Shortage vs. Stock, l'accuratezza delle previsioni conta
La previsione della domanda è un pilastro dell’ottimizzazione delle scorte. Tuttavia, la relazione esatta tra:
- il livello di servizio (probabilità di non avere una carenza),
- le scorte di sicurezza (quantità di inventario superiore alla domanda prevista),
- e l’accuratezza delle previsioni
è a volte un po’ sfumata. Pertanto, cerchiamo di chiarire la situazione.
Le carenze costano denaro: i clienti sono insoddisfatti e meno propensi a tornare, i soldi investiti nell’acquisizione di clienti vengono sprecati, possono essere persi anche le vendite indirette, …
Tuttavia, le scorte di magazzino costano denaro: più scorte significano più capitale circolante, più obsolescenza del prodotto, più costi di magazzinaggio; un eccesso di inventario comporta costi pubblicitari più elevati e punti vendita inferiori, …
Pertanto, soddisfare i clienti è un compromesso finanziario tra la quantità di inventario e la quantità di carenze.
Qui stiamo implicitamente considerando una situazione di vendita al dettaglio, ma un ragionamento quasi identico si applica anche ai produttori.
A questo punto, non è ancora chiaro come l’accuratezza delle previsioni entri in gioco. In particolare, per alcune aziende, potrebbe sembrare come se non fossero state prodotte previsioni in primo luogo. Ad esempio: solo politiche di riordino min-max e nessuna previsione.
Infatti, anche se nessuno nella tua azienda produce esplicitamente previsioni, il tuo inventario ottiene comunque un’accuratezza implicita delle previsioni (illustrazione qui sopra, il triangolo arancione rappresenta il vincolo). Infatti, è possibile - sebbene un po’ complicato - calcolare l’accuratezza implicita delle aziende nei tuoi livelli di scorte di sicurezza con le tue frequenze di carenza.
Modificare il compromesso a favore del livello di servizio o a favore della riduzione delle scorte non migliora l’accuratezza implicita, poiché un costo viene scambiato con un altro (illustrazione a destra, il vincolo viene ruotato, non ridotto). Le previsioni potrebbero essere nascoste dai tuoi processi, ma ciò non impedirà alla tua azienda di subire perdite finanziarie se tali previsioni si rivelano errate.
A meno che non ci sia una profonda mancanza di analisi nelle politiche di inventario, ci si aspetta che il miglioramento apportato dall’adeguamento del compromesso tra carenza e scorte sia marginale (che potrebbe comunque rappresentare risparmi sostanziali, soprattutto se il margine è esiguo).
Per migliorare entrambi i lati dell’equazione, hai bisogno di previsioni migliori.
L’impatto di un’accuratezza migliorata è illustrato nel grafico a sinistra. Rispetto alle situazioni precedenti, vediamo che riducendo l’accuratezza è possibile ridurre sia la frequenza delle carenze che la quantità di scorte di sicurezza.
La teoria dice approssimativamente che ridurre l’errore di previsione dell'1% (relativo) può essere utilizzato per ridurre la frequenza delle carenze dell'1% (relativo) o ridurre la quantità di scorte di sicurezza dell'1% (relativo).
Nella pratica, potrebbero esserci ostacoli per sfruttare appieno il miglioramento apportato dalla maggiore accuratezza, come i livelli di servizio offerti dai tuoi fornitori. Tuttavia, con una posizione conservativa, possiamo comunque stimare che un’accuratezza extra dell'1% comporta una riduzione delle carenze dello 0,5% o una riduzione delle scorte di sicurezza dello 0,5%.
Di nuovo, il compromesso tra carenza e scorte può essere riassestato mantenendo la nuova accuratezza migliorata.
Commenti dei lettori (6)
Ciao Benhard, La maggior parte delle formule per le scorte di sicurezza si basa sulla varianza delle previsioni, tuttavia, poiché questo valore è più difficile da calcolare, un’euristica tipica consiste nel sostituire le varianze delle previsioni con la varianza dei dati storici, ma questa è un’approssimazione. Pertanto, se vuoi integrare l’errore di previsione nel calcolo delle scorte di sicurezza, sostituisci il coefficiente ‘sigma’ della varianza storica con la varianza prevista delle previsioni stesse. Spero che ti sia utile. 7 anni fa | Joannes Vermorel
Ciao Joannes, Trovo davvero interessante questo articolo. Sto cercando di determinare una politica di inventario basata sulla previsione della domanda anziché sulla storia della domanda. La maggior parte dei siti web mostra come determinare una politica di inventario basata sulla varianza dei dati storici. Mi chiedo come inserire l’errore di previsione nell’equazione delle scorte di sicurezza. Mi scuso se la mia domanda esce dall’argomento sopra. Qualsiasi tipo di aiuto sarebbe apprezzato. Grazie Jo. ben 7 anni fa | Benhard Adolf
In realtà, non è il triangolo che conta davvero, ma i suoi due lati (destro e sinistro). Intuitivamente, l’angolo primario è una costante che non può essere cambiata, quindi se sposti un lato, l’altro si sposta anche. La forma assomiglia in qualche modo a un triangolo, ma solo due lati e un angolo contano davvero. 8 anni fa | Joannes Vermorel
Caro Joannes, Trovo la tua spiegazione molto chiara, ma non capisco il triangolo arancione. Rappresenta il vincolo. Ma non lo capisco nel disegno. Hai una parola di spiegazione in più. Grazie 8 anni fa | Piet Buyck
Ciao Achyut, nel modello classico delle scorte di sicurezza, assumiamo tipicamente una distribuzione normale (distribuzione gaussiana) della domanda. La distribuzione normale è definita da due parametri: la sua media e la sua varianza. La quantità di scorte di sicurezza (detta anche scorte aggiuntive al di sopra del livello medio della domanda), per un dato livello di servizio, è proporzionale linearmente alla varianza. Pertanto, se riduci la varianza (detta anche errore di previsione) dell'1%, riduci anche le scorte di sicurezza dell'1% in questo modello ideale. Quindi, l’altra parte riguardante la riduzione della frequenza delle carenze mantenendo la stessa quantità di scorte di sicurezza è più complicata e richiederebbe un post sul blog a sé stante. Cercherò di tornare su questo argomento quando avrò tempo. 8 anni fa | Joannes Vermorel
Ciao Joannes, È un articolo molto utile. Ho solo bisogno di una maggiore chiarezza su una delle cose che hai menzionato in questo articolo. Hai detto che “La teoria dice approssimativamente che ridurre l’errore di previsione dell'1% (relativo) può essere utilizzato per ridurre la frequenza delle carenze dell'1% (relativo) o ridurre la quantità di scorte di sicurezza dell'1% (relativo)”. Puoi per favore approfondire il concetto su cui si basa? Capisco che una migliore previsione ridurrebbe i livelli di inventario, ma trovo difficile quantificarlo. Grazie in anticipo 8 anni fa | Achyut Koushik A
