FAQ: Глоссарий

Подход Lokad к оптимизации решений в цепи поставок использует несколько перспектив и инструментов из различных областей, а не только из самой цепи поставок. Сюда входят, среди прочего, машинное обучение (ML), искусственный интеллект (AI), вероятностное прогнозирование, философия и экономика. Таким образом, наша терминология влияется множеством дисциплин. Эта страница предназначена для объяснения того, как (и почему) Lokad использует эти термины в контексте оптимизации цепи поставок - а также конкретной тонкости, которую мы стремимся передать, когда используем их.

Целевая аудитория: Цепь поставок и/или отделы планирования.
Последнее изменение: май 2024

Что означает “Цепь поставок”?

Для Lokad цепь поставок является как практикой, так и областью исследований, которые можно определить следующим образом:

Цепь поставок - это владение опциональностью в условиях изменчивости при управлении потоком физических товаров.

Опциональность относится к способности выбрать правильный “вариант” из множества конкурирующих альтернатив. Этот выбранный “вариант” становится “решением”. Рассматриваются все решения, которые формируют поток физических товаров, такие как заказы на пополнение, производственные заказы и изменения цен. Кроме того, опциональность относится к созданию доступных вариантов в первую очередь. Например, инвестирование ресурсов для выявления альтернативных поставщиков происходит с целью создания дополнительных вариантов для компании.

Изменчивость относится к неизбежной неопределенности, связанной с будущим состоянием рынка, то есть условия могут значительно изменяться с момента на момент. Это происходит потому, что цепи поставок, по своей природе, подвержены силам, которые не могут быть полностью контролируемыми компанией. К таким силам относятся спрос потребителей, цены на товары, сроки поставки от поставщиков и т. д. Таким образом, какие бы методы или инструменты ни использовались в целях цепи поставок, они должны прямо решать проблему неполного знания и риска, которые присущи цепям поставок.

Наконец, поток физических товаров критичен и отличает владение цепью поставок от, скажем, финансовой торговли. Цепи поставок, естественно, ограничены своей физической природой - заинтересованные стороны (например, клиенты, поставщики, оптовики, транспортные компании, производители и т. д.) географически распределены. Какие бы методы или инструменты ни использовались для связи этих заинтересованных сторон, они должны непосредственно (и должным образом) решать множество ограничений, которые обычно мешают. Примеры этих ограничений: минимальное количество заказа (MOQ), минимальная стоимость заказа (MOV), полные грузовики, ограниченное пространство склада и общая способность компании обрабатывать входящие/исходящие заказы и т. д.

Что такое “основная перспектива цепи поставок”?

Основная перспектива цепи поставок (MSCP), или классическая перспектива цепи поставок, относится к нескольким ошибочным предположениям и практикам, с которыми обычно сталкиваются, включая:

• MSCP предполагает, что будущее идеально предсказуемо. Методы, такие как классическое прогнозирование временных рядов, пытаются выразить будущее как одно значение (например, спрос, возвраты, процент брака, сроки поставки и т. д.). Это ошибочно, потому что будущее, естественно, непредсказуемо (т. е. будущая неопределенность не может быть полностью устранена с помощью прогнозирования). Таким образом, идентификация только одного будущего значения является неоптимальной с точки зрения управления рисками (поскольку отсутствуют измерения вероятности).

• MSCP предполагает, что сама цепь поставок не подвержена адверсивному поведению. В ни один момент MSCP даже не рассматривает возможность того, что заинтересованные стороны (например, сотрудники, клиенты, поставщики, партнеры, конкуренты и т. д.) могут иметь свои собственные планы и что эти планы могут негативно сказаться на их цепи поставок.

• MSCP предполагает наблюдаемость. Реальность заключается в том, что каждая крупная компания функционирует через раздражающе непрозрачный прикладной ландшафт (прикладные программы), что делает непосредственное наблюдение за цепью поставок чрезвычайно сложным.

• MSCP лишен фальсифицируемости. Он невосприимчив к реальности. Независимо от того, насколько плохо техники, перечисленные в основных учебниках или презентациях поставщиков, работают на практике, ни одна из этих техник не может быть опровергнута реальной обратной связью.

К 2024 году большинство крупных компаний реализовали несколько решений оптимизации цепи поставок с 1980-х годов, однако многие (если не большинство) из этих компаний до сих пор работают на электронных таблицах. Это еще одной ключевой аспект MSCP: поставщики программного обеспечения стали мастерами в отводе вины и неизменно винят практиков цепи поставок в том, что они не могут “следовать процессу” или “использовать адекватные параметры”.

Однако реальность проще: сама теория MSCP не работает, и практики цепи поставок возвращаются к своим электронным таблицам, потому что какие бы грубые эвристики у них ни были, эти эвристики (хоть и далеки от совершенства) превосходят “сложные методы”, представленные в учебниках MSCP.

Именно поэтому Lokad приступила к пересмотру цепочки поставок в 2011 году, как в области изучения, так и практики. Мы называем эту реформацию Количественная цепочка поставок.

MSCP идеально описывается рядом классических учебников:

• Production and Operations Analysis, Seventh Edition, by Steven Nahmias and Tava Lennon Olsen, 2015
• Inventory and Production Management in Supply Chains, Fourth Edition, by Edward A. Silver, David F. Pyke, and Douglas J. Thomas, 2016
• Fundamentals of Supply Chain Theory, Second Edition, Lawrence V. Snyder, Zuo-Jun Max Shen, 2019

Что такое “Планирование спроса”?

С точки зрения основной перспективы цепочки поставок, планирование спроса - это совокупность процессов, используемых компанией для количественной оценки будущего спроса. Неявное понимание, лежащее в основе планирования спроса, заключается в том, что после того, как будущий спрос был точно оценен, адекватное управление цепочкой поставок в основном сводится к правильному и своевременному распределению ресурсов, чтобы компания доставляла “ровно столько, сколько нужно” для рынка.

Процессы планирования спроса включают техники, ориентированные на прошлое, такие как статистический анализ исторических продаж и прогнозирование связанных с ними временных рядов. Они также включают техники, ориентированные на будущее, такие как сотрудничество с отделами продаж и маркетинга для уточнения цифр на основе целей, установленных самой компанией.

Однако с точки зрения Количественной цепочки поставок (QSC) от Lokad, планирование спроса - это устаревшее понятие, которое не имеет места в современной цепочке поставок. Вместо этого QSC утверждает, что выполнение цепочки поставок должно быть роботизировано, управляемо числовыми рецептами, которые обычно включают фазу прогностического моделирования, а затем фазу стохастической оптимизации.

Фаза прогностического моделирования охватывает все аспекты “прогнозирования”, не только будущего спроса, но и всех других источников неопределенности (например, будущие сроки поставки, будущие цены на товары, будущие возвраты от клиентов и т. д.). Фаза стохастической оптимизации охватывает все “принятие решений” (например, выбор количества для повторного заказа, распределение имеющегося запаса через сеть продаж, переоценка) - что традиционно отделяется от планирования спроса.

Планирование спроса устарело по нескольким причинам.

Во-первых, оно предполагает, что людям следует участвовать в выполнении “количественной оценки будущего”. Это полная трата времени и энергии. Людям, конечно, следует участвовать в создании числовых рецептов, поддерживающих прогностические модели (как это делают ученые по цепочке поставок Lokad). Однако прогностические модели должны работать полностью автономно, поскольку нет никакой добавленной стоимости в том, чтобы люди вмешивались в процесс, который typично генерирует тысячи - если не миллионы - чисел ежедневно.

Во-вторых, поскольку “ручное планирование спроса” уже медленное и дорогостоящее, у компаний typично не остается ресурсов для решения всех остальных источников неопределенности (например, сроки поставки, возвраты, качество и т. д.). Хотя оценка будущего спроса критична, это не единственный источник неопределенности. Будущие сроки поставки, будущие цены на товары, будущие цены конкурентов, будущие возвраты клиентов и т. д. - другие ключевые источники неопределенности, которые также должны быть количественно оценены.

В заключение, планирование спроса - это устаревшая перспектива на то, как оркестрировать цепочки поставок. Эта перспектива возникла до появления компьютеров и пережила несколько десятилетий больше, чем следовало бы. На данный момент ее следует заменить более подходящими подходами, такими как перспектива QSC от Lokad.

Что такое “Качество обслуживания”?

В контексте оптимизации цепочки поставок “качество обслуживания” (QoS) относится к способности компании обслуживать своих клиентов, соответствуя их неявным ожиданиям. QoS не является метрикой или даже чем-то материальным: это отражает намерение компании адекватно обслуживать своих клиентов. QoS поэтому направленно, но неопределенно.

Попытка выявить неявные ожидания клиентов - это широкая и многоаспектная проблема. Опрос клиентов сопряжен с проблемами. Клиенты могут вежливо сказать, что они полностью удовлетворены обслуживанием, и все равно посещать вашу конкуренцию. Напротив, клиенты могут громко жаловаться, оставаясь преданно верными.

Кроме того, QoS никогда не является одномерной проблемой. Каннибализация и замещение, вместе с различиями в ценообразовании, обычно затрудняют определение того, что на самом деле означает “наличие” для клиентов. Часто также необходимо учитывать специфические для отрасли проблемы. Например, хотя на полке остается много йогуртов, клиенты могут считать их неприемлемыми, если все они истекают через три дня.

На практике метрики, которые разумно приближаются к QoS, могут быть выявлены только через тщательное и интеллектуальное изучение бизнеса. Это требует глубокого мышления и эмпатии с клиентами. Некоторые методологии идут долгим путем к выявлению высококачественных приближенных метрик, таких как экспериментальная оптимизация - подход, разработанный Lokad.

Одной из самых больших ошибок традиционной перспективы цепочки поставок является представление уровней обслуживания - вероятность отсутствия товара на складе - как если бы уровни обслуживания были разумным заменителем QoS. Это почти всегда неверно. Уровни обслуживания полностью игнорируют всю каннибализацию и замещение, которые распространены в большинстве отраслей. Они также полностью игнорируют кучность спроса, когда клиенту требуется, чтобы множество товаров были одновременно доступны для удовлетворения (например, профессор покупает книги для целого класса студентов, несколько идентичных выключателей нужны для проекта по ремонту дома). Уровни обслуживания также полностью отрицают готовность клиента платить больше, чтобы быть обслуженным быстрее, или, наоборот, иметь возможность платить меньше, если обслуживание задерживается.

В заключение, QoS - это аспирационная перспектива. Она отражает то, что компания хочет оптимизировать, даже если критерии оптимизации остаются неясными, поскольку компания сталкивается с зловещей проблемой. QoS - это направляющий принцип, который будет направлять поиск метрик, которые являются достоверными заменителями этой аспирации. Уровни обслуживания и другие наивные метрики не следует путать с разумным заменителем QoS.

Что такое “Исследование AI”?

Это относится к общей автоматизации оркестрации цепочки поставок с использованием искусственного интеллекта. Исследование AI включает в себя процессы принятия решений (например, сколько мне следует произвести?) а также мирские вспомогательные процессы (например, получение актуальных MOQ для определенного поставщика). Lokad придумал этот термин в начале 2024 года. Исследование AI, как программное обеспечение, разрабатывается учеными по цепочке поставок Lokad. Мы разрабатываем одно исследование для каждой клиентской компании, хотя существует много общих черт между нашими реализациями. Исследование AI работает на платформе Lokad, предлагающей возможности работы с большими данными и машинным обучением. Исследование AI - это услуга, предоставляемая Lokad и обычно оплачиваемая ежемесячно.

Для получения более подробной информации о том, как работают исследования AI, обратитесь к нашему подкасту большой длины по этой теме.

Что означает “Количественная цепочка поставок”?

“Количественная цепочка поставок” (QSC) - это набор методологий и технологий, разработанных Lokad в течение 2010-х годов. Он включает ряд техник, таких как вероятностное прогнозирование, стохастическая оптимизация и дифференцируемое программирование, которые отсутствуют в основной перспективе цепочки поставок. Он также включает ряд методологий, таких как экспериментальная оптимизация, персонажи цепочки поставок, адверсариальный анализ рынка, которые также отсутствуют в основной перспективе цепочки поставок.

Термин “Количественная цепочка поставок” был придуман в 2017 году в книге основателя Lokad Йоаннеса Вермореля Количественная цепочка поставок. Манифест QSC можно кратко описать следующим образом:

1. Необходимо рассмотреть все возможные будущие сценарии; вероятность для каждой возможности
2. Необходимо рассмотреть все возможные решения; возможности против вероятностей
3. Экономические мотиваторы должны использоваться для приоритизации возможных решений
4. Для контроля необходима автоматизация каждой мирской задачи
5. Ученый по цепочке поставок должен взять на себя ответственность за числовые результаты

Количественная цепочка поставок можно рассматривать как область исследований, которая собирает все материалы, необходимые для практической реализации исследования AI для определенной цепочки поставок.

Что такое “Цепочка поставок как услуга”?

Издалека Lokad можно описать как компанию по предоставлению корпоративного программного обеспечения. Однако, вблизи Lokad сильно отличается от того, что люди могут ожидать от поставщика программного обеспечения. Lokad не только предоставляет роботизированные решения цепочки поставок, но и берет на себя ответственность за производительность цепочки поставок, которая является результатом этих решений. Наши ученые по цепочке поставок постоянно мониторят и совершенствуют автоматизацию, которую мы внедрили для каждого из наших клиентов. Таким образом, подписка на Lokad позволяет нашим клиентам более прибыльно выполнять свою цепочку поставок.

Этот подход сильно отличается, скажем, от предложения SaaS (программное обеспечение как услуга), где клиентская компания остается в конечном итоге ответственной за все, что имеет значение. С SaaS отдел ИТ освобождается от управления еще одним приложением, но это все. Если что-то идет не так, например, непостоянный спрос, хаотичные поставки, неполные данные и т. д., полностью на команде цепочки поставок решить это. С другой стороны, с SCaaS это задача Lokad разобраться. Естественно, на практике это совместное усилие между Lokad и его клиентом. Однако Lokad обязуется достигать результатов, а не просто поддерживать работоспособность серверов.

Что такое “числовой рецепт”?

Lokad автоматизирует процессы принятия решений в цепочке поставок, и мы обычно называем программные компоненты, которые эффективно выполняют автоматизацию, нашими “числовыми рецептами”. Эти числовые рецепты обычно довольно сложны, поскольку они отражают внутренние сложности самих цепочек поставок. Рецепты представляют собой смесь множества мелких шагов подготовки данных, переплетенных с изощренными аналитическими шагами - обычно алгоритмами машинного обучения или математической оптимизации.

Мы используем термин “рецепт” вместо “алгоритма”, поскольку эти рецепты ни в коем случае не такие “чистые”, как ожидали бы большинство программных инженеров, говоря об алгоритмах. Более того, в то время как от алгоритма ожидается решение четко определенной проблемы, это обычно не так в случае наших рецептов. В конечном итоге ставится под угрозу полная производительность цепочки поставок, и это открытая и плохо определенная проблема. Таким образом, оценка рецепта так же сложна, если не сложнее, чем само создание рецепта.

Что такое “простые (мелкие) решения в цепочке поставок”?

Решение в цепочке поставок - это то, что имеет реальные последствия для потока товаров. Например, пополнение запасов, производственные заказы и изменения цен - это решения, которые глубоко влияют на поток товаров.

Современные цепочки поставок обычно включают ежедневно десятки тысяч, а иногда миллионы решений. Как правило, каждый отдельный SKU (единица хранения) включает около полусотни решений, включая отсутствие действий, что также является решением (хоть и тривиальным).

Эти (ежедневные) решения часто называют “простыми”, потому что их можно полностью автоматизировать. В этом смысле “простые” не означает “незначительные”.

Решения противостоят “числовым артефактам” (вещи, которые кажутся важными, но не имеют существенного влияния на рассматриваемую цепочку поставок). Действительно, с более аналитики, обычно возникает большое количество путаницы между ними. Например, прогноз спроса, класс ABC, запас безопасности, уровень обслуживания могут считаться числовыми артефактами. Эти элементы, конечно, могут быть инструментальны при вычислении фактических решений, но по себе они совершенно незначительны. Неважно, правильный ли прогноз, пока пополнение запасов адекватно, однако обратное, очевидно, не верно.

Lokad фокусируется на “решениях” вместо “числовых артефактов”, поскольку слишком многие компании не видят леса за деревьями. Напротив, у них так много показателей производительности (артефактов), что они даже не могут больше видеть, что на самом деле происходит с принятыми ими решениями. Наше внимание к “решениям” гарантирует, что Lokad стремится к тому, что действительно важно для наших клиентов (лучшая производительность цепочки поставок), а не преследует произвольные показатели (числовые артефакты).

Что такое “числовой артефакт”?

Числовой артефакт относится к числу, которое воспринимается как важное, даже если это число не имеет непосредственного/осязаемого влияния на цепочку поставок компании. Например, уровни обслуживания являются числовыми артефактами. Числовые артефакты не реальны, они являются абстракциями - часто произвольно выбранными практиком.

Например, уровень обслуживания 98% может скрывать тот факт, что множество клиентов уже прекратили заказывать вообще из-за прошлого плохого качества обслуживания. Более того, числовые артефакты не могут быть контролируемы напрямую. Компания может делать больше заказов на пополнение, но она не может односторонне решить, что уровень обслуживания будет составлять 98%, так как клиенты в конечном итоге решают, сколько данного продукта потребляется.

Числовые артефакты по определению противопоставлены “решениям”, которые имеют реальные последствия для компании. Решения также полностью на усмотрение компании. Типичные решения в цепочке поставок включают заказы на пополнение, производственные заказы, изменения цен и т. д. В отличие от числовых артефактов, каждое плохое решение является неотъемлемой потерей для компании. Например, класс ABC (числовой артефакт) товара может быть совершенно неверным/неточным, но пока нет избытка и нет дефицита, это не имеет значения. С другой стороны, один безумно большой заказ (решение) может превратить хорошо запасенный товар в массовый списание.

С годами Lokad научился тяжкому пути, что числовые показатели в основном иллюзорны и ошибочны. Гораздо чаще, чем не, точность прогнозирования и уровни обслуживания полностью искажают проблему интереса (а именно, предвидение и удовлетворение спроса способом, приносящим прибыль компании). Мы должны сосредоточиться на “долларах ошибки” для данного решения, а не на “процентах ошибки” для числового артефакта.

Что означает “роботизированный”?

Lokad роботизирует (“автоматизирует”) повторяющиеся решения в цепочке поставок, делая их обыденными. Это означает, что все ежедневные решения, доверенные Lokad (например, заказы на производство, изменения цен, распределение запасов), генерируются полностью без присмотра. Как правило, большинство наших клиентов могут работать неделями без прямого вмешательства со стороны Lokad - при условии, что рыночные условия не меняются слишком резко. Наши ученые по цепочке поставок непрерывно улучшают числовые рецепты, которые мы разработали, но ни одному ученому по цепочке поставок не нужно генерировать решения в цепочке поставок на любой день - наши числовые рецепты разработаны для автономного выполнения.

Этот подход радикально отличается от того, что предлагают наши коллеги (другие поставщики корпоративного программного обеспечения). В их случае практики в цепочке поставок рассматриваются как “человеческие сопроцессоры” их системы. В тот момент, когда практики прекращают работу с программным обеспечением, в компании ничего не происходит, так как их время уходит на производство решений в цепочке поставок.

В отличие от этого, Lokad превращает каждую минуту работы практиков в цепочке поставок в инвестицию в улучшение числового рецепта, который обеспечивает роботизацию решений. Если практики в цепочке поставок прекращают работу, это не влияет на роботизированное выполнение числового рецепта. Числовой рецепт просто перестает улучшаться. Если это продолжится некоторое время, это приведет к неизбежному ухудшению качества решений, поскольку числовой рецепт потеряет свою актуальность (из-за изменений на рынке).

Однако Lokad внедрил ряд само-внимательных механизмов для раннего обнаружения такого ухудшения качества и может вызвать человеческую проверку числового рецепта (сначала ученым по цепочке поставок, а затем практиком клиентской компании).

Что такое “инициатива в цепочке поставок”?

Это относится специально к проекту в цепочке поставок, основанному на перспективе “Количественной цепочки поставок” (QSC) от Lokad. Цель такой инициативы - роботизировать определенный класс решений в цепочке поставок и достичь производительности выше человеческой в процессе. Цель такой инициативы не только улучшить конкретную проблему в цепочке поставок клиента, но и обеспечить системное, комплексное улучшение.

Типичные инициативы в цепочке поставок Lokad затрагивают заказы на закупку, производственные заказы, распределение запасов, изменения цен, детализированные производственные графики и т. д. В сущности, мы решаем все монотонные, повторяющиеся решения, необходимые для поддержания функционирования цепочки поставок клиента.

Инициатива в цепочке поставок должна возглавляться Учеными по цепочке поставок (SCS) Lokad. SCS отвечает за разработку всех необходимых числовых рецептов, необходимых для автоматизации интересующих решений в цепочке поставок. Кроме того, SCS несет ответственность за визуализацию (например, через отчеты и панели инструментов) числовых рецептов, чтобы клиенты (особенно верхнее руководство) могли понять, как и почему автоматизация обеспечивает производительность выше человеческой.

Результатом инициативы в цепочке поставок Lokad является внедрение в производство числового рецепта(ов), который разработал SCS для клиента. Этот результат автоматизирует решения и эффективно превращает цепочку поставок в продуктивный актив для клиента (так же, как оборудование автоматизирует производство физических товаров).

Что такое “экспериментальная оптимизация”?

Экспериментальная оптимизация - методология, применяемая Lokad, для решения проблем, где само понятие “улучшения” неясно в начале процесса оптимизации. Это неопределенность вызвана тем, что критерии оптимизации (метрики) и их предпочтительные уровни неизвестны или, даже если они ранее были установлены на определенных уровнях, не могут быть немедленно обоснованы финансовыми терминами (например, прибыльность, ROI и т. д.). Цель “экспериментальной оптимизации” - установить строгий (некоторые бы сказали “научный”) метод для количественного определения того, что означает “улучшение” для цепочки поставок с финансовой точки зрения.

Например, рассмотрим магазин модной одежды, который хочет улучшить качество обслуживания. Одной из основных проблем является то, что определить, что на самом деле означает “качество обслуживания” для среднего клиента, сложно из-за различной природы привычек мужчин и женщин при покупках, а также влияния замен. Замены, по своей природе, затрудняют определение того, как клиенты воспринимают ваше предложение, даже если они совершили покупку - например, покупка простой черной футболки вместо простой белой, которой нет в наличии. На бумаге продажа состоялась, но отсутствие простой белой футболки может сигнализировать о конце лояльности клиента, особенно если это происходит регулярно. Более того, мужчины менее склонны тратить время на просмотр нескольких товаров, чем женщины, поэтому отсутствие именно того товара, который им нужен (или подходящей замены), может быть решающим фактором при совершении покупки. Таким образом, то, что руководство считает, что они знают о своем бизнесе (и клиентах), может быть крайне вводящим в заблуждение, что в свою очередь может направить их стратегии на складирование в неправильном направлении.

Для этого экспериментальная оптимизация состоит в проведении серии экспериментов, которые вызывают сомнения в самом критерии оптимизации - в самом инструменте, который количественно определяет, улучшается ли цепочка поставок или ухудшается (например, “качество обслуживания”). Суть метода заключается в выборе критерия, выполнении математической оптимизации (или, более конкретно, стохастической оптимизации) по этому критерию и оценке принятых решений в цепочке поставок. Эта оценка не проводится в общем, а в сравнении с самыми нелепыми решениями, которые просто не могут быть правильными. Критерий затем должен быть изменен, чтобы постепенно устранить эти нелепые решения, пока их не останется.

Таким образом, полученный критерий был получен через серию экспериментов. В отличие от классической точки зрения на оптимизацию, которая предполагает, что критерии известны заранее и никогда не подвергаются сомнению в реальном мире; экспериментальная оптимизация выявляет критерии, повторно сталкивая их с реальными настройками.

Чтобы вернуться к предыдущему примеру из мира моды, экспериментальная оптимизация может показать, что оптимальным решением является перераспределение существующего запаса между магазинами, или же просто перестановка дисплеев в каждом магазине достаточна для стимулирования большего трафика и воспринимаемого качества обслуживания. Эти выводы можно обнаружить только после многократного экспериментирования с (“настройкой”) числовым рецептом, который генерирует рекомендации по оптимизации.

Цепочка поставок, как и любая другая система, больше, чем сумма ее частей. Фактически, проклятие цепочки поставок заключается в том, что большинство предполагаемых улучшений просто перемещают проблемы, а не решают их, поскольку проблемы рассматриваются как местные вопросы, а не как выражения системных проблем. Например, увеличение уровня обслуживания обычно подразумевает увеличение списания инвентаря. Таким образом, нельзя просто подтолкнуть или настроить изолированный элемент в системе без воздействия на остальную часть системы. В результате всегда сложно количественно оценить, улучшает ли что-то систему (цепочку поставок) или ухудшает.

Более того, в конкретном случае цепочек поставок эта сложность усугубляется, поскольку обычно требуется много времени, чтобы события развернулись. В случае с магазином модной одежды из предыдущего примера, мужчины могут быть невероятно лояльны к магазину, который постоянно имеет нужные им товары, приводимые чисто удобством необходимости не тратить слишком много времени на покупки. В результате периодические события нехватки товара могут быть разрушительными для лояльности клиентов и занимать много времени для проявления (поскольку мужчины могут ходить в магазин всего несколько раз в год, но покупать много товаров при каждом посещении, чтобы максимизировать стоимость каждой поездки). Эти соображения и обстоятельства сбивают с толку все наивные подходы к количественной оценке производительности цепочки поставок, поэтому Lokad выступает за решение, основанное на экспериментальной оптимизации.

Для более подробной перспективы существует полный курс лекций по Экспериментальной оптимизации для цепочки поставок.

Что такое “вероятностное прогнозирование”?

Вероятностное прогнозирование - это процесс определения всех возможных будущих значений/результатов/сценариев (например, спрос на определенный SKU) и присвоения вероятности каждому значению. Вероятность представляет собой вероятность того, что это значение станет “реальным” (например, можно иметь вероятность 3% продажи 4 единиц; вероятность 4% продажи 5 единиц; вероятность 2% продажи 6 единиц; и т. д.). Численно, когда они суммируются, эта вероятностная дистрибуция (также известная как “вероятностный прогноз”) охватывает 100% потенциальных значений (например, спрос).

Прогноз считается “вероятностным”, если прогнозируемое значение является вероятностным распределением, а не одной точкой. Вероятностные прогнозы противоположны традиционным точечным прогнозам, которые доминируют в основной теории цепочки поставок. Основным плюсом вероятностных прогнозов является то, что они принимают неизбежную неопределенность будущего, вместо того чтобы притворяться, что “идеальный” прогноз уже на подходе, если только можно найти немного более точную модель. Вероятностные прогнозы количественно оценивают неопределенность, и эта количественная оценка является фундаментальной для последующего принятия рискованных решений в цепочке поставок. Без вероятностных прогнозов решения являются хрупкими, поскольку они полностью отрицают мелкие изменения (например, спрос, время поставки), которые ожидаются произойти даже при обычных рыночных условиях.

Следует отметить, что любой прогноз временных рядов в какой-то момент времени можно “математически” превратить в вероятностное распределение. Именно это делается с запасами безопасности, поскольку как спрос, так и время выполнения могут быть сопоставлены с нормальными (гауссовскими) распределениями. Однако, хотя такие техники номинально генерируют вероятностные распределения, эти техники также полностью упускают суть. Основная проблема, которую необходимо решить с помощью вероятностного прогноза, заключается в том, чтобы создать более богатый прогноз - прогноз, который содержит больше информации, чем точечный прогноз. Этот вероятностный прогноз не обязательно более точен, так же как цветная фотография не обязательно имеет лучшее разрешение, чем черно-белая. Однако, по своей сути, точечному прогнозу не хватает этого дополнительного измерения. Даже если математический трюк может быть использован для добавления вероятностей, эти вероятности будут практически полностью выдуманными, так же как окрашивание изображения может быть весьма правдоподобным, но фактически неверным.

Кратко говоря, вероятностные прогнозы представляют собой один из основных этапов обработки данных, необходимых для предиктивной оптимизации цепочки поставок.

Что такое “общий прогноз”?

Техника прогнозирования считается “общей”, если она поддерживает данные, которые не представляют себя как временные ряды. Действительно, хотя временные ряды очень полезны для визуализации, они в конечном итоге являются упрощенной и одномерной моделью, которая не отражает события, как они развиваются в реальной цепочке поставок.

Рассмотрение нескольких временных рядов также не решает проблему.

Например:

• повторные покупки от тех же клиентов нельзя моделировать временными рядами, поскольку временной ряд спроса полностью сглаживает происхождение каждой единицы, которая покупается.
• каннибализация или замещение не могут быть представлены как временные ряды, поскольку теряются зависимости между товарами.
• конкуренты, соревнующиеся по ценам, объемным скидкам, уровням обслуживания и т. д., не могут быть охвачены временным рядом, поскольку он не может отражать эти причинные факторы.

В основной теории цепочки поставок временные ряды - альфа и омега. Тем не менее, тщательное изучение реальных ситуаций должно продемонстрировать, что временные ряды являются неизменно сильно ошибочным упрощением ситуации - см. приведенные выше примеры. В Квантитативной теории цепочки поставок (QSC) Lokad лучше быть приблизительно правым, чем точно неправым. Притворяться, что реальная проблема (например, замещение) не существует, не заставит проблему исчезнуть.

По этой причине с начала 2010-х годов Lokad разработал и выработал целый ряд более совершенных технологий прогнозирования, которые предоставляют более общие формы прогнозов (помимо базовых временных рядов). Согласно нашей QSC, каждый источник неопределенности требует своего собственного вероятностного прогноза. Эти “общие прогнозы” предоставляются не “моделями прогнозирования”, а через программные парадигмы машинного обучения, такие как дифференцируемое программирование.

Что такое “классический прогноз”?

Под “классическим прогнозом” мы понимаем точечный прогноз временных рядов. Точечные прогнозы временных рядов настолько распространены в основной теории цепочки поставок, что многие люди, включая многих практиков цепочки поставок, не осознают, что точечные прогнозы временных рядов - это всего лишь одна форма статистических прогнозов. Фактически, существует множество альтернативных форм статистических прогнозов, и точечный прогноз временных рядов является одним из самых упрощенных.

Примечание: Упрощенный прогноз не обязательно плохая вещь. Фактически, Lokad считает, что программное обеспечение для прогнозирования не должно быть сложнее, чем необходимо для выполнения своей задачи. Тем не менее, точечные прогнозы временных рядов являются неподдерживаемо упрощенными, как было продемонстрировано в “Что такое “общий прогноз”?”.

Точечные прогнозы временных рядов стали популярными в самом начале 20-го века, за полвека до появления корпоративных компьютеров. До того, как мощные компьютеры стали широко доступными, точечные прогнозы временных рядов были единственным видом статистических прогнозов, которые можно было получить. Несмотря на их крайнюю простоту, создание прогнозов временных рядов уже требовало слишком много работы, чтобы действительно оправдать вложения - учитывая, что они делались без вычислительной мощности корпоративных компьютеров. В результате большинство компаний использовали различные хитрости, чтобы полностью избавиться от необходимости статистически прогнозировать что-либо в первую очередь.

Существуют два различных и взаимодополняющих подхода для выхода за пределы классических прогнозов. Первый подход заключается в замене угла “точечного прогноза” на угол “вероятностного прогноза”.

Вероятностные прогнозы, в отличие от своих “точечных” аналогов, предоставляют полные плотности вероятности. Вероятностные прогнозы включают в себя неизбежную неопределенность будущего и фронтально количественно оценивают эту неопределенность. С точки зрения цепочки поставок вероятностные прогнозы гораздо превосходят точечные прогнозы, потому что они предоставляют возможность последующего вычисления рисково-скорректированных решений в цепочке поставок. Напротив, точечные прогнозы игнорируют все источники неопределенности, и решения, вытекающие из этих прогнозов, по своей сути являются хрупкими.

Второй подход заключается в замене угла “временных рядов” на альтернативу более высокой размерности. Временные ряды по своей природе одномерны. Это врожденное ограничение означает, что прогнозы временных рядов просто не способны уловить даже самые базовые взаимосвязи, которые можно наблюдать в потоке товаров цепочки поставок.

Например, прогнозы временных рядов не могут уловить каннибализацию и замещение. Они не могут уловить риск иметь стабильный объем продаж, полностью зависящий от одного крупного клиента (например, в ситуациях B2B). Они не могут уловить корзинную перспективу покупателя в гипермаркете, который нуждается в всех необходимых ингредиентах для приготовления рецепта (т.е. отсутствие хотя бы одного товара означает, что ничего не покупается). Lokad использует дифференцируемое программирование для создания прогностических моделей, которые выходят за рамки одномерной перспективы временных рядов и улавливают истинную информацию, которая представляет интерес.

В заключение, классическое прогнозирование - это устаревшая статистическая перспектива, которая не имеет места в современной цепочке поставок. Полагаться на классические прогнозы - так называемые точечные прогнозы временных рядов - это рецепт для неудачи, поскольку эти прогнозы приводят к хрупким решениям в лучшем случае и к прямо ошибочным решениям в худшем случае. Вместо этого мы рекомендуем использовать общее вероятностное прогнозирование, обычно используя программную парадигму машинного обучения, такую как дифференцируемое программирование.

Что такое “корзинная перспектива”?

Корзинная перспектива является важной проблемой для всех отраслей, где от клиентов ожидается покупка множества товаров одновременно (в одной транзакции), а не одного товара. Это относится к воспринимаемой ценности того, чтобы покупки были сделаны в комбинации, а не изолированно. Другими словами, стоимость всех товаров, доступных в целом, может быть больше, чем сумма разобщенных стоимостей товаров, приобретенных отдельно. Эта перспектива критически важна для многих отраслей, таких как розничная торговля широким ассортиментом товаров, например. Признание этой взаимосвязи в спросе приводит к более продвинутым решениям в цепочке поставок по сравнению с традиционными методиками, которые рассматривают покупку каждого SKU как изолированное событие.

Например, представим покупателя, входящего в супермаркет, чтобы приобрести несколько товаров. Эти товары представляют собой смесь основных продуктов (например, молоко, хлеб и яйца) и дискреционных покупок (например, мороженое и шоколад). Если в супермаркете закончится товар из категории дискреционных покупок (например, шоколад), покупатель скорее всего все равно приобретет другие товары (молоко, хлеб, яйца и мороженое). Однако, если закончится товар из категории основных продуктов (например, молоко), покупатель может уйти, ничего не купив, и отправиться к конкуренту, чтобы завершить свои покупки. Таким образом, финансовое наказание за отсутствие основного товара распространяется не только на сам товар, но и на весь набор продаж.

Существуют взаимосвязи между продуктами, и отсутствие некоторых продуктов влияет на вероятность покупки других продуктов покупателями. Lokad включает это тонкое, но значительное явление в свои рекомендации по принятию решений в цепи поставок для оптимизации запасов и снижения дефицита товаров (распределенных от тех, которые нанесли бы наибольший ущерб, до тех, которые нанесли бы наименьший), тем самым улучшая общие продажи, прибыль клиентов и удовлетворенность клиентов.

Что такое “ученый по цепочке поставок”?

Ученый по цепочке поставок (SCS) - это человек, который возглавляет одну из инициатив Количественной цепочки поставок (QSC) в Lokad с клиентом, например, предоставление заказов на закупку с учетом рисков, списков распределения запасов, цен и т. д. Термин “ученый по цепочке поставок” был придуман Йоаннесом Верморелем, генеральным директором и основателем Lokad, в 2017 году. Основным обязательством SCS является создание, поддержание и владение числовыми рецептами, ответственными за принятие решений в рамках данной инициативы по цепочке поставок.

В отличие от ученого по данным, чья основная ответственность состоит в создании моделей для поддержки процесса принятия решений, SCS лично отвечает за качество рекомендаций по принятию решений, генерируемых числовыми рецептами. Более того, SCS также несет непосредственную ответственность за разработку всей инструментальной базы (например, панели управления, отчеты), объясняющей логику и приемлемость принятых решений. Может показаться немного парадоксальным, но в то время как Lokad акцентирует роботизацию монотонных процессов принятия решений, мы также ставим личную ответственность на первое место. QSC не является “системой”, ответственной за производительность цепочки поставок, а является человеком, управляющим QSC.

Однако, хотя у SCS есть личная ответственность, они не одиноки в своей миссии. Lokad полностью посвящен тому, чтобы каждый SCS получал максимальную поддержку. Это подразумевает предоставление SCS всем необходимых программных инструментов, математических инструментов, методологий, обучения и мониторинга со стороны старших SCS.

Более детальное описание того, что делает SCS, можно найти в нашей специальной статье базы знаний Ученый по цепочке поставок.

Что такое “практик по цепочке поставок”?

Термин “практик по цепочке поставок” обычно относится ко всем людям, которые традиционно участвуют в принятии решений по цепочке поставок, необходимых для работы компании. Поскольку нет унифицированной терминологии, название может варьироваться в различных отраслях и от одной компании к другой. Общие варианты “практика по цепочке поставок” включают планировщика поставок и спроса, аналитика запасов, прогнозиста спроса, менеджера категорий, менеджера запасов, менеджера производства, менеджера закупок, менеджера ценообразования и т. д.

Квантовая цепочка поставок (QSC) предлагает современное видение роли практика цепочки поставок. В то время как традиционный практик цепочки поставок непосредственно отвечает за ручную поддержку процесса принятия решений, QSC рекомендует полностью механизировать все повторяющиеся задачи. Благодаря этой роботизации практики цепочки поставок могут сосредоточиться на задачах, которые приносят большую добавленную стоимость для компании. В частности, практики цепочки поставок стоят на передовой в вызове числовых рецептов (программных компонентов, поддерживающих роботизацию цепочки поставок), собирая обратную связь и высокоуровневый интеллект от клиентов и поставщиков.

Что означает “руководитель цепочки поставок”?

Для Lokad этот термин конкретно относится к лицу, которое находится в положении арбитража противоречивых предложений внутри компании относительно роботизированных процессов принятия решений. которые оркестрируют цепочку поставок.

Эта роль критична в инициативе Квантовой цепочки поставок, которая объединяет процессы принятия решений цепочки поставок через явные финансовые оценки, выполняемые с помощью логики программного обеспечения. QSC раскрывает все противоречия и неопределенности, которые обычно существуют в компании. В результате, чтобы убедиться, что инициатива цепочки поставок не застревает из-за чистого нерешительности, руководитель цепочки поставок должен быть назначен с полномочиями арбитража противоречивых предложений с стратегической точки зрения (например, достижение ожидаемого уровня обслуживания любой ценой против нахождения оптимизированного набора решений в рамках ограниченного бюджета).

Примечание: QSC не предполагает, что у руководителя цепочки поставок есть какая-то врожденная способность быть “правым” все время. Выяснение, что работает, а что нет, является ролью методологии экспериментальной оптимизации, которую использует Lokad, а не руководителя цепочки поставок.

Что такое “рискованное решение”?

В контексте оптимизации цепочки поставок решение считается рискованным, если решение тщательно балансирует экономические затраты, связанные с неопределенным будущим состоянием рынка и самой цепочки поставок. Рискованное решение “лучше” в том смысле, что, учитывая все возможные будущие сценарии и связанные с ними вероятности, средний финансовый результат, связанный с этим решением, окажется больше, чем у альтернатив.

Также рискованные решения имеют тенденцию быть анти-хрупкими решениями (в отличие от хрупких решений). Это означает, что их ожидаемые экономические выгоды остаются довольно хорошими (или просто приемлемыми) для широкого спектра будущих вариаций. Это достигается благодаря учету всех нелинейных ограничений и затрат (например, порча).

Неявное предположение за самой идеей рискованных решений заключается в том, что серьезные экономические затраты лежат на краях: это неожиданно высокий спрос, который вызывает дефициты, и неожиданно низкий спрос, который вызывает избыток. Между тем все идет примерно по плану, и все улучшения, внесенные в случай “по плану”, в основном незначительны для компании.

В отличие от большинства процессов принятия решений, рекомендуемых основной теорией цепочки поставок, рискованные решения не генерируют. Фактически, решения обычно являются хрупкими. Они хрупкие (см. полное объяснение ниже) из-за отсутствия одного критического ингредиента для генерации рискованного решения в первую очередь: вероятностного прогноза. Действительно, если единственный доступный прогноз - это прогноз временных рядов точек, то процесс принятия решений неявно идет “все в одном” на одно будущее значение (например, спрос), которое предполагается быть идеально известным. Этот подход неизбежно приводит к хрупким решениям, поскольку они немедленно становятся недостаточными в момент появления исключения или неожиданного риска - что является слишком распространенным явлением в цепочке поставок и слишком легким для предвидения с помощью вероятностного прогноза.

Более детальное (хотя и более техническое) объяснение того, как принимаются решения с учетом рисков на практике, можно найти в нашем учебнике Приоритизированное пополнение запасов в Excel с использованием вероятностных прогнозов и нашей лекции QSC Распределение запасов по розничной сети на основе вероятностных прогнозов.

Что такое хрупкое решение?

В контексте оптимизации цепей поставок решение считается хрупким, если малейшие изменения рыночных условий или состояния самой цепи поставок подрывают экономические выгоды, которые изначально ожидались от этого решения. Процессы принятия решений, рекомендуемые основными теориями цепей поставок, неизбежно приводят к хрупким решениям - даже при умеренных рыночных условиях, когда ничего значительного не происходит.

По нашему мнению, решения должны быть скорректированы на риск. Именно такой подход рекомендует философия Количественной цепи поставок (QSC) компании Lokad. На практике создание решения, скорректированного на риск, требует двух важных компонентов: первый - вероятностное прогнозирование, и второй - стохастическая оптимизация.

Вероятностное прогнозирование количественно оценивает будущую неопределенность в виде вероятностного распределения. Стохастическая оптимизация вычисляет решение, которое в среднем окажется “лучшим”, учитывая все возможные будущие сценарии и их вероятности. Она делает это, объединяя экономические факторы, ограничения и вероятностные прогнозы.

Что такое эпистемическая коррупция?

Эпистемическая коррупция - это когда совокупность знаний теряет свою целостность и перестает быть ценной для людей или организации, которая полагается на эти знания для улучшения своей деятельности.

Цепи поставок, как область изучения, к сожалению, претерпели серьезный случай эпистемической коррупции с конца Второй мировой войны. Существуют две основные причины этого современного состояния дел:

Во-первых, академия, в основном непреднамеренно, упустила возможность десятилетия назад. Хотя каждый год публикуются десятки тысяч статей, практически ни одну из них нельзя воспроизвести или опровергнуть (в попперианском смысле опровержения*). В отличие от других областей, не страдающих от широкого распространения эпистемической коррупции (например, изучение алгоритмов), статьи о цепях поставок практически никогда не используются в реальных условиях и, конечно же, не на долго, когда они используются.

Во-вторых, аналитики рынка, поставщики программного обеспечения и консультанты действуют как противники уже десятилетия. Действительно, есть прибыль в том, чтобы продлить проблемы, а не решить их. Устаревшие методы, которые давно бы прекратили свое существование, были поддержаны актерами, которые слишком охотно стремились сохранить статус-кво. Иронично, статус-кво существует уже так долго, что большинство из этих людей могут честно утверждать, что с их точки зрения методы “всегда” существовали - потому что, технически, проблемы фактически предшествовали им.

Решением для широко распространенных случаев эпистемической коррупции являются более эффективные методологии и методы, которые позволяют компаниям быстрее (и лучше) отделять зерна от плевел. В этом контексте Lokad проводит усилия по пересмотру стратегии управления цепями поставок с 2011 года. Этот новаторский подход называется “Количественная цепочка поставок” (QSC). Он включает альтернативные техники и методологии, такие как вероятностное прогнозирование и экспериментальная оптимизация.

*Здесь “попперианское понимание фальсификации” относится к философии науки, разработанной Карлом Поппером. По мнению Поппера, для того чтобы теория считалась научной, её должно быть возможно опровергнуть — то есть, должно быть возможно представить наблюдение или эксперимент, который мог бы доказать неверность теории. Другими словами, научные теории должны делать предсказания, которые могут быть проверены и, возможно, опровергнуты. Этот концепт критичен для различения научных теорий от ненаучных. Исследования в области цепей поставок (обычно) лишены возможности фальсификации, поскольку теории не могут быть проверены и, возможно, опровергнуты, что подрывает их научную ценность и способствует эпистемической коррупции в этой области.

Что такое “правильность по дизайну”?

Принцип “правильности по дизайну” подчеркивает важность обеспечения того, чтобы дизайн системы внутренне предотвращал определенные типы ошибок или сбоев. Этот подход противопоставлен более распространенной практике полагаться на обширное тестирование и контроль качества для выявления и исправления проблем после их возникновения. Цель “правильности по дизайну” заключается в минимизации необходимости постоянного обслуживания и снижении риска катастрофических сбоев, которые могут возникнуть из-за сложных систем. В контексте оптимизации цепей поставок “правильность по дизайну” особенно актуальна, поскольку аналитический слой (отвечающий за процессы принятия решений) не должен увеличивать хаос, присущий цепям поставок — уже хаотической среде.

Числовые рецепты, предназначенные для поддержки процессов принятия решений в цепях поставок, часто реализуются с использованием общих инструментов, не предлагающих правильности по дизайну. В результате такие числовые рецепты обычно терпят неудачу из-за тысячи недочетов. Производство терпит неудачу из-за ошибок выхода за границы индекса, ошибок нехватки памяти, гонок, числовых переполнений или недостатков и т. д. “Двигаться быстро и ломать вещи” — приемлемая философия инженерии для приложения для образа жизни, но не для критической бизнес-системы.

В этом контексте Lokad разработал Envision, свой DSL (язык программирования, специфический для области) для предиктивной оптимизации цепей поставок с учетом правильности по дизайну. Lokad не начинал с Envision, когда был основан в 2008 году. Мы много лет полагались на языки общего назначения, такие как Python. Нам потребовалось много лет, чтобы понять, что наши попытки чаще всего терпели неудачу из-за Python.

Еще более загадочно, ситуация была точно такой же для команд по науке о данных наших собственных клиентов. История почти всегда развивалась одинаково: в течение трех недель команда по науке о данных создавала то, что казалось очень многообещающим прототипом. Однако после одного года интенсивных усилий, чтобы убедиться, что он будет работать в реальных производственных условиях, проект был отвергнут, поскольку он так и не достиг необходимой “готовности к производству”.

Таким образом, после многих лет боли и страданий мы пришли к выводу в 2012 году, что сам язык программирования был основной проблемой, которую нужно было решить. Другими словами, Python не был решением, а проблемой. Таким образом, оставшись без лучшей альтернативы, инженерная команда Lokad начала десятилетнее усилие по созданию DSL, посвященного цепям поставок, который “по дизайну” решал все эти проблемы в полной мере. Так появился Envision.

Более чем через десятилетие у нас теперь под прямым контролем имеется несколько миллиардов (USD и EUR) стоимости запасов, написанных в Envision обширными числовыми рецептами. Envision значительно улучшил не только производительность ученых по цепям поставок Lokad, но также существенно снизил частоту “глупых” и очень дорогостоящих ошибок.

В заключение, правильность по дизайну является ключевым требованием для любого языка программирования, предназначенного для управления реальными цепями поставок. Многие поставщики программного обеспечения, из-за чистой небрежности или неспособности, не решают эту проблему прямо, что неизменно приводит к огромным убыткам для их клиентов.

Что такое “поддерживаемость”?

Поддерживаемость, в контексте программного обеспечения для цепочек поставок, относится к способности компании и ее поставщиков программного обеспечения поддерживать свой прикладной ландшафт в рабочем состоянии.

Что касается “управления” цепочкой поставок, “поддерживаемость” является относительно простым делом. Существует ряд обновлений безопасности и совместимости, чтобы сохранить работоспособность программного обеспечения при изменяющихся условиях (например, изменения операционных систем, браузеров, версий баз данных и т. д.). Если компания не желает вносить функциональные изменения в свои приложения “управления”, поддерживаемость в значительной степени гарантирована, если поставщик даже скромно компетентен.

Однако оптимизация цепочки поставок - это совершенно другая проблема. Числовые рецепты, автоматизирующие процессы принятия решений, неизбежно теряют свою актуальность со временем. Причина упадка заключается не столько в росте и сокращении рынка, сколько в том, что довольно просто численно учитывать этот вид вариации как часть статических числовых рецептов (например, скользящее среднее делает это, хоть и в грубой форме).

Скорее, причиной упадка является эволюция проблем, которые необходимо решить. Изменяющиеся рыночные условия не просто требуют ответов, которые случайно являются количественно разными, а совершенно другого рода ответов. Например, компании почтового заказа никогда не сталкивались с проблемой направления своих инвестиций в поисковый маркетинг для поддержки ликвидации излишкового запаса - ситуация, с которой регулярно сталкиваются компании электронной коммерции.

Программное обеспечение для оптимизации цепочки поставок намного более подвержено изменяющимся рыночным условиям, чем программное обеспечение для управления цепочкой поставок. К 2024 году не редко можно встретить компании, которые до сих пор используют систему управления запасами, развернутую в 1990-х годах (которая может по-прежнему работать нормально), поскольку клерикальные задачи по ведению складского учета остались практически неизменными за последние 30 лет. Однако логика оптимизации цепочки поставок, которая может оставаться актуальной хотя бы 3 года, крайне редка.

Большинство поставщиков программного обеспечения для оптимизации цепочки поставок не признают эту фундаментальную проблему. В результате инвестиции обычно сосредотачиваются в самом начале, когда клиентская компания проходит процесс внедрения поставщиком. В течение первых пары месяцев, когда поставщик все еще активно участвует в развивающейся настройке, решение кажется удовлетворительным. Однако, спустя 18 месяцев после завершения этапа внедрения поставщиком программного обеспечения, числовые рецепты утрачивают актуальность. Неизменно практики цепочки поставок возвращаются к своим таблицам Excel, которые, хоть и грубы, могут поддерживаться в актуальном состоянии.

Проблема поддерживаемости является одной из основных причин, по которой в 2012 году Lokad создал Envision - DSL (язык программирования, специфичный для области) для предсказательной оптимизации цепочек поставок. Действительно, в начальные годы существования Lokad (основанной в 2008 году) мы поняли, что какие бы числовые рецепты мы ни создавали, в большинстве случаев, и несмотря на то, насколько хороша была наша первоначальная реализация, эти рецепты приходилось переписывать практически каждые 18 месяцев. Это была цена, которую приходилось платить, чтобы автоматизация строго соответствовала постоянно меняющейся стратегии и приоритетам наших клиентов. Таким образом, Envision был специально разработан для удовлетворения потребности в постоянном переписывании, чтобы избежать утраты актуальности.

В заключение, поддерживаемость, что касается оптимизации цепочки поставок, в значительной степени определяется способностью компании регулярно переписывать числовые рецепты, которые управляют выполнением ее собственной цепочки поставок. Хотя эта способность зависит от размера команды ученых по цепочке поставок, которая может быть выделена для выполнения задачи, она также в значительной степени зависит от качества используемого языка программирования для реализации числовых рецептов в первую очередь.