simco: previsione della domanda e gestione delle scorte tecniche e strumenti avanzati
DESCRIPTION
Previsione Domanda e Gestione ScorteTRANSCRIPT
Diego Giometti - SIMCO
Convegno“LA LOGISTICA DEL FUTURO”
Previsione della domanda e gestione delle scorte: tecniche e strumenti avanzati
15 marzo 2007
DAL “CUSTOMER SERVICE” AL “CUSTOMER SUCCESS”La logistica, nella Supply Chain, deve soddisfare i bisogni del cliente con costi che rappresentino – a conti fatti – un investimento redditizio per l’azienda (“il giusto costo” e non necessariamente “il minor costo”).
Occorre capire quali siano i bisogni del mercato e misurare i risultati ottenuti secondo opportuni indicatori, che misurano tipicamente la disponibilità delle scorte a fronte delle richieste del mercato, il numero di righe d’ordine evase complete, gli ordini evasi completi, il rispetto delle date di consegna etc.
In realtà, la tendenza è quella di darsi come obiettivo il cosiddetto “Ordine Perfetto”. Il livello di servizio complessivo è misurato come prodotto delle classiche citate componenti: l’ordine deve essere completo, senza ritardi, con merce accettabile al 100%, consegnata al posto giusto etc.
Molti dei suddetti aspetti, per essere perseguiti, richiedono alti livelli di scorte e quindi la gestione razionale delle scorte diventa prioritaria.
Una corretta previsione della domanda è condizione necessaria (anche se non sufficiente…) per potere competere a costi accettabili.
LE SCORTE: UNA RISORSA DA OTTIMIZZARE
MEN MACHINERY
MATERIALS
MONEY
AZIENDA
sistemi di produzione,
distribuzione, stoccaggio, …
acquisto, vendita
quanto ordinare, quando ordinare,
cosa ordinare
IL COSTO DELLE SCORTE: VALORI PRATICIVoci % sul valore
ONERI FINANZIARI (capitale immobilizzato) 2-4
OCCUPAZIONE DI SPAZIO (spazio, attrezzature, ...) 4-8
SERVIZI GENERALI (riscaldamento, illuminazione, …) 2-6
ASSICURAZIONE (furto e incendio) 1-3
SCORTA MORTA (deterioramento, obsolescenza)2-8
TOTALE DEI VALORI MEDI 20%Per contro, le scorte costano anche… quando mancano! Il problemaè la stima del costo derivante dalla rottura di stock ed il bilanciamento ottimale di questi costi con quelli (duali) derivanti dal mantenimento a scorta: si tratta di una questione complessa.
Azienda “A”:Fatturato annuo: 5 milioni di EuroForza lavoro: 85 personeImmobilizzazioni tecniche (impianti, edifici): 2,5 milioni di EuroRimanenza media: 0,5 milioni di Euro
Azienda “B”:Fatturato annuo: 5 milioni di EuroForza lavoro: 85 personeImmobilizzazioni tecniche (impianti, edifici): 2,5 milioni di EuroRimanenza media: 2,5 milioni di Euro
Le due aziende operano nello stesso mercato e conseguono livelli di servizio simili; inoltre, il bilancio tra interessi passivi ed attivi generato dai crediti e debiti con Fornitori e Clienti è sostanzialmente in pari.
PIÙ COMPETITIVI CON UNA CORRETTA GESTIONE
Le due aziende hanno un costo di mantenimento a scorta simile (oneri finanziari, spazi di magazzino, obsolescenza etc.) ed è pari al 15% della rimanenza media.Pertanto, i 2 milioni di Euro di differenza nel valore della scorta mediamente presente in più nel magazzino dell’Azienda B vanno ad aggravare il bilancio del seguente extra:
2.000.000 Euro x 0,15 = 300.000 EuroPertanto, se a conti fatti l’Azienda A ha avuto un profitto di 500.000 Euro sui 5 milioni di fatturato (ossia, un buon 10% di “return on sales”), a parità di tutto il resto l’Azienda B avrà un “return on sales” pari appena al 4%!Una situazione analoga di ha valutando il cosiddetto “return on assets”, ossia la resa del capitale investito in asset quali edifici, impianti ed anche scorte:
Azienda A = 500.000 Euro / (2.500.000 + 500.000) = 16,7%Azienda B = 200.000 Euro / (2.500.000 + 2.500.000) = 4,0%
PIÙ COMPETITIVI CON UNA CORRETTA GESTIONE
LE SCORTE: STRUMENTO PER IL SERVIZIO AL CLIEN
Spazio: raramente il luogo in cui un bene si produce coincide con quello in cui tale bene viene consumato. In funzione del tempo concesso dal Cliente, può essere inevitabile il posizionamento anticipato dei beni in depositi geograficamente prossimi al mercato
Tempo: alcuni prodotti hanno una produzione concentrata nel tempo, mentre il consumo è “diluito” (ad es.: i prodotti della terra), per altri è vero il contrario
Quantità ed assortimento: i produttori, di solito, tendono a produrre grandi quantità di relativamente pochi codici per ragioni di economia, mentre il mercato vuole esattamente l’opposto.
Per eliminare queste discrepanze, si tende a produrre in anticipo e ad avvicinare le merci al Cliente finale: ciò rende pressoché indispensabile potere disporre di un forecast affidabile, elemento primo per una Supply Chain efficace ed efficiente.
Le scorte riducono i problemi tra fornitori e clienti in termini di:
60%
30%
10%
Imprevedibilità domanda Inaffidabilità dei fornitori Incertezze interne all'azienda
Migliorare il forecast è la maniera più efficace per
ridurre le incertezze e ridurre l’eccesso di scorte
L’IMPREVEDIBILITÀ GENERA SCORTE IN ECCESSO
Le fonti di imprevedibilità
Fonte: Palo Alto University CA. 2002 Fonte: Palo Alto University CA. 2002
L’IMPORTANZA DI UN BUON FORECAST: DOVE IMPATTA?Una previsione “buona” ha impatto sia sulle scorte di ciclo, come è ovvio, per ordinare davvero quello che ci serve quando ci serve, sia sulle scorte di sicurezza, comunque inevitabili nel mondo reale.
Infatti, buona parte delle suddette scorte di sicurezza devono fare fronte alla variabilità cui la domanda è soggetta nell’attesa del ripristino della disponibilità pianificata: in ottica di forecast, la “variabilità” va letta come “imprecisione” della previsione stessa.
Pertanto, l’aumento dell’affidabilità del forecast significa anche riduzione di parte delle scorte di sicurezza.
Una buona previsione, inoltre, è un patrimonio sia dell’azienda che dei fornitori che siano coinvolti in un approccio “collaborativo” nella filiera.
22LT
2LTD, PσSDELTσ ⋅+⋅=
INPUTRicerche di mercatoValori storici della domandaCampagne pubblicitarieAzioni promozionaliOpinioni di esperti
INPUTRicerche di mercatoValori storici della domandaCampagne pubblicitarieAzioni promozionaliOpinioni di esperti
FORECAST SYSTEMFORECAST SYSTEM
VINCOLIPolitiche direzionaliRisorse disponibiliCondizioni di mercatoTecnologia
VINCOLIPolitiche direzionaliRisorse disponibiliCondizioni di mercatoTecnologia
FATTORI AMBIENTALI
Economici Sociali (stile, moda)Politici (azioni legislative)Culturali (nazionalità, etnia)
FATTORI AMBIENTALI
Economici Sociali (stile, moda)Politici (azioni legislative)Culturali (nazionalità, etnia)
What (quali articoli & in quali quantità sono venduti)
When (il momento in cui sono richiesti)Where (per area geografica e/o per Cliente)
What (quali articoli & in quali quantità sono venduti)
When (il momento in cui sono richiesti)Where (per area geografica e/o per Cliente)
LA PREVISIONE DELLE DOMANDA
TECNICHE DI ESTRAPOLAZIONEDELLE SERIE STORICHE:
- MEDIE MOBILI (semplice, ponderata)
- SMORZAMENTO ESPONENZIALE (Winters etc.)
- DECOMPOSIZIONE / PROIEZIONE TREND
- RICERCHE DI MERCATO
- TEST E SONDAGGI
METODI DI RILEVAZIONE QUANTITATIVA:
METODI A BASE SOGGETTIVA:
- FORZA DI VENDITA
- PANEL DI ESPERTI (Metodo Delphi)
- SCENARI FUTURI / ANALOGIE
METODI CAUSALI BASATISU CORRELAZIONE:
- REGRESSIONE (lineare, quadratica,multipla etc.)
- ECONOMETRICI / INPUT-OUTPUT
LE TECNICHE TRADIZIONALI
COS’È UN BUON FORECAST?Una previsione può definirsi “buona” ovviamente in base al rapporto costi – benefici ad essa associabile.
Essere in grado di fare un buon forecast deriva dalla somma di:
la scelta della giusta tecnica algoritmica
fornire i dati giusti all’algoritmo, dove per “giusti” si intende tali da sottintendere la prevedibilità del fenomeno, scartando gli eventi eccezionali e memorizzando gli effetti di quelli ripetibili in futuro (promozioni, pubblicità, sconti etc.)
un buon processo di comunicazione (all’interno all’azienda e/o con gli altri anelli della Supply Chain) dei risultati ottenuti dagli algoritmi
un buon processo di revisione dei dati stessi, per sfruttare la conoscenza del mercato: attenzione però a non “esagerare”, ed a tracciare il “chi, quanto & perché” ha effettuato le modifiche
FASE 0Depurazione dei dati storici
di domanda
FASE 0Depurazione dei dati storici
di domanda
FASE 3Previsione della
domanda per il futuro
FASE 3Previsione della
domanda per il futuro
FASE 1Scelta ed inizializzazionedell’algoritmo previsionale
FASE 1Scelta ed inizializzazionedell’algoritmo previsionale
Simulazione della previsione sui dati storici
Simulazione della previsione sui dati storici
FASE 2Adattamento delle tecniche previsionali
Analisi degli scostamenti rilevati
Analisi degli scostamenti rilevati
Scelta dei parametridi funzionamento
Scelta dei parametridi funzionamento
Almeno 2 anni se la domanda è stagionale
(ovvero 2 cicli di stagionalità)
1 anno(ovvero un ciclo di
stagionalità)
6 mesi - 1 anno
LA PREVISIONE DELLE DOMANDA
AZIONI SPECIALI (politiche di marketing, offerte speciali, campagne di vendita, promozioni, ...)
At+m
S’t+m
Kt+m
EFFETTI DI CALENDARIO (festività mobili, giorni lavorativi, …)
ALTRE INFORMAZIONI (commesse particolari, andamento del mercato, azioni della concorrenza, …)
Pt+m = Pt+m. S’t+m
. A t +m + Kt+m
LA PREVISIONE DELLE DOMANDA
DPM è una suite di pianificazione avanzata facile da usare e facile da integrare con il sistema informativo aziendale.
Previsioni di venditaScorte ottimali per garantire il servizio al clienteFabbisogni di distribuzione, acquisto o produzione
SistemaInformativoAziendale
Market Intelligence Service / Investment Policy Definition
DPM richiede un minimo supporto dell’utenteLa pianificazione può essere completamente automatizzata e l’intervento
dell’utente può essere limitato alla gestione delle eccezioni.
Previsioni di venditaScorte ottimali per garantire il servizio al clienteFabbisogni di distribuzione, acquisto o produzione
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Copertura funzionalePrincipali attività coperte dallo strumento
Pianificazione acquisti _____
_____ Pianificazione della distribuzione
_____ Calcolo previsioni di vendita
Pianificazione delle scorte e del servizio al cliente
Pianificazione trasporti
Pianificazione delle scortenei punti di vendita
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Benefici ottenibili con DPMAumento dei livelli di servizio, riduzione delle mancate vendite, riduzione dei costi,massimizzazione del margine.
Costi sostenutiper garantire
il servizio al cliente
Livello di Servizio (%)
0 20 40 60 80 100
• Stato attuale
•Obiettivo
Curva ottimale DPMDPM pianifica i flussi per raggiungere l’obiettivo di servizio con il minimo costo
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Sales Budgetingand CollaborativeForecastingForzatura della previsione a vari livelli di aggregazione per referenza/mercato (o attributi di aggregazione) per orizzonti temporali: giornalieri, settimanali, mensili e annuali (es. inserimento budget generale, per business unit, per agente ecc). Inserimento correttivi alle previsioni per eccezione.
GlobalTotale prodotti della divisione
GlobalGlobalTotale prodotti Totale prodotti della divisionedella divisione
MacrofamilySotto insieme
della stessa divisione
MacrofamilyMacrofamilySotto insiemeSotto insieme
della stessa divisionedella stessa divisione
FamilySotto insieme
della stessa macrofamily
FamilyFamilySotto insiemeSotto insieme
della stessa macrofamilydella stessa macrofamily
ItemSingola Stock Keeping Unit
ItemItemSingola Stock Singola Stock KeepingKeeping UnitUnit
GlobalTotale aree e/o canali
di vendita
GlobalGlobalTotale aree e/o canali Totale aree e/o canali
di venditadi vendita
MacroareaInsieme di area e/o
canali di vendita
MacroareaMacroareaInsieme di area e/o Insieme di area e/o
canali di venditacanali di vendita
MicroareaAggregato elementare
di domanda
MicroareaMicroareaAggregato elementareAggregato elementare
di domandadi domanda
AreaArea georafica e/o cliente
e/o canale di vendita
AreaAreaArea Area georaficageorafica e/o clientee/o cliente
e/o canale di venditae/o canale di vendita
DayDayDay
WeekWeekWeek
MonthMonthMonth
YearYearYearTime slotTime slot
MarketMarket
ProductProductHypercube Management
AttributesAttributes
AttributesAttributes
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Budgeting and Commercial OverridesForzatura della previsione a vari livelli di aggregazione per referenza/mercato (o attributi di aggregazione) per orizzonti temporali: giornalieri, settimanali, mensili e annuali (es. inserimento budget generale, per business unit, per agente ecc). Inserimento correttivi alle previsioni per eccezione.
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Automatic Forecast CalculationFBFTM Unique Technology
Il calcolo automatico delle previsioni è effettuato usando il Frequency BasedForecasting (FBFTM), primo algoritmo di previsione autoadattativo in grado di analizzare lo storico della domanda in base alla quantità e al numero di richieste (analisi frequenza di richiesta).
Vantaggi:-Minori errori di previsione -Capacità di reagire alle variazioni repentine della domanda (sia per i prodotti alto movimentati che per i prodotti basso movimentati)
-Migliore stima dell’errore di previsione
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Trend AnalysisCalcolo automatico del trend per aggregati fino al dettaglio referenza/cliente
Seasonality PatternsAnalisi comportamento stagionale della domanda
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Sales CalendarGestione effetto dei calendari di vendita
Forecast Error AnalysisAnalisi errori nel dettaglio referenza/cliente
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
Supersessions LinksGestione dei legami di sostituzione (uscita nuovi prodotti, sostituzione vecchi prodotti ecc.)
Old item New item
STRUMENTI AVANZATI DI DEMAND PLANNING: L’ESEMPIO DEL “DPM”
I NUOVI PROCESSI: DAL DEMAND PLANNING AL SIOP(Sales Inventory & Operation Planning)
BudgetForecast
Strategic(Yearly/Quarterly)
Operational(Weekly & Daily)
Aggregate Forecast / Special Service Agreements / Commercial Overrides
Tactic(Monthly)
Service PolicyPlanning
Target Service Levelper product/market segments
SO&IP MonthlyReview
Modifyed Aggregate Commercial Forecast
Commercial Overrides (ex. Customer/Family/Product ect.)
Operational Inventory
Optimization
Daily Automatic Replenishment
Engine
Reviewed Service PolicyService & Inventory Constrains
Exceptions Reports :Under Service/Overstock
Supply ChainPlanning Suite
& Dynamic Inventory Optimization System
ERP
Service Policy By Excepion
Time Phased Operational Forecast x item x area
Stock To Service Curves per sku/l Optimal inventory levels
Indentification of low margin items/markets
Time Phased Operational Forecast x item x area
Dynamicly Optimal Inventory Levels by SKU/L
Exception Reports & Error Forecast Analysis
Interdepo Transfer Reports
Execution
Purchasingrequirements /proposals
Network evolution What if analysis
Forecast DeliverPurchase SellStockManufacture
Modello di business tradizionale, basato sulle previsioni(anticipatory model):il cuore delle attività è fatto cercando di anticipare i fabbisogni futuri.
Informazioni sulla vendita non disponibili con tempestivitàLe imprese che fanno parte della S/C non condividono i loro pianiIl business è necessariamente guidato da forecast elaborati individualmenteA causa degli errori di forecast, inoltre, spesso si rinuncia a farlo o a tenerne
contoCome risultato:
o scorte non basate sulla pianificazioneo relazioni non collaborative (o addirittura antagoniste) tra gli attori della
S/C
Questo modello di business presenta dei rischi, legati alla non affidabilità delle previsioni (e questa deve essere una spinta a migliorare la qualità del forecast e non una scusa per rinunciarvi!) ed inoltre implicitamente comporta una duplicazione delle previsioni per ciascun azienda partecipante alla S/C.
UN FUTURO SENZA PREVISIONI?
Sell Purchase DeliverManufacture
Modello di business basato sulla capacità di reazione(responsive model):il segreto di questo modello è nella coordinazione.
Cerca di ridurre la dipendenza dalle previsioni, per mezzo di:o pianificazione congiuntao rapido scambio delle informazioni tra le aziende parte delle S/C
L’obiettivo finale potrebbe essere addirittura l’eliminazione del forecast!!!Il presupposto è la disponibilità, grazie ad ICT e internet, di informazioni low-
cost, veloci ed accurateAltro presupposto – e risultato – è la velocità del ciclo order-to-deliverCome risultato:
o riduzione delle scorte complessive lungo la S/Co eliminazione di attività duplicateo i Clienti finali hanno tempestivamente ciò che vogliono, con alta
personalizzazione (choice-board)
Questo modello di business è teoricamente più efficiente, ossia più rapido e meno costoso, in quanto offre meno step rispetto a quello tradizionale.
UN FUTURO SENZA PREVISIONI?
Il principio del differimento (postponement principle)Largamente teorizzato da tempo, l’applicazione pratica di questo principio sta prendendo piede anche grazie all’utilizzo delle moderne tecnologie informatiche.
Cerca di ridurre il rischio legato all’affidabilità del forecast, differendo per quanto possibile le modificazioni o le personalizzazione dei prodotti nella loro costituzione e processo produttivo (form postponement) e nella loro disponibilità nei nodi della catena distributiva (logistic postponement)
Per quel che riguarda l’approccio di form postponement (mantenere il prodotto il più a lungo possibile “neutro” e “non customizzato”. Un esempio: il cono gelato!), concetti tipici di “filosofie” quali il lean manufacturing, contrapposto alle tradizionali “economie di scala” ottenibili con pochi & grossi lotti, o il JIT hanno aumentato considerevolmente la reattività dei sistemi produttivi. Mentre l’obiettivo ideale del MTO non è nuovo, è nuova la sfida di conciliare la flessibilità con l’efficienza ed il contenimento dei costi: lo studio del trade-off tra i vari costi e rischi non andrebbe mai trascurato!
La semplificazione e standardizzazione dei prodotti e dei processi implica anche la possibilità che la personalizzazione sia eseguita all’ultimo momento e da personale con skill più bassi di quelli richiesti normalmente nel manufacturing. Di conseguenza, tali operazioni (kitting, etichettatura etc.) possono anche essere eseguite dalla logistica, nei magazzini
UN FUTURO SENZA PREVISIONI?
L’approccio del logistic postponement consiste invece nel cercare di individuare lungo la catena di distribuzione, uno o più depositi “centrali” partendo dai quali si possa fare fronte agli ordini dei clienti, rispettando il lead-time atteso, relativamente ad un’ampia gamma di prodotti a scorta
Chiaramente, affinché tale strategia possa essere implementata, si deve potere contare su una rapida ed efficace trasmissione degli ordini e su trasporti rapidi ed affidabili
L’obiettivo dichiarato è l’eliminazione, per quanto possibile, delle scorte “periferiche”, per minimizzare le difficoltà di un forecast “disaggregato” (relativo ai singoli SKUL, stock keeping units per location), e quindi i costi conseguenza dell’esistenza delle strutture periferiche stesse e della loro gestione, tipo quelli relativi ai classici sbilanciamenti del mix (navettaggi, gestione dei back-order, obsolescenza etc.)
Nelle più evolute S/C gli approcci del logistic e/o form postponement si combinano, in misura da definirsi di volta in volta
Ad ogni buon conto, il “nemico comune” è proprio l’esistenza di scorte di prodotti finiti estremamente finalizzati (riduzione dell’assortimento a scorta) e dispiegati nei pressi dei Clienti finali. In ultima analisi, la necessità di forecastdisaggregati risulterebbe annullata o comunque fortemente ridotta
UN FUTURO SENZA PREVISIONI?
Gli ostacoli all’applicazione dei responsive model:
Necessità per le aziende quotate di mantenere determinati target di fatturato pianificati (ad esempio: il fatturato del quarter): questo provoca una serie di “sollecitazioni artificiali” della domanda (offerte speciali, azioni promozionali etc.) che finiscono fatalmente per “caricare” il canale logistico di prodotti che non sono stati effettivamente venduti al Cliente finale
Difficoltà ad implementare veri rapporti collaborativi tra i vari attori della S/C, anche (o soprattutto?) per mancanza di attitudine culturale e di esperienza nel condividere rischi e benefici, specie nel passare dalla teoria alla pratica.
In conclusione, c’è da attendersi ancora una lunga vita per quel che riguarda il forecast e la sua effettiva importanza per il successo aziendale.
UN FUTURO SENZA PREVISIONI?
����������������� �����������������
� ���� ����
OTTIMIZZAZIONE DEL LIVELLO DI SERVIZIO RICAMBI E DEI LIVELLI DI SCORTE:
IL PROGETTO DPM
Profilo aziendale
Produzione: 210.000 unit210.000 unitàà
Fatturato: 210 milioni di Euro210 milioni di Euro
Personale:1.600 dipendenti1.600 dipendenti
5 stabilimenti di produzione5 stabilimenti di produzione(Italia 3; Slovacchia 1; India 1)
6 filiali commerciali6 filiali commerciali(Francia; Germania; UK; Spagna; USA; Singapore)
Lombardini in Italia
Lombardini nel mondo
Organizzazione del businessBreakdownBreakdown per applicazioneper applicazione
Market share europeoMarket share europeoMotori Diesel 0-40 kW
Un servizio globale
Il magazzino ricambi
Il Il servizioservizio ricambi:ricambi:
•ripristino stock settimanali worldwide•servizio di Urgenza (consegna in 3 giorni in tutta Europa)
•Servizio Emergenza e materiale in garanzia (il mattino successivo in tutta Europa)
I numeri:I numeri:
Referenze a listino: 17.000 17.000 (pi(piùù 3000 non a listino)3000 non a listino)
Marchi gestiti: 4 4 (Lombardini; Ruggerini; Lombardini Marine; Acme)
Superficie: 4.000 4.000 mm²²Personale: 35 persone35 personeVolume di attività: 300.000 righe/anno spedite300.000 righe/anno spediteFatturato: 22 milioni di 22 milioni di �� / anno/ anno
Obiettivi del progetto DPM�Aumentare il livello di servizio
�Ridurre il valore di inventories
�Gestire stagionalità, campagne promozionali e forecasting
�Lavorare per eccezioni
�Gestire fase in e fase out
�Fare analisi What If su stock vs service
�Adottare un sistema user friendly
I tempi del progetto DPM
Analisi e Analisi e modellizzazionemodellizzazione
ImplementazioneImplementazionedel modello eddel modello ed
Interfacce con ERPInterfacce con ERP
Go liveGo liveEdEd
Analisi Analisi risultatirisultati
ValidazioneValidazioneDel modelloDel modello
Analisi OUTPUTAnalisi OUTPUTIn ambiente di simulazioneIn ambiente di simulazione
30 giorni 60 giorni 30 giorni
Servizio, inventories ed analisi what if…
�Con DPM siamo in grado di differenziare il livello di servizio offerto per classe di materiale ed adeguare le scorte, minimizzando gli immobilizzi di capitale (a parità di classe di servizio viene privilegiato lo stock di componenti meno costosi). E’ inoltre possibile simulare scenari, presupponendo un livello di stock target (e trarne il livello di servizio erogato) o viceversa.
ForecastingIl forecasting analizza i consumi
storici (continui e non) e propone al replenishment planner il livello di
riordino, la scorta di sicurezza ed altri parametri, tenendo conto anche di richieste eccezionali (tender; affari
speciali; ecc), campagne promozionali e della stagionalità
nonché di lotti minimi concordati col fornitore, lead time di consegna,
ritardi medi di fornitura, ecc. I dati sono analizzati sia intermini di valore ma anche in numero di righe d’ordine al fine di non sbilanciare le scorte a
fronte di richieste con anomalo rapporto pz/riga.
Gestione per eccezioni
Tempo=denaro. Il sistema una volta settato rimane “nascosto”
nell’interfaccia dall’ERP, riducendo così l’impatto
operativo sul personale. Viene utilizzato altresì per fare analisi
approfondite sul tipo di domanda ad aiuta a prevenire eventuali
fenomeni inattesi, evidenziando le criticità.
Fase in e fase out
�A magazzino ricambi Lombardini, vengono gestite circa 20.000 referenze. Non di rado un codice sostituisce un altro (o più d’uno). In questa fase è importante non perdere lo storico dei consumi. DPM inoltre gestisce i fabbisogni ai diversi livelli di distinta (componente sciolto o kit).
Risultati raggiunti�Riduzione del 25% (da 4 a 3 unità) del
personale all’interno dell’ufficio magazzino ricambi, con relativa efficienza sui costi fissi di gestione.
�Condivisione con l’ufficio commerciale delle decisioni sulla base di una piattaforma e di dati condivisi. Si è così potuto garantire al cliente finale una migliore prestazione sul materiale venduto da stock ed una migliore informazione sul materiale re-supply to order.
Risultati raggiunti
Andamento inventories mag. Ricambi
� 3.200.000
� 3.300.000
� 3.400.000
� 3.500.000
� 3.600.000
� 3.700.000
� 3.800.000
� 3.900.000
� 4.000.000
� 4.100.000
Mar.06 Apr.06 Mag.06 Giu.06 Lug.06 Ago.06 Set.06 Ott.06 Nov.06 Dic.06 Gen.07
Mese
valo
re
--470.000 470.000 ��((--12 %)12 %)
� Riduzione del 12% delle scorte
Go live
Domande?