Pianificazione delle esigenze di materiali orientata alla domanda (DDMRP)

learn menu
Di Joannes Vermorel, febbraio 2020

La pianificazione delle esigenze di materiali orientata alla domanda (DDMRP) è un metodo quantitativo volto a ottimizzare le prestazioni della catena di approvvigionamento delle aziende manifatturiere multi-echelon. Il metodo ruota attorno alle nozioni di ‘punti di disaccoppiamento’ e ‘buffer di stock’, che sono intesi a mitigare i difetti dei metodi precedenti implementati dalla maggior parte dei sistemi MRP (Material Requirement Planning). Il metodo fornisce le quantità da acquistare o produrre per qualsiasi SKU (Stock-Keeping Unit) di una BOM (Bill Of Materials) multi-livello.

Macchina per la produzione di pneumatici

Il problema dell’ottimizzazione del flusso della BOM multi-livello

Una BOM (Bill of Materials) rappresenta gli assemblaggi, i componenti e le parti, e la quantità di ciascuno, necessari per produrre un prodotto finito. Una BOM multi-livello è una prospettiva gerarchica ricorsiva della BOM originale, in cui alcune parti sono ulteriormente scomposte con BOM proprie. Da un punto di vista formale, una BOM multi-livello è un grafo aciclico diretto pesato1 in cui i vertici sono SKU, dove gli archi indicano l’inclusione (cioè fa parte di), e dove i pesi rappresentano la quantità richiesta per l’assemblaggio - sia i prodotti finali, sia i prodotti intermedi.

Il problema affrontato da DDMRP è l’ottimizzazione del flusso all’interno di una BOM multi-livello e consiste nel determinare, in ogni momento, (a) se è necessario acquistare più materie prime e quanto, (b) se è necessario produrre più unità di qualsiasi SKU e quante.

Intuitivamente, questo problema è difficile perché non c’è una correlazione diretta tra la qualità del servizio di qualsiasi SKU intermedio - di solito misurata attraverso i livelli di servizio - e la qualità del servizio del prodotto finale. Aggiungere più stock a un determinato SKU migliora la qualità del servizio del prodotto finale solo se questo SKU era, in qualche modo, un collo di bottiglia nel flusso di produzione.

Nella pratica, la risoluzione di questo problema di ottimizzazione del flusso richiede una serie di ulteriori input, più comunemente:

  • Storico degli ordini dai clienti
  • Tempi di consegna dei fornitori
  • Livelli di stock, disponibili, in transito o in ordine
  • Tempi di produzione e/o capacità produttiva
  • ecc.

Inoltre, le catene di approvvigionamento del mondo reale tendono ad avere ulteriori complicazioni come dimensioni dei lotti (qualsiasi tipo di moltiplicatori desiderabili imposti sia dal fornitore che dal processo di produzione stesso), scadenze (non solo per i prodotti deperibili, ma anche per prodotti chimici e pezzi di apparecchiature sensibili), sostituti imperfetti (ad esempio, quando una parte più costosa può essere utilizzata come sostituto se quella meno costosa non è disponibile). Queste complicazioni richiedono ulteriori dati da riflettere nel modello.

Limiti del classico MRP

L’inizio del DDMRP è stato motivato dai limiti associati a ciò che potrebbe essere definito come la prospettiva del classico MRP (semplicemente indicato come prospettiva MRP di seguito), che è stato sviluppato principalmente negli anni ‘80. La prospettiva MRP è incentrata sull’analisi dei tempi di consegna e identifica il percorso più lungo (in termini di tempo) nel grafico BOM come il collo di bottiglia associato al processo di produzione del prodotto finale.

Per identificare questo collo di bottiglia, l’MRP offre due metodi numerici distinti per assegnare un tempo di consegna statico a ogni arco del grafico BOM, ovvero:

  • tempi di produzione che sono massimamente ottimistici e assumono che l’inventario sia sempre disponibile ovunque (cioè per ogni SKU), quindi che i tempi di consegna dipendano solo dalla capacità dei processi di produzione.
  • tempi di consegna cumulativi che sono massimamente pessimistici e assumono che l’inventario sia sempre indisponibile e quindi che i tempi di consegna dipendano solo dal tempo necessario per produrre la prima unità a partire dallo stato vuoto, ovvero zero materie prime e zero prodotti intermedi.

Questi due metodi hanno un unico vantaggio chiave in comune: sono relativamente semplici da implementare nel database relazionale, che era il nucleo architettonico di quasi tutti gli MRP progettati dagli anni ‘80 agli anni 2010.

Tuttavia, questi due metodi sono anche eccessivamente semplicistici e di solito forniscono tempi di consegna insensati. Gli autori del DDMRP sottolineano che il calcolo degli ordini di acquisto o produzione basato su stime di tempi di consegna gravemente difettose finisce per generare una combinazione di eccessi di stock e stockout, a seconda che i tempi di consegna si rivelino grossolanamente sovrastimati o sottostimati.

La ricetta numerica del DDMRP

La “ricetta numerica” del DDMRP è una combinazione di euristiche numeriche e decisioni basate sul giudizio umano, ovvero esperti di supply chain. Questa ricetta è destinata a superare i difetti associati all’MRP classico senza ricorrere a algoritmi numerici “avanzati”. La ricetta prevede quattro ingredienti principali, ovvero:

  • decoupling dei tempi di consegna
  • l’equazione del flusso netto
  • l’esplosione decoupled
  • la priorità relativa

Combinando questi quattro ingredienti, un professionista della supply chain può calcolare la quantità da acquistare e da produrre quando si trova di fronte a una situazione di BOM a più livelli. Gli autori del DDMRP sostengono che questo metodo offre prestazioni superiori della supply chain - misurate in termini di rotazione delle scorte o livelli di servizio - rispetto alle prestazioni ottenute dagli MRP.

Decoupling dei tempi di consegna

Per rimediare all’estremo ottimismo / pessimismo ingenuo della prospettiva MRP sui tempi di consegna, il DDMRP introduce uno schema di colorazione binaria del grafico2 in cui determinati vertici (cioè SKU) del grafico (cioè BOM) vengono promossi come “punto di decoupling”. Si assume quindi che questi vertici contengano sempre un inventario utilizzabile e la metodologia del DDMRP garantisce che sia effettivamente così.

La scelta dei punti di decoupling è essenzialmente delegata ai professionisti della supply chain. Poiché i punti di decoupling sono SKU destinati ad essere “stocked”, i professionisti dovrebbero preferire SKU che abbiano senso a livello strategico - ad esempio perché vengono consumati da più prodotti finali e beneficiano di modelli di consumo più regolari rispetto alla maggior parte dei prodotti finali.

Una volta scelti i punti di decoupling, i tempi di consegna DDMRP associati a qualsiasi vertice possono essere calcolati come il percorso più lungo (in termini di tempo), partendo dal vertice e scendendo, ma troncando il percorso ogni volta che si incontra un punto di decoupling.

Con una selezione accurata dei punti di decoupling, gli autori del DDMRP sostengono che la metodologia DDMRP offre tempi di consegna più brevi. Questa affermazione non è del tutto corretta, non perché i tempi di consegna siano più lunghi, ma perché il DDMRP propone una nuova definizione di ciò a cui ci si riferisce come tempi di consegna in primo luogo.

L’equazione del flusso netto

Per calcolare le quantità associate agli ordini di acquisto o alla produzione di altri prodotti, gli autori del DDMRP introducono un concetto chiamato flusso netto definito come segue:

On-Hand + On-Order - Qualified Sales Order Demand = Posizione del flusso netto

Questa equazione è definita a livello di SKU. La quantità di flusso netto viene interpretata come la quantità di stock 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 suo buffer target, viene effettuato un ordine. Torneremo su questo meccanismo nella sezione di prioritizzazione degli ordini di seguito.

La metodologia DDMRP offre alcune linee guida di alto livello su come dimensionare i buffer, esprimendoli tipicamente in giorni di domanda, e imponendo margini di sicurezza nel rispetto dei tempi di consegna DDMRP - come definito sopra. Nella pratica, la dimensione dei buffer dipende dal giudizio migliore dei professionisti della supply chain.

Attraverso i flussi netti, gli autori del DDMRP sottolineano che solo la parte incerta della domanda richiede effettivamente un tipo di analisi statistica. Affrontare la domanda futura che è già nota è una questione pura di aderenza a un piano di esecuzione deterministico.

L’esplosione decoupled

La metodologia DDMRP si basa su e impone l’assunzione che l’inventario sia sempre utilizzabile da qualsiasi punto di decoupling. Questa assunzione offre la possibilità di partizionare gli archi utilizzando i punti di decoupling (cioè un sottoinsieme di vertici) come frontiere tra i sottoinsiemi di partizione. Questo schema di partizionamento è chiamato esplosione decoupled.

Dal punto di vista del DDMRP, quando viene effettuato un ordine del cliente per un prodotto finale, la domanda risultante non viene disaggregata in modo ricorsivo nei suoi componenti più interni, ma solo disaggregata fino ai suoi primi punti di decoupling incontrati.

Lo schema di partizionamento del grafo dell’esplosione decoupled viene sfruttato dalla metodologia DDMRP come una strategia di divide and conquer3. In particolare, poiché le dimensioni del sottografo possono essere mantenute ridotte, il DDMRP può essere implementato su sistemi di database relazionali, proprio come gli MRPs, anche se tali sistemi non sono realmente adatti per l’analisi dei grafi.

Priorità degli ordini

L’ultimo passaggio numerico nella ricetta numerica del DDMRP consiste nel calcolare gli ordini stessi, sia ordini di acquisto che ordini di produzione. La metodologia DDMRP assegna priorità a tutti gli SKU in base alle loro differenze rispettive Buffer - Flusso netto, con i valori più grandi che vengono considerati per primi. Gli ordini vengono quindi generati elaborando l’elenco nell’ordine specificato, selezionando tutti i valori positivi e, frequentemente, almeno pari al MOQ (quando applicabile).

La prioritizzazione del DDMRP è unidimensionale (in termini di punteggio) e guidata dall’aderenza interna alla propria metodologia, ovvero mantenere scorte utilizzabili per tutti i punti di decoupling. Le sezioni precedenti hanno illustrato come questa proprietà chiave dei punti di decoupling sia stata sfruttata. La prioritizzazione degli ordini chiarisce come questa proprietà sia applicata.

La prioritizzazione degli ordini proposta dagli autori del DDMRP è più granulare rispetto alle ricette tipicamente presenti negli MRPs come l’analisi ABC. Fornisce un meccanismo per guidare l’attenzione degli operatori della supply chain verso gli SKU che necessitano maggiore attenzione, almeno secondo il criterio di urgenza del DDMRP.

Critiche al DDMRP

Gli autori del DDMRP stanno promuovendo4 i vantaggi5 di questa metodologia come una pratica all’avanguardia per massimizzare le prestazioni della supply chain. Tuttavia, nonostante il DDMRP abbia alcune “gemme nascoste”, come dettagliato di seguito, possono essere fatte molte critiche a questa metodologia: le più importanti riguardano un basamento errato per valutare sia l’innovatività che le prestazioni e una formalizzazione che non cattura la complessità del mondo reale.

Gemme nascoste

Sebbene possa sembrare un paradosso relativo, gli argomenti più forti a favore del DDMRP potrebbero non essere stati correttamente identificati dai suoi stessi autori, almeno non nella loro pubblicazione del 2019. Questo apparente paradosso è probabilmente una conseguenza non intenzionale del formalismo limitato del DDMRP, come dettagliato di seguito.

Per quanto riguarda le supply chain di produzione, le medie mobili frequenziali sono di solito superiori alle medie mobili temporali. Infatti, è errato affermare che il DDMRP funziona senza previsioni di domanda. I buffer sono previsioni, tranne che sono previsioni frequenziali (cioè giorni di domanda), piuttosto che previsioni temporali (cioè domanda al giorno). Come regola generale, le previsioni frequenziali sono più robuste quando la domanda è erratica e/o intermittente. Questa scoperta può essere attribuita a J.D. Croston, che ha pubblicato “Forecasting and Stock Control for Intermittent Demands” nel 1972. Tuttavia, mentre i metodi di Croston rimangono in parte oscuri, il DDMRP ha reso popolare questa prospettiva nel mondo della supply chain in generale.

La prioritizzazione approssimativa è un meccanismo robusto di presa di decisioni nella supply chain che impedisce intere classi di problemi, soprattutto i bias sistemici. Infatti, a differenza degli approcci basati su SKU come le scorte di sicurezza, che possono essere facilmente distorti numericamente da artefatti locali della supply chain (ad esempio, una carenza di magazzino), anche una prioritizzazione allargata a tutta la supply chain assicura che le risorse siano indirizzate prima verso i colli di bottiglia evidenti. Sebbene gli autori del DDMRP siano chiaramente consapevoli che la prioritizzazione è vantaggiosa come meccanismo di attenzione, l’idea non viene portata a una conclusione logica: la prioritizzazione dovrebbe essere economica, cioè misurata in dollari e non in percentuali.

Baseline errata

La principale critica da muovere al DDMRP riguarda la sua baseline errata. Gli MRP, come implementati e venduti nel periodo di quattro decenni che va dagli anni ‘80 alla fine degli anni 2010, non sono mai stati realmente progettati6 per pianificare, prevedere o ottimizzare nulla. Il nome stesso, MRP (Material Requirements Planning), è fuorviante. Un nome migliore sarebbe stato MRM (Material Requirement Management). Questi prodotti software sono costruiti con un database relazionale al loro nucleo (cioè un database SQL) e sono principalmente destinati a tenere traccia delle risorse dell’azienda e a svolgere tutte le attività amministrative associate alle operazioni più banali, ad esempio decrementare un livello di stock quando viene prelevata un’unità.

Poiché il nucleo relazionale è in netto contrasto con qualsiasi elaborazione numerica intensiva, come la maggior parte dei tipi di algoritmi grafici, non sorprende che le ricette numeriche fornite da tali prodotti finiscano per essere semplicistiche e disfunzionali, come illustrato dai due tipi di stime dei tempi di consegna discussi in precedenza. Tuttavia, esiste un vasto catalogo di letteratura nell’informatica sull’ottimizzazione numerica predittiva delle supply chain. Questa letteratura è stata pionieristica negli anni ‘50 con il nome di Ricerca Operativa ed è stata perseguite da allora con nomi diversi, come metodi quantitativi nel gestione della supply chain o semplicemente ottimizzazione della supply chain.

Entrambe le affermazioni di novità e superiorità del DDMRP sono erroneamente tratte dalla falsa premessa che gli MRP siano una baseline rilevante per scopi di ottimizzazione della supply chain; cioè migliorare l’MRP è un miglioramento nell’ottimizzazione della supply chain. Tuttavia, gli MRP, come tutti i sistemi software progettati centralmente intorno a database relazionali, sono semplicemente inadatti per le sfide di ottimizzazione numerica.

I produttori bloccati 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, ma piuttosto approfittare di tutti gli strumenti e le tecnologie software che sono stati effettivamente progettati per le prestazioni numeriche in primo luogo.

Formalismo limitato

La prospettiva del DDMRP è una strana combinazione di formule semplici e decisioni soggettive. Sebbene il DDMRP operi chiaramente all’interno di un framework matematico specifico, cioè un grafo aciclico diretto pesato, e che i suoi meccanismi abbiano nomi ben noti, cioè colorazione del grafo, partizionamento del grafo, questi termini sono assenti dai materiali del DDMRP. Sebbene si possa sostenere che la teoria dei grafi sia troppo complessa per il praticante medio della supply chain, la mancanza di formalismo costringe gli autori a spiegazioni dettagliate dei comportamenti numerici che potrebbero essere descritti in modo molto più preciso e conciso.

Poi, ancora più preoccupante, la mancanza di formalismo isola il DDMRP dall’ampio corpo della letteratura informatica, che fornisce molti spunti su cosa può essere fatto con algoritmi noti provenienti da molteplici campi dell’informatica che sono stati ampiamente studiati al di là dei requisiti della gestione della supply chain, ovvero: teoria dei grafi, ottimizzazione stocastica e apprendimento statistico. Di conseguenza, il DDMRP adotta frequentemente prospettive semplicistiche - torneremo su questo punto di seguito - che non sono giustificate considerando sia gli algoritmi noti che le capacità attuali dell’hardware informatico.

Poi, il formalismo limitato del DDMRP porta a affermazioni errate come la riduzione dei tempi di consegna. Infatti, numericamente, i tempi di consegna, come calcolati dal DDMRP, sono certamente più brevi rispetto alla maggior parte delle alternative, perché, per costruzione, i percorsi dei tempi di consegna vengono troncati ogni volta che viene incontrato un punto di disaccoppiamento. Tuttavia, si commette un errore metodologico quando si afferma che con il DDMRP, i tempi di consegna sono più brevi. La corretta proposizione è che con il DDMRP, i tempi di consegna vengono misurati in modo diverso. Una corretta valutazione quantitativa dei meriti, in termini di tempi di consegna, del DDMRP richiede una nozione formale di inerzia a livello di sistema per valutare quanto rapidamente una supply chain governata da una politica formale si riprenderebbe di fronte a cambiamenti nelle condizioni di mercato.

Inoltre, le decisioni soggettive sono ampiamente utilizzate dal DDMRP - ad esempio, delegare agli esperti umani decisioni numeriche chiave, come la scelta dei punti di disaccoppiamento. Di conseguenza, è impraticabile, se non impossibile, confrontare una pratica DDMRP con una metodologia concorrente adeguatamente formalizzata, poiché eseguire il confronto richiederebbe una quantità impraticabile di manodopera per qualsiasi supply chain di dimensioni considerevoli (ad esempio, migliaia di SKU o più).

Infine, fare affidamento su input umani per regolare un processo di ottimizzazione numerica non è una proposta ragionevole considerando il costo delle risorse informatiche moderne. La messa a punto dei meta-parametri potrebbe essere accettabile, ma non un intervento dettagliato su ogni vertice del grafo. In particolare, un’osservazione casuale delle supply chain attuali indica che la necessità di input umani è uno dei fattori più importanti dietro l’inerzia a livello di sistema. Aggiungere un altro livello di messa a punto manuale - la scelta dei punti di disaccoppiamento - non è un miglioramento in questo senso.

Sprezzante della complessità del mondo reale

Modellare una supply chain è, per necessità, un’approssimazione del mondo reale. Pertanto, tutti i modelli sono un compromesso tra precisione, rilevanza e fattibilità computazionale. Tuttavia, il DDMRP è eccessivamente semplicistico per molti fattori che non possono più essere ragionevolmente trascurati quando si considera l’attuale hardware informatico.

La supply chain esiste per servire gli interessi economici dell’azienda. Per dirla in modo più diretto, l’azienda massimizza i dollari di ritorno generati attraverso la sua interazione con l’economia nel suo complesso; tuttavia, il DDMRP ottimizza percentuali di errore rispetto a obiettivi argomentabilmente arbitrari - i suoi buffer. La prioritizzazione definita dal DDMRP guarda verso l’interno: sta guidando il sistema della supply chain verso uno stato che è coerente con le ipotesi sottostanti il modello DDMRP stesso - ovvero la disponibilità di stock ai punti di disaccoppiamento. Tuttavia, non c’è garanzia che questo stato sia allineato con gli interessi finanziari dell’azienda. Questo stato potrebbe addirittura andare contro gli interessi finanziari dell’azienda. Ad esempio, considerando un marchio che produce molti prodotti a basso margine che sono sostituti vicini tra loro, 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, lo schema di prioritizzazione proposto dal DDMRP è fondamentalmente unidimensionale: l’aderenza ai propri obiettivi di stock (i buffer). Tuttavia, le decisioni reali sulla supply chain sono quasi sempre problemi multidimensionali. Ad esempio, dopo aver prodotto un lotto di 1000 unità, un produttore potrebbe solitamente mettere quelle 1000 unità in un container per il trasporto marittimo; tuttavia, se è imminente una carenza di stock lungo la supply chain, potrebbe essere redditizio far spedire 100 unità (delle 1000) via aerea per mitigare in anticipo la carenza di stock. Qui, la scelta della modalità di trasporto è una dimensione aggiuntiva alla sfida di prioritizzazione della supply chain. Per affrontare questa sfida, il metodo di prioritizzazione richiede la capacità di integrare i driver economici associati alle diverse opzioni disponibili per l’azienda.

Altre dimensioni che devono essere prese in considerazione come parte della prioritizzazione possono includere:

  • aggiustamenti dei prezzi, per aumentare o ridurre la domanda (possibilmente attraverso canali di vendita secondari)
  • costruire o comprare, quando si possono trovare sostituti sul mercato (tipicamente a un prezzo più alto)
  • date di scadenza dello stock (richiedendo approfondimenti sulla composizione dello stock)
  • rischi di reso (quando i partner di distribuzione hanno la possibilità di restituire merci invendute).

Pertanto, sebbene il DDMRP abbia ragione nel sostenere che la prioritizzazione è un approccio più flessibile rispetto agli approcci binari tutto-o-niente implementati dai MRPs, lo schema di prioritizzazione proposto dal DDMRP stesso è piuttosto incompleto.

Il punto di vista di Lokad

Il motto del DDMRP è “costruire per le persone, non per la perfezione”. Da Lokad, preferiamo la visione classica di IBM le macchine dovrebbero lavorare; le persone dovrebbero pensare attraverso la prospettiva della Gestione Quantitativa della Supply Chain (QSCM).

La QSCM parte dall’ipotesi che ogni decisione banale sulla supply chain dovrebbe essere automatizzata. Questa prospettiva sottolinea che i professionisti competenti della supply chain sono considerati troppo rari e troppo costosi per dedicare il loro tempo a generare decisioni routine di stoccaggio, acquisto o pricing. 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, la QSCM trasforma quei salari da OPEX, dove i giorni-uomo vengono consumati per mantenere il sistema in funzione, in CAPEX, dove i giorni-uomo vengono investiti nel miglioramento continuo del sistema.

L’approccio del 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 camion associato alla partenza di qualsiasi dipendente. Il DDMRP stabilisce un processo per generare decisioni banali sulla supply chain, ma raggiungere la piena automazione è principalmente un obiettivo secondario, anche se il DDMRP non è contrario all’automazione quando si presenta l’opportunità.

È interessante notare che se l’industria si sta orientando verso la prospettiva della QSCM o del DDMRP dovrebbe essere osservabile in qualche misura. Se la prospettiva della QSCM viene adottata più ampiamente, allora i team di gestione della supply chain evolveranno per diventare più simili ad altre industrie “di talento”, ad esempio la finanza con i loro trader quantitativi dove pochi individui eccezionalmente talentuosi guidano le performance di grandi aziende. Al contrario, se la prospettiva del DDMRP viene adottata più ampiamente, allora i team di gestione della supply chain evolveranno per diventare più simili a franchising di successo - ad esempio i responsabili dei negozi Starbucks - dove i team sono abbondanti e ben addestrati, con individui eccezionali che hanno poco effetto 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


  1. In matematica discreta, un grafo è un insieme di vertici (chiamati anche nodi o punti) e archi (chiamati anche collegamenti o linee). Il grafo si dice diretto se gli archi hanno orientamenti. Il grafo si dice pesato se gli archi hanno un numero - il peso - loro assegnato. Il grafo si dice aciclico se non esiste alcun ciclo quando si seguono gli archi secondo i rispettivi orientamenti. ↩︎

  2. Uno schema di colorazione consiste nell’assegnare una proprietà categorica ad 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. ↩︎

  3. In informatica, una tecnica di divide et impera è un algoritmo che funziona suddividendo ricorsivamente un problema in due o più sottoproblemi correlati, fino a quando diventano sufficientemente semplici da poter essere risolti direttamente. Questo approccio è stato introdotto da John von Neumann nel 1945. ↩︎

  4. Al 24 febbraio 2020, il Demand Driven Institute™ è un’organizzazione a scopo di lucro che si definisce come l’Autorità Globale sull’Educazione, la Formazione, la Certificazione e la Conformità Demand Driven. Il suo modello di business ruota attorno alla vendita di sessioni di formazione e materiali incentrati sul DDMRP. ↩︎

  5. Al 24 febbraio 2020, la homepage del Demand Driving Institute™ (demanddriveninstitute.com) fornisce i seguenti dati come miglioramenti tipici: gli utenti raggiungono costantemente il 97-100% di performance di riempimento in tempo, sono state raggiunte riduzioni dei tempi di consegna superiori all'80% in diversi settori industriali, si ottengono riduzioni tipiche delle scorte del 30-45% migliorando nel contempo il servizio clienti. ↩︎

  6. I fornitori di MRP hanno certamente fatto affermazioni audaci sulle capacità di pianificazione, previsione e ottimizzazione del loro prodotto. Tuttavia, proprio come la Guida Michelin non si preoccupa di valutare se i marchi di cereali potrebbero essere idonei a una valutazione culinaria nonostante i loro slogan magicamente deliziosi, la nostra valutazione dovrebbe essere rivolta a soggetti che erano principalmente concentrati nel fornire una performance di supply chain all’avanguardia. ↩︎