Gestione dell'inventario delle parti di ricambio con la tecnologia Quantile
La gestione delle parti di ricambio e di servizio è tanto strategica quanto difficile. In un mondo in cui la maggior parte dei produttori di attrezzature e dei rivenditori opera in mercati estremamente competitivi, un alto livello di servizio alla base di clienti esistenti è una priorità strategica per molti attori.
Non solo una disponibilità elevata di parti di ricambio aiuta a costruire una base fedele di clienti, ma le aziende produttrici di prodotti/attrezzature hanno anche scoperto i servizi come un flusso di ricavi spesso molto redditizio e ricorrente che è tipicamente più resiliente ai cicli economici rispetto alle vendite di attrezzature.
Tuttavia, gestire in modo efficiente un inventario di parti di ricambio rappresenta ancora una grande sfida. Nonostante un’industria della tecnologia di previsione e pianificazione degli stock che ha diversi decenni di storia, la gestione delle parti di ricambio è rimasta difficile per una serie di motivi:
- Grande numero di parti: Anche i produttori di attrezzature più piccoli possono trovarsi facilmente a gestire più di centomila parti di ricambio.
- Elevato requisito di livello di servizio: Le rotture di stock sono spesso molto costose, quindi livelli di servizio elevati o molto elevati sono fondamentali in molti settori.
- Domanda poco frequente: La domanda di parti di ricambio è tipicamente scarsa e intermittente, il che significa che sono richiesti solo volumi molto bassi occasionalmente.
Perché la tecnologia di previsione standard funziona male
Purtroppo, la combinazione di questi fattori rende la tecnologia standard di previsione e pianificazione degli stock poco adatta alla pianificazione delle parti di ricambio. Nella teoria classica della previsione e della pianificazione degli stock, una previsione viene prodotta applicando modelli come la media mobile, la regressione lineare e Holt Winters e si presta molta attenzione all’errore di previsione, che viene ottimizzato misurando MAPE o indicatori simili. La trasformazione in un livello di stock suggerito viene effettuata in un secondo momento tramite un’analisi classica delle scorte di sicurezza.
Nel caso di serie temporali sparse (chiamate anche slow movers: unità a basso volume e vendite poco frequenti), questa metodologia fallisce. Il problema principale con la previsione dei slow movers è che in sostanza stiamo prevedendo zeri. Questo è intuitivamente ovvio quando si osserva la storia della domanda di un tipico portafoglio di parti di ricambio su base giornaliera, settimanale o anche mensile: di gran lunga il punto dati più frequente è zero, che in alcuni casi può costituire più del 50% di tutti i punti dati registrati.
La sfida della previsione dei slow movers: Buone prestazioni statistiche e buona pratica di gestione degli stock non sono la stessa cosa.
Applicando la teoria classica della previsione a questo tipo di set di dati, la migliore previsione per un prodotto a movimento lento è per definizione zero. Una previsione “buona” dal punto di vista statistico restituirà principalmente zeri, il che è ottimale dal punto di vista matematico, ma non utile dal punto di vista dell’ottimizzazione degli stock.
Il metodo classico separa completamente la previsione dal riapprovvigionamento. Il problema è che la situazione difficilmente può essere migliorata con una previsione “migliore”. Quello che conta effettivamente nella pratica è l’accuratezza del livello di stock risultante (punto di riordino), che non viene misurata né ottimizzata.
Cambiare la visione dall’accuratezza della previsione alla gestione del rischio
Quando si tratta di slow movers, riteniamo che l’approccio corretto non sia considerare il problema come una questione di previsione e cercare di prevedere la domanda (che è per lo più zero). Piuttosto, l’analisi dovrebbe fornire una risposta alla domanda su quanta inventario è necessario per garantire il livello di servizio desiderato. Il punto centrale dell’analisi non è una previsione della domanda più accurata, ma una migliore analisi del rischio. Cambiamo radicalmente la visione qui.
Determinare e ottimizzare direttamente il Punto di Riordino
Le previsioni quantili consentono di prevedere direttamente l’inventario ottimale che fornisce il livello di inventario desiderato: si introduce un bias intenzionalmente fin dall’inizio per alterare le probabilità di sovrastima e sottostima.
I confronti con la tecnologia di previsione classica nel settore alimentare, non alimentare, hardware, lusso e ricambi mostrano in modo coerente che le previsioni quantili portano a un miglioramento delle prestazioni superiore al 25%, ovvero una riduzione dell’inventario superiore al 25% o una riduzione delle scorte esaurite del 25%.
Secondo noi, risolvendo il problema della previsione della domanda intermittente e scarsa nella gestione dei ricambi, la tecnologia quantile non solo offre un forte aumento delle prestazioni, ma rende anche le previsioni classiche obsolete.
Whitepaper sulla gestione dei ricambi disponibile per il download
Scarica il whitepaper Gestione degli Stock di Ricambi con la Tecnologia Quantile per una discussione approfondita dell’argomento. Ulteriori whitepaper e risorse sulla previsione quantile e sulla gestione degli stock sono disponibili nella nostra pagina delle risorse.
Hai commenti, domande o esperienze da condividere sulla gestione dei ricambi? Partecipa ai commenti qui sotto, il tuo contributo è molto prezioso per il nostro team.
Commenti dei lettori (1)
Ottimo articolo sulla tecnologia di gestione degli stock. Direi per esperienza che affidarsi alla previsione della gestione del rischio è un rischio stesso quando non lo fai tu stesso e dipendi dagli altri per fare il lavoro. 5 anni fa | Chris Toff
