Shortage vs. Stock, l'accuratezza delle previsioni è importante

Joannes Vermorel

La previsione della domanda è un pilastro dell’ottimizzazione dell’inventario. 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. Quindi, cerchiamo di chiarire la situazione.

Le carenze costano denaro: i clienti sono insoddisfatti e meno propensi a tornare, il denaro investito nell’acquisizione di clienti viene sprecato, le vendite indirette potrebbero andare perse, …

Tuttavia anche l’inventario costa: più scorte significano più capitale circolante, più obsolescenza del prodotto, più costi di magazzinaggio; un eccesso di inventario comporta costi pubblicitari più alti e punti vendita più bassi, …

Quindi, soddisfare i clienti è un compromesso finanziario tra la quantità di inventario e la quantità di carenze.

Stiamo implicitamente considerando una situazione al dettaglio qui, 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 delle previsioni implicita (illustrazione qui sopra, il triangolo arancione rappresenta il vincolo). Infatti, è possibile - sebbene un po’ complicato - calcolare l’accuratezza implicita dalle aziende nei tuoi livelli di scorte di sicurezza con le tue frequenze di carenza.

Regolare il compromesso a favore del livello di servizio o a favore della riduzione dell’inventario non migliora l’accuratezza implicita, poiché un costo viene scambiato con un altro (illustrazione a destra, il vincolo è ruotato, non ridotto). Le previsioni potrebbero essere nascoste dai tuoi processi, ma ciò non impedirà alla tua azienda di subire perdite finanziarie se quelle previsioni dovessero risultare errate.

A meno che non ci sia una profonda mancanza di analisi nelle politiche di inventario, il miglioramento apportato regolando il compromesso tra carenza e inventario è previsto essere marginale (che potrebbe comunque rappresentare risparmi sostanziali, specialmente 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 ti permette di 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).

In pratica, potrebbero esserci ostacoli per sfruttare appieno il miglioramento apportato dalla maggiore precisione, come i livelli di servizio offerti dai tuoi fornitori. Tuttavia, con una posizione conservativa, possiamo comunque stimare che un’accuratezza aggiuntiva dell'1% porti a una riduzione delle carenze del 0,5%, o a una riduzione delle scorte di sicurezza del 0,5%.

Di nuovo, il compromesso carenza vs. inventario può essere riequilibrato mantenendo la nuova accuratezza migliorata.

Commenti dei lettori (6)

Ciao Benhard, La maggior parte delle formule di scorta di sicurezza si basa sulla varianza delle previsioni, tuttavia, poiché questo valore è più difficile da calcolare, una tipica euristica consiste nel sostituire le varianze delle previsioni con la varianza dei dati storici, ma questa è un’approssimazione. Quindi, 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 sia utile. Joannes Vermorel (7 anni fa)

Ciao Joannes, Trovo davvero interessante questo articolo. Sto cercando di determinare la politica di inventario basata sulla previsione della domanda invece della storia della domanda. La maggior parte dei siti web mostra come determinare la 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 è fuori tema rispetto a quanto sopra. Qualsiasi tipo di aiuto sarebbe apprezzato. Grazie Jo. ben Benhard Adolf (7 anni fa)

In realtà, non è il triangolo che conta davvero ma i suoi due lati (destro e sinistro). Intuitivamente, l’angolo principale 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 in realtà contano solo due lati e un angolo. Joannes Vermorel (8 anni fa)

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 Piet Buyck (8 anni fa)

Ciao Achyut, nel modello classico di scorta 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 scorta di sicurezza (alias la scorta aggiuntiva sopra il livello medio della domanda), per un dato livello di servizio, è proporzionale linearmente alla varianza. Quindi, se riduci la varianza (alias l’errore di previsione) dell'1%, riduci anche la scorta di sicurezza dell'1% in questo modello ideale. Poi, 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 dedicato. Cercherò di tornare su questo argomento quando avrò tempo. Joannes Vermorel (8 anni fa)

Ciao Joannes, Si tratta di un articolo molto utile. Ho solo bisogno di 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 scorta di sicurezza dell'1% (relativo).” Puoi per favore elaborare sul concetto su cui si basa? Capisco che una migliore previsione ridurrebbe i livelli di inventario, ma trovo difficile quantificarlo. Grazie in anticipo Achyut Koushik A (8 anni fa)