Stock e vendite check
Transcript
Stock e vendite check
Supply Chain Management Stock e vendite check-up empirico 30 novembre 2012 O Un vero e proprio check-up per intercettare le caratteristiche della domanda al fine di prevederla (o comunque stimarla) e dimensionare così in modo più intelligente le scorte, sia in termini di quanto, sia in termini di quando. Cinzia Rodelli Università degli Studi di Brescia Andrea Bacchetti Università degli Studi di Brescia - Centro di ricerca su Supply Chain & Service Management/CSMT - Centro di competenza sui processi gestionali rmai è risaputo: con l’inizio di questo millennio l’ambiente esterno in cui operano le aziende non è stabile, al contrario è caratterizzato da imprevisti e continue evoluzioni, costringendo così le imprese ad adattarsi rimettendo in discussione persino la modalità operative adottate da sempre. Condizioni chiave per il successo di un azienda sono: la riduzione al minimo degli sprechi, la disponibilità di informazioni consistenti e adeguate alle (diverse) esigenze dei vari livelli aziendali, il coinvolgimento da parte di ogni membro dell’azienda, che deve sentirsi parte attiva del gruppo e deve essere stimolato ad assumere un atteggiamento pro-attivo, rendendo in questo unico modo le decisioni aziendali rapide ed efficaci. Ogni singolo processo aziendale deve essere supportato da strumenti organizzativi (persone, ruoli, attività, procedure), metodologici (modelli, tecniche, algoritmi) e informativi (sistema gestionale, applicativi specifici, database) idonei, che permettono di volta in volta di ridisegnare, nel momento del bisogno, un’impresa al fine di tenerla costantemente allineate alle caratteristiche (variabili) del mercato. della domanda, preferendo (salvo rare eccezioni) reagire alla variabilità della domanda attraverso le scorte; il risultato netto, anche alla luce dell’aumento del numero di codici in anagrafica, è un significativo aumento dei costi di gestione delle scorte medesime. L’obiettivo deve al contrario essere quello di intercettare le caratteristiche della domanda al fine di prevederla (o comunque stimarla) e dimensionare così in modo più intelligente le scorte, sia in termini di quanto (volumi), sia in termini di quando. Da qui l’idea di progettare a realizzare il check-up descritto nel seguito. Metodologia e strumenti In questa prima fase di test si è lavorato su di un campione ristretto costituito da 3 differenti realtà industriali, adottando gli step metodologici riassunti in figura 1. Nel primo step si raccolgono i dati e le informazioni inerenti ai processi in target, attraverso la somministrazione di due questionari, uno preliminare di carattere generale e uno intensivo, focalizzato sulle specificità dei processi di previsione della domanda e gestione delle scorte. Il primo questionario viene compilato in modo autonomo da parte delle aziende, mentre il questionario intensivo richiede più interviste con una o più persone dell’azienda al fine di entrare nel dettaglio dei processi in esame investigando le sfere organizzativa, metodologica e informativa. Una volta ottenuti tutti i dati qualiquantitativi è possibile procedere all’archiviazione; in particolare si è scelto di creare un database in MS Access, integrandolo con alcune funzionalità che richiamassero Excel e Word e alcune analisi automatiche relative al confronto dei dati provenienti dalle diverse aziende partecipanti al check-up. La fase di analisi è stata suddivisa in due parti: per la parte di gestione delle scorta si applica (principalmente) la nota matrice incrociata ABC (con l’identificazione delle Tabella 1 - Panel aziende esaminate Azienda Settore Dimensioni Previsione della domanda Gestione delle scorte A Produttori di maniglie, pomoli, battenti per porte e finestre Piccola Dipendenti <50 Fatturato <10M Non realizzata Scorta minima per i due mesi successivi uguale alla quantità pari alla medie degli ultimi sei mesi di venduto B Produttori di sistemi integrati per il confort ambientali Media Dipendenti <250 Fatturato <50M Media mobile con periodo t=3 ND C Produttori di getti tec- Micro nici pressofusi in leghe Dipendenti<25 di alluminio e zama Fatturato<2M Non realizzata Punto di riordino per alcuni PF ritenuti più strategici Il panel di aziende Le caratteristiche principali delle 3 aziende partecipanti al progetto sono riportate in tabella 11. Si nota come le aziende siano significativamente differenti tra di loro, sia in termini di dimensione e settore, sia in termini di modalità operative: le aziende A e C non effettuano una vera previsione della domanda, ma utilizzano differenti tecniche per il dimensionamento delle scorte. L’azienda B al contrario realizza una previsione della domanda, seppur con una sola tecnica; purtroppo in questo caso non è stato possibile disporre di dati credibili relativi a giacenze e movimenti di magazzino e quindi ci si è concentrati solo sul processo di forecasting. Per motivi di riservatezza non è possibile esplicitare il nome delle aziende coinvolte 1 novembre 2012 In particolare, questo progetto si focalizza sui processi di previsione della domanda e gestione delle scorte, con l’obiettivo di supportare le aziende nell’identificare le aree critiche e porvi rimedio attraverso l’implementazione di leve organizzative e metodologiche. In che modo? Realizzando un vero e proprio check-up (in piena analogia con il checkup medico), investigando e analizzando una serie di dati quali-quantitativi relativi all’azienda in esame, al fine di esplicitare i principali punti di forza e soprattutto le principali criticità relative ai processi in target. È risaputo infatti che l’ottimizzazione dei processi legati alla previsione della domanda e alla gestione delle scorte permette di ottenere grandi vantaggi sia in termini di riduzione dei costi, sia in termini di miglioramento del livello di servizio offerto al cliente. Allo stesso modo è notorio il fatto che le PMI del nostro territorio da sempre abbiano un rapporto conflittuale con la previsione 31 Figura 1 - Metodologia applicata. conseguenti aree critiche) mentre per la parte della previsione della domanda si utilizzano due indici, CV2 (variabilità della domanda) e ADI (intermittenza della domanda). In base al valore che assumono tali indici si ottengono 4 aree (Smooth, Intermittent, Erratic e Lumpy), associabili ad altrettanti profili di domanda, tali da richiedere modelli previsionali diversi, pensati proprio per intercettare le peculiarità di ogni famiglia. Unendo i risultati ricavati dalla parte delle scorte e della previsione della domanda si riescono a identificare delle politiche mirate di gestione per ogni PF e/o famiglia di PF, dettagliate nel report consegnato alle aziende partecipanti al check-up. Supply Chain Management Figura 2 - Andamento venduto e giacenza PF Classe Fatturato A. 32 novembre 2012 Figura 3 - Andamento venduto e giacenza PF Classe Fatturato C. I grafici 2 e 3 si riferiscono all’azienda A. Evidenze empiriche Quali messaggi chiave sono emersi dal progetto? Azienda A: pochi punti di forza e numerose criticità. L’azienda utilizza un applicativo specifico per il calcolo del livello di scorta, ma con un solo algoritmo applicato in modo indifferenziato per tutti i PF, senza alcuna segmentazione. Inoltre non vengono dimensionate le scorte di sicurezza per fronteggiare eventuali richieste anomale, non esiste un formalizzato processo di pianificazione che coinvolga le diverse funzioni aziendali in gioco e non esiste nemmeno un cruscotto di indicatori di prestazione attraverso il quale monitorare l’andamento del processo. I grafici di figura 2 e figura 3 evidenziano per esempio delle gestioni quanto meno discutibili: nel grafico di sinistra un PF importante (Classe A di fatturato) si segnala per un livello di giacenza basso rispetto al venduto, con conseguente forte rischio di stock-out. Il grafico di destra mostra invece un PF meno importante (Classe C di fatturato) con un trend distintamente negativo che al contrario si segnala per un livello di giacenza molto elevato rispetto all’andamento delle vendite, di fatto addirittura nulle negli ultimi periodi. Azienda B: unica azienda all’interno del campione che abbia definito e strutturato un modello per la previsione della domanda, peraltro all’interno di una procedura che prevede il coinvolgimento mirato di più funzioni aziendali. Il problema principale è che lo stesso modello previsionale (media mobile) viene adottato indifferentemente per tutti i codici. Su questo fronte è stata condotta un’analisi di dettaglio che ha portato a simulare diverse altre tecniche di forecasting (Additive Decomposition, Multiplicative Decomposition, Brown, Holt e ARIMA), verificandone poi l’efficacia attraverso la classica matrice ME (Mean Error) - MAD (Mean Absolute Deviation); da tale analisi è emerso che l’utilizzo mirato di più tecniche previsionali porterebbe ad un’accuratezza media molto superiore rispetto allo scenario as is. Ciò è evidente dai grafici di figura 4, in cui si nota una maggiore concentrazione dei punti nel quadrante tipico dei modelli tarati e sotto controllo. Azienda C: anche in questo caso non si effettua la previsione della domanda, non sono dimensionate le scorte di sicurezza e non si considera alcun indice di prestazione. A differenza dell’azienda A, viene applicato il dimensionamento delle scorte solo per i PF ritenuti più strategici. In particolare viene utilizzata la metodologia del punto fisso di riordino; il problema che tali punti di riordino sono stabiliti solo in base all’esperienza, senza metodologie quantitative a supporto. Il risultato è che si generano situazioni paradossali come quelle descritte in figura 5. Per ogni PF si è proceduto quindi a calcolare il punto di riordino, il lotto economico ottimale di produzione / di acquisto (secondo la nota formula di Wilson) e le SS (con livelli di servizio variabili, differenziati per tipologia di PF). In particolare sono state svolte delle simulazioni per verificare cosa sarebbe successo se invece della metodologia as is si fosse impiegato un approccio quantitativo rigoroso (as may be), cercando di stimare il delta costi associato. I risultati dimostrano che esistono numerosi casi in cui sarebbe stato molto più conveniente adottare la metodologia proposta. Interessante notare che una quota parte di questi Figura 5 - Punti di riordino errati (azienda C). Figura 6 - Confronto tra situazione as is & as may be. casi coinvolgano i PF di classe A di fatturato. Esattamente uno di questi casi è riportato a titolo esemplificativo in figura 6. Poco più di 1.000 euro/anno potrebbero anche apparire come un risparmio esiguo; la proiezione sui più di 200 codici di PF gestiti dall’azienda porta però ad una cifra complessiva non lontana dal 10% del fatturato globale. Che al contrario sarebbe un risultato estremamente interessante, da perseguire nei prossimi mesi. processo di previsione della domanda, anche a causa di una limitata competenza teorica, da cui deriva una copertura Messaggi trasversali informativa pressochè nulla o e conclusioni I principali messaggi trasversali comunque “fuori sistema” (ad esempio fogli Excel); emersi, pur a fronte di un campione limitato, sono: P sia per le scorte, sia per la domanda, di fatto non esiste P buona copertura un controllo periodico di un informativa del processo adeguato cruscotto di indici di di dimensionamento delle prestazione; scorte; P scarso interesse verso il P ridotta enfasi verso il © RIPRODUZIONE RISERVATA novembre 2012 33 Figura 4 - Matrici ME - MAD (azienda B). processo di pianificazione, in particolare in nessun caso è stata riscontrata una segmentazione preliminare dei prodotti che permetta di associare ad ogni classe di articolo (ad esempio, secondo ABC di Pareto utilizzata) il modello di gestione più appropriato. Anche qui emerge un problema di (limitate) competenze e di infrastruttura IT obsoleta non in grado di supportare adeguatamente tale differenziazione di approcci. In sintesi, appare evidente, aldilà delle dimensioni limitate del campione attuale, che una metodologia di indagine quale quella progettata e implementata, focalizzata su previsione della domanda e gestione delle scorte, possa essere di estremo beneficio per tutte quelle PMI che non operano su commessa, bensì rispondono alla domanda del mercato attraverso il magazzino. Al crescente numero di codici da gestire e alla variazione delle caratteristiche della domanda (tipicamente con volumi più bassi e maggiore irregolarità) non si può rispondere esclusivamente con le scorte; occorre essere pro attivi, ma per esserlo occorre conoscere la propria domanda, occorre intercettarne le peculiarità ed occorre prevedere metodologie ad hoc che siano in grado di adattarsi al meglio a queste peculiarità. L’ultimo passaggio è certamente quello del sistema informativo, che deve rendere possibile tutto ciò; prima però occorre lavorare, e molto, sulle competenze di base e sull’infrastruttura organizzativa aziendale, che paiono essere gli aspetti ad oggi più carenti e quindi con maggiori margini di miglioramento. K