PREVISIONE DELL'INVENTARIO PER L'AEROSPAZIO

Il costo elevato di alcune parti, i lunghi tempi di consegna, i guasti poco frequenti e i costi esorbitanti dei stock-out aggravano ulteriormente tutte le debolezze dell’ottimizzazione classica dell’inventario.

In particolare, le previsioni basate sulle serie storiche ottimizzate secondo metriche come MAD (deviamento medio assoluto) o MAPE (percentuale media assoluta) non riflettono adeguatamente i costi fortemente asimmetrici tra sovrastima e sottostima presenti nell’aerospazio.

Anche l’analisi classica dei safety stock basata su distribuzioni normali o distribuzioni di Poisson funziona male.

L’analisi classica dei safety stock basata su distribuzioni normali o distribuzioni di Poisson funziona male, perché le nostre osservazioni indicano semplicemente che i modelli di domanda non seguono effettivamente nessuno di questi schemi. Analogamente, l’analisi ABC fallisce, poiché ogni classificazione che suddivide tutte le parti in una manciata di categorie di inventario non riesce a catturare le numerose dimensioni che definiscono le parti o i consumabili necessari per gli aeromobili moderni.

Oltre alla discrepanza tra le ipotesi alla base dei modelli classici e la realtà del settore aerospaziale, abbiamo constatato che gli approcci tradizionali fanno troppo affidamento su innumerevoli correzioni manuali. Ciò porta frequentemente a situazioni in cui la manodopera investita nell’ottimizzazione dell’inventario non viene capitalizzata, ma semplicemente assorbita dai sistemi IT per far fronte alle operazioni giornaliere. Alcuni pattern di progettazione software, come gli “alerts”, tendono inoltre ad aggravare la situazione, concentrando i team su correzioni superficiali quotidiane anziché sulle cause profonde per fornire 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” rispetto alle variabili finanziarie.

I costi derivanti da previsioni eccessive o insufficienti sono altamente asimmetrici nel settore aerospaziale, e ciò ha un impatto profondo sulla nostra tecnologia. I pezzi riparabili ad alto costo non sono solo, come suggerisce il nome, costosi, ma comportano anche un “effetto ratchet” su ogni acquisto da parte della compagnia aerea. Infatti, poiché il tasso di rottamazione è molto basso per molti pezzi, significa che ogni pezzo acquistato rimarrà in inventario per anni. E sebbene a volte sia possibile rivendere i pezzi, ciò comporta frequentemente uno sconto elevato rispetto al prezzo originale. Pertanto, le nostre previsioni sono intrinsecamente e intenzionalmente orientate verso valori elevati per riflettere con precisione quelle situazioni aziendali asimmetriche. L’obiettivo non è avere le migliori stime d’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 certamente una cosa positiva, a patto che non implichi il mantenimento di un maggior inventario, le soluzioni classiche puntano a livelli di servizio piuttosto arbitrari basati su classificazioni d’inventario naïve, spesso basate sull’analisi ABC o su altre varianti simili. Nel suo nucleo, la nostra tecnologia statistica affronta la sfida di sfruttare al massimo ogni singolo Dollaro investito in inventario. Per esempio, anche se un pezzo ha solo un livello di servizio del 90%, mentre l’azienda mira a un livello di servizio complessivo del 98%, potrebbe risultare più redditizio aumentare il livello di servizio di un altro pezzo dal 98% al 99% se questo pezzo costa 100 volte meno ed è richiesto 100 volte più frequentemente rispetto al primo. L’analisi ABC semplifica eccessivamente il panorama dell’inventario aerospaziale, in cui molte diverse dimensioni devono essere prese in considerazione: costo unitario, ritardo nella fornitura, essenzialità, sovraccarico d’acquisto AOG, capitolo ATA, potenziale obsolescenza, etc.

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 di previsione si è rivelato un compito estremamente impegnativo, eppure abbiamo osservato che affidarsi agli approcci classici, “ciechi” a questi fattori, dà risultati molto scadenti.

Anche qualcosa di apparentemente semplice come lo stato dell’inventario richiede un insieme di dati relativamente vario. Infatti, lo stock include non solo la scorta disponibile e gli ordini di acquisto in scadenza, ma anche i futuri resi di riparazione, i resi dei pezzi riparabili, i prestiti ad altre compagnie aeree e i pezzi prestati ad altre compagnie aeree.

Utilizzando più dimensioni rispetto ai modelli classici di ottimizzazione dell’inventario, Lokad fornisce risultati maggiormente allineati alla realtà specifica dell’azienda.

I dati di terze parti, come i valori MTBUR (tempo medio tra le rimozioni non programmate) forniti dagli OEM, possono anch’essi essere sfruttati. Tuttavia, anziché affidarsi al 100% a un’unica fonte di dati, la nostra tecnologia preferisce sfruttare al meglio tutti i dati disponibili.

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