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