すべてのプレイヤーに、ヒューリスティック関数を適用したSCMのシミュレー ションの結果を示す。情報遅れのない場合、各プレイヤーが100週間で生じさせる コストは、表5.1より{R(小売業), W(卸業), D(配送業), F(工場)} = { $1,124, $2,090,
$2,744, $3,302}であり、小計$9,160となる。さらに延べ総コストで示すと、$544,606
であった。
表表
表表 5555‑‑‑‑1111 サプライチェーンコスト結果サプライチェーンコスト結果サプライチェーンコスト結果サプライチェーンコスト結果((((情報遅れなし情報遅れなし情報遅れなし情報遅れなし))))
㘈ቴ䈮
㆐䈚䈢
ຠᢙ ዊᄁᬺ ᬺ ㈩ㅍ Ꮏ႐ ✚䉮䉴䊃
ᑧ䈼
✚䉮䉴䊃 Heuristic 772 -㪈㪈24 -2090 -2744 -3202 -9㪈60 -544606 ᒝൻቇ⠌ 772 -738 -2322 -㪈452 -㪈264 -5776 -23㪈8㪈2
表
表 表
表 5555‑‑‑‑2222 サプライチェーンコスト結果サプライチェーンコスト結果サプライチェーンコスト結果サプライチェーンコスト結果((((情報遅れあり情報遅れあり情報遅れあり情報遅れあり))))
一方情報遅れのあった場合、表5−2より各プレイヤーから生じたコストは{R(小 売業), W(卸業), D(配送業), F(工場)} = { $1,712, $3,342, $4,808, $5,702}であり、小 計$15,564となる。のべ総コストは$805,754であった。
ここで、100週間分の各プレイヤーが生じさせるコストと共に、100週間のすべ ての延べ総コストを示した理由としては、在庫および受注残の影響は各プレイヤー だけでなく、他のプレイヤーにも影響を及ぼすためである。そこで、最終結果のみ ならず、各週のコストを総計することにより、サプライチェーン全体の評価に用い た。実際に、100週間後の総コストが示す値は、後に示す強化学習の値と比較して も半分以上減ることはない。しかし、延べ総コストのヒューリスティック関数と強 化学習の場合を比較するとわかるように、50％以上サプライチェーン全体のコスト を削減できた。
次に、図5−1および図5−2は、ヒューリスティック関数の場合の在庫と受注残 の履歴を示している。縦軸はケース数であり、正なら在庫量、負なら受注残に当た る。この図から、情報遅れのある場合は情報遅れのない場合に比べて、明らかに上 流からの製品到達時間が遅れる。そのため顧客の需要は上流行程に行くにつれて増 幅するため、情報遅れのない場合に比べて、余分な発注を行っている。たった一時 間単位(ここでは一週間)の違いではあるが、コストの増幅は情報遅れのない場合に 比べて1.5倍に達している。この点から、情報遅れの存在しないように、情報シス テムを構築することが重要である。
㘈ቴ䈮
㆐䈚䈢
ຠᢙ ዊᄁᬺ ᬺ ㈩ㅍ Ꮏ႐ ✚䉮䉴䊃 ᑧ䈼
✚䉮䉴䊃 Heuristic 768 -㪈7㪈2 -3342 -4808 -5702 -㪈5564 -805754 ᒝൻቇ⠌ 764 -㪈㪈㪈2 -948 -㪈930 -2636 -6626 -2803㪈6
図 図 図
図 5 5 5‑ 5‑‑‑1111 ヒューリスティック関数の゛在庫−受注残゛履歴ヒューリスティック関数の゛在庫−受注残゛履歴ヒューリスティック関数の゛在庫−受注残゛履歴ヒューリスティック関数の゛在庫−受注残゛履歴((((情報遅れなし情報遅れなし情報遅れなし情報遅れなし))))
図 図 図
図 5555‑‑‑‑2222 ヒューリスティック関数の゛在庫−受注残゛履歴ヒューリスティック関数の゛在庫−受注残゛履歴ヒューリスティック関数の゛在庫−受注残゛履歴ヒューリスティック関数の゛在庫−受注残゛履歴((((情報遅れあり情報遅れあり情報遅れあり情報遅れあり))))
-㪈00 -50 0 50 㪈00 㪈50
1 11 21 31 41 51 61 71 81 91 101
ᤨ㑆න
䉬䊷䉴ᢙ
ዊᄁᬺ
ᬺ
㈩ㅍᬺ
Ꮏ႐
-㪈50 -㪈00 -50 0 50 㪈00 㪈50 200
1 11 21 31 41 51 61 71 81 91 101 ᤨ㑆න
䉬䊷䉴ᢙ
ዊᄁᬺ
ᬺ
㈩ㅍᬺ
Ꮏ႐