Se vivi in un ambiente industriale o di distribuzione, è probabile che il tuo portafoglio prodotti sia esploso negli ultimi dieci o vent’anni. Differenziazione del marketing, personalizzazione, elementi configurati, profondità delle reti di distribuzione: si tratta forse di decine o centinaia di migliaia di referenze da gestire.
In altre parole, decine o centinaia di migliaia di referenze le cui scorte devono essere dimensionate, che devono essere rifornite al momento giusto, i cui flussi devono essere orchestrati per garantire la disponibilità per i tuoi clienti in conformità con i tuoi impegni.
La complessità può portare le aziende a sviluppare soluzioni complesse. E non c’è dubbio che i processi devono essere automatizzati per potere gestire la complessità del portafoglio.
Se ascolti il canto della sirena della tecnologia forse ti verrà chiesto di implementare motori di intelligenza artificiale per sviluppare serie di previsioni sulla miriade di articoli, per prevedere l’incertezza di queste previsioni e dedurre le scorte di sicurezza, modulate dalla radice quadrata della variabilità dei tempi di consegna, ovviamente …
È possibile gestire tale complessità mantenendola semplice?
In diverse occasioni, ho avuto domande da interlocutori che avevano studiato la metodologia DDMRP, avevano ricevuto una formazione o letto uno dei libri di riferimento e che avevano dubbi sulla possibilità di utilizzare questo approccio su larga scala.
Una delle obiezioni è l’approccio dichiaratamente “roughly right” che usa il DDMRP per il dimensionamento delle scorte: si prendi un “Lead Time Factor” (fattore lead time), circa X% per “lead time medio”, lo si combina con un “Variability Factor” (fattore di variabilità) di circa Y% per “bassa variabilità”, si ottiene il “Buffer Profile”, lo si applica, se ne studiano gli effetti e si corregge in modo adattivo mentre il ciclo vita del prodotto evolve.
Concordo sul fatto che, per le menti più scientifiche, può essere sorprendente e persino preoccupante avere un approccio di questo tipo. Ma per chi ha anni di esperienza operativa nella gestione della supply chain, sarà sicuramente meno scioccante, perché alla base di queste valutazioni ci sono aspetti guidati dalle dinamiche dei sistemi complessi – che sono difficili da mettere in equazioni.
L’approccio “roughly right” significa concentrarsi sulla progettazione di un modello appropriato per il business, ma non significa giocare a dadi.
Infatti, Demand Driven fa rima con Data Driven. Per dimensionare le scorte e assegnare l’opportuno buffer profile, si analizziamo la domanda storica, se ne calcola la deviazione standard ed il coefficiente di variabilità, si valutano stagionalità e trend, si valutano i rischi nei flussi di approvvigionamento, si simula retrospettivamente l’efficienza dei buffer e, sì, sicuramente c’è anche spazio per affidare alcune di queste attività ad algoritmi di intelligenza artificiale.
Nel corso di progetti implementati su diversi siti e milioni di item, questo ci ha portato a sviluppare dei set di configurazione di base, che vengono applicati attraverso procedure software tipo lo “Smart Buffer Profiler Wizard”. Con pochi clic, queste procedura guidata consentono di assegnare profili buffer a migliaia di elementi, confrontare l’impostazione proposta con le scorte esistenti e convalidare la correttezza del dimensionamento. Questo approccio, combinato con la conoscenza specifica dei planner, consente ora di ottenere un modello di gestione scorte DDMRP ben calibrato in brevissimo tempo.
La semplicità è al centro della metodologia DDMRP, ma ciò non vuol dire assolutamente avere un approccio troppo semplicistico.
Gli elementi che rendono possibile la semplificazione sono:
- Il raggruppamento degli elementi in base al profilo dei buffer, o cioè la definizione di regole comuni per insiemi di elementi che dovrebbero comportarsi in modo simile a causa delle loro caratteristiche. Un data scientist chiamerebbe questo step “clustering”.
- L’istituzione di processi regolari (durante il DDS&OP) per regolare l’assegnazione dei profili buffer in base all’evoluzione delle caratteristiche dell’articolo e del comportamento storico, tramite procedure guidate dal software.
- Una gestione facile ed immediata di adeguamento massivo alle variazioni prospettiche di domanda attraverso gli “zone adjustment factors”
- Il ricalcolo dinamico dei buffer, attraverso le logiche di calcolo definite durante l’impostazione del modello. Il che implica niente più campagne di ricalcolo delle scorte di sicurezza originate da scottature prese per qualche stock-out oppure per effetto di target di riduzione di scorte top-down.
- Un orchestrato monitoraggio giornaliero, in cui si interviene per eccezione, sia sulle priorità di pianificazione che per gli alert nella fase di execution.
- L’uso della simulazione per anticipare e valutare eventuali situazioni di rischio.
E soprattutto… la facile comprensione del modello da parte dei team che lo gestiscono e che lo migliorano progressivamente.
Quindi, se hai una grande complessità da gestire, sia in termini di parti d’acquisto, che intermedi, prodotti finiti, o anche molteplici nodi di network dove tieni uno stock distribuito, ecco una metodologia che fa per te: l’approccio DDMRP è ora industrializzato e continua a progredire, per permetterti di gestire ambienti sempre più complessi con facilità.
