PREVISIONE DELL'INVENTARIO PER L'AEROSPAZIALE

L’alto costo di determinati pezzi, i tempi di consegna lunghi, i guasti poco frequenti e i costi molto elevati delle mancanze di magazzino non fanno che esacerbare tutte le debolezze dell’ottimizzazione classica dell’inventario.

In particolare, le previsioni delle serie temporali ottimizzate in base a metriche come MAD (deviazione media assoluta) o MAPE (percentuale media assoluta) non riflettono correttamente i costi altamente asimmetrici tra sovrastima e sottostima riscontrati nell’aerospaziale.

L’analisi classica delle scorte di sicurezza basata su distribuzioni normali o distribuzioni di Poisson funziona anche male.

L’analisi classica delle scorte di sicurezza basata su distribuzioni normali o distribuzioni di Poisson funziona anche 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 una classificazione che ordina tutti i pezzi in una manciata di categorie di inventario non riesce a catturare le molte diverse dimensioni che definiscono i pezzi o i consumabili richiesti dagli aeromobili moderni.

Oltre allo scollamento tra le ipotesi alla base dei modelli classici e la realtà del settore aerospaziale, abbiamo anche scoperto che gli approcci classici si basano troppo su una miriade di correzioni manuali. Ciò porta spesso a situazioni in cui il lavoro investito nell’ottimizzazione dell’inventario non viene capitalizzato, ma viene semplicemente consumato dai sistemi informatici solo per tenere il passo con le operazioni quotidiane. Alcuni modelli di progettazione del software, come gli “avvisi”, tendono anche a peggiorare la situazione concentrandosi sulle correzioni superficiali quotidiane anziché sulle cause profonde al fine di fornire soluzioni durature. Per qualsiasi domanda, contattaci all’indirizzo contact@lokad.com

Al contrario, il nucleo 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 associati alle sovrastime e alle sottostime sono altamente asimmetrici nel settore aerospaziale, e ciò ha un profondo impatto 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 dal lato delle compagnie aeree. Infatti, poiché il tasso di scarto è molto basso per molti pezzi, significa che qualsiasi pezzo acquistato rimarrà come parte dell’inventario per anni. E sebbene la rivendita dei pezzi sia talvolta possibile, spesso comporta uno sconto significativo rispetto al prezzo originale. Pertanto, le nostre previsioni sono intrinsecamente e volutamente fortemente influenzate per riflettere con precisione queste situazioni aziendali 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 certamente una cosa positiva se non comporta un aumento dell’inventario, le soluzioni classiche mirano a livelli di servizio piuttosto arbitrari basati frequentemente su analisi ABC o altre varianti simili. Al suo nucleo, la nostra tecnologia statistica affronta la sfida di sfruttare al massimo ogni singolo Dollaro investito nell’inventario. Ad esempio, anche se un pezzo ha solo un livello di servizio del 90%, mentre l’azienda cerca un livello di servizio complessivo del 98%, potrebbe essere 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 devono essere considerate molte dimensioni diverse: costo unitario, ritardo di fornitura, essenzialità, costi aggiuntivi per l’acquisto urgente, capitolo ATA, obsolescenza potenziale, ecc.

Invece di fornire numeri “esattamente errati”, Lokad si impegna a fornire numeri “approssimativamente veri”. Considerare tutti i vincoli finanziari e operativi direttamente nei modelli di previsione si è rivelata un’attività molto impegnativa, ma abbiamo osservato che affidarsi ad approcci classici che sono “ciechi” a questi fattori produce risultati molto scadenti.

Anche qualcosa di apparentemente semplice come lo stato dell'inventario richiede un insieme relativamente diversificato di dati. Infatti, l'inventario include non solo la disponibilità di magazzino e l'ordine di acquisto in scadenza, ma anche i futuri resi di riparazione, i resi di parti in servizio, i prestiti ad altre compagnie aeree e le parti prestate ad altre compagnie aeree. Utilizzando più dimensioni rispetto ai modelli classici di ottimizzazione dell'inventario, Lokad fornisce risultati più strettamente allineati alla realtà specifica dell'azienda.

Anche i dati di terze parti come i valori MTBUR (mean time between unscheduled removal) forniti dagli OEM possono essere sfruttati. Tuttavia, anziché fare affidamento al 100% su una singola fonte di dati, la nostra tecnologia preferisce sfruttare al massimo tutti i dati disponibili.

Se un componente è stato cambiato più di 100 volte, la stima MTBUR basata sui dati storici è quasi certamente più accurata della stima OEM. Ma d'altra parte, per un componente che viene cambiato molto raramente, la stima OEM è l'unico elemento di informazione rilevante. La tecnologia di Lokad sfrutta la migliore combinazione di informazioni necessarie per ridurre al minimo i costi finanziari associati all'incertezza.