I rischi di una inesatta previsione della domanda

Effettuare una previsione inaccurata della domanda può portare a una serie di rischi e difficoltà operative ad un’azienda. Errori in fase di analisi conducono inevitabilmente ad un’errata programmazione delle attività, a cascata su tutti i reparti aziendali, rendendo difficile adattarsi rapidamente ai cambiamenti richiesti dal mercato, e conducendo a problemi che possono danneggiare la fiducia del cliente e la competitività stessa del brand. I rischi che ne conseguono vanno dalla mancanza di disponibilità del prodotto (out of stock), ritardi nelle consegne, aumento dei resi, e conseguente aumento dei costi operativi nei quali si incorre nel tentativo di rimediare. Per mitigare questo pericolo, le aziende posso utilizzare tecnologie avanzate con modelli predittivi e analisi dei dati storici, avvalersi di strumenti di gestione della Supply Chain per migliorare la precisione delle previsioni, oppure possono decidere di rivolgersi a consulenti specializzati, come pure terziarizzare la loro logistica ad un provider esperto, optando eventualmente per un outsourcing in house se non esternalizzando interi processi.

OBIETTIVI DEL FORECASTING E IMPLICAZIONI SULLA SUPPLY CHAIN

Il termine forecast indica, genericamente, una previsione. In molte aziende di medie e grandi dimensioni esisteranno quindi forecast di natura e obiettivi differenti: previsioni di domanda, previsioni di vendita, previsioni finanziarie (budget), previsioni di produzione etc.

È però importante comprendere come, se il processo di pianificazione è strutturato correttamente, il forecast di partenza dovrebbe essere solo uno ed in particolare la previsione della domanda. In funzione di questo forecast, che rappresenta quindi il pieno potenziale di vendita, ogni funzione potrà elaborare i dati per arrivare a costruire le diverse previsioni da utilizzare per rispondere alle diverse necessità aziendali.

L’IMPATTO DEL FORECAST SULLA SUPPLY CHAIN

Un sistema logistico-produttivo è normalmente caratterizzato da supply chain estremamente complesse, sia in termini di lunghezza che in termini di attori coinvolti. Le scelte che vengono fatte nella definizione del sistema di pianificazione e produzione possono quindi avere impatti enormi che, in ultimo, si rifletteranno in un trade-off tra i costi sostenuti dall’azienda e il livello di servizio offerto ai clienti.

Queste scelte non sono ovviamente univoche. Aziende diverse, ma anche supply chain e/o matrici di categorie e mercati differenti all’interno di una stessa azienda, potrebbero richiedere un sistema di gestione della produzione totalmente diverso.

Un bilanciamento non adeguato si tradurrebbe immediatamente in costi insostenibili che potrebbero non essere neanche sufficienti a garantire un livello di servizio accettabile.

Un’azienda che si trova costantemente in difficoltà nel rispondere alle richieste dei propri clienti nei tempi da loro richiesti, si troverebbe a dover ricorrere a soluzioni di urgenza estremamente costose (ordini urgenti, trasporti rapidi etc.) che potrebbero comunque rivelarsi insufficienti a raggiungere la soddisfazione del cliente.

Al contrario, un’azienda strutturata per rispondere in maniera estremamente rapida a qualsiasi richiesta, in un mercato che non lo richiede e che non valuta questa rapidità come un valore aggiunto, si troverebbe ad erodere il suo profitto a causa di una struttura di costi non ottimizzata.

PRODUCE- TO-FORECAST VS PRODUCE-TO-ORDER

I modelli estremi che possono essere applicati alla gestione di un sistema logistico-produttivo sono, nelle loro varie declinazioni, il Produce-to-Forecast ed il Produce-to-Order.

Il Produce-to-Forecast prevede che la produzione di un determinato prodotto (o semilavorato) sia basata esclusivamente sulle previsioni della domanda di mercato.

Il Produce-to-Order, al contrario, prevede che la produzione avvenga solo a fronte di un ordine certo di un cliente.

In una supply chain gestita completamente in Produce-to-Forecast i vari attori si troveranno a lavorare nella cosiddetta logica push: ognuno acquisterà materie prime e produrrà i propri prodotti finiti (o semilavorati) esclusivamente sulla base di previsioni, “spingendo” il proprio output verso un magazzino o direttamente verso l’anello successivo della supply chain.

Questo modello è adatto a quelle realtà caratterizzate da processi produttivi lunghi e complessi, per i quali per ovvi motivi non è possibile aspettare il ricevimento dell’ordine prima di iniziare la produzione, in quanto si vuole essere reattivi e avere un lead time di consegna quanto più ristretto.

Questo sistema ha rappresentato per decenni la logica dominante nella maggior parte dei settori industrializzati.

Il Produce-to-Order è apparso in letteratura nel corso degli ultimi due decenni del secolo scorso, all’interno delle tecniche di Lean Manufacturing nate in Giappone, in particolare nel settore automotive.

Infatti, Taiichi Ohno, riconosceva tra le 7 categorie di sprechi (Muda) da lui identificate nel 1988, sia la sovrapproduzione, che le scorte, entrambi considerati alla base della logica push. Pertanto, questo significava che questo tipo di sistema poteva essere migliorato e Ohno in primis cominciò a considerare l’eliminazione degli sprechi come opportunità di ottimizzazione non solo a livello locale, ma considerando l’intera supply chain.

In una supply chain gestita completamente in Produce-to-Order, ogni attore baserà qualsiasi operazione di acquisto o di produzione sulla base della certezza del successivo utilizzo del risultato del suo processo produttivo, trovandosi quindi in un sistema pull. L’intero processo si origina con un’azione dell’ultimo anello della catena (acquisto del cliente finale) che a cascata provocherà delle azioni su quelli precedenti (produzioni, ordini di materie prime che verranno a loro volta prodotte, etc..).

Questo modello, che potrebbe sembrare estremamente più efficiente del Produce-to-Forecast, è però applicabile nella sua interezza solo in determinati settori. L’automotive, dove è nato, ne resta l’esempio principale. Il cliente finale è infatti disposto ad aspettare diversi mesi tra il momento dell’ordine e la consegna della sua vettura.

La complessità del processo produttivo di ogni prodotto, la lunghezza della supply chain ed il tipo di mercato in cui si opera determineranno uno specifico split della supply chain, che potrà operare in modalità pull da un certo anello in poi, ed in modalità push in quelli precedenti.

Per ogni supply chain è necessario trovare il giusto bilanciamento. I casi intermedi sono ovviamente infiniti e possono diventare estremamente complessi, ma nella quasi totalità dei casi a partire da un certo punto della supply chain il forecast diventa necessario e la sua accuratezza quindi estremamente importante.

IMPORTANZA E IMPLICAZIONI DEL FORECAST

Un’azienda che, grazie all’innovazione tecnologica e al settore in cui opera, riesce ad organizzare il suo sistema produttivo completamente in modalità Produce-to-Order, dovrà comunque utilizzare il forecast per costruire il budget finanziario, per valutare gli investimenti necessari per far fronte ai volumi attesi, o per livellare la sua capacità produttiva nel medio-lungo periodo in modo da poter rispondere in maniera efficiente alle richieste del mercato.

Un’azienda che invece, interamente o a partire da un certo punto della supply chain, deve operare in modalità Produce-to-Forecast, utilizzerà le previsioni di domanda anche nel breve termine per guidare l’acquisto delle materie prime, l’andamento del sistema produttivo e i livelli di scorte conservati a magazzino.

È evidente come, per la sua natura previsionale, un forecast non potrà mai raggiungere la correttezza assoluta. È però altrettanto chiaro come la sua accuratezza sia importante al fine di raggiungere risultati e obiettivi aziendali e, al contrario, come grossi errori di forecast possano portare criticità rilevanti.

I modelli e i sistemi che possono essere utilizzati per la previsione della domanda sono molteplici, ad ogni modo è importante che garantisca l’imparzialità della previsione e che questa venga verificata attraverso l’analisi dei risultati storici. A seconda di come viene costruito il forecast e di chi sono gli attori coinvolti, potrebbero infatti venire inseriti elementi volti a condizionarlo.

Si è spiegato in precedenza come la previsione di domanda sia alla base di diversi processi aziendali (budget finanziario, previsioni di marketing etc..) e gli errori di previsione avranno ripercussioni su ognuno di questi, anche se ci limiteremo ad analizzare i principali effetti sulla supply chain.

Implicazioni sulla supply chain di un forecast over-stimato

Eccesso di materie prime, semilavorati e prodotti finiti in stock: quanto più la supply chain in esame opera in modalità produce-to-forecast, quanto più una sovrastima della domanda provocherà eccesso di inventario.

Questo, all’interno di un sistema produttivo, provoca diversi rischi:

o Capitale immobilizzato all’interno del ciclo produttivo e conseguente riduzione della capacità di investimento;

o Costi di stoccaggio e trasporto;

o Rischio di problemi di capacità (potrebbe verificarsi un eccesso di stock di un certo materiale che impedisce l’approvvigionamento di un altro prodotto invece necessario);

o Rischi di danneggiamento e obsolescenza delle scorte (con relativi costi di smaltimento e riacquisto).

Costi dovuti a risorse variabili inutilizzate

Anche in un sistema Produce-to-Order è infatti comune che la forza lavoro possa essere incrementata o ridotta a seconda della previsione di volume del periodo (facendo, ad esempio, ricorso a risorse temporanee e spostando risorse tra un reparto e l’altro). Risorse variabili inutilizzate si traducono immediatamente in costi fissi che non vengono riassorbiti dal volume venduto.

Implicazioni sulla supply chain di un forecast sotto-stimato

• Mancate vendite qualora i materiali/prodotti presenti in stock non siano sufficienti a coprire le richieste dei clienti, nei tempi da loro desiderati;
• Diminuzione del livello di servizio percepito dal cliente, a causa di mancate consegne o di consegne ritardate;
• Extra costi per cercare di far fronte alla domanda con ordini urgenti, trasporti più rapidi, capacità produttiva incrementata all’improvviso;

In conclusione è ora chiaro come ogni supply chain debba strutturarsi in modo da trovare il giusto equilibrio tra costi e livello di servizio, e come questo risultato possa essere il frutto di un mix di sistemi e logiche diverse che, in misura più o meno rilevante, saranno in ogni caso influenzate dal forecast e dalla sua accuratezza.

DIGITAL REVOLUTION

Digital Revolution, Industria 4.0, Automation sono termini che negli ultimi anni sono sempre più diventati realtà, trasformando profondamente il mondo del lavoro in molteplici settori.

Il mondo del Demand Planning si inserisce perfettamente in questo contesto: la mole di dati disponibili aumenta continuamente (dati storici sempre più dettagliati, dati di vendita e inventario condivisi direttamente tra clienti e fornitori, preferenze di acquisto derivate in tempo reale dal mondo dei social network e dell’e-commerce) ma, nella maggioranza dei casi, solo persone altamente qualificate (Data Analysts) sono in grado di accedervi e di sfruttarne il pieno potenziale.

Negli ultimi anni sono stati sviluppati e si stanno diffondendo diversi software user friendly che permettono di svolgere operazioni prima precluse a chiunque non avesse un background specifico molto solito. Questa tendenza è visibile negli ambiti più diversi, ma l’analisi dei dati è sicuramente uno di questi.

PROJECT ANALYST DEPARTMENT

In MM Operations è centrale il ruolo dei nostri Project Analysts, poiché contribuiscono a garantire l’efficienza, la trasparenza e la gestione ottimale dei progetti logistici.

L’analista di progetto è di estrema importanza in logistica per la pianificazione ed il coordinamento delle attività. Questo include la gestione delle risorse, la pianificazione e la coordinazione tra vari attori nella catena di approvvigionamento. Inoltre, è responsabile del monitoraggio delle prestazioni e delle performances. Questo coinvolge la valutazione di metriche chiave (KPI) per garantire che gli obiettivi siano raggiunti e per identificare eventuali aree di miglioramento.

Capire e gestire i pericoli è una componente critica nella logistica. Un Project Analyst aiuta a valutare e mitigare i rischi associati a ritardi, interruzioni della catena di approvvigionamento, cambiamenti normativi, e altri fattori che potrebbero influire sulle operazioni.

Ricordiamo che l’analisi è fondamentale per identificare aree in cui è possibile ottimizzare l’efficienza e per prendere decisioni informate. Un Project Analyst si occupa di raccogliere, analizzare e interpretare dati legati alle operazioni logistiche, fornendo informazioni utili per la pianificazione e la gestione delle risorse. Contribuirà così ad implementare miglioramenti nei processi operativi, riducendo i costi e incrementando la produttività complessiva, aiutando nell’implementazione e nell’ottimizzazione di tecnologie avanzate, come sistemi di tracciamento, automazione e software di analisi dei dati. La logistica coinvolge spesso diverse funzioni aziendali, tra cui produzione, acquisti, vendite e distribuzione. Il Project Analyst svolge un ruolo chiave nella collaborazione tra queste funzioni, garantendo un flusso efficiente di informazioni e coordinazione.

I mercati e le esigenze dei clienti possono cambiare rapidamente. Un Project Analyst è responsabile di adattare le strategie logistiche in risposta a cambiamenti nel mercato, nelle normative o in altri fattori esterni. Svolge un ruolo centrale nell’assicurare che le operazioni logistiche siano ben pianificate, efficienti e in grado di adattarsi ai cambiamenti nel contesto aziendale e di mercato.

UNO STRUMENTO PERSONALIZZABILE

MM Operations dal 2012 ha realizzato, aggiorna ed implementa costantemente il suo WMS, precursore rispetto al go live per la grande capacità che ha di supportare l’analisi dei nostri ingegneri fornendo dati secondo parametri estremamente personalizzabili alle specifiche del cliente, al settore, alle strategie, ecc…

MM.Net si interfaccia con i gestionali dei clienti in varie modalità e tecnologie a seconda dei processi coinvolti. È possibile gestire i dati di base utilizzando un semplice file Excel, mentre per le integrazioni più complesse è necessario affidarsi a file XML, database di frontiera e web services. La complessità di sviluppo dell’interfaccia del gestionale ha comunque un impatto minore sul cliente, interessato al risparmio che ottiene svincolandosi dalla gestione hardware e software del magazzino. L’elevato livello di parametrizzazione è la sua caratteristica principale, che permette di configurare il processo più adatto per il cliente nel modo più performante per il magazzino.

MM.Net è supportato da un’infrastruttura moderna per garantire la business continuity richiesta dai clienti. Tutti gli impianti sono interconnessi con tecnologia SD-WAN e doppia connettività: 100MB fibra e 25MB radio. La sicurezza del sistema è un aspetto di fondamentale importanza per i clienti, soprattutto se consideriamo che MM.Net non si limita a monitorare i processi e a restituire dati legati alla produttività. Tra i servizi aggiuntivi offerti figurano il controllo dei documenti, la gestione delle risorse umane e della fatturazione, e l’elaborazione periodica di report e statistiche. Dati sensibili, per la cui registrazione e archiviazione vengono richieste garanzie specifiche. Garanzie che MM Operations è in grado di offrire grazie ad apparati di sicurezza che assicurano la GDPR compliance e rilasciano avvisi automatici in caso di tentativi di intrusione o interruzione dei servizi. I server sono virtualizzati e i backup sono sia locali che remoti».

I dati raccolti dal sistema informativo MM.Net sono elaborati quotidianamente, dalle macro alle micro operazioni. Il sistema mette infatti a disposizione moduli aggiuntivi che permettono di gestire la produttività per singola attività. Strumenti essenziali che consentono di monitorare i livelli di servizio, individuare eventuali criticità e intervenire immediatamente in caso di bisogno.

MM OPERATIONS

Anche nel mondo MM Operations, la previsione della domanda è un aspetto centrale e attività critica. In funzione delle previsioni di vendita dei nostri clienti, MM Operations basa la programmazione delle attività a breve, medio e lungo termine. Su tutti, la programmazione del personale.

Una previsione della domanda accurata, permette di dimensionare le attività logistiche correlate, e di conseguenza dimensionare opportunamente l’organico, il parco mezzi, gli spazi, e qualsiasi risorsa coinvolta nelle attività operative.

Allo stesso tempo, sbagliare le previsioni di cui sopra può comportare importanti difficoltà operative anche nelle attività di magazzino. Sovrastimando la domanda, la merce in giacenza tenderà ad aumentare, rischiando di saturare oltre misura gli spazi di magazzino, e rallentando in questo modo le attività operative e causando possibili congestioni tra le corsie e quindi cali delle performance.

Viceversa, sottostimando la domanda, si rischia di svolgere le attività operative e logistiche senza il numero adeguato di risorse e di personale, e/o peggiorando di conseguenza il livello di servizio offerto al cliente finale.