Ottimizzare la catena logistica sulla base delle decisioni

Ottimizzare la catena logistica a partire dalle decisioni












Home » Risorse » Qui

La catena logistica quantitativa si concentra sull'elaborazione di decisioni logistiche automatizzate al fine di ottenere prestazioni elevate: lo scopo finale non è quindi quello di fornire artefatti numerici, come le previsioni settimanali. Diciamo "artefatti", poiché queste previsioni possono essere considerate come calcoli interni arbitrari, che vengono poi utilizzati anche per calcolare le decisioni finali. Per decisione intendiamo una risposta a un problema riscontrato nella catena logistica, che può essere affrontato e che ha conseguenze tangibili, se non addirittura fisiche, sulla catena logistica stessa. Pianificando la catena logistica secondo la prospettiva più tradizionale, un approccio basato sulle decisioni logistiche potrebbe sembrare strano, poiché queste non sono definite attraverso la solita logica pianificazione vs. attività operative. Ciò nonostante, spostare il focus sulle decisioni facilita enormemente l'ottimizzazione della catena logistica. In questa sezione chiariremo il concetto di decisione logistica, analizzeremo i tipi di decisioni più comuni e vedremo quali sono gli aspetti chiave dell'ottimizzazione basata sulle decisioni.

Quali decisioni possono essere ottimizzate?

La catena logistica quantitativa affronta le sfide logistiche da un punto di vista statistico e basato principalmente sui numeri. Ciò non vuol dire che questo sia l'approccio giusto per affrontare ogni tipo di difficoltà. Per valutare, quindi, se questa prospettiva è adeguata, occorre assicurarsi che esistano questi prerequisiti:

  • ripetibilità: mettere a punto una ricetta numerica che risolva un problema richiede una buona quantità di sforzi, che, a sua volta, si traduce in costi. Per ottimizzare una catena logistica in modo redditizio, bisogna dunque accertarsi che il processo di ottimizzazione non si riveli più costoso dei benefici che dovrebbe apportare. In linea di massima, problemi generici come il rifornimento, che richiedono di dover prendere decisioni ogni giorno od ogni settimana, si prestano meglio a un approccio quantitativo, rispetto a problemi più rari ed eccezionali, come ad esempio l'espansione verso un nuovo mercato;
  • decisioni circoscritte: per mantenere sotto controllo la complessità del software utilizzato, è meglio concentrarsi su problemi logistici che possono essere risolti attraverso una tipologia di decisioni ben precisa (possibilmente, decisioni che coinvolgono soprattutto numeri). Ad esempio, decidere se smettere di acquistare un certo prodotto perché la domanda è troppo debole per giustificare un ulteriore peso a carico della catena logistica è una questione molto circoscritta, a cui un procedimento automatizzato è in grado di rispondere facilmente. Al contrario, decidere se è il caso di correggere le procedure operative dei responsabili di un magazzino è una questione di respiro fin troppo ampio, a cui è difficile rispondere solo attraverso un procedimento automatico;
  • dati storici: un software non può operare senza un aiuto esterno. Le conoscenze necessarie ad affrontare i problemi logistici possono essere inserite nel software come regole definite manualmente, ma creare un intero corpus di regole coerenti e adatte a prendere le decisioni giuste è tutt'altra cosa. Molti degli approcci moderni estraggono le conoscenze necessarie dai dati storici (storico delle vendite, degli acquisti, ecc.) e restringono le regole a una serie di strategie logistiche ben definite, come ad esempio i quantitativi minimi di ordine, che ovviamente non vogliamo che il software estrapoli dai dati storici.

In un momento come questo, in cui l'ingegneria del software e, più in particolare, l'apprendimento automatico fanno passi da gigante, i sistemi basati su computer diventano ogni anno più capaci di gestire decisioni sempre più varie. Ad esempio, i primi sistemi di ottimizzazione delle scorte erano limitati a prodotti con diversi mesi di dati storici sulle vendite, mentre i sistemi più recenti sono in grado di supportare qualsiasi prodotto, inclusi quelli non ancora venduti.

Inoltre, l'ingegneria del software consente di affrontare problemi prima considerati irrisolvibili, anche se gestiti manualmente da un esperto di logistica: è il caso del conteggio delle scorte, la cui accuratezza può essere facilmente prevista attraverso i moderni sistemi di ottimizzazione delle scorte, consentendo così di rivedere prima di tutto le scorte "a rischio", con risultati notevolmente migliori rispetto al classico conteggio lineare di tutte le SKU.

Decisioni logistiche: qualche esempio

Le catene logistiche presentano una varietà incredibile: quello che può essere un problema spinoso in un determinato settore può invece avere un carattere semplicemente aneddotico in un altro. In questa sezione passeremo brevemente in rassegna le decisioni adatte a essere risolte attraverso un approccio quantitativo.

  • Ordini di acquisto: decidere le quantità esatte da acquistare da ogni fornitore, per ogni prodotto. La decisione viene aggiornata ogni giorno, anche se l'acquisto effettivo avviene solo dopo molti giorni. L'ordine di acquisto deve tenere conto dei quantitativi minimi (MOQ), ma anche dei vincoli di trasporto (come i container) o delle modalità stesse di trasporto (potrebbe essere necessario, ad esempio, decidere se optare per il trasporto aereo o via mare, oppure se combinare varie modalità).
  • Ordini di produzione: decidere le esatte quantità da acquistare. L'ordine di produzione dovrebbe tenere conto di tutti i vincoli di produzione che potrebbero richiedere un quantitativo minimo di produzione. Inoltre, la capacità massima di produzione potrebbe essere inferiore alle esigenze del mercato durante la stagione di punta, il che significa che potrebbe essere necessario accumulare scorte prima del tempo per poter far fronte ai picchi di domanda.
  • Bilanciamento delle scorte: decidere se le unità tenute a magazzino in una posizione devono essere spostate in un'altra posizione, perché le scorte non sono più bilanciate in modo da rispondere alla domanda futura prevista per ogni posizione. Ancora una volta, si tratta di una decisione che viene aggiornata ogni giorno, anche se dal punto di vista economico, per la maggior parte dei prodotti, non ha senso trasferire gli articoli da una posizione all'altra.
  • Liquidazione delle scorte: decidere se le unità attualmente tenute a magazzino devono essere distrutte o vendute attraverso un altro canale (di solito a prezzo molto scontato). Lo stock morto può essere infatti un ingombro notevole per il magazzino, e generare così costi che superano il valore economico stesso dei prodotti. A seconda del settore in cui si opera, i prodotti possono essere allora svenduti attraverso promozioni o canali specializzati, oppure direttamente distrutti.
  • Magazzinaggio o drop shipping: decidere se per un prodotto esiste una domanda tale da giustificarne l'acquisto, il magazzinaggio e la vendita diretta, o se invece non sia più sensato far spedire il prodotto da terzi non appena esso viene richiesto (dropshipping). I prodotti venduti tramite dropshipping generano di solito ritorni minori, ma anche costi di gestione decisamente più contenuti. Una decisione di questo tipo si conclude con la messa a punto di una lista di prodotti da tenere a magazzino, pur continuando a mantenere gestibile la diversità delle scorte in generale.
  • Conteggio mirato delle scorte: decidere se una SKU deve essere riconteggiata perché le quantità registrate potrebbero essere inesatte e non corrispondere al numero esatto di unità effettivamente disponibili in magazzino. La decisione si basa su un compromesso tra il costo della manodopera impiegata nell'operazione di riconteggio e l'impatto negativo delle scorte fantasma sulle prestazioni logistiche dell'azienda. Nella pratica, le inaccuratezze nell'inventario hanno un impatto molto maggiore nei punti vendita accessibili al pubblico che nei magazzini o nelle strutture con accesso riservato al solo personale.

Vale la pena considerare anche che ogni settore industriale richiede di prendere decisioni specifiche. Vediamo qualche esempio.

  • Assortimento dei punti vendita al dettaglio: decidere l'elenco esatto dei prodotti che devono essere presenti in ogni punto vendita. Talvolta, l'intero catalogo dei prodotti può eccedere la capacità effettiva di un punto vendita. Ogni punto vendita, quindi, può esporre solo una parte dei prodotti in catalogo. L'ottimizzazione dell'assortimento massimizza la performance del punto vendita, alla luce della sua capacità. Il problema è ancora più complesso nel caso di comparti come i beni di lusso, in cui il punto vendita tiene a magazzino non più di una unità alla volta per ogni prodotto di un assortimento ristretto.
  • Sostituzione opportunistica: decidere quando è possibile e redditizio sostituire un prodotto. Ad esempio, un e-commerce di cibi freschi potrebbe accettare di consegnare la merce con qualche giorno di anticipo, ma questo significa esporsi a un potenziale rischio di rottura di stock per un prodotto fresco già ordinato e, di conseguenza, al rischio di dover modificare l'ordine originale del cliente. In questo caso, l'opzione migliore, sia per il rivenditore che per il cliente, è quella di sostituire il prodotto mancante con una valida alternativa.
  • Cessione opportunistica: decidere di rivendere scorte (solitamente pezzi di ricambio) inizialmente destinati al solo uso interno. Ogni volta che i pezzi di ricambio vengono venduti, recuperati, riparati e infine rivenduti, le scorte non fanno altro che oscillare tra "servibili" e "inservibili". In alcune circostanze, come un calo della domanda, la parte di pezzi servibili potrebbe essere superiore alle esigenze dell'azienda: in questo caso, la decisione consiste nel trovare un compromesso tra il rivendere i pezzi nel mercato postvendita, solitamente a un prezzo molto scontato, per recuperare almeno in parte il valore originale delle scorte; oppure aumentare il rischio di non servire in tempo, in futuro, un pezzo ordinato.
  • Mantenere scorte inservibili: decidere di riparare immediatamente un pezzo non servibile ma riparabile, oppure rimandare la riparazione e immagazzinare il pezzo come inservibile. Se il costo della riparazione può essere inferiore all'acquisto di nuovi pezzi, le scorte servibili attuali potrebbero essere comunque sufficienti a coprire la domanda, anche per un lungo periodo di tempo. Rimandare la riparazione significa dunque trovare un compromesso tra il differire la spesa per la riparazione (riparazione che potrebbe comunque non essere necessaria, poiché la domanda del mercato potrebbe essersi nel frattempo indirizzata verso altri pezzi) e l'aumentare il rischio di non servire in tempo un pezzo ordinato in futuro.
  • Sourcing opportunistico: decidere quando vale la pena condurre un'attività di sourcing per stabilire una soglia di prezzo per un determinato pezzo. In alcuni settori, il prezzo dei pezzi è relativamente opaco. Scoprire il prezzo aggiornato di un pezzo, magari anche molto costoso, può richiedere giorni di lavoro. Quando nell'operazione sono coinvolti migliaia di pezzi, il compromesso consiste nel pagare i pezzi più costosi o incorrere nei costi di manodopera necessari per portare a termine l'attività di sourcing.
  • Vendere le ultime unità in pacchetti: decidere se vale la pena di vendere l'ultima unità di un certo prodotto singolarmente, o se conservare l'unità e venderla successivamente come parte di un pacchetto. In alcuni casi, avere disponibilità di pacchetti, ossia di prodotti venduti insieme, può essere più importante che avere a disposizione prodotti singoli. Vendendo invece l'ultima unità disponibile singolarmente, si corre il rischio di ritrovarsi in una situazione di rottura di stock per il pacchetto, più importante del prodotto singolo. La decisione consiste quindi nel trovare un compromesso tra i vantaggi del vendere subito l'ultima unità e i possibili svantaggi del ritrovarsi senza un prodotto da aggiungere a un pacchetto più redditizio in futuro.

Finché sono espresse in questo modo, le decisioni logistiche vengono prese in modo piuttosto implicito, a volte da sistemi software, più spesso da personale. Ad esempio, l'applicazione del metodo scorta minima/scorta massima all'inventario implica una serie di decisioni, e non solo a livello delle quantità da riordinare: se il valore massimo è diverso da zero, allora il prodotto deve essere tenuto a magazzino. Un altro esempio è il conteggio delle scorte: le scorte non vengono ricontate prima di procedere a un rifornimento, il che significa prendere un'altra decisione implicita. Sfortunatamente, non si può ottimizzare ciò che non si misura: non formalizzare le decisioni porta spesso a impedire un miglioramento sistematico delle prestazioni della catena logistica ottenute attraverso queste stesse decisioni.

Artefatti numerici o decisioni?

Di fronte a complessi problemi logistici, si rischia spesso di confondere il fine con i mezzi. Ad esempio, quando c'è necessità di eseguire un rifornimento, elaborare una previsione settimanale della domanda associata a una SKU è un semplice ingrediente richiesto per alcune (ma non tutte) le ricette numeriche disponibili per calcolare le quantità da riordinare. La previsione settimanale non è che un calcolo intermedio, mentre la decisione finale è la quantità da riordinare. Dal punto di vista della catena logistica quantitativa, definiamo questi calcoli intermedi come artefatti numerici. La catena logistica quantitativa non nega l'importanza degli artefatti numerici, anzi, sottolinea quello che sono: espressioni numeriche da utilizzare temporaneamente, per arrivare all'obiettivo finale, cioè alle decisioni logistiche.

Se pensiamo all'ottimizzazione logistica, è sbagliato credere che ottimizzare gli artefatti numerici sulla base di parametri matematici (ad esempio, previsioni della domanda ottimizzate sulla base dell'errore medio assoluto percentuale ponderato) porti a qualche beneficio in termini finanziari. Può sembrare controintuitivo, ma nella logistica non funziona così. I problemi relativi alla catena logistica sono solitamente molto asimmetrici: per esempio, in aeronautica un pezzo mancante da 200 dollari può bastare a bloccare al suolo un velivolo da 200 milioni di dollari. Il numero di pezzi da tenere a magazzino non dipende necessariamente dalla domanda attesa: a pesare sulla decisione è il costo del pezzo, paragonato al costo che comporterebbe la sua mancata disponibilità.

Al contrario, la catena logistica quantitativa enfatizza come siano solo le decisioni a contare, poiché esse sono l'unico elemento tangibile che ha conseguenze reali e misurabili, a livello economico, per l'azienda. Certo, è fondamentale tenere d'occhio le prestazioni delle decisioni, ma è anche necessario mantenere una sana dose di scetticismo verso i KPI che monitorano risultati numerici di utilità temporanea e non vincolante, come le previsioni settimanali o mensili.

Decisioni vincolate, tra mito e realtà

Le decisioni logistiche sono solitamente soggette a vari vincoli: le risposte sono valide soltanto se riescono a soddisfare una serie di limiti numerici. Ad esempio, gli ordini di acquisto possono essere sottoposti a quantitativi minimi di ordine (MOQ), che rappresentano un vincolo non lineare. Inoltre, un magazzino non ha una capacità di magazzinaggio infinita: un altro vincolo non lineare.

Spesso i vincoli sono generati da fattori economici legati alla catena logistica: tenendo conto del prezzo attuale del prodotto, la distribuzione del prodotto può essere economicamente fattibile se i prodotti sono venduti in pallet e, quindi, il prodotto può essere venduto solo in blocchi di 50 unità (ipotesi), ossia la misura di un pallet.

I vincoli possono inoltre derivare da regole organizzative: ad esempio, un'azienda potrebbe decidere di fissare il budget annuale di spesa per un certo reparto a 1 milione di euro, ben prima di sapere a quanto ammontano le vendite del reparto. In questo caso, ci si aspetta che le decisioni di acquisto rispettino un vincolo non lineare derivato da una decisione di bilancio relativamente arbitraria.

La catena logistica quantitativa tenta di riflettere, nella più ampia misura possibile, i vincoli reali della catena logistica, promuovendo al contempo strutture organizzative nuove o rinnovate, che possano operare senza sottostare alle restrizioni imposte da aspetti arbitrari di processi precedenti. In realtà, nella logistica la maggior parte dei vincoli arbitrari sono il risultato della mancanza di automazione: se il budget "ottimale" per un reparto non può essere rivalutato in maniera affidabile su base giornaliera, tenendo conto di tutte le questioni che riguardano l'azienda, allora è naturale continuare a fare affidamento su previsioni di budget annuali o trimestrali.

Le decisioni richiedono coordinamento e priorità

Quasi tutte le decisioni legate alla catena logistica dipendono l'una dall'altra: ogni unità di prodotto in più che viene acquistata da un fornitore occuperà altro spazio nel magazzino, finché questo non sarà pieno e l'attività dovrà fermarsi. Il filo rosso che collega tra loro le decisioni è di solito indiretto e difficile da identificare a livello numerico, ma ciò non lo rende meno importante dal punto di vista logistico (e strategico): se il livello di servizio è pari al 99%, che è ottimo, ma il cliente più importante ha un livello di servizio dell'85%, perché tutte le rotture di stock si concentrano nel gruppo di prodotti acquistati proprio da lui, l'azienda rischia di perdere il suo cliente migliore.

Ordinare le decisioni per priorità è il metodo più semplice per trarre il massimo dalle risorse condivise, ma limitate, della catena logistica. Ad esempio, poiché lo spazio di magazzinaggio e il capitale operativo sono entrambi limitati, l'obiettivo non dev'essere solo quello di acquistare un'unità di scorte in più che si riveli redditizia, ma di identificare la prossima unità di stock che corrisponde all'unità più redditizia dell'intero catalogo prodotti. Prendere le decisioni di acquisto singolarmente aumenterebbe il rischio di esaurire lo spazio di magazzinaggio o il budget di acquisto, tutto per prodotti poco redditizi.

Nella pratica, ordinare le decisioni per priorità richiede una profonda modifica al software analitico usato per la gestione logistica. Invece che prendere ogni decisione singolarmente, come con i metodi tradizionali (es. modello scorta minima/scorta massima), tutte le decisioni vanno prese insieme e classificate per ordine di redditività attesa. Un simile procedimento è possibile attraverso i moderni software, ma richiede una quantità di risorse di calcolo molto superiore rispetto a metodi più primitivi di gestione della logistica.

Coordinare le decisioni è poi essenziale per gestire tutti i vincoli che colpiscono trasversalmente la catena logistica. Ad esempio, quando si ordinano prodotti da un fornitore in un altro continente, potrebbe essere forte l'incentivo a ordinare un container intero di prodotti. La sfida non è quindi quella di scegliere le quantità per prodotto, ma scegliere le quantità che, in totale, consentono di coprire tutta la capacità del container. Vincoli trasversali come questo sono praticamente onnipresenti nella logistica: calibrare l'assortimento della prossima collezione di moda, garantire un elevato livello di servizio ai clienti che cercano una lista di prodotti in un punto vendita per il fai da te, assicurarsi che un magazzino centrale non esaurisca le proprie scorte con ordini eccessivi da un solo punto vendita a spese degli altri, ecc.

Il metodo tradizionale, estremamente inefficiente, di affrontare questi problemi consiste in un calcolo in due fasi, che non solo non coordina le decisioni, ma rivede anche i risultati numerici iniziali per risolvere il problema. Riprendiamo l'esempio del container fatto prima: prima di tutto, dobbiamo calcolare le quantità che vogliamo ordinare, tralasciando il container; poi, dobbiamo rivedere le quantità calcolate in modo che, in aggregato, possano riempire tutta la capacità del container. Il punto debole di un ragionamento di questo tipo è che la seconda fase ignora completamente i fattori economici considerati nella prima fase. In altre parole, rivedere i risultati in una seconda fase può "mandare a monte" tutti gli sforzi profusi nella prima fase per calcolare le decisioni più redditizie. I moderni software aggirano l'ostacolo introducendo dei solutori numerici, che affrontano i vincoli di petto. Ancora una volta, questo sistema richiede risorse di calcolo decisamente maggiori rispetto alla controparte in due fasi, ma la moderna tecnologia ci consente di far fronte al problema.