PREVISIONE DELL'INVENTARIO PER L'AEROSPAZIO

Il costo elevato di alcune parti, i lunghi tempi di consegna, i guasti poco frequenti e i costi estremamente elevati di esaurimento scorte aggravano ulteriormente tutte le debolezze dell’ottimizzazione classica dell’inventario.

In particolare, le previsioni basate su serie temporali ottimizzate in base a metriche quali MAD (deviazione assoluta media) o MAPE (errore percentuale assoluto medio) non riflettono adeguatamente i costi fortemente asimmetrici tra sovraprevvisioni e sottoprevvisioni presenti nell’aerospazio.

L’analisi classica delle scorte di sicurezza basata sulle distribuzioni normali o sulle distribuzioni di Poisson funziona anch’essa male.

L’analisi classica delle scorte di sicurezza basata sulle distribuzioni normali o di Poisson funziona male, perché le nostre osservazioni dei dati indicano semplicemente che i modelli di domanda non seguono effettivamente nessuno di questi modelli. Allo stesso modo, l’analisi ABC fallisce perché qualsiasi classificazione che suddivide tutte le parti in poche categorie di inventario non riesce a catturare le molteplici dimensioni che definiscono i componenti o i consumabili richiesti dagli aerei moderni.

Oltre alla discrepanza tra le ipotesi alla base dei modelli classici e la realtà del settore aerospaziale, abbiamo anche constatato che gli approcci classici si affidano eccessivamente a innumerevoli correzioni manuali. Ciò porta frequentemente a situazioni in cui la manodopera investita nell’ottimizzazione dell’inventario non viene capitalizzata, ma semplicemente consumata dai sistemi IT per stare al passo con le operazioni quotidiane. Alcuni pattern di progettazione software, come gli “alert”, tendono inoltre ad aggravare la situazione concentrando i team su soluzioni superficiali quotidiane, anziché focalizzarli sulle cause profonde per offrire soluzioni durature. Per qualsiasi richiesta, contattaci a contact@lokad.com

Al contrario, il cuore della nostra tecnologia è progettato per minimizzare i Dollari degli errori di previsione. Il nostro approccio è molto diverso dai sistemi statistici classici che sono semplicemente “ciechi” alle variabili finanziarie.

I costi legati a previsioni eccessive e insufficienti sono altamente asimmetrici nel settore aerospaziale, e questo ha un impatto profondo sulla nostra tecnologia. Le parti riparabili ad alto costo non sono solo, come suggerisce il nome, costose, ma comportano anche un “ratchet” effect su ogni acquisto da parte della compagnia aerea. Infatti, poiché il tasso di rottamazione è molto basso per molte parti, significa che ogni parte acquistata rimarrà a far parte dell’inventario per anni. E mentre a volte è possibile rivendere le parti, ciò avviene frequentemente a fronte di un forte sconto rispetto al prezzo originale. Pertanto, le nostre previsioni sono intrinsecamente e intenzionalmente orientate al rialzo per riflettere proprio quelle situazioni di business asimmetriche. L’obiettivo non è avere le migliori stime di inventario in un senso statistico astratto, ma le stime che aiutano realmente a minimizzare i costi aziendali associati alle imprecisioni delle stime stesse.

Inoltre, sebbene raggiungere livelli di servizio migliori sia sicuramente positivo se non comporta un maggiore mantenimento di inventario, le soluzioni classiche puntano piuttosto a livelli di servizio arbitrari basati su classificazioni naïve dell’inventario, frequentemente fondate sull’analisi ABC o su altre varianti simili. Nella sua essenza, la nostra tecnologia statistica accetta la sfida di sfruttare al massimo ogni singolo Dollaro investito nell’inventario. Ad esempio, anche se una parte ha un livello di servizio del 90%, mentre l’azienda ambisce a un livello di servizio complessivo del 98%, potrebbe essere più redditizio incrementare il livello di servizio di un’altra parte dal 98% al 99% se questa parte costa 100 volte meno ed è richiesta 100 volte più frequentemente della prima. L’analisi ABC semplifica eccessivamente il panorama dell’inventario aerospaziale, dove molte dimensioni diverse devono essere prese in considerazione: costo unitario, ritardo di consegna, essenzialità, sovraccarico d’acquisto AOG, capitolo ATA, potenziale obsolescenza, ecc.

Invece di fornire numeri che sono “esattamente errati”, Lokad si impegna a fornire numeri che sono “approssimativamente veri”. Integrare tutti i vincoli finanziari e operativi direttamente nei modelli previsionali si è rivelato un compito estremamente impegnativo, tuttavia abbiamo osservato che fare affidamento su approcci classici “ciechi” a tali fattori produce risultati molto scarsi.

Anche qualcosa di apparentemente semplice come lo stato dell'inventario richiede un insieme di dati relativamente vario. Infatti, lo stock comprende non solo la merce disponibile e gli ordini d'acquisto in scadenza, ma anche i futuri resi per riparazioni, i resi delle parti riparabili, i prestiti ad altre compagnie aeree e le parti concesse in prestito ad altre compagnie aeree.

Utilizzando più dimensioni rispetto ai classici modelli di ottimizzazione dell'inventario, Lokad fornisce risultati più strettamente allineati alla realtà specifica del business.

I dati di terze parti, come i valori MTBUR (tempo medio tra rimozioni non programmate) forniti dagli OEM, possono anche essere sfruttati. Tuttavia, invece di fare affidamento al 100% su un'unica fonte di dati, la nostra tecnologia preferisce sfruttare al massimo tutti i dati disponibili.

Se un componente è stato cambiato più di 100 volte, il MTBUR stimato basato sui dati storici è quasi certamente più accurato della stima dell'OEM. D'altra parte, per un componente che viene cambiato molto raramente, la stima dell'OEM è l'unico dato rilevante. La tecnologia di Lokad sfrutta il mix ottimale di informazioni necessario per minimizzare i costi finanziari associati all'incertezza.