サプライチェーンの予測：魔術師の石を探して

投稿者：Svyatoslav Oleinik、ABMクラウドインベントリ管理コンサルタント



岩と難しい場所の間



おそらく、生産とサプライチェーン全体の両方で最も一般的な問題は、原材料/完成品の不足と余剰です。 会社のライフサイクルの最初の段階では、余剰は所有者にあまり関係しません。 利益率と売上成長曲線は当初上昇する傾向があり、今月の売れ残り商品はすべて次に売れることを示唆しています。 余剰がしばらくの間楽観的な予測の背後に隠れることができる場合、赤字は見やすくなります。クライアントには出荷するものがなく、出荷時に獲得できるものはすべて利益を失います。 小売業の場合、状況はより複雑になります。小売業では、販売損失の問題を悪化させる罰則があります。



問題の解決策は非常に明白なようです-あなたは単に保険在庫を増やすことができます。 しかし、これを開始するとすぐに、株式の価値は増大し始め、同時に、赤字問題を定性的に解決することはありません。 時間が経つにつれて、私たちは驚いています。なぜ会社は、会社の成長と生産量の増加に伴って成長をやめるのでしょうか？ また、時には、時には、売掛金を返済したり、実際の注文に必要なコンポーネントを購入したりするのに十分な運転資金がありません。 この瞬間、注意の焦点は株で凍結されたお金に変わります。 この場合の対処方法 在庫を減らすために従業員に挑戦しますか？ これに応えて、これは可能であると聞きましたが、アクセシビリティを損なうために...岩と厳しい場所の間にいるような気がします。 直観的に、私たちは解決策があり、それが中間のどこかにあることを理解しています。唯一の問題はそれを見つける必要があるということです。



細かい砂の城



1913年に、アメリカ人エンジニアのウィルソンは、最適なバッチサイズを計算する方法を説明した記事を公開しました。 これを行うには、注文、製品の保管、年間需要のコストを知る必要があります。 最適なポイントを決定すると、在庫の注文と保管に関連する変動費の合計を最小限に抑えることができます。 言い換えれば、注文の頻度は高くなりますが、少ないと商品の注文プロセスに関連するコストが増加し、注文の頻度は低くなりますが、保管コストは高くなります。 これは本当にそうですか？



この式にはいくつかの仮定があり、重要なことの1つは需要が既知であるということです。 したがって、この式を何らかの方法で実際の生活に近づけるには、在庫の実際の構造で「通常」の量（配達間に必要）を超えることが多い「保険」在庫を使用する必要があります。 方程式で保険在庫を使用すると、「最適な」在庫のまったく異なる値が得られます。



近代的な慣行は元のアイデアを補完および改善し、複数品目の注文での作業条件をモデルに追加し、不足などによる損失を考慮します。 しかし、実際には、「最適な」ボリュームを計算するのに多要素モデルがどれほど複雑であるかは関係ありません。 過度に単純化された、または非現実的な基本的な仮定に基づいている場合、良い結果は得られません。 砂の中に家を建てることはできません。



ああ...予測がもっと正確だったら...



これはばかげているから



生産から小売までの管理者が、品質予測がすべてではないにしても、その大部分の問題を解決すると誠実に信じる特定の宗教があります。 そして最も重要なことは、この信仰の便宜性は、余剰や赤字は言うまでもなく、お金の「保険」の供給だけを数えることで証明するのが非常に簡単だということです。 ポイントは小さい-質の高い販売予測を計算するため。



各企業、部門、個々の従業員でさえ、予測に対する「独自の」アプローチを採用しています。 実際には、3つのレベルがありました。



1.マネージャーは平均値と彼の経験/ビジョン/感情を使用します。

2.基本的な統計フィルタリングと移動平均。

3.多因子フィルタリング統計のシステムと最適な予測モデルの動的な選択。フィルタリングシステムと同様に、常に改善されています。



実際、あるレベルから次のレベルへの移行に伴う平均的な予測精度は本当に向上しています。 開発の第1レベルから第2レベルへの移行は非常に簡単で、良い結果を得ることができます。 2番目から3番目への上昇には通常何年もかかり、その恩恵は最初ほど大きくありません。 3番目のレベルでは、別のスタッフ、計算用の強力なサーバー、高価なソフトウェアなどが既に必要です。 そして、これはすべて、予測の精度のその後の各パーセンテージの増加を絞り出すことです。



本当に予測していることは何ですか？



予測は、未来が過去と同じように見えるという信念です。 昨日機能したこれらのパターンとトレンドは、明日も機能します。 そして、あなたはそれを推測しました、これはそうではありません。 したがって、予測精度のその後の各割合を達成することの難しさは指数関数的に増加します。 つまり、数学的にだけでなく、コストや常識の面でも「正確な」予測を達成することは不可能です。



しかし、これについて計画部門の長に話さないでください:)



風車との戦いについて



それにもかかわらず、マネージャーは、予測の精度を少なくとも数パーセント改善する試みをあきらめません。 例として、予測問題を解決するためのいくつかの「古典的な」アプローチ：



•従業員の知識レベルを高めるために企業トレーニングを購入し、

•有名な専門家/数学者を雇うか、新しいハードウェア/ソフトウェア製品を購入し、

•今年、「邪悪な巨人」を倒すことを可能にする他のイベントを実施する。



予測に従事している従業員の仕事は、最も困難なタスクの1つを実行するため、通常高く評価されます。 彼らは有名人の変わり目に絶えず働き、計算と数学モデルを改善します。 会社全体の方向、失われた販売数、在庫で凍結されたお金の数は、彼らの仕事の結果に依存します。 また、間接的に販売に影響を与えます。 彼らはこの神話上のバランスを常に探し求めており、最小限の投資で利益を最大化するのに役立ちます。



複雑さは単なる煙であり、他の人から隠すのに便利ですが、自分を窒息させるのは簡単です。

古典的なシステムでは、予測は生産する量と時期、予測の正確性とリソースの可用性に依存します-どれだけの余剰在庫を保持し、失われた売上の何パーセントを我慢する必要があるかです。



そのため、従業員になぜそんなにお金がストックで凍結されているのかを尋ねると、彼らは常に絶妙で非常に難しく、これらの条件ではすべてを最大限に活用することを説明することができます。 彼らは話さないだろう、数学的計算は彼らの側にある：「私たちを信じないでください-ここにあなたのためのデータがあります-あなた自身により良く計算してください。」 おそらく、社内の誰もより良い予測を立てることはできません。 しかし、開発者自身にとっても、計算の複雑さを同時に増加させるシステム内のエラーのさらなる改善または検索はますます困難になります。









実際には、システム計算でエラーが発生してシステムが数年間機能する場合がありましたが、アルゴリズムが複雑だったため、従業員のほとんどがそれを理解できませんでした。 アルゴリズムの開発の原点にいた従業員は、会社で働いていないか、他の開発に従事していたため、すべてがどのように機能するかを正確に覚えていませんでした。 興味深いことに、実際には、システムが何らかの形で異なる動作をすることを誰もが心から確信していました。 どのくらい正確に、それぞれが独自のアイデアを持っていました。 システムの詳細な監査の後、エラーが発見されました...この間、会社は数学的計算の過度の複雑さと不透明さのためにお金を失っていました。



アルバート・アインシュタインは次のように述べています。 逆の方向に進むには、わずかな天才と勇気が必要です。」



雲が集まっています



実際、予測に携わっているのはあなただけではありません。 これは、小売の最終販売地点から原材料の供給者まで、サプライチェーンのすべての部分のお気に入りの娯楽です。 また、通常、チェーンリンク間で情報の無料交換は行われないため、小売業者は小売注文が実際の需要であると考えています。 しかし、実際にはそうではありません。注文数量の構造を分析すると、「安全在庫」、計算、その他の追加パラメーターがたくさんあることがわかります。



流通業者は、在庫を計画して、売上（出荷）を予測し、保険在庫を追加します。 計算された数量はメーカーに注文されます。 製造業者は販売（出荷）を計画しますが、これは実際には小売業者による小売需要+小売業者の保険引当金+ディストリビュータの保険引当金による予測需要の特定の歪んだ形式で構成され、ケーキのチェリーのように、製造業者の独自の保険引当金...供給、「需要」の概念は、情報の歪みに囲まれています。 そして、予測したものを生成するため、次のようになります。



「サプライチェーンの始めの軽微な変動は、その終わりに大きな変動をもたらします。 」 ホイップ効果としてよく知られているこの現象は、Peter Sengeの著書Fifth Disciplineでよく説明されており、例としてビールの供給を使用しています。



問題に直面する



結果に対処することは困難であり、根本原因は1桁単純なので、何が実際に効率の向上を妨げるのかを理解してみましょう。 悪の根源は、予測の問題と鞭の効果に本当にあるのでしょうか？



予測に問題がありますか？



多くの場合、「風車との戦い」に焦点を当て、焦点から基本的な予測プロパティを解放します。



1.常に不正確。 精度の割合について議論することはできますが、事実は残っています。

2.未来に進むほど、精度は低下します。 前の週の平均売上を使用して1週間先を予測すると、この予測でより洗練された予測モデルが使用されている場合でも、1か月後の週の予測よりも正確である可能性が高くなります。

3.詳細が多いほど、精度は低くなります。 店舗チェーンの売上を予測することは、別の店舗で販売するよりも簡単です。 1週間の個々のSKUの売り上げを予測するのは、同じSKUよりも特定の曜日に簡単です。



しかし、予測が非常に悪い場合、なぜそれを使用するのですか？



顧客が注文して1か月待つ準備ができており、原材料の購入を考慮した生産サイクルが3週間であれば、予測する必要はありません。 クライアントから注文を受けた後、私たちは単に原材料を購入し、クライアントが望むことをすることができます。 そして、これはすべて、過剰な在庫や売り上げの損失なしです。 しかし、顧客の待ち時間は生産サイクルよりも短いため、将来を推測する必要があります。 したがって、予測は時間を稼ごうとする試みであり、これには欠けています。



そしてもう一つの難しい質問：



予測は本当に株式で凍結されているお金のレベルを決定しますか？

おそらく、数学モデルを絶えず複雑にし、予測の基本的な特性を無視し、それらを使用することによって、予測の精度を高めようとしないでください。 たとえば、供給/生産レバレッジを削減した場合、製品の「通常の」（配達間）在庫の必要性も削減されます。 また、予測のレバレッジを削減したため、予測の精度が向上しました（将来になればなるほど、精度が低下します）。 予測の精度が高いほど、必要な安全在庫は少なくなります。



または別の例：1000個の「最適な」生産ロットがあり、1日の生産サイクル、10個の平均日次出荷があるとします。 質問：予測は平均在庫を大幅に削減するのに役立ちますか？ 答えは「いいえ」です。なぜなら、「最適な」バッチがメインの在庫レベルを決定するからです。 在庫を減らしたい場合は、「最適な」バッチのサイズを小さくする必要がありますが、これは既に「最適性」の概念と矛盾しています。 おそらく、最適なパーティーを決定する他の基準があります...



予測からシステム全体を構築し、それに集中しすぎると、在庫のレベル、すなわち、反応速度、多重度、関連情報、そして最後になりますが重要な販売予測を決定する改善の機会と手段を逃します。



解決策を求めて：予測は本当に必要ないのですか？



•運用レベルでは必要ありません。 予測を使用すると、上記のマイナスの結果につながります。 プッシュ（いつかこの製品がまだ販売されることを期待しての予測による生産）からプルに逃げる必要があります。 必要に応じて、クライアントが本当に望むものを作成できるように、システムを構成する必要があります。 多かれ少なかれ。 同時に、まず生産システムの信頼性と反応率に焦点を当てる必要があります。それから、予測の精度の向上に焦点を当てる必要があります。



•必要だが、戦略的レベル。 これは、戦略的計画、マクロ要因および新たな傾向の説明に必要なツールです。 会社の動きの方向を分析して調整し、生産能力、地域、設備、輸送、人員などを計画することは悪くありません。



予測は、長所と短所を備えた単なるツールです。 主なことは、有名なことわざの影響下に置かないことです。「ハンマーが唯一のツールである場合、すべての問題は釘のように見えます。」



鉛を金に変えようとして、哲学者の石を探して人生を過ごすべきではないかもしれません。 成功の秘Theは、鉛と利用可能な小さな金の両方をより賢く使用することです。



説明されている問題に基づいて、次のようなソリューションが必要です。



1.情報のゆがみを最小限に抑え、チェーンのさらに下に移動することなく、予測ではなく実際の販売に基づいて生産作業を計画します。 これにより、適切な情報の流れが作成され、その結果、適切な資料が作成されます。

2.生産計画の負担を軽減します。 そして、シンプルだが効果的な信号システムを使用することで、適切な情報と資料の流れが保護されます。

3. ROIを向上させます。 流れが途切れないようにすることで、「風車との戦い」から抜け出し、在庫のレベルと必要な原材料とコンポーネントの入手可能性を実際に決定することに集中できます。



需要に基づいて在庫を管理する方法は？



フローへの影響の側面からすべての主要な管理方法を分析する場合、それらは矛盾せず、相互に補完すると結論付けることができます。 したがって、現代の状況で成功するためには、同社は管理ツールのセットを拡張する必要があります。



2011年に第3版が発行された本「Materials Planning for Orliks」のアメリカ人コンサルタントであるCarol PtakとChad Smithは、DDMRPの需要に基づく在庫管理方法論を世界に紹介しました。 サプライチェーン全体にわたるこの在庫管理の概念には、従来のMRP、リーンマニュファクチャリング（リーン）、シックスシグマ（6シグマ）、制約理論（ToC）の最高のコンポーネントが含まれています。 策定された重要なアイデアの1つは、発生する問題の根本原因を探し、関連性があり実際に機能するツールのみを使用することです。 この方法論は、サプライチェーン全体で材料と情報の透明なフローを最適に構成するように設計されており、戦略的に重要なポイントで適切な量の在庫のみを保持できます。



方法論自体は5つのステップで構成されています。



1.戦略的ポジショニング。 在庫を保管する必要がある場所と必要性を判断します。

2.プロファイルとバッファレベル。 質問に答えます：保管する必要がある在庫の数は？

3.動的チューニング。 在庫量はどのようなルールで変更する必要がありますか？

4.実際の需要に基づく注文。 将来販売しない限り生産しません。

5.透過的かつ共同実行。 生産フローを保護し、共通の目標であるROIを最大化するシンプルで効果的な信号システム。



この方法論は、ユニリーバ、LGインターナショナル、オレゴンフリーズドライなどの西洋企業で人気を博しています。このケーススタディでは、DDMRP方法論を実装することにより、ある西洋企業が200万ドル削減した方法を説明します。