Chaos Monkey และซัพพลายเชนของ Netflix

เมื่อเร็ว ๆ นี้ฉันได้พูดคุยกับ Carlos Crespo ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของบริษัทแม่ Zara Inditex ซึ่งเขาได้กล่าวถึงเครื่องมือซอฟต์แวร์ที่สร้างขึ้นโดย Netflix เมื่อกว่าทศวรรษที่แล้วเพื่อกำหนดความยืดหยุ่นของระบบ ชื่อนี้ติดหู และสำหรับผู้นำด้านซัพพลายเชนที่พยายามคิดค้นเครือข่ายซัพพลายของตนใหม่ในช่วงเวลาที่ปั่นป่วนนั้น ก็ไม่อาจต้านทานได้ และยัง GoogleGOOG
การค้นหาคำว่า “ห่วงโซ่อุปทานลิงโกลาหล” ให้ผลอย่างแน่นอน หนึ่งการอ้างอิงจาก 2012

ทำไมเราไม่นำแนวคิดนี้ไปปรับใช้กับความยืดหยุ่นของห่วงโซ่อุปทาน

Chaos Monkey คืออะไร?

มันเป็น เครื่องมือซอฟต์แวร์และกว้างกว่านั้นคือหลักการทางวิศวกรรมที่สุ่มปิดส่วนต่างๆ ของระบบที่ซับซ้อนซึ่งบังคับให้ผู้ปฏิบัติงานต้องกู้คืนชีวิต คล้ายกับการซ้อมหนีไฟแบบเซอร์ไพรส์ แต่ทุกวัน ในรูปแบบและสถานที่แบบสุ่ม แนวคิดคือการแก้ปัญหาระบบอย่างรวดเร็วเป็นกระบวนการเรียนรู้ที่ควรได้รับประโยชน์จากช่วงการเรียนรู้ที่สูงชัน

เรื่องราวเบื้องหลังเกี่ยวกับการที่ Netflix ปรับขนาดธุรกิจการสตรีมบน Amazon Web Services ในขณะที่เปลี่ยนจากการจัดส่งดีวีดีไปยังหน้าประตูบ้านของลูกค้า ในตอนแรก หน้าแดง เป็นวิธีการที่สมเหตุสมผลในการวางแผนระบบสำรอง เช่นเดียวกับที่คุณคาดหวังจาก NASA แต่ในทางปฏิบัติ วิธีนี้เป็นการใช้ประโยชน์จากบรรทัดฐานทางวัฒนธรรมของ Netflix ในการอนุญาตให้ผู้มีส่วนร่วมแต่ละคนแก้ปัญหาของตนเองได้ ตามพงศาวดารใน “วิศวกรรมความโกลาหล” หนังสือปี 2020 ของ Casey Rosenthal และ Nora Jones ซึ่งเป็นผู้บุกเบิกแนวทางปฏิบัติที่ Netflix สรุปหลักการไว้ห้าประการ:

• สร้างสมมติฐานเกี่ยวกับพฤติกรรมในสภาวะคงที่
• เปลี่ยนแปลงเหตุการณ์ในโลกแห่งความเป็นจริง
• ทำการทดลองในการผลิต
• ทำการทดสอบอัตโนมัติให้ทำงานอย่างต่อเนื่อง
• ลดรัศมีการระเบิดให้น้อยที่สุด

การผสมผสานระหว่างวัฒนธรรมและกระบวนการที่ Netflix มีความสำคัญ เนื่องจากช่วยส่งเสริมและใช้ประโยชน์จากแนวทางการแก้ปัญหาแบบโอเพนซอร์ส ขณะที่การหมุนวงล้อของการปิดระบบแบบสุ่มอย่างเป็นระบบจะเร่งการเรียนรู้ทั่วทั้งทีม

ความยืดหยุ่นของห่วงโซ่อุปทานและวิศวกรรมความโกลาหล

การแปลงแบบดิจิทัล ในห่วงโซ่อุปทานได้รับความนิยมอย่างมากในปีนี้ เนื่องจากช่วยให้ห่วงโซ่อุปทานสนับสนุนรูปแบบธุรกิจใหม่และขับเคลื่อนไปสู่การดำเนินงานที่ยั่งยืน (ดูการศึกษา BCG X) แต่ยังเพราะมันสัญญาว่า "ความยืดหยุ่น" น่าเสียดายที่การใช้งานจริงของการแปลงทางดิจิทัลสำหรับความยืดหยุ่นของห่วงโซ่อุปทานยังคงลดลงไปสู่แพลตฟอร์มเพื่อ "การมองเห็น" ที่ดีขึ้น ซึ่งได้รับการสนับสนุนจากกลยุทธ์ดั้งเดิมมากมาย เช่น การบัฟเฟอร์สินค้าคงคลังและการจัดหาสองทาง การหนุนแนวทางนี้เป็นอีกชั้นหนึ่งของงานวิเคราะห์ เวลาในการฟื้นตัว โดย David Simchi-Levi ที่ MIT และคลื่นของการจำลองโดยใช้ฝาแฝดดิจิทัล ทั้งหมดนี้ฟังดูดี แต่สิ่งที่ขาดหายไปคือวิธีการทดลองอย่างเป็นระบบกับความล้มเหลวของห่วงโซ่อุปทานจริง เพื่อเรียนรู้วิธีที่ดีที่สุดในการกู้คืนในทางปฏิบัติ

การใช้ Chaos Monkey กับซัพพลายเชน

แพทย์ใช้คำสาบานของฮิปโปเครติสก่อนที่จะเปิดปากเรา รวมถึงคำกล่าวที่ว่า "อย่าทำอันตรายก่อน" ไม่ใช่ความคิดที่ดีสำหรับใครก็ตามที่ใช้หลักการของ Chaos Monkey กับซัพพลายเชน ซึ่งทำให้เกิดการสุ่มปิดเครื่องจริงที่ไหนสักแห่ง นี่ไม่ใช่เรื่องเล็กน้อย และเท่าที่ฉันรู้ มันยังไม่เกิดขึ้นที่ไหนเลย

• หลักการแรกที่อ้างถึงข้างต้นกล่าวว่าให้เน้นที่ผลลัพธ์ของระบบมากกว่าคุณลักษณะภายใน ตรวจสอบว่าระบบทำงานแทนการพยายามทำความเข้าใจว่าเหตุใดจึงใช้งานได้
• หลักการที่สองกล่าวว่าให้ทำลายสิ่งต่าง ๆ ด้วยวิธีที่เป็นจริง ไม่จำเป็นต้องจำลองสงครามเทอร์โมนิวเคลียร์ทั่วโลก เพียงแค่ปิดสวิตช์หรือทำคำสั่งเสีย แล้วเรียนรู้ว่าวิธีแก้ปัญหาใดได้ผลดีที่สุด
• หลักการที่สามกล่าวว่าสถานที่ที่ดีที่สุดในการเรียนรู้คือการผลิต การเรียนรู้ด้วยการกระทำดีกว่าการเรียนรู้ด้วยสถานการณ์จำลอง กล่าวคือ แฝดดิจิทัลนั้นยอดเยี่ยม แต่อาจไม่เพียงพอที่จะสร้างวัฒนธรรมแห่งความยืดหยุ่น
• หลักการที่สี่ทำให้หลักการของ Chaos Monkey เป็นสถาบัน เพราะช่วยให้สามารถปรับขนาดกระบวนการทดลองได้ ซึ่งจะพาคุณไปสู่ช่วงการเรียนรู้ที่สูงชันขึ้น ใช้วิทยาศาสตร์ข้อมูลในการดับเพลิง
• สุดท้าย ลดรัศมีการระเบิดให้เหลือน้อยที่สุด ซึ่งหมายความว่า "อย่าทำอันตราย" และแปลเป็นการระงับบางอย่าง (สินค้าคงคลัง เวลานำส่ง เรือด่วน) เพื่อปกป้องลูกค้าไม่ให้รู้สึกถึงการทดลองของคุณ เรียนรู้การจัดการระเบิดที่ควบคุมได้

หนึ่งอาจโต้แย้งว่าสามปีที่ผ่านมาของ Covid, สงคราม, ความไม่สงบของแรงงานและความยุ่งเหยิงทางเศรษฐกิจเป็นความโกลาหลครั้งใหญ่สำหรับทุกคน บทเรียนจาก Netflix คือวิกฤตแบบนี้ไม่ใช่แค่สิ่งที่ต้องวางแผน แต่เป็นสิ่งที่ต้องควบคุมให้เป็นความจริงถาวรของชีวิต

พายุที่สมบูรณ์แบบอาจไม่มีวันสิ้นสุด ดังนั้นบางทีเราควรเรียนรู้ที่จะอยู่กับมัน