чтобы сказать что-то о продукте.
Опять же, потому что ваши запуски, если студия без имени запускает фильм, вероятность того, что эта студия без имени сделает фильм, который принесет 1 миллиард в кинотеатрах, крайне низкая. Но если это Disney или Warner Brothers, то вероятность может быть около 5%.
Итак, сначала, используя данные о транзакциях, которыми располагают компании, вы обычно можете сказать гораздо больше, чем думают люди, потому что они укоренились в перспективе временных рядов. Есть и другие способы.
Второе, если вы признаете, что просто не знаете, давайте поймем, что люди, которые будут принимать эти решения как люди, тоже не имеют секретного источника информации. В человеческом мозге нет хрустального шара, который позволяет заглянуть в будущее или что-то в этом роде, особенно когда речь идет о цепях поставок, где у нас есть десятки тысяч продуктов, о которых вы знаете только потому, что они существуют. Многие люди, которые были бы специалистами по поставкам и планировщиками спроса, даже не знали бы точно, что именно продает или производит их компания.
Итак, вернемся к этому, я бы сказал, сначала у нас есть наши данные о транзакциях, которые могут быть использованы более широко, чем кажется на первый взгляд, как только вы откажетесь от этой перспективы временных рядов. Но затем у вас также есть тот факт, что получить эту дополнительную информацию очень сложно. Так что, возможно, что вместо этого мы должны просто принять много неопределенности.
Традиционные инструменты даже не принимают возможность работы с неопределенностью вообще. Когда я говорю о традиционных инструментах, я имею в виду все решатели, которые обеспечивают математическую оптимизацию рынка. Все решатели, которые я знаю, установлены как детерминированные решатели; они не могут работать с неопределенностью. Мы только что получили на этот канал одного пионера, который пытается установить свой прототип стохастического оптимизатора InsightOpt, Meinolf Sellmann, у которого были его Seeker instruments. Но это действительно уникальный случай, и это практически единственный, который я знаю, что пытается преследовать это с коммерческой точки зрения.
Итак, вернемся к рассматриваемому случаю, мое мнение заключается в том, что если у вас нет никакого инструмента для работы с неопределенностью ни в какой форме, идея о том, что вы просто справитесь с этой ситуацией, просто увеличив неопределенность и позволив ей быть, даже не поддается размышлениям. Но если у вас есть эти инструменты, то это становится очень естественным. Вы пытаетесь что-то непревзойденное, неопределенность зашкаливает, и ваш оптимизатор просто позволяет вам действовать соответственно.
Ian Wright: Я думаю, что мы как бы немного теряем синхронизацию здесь, потому что есть разница в фокусе между нами, когда вы планируете стратегически и когда вы планируете, особенно чем ближе вы подходите к выполнению, где варианты сокращаются драматически. Я исхожу преимущественно из сферы стратегического планирования. Когда вы говорите, например, что много этой дополнительной области данных для нового продукта дорога, это может быть так, но есть много разных видов данных, которые вы можете использовать в моделировании, прежде чем перейдете к оптимизации.
Вы можете моделировать корреляцию между множеством различных экзогенных аспектов экономических данных и демографических данных, связанных с видом продукта и рынком, на который вы хотите предложить этот продукт. Именно отсюда я исхожу, Джоаннес, когда говорю о добавлении большего количества элементов данных. Я говорю о рассмотрении корреляции с тем, что является разумно доступными данными, обычно связанными с демографией и проникновением на рынок.
Еще одной аспект этого, который, на мой взгляд, в конечном итоге мы всегда должны думать как о поставщиках технологий и практиков в этой области, заключается в том, что бизнес в конечном итоге связан с финансами. Одним из основных элементов, с которым нам приходится работать в планировании, является свести все к стоимости и минимизации стоимости, в зависимости от обстоятельств. Данные о стоимости, на мой взгляд, недостаточно использовались, например, в сетевых моделях для оптимизации цепей поставок. Люди были рады принять предположения о стоимости, внося стоимости в модели, вместо того чтобы выйти и фактически найти гораздо более конкретные ожидания относительно стоимости, что вполне выполнимо. Я думаю, что это просто что-то, что с использованием технологий, которые у нас есть сейчас, настолько более готово к фокусировке и более пониманию того, что мы можем сделать вокруг привлечения данных для понимания большего объема контекста, в котором мы работаем.
Conor Doherty: Это отличная точка для продвижения немного вперед, потому что после того, как у вас есть все данные, вам все равно придется принять решение в конечном итоге. Что-то, о чем вы также говорите в статье, это роль компромиссов в принятии этих решений. После того, как у вас есть ваша модель и все данные, вам все равно предстоит принять ряд решений, часто просто варианты решений. Как компромиссы вписываются в стремление к оптимальному решению?
Ian Wright: Я сделаю одно замечание быстро. У вас никогда нет всех данных. У вас есть данные, которые у вас есть, очевидно, но они всегда недостоверны. Поэтому вам придется работать с тем, что у вас есть. В душе я циник, вы можете сказать, верно? Что касается компромиссов, есть очевидные компромиссы в цепи поставок. Ваш компромисс в основном финансовый. Хочу ли я потратить деньги, чтобы предоставить услугу и продукт, который хочет мой клиент? Я хочу предоставить продукт так, как хочет его клиент, и это означает, что мне придется потратить деньги, чтобы это сделать. Насколько далеко я готов пойти по этому пути?
Компромисс - это запасы против транспортных расходов, например, как базовый. Но есть компромиссы, связанные с тем, сколько контрмер я должен предпринять, чтобы смягчить риски? Сколько потенциальных операционных путей я создаю для своего бизнеса, чтобы я мог выполнить вероятностный план, который придумывает что-то, что не является моим обычным путем выполнения? Компромисс заключается в том, смотрю ли я на краткосрочные последствия вокруг моделей, которые я преследую, и планов, которые я разрабатываю, или включаю ли я долгосрочные, что часто означает финансовый компромисс, потому что я инвестирую сейчас в то, что не произойдет до более позднего периода?
Для меня компромисс - это своего рода эвфемизм для того, что мне нужно правильно распорядиться деньгами. Как я могу сбалансировать все эти вещи? Я не уверен, что отвечаю на ваш вопрос, Конор, но это сводится к тому, на что я готов пойти на компромисс в своей модели, учитывая, что я знаю, что мне ограничен способ, которым я могу охватить свою модель? На что я готов пойти на компромисс, чтобы получить этот знак доллара или этот знак евро в нужном месте?
Conor Doherty: Спасибо, Иэн. И Йоаннес, я обращусь к вам сейчас, потому что снова я в основном готовлю вас к чему-то, о чем я знаю, что вам нравится говорить. Я сделал замечание, что в основе того, на что люди пытаются оптимизировать явно, поправьте меня, если я ошибаюсь, на самом деле является стоимость или финансы. Но дело в том, что часто, когда мы говорим о принятии решений в цепи поставок, люди или компании пытаются оптимизировать такие вещи, как уровни обслуживания. Я думаю, вы уже говорили, что то, на что люди думают, что они оптимизируют, это стоимость, но на самом деле это просто числовой артефакт. Так вопрос, если вы могли бы прокомментировать, заключается в том, когда люди фокусируются на тех традиционных целях в цепи поставок, они фактически оптимизируют стоимость или они смотрят в неправильном направлении?
Joannes Vermorel: Итак, если мы посмотрим на доминирующие практики цепи поставок в наши дни, на слайдах они бы сказали, что они фокусируются на экономически целесообразном. На практике они этого не делают. Это как проценты на всех уровнях в терминах уровней обслуживания, возвратов запасов и так далее. Эти вещи слабо коррелируют с вашими финансовыми результатами, но только слабо.
Предположить, что ваша прибыльность коррелирует в какой-либо форме с вашими уровнями обслуживания, просто безумие. Это не работает. Это очень упрощенный взгляд. Первое, что следует отметить, это то, что доминирующие практики, на самом деле, люди интуитивно понимают, что они не могут убедить кого-либо, если они говорят, что они хотят оптимизировать проценты. Поэтому на слайдах они скажут, что мы оптимизируем эти доллары, но на практике, в их программных системах, у них есть правила, которые абсолютно не соответствуют этим долларовым моделированиям. Я бы сказал, что только те, которые я видел в дикой природе, не считая Lokad, были строго непрофессиональными, неэкономическими перспективами.
Теперь, если мы перейдем к экономической перспективе, где мы начинаем иметь эти доллары, я полностью согласен с тем, что это очень сложно сделать правильно. Это сложно, и, фактически, у вас есть множество ужасных историй, очень часто рассказываемых в голливудских фильмах, где финансовый парень - плохой парень, который делает невероятно глупое краткосрочное мышление в ущерб чему-то, что было бы немного дальше в будущем.
Финансовая перспектива имеет дурную репутацию, и, действительно, вид перспективы, который операционное исследование подчеркивало 40 лет назад, был очень упрощенным. Они действительно шли к очень небольшому количеству основных переменных: затраты - стоимость запасов, стоимость этого, стоимость того - и вуаля, все готово, работа сделана, теперь пусть магия работает с оптимальным решением, которое вылезет из модели.
В Lokad мы заметили это и поняли, что у нас есть реальная проблема, а именно, как мы можем прийти к знанию, действительно ли наша функция оценки, наша экономическая функция оценки, та, которая считает доллары, говорит приблизительную версию правды, которая достаточно хороша. Это очень сложный вопрос, и то, что мы обнаружили, была методология, задокументированная в моих сериях лекций по цепям поставок, называемая экспериментальной оптимизацией.
Способ, которым вы знаете, что ваша экономическая модель правильна, заключается в том, что она порождает здравые решения. Это очень странно. В конце концов, люди думали, что вам нужно иметь правильную оценочную метрику, чтобы она давала вам оптимальные решения. Мы делаем в значительной степени противоположное. Мы порождаем решения, а затем из этих порожденных решений, которые были экстремизированы согласно этой метрике, мы смотрим, являются ли они здравыми или нет.
Когда мы видим очевидно дисфункциональные решения, которые явно безумны, очень часто мы возвращаемся к экономической моделизации и понимаем, что что-то не так, что-то мы упустили. Таким образом, у нас есть этот очень итеративный процесс, где мы выбираем наши доллары, мы оптимизируем, получаем решения, некоторые из них безумны, мы пересматриваем способ подсчета долларов и повторяем процесс.
Со многими итерациями мы наконец сходимся на чем-то, где больше никто не имеет сомнений. Это то, что мы называем принципом нулевой безумности. Мы хотим сойтись на настройке, где система не порождает никаких строк, которые очевидно безумны сразу из коробки. Это, собственно, тот момент, когда мы в Lokad считаем необходимым до перехода к производству.
Но видите ли, дело в том, что мы полностью перевернули вид операционного исследования. Вместо того чтобы говорить, что функция оценки дана, это что-то, что мы собираемся обнаружить через инкрементальный процесс. Это очень странно, потому что это очень противоречит, по крайней мере для французов, этой декартовой перспективе снизу вверх и применения принципов и просто их развертывания. Это гораздо более эмпирический вид процесса.
Иэн Райт: Мне приходится признаться, и я прошу прощения за это, но мне приходится признаться в своем относительном незнании Lokad. Но я очень заинтригован вашим определением здравого смысла в контексте, о котором вы говорите. Что составляет здравый решение?
Жоанн Верморель: Иэн, чтобы привести пример, который я привел в своих лекциях, я начну с аналогии, а затем вернемся к цепям поставок. Существуют классы проблем, где, если вы хотите решить общую проблему, это невероятно сложно, но конкретные случаи очень легки.
Примером этого может быть, допустим, я дам вам фильм посмотреть и скажу, что это про римского гладиатора или что-то в этом роде, и попрошу вас обратить внимание, есть ли вещи, которые абсолютно не соответствуют историческому временному периоду, например, самолет на заднем плане. Есть известный фильм, где они сражаются на арене, а в небе на заднем плане летает самолет.
Если я попрошу вас найти общий алгоритм, чтобы сказать мне все вещи, которые могут пойти не так в фильме и не отражают эпоху или временной период, это абсолютно пугающая задача. Вам нужно было бы энциклопедия всего, что не было изобретено, даже термины, настроение, отношение, вид мышления. Это просто невероятно сложная проблема. Но на практике, если поставить стажера смотреть запись, он скажет вам: “О, здесь летит самолет, это плохо.” Я не могу дать вам список всех плохих вещей, но я могу заметить этот кусок безумия.
Системы цепочки поставок очень похожи на это. Очень сложно дать вам общее правило, чтобы точно установить, что считается безумным или нет. Это проблема общего интеллекта, не что-то, что можно просто сжать в простой алгоритм. Но оказывается, люди довольно хорошо различают эти проблемы.
Примером может быть то, что у вас есть серия дефицита товара в ваших исторических данных, они не учитываются должным образом, и внезапно ваша оценка будущего спроса падает до нуля, потому что у вас был дефицит товара, поэтому вы не продали, и ваша модель глупо прогнозирует ноль. Затем вы предлагаете ноль пополнения запасов как хорошую политику. Говорится: “Каков ваш целевой уровень запасов? Ноль, потому что мы наблюдали очень маленький спрос, поэтому давайте оставим его на нуле.”
Если вы начнете думать об этом, да, мой прогноз будет на 100% точным, потому что я прогнозирую ноль, я пополняю ноль, и все хорошо. Но нет, это не так. Эта проблема называется заморозкой запасов. Это кусок безумия, и у вас есть множество ситуаций, где, когда вы рассматриваете решения, вы можете выявить вещи, которые дисфункциональны, где числа невероятно высоки или низки, или вещи просто не имеют смысла.
Примером из нашей истории в Lokad, для одного из наших первых авиационных клиентов, мы начали рассматривать пополнение запасов и предложили купить некоторые детали. Клиент вернулся к нам и сказал: “О нет, мы не собираемся покупать эти детали. Эти детали будут установлены на Boeing 747, и через 10 лет над Европой не будет летать ни одного Boeing 747. У этих деталей срок службы четыре десятилетия, поэтому если мы купим их сейчас, мы будем использовать их всего 10 лет, а затем эти самолеты исчезнут.”
Это было нечто очевидное, где мы забыли учесть тот факт, что полезность детали не может превышать срок службы самолета, на котором она служит. Это тот случай, когда, в зависимости от отраслей, реальность подкидывает вам бесконечный поток вещей, которые просто падают вам на лицо как проявления этих безумий. Хотя я не могу дать вам общее правило или алгоритм для обнаружения этого, на практике это работает очень хорошо, потому что люди могут замечать эти вещи.
Иэн Райт: Теперь мы находимся на одной волне, странно, потому что я знаю, что мы хотим обсудить некоторые вещи, которые предстоит. Моим основным принципом в моей карьере, в том, что я работал со всей этой технологией и внедрял технологию в компанию жертвы, всегда было то, что вы не можете исключить человека. Вы должны учитывать и использовать человека в процессе внедрения и использования технологии.
Потому что прямо сейчас, и в ближайшем будущем, у нас нет технологии, которая может заменить многие аспекты человека, о которых вы говорите, в том числе в области распознавания абсурда, например, или распознавания безумия. Ее просто еще не существует. Единственный способ, которым она станет существовать, - это как-то попытаться включить аспекты человека в процесс. Сегодня это просто неосуществимо.
Йоаннес Верморель: Да, я с вами согласен. Я хотел бы ответить на ваши комментарии с двух сторон. Во-первых, иногда безумные решения могут быть известны как безумные только после факта. Вы должны совершить ошибку, чтобы понять, что произошло что-то неожиданное и это было плохо. Но больше, чем человек, информация должна вернуться из мира. Вам нужна обратная связь из реального мира, чтобы получить эту информацию. Так что это вопрос высокого интеллекта. Даже если у нас был искусственный интеллект такой же умный, как человек, есть ограничения. В некотором смысле, единственный способ узнать мир - это дать себе некоторую свободу для экспериментов. Это было бы первым углом.
Второй аспект касается роли людей. Так мои коллеги спроектировали системы, что они используют людей как сопроцессоры. Ваша система генерирует решения, числа, распределение ресурсов и так далее. Затем у вас есть все эти строки, которые безумны, и вы ожидаете, что у вас будет армия клерков, чтобы вручную вмешиваться и исправлять все это. Для аудитории все системы, которые имеют предупреждения и исключения, делают именно это. Предупреждения и исключения - это просто другой способ сказать, что у нас есть человеческие сопроцессоры, которые будут обрабатывать то, что моя система не обрабатывает.
Моя проблема в том, что люди довольно дорогие. Вот стоимость. Таким образом, как я вижу, это не очень хорошее использование их времени, потому что вам придется бесконечно циклировать через тот же бред одних и тех же предупреждений и исключений.
Поэтому в Lokad мы смотрим на это совершенно по-другому. Мы говорим, что когда обнаруживается какой-то бред, например, предупреждение или исключение, кто-то из Lokad, ученый по цепочке поставок, должен вмешаться и настроить реализацию того, что делает предиктивную оптимизацию, чтобы исправить это, чтобы эта проблема не повторилась. Никаких исключений. Каждый отдельный кусок бреда, который рассматривается, оценивается. Это действительно кусок бреда или очень умная оптимизация? Если это действительно бред, то сама логика оптимизации должна быть исправлена. Вы не хотите, чтобы тот же сотрудник снова сообщал о той же проблеме на следующий день.
Иэн Райт: Я думаю, мы все еще на одной волне, конечно, на одной главе. Я подхожу более стратегически и тактически, где я не беспокоюсь о том, чтобы выходить и смотреть на комнату, полную людей из Большого Брата на экранах компьютеров, исправляющих вещи. Я говорю о том, что необходимо в развертывании операций в стратегическом или тактическом смысле. Это означает вовлечение опытного заинтересованного лица для поддержания здравого смысла в выбранном вами направлении и ваших решениях.
Когда дело доходит до всей идеи того, где, на мой взгляд, вы формулируете свой аргумент, Йоаннес, по мере продвижения с развитием технологии, которую вы разрабатываете и разработали, и с общим движением к большей способности в терминах ИИ, возможность системы самокоррекции в контексте управления событиями станет более реальной. Мы отойдем от дорогой комнаты операторов человек-компьютер. Но это не сегодня, поэтому вам придется работать в рамках возможностей, которые у вас есть на данный момент.
Конор Доэрти: Если мне позволено, потому что, похоже, Иэн, вы комментировали больше роль человека в стратегическом смысле, а Йоаннес, вам кажется, вы комментируете больше о принятии решений в мирском повседневном смысле. Являются ли они непересекающимися магистериями?
Йоаннес Верморель: Это потому, что, видите ли, моя точка зрения, и может быть, это немного странно, заключается в том, что если мы идем в область стратегического рассмотрения, то ваше внимание к управлению цепочкой поставок должно быть очень сосредоточено на том, как я инженерирую механизм, который генерирует правильные решения. Люди думают, что есть стратегические решения, тактические решения и так далее. Мое мнение заключается в том, что у вас есть решения, которые повторяются. Некоторые повторяются каждый день, некоторые каждый час, некоторые каждый месяц, некоторые раз в год. Когда дело доходит до механизации, вы хотите механизировать все, что повторяется достаточно часто. Вы позволяете себе справляться с другими в полностью ад-хок-стиле.
Стратегия, если вы начинаете думать об этом подходе, заключается не столько в том, чтобы принимать решение на определенном уровне, а затем позволять другим слоям вашей организации делать свои дела на других уровнях. Это больше похоже на то, что стратегическое видение заключается в том, что я делаю, чтобы инженерная культура моей компании, из этой инженерной культуры, вырастают механизированные процессы принятия решений, которые действительно улучшают мою прибыль. Это совершенно другой способ думать о стратегии.
Иэн Райт: Полностью с вами согласен. Так как я часто это вижу, это роль архитектора в проектировании концепции здания, а затем это передается инженеру, который говорит, как это будет собрано, а затем строителям, которые фактически это собирают, а затем людям, которые работают и поддерживают здание. На всех этих уровнях архитектор не должен создавать что-то, что не может быть спроектировано, построено или поддержано. Это моя высокоуровневая аналогия процесса, в котором мы участвуем.
В цепочке поставок, однако, это немного иначе, потому что вы можете создать стратегию сегодня, но вам придется сделать то же самое снова в следующем году. Проблема с цепочкой поставок в том, что она динамична и адаптивна. Мы должны реагировать на изменяющийся мир и его потребности. Вы повторяете свой стратегический процесс, но вам нужно делать это таким образом, чтобы это было осуществимо, прагматично и позволяло вам реализовать рабочее решение.
Joannes Vermorel: Просто чтобы дать вам некоторую перспективу, во время блокировок в 2020 и 2021 годах у нас был целый ряд клиентов, более десятка, где их белые воротнички ушли на 14 месяцев. Lokad оставалась одна принимать все решения в цепочке поставок для компаний, где работала синекурная рабочая сила. Белые воротнички были на правительственных каникулах, субсидированных. Им платили, но европейские правительства также настаивали на том, чтобы люди не работали из дома, в противном случае они не получали бы оплату пособий от правительства. Таким образом, они фактически были в отпуске.
Нам удалось для десятка клиентов оперировать более миллиарда евро стоимостью инвентаря полностью в течение 14 месяцев. Это представляло более тысячи сотрудников в совокупности. И это действительно задает вопрос о том, что доставляют эти, по-видимому, стратегические процессы в цепочке поставок.
Когда я смотрю на большинство S&OP встреч, там ведутся длительные обсуждения, чтобы решить, сколько бюджета мы выделяем на закупки для различных отделов. Все это можно заменить формулой. Если мы не согласны с формулой, потому что она дает безумные результаты, тогда мы исправляем формулу. Но нам не нужно встречаться с 12 директорами и тратить все расходы, чтобы добраться до этого расчета бюджета. Это можно автоматизировать.
В терминах стратегии вопрос заключается в том, как я могу убедиться, что инжиниринг, который вкладывается в эту формулу, распределяющую мои ресурсы верхнего уровня, выполняется таким образом, чтобы быть согласованным с интересами моей компании? Это очень интересная проблема, и да, это должно привлечь интерес руководства, которое хочет думать стратегически. Идея выборочного отбора нескольких решений и сказать: “Я буду вовлечен в это”, на самом деле не добавляет много ценности.
Во многих компаниях в тех, по-видимому, стратегических встречах тратится много времени впустую. Да, они принимают решения, но с производительностью, которая абсолютно ужасна. Я думаю, у нас был предыдущий гость, обсуждающий S&OP, и он говорил мне, что они обычно заканчивали с четырьмя решениями в час.
Conor Doherty: Это был Эрик Уилсон, да, в процессе S&OP.
Joannes Vermorel: Да, и я думал, хорошо, у нас просто сотни тысяч решений, которые нужно принять, а теперь у нас темп в четыре решения в час. Очевидно, что когда у вас такая ситуация, операции всегда будут опережать ваши планы.
К моменту, когда вы принимаете свои решения, они полностью устаревают, и люди уже что-то сделали, потому что они не могли ждать так долго для этих решений. Мы оказываемся в такой ситуации, когда это больше похоже на маскарад. Люди принимают стратегические решения по поводу вещей, которые уже произошли два года назад.
Conor Doherty: Ну, это меня интересует. Просто чтобы подготовить вас к продолжению, потому что я знаю, что в статье вы говорили о более децентрализованном принятии решений в цепочке поставок, и вы привели пример Walmart.
Вы можете описать это лучше, чем я.
Ian Wright: Делать это правильно и эффективно означает, что вы децентрализуете принятие решений, но эта децентрализация и принятие решений все еще происходят в контексте, который был разработан эффективно и правильно. Таким образом, вы не удаляетесь далеко от корпоративной центральной стратегии. Почти как эскалатор стратегии до операций.
В этом случае мы говорим о децентрализации того, что я бы назвал более тактическими решениями. Но все возвращается к Жоаннесу. Я совершенно с вами не согласен. Мы говорим о том, что люди не только работают в силосах внутри организаций, но они также планируют и функционируют в силосах. Люди из цепочки поставок уходят и разрабатывают свой стратегический план цепочки поставок, затем они думают о плане транспортировки, а затем о плане склада.
Все эти планы взаимозависимы и, к сожалению, довольно часто выполняются независимо друг от друга. Мы не можем придумать оптимальное стратегическое решение для цепочки поставок, если не включим план сети, план транспортировки и план инвентаризации в рабочую модель.
Вся ситуация с Lokad, работающим без белых воротничков в здании, для меня отличный пример наличия рабочей модели, которая позволяет поддерживать операции и не отходить слишком далеко от плана, который вы считали необходимым для работы шесть месяцев назад, несмотря на нарушения. Вы собрали правильных людей, правильные процессы, и у вас есть технологии и программы, чтобы помочь в выполнении.
Я действительно поддерживаю гораздо больше, чем эту идею достижения оптимальности. У вас может быть оптимальный план, но вам нужно иметь возможность выполнить его и поддерживать его как можно ближе. Без этой рабочей модели, и я выхожу за пределы традиционных людей, процессов и технологий, вам нужно это иметь на месте. Это действительно ваш стратегический корпоративный план, и все эти другие стратегические планы в области цепочки поставок должны работать в контексте этого. Если вы не соответствуете рабочей модели, которую у вас есть, планам, которые вы разрабатываете, то это будет рецепт для катастрофы.
Конор Доэрти: Иэн, если я могу суммировать это цитатой, вы сказали ранее, что вы не можете исключить людей. Итак, Жоаннес, вы согласны, что нельзя исключить человека, особенно в стратегическом принятии решений, о котором говорит Иэн? Может ли это быть включено в автоматизированную структуру, которую вы уже применили к более мирному повседневному бизнесу?
Жоаннес Верморель: На вопрос о том, есть ли у нас искусственный общий интеллект, нет. Мы приближаемся, безусловно. LLMs проявляют искры общего интеллекта, но только искры. Так что, я бы сказал, что в настоящее время у Lokad мы определенно не утверждаем, что у нас есть программное обеспечение настолько сложное, что оно может обойти необходимость в человеческом разуме. Фактически, в центре нашей практики у нас есть то, что мы называем учеными по цепочке поставок, которые являются инженерами, кодирующими числовые рецепты. Это очень человеческое, что мы пока не делегируем машинам.
Хотя алгоритмы могут помочь кодировать быстрее с автозаполнением и прочим, настоящий вопрос заключается в том, когда у вас есть человеческие интеллекты, они ли они задействованы в задаче, которая действительно добавляет ценность от того, что они являются общим интеллектом, в отличие от того, чтобы быть как сопоставители образцов или что-то, что можно механизировать?
Мой контраргумент заключается в том, что многие компании, особенно те, которые управляют цепочками поставок, не очень хорошо используют белых воротничков, которые у них есть. Они все еще в значительной степени находятся в умонастроении иметь орды корпоративных клерков, которые следуют процессу, и их цель - соблюдение процесса.
Я вижу, что многие компании, управляющие цепочками поставок, обращаются с большинством своих белых воротничков точно так же, как они обращаются с своими синими воротничками. Есть процесс, и соблюдение процесса определяется как отличие.
Для синих воротничков это понятно, это то, что вы хотите. Но если мы перейдем к территории белых воротничков, это становится очень странным, потому что информацию гораздо проще механизировать, чем реальный мир.
Работа с физическими вещами, например, если вы хотите иметь робота, который сможет сваривать во всех ситуациях, это чрезвычайно сложно. Просто двигать рукой, держать инструмент, поддерживать что-то тяжелое и находиться в среде с пылью или загрязнителями, мы говорим о чрезвычайно продвинутой робототехнике, чтобы сделать что-то, что кто-то мог бы сделать за несколько месяцев обучения.
Теперь, если мы перейдем в мир информации, вы знаете, на бумаге ограничения далеко не такие строгие. Мы можем передвигать гигабайты данных без проблем. Люди, занимающиеся так называемыми “офисными” работами, уже работают с компьютерными системами. Вся информация, которую они получают, поступает через компьютер, и вся информация, которую они производят, уже вводится в компьютер. Итак, у нас есть цифровая среда, полностью цифровая.
Что я хочу сказать, это то, что компании используют большую часть своих “офисных” работников как сопроцессоры. У них есть то, что процессор компьютера может делать с помощью установленного у нас программного обеспечения, и затем у нас есть кто-то посередине, чтобы заполнить пробелы. Но действительно ли мы используем интеллект этих людей? Мой аргумент - нет. Если возникает вопрос стратегической важности, то важно убедиться, что все “офисные” работники вносят вклад в то, что может достичь только общий интеллект. Если это что-то, где не требуется общий интеллект, то это должно быть механизировано.
Иэн Райт: Я согласен. Ваш акцент на механистическом подходе определяет, что такое автоматизация и когда вам нужен человек. Момент, когда человек действительно приносит ценность, и, как вы говорите, Йоаннес, это, вероятно, не используется правильно, - это в интуитивных областях, где вы не можете механистически предоставить входные данные. Например, если рассматривать, что самолет устареет через 10 лет, почему бы мы это делали? Это нечто, что вы не можете механистически создать.
Там, где вам нужен человек, это там, где им нужно предоставить органический вид входных данных для решения проблемы или ситуации, будь то управление событиями или операционное управление цепочкой поставок. Вы можете относительно легко иметь диагностические механизмы. Одна область, которая все еще готова к работе, - это использование обратных связей, которые помогают создавать проактивные решения в механистическом контексте. Это включает накопление информации из более широкого спектра источников данных в это проактивное механистическое операционное управление. Но вы не можете заменить интуитивную сторону вещей. Есть эмерджентный аспект в том, что человек приносит в контекст, где он пытается решить проблему или, что более важно, предвидеть проблему.
Йоаннес Верморель: Я полностью согласен. Здесь я бы винил перспективу временных рядов. Стандартная практика цепочек поставок в наши дни сводится к временным рядам. Но если посмотреть на компании, которые очень хорошо делают свою работу, они очень хороши в том, чтобы делать что-то умное с обратной связью, как, например, Amazon. Amazon очень умно использует обратную связь от своих клиентов, чтобы систематически решать большую часть своих проблем с цепочкой поставок и логистикой.
Если курьер регулярно получает предупреждения о потере посылок, Amazon перестанет использовать этого поставщика и перейдет к другому. Если поставщик вызывает проблемы, его выкинут. Они разумно используют данные обратной связи, которые они собирают. Им нужны люди, чтобы представить, какие виды обратной связи они могут собирать, и инженеров, чтобы разрабатывать числовые рецепты, которые решают, когда выкинуть поставщика или уведомить логистического провайдера.
Они, вероятно, делают умную оптимизацию, такую как замечание, что транспортное средство надежно в определенных условиях, но не в других, и используют это транспортное средство только в этих настройках. Это требует видения о том, какие данные являются релевантными, а не только временные ряды о спросе. Это требует инженерного мышления, чтобы предоставить глубокие решения для проблем, а не просто тушение пожаров. Большинство компаний переходят от одного чрезвычайного случая к другому, потребляя всю свою пропускную способность и препятствуя улучшению. Amazon, напротив, разрабатывает глубокие решения для любой ситуации, снимая классы проблем и переходя к следующей.
Иэн Райт: К сожалению, это связано с финансами. Если у вас есть возможности для такого мышления, на которое вы намекаете, это одно дело. Но большинство менеджеров цепочек поставок не работают в среде, где у них много денег, чтобы решать проблемы таким образом. Они ловятся впросак, тушат пожары и находятся в замкнутом круге.
Если у вас есть возможность работать над стратегическим проектом, не ставьте модель на первое место. Понимайте мир менеджера цепочки поставок таким, каким он есть сегодня, а затем думайте так, будто вы Amazon, и разрабатывайте, как мог бы работать мир этого менеджера цепочки поставок, чтобы он не ловился впросак. К сожалению, большинство менеджеров цепочек поставок реализуют стратегические проекты таким же образом, как их повседневная работа, что просто еще один пожар, который нужно потушить. Люди с обеих сторон подходят к этому неправильно, но можно было бы подойти к этому по-другому, думая по-другому о роли.
Conor Doherty: Джентльмены, я помню о времени, поэтому я хочу вернуться к вам, Иэн, и спросить о практической оптимальности. Как средство направления нас к заключению, какие практические шаги люди могут предпринять в стремлении к оптимальности?
Ian Wright: Опять же, я подхожу к этому с стратегической точки зрения, не будучи человеком на производственном участке, пытающимся довести продукт до рук клиента. То, что вам нужно сделать, глядя на оптимальность, это думать о том, как это выполнение фактически произойдет. Убедитесь, что вы сосредоточены на представлении выполнимого, работоспособного решения, которое соответствует способу работы компании сегодня.
Если у вас есть возможность и свобода, придумайте решение, которое достигает оптимальности в контексте, который может быть выполнен оптимально. Понимайте истинные цели заинтересованных сторон, истинные цели спонсоров и истинные цели компании, а не только их наблюдаемые или заявленные цели. Насколько они готовы слушать, попробуйте предложить решение в этом ключе. Всегда убедитесь, что вы работаете с людьми, а не только с моделью.
Conor Doherty: Спасибо. Йоаннес, есть что-то, что вы хотели бы добавить?
Joannes Vermorel: Нет, я думаю, это хорошая точка зрения. С точки зрения поставщика программного обеспечения, я бы сказал, когда речь идет об оптимальности, не доверяйте поставщикам программного обеспечения слишком сильно. Да, очевидно, за исключением нас. В частности, учитывайте, что существуют классы программного обеспечения, такие как системы записей и системы отчетов, которые не занимаются принятием решений и поэтому вообще не могут заниматься оптимизацией.
Системы записей, такие как ERP, CRM, WMS и системы отчетов, такие как бизнес-аналитика, часто рекламируются как приносящие оптимизированные решения. По своей сути эти классы программного обеспечения даже не затрагивают эту проблему. Они не оптимизируют в первую очередь. Так что мое сообщение будет заключаться в том, чтобы не пытаться найти свой путь к оптимальности в следующем обновлении ERP. По определению, ERP - это система записей. Она не занимается принятием решений и еще меньше заботится о том, могут ли эти решения быть оптимальными в какой-либо форме.
Conor Doherty: Я обязательно опубликую эту действительно хорошую маленькую статью - ну, короткую статью, как я имел в виду. В ней вы говорите о системах записей, системах отчетов и системах интеллекта. Но здесь принято давать последнее слово гостю. Так что, если у вас есть что-то еще, что вы хотели бы упомянуть или что-то, что мы не сказали, вы можете закончить без перерыва.
Ian Wright: Да, мне нравится это. С точки зрения поставщика программного обеспечения, не доверяйте поставщикам программного обеспечения. Мне это действительно нравится, потому что за более чем 40 лет одной из вещей, которая беспокоила мой разум, была степень, до которой я стал свидетелем хайпа вокруг технологий. Хайп во всей идее цепочки поставок, на мой взгляд, является видом хайпа. И я даже писал об этом, Конор, что вас не удивит. Но я думаю, что нам просто нужно научиться жить в мире, где вы знаете, как пробираться сквозь хайп, пробираться сквозь заросли и понимать, что действительно работает. Вот в чем ключ - что является реальным.
Conor Doherty: Ну, на этой ноте, я скажу, что у меня больше нет вопросов. Йоаннес, спасибо за ваше время. Иэн, большое спасибо за участие.
Ian Wright: Спасибо, ребята. Это было для меня привилегией, что вы меня пригласили, и я действительно с нетерпением жду, чтобы узнать больше о Lokad и, сумасшедший я или нет. В этом ключ.
Joannes Vermorel: Да, один из ключей. Мы отправим вам диагностику.
Conor Doherty: Спасибо и спасибо за просмотр. Увидимся в следующий раз.
