Previsione Domanda e Gestione Scorte

1. 15 marzo 2007
Convegno
“LA LOGISTICA DEL FUTURO”
Previsione della domanda e gestione delle
scorte: tecniche e strumenti avanzati
Diego Giometti - SIMCO

2. 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.

3. LE SCORTE: UNA RISORSA DA OTTIMIZZARE
MATERIALS
MEN AZIENDA MACHINERY
quanto ordinare, sistemi di
quando ordinare, produzione,
cosa ordinare distribuzione,
stoccaggio, …
MONEY
acquisto, vendita

4. IL COSTO DELLE SCORTE: VALORI PRATICI
Voci % 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
Per contro, le scorte costano anche… quando mancano! Il problema
TOTALE DEI VALORI MEDI 20%
è 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.

5. PIÙ COMPETITIVI CON UNA CORRETTA GESTIONE
Azienda “A”:
Fatturato annuo: 5 milioni di Euro
Forza lavoro: 85 persone
Immobilizzazioni tecniche (impianti, edifici): 2,5 milioni di Euro
Rimanenza media: 0,5 milioni di Euro
Azienda “B”:
Fatturato annuo: 5 milioni di Euro
Forza lavoro: 85 persone
Immobilizzazioni tecniche (impianti, edifici): 2,5 milioni di Euro
Rimanenza 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.

6. 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 Euro
Pertanto, 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%

7. LE SCORTE: STRUMENTO PER IL SERVIZIO AL CLIEN
Le scorte riducono i problemi tra fornitori e clienti in termini di:
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.

8. L’IMPREVEDIBILITÀ GENERA SCORTE IN ECCESSO
10%
30%
60%
Migliorare il forecast è la
Le fonti di imprevedibilità
maniera più efficace per
ridurre le incertezze e ridurre
l’eccesso di scorte
Imprevedibilità domanda Inaffidabilità dei fornitori Incertezze interne all'azienda
Fonte: Palo Alto University CA. 2002

9. 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.
σ D,LT = LT ⋅ SDE + σ 2 2
LT ⋅P 2
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.

10. LA PREVISIONE DELLE DOMANDA
INPUT
INPUT VINCOLI
VINCOLI FATTORI
FATTORI
AMBIENTALI
AMBIENTALI
Ricerche di mercato
Ricerche di mercato Politiche direzionali
Politiche direzionali
Valori storici della domanda
Valori storici della domanda Risorse disponibili
Risorse disponibili Economici
Economici
Campagne pubblicitarie
Campagne pubblicitarie Condizioni di mercato
Condizioni di mercato Sociali (stile, moda)
Sociali (stile, moda)
Azioni promozionali
Azioni promozionali Tecnologia
Tecnologia Politici (azioni legislative)
Politici (azioni legislative)
Opinioni di esperti
Opinioni di esperti Culturali (nazionalità, etnia)
Culturali (nazionalità, etnia)
FORECAST SYSTEM
FORECAST SYSTEM
What (quali articoli & in quali quantità sono
What (quali articoli & in quali quantità sono
venduti)
venduti)
When (il momento in cui sono richiesti)
When (il momento in cui sono richiesti)
Where (per area geografica e/o per Cliente)
Where (per area geografica e/o per Cliente)

11. LE TECNICHE TRADIZIONALI
- MEDIE MOBILI (semplice, ponderata)
TECNICHE DI ESTRAPOLAZIONE
- SMORZAMENTO ESPONENZIALE (Winters etc.)
DELLE SERIE STORICHE:
- DECOMPOSIZIONE / PROIEZIONE TREND
METODI CAUSALI BASATI - REGRESSIONE (lineare, quadratica,multipla etc.)
SU CORRELAZIONE: - ECONOMETRICI / INPUT-OUTPUT
- FORZA DI VENDITA
METODI A BASE - PANEL DI ESPERTI (Metodo Delphi)
SOGGETTIVA: - SCENARI FUTURI / ANALOGIE
METODI DI RILEVAZIONE - RICERCHE DI MERCATO
QUANTITATIVA: - TEST E SONDAGGI

12. 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

13. LA PREVISIONE DELLE DOMANDA
FASE 0
FASE 0 FASE 1
FASE 1 Almeno 2 anni se la
Depurazione dei dati storici
Depurazione dei dati storici Scelta ed inizializzazione
Scelta ed inizializzazione domanda è stagionale
di domanda
di domanda dell’algoritmo previsionale
dell’algoritmo previsionale (ovvero 2 cicli di
stagionalità)
FASE 2
Adattamento delle tecniche previsionali
Simulazione della
Simulazione della 1 anno
previsione sui dati storici
previsione sui dati storici (ovvero un ciclo di
stagionalità)
Scelta dei parametri
Scelta dei parametri Analisi degli
Analisi degli
di funzionamento
di funzionamento scostamenti rilevati
scostamenti rilevati
FASE 3
FASE 3
Previsione della
Previsione della
domanda per il futuro 6 mesi - 1 anno
domanda per il futuro

14. LA PREVISIONE DELLE DOMANDA
AZIONI SPECIALI
(politiche di marketing, offerte speciali, A t+m
campagne di vendita, promozioni, ...)
EFFETTI DI CALENDARIO
(festività mobili, giorni lavorativi, …) S’t+m
ALTRE INFORMAZIONI
(commesse particolari, andamento
del mercato, azioni della
K t+m
concorrenza, …)
Pt+m = Pt+m . S’t+m. A t +m + Kt+m

15. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
DPM è una suite di pianificazione avanzata facile da usare e facile da integrare
con il sistema informativo aziendale.
Market Intelligence Service / Investment Policy Definition
Sistema
Informativo Previsioni di vendita
Fabbisognidi vendita
Previsioni di per garantire
Scorte ottimalidistribuzione, il serviziocliente
al cliente
Aziendale Scorte ottimali per garantire il servizio al
acquisto o produzione
Fabbisogni di distribuzione, acquisto o produzione
DPM richiede un minimo supporto dell’utente
La pianificazione può essere completamente automatizzata e l’intervento
dell’utente può essere limitato alla gestione delle eccezioni.

16. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Pianificazione trasporti
Pianificazione acquisti _____
_____ Pianificazione della distribuzione Pianificazione delle scorte e del servizio al cliente
_____ Calcolo previsioni di vendita
Pianificazione delle scorte
nei punti di vendita
Copertura funzionale
Principali attività coperte dallo strumento

17. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Benefici ottenibili con DPM
Aumento dei livelli di servizio,
riduzione delle mancate vendite,
riduzione dei costi,
massimizzazione del margine.
• Stato attuale
Curva ottimale DPM
DPM pianifica i flussi per
raggiungere l’obiettivo di servizio
con il minimo costo
Costi sostenuti •Obiettivo
per garantire
il servizio al cliente
0 20 40 60 80 100
Livello di Servizio (%)

18. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Attributes
Sales Budgeting Product
Hypercube Management
and Collaborative Global
Global
Totale prodotti
Forecasting Totale prodotti
della divisione
della divisione
Forzatura della
Macrofamily Global
previsione a vari livelli di Macrofamily
Sotto insieme Global
Totale aree e/o canali
della Sotto insieme
stessa divisione Totale aree e/o canali
di vendita
aggregazione per della stessa divisione di vendita
Macroarea
referenza/mercato (o Macroarea
Insieme di area e/o
Insieme di area e/o
canali di vendita
Market
attributi di aggregazione) Family
Family Area
canali di vendita
Sotto insieme Area Attributes
per orizzonti temporali: Sotto insieme
della stessa macrofamily
della stessa macrofamily
Area georafica e/o cliente
Area georafica vendita
e/o canale di e/o cliente
e/o canale di vendita
giornalieri, settimanali, Microarea
Microarea
mensili e annuali (es. Aggregato elementare
Aggregato elementare
di domanda
di domanda
inserimento budget Item
Item
Singola Stock
Singola Stock
generale, per business Keeping Unit
Keeping Unit
unit, per agente ecc).
Inserimento correttivi
Day
alle previsioni per Day
eccezione. Week
Week
Month
Month
Year
Year Time slot

19. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Budgeting and
Commercial Overrides
Forzatura 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.

20. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Automatic Forecast Calculation
FBFTM Unique Technology
Il calcolo automatico delle previsioni è effettuato usando il Frequency Based
Forecasting (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

21. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Trend Analysis
Calcolo automatico del trend per aggregati fino
al dettaglio referenza/cliente
Seasonality Patterns
Analisi comportamento stagionale della domanda

22. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Sales Calendar
Gestione effetto dei calendari di vendita
Forecast Error Analysis
Analisi errori nel dettaglio referenza/cliente

23. STRUMENTI AVANZATI DI DEMAND PLANNING:
L’ESEMPIO DEL “DPM”
Supersessions Links
Gestione dei legami di
sostituzione (uscita nuovi
prodotti, sostituzione
vecchi prodotti ecc.)
Old item New item

24. I NUOVI PROCESSI: DAL DEMAND PLANNING AL SIOP
(Sales Inventory & Operation Planning)
Aggregate Forecast / Special Service Agreements / Commercial Overrides
Budget Time Phased Operational Forecast
Forecast x item x area
Target Service Level Network evolution
per product/market segments What if analysis
Service Policy Stock To Service Curves per sku/l
Planning Optimal inventory levels
Indentification of low margin items/markets
Modifyed Aggregate Commercial Overrides
Commercial Forecast (ex. Customer/Family/Product ect.)
Strategic
(Yearly/Quarterly) SO&IP Monthly Reviewed Service Policy
Service & Inventory Constrains
Review Time Phased Operational Forecast Supply Chain
x item x area Planning Suite
Exception Reports & Error Forecast Analysis & Dynamic Inventory
Dynamicly Optimal Optimization System
Inventory Levels by SKU/L
Operational
Tactic Inventory Service Policy By Excepion
(Monthly) Optimization
Purchasing
requirements /
Daily Automatic proposals
Replenishment Exceptions Reports :
Operational Engine Under Service/Overstock
Interdepo Transfer Reports
(Weekly & Daily)
ERP
Execution

25. UN FUTURO SENZA PREVISIONI?
Forecast Purchase Manufacture Stock Sell Deliver
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 tempestività
Le imprese che fanno parte della S/C non condividono i loro piani
Il business è necessariamente guidato da forecast elaborati individualmente
A causa degli errori di forecast, inoltre, spesso si rinuncia a farlo o a tenerne
conto
Come risultato:
o scorte non basate sulla pianificazione
o 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.

26. UN FUTURO SENZA PREVISIONI?
Sell Purchase Manufacture Deliver
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 congiunta
o 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 accurate
Altro presupposto – e risultato – è la velocità del ciclo order-to-deliver
Come risultato:
o riduzione delle scorte complessive lungo la S/C
o eliminazione di attività duplicate
o 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.

27. 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

28. 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 forecast
disaggregati risulterebbe annullata o comunque fortemente ridotta

29. 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.

30. OTTIMIZZAZIONE DEL LIVELLO DI SERVIZIO
RICAMBI E DEI LIVELLI DI SCORTE:
IL PROGETTO DPM

31. Profilo aziendale
Produzione: 210.000 unità
Fatturato: 210 milioni di Euro
Personale:1.600 dipendenti
5 stabilimenti di produzione
(Italia 3; Slovacchia 1; India 1)
6 filiali commerciali
(Francia; Germania; UK; Spagna;
USA; Singapore)

32. Lombardini in Italia

33. Lombardini nel mondo

34. Organizzazione del business
Breakdown per applicazione
Market share europeo
Motori Diesel 0-40 kW

35. Un servizio globale

36. Il magazzino ricambi
I numeri:
Referenze a listino: 17.000 (più 3000 non a listino)
(più
Marchi gestiti: 4 (Lombardini; Ruggerini; Lombardini Marine; Acme)
Superficie: 4.000 m²
Personale: 35 persone
Volume di attività: 300.000 righe/anno spedite
Fatturato: 22 milioni di / anno
Il servizio 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)

37. 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

38. I tempi del progetto DPM
30 giorni 60 giorni 30 giorni
Go live
Implementazione
Analisi e Ed
del modello ed
modellizzazione Analisi
Interfacce con ERP
risultati
Validazione Analisi OUTPUT
Del modello In ambiente di simulazione

39. 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.

40. Forecasting
Il 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.

41. 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.

42. 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).

43. 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.

44. Risultati raggiunti
Riduzione del 12% delle scorte
Andamento inventories mag. Ricambi
4.100.000
4.000.000
3.900.000
3.800.000 -470.000
(-12 %)
3.700.000
valore
3.600.000
3.500.000
Go live
3.400.000
3.300.000
3.200.000
Mar.06 Apr.06 Mag.06 Giu.06 Lug.06 Ago.06 Set.06 Ott.06 Nov.06 Dic.06 Gen.07
Mese

45. Domande?