Gli esseri umani nelle moderne catene di approvvigionamento

Joannes Vermorel

Le catene di approvvigionamento sono sistemi complessi, forse tra i più complessi mai progettati dall’uomo, che comprendono persone (molte), macchine (diverse) e software (tonnellate). La prospettiva che ho recentemente pubblicato su DDMRP ha generato una vivace discussione. Ciò mi ha portato a riflettere ulteriormente sulle differenze fondamentali tra Gestione Quantitativa della Catena di Approvvigionamento (QSCM) e DDMRP. Al loro nucleo, queste due visioni sono profondamente in disaccordo sul ruolo degli esseri umani all’interno delle catene di approvvigionamento.

QSCM è saldamente ancorato nella visione classica IBM:

le macchine dovrebbero lavorare; le persone dovrebbero pensare;

Al contrario, DDMRP adotta una posizione di educazione di massa, meglio riassunta dal suo motto:

costruito per le persone, non per la perfezione;

Sebbene la posizione filosofica nei confronti degli esseri umani nelle catene di approvvigionamento non spieghi tutte le differenze tra QSCM e DDMRP, fa luce sul motivo per cui queste due prospettive sono incompatibili fino a un certo punto.

Scarsità vs abbondanza di professionisti delle catene di approvvigionamento

I professionisti delle catene di approvvigionamento sono riconosciuti come una risorsa preziosa per l’azienda sia da DDMRP che da QSCM. Tuttavia, i due approcci differiscono notevolmente nel modo in cui questo aspetto viene considerato nella rispettiva metodologia.

QSCM parte dall’ipotesi che ogni banale decisione di catena di approvvigionamento dovrebbe essere automatizzata¹. Questa prospettiva sottolinea che i competenti professionisti delle catene di approvvigionamento sono considerati troppo rari e troppo costosi per dedicare il loro tempo a generare decisioni di stoccaggio, acquisto o prezzi. Tutte queste decisioni possono e dovrebbero essere automatizzate, in modo che i professionisti possano concentrarsi sul miglioramento della ricetta numerica stessa. Dal punto di vista finanziario, QSCM trasforma quei salari da OPEX, in cui i giorni-uomo vengono consumati per mantenere il sistema in funzione, in CAPEX, in cui i giorni-uomo vengono investiti nel miglioramento continuo del sistema.

L’approccio DDMRP parte dall’ipotesi che i competenti professionisti delle catene di approvvigionamento possano essere formati in massa², riducendo così sia il costo per il datore di lavoro, sia il fattore bus associato alla partenza di qualsiasi dipendente. Inoltre, adottando ricette numeriche appositamente studiate per l’elaborazione umana, gli investimenti OPEX possono essere ridotti. DDMRP stabilisce un processo per generare decisioni banali di catena di approvvigionamento, ma il raggiungimento dell’automazione completa è per lo più un obiettivo secondario³, anche se DDMRP non è contrario all’automazione quando si presenta l’opportunità.

È interessante notare che se l’industria si sta orientando verso la prospettiva QSCM o verso quella DDMRP, ciò dovrebbe essere osservabile fino a un certo punto. Se la prospettiva QSCM viene adottata più ampiamente, allora i team di gestione della catena di approvvigionamento si evolveranno per diventare più simili ad altre industrie “di talento”, ad esempio la finanza con i loro trader quantitativi in cui pochi individui eccezionalmente talentuosi guidano le performance di grandi aziende. Al contrario, se la prospettiva DDMRP viene adottata più ampiamente, allora i team di gestione della catena di approvvigionamento si evolveranno per diventare più simili a franchising di successo, ad esempio i responsabili dei negozi Starbucks, dove individui eccezionali hanno poco effetto sul sistema, ma dove una cultura superiore fa tutta la differenza tra le aziende.

Trasparenza locale vs globale

Sia QSCM che DDMRP cercano di evitare l’effetto della “scatola nera” che è intrinseco a ogni tentativo di ottimizzare un sistema complesso. Entrambi gli approcci valorizzano l’idea di raggiungere un certo grado di trasparenza della catena di approvvigionamento; tuttavia, a causa di presupposti iniziali divergenti, entrambi gli approcci finiscono per avere prospettive molto diverse su cosa significhi trasparenza.

Dal punto di vista di QSCM, la trasparenza deve essere raggiunta prima di tutto a livello di gestione attraverso driver economici espliciti e quantificati⁴. Ogni decisione prodotta dal sistema dovrebbe essere supportata da una serie di driver - misurati in importi monetari (ad esempio dollari) - che motivano perché questa decisione viene avanzata. Ad esempio, una decisione di acquisto è motivata dal margine aggiuntivo che verrà generato avendo un po’ di inventario in più (piuttosto che no), ma è anche influenzata negativamente dai costi di gestione e da un aumento del rischio di svalutazione dell’inventario. La gestione ha il controllo dei driver economici e, a livello di sistema, QSCM è altamente trasparente: il sistema semplicemente implementa su larga scala le implicazioni complesse ma banali di quei driver. Tuttavia, il lato negativo di un’ottimizzazione su scala di sistema è che decifrare i dettagli di una determinata decisione è complicato, proprio perché ogni decisione è un complesso equilibrio di molti driver valutati rispetto a molti futuri possibili.

Dal punto di vista di DDMRP, la trasparenza è intesa e fornita a livello operativo. La semplicità delle ricette numeriche garantisce che ogni decisione possa essere facilmente valutata come corretta semplicemente “stimando” quale dovrebbe essere il risultato. Inoltre, è sempre possibile replicare i calcoli in un foglio di calcolo. Inoltre, attraverso le liste di priorità, DDMRP mitiga la complessità intrinseca delle catene di approvvigionamento, fornendo un meccanismo di attenzione agli operatori della catena di approvvigionamento, in modo che non finiscano per rivedere manualmente tutti gli SKU tutto il tempo. Tuttavia, il lato negativo di una strategia di ottimizzazione locale come quella offerta da DDMRP è che i risultati a livello di sistema, quando misurati in importi monetari, sono opachi. Ad esempio, DDMRP non offre alcun controllo alla gestione per regolare un compromesso sistemico come la resilienza rispetto alla crescita⁵ quando si considera il rischio di una perdita improvvisa di un cliente grande e in crescita che finora aveva ordinato prodotti diversi in quantità diverse.

Non è possibile avere sia una trasparenza locale che globale: o le decisioni sono ottimizzate localmente (come in DDMRP) con semplici ricette numeriche, in tal caso non c’è controllo e trasparenza su ciò che accade a livello di sistema; o le decisioni sono ottimizzate globalmente, in tal caso tutte le decisioni tendono ad essere numericamente intrecciate, come accade con QSCM, complicando ogni tentativo di raggiungere la trasparenza nel momento in cui si prende una decisione isolata.