Manifesto della Quantitative Supply Chain

di Joannes Vermorel, ultimo aggiornamento Maggio 2017

Lokad sta scoprendo nuovi modi per ottimizzare la supply chain e si pone come obiettivo di aiutare gli altri a fare lo stesso. Attraverso questo lavoro, siamo arrivati a capire che:

1. Vanno considerati tutti i possibili scenari futuri: a ogni possibilità corrisponde una probabilità

== I clienti stessi non sempre sanno cosa compreranno, quando compreranno, o se compreranno. L'incertezza non può essere negata e, anzi, va considerata. Questo non significa però che tutti gli scenari futuri abbiano la stessa probabilità di concretizzarsi: alcuni di essi sono infatti più probabili di altri. L'obiettivo delle previsioni è assegnare una probabilità a ogni possibile scenario futuro. Certo, si tratta di un'operazione che richiede imponenti capacità di calcolo. Tuttavia, grazie alla potenza dei moderni computer, questo non rappresenta più un problema.

2. Vanno considerate tutte le decisioni fattibili, analizzando possibilità e probabilità

== Ogni unità di merci a magazzino richiede almeno una decisione al giorno: meglio tenere l'unità al suo posto o impiegarla diversamente? Allo stesso modo, ogni unità non presente in magazzino, perché non ancora acquistata o non ancora prodotta, richiede almeno una decisione al giorno: meglio acquistare (o produrre) l'unità oppure no? Decisioni di questo tipo vanno prese ogni giorno, per ogni prodotto, ogni posizione, ogni fornitore, ogni percorso. Anche in questo caso, le importanti risorse di calcolo necessarie allo scopo non costituiscono più un ostacolo. Tutte le possibili decisioni vanno quindi esaminate in relazione a ogni possibile scenario futuro, e alla loro probabilità di concretizzarsi.

3. Per dare la priorità alle decisioni più fattibili, occorre utilizzare indicatori economici

== Zero scorte, zero rotture di stock, zero ritardi sono limiti teorici per la supply chain, ma non sono opzioni pratiche, né fattibili, né tantomeno redditizie. Uno degli obiettivi principali in materia di logistica è quello di minimizzare non le percentuali di errore, ma il costo in euro degli errori. Pensare che minimizzare le percentuali di errore si traduca automaticamente in una riduzione dei costi è sbagliato: i costi di magazzino devono essere controbilanciati dai costi delle rotture di stock; i prezzi di acquisto devono essere controbilanciati dalle quantità acquistate, e così via. Ogni tentativo di ottimizzazione dipende principalmente dai fattori che vengono ottimizzati. Per ottenere un procedimento di ottimizzazione che abbia senso dal punto di vista aziendale, occorre fare affidamento su una serie di driver, o indicatori, economici: questi consentono, infatti, di ordinare per priorità tutte le decisioni fattibili, in relazione al ritorno sull'investimento che potrebbero generare. Perfezionare i driver economici da ottimizzare può richiedere altrettante energie che perfezionare il processo di ottimizzazione stesso, ma gli sforzi sono ripagati dalla certezza che i risultati sono in linea con la strategia di business seguita dall'azienda.

4. Avere il controllo implica che tutte le operazioni meno importanti siano automatizzate

== L'automazione è un passaggio chiave per dare ai manager dell'azienda un maggiore controllo sulla supply chain. Se gestire le innumerevoli decisioni relative alla distribuzione richiede altrettante operazioni manuali, gli addetti alla supply chain rischiano di diventare schiavi del loro stesso processo di gestione. Dover intervenire manualmente di continuo è l'esatto contrario che avere il controllo.

Avere il controllo significa che la visione strategica dell'azienda viene tenuta in conto nei milioni di decisioni che vengono prese in relazione alla supply chain. Quando le condizioni del mercato cambiano, la visione strategica dell'azienda deve essere rivista di conseguenza. Rivedere una soluzione per la supply chain al fine di tenere conto della nuova strategia dell'azienda dovrebbe essere un'operazione indolore, da terminare in qualche ora, non in diverse settimane. Per di più, non dovrebbe esserci alcun limite alla quantità di esperienza tecnica che è possibile automatizzare.

5.I risultati numerici devono essere affidati a una figura dedicata, il supply chain scientist

== Se una supply chain è di dimensioni notevoli e funziona da anni, preparare i dati relativi alla distribuzione può essere difficoltoso. Anche i professionisti più esperti, così come i reparti informatici delle aziende, tendono infatti a sottovalutare la quantità di informazioni veicolata dai dati. Il primo passo in questa direzione consiste nello stabilire la semantica dei dati, ossia qual è il loro significato. La semantica dipende non solo dal software utilizzato, ma anche dalle diverse procedure operative che vengono seguite.

Decifrare e documentare la semantica dei dati richiede molte abilità. Inoltre, per arrivare a risultati numerici è necessario elaborare un modello adeguato per la supply chain, il che, a sua volta, richiede ulteriori abilità. Se si vuole che un progetto abbia successo, quindi, è di vitale importanza che a occuparsi dei risultati numerici sia una figura dedicata, il supply chain scientist: se infatti i dati vengono affidati a personale non opportunamente preparato in materia di scienza della logistica, il rischio è che il progetto fallisca per problemi sconosciuti legati ai dati, ai processi logistici o al modello elaborato, con il risultato che, una volta messi in pratica i risultati, la supply chain sprofondi nel caos.

---

CONTATTI