18 Marzo 2019

L’importanza del processo di previsione della domanda nella moderna Supply Chain

By Giampiero Pizzolotto, business partner A.Q.A. Network

Con il passare del tempo il livello di servizio, cioè la capacità di fornire ai Clienti la disponibilità delle merci nei tempi attesi, sta diventando prevalente rispetto al prodotto stesso: basti pensare ai ridottissimi tempi di consegna che i maggiori player del commercio online garantiscono. Le nostre aziende si trovano quindi ad affrontare una sfida sempre più complessa. In questa fase non bisogna cedere alla tentazione di incrementare il magazzino indiscriminatamente: l’unico risultato sarebbe un aumento fuori controllo dei costi di mantenimento della merce a scorta; inoltre bisogna considerare che il contributo marginale al livello di servizio di ciascun pezzo messo a magazzino diviene sempre meno significativo, man mano che l’obiettivo di servizio si alza perché il legame tra livello di servizio e costi non è lineare.

Fondamentale è riuscire ad individuare il punto di pareggio tra queste due variabili e un grande aiuto è rappresentato dall’introduzione di metodologie per riuscire a prevedere la domanda.

L’orizzonte temporale di riferimento per il gestore della supply chain è quello di breve termine (< 12 mesi) dove le previsioni vengono disaggregate su base mensile e sono già assunte come date le decisioni strategiche sulla capacità produttiva e quelle tattiche relative al budget delle vendite.

Il demand planning è l’insieme dei processi aziendali, metodologie gestionali, tecniche statistiche e strumenti di information technology, atti a supportare la definizione del piano di domanda delle aziende.

La previsione si basa sull’analisi delle vendite passate (serie storiche) utilizzando un apposito algoritmo statistico che restituisce un valore previsionale, ad esempio la media, media mobile, lo smorzamento esponenziale, regressioni, ecc.

Ipotizzare tuttavia che nel futuro la domanda si comporterà come nel passato non basta: bisogna integrare il risultato con l’eventuale componente di trend (tendenza all’aumento/diminuzione continua delle vendite), di una componente di stagionalità (se presente) e di una componente di aleatorietà.

Il risultato del processo va integrato con le conoscenze di accadimenti futuri di conoscenza del commerciale, come acquisizioni di nuovi clienti, introduzione o dismissioni di prodotti e soprattutto azioni promozionali concordate con i Clienti che possono determinare picchi di domanda.

Il processo di previsione della domanda ha quindi una componente matematica oggettiva e una soggettiva. Compito del Supply Chain Manager è favorire il confronto e coordinamento in appositi meeting tra chi si occupa della determinazione quantitativa della domanda, la funzione commerciale, la produzione e gli acquisti, in modo da generare un piano previsionale unico ufficiale, condiviso e produttivamente fattibile, che può essere poi diffuso alle altre funzioni aziendali; questo modello di previsioni basate sul consenso è l’approccio che dà le migliori probabilità di riuscita.

Un buon sistema previsionale apporta i seguenti benefici:

• riduzione dei costi operativi, per effetto di una migliore modulazione delle scorte e quindi ottimizzazione del capitale circolante;
• miglioramento del livello di servizio;
• incremento delle vendite, per effetto di riduzione delle rotture di stock.

Una volta che il processo di previsione della domanda è consolidato ci si accorgerà che le previsioni, proprio per effetto dell’aleatorietà, non sono perfette e si verificano degli scostamenti. Si deve quindi rispondere alla seguente domanda: “come capire se si fanno buone previsioni?” Monitorando l’errore della previsione, cioè la differenza tra valore effettivo della domanda e il valore previsto per quel periodo.

Un buon sistema per il controllo e monitoraggio delle previsioni (forecast accuracy) deve basarsi sui seguenti presupposti: semplicità, sinteticità e flessibilità.

I principali indici di misurazione delle performance del metodo previsionale sono il BIAS ed il MAD.

Il BIAS indica l’errore medio di previsione. Se, per esempio, un codice ha una domanda media ponderata mensile di 75.000 pezzi e riscontriamo un errore medio del +6,8% significa che per il codice in questione le previsioni superano mediamente le vendite del 6,8% cioè di circa 5.100 pezzi/mese.

Il MAD (Mean Absolute Deviation) indica invece quanto l’errore varia rispetto alla media. Se l’errore si ripete costante ogni mese il MAD sarà pari a zero (in questo caso basta correggere le previsioni di una quantità pari al BIAS per ottenere il valore di domanda). Questo indice dunque sintetizza se la domanda mensile segue le curve previste o se invece abbia un andamento molto instabile.

L’ obiettivo di ogni modello previsionale è quello di ottenere un BIAS nullo e un MAD minimo. Ciò significherebbe ottenere una previsione mediamente esatta con errori puntuali poco significativi.

Se siete interessati ad approfondire questo argomento i partner A.Q.A. network sono a disposizione per aiutarvi a comprendere e governare le dinamiche della vostra curva di domanda.

 

• Categories:
• Imprese,
• Innovazione e Ricerca