不確実性を考慮してサプライチェーンを計画する
計画は主にリスクを回避し、業務効率を向上させることを目的として実行され、ビジネスの利益と顧客満足度の向上につながります。 不確実性が例外ではなく標準であるとみなされるまでは、計画を立てるのはそれほど難しくありません。 最新のような従来の計画手法 S&OP ソリューションは不確実性を考慮することができず、不確実性は発生した場合に対処できる例外であると想定しています。 場合によっては、不必要な在庫でリスクを回避しようとするため、コストが増加し、顧客サービスが低下します。 さらに、後悔するよりも安全を確保することがインセンティブとなります。 人々は、在庫が必要かどうかに関係なく、在庫不足の問題に直面するよりも、在庫を増やすほうが強い動機を持っています。
計画を立てる際には不確実性を考慮することが必須ですが、そうでない場合はわざわざ考慮する必要はありません。 すべてが予測可能であると仮定した場合、単純なスプレッドシートで必要なすべての答えが得られます。 S&OP ソリューションは、ある程度の「可視性」を提供します。 たとえば、需要計画により、将来の需要についてある程度の可視性が得られますが、供給側では、供給側の不確実性を判断する手法を導入できない限り、どの程度の可視性が可能であるかがわかりません。 サプライチェーンの実務者は常に需要側の変動性を想定してきましたが、供給側は依然としてほぼ決定的です。 サプライヤーの配送リードタイム、リソースの可用性、または輸送時間については、数年前に有効であった可能性があると仮定されます。 ただし、変更されている可能性があり、季節、量、地域、品質などの要因によって異なります。
不確実性とは？
供給側の不確実性には、内部と外部の XNUMX つの異なる形式があります。 内部の不確実性は、サプライ チェーンのデジタル ツイン、つまりデジタル モデルがどのように動作するかに関係しています。 前述したように、これらは、製造サイクル タイム、サプライヤーのリード タイム、夏期と冬期の輸送時間、さらには段取り時間や歩留まりなどの運用パラメータに関して行われた仮定です。 一方、外部の不確実性は、労働者のストライキ、火災、石油流出、空港の閉鎖、地震地域などの混乱によってサプライヤーや顧客がどのような影響を受けるかに関係します。 不確実性を考慮した計画では、内部と外部の両方の要素をすべて考慮に入れます。
計画がどれほど優れていても、常に予期せぬ出来事があり、私たちが想定していた、または想定していなかったことが起こります。 したがって、私たちは不確実性を念頭に置いて計画を立て、混乱が近づいている、またはすでに起こっていることが確実にわかっているときに対応できるようにする必要があります。 例としてはフロリダの竜巻が挙げられます。 一年の特定の時期に竜巻が発生する可能性や可能性を考慮することはできますが、次のことも考慮する必要があります。 対応 それが確実に数日前か数日前に来るとわかっているとき。 （たとえば）台湾で地震が発生した場合、私たちには事前通知のような余裕はないかもしれません。 対応が難しいのは、問題が発生したときに、システムがリアルタイムで即時に対応できる必要があることです。 手動で変更を加えたり、少数のシナリオを計画したりする時間があまりなく、結果として劣ったソリューションが生成されてしまいます。
不確実性を利用して優れた計画を立て、より迅速に対応する
システムが計画機能を実行するたびに、管理の目的に応じて、計画のリスクを評価するために使用できる情報ソースが多数存在します。 リスクは、利益を計画するか、回復力を計画するか、炭素使用量の削減を計画するか、特定の地域や商品への依存度を下げるか、または上記すべてを計画するかに応じて、異なる値をとる可能性があります。 近くにあるより信頼できるサプライヤーは、より高い信頼性とより高い配送回復力を提供する可能性がありますが、価格は高くなります。 私たちがどの程度のリスクを取る準備ができているかは、お客様によっても異なります。 特定の顧客は期日通りの配達を要求するが、高額で繰り返し購入する場合があります。 期待値は低くても利益はそれほど高くない人もいるかもしれません。 この目的を達成するには、システムは供給側の不確実性と、企業とその顧客が許容できるリスクのレベルを理解する必要があります。
当社が採用したアプローチは、サプライヤー、地域、ESG要素などの利用可能な情報と属性を使用して計画に組み込まれた、内部と外部の両方のタイプの供給側の不確実性を考慮することです。したがって、計画が作成されるたびに、それぞれについて顧客または顧客の家族に応じて、配送のリスクが評価され、供給の確率性が考慮されます。 その結果、供給側の不確実性の現在のレベルに基づいて、すべての計画が継続的に更新されます。 たとえば、オハイオ州からのサプライヤーの配送が必要な場合、吹雪の可能性に基づいて、冬季には他の時期よりも少しだけ余分な時間が許可される可能性があります。 フロリダ州の倉庫は、秋には他のどの時期よりも竜巻による商品配送のリスクにさらされる可能性があります。
上記では、管理目標と供給側のリスクの可能性に基づいて作成される計画について説明しました。 しかし、どうやって 対応 予測されていたかどうかにかかわらず、混乱が発生したときは? 世界中の出来事を数十の異なる言語で説明する定期情報を毎日または毎週提供している企業が数多くあります。 さらに、サービスの加入者に、供給側または顧客側で発生した混乱の具体的な発生を通知します。 その他の情報源としては、地域のリスクやサプライヤーの財務上のリスクを示す気象観測所や政府/金融機関があります。 例としては、商品の発送元である空港のストライキ、石油流出によりサプライヤーの操業が 3 日間妨げられたこと、サプライヤーの財務的存続可能性の評価が低下したことなどが挙げられます。 効果的かつ迅速に対応するために、システムは 関連性 & 影響 各イベントをリアルタイムで把握し、計画の変更方法についてエンド ユーザーに推奨します。 特定のサプライ チェーンに毎日何百もの電子メールやメッセージが届くとします。 メッセージを受信して手動で応答しようとするのは、労力がかかり、あまり現実的かつ効果的な方法ではありません。 したがって、意思決定を自動化し、影響を理解し、適切な解決策を見つけることが不可欠です。
生成 AI や機械学習などの技術の最近の開発により、何百万もの変数を考慮し、それらの隠れた関係を理解することで、複雑な意思決定を強化し、さらにはプロセスを自動化する道が開かれ、サプライ チェーンのリーダーがより良い結果を利用できるようになりました。 あるいは、出来事の根本的な原因とそれがサプライチェーンに及ぼす影響について新たな発見がなされる場合さえあります。 このような開発の詳細については、ここをクリックしてください ここに.
