00:00:08 Introduzione e accoglienza di Nicolas Vandeput.
00:00:34 Il lavoro attuale di Nicolas e il suo insegnamento all’università.
00:01:00 Si discute del libro di Nicolas “Inventory Optimization Models and Simulations.”
00:03:51 Il pubblico destinatario del libro e l’approccio alla semplificazione.
00:05:15 Il passaggio dai reparti IT ai professionisti e la maturità della supply chain.
00:08:02 L’espressività di Python e i suoi vantaggi rispetto ad altri linguaggi di programmazione.
00:10:19 Enfasi su Python nel libro e i benefici dell’apprendimento pratico.
00:11:47 La popolarità di Python e i suoi concorrenti, come Java e JavaScript.
00:13:51 La transizione da Python 2 a Python 3 e il suo impatto sul mondo accademico.
00:15:10 Gestire l’incertezza in Python e le potenzialità di miglioramento del linguaggio.
00:16:03 Prezzo conveniente per provare un nuovo software di ottimizzazione degli inventari.
00:16:18 Le comuni confusioni nell’ottimizzazione degli inventari e la formula delle scorte di sicurezza.
00:17:32 L’importanza del periodo di revisione nei calcoli delle scorte di sicurezza.
00:18:34 La necessità di ingegneri migliori nella gestione della supply chain.
00:19:57 Paragonare i problemi della supply chain con campi più complicati come la microelettronica.
00:21:02 L’importanza della formulazione del problema e di attrarre menti brillanti.
00:22:32 Le limitazioni dei modelli accademici e la loro applicazione nel mondo reale.
00:23:01 Il passaggio dai modelli matematici alle simulazioni per una maggiore accuratezza.
00:24:01 Le limitazioni della formula delle scorte di sicurezza e la necessità delle simulazioni.
00:25:07 Conclusione e menzione del libro di Nicolas sull’ottimizzazione degli inventari.

Riassunto

Nell’intervista, Kieran Chandler conduce una discussione con Joannes Vermorel, fondatore di Lokad, e Nicolas Vandeput, autore di “Inventory Optimization Models and Simulations.” Affrontano la semplificazione e l’accessibilità della programmazione nell’ottimizzazione della supply chain utilizzando Python. Il libro di Vandeput offre modelli semplificati di ottimizzazione degli inventari, mentre Vermorel sottolinea la facilità di implementazione di tali modelli. Discutono l’evoluzione dell’ottimizzazione della supply chain, l’importanza dell’espressività nella programmazione e i vantaggi di Python. Entrambi gli esperti riconoscono le limitazioni dei modelli matematici tradizionali e sottolineano la necessità di metodi alternativi come le simulazioni per affrontare le sfide del mondo reale nella supply chain management.

Riassunto Esteso

Nell’intervista, Kieran Chandler, il conduttore, presenta Joannes Vermorel, fondatore di Lokad, e Nicolas Vandeput, autore di “Inventory Optimization Models and Simulations.” La discussione ruota attorno alla semplificazione e accessibilità della programmazione nell’ottimizzazione della supply chain, con l’uso di strumenti come Python.

Vandeput spiega che il suo libro mira a semplificare i modelli di ottimizzazione degli inventari e a renderli accessibili ai professionisti della supply chain. Il libro si concentra sul fornire semplici numerical recipes in Python per affrontare situazioni reali, invece di addentrarsi in supply chain idealizzate. Vermorel sottolinea che queste ricette possono essere implementate in poche righe di codice, smitizzando ciò che i grandi software vendors offrono e mettendo in discussione il valore che essi propongono.

Il libro è progettato per i professionisti della supply chain che incontrano difficoltà nella inventory management, con l’obiettivo di aiutarli a comprendere e ottimizzare i loro stock levels. Vandeput sottolinea l’importanza di fare ipotesi e di comprendere le limitazioni dei modelli utilizzati, invece di cercare la perfezione.

Vermorel spiega che la maturità della supply chain si è evoluta nel corso dei decenni, con le aziende che inizialmente faticavano a stabilire un corrispettivo digitale delle loro supply chain. Dopo decenni di progressi, le imprese ora possono gestire i loro stock levels digitalmente senza alcuna intelligenza, permettendo loro di concentrarsi sull’ottimizzazione.

Il cambiamento di mentalità, con i professionisti della supply chain che si impegnano maggiormente nella programmazione, è attribuito alla crescente accessibilità di strumenti come Python e alla semplificazione dei processi. Questo cambiamento ha permesso ai professionisti di avere un maggiore controllo sull’ottimizzazione della supply chain, invece di affidarsi esclusivamente ai IT departments.

Discutono dell’evoluzione dell’ottimizzazione della supply chain, dell’importanza dell’espressività nella programmazione e dei vantaggi offerti da Python.

Vermorel sottolinea che ci sono voluti quattro decenni perché i sistemi ERP raggiungessero la maturità, permettendo così all’ottimizzazione della supply chain di diventare un’opzione praticabile. La conversazione si sposta sull’importanza dell’espressività programmatica, poiché consente alle organizzazioni di adattarsi ai cambiamenti del mondo reale e agli eventi imprevedibili. Vermorel spiega che Excel offre un certo livello di espressività, ma le sue limitazioni derivano dal modo in cui la logica è organizzata nei spreadsheets. Python, invece, offre una soluzione più astratta ed espressiva, rendendolo ideale per l’ottimizzazione della supply chain.

Vandeput spiega poi perché Python è il linguaggio di scelta per il libro. Sottolinea che Python è uno dei linguaggi di programmazione più popolari a livello globale, con un’abbondanza di risorse disponibili online. Ciò significa che gli utenti possono facilmente trovare le risposte alle loro domande, rendendo meno probabile che rimangano bloccati. Inoltre, la semplicità di Python lo rende più accessibile e il codice può essere compreso semplicemente leggendo.

Il libro enfatizza Python per due motivi. In primo luogo, Vandeput ritiene che la pratica sia fondamentale per l’apprendimento, pertanto include molte sezioni fai-da-te in Excel e Python, permettendo ai lettori di acquisire esperienza pratica. In secondo luogo, Python consente agli utenti di scalare le soluzioni per l’ottimizzazione della supply chain, andando oltre la risoluzione di problemi per singoli articoli e affrontando problematiche più ampie della supply chain.

Vermorel concorda con i punti di vista di Vandeput sulla popolarità e semplicità di Python, ma riconosce anche alcune delle limitazioni del linguaggio. Egli suggerisce che altri linguaggi di programmazione, come JavaScript e Java, non siano adatti per l’ottimizzazione della supply chain a causa delle vaste competenze di ingegneria del software richieste per lavorarci.

La conversazione ruota attorno ai meriti di Python come linguaggio di programmazione e ai fraintendimenti comuni nell’ottimizzazione degli inventari.

Vermorel sostiene che Python sia particolarmente adatto all’ottimizzazione della supply chain grazie alla sua natura concisa e alla facilità d’uso, specialmente per i nuovi arrivati. Egli osserva che l’evoluzione di Python dalla sua creazione negli anni ‘90 ad oggi lo ha reso sempre più popolare ed efficiente nell’affrontare le esigenze accademiche e industriali. Nonostante i suoi vantaggi, Vermorel afferma che c’è ancora margine di miglioramento, in particolare nella gestione dell’uncertainty. Tuttavia, egli sostiene che Python rappresenta una soluzione economica rispetto ad altre opzioni costose sul mercato.

Vandeput, d’altra parte, approfondisce le idee sbagliate comuni nell’industria riguardo all’ottimizzazione degli inventari. Egli evidenzia che molti professionisti confondono spesso il lead time con il tempo di trasporto e trascurano l’importanza del periodo di revisione nel calcolare le safety stock. Vandeput sottolinea che il periodo di revisione deve essere considerato oltre al lead time, e suggerisce che ridurre questo periodo possa portare a una diminuzione delle scorte di sicurezza.

Sia Vermorel che Vandeput riconoscono la diffusa confusione nell’industria e la necessità di professionisti meglio formati nel campo della gestione della supply chain. Sottolineano l’importanza di comprendere le sfumature dell’ottimizzazione degli inventari e di utilizzare strumenti e tecniche appropriati per ottenere risultati migliori.

La discussione ha toccato le sfide affrontate nell’industria della supply chain e la necessità di attrarre individui più talentuosi nel settore.

Vermorel ha osservato che la complessità dei problemi nell’industria della supply chain è spesso inferiore rispetto ad altri ambiti, come la microelettronica. Tuttavia, ha sottolineato l’importanza di attrarre menti più brillanti nel settore per aiutare a risolvere le sfide incontrate. Ha elogiato il libro di Vandeput per rendere il campo della supply chain più attraente per individui intelligenti ed entusiasti, capaci di sviluppare un genuino interesse nell’affrontare tali problemi.

Vandeput ha discusso le limitazioni dei modelli matematici tradizionali nella gestione della supply chain, che spesso si basano su semplificazioni della realtà. Ha spiegato che alcuni modelli possono funzionare abbastanza bene in determinati scenari, ma quando non riescono a performare adeguatamente, possono essere necessarie altre metodologie come le simulazioni.

Vandeput ha citato l’esempio delle formule per le scorte di sicurezza, che presuppongono lead times distribuiti normalmente. In realtà, i fornitori possono essere puntuali nella maggior parte dei casi, ma quando arrivano in ritardo, possono esserlo in modo significativo. I modelli matematici tradizionali faticano a gestire questo tipo di situazione, evidenziando la necessità di metodi alternativi come le simulazioni.

La conversazione si concentra sulle limitazioni dei modelli matematici tradizionali, come le formule per le scorte di sicurezza che assumono lead times distribuiti normalmente. Entrambi gli esperti sottolineano che gli scenari del mondo reale spesso deviano da tali ipotesi, creando sfide che richiedono metodi alternativi come le simulazioni per una gestione della supply chain more accurate.

In conclusione, l’intervista ha evidenziato l’importanza di attrarre menti brillanti nell’industria della supply chain, le limitazioni dei modelli matematici tradizionali e i potenziali benefici dell’utilizzo delle simulazioni come alternativa per superare tali limitazioni.

Trascrizione Completa

Kieran Chandler: Oggi su lokad tv, siamo lieti di dare il bentornato a Nicolas Vandeput, che discuterà con noi quanto possa essere semplice e cosa possiamo apprendere dal suo nuovo libro. Quindi, Nicolas, grazie mille per essere tornato a farci visita. Oggi, come sempre, ci piace conoscere un po’ i nostri ospiti e cosa hanno fatto ultimamente. Allora, cosa hai fatto da quando ci siamo visti l’ultima volta nel programma?

Nicolas Vandeput: Ciao ancora, Kieran. Beh, in realtà, come sempre, sono impegnato a creare dei bei modelli per le aziende per l’ottimizzazione degli inventari e le previsioni. E, beh, posso anche dire che ho scritto alcuni libri e che insegno all’università, come sai, questo è il mio grande hobby adesso.

Kieran Chandler: Bene, fantastico. E oggi discuteremo di uno di quei libri, Joannes. Si intitola “Inventory Optimization Models and Simulations.” Allora, cosa c’è di diverso nel libro di Nicolas?

Joannes Vermorel: Penso che, sai, in questo libro Nicolas stia abbracciando, direi, frontalmente una cosa che credo sia una pietra miliare delle modern supply chains. E quando dico supply chain, intendo nel senso di ottimizzazione della supply chain, non solo gestione intesa come semplice amministrazione delle cose. Devi avere un’espressività programmatica se vuoi avere qualcosa che abbia qualche possibilità di affrontare le supply chain reali. E in questo libro, credo che una delle cose molto interessanti sia che, invece di addentrarsi a fondo in supply chain idealizzate, dove si dice: “Oh, proviamo ad avere una dimostrazione matematica di ottimalità per questo, quello o quello per una supply chain idealizzata che semplicemente non esisterà mai,” e dove se aggiungi un pizzico di ingrediente del mondo reale nella supply chain, tutti i framework matematici crollano. Nicolas sta facendo qualcosa che credo sia molto più in linea con una mentalità agile, che è molto più appropriata: mostrare semplicemente come si possono fornire ricette numeriche molto semplici e dirette con Python.

La bellezza delle ricette è che sono molto pratiche e dimostrano letteralmente che la maggior parte delle classiche ricette della supply chain possono essere implementate in circa cinque righe di Python per la maggior parte dei casi. E credo che ciò sia molto interessante perché trasmette l’idea che se vuoi fare qualcosa di molto semplice, può essere fatto in modo molto semplice. Non è necessario che ci vogliano mezzo plissetto di ingegneri del software per inventarsi queste cose. E credo che, come effetto collaterale, ciò smitizza profondamente ciò che i grandi software vendors stanno effettivamente proponendo sul mercato. Perché quando dimostri che, fondamentalmente, puoi fare ciò che dicono di fare, ma in poche righe di codice, la domanda è: c’è qualche valore in ciò che quei vendors propongono? E credo, in larga misura, di no. Ma oltre a questo, dimostra che se puoi avere dei blocchi costitutivi molto piccoli, puoi improvvisamente combinarli per iniettare i tuoi elementi di sfide del mondo reale in quelle ricette in modo da avere qualcosa che abbia almeno una discreta possibilità di essere adatto.

Kieran Chandler: Soluzione per la tua supply chain. Ok, suona senz’altro molto interessante. Nicolas, questa idea di poche righe di codice e ottenere già risultati è molto più gratificante che passare ore e ore a guardare il codice. Allora, a chi è destinato questo libro?

Nicolas Vandeput: Una delle mie grandi ossessioni è la semplificazione. Quindi, quando scrivo un libro del genere, cerco di pensare: “Ok, se gestisco la supply chain e voglio ottimizzare l’inventario, come posso semplificare tutto per dare un quadro globale e allo stesso tempo permettere ai professionisti di farlo da soli?” Quindi, in realtà, sto scrivendo questo libro per chiunque, in una supply chain, stia pensando: “Oh mio Dio, abbiamo troppe scorte,” oppure “Abbiamo così tante scorte e, allo stesso tempo, non abbiamo il corretto service level,” o semplicemente, “Beh, io sono responsabile delle scorte, ma non ho idea di quanto mi serva.” Ho scritto questo libro per aiutare queste persone, per permettere loro di farlo praticamente da soli. Ci sono così tante sezioni “fai da te” in questo libro che mostrano, nel modo più semplice, come farlo. Eppure, allo stesso tempo, cerco di dire loro: “Beh, dobbiamo fare delle assunzioni e, seguendole, non puntiamo a una perfezione che non esiste. Quindi faremo alcune simulazioni e vedremo i limiti dei modelli che usiamo.” In breve, questo libro è davvero per chiunque, oggi, in supply chain, stia pensando: “Ok, devo sistemare l’inventario.”

Kieran Chandler: Ottimo, ed è anche un cambiamento di mentalità, vero, Johannes? Perché, storicamente, la programmazione era lasciata ai reparti IT. Ora sembra che ci siano sempre più professionisti che stanno aggiungendo queste competenze al loro arsenale. Quindi, perché diresti che c’è questo cambio di mentalità?

Joannes Vermorel: Credo che queste cose esistano da molto tempo. Ma in termini di maturità della supply chain, per decenni le aziende faticavano solo ad avere una controparte digitale della loro supply chain, ad avere un ERP o un setup WMS in cui gestire i livelli delle scorte in modo semplice – niente intelligenza, ma semplicemente una controparte digitale accurata della vostra supply chain. Ci è voluto molto tempo per arrivare a questo punto. Se consideriamo che i primi ERP sono stati implementati – anche se non con questo nome – entro la fine degli anni ‘70, oggi abbiamo alle spalle quattro decenni di storia ERP. Ci è voluto molto tempo perché la mappatura digitale fosse sufficiente da rendere ragionevole eseguire ogni tipo di ottimizzazione. E, a proposito, il passaggio da Excel a Python è stato lento. Excel ti offre già molte capacità di programmazione, che sono state illustrate, in una certa misura, anche nel libro. Quindi, per me, è un continuum, non una completa disruption in cui si passa da una cosa all’altra. Hai bisogno di questa espressività programmatica per affrontare tutte le situazioni che il mondo reale ti presenta.

Kieran Chandler: Quindi, Joannes, parlavi della necessità che il software sia espressivo per gestire la natura imprevedibile delle supply chain. Puoi approfondire un po’ questo aspetto?

Joannes Vermorel: Sì, penso che ci saranno sempre cose completamente casuali e imprevedibili. Può trattarsi di una Brexit, di una tariffa di Trump, di una pandemia o, improvvisamente, del fatto che l’azienda debba occuparsi della distribuzione di un vaccino, che rivoluzionerà la tua supply chain. Quindi succedono molte cose e, se disponi solo di un software rigido, non sarà in grado di far fronte a tutto ciò che accade nel mondo reale. Perciò hai bisogno di qualcosa di più espressivo, e dunque di questa espressività programmatica. Excel te la offre, ma viene con certe limitazioni che sono, direi, profondamente legate al modo in cui organizzi la logica in un foglio di calcolo. Python ti offre il livello successivo; è un po’ più astratto, ma ottieni, direi, un livello superiore di espressività, dove puoi avere cose come funzioni definite dall’utente. Puoi farlo in Excel tramite Visual Basic, ma, a tutti gli effetti, Python è semplicemente una versione superiore del VBA.

Kieran Chandler: Nicolas, parliamo forse del passaggio da Excel a Python. Ci sono molte altre lingue di programmazione là fuori, come SQL, C-sharp e così via. Perché Python è stato il tuo linguaggio di scelta per questo libro? Cosa offre che forse altri linguaggi non offrono?

Nicolas Vandeput: Beh, in generale, vediamo che Python ha alcuni vantaggi. Il primo è che è in realtà piuttosto conosciuto. Non so se si possa dire che sia il linguaggio numero uno al mondo, ma è almeno vicino ad esserlo. Significa che oggi, se ti fai una domanda su Python, basta cercarla su Google e troverai una risposta, ed è davvero comodo. Se trovi un linguaggio di programmazione molto più veloce di Python, potresti dire: “Ok, userò questo perché è più veloce,” ma se ti vengono delle domande e le cerchi online senza trovare risposte, rimarrai bloccato. Con Python è estremamente difficile rimanere bloccati perché posso davvero assicurarti che qualcuno, da qualche parte, ha già posto la stessa domanda ed è stata risposta. D’altra parte, e penso che questo sia estremamente importante, io sono davvero per la semplificazione. Python è davvero semplice. Ricordo sempre, dai miei tempi da analista quantitativo, quei colleghi che usavano VBA. Molti hanno in mente quel gigantesco file di macro VBA in Excel che tutti temono, e non osi toccare nulla nel file perché, se si rompe, è impossibile da riparare. Python non è affatto così. Beh, Python è molto più semplice, e puoi praticamente leggerlo e capire cosa fa semplicemente continuando a leggere il file. Ho avuto uno o due lettori che mi hanno scritto un’email, dopo aver letto il libro, dicendomi: “Nicolas, non so nulla di Python, ma ho letto il tuo codice e, fondamentalmente, capisco cosa fai perché tutto è super chiaro.” Quindi, grazie a queste due cose, penso che Python sia davvero il linguaggio da usare se vuoi imparare qualcosa di nuovo. Ora, per quanto riguarda il libro, perché sto mettendo così tanta enfasi su Python? Beh, vedo due ragioni per cui lo faccio. Innanzitutto, credo che se vuoi imparare qualcosa, tu

Kieran Chandler: Quindi sono curioso, nel tuo libro, perché hai scelto di concentrarti su Python per l’ottimizzazione della supply chain?

Nicolas Vandeput: Penso che sia molto meglio se puoi sperimentarlo da solo e provarlo personalmente. Sto promuovendo molte sezioni fai-da-te nel libro, sia in Excel che in Python, perché voglio che il lettore acquisisca nuovi know-how e conoscenze. Voglio anche demistificare l’ottimizzazione della supply chain, facendo capire che non è così complicata. Basta scrivere poche righe di codice e funzionerà sul tuo computer. La ragione principale per cui insisto su Python è che è facile scalare la soluzione a una supply chain. Con Python puoi gestire facilmente una supply chain usando assunzioni e modelli semplici.

Kieran Chandler: Sei d’accordo con questo, Joannes? Abbiamo ovviamente parlato in passato di alcune delle limitazioni di Python.

Joannes Vermorel: In termini di popolarità, non c’è dubbio che Python sia tra i dieci linguaggi di programmazione più usati. Tra i contendenti ci sono JavaScript, Java e altri, ma non sono buone opzioni per le supply chain. Ci vuole una notevole competenza in ingegneria del software per fare qualcosa con quei linguaggi. Alcune delle buone qualità di Java, per esempio il vasto supporto per la programmazione orientata agli oggetti, possono rivelarsi un difetto quando si tratta di integrare facilmente nuovi utenti. Queste caratteristiche non sono immediatamente utili per l’ottimizzazione o la modellizzazione della supply chain. Se le inserisci insieme, ottieni un linguaggio di programmazione più complesso senza alcun vantaggio evidente, almeno non nei primi mesi di qualsiasi progetto.

Python è nato negli anni ‘90, e ci sono voluti quasi tre decenni per raggiungere la popolarità. C’è stata una migrazione massiccia da Python 2 a Python 3, che credo sia stata una presa del controllo da parte del mondo accademico. Python ha trovato il suo punto ideale nell’accademia, e la grande transizione da Python 2 a Python 3 è stata per eliminare tutte le parti negative di Python. Quello che è emerso in quest’ultimo decennio è un linguaggio molto più in linea con ciò di cui hai bisogno in ambito accademico e per l’ottimizzazione della supply chain.

Kieran Chandler: Quindi, parliamo di linguaggi di programmazione. Joannes, quali sono le tue opinioni su Python?

Joannes Vermorel: Python è un linguaggio in cui trovi qualcosa di molto conciso, senza troppa massa o eccessi sparsi qua e là. L’esatto opposto sarebbe probabilmente qualcosa come C++. Non sono sicuro che qualcuno al mondo dica, “So tutto quello che c’è da sapere su C++,” perché la specifica del linguaggio è così gigantesca che non credo sia nemmeno humanamente possibile conoscere tutte le sue parti. Il linguaggio, se ci pensi, è un po’ folle. Quindi, messo tutto insieme, Python rappresenta davvero il punto ideale per far iniziare le persone in modo rapido. Credo che sia un buon punto di partenza per evitare molte delle insidie della complessità accidentale. Ora, dove credo che non sia il traguardo finale, però – e tra l’altro è ciò che abbiamo sviluppato da Lokad – ovviamente non è l’argomento del libro di Nicolas, quindi non mi dilungherò troppo. Ma credo che, se vuoi affrontare l’incertezza, ci siano molte cose che possono essere fatte in modo relativamente semplice in Python. E se sei disposto ad arrivare al punto di modificare il linguaggio stesso, si potrebbe fare in modi ancora più semplici. Tuttavia, questo va oltre l’ambito del libro. Ai fini della discussione, penso che al momento, se devi scegliere tra ciò che puoi ottenere da Python e la maggior parte delle opzioni costose sul mercato, è letteralmente un affare, e ci sono pochissimi motivi per non provare seriamente. Anche se fallisci, sarà un fallimento molto meno costoso rispetto a fallire con un SAP di questo tipo.

Kieran Chandler: Nicolas, oltre ad esaminare alcuni dei modelli presenti nel tuo libro, il libro affronta anche alcune delle confusioni legate all’ottimizzazione dell’inventario. Quali sono le confusioni comuni di cui dovremmo essere consapevoli nel settore?

Nicolas Vandeput: Sì, con la mia esperienza come consulente, discutendo con molti professionisti su come affrontano l’ottimizzazione dell’inventario, e se guardi, beh, sai, quella formula per lo safety stock che vedi ovunque, anche su Wikipedia, noti che le persone vanno su Wikipedia, digitano safety stock, osservano la formula e poi la inseriscono in Excel. Quello che vediamo è che – e questo è corretto quando vuoi valutare quanto safety stock ti serve – devi considerare il lead time, cioè fondamentalmente quanto tempo ci vuole per effettuare un replenishment. La prima confusione delle persone è che molti professionisti confondono il concetto di lead time con il tempo di trasporto. Può volerci solo due giorni o un giorno perché un truck vada da un magazzino all’altro, ma potrebbero volerci tre settimane di pianificazione perché devi trovare un camion, un autista e considerare il tempo di picking e tutte quelle cose che si sommano. E, alla fine, si considerano due settimane, ma c’è ancora una cosa che le persone tendono sempre a dimenticare. L’idea è che non dovresti osservare solo il lead time, ma anche considerare il review period.

Nicolas Vandeput: Lasciami fare un esempio. Se effettui un ordine ogni settimana o ogni mese, si aggiunge quello che chiamo, nel gruppo, il periodo di rischio. Quindi, fondamentalmente, il periodo durante il quale devi coprire le tue esigenze non è solo il lead time, ma anche il review period.

Kieran Chandler: Ok, Nicolas, nel tuo libro “Inventory Optimization Models and Simulations” hai parlato dell’importanza di considerare il review period. Puoi approfondire questo aspetto?

Nicolas Vandeput: Sì, quindi il review period è fondamentalmente il lasso di tempo per il quale devi essere protetto, incrementato della durata del review period. Quindi, se effettui il replenishment solo ogni settimana e hai un lead time di tre settimane, il periodo di rischio è in realtà di quattro settimane. Devi essere protetto per tutto ciò che potrebbe succedere in quattro settimane. Quello che osservo è che la maggior parte delle persone, e della maggior parte dei software, tende a utilizzare e trascurare completamente questo review period, concentrandosi solo sulle tre settimane di lead time. Quindi, leggendo il libro, cerco di sottolineare il fatto che, beh, devi assolutamente tenere conto di questo review period quando si tratta di safety stock. Inoltre, spingo le persone a rendersi conto che, in realtà, se riescono a ridurre questo review period, se possono ridurre il periodo di congelamento per la produzione e così via, sostanzialmente possono ridurre lo safety stock, il che penso rappresenti un bel vantaggio per la supply chain.

Kieran Chandler: Ok. E sei d’accordo con questo, Joannes? Diresti che c’è molta confusione là fuori, ed è per questo che le persone sono così felici di pagare per una sorta di software per l’inventario?

Joannes Vermorel: Sì, voglio dire, ancora, credo, sai, la mia convinzione è che i supply chain abbiano disperatamente bisogno, direi, di classi di ingegneri migliori. E, in una delle mie prime lezioni, ho fatto questa battuta introduttiva: sai, se hai tanta energia, vai nelle vendite. Se sei affidabile, vai in produzione. E se ti manca, sai, ogni sorta di qualità, finisci nei supply chain. Ma il punto è che, se confronto certi ambiti nei supply chain, le confusioni che incontri non sono, direi, il prodotto di menti eccezionalmente brillanti. Mi dispiace essere, forse, un po’ duro con il pubblico, ma se osservi, ad esempio, ciò che si sta facendo con la litografia per la microelettronica e i problemi che quelle persone stanno risolvendo, sai, sono incredibilmente complicati. È letteralmente; hai tutto: fisica quantistica con matematica complessa. E, francamente, è ben più complicato di quanto siano i problemi affrontati nei supply chain. Ci sono problemi fisici con ogni sorta di difficoltà. La tecnologia è letteralmente composta da così tanti pezzi di tech super complicati che devono essere messi insieme. Voglio dire, per esempio, quello che aziende come ASML stanno facendo nei Paesi Bassi è quasi magico, perché è, è, è, è semplicemente, direi, una sorta di conquista dell’umanità quando le menti più brillanti si uniscono.

Kieran Chandler: Hum, quindi credo questo, ed è anche una cosa che mi piace di questo libro: penso che il libro di Nicolas offra qualcosa in cui, se sei intelligente, se sei giovane, se possiedi un certo entusiasmo, allora potrai davvero interessarti ai tipi di problemi che affronterai. E non solo, leggendo il libro, sai, potrai effettivamente migliorare nel risolvere quei problemi, il che sostiene notevolmente i supply chain. Sono proprio quelle le cose che possono rendere il mondo più attraente per le menti brillanti che vogliono mettere in gioco il loro intelletto con problemi interessanti, in primo luogo. E dunque, sospetto che, in termini di confusioni, sai, le cose che ora confondono la gente e quelle che spero confondano le persone tra due decenni saranno radicalmente differenti, specialmente se portiamo, direi, molto più talento in questa industria. Ok, per concludere un po’, Nicolas, nel tuo libro Johanna ha accennato che alcuni dei modelli utilizzati hanno le loro applicazioni, magari da un punto di vista accademico, ma che nel mondo reale presentano dei limiti. Diresti che tali limiti possono essere superati e, in tal caso, come? E come possono finire per essere utilizzati nel mondo reale?

Nicolas Vandeput: Beh, devi sempre capire che in qualche modo un modello è una semplificazione della realtà, giusto? Quindi, al momento in cui si inizia un modello, bisogna rendersi conto che alcune cose devono essere messe da parte. La domanda reale diventa: ok, se prendo un modello che funziona, diciamo, il 98% delle volte nel 1995, è abbastanza buono per me? Qualcuno potrebbe dire sì, lo è, o no, non lo è. Ora, se realizzi un modello e vedi che funziona solo, diciamo, al 70% o al 60%, allora ti rendi conto che il solito modello matematico non è abbastanza buono. Devo passare a qualcosa d’altro. Ed è questo che evidenzio nella parte finale del libro, dicendo che a un certo punto un modello matematico non sarà più adeguato. Voglio dire, non sarà sufficientemente accurato, non sarà trattabile in termini di significato.

Joannes Vermorel: E questo è ciò che, in realtà, osserviamo anche con i clienti di Lokad: i modelli che abbiamo, i modelli matematici, sono sufficienti per identificare quelli che chiamiamo i grandi successi, ossia le cose che, se sistemate, hanno un impatto enorme, elevandone la redditività dei supply chain o qualunque altro obiettivo si stia cercando di ottimizzare. E qui, direi, aggiungiamo molto valore per i nostri clienti. Tuttavia, ci sono molti dettagli in cui il modello è buono, ma non abbastanza, ed è in questo ambito che avere una sorta di industrializzazione, dove si possa veramente testare, perfezionare e regolare, ovvero effettuare test nel mondo reale, diventa fondamentale. Voglio dire, questo è davvero il cuore dei supply chain: una combinazione di analytics e operations, in cui serve l’analisi per assicurarsi di non fare scelte stupide, ma poi anche le operations, i test, il

Kieran Chandler: Ok, brillante. Volevo parlarvi dell’ottimizzazione degli inventari. Sembra che sia un’area in cui la gente spesso esita ad usare modelli perché ha paura che diventino troppo complicati. Quindi, potresti passare a una simulazione, e sono abbastanza sicuro che Jonas abbia tanto da dire su come eseguire simulazioni nei supply chain.

Joannes Vermorel: Beh, in questa prima parte del libro mostro anche: “Ok, questi sono i modelli usuali per i supply chain. Facciamo una simulazione per vedere se funzionano, sì o no.” E vedo veramente che, per esempio, una delle cose che solitamente facciamo nei supply chain è riprendere quella consueta formula del safety stock, quella che trovi su Wikipedia. E questa formula può gestire il tempo di necessità casuale, nel senso che, di tanto in tanto, il tuo fornitore è in ritardo, quindi dovresti avere più safety stock, giusto? Quando osservi la formula per valutare quanto safety stock è necessario in base a questo tempo di necessità casuale, noti che c’è un’intera ipotesi che afferma: “Beh, il lead time lo distribuisco normalmente.” Quindi, fondamentalmente, è una curva ben comportata dove il tuo fornitore, di tanto in tanto, è in ritardo, ma mai eccessivamente. In pratica, credo che la maggior parte dei fornitori, la maggior parte delle volte, sia puntuale. Ma quando sono in ritardo, lo sono parecchio, giusto? Direi che nell’80% dei casi sono puntuali, e nel 20% dei casi possono arrivare con un ritardo di una o due settimane. In realtà, non esiste alcuna formula matematica in grado di gestire ciò, giusto? Quindi, se hai quel tipo di fornitore, non andrai da nessuna parte con questa formula del safety stock. Devi veramente ricorrere alla simulazione, ed è qui che si evidenzia il limite dell’uso di un semplice modello matematico e il bisogno di passare oltre, magari iniziando a usare la simulazione per risolvere il problema.

Nicolas Vandeput: Sì, e sono completamente d’accordo con quello che dice Joannes. Penso che ci sia un limite a ciò che si può fare con i modelli matematici in termini di ottimizzazione dei supply chain. E la simulazione è uno strumento potentissimo che ti aiuta a comprendere l’impatto dei diversi parametri sul tuo supply chain e a ottimizzarlo. E, in effetti, è ciò che facciamo da molti anni, così come fa Joannes.

Kieran Chandler: Ok, brillante. Dobbiamo lasciarlo qui, ma grazie a entrambi per il vostro tempo. Se siete interessati a leggere il libro di Nicolas sui modelli di ottimizzazione degli inventari e le simulazioni, inseriremo un link nella descrizione qui sotto. Altrimenti, ci vediamo nel prossimo episodio e grazie per aver guardato. Ciao.

Joannes Vermorel: Grazie.

Nicolas Vandeput: Grazie.