Ottimizzazione basata sulle decisioni

Supply Chain Quantitativa si concentra sulla generazione di decisioni automatizzate ad alte prestazioni per la supply chain. L’obiettivo non è quello di fornire artefatti numerici, come le previsioni settimanali. Tali artefatti sono considerati come calcoli interni arbitrari che vengono utilizzati per calcolare le decisioni finali. Definiamo una decisione come una risposta a un problema di supply chain che può essere attuata e ha una conseguenza tangibile, se non fisica, per la supply chain stessa. Dal punto di vista della pianificazione classica della supply chain, concentrarsi sulle decisioni di approvvigionamento potrebbe sembrare sorprendente, poiché non sono definite lungo le linee usuali della pianificazione rispetto alle operazioni. Tuttavia, concentrarsi sulle decisioni facilita notevolmente l’effettiva ottimizzazione della supply chain. In questa sezione, chiariremo il concetto di decisione di supply chain, esamineremo i tipi di decisioni più frequenti e caratterizzeremo gli aspetti chiave della prospettiva basata sulle decisioni.

Definizione delle decisioni ammissibili

La Supply Chain Quantitativa adotta un approccio altamente numerico e statistico alle sfide della supply chain. Tuttavia, questo approccio non è la prospettiva appropriata per tutte le sfide. Per valutare se la prospettiva quantitativa è appropriata per una sfida, devono essere soddisfatte le seguenti condizioni:

Ripetibilità: creare una ricetta numerica per risolvere la sfida richiede uno sforzo che si traduce in costi. Per ottimizzare in modo redditizio una supply chain, è necessario assicurarsi che il processo di ottimizzazione stesso non costi più dei benefici attesi. Come regola generale, i problemi di routine, ad esempio il riapprovvigionamento, che devono essere affrontati ogni giorno o ogni settimana, sono candidati molto migliori per un approccio quantitativo rispetto ai problemi eccezionali, ad esempio l’espansione in un nuovo paese.
Decisioni specifiche: per mantenere sotto controllo la complessità della soluzione software, è preferibile concentrarsi su sfide di supply chain che possono essere affrontate da una tipologia ben definita di decisioni, idealmente decisioni altamente numeriche. Ad esempio, decidere se smettere completamente di tenere in magazzino un prodotto perché la domanda è troppo bassa per giustificare questo ulteriore onere sulla supply chain è una domanda molto specifica, a cui un processo altamente automatizzato può rispondere prontamente. Al contrario, decidere di modificare le pratiche di lavoro di un team di gestione di un magazzino è un problema molto aperto, che non si presta all’automazione.
Dati storici: le soluzioni software non possono operare in un vuoto. La conoscenza per affrontare la sfida della supply chain può essere incorporata nel software come regole definite manualmente; tuttavia, creare un ampio insieme di regole decisionali coerenti e performanti è un’impresa molto difficile. La maggior parte degli approcci moderni estrae ampiamente tutte le conoscenze rilevanti dai dati storici (cronologia delle vendite, cronologia degli acquisti, ecc.) e limita le voci delle regole a politiche di supply chain ben definite, ad esempio MOQ (quantità minima d’ordine), che sicuramente non vogliamo che il software cerchi di estrapolare dai dati storici.

Con l’avanzare dell’ingegneria del software e, più specificamente, con l’avanzare del campo del machine learning, lo spettro delle decisioni accessibili ai sistemi basati su computer si sta ampliando ogni anno. Ad esempio, i primi sistemi di ottimizzazione dell’inventario erano limitati ai prodotti con almeno diversi mesi di cronologia delle vendite, mentre i nuovi sistemi supportano tutti i prodotti, compresi quelli che non sono ancora stati venduti.

Inoltre, a volte l’ingegneria del software rende possibile affrontare problemi che venivano considerati irrisolvibili quando affrontati manualmente da un esperto di supply chain. Ad esempio, i moderni sistemi di ottimizzazione dell’inventario possono prevedere quali registrazioni di stock sono più probabilmente inaccurate, consentendo così un conteggio prioritizzato delle scorte, una funzionalità che supera l’approccio più tradizionale del conteggio lineare di tutti gli SKU.

Esempi di decisioni sulla supply chain

Le catene di approvvigionamento sono incredibilmente diverse e ciò che costituisce una sfida di primaria importanza per un determinato settore potrebbe apparire solo come un aneddoto in un altro. In questa sezione, esaminiamo brevemente le decisioni tipiche che si adattano prospettiva Quantitative Supply Chain.

Ordini di acquisto: decidere le quantità esatte da acquistare da ciascun fornitore per ogni prodotto. Questa decisione viene aggiornata quotidianamente, anche se non ci si aspetta che venga effettuato un ordine di acquisto effettivo nella maggior parte dei giorni. L’ordine di acquisto dovrebbe tenere conto di tutti i vincoli di ordinazione (MOQ) e dei vincoli di trasporto (ad esempio, contenitori). Inoltre, l’ordine di acquisto potrebbe includere anche l’opzione per una modalità di trasporto (mare vs. aria) con la possibilità di una combinazione di trasporto.
Ordini di produzione: decidere le quantità esatte da produrre. L’ordine di produzione dovrebbe tenere conto di tutti i vincoli di produzione che potrebbero richiedere lotti minimi di produzione. Inoltre, la capacità massima di produzione potrebbe essere inferiore alle esigenze di mercato della stagione di punta durante l’anno, in tal caso, la produzione dovrebbe accumulare scorte in anticipo per far fronte alla stagione di punta.
Bilanciamento delle scorte: decidere se le unità attualmente detenute in magazzino in una determinata posizione dovrebbero essere spostate in un’altra posizione, tipicamente perché il bilanciamento delle scorte non è più allineato con la domanda futura differenziata per posizione. Anche in questo caso, la decisione viene aggiornata quotidianamente, anche se nella maggior parte dei giorni, per la maggior parte dei prodotti, non è economicamente redditizio spostarli tra le posizioni.
Liquidazione delle scorte: decidere se le unità attualmente detenute in magazzino dovrebbero essere distrutte o vendute attraverso un canale secondario - tipicamente a prezzi molto scontati. Infatti, le scorte invendute possono ingombrare inutilmente i magazzini e generare costi superiori al valore economico delle stesse scorte. A seconda del settore, le scorte possono essere liquidate attraverso promozioni, canali specializzati o pura distruzione.
Magazzinaggio vs. drop shipping: decidere se un prodotto è sufficientemente richiesto da giustificare l’acquisto, la conservazione e la consegna diretta o se sarebbe meglio farlo consegnare da un terzo quando viene richiesto. La consegna diretta dei prodotti drop-shipping genera tipicamente margini inferiori, ma comporta anche costi di gestione del magazzino inferiori. La decisione assume la forma di definire l’elenco esatto dei prodotti da tenere in magazzino, mantenendo comunque gestibile la diversità complessiva delle scorte.
Conteggio mirato delle scorte: decidere se un SKU dovrebbe essere ricontato a causa della potenziale inesattezza del record elettronico, che potrebbe non corrispondere alla quantità di unità effettivamente disponibili sullo scaffale. Questa decisione è un compromesso tra il costo del lavoro associato all’operazione di riconteggio e l’impatto negativo delle scorte fantasma sulle prestazioni della supply chain. In pratica, le inesattezze dell’inventario sono molto più grandi nei negozi al dettaglio accessibili al pubblico rispetto ai magazzini o agli impianti a accesso ristretto.

Va sottolineato che settori specifici hanno i propri insiemi di decisioni. Gli esempi riportati di seguito potrebbero essere considerati più dipendenti dal contesto rispetto a quelli elencati in precedenza.

Assortimento dei negozi al dettaglio: decidere l’elenco esatto dei prodotti da presentare in ogni negozio al dettaglio. A volte, il catalogo completo dei prodotti può superare di gran lunga la capacità di qualsiasi singolo negozio; quindi, ogni negozio può mettere in mostra solo un sottoinsieme del catalogo. L’ottimizzazione dell’assortimento massimizza le prestazioni del negozio al dettaglio data la capacità del negozio. Inoltre, la sfida diventa ancora più complessa nel caso di settori come i beni di lusso, poiché il negozio avrà tipicamente non più di un’unica unità in magazzino per ogni prodotto dell’assortimento selezionato.
Sostituzione opportunistica: decidere quando la sostituzione di un prodotto è accettabile e quando è conveniente procedere con la sostituzione. Ad esempio, un e-commerce di prodotti alimentari freschi potrebbe accettare consegne effettuate alcuni giorni prima, una pratica che crea il problema di affrontare una rottura di stock per un prodotto fresco che è già stato ordinato, alterando così l’ordine originale del cliente. In questa situazione, potrebbe essere un’operazione più redditizia per il rivenditore e un miglior servizio per il cliente sostituire un prodotto alternativo ben scelto.
Dismissione opportunistica: decidere di rivendere scorte, tipicamente parti riparabili, che erano originariamente destinate al consumo interno. Le scorte di parti riparabili ruotano tipicamente tra i due stati di funzionante e non funzionante, poiché le parti vengono riparate, recuperate, riparate nuovamente e infine riutilizzate. In circostanze specifiche, come una diminuzione della domanda, le scorte di parti funzionanti possono superare di gran lunga le esigenze dell’azienda. In questo caso, c’è un compromesso tra la rivendita della parte sul mercato secondario, tipicamente a un prezzo scontato, al fine di recuperare una frazione del valore originale dell’inventario o, alternativamente, aumentare il rischio di non soddisfare una futura richiesta di parti in tempo.
Mantenimento delle scorte non funzionanti: decidere se riparare immediatamente una parte non funzionante ma altrimenti riparabile o posticipare la riparazione e conservare la parte come non funzionante. Mentre la riparazione delle parti può essere meno costosa dell’acquisto di nuove parti, le attuali scorte di parti funzionanti possono essere sufficienti per coprire la domanda per un lungo periodo di tempo. Pertanto, il ritardo nella riparazione è un compromesso tra compensare i costi di riparazione in futuro - con la possibilità di non incorrere mai in questo costo se la domanda di mercato si è spostata su parti alternative nel frattempo - o aumentare il rischio di non soddisfare una futura richiesta di parti in tempo.
Approvvigionamento opportunistico: decidere quando vale la pena effettuare un’operazione di approvvigionamento per stabilire un benchmark di prezzo per una determinata parte. In alcuni settori, il prezzo delle parti è relativamente opaco. Scoprire il prezzo aggiornato di una parte, eventualmente un pezzo di attrezzatura molto costoso, può richiedere diversi giorni di sforzo. Quando le operazioni richiedono migliaia di parti, c’è un compromesso tra pagare parti più costose e sostenere i costi di manodopera coinvolti nelle operazioni di approvvigionamento.
Preservare i pacchetti: decidere quando vale la pena vendere l’ultima unità di un determinato prodotto come vendita singola o se è meglio conservare questa unità per una vendita successiva come parte di un pacchetto. Infatti, ci sono situazioni in cui la disponibilità di pacchetti, cioè combinazioni di parti o prodotti, è di grande importanza, mentre la disponibilità di parti isolate è di minore importanza. Tuttavia, servendo l’ultima parte, servita come parte singola, si può creare un problema di rottura di stock per il pacchetto più grande e più importante. Pertanto, c’è un compromesso tra il vantaggio di servire correttamente una parte isolata ora e lo svantaggio di affrontare in seguito un problema di rottura di stock più impattante per un pacchetto.

Fino a quando non vengono formalizzate come tali, le decisioni sulla supply chain vengono solitamente prese in modo implicito, possibilmente da persone, ma anche da sistemi software. Ad esempio, una configurazione di inventario Min/Max sta implicitamente prendendo più decisioni e non solo sulla quantità riordinata: finché il valore Max è diverso da zero, il prodotto verrà mantenuto nell’assortimento. Inoltre, non viene effettuato alcun ricalcolo dell’inventario prima di attivare un riordino, che è un’altra decisione implicita, ecc. Purtroppo, non è possibile ottimizzare ciò che non si misura, ed è proprio questa mancanza di formalizzazione delle decisioni stesse che di solito impedisce un miglioramento sistematico delle prestazioni della supply chain ottenute attraverso tali decisioni.

Artefatti numerici vs. decisioni

Quando si affrontano problemi complessi della supply chain, i professionisti rischiano di confondere i fini con i mezzi. Ad esempio, quando si affronta la necessità di riordinare, stabilire una previsione della domanda settimanale associata a un SKU è solo un ingrediente necessario per alcuni, ma non per tutti, i metodi numerici disponibili per calcolare la quantità da riordinare. La previsione settimanale è solo un calcolo intermedio, mentre la quantità ordinata è la decisione finale. Dal punto di vista della Supply Chain Quantitativa, ci riferiamo a questi calcoli intermedi come artefatti numerici. La Supply Chain Quantitativa non sottovaluta l’importanza degli artefatti numerici; tuttavia, sottolinea anche che questi artefatti sono solo questo: espressioni numeriche usa e getta e transitorie che contribuiscono all’output finale: decisioni sulla supply chain.

Per quanto riguarda l’ottimizzazione numerica, è un’illusione pensare che ottimizzare gli artefatti numerici rispetto a metriche matematiche arbitrarie, ad esempio previsioni della domanda ottimizzate rispetto a WMAPE (errore percentuale medio assoluto ponderato), produca in qualche modo rendimenti finanziari. Sebbene possa sembrare controintuitivo, nella supply chain questo di solito non è il caso. I problemi della supply chain sono tipicamente problemi altamente asimmetrici. Ad esempio, nel settore aerospaziale, una parte mancante del valore di 200 USD può tenere a terra un aereo del valore di 200 milioni di USD. Il numero di parti da tenere in stock non è necessariamente guidato principalmente dalla domanda prevista: il costo della parte rispetto al costo di non averla può dominare completamente il processo decisionale di stoccaggio.

Al contrario, la Supply Chain Quantitativa sottolinea che, alla fine, solo le decisioni contano davvero, perché sono gli unici elementi tangibili che hanno conseguenze finanziarie reali e misurabili per l’azienda. Pertanto, sebbene sia di primaria importanza mettere in discussione le prestazioni delle decisioni, la gestione della supply chain dovrebbe anche avere una sana dose di scetticismo nei confronti dei KPI che si applicano a risultati numerici transitori, non vincolanti e non impegnativi come le previsioni della domanda settimanale o mensile.

Decisioni vincolate, tra realtà e finzione

Le decisioni sulla supply chain sono tipicamente vincolate da vincoli: le risposte sono valide solo se soddisfano un insieme di vincoli numerici. Ad esempio, gli ordini di acquisto possono essere soggetti a MOQ (quantità minima d’ordine), che rappresentano un vincolo non lineare. Inoltre, il magazzino ha una capacità di stoccaggio finita, un altro vincolo non lineare.

Spesso, i vincoli sono generati da driver economici di base associati alle operazioni della supply chain: tenendo conto del prezzo corrente del prodotto; la distribuzione di un prodotto può essere economicamente sostenibile solo se i prodotti vengono venduti confezionati su pallet e, quindi, il prodotto può essere venduto solo con una quantità di lotto, ad esempio 50 unità, che rappresentano un pallet caricato.

Tuttavia, può anche accadere che i vincoli derivino da regole organizzative arbitrarie. Ad esempio, un’azienda potrebbe aver deciso che il budget di acquisto annuale per una divisione sarebbe stato limitato a 1 milione di USD. Questo vincolo di bilancio viene stabilito molto prima che le vendite della divisione siano effettivamente note. In una situazione del genere, ci si aspetta che le decisioni di acquisto siano conformi a un vincolo non lineare che è il risultato di un processo di bilancio relativamente arbitrario.

La Supply Chain Quantitativa cerca di riflettere nel modo più completo possibile i vincoli reali della supply chain, consentendo al contempo nuove organizzazioni, eventualmente riviste, che possono operare senza i vincoli imposti da aspetti arbitrari dei processi precedenti. Infatti, nella supply chain, la maggior parte dei vincoli arbitrari è il risultato di una mancanza di automazione: se il budget “ottimale” per divisione non può essere stimato in modo affidabile su base giornaliera tenendo conto di tutte le preoccupazioni trasversali a livello aziendale, allora è naturale fare affidamento su un budget annuale o trimestrale.

Le decisioni richiedono prioritizzazione e coordinamento

Quasi tutte le decisioni sulla supply chain sono interdipendenti: ogni unità aggiuntiva acquistata da un fornitore occuperà spazio aggiuntivo nel magazzino, fino a quando il magazzino sarà pieno, e quindi le operazioni si fermeranno. Queste dipendenze sono di solito indirette e difficili da affrontare da un punto di vista numerico, ma ciò non le rende meno importanti dal punto di vista della supply chain - e persino strategico. Se il livello complessivo di servizio è al 99%, che è molto buono, ma il cliente più grande ha un livello di servizio dell'85%, perché tutte le mancanze di magazzino si verificano in un gruppo di prodotti acquistati proprio da questo cliente, l’azienda si trova di fronte a un grave rischio di perdere il suo cliente più grande.

La prioritizzazione delle decisioni è tipicamente il metodo più semplice per sfruttare al massimo le risorse condivise, ma limitate, all’interno della supply chain. Ad esempio, poiché la capacità di stoccaggio del magazzino e il capitale circolante sono entrambi limitati, l’obiettivo non è semplicemente acquistare un’unità in più di stock che si rivela essere redditizia, ma identificare la prossima unità di stock che si rivela essere l’unità più redditizia nell’intero catalogo di prodotti. Trattare le decisioni di acquisto di stock in modo isolato creerebbe il rischio di esaurire lo spazio del magazzino o il budget di acquisto su prodotti a bassa redditività.

Nella pratica, questa prioritizzazione richiede un cambiamento considerevole del software analitico che supporta la supply chain. Invece di trattare ogni decisione in modo isolato, come avviene con i metodi primitivi della supply chain, ad esempio l’inventario Min/Max, tutte le decisioni devono essere messe insieme e classificate in base alla loro rispettiva redditività stimata. Un tale processo è fattibile con le moderne soluzioni software, ma richiede considerevolmente più risorse di calcolo rispetto ai primi metodi della supply chain.

Il coordinamento delle decisioni è necessario per gestire tutti i vincoli trasversali che si applicano alle operazioni della supply chain. Ad esempio, quando si ordinano merci da un fornitore all’estero, potrebbe esserci un forte incentivo economico a ordinare un container completo. Pertanto, la sfida non è tanto scegliere le quantità per prodotto, ma scegliere le quantità che, in totale, corrispondano esattamente alla capacità del container. I vincoli trasversali sono onnipresenti nella supply chain: ottimizzare l’assortimento di una nuova collezione nel settore della moda, garantire un alto livello di servizio per i clienti che cercano un elenco di prodotti all’interno di un negozio di bricolage, evitare di esaurire un magazzino centrale attraverso ordini sovradimensionati da un negozio a scapito degli altri negozi, ecc.

Il modo tradizionale e altamente inefficiente di affrontare tali problemi di coordinamento consiste nel realizzare un calcolo a due fasi che inizialmente ignora la preoccupazione per il coordinamento e successivamente rivede l’output numerico iniziale al fine di adattarlo alla preoccupazione. Riguardo all’esempio del container introdotto in precedenza, prima possiamo calcolare le quantità desiderabili da ordinare, ignorando completamente l’aspetto del container; successivamente possiamo rivedere tali quantità in modo che l’insieme corrisponda effettivamente a un container. Il principale punto debole di un tale calcolo a due fasi è che la seconda fase ignora completamente tutti i fattori economici che sono stati considerati nel calcolo della prima fase. In altre parole, la revisione dei risultati durante la seconda fase può “annullare” tutti gli sforzi che sono stati fatti per calcolare decisioni redditizie nella prima fase. I moderni software affrontano tali situazioni introducendo risolutori numerici, che possono affrontare frontalmente tali vincoli trasversali. Ancora una volta, tali risolutori richiedono notevolmente più risorse di calcolo rispetto ai loro controparti naive a due fasi, ma considerando le risorse di calcolo tipicamente disponibili oggi, questo non è un problema.