コンテンツ
- サプライチェーンの仕組み
- サプライチェーンマネジメントの痛みポイントとは何ですか？
- 機械学習がどのように役立つか
- バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
- 改善が必要な分野は？
- 実用的な使用例
- 結論
ソース：Trueffelpix / Dreamstime.com
取り除く：
ビジネスを成功させるには、適切に管理されたサプライチェーンが必要です。機械学習は、サプライチェーン管理の精度と効率の向上に役立ちます。
今日の不安定で複雑なビジネスの世界では、サプライチェーンの信頼できる需要予測モデルを作成することは非常に困難です。ほとんどの予測手法では、期待外れの結果が生じます。これらのエラーの背後にある根本原因は、多くの場合、古いモデルで使用されている手法にあることがわかります。これらのモデルは、データから継続的に学習して意思決定を行うようには設計されていません。したがって、新しいデータが入って予測が行われると、それらは廃止されます。この問題に対する答えは機械学習です。これは、サプライチェーンが効率的に予測し、適切に管理するのに役立ちます。 （マシンとインテリジェンスの詳細については、Thinking Machines：The Artificial Intelligence Debateを参照してください。）
サプライチェーンの仕組み
企業のサプライチェーンは、サプライチェーン管理システムによって管理されています。サプライチェーンは、ビジネスにおけるさまざまな種類の商品の移動を制御するために機能します。また、在庫の材料の保管も含まれます。したがって、サプライチェーン管理は、ビジネスのすべてのノードで商品の無駄をなくしながら、ビジネスの品質と顧客満足度を向上させることを目的とした、毎日のサプライチェーンアクティビティの計画、管理、実行です。
サプライチェーンマネジメントの痛みポイントとは何ですか？
需要の予測は、サプライチェーン管理の最も難しい部分の1つです。現在の予測技術では、ユーザーに不正確な結果が表示されることが多く、深刻な経済的ミスを犯します。彼らは、変化する市場パターンと市場の変動を適切に理解することができず、これは市場動向を適切に計算し、それに応じて結果を提供する能力を妨げます。
多くの場合、需要予測には限界があるため、計画チームはがっかりする傾向があります。彼らは、計画プロセスの改善に関心がないことを指導者たちのせいにしている。この課題は、顧客の要求から収集されたデータがますます複雑になっているという事実のために発生します。以前は、非常に簡単に解釈できました。しかし、新しいデータ生成テクノロジーが登場するにつれて、データは非常に複雑になり、既存のテクノロジーでは管理がほぼ不可能になりました。
以前は、単純な履歴需要パターンを使用して、需要を簡単に計算できました。しかし、現在、需要は非常に短期間で変動することが知られているため、履歴データは役に立ちません。
機械学習がどのように役立つか
これらの問題は、変動するため、従来のアルゴリズムでは解決できません。しかし、機械学習の助けを借りて、企業はそれらを簡単に解決できます。機械学習は、コンピューターシステムが特定のデータから多くの有用なことを学習できる特殊な技術です。機械学習の助けを借りて、企業は市場の流れに沿った強力なアルゴリズムをモデル化できます。従来のアルゴリズムとは異なり、機械学習は市場シナリオから学習し、動的モデルを作成できます。
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質に関心がない場合、プログラミングスキルを向上させることはできません。
機械学習により、コンピューターシステムは実際に人間の介入なしでモデルを改良できます。これは、より多くのデータが機械学習システムの貯水池に入ると、よりインテリジェントになり、データがより管理しやすく解釈しやすくなることを意味します。
機械学習は、ソーシャルメディア、デジタル市場、その他のインターネットベースのサイトなどのビッグデータソースと統合することもできます。これは、現在の計画システムでは不可能です。簡単に言えば、これは、企業が消費者によって生成された他のサイトからのデータ信号を使用できることを意味します。このデータには、ソーシャルネットワーキングサイトおよびオンラインマーケットプレイスからのデータが含まれます。このデータは、広告やメディアの使用などの新しい手法がどのように売り上げを改善できるかを知るのに役立ちます。
改善が必要な分野は？
機械学習を改善に使用できる場所はたくさんあります。ただし、従来の計画手順で問題が発生する主な場所は3つあります。これらの問題と機械学習によるこれらの側面の改善について、以下で説明します。
計画チームの問題
多くの場合、計画チームはすべてのデータを手動で評価するという古い予測手法を使用します。このプロセスは非常に時間がかかり、結果はしばしば十分に正確ではありません。この種の状況は、従業員の士気を低下させるだけでなく、会社の成長を阻害します。ただし、機械学習を使用すると、システムはデータに基づいて優先順位に従って多くの変数を取得し、非常に正確なモデルを作成できます。これらのモデルは、プランナーがはるかに効果的な計画のために使用でき、時間もあまりかかりません。プランナーは、経験を通じてモデルをさらに強化することもできます。 （データを使用した事前計画の詳細については、Conual Integrationが予測分析を強化する方法を参照してください。）
安全在庫レベル
従来の計画方法では、企業はほぼ常に安全在庫レベルを高く維持する必要があります。ただし、機械学習は、最適なセキュリティストックレベルを設定するためのより多くの変数を評価することで役立ちます。
販売および運用計画
販売および運用計画（S＆OP）チームからの予測が不十分で不正確であるか、市場の動きに応じて適応するのに十分な柔軟性がない場合は、システムをアップグレードする時が来たのかもしれません。機械学習は、さまざまな種類のデータを通じて現在の市場動向を学習することで予測の品質を向上させることができるため、ここで最適な使用法を見つけます。したがって、機械学習により、S＆OPの作業がはるかに簡単になります。
これらすべての領域には改善の余地があり、これらのギャップは機械学習の手法によって埋めることができます。機械学習は、企業のサプライチェーン管理のアーキテクチャを完全にオーバーホールできます。多くの企業がすでに使用を開始しており、計画部門が大幅に改善されていることがわかりました。
実用的な使用例
需要予測における機械学習の多くの利点により、さまざまな分野で使用されています。ただし、これらの組織はシステムを学習システムに完全に変更したわけではありません。従来のシステムと一緒に機械学習システムを使用しています。機械学習システムは、レガシーシステムのギャップをカバーし、パフォーマンスを向上させます。そのような使用例の例を以下に示します。
グラナロロ
これはイタリアの酪農会社で、機械学習を使用して予測精度を5％向上させました。配達時間も当初の約半分に短縮され、顧客満足度も向上しました。
グループダノン
この会社はフランスに拠点を置き、さまざまな種類の製品を販売しています。以前、会社が行ったプロモーションの申し出への対応の予測は、70％不正確であることが判明し、大きな損失をもたらしました。ただし、計画アーキテクチャに機械学習を実装すると、販売と予測の両方で大幅な改善が見られました。
レノックスインターナショナル
レノックスは、冷却および加熱装置を製造する米国の会社です。北米全体に拡大しています。したがって、完全な顧客満足を提供するために、拡張プロセスに対処しながら、レノックスは予測アーキテクチャと機械学習を統合しました。機械学習の助けを借りて、レノックスは顧客のニーズを正確に予測でき、一般的な顧客の要求をよりよく理解できるようになりました。機械学習は、会社が計画手順を完全に自動化するのにも大いに役立ちました。
結論
機械学習は、適切な場所で適切なタイミングで実装されると、企業のサプライチェーンにとって非常に有益であることがわかります。需要予測の正確なモデルを作成するのに役立ち、計画部門の作業を容易にすることもできます。現在、システム全体を完全に変更する必要はありませんが、近い将来、すべてのサプライチェーンは機械学習を使用して、機械学習システムによって定期的に更新される動的モデルを作成することにより、予測機能を確実に改善します。したがって、この新しいテクノロジーは、ビジネスに不可欠なツールであることが証明されます。