00:00:07 Pianificazione dei requisiti materiali basata sulla domanda (DDMRP)
00:00:39 L’idea principale dietro DDMRP e MRP tradizionale
00:02:21 Tempo di disaccoppiamento in DDMRP e il suo impatto sulla supply chain
00:05:42 Equazione di flusso netto in DDMRP e la sua efficacia
00:07:48 L’importanza di distinguere la domanda nota e la domanda sconosciuta in DDMRP
00:09:00 Esplosione disaccoppiata e le sue conseguenze.
00:10:25 Selezione manuale dei punti di disaccoppiamento e preoccupazioni riguardo all’interazione umana.
00:12:02 L’importanza dell’ottimizzazione numerica guidata dalla macchina.
00:14:00 Priorità relativa di DDMRP e problemi nel mantenere le assunzioni di base.
00:16:01 Critiche all’ottimizzazione percentuale anziché concentrarsi sui driver economici.
00:17:18 Confronto dell’efficacia di DDMRP e Flow Casting.
00:18:37 La mancanza di ulteriori approfondimenti da DDMRP quando vengono rimossi ricette numeriche disfunzionali.
00:19:48 L’utilità della media mobile nel dominio delle frequenze come approfondimento da DDMRP.
00:22:12 Considerazioni finali.
Riassunto
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 punti di disaccoppiamento o buffer di stock. Mentre DDMRP presenta innovazioni come il disaccoppiamento strategico, l’equazione di flusso netto, l’esplosione disaccoppiata e la priorità relativa, Vermorel solleva preoccupazioni riguardo alla sua dipendenza dall’intervento manuale e all’attenzione all’ottimizzazione. Egli sottolinea la necessità di automazione e di dare priorità ai driver economici anziché alle percentuali. Vermorel suggerisce che moderni algoritmi di ottimizzazione numerica renderebbero DDMRP ridondante, ma riconosce il valore dell’approfondimento sull’utilizzo delle medie mobili nel dominio delle frequenze per modelli di domanda erratici. Nel complesso, ritiene che le tecniche moderne siano migliori per l’ottimizzazione della supply chain.
Riassunto 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 specializzata nell’ottimizzazione della supply chain. Esplorano l’idea principale dietro DDMRP, le sue applicazioni pratiche e le quattro principali innovazioni che afferma di offrire.
DDMRP è un metodo di pianificazione e esecuzione multi-anello che mira a migliorare l’efficienza della supply chain posizionando strategicamente punti di disaccoppiamento o buffer di stock. Questi punti di disaccoppiamento sono progettati per aiutare le organizzazioni a superare le limitazioni del software classico di Material Requirements Planning (MRP), che può avere difficoltà nel fare calcoli accurati per supply chain complesse.
Vermorel spiega che il software MRP funziona rappresentando le relazioni tra vari componenti e sottocomponenti di un prodotto, come ad esempio una macchina, come un grafo. Questo grafo rappresenta le dipendenze tra diverse parti e aiuta a calcolare i requisiti per la produzione del prodotto finito. Tuttavia, il software MRP spesso manca di accuratezza e può produrre risultati scadenti.
DDMRP cerca di migliorare queste limitazioni introducendo punti di disaccoppiamento nel grafo. Questi punti rappresentano componenti o parti che hanno inventario, il che significa che possono essere considerati sempre disponibili. Ciò consente il calcolo dei tempi di consegna che sono numericamente molto inferiori a quelli che il software MRP classico produrrebbe. Vermorel osserva che, sebbene questo approccio possa migliorare la base fornita dal MRP tradizionale, è ancora lontano da ciò che potrebbe essere ottenuto con i moderni metodi numerici.
Una delle critiche sollevate da Vermorel riguardo al DDMRP è che, sebbene i punti di disaccoppiamento possano ridurre i tempi di consegna 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 ottimizzate come sembra.
Il disaccoppiamento strategico prevede l’introduzione di punti nella supply chain in cui i tempi di consegna possono essere ridotti, abbreviando così il tempo di consegna complessivo. Vermorel sostiene che, sebbene questo approccio possa ridurre numericamente i tempi di consegna, non riduce significativamente l’inerzia nell’intera rete. La sfida sta nel problema semantico di capire come i punti di disaccoppiamento strategici influenzano l’intera supply chain.
L’equazione del flusso netto, il secondo punto di discussione, è un metodo semplicistico per mantenere i punti di buffer nella supply chain. Considera le scorte disponibili, sottraendo la domanda garantita o le unità qualificate, per determinare le scorte rimanenti per soddisfare 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) avrebbero previsto in modo ingenuo tutta la domanda, compresa la parte già garantita. Vermorel sostiene che questo approccio sia fondamentalmente errato, poiché cerca di prevedere un futuro già noto, portando a difficoltà di previsione.
La terza innovazione chiave discussa è l’esplosione disaccoppiata, che si occupa delle conseguenze dell’introduzione di due tipi di nodi nel grafo della supply chain: nodi principali e punti di disaccoppiamento. I punti di disaccoppiamento sono posizioni nella supply chain in cui la propagazione dei tempi di consegna viene interrotta nel calcolo (ma non nella realtà) e viene mantenuto un certo grado di inventario. L’esplosione disaccoppiata prevede la semplificazione della Bill of Material (BOM) saltando i nodi secondari e collegandosi direttamente ai punti di disaccoppiamento. Questa semplificazione del grafo mira a razionalizzare il processo della supply chain.
Vermorel esprime preoccupazione per la dipendenza dall’intervento manuale nella gestione della supply chain, in particolare per quanto riguarda l’introduzione di un “Yokai” nel grafo per mitigare le conseguenze insensate di ricette numeriche semplicistiche. Spiega che spesso sono i professionisti della supply chain a essere responsabili della scelta dei punti di disaccoppiamento, che potrebbero non essere stabili o coerenti nel tempo. Questo è dovuto alla natura in continua evoluzione dell’ambiente della supply chain, nonché alla possibilità che i fornitori cambino le loro strategie o posizioni.
La discussione sottolinea la necessità di automazione in questo processo, poiché fare affidamento sull’intervento umano può portare a inefficienze e inesattezze. Vermorel fa notare che non è un buon uso del tempo dei professionisti selezionare manualmente i punti di disaccoppiamento per prodotti complessi con migliaia di parti. Questo è particolarmente vero dato che le condizioni di mercato sono in continua evoluzione, rendendo difficile per i professionisti prevedere o considerare accuratamente ogni variabile.
Passando al concetto di priorità relativa nella gestione della supply chain, Vermorel spiega che ciò comporta la classificazione degli articoli in base alla quantità di stock mirata. Sebbene questo metodo abbia dei meriti, ritiene che sarebbe più efficace classificare gli articoli in base alle loro forze economiche. L’introduzione dei nodi di primo livello, o punti di disaccoppiamento, nello stile DDMRP (demand-driven material requirements planning) nel grafo della supply chain si basa sull’assunzione che l’articolo sia sempre disponibile. Quando questa assunzione viene violata, l’intero sistema può vacillare.
Le priorità relative mirano a risolvere questo problema dando priorità agli articoli che si discostano maggiormente dall’assunzione di disponibilità continua. Sebbene Vermorel riconosca che ciò sia una parte sensata della metodologia complessiva, fa anche notare che comporta comunque un livello di intervento umano e di prioritizzazione, che potrebbe non essere l’approccio più efficiente o accurato.
Discutono dell’efficacia della pianificazione delle esigenze materiali basata sulla domanda (DDMRP) nell’ottimizzazione della supply chain. Vermorel critica il DDMRP, affermando che si concentra sull’ottimizzazione delle percentuali anziché sull’ottimizzazione degli aspetti finanziari come il costo dello stock, lo spreco e il non-servizio. Sostiene che le decisioni sulla supply chain dovrebbero essere prioritizzate in base agli obiettivi aziendali complessivi espressi come driver economici.
Vermorel confronta il DDMRP con il flowcasting, affermando che mentre il flowcasting ha alcune formule matematiche fondamentalmente errate, offre preziose intuizioni 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 moderni algoritmi di ottimizzazione numerica renderebbe il DDMRP ridondante.
Nonostante le critiche, Vermorel riconosce un aspetto positivo del DDMRP: l’uso di medie mobili nel dominio delle frequenze, invece che nel dominio del tempo. Spiega che la media della domanda su un periodo fisso (dominio del tempo) è meno efficace della media della domanda sulle ultime 100 unità servite (dominio delle frequenze). Questo approccio è più stabile numericamente quando si tratta di modelli di domanda erratici e irregolari. In conclusione, Vermorel vede valore nell’analisi del dominio delle frequenze nel DDMRP, ma ritiene che le moderne tecniche di ottimizzazione numerica siano più adatte all’ottimizzazione della supply chain.
Trascrizione completa
Kieran Chandler: Oggi su Lokad TV, cercheremo di capire se questo metodo funziona effettivamente nella pratica analizzando le quattro grandi innovazioni. Quindi Joannes, abbiamo accennato all’argomento nell’introduzione, ma qual è l’idea principale dietro il DDMRP?
Joannes Vermorel: L’idea principale è che si parte da una prospettiva MRP molto classica, in cui tutto si riduce all’analisi di un grafo di dipendenze. Per chiarire per le persone che stanno ascoltando, diciamo che si vuole costruire un prodotto finito, come una macchina. Hai bisogno di parti, ma le parti di cui hai bisogno per una macchina sono a loro volta assemblaggi che hanno bisogno anche di parti proprie. Quindi hai una gerarchia di componenti, come una macchina che ha bisogno di un’unità di condizionamento dell’aria, e l’unità di condizionamento dell’aria ha bisogno di una pompa, 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 metropolitana con archi.
Questo grafo parte dal prodotto finito in alto ed esplode nei sottocomponenti, e poi ogni componente ha sottosottocomponenti e così via, in modo ricorsivo. Se hai un prodotto molto complesso, puoi avere un grafo molto complesso che rappresenta tutte le parti fino ai materiali di base. L’MRP, il software di pianificazione delle risorse di produzione, rappresenta per primo queste informazioni, in modo da poter avere questo grafo di dipendenze rappresentato. Quindi, fa una serie di calcoli per aiutarti a produrre ed eseguire tutti quei requisiti per ottenere i prodotti finiti. Tipicamente, non fa un buon lavoro nel fare molti di quei calcoli, e il DDMRP fornisce una serie di ricette per farlo funzionare meglio.
Kieran Chandler: Quindi come funziona effettivamente nella pratica, e diresti che è un po’ una semplificazione eccessiva?
Joannes Vermorel: La prima innovazione che sostengono è lo scollegamento dei tempi di consegna. Dobbiamo capire che il loro punto di riferimento per il miglioramento sono ricette numeriche senza senso, incredibilmente naive dal punto di vista dell’ottimizzazione numerica. Se scegli i punti di scollegamento corretti, migliorerai rispetto a un punto di riferimento molto povero. Diventi meno disfunzionale, ma non significa che sei vicino a ciò che potresti ottenere con metodi numerici moderni effettivi.
L’idea chiave dei punti di scollegamento è che invece di avere ogni nodo uguale a qualsiasi altro nodo, decidiamo che abbiamo cittadini di prima classe, i punti di scollegamento, e cittadini di seconda classe dove non scollegamo. In ogni punto che viene scollegato, questa parte o componente avrà inventario, e quindi puoi assumere che questa cosa sia sempre disponibile. Invece di prendere il percorso più lungo per la produzione, prendi il percorso più lungo per la produzione fino a quando non raggiungi uno di quei punti di scollegamento.
Ma la mia prima critica per il tempo di consegna di scollegamento è che sì, quando introduci quei punti di scollegamento, finisci con un tempo di consegna numericamente molto più basso. Tuttavia, la tua supply chain ha ancora molta più inerzia. Hai manipolato il modo in cui calcoli il tempo di consegna introducendo quei punti di scollegamento.
Kieran Chandler: Ma l’inerzia esiste ancora, siamo oltre quello che dici. Quindi è così che finiscono per dire che abbiamo introdotto punti di scollegamento strategici e possiamo ridurre il tempo di consegna dell'80%. Numericamente parlando, finisci con un tempo di consegna molto più breve, ma la realtà è che non hai ridotto l’inerzia che hai nella tua rete complessiva di un fattore che è grande come quello che hai con quei punti di scollegamento. C’è un problema semantico qui, e magari arriverò a quello nei concetti. Passiamo al secondo punto di iterazione nel DDMRP, l’equazione del flusso netto. È fondamentalmente un modo per mantenere quei punti di buffer e utilizzare cose come pre-ordini, cose che già sappiamo che accadranno. Quanto bene funziona effettivamente?
Joannes Vermorel: L’equazione del flusso netto ha un senso. È un’equazione incredibilmente semplicistica: stock disponibile meno domanda già garantita, ciò che chiamano unità qualificate. Quindi, la domanda che è una cosa abbastanza sicura. Quello che hai con questo è lo stock che rimane disponibile per soddisfare la domanda incerta. L’equazione del flusso netto ti fornisce la quantità di stock che devi coprire per le cose che non sono già una pura questione di esecuzione perché già sai che sta arrivando con quasi nessuna incertezza.
Penso che il DDMRP abbia ragione a distinguere le cose molto separate che sono già note da quelle sconosciute. Ad esempio, se hai un processo di produzione complesso e stai forse servendo altri clienti industriali e il cliente può dirti tra due mesi, “Voglio che vengano consegnate mille unità in questa data,” e hai tempo per farlo, devi a questo punto eseguire questa consegna. Non c’è previsione coinvolta. Se i tuoi tempi di consegna sono inferiori a due mesi in totale, allora fondamentalmente è una pura questione di esecuzione senza alcuna incertezza coinvolta.
Ovviamente, le persone possono ancora annullare i loro ordini e così via, ma diciamo che è abbastanza sicuro. È molto diverso da forse due mesi da ora, ci sarà un cliente che si presenta e chiede effettivamente mille unità. Credo che il DDMRP abbia completamente ragione nel dire che non dovresti cercare di avere questo tipo di approccio super naive, che è quello di prevedere tutto compreso ciò che già sai.
La domanda è, perché lo stanno dicendo? Beh, è perché la maggior parte dei sistemi ERP, molte implementazioni iniziali, facevano cose incredibilmente naive. Dicevano: “Prenderemo la strada facile, che è un po’ stupida,” e prevedevano la domanda, tutta, compresa la parte che è già garantita. Ma è molto stupido perché stai cercando di indovinare un futuro che già conosci, e indovina un po’? È molto difficile prevedere. Quindi, se sai qualcosa sul futuro, non dovresti nemmeno cercare di usare le statistiche per scoprirlo, lo sai già.
Kieran Chandler: Se passiamo alla terza innovazione chiave, questa cosiddetta “esplosione disaccoppiata” suona davvero drammatica. Cosa succede qui?
Joannes Vermorel: Questa è un’altra conseguenza dell’introduzione di due tipi di nodi nel tuo grafo dei requisiti. Ricorda, abbiamo introdotto nodi principali nel grafo che sono quei punti di disaccoppiamento, che sono i punti in cui si interrompe la propagazione dei tempi di consegna nel calcolo, non nella realtà, ma nel calcolo, e che sono i punti in cui vorrai assicurarti un certo grado di inventario. Quello che dicono è che invece di far propagare la lista dei materiali da un nodo all’altro dicendo, “Prendo la lista dei materiali e si propaga ai miei nodi genitori, i sottocomponenti che
Kieran Chandler: I miei genitori, i sottocomponenti di cui ho bisogno per costruire il prodotto finito, sto dicendo che fondamentalmente quando decoupli il presente, dicono che la lista dei materiali, salteremo completamente tutti i nodi di seconda classe per passare direttamente ai punti di disaccoppiamento. Quindi, in un certo senso, è ancora una tecnica di semplificazione del grafo. Voglio dire, si basa su questa gerarchia nel grafo che è stata introdotta con i nodi di prima classe e i nodi di seconda classe. E chi sta effettivamente scegliendo quei nodi di prima classe, se stai guardando qualcosa come un aereo, ha milioni di livelli diversi. Voglio dire, chi sta effettivamente facendo quelle scelte?
Joannes Vermorel: Gli operatori della supply chain, che è anche per me una grande preoccupazione. Perché fondamentalmente, sì, puoi introdurre manualmente una gerarchia in un grafo per mitigare le conseguenze insensate di ricette numeriche molto semplicistiche. Quindi sì, funzionerà in qualche modo. Ma in effetti, ti ritrovi con operatori della supply chain che devono introdurre manualmente tali punti di disaccoppiamento. E indovina un po’? Non è effettivamente stabile. Quello che è una buona scelta per quei punti di disaccoppiamento non è un ambiente. Perché? Perché se c’è una parte che decidi di esternalizzare, sai, di acquistare da un fornitore o di acquistare da un fornitore che è più vicino o, al contrario, molto più distante, puoi cambiare in modo abbastanza profondo ciò che sta accadendo intorno a tutto ciò che dipende da questa parte nella tua rete di supply chain.
Quindi, i tuoi punti di disaccoppiamento dovrebbero essere tecnicamente, anche se in qualche modo funziona introdurre questa gerarchia nel grafo, non c’è motivo di pensare che sia stazionario e che puoi sceglierli una volta e che sarà buono per sempre. Quindi, secondo me, questo dovrebbe essere qualcosa fatto completamente automaticamente. Sai, qui stiamo parlando di ricette numeriche, e diciamo che abbiamo una ricetta numerica disfunzionale, e diciamo con molte intuizioni e aggiustamenti umani, possiamo avere la ricetta numerica che è un po’ migliore.
Kieran Chandler: Ok, quindi fondamentalmente, quando gli esseri umani si mettono in mezzo, riusciamo sempre a combinare qualche guaio in qualche modo.
Joannes Vermorel: Sì, ma anche, non si sta facendo un buon uso del tempo di quei professionisti. Voglio dire, come hai descritto, se hai un prodotto complesso con migliaia di parti, perché vuoi investire potenzialmente centinaia, se non migliaia, di ore-uomo dei tuoi esperti di supply chain per selezionare manualmente quei punti di disaccoppiamento? Potresti dire, oh, hanno intuizioni incredibili, giusto? Ma la realtà è che è molto rumoroso. Migliaia di parti, le condizioni di mercato stanno cambiando tutto il tempo, non necessariamente radicalmente, ma almeno un po’ tutto il tempo. Quindi, dobbiamo aggiornarlo. È profondamente qualcosa che dovrebbe essere fatto dalla macchina. Sai, non c’è valore aggiunto. È un caso puro 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 mirata, e suppongo che ci siano grandi critiche qui. Preferiremmo classificare in base alle forze economiche, saresti d’accordo?
Joannes Vermorel: Sì, ma ancora diverse cose. Prima di tutto, queste priorità relative, perché vengono introdotte? Voglio dire, prima di tutto, partono dall’idea che l’MRP classico ha una prospettiva binaria sulle cose come, “Vado bene o non vado bene?” E dicono, “Perché? È, sai, grezzo, super grezzo.” E la risposta è sì, è grezzo al punto che
Kieran Chandler: È completamente assurdo e, ancora una volta, negli anni ‘50, le persone in termini di ottimizzazione numerica stavano già facendo cose più intelligenti di così. Quindi, una base molto, molto cattiva. Ok, ora lo stile DDMRP nel complesso introduce nodi di prima classe chiamati quei punti di disaccoppiamento nel tuo grafico, e hai un’assunzione che viene con quella, che è che lo stock è sempre disponibile. Quindi, quando questa assunzione viene violata, ovviamente, tutto crolla perché la tua esplosione disaccoppiata si basa su questa assunzione, i tuoi orizzonti temporali decomposti si basano su questa assunzione. Quindi, devi fondamentalmente riportare il tuo sistema di supply chain sulla buona strada con la tua assunzione di base, e fondamentalmente le priorità relative al prezzo dicono che dovresti agire prontamente per le cose che si discostano di più dalla tua assunzione di base, che è la disponibilità continua per quei punti di disaccoppiamento.
Joannes Vermorel: È buono in effetti, è qualcosa che ha senso, parte della ricetta. Ma anche, indovina un po’, finisci con una prioritizzazione che è in parte scorretta. Sto mettendo in discussione la stessa motivazione, la stessa motivazione è riportare il sistema sulla buona strada rispetto all’assunzione che è necessario avere DDMRP per funzionare in primo luogo. È come il serpente che si morde la coda. Introduci una metodologia, questa metodologia viene fornita con delle assunzioni, e i tuoi calcoli numerici non garantiscono che quelle assunzioni saranno mantenute nel corso del sistema. Quindi, devi introdurre aggiustamenti in modo che tu abbia una sorta di ciclo di feedback in modo da poter tornare sulla buona strada rispetto alle tue stesse assunzioni. Ma questo non significa che siamo tornati sulla buona strada con qualcosa allineato con l’obiettivo finale del business, ed è qui che risiede la mia critica. Stai ottimizzando in base a percentuali, come percentuale di precisione, percentuale di soddisfacimento, percentuale di livelli di servizio, che sono, ancora una volta, l’ottimizzazione in percentuale è un po’ cattiva. Vuoi avere percentuali in Euro, e questo si collega alla prospettiva finale, che è il costo dello stock, il costo degli sprechi, il costo del mancato servizio. E dall’altra parte, hai tutti i costi e i premi del servire i clienti in tempo.
Quindi, sono molto d’accordo con l’idea di dare priorità alle decisioni, ma sono molto in disaccordo con l’idea di dare priorità alle decisioni in modo da poter tornare indietro con la tua metodologia. Devi dare priorità alle decisioni in modo da tornare indietro con gli obiettivi aziendali complessivi espressi come driver economici per l’intera azienda. Quindi, ciò che la tua supply chain sta fornendo nel complesso.
Kieran Chandler: Ok, ora cerchiamo di mettere insieme le cose. Abbiamo descritto molte delle criticità di DDMRP. Dovremmo scartarlo completamente come tecnica?
Joannes Vermorel: È interessante perché, la settimana scorsa, stavamo discutendo di flow casting. La cosa con flow casting aveva alcuni calcoli matematici che erano drasticamente errati, e quindi stavano addirittura peggiorando la situazione rispetto alla situazione di partenza, che era davvero brutta. Ma alcune delle intuizioni che aveva erano profondamente vere e sopravvivrebbero effettivamente se correggessimo i calcoli matematici per farli funzionare. È molto divertente perché DDMRP è un po’ l’opposto. Fondamentalmente, è qualcosa che funziona incrementalmente su una base molto, molto cattiva. Se ci fermiamo e diciamo, invece di cercare di sistemare qualcosa che è molto cattivo, iniziamo direttamente con buone basi, che significa fare l’ottimizzazione numerica nel modo giusto con algoritmi appropriati come algoritmi grafici probabilistici appropriati. Allora, non sono sicuro che una volta che si è passati a un framework numerico moderno adeguato per fare effettivamente un’ottimizzazione, perché è questa la cosa, i sistemi MRP classici non stanno realmente ottimizzando nulla in un senso moderno in cui si ottimizza effettivamente
Kieran Chandler: Fare tutto questo per fondamentalmente sistemare ricette numeriche profondamente disfunzionali, ora se rimuoviamo le ricette numeriche disfunzionali, cosa rimane?
Joannes Vermorel: La risposta è molto, molto poco. Ecco dove, ad esempio, flow casting era molto diverso perché se rimuovi le parti numeriche disfunzionali di flow casting, le altre modalità che rimangono sono profondamente interessanti e credo profondamente corrette. DDMRP, molto meno.
Kieran Chandler: Se dovessimo concludere con una nota più positiva, ci sono intuizioni che DDMRP ci dà che sono effettivamente molto buone?
Joannes Vermorel: Sì, credo che una di queste sia che la media mobile funziona, e funziona addirittura meglio nel dominio delle frequenze rispetto al dominio del tempo. Torniamo su questo punto. Per coloro di voi che forse hanno imparato alla scuola di ingegneria sulla trasformata di Fourier, sapete che potete studiare le serie temporali nel dominio del tempo o nel dominio delle frequenze. Questo è qualcosa che viene fatto molto spesso in acustica.
Quando le persone pensano di prevedere la domanda frequentemente, la media mobile può funzionare quando si ha una domanda stazionaria. Tipicamente, quando le persone pensano alle previsioni con la media mobile, stanno pensando di fare un’analisi nel dominio del tempo. Quindi, cosa significa? Fare la media della domanda delle ultime settimane è un periodo fisso; questo è il mio dominio del tempo.
Il dominio delle frequenze consiste nel pensare invece di fare la media delle ultime settimane, e tre settimane sono fisse, dico che farò la media della mia domanda sulle ultime 100 unità servite. La buona notizia è che questa cosa delle ultime 100 unità si comporterà molto più numericamente rispetto a una domanda che è piuttosto erratica e irregolare.
La media mobile nel dominio delle frequenze è effettivamente interessante. A proposito, DDMRP con quei buffer, sono effettivamente previsioni, previsioni di media mobile fatte nel dominio delle frequenze invece di essere fatte nel dominio del tempo. In un certo senso, l’hanno riscoperto, ma è una intuizione molto buona. È molto prezioso analizzare le cose nel dominio delle frequenze e ha implicazioni profonde per la supply chain. È un angolo molto interessante da ottimizzare.
Penso che sia questo l’angolo. Non sono sicuro se le persone di DDMRP lo vedano in questo modo, ma credo che sia un’intuizione molto interessante e molto buona che proviene da DDMRP.
Kieran Chandler: Spero che tu abbia fatto qualche passo per riparare alcune di quelle relazioni. Ad ogni modo, questo è tutto per questa settimana. Grazie mille per averci seguito. Se sei d’accordo o in disaccordo, assicurati di lasciarci un commento e ci vediamo la prossima volta. Ciao per ora.
