Pianificazione dei Fabbisogni dei Materiali guidata dalla domanda (DDMRP)
La Pianificazione dei Fabbisogni dei Materiali guidata dalla domanda (DDMRP) è un metodo quantitativo volto a ottimizzare le prestazioni della supply chain di imprese manifatturiere multi-echelon. Il metodo ruota attorno alle nozioni di ‘punti di disaccoppiamento’ e ‘buffer di scorte’, concepiti per mitigare i difetti dei metodi precedenti implementati dalla maggior parte dei sistemi MRP (Material Requirement Planning). Il metodo determina le quantità da acquistare o produrre per ogni SKU (Stock-Keeping Unit) di una distinta base multi-livello BOM (Bill Of Materials).

Aggiornamento di novembre 2024: Joannes Vermorel e Carol Ptak hanno discusso di DDMRP in un recente supply chain debate.
Il problema dell’ottimizzazione del flusso nella distinta base multi-livello
Una distinta base (Bill Of Materials) rappresenta gli assiemi, i componenti e le parti, e la quantità di ciascuno, necessari per produrre un prodotto finito. Una distinta base multi-livello è una prospettiva gerarchica ricorsiva della distinta base originale, in cui alcune parti sono ulteriormente scomposte in proprie distinte base. Da un punto di vista formale, una distinta base multi-livello è un grafo aciclico orientato ponderato1 in cui i vertici sono SKU, in cui gli archi indicano l’inclusione (cioè fa parte di), e in cui i pesi rappresentano la quantità richiesta per l’assemblaggio - sia dei prodotti finiti, sia dei prodotti intermedi.
Il problema affrontato da DDMRP è l’ottimizzazione del flusso all’interno di una distinta base multi-livello e consiste nel determinare, in ogni momento, (a) se bisogna approvvigionarsi di più materie prime e in quale quantità, (b) se bisogna produrre più unità di uno qualsiasi SKU e in quante quantità.
Intuitivamente, questo problema è difficile perché non esiste una correlazione diretta tra la qualità del servizio di uno SKU intermedio - solitamente misurata attraverso i livelli di servizio - e la qualità del servizio del prodotto finito. Aggiungere più scorte a uno specifico SKU migliora la qualità del servizio del prodotto finito solo se tale SKU era, in qualche modo, un collo di bottiglia nel flusso produttivo.
In pratica, la risoluzione di questo problema di ottimizzazione del flusso richiede una serie di ulteriori input, più comunemente:
- Storico degli ordini dei clienti
- Tempi di consegna dei fornitori
- Livelli di scorte, disponibili, in transito o in ordine
- Tempi di consegna di produzione e/o throughput produttivi
- ecc.
Inoltre, le supply chain del mondo reale tendono a presentare ulteriori complicazioni, come le dimensioni dei lotti (qualsiasi tipo di moltiplicatore desiderabile imposto sia dal fornitore che dal processo produttivo stesso), le scadenze (non solo per prodotti deperibili, ma anche per sostanze chimiche e apparecchiature sensibili), e sostituti imperfetti (ad es. quando una parte più costosa può essere usata come sostituto se quella meno costosa non è disponibile). Tali complicazioni richiedono che il modello includa ulteriori dati.
Limiti del MRP classico
L’origine di DDMRP è stata motivata dalle limitazioni associate a quella che potrebbe essere definita la prospettiva del MRP classico (semplicemente chiamata prospettiva MRP di seguito), sviluppata principalmente negli anni ‘80. La prospettiva MRP si concentra sull’analisi dei tempi di consegna e identifica il percorso più lungo (in termini di tempo) nel grafo della distinta base come il collo di bottiglia associato al processo produttivo del prodotto finito.
Per identificare questo collo di bottiglia, il MRP offre due distinti metodi numerici per assegnare un tempo di consegna statico a ogni arco del grafo della distinta base, ovvero:
- Tempi di consegna di produzione che sono estremamente ottimistici e presumono che l’inventario sia sempre disponibile ovunque (cioè per ogni SKU), e quindi i tempi di consegna dipendano solo dal throughput dei processi produttivi.
- Tempi di consegna cumulativi che sono estremamente pessimisti e presumono che l’inventario non sia mai disponibile, e quindi i tempi di consegna dipendano solo dal tempo necessario per produrre la prima unità a partire da uno stato iniziale, cioè zero materie prime e zero prodotti intermedi.
Questi due metodi hanno in comune un unico vantaggio fondamentale: sono relativamente semplici da implementare all’interno del database relazionale, che era il nucleo architetturale di quasi tutti i sistemi MRP progettati dagli anni ‘80 agli anni 2010.
Tuttavia, questi due metodi sono anche eccessivamente semplicistici e solitamente forniscono tempi di consegna insensati. Gli autori di DDMRP osservano che il calcolo degli ordini di acquisto o di produzione basato su stime dei tempi di consegna gravemente errate finisce per generare un mix di eccessi di scorte e stockouts, a seconda se i tempi di consegna risultino estremamente sovrastimati o sottostimati.
La ricetta numerica di DDMRP
La ricetta numerica di DDMRP è un misto di euristiche numeriche accoppiate a valutazioni soggettive - cioè, esperti della supply chain. Questa ricetta è pensata per superare i difetti associati al MRP classico senza ricorrere ad algoritmi numerici “avanzati”. La ricetta si compone di quattro ingredienti principali, ovvero:
- disaccoppiare i tempi di consegna
- l’equazione del flusso netto
- l’esplosione disaccoppiata
- la priorità relativa
Combinando questi quattro ingredienti, un esperto della supply chain può calcolare la quantità da acquistare e da produrre di fronte a una situazione di distinta base multi-livello. Gli autori di DDMRP sostengono che questo metodo offra prestazioni superiori della supply chain - misurate in rotazione del magazzino o livelli di servizio - rispetto alle prestazioni ottenute dai sistemi MRP.
Disaccoppiare i tempi di consegna
Per ovviare all’ottimismo/pessimismo ingenuamente estremo della prospettiva MRP sui tempi di consegna, DDMRP introduce uno schema di colorazione binaria del grafo2 in cui alcuni vertici (cioè, SKU) del grafo (cioè, delle distinte base) vengono designati come punti di disaccoppiamento. Questi vertici si presume mantengano sempre scorte fruibili, e la metodologia di DDMRP garantisce che ciò avvenga effettivamente.
La scelta dei punti di disaccoppiamento è essenzialmente delegata agli esperti della supply chain. Poiché i punti di disaccoppiamento sono destinati a essere SKU con scorte, gli operatori dovrebbero privilegiare quegli SKU che abbiano senso a livello strategico - per esempio, perché vengono consumati da più prodotti finiti e beneficiano di pattern di consumo più stabili rispetto alla maggior parte dei prodotti finiti.
Una volta scelti i punti di disaccoppiamento, i tempi di consegna DDMRP associati a qualsiasi vertice possono essere calcolati come il percorso più lungo (in termini di tempo), a partire dal vertice stesso e proseguendo verso il basso, troncando il percorso non appena si incontra un punto di disaccoppiamento.
Con una selezione accurata dei punti di disaccoppiamento, gli autori di DDMRP sostengono che la metodologia DDMRP fornisca tempi di consegna più brevi. Questa affermazione non è del tutto corretta, non perché i tempi di consegna siano maggiori, ma perché DDMRP propone una nuova definizione di ciò che viene inteso per tempo di consegna in primo luogo.
L’equazione del flusso netto
Per calcolare le quantità associate agli ordini di acquisto o di produzione, gli autori di DDMRP introducono un concetto chiamato flusso netto definito come segue:
In magazzino + In ordine - Domanda degli ordini di vendita qualificati = Posizione del flusso netto
Questa equazione è definita a livello di SKU. La quantità del flusso netto viene interpretata come la quantità di scorte disponibile per affrontare la parte incerta della domanda.
La posizione del flusso netto viene quindi confrontata con una dimensione del buffer; e quando diventa notevolmente inferiore al buffer target, viene effettuato un ordine. Torneremo su questo meccanismo nella sezione sulla priorità degli ordini di seguito.
La metodologia DDMRP offre alcune indicazioni di alto livello su come dimensionare i buffer, solitamente esprimendoli in giorni di domanda, e imponendo margini di sicurezza rispettando i tempi di consegna DDMRP - come definiti sopra. In pratica, il dimensionamento dei buffer dipende dal miglior giudizio degli operatori della supply chain.
Attraverso i flussi netti, gli autori di DDMRP sottolineano che solo la parte incerta della domanda richiede effettivamente qualsiasi tipo di analisi statistica. Gestire la domanda futura già nota è una questione puramente di aderenza a un piano esecutivo deterministico.
L’esplosione disaccoppiata
La metodologia DDMRP si basa e impone l’assunzione che le scorte siano sempre fruibili da qualsiasi punto di disaccoppiamento. Tale assunzione offre la possibilità di partizionare gli archi utilizzando i punti di disaccoppiamento (cioè, un sottoinsieme di vertici) come frontiere tra i sottoinsiemi di partizione. Questo schema di partizionamento è denominato esplosione disaccoppiata.
Dal punto di vista di DDMRP, quando viene effettuato un ordine da parte del cliente per un prodotto finito, la domanda risultante non viene disaggregata ricorsivamente fino ai suoi componenti più interni, ma solo fino ai primi punti di disaccoppiamento incontrati.
Lo schema di partizionamento del grafo dell’esplosione disaccoppiata viene sfruttato dalla metodologia DDMRP come una strategia di divide et impera3. In particolare, poiché la dimensione del sotto-grafo può essere mantenuta piccola, DDMRP può essere implementato sopra sistemi di database relazionali, proprio come gli MRP, anche se tali sistemi non sono veramente adatti per l’analisi dei grafi.
Priorità degli ordini
L’ultimo passaggio numerico nella ricetta DDMRP consiste nel calcolare gli ordini stessi, sia gli ordini di acquisto sia quelli di produzione. La metodologia DDMRP dà priorità a tutti gli SKU in base alle rispettive differenze Buffer - Flusso Netto, con i valori maggiori al primo posto. Gli ordini vengono poi generati elaborando la lista nell’ordine specificato, selezionando tutti i valori che sono positivi e, frequentemente, almeno pari al MOQ (quando applicabile).
La priorità in DDMRP è unidimensionale (in termini di punteggio) e guidata dall’aderenza interna alla propria metodologia, cioè, mantenere scorte fruibili per tutti i punti di disaccoppiamento. Le sezioni precedenti hanno illustrato come questa proprietà chiave dei punti di disaccoppiamento sia stata sfruttata. La priorità degli ordini chiarisce come questa proprietà venga applicata.
La prioritizzazione degli ordini così come proposta dagli autori di DDMRP è più dettagliata rispetto alle ricette tipicamente presenti negli MRP, come l’analisi ABC. Essa fornisce un meccanismo per indirizzare l’attenzione degli operatori della supply chain verso gli SKU che necessitano di maggiore attenzione - almeno secondo il criterio di urgenza di DDMRP.
Critiche a DDMRP
Gli autori di DDMRP stanno promuovendo4 i benefici5 di questa metodologia come una pratica all’avanguardia per massimizzare le prestazioni della supply chain. Sebbene DDMRP presenti alcune “gemme nascoste”, dettagliate di seguito, si possono sollevare diverse critiche su questa metodologia: le più notevoli sono, in primo luogo, una base di partenza errata per valutare sia la novità che le prestazioni, e, in secondo luogo, un formalismo che non cattura la complessità del mondo reale.
Gemme nascoste
Per quanto possa sembrare un paradosso relativo, gli argomenti più forti a favore di DDMRP potrebbero non essere stati correttamente identificati dagli stessi autori, almeno non nella loro pubblicazione del 2019. Questo paradosso apparentemente evidente è probabilmente una conseguenza non intenzionale del formalismo limitato di DDMRP - dettagliato di seguito.
Per quanto riguarda le supply chain manifatturiere, le medie mobili frequenziali sono solitamente superiori alle medie mobili temporali. Infatti, è errato affermare che DDMRP funzioni senza previsioni della domanda. I buffer sono previsioni, sebbene siano previsioni frequenziali (cioè, giorni di domanda), anziché temporali (cioè, domanda per giorno). In linea di massima, le previsioni frequenziali sono più robuste quando la domanda è erratica e/o intermittente. Questa scoperta risale a J.D. Croston, che pubblicò “Forecasting and Stock Control for Intermittent Demands” nel 1972. Tuttavia, mentre i metodi di Croston rimangono in parte oscuri, DDMRP ha reso popolare questa prospettiva nel mondo della supply chain.
L’approssimazione nella prioritizzazione è un robusto meccanismo decisionale nella supply chain che previene intere classi di problemi, in particolare i bias sistematici. Infatti, a differenza degli approcci per SKU, come gli safety stocks, che possono essere facilmente distorti numericamente da artefatti locali della supply chain (ad es. uno stockout), anche una prioritizzazione generica a livello di supply chain garantisce che le risorse vengano indirizzate prima verso i collo di bottiglia evidenti. Sebbene gli autori di DDMRP siano chiaramente consapevoli che la prioritizzazione sia utile come meccanismo di attenzione, l’intuizione non viene portata alla sua logica conclusione: la prioritizzazione dovrebbe essere economica, cioè misurata in dollari e non in percentuali.
Base di partenza errata
La principale critica da rivolgere a DDMRP riguarda la sua base di partenza errata. I sistemi MRP, implementati e venduti nel corso delle quattro decadi che vanno dai primi anni ‘80 alla fine degli anni 2010, non sono mai stati veramente progettati6 per pianificare, prevedere o ottimizzare nulla. Il nome stesso, MRP (Material Requirements Planning), è un improprio termine. Un nome migliore sarebbe stato MRM (Material Requirement Management). Questi prodotti software sono costruiti attorno a un database relazionale (cioè, un database SQL) e sono principalmente destinati a tenere traccia degli asset dell’azienda e a svolgere tutte le operazioni amministrative associate alle operazioni più banali, ad es. decrementare il livello delle scorte quando un’unità viene prelevata.
Poiché il nucleo relazionale è in larga misura in contrasto con qualsiasi elaborazione intensiva dal punto di vista numerico, come la maggior parte degli algoritmi sui grafi, non sorprende che le ricette numeriche fornite da tali prodotti finiscano per essere semplicistiche e disfunzionali, come illustrato dalle due varianti di stima dei lead times discusse sopra. Tuttavia, esiste un vasto catalogo di letteratura in informatica sull’ottimizzazione numerica predittiva delle supply chains. Questa letteratura fu pioniera negli anni ‘50 sotto il nome di Operations research, ed è stata perseguita da allora sotto nomi diversi, come i metodi quantitativi nel supply chain management o semplicemente l’ottimizzazione della supply chain.
Entrambe le affermazioni di novità e superiorità per il DDMRP sono erroneamente tratte dalla falsa premessa che gli MRP siano un punto di riferimento rilevante per l’ottimizzazione della supply chain; cioè, migliorare l’MRP equivale a un miglioramento nell’ottimizzazione della supply chain. Tuttavia, gli MRP, come tutti i sistemi software progettati centralmente attorno ai database relazionali, non sono affatto adatti alle sfide dell’ottimizzazione numerica.
I produttori, vincolati dalle limitazioni del loro MRP, non dovrebbero cercare miglioramenti incrementali sull’MRP stesso, poiché l’ottimizzazione numerica è fondamentalmente in contrasto con il design dell’MRP, bensì dovrebbero sfruttare tutti gli strumenti e le tecnologie software che, in primo luogo, sono stati progettati per le performance numeriche.
Formalismo limitato
La prospettiva DDMRP è una strana miscela di formule semplici e decisioni basate sul giudizio. Sebbene il DDMRP operi chiaramente all’interno di un quadro matematico specifico – cioè un grafo diretto aciclico ponderato – e i suoi meccanismi abbiano nomi ben noti, come colorazione dei grafi e partizionamento dei grafi, tali termini sono assenti dai materiali DDMRP. Pur potendo essere sostenuto che la teoria dei grafi sia troppo complessa per il praticante medio della supply chain, la mancanza di formalismo costringe gli autori a fornire spiegazioni prolisse di comportamenti numerici che potrebbero essere descritti in modo molto più preciso e conciso.
Poi, in maniera ancora più preoccupante, la mancanza di formalismo isola il DDMRP dal vasto corpus della letteratura informatica, che offre numerosi spunti su ciò che è possibile realizzare con algoritmi noti provenienti da molteplici campi dell’informatica, studiati in misura maggiore rispetto alle esigenze del supply chain management, ossia: teoria dei grafi, ottimizzazione stocastica e apprendimento statistico. Di conseguenza, il DDMRP adotta frequentemente prospettive semplicistiche – ne riparleremo più avanti – che non sono giustificate se si considerano sia gli algoritmi noti che le attuali capacità hardware dei computer.
Quindi, il formalismo limitato del DDMRP porta a sostenere erroneamente affermazioni come la riduzione dei lead times. Infatti, numericamente, i lead times, così come calcolati dal DDMRP, sono certamente più brevi rispetto alla maggior parte delle alternative, poiché, per costruzione, i percorsi dei lead times vengono troncati ogni volta che si incontra un punto di disaccoppiamento. Tuttavia, si commette un errore metodologico quando si afferma che con il DDMRP, i lead times sono più brevi. La proposizione corretta è che, con il DDMRP, i lead times sono misurati in modo diverso. Una valutazione quantitativa accurata dei meriti, in termini di lead time, del DDMRP richiede una nozione formale di inerzia a livello di sistema per valutare quanto rapidamente una supply chain governata da una politica formale possa recuperare quando si verificano cambiamenti nelle condizioni di mercato.
Inoltre, il DDMRP fa ampio uso di decisioni basate sul giudizio – ossia affida agli esperti umani decisioni numeriche chiave, come la scelta dei punti di disaccoppiamento. Di conseguenza, è impraticabile, se non impossibile, valutare in benchmark una pratica DDMRP rispetto a una metodologia concorrente, adeguatamente formalizzata, poiché effettuare tale confronto richiederebbe una quantità impraticabile di manodopera per una supply chain di notevoli dimensioni (cioè migliaia di SKU o più).
Infine, affidarsi agli input umani per regolare un processo di ottimizzazione numerica non è una proposta ragionevole se si considera il costo delle risorse informatiche moderne. Una regolazione dei meta-parametri potrebbe essere accettabile, ma non un intervento di precisione su ogni vertice del grafo. In particolare, un’osservazione casuale delle supply chain attuali indica che la necessità di input umani è uno dei principali fattori che determinano l’inerzia a livello di sistema. Aggiungere un ulteriore strato di regolazione manuale – ovvero la scelta dei punti di disaccoppiamento – non rappresenta un miglioramento in questo senso.
Disprezzo della complessità del mondo reale
Modellare una supply chain è, per necessità, un’approssimazione della realtà. Pertanto, tutti i modelli costituiscono un compromesso tra precisione, rilevanza e fattibilità computazionale. Tuttavia, il DDMRP è abusivamente semplicistico per quanto riguarda molti fattori che non possono più essere ragionevolmente trascurati se si considerano gli attuali computing hardware.
La supply chain esiste per servire gli interessi economici dell’azienda. In altre parole, l’azienda massimizza i ritorni in termini di dollari generati attraverso la sua interazione con l’economia in senso lato; tuttavia, il DDMRP ottimizza le percentuali d’errore rispetto a obiettivi discutibilmente arbitrari – i suoi buffer. La priorizzazione, come definita dal DDMRP, guarda all’interno: indirizza il sistema della supply chain verso uno stato coerente con le assunzioni alla base del modello DDMRP stesso – cioè la disponibilità di stock nei punti di disaccoppiamento. Tuttavia, non vi è alcuna garanzia che tale stato sia in linea con gli interessi finanziari dell’azienda. Questo stato potrebbe addirittura andare contro gli interessi finanziari dell’azienda. Per esempio, nel caso di un marchio che produce molti prodotti a basso margine, che sono stretti sostituti l’uno dell’altro, mantenere alti livelli di servizio per un determinato SKU potrebbe non essere un’opzione redditizia se gli SKU concorrenti (quasi sostituti) hanno già un eccesso di inventario.
Inoltre, il sistema di priorizzazione proposto dal DDMRP è fondamentalmente unidimensionale: l’aderenza ai propri obiettivi di stock (i buffer). Tuttavia, le decisioni reali nella supply chain sono quasi sempre problemi multidimensionali. Per esempio, dopo aver prodotto un lotto di 1000 unità, un produttore potrebbe solitamente collocare tali 1000 unità in un container per il trasporto marittimo; tuttavia, se un esaurimento delle scorte è imminente nella supply chain, potrebbe essere redditizio spedire 100 unità (su 1000) tramite aereo per mitigare l’imminente esaurimento in anticipo. In questo caso, la scelta della modalità di trasporto rappresenta una dimensione aggiuntiva nella sfida della priorizzazione della supply chain. Per affrontare questa sfida, il metodo di priorizzazione richiede la capacità di integrare i driver economici associati alle diverse opzioni disponibili per l’azienda.
Altre dimensioni che devono essere considerate come parte della priorizzazione possono includere:
- aggiustamenti dei prezzi, per aumentare o ridurre la domanda (eventualmente attraverso canali di vendita secondari)
- costruire o acquistare, quando sul mercato è possibile trovare sostituti (tipicamente a un prezzo maggiorato)
- date di scadenza degli stock (che richiedono approfondimenti sulla composizione dell’inventario)
- rischi di reso (quando i partner distributivi hanno la possibilità di restituire le merci invendute).
Pertanto, sebbene il DDMRP sia corretto nell’affermare che la priorizzazione è un approccio più flessibile rispetto agli approcci binari tutto o niente implementati dagli MRP, lo schema di priorizzazione proposto dallo stesso DDMRP risulta piuttosto incompleto.
Il punto di vista di Lokad
Il motto del DDMRP è build for people not perfection. In Lokad, favoriamo la classica visione IBM le macchine dovrebbero funzionare; le persone dovrebbero pensare attraverso la prospettiva del Quantitative Supply Chain Management (QSCM).
Il QSCM parte dall’ipotesi che ogni decisione banale sulla supply chain debba essere automatizzata. Questa prospettiva sottolinea come i professionisti competenti della supply chain siano considerati troppo rari e troppo costosi per dedicare il loro tempo a prendere decisioni di routine relative allo stoccaggio, agli acquisti o alla determinazione dei prezzi. Tutte queste decisioni possono e devono essere automatizzate, affinché i professionisti possano concentrarsi sul miglioramento della ricetta numerica stessa. Da un punto di vista finanziario, il QSCM trasforma quei salari da OPEX, in cui i giorni-uomo vengono consumati per mantenere il sistema funzionante, a CAPEX, in cui i giorni-uomo vengono investiti nel miglioramento continuo del sistema.
L’approccio DDMRP parte dall’ipotesi che i professionisti competenti della supply chain possano essere formati in massa, riducendo così sia il costo per il datore di lavoro, sia il fattore truck associato all’uscita di qualsiasi dipendente. Il DDMRP stabilisce un processo per generare decisioni banali nella supply chain, ma raggiungere un’automazione completa non è per lo più un obiettivo, sebbene il DDMRP non disdegni l’automazione ogni qualvolta se ne presenti l’opportunità.
Curiosamente, se l’industria si orienta verso la prospettiva QSCM o verso quella DDMRP dovrebbe essere osservabile in una certa misura. Se la prospettiva QSCM venisse adottata su larga scala, i team di supply chain management evolverebbero, diventando più simili ad altre industrie basate sul talento, ad esempio la finanza con i suoi trader quantitativi, dove pochi individui eccezionalmente talentuosi guidano la performance di grandi aziende. Al contrario, se la prospettiva DDMRP venisse adottata su larga scala, i team di supply chain management evolverebbero, diventando più simili a franchise di successo – ad esempio i manager dei negozi Starbucks – dove i team sono abbondanti e ben formati, con individui eccezionali che incidono poco sul sistema, ma dove una cultura superiore fa tutta la differenza tra le aziende.
Risorse
- Demand Driven Material Requirements Planning (DDMRP), Versione 3, di Ptak e Smith, 2019
- Orlicky’s Material Requirements Planning, 3ª edizione, di Carol A. Ptak e Chad J. Smith, 2011
Note
-
In matematica discreta, un grafo è un insieme di vertici (chiamati anche nodi o punti) e di archi (chiamati anche link o linee). Un grafo si dice diretto se gli archi hanno orientamenti. Un grafo si dice ponderato se agli archi è assegnato un numero – il peso –. Un grafo si dice aciclico se non esiste alcun ciclo seguendo gli archi secondo i rispettivi orientamenti. ↩︎
-
Uno schema di colorazione consiste nell’assegnare una proprietà categorica a ogni vertice del grafo. Nel caso del DDMRP, ci sono solo due opzioni: punto di disaccoppiamento o non punto di disaccoppiamento; cioè, solo due colori. ↩︎
-
In informatica, il divide and conquer è un algoritmo che funziona scomponendo ricorsivamente un problema in due o più sottoproblemi correlati, fino a quando questi diventano abbastanza semplici da essere risolti direttamente. Questo approccio fu introdotto da John von Neumann nel 1945. ↩︎
-
A partire dal 24 febbraio 2020, il Demand Driven Institute™ è un’organizzazione a scopo di lucro che si definisce (sic) come The Global Authority on Demand Driven Education, Training, Certification & Compliance. Il suo modello di business ruota attorno alla vendita di sessioni di formazione e materiali incentrati sul DDMRP. ↩︎
-
A partire dal 24 febbraio 2020, la homepage del Demand Driven Institute™ (demanddriveninstitute.com) fornisce le seguenti cifre come miglioramenti tipici: gli utenti raggiungono costantemente performance di fill rate puntuali dal 97 al 100%, sono state ottenute riduzioni dei lead times superiori all'80% in diversi segmenti industriali e si registrano tipicamente riduzioni dell’inventario dal 30 al 45% pur migliorando il servizio clienti. ↩︎
-
I fornitori di MRP hanno certamente avanzato affermazioni audaci riguardo alle capacità di pianificazione, previsione e ottimizzazione del loro prodotto. Tuttavia, proprio come la Guida Michelin non si preoccupa di valutare se le marche di cornflakes possano essere idonee a una stella culinaria nonostante i loro slogan magicamente deliziosi, la nostra valutazione dovrebbe essere rivolta a coloro che si sono concentrati principalmente nel fornire performance all’avanguardia nella supply chain. ↩︎