00:00:00 Introduzione di Conor Doherty
00:00:35 Spiegazione del formato del dibattito
00:02:59 Interventi iniziali di Joannes Vermorel
00:09:52 Interventi iniziali di Carol Ptak
00:17:07 Replica di Joannes Vermorel
00:22:13 Replica di Carol Ptak
00:27:17 Conclusioni di Joannes Vermorel
00:29:19 Conclusioni di Carol Ptak
00:31:24 Domande dal pubblico
00:32:10 Sfide nella presa di decisioni
00:34:56 Riflessioni sulla teoria alla base del DDMRP
00:37:51 Approccio Demand Driven durante il COVID
00:40:52 Il punto di vista di Lokad sulla gestione delle interruzioni
00:42:17 DDAE e previsione probabilistica
00:49:14 Confronto tra DDMRP e MRP
00:56:40 Tecnologia minima per l’ottimizzazione
00:58:44 Implementazioni di DDMRP in grandi reti retail
01:00:02 Significato del flusso in DDMRP
01:01:09 Adattabilità a livello di sistema
01:03:35 È possibile confrontare gli studi di caso
01:07:46 Gestire l’incertezza su incertezza
01:12:26 Principale critica al modello DDMRP
01:19:19 Quando il DDMRP non è sufficiente
01:24:47 Prospettiva sul push vs pull
01:26:46 Magazzino di sicurezza e alta variabilità
01:29:46 Perché l’approccio Demand Driven non è più diffuso
01:35:01 La fine del dibattito
Trascrizione completa
Conor Doherty: Benvenuti a un episodio molto speciale di LokadTV. Oggi ho il piacere di moderare un dibattito dal vivo e, si spera, cordiale tra Carol Ptak e Joannes Vermorel. Carol è partner al Demand Driven Institute e professore ospite e dirigente di spicco in residence al Pacific Lutheran University. Nel frattempo, Joannes, alla mia destra, è il fondatore e CEO di Lokad. È un ingegnere del Corps des Mines France e ha insegnato ingegneria del software all’École Normale Supérieure per sei anni.
Ora, cercherò rapidamente di illustrare i parametri del dibattito. Innanzitutto, l’argomento: “Il modello Demand Driven Adaptive Enterprise è in grado di affrontare le sfide della presa di decisioni nel mondo reale della supply chain?” Carol sosterrà l’ipotesi a favore, mentre Joannes sarà contrario. Inizialmente, ci saranno osservazioni introduttive di sette minuti come concordato in precedenza. Joannes parlerà per primo, seguito da Carol. Successivamente, ciascun relatore avrà una replica di cinque minuti. Dopo di che, ciascun relatore avrà un commento conclusivo di due minuti. A quel punto, porrò alcune domande, possibilmente interamente provenienti dal pubblico. Sentitevi liberi di inviare le vostre domande in qualsiasi momento nella chat dal vivo. Oh, e alla fine, avranno uno scambio libero, che è, dopotutto, il vero motivo per cui siete qui.
Ora, in preparazione del dibattito, entrambi i relatori hanno concordato la seguente definizione, e cito: “Il modello DDAE è uno strumento di gestione per percepire i cambiamenti del mercato, adattarsi a ambienti complessi e volatili, e abilitare strategie di innovazione guidate dal mercato. I suoi tre componenti principali sono il modello operativo demand driven, il demand driven sales and operations planning, e l’adaptive sales and operations planning.” Ora, ad essere equi, quella è una definizione lunga, e per questo motivo abbiamo inserito un link a un documento Google aperto nella chat dal vivo. Se cliccherete, verrete indirizzati a un documento Google aperto in cui troverete definizioni dettagliate di tutti questi termini e curricula completi per i relatori.
Ora, durante la sezione del dibattito, cronometro rigorosamente entrambi i relatori. L’unica interruzione sarà un gentile promemoria per ricordarvi quando il tempo sta per scadere. Consiglio inoltre a entrambi di tenere traccia del tempo sui vostri dispositivi. Relatori, siamo quasi al termine. I relatori devono rimanere completamente in silenzio durante la parte preparata del dibattito. Se inizierete ad interrompere l’un l’altro durante i vostri interventi preparati, verrete messi in muto, e siete stati avvisati in anticipo. E infine, se vi piace ciò che facciamo qui, se apprezzate i dibattiti sulla supply chain, vi invito a iscrivervi al canale YouTube di Lokad e a seguirci su LinkedIn.
E con quella sfacciata autopromozione alle spalle, vi chiedo entrambi: il modello Demand Driven Adaptive Enterprise è in grado di affrontare le sfide della presa di decisioni nella supply chain del mondo reale? Iniziamo con Joannes, che parlerà contro.
Joannes Vermorel: Signore e signori, stimati colleghi e appassionati della supply chain, è un piacere essere qui per discutere del modello Demand Driven Adaptive Enterprise e della sua capacità di affrontare le sfide della presa di decisioni. A questo fine, Carol mi ha suggerito tre libri: “Demand Driven Material Requirements Planning” del 2016, “Demand Driven Adaptive Enterprise” del 2018, e infine, “Adaptive Sales and Operations Planning” del 2022.
Sono in totale 886 pagine, ma non preoccupatevi, dovete leggere solo circa un terzo del tutto. Il resto è come una serie Netflix che non smette di riprendere episodi precedenti, dato che quei libri si sovrappongono ampiamente. Vi risparmierò la fatica e li scarterò come un’unica opera eccessivamente ripetitiva. In quanto appassionato della supply chain, mi sono avvicinato al paradigma demand driven con grandi speranze. Dopotutto, chi non sarebbe entusiasta di un quadro promettente di rivoluzionare la nostra industria? Tuttavia, dopo aver affrontato quasi mille pagine, non sono convinto.
Innanzitutto, le banalità. A pagina 43 di “Adaptive Enterprise”, e cito: “Se i dirigenti vogliono portare a termine la loro missione, devono capire da dove iniziare.” Beh, sì. A pagina 163: “Definizione coerente, aderendo costantemente agli stessi principi.” Suppongo sia coerente definire “coerente” per chi potrebbe aver saltato gli anni della scuola primaria. Le illustrazioni, presumibilmente pensate per aiutare il lettore, non sono migliori. A pagina 150, troviamo una tabella di numeri etichettata “Data”, un grafico a barre etichettato “Graph”, e un pezzo di testo etichettato, aspettate, “Text”. Grazie a Dio, chiariscono questo punto. Stavo per definire il grafico a barre come arte moderna. È come se gli autori temessero che non potessimo riconoscere questi concetti di base, ma forse stanno compiendo un servizio pubblico per chi è stato deluso dalla scuola primaria.
Ora, se le parti facili sono insultosamente semplici, che dire delle parti difficili? Forse il vero valore del demand-driven risiede nel mezzo, sepolto tra i cliché. Esaminiamo le equazioni. E sì, includono equazioni, o quantomeno le etichettano come tali. A pagine 17, 25, 28 e 29 di “Adaptive Enterprise”, incontriamo quelle che gli autori chiamano equazioni. Ma queste equazioni sono solo un assortimento casuale di lettere greche e barre frazionarie. Non sono equazioni in alcun senso della parola. Qualcuno che ha giocato anche con l’editor di equazioni di Microsoft Word può comprendere la tentazione, ma considerando che stanno cercando di insegnare una migliore presa di decisioni nella supply chain, forse fornire alcune formule matematiche reali sarebbe più utile.
Al contrario, da pagine 99 a 105, sopportiamo una spiegazione estenuante e noiosa in cui gli autori, in inglese semplice, ci dicono: “Aggiungi questo, sottrai quello e moltiplica questo.” È come leggere una ricetta di cucina per operazioni matematiche. Mezza dozzina di pagine potrebbe essere condensata in poche righe di formule di base. Ma forse farlo rivelerebbe che la matematica sottostante del Demand Driven Adaptive Enterprise manca della sofisticazione di un manuale delle scuole medie. Non esattamente ciò che ci si aspetterebbe da un’opera che sostiene di far parte, e cito, “della scienza emergente dei sistemi adattivi complessi.”
Ad essere equo, c’è una vera equazione in quei tre libri. Solo una. E no, non è la cosiddetta equazione del flusso netto a pagina 150 del libro DDMRP, che nonostante il nome grandioso, è semplicemente una definizione. L’unica equazione si trova in “Adaptive S&OP” a pagina 156. Si tratta dell’indice di capacità Taguchi. Questa formula è stata presa direttamente da Wikipedia, ma comunque, è un’equazione. Sfortunatamente, è un’equazione ingegneristica meccanica per tolleranze dimensionali, e solitamente è considerata completamente estranea alla supply chain. Apparirà casualmente nel bel mezzo di una discussione sugli obiettivi di prestazione dell’S&OP.
Ora, non suggerirei che gli autori stiano cercando di confondere i lettori con equazioni irrilevanti. Forse si sono semplicemente persi in un mare di copia-incolla. Mentre ci addentriamo tra i cliché e le pseudo-equazioni, troviamo numerosi inviti all’azione. Ora, gli inviti all’azione sono ottimi. Le aziende devono effettivamente agire. A pagina 44 di “Adaptive Enterprise”, ci viene presentata una serie di raccomandazioni che suggeriscono che le persone dovrebbero essere formate a pensare in modo sistematico, che dovrebbero avere un linguaggio comune, un linguaggio sistemico comune per pensare e lavorare, e che dobbiamo permettere alle persone di comprendere le connessioni tra dipartimenti, risorse e persone.
Signore e signori, che programma brillante. In quanto CEO, sarei al settimo cielo se i miei 60 dipendenti riuscissero a realizzare ciò. E tenete presente, in Lokad assumiamo talenti d’élite in ingegneria, e anche per noi ciò che suggerisce Carol è incredibilmente difficile. Non posso che immaginare quanto bene funzionerebbe in una compagnia che impiega migliaia di dipendenti, dove l’unica connessione che comprendono è quella degli aperitivi del venerdì sera dopo il lavoro. Quindi, naturalmente, mi aspettavo che il libro guidasse su come riprogrammare le menti dei miei dipendenti, insegnare loro un nuovo linguaggio, e far comprendere le complessità di ogni dipartimento. Ma dopo aver lanciato questa bomba, i libri passano prontamente al capitolo successivo, fornendo esattamente zero indicazioni su come raggiungere questi ambiziosi obiettivi.
Per riassumere, abbiamo quasi mille pagine che oscillano tra l’ovvio sconcertante, il banalmente banale, il matematicamente insensato e il palesemente impraticabile. Il demand-driven proclama di guidare una rivoluzione nella supply chain management. È ironico che l’unica cosa che ha rivoluzionato sia la mia delusione per l’attuale stato della letteratura sulla supply chain.
Conor Doherty: Joannes, ti restano 21 secondi.
Joannes Vermorel: Sto bene.
Conor Doherty: Stai bene? Bene, a questo proposito, Joannes, grazie per i tuoi interventi iniziali. Carol, ora a te per i tuoi sette minuti di apertura, per favore.
Carol Ptak: Oh, grazie mille. Beh, è stato al massimo divertente. Non mi ero resa conto che sarei salita sul palco per una relazione di un libro e per una critica pagina per pagina. Per scartare tutto ciò, speravo davvero che il nostro dibattito verteva sul modello Demand Driven Adaptive Enterprise, e non su una relazione di un libro con pagine citate. Per precisare, quei tre libri sono stati scritti per tre mercati ben distinti. Non mi sarei aspettata che qualcuno là fuori leggesse tutte le mille pagine. Pensavo solo che, con la mente scientifica di Joannes, avrebbe potuto apprezzare la visione operativa, tattica e strategica di questa supply chain.
Quindi passiamo a ciò che veramente è il modello Demand Driven Adaptive Enterprise e al perché è rivoluzionario. Il DDAE si basa davvero sulla scienza dei sistemi adattivi complessi e sulla comprensione che le supply chain non sono catene. Le supply chain non sono mai state catene. Le abbiamo chiamate erroneamente quando le abbiamo nominate, e ciò è dovuto al fatto che noi, che siamo stati coinvolti nella definizione delle supply chain, me compreso, proveniamo dalla capacità operativa, dove eravamo abituati a utilizzare algoritmi di ottimizzazione per capire dove fossero i colli di bottiglia e come massimizzare l’output complessivo del processo basandoci sulla massimizzazione del collo di bottiglia.
Quando abbiamo coniato per la prima volta il termine supply chain, abbiamo detto: “Bene, prendo le mie operazioni e le colleghiamo al mio cliente, al cliente del mio cliente, al mio fornitore e al fornitore del mio fornitore, ed ecco, abbiamo una supply chain.” Eravamo molto in errore. Le supply chain non sono catene, non lo sono mai state. Sono sistemi adattivi complessi, e la scienza dei sistemi adattivi complessi funziona in modo molto diverso rispetto a una catena. Una catena è un sistema lineare. I sistemi adattivi complessi non sono lineari. Sono reti. Ci sono molti nodi, ci sono molte connessioni, e purtroppo, gli accademici amano tagliare le connessioni in modo da poter studiare i nodi in dettaglio e poi credere di poter ricomporre il tutto e comprenderlo nel suo insieme. Quando infatti le connessioni vengono tagliate, perdiamo il contesto del tutto.
Quindi, ciò che rende il DDAE diverso è il fatto che comprende davvero che le supply chain non sono catene; sono sistemi adattivi complessi, il che significa che non rimangono mai in uno stato stazionario per troppo tempo. Non appena su di esse viene applicata una pressione, cambiano e si trasformano, e per definizione non possono essere ottimizzate matematicamente. La scienza dei sistemi adattivi complessi nasce dall’idea della biologia e dell’economia, e quindi è ben compresa. Se qualcuno è interessato a un ottimo libro in merito, c’è stato un libro intitolato “Team of Teams” scritto dal Generale Stanley McChrystal.
Allora, come funziona il DDAE? Beh, comprendiamo che ogni azienda oggi opera in un mondo variabile, volatile, incerto, complesso e ambiguo. Quindi ciò che dobbiamo essere in grado di fare è percepire rapidamente i cambiamenti in quel mercato, e poi adattare la pianificazione in produzione, attingere dai fornitori, gestirlo e fare tutto in tempo reale. Nuova idea? No. La definizione di demand driven esisteva già nel 2001. Fu coniata in realtà quando ero in PeopleSoft. Non abbiamo veramente capito come farlo fino al 2006, quando Chad Smith e il suo team iniziarono a utilizzare il concetto di decoupling nella supply chain.
A causa del mondo VUCA, quel mondo volatile, incerto, complesso e ambiguo in cui viviamo, a meno che i nostri tempi di risposta al mercato siano inferiori alla tolleranza dei nostri clienti, da qualche parte lungo la supply chain qualcuno dovrà detenere dell’inventario. Quindi l’inventario è un asset. Abbiamo permesso che l’inventario venisse discusso come una passività, come un asset, alternando i concetti, ma dipende da dove e da quanto quell’inventario esista. Se abbiamo l’inventario giusto nel posto giusto, allora l’inventario è chiaramente un asset perché migliora il ritorno sull’investimento per l’azienda, che è la metrica rilevante.
Come possiamo raggiungere la coerenza all’interno di un’organizzazione per ottenere ROI? Come gestiamo quei range operativi, tattici e strategici rilevanti in modo che l’azienda sia in sintonia per ottenere ROI? Non posso andare sul fondo di stabilimento e chiedere a Joe cosa abbia fatto quel giorno per aumentare il ROI, ma di certo posso uscire e parlargli in produzione e dire, “Cosa hai fatto per migliorare il flusso?” E ancora, non è una novità. Conosciamo il flusso da molto, molto, molto tempo, fino ad arrivare agli antichi Fenici che dovevano riconvertire le loro navi da commercio in navi da guerra.
Il modello DDAE si basa sulla coerenza del flusso nell’organizzazione, che trasforma tutto al suo interno. Non siamo più concentrati esclusivamente sull’efficienza dei costi e sull’ottimizzazione, perché riconosciamo che ciò che gestiamo non è un sistema lineare; è un sistema complesso adattivo. E il mondo moderno in cui lo gestiamo è un ambiente volatile, incerto, complesso e ambiguo. Ad esempio, l’MRP fu concepito negli anni ‘50, commercializzato negli anni ‘70 quando Joe Orlicky scrisse il suo libro. E ciò che compresimo all’epoca era che dovevamo essere in grado di fare pianificazione dipendente, e quindi la pianificazione dipendente fu il vero punto di forza dell’MRP.
Ma ricordate, negli anni ‘50 e ‘60 avevamo 8K di memoria e un paio di unità a nastro, e quindi generalmente eseguivamo la pianificazione dei materiali magari una volta a settimana, molte aziende una volta al mese, e da lì si procedeva con la disaggregazione. E pensavamo davvero che, man mano che la tecnologia si facesse più veloce, le cose sarebbero migliorate. E infatti, nel 2001 PeopleSoft lanciò il primo sistema MRP in tempo reale, e la reazione dei nostri clienti fu, “Per favore, fate che si fermi,” perché non riuscivano a gestire l’agitazione del sistema. Il livello di precisione quando cerchiamo di collegarlo lungo la supply chain genera una volatilità e una variabilità autoindotte tali che i pianificatori non riescono a gestirle.
Quindi l’idea è: come possiamo, contemporaneamente, reagire molto rapidamente ai cambiamenti del mercato in un ambiente volatile, variabile, incerto, complesso e ambiguo e poter sfruttare il computing in tempo reale di oggi? Quando il Dr. Goldratt e io scrivemmo il libro “Necessary But Not Sufficient”, parlavamo di tecnologia perché avevamo capito che, con il mutare della tecnologia, le regole del business devono cambiare. E man mano che le regole del business cambiano, anche la tecnologia deve cambiare. E oggi siamo molto fortunati perché abbiamo strumenti come machine learning e intelligenza artificiale che, a proposito, si basano anche sulla stessa scienza del modello DDAE.
Ecco perché siamo così innovativi: ora le regole del business sono allineate con le potenzialità della tecnologia, e di conseguenza possiamo percepire i cambiamenti del mercato, adattare la nostra pianificazione e produzione, attingere dai fornitori e sfruttare i sistemi in tempo reale a nostra disposizione.
Conor Doherty: Bene, Carol, ti ho concesso 3 secondi in più, ma ne sono valguti la pena. Grazie mille. Grazie. A questo punto, Joannes, ti passo la parola per il tuo intervento di 5 minuti in replica.
Joannes Vermorel: Sì, voglio dire, la prima cosa è che non posso fare a meno di notare le contraddizioni, per esempio, riguardo alla matematica. Perché quando Carol cita i computer moderni, i computer, come suggerisce il nome, calcolano. È l’unica cosa che fanno. Non hanno alcun tipo di sfera di cristallo o simili. E infatti, nei libri stessi, ci sono tonnellate di equazioni. Di nuovo, non sto dicendo di averle trovate—sto descrivendo le cose come equazioni. Le cose vengono menzionate e elencate come equazioni dagli stessi autori. E poi, quando si discute di non linearità, entriamo nuovamente nel regno della matematica. Quindi questo non è qualcosa che sto inventando per me stesso; è ciò che gli autori stanno presentando.
Ora, in base alla mia critica di questi libri, che sono praticamente le scritture sacre dei paradigmi demand driven, la risposta sembra essere, nonostante ci siano molte digressioni, che il tutto è maggiore della somma delle sue parti. Giusto, non possiamo davvero esaminare i singoli pezzi. Quindi, per quanto disfunzionali possano essere, basta accastarli e voilà, si ottiene la grandezza. È come assemblare un’auto con pezzi di ricambio Toyota aspettandosi una Tesla. E indovinate un po’? Abbiamo anche casi di studio a sostegno di ciò. Questo è anche un punto di grande interesse.
A pagina 325 del libro DDAE, abbiamo un caso di studio nel settore retail che utilizza DDMRP, per esempio. Si sostiene un aumento del 60% dei ricavi, una diminuzione del 40% dell’inventario e, cito, “l’eliminazione della sensazione di scarsità nei negozi nonostante la quasi dimezzatura delle scorte iniziali.” Beh, se ci credete, ho un ponte a Brooklyn da vendervi. Ma ecco il punto: non possiamo verificare nessuno di questi casi di studio. Scioccante, lo so. E l’approvazione proviene dallo stesso venditore che propone il miracolo demand driven. È come se il proprietario di un ristorante scrivesse da solo la sua recensione a cinque stelle su Yelp: “Fidatevi, è il miglior sushi in città.” Certo, ma i casi di studio non sono altro che un modo appariscente per dire, “Perché l’ho detto io.” Non è esattamente una prova convincente.
Ora, sul punto, dato che ci sono state tante digressioni, passaggi su fatti, la definizione di sistemi complessi adattivi, aneddoti, da dove viene il nome supply chain e alcune curiosità su ERP in miglioramento e tecnologie varie. Ma la realtà è che se torniamo a un test semplice, direi che in tempo reale dell’impresa adattiva, a pagina 7 viene elencata la non linearità come il primo principio, come notato anche da Carol. Quindi, questo è il principio fondamentale dei sistemi complessi adattivi. Suona impressionante, ma scegliamo la non linearità più semplice che possiamo avere in supply chain: MOQs, le quantità minime d’ordine. Sicuramente il demand driven avrebbe qualcosa di profondo da dire sui MOQs. Beh, in realtà no. In mille pagine, i MOQs vengono menzionati sei volte. È una bella media, quindi circa due volte in media per ogni libro. Quindi c’è davvero tanto materiale.
E per fare un esempio. A pagina 63, abbiamo un esempio di una MOQ così piccola che tant’è che praticamente non esiste, poiché numericamente non ha alcun impatto sul calcolo. Roba affascinante. E poi, a pagina 115, abbiamo una situazione di ordine per container. Interessanti non linearità su vari fronti con una MOQ. E allora, qual è la situazione? Abbiamo una dimensione d’ordine di 100 unità, una dimensione container di 100 unità e una MOQ—aspettate—di 100 unità. Che coincidenza. È come se le stelle si allineassero proprio per evitare di dover affrontare una non linearità reale. Puoi ripetere questo processo con sconti sui prezzi, merci deperibili, cross-docking, attrezzature riparabili, insomma. Il demand driven non ha assolutamente nulla da dire su queste comuni non linearità. Niente. Zilch.
Ed ecco l’essenza del demand driven: una teoria appariscente che si pone obiettivi grandiosi, sfruttando il meglio che la tecnologia ha da offrire. Sì, ma la tecnologia ti fornisce computer per fare calcoli, e ci sono così tante equazioni, eppure non fanno nulla. Quindi, in sostanza, ci poniamo obiettivi grandiosi, ma poi non abbiamo nulla da offrire per affrontare i comuni problemi decisionali. E allora, dobbiamo credere che il demand driven possa affrontare le sfide reali della supply chain? Lasciatemi pensare. No, assolutamente no.
Conor Doherty: Abbiamo qualche secondo in più. Grazie, Joannes. Carol, il tuo intervento di 5 minuti, quando sei pronta.
Carol Ptak: Grazie. Di nuovo, sono molto delusa dal fatto che Joannes abbia scelto di utilizzare un riassunto del libro invece di dibattere il modello che dovevamo discutere. Ma lasciatemi innanzitutto affrontare il caso che lui cita nel libro, e vi invito a venirci a trovare a Francoforte la settimana prossima, dove potrete parlare con la persona che ha effettivamente realizzato quell’implementazione. David Poveda sarà presente da Medan, in Colombia, e potrà darvi tutti i dettagli specifici.
La Demand Driven World della prossima settimana, inoltre, so che siete sempre molto attenti ai casi, e che, fidatevi, di solito i casi di studio vengono realizzati dalla software company o dal consulente, i quali cercano sempre di dare una facciata scintillante alla questione. Questo non lo permettiamo al Demand Driven Institute. Tutti i nostri casi di studio vengono realizzati dai professionisti. Quindi, invito te, Joannes, e tutti i nostri ascoltatori, se volete registrarvi per la Demand Driven World della prossima settimana.
Abbiamo in programma nove casi di studio, nuovi casi provenienti da aziende come Assa Abloy, dove presenterà Fredrik Helgesson, il direttore della logistica. Un altro caso dal Messico, da Mega Alimentos, dove interverrà Antonio Treviño, il supply chain director. Mettler Toledo presenterà il responsabile della pianificazione globale, oppure A2A con il loro managing director, o Gelwin con il loro VP of supply chain, o Sapo con il loro head of planning, o Koch Engineered Solutions con il loro responsabile globale per la pianificazione e la programmazione, oppure PPG con il loro direttore della supply chain per l’America Latina.
Questi sono solo i casi di studio che appariranno la prossima settimana in Germania. Incoraggio chiunque, fidatevi, a partecipare. Pubblicizziamo tutti i nostri casi di studio sul nostro sito web. Sono realizzati esclusivamente dai professionisti. Non permettiamo che la software company o il consulente co-presentino. Questi professionisti affermano, “Questo è ciò che abbiamo fatto, ecco perché lo abbiamo fatto, questo è il problema che abbiamo avuto, questi sono i risultati ottenuti,” e dichiarano apertamente, “E se dovessimo rifarlo, ecco cosa cambieremmo.” Non monitoremo né modificheremo nessuno dei loro commenti.
Quindi, considerando l’idea della MOQ, penso che abbiate citato erroneamente il numero di volte in cui la MOQ appare, poiché compare ogni volta che compare anche l’equazione del flusso netto. Ma penso davvero che stiate perdendo di vista il punto centrale di ciò che è il Demand Driven Adaptive Enterprise. In realtà, si tratta di tre intervalli temporali separati e rilevanti, dotati degli strumenti necessari per quel lasso di tempo.
Ora, cos’è la rilevanza? Ed è una definizione presente nel libro. La rilevanza è il modo in cui stabilisco e collego i requisiti a ciò che accade in quel determinato intervallo temporale. Quindi, come posso collegare più strettamente i miei asset a ciò che succede sul mercato? Semplicemente implementando DDMRP, che è il motore interno del Demand Driven Operating Model; in media, le aziende ottengono una riduzione dell’inventario che va da un terzo a la metà, e solitamente il loro on-time in-full supera il 90%.
Vi rimando al caso Coca-Cola Africa per sentire Coca-Cola Africa parlare di ciò che accadeva lì. Ora, prima di implementare DDMRP, la loro accuratezza delle previsioni era di circa il 50%. Hanno implementato il sistema, ottenuto risultati migliori, il loro inventario è diminuito, il loro on-time in-full è aumentato, e alla fine, la loro accuratezza delle previsioni è rimasta intorno al 50%. Questo significa che non facciamo previsioni? No, certamente no. Abbiamo bisogno delle previsioni per poter gestire l’intervallo tattico e strategico. Quello che speravo di approfondire in questo dibattito era una discussione su come funziona il modello DDAE, piuttosto che una recensione pagine per pagine di libri.
Quindi, considerando l’idea delle previsioni, sapete, sulle previsioni probabilistiche, sì, esse hanno sicuramente un ruolo, ma un ruolo esclusivamente negli intervalli tattici e strategici, il che ci permette di aiutare a modificare e adattare il modello operativo di cui DDMRP è il motore di pianificazione. Pertanto, dobbiamo considerare che il modello DDAE può gestire solo ciò che possiamo influenzare. Quindi, al di fuori della nostra analisi, deve rientrare la nostra innovazione guidata dal mercato, e dall’altra parte, dobbiamo tenere conto della domanda reale di mercato.
E come ho detto in precedenza, se siamo abbastanza fortunati da avere un lead time cumulativo totale che rientra nelle aspettative dei nostri clienti, allora si tratta di un’azienda facile da gestire. Tuttavia, questo non è il mondo in cui viviamo. I tempi di tolleranza dei nostri clienti sono significativamente più brevi del nostro lead time cumulativo. Quindi dobbiamo avere un modello di gestione che ci permetta di percepire i cambiamenti del mercato, adattare la nostra pianificazione e produzione, tradurre un business plan adattivo in termini di capacità operativa, ed anche sfruttare la nostra unica capacità operativa per trarne vantaggio strategico. Penso di averti restituito i tre secondi.
Conor Doherty: Con il cambiamento. Grazie. Beh, grazie mille, Carol. Con questo, Joannes, ti rimetto la parola per il tuo ultimo intervento di due minuti.
Joannes Vermorel: Quasi mille pagine di materiale Demand Driven più qualche minuto di commento possono essere riassunti su un post-it. Ecco la cosa più incriminante: il paradigma Demand Driven è completamente impervio alla ragione. Potrei passare tutto il giorno a citare frasi, evidenziando se ciascuna è banale, insensata o addirittura delirante, e rimarremmo comunque bloccati nello stesso punto, come un criceto su una ruota, ma senza alcun valore di intrattenimento. Perché? Perché ogni volta che evidenzio un difetto, è come cercare di giocare a scacchi con un piccione. Abbatte i pezzi, sporca la scacchiera e poi si pavoneggia come se avesse vinto.
Carol non ha risposto a nessuna delle critiche serie che ho sollevato, comprese quelle basilari come il flagrante uso improprio dell’indice di capacità di Taguchi. Non ha spiegato le pseudo-equazioni. Avrebbe potuto tentare di confutare i miei argomenti uno per uno, eppure non l’ha fatto. E non l’ha fatto perché non poteva. Così, invece, assistiamo a una serie di digressioni, per lo più argomentazioni di autorità. Non inganniamoci. I casi di studio sono solo un modo appariscente per dire, “Fidatevi, sono un professionista.” Signore e signori, faccio appello alla forma più elevata del ragionamento umano: il test dell’anatra. Se sembra un’anatra, nuota come un’anatra e starnazza come un’anatra, allora probabilmente è un’anatra. Se una teoria sembra spazzatura, puzza di spazzatura e suona come spazzatura, allora probabilmente è spazzatura.
In conclusione, il modello Demand Driven Adaptive Enterprise può affrontare le sfide reali della supply chain? No. Ma concederò questo: se in qualche modo riuscite a far credere ai vostri concorrenti che possa farlo, allora otterrete certamente un vantaggio, poiché loro crolleranno.
Conor Doherty: Grazie, Joannes. E Carol, a te passo la parola per il tuo intervento conclusivo di due minuti, per favore.
Carol Ptak: Grazie. Beh, sono molto delusa da Joannes, ad essere onesta. Mi aspettavo davvero una discussione aperta e sincera invece di ascoltarlo leggere dai suoi appunti pre-preparati senza considerare i punti sollevati.
Per quanto riguarda la funzione Taguchi, come ho detto nella mia replica di cinque minuti, il piano aziendale adattivo crea poi un modello operativo. Un modello operativo ha un obiettivo, ha un limite di specifica superiore e inferiore, e quando confrontiamo questo con il modo in cui il processo viene eseguito, poiché il modello Demand Driven Adaptive Enterprise ora ci consente operativamente di operare con il controllo del processo anziché il controllo delle transazioni come avveniva nei vecchi tempi dell’MRP, allora la funzione Taguchi ovviamente si adatta perché vogliamo vedere quanto la nostra performance effettiva rientri nell’intervallo definito.
Come ho detto, non mi aspettavo un resoconto o una recensione del libro pagina per pagina. Quello che mi aspettavo veramente era una discussione sulla metodologia stessa. E non è “fidati di me”. Suggerirei di parlare con i veri professionisti e di esaminare i loro risultati concreti. Per me, è questo che parla più forte di qualsiasi altra cosa. Non è “fidati di me”. È, “Questo era il problema aziendale che avevamo, questo è ciò che abbiamo implementato, questi sono i risultati che abbiamo ottenuto, e se dovessimo rifarlo, ecco cosa faremmo diversamente.”
E quando parliamo del fatto se il modello Demand Driven Adaptive Enterprise risponda alle esigenze di questo mondo VUCA in cui viviamo e fornisca risultati tangibili, la risposta è assolutamente e inequivocabilmente sì. Le decine di migliaia di persone che hanno partecipato al percorso di formazione DDI, i risultati ottenuti dalle aziende, gli aumenti del ROI, la capacità delle aziende di sopravvivere alla pandemia nonostante i modelli di domanda completamente capovolti e altalenanti, riuscendo comunque a migliorare ricavi e ROI, penso che i risultati parlino da soli.
Conor Doherty: Bene, grazie mille a entrambi. E Carol, grazie per quelle osservazioni. A questo punto, passerò ad alcune domande dal pubblico. In realtà, ce ne sono già parecchie nella chat dal vivo. Solo per essere chiari, chiediamo che le domande vengano indicate per chi sono rivolte, ma ovviamente le rivolgerò a entrambi. E, ancora una volta, non ci sono limiti di tempo, ma cercate di mantenere le osservazioni concise in modo che tutti possano avere la loro occasione.
Ma prima di passare alle domande del pubblico, ce n’è solo una che ho scritto giù, perché vi ho ascoltati entrambi parlare negli ultimi 33 minuti. E sapete, siete andati avanti e indietro sui libri e se si tratta o meno dei libri, va bene. Ma, a meno che non mi sia sfuggito, in nessun momento nessuno di voi ha realmente definito quali sono, a vostro avviso, le sfide effettive del processo decisionale nella supply chain reale. Quindi, Carol, inizierò con te. Nel modo più conciso possibile, quali sono, secondo te, le sfide del processo decisionale nella supply chain reale?
Carol Ptak: Beh, la sfida più grande è quella di cui ho già parlato, ovvero come rispondere a un mondo che è variabile, volatile, incerto, complesso e ambiguo? E come farlo in modo da poter accrescere il mio ritorno sull’investimento?
Conor Doherty: Johannes?
Carol Ptak: È il più conciso possibile. E se Johannes vuole scriverlo su un Post-It, può farlo. Riassume il modello Demand Driven Adaptive Enterprise in un Post-It: tutto ruota attorno al flusso.
Conor Doherty: Bene, grazie Carol. Joannes?
Joannes Vermorel: Secondo me la supply chain è la padronanza dell’opzionalità. Hai risorse limitate per tutto, e devi allocarle, il che in pratica comporta milioni di decisioni quotidiane per una supply chain di dimensioni rilevanti. Quindi, risolvere il problema significa essenzialmente prendere quelle decisioni. Sono molto basilari. Sono: cosa compri, cosa produci, cosa allochi, quale fascia di prezzo scegli, se aumenti o riduci il tuo assortimento, ecc., ecc. E così, a mio avviso, tutto ciò riguarda il profitto. Ma, secondo me, la supply chain è una teoria e una pratica che ti permette di prendere queste decisioni su larga scala, il che oggi comporta il calcolo di molte variabili affinché possa essere automatizzato con i computer. Fondamentalmente, è così.
Conor Doherty: Bene, Carol, ora che hai ascoltato il punto di vista di Joannes, desideri modificare il tuo oppure sei d’accordo o in disaccordo?
Carol Ptak: No, per nulla, ma penso, e sapete, essendo presente fin dai primi giorni dei computer e avendo avuto una conversazione con un’azienda informatica e una software company, lui ha detto: “Non costringiamo i nostri clienti a fare le cose come vi diciamo.” E io ho risposto: “Fatecelo sicuramente, perché ciò che inserite nel vostro software è ciò che considerate essere le best practices del settore.” Ora, cosa succede se quelle pratiche sono sbagliate?
Quindi la metodologia va di pari passo con il computing e la tecnologia va insieme alla metodologia. Sapete, per esempio, alla Demand Driven World della prossima settimana, avremo Simo che può realizzare un digital twin completo di un’azienda per poter iniziare a prendere quelle decisioni strategiche a cui Joannes fa riferimento. Ma lo fa con il potenziale di un motore DDMRP integrato in modo tale da capire dove posizionare i buffer di scorta strategici, come pianificarli, e come arrivare infine a una risposta in tempo reale al mio mercato. Quindi, la tecnologia in sé è necessaria ma non sufficiente. Bel titolo di libro.
Conor Doherty: Vuoi aggiungere qualcosa o procedo?
Joannes Vermorel: No, procedi.
Conor Doherty: Procedi. Quindi, questa domanda è rivolta a Joannes. La sto leggendo alla lettera così come mi è stata posta. Potresti condividere le tue idee sulla teoria alla base del DDMRP, in particolare sul DDMRP e su come si fonda sulle pratiche esistenti della supply chain?
Joannes Vermorel: In breve, il DDMRP è un insieme di banalità. Dimensiona i buffer con tre colori. Non viene specificato nulla di concreto al punto di disaccoppiamento. Non hai alcun algoritmo per sapere come posizionarli, quindi fondamentalmente forniscono solo indicazioni estremamente ambigue. Ci sono anche errori grossolani. Ad esempio, dicono che quando è presente il MOQ, è necessario che la zona verde sia grande quanto il MOQ, il che è assolutamente insensato perché ci sono moltissime situazioni in cui reordering fino al MOQ è insensato. Quindi questo non dovrebbe assolutamente far parte di ciò che il DDMRP definisce come verde.
Ma in definitiva, è molto, molto superficiale. Sapete, per qualcosa di quantitativo, a mio avviso si potrebbe riassumere in circa tre pagine e basta. E quindi è molto, molto debole. È persino un insulto alla ricerca operativa, che è venuta prima, affermare che ne sarebbe il discendente. Non lo è. La ricerca operativa era già anni luce di sofisticazione rispetto al DDMRP.
Carol Ptak: Beh, e io metterei in discussione la sofisticazione rispetto ai risultati. Solo perché qualcosa è sofisticato non significa che sia migliore. Il DDMRP infatti si basa sull’idea della lean manufacturing, dell’MRP, del DRP, della teoria dei vincoli, con qualche innovazione che ora armonizza tutte quelle cose che in precedenza pensavamo fossero in antitesi tra loro. Quindi, è davvero tutto incentrato sul flusso.
E per quanto riguarda il posizionamento di quei buffer, penso abbia probabilmente saltato quelle pagine del libro. Ci sono sei criteri su dove questi buffer vengono posizionati, e questo include il tempo di tolleranza del cliente, il potenziale di mercato, il lead time, le acque, la variabilità esterna. Quindi sono sei, ed è su questi che poi si ottimizza e si fa riferimento in un digital twin una volta posizionati i buffer.
Tipicamente, ciò che osserviamo è che le supply chain tendono a stabilizzarsi perché abbiamo eliminato la “nervosità di sistema”, e poi sia il posizionamento che la quantità devono cambiare. Questo è il ciclo di adattamento. Quindi non si tratta solo di puro pull; si tratta di posizionare, proteggere, tirare e adattare. Ma siamo molto chiari su dove quei buffer vengano posizionati e colorati in verde, giallo e rosso, perché questa è la praticità rispetto alla sofisticazione. Tutti comprendono il verde, il giallo e il rosso.
E quindi capisco le regole. Cosa succede quando vedo verde, giallo, rosso? È per questo che i pianificatori lo amano e le aziende sono molto rapide nell’implementazione, e le implementazioni in genere procedono molto più velocemente di quanto era stato originariamente previsto.
Conor Doherty: Joannes, niente commenti?
Joannes Vermorel: Nessun commento.
Conor Doherty: Procedo. Questa domanda è rivolta direttamente a te, Carol. La leggo così com’è scritta. Perché l’approccio demand-driven ha avuto difficoltà durante la crisi COVID e cosa dovrebbero fare le aziende per adattarsi in tali situazioni?
Carol Ptak: Beh, c’è stata una conversazione interessante durante la crisi COVID. Non abbiamo avuto difficoltà. Credo che ogni progetto IT, ogni progetto di miglioramento dei processi durante il COVID sia stato messo in pausa, e questo è stato sfortunato. Abbiamo passato molto tempo al telefono con dirigenti senior che dicevano: “Beh, torneremo all’implementazione quando torneremo alla normalità.” E il nostro messaggio per loro è stato: “Benvenuti nel nuovo normale.”
La domanda non è se le disruption arriveranno, ma quando e dove, quindi è meglio essere preparati. E ciò che abbiamo visto è che, dopo il COVID, la domanda effettiva per i nostri corsi di formazione ha raggiunto livelli record, e il numero di implementazioni a livello globale è salito a livelli record, perché i dirigenti hanno compreso che quello con cui devono fare i conti è questo mondo variabile, volatile e folle in cui viviamo. Non solo abbiamo avuto il COVID, abbiamo assistito all’invasione russa dell’Ucraina, alla minaccia di una nuova pandemia, al caos nei porti americani, agli scioperi dei dock workers. Non si tratta di se la prossima disruption arriverà, ma quando e dove.
E purtroppo, durante la crisi COVID, molti team di dirigenti senior hanno detto: “Beh, quando torneremo alla normalità,” e il nostro messaggio è stato: “Benvenuti nel vostro nuovo normale.”
Conor Doherty: Va bene, grazie Carol. Joannes, perdonami, perché credi che l’approccio demand-driven possa aver avuto o meno difficoltà durante la crisi COVID?
Joannes Vermorel: Questa domanda non mi era stata rivolta, quindi commenterò semplicemente la risposta di Carol. Perché, ancora una volta, non dispongo di dati precisi, non essendo realmente a conoscenza di ciò che accade esattamente nelle aziende che gestiscono tali processi. Ma direi che, a una domanda tanto fattuale, otteniamo – e questo è tipico dei paradigmi demand-driven – una lista infinita di fattori: sapete, regressione, guerra in Ucraina, volatilità, incertezza, ecc. Buzzword, buzzword, buzzword, problema, problema, situazione.
Vedete, è come una profusione di elementi. Ma quando ricomincio, e i libri sono esattamente gli stessi, trovate la lista in ogni pagina. Si dilungano in venti divagazioni, e ogni volta penso: “Ok, ora hanno aperto tipo venti capitoli per affrontare ognuna di queste divagazioni,” e non si ottiene nulla in termini di regole concrete, matematicamente fondate – e quando dico matematicamente fondate non intendo calcoli avanzati, ma anche la matematica elementare, qualcosa di non ambiguo, che fornisce una regola calcolabile – e poi nulla. Si passa oltre, ed è solo una profusione infinita di dettagli insignificanti. E penso che questo rappresenti veramente un modello, e vorrei che il pubblico prestasse attenzione a questa profusione di fatti.
Conor Doherty: Beh, in realtà, se posso insistere – perché la prossima domanda sarà rivolta a Joannes e poi a Carol – vi chiedo: Lokad offre, non ho scritto questi, un approccio diverso per gestire le disruption come quelle viste durante il COVID? E se sì, come affronta tali sfide?
Joannes Vermorel: Quindi, la risposta lunga si trova nella serie di lezioni sulla supply chain, ma quella è una risposta molto lunga. La risposta breve è che utilizziamo le probabilità e le previsioni probabilistiche. L’idea è di avere un modello economico in cui eventi a bassa probabilità e di grande impatto economico possano essere presi in considerazione. Quindi è necessario utilizzare previsioni probabilistiche, e poi, al di sopra di ciò, occorre un secondo strumento. Quello è lo strumento predittivo, e poi lo strumento di ottimizzazione è l’ottimizzazione stocastica, che è il termine generico per qualsiasi tipo di risolutore che possa fornirti una risposta ottimizzata in condizioni di incertezza.
In definitiva, si valutano le probabilità di tutti i possibili futuri, passaggio uno. Passaggio due, si analizzano tutte le possibili decisioni – ovviamente ridotte a ciò che un computer può gestire – e si ottimizza quella che offre il più alto ritorno sull’investimento aggiustato per il rischio. Questa è la risposta breve su come Lokad lo fa, direi, in termini molto, molto tecnici.
Conor Doherty: Carol, in precedenza hai detto che il modello DDAE, come l’esaustiva gerarchia di concetti, è compatibile con le previsioni probabilistiche.
Carol Ptak: Assolutamente, assolutamente. Voglio dire, le previsioni probabilistiche sono qualcosa che ci aiuterebbero a definire come deve essere strutturato il modello operativo. Ma, sapete, per ribattere a Joannes sulla sua risposta, quella era una spiegazione scientifica molto complicata che fondamentalmente si riduce a: “Sapete, la risposta è uscita dal computer, fidatevi.” E non conosco un solo pianificatore sulla faccia del pianeta che dica: “Oh, è uscita dal computer, fidatevi.” Il modello DDAE è decisamente più comprensibile.
Bene, in termini semplici, non ho un dottorato, e nemmeno due o tre. Quindi, quello che proporrei è: “Ok, prima dobbiamo essere d’accordo sul problema. Qual è il problema che stiamo cercando di risolvere?” Ed è per questo che continuiamo a parlare di variabilità, varietà – insomma, dei veri problemi del mondo reale e di come il DDAE li affronti. E un’altra domanda che farei è: “Ok, Lokad, dov’è la pagina con i vostri casi studio su come avete risolto i problemi per i vostri clienti nel mondo reale, con i risultati concreti presentati dai vostri professionisti?” E paragone quella pagina con ciò che il modello Demand Driven Adaptive Enterprise ha fatto in un qualsiasi giorno. E come ho già detto, venite a trovarci la prossima settimana in Germania, incontrate queste persone faccia a faccia, parlatene.
Conor Doherty: Alcun commento? Niente altre digressioni, nessun ulteriore approfondimento o argomentazione d’autorità su Cherry e la torta. Quindi, nessun altro commento.
Beh, se posso seguirti, Carol, di nuovo, e non voglio mettermi a interpretare le tue parole – correggimi se sbaglio – ma il modo in cui hai formulato la tua risposta al commento di Joannes sembrava quasi dire: “Beh, neanche io ho un dottorato, quindi, ehi, non sono un dottore. Vengo dalla scienza dei computer e dai numeri.”
Sembrava che stessi posizionando te stessa e il tuo approccio non necessariamente come anti-accademico, ma come qualcosa di comprensibile. La mia domanda di seguito per te è: se è comprensibile ma meno efficace di una soluzione più sofisticata, saresti d’accordo con questo compromesso?
Carol Ptak: No, non lo farei perché penso sia più comprensibile e più efficace. Quando i pianificatori e i manager possono capire come funziona qualcosa, allora lo utilizzeranno. Come ho detto, non c’è un dirigente su questo pianeta che dirà: “Oh, i numeri sono usciti da un computer, bene.” Perché sfiderei anche Joannes dicendo che non puoi ottimizzare una supply chain perché le supply chain sono sistemi complessi adattivi. Puoi considerare alternative e sceglierne una, ma la realtà è che, a meno che non elimini tutta la variabilità nell’esecuzione, ci sarà sempre una gamma di possibilità che i risultati effettivi mostreranno.
Nel demand-driven, direi che non solo è estremamente comprensibile, ma non utilizziamo niente di più avanzato rispetto alla matematica di quinta elementare. Quindi, posso capire perché Joannes possa sentirsi offeso dalla matematica accademica primaria, ma allo stesso tempo, non utilizziamo nulla di superiore alla matematica di quinta elementare. È molto comprensibile, così le aziende lo adottano e vedono risultati incredibili. C’è un ottimo studio di caso; è stato l’ultimo quando abbiamo lavorato in Germania qualche anno fa. Lei dice: “Sì, lo so, come tutti gli altri: l’inventario è diminuito della metà, l’on-time full è salito al 90%, noioso.” E io ho pensato: “Amico, quando ti stancherai di vedere questi risultati, sarai nel posto sbagliato.”
Quindi, vi suggerisco che non solo è più facile da comprendere, ma risulta anche più efficace. Ma non è in contrasto con la previsione probabilistica, perché quella matematica può aiutarci a capire come procedere una volta completata l’implementazione iniziale. Come ci adattiamo? Ed è proprio qui che, a mio avviso, la previsione probabilistica – insieme ai digital twins – entra in gioco per comprendere tutte quelle relazioni. Ma prima di tutto, il primo passo deve essere stabilizzare la supply chain per poter mitigare quella variabilità operativa.
Conor Doherty: Ok, beh, Joannes, ad essere equi, hai preso qualche appunto. Hai una risposta a riguardo?
Joannes Vermorel: Voglio dire, innanzitutto, sottolineando ancora cose leggermente insensate. Sì, il DDMRP, il sistema complesso adattivo e tutta questa teoria eseguono un’ottimizzazione. È dichiarato fin dall’inizio: ottimizza il return on investment. Se cerchi di far salire o scendere un numero, stai facendo un’ottimizzazione. Questa è la definizione di ottimizzazione. Quindi, quando dici, “Vedi, è quel tipo di cosa che è completamente schizofrenica,” dove aggiungi, “Oh no, in realtà non facciamo così, non facciamo ottimizzazione,” e poi nel minuto successivo affermi che stai cercando di ottimizzare il return on investment, è come dire: scusa, questa è proprio la definizione di ottimizzazione.
E poi, se torniamo a…
Carol Ptak: Stiamo cercando di far crescere il ROI, non di ottimizzarlo.
Joannes Vermorel: Ma è la stessa cosa. Far crescere, l’ottimizzazione è letteralmente un modo per prendere una funzione obiettivo – che può essere il ROI – e spostarla un po’ nella direzione desiderata. Questa è letteralmente la definizione di ottimizzazione secondo Wikipedia. Quindi, questo è esattamente ciò che stai facendo. Per me, questo approccio è pazzesco.
E poi, la previsione probabilistica, mi dispiace moltissimo, ma le formule e tutto ciò che viene fornito in quei libri sono molto deboli. Le formule – sì, posso anche… questo è un piccolo appello all’autorità da parte mia – ma sono completamente incompatibili con la previsione probabilistica. Solo per darti un’idea di come appare, se applichi la previsione probabilistica, la prima cosa è che non vuoi considerare i tuoi SKUs in maniera indipendente. Peserai il contributo di ogni singola unità in modo indipendente su tutta l’azienda. Questo è letteralmente probabilistic forecasting 101.
Quindi, in questa metodologia, ti occupi del buffer un buffer alla volta. Quindi, mi dispiace, ma semplicemente non esistono nemmeno nello stesso piano. Non sono compatibili, né in termini di concetti, né in termini di metodologia, né in termini di tecnologie. Sono estremamente, estremamente differenti.
Carol Ptak: Ho detto che la previsione probabilistica sarebbe un buffer alla volta? Penso che una cosa che abbiamo sempre detto riguardo al DDAE è che osserviamo l’insieme olistico e le relazioni di causa-effetto. E ancora, ti invito a partecipare a una formazione, vieni a Francoforte la prossima settimana. Abbiamo circa tre presentazioni su come la previsione probabilistica osserva l’intera rete e viene utilizzata con grande successo all’interno del modello DDAE.
Conor Doherty: Ok, prossima domanda. Ancora, questa in realtà, Carol, è diretta a te. Sono parecchie. Quando ci stancheremo, possiamo fermarci, non dobbiamo rispondere a tutte. In che modo il DDMRP – ripeto, sto leggendo letteralmente – affronta i problemi intrinseci alla logica MRP? Richiede di essere eseguito più volte al giorno per essere efficace?
Carol Ptak: Più ti avvicini all’esecuzione del DDMRP in tempo reale, più diventa stabile, perché permette ai nostri pianificatori di avere le informazioni più rilevanti in tempo reale. È necessario eseguirlo in tempo reale? No. Il modo in cui affronta le limitazioni della logica MRP è che la forza dell’MRP consiste nel fatto che tutto è dipendente, e la cattiva notizia sull’MRP è proprio che tutto è dipendente. Quindi, un ritardo in un punto equivale a un ritardo ovunque.
Il modo in cui la logica DDMRP affronta ciò è inserendo questi punti di disaccoppiamento basati su uno dei sei criteri per determinare dove saranno quelle posizioni di indipendenza, in modo da assorbire la variabilità da entrambi i lati. Si disaccoppia e fornisce la nostra posizione primaria per la pianificazione. Tra i punti di disaccoppiamento, rimane dipendente, come è sempre stato. Quindi, è per questo che abbiamo ricevuto molte critiche quando lo abbiamo chiamato DDMRP, ed è perché l’MRP è ancora presente. Perché, tra i punti di disaccoppiamento, la pianificazione resta dipendente, come sempre. Quindi, affronta le limitazioni dell’MRP inserendo quei punti di disaccoppiamento, che poi costituiscono le posizioni primarie per la pianificazione.
Conor Doherty: Grazie. Joannes, tocca a te commentare.
Joannes Vermorel: Sì, voglio dire, qui ci sono diverse cose. Innanzitutto, l’MRP è davvero il baseline sbagliato. Alla base, utilizza un database tradizionale, e il problema è che un core transazionale è assolutamente pessimo quando si tratta di analisi, di ogni tipo di analisi. Quindi, questa è follia. Questo è un baseline assurdo, e penso quindi che sia sbagliato confrontare l’MRP con qualunque altra cosa. Questo è un baseline antiquato che non dovrebbe nemmeno essere preso in considerazione.
Poi, per quanto riguarda il real-time, voglio dire, ancora una volta, che è qualcosa su cui dovresti davvero mettere in discussione la provenienza della domanda. Perché la realtà è che un computer moderno, come baseline, ti offre un processore da 2 GHz. Significa che puoi eseguire due miliardi di operazioni per CPU. E un computer moderno – il tuo telefono, ad esempio, ne ha otto – quindi sono letteralmente decine di miliardi di operazioni al secondo su uno smartphone.
Quindi ora la domanda è: cosa hai che non possa essere fatto con una latenza di microsecondi? E la risposta breve è che quando progetti un sistema basato su un database transazionale, ottieni prestazioni assolutamente orribili. E così, i fornitori che riescono appena a mitigare tali prestazioni orribili lo definiscono real-time. È davvero una sciocchezza, intendo, davvero, davvero una sciocchezza. È solo un uso improprio dell’hardware di calcolo moderno. Potrei entrare nei dettagli, ma direi che qui abbiamo un baseline davvero sbagliato sia per l’MRP che per il real-time. Quelli sarebbero i miei commenti.
Conor Doherty: Carol, penso che potresti essere d’accordo su una parte: un baseline improprio essendo l’MRP, oppure no?
Carol Ptak: Beh, la realtà è questa: l’MRP viene utilizzato da quasi tutte le aziende in tutto il mondo. Quindi sì, sono d’accordo che sia antiquato. Concordo sul fatto che necessitasse di un salto nel futuro, ed è per questo che abbiamo sviluppato il DDMRP. È per questo che abbiamo dovuto implementare i buffer di disaccoppiamento, che ci hanno permesso poi di gestire le operazioni secondo il controllo di processo anziché quello transazionale, che è ciò che fa l’MRP. In MRP tutto è controllo transazionale. In MRP o va bene o non va bene. Non si sa mai quanto vada bene o meno.
E sai, il real-time dell’MRP è uscito per la prima volta con PeopleSoft nel 2001, e i nostri clienti lo odiavano. Voglio dire, ho il vantaggio su Joannes perché sono davvero vecchio. Quindi, quando insegnavo all’università, gli studenti mi dicevano quanto ammirassero il modo in cui conducevo la ricerca sulla storia dell’IT, e io rispondevo: sì, non era ricerca, era aneddotico, l’ho vissuto.
E noi credevamo davvero che, man mano che i computer diventavano più veloci, il problema si sarebbe risolto. Ma abbiamo scoperto che, man mano che i computer diventavano più veloci, i nostri problemi peggioravano, ed era a causa della system nervousness. Il mio primissimo meeting APICS, 46 anni fa, era incentrato proprio sulla system nervousness. Lo sapevamo allora; semplicemente non sapevamo come risolverla. E non sapevamo come risolverla finché non è arrivato il DDMRP per stabilizzare la funzione di pianificazione.
Ma l’idea alla base dell’APS – voglio dire, non esiste un’implementazione di APS che abbia avuto successo. Per riportare alla definizione di Joannes, il successo si misura: ha aumentato il ROI dell’azienda? Ed è perché si sta cercando di fare un’ottimizzazione multi-echelon basata su una funzione aziendale errata. E sono d’accordo con lui, sai, la tecnologia deve cambiare quando cambiano le regole aziendali, e le regole aziendali devono cambiare quando cambia la tecnologia. È ciò che Eli e io abbiamo scritto nel 2000 quando abbiamo scritto “Necessary but Not Sufficient.” Lo sappiamo da molto tempo.
Conor Doherty: Grazie.
Joannes Vermorel: Sì, vorrei commentare ancora sull’uso improprio dei termini. Quando dico “transactional” per un sistema di database, lo intendo in un senso molto specifico. Si riferisce al modo in cui viene usato quando si progetta un database. E quando dici “transactional”, non ha nulla a che vedere con la finanza o con qualche tipo di processo, ecc. Significa sostanzialmente la proprietà ACID: atomicità, consistenza, isolamento, durabilità. Queste sono proprietà garantite dal tuo sistema di storage.
E il DDMRP è altrettanto transactional quanto l’MRP come paradigma. E tutte le implementazioni che ho visto – i fornitori che applicano il DDMRP – lo fanno sopra database SQL proprio come tutti gli altri che utilizzavano l’MRP. Quindi, ancora, ci sono così tante cose in cui usi parole, ma non le stai usando nel modo corretto. Questo significa che se ti riferisci a “transaction” stai parlando di qualcosa che non ha nulla a che vedere con il punto, ovvero il design dei sistemi di database. Finirai per divagare usando “transaction” per qualcosa che somiglia più alla metodologia del DDMRP.
E ancora, sono concetti completamente differenti. Mi dispiace, sto solo sottolineando che abbiamo – ancora – dei fattori, ma stiamo anche costantemente cambiando la semantica di ciò che le parole realmente significano.
Carol Ptak: Beh, e penso che è qui che la conversazione che abbiamo avuto quando abbiamo organizzato questo dibattito dovrebbe arrivare alla definizione. Perché la mia visione del mondo deriva da una vita intera nella gestione della produzione e dall’essere una pianificatrice operativa, dall’essere una pianificatrice sul campo, dall’essere una supervisore, dall’essere una VP delle operazioni, lavorando nell’industria IT come esperta del settore.
Sai, mi approccio alle cose da una prospettiva pratica e reale e non da quella che una volta chiamavamo la “piccola casa bianca”, che era l’IT ai vecchi tempi con il pavimento rialzato. Ed era lì che in estate andavi fuori perché dovevano essere climatizzati. Quindi, non provengo da quelli che chiamiamo i “bit twiddlers”. Vengo dalla prospettiva reale di come si gestisce effettivamente un’operazione e si conduce una struttura produttiva come parte di una supply chain integrata.
Quindi sì, direi che probabilmente abbiamo definizioni molto diverse, ma le mie sarebbero quelle usate da chi – sai, faceva parte del nostro dibattito: affronta le sfide del mondo reale di oggi? E questo è il mondo da cui vengo.
Conor Doherty: Ok, scusa, andrò avanti un po’ perché ci sono parecchie domande da affrontare. Ma ancora, possiamo riprendere questo punto in seguito. Quindi, a Joannes, e ancora, ci hai già accennato, quindi puoi mantenerlo leggero, immagino: qual è la tecnologia minima di cui abbiamo bisogno per costruire l’ottimizzazione?
Joannes Vermorel: Suggerisco di inquadrare il problema in senso inverso: quali sono le tecnologie che ostacolano esplicitamente il raggiungimento di questo obiettivo? Vedi, perché la realtà è che data science, in generale, necessita di pochissimo. È per questo, ad esempio, che Python è così popolare.
Quindi, la mia opinione è che la maledizione di oggi è che i moderni sistemi enterprise sono come mille strati. Hai il database, hai i sistemi operativi, hai ogni sorta di cache, hai ogni tipo di strato per il recupero dei dati, ecc., strato su strato. E quindi, in sostanza, quello che fanno i moderni sistemi enterprise software è semplicemente spostare i dati da uno strato all’altro, il che comporta un’enorme quantità di risorse informatiche: memoria, CPU, banda e altro ancora.
Quindi, in definitiva, non esiste un requisito minimo, ma devi essere consapevole di tutte le cose che ostacolano il processo. E in questo stato attuale delle tecnologie software, esse sono enormi. Il mio messaggio è: non pensare alle cose di cui hai bisogno; pensa a quelle di cui non hai bisogno e liberatene. E poi, una volta tornato al nucleo, al nucleo algoritmico, va tutto bene.
Conor Doherty: Carol, so che hai detto che la supply chain non poteva essere ottimizzata, ma, sai, concedimi questo: se pensavi che potessero esserlo, quale tecnologia sarebbe necessaria?
Carol Ptak: Oh, per me la tecnologia è… Lascerò questo a Joannes. Vedi, io vivo nel mondo reale e mi occupo dei problemi concrete derivanti dall’analisi delle metodologie. Inoltre, ho sempre lavorato a stretto contatto con il settore, dato che ho lavorato per IBM per un periodo e ho avuto il grande onore di collaborare con il Watson Research Center. Sai, quei ragazzi con il dottorato sono brillanti. Io non sono uno di loro. Sono semplicemente una manager operativa molto pragmatica, che è stata fortunata ad avere una carriera di grande successo negli ultimi 45 anni.
Conor Doherty: Ok, allora continuo. Carol, ancora, sto leggendo che per il momento. Il DDMRP o, diremo anche il DDAE, sono stati implementati con successo in grandi organizzazioni della grande distribuzione con diverse centinaia di negozi? In tal caso, potresti fornire degli esempi?
Carol Ptak: Sicuro, sì. Una, la prima che mi viene in mente è Mick. La maggior parte delle operazioni retail in cui è stato implementato si trovano in Sud America. Quindi Mick ha, hanno diversi negozi retail. Sto cercando di pensare ad altri esempi. Il più grande rivenditore in Colombia ha implementato DDMRP. C’è una sfida unica nel retail perché il retail, come si dice, ha quella che viene definita una long tail. Tipicamente, circa il 10% dei loro prodotti genera il 90% dei ricavi, e il 90% dei loro prodotti genera il 10% dei ricavi.
So è un’applicazione unica, ma la maggior parte delle implementazioni retail sono in realtà in Sud America e Messico. E poi abbiamo anche un caso retail proveniente dal Sud Africa. Takealot doveva essere alla conferenza, ed è il negozio più grande del Sud Africa.
Conor Doherty: Ok, grazie. Proseguo. Non c’è molto altro da aggiungere a quella domanda, Carol. Quindi hai menzionato il concetto di flusso alcune volte. Potresti definire il concetto di flusso e spiegare cosa significa nel contesto di DDMRP, per favore?
Carol Ptak: Beh, questo è il pilastro fondamentale. Il flusso è la velocità con cui una supply chain trasforma i materiali nei prodotti richiesti da un cliente. Ed è molto specifico. Il flusso è la velocità con cui una supply chain trasforma materiali, input, in output richiesti da un cliente. È assolutamente il pilastro su cui poggia il DDMRP. Rappresenta inoltre il pilastro fondamentale alla base del Lean, della Teoria dei Vincoli e di molte altre aree di miglioramento operativo, più comuni e, direi, recenti. Quindi, questo è tutto il pilastro fondamentale. Come ho detto, se Joannes volesse scrivere un vero Post-It sul demand-driven, sarebbe tutto incentrato sul flusso. Conor Doherty: Grazie, Carol. Joannes, hai preso degli appunti. Vuoi rispondere? Beh, questa è per te. In che modo Lokad incorpora l’adattabilità a livello di sistema pur bilanciando la sensibilità della soluzione alle variazioni nella supply chain?
Joannes Vermorel: Quindi, due aspetti qui. Per quanto riguarda la sensibilità alla variazione, la domanda è: sono desiderabili o no? Esistono classi di ricette numeriche che sono estremamente, direi, propense a scatenare risultati, e questo è molto dannoso perché nella supply chain si verificano effetti a scatto. Una volta innescato un lotto di produzione, non puoi annullarlo, quindi devi convivere con la tua decisione. Quindi non vuoi davvero ricette numeriche che siano pronte a scattare e siano erratiche per loro stesse. Tra l’altro, uno degli aspetti del forecasting probabilistico è che tende a rendere le ricette numeriche molto più stabili. Gran parte dell’incertezza dei sistemi tradizionali sta nel fatto che, con una previsione classica, una piccola deviazione tende a propagarsi in una massiccia divergenza a valle. Quindi quel problema si risolve passando a forecast probabilistico e ottimizzazione stocastica. Ora abbiamo un altro aspetto nella domanda, ovvero l’adattabilità. La realtà è che, quando possiedi una ricetta numerica e accade qualcosa di catastrofico o completamente senza precedenti, non c’è sostituto per l’intelligenza umana. Il modo in cui Lokad opera è tramite Supply Chain Scientist che possono, in brevissimo tempo, riscrivere e modificare le ricette numeriche per adattarsi alla nuova situazione. Ancora una volta, non abbiamo una sfera di cristallo; non possiamo prevedere qualcosa di radicalmente senza precedenti, come l’Evergreen che blocca un canale. Ma quando ciò accade, ci sono così tanti cambiamenti che è necessaria una mente umana. Tuttavia, la mente umana non serve a riparare ogni singolo SKU uno alla volta; serve a riscrivere la ricetta numerica. Dopodiché torniamo in pista. Tutte le decisioni sono automatizzate, e ciò avviene in modo automatico e su larga scala.
Conor Doherty: Carol, vuoi aggiungere qualcosa a questo?
Carol Ptak: Non posso discutere di Lokad.
Conor Doherty: Bene, allora, questa domanda era originariamente per te, Carol, ma in realtà penso che sia più interessante porla prima a Joannes e poi confrontare le vostre risposte. Quindi, Joannes, perché sei riluttante a confrontare i case study del forecasting probabilistico con il DDMRP o quelli di Carol? Mettiamola così.
Joannes Vermorel: Perché innanzitutto non credo affatto ai case study nel software aziendale o nelle pratiche aziendali. Il settore è stato afflitto da problemi sin dagli anni ‘50. Il problema, ancora una volta, è il massiccio conflitto di interessi. Basti pensare in questo modo: il fornitore non pubblicherà il case study a meno che non significhi metterlo su un piedistallo.
E poi i clienti, i manager che rischiano la loro reputazione quando avviano un’iniziativa, hanno un enorme incentivo a far credere al mondo intero che tale iniziativa sia andata alla grande. La mia osservazione informale è che il 90% delle iniziative nella supply chain fallisce in tutte le aziende, in tutti i paesi, in tutti i settori. Il 90%, è lo stesso tasso base.
E quanti case study posso citare nella mia carriera che mostrino risultati disastrosi? Nessuno, neppure uno. L’unico case study negativo che ho trovato è stato realizzato da, direi, giornalisti brillanti. Per esempio, incoraggio questo pubblico a leggere “The Last Days of Target Canada.” È una fantastica sintesi di tutto ciò che è andato storto, ma è estremamente raro.
Leo ha perso mezzo miliardo di euro solo pochi anni fa in un’iniziativa di ottimizzazione dell’inventario SAP. Nessun case study. Quindi, vedi il mio punto. Il conflitto di interessi è così massiccio che non si tratta di confrontare il mio case study con il tuo. Questa cosa deve scomparire. È una metodologia che deve essere respinta in toto, punto.
Conor Doherty: Giusto. Bene, Carol, la domanda era originariamente per te. Quindi perché pensi che Joannes sia riluttante a confrontare i case study con i tuoi?
Carol Ptak: Beh, è una domanda molto buona, e solo lui può risponderci. So che è molto riluttante riguardo ai case study. Voglio dire, dal punto di vista dell’osservatore del mondo reale, la domanda ovviamente sarebbe: “Ne avete qualcuno?” E incoraggio le persone a parlare con questi professionisti, non solo con quanto pubblicato, ma ad andare effettivamente a parlare con loro per ottenere i dettagli.
Perché li incoraggiamo a dire: “Se dovessimo rifarlo, cosa faremmo diversamente? Dove abbiamo fallito? Cosa non ha funzionato? Cosa pensavamo avrebbe funzionato?” Incoraggiamo quel tipo di trasparenza nei nostri case study. Come ho già detto, non permettiamo alle aziende software né alle società di consulenza di realizzare case study. Sono le persone.
Questo è il motivo per cui organizziamo il Demand Driven World, per permettere a questi professionisti di dialogare tra loro e confrontarsi su ciò che ha funzionato, ciò che non ha davvero funzionato, cosa hanno imparato, e come possiamo imparare gli uni dagli altri. Non solo i successi, che sono importanti, ma anche come imparare dai fallimenti. Cosa non è andato bene?
E penso che ciò sia assolutamente altrettanto cruciale. Se possiamo condividere i fallimenti affinché qualcun altro non debba inciampare sullo stesso ostacolo, allora è una cosa positiva. Ecco perché organizziamo il Demand Driven World. La maggior parte delle nostre implementazioni è in Europa, per questo verremo in Europa la prossima settimana.
Ma riteniamo che i case study siano assolutamente fondamentali, perché è la prima cosa che ci viene chiesta. Capite, al Demand Driven Institute non siamo una società di consulenza. Non siamo una società software. Non lo siamo mai stati, né come società software né come società di consulenza. Siamo semplicemente thought leader nell’ambito della supply chain. Quindi siamo molto indipendenti da tutte le aziende software.
Ma col crescere dell’adozione del demand-driven, il concetto ha subito una svolta subito dopo la pandemia. Direi che è passato da “Hai provato il demand-driven?” a “Perché non hai ancora provato il demand-driven?” E ciò è dovuto ai risultati che le aziende hanno osservato durante la pandemia, quando le implementazioni erano già operative.
Conor Doherty: Ok, bene, proseguo, ma tornerò da te, Carol. Innanzitutto, è in realtà una domanda per entrambi, ma comincerò con te, Carol, dato che stavi già parlando. In un mondo altamente VUCA con domanda sparsa ed erratica, come prendi decisioni senza aumentare in modo significativo i livelli di stock? E sotto-domanda: come gestisci l’incertezza su incertezza in situazioni così impegnative?
Carol Ptak: Beh, ed è proprio qui che bisogna comprendere davvero il business. Quella domanda non fornisce informazioni sufficienti. Che cosa si intende per incertezza su incertezza? Quanto di quell’incertezza è auto-generata? Quanto invece è dovuta alla tua strategia di pricing? Ci sono molti strati da sbucciare per arrivare alla causa radice.
Ero appena a una conferenza in Wisconsin, dove una società software si è avvicinata e mi ha chiesto: “Come proporresti di gestire l’allocazione in caso di scarsa offerta?” Ho chiesto: “Il vostro cliente ha un eccesso di inventario?” “Oh sì, hanno troppo del prodotto sbagliato, troppo poco del prodotto giusto.” Ho detto: “Bene, risolvete quel problema.” A volte, quello che osserviamo è che questa variabilità su incertezza è auto-indotta.
Se voglio essere un fornitore a risposta rapida, con alta variabilità e basso volume, non puoi farlo importando dalla Cina. È una strategia diversa. La tua strategia deve essere in linea con la tua capacità operativa, e la tua capacità operativa ti permette di avere diversi vantaggi strategici. Questi elementi devono combaciare. È per questo che DDAE esamina separatamente strategia, tattica e operazioni.
Conor Doherty: Grazie. Joannes, la stessa domanda.
Joannes Vermorel: Quindi, è una domanda molto interessante. Iniziamo con i comportamenti sparsi e intermittenti. Sì, in situazioni sparse ed erratiche è dove l’approccio probabilistico risplende davvero. Quando si ha a che fare con qualcosa di sparso, bisogna avere uno strumento matematico che permetta di gestire modelli subunitari.
Se ti limiti a chiedere, “Quante unità venderò in una settimana?” potresti dire, “C’è il 50% di probabilità che venga venduta solo un’unità.” Nel mondo classico diresti 0,5, ma non ha senso perché non puoi dividere un’unità; è confezionata. La prospettiva classica fatica nelle previsioni subunitarie, portando a risultati assurdi con numeri frazionari che non sono reali. Esistono in matematica, ma non nella supply chain, dove conta solo zero o uno.
Con le probabilità, ottieni una soluzione elegante che funziona davvero, in cui puoi avere una probabilità per zero, una per uno, una per due unità, e magari una probabilità per 50 unità, che rappresenta il picco erratico. Quindi, in situazioni di sporadicità e intermittenza, è lì che l’approccio brilla veramente.
Ora, quando accumuli incertezza su incertezza, questa è una domanda molto interessante. Come si fa in un mondo deterministico quando aggiungi un ritardo sopra un altro? La risposta: si effettua una somma, un’addizione che sembra una cosa del tutto normale. Quindi, puoi sommare, sottrarre, moltiplicare. Beh, si scopre che quando hai incertezza, se possiedi qualcosa come un’algebra di variabili casuali, puoi combinare tutte quelle incertezze, ottenendo una sorta di algebra delle variabili casuali. Sarai in grado di calcolare in modo efficace le incertezze risultanti che si accumulano. Quindi, non sto descrivendo esattamente la soluzione; sto solo descrivendo gli strumenti che ti permettono di arrivarci.
Prima di tutto, devi avere, direi, strumenti statistici che gestiscono la scarsità e l’erraticità. Quindi, non si tratterà del solito tipo di forecast. Non si tratterà dei buffer, quei glorificati moving average presentati in DDMRP. E in secondo luogo, quando affronti incertezze aggregate, hai bisogno di strumenti che ti permettano di farlo. Le persone lo fanno da mezzo secolo in ambito finanziario. Questo non è magia. Lokad non l’ha inventato. È solo uno strumento leggermente insolito, ma molto semplice. Proprio come sommare, sottrarre e moltiplicare numeri ti sembra naturale, imparerai a farlo anche con l’incertezza inclusa.
Conor Doherty: Ok, bene, grazie. Proseguo. Questa è una domanda piuttosto lunga. Cercherò di riassumerla in tempo reale. Voglio dire, questa sarà per te, Joannes, perché in parte hai già risposto. Ci sono diversi aspetti in gioco, ma leggerò come base.
A Joannes: qual è la tua principale critica al modello DDMRP e quali aspetti specifici di esso stai mettendo in discussione? Penso che tu abbia già risposto, ma non ho sentito un argomento solido contro il DDMRP oltre al fatto che sia troppo semplice. Se un modello semplice può dare risultati, perché abbiamo bisogno di modelli di dinamica di sistema più complessi e sofisticati?
Joannes Vermorel: La mia principale critica è che c’è estremamente poco, sai, ed è per questo che indicavo delle pagine. Perché quando metti insieme i pezzi, ti rendi conto che è per lo più una grande quantità di nulla. E l’idea che da tanta nullità combinata si possa ottenere, voilà, un’assemblata grandiosa, mi sembra completamente assurda. Quindi, la mia critica principale è che è molto, molto debole, sia riga per riga che nel complesso.
E poi torni indietro a chiederti perché funzioni così bene? La domanda, se supponi già che tutti i case study siano veri—scusa, non posso fare nulla per te. Se assumi, come il case study, che applicando il DDMRP al retail si possa ottenere un incremento affidabile del 60% del fatturato abbattendo allo stesso tempo lo stock della metà, e dando l’impressione che il negozio sia ancora più pieno, se ritieni che questo sia il tipo di risultato ottenibile, sai, perché è così presentato—scusa, ancora, ho un ponte a Brooklyn da venderti. Questo è tutto.
Conor Doherty: Bene, Carol, ancora una volta vorrei riprendere il discorso, e si basa su ciò. Quindi, ancora, questa è una domanda ascoltando Joannes e considerando l’intera conversazione. All’inizio hai commentato: “Sono rimasta sorpresa che Joannes volesse parlare dei libri.” E, ancora, non parlerò per Joannes, ma certamente per me, se dici: “Ehi, vuoi imparare qualcosa? Ecco diversi libri che spiegano, come dei manuali, come decolla un aereo?” Leggi su aviazione o aeronautica, impari il principio di Bernoulli. È scritto in un libro. Quindi, non imparo che gli aerei volano; leggo quel libro per capire come volano.
Conor Doherty: Bene, Carol, ancora una volta vorrei riprendere il discorso, e si basa su ciò. Quindi, ancora, questa è una domanda ascoltando Joannes e considerando l’intera conversazione. All’inizio hai commentato: “Sono rimasta sorpresa che Joannes volesse parlare dei libri.” E, ancora, non parlerò per Joannes, ma certamente per me, se dici: “Ehi, vuoi imparare qualcosa? Ecco diversi libri che spiegano, come dei manuali, come decolla un aereo?” Leggi su aviazione o aeronautica, impari il principio di Bernoulli. È scritto in un libro. Quindi, non imparo che gli aerei volano; leggo quel libro per capire come volano.
Quindi, quando parli di case study, e per fare un esempio dirò semplicemente che funziona, va bene, ma penso che per Joannes e forse anche per le persone che ascoltano, il problema è che se voglio imparare come funziona, stai dicendo che non è nei libri.
Carol Ptak: Oh no, è chiaramente nei libri. Joannes dice che non è nei libri. È nei libri. Abbiamo scritto quei tre libri per tre mercati molto separati e differenti. Il libro “Demand Driven Adaptive Enterprise” è stato scritto per un dirigente per capire come sia messo insieme tutto. Il libro “Adaptive S&OP” è stato scritto per il team S&OP su come collegare ora un processo S&OP strategico che produca un piano aziendale adattivo che possa essere tradotto in un modello operativo demand driven. E il libro “DDMRP” spiega in maniera molto specifica come funziona il motore DDMRP.
Ora, adoro la critica che dice che è troppo semplice. Penso che sia il miglior complimento che potessi ricevere. Perché? Perché è molto facile rendere le cose complesse. È molto difficile renderle semplici. E abbiamo lavorato davvero, davvero sodo per rendere il concetto semplice da comprendere e facile da implementare.
Quindi, tutta la conversazione di oggi riguarda: il modello DDAE risolve il problema nella supply chain del mondo reale oggi? Beh, questo è il mondo reale. Dobbiamo avere qualcosa che sia comprensibile, facile da implementare e che generi risultati significativi. Sai, quando analizzi gli strumenti del pensiero critico, cerchi sempre quell’idea rivoluzionaria che risolve molti problemi in maniera molto profonda. Ed è questo che fa il demand-driven.
Voglio dire, adoro Eli Goldratt. Voglio dire, sapeva sempre esprimersi così bene. Sai, diceva: “Se devi usare la matematica per spiegarti, allora non sai di cosa stai parlando.” Adoro Goldratt. Voglio dire, ha ideato concetti grandiosi, e se la peggiore critica di Joannes è che non gli piace quello che abbiamo chiamato un’equazione, va bene, il resto del mondo le chiama equazioni. E ci sono alcuni requisiti di formattazione richiesti da una casa editrice, e non so quanti libri abbia pubblicato Joannes, ma ci sono determinati requisiti nella formattazione quando pubblichi un libro, in cui devi etichettare cose come grafici e figure, d’accordo? Ed è un requisito.
Quindi, ti confronti con le case editrici, e saremmo felici di eliminare tutto ciò, ma è un requisito. Quindi, non so quanti libri tu abbia pubblicato, ma scoprirai che questo è un requisito quando pubblichi con alcuni degli editori di prima fascia, come se tutte quelle cose dovessero essere etichettate. Quindi, definire quello che facciamo come semplice è il miglior complimento che posso immaginare, perché lavoriamo davvero, davvero sodo per renderlo semplice da comprendere, facile da implementare, ma in grado di produrre risultati profondi.
Conor Doherty: Ok, grazie, Carol. Passo la parola a Joannes.
Joannes Vermorel: Sì, penso che sia una rappresentazione errata della mia critica. Non ho detto che quei libri sono semplici. Al contrario, ho rappresentato in modo esteso che sono molto contorti nel presentare cose che, in definitiva, sono molto semplici. È quello che intendo quando dico che spendi letteralmente mezza dozzina di pagine in inglese per dire “Aggiungi questo, sottrai quello, moltiplica per quello.” È semplicemente incredibilmente difficile seguire ciò che sarebbe potuto essere rappresentato, di nuovo, con formule elementari da scuola primaria, super basilari.
E al contrario, vedi, questo è il punto di questo libro. Non sto criticando il fatto che siano troppo semplici. Non è questo il punto. Il mio punto è che sono estremamente deboli. È una critica molto diversa. La debolezza non è la semplicità. Puoi avere cose estremamente semplici e belle. Le equazioni di Maxwell, sai, estremamente semplici, belle. Sì, il formalismo è piuttosto elaborato, ma questo non è il tipo di problema di semplicità di cui sto parlando.
Il mio punto è che quei libri avrebbero potuto essere drasticamente semplificati, davvero drasticamente, semplicemente attenendosi alle norme consolidate: quando hai cose da aggiungere, sottrarre, eccetera, usi una formula semplice, senza dilungarti letteralmente per mezza dozzina di pagine con spiegazioni estremamente complicate e contorte per spiegare ciò che è semplice. E il mio punto, la critica, è che facendo così, gonfi il numero di pagine, gonfi la massa di parole per, alla fine, consegnare molto, molto poco su, ancora, 900 pagine.
Conor Doherty: Va bene, andrò avanti. A questo punto, siamo a 80 minuti, quindi inizierò a tagliare le domande che sono già state risposte. Quindi, di nuovo, non chiederò a Joannes degli case study DDMRP ancora una volta. Abbiamo già percorso bene quel terreno. Sì, quindi questa, inizierò io con Carol.
Puoi definire congiuntamente l’ambito, le situazioni o le condizioni in cui è necessario qualcosa di più sofisticato rispetto a DDMRP? Per esempio, nei processi di smontaggio, il DDMRP sembra risultare insufficiente. Come affronteresti tali scenari?
Carol Ptak: In realtà, nello smontaggio, ha funzionato molto bene. Uno dei primi case study è stato quello di una società chiamata Erickson Air-Crane. Scusa, Joannes, per tornare a un case study, ma l’Erickson Air-Crane possiede effettivamente il certificato di volo per l’elicottero Sikorsky. Quindi hanno un processo completo di smontaggio. Funziona davvero, davvero bene, e funziona così bene lì a causa dell’elevato livello di variabilità.
Quando un aeromobile arriva, atterra così come è stato mantenuto. Ora devi capire come era stato costruito, come era stato progettato, e poi devi cercare di riconvertire tutto. E poi hai un problema con il certificato di volo FAA che dice che una parte è stata retrofittata ed è valida fino al 31 ottobre 2024, mentre un’altra parte è stata retrofittata ed è valida fino al 1 giugno 2025. Il telaio è certificato solo fino al 31 ottobre 2024 perché tutte le parti devono essere compatibili. Quindi, quando ti trovi davanti a un tale alto livello di variabilità, funziona davvero abbastanza bene.
Quello che dico alle persone, a cui mi viene sempre chiesto “In quale settore non si adatta?” è che l’industria in cui il demand driven non si adatta è se operi in un settore altamente affidabile in cui il tempo di tolleranza del cliente è inferiore al tempo di consegna cumulativo e non si riscontra alcuna variabilità nelle operazioni, allora non funzionerà.
Implicitamente, no, non ho trovato quel caso nel mondo, ma ehi, teoricamente, potresti spingerlo a quel punto. Più c’è variabilità, volatilità, incertezza, complessità e ambiguità, meglio funziona, perché è stato progettato per questo. Il Demand Driven Adaptive Enterprise è stato progettato per il mondo VUCA di oggi, e funziona nel mondo VUCA di oggi.
Conor Doherty: Ti lascio rispondere.
Joannes Vermorel: Sì, prenderei questo esempio ancora una volta per il pubblico. Ok, parliamo di aviazione. Quindi, abbiamo parti che hanno ore di volo e cicli di volo. Sto rendendo il tutto molto semplice per il pubblico. Questo significa che quando guardi il tuo inventario, non puoi limitarti a dire “Ho una unità, due unità, tre unità, cinque unità.” Non ha realmente senso, perché ogni unità che possiedi ha una certa quantità di ore di volo e, a proposito, cicli di volo.
Quindi puoi ritrovarti con migliaia di ore di volo in una sola parte o magari solo 100 ore di volo ma avere due parti, per qualche ragione. In definitiva, ciò che non puoi più avere è una rappresentazione unidimensionale del tuo SKU. Non puoi dire, “Ho una, due, tre, quattro, cinque unità extra.” Hai bisogno di una rappresentazione multidimensionale dello SKU.
E ancora, se torno al DDMRP e a tutto ciò che è nei libri, quei punti non vengono mai affrontati, nemmeno con qualcosa che potrebbe trattare questi aspetti critici. Non vengono trattati. Garantisco a questo pubblico che non troverete nulla che vi permetta di gestire problemi di SKU multidimensionali. Eppure è letteralmente il tipo di non linearità e complessità che i libri si erano prefissati come obiettivi sin dall’inizio.
Carol Ptak: Sono d’accordo con Joannes, assolutamente. Sì, non trattiamo parti multidimensionali. Ciò significa che non sappiamo come farlo o non sappiamo come implementarlo? Assolutamente no. Il mio background è nel settore aerospace. Ho lavorato molto con i depositi di aviazione NAA a Cherry Point, Jacksonville e in California, oltre che con le compagnie di elicotteri. Voglio dire, quella è stata la mia carriera. Se fai una ricerca, ho trascorso 20 anni nel settore aerospace.
Quindi capisco le parti multidimensionali perché hai diversi numeri SKU con differenti codici di condizione e diverse ore di volo. E Joannes, hai assolutamente ragione. Non trattiamo parti multidimensionali in nessuno di quei libri. Ora, voglio dire, se vuoi leggere un libro ERP, il mio libro ERP è la prima volta che il remanufacturing appare in un libro. Ma è un ambiente così specializzato che se inserissimo tutto su ogni singolo ambiente esistente, quei libri sarebbero di 3.000 pagine.
Questi sono i fondamenti, i mattoni fondamentali per ogni demand-driven adaptive enterprise. Ci sono diverse dimensioni che si aggiungono, come abbiamo già discusso: retail, aerospace, remanufacturing, project management. Che dire di un’azienda che non utilizza mai lo stesso materiale due volte? Implementazioni demand-driven di enorme successo. Quindi, quei libri rappresentano i mattoni fondamentali.
È come hai detto prima: se leggo sull’aviazione, sì, leggerò i libri e capirò il principio di Bernoulli e tutto il resto, ma ciò non ti renderà pilota di un 747.
Conor Doherty: Mi renderebbe ingegnere solo per completare quella similitudine. Ma Joannes, la tua…
Joannes Vermorel: No, penso che ancora una volta ci troviamo davanti al pubblico con un argomento di autorità, quello che ho menzionato inizialmente, cioè “Fidati di me.” Comunque, suggerisco di andare avanti senza tornare sugli stessi argomenti.
Conor Doherty: Bene, ok. Bene, questa domanda è per Joannes. Quindi, APICS e ASCM enfatizzano anche l’importanza del confine push-pull. Nella tua soluzione, in quale punto della rete della supply chain passi da un approccio push a uno pull?
Joannes Vermorel: Innanzitutto, la distinzione tra push e pull parte da una base errata. Torniamo a quella mentalità degli anni ‘70 in cui si presumeva che le diverse parti dell’organizzazione non potessero comunicare tra loro. Quindi, in effetti, devi avere una parte che decide quando spingere o tirare. Ma, ancora una volta, questo è un po’ insensato in quest’era di internet. Perché? Molto semplicemente, puoi aggiungere un’intelligenza sopra, artificiale o meno, non importa, purché ci sia una rete.
L’unico scopo è innescare decisioni. Se decidi di spostare 10 unità dal punto A al punto B, intendo, è solo una questione di prospettiva: se è il punto A a richiedere le unità, stai tirando; se è il punto B a decidere, stai spingendo. Di nuovo, questa non è una distinzione valida in quest’era di internet. Quindi, la mia opinione sarebbe: per favore, non mantenete concetti che sono stati resi obsoleti 25 anni fa, praticamente dall’idea che, avendo una rete internet, l’informazione può fluire liberamente attraverso la vostra supply chain.
Da Lokad non ci occupiamo veramente di questo perché è un problema obsoleto, e esiste solo nelle aziende che insistono nell’utilizzare, direi, metodologie e prospettive obsolete.
Conor Doherty: Va bene, mancano altre due domande e poi passeremo alla prossima sezione, perché ormai è passato un po’ di tempo. Ma Joannes, comincia tu. Quanto sono efficaci i calcoli tradizionali dello safety stock per un’azienda che gestisce sia un alto volume che un’elevata variabilità nelle sue operazioni?
Joannes Vermorel: Lo safety stock è rotto per design su così tanti fronti. Sarò breve, ma il punto è: perché è completamente rotto? Ogni volta che investi 1$ nella tua supply chain, quel 1$ compete per tutti, diciamo, gli investimenti in inventario. Compete con tutti gli SKU. Tutti gli SKU competono per quel 1$. Il tuo modello di safety stock presuppone che tu possa gestire un SKU in completa isolamento, ignorando tutto ciò che avviene negli altri SKU. Questo è letteralmente il modello di safety stock.
Quindi, solo su questo presupposto, lo safety stock è completamente rotto. E poi c’è un secondo problema, che riguarda un dettaglio di implementazione, ma in pratica è davvero un killer: l’assunzione della distribuzione normale che viene fatta in aggiunta. Quindi, lo safety stock implica invariabilmente, sia nei testi che nell’implementazione software, l’utilizzo di distribuzioni normali per la domanda e per i tempi di consegna. E questo è assurdo.
Il grande problema è, ancora una volta, che tutti gli SKU competono per lo stesso investimento. Quindi, ogni logica indipendente dallo SKU è rotta per design. E poi c’è un secondo problema, ovvero la matematica che viene usata, che è davvero inadeguata.
Conor Doherty: Grazie. Carol, cosa ne pensi?
Carol Ptak: Sono entusiasta, ho trovato un altro punto di accordo con Joannes. Lo safety stock è fondamentalmente rotto, assolutamente. Va bene, è una delle due cose che eliminiamo nella metodologia demand-driven. E la ragione è che gli safety stock, così come vengono calcolati tramite qualsiasi software di ottimizzazione MEIO, presuppongono che per avere un servizio al cliente migliore bisogna avere più inventario e che sia possibile calcolare la quantità di safety stock necessaria, come ha detto Joannes, in isolamento, SKU per SKU, osservando la variazione e il punteggio z per il livello di servizio desiderato dal cliente.
È ridicolo. È assolutamente ridicolo, e lo definiamo una verità profonda. Una verità profonda può essere esposta solo da una verità ancora più profonda, che, ancora una volta, torna a quel post-it che vorrei poter mettere nell’ufficio di Joannes: “Tutto ruota intorno al flusso.” Quando abbiamo un flusso migliore, otteniamo un servizio al cliente migliore con meno inventario allo stesso tempo. Non è un compromesso, sai.
I sistemi MEIO che cercano di ottimizzare la quantità di inventario in rapporto al servizio al cliente sono assolutamente, fondamentalmente, rotti, e l’approccio demand-driven non utilizza safety stock. Quindi, sono d’accordo con Joannes, assolutamente corretto.
Conor Doherty: Va bene, e ancora, facciamo un’ultima domanda. C’erano altre domande, ma voglio passare alla sezione successiva. Qualunque cosa non sia stata risposta, la affronteremo su LinkedIn. Ma questa è in realtà una domanda che è arrivata, Carol, da qualcuno che è un tuo fan, in effetti. Non dirò il nome, ma da qualcuno che è un tuo fan. Quindi, questa domanda arriva davvero in buona fede e con spirito positivo.
Quindi, Carol, a te: se la critica di Joannes è completamente errata, se lui è semplicemente fuori bersaglio, allora perché, secondo te, pensi che l’approccio basato sulla domanda non sia più diffuso o popolare?
Carol Ptak: Beh, è interessante. Sai, io non… la sua critica… va bene, lascia che faccia un passo indietro. La mia delusione è stata pensare che il nostro dibattito di oggi riguardasse la metodologia, non i numeri di pagina e l’etichettatura di elementi, grafici e figure, che ci impongono i nostri editori. Quindi sono rimasta delusa dalla profondità della nostra discussione oggi.
Penso che le domande che ci siamo scambiati alla fine siano state la parte migliore, piuttosto che Joannes che leggeva i suoi appunti pre-preparati mentre arrivava. Cercavo una discussione più dinamica. Perché l’approccio basato sulla domanda non è più diffuso? In realtà è molto conosciuto in certi paesi, e dipende dalla squadra presente nel paese. In Francia è molto, molto noto, ed è per questo che abbiamo avuto un bersaglio addosso con Joannes per molti, molti anni. Lui ha criticato l’approccio basato sulla domanda per molti anni a causa della sua visibilità in Francia. Il nostro paese numero uno è la Francia. Il numero due è la Colombia. Il numero tre è il Messico. Abbiamo appena fatto un’espansione in Giappone. Gli Stati Uniti stanno crescendo da matti. Quindi stiamo vedendo alcune aziende di prodotti di consumo molto grandi, come Fortune Brands, che lo stanno implementando. Abbiamo anche alcuni marchi meno noti come Toyota e Caterpillar che lo stanno implementando. Quindi metterei in discussione il fatto che non sia più conosciuto. Sono state tipicamente ad abbracciare l’idea aziende molto, molto grandi. Abbiamo avuto anche alcune piccole imprese familiari, perché comprendono l’impatto e l’importanza del flusso di cassa. La cosa più entusiasmante è che ci siamo espansi in Cina durante la pandemia, e ora ci stiamo espandendo in Giappone. Il team in Giappone dice: “Sai, ci rendiamo conto che l’approccio basato sulla domanda è ciò che ci mancava perché l’approccio Kaizen è limitato, e abbiamo bisogno di un’idea rivoluzionaria.” Credono proprio che l’approccio basato sulla domanda sia quella. Quindi, il fatto che il nostro dizionario basato sulla domanda sia in 12 lingue, e l’esame in nove lingue, mi porta a mettere in discussione il fatto che non sia più conosciuto. Noi della community tendiamo a contare quante aziende non lo utilizzano, piuttosto che concentrarci sulla dimensione e sulla diffusione delle aziende che lo adottano. Per quanto riguarda il punto di Joannes, molte aziende, una volta implementato, non si sente parlare del loro caso studio perché lo considerano un vantaggio competitivo, e questo è sfortunato. Conor Doherty: Bene, Joannes, modificherò leggermente la domanda perché ovviamente le ragioni per cui pensi che non funzioni non si allineeranno necessariamente con quelle di chi non possiede, ancora una volta, il tuo livello di formazione accademica. Quindi, perché pensi che, per altri professionisti, non sia più diffuso, più adottato? Joannes Vermorel: Voglio dire, in termini di fatto, direi davvero, davvero in termini fattuali, perché la mia opinione è che sia estremamente ambigua. Ci sono alcuni metodi, se devo confrontarli con altre teorie supply chain — non le mie, ovviamente, mettiamo da parte le mie cose — diciamo, se mi riferisco alle teorie rivali, per esempio il flowcasting. Non credo neanche nel flowcasting, ma loro sono estremamente specifici nella loro teoria, estremamente, estremamente specifici. Quindi, se voglio implementare un software di flowcasting, posso prendere il libro sul flowcasting — si chiama flowcasting — e letteralmente mi danno tutto ciò di cui ho bisogno. È con quasi zero ambiguità su cosa devo fare per implementarlo. Non sto dicendo che il flowcasting sia buono; in realtà, penso sia piuttosto terribile. Ma a credito degli autori, la teoria che presentano non è ambigua né vaga. Qui, DDMRP, direi che la critica principale è che è estremamente vaga, estremamente debole, ed è molto difficile inquadrare qualcosa. Se dovessi togliermi il cappello di editore di software e dire “voglio implementarlo”, è così incredibilmente vago che non saprei nemmeno da dove cominciare. Mi dispiace, e so che è una questione soggettiva, quindi posso solo dire al pubblico: prendi uno di quei libri, leggi 10 pagine a caso, e chiediti: “Posso prendere quanto detto e, in maniera inequivoca, fare qualcosa per la mia azienda?” In maniera inequivoca. Fatti la tua domanda, e la risposta che otterrai dovrebbe essere il vero giudice sul fatto che ciò che sto dicendo sia corretto o semplicemente assurdo. Carol Ptak: Beh, metterei in discussione il fatto che qualsiasi libro tu prenda e legga per 10 pagine, non otterrai il quadro completo. Il modo in cui sono scritti tutti i nostri libri è: prima descriviamo il problema, poi indichiamo la direzione della soluzione, poi spieghiamo come la soluzione risolve il problema, e infine affrontiamo quello che chiamiamo gli impedimenti, i “sì-ma”, e poi descriviamo un percorso sicuro per andare avanti. Quindi, prendendo 10 pagine a caso, non credo che nessun libro ti porterà dove vuoi arrivare. Ma dovrei riassumere la discussione di oggi così: si tratta tutto di flusso, e “approssimativamente giusto” è meglio di “esattamente sbagliato”. Conor Doherty: Beh, a questo punto non ho altre domande, ma apro il dibattito. Joannes, c’è qualcosa che desideri rivolgere direttamente a Carol senza la mia supervisione? Joannes Vermorel: No, vorrei ringraziare Carol per aver svolto questo esercizio. Lo apprezzo davvero. È stato un vero dibattito. Voglio dire, lo scopo non era riconciliare le mie opinioni. Non ti convincerò, e probabilmente tu non convincerai me, ma apprezzo davvero che tu abbia dedicato il tempo e lo sforzo per questa discussione. Per me significa molto, e il mio obiettivo d’ora in poi sarebbe avere altri dibattiti simili. Ovviamente, esistono altre teorie, quindi questo è un traguardo che mi sono prefissato per questo canale. Io sono molto contento che, ancora una volta, Carol abbia dedicato un solido, diciamo, 90 minuti del suo tempo. Insomma, lo apprezzo davvero, e vorrei ringraziarti, Carol, per questo. Carol Ptak: Beh, di nulla, e apprezzo l’invito. Speravo che saremmo riusciti a fare il dibattito faccia a faccia, ma poi è arrivata la pandemia, e così è stato posticipato. Quindi sono contenta che questa opportunità si sia riproposta perché, se ricordi, ti avevo promesso che in qualsiasi momento, in qualsiasi luogo, sarei stata felice di fare quel dibattito, perché penso sia molto importante portare informazioni complete sul mercato e dibattere quei punti. Penso che, come in un dibattito, ognuno possa decidere esattamente quale strada percorrere, e va benissimo così. Come ho già detto, se dovessi riassumere, l’approccio basato sulla domanda riguarda tutto il flusso. Approssimativamente giusto è meglio di esattamente sbagliato. Conor Doherty: Bene, Carol, so che ho sentito da qualche parte che la Francia è il paese numero uno per l’implementazione di DDMRP. Quindi la prossima volta che ti trovi in Francia, se sei a Parigi, so che saremmo entrambi molto felici di ospitarti, anche solo per cena. Carol Ptak: È il mio preferito. I miei ragazzi a Tolosa sanno che, quando arrivo, deve esserci foie gras e deve esserci petto d’anatra. Prendo la mia anatra, prendo il mio foie gras, e sono un felice camper. Conor Doherty: Bene, a questo punto, concluderò. Onestamente, è stato davvero piacevole ascoltarti andare avanti e indietro; lo dico veramente. Questo è in fase di realizzazione da diversi anni, penso sia giusto dirlo. Quindi, se non è stato edificante, spero almeno che sia stato divertente per tutti. Di nuovo, grazie mille a entrambi. Carol Ptak: Conor, penso che tu abbia fatto un lavoro assolutamente fantastico, e lo apprezzo. Come ho detto, Joannes e io ne parliamo da diversi anni, quindi sono contenta che finalmente ci siamo riusciti. Conor Doherty: A questo punto, concludo. Joannes, ti ringrazio moltissimo per il tuo tempo. Carol, sei stata un grande sostegno. Grazie infinite per il tuo, e grazie a tutti per averci seguito. Ci vediamo la prossima volta. Carol Ptak: Conor, penso che tu abbia fatto un lavoro assolutamente fantastico, e lo apprezzo. Come ho detto, Joannes e io ne parliamo da diversi anni, quindi sono contenta che finalmente ci siamo riusciti.
Conor Doherty: Su questo, concludo. Joannes, ti ringrazio moltissimo per il tuo tempo. Carol, sei stata un grande sostegno. Grazie infinite per il tuo, e grazie a tutti per aver guardato. Ci vediamo la prossima volta.
Carol Ptak: Conor, penso che tu abbia fatto un lavoro straordinario, e lo apprezzo davvero. Come ho detto, Joannes e io parliamo di questo da diversi anni, quindi sono contenta che finalmente siamo riusciti a farlo accadere.
Conor Doherty: Su questo, concludo. Joannes, grazie mille per il tuo tempo. Carol, sei stata un grande supporto. Grazie infinite per il tuo, e grazie a tutti per aver seguito. Alla prossima!
Carol Ptak: Conor, so che ho sentito dire da qualche parte che la Francia è il paese numero uno per l’implementazione di DDMRP. Quindi la prossima volta che ti trovi in Francia, se sei a Parigi, so che saremmo entrambi molto felici di ospitarti, neanche solo per cena.
Conor Doherty: Beh, Carol, so che ho sentito dire che in Francia l’implementazione di DDMRP è la più diffusa. Quindi la prossima volta che ti trovi lì, se ti capita di essere a Parigi, so che saremmo entrambi molto felici di ospitarti, anche solo per cena.
Carol Ptak: È il mio preferito. I miei ragazzi a Tolosa sanno che, quando arrivo, deve esserci foie gras e deve esserci petto d’anatra. Prendo la mia anatra, prendo il mio foie gras, e sono un felice camper.
Conor Doherty: Bene, a questo punto, concludo. Onestamente, è stato davvero piacevole ascoltarti discutere; lo dico davvero. Questo ci ha messo anni, penso sia sicuro affermarlo. Quindi, se non è stato edificante, spero almeno che sia stato divertente per tutti. Di nuovo, grazie mille a entrambi.
Carol Ptak: Conor, penso che tu abbia fatto un lavoro assolutamente fantastico, e lo apprezzo. Come ho detto, Joannes e io parliamo di questo da diversi anni, quindi sono contenta che finalmente siamo riusciti a farlo accadere.
Conor Doherty: Su questo, concludo. Joannes, ti ringrazio moltissimo per il tuo tempo. Carol, sei stata un grande supporto. Grazie infinite per il tuo, e grazie a tutti per aver guardato. Ci vediamo alla prossima.