docIl Beer Game. - diegm - Università degli Studi di Udine
download 
Reclamo Transcript
Il Beer Game. - diegm - Università degli Studi di Udine
Applicazioni di Business Dynamics: Il Beer Game. Marilisa Favretto Università degli studi di Udine AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 2 AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 3 IL BEER GAME L’assenza di integrazione in una supply chain amplifica gli effetti della variazione della domanda. Una variazione semplice (a gradino) della domanda genera: – grandi disservizi (picchi elevati di ordini inevasi) – grandi overstock (scorte eccessive). 4 COS’È UNA SUPPLY CHAIN Una catena di operatori che soprassiede al processo di fornitura. ordini Fornitore di “primo livello” Fornitore di “secondo livello” Cliente di “primo livello” Cliente di “secondo livello” operatore materiali È caratterizzata da flussi fisici … … e da flussi informativi 5 DETERMINANTI DELLA COMPLESSITÀ DELLA SUPPLY CHAIN • Numerosità degli attori • Differenziazione delle attività degli attori • Grado di autonomia decisionale degli attori • Localizzazione degli attori (ritardi) • Variabilità della domanda 6 IL BEER GAME: IPOTESI DI BASE (1) • Il gioco simula gli andamenti degli stock ed il livello di servizio della supply chain di una società che produce e distribuisce birra. • Partecipanti al gioco: dettagliante, grossista, produttore. • Ciascun partecipante ha a disposizione un’area di stock. • Tra ciascun partecipante si ha un lead time di trasporto di 2 settimane. Dettagliante Grossista Produttore 7 IL BEER GAME: IPOTESI (2) • La domanda è data dal mercato sotto forma di ordini cliente settimanali. • Durante le 16 settimane del gioco la domanda sarà di 4 casse per le prime 4 settimane e poi di 8 casse per le settimane rimanenti. I partecipanti non conoscono la Ordini da cliente domanda. 8 Ordine cliente 4 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 t Mercato Dettagliante Grossista Produttore 8 IL BEER GAME: IPOTESI (3) • I partecipanti interagiscono attraverso ordini di acquisto (ordini emessi). • Gli ordini di acquisto vengono trasmessi e solo la settimana successiva il partecipante “a monte” li può vedere (ordini ricevuti). • I partecipanti non possono comunicare tra loro in altro modo. Mercato Dettagliante Grossista Produttore 9 IL BEER GAME: IPOTESI (4) • A monte della catena si generano gli ordini di produzione. • Il lead time di produzione è di due settimane. Ordini di Produzione Produzione Mercato Dettagliante Grossista Produttore 10 OBIETTIVO DEL GIOCO L’obiettivo del gioco è di minimizzare i costi totali della supply chain. I costi si distinguono in: • costi di mantenimento delle scorte • costi di stockout (ordini non evasi all’istante). 11 EFFETTO FORRESTER (1) Si Si definisce definisce “effetto “effetto Forrester” Forrester” la la ““amplificazione amplificazione della à del della variabilit variabilità del segnale segnale di di domanda/ordine domanda/ordine che che sisi riscontra riscontra man man mano mano che che questo questo risale, risale, da da valle valle aa monte, monte, dal dal retailer retailer al al manufacturer ” manufacturer,, lungo lungo una una filiera filiera logistica logistica” (Forrester, (Forrester, 1961) 1961) 12 AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 13 Mappa causale per i magazzini spedizioni magazzino fornitura 14 Giustificazione dei legami causali Le spedizioni fanno diminuire il livello delle scorte La fornitura fa aumentare il livello delle scorte spedizioni magazzino Se a magazzino non ci sono scorte, le spedizioni sono vincolate al valore nullo. fornitura 15 Mappa causale per il grossista LS_ob_g prev_g or_mens_g LS_g ICP_ob_g ICP_g ordini_ricevuti_g ordini_emessi_g back_orders_g ordini_chiusi_g ritardo_d sped_d magazzino grossista t_cons_p forn_p 16 AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 17 Mappa strutturale parziale per i magazzini fo rn_g de tta gliante ve ndite forn_p grossista sped_d produttore sped_g produzione 18 Struttura dei back-orders e legami con le spedizioni ritardo_d back_orders_g ordini_emessi_d ordini_ricevuti_g sped_d ordini_ricevuti_g grossista 19 Dagli ordini ricevuti agli ordini emessi or_mens_g prev_g ordini_aperti_g ordini_ricevuti_g ordini_emessi_g 20 Mappa strutturale per i costi dettagliante costi_sett_ob ordini_aperti_d costi_sett grossista ordini_aperti_g costi_tot_ob produttore costi_tot ordini_aperti_p 21 Mappa strutturale per il dettagliante DETTAGLIANTE dom_mens_d prev_d LS_ob_d LS_d ICP_ob_d ICP_d back_orders_d ordini_chiusi_d ordini_emessi_d domanda forn_g dettagliante vendite 22 Mappa strutturale per il grossista GROSSISTA prev_g or_mens_g LS_g LS_ob_g ICP_ob_g ICP_g back_orders_g ordini_ricevuti_g ordini_chiusi_g ordini_emessi_g forn_p grossista sped_d 23 Mappa strutturale per il produttore PRODUTTORE or_mens_p prev_p LS_ob_p ICP_ob_p ICP_p LS_p back_orders_p ordini_ricevuti_p ordini_chiusi_p lanci_p troughput_time produttore sped_g produzione 24 Mappa strutturale complessiva DETTAGLIANTE dom_mens_d GROSSISTA prev_d or_mens_g LS_ob_d LS_d prev_g LS_ob_g ICP_ob_d LS_g ICP_d ICP_ob_g or_mens_p ICP_g back_orders_g ordini_ricevuti_g ordini_emessi_d LS_ob_p ICP_ob_p ICP_p ritardo_g ordini back_orders_d prev_p LS_p ritardo_d ordini_chiusi_d PRODUTTORE back_orders_p ordini_chiusi_g ordini_emessi_g ordini_ricevuti_p ordini_chiusi_p lanci_p troughput_time domanda forn_p forn_g grossista dettagliante produttore sped_d sped_g vendite t_cons_g casse produzione t_cons_p 25 AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 26 Alcune equazioni del modello domanda = 4 << cases/wk >> + STEP (4 << cases/wk >>; STARTTIME + 4 << wk >> ) ordini_aperti_d dettagliante vendite = MIN ; domanda + 1 << wk >> 1 << wk >> forn_g = DELAYPPL(sped_d; t_cons_g ) ordini_aperti_g LS_g = IF or_mens_g < 1 << cases >>;1; MAX 0;1 or_mens_g ordini_chiusi_d = vendite 27 AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 28 RE-ENGINEERING • Si vuole confrontare il modello appena desunto dal Beer Game con un modello che preveda la condivisione delle informazioni. • In particolare, nel secondo modello ogni attore sa direttamente qual è la domanda del consumatore finale. 29 MODELLO A: Beer Game DETTAGLIANTE dom_mens_d GROSSISTA prev_d or_mens_g LS_ob_d LS_d prev_g LS_ob_g ICP_ob_d LS_g ICP_d ICP_ob_g or_mens_p ICP_g ordini_ricevuti_g ordini_emessi_d LS_ob_p ICP_ob_p ICP_p ritardo_g back_orders_g back_orders_d prev_p LS_p ritardo_d ordini_chiusi_d PRODUTTORE back_orders_p ordini_chiusi_g ordini_emessi_g ordini_ricevuti_p ordini_chiusi_p lanci_p troughput_time domanda domanda forn_p forn_g grossista dettagliante produttore sped_d sped_g vendite t_cons_g produzione t_cons_p 30 MODELLO B: condivisione delle informazioni DETTAGLIANTE dom_mens_d GROSSISTA prev_d LS_d prev_g or_mens_g LS_ob_d LS_ob_g ICP_ob_d ICP_ob_g ordini_ricevuti_g ordini_emessi_d LS_ob_p ICP_ob_p ICP_p ritardo_g back_orders_g back_orders_d prev_p LS_p ritardo_d ordini_chiusi_d or_mens_p ICP_g LS_g ICP_d PRODUTTORE back_orders_p ordini_chiusi_g ordini_emessi_g ordini_ricevuti_p ordini_chiusi_p lanci_p troughput_time domanda domanda forn_p forn_g grossista dettagliante produttore sped_d sped_g vendite t_cons_g produzione t_cons_p 31 AGENDA • Il Beer Game • Business Dynamics applicata al Beer Game – LA MAPPA CAUSALE – LA MAPPA STRUTTURALE – IL MODELLO DI SIMULAZIONE – RE-ENGINEERING – I RISULTATI DELLA SIMULAZIONE 32 Confronto tra modelli (1) MODELLO A: Beer Game MODELLO B: Condivisione Informazioni scorte scorte cases 40 cases 40 30 30 dettagliante grossista 20 dettagliante grossista 20 produttore 10 produttore 10 0 1 gen 0001 BC 1 gen 0001 0 1 gen 0001 BC 1 gen 0002 1 gen 0001 ordini emessi ordini emessi cases/wk cases/wk 15 15 10 domanda 5 0 1 gen 0001 BC 1 gen 0002 10 domanda ordini_emessi_d ordini_emessi_d ordini_emessi_g ordini_emessi_g lanci_p lanci_p 5 1 gen 0001 1 gen 0002 0 1 gen 0001 BC 33 1 gen 0001 1 gen 0002 Confronto tra modelli (2) MODELLO A: Beer Game MODELLO B: Condivisione Informazioni back orders Back orders cases cases 50 50 40 40 30 ordini_aperti_d 30 back_orders_d ordini_aperti_g back_orders_g ordini_aperti_p back_orders_p 20 20 10 10 0 1 gen 0001 BC 1 gen 0001 0 1 gen 0001 BC 1 gen 0002 1 gen 0002 costi settimanali di sistema costi settimanali di sistema euro/wk 150 euro/wk 100 100 150 costi_sett costi_sett costi_sett_ob costi_sett_ob 50 50 1 gen 0001 BC 1 gen 0001 1 gen 0001 1 gen 0002 0 1 gen 0001 BC 34 1 gen 0001 1 gen 0002 Confronto tra modelli (3) MODELLO A: Beer Game MODELLO B: Condivisione Informazioni costi totali di sistema costi totali di sistema euro euro 6.000 6.000 4.000 costi_tot 4.000 costi_tot costi_tot_ob 2.000 0 1 gen 0001 BC costi_tot_ob 2.000 1 gen 0001 1 gen 0002 0 1 gen 0001 BC 1 gen 0001 1 gen 0002 35 Conclusioni • La condivisione delle informazioni consente di attenuare l’effetto Forrester, ottenendo benefici per quanto riguarda la gestione delle scorte e degli ordini. • Ne consegue un significativo abbassamento dei costi totali di sistema. 36
