00:00:07 Demand-Driven Material Requirements Planning (DDMRP)
00:00:39 L’idea principale dietro DDMRP e l’MRP tradizionale
00:02:21 Il lead time di decoupling in DDMRP e il suo impatto sulla supply chain
00:05:42 L’equazione del flusso netto in DDMRP e la sua efficacia
00:07:48 L’importanza di distinguere la domanda nota da quella sconosciuta in DDMRP
00:09:00 La decoupled explosion e le sue conseguenze.
00:10:25 La selezione manuale dei punti di decoupling e le preoccupazioni per l’intervento umano.
00:12:02 L’importanza dell’ottimizzazione numerica guidata dalla macchina.
00:14:00 La priorità relativa di DDMRP e i problemi nel mantenere le assunzioni fondamentali.
00:16:01 Critica all’ottimizzazione delle percentuali invece di concentrarsi sugli economic drivers.
00:17:18 Confrontare l’efficacia di DDMRP e Flow Casting.
00:18:37 La mancanza di intuizioni residue da DDMRP quando vengono rimosse le ricette numeriche disfunzionali.
00:19:48 L’utilità della media mobile nel dominio della frequenza come intuizione da DDMRP.
00:22:12 Riflessioni finali.

Sommario

In un’intervista, Kieran Chandler e Joannes Vermorel discutono del Demand Driven Material Requirements Planning (DDMRP), un metodo per migliorare l’efficienza della supply chain utilizzando decoupling points o stock buffers. Mentre DDMRP presenta innovazioni come il decoupling strategico, l’equazione del net flow, la decoupled explosion e la priorità relativa, Vermorel solleva preoccupazioni riguardo alla dipendenza dall’intervento manuale e dall’approccio di ottimizzazione. Sottolinea la necessità di automazione e di dare priorità agli economic drivers rispetto alle percentuali. Vermorel suggerisce che algoritmi moderni di ottimizzazione numerica renderebbero DDMRP ridondante, ma riconosce il prezioso spunto offerto dall’uso delle medie mobili nel dominio della frequenza per modelli di domanda irregolari. In generale, ritiene che le tecniche moderne siano migliori per la supply chain optimization.

Sommario Esteso

In questa intervista, Kieran Chandler, il conduttore, discute del Demand Driven Material Requirements Planning (DDMRP) con Joannes Vermorel, il fondatore di Lokad, un’azienda software specializzata in supply chain optimization. Esplorano l’idea principale alla base di DDMRP, le sue applicazioni pratiche e le quattro principali innovazioni che esso sostiene di offrire.

Il DDMRP è un metodo di pianificazione e esecuzione multi-echelon che mira a migliorare l’efficienza della supply chain posizionando strategicamente decoupling points o stock buffers. Questi decoupling points sono pensati per aiutare le organizzazioni a superare le limitazioni del classico software di Material Requirements Planning (MRP), che può faticare nel fare calcoli accurati per supply chain complesse.

Vermorel spiega che il software MRP funziona rappresentando le relazioni tra vari componenti e sotto-componenti in un prodotto, come una macchina, sotto forma di grafo. Questo grafo rappresenta le dipendenze tra le diverse parti e aiuta a calcolare i requisiti per produrre il prodotto finito. Tuttavia, il software MRP spesso manca di accuracy e può produrre risultati scadenti.

Il DDMRP tenta di migliorare queste limitazioni introducendo decoupling points nel grafo. Questi punti rappresentano componenti o parti che dispongono di inventario, il che significa che si può presumere che siano sempre disponibili. Ciò consente il calcolo di lead times numericamente molto inferiori rispetto a quelli che il classico software MRP produrrebbe. Vermorel osserva che, sebbene questo approccio possa migliorare il punto di partenza fornito dal MRP tradizionale, è tutt’altro che ciò che si potrebbe ottenere con metodi numerici moderni.

Una delle critiche sollevate da Vermorel riguarda il fatto che, sebbene i decoupling points possano ridurre i lead times calcolati, la supply chain conserva comunque una quantità significativa di inerzia. Ciò significa che nonostante l’apparenza di miglioramenti, le prestazioni effettive della supply chain potrebbero non essere così ottimizzate come sembrano.

Il decoupling strategico prevede l’introduzione di punti nella supply chain dove i lead times possono essere ridotti, accorciando così il lead time complessivo. Vermorel sostiene che, sebbene questo approccio possa numericamente ridurre i lead times, non riduce in modo significativo l’inerzia nell’intera rete. La sfida risiede nel problema semantico di comprendere come i decoupling points strategici influenzino l’intera supply chain.

L’equazione del net flow, il secondo punto di discussione, è un metodo semplicistico per mantenere i buffer points nella supply chain. Essa considera lo stock disponibile, sottraendo la domanda già garantita o le unità qualificate, per determinare lo stock rimanente a servire la domanda incerta. Vermorel ritiene che il DDMRP (Demand Driven Material Requirements Planning) sia corretto nel distinguere tra domanda nota e domanda sconosciuta. Molte prime implementazioni di ERP (Enterprise Resource Planning) prevedevano ingenuamente tutta la domanda, inclusa quella già garantita. Vermorel sostiene che questo approccio sia fondamentalmente sbagliato, poiché tenta di prevedere un futuro che è già noto, portando a difficoltà nelle previsioni.

La terza innovazione chiave discussa è la decoupled explosion, che affronta le conseguenze dell’introduzione di due tipi di nodi nel grafo della supply chain: i nodi master e i decoupling points. I decoupling points sono luoghi nella supply chain in cui la propagazione del lead time viene interrotta nel calcolo (ma non nella realtà), e viene mantenuto un certo grado di inventario. La decoupled explosion comporta la semplificazione della Bill of Material (BOM) saltando i nodi secondari e collegandosi direttamente ai decoupling points. Questa semplificazione del grafo mira a snellire il processo della supply chain.

Vermorel esprime preoccupazione per la dipendenza dall’intervento manuale nella gestione della supply chain, in particolare quando si tratta dell’introduzione di un “Yokai” nel grafo per mitigare le conseguenze assurde di semplicistiche numerical recipes. Spiega che i professionisti della supply chain sono spesso responsabili della scelta dei decoupling points, che potrebbero non essere stabili o coerenti nel tempo. Ciò è dovuto alla natura in continua evoluzione dell’ambiente della supply chain, così come alla possibilità che i fornitori cambino le loro strategie o posizioni.

La discussione sottolinea la necessità di automazione in questo processo, poiché affidarsi all’intervento umano può portare a inefficienze e imprecisioni. Vermorel osserva che non è un buon impiego del tempo dei professionisti selezionare manualmente i decoupling points per prodotti complessi con migliaia di parti. Questo è particolarmente vero dato che le condizioni del mercato cambiano costantemente, rendendo difficile per i professionisti prevedere o considerare ogni variabile con precisione.

Passando al concetto di priorità relativa nella gestione della supply chain, Vermorel spiega che ciò comporta la classificazione degli articoli in termini di quantità di stock target. Pur avendo del merito, ritiene che sarebbe più efficace classificare gli articoli in base alle loro forze economiche. L’introduzione di nodi da prima classe in stile DDMRP (demand-driven material requirements planning), ovvero decoupling points, nel grafo della supply chain si basa sull’assunzione che lo stock sia sempre disponibile. Quando questa assunzione viene violata, l’intero sistema può andare in crisi.

Le priorità relative mirano ad affrontare questo problema dando priorità agli articoli che divergono maggiormente dall’assunzione di disponibilità continua. Pur riconoscendo che questa parte della metodologia complessiva sia sensata, Vermorel sottolinea anche che essa implica comunque un certo livello di intervento e di priorizzazione umana, che potrebbe non essere l’approccio più efficiente o accurato.

Discutono dell’efficacia del Demand Driven Material Requirements Planning (DDMRP) nell’ottimizzazione della supply chain. Vermorel critica il DDMRP, affermando che si concentra sull’ottimizzazione delle percentuali piuttosto che sugli aspetti finanziari come il costo dello stock, gli sprechi e il non-servizio. Sostiene che le decisioni nella supply chain dovrebbero essere prioritarie in base agli obiettivi aziendali complessivi espressi come economic drivers.

Vermorel confronta il DDMRP con il flowcasting, affermando che, mentre il flowcasting presenta alcune matematiche fondamentalmente errate, offre spunti preziosi che rimarrebbero rilevanti anche dopo aver corretto la matematica. D’altra parte, il DDMRP è visto come un miglioramento incrementale su una base difettosa. Vermorel suggerisce che l’utilizzo di algoritmi moderni di ottimizzazione numerica renderebbe il DDMRP ridondante.

Nonostante le critiche, Vermorel riconosce un aspetto positivo del DDMRP: l’uso delle medie mobili nel dominio della frequenza, in contrapposizione al dominio del tempo. Spiega che mediare la domanda su un periodo fisso (dominio del tempo) è meno efficace che mediare la domanda sugli ultimi 100 unità servite (dominio della frequenza). Questo approccio si comporta meglio numericamente quando si affrontano pattern di domanda irregolari e impulsivi. In conclusione, Vermorel vede valore nell’analisi nel dominio della frequenza nel DDMRP, ma ritiene che le tecniche moderne di ottimizzazione numerica siano più adatte per l’ottimizzazione della supply chain.

Trascrizione Completa

Kieran Chandler: Oggi su Lokad TV, cercheremo di capire se questo metodo funziona davvero in pratica esaminando le quattro grandi innovazioni. Quindi Joannes, ne abbiamo accennato nell’introduzione, ma qual è l’idea principale alla base del DDMRP?

Joannes Vermorel: L’idea principale è che si parte da una prospettiva molto classica dell’MRP, dove tutto si riduce all’analisi di un grafo delle dipendenze. Solo per chiarire alle persone che ascoltano, immaginiamo di voler costruire un prodotto finito, come una macchina. Hai bisogno di parti, ma le parti necessarie per una macchina sono esse stesse degli assemblaggi che necessitano di ulteriori parti. Quindi hai una gerarchia di componenti, per esempio una macchina che necessita di un impianto di aria condizionata, e l’impianto di aria condizionata ha bisogno di una pompa, di una valvola e così via. Quando pensi a un prodotto e a tutte le parti di cui ha bisogno, è fondamentalmente un grafo matematico, simile a una mappa della metro con collegamenti.

Questo grafo parte dal prodotto finito in cima e si espande verso i subcomponenti, e poi ogni componente ha dei sotto-sotto-componenti e così via, in modo ricorsivo. Se hai un prodotto molto complesso, puoi avere un grafo molto articolato che rappresenta tutte le parti fino ai materiali di base. L’MRP, il software di manufacturing resource planning, rappresenta prima di tutto questa informazione, così da avere a disposizione questo grafo delle dipendenze. Successivamente, esegue una serie di calcoli per aiutarti a produrre ed eseguire tutti quei requisiti fino ad arrivare ai prodotti finiti. In genere, non fa un ottimo lavoro in molti di questi calcoli, e il DDMRP fornisce una serie di ricette per farlo funzionare meglio.

Kieran Chandler: Allora, come funziona effettivamente in pratica, e diresti che è in qualche modo una semplificazione eccessiva?

Joannes Vermorel: La prima innovazione che affermano è il decoupling dei lead times. Dobbiamo rendersi conto che il loro punto di partenza per il miglioramento è costituito da ricette numeriche prive di senso, incredibilmente ingenue da una prospettiva di ottimizzazione numerica. Se scegli correttamente i decoupling points, migliorerai rispetto a una base molto povera. Diventi meno disfunzionale, ma ciò non significa che sei da vicino a ciò che potresti ottenere con metodi numerici moderni.

L’idea chiave dei decoupling points è che invece di avere ogni nodo come se fosse uguale agli altri, decidiamo di avere cittadini di prima classe, i decoupling points, e cittadini di seconda classe dove non si effettua il decoupling. In ogni punto in cui viene effettuato il decoupling, questa parte o componente avrà inventario, e quindi si può presumere che sia sempre disponibile. Invece di prendere il percorso più lungo per la produzione, prendi il percorso più lungo verso la produzione fino a quando non incontri uno di quei decoupling points.

Ma la mia prima critica al decoupling dei lead times è che, sì, quando introduci quei decoupling points, finisci per avere un lead time numericamente molto inferiore. Tuttavia, la tua supply chain possiede ancora molta più inerzia. Hai manipolato il modo in cui calcoli il lead time introducendo quei decoupling points.

Kieran Chandler: Ma l’inerzia esiste comunque, siamo ben oltre quello che dici. Quindi, ecco come arrivano a sostenere di aver introdotto dei punti di decoupling strategici e di poter ridurre il lead time dell'80%. Numericamente parlando, finisci per avere un lead time molto più corto, ma la realtà è che non hai ridotto l’inerzia della tua rete nel complesso di un fattore così grande come quello ottenuto con quei decoupling points. C’è un problema semantico qui, e forse ci arriverò nei concetti. Passiamo al secondo punto iterativo nel DDMRP, l’equazione del net flow. Fondamentalmente, è un modo per mantenere quei buffer points, utilizzando ad esempio i pre-orders, cose che sappiamo già che accadranno. Quanto funziona effettivamente in pratica?

Joannes Vermorel: L’equazione del net flow ha un certo senso in realtà. È un’equazione incredibilmente semplicistica: stock disponibile meno la domanda già garantita, quella che chiamano unità qualificate. Quindi, la domanda che è praticamente certa. Ciò che ottieni è lo stock che rimane disponibile per coprire la domanda incerta. L’equazione del net flow ti dà la quantità di stock necessaria per coprire ciò che non è già una pura questione di esecuzione, perché sai già che arriverà quasi senza uncertainty.

Penso che DDMRP sia corretto nel distinguere le cose già note da quelle sconosciute. Ad esempio, se hai un complesso processo di produzione e magari servi altri clienti industriali e il cliente può dirti fra due mesi, “Voglio che mille unità vengano consegnate a questa data”, e hai il tempo per farlo, a quel punto devi eseguire questa consegna. Non c’è alcuna previsione coinvolta. Se i tuoi tempi di consegna sono inferiori a due mesi, allora fondamentalmente si tratta solo di esecuzione, senza alcuna incertezza.

Certo, le persone possono comunque annullare gli ordini e simili, ma diciamo che è abbastanza sicuro. È molto diverso dal fatto che, magari, tra due mesi si presenti un cliente che effettivamente richiede mille unità. Credo che DDMRP sia completamente corretto nell’affermare che non si dovrebbe cercare di adottare questo tipo di approccio super ingenuo, ovvero prevedere tutto, compreso ciò che già si sa.

La domanda è: perché lo affermano? Beh, è perché la maggior parte dei sistemi ERP, molte implementazioni iniziali, facevano cose incredibilmente ingenue. Dicevano: “Prenderemo la via facile, che è in un certo senso la via stupida”, e prevedevano la domanda, tutta essa, compresa la parte già garantita. Ma è molto sciocco, perché stai cercando di indovinare un futuro che già conosci, e indovina un po’? È molto difficile prevedere. Quindi, se sai già qualcosa del futuro, non dovresti nemmeno provare a usare la statistica per scoprirlo, perché lo sai già.

Kieran Chandler: Se passiamo alla terza innovazione chiave, questo cosiddetto “decoupled explosion” suona davvero drammatico. Cosa sta succedendo qui?

Joannes Vermorel: Questa è un’altra conseguenza dell’introdurre due tipi di nodi nel tuo grafo dei requisiti. Ricorda, abbiamo introdotto i nodi master nel grafo, che sono quei punti di decoupling, ossia i punti che interrompono la propagazione del lead time nel calcolo, non nella realtà, ma nel calcolo, e che sono i punti in cui vorrai garantire un certo grado di inventario. Quello che dicono è che, invece di far propagare la distinta base da un nodo all’altro direttamente dicendo, “Prendo la distinta base e la faccio propagare ai miei nodi padre, i sotto-componenti che

Kieran Chandler: I miei nodi padre, i sotto-componenti di cui ho bisogno per costruire il prodotto finito, sto dicendo che fondamentalmente, quando si effettua il decoupling, affermano che la distinta base salterà completamente tutti i nodi di cittadinanza di seconda classe per saltare direttamente ai punti di decoupling. Quindi, in un certo senso, è di nuovo una tecnica di semplificazione del grafo. Voglio dire, si basa su questa gerarchia nel grafo che è stata introdotta con nodi di cittadinanza di prima classe e nodi di cittadinanza di seconda classe. E chi sta effettivamente scegliendo quei nodi di prima classe? Se consideri qualcosa come un aereo, che ha milioni di livelli differenti, voglio dire, chi sta effettivamente facendo quelle scelte?

Joannes Vermorel: I professionisti della supply chain, il che per me è anche una grande fonte di preoccupazione. Perché, fondamentalmente, sì, puoi introdurre manualmente una gerarchia in un grafo per mitigare in qualche modo le conseguenze insensate di ricette numeriche molto semplicistiche. Quindi, sì, questo può funzionare in un certo senso. Ma in effetti, ti ritrovi con professionisti della supply chain che devono introdurre manualmente tali punti di decoupling. E indovina un po’? Non è davvero stabile. Una buona scelta per quei punti di decoupling non è statica. Perché? Perché se c’è una parte che decidi di esternalizzare, sai, per acquistarla da un fornitore o da un fornitore che è più vicino oppure, al contrario, molto più distante, puoi cambiare abbastanza profondamente ciò che accade attorno a tutto ciò che dipende da questa parte nella tua supply chain network.

Quindi, i tuoi punti di decoupling dovrebbero, tecnicamente, anche se funziona introdurre questa gerarchia nel grafo, non far pensare che siano stazionari e che tu possa sceglierli una volta sola e che siano validi per sempre. Per me, questo dovrebbe essere fatto in maniera completamente automatica. Sai, qui stiamo parlando di ricette numeriche, e diciamo di avere una ricetta numerica disfunzionale, e poi affermiamo che con tante intuizioni umane e aggiustamenti, possiamo ottenere una ricetta numerica un po’ migliore.

Kieran Chandler: Ok, quindi fondamentalmente, quando intervengono gli umani, riusciamo sempre in qualche modo a combinare un casino.

Joannes Vermorel: Sì, ma inoltre non sta sfruttando in maniera ottimale il tempo di quei professionisti. Voglio dire, come hai descritto, se hai un prodotto complesso con migliaia di parti, perché dovresti investire potenzialmente centinaia, se non migliaia, di ore uomo dei tuoi esperti supply chain per selezionare manualmente quei punti di decoupling? Potresti pensare, “oh, hanno intuizioni così incredibili”, giusto? Ma la realtà è che c’è troppo rumore. Migliaia di parti, le condizioni di mercato cambiano praticamente continuamente, non necessariamente in modo radicale, ma almeno in maniera costante. Quindi, dobbiamo aggiornare continuamente il sistema. È qualcosa che dovrebbe essere fatto interamente dalla macchina. Sai, non c’è valore aggiunto. È un puro caso di ottimizzazione numerica.

Kieran Chandler: Ok, passiamo all’ultima innovazione qui, che è la priorità relativa. Si tratta fondamentalmente di classificare in base alla quantità di stock target, e presumo ci siano molte critiche a riguardo. Preferiremmo classificare per forze economiche, sei d’accordo?

Joannes Vermorel: Sì, ma ancora, ci sono diverse cose. Innanzitutto, quelle priorità relative, perché vengono introdotte? Voglio dire, partono dall’idea che il classico MRP ha una visione binaria delle cose, come, “Sto bene o non sto bene?” E dicono, “Perché? È, sai, crude, super crude.” E la risposta è: sì, è così grezzo al punto che

Kieran Chandler: Questo è completamente assurdo e, ancora, già negli anni ‘50 le persone nell’ambito dell’ottimizzazione numerica facevano già cose più intelligenti di così. Quindi, un punto di partenza davvero, davvero pessimo. Ok, ora l’intero stile DDMRP introduce nodi di prima classe, chiamati quei punti di decoupling nel tuo grafo, e con essi c’è un’assunzione: lo stock è sempre disponibile. Quindi, quando questa assunzione viene violata, ovviamente tutto crolla, perché la tua decoupled explosion si basa su questa assunzione, così come i tuoi orizzonti temporali decomposti. Quindi, devi fondamentalmente rimettere in carreggiata il tuo sistema supply chain rispetto alla tua assunzione fondamentale, e le priorità prezzo-relative sostengono che dovresti agire rapidamente per le cose che divergono maggiormente dalla tua assunzione fondamentale, ossia la disponibilità continua per quei punti di decoupling.

Joannes Vermorel: È davvero positivo, infatti, è qualcosa che ha senso, parte della ricetta. Ma, indovina un po’, ti ritrovi con una prioritizzazione che è in parte errata. Sto mettendo in discussione la motivazione stessa: l’obiettivo è rimettere il sistema in carreggiata rispetto all’assunzione che serve avere DDMRP per funzionare. È come il serpente che si morde la coda. Introduci una metodologia, questa metodologia porta con sé delle assunzioni, e i tuoi calcoli numerici non garantiscono che tali assunzioni vengano mantenute nel corso del sistema. Quindi, è necessario introdurre degli aggiustamenti per creare una sorta di ciclo di feedback che permetta di rimettersi in carreggiata rispetto alle proprie assunzioni. Ma ciò non significa che torniamo in linea con qualcosa allineato agli obiettivi finali del business, ed è qui che nasce la mia critica. Stai ottimizzando basandoti su percentuali, come la percentuale di accuratezza, la percentuale di adempimento, la percentuale di service levels, che sono, ancora una volta, un’ottimizzazione in percentuali che, in un certo senso, è sbagliata. Vorresti avere delle percentuali in Euro, e questo si collega alla prospettiva finale, ossia il costo dello stock, il costo degli sprechi, il costo della non-servizio. Dall’altra parte, ci sono tutti i costi e i benefici del servire i clienti puntualmente.

Quindi, sono pienamente d’accordo con l’idea di dare priorità alle decisioni, ma sono in netto disaccordo con l’idea di dare priorità alle decisioni in modo da poterle reinserire nel ciclo della metodologia. Devi dare priorità alle decisioni in modo che si riallineino con gli obiettivi complessivi del business, espressi come driver economici per l’azienda nel suo complesso. In altre parole, con ciò che la tua supply chain fornisce nel suo insieme.

Kieran Chandler: Ok, ora iniziamo a mettere insieme le cose. Abbiamo descritto molti dei difetti di DDMRP. Dovremmo scartarlo completamente come tecnica?

Joannes Vermorel: È interessante, perché la settimana scorsa discutevamo di flow casting. Il problema con il flow casting era che alcune formule matematiche erano drasticamente errate, tanto da degrado la situazione rispetto al punto di partenza, che era già piuttosto pessimo. Ma alcuni degli spunti che forniva erano profondamente veri e, in realtà, sopravviverebbero se correggessimo la matematica per farli funzionare. È molto curioso, perché DDMRP è un po’ l’opposto. È fondamentalmente qualcosa che lavora in maniera incrementale su una base molto, molto debole. Se fai un passo indietro e dici, invece di cercare di mettere una pezza a qualcosa di veramente pessimo, iniziamo direttamente con buone fondamenta, cioè facendo un’ottimizzazione numerica nel modo giusto con algoritmi appropriati, come veri algoritmi probabilistici basati sui grafi, allora non sono sicuro che, una volta adottato un framework numerico moderno e adeguato per fare un’ottimizzazione, perché il punto è che i sistemi classici MRP non stanno realmente ottimizzando nulla in senso moderno in cui effettivamente…

Kieran Chandler: Facendo tutto ciò per praticamente mettere una pezza a ricette numeriche profondamente disfunzionali, ora se rimuoviamo le ricette numeriche disfunzionali, cosa rimane?

Joannes Vermorel: La risposta è davvero, davvero poca. Ecco perché, per esempio, il flow casting era molto diverso, perché se rimuovi le parti numeriche disfunzionali del flow casting, le altre componenti che rimangono sono profondamente interessanti e, a mio avviso, profondamente corrette. DDMRP, invece, molto meno.

Kieran Chandler: Se volessimo concludere con una nota più positiva, ci sono spunti che DDMRP ci offre che sono davvero buoni?

Joannes Vermorel: Sì, credo che uno spunto sia che la media mobile funziona, e spesso funziona anche meglio nel dominio della frequenza rispetto al dominio del tempo. Torniamo su questo. Per chi di voi ha magari studiato alla facoltà di ingegneria la trasformata di Fourier, sapete che potete studiare le serie temporali nel dominio del tempo oppure in quello della frequenza. Questo è qualcosa che si fa molto frequentemente in acustica.

Quando si pensa alle previsioni della domanda, la media mobile può funzionare quando la domanda è stazionaria. Tipicamente, quando si pensa alle previsioni con media mobile, si intende fare un’analisi nel dominio del tempo. Quindi, cosa significa? Mediare la domanda delle ultime settimane, periodo fisso; quello è il mio dominio del tempo.

Il dominio della frequenza, invece, consiste nel pensare non a mediare sulle ultime settimane – dove tre settimane sono fisse – ma nel dire “Farò la media della mia domanda sulle ultime 100 unità servite.” La buona notizia è che questa media sulle ultime 100 unità si comporterà in modo molto più stabile dal punto di vista numerico rispetto a una domanda estremamente erratica e a picchi.

La media mobile nel dominio della frequenza è davvero interessante. A proposito, DDMRP con quei buffer in realtà sono previsioni, previsioni basate sulla media mobile eseguite nel dominio della frequenza anziché nel dominio del tempo. In un certo senso l’hanno riscoperta, ed è uno spunto molto valido. È di grande valore il fatto che l’analisi nel dominio della frequenza funzioni e abbia profonde implicazioni per la supply chain. È un approccio molto interessante da ottimizzare.

Penso che questo sia l’approccio. Non sono sicuro se le persone di DDMRP lo vedano in questo modo, ma credo che sia uno spunto davvero interessante e molto valido che sia emerso da DDMRP.

Kieran Chandler: Speriamo di essere riusciti almeno in parte a rimettere insieme alcuni di quei legami. Comunque, questo è tutto per questa settimana. Grazie mille per averci seguito. Se siete d’accordo o meno, assicuratevi di lasciarci un commento, e ci vediamo alla prossima. Ciao per ora.