Supply Chain Debate sul modello di impresa adattiva orientata alla domanda (con Carol Ptak) - Ep 165

00:00:00 Introduzione di Conor Doherty
00:00:35 Spiegazione del formato del dibattito
00:02:59 Osservazioni introduttive di Joannes Vermorel
00:09:52 Osservazioni introduttive di Carol Ptak
00:17:07 Replica di Joannes Vermorel
00:22:13 Replica di Carol Ptak
00:27:17 Osservazioni conclusive di Joannes Vermorel
00:29:19 Osservazioni conclusive di Carol Ptak
00:31:24 Domande dal pubblico
00:32:10 Sfide della presa di decisioni
00:34:56 Pensieri sulla teoria dietro DDMRP
00:37:51 Approccio orientato alla domanda 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 di vendita al dettaglio
01:00:02 Significato del flusso in DDMRP
01:01:09 Adattabilità a livello di sistema
01:03:35 È possibile confrontare i casi di studio
01:07:46 Gestione dell’incertezza su un’incertezza
01:12:26 Principale critica al modello DDMRP
01:19:19 Quando DDMRP non è sufficiente
01:24:47 Prospettiva sulla spinta vs. trazione
01:26:46 Stock di sicurezza e alta variabilità
01:29:46 Perché l’approccio orientato alla domanda non è più diffuso
01:35:01 Fine del dibattito

Trascrizione completa

Conor Doherty: Benvenuti a un episodio molto speciale di LokadTV. Oggi ho il piacere di ospitare un dibattito dal vivo e speriamo amichevole tra Carol Ptak e Joannes Vermorel. Carol è partner presso il Demand Driven Institute e professore ospite e dirigente distinto presso la 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 presso l’École Normale Supérieure per sei anni.

Ora, cercherò rapidamente di passare ai parametri del dibattito. Prima di tutto, l’argomento: “Il modello di impresa adattiva orientata alla domanda è in grado di affrontare le sfide della presa di decisioni nella supply chain del mondo reale?” Carol sosterrà la tesi 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, ogni relatore avrà una replica di cinque minuti. Dopo di ciò, ogni relatore avrà una conclusione di due minuti. A quel punto, porrò alcune domande, sperabilmente provenienti interamente dal pubblico. Sentitevi liberi di inviare le vostre domande in qualsiasi momento nella chat live. Ah, e alla fine, avranno uno scambio libero, che è ciò per cui tutti sono qui, in realtà.

Ora, in preparazione al dibattito, entrambi i relatori hanno concordato la seguente definizione, e cito: “Il modello DDAE è uno strumento di gestione per percepire i cambiamenti di mercato, adattarsi a ambienti complessi e volatili e consentire strategie di innovazione orientate al mercato. I suoi tre componenti principali sono il modello operativo orientato alla domanda, la pianificazione delle vendite e delle operazioni orientata alla domanda e la pianificazione delle vendite e delle operazioni adattive”. Ora, per essere equi, questa è una definizione lunga, quindi per questa stessa ragione, abbiamo inserito un link a un documento Google aperto nella chat live. Se cliccate su di esso, sarete portati a un documento Google aperto in cui troverete definizioni dettagliate per tutti questi termini e biografie complete dei relatori.

Durante la sezione del dibattito, seguirò rigorosamente i tempi di entrambi i relatori. L’unica interruzione sarà un leggero cenno per ricordarvi quando state finendo il tempo. Consiglio anche a entrambi di tenere il tempo l’uno all’altro sui vostri dispositivi. Relatori, siamo quasi alla fine. I relatori devono rimanere completamente in silenzio durante la sezione preparata del dibattito. Se iniziate a interrompervi durante le vostre osservazioni preparate, sarete silenziati, e ve ne è stato avvertito in anticipo. E infine, se vi piace ciò che facciamo qui, se vi piacciono i dibattiti sulla supply chain, vi incoraggio a iscrivervi al canale YouTube di Lokad e a seguirci su LinkedIn.

E con questa sfacciata autopromozione fatta, vi chiedo a entrambi: Il modello di impresa adattiva orientata alla domanda è in grado di affrontare le sfide della presa di decisioni nella supply chain del mondo reale? A sostenere la tesi contraria, Joannes.

Joannes Vermorel: Signore e signori, stimati colleghi e appassionati di supply chain, è un piacere essere qui per discutere del modello di impresa adattiva orientata alla domanda e della sua capacità di affrontare le sfide reali della presa di decisioni. A tal proposito, 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 leggerne solo un terzo. Il resto è come una serie Netflix che non smette di riassumere gli episodi precedenti, poiché quei libri si sovrappongono ampiamente. Vi risparmierò tutto ciò e li considererò come un unico lavoro eccessivamente ripetitivo. Come persona profondamente coinvolta nella supply chain, mi sono avvicinato al paradigma orientato alla domanda con grandi speranze. Dopotutto, chi non sarebbe entusiasta di un quadro che promette di rivoluzionare il nostro settore? Tuttavia, dopo essermi sottoposto a quasi mille pagine, non sono convinto.

Prima di tutto, le banalità. Pagina 43 di “Adaptive Enterprise”, e cito: “Se gli esecutivi vogliono adempiere alla loro missione, devono capire da dove cominciare”. Beh, sì. Pagina 163: “Definizione coerente, aderendo coerentemente agli stessi principi”. Suppongo che sia coerente definire coerente per coloro che potrebbero aver saltato la scuola primaria. Le illustrazioni, presumibilmente destinate ad aiutare il lettore, non sono migliori. Alla pagina 150, abbiamo una tabella di numeri etichettata “Dati”, un grafico a barre etichettato “Grafico” e un pezzo di testo etichettato, aspettate un attimo, “Testo”. Grazie al cielo che lo chiariscono. Stavo per chiamare il grafico a barre arte moderna. È come se gli autori temessero che non riconosciamo questi concetti di base, ma forse stanno svolgendo un servizio pubblico per coloro che sono stati delusi dalla loro scuola primaria.

Ora, se le parti facili sono insultantemente semplici, cosa dire delle parti difficili? Forse il vero valore del demand-driven si trova nel mezzo, sepolto tra i cliché. Esaminiamo le equazioni. E sì, ci sono equazioni, o almeno sono etichettate come tali. Alle pagine 17, 25, 28 e 29 di “Adaptive Enterprise”, incontriamo ciò che gli autori chiamano equazioni. Ma queste equazioni sono solo un assortimento casuale di lettere greche e barre frazionarie. Non sono equazioni in nessun senso dell’immaginazione. Come qualcuno che ha anche giocato con l’editor di equazioni di Microsoft Word, capisco la tentazione, ma considerando che stanno cercando di insegnare una migliore presa di decisioni sulla supply chain, forse fornire alcune formule matematiche reali sarebbe più utile.

Al contrario, dalle pagine 99 a 105, sopportiamo una spiegazione estremamente 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 potrebbero essere condensate in poche righe di formule di base. Ma forse farlo rivelerebbe che la matematica sottostante all’Adaptive Enterprise basata sulla domanda manca della sofisticazione di un libro di scuola media. Non esattamente quello che ci si aspetterebbe da un’opera che si definisce parte, e cito, “dell’emergente scienza dei sistemi adattivi complessi”.

Per essere onesti, c’è una sola vera equazione in quei tre libri. Solo una. E no, non è l’equazione del cosiddetto flusso netto a pagina 150 del libro DDMRP, che nonostante il suo nome grandioso, è solo una definizione. L’unica equazione si trova in “Adaptive S&OP” a pagina 156. È l’indice di capacità di Taguchi. Questa formula è un semplice copia e incolla da Wikipedia, ma hey, è comunque un’equazione. Purtroppo, è un’equazione di ingegneria meccanica per tolleranze dimensionali e di solito è considerata completamente estranea alla supply chain. Appare casualmente in mezzo a una discussione sugli obiettivi di performance di S&OP.

Ora, non vorrei suggerire che gli autori stiano cercando di confondere i lettori con equazioni irrilevanti. Forse si sono solo persi in un mare di copia e incolla. Mentre ci addentriamo tra i cliché e le pseudo-equazioni, troviamo numerosi appelli all’azione. Gli appelli all’azione sono ottimi. Le aziende devono agire. Alla pagina 44 di “Adaptive Enterprise”, ci vengono proposte una serie di raccomandazioni che suggeriscono che le persone dovrebbero essere addestrate a pensare in modo sistematico, le persone dovrebbero avere un linguaggio comune, un linguaggio sistemico comune per pensare e lavorare, e dobbiamo consentire alle persone di comprendere le connessioni tra i dipartimenti, le risorse e le persone.

Signore e signori, che programma brillante. Come CEO io stesso, sarei felicissimo se i miei 60 dipendenti potessero raggiungere questo obiettivo. E voglio sottolineare che, da Lokad, assumiamo talenti di ingegneria d’elite e anche per noi ciò che suggerisce Carol è ridicolmente difficile. Posso solo immaginare quanto bene funzionerebbe in un’azienda che impiega migliaia di dipendenti, dove l’unica connessione che capiscono è l’aperitivo del venerdì sera. Quindi naturalmente, mi aspettavo una guida del libro su come riconfigurare le menti dei miei dipendenti, insegnare loro un nuovo linguaggio e far loro comprendere le complessità di ogni dipartimento. Ma dopo aver sganciato questa bomba, i libri passano prontamente al capitolo successivo, fornendo esattamente zero indicazioni su come raggiungere questi nobili obiettivi.

Quindi, per riassumere, abbiamo quasi mille pagine che oscillano tra l’ovvio accecante, l’assolutamente banale, l’insensato dal punto di vista matematico e l’estremamente impraticabile. Il demand-driven si vanta di guidare una rivoluzione nella gestione della supply chain. È ironico che l’unica cosa che ha rivoluzionato sia la mia delusione nello stato attuale della letteratura sulla supply chain.

Conor Doherty: Joannes, ti rimangono 21 secondi.

Joannes Vermorel: Sono a posto.

Conor Doherty: Sei a posto? Bene, su questa nota, Joannes, grazie per le tue osservazioni introduttive. Carol, mi rivolgo a te per i tuoi sette minuti di apertura, per favore.

Carol Ptak: Oh, grazie mille. Beh, è stato divertente al massimo. Non mi ero resa conto che stavo venendo per una relazione di un libro e per una critica pagina per pagina. Quindi, per scartare tutto ciò, speravo davvero che il nostro dibattito riguardasse il modello dell’Impresa Adattiva Orientata alla Domanda, non una relazione di un libro e pagine citate. Solo per chiarire, quei tre libri sono stati scritti per tre mercati molto separati e diversi. Non mi aspettavo che qualcuno li leggesse tutti e mille le pagine. Pensavo solo che, con la mente scientifica di Joannes, potesse apprezzare la comprensione sia dell’aspetto operativo, tattico che strategico di questa supply chain.

Quindi, entriamo nel vivo di ciò che il modello dell’Impresa Adattiva Orientata alla Domanda realmente è e perché è rivoluzionario. L’IAOD 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 in modo errato quando le abbiamo chiamate così, ed è perché noi che siamo stati coinvolti nella denominazione delle supply chain, me compresa, proveniamo da una capacità operativa in cui eravamo abituati a utilizzare algoritmi di ottimizzazione per capire dove si trovavano i nostri colli di bottiglia e come massimizzare l’output del processo complessivo basandoci sulla massimizzazione del collo di bottiglia.

Quindi, quando abbiamo chiamato per la prima volta la supply chain, abbiamo detto: “Bene, ok, prenderò le mie operazioni e le collegherò al mio cliente e al cliente del mio cliente e al mio fornitore e al fornitore del mio fornitore, e voilà, ecco una supply chain”. Eravamo molto sbagliati. Le supply chain non sono catene, non lo sono mai state. Sono sistemi adattivi complessi, e i sistemi adattivi complessi si basano su una scienza molto diversa da quella di una catena. Una catena è un sistema lineare. I sistemi adattivi complessi non sono lineari. Sono reti. Ci sono molti nodi, molte connessioni e, sfortunatamente, gli accademici amano tagliare le connessioni in modo da poter studiare i nodi nel dettaglio e poi credere che possiamo riunirli tutti insieme e capire il tutto. Quando in realtà, nel momento in cui le connessioni vengono tagliate, abbiamo perso il contesto per il tutto.

Quindi, ciò che rende diverso l’IAOD è il fatto che capisce che le supply chain non sono catene; sono sistemi adattivi complessi, il che significa che non rimangono a lungo in uno stato stabile. Appena subiscono una qualsiasi pressione, cambieranno e si trasformeranno, e per definizione, non possono essere ottimizzate matematicamente. La scienza dei sistemi adattivi complessi deriva dall’idea di biologia ed economia, ed è quindi molto ben compresa. Se qualcuno è interessato a un ottimo libro su questo argomento, c’è un libro scritto chiamato “Team of Teams” scritto dal Generale Stanley McChrystal.

Quindi, come funziona l’IAOD? Beh, capiamo che ogni azienda oggi si trova in un mondo variabile, volatile, incerto, complesso e ambiguo. Quindi, ciò che dobbiamo essere in grado di fare è avere la capacità di percepire i cambiamenti in quel mercato molto rapidamente e quindi adattare la pianificazione nella produzione, richiamare dai fornitori e occuparcene e farlo tutto in tempo reale. Ora, idea completamente nuova? No. La definizione esisteva per il demand driven già nel 2001. È stata coniata effettivamente quando ero a PeopleSoft. Non abbiamo davvero capito come farlo fino al 2006, quando Chad Smith e il suo team hanno iniziato a utilizzare il concetto di decoupling lungo la supply chain.

A causa del mondo VUCA, quel mondo volatile, incerto, complesso, ambiguo in cui viviamo, a meno che i nostri tempi di risposta al mercato siano inferiori al tempo di tolleranza dei nostri clienti, da qualche parte lungo la supply chain qualcuno deve tenere l’inventario. Quindi l’inventario è un asset. Abbiamo permesso che l’inventario venisse discusso come un passivo, come un asset, cose avanti e indietro, ma dipende da dove e quanto di quell’inventario esiste. Se abbiamo l’inventario giusto nel posto giusto, allora l’inventario è chiaramente un asset perché migliora il rendimento dell’investimento per l’azienda, che è la metrica rilevante.

Quindi come possiamo raggiungere coerenza in un’organizzazione per guidare il ROI? Come gestiamo quei range rilevanti operativi, tattici e strategici in modo che l’azienda sia in coerenza per raggiungere il ROI? Non posso uscire sul pavimento di produzione e chiedere a Joe cosa ha fatto per aumentare il ROI quel giorno, ma posso sicuramente uscire e parlarci sul pavimento di produzione e dire: “Cosa hai fatto per migliorare il flusso?” E ancora una volta, non è una nuova idea. Sappiamo del flusso da molto, molto tempo, risalendo fino agli antichi Fenici quando dovevano adattare le loro navi commerciali a navi da guerra.

Il modello DDAE si basa sulla coerenza del flusso per l’organizzazione, che trasforma tutto nell’organizzazione. Non ci concentriamo più sull’efficienza dei costi e sull’ottimizzazione perché riconosciamo che ciò che stiamo gestendo non è un sistema lineare; è un sistema complesso adattivo. E il mondo moderno in cui lo stiamo gestendo è un mondo volatile, incerto, complesso e ambiguo. Ad esempio, MRP è stato concepito negli anni ‘50, commercializzato negli anni ‘70 quando Joe Orlicky ha scritto il suo libro. E quello che abbiamo capito all’epoca è che dovevamo essere in grado di fare pianificazione dipendente, e quindi la pianificazione dipendente era il vero asset di MRP.

Ma ricordate, negli anni ‘50 e ‘60 avevamo 8K di memoria e un paio di unità a nastro, quindi di solito facevamo girare la pianificazione dei materiali forse una volta a settimana, molte aziende una volta al mese, e poi disaggregavamo da lì. E pensavamo davvero che all’aumentare della velocità della tecnologia, le cose sarebbero migliorate. E infatti, nel 2001, PeopleSoft ha lanciato il primo sistema MRP in tempo reale, e la reazione dei nostri clienti è stata: “Per favore, fermatelo”, perché non riuscivano a gestire la nervosità del sistema. Il livello di precisione quando cerchiamo di collegarlo lungo la supply chain causa una tale volatilità e variabilità autoindotta che i pianificatori non riescono a gestirlo.

Quindi l’idea è, come possiamo allo stesso tempo reagire molto rapidamente ai cambiamenti nel mercato in un ambiente volatile, variabile, incerto, complesso e ambiguo e essere in grado di sfruttare l’elaborazione in tempo reale di oggi? Quando il Dr. Goldratt ed io abbiamo scritto il libro “Necessary But Not Sufficient”, stavamo parlando di tecnologia perché quello che abbiamo capito è che con il cambiamento della tecnologia, le regole aziendali devono cambiare. E quando le regole aziendali cambiano, la tecnologia deve cambiare. E oggi siamo molto fortunati ad avere cose come il machine learning e l’intelligenza artificiale che, tra l’altro, si basano sulla stessa scienza del modello DDAE.

Ecco cosa ci rende molto innovativi, è che ora le regole aziendali sono allineate con la possibilità della tecnologia, e quindi possiamo ora percepire i cambiamenti nel mercato, adattare la nostra pianificazione e produzione, attingere dai fornitori e sfruttare i sistemi in tempo reale che abbiamo.

Conor Doherty: Beh, Carol, ti ho dato 3 secondi extra lì, ma sono stati ben spesi. Grazie mille. Grazie. A questo punto, Joannes, ti rimando il pallino per la tua replica di 5 minuti.

Joannes Vermorel: Sì, voglio dire, la prima cosa è che non posso fare a meno di notare le contraddizioni, ad esempio sulla matematica. Perché quando Carol cita i computer moderni, i computer, come suggerisce il nome, calcolano. Questa è l’unica cosa che fanno. Non hanno alcun tipo di palla di cristallo o altro. E infatti, nei libri stessi, ci sono tonnellate di equazioni. Di nuovo, non sto dicendo che ho trovato—sto descrivendo le cose come equazioni. Le cose sono menzionate e elencate come equazioni dagli stessi autori. E poi quando si occupano di non linearità, siamo di nuovo nel campo della matematica. Quindi questa non è una cosa che sto creando per me stesso; questa è ciò che gli autori stanno creando per se stessi.

Ora, basandomi sulla mia critica di questi libri, che sono praticamente le sacre scritture dei paradigmi orientati alla domanda, sembra che la risposta sia, nonostante ci siano molte divagazioni, che il tutto è più della somma delle sue parti. Giusto, non possiamo davvero guardare ai singoli pezzi. Quindi non importa quanto disfunzionali siano i pezzi, uniamoli insieme e voilà, avremo grandezza. È come assemblare una macchina con pezzi di ricambio Toyota e aspettarsi una Tesla. E indovina un po’? Abbiamo anche studi di caso a sostegno di ciò. Questo è anche un punto che potrebbe interessare.

Nella pagina 325 del libro DDAE, abbiamo uno studio di caso nel settore del commercio al dettaglio che utilizza DDMRP, ad esempio. Si afferma un aumento del 60% del fatturato, una diminuzione del 40% delle scorte e cito: “l’eliminazione di una sensazione di scarsità nei negozi nonostante la riduzione delle scorte iniziali di quasi la metà”. Beh, se ci credi, ho un ponte a Brooklyn da venderti. Ma ecco il colpo di scena: non possiamo verificare nessuno di questi studi di caso. Scioccante, lo so. E l’approvazione proviene dallo stesso fornitore che spaccia la cura miracolosa orientata alla domanda. È come se il proprietario di un ristorante scrivesse la propria recensione a cinque stelle su Yelp: “Fidati di me, è il miglior sushi della città”. Certo, ma gli studi di caso non sono altro che un modo elegante per dire: “Perché lo dico io”. Non esattamente una prova convincente.

Ora, sul punto, perché ci sono state così tante divagazioni qui, siamo passati da fatti, alla definizione di sistemi complessi adattivi, ad aneddoti, da dove deriva il termine supply chain e alcune curiosità sul miglioramento di ERP e tecnologie varie. Ma la realtà è che se torniamo a un semplice test, direi in tempo reale di impresa adattiva, la pagina 7 elenca la non linearità come primo principio, come ha anche sottolineato Carol. Quindi quella è il primo principio dei sistemi complessi adattivi. Sembra impressionante, ma prendiamo la non linearità più semplice che possiamo avere nella supply chain: i MOQ, quantitativi minimi d’ordine. Sicuramente l’approccio orientato alla domanda avrebbe qualcosa di profondo da dire sui MOQ. Beh, non proprio. In mille pagine, i MOQ sono menzionati sei volte. Questo è bello in ogni singolo libro, quindi circa due volte in media per ogni libro. Quindi abbiamo parecchio materiale a disposizione.

E prendiamo un esempio. Nella pagina 63, abbiamo un esempio di un MOQ così piccolo che potrebbe anche non esistere perché numericamente non ha alcun impatto sul calcolo. Cose affascinanti. E poi nella pagina 115, abbiamo una situazione di ordine di container. Interessanti non linearità da diversi fronti con un MOQ. E qual è la situazione? Abbiamo una dimensione d’ordine di 100 unità, una dimensione del container di 100 unità e un MOQ—aspetta un attimo—di 100 unità. Quindi che coincidenza. È come se le stelle si allineassero in modo tale da non dover affrontare alcuna non linearità effettiva. Puoi ripetere questo processo con sconti sul prezzo, prodotti deperibili, cross-docking, attrezzature riparabili, chiamalo come vuoi. L’approccio orientato alla domanda non ha assolutamente niente da dire su queste non linearità comuni. Nulla. Niente.

E questa è l’essenza dell’approccio orientato alla domanda: 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 fondamentalmente, ci poniamo obiettivi grandiosi, ma poi non abbiamo nulla da offrire per affrontare i comuni problemi decisionali. E quindi dovremmo credere che l’approccio orientato alla domanda possa affrontare le sfide reali della supply chain? Fammi pensare. No, assolutamente no.

Conor Doherty: Alcuni secondi di tempo libero. Grazie, Joannes. Carol, la tua replica di cinque minuti quando sei pronta.

Carol Ptak: Grazie. Ancora una volta, sono molto delusa che Joannes scelga di fare una relazione di un libro anziché dibattere sul modello che avremmo dovuto discutere. Ma permettetemi prima di affrontare il caso che lui cita nel libro, e vi invito a unirvi a noi a Francoforte la prossima settimana, dove potrete parlare con la persona che ha effettuato effettivamente quella implementazione. David Poveda sarà lì da Medan Colombia, e potrà darvi tutti i dettagli specifici.

La prossima settimana ci sarà il Demand Driven World, e abbiamo anche, perché so che siete sempre molto interessati ai casi, che è, credetemi, fidatevi di me, e sono sempre i casi di studio a essere realizzati dalla società di software o dal consulente, che cercano sempre di mettere una faccia sorridente sulla mela. Non lo permettiamo presso il Demand Driven Institute. Tutti i nostri casi di studio sono realizzati dal professionista. Quindi invito te, Joannes, e tutti i nostri ascoltatori, se desideri registrarti per il Demand Driven World la prossima settimana.

Abbiamo nove casi di studio in arrivo, nuovi casi di studio da aziende come Assa Abloy, dove Fredrik Helgesson, il direttore della logistica, presenterà. Un altro caso dal Messico, da Mega Alimentos, dove Antonio Treviño, il direttore della supply chain, è in arrivo. Mettler Toledo sta arrivando con il responsabile della loro pianificazione globale, o A2A con il loro direttore generale, o Gelwin con il loro vicepresidente della supply chain, o Sapo con il loro responsabile della pianificazione, o Koch Engineered Solutions con il loro responsabile globale della pianificazione e della pianificazione, o PPG con il loro direttore della supply chain latinoamericana.

Questi sono solo i casi di studio che appariranno la prossima settimana in Germania. Incoraggerei chiunque, fidatevi di me, andate avanti. Mettiamo tutti i nostri casi di studio sul nostro sito web. Sono realizzati solo dal professionista. Non permettiamo nemmeno alla società di software o al consulente di co-presentare. Questi professionisti dicono: “Questo è quello che abbiamo fatto, questo è il motivo per cui l’abbiamo fatto, questo è il problema che abbiamo avuto, questi sono i risultati che abbiamo ottenuto”, e molto apertamente dicono: “E se dovessimo rifarlo, ecco cosa cambieremmo”. Non monitoriamo o modifichiamo alcun loro commento.

Quindi, guardando l’idea di MOQ, penso che tu abbia citato erroneamente il numero di volte in cui MOQ appare lì, poiché appare ogni volta che appare anche l’equazione del flusso netto. Ma penso ancora che tu stia perdendo il punto di ciò che è l’Impresa Adattiva Orientata alla Domanda. Sono davvero tre intervalli di tempo separati rilevanti con gli strumenti necessari che sono rilevanti per quel periodo di tempo.

Ora, cosa si intende per rilevanza? Ed è una definizione che si trova nel libro. La rilevanza è come stabilisco e come collego i requisiti a ciò che sta accadendo in quel periodo di tempo. Quindi come posso collegare più strettamente i miei asset a ciò che sta accadendo sul mercato? Implementando semplicemente DDMRP, che è il motore all’interno del Modello Operativo Orientato alla Domanda, di solito le aziende ottengono una riduzione del terzo al 50% delle scorte e di solito la loro puntualità e completezza supera il 90%.

Ti inviterei a guardare il caso di Coca-Cola Africa per sentire Coca-Cola Africa parlare di ciò che stava accadendo lì. Ora, prima di implementare DDMRP, la loro accuratezza delle previsioni era di circa il 50%. Hanno implementato, hanno ottenuto risultati migliori, le loro scorte sono diminuite, la loro puntualità e completezza sono aumentate e alla fine l’accuratezza delle previsioni era di circa il 50%. Significa che non facciamo previsioni? No, ovviamente no. Abbiamo bisogno di previsioni per poter gestire l’intervallo tattico e strategico. Quello che speravo di ottenere in questo dibattito era una conversazione più approfondita su come funziona il modello DDAE anziché una recensione del libro pagina per pagina.

Quindi, considerando l’idea delle previsioni, sai, sulla previsione probabilistica, sì, sicuramente ha un ruolo, ma ha un ruolo solo negli intervalli tattici e strategici, che ci consente di aiutare a modificare e adattare il modello operativo di cui DDMRP è il motore di pianificazione. Quindi guardiamo a questo, dobbiamo considerare che il modello DDAE può prendere solo ciò che possiamo influenzare. Quindi al di fuori della nostra considerazione deve essere la nostra innovazione guidata dal mercato e dall’altro lato dobbiamo considerare la domanda di mercato effettiva.

E come ho detto prima, se siamo abbastanza fortunati che il nostro tempo di consegna cumulativo si trovi entro le aspettative del cliente, quella è un’azienda facile da gestire. Tuttavia, non è il mondo in cui viviamo. I tempi di tolleranza dei nostri clienti sono significativamente più brevi rispetto al nostro tempo di consegna cumulativo. Quindi dobbiamo avere un modello di gestione per poter percepire i cambiamenti nel mercato, adattare la nostra pianificazione e produzione, essere in grado di tradurre un piano aziendale adattivo in ciò che significa in termini di capacità operativa e sfruttare la nostra capacità operativa unica per trarne vantaggio strategicamente. Penso di averti restituito i tre secondi.

Conor Doherty: Con il cambiamento. Grazie. Bene, grazie mille, Carol. Con questo, Joannes, torno a te per le tue osservazioni finali di due minuti.

Joannes Vermorel: Quindi quasi mille pagine di materiali orientati alla domanda più alcuni minuti di commento possono essere riassunti su un post-it. Ecco nient’altro che la cosa più dannosa: il paradigma orientato alla domanda è totalmente impermeabile alla ragione. Potrei passare tutto il giorno citando frasi, evidenziando se ognuna di esse è banale, senza senso o del tutto illusoria, e saremo ancora bloccati nello stesso punto, come un criceto su una ruota ma senza il valore dell’intrattenimento. Perché? Perché ogni volta che evidenzio un difetto, è come cercare di giocare a scacchi con un piccione. Fa cadere i pezzi, fa la cacca sulla scacchiera e poi si pavoneggia come se avesse vinto.

Carol non ha risposto a nessuna delle critiche serie che ho sollevato, comprese quelle di base come l’uso flagrante dell’indice di capacità di Taguchi. Non ha spiegato le pseudo-equazioni. Avrebbe potuto cercare di confutare i miei argomenti uno per uno, ma non l’ha fatto. E non l’ha fatto perché non può farlo. Quindi, invece, ci vengono presentate una serie di divagazioni, per lo più argomenti di autorità. Non illudiamoci. Gli studi di caso sono solo un modo elegante per dire: “Fidati di me, sono un professionista”. Signore e signori, mi appello alla forma più elevata di ragionamento umano: il test dell’anatra. Se sembra un’anatra, nuota come un’anatra e fa il verso di 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 aziendale adattivo orientato alla domanda può affrontare le sfide reali della supply chain? No. Ma concedo questo: se riesci in qualche modo a ingannare i tuoi concorrenti facendo loro credere che possa farlo, allora otterrai sicuramente un vantaggio poiché loro crolleranno e bruceranno.

Conor Doherty: Grazie, Joannes. E Carol, mi rivolgo a te per le tue conclusioni di due minuti, per favore.

Carol Ptak: Grazie. Beh, sono molto delusa da Joannes, ad essere molto onesta. Mi aspettavo davvero una discussione aperta e onesta invece che lui leggesse le sue note pre-preparate senza considerare i punti che sono stati sollevati.

Per quanto riguarda la funzione di Taguchi, come ho detto nella mia replica di cinque minuti, il piano aziendale adattivo crea quindi 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 viene eseguito il processo, perché il modello aziendale adattivo orientato alla domanda ora ci consente di eseguire operativamente con il controllo del processo anziché il controllo delle transazioni come avevamo nei vecchi tempi del MRP, allora ovviamente la funzione di Taguchi si adatta perché vogliamo vedere quanto bene siamo in grado di eseguire rispetto a quel range definito.

Come ho detto, non mi aspettavo una relazione di libro pagina per pagina o una recensione di un libro. Quello che mi aspettavo davvero era una discussione sulla metodologia stessa. E non è “fidati di me”. Suggerirei di parlare con i veri professionisti e guardare i loro risultati effettivi. Per me, questo è ciò che parla più forte di tutto. Non è “fidati di me”. È “Questo è qual era il nostro problema aziendale, questo è ciò che abbiamo implementato, questi sono i risultati che abbiamo ottenuto e se dovessimo rifarlo, ecco cosa faremmo in modo diverso”.

E quando parliamo di se il modello aziendale adattivo orientato alla domanda soddisfa le esigenze di questo mondo VUCA in cui viviamo e fornisce risultati concreti nel mondo reale, la risposta è assolutamente e inequivocabilmente sì. Le decine di migliaia di persone che hanno seguito la formazione DDI, i risultati delle aziende, gli aumenti del ROI, la capacità dell’azienda di sopravvivere alla pandemia nonostante i modelli di domanda fossero completamente sconvolti e ancora riuscire a migliorare il fatturato e il ROI, penso che i risultati parlino da soli.

Conor Doherty: Beh, grazie a entrambi. E Carol, grazie per quelle osservazioni. A questo punto, passerò a alcune delle domande del pubblico. In realtà, ce ne sono già parecchie nella chat live. Solo per essere chiari, chiediamo che le domande siano indirizzate a chi sono rivolte, ma ovviamente le farò a entrambi. E ancora una volta, non c’è un limite di tempo, ma cercate di essere concisi in modo che tutti abbiano la possibilità.

Ma prima di passare alle domande del pubblico, ce n’è solo una che ho annotato perché vi ho ascoltato parlare per gli ultimi 33 minuti. E sapete, avete discusso sui libri e sul fatto che non si tratta dei libri, va bene. Ma a meno che io non abbia perso qualcosa, in nessun momento nessuno di voi ha effettivamente definito quali sono le sfide effettive della presa di decisioni sulla supply chain nel mondo reale. Quindi, Carol, in modo conciso, quali sono secondo te le sfide effettive della presa di decisioni sulla supply chain nel mondo reale?

Carol Ptak: Beh, la sfida più grande è quella che ho menzionato, ovvero come rispondere a un mondo che è variabile, volatile, incerto, complesso e ambiguo? E come farlo in modo tale da poter aumentare il mio ritorno sugli investimenti?

Conor Doherty: Johannes?

Carol Ptak: È il più conciso che posso fare. E se Johannes vuole metterlo su un Post-It, può scriverlo. Riassume il modello aziendale adattivo orientato alla domanda in un Post-It: si tratta di 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 rappresenta nella pratica milioni di decisioni al giorno per una supply chain di dimensioni considerevoli. Quindi risolvere il problema significa essenzialmente prendere quelle decisioni. Sono molto basilari. Sono: cosa acquisti, cosa produci, cosa alloci, quale punto di prezzo hai, aumenti o riduci la tua gamma di prodotti, eccetera, eccetera. E quindi, secondo me, tutto ciò è finalizzato al profitto. Ma secondo me, la supply chain è una teoria e una pratica che ti consente di prendere decisioni su larga scala, il che comporta oggi molte cose da calcolare in modo che possano essere automatizzate con i computer. Questo è praticamente tutto.

Conor Doherty: Bene, Carol, ora che hai sentito il punto di vista di Joannes, vuoi modificare il tuo o sei d’accordo o in disaccordo?

Carol Ptak: No, per niente, ma penso, e sapete, essendo presente fin dai primi giorni dei computer e avendo avuto una conversazione con un’azienda di computer e una software company, mi ha detto: “Non imponiamo ai nostri clienti di fare le cose come diciamo noi”. E io ho risposto: “Certo che lo fate perché ciò che integrate nel vostro software è ciò che considerate le migliori pratiche del settore”. Ora, cosa succede se quelle pratiche sono sbagliate?

Quindi la metodologia va di pari passo con il calcolo e la tecnologia va di pari passo con la metodologia. Sapete, ad esempio, alla Demand Driven World della prossima settimana, avremo Simo che può creare un modello digitale completo di un’azienda per poter iniziare a prendere alcune di quelle decisioni strategiche a cui si riferisce Joannes. Ma lo fa con il potenziale di un motore DDMRP che si trova lì dentro in modo da capire dove posizionare i buffer di stock strategici, come pianificarli, come ottenere una risposta in tempo reale al mio mercato. Quindi la tecnologia di per sé è necessaria ma non sufficiente. Buon titolo del libro.

Conor Doherty: Vuoi aggiungere qualcosa o posso continuare?

Joannes Vermorel: No, continua.

Conor Doherty: Continua. Quindi, questa domanda è rivolta a Joannes. Sto leggendo testualmente come mi è stata posta. Potrebbe Joannes condividere le sue riflessioni sulla teoria dietro al DDMRP, in particolare sul DDMRP e su come si basa sulle pratiche esistenti della supply chain?

Joannes Vermorel: In breve, il DDMRP è un insieme di banalità. Dimensionano i buffer con tre colori. Non c’è nulla di specificato al punto di disaccoppiamento. Non hai un algoritmo per sapere come posizionarli, quindi fondamentalmente forniscono solo indicazioni estremamente ambigue. Ci sono anche errori grossolani. Ad esempio, dicono che quando è presente la MOQ, la zona verde deve essere grande quanto la MOQ, il che è assolutamente folle perché ci sono molte situazioni in cui riordinare fino alla MOQ è folle. Quindi quello non dovrebbe assolutamente far parte di ciò a cui il DDMRP si riferisce come verde.

Ma in definitiva, è molto, molto superficiale. Sai, la cosa che per qualcosa che è quantitativo, secondo me potrebbe essere riassunto in circa tre pagine e basta. Quindi è molto, molto debole. È persino un insulto alla ricerca operativa, che è venuta prima, dire che sarebbe il discendente. Non lo è. La ricerca operativa era già anni avanti al DDMRP in termini di sofisticazione.

Carol Ptak: Beh, e io metterei in discussione la sofisticazione rispetto ai risultati. Solo perché è sofisticato non significa che sia migliore. Il DDMRP si basa effettivamente sull’idea della produzione snella, MRP, DRP, teoria dei vincoli con alcune innovazioni che armonizzano effettivamente tutte quelle cose che in precedenza pensavamo fossero l’antitesi l’una dell’altra. Quindi si tratta davvero di flusso.

E per quanto riguarda il posizionamento di quei buffer, penso che probabilmente abbia perso quelle pagine nel libro. Ci sono sei criteri su dove posizionare quei buffer, e questo include il tempo di tolleranza del cliente, il potenziale di mercato, il tempo di consegna, le acque, la variabilità esterna. Quindi ce ne sono sei, e questo è ciò che viene poi ottimizzato e considerato in un modello digitale per valutare una volta che ho posizionato quei buffer.

Tipicamente, quello che vediamo è che le supply chain tendono a stabilizzarsi perché abbiamo eliminato l’ansia del sistema, e quindi sia il posizionamento che la quantità devono cambiare. Quindi questo è il ciclo di adattamento. Quindi non è solo una pura trazione; è posizionamento, protezione, trazione e adattamento. Ma siamo molto chiari su dove sono posizionati quei buffer e verde, giallo, rosso perché è una questione di praticità rispetto alla sofisticazione. Tutti capiscono verde, giallo, rosso.

E quindi capisco le regole. Cosa succede quando vedo verde, giallo, rosso? Ecco perché i pianificatori lo amano e le aziende sono molto veloci nell’implementarlo, e le implementazioni di solito procedono molto più velocemente rispetto a quanto originariamente pianificato.

Conor Doherty: Joannes, nessun commento?

Joannes Vermorel: Nessun commento.

Conor Doherty: Continuo. Questa domanda è rivolta direttamente a te, Carol. Sto leggendo come è scritto. Perché l’approccio basato sulla domanda ha faticato 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 faticato. Penso che ogni progetto IT là fuori, ogni progetto di miglioramento dei processi là fuori durante COVID sia stato interrotto, ed è stato un peccato. Abbiamo passato molto tempo al telefono con dirigenti senior che dicevano: “Bene, torneremo all’implementazione quando torneremo alla normalità”. E il nostro messaggio per loro era: “Benvenuti nella nuova normalità”.

La domanda non è se ci saranno disruzioni , ma quando e dove, quindi è meglio essere preparati. E così quello che abbiamo visto è che dopo COVID, la domanda effettiva per i nostri posti di formazione è aumentata a livelli record, e il numero di implementazioni a livello globale è aumentato a livelli record perché i dirigenti si sono resi conto che devono affrontare questo mondo variabile, volatile e pazzo in cui ci troviamo. Non solo abbiamo avuto COVID, abbiamo avuto l’invasione russa dell’Ucraina, abbiamo avuto la prossima pandemia in arrivo, abbiamo avuto la follia nei porti americani, abbiamo scioperi dei lavoratori portuali. Non si tratta di se arriverà la prossima interruzione, ma quando e dove.

E sfortunatamente, durante la crisi COVID, molte squadre di dirigenti senior hanno detto: “Bene, quando torneremo alla normalità”, e il nostro messaggio era: “Benvenuti nella vostra nuova normalità”.

Conor Doherty: Va bene, grazie, Carol. Joannes, perdonami, perché pensi che l’approccio basato sulla domanda possa o meno aver faticato durante la crisi COVID?

Joannes Vermorel: Questa domanda non mi è stata rivolta, quindi posso solo commentare la risposta di Carol. Perché ancora una volta non ho fatti su ciò che sta accadendo esattamente nelle aziende che gestiscono queste cose. Ma quello che direi è che a una domanda così fattuale come questa, quello che otteniamo, e questo è qualcosa di molto tipico dei paradigmi basati sulla domanda, è una lista infinita di fattori: regression, guerra in Ucraina, volatilità, incertezza, ecc. Buzzword, buzzword, buzzword, problema, problema, situazione.

Vedi, è come una profusione di cose. Ma quando ricomincio, e i libri sono esattamente gli stessi, hai l’elenco in ogni singola pagina. Andrebbero su 20 tangenti, e ogni volta penso, “Okay, ora hanno aperto come 20 capitoli per affrontare ognuna di quelle tangenti,” e non ottieni nulla in termini di concretezza, matematicamente corretto, e quando dico matematicamente corretto, non intendo matematica avanzata, intendo anche matematica di scuola elementare, qualcosa che non sia ambiguo, che ti dia una regola che puoi calcolare, e poi niente. Passi semplicemente oltre, ed è solo una profusione di fatti infiniti. E penso che sia davvero un modello, e vorrei che il pubblico prestasse attenzione a queste profusioni di fatti.

Conor Doherty: Beh, in realtà, se posso insistere perché la prossima domanda andrà a Joannes e poi a Carol, te la rivolgo. Ma Lokad offre, non ho scritto io queste domande, Lokad offre un approccio diverso per gestire le interruzioni come quelle viste durante COVID, e in tal caso, come affronta tali sfide?

Joannes Vermorel: Quindi la risposta lunga è nella serie di lezioni sulla supply chain, ma è una risposta molto lunga. La risposta breve è che utilizziamo probabilità e previsioni probabilistiche. L’idea è avere un modello economico in cui gli eventi che hanno una bassa probabilità e un grande impatto economico possano essere considerati. Quindi hai bisogno di previsioni probabilistiche, e poi oltre a questo, hai bisogno di un secondo strumento. Quindi quello strumento predittivo, e poi lo strumento di ottimizzazione è l’ottimizzazione stocastica, che è il termine generale per qualsiasi tipo di risolutore generale che può darti una risposta ottimizzata in presenza di incertezza.

In sintesi, valuti le probabilità di tutti i possibili futuri, passo uno. Passo due, guardi tutte le possibili decisioni, intendo ovviamente ridotte a ciò che un computer può gestire, e ottimizzi ciò che ti offre il più alto rendimento corretto per il rischio di investimento. 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’ampia gerarchia di concetti, è compatibile con la previsione probabilistica.

Carol Ptak: Assolutamente, assolutamente. Voglio dire, la previsione probabilistica è qualcosa che ci aiuterebbe a definire come viene definito il modello operativo. Ma, sai, per sfidare Joannes sulla sua risposta, quella è stata una risposta scientifica molto complicata che in sostanza si riduce a “Sai, la risposta è uscita dal computer, fidati”. E non conosco un solo pianificatore sulla faccia della terra che dirà: “Oh, è uscito dal computer, fidati”. Il modello DDAE è più comprensibile.

Va bene, in parole povere, non ho un dottorato di ricerca o due o tre. E quindi, sai, quello che direi è: “Ok, prima dobbiamo concordare sul problema. Qual è il problema che stiamo cercando di risolvere?” Ed è per questo che continuiamo a parlare di variabilità, varietà, sai, i veri problemi del mondo reale e come il DDAE li risolve. E, sai, l’altra domanda che mi farei è: “Ok, Lokad, dove è la tua pagina con i casi di studio su come hai risolto i problemi per i tuoi clienti nel mondo reale con i veri risultati finali presentati dai tuoi professionisti?” E metterei quella pagina a confronto con quello che il modello Demand Driven Adaptive Enterprise ha fatto in qualsiasi momento. E come ho detto, vieni a trovarci la prossima settimana in Germania, incontra queste persone di persona, parla con loro.

Conor Doherty: Qualche commento? Niente di più che un altro fattore e una maggiore digressione e un argomento di autorità su Cherry e la torta. Quindi, nessun altro commento.

Beh, se posso approfondire, Carol, ancora una volta, e non voglio mettere parole in bocca, quindi correggimi se sbaglio, ma il modo in cui hai formulato la tua risposta al commento di Joannes sembrava quasi dire: “Beh, nemmeno io ho un dottorato di ricerca, quindi hey, non sono un dottore. Sono uscito dalla scienza informatica e dai numeri.”

Sembra che tu ti stia posizionando e stia adottando un approccio che non è necessariamente contrario all’accademico ma comprensibile. La mia domanda per te come follow-up è: se è comprensibile ma meno efficace di una soluzione più sofisticata, ti andrebbe bene?

Carol Ptak: No, non mi andrebbe bene perché penso che sia più comprensibile e più efficace. Quando i pianificatori e i manager possono capire come funziona qualcosa, allora lo useranno. Come ho detto, non c’è un dirigente sulla faccia della terra che dirà: “Oh, i numeri sono usciti da un computer, bene.” Perché vorrei anche sfidare Joannes sul fatto che non puoi ottimizzare una supply chain perché le supply chain sono sistemi complessi adattivi. Puoi guardare le alternative e puoi selezionarne una, ma la realtà è che finché non hai alcuna variabilità nell’esecuzione, ci sarà sempre una gamma di possibilità che i risultati effettivi vedranno.

Nel demand-driven, direi che non solo è altamente comprensibile, ma non usiamo nulla di più avanzato della matematica di quinta elementare. Quindi, posso capire perché Joannes si sentirebbe offeso dall’accademia primaria della matematica, ma allo stesso tempo, non usiamo nulla di più avanzato della matematica di quinta elementare. È molto comprensibile, quindi le aziende lo usano e ottengono risultati incredibili. C’è uno studio di caso interessante; è stato l’ultimo quando abbiamo fatto la Germania qualche anno fa. Dice: “Sì, lo so, la stessa cosa che tutti gli altri hanno, le scorte sono diminuite della metà, la consegna puntuale è aumentata del 90%, noioso.” E io ho detto: “Uomo, quando ti stanchi di vedere quei risultati, sono nel posto sbagliato.”

Quindi, ti suggerirei che non solo è più facile da capire, ma è anche più efficace. Ma non è l’antitesi della previsione probabilistica perché quella matematica può aiutarci a capire mentre iniziamo a muoverci attraverso il modello una volta che l’implementazione iniziale è stata fatta. Come ci adattiamo? Ed è lì che penso che la previsione probabilistica, i gemelli digitali entrino in gioco, per capire tutte quelle relazioni. Ma prima, il primo passo deve essere quello di stabilizzare la supply chain per poter mitigare quella variabilità operativa.

Conor Doherty: Ok, beh, Joannes, per essere onesti, hai preso appunti. Hai una risposta a questo?

Joannes Vermorel: Voglio dire, innanzitutto, ancora una volta, evidenziando cose che sono leggermente prive di senso. Sì, il DDMRP e il sistema complesso adattivo e tutta questa teoria fanno un’ottimizzazione. È dichiarato fin dall’inizio: ottimizza il ritorno sugli investimenti. Se cerchi di spingere un numero verso l’alto o verso il basso, stai facendo un’ottimizzazione. Questa è la definizione di ottimizzazione. Quindi, quando dici: “Vedi, è il tipo di cosa completamente schizofrenica,” dove dici: “Oh no, in realtà non facciamo questo, non facciamo ottimizzazione,” e poi menzioni nel minuto successivo che stai cercando di ottimizzare il ritorno sugli investimenti. Questo è come dire, mi dispiace, questa è la definizione stessa 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 di Wikipedia. Quindi, è esattamente quello che stai facendo. Quindi, per me, questo tipo di approccio è folle.

E poi la previsione probabilistica, mi dispiace molto, ma le formule e tutto ciò che viene dato in quei libri, sono molto deboli. Le formule, sì, posso anche, di nuovo, questo è un po’ un argomento di autorità dalla mia parte, ma è completamente incompatibile con la previsione probabilistica. Solo per darti un’idea di cosa succede se applichi la previsione probabilistica, la prima cosa è che non vuoi guardare le tue SKU in modo indipendente. Pondererai il contributo di ogni singola unità in modo indipendente in tutta l’azienda. Questo è letteralmente il primo passo della previsione probabilistica che otterrai.

Quindi qui in questa metodologia, stai affrontando il buffer un buffer alla volta. Quindi, mi dispiace, semplicemente non è, queste cose non esistono nemmeno sullo stesso piano. Non sono compatibili, né in termini di concetti, né in termini di metodologia, né in termini di tecnologie. Sono molto, molto diverse.

Carol Ptak: Ho detto che la previsione probabilistica sarebbe stata un buffer alla volta? Credo che una cosa che abbiamo sempre detto riguardo a DDAE è che guardiamo l’insieme e la causa ed effetto in tutto. E ancora una volta, ti invito a partecipare a un corso di formazione, vieni a Francoforte la prossima settimana. Abbiamo circa tre presentazioni in cui la previsione probabilistica viene utilizzata con successo in tutto il network all’interno del modello DDAE.

Conor Doherty: Ok, prossima domanda. Di nuovo, questa è diretta a te, Carol. Ce ne sono parecchie. Quando ci stanchiamo, possiamo smettere, non dobbiamo rispondere a tutte. Come affronta DDMRP, di nuovo, sto leggendo testualmente, come affronta DDMRP le problematiche intrinseche alla logica MRP? È necessario eseguirlo più volte al giorno per essere efficace?

Carol Ptak: Più ti avvicini all’esecuzione di DDMRP in tempo reale, più stabile diventa, perché consente ai nostri pianificatori di avere le informazioni in tempo reale più rilevanti. È necessario eseguirlo in tempo reale? No. Come affronta le limitazioni della logica MRP è il potere di MRP è che tutto è dipendente, e la brutta notizia su MRP è che tutto è dipendente. Quindi, un ritardo ovunque è un ritardo ovunque.

Come affronta la logica DDMRP è inserendo questi punti di disaccoppiamento basati su uno dei sei criteri per determinare dove saranno posizionate queste 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, è dipendente come è sempre stato. Quindi, è per questo che abbiamo ricevuto molte critiche quando l’abbiamo chiamato DDMRP, ed è perché MRP è ancora presente. Perché tra i punti di disaccoppiamento, è ancora una pianificazione dipendente come sempre. Quindi, affronta le limitazioni di MRP inserendo questi punti di disaccoppiamento, e questi sono i punti primari per la pianificazione.

Conor Doherty: Grazie. Joannes, passo a te per un commento.

Joannes Vermorel: Sì, voglio dire, ci sono diverse cose qui. Prima di tutto, MRP è davvero la base sbagliata. Nel suo nucleo, utilizza un database tradizionale, e il problema è che un nucleo transazionale è assolutamente inutile quando si tratta di analisi, di tutti i tipi di analisi. Quindi, questa è follia. Questa è una base antiquata che non dovrebbe nemmeno essere presa in considerazione.

Poi, per quanto riguarda il tempo reale, voglio dire, di nuovo, questa è una cosa in cui dovresti davvero mettere in discussione da dove viene la domanda. Perché la realtà è che un computer moderno, come base, ti offre un processore da 2 GHz. Significa che puoi fare due miliardi di operazioni per CPU. E un computer moderno ha, il tuo telefono ha otto CPU, quindi sono letteralmente decine di miliardi di operazioni al secondo su uno smartphone.

Quindi ora la domanda è, cosa hai che non può essere fatto entro una latenza di microsecondi? E la risposta breve è che quando progetti un sistema su un database transazionale, ottieni prestazioni assolutamente orribili. E quindi, i fornitori che riescono a mitigare le prestazioni assolutamente orribili si riferiscono a ciò come tempo reale. È davvero senza senso, voglio dire, davvero, davvero senza senso. È solo un uso improprio dell’hardware di calcolo moderno. Potrei entrare nei dettagli, ma direi che qui abbiamo una base davvero sbagliata per MRP e per il tempo reale. Questi sarebbero i miei commenti.

Conor Doherty: Carol, penso che su alcune cose tu possa essere d’accordo, un punto di riferimento improprio come MRP, giusto?

Carol Ptak: Beh, la realtà è questa: MRP viene utilizzato praticamente da tutte le aziende in tutto il mondo. Quindi sì, sono d’accordo che sia antiquato. Sono d’accordo che avesse bisogno di un passo verso il futuro, ed è per questo che abbiamo creato DDMRP. Ed è per questo che abbiamo dovuto implementare i buffer di disaccoppiamento, che ci hanno permesso di eseguire le operazioni in base al controllo del processo anziché al controllo delle transazioni, che è ciò che fa MRP. Tutto è controllo delle transazioni. Sei a posto o non sei a posto con MRP. Non sai quanto sei a posto o quanto non sei a posto.

E sai, MRP in tempo reale è stato introdotto per la prima volta con PeopleSoft nel 2001, e i nostri clienti lo odiavano. Voglio dire, ho il vantaggio su Joannes di essere davvero vecchia. Quindi, quando insegnavo all’università, gli studenti mi dicevano quanto ammirassero come ho fatto la ricerca sulla storia dell’IT, ed è come, sì, non era una ricerca, era solo un aneddoto, l’ho vissuto.

E pensavamo davvero che all’aumentare della velocità dei computer, il nostro problema si sarebbe risolto. Ma abbiamo scoperto che all’aumentare della velocità dei computer, i nostri problemi sono peggiorati, e questo a causa della nervosità del sistema. La mia prima riunione APICS 46 anni fa riguardava la nervosità del sistema. Lo sapevamo già allora; semplicemente non sapevamo come risolverlo. E non sapevamo come risolverlo fino a quando è arrivato DDMRP per stabilizzare la funzione di pianificazione.

Ma l’intera idea di APS, voglio dire, non c’è un’implementazione di APS che sia stata di successo. Per dare a Joannes la sua definizione, il successo è: ha aumentato il ROI dell’azienda? Ed è perché sta cercando di fare questa ottimizzazione multi-echelon basata su una funzione aziendale errata. E sono d’accordo con lui, sai, la tecnologia deve cambiare quando ci sono cambiamenti nelle regole aziendali, e le regole aziendali devono cambiare quando c’è un cambiamento nella tecnologia. Questo è ciò che Eli ed io abbiamo scritto nel 2000 quando abbiamo scritto “Necessario ma non sufficiente”. Lo sappiamo da molto tempo.

Conor Doherty: Grazie.

Joannes Vermorel: Sì, vorrei commentare ancora una volta, un uso improprio dei termini. Quando dico transazionale per un sistema di database, intendo in un modo molto specifico. Si riferisce al modo in cui viene utilizzato quando si progettano database. E quando dici transazionale, non ha nulla a che fare con finanza o qualche tipo di processo, ecc. Significa essenzialmente la proprietà ACID: atomicità, coerenza, isolamento, durabilità. Queste sono proprietà garantite dal tuo storage.

E DDMRP è altrettanto transazionale quanto MRP come paradigma. E tutte le implementazioni che ho visto, i fornitori che fanno DDMRP, lo fanno su database SQL proprio come tutti gli altri che facevano MRP. Quindi ancora una volta, ci sono così tante cose in cui stai usando parole, ma non le stai usando nel modo corretto. Quindi significa che se ti riferisci a una transazione, ti riferisci a qualcosa che non ha nulla a che fare con il punto, che era la progettazione dei sistemi di database. Ti allontanerai dal punto usando la transazione per qualcosa che assomiglia di più alla metodologia di DDMRP.

E ancora una volta, sono cose completamente diverse. Mi dispiace, quindi sto solo sottolineando che abbiamo, ancora una volta, abbiamo fattori, ma stiamo costantemente cambiando la semantica di ciò che le parole effettivamente significano.

Carol Ptak: Beh, penso che sia qui che la conversazione che abbiamo avuto quando abbiamo organizzato questo dibattito sia arrivata alla definizione. Perché la mia prospettiva sul mondo deriva da una vita passata a gestire la produzione e ad essere un pianificatore delle operazioni, un pianificatore sul campo di lavoro, un supervisore, un vicepresidente delle operazioni, lavorando nell’industria IT come esperto del settore.

Sai, affrontando la questione dal punto di vista pratico del mondo reale e non da quello che chiamavamo la piccola casa bianca, che è l’IT dei vecchi tempi che aveva il pavimento rialzato. Ed è lì che volevi andare d’estate perché doveva essere climatizzato. Quindi non vengo da quello che chiamiamo i bit twiddlers. Vengo dal punto di vista del mondo reale su come si gestisce effettivamente un’operazione e si gestisce un impianto di produzione come parte di una supply chain integrata.

Quindi sì, direi che probabilmente abbiamo definizioni molto diverse, ma le mie definizioni sono quelle utilizzate, sai, questo 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, voglio solo insistere un po’ perché ci sono parecchie domande da affrontare. Ma possiamo tornare su questo punto più avanti. Quindi, Joannes, e ancora una volta, hai già accennato a questo, quindi puoi trattarlo in modo leggero, immagino. Qual è la tecnologia minima di cui abbiamo bisogno per costruire l’ottimizzazione?

Joannes Vermorel: Suggerisco di impostare il problema in modo opposto: quali sono le tecnologie che sono esplicitamente un ostacolo per raggiungere questo obiettivo? Vedi, perché la realtà è che la scienza dei dati, in generale, ha bisogno di molto, molto poco. Ecco perché, ad esempio, Python è così popolare.

Quindi la mia opinione è che la maledizione al giorno d’oggi è che i moderni sistemi aziendali sono come mille strati. Hai il database, hai i sistemi operativi, hai tutti i tipi di cache, hai tutti i tipi di livelli di recupero dati, ecc., strati su strati. E quindi fondamentalmente ciò che i moderni, direi, sistemi software aziendali fanno è semplicemente spostare i dati da un livello all’altro, e questo comporta tonnellate di risorse di calcolo, memoria, CPU, larghezza di banda e così via.

Quindi in definitiva non c’è un requisito minimo, ma devi essere consapevole di tutte le cose che si frappongono. E in questo stato moderno delle tecnologie software, è enorme. Quindi il mio messaggio è: non pensare alle cose di cui hai bisogno; pensa alle cose di cui non hai bisogno e liberatene. E una volta tornato al nucleo, al nucleo algoritmico, sei a posto.

Conor Doherty: Carol, so che hai detto che la supply chain non può essere ottimizzata, ma, sai, concedimi questo. Se pensassi che potesse esserlo, quale tecnologia sarebbe necessaria?

Carol Ptak: Oh, questa è per me, la tecnologia, sai, quella la lascio a Joannes. Sai, vivo nel mondo reale con i problemi del mondo reale guardando le metodologie. E poi ho sempre lavorato molto a stretto contatto perché ho lavorato per IBM per un po’ di tempo, e ho avuto l’onore di lavorare con il Watson Research Center. Sai, quelli sono i brillanti dottori in filosofia. Io non sono uno di quelli. Sai, sono solo un manager delle operazioni molto pragmatico che ha avuto una carriera molto fortunata negli ultimi 45 anni.

Conor Doherty: Ok, allora continuerò. Carol, di nuovo, sto leggendo queste domande per la prima volta. DDMRP o anche DDAE sono stati implementati con successo in grandi organizzazioni di vendita al dettaglio con diverse centinaia di negozi? In tal caso, potresti fornire degli esempi, per favore?

Carol Ptak: Certamente, sì. Il primo che mi viene in mente è Mick. La maggior parte delle operazioni di vendita al dettaglio in cui è stato implementato si trovano in Sud America. Quindi Mick ha, hanno diversi negozi al dettaglio. Sto cercando di pensare ad altri esempi. Il più grande rivenditore in Colombia ha implementato DDMRP. C’è una sfida unica nel settore della vendita al dettaglio perché la vendita al dettaglio ha ciò che viene chiamato una lunga coda. Tipicamente, circa il 10% dei loro prodotti genera il 90% del loro fatturato, e il 90% dei loro prodotti genera il 10% del fatturato.

Quindi è un’applicazione unica, ma la maggior parte delle implementazioni nel settore della vendita al dettaglio si trovano effettivamente in Sud America e in Messico. E poi abbiamo anche un caso di vendita al dettaglio che arriva dal Sudafrica. Takealot avrebbe dovuto partecipare alla conferenza, ed è il negozio più grande in Sudafrica.

Conor Doherty: Ok, grazie. Continuerò. Non c’è molto altro da aggiungere a questa 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, è il pilastro fondamentale. Il flusso è il tasso con cui una supply chain converte i materiali in prodotti richiesti da un cliente. Ed è molto specifico. Il flusso è il tasso con cui una supply chain converte materiali, input, in output richiesti da un cliente. È assolutamente il pilastro fondamentale di DDMRP. È anche il pilastro fondamentale di Lean e Theory of Constraints e di molte altre aree di miglioramento delle operazioni, più comuni, più recenti, dovrei dire. Quindi è l’intero pilastro fondamentale. Come ho detto, se Joannes volesse scrivere un vero Post-It sulla demand-driven, riguarda tutto il flusso.

Conor Doherty: Grazie, Carol. Joannes, hai preso qualche appunto. Vuoi rispondere? Bene, questa domanda è per te. Come incorpora Lokad l’adattabilità a livello di sistema bilanciando la sensibilità della soluzione alle variazioni nella supply chain?

Joannes Vermorel: Quindi, due angolazioni qui. Riguardo alla sensibilità alle variazioni, la domanda è: sono desiderabili o no? Ci sono classi di ricette numeriche che sono estremamente, direi, impulsive in termini di risultati, e questo è molto dannoso perché nella supply chain si verificano effetti a cricchetto. Quindi una volta che hai attivato un lotto di produzione, non puoi annullarlo, quindi devi convivere con la tua decisione.

Quindi non vuoi ricette numeriche che siano impulsive ed erratiche di per sé. A proposito, uno degli aspetti della previsione probabilistica è che tende a rendere le ricette numeriche molto più stabili. Molta dell’incertezza che hai con i sistemi tradizionali è che quando hai una previsione classica, una piccola deviazione della previsione tende a propagarsi in una divergenza massiccia a valle. Quindi quel problema viene risolto passando a una previsione probabilistica e a un’ottimizzazione stocastica.

Ora abbiamo un altro punto di vista nella domanda, che è l’adattabilità. La realtà è che quando hai 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 funziona è attraverso scienziati della supply chain che possono, in un periodo molto breve di tempo, riscrivere e modificare le ricette numeriche per adattarle alla nuova situazione. Di nuovo, non abbiamo una sfera di cristallo; non possiamo prevedere qualcosa che è radicalmente senza precedenti come l’Evergreen che blocca un canale.

Ma quando succede, ci sono così tanti cambiamenti che richiedono una mente umana. Ma la mente umana non è lì per mettere il nastro adesivo su ogni singolo SKU uno alla volta; è per riscrivere la ricetta numerica. Poi siamo di nuovo in attività. Tutte le decisioni sono automatizzate e vengono fatte automaticamente e su larga scala.

Conor Doherty: Carol, vuoi aggiungere qualcosa a questo?

Carol Ptak: Non posso parlare di Lokad.

Conor Doherty: Beh, allora, questa domanda era originariamente per te, Carol, ma in realtà, penso che sarebbe più interessante porla prima a Joannes e poi possiamo confrontare la tua risposta. Quindi, Joannes, perché sei restio a confrontare i casi di studio della previsione probabilistica con DDMRP o quelli di Carol? Mettiamola così.

Joannes Vermorel: Perché innanzitutto, non credo affatto nei casi di studio nel software aziendale o nelle pratiche aziendali. Il settore è stato pieno di problemi fin dagli anni ‘50. Il problema, ancora una volta, è che ci sono enormi conflitti di interesse. Pensateci in questo modo: il fornitore non pubblicherà il caso di studio a meno che non lo metta su un piedistallo.

E poi i clienti, i manager che rischiano la loro reputazione quando intraprendono un’iniziativa, hanno un enorme incentivo a far credere a tutto il mondo che questa iniziativa sia andata splendidamente. La mia osservazione occasionale 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 la stessa base di partenza.

E quanti casi di studio posso citare in tutta la mia carriera che mostravano risultati disastrosi? Nessuno, nemmeno uno. L’unico caso di studio negativo che ho trovato è stato attraverso, direi, brillanti giornalisti. Ad esempio, incoraggio questo pubblico a leggere “Gli ultimi giorni di Target Canada”. Questa è una fantastica sintesi di tutte le cose che sono andate storte, ma è super raro.

Leo ha perso mezzo miliardo di euro solo pochi anni fa in un’iniziativa di ottimizzazione dell’inventario SAP. Nessun caso di studio. Quindi capite il mio punto di vista. Il conflitto di interesse è così enorme che non si tratta di confrontare il mio caso di studio con il tuo caso di studio. Questa cosa deve sparire. Questa è una metodologia che deve essere respinta senza mezzi termini, punto.

Conor Doherty: Giusto. Beh, Carol, la domanda era originariamente per te. Quindi perché pensi che Joannes sia restio a confrontare i casi di studio con i tuoi?

Carol Ptak: Beh, è una domanda molto interessante, e solo lui può rispondere. So che è molto restio riguardo ai casi di studio. Voglio dire, per dire all’osservatore più realistico, la domanda ovviamente sarebbe: “Ne hai qualcuno?” E incoraggio le persone a parlare con questi ragazzi, non solo a leggere ciò che è pubblicato, ma a venire effettivamente a parlare con questi ragazzi e ottenere i dettagli.

Perché li incoraggiamo a dire effettivamente: “Se dovessimo rifarlo, cosa faremmo diversamente? Dove abbiamo fallito? Cosa non ha funzionato? Cosa pensavamo che avrebbe funzionato?” Incoraggiamo quel tipo di trasparenza nei nostri casi di studio. Come ho detto prima, non permettiamo alle aziende di software e alle aziende di consulenza di fare i casi di studio. Sono le persone.

Questo è il motivo per cui abbiamo organizzato il Demand Driven World, per permettere a questi professionisti di parlarsi e avere questo tipo di conversazioni su cosa ha funzionato, cosa non ha funzionato, cosa hanno imparato, come possiamo imparare gli uni dagli altri. Non solo i successi, che sono importanti, ma come impariamo dai fallimenti? Cosa non è andato bene?

E penso che sia assolutamente fondamentale. Se possiamo aiutare a condividere i fallimenti in modo che qualcun altro non debba inciampare sullo stesso marciapiede, penso che sia una cosa buona. Ecco perché facciamo il Demand Driven World. La maggior parte delle nostre implementazioni sono in Europa, quindi è per questo che veniamo in Europa la prossima settimana.

Ma pensiamo che i casi di studio siano assolutamente fondamentali perché è la prima cosa che ci viene chiesta. Capite, il Demand Driven Institute non è una società di consulenza. Non siamo una società di software. Non siamo mai stati una società di software e non siamo mai stati una società di consulenza. Siamo solo leader di pensiero nell’ambito della supply chain. Quindi siamo molto indipendenti da tutte le aziende di software.

Ma mentre le persone consideravano la gestione basata sulla domanda, è cambiato subito dopo la pandemia. Direi che è passato da “Hai provato la gestione basata sulla domanda?” a “Perché non hai provato la gestione basata sulla domanda?” E questo è stato a causa dei risultati che l’azienda ha visto durante la pandemia che aveva già implementazioni in corso.

Conor Doherty: Ok, bene, continuerò, ma tornerò da te, Carol. Prima, di nuovo, è rivolto a entrambi, ma inizierò con Carol perché stavi già parlando. In un mondo altamente VUCA con domanda scarsa e erratica, come prenderesti decisioni senza aumentare significativamente i livelli di stock? E sottodomanda, come gestisci l’incertezza su un’incertezza in situazioni così complesse?

Carol Ptak: Beh, è lì che devi davvero capire il business. Quella domanda non fornisce informazioni sufficienti. Qual è l’incertezza su un’incertezza? Quanta di quella incertezza è auto-causata? Quanta di quella incertezza è dovuta alla tua strategia di prezzo? Ci sono molti strati di cipolla da sbucciare per arrivare alla causa radice.

Ero appena a una conferenza in Wisconsin dove una società di software mi ha chiesto: “Come proponi di fare l’allocazione in caso di scarsità?” Ho chiesto: “Il tuo cliente ha un eccesso di inventario?” “Oh sì, hanno troppo delle cose sbagliate, troppo poco delle cose giuste.” Ho detto: “Risolvi quel problema.” A volte quello che vediamo è che questa variabilità su una variabilità è auto-indotta.

Se voglio essere un fornitore di risposta rapida, ad alta variabilità e a basso volume, non lo farai 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 consente di avere diversi vantaggi strategici. Queste cose devono allinearsi. Ecco perché DDAE considera la strategia, la tattica e le operazioni e separa questi tre intervalli rilevanti.

Conor Doherty: Grazie. Joannes, stessa domanda.

Joannes Vermorel: Quindi è una domanda molto interessante. Iniziamo con comportamenti sparsi e intermittenti. Sparso ed erratico, sì, è lì che l’approccio probabilistico brilla davvero. Quando si ha a che fare con qualcosa di sparso, è necessario avere uno strumento matematico che ti permetta di gestire modelli subunitari.

Se ti chiedi semplicemente: “Quante unità venderò nel corso di una settimana?” potresti dire: “50% di probabilità che ne venda solo una.” Nel mondo classico, si direbbe 0,5, ma non ha senso perché non puoi frazionare l’unità; è confezionata. La prospettiva classica fatica con le previsioni subunitarie, risultando in molte sciocchezze perché ti ritrovi con numeri frazionari che non sono reali. Esistono nella matematica, ma non esistono nella supply chain dove è solo zero o uno.

Con le probabilità, ottieni una soluzione elegante che funziona effettivamente, dove puoi avere una probabilità per zero, una probabilità per uno, una probabilità per due, diciamo, unità, e forse anche una probabilità per 50 unità, che sarà il picco erratico. Quindi, sparso e intermittente, è lì che brilla davvero.

Ora, quando accumuli incertezza su incertezza, questa è una domanda molto interessante. Come fai in un mondo deterministico quando aggiungi un ritardo su un altro ritardo? La risposta: fai una somma, un’addizione che sembra una cosa super normale. Quindi, puoi aggiungere, sottrarre, moltiplicare. Beh, si scopre che quando hai incertezza, se hai qualcosa come un’algebra di variabili casuali, puoi fare tutte quelle combinazioni di incertezze e otterrai un’algebra di variabili casuali. Sarai in grado di calcolare effettivamente le incertezze risultanti che hai su tutto questo. 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 si occupino di sparità e erraticità. Quindi, non sarà la tua classica previsione. Non saranno i buffer che sono medie mobili glorificate presentate in DDMRP. E in secondo luogo, quando affronti incertezze composte, devi avere gli strumenti che ti permettano di farlo. Le persone lo fanno da mezzo secolo nel campo finanziario. Questo non è magia. Lokad non ha inventato questo. È solo uno strumento leggermente insolito, ma è molto semplice. Proprio come aggiungere, sottrarre numeri e moltiplicarli ti sembra naturale, imparerai semplicemente a farlo coinvolgendo l’incertezza.

Conor Doherty: Ok, grazie. Continuerò. Ok, questa è una domanda piuttosto lunga. Cercherò di riassumerla in tempo reale. Uh, ok, beh, voglio dire, questa sarà per te, Joannes, perché hai già risposto in qualche modo. Ci sono alcune parti in movimento, ma leggerò per base.

A Joannes: qual è la tua principale critica al modello DDMRP e a quali aspetti specifici di esso stai mettendo in discussione? Penso che tu abbia già risposto a questa domanda, ma non ho sentito un argomento solido contro DDMRP oltre al fatto che è troppo semplice. Se un modello semplice può fornire 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 ho indicato le pagine. Perché quando prendi i pezzi, ti rendi conto che è principalmente un sacco di niente. E l’idea che da un sacco di niente messo insieme, avrai, voilà, un grande insieme, penso che sia completamente senza senso. Quindi, la mia principale critica è che è molto, molto debole, sia riga per riga che nel complesso.

E poi torniamo a perché funziona così bene? La domanda, se già assumi che tutti gli studi di caso siano veri, mi dispiace, non posso fare nulla per te. Se assumi proprio come vero lo studio di caso, che puoi ottenere in modo affidabile un aumento del fatturato del 60% applicando DDMRP al settore del commercio al dettaglio riducendo contemporaneamente la scorta nello stesso processo e dando l’impressione che il negozio sia ancora più pieno, se pensi che questo sia il tipo di risultato che puoi ottenere, sai, perché è quello che viene presentato, mi dispiace, ho un ponte a Brooklyn da venderti. Questo è tutto.

Conor Doherty: Beh, Carol, ancora una volta, vorrei approfondire, e si basa su quello. Quindi, ancora una volta, questa è una domanda che ascoltando Joannes e ascoltando anche la conversazione nel complesso. All’inizio, hai commentato: “Sono rimasto sorpreso che Joannes volesse parlare dei libri”. E ancora una volta, non parlerò a nome di Joannes, ma certamente per me, se mi dici: “Ehi, vuoi imparare qualcosa? Ecco diversi libri che spiegheranno, come dei manuali, come decolla l’aereo?” Leggi di aviation o aeronautica, impari il principio di Bernoulli. È scritto in un libro. Quindi, non imparo che gli aerei volano; leggo quel libro per imparare come volano gli aerei.

Quindi, quando parli di studi di caso, e dirò, per amor di discussione, che funziona, ok, ma penso che per Joannes e forse anche per le persone che ascoltano, il problema è se voglio imparare come funziona, stai dicendo che non è nei libri.

Carol Ptak: Oh no, è chiaramente nei libri. Joannes sta dicendo che non è nei libri. È nei libri. Abbiamo scritto quei tre libri per tre mercati molto separati e diversi. Il libro “Demand Driven Adaptive Enterprise” è stato scritto per un dirigente per capire come tutto viene messo insieme. Il libro “Adaptive S&OP” è stato scritto per il team S&OP su come collegare un processo S&OP strategico che produce un piano aziendale adattivo che può essere tradotto in un modello operativo basato sulla domanda. E il libro “DDMRP” è molto specificamente su come funziona il motore DDMRP.

Ora, amo la critica che è troppo semplice. Penso che sia il miglior complimento che possa ricevere. Perché è molto facile complicare le cose. È molto difficile semplificare le cose. E abbiamo lavorato molto, molto duramente per rendere il concetto semplice da capire e facile da implementare.

Quindi, l’intera 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 di comprensibile, facile da implementare e che produca risultati significativi. Quando guardi gli strumenti di pensiero critico, stai sempre cercando quell’idea rivoluzionaria che risolve molti problemi e lo fa in modo molto profondo. Ed è quello che fa il demand-driven.

Voglio dire, amo Eli Goldratt. Voglio dire, ha sempre detto le cose in modo così chiaro. Sai, ha detto: “Se devi usare la matematica per spiegarti, allora non sai di cosa stai parlando.” Amo Goldratt. Voglio dire, ha ideato cose fantastiche, sai, quindi se la peggiore critica di Joannes è che non gli piace quello che abbiamo chiamato un’equazione, va bene, il resto del mondo chiama quelle equazioni. E ci sono determinati requisiti di formattazione da parte di una casa editrice, e non so quanti libri Joannes abbia pubblicato, ma ci sono determinati requisiti di formattazione quando pubblichi un libro che devi etichettare le cose come grafico e figura, capito? Ed è un requisito.

Quindi, devi fare i conti con le case editrici, e saremmo felici di togliere tutto questo, ma è un requisito. Quindi, non so quanti libri tu abbia avuto l’esperienza di pubblicare, ma scoprirai che è un requisito quando pubblichi con alcune delle case editrici di alto livello, anche se tutte quelle cose devono essere etichettate. Quindi, chiamare ciò che facciamo semplice è il miglior complimento che mi venga in mente perché lavoriamo molto, molto duramente per renderlo semplice da capire, semplice da implementare, ma che produca risultati profondi.

Conor Doherty: Ok, grazie, Carol. Torno a Joannes.

Joannes Vermorel: Sì, penso che sia una rappresentazione distorta della mia critica. Non ho detto che quei libri sono semplici. Al contrario, ho ampiamente rappresentato che sono molto contorti per presentare cose che, alla fine, sono molto semplici. È 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 stato rappresentato con, ancora una volta, formule della scuola primaria, come le formule di base.

E al contrario, vedi, questo è il punto di questo libro. Non sto criticando che siano troppo semplici. Questo non è il mio punto. Il mio punto è che sono estremamente deboli. Questa è una critica molto diversa. La debolezza non è semplicità. Puoi avere cose che sono 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, in realtà drasticamente, ancora una volta, attenendosi alle norme consolidate quando hai cose che vuoi aggiungere, sottrarre e così via, basta usare una semplice formula e non entrare letteralmente in mezza dozzina di pagine di spiegazione estremamente complicata e contorta per spiegare ciò che è semplice. E il mio punto, la critica, è che facendo ciò, si gonfia il numero di pagine, si gonfia la massa di parole per, alla fine, offrire molto, molto poco, ancora una volta, su 900 pagine.

Conor Doherty: Va bene, continuerò. A questo punto, siamo stati qui per 80 minuti, quindi inizierò a eliminare le domande che sono già state risposte. Quindi, di nuovo, non chiederò a Joannes degli studi di caso DDMRP. Abbiamo già esplorato bene quell’argomento. Sì, quindi, inizierò con Carol.

Puoi definire congiuntamente il campo di applicazione, le situazioni o le condizioni in cui è necessario qualcosa di più sofisticato rispetto al DDMRP? Ad esempio, nei processi di smontaggio, il DDMRP sembra non essere sufficiente. Come affronteresti tali scenari?

Carol Ptak: In realtà, nello smontaggio, ha funzionato molto bene. Uno dei primi studi di caso è stato su un’azienda chiamata Erickson Air-Crane. Mi scuso, Joannes, per tornare a uno studio di caso, ma l’Erickson Air-Crane ha effettivamente il certificato di volo per l’elicottero Sikorsky. E quindi hanno un processo di smontaggio completo. Quindi, in realtà funziona molto, molto bene, e funziona molto bene lì a causa dell’alto livello di variabilità.

Quando arriva un aeromobile, atterra come mantenuto. Ora devi capire come era stato costruito, come era stato progettato e poi devi cercare di ripristinare l’intera cosa. E poi hai un problema con il certificato di volo della FAA che dice che una parte è stata modificata e sarà valida fino al 31 ottobre 2024, ma un’altra parte è stata modificata e sarà valida fino al 1 giugno 2025. Il telaio è certificato solo fino al 31 ottobre 2024 perché tutte le parti devono corrispondere. Quindi, quando si affronta questo tipo di alta variabilità, in realtà funziona abbastanza bene.

Quello che dico alle persone che mi chiedono sempre la domanda, “In quale settore non funziona?” Il settore in cui il demand driven non funziona è se ti trovi in un settore altamente affidabile in cui il tempo di tolleranza del cliente è inferiore al tempo di consegna cumulativo e non si verificano variazioni delle operazioni, allora non funzionerà.

Implicito in tutto ciò, no, non ho trovato quel posto nel mondo, ma hey, teoricamente, potresti spingerlo fino a quel punto. Più variabilità, volatilità, incertezza, complessità e ambiguità ci sono, meglio funziona perché è stato progettato. L’azienda adattiva orientata alla domanda è stata progettata per il mondo VUCA di oggi, e funziona nel mondo VUCA di oggi.

Conor Doherty: Ti lascio rispondere.

Joannes Vermorel: Sì, prenderei solo questo esempio, ancora una volta, per il pubblico. Ok, parliamo di aviazione. Quindi abbiamo parti che hanno ore di volo e cicli di volo al loro interno. Sto semplificando molto per il pubblico. Quindi, questo significa che quando guardi il tuo inventario, non puoi dire, “Ho una unità, due unità, tre unità, cinque unità”. Non ha molto senso perché ogni unità che hai ha un certo numero di ore di volo e cicli di volo, tra l’altro.

Quindi puoi finire con migliaia di ore di volo ma con una sola parte o forse solo 100 ore di volo ma hai due parti per qualche motivo. Quindi, in definitiva, ciò che non puoi fare più è avere una rappresentazione unidimensionale del tuo SKU. Quindi non puoi dire, “Ho una, due, tre, quattro, cinque unità extra”. Hai bisogno di una rappresentazione multidimensionale dello SKU.

E ancora una volta, se torno al DDMRP e a tutto ciò che c’è nei libri, quei punti non vengono mai toccati, nemmeno lontanamente qualcosa che potrebbe affrontare questi punti critici. Non vengono toccati. Garantisco a questo pubblico che non troverete nulla che vi permetta di gestire problemi SKU multidimensionali. Eppure è letteralmente la sorta di non linearità e complessità che i libri si sono prefissati come obiettivi fin dall’inizio.

Carol Ptak: Sono d’accordo con Joannes, assolutamente. Sì, non trattiamo le parti multidimensionali. Significa che non sappiamo come farlo o come implementarlo? Assolutamente no. La mia formazione è nel settore aerospaziale. Ho fatto molto lavoro con i depositi di aviazione NAA a Cherry Point, Jacksonville e in California, così come con le compagnie di elicotteri. Voglio dire, quella era la mia carriera. Se fai una ricerca, ho trascorso 20 anni nel settore aerospaziale.

Quindi capisco le parti multidimensionali perché hai diversi numeri SKU con diversi codici di condizione con diverse ore di volo su di essi. E Joannes, hai assolutamente ragione. Non trattiamo le parti multidimensionali in nessuno di quei libri. Ora, voglio dire, se vuoi leggere un libro sull’ERP, il mio libro sull’ERP è la prima volta che il ricondizionamento appare in un libro. Ma è un ambiente così specializzato che se mettessimo tutto su ogni singolo ambiente che c’è là fuori, quei libri sarebbero di 3.000 pagine.

Questi sono i fondamenti, i mattoni per qualsiasi impresa adattiva orientata alla domanda. Ci sono diverse dimensioni che aggiungi, come abbiamo già discusso il settore del commercio al dettaglio, il settore aerospaziale, il ricondizionamento, la gestione dei progetti. Cosa ne dici di un’azienda che non usa mai lo stesso materiale due volte? Implementazioni di successo orientate alla domanda. Quindi quei libri rappresentano i mattoni fondamentali.

Sai, è come hai detto prima, se leggo di volo, sì, leggerò i libri e capirò il principio di Bernoulli e tutto quello, ma non mi farà diventare un pilota di un 747.

Conor Doherty: Mi farebbe diventare un ingegnere solo per completare quella similitudine. Ma Joannes, il tuo…

Joannes Vermorel: No, penso che ancora una volta ci troviamo di fronte al pubblico con un argomento di autorità, di cui ho parlato all’inizio, che è “Fidati di me”. Quindi comunque, suggerisco di andare avanti solo per non tornare agli stessi argomenti.

Conor Doherty: Bene, va bene. Questa domanda è per Joannes. Anche APICS e ASCM sottolineano l’importanza della frontiera push-pull. Nella tua soluzione, a che punto nella rete di supply chain passi da un approccio push a un approccio pull?

Joannes Vermorel: Innanzitutto, la distinzione tra push e pull deriva ancora da una prospettiva errata. Quindi stiamo tornando alla sorta di mentalità degli anni ‘70 in cui si assumeva che le diverse parti dell’organizzazione non potessero comunicare tra loro. Quindi, in effetti, devi avere una parte che decide quando spingere o la parte che decide quando tirare. Ma ancora una volta, questo è un po’ senza senso in quest’era di internet. Perché? Molto semplicemente, puoi mettere un’intelligenza in cima, artificiale o meno, non importa, purché tu abbia una rete.

L’unica cosa è innescare decisioni. Se decidi di spostare 10 unità dal punto A al punto B, voglio dire, è solo una prospettiva dire che se è il punto A che chiama le unità, allora stai tirando. Se è il punto B che decide, allora stai spingendo. Di nuovo, questa non è una distinzione valida in quest’era di internet. Quindi la mia opinione sarebbe, per favore, non mantenere i concetti che sono stati resi obsoleti circa 25 anni fa, praticamente dall’idea che hai una rete internet e quindi le informazioni possono fluire liberamente lungo la tua supply chain.

Da Lokad non ci occupiamo davvero di questo perché è un problema obsoleto e esiste solo in aziende che persistono nell’utilizzo, direi, di metodologie e prospettive obsolete.

Conor Doherty: Va bene, ci sono altre due domande e poi passeremo perché è passato un po’ di tempo. Ma Joannes, vai avanti. Quanto sono efficaci i calcoli tradizionali delle scorte di sicurezza per un’azienda che gestisce sia un alto volume che un’alta variabilità nella sua operazione?

Joannes Vermorel: Le scorte di sicurezza sono fallite su molti fronti. Sarò breve, ma in sostanza perché sono completamente fallite? Ogni volta che investi 1 dollaro nella tua supply chain, questo 1 dollaro compete per tutti gli investimenti nelle scorte. Compete con tutti gli SKU. Tutti gli SKU competono per questo 1 dollaro. Il tuo modello di scorte di sicurezza assume che tu possa elaborare uno SKU in completa isolamento, ignorando tutto ciò che sta accadendo sugli altri SKU. Questo è letteralmente il modello di scorte di sicurezza.

Quindi solo su questa premessa, le scorte di sicurezza sono completamente fallite. E poi hai un secondo problema, che è un dettaglio di implementazione, ma nella pratica è davvero un killer, che è l’assunzione di distribuzione normale che viene fatta in cima a tutto ciò. Quindi le scorte di sicurezza significano inevitabilmente, sia nei libri di testo che nell’implementazione del software, l’uso di distribuzioni normali per la domanda e per i tempi di consegna. E questo è folle.

Quindi il grande problema è, ancora una volta, tutti gli SKU competono per lo stesso investimento. Quindi qualsiasi logica indipendente dagli SKU è fallita per design. E poi hai un secondo problema, che è la matematica che viene utilizzata, che è davvero inadeguata.

Conor Doherty: Grazie. Carol, cosa ne pensi?

Carol Ptak: Sono entusiasta di aver trovato un altro punto di accordo con Joannes. Le scorte di sicurezza sono fondamentalmente fallite, assolutamente. Va bene, è una delle due cose che eliminiamo nella metodologia orientata alla domanda. E il motivo è perché le scorte di sicurezza, come vengono calcolate attraverso qualsiasi software di ottimizzazione MEIO, assumono che per avere un miglior servizio al cliente, devi avere più inventario e che puoi calcolare la quantità di scorte di sicurezza necessarie, come ha detto Joannes, in isolamento, SKU per SKU, guardando la variazione e guardando lo z-score per il tuo desiderato livello di servizio.

È ridicolo. È assolutamente ridicolo, e chiamiamo questo una verità profonda. Una verità profonda può essere esposta solo da una verità più profonda, che è, di nuovo, torna a quel biglietto Post-It che vorrei poter mettere nell’ufficio di Joannes: “È tutto una questione di flusso.” Quando abbiamo un flusso migliore, otteniamo un miglior servizio al cliente con meno inventario allo stesso tempo. Non è un compromesso, sai.

I sistemi MEIO che cercano di ottimizzare queste due posizioni della quantità di inventario per il servizio al cliente sono assolutamente fondamentalmente falliti, e l’approccio orientato alla domanda non utilizza scorte di sicurezza. Quindi sono d’accordo con Joannes, assolutamente azzeccato.

Conor Doherty: Va bene, e ancora una volta, faremo un’ultima domanda. Ci sono state altre domande, ma ancora una volta, voglio passare alla prossima sezione. Tutto ciò che non è stato risposto, lo affronteremo su LinkedIn. Ma questa è effettivamente una domanda che è arrivata, Carol, da qualcuno che è un tuo fan, in effetti. Non dirò il nome, ma qualcuno che era un tuo fan. Quindi questa domanda arriva in buona fede e buono spirito.

Quindi, Carol, a te: Se la critica di Joannes è completamente errata, se è completamente fuori bersaglio, allora perché, secondo te, pensi che l’approccio orientato alla domanda non sia più diffuso o più popolare?

Carol Ptak: Beh, è interessante. Sai, io non… la sua critica… va bene, lasciami fare un passo indietro. La mia delusione è stata che pensavo che il nostro dibattito di oggi sarebbe stato sulla metodologia, non sulle pagine e sull’etichettatura delle cose, sui grafici e sulle figure, che ci viene imposto di fare dai nostri editori. Quindi sono rimasta delusa dalla profondità della nostra discussione di oggi.

Penso che le domande che ci siamo scambiati alla fine siano state la parte migliore, piuttosto che Joannes che leggeva le sue note pre-preparate mentre entrava. Quindi cercavo una discussione più dinamica. Perché l’approccio orientato alla domanda non è più diffuso? È molto conosciuto in certi paesi, e dipende dalla squadra che c’è nel paese. In Francia, molto, molto conosciuto, ed è per questo che abbiamo avuto Joannes alle calcagna per molti, molti anni.

Ha attaccato la metodologia orientata alla 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 espanso in Giappone. Gli Stati Uniti stanno crescendo come pazzi. Quindi stiamo vedendo alcune grandi aziende di prodotti di consumo, come Fortune Brands, che stanno implementando. Abbiamo alcuni marchi meno conosciuti come Toyota e Caterpillar che stanno implementando.

Quindi metterei in discussione il fatto che non sia più conosciuto. Sono state aziende molto, molto grandi ad abbracciare l’idea. Abbiamo anche alcune piccole imprese a conduzione familiare perché capiscono l’impatto e l’importanza del flusso di cassa. La cosa più eccitante è che ci siamo espansi in Cina durante la pandemia, e stiamo appena espandendo in Giappone. Il team in Giappone dice: “Sai, ci siamo resi conto che l’approccio orientato alla domanda è ciò che ci mancava perché l’approccio Kaizen è limitato, e abbiamo bisogno di un’idea innovativa”. Credono che anche l’approccio orientato alla domanda sia così.

Quindi il fatto che il nostro dizionario orientato alla domanda sia in 12 lingue, l’esame sia in nove lingue, metterei in discussione il fatto che non sia più conosciuto. Noi della comunità tendiamo a guardare quante aziende non lo stanno usando invece della dimensione e dell’ampiezza delle aziende che lo stanno usando. Per quanto riguarda il punto di Joannes, molte aziende, una volta implementato, non raccontano il loro caso di studio perché lo considerano un vantaggio competitivo, e questo è un peccato.

Conor Doherty: Va bene, Joannes, modificherò leggermente la domanda perché ovviamente le ragioni per cui pensi che non funzioni potrebbero non coincidere necessariamente con quelle delle persone che non hanno, ancora una volta, il tuo livello di formazione accademica. Quindi perché pensi che, per gli altri professionisti, non sia più diffuso, più adottato?

Joannes Vermorel: Voglio dire, fattualmente, direi molto, molto fattualmente, perché secondo me è estremamente ambiguo. Ci sono alcuni metodi, se dovessi confrontarli con altre teorie sulla supply chain—non le mie, ancora una volta, mettiamo da parte le mie cose—diciamo se dovessi andare a teorie rivali, diciamo il flowcasting, ad esempio. Non credo nemmeno nel flowcasting, ma sono estremamente specifici nella loro teoria, estremamente, estremamente specifici.

Quindi se voglio implementare un software di flowcasting, posso prendere il libro di flowcasting—si chiama flowcasting—e letteralmente mi danno tutto ciò di cui ho bisogno. Non sto dicendo che il flowcasting sia buono; in realtà, penso che sia piuttosto terribile. Ma a credito degli autori, la loro teoria che presentano non è ambigua e non è vaga. Qui, DDMRP, direi che la critica principale sarebbe che è estremamente vago, estremamente debole, ed è molto difficile inquadrare qualcosa.

Se dovessi togliere il mio cappello da editore di software e dire che voglio implementare quello, è così incredibilmente vago che non so nemmeno da dove cominciare. Mi scuso, e so che è una cosa soggettiva, quindi posso solo dire al pubblico, scegliete uno di quei libri, leggete 10 pagine a caso e ponetevi la domanda: “Posso prendere ciò che è stato detto e fare qualcosa in modo non ambiguo per la mia azienda?” In modo non ambiguo. Ponetevi la vostra domanda e la risposta che otterrete a questa domanda che vi ponete dovrebbe essere il vero giudice su se ciò che sto dicendo è corretto o solo una sciocchezza.

Carol Ptak: Beh, metterei in discussione il fatto che qualsiasi libro che prendi e leggi 10 pagine, non otterrai l’immagine completa. Il modo in cui sono scritti tutti i nostri libri è che prima descriviamo il problema, poi descriviamo la direzione della soluzione, poi descriviamo come la soluzione risolve il problema, e poi affrontiamo quello che chiamiamo gli impedimenti, i “ma-sì”, e poi descriviamo un percorso sicuro in avanti. Quindi prendere 10 pagine a caso, non penso che in nessun libro ti porterà dove vuoi andare.

Ma dovrei riassumere la discussione di oggi così: si tratta tutto di flusso, e approssimativamente giusto è meglio di precisamente sbagliato.

Conor Doherty: Beh, a questo punto, non ho altre domande, ma apro il dibattito. Joannes, c’è qualcosa che desideri chiedere direttamente a Carol senza la mia supervisione?

Joannes Vermorel: No, vorrei ringraziare Carol per aver fatto questo esercizio. Lo apprezzo davvero. È stato un vero dibattito. Voglio dire, il punto non era conciliare le mie opinioni. Non ti convincerò, e probabilmente non ti convincerò nemmeno io, ma apprezzo davvero che tu abbia dedicato tempo e sforzo a questa discussione. Per me significa molto, e il mio obiettivo da ora in poi sarà avere più di questi dibattiti. Ovviamente, ci sono altre teorie, quindi questo è un obiettivo che mi sono prefissato per questo canale.

Sono molto contento che, ancora una volta, Carol abbia dedicato un bel po’ di tempo, cosa, 90 minuti del suo tempo. Lo apprezzo davvero, e vorrei ringraziarti, Carol, per questo.

Carol Ptak: Beh, molto benvenuta, e apprezzo l’invito. Speravo che potessimo fare il dibattito di persona, ma poi è arrivata la pandemia, quindi è stato rimandato. Sono contenta che questa opportunità si sia ripresentata perché, se ricordi, ti avevo detto che in qualsiasi momento, ovunque, sarei stata felice di fare quel dibattito perché penso che sia molto importante portare tutte le informazioni complete sul mercato e dibattere su quei punti.

Penso che, come in un dibattito, qualcuno possa decidere esattamente quale strada vuole percorrere, ed è perfettamente giusto. Come ho detto prima, se dovessi riassumerlo, il demand-driven riguarda tutto il flusso. Approssimativamente giusto è meglio di precisamente sbagliato.

Conor Doherty: Beh, Carol, so che ho sentito da qualche parte che la Francia è il paese numero uno per l’implementazione del DDMRP. Quindi la prossima volta che ti trovi in Francia, se sei a Parigi, di nuovo, so che saremmo entrambi molto felici di ospitarti, se non altro per cena.

Carol Ptak: È il mio preferito. I miei ragazzi a Tolosa sanno che quando arrivo lì, devo avere il foie gras e il petto d’anatra. Prendo il mio canard, prendo il mio foie gras e sono una piccola campeggiatrice felice.

Conor Doherty: Beh, a quel punto, concluderò le cose. Onestamente, è stato piuttosto piacevole ascoltarti andare avanti e indietro, devo dire. Questo è stato in preparazione da diversi anni, penso sia sicuro dirlo. Quindi se non è stato edificante, spero che sia stato almeno divertente per tutti. Quindi ancora una volta, grazie a entrambi.

Carol Ptak: Conor, penso che tu abbia fatto un lavoro assolutamente fantastico, e te ne sono grata. Come ho detto, io e Joannes ne abbiamo parlato per diversi anni, quindi sono contenta che siamo riusciti finalmente a farlo accadere.

Conor Doherty: Su questa nota, concluderò le cose. Joannes, grazie mille per il tuo tempo. Carol, sei stata un grande supporto. Grazie mille anche a te, e grazie a tutti per aver guardato. Ci vediamo la prossima volta.