00:00:00 Introduzione alle complessità della pianificazione
00:02:30 Interdipendenza e sfide di livello di servizio nel settore aerospaziale
00:06:14 Discussione sulla Distinta Base e delle Risorse
00:13:15 Sfide quotidiane di pianificazione e limitazioni umane
00:20:45 Introduzione di algoritmi per una pianificazione efficiente
00:28:30 Misure di emergenza e prezzi AOG nel settore aerospaziale
00:36:02 Prospettiva matematica sugli impatti della pianificazione
00:43:47 Complessità e vincoli nella pianificazione delle attività
00:50:17 Sfruttare la potenza computazionale per l’ottimizzazione della pianificazione
00:57:39 Critica alle limitazioni del FIFO nella MRO
01:04:15 Processo decisionale e automazione nella supply chain
Riassunto
In un recente intervista, Conor Doherty, Direttore delle Comunicazioni presso Lokad, e Simon Schalit, COO, hanno discusso la svolta di Lokad nell’ottimizzazione della pianificazione per il settore aerospaziale, in particolare nella produzione di aeromobili e nelle operazioni di manutenzione e riparazione. Hanno evidenziato la complessità del coordinamento di numerosi componenti, competenze ed attrezzature interdipendenti, che i metodi tradizionali faticano a gestire. L’approccio di Lokad si sposta da una Distinta Base (BOM) a una Distinta delle Risorse (BOR), considerando tutte le risorse necessarie e la loro variabilità. Utilizzando algoritmi computazionali, Lokad può generare rapidamente soluzioni pratiche, riducendo al minimo il rischio finanziario e il tempo di inattività. Questa integrazione di automazione e intuizioni strategiche umane è cruciale per una pianificazione efficiente ed efficace in ambienti complessi.
Riassunto Esteso
In un recente intervista presso Lokad, Conor Doherty, Direttore delle Comunicazioni, si è seduto con Simon Schalit, COO e Responsabile della Scienza della Supply Chain, per approfondire le complessità dell’ottimizzazione della pianificazione, in particolare nel settore aerospaziale. La conversazione ha evidenziato una significativa svolta raggiunta da Lokad in questo ambito, che ha profonde implicazioni per la produzione di aeromobili e le operazioni di Manutenzione, Riparazione e Revisione (MRO).
Conor ha iniziato impostando il contesto, sottolineando la natura intricata della pianificazione nelle industrie manifatturiere e di riparazione. Ha sottolineato che gestire una vasta rete di componenti, strumenti e personale, che possono cambiare in modo imprevedibile, è una sfida formidabile. Simon Schalit ha poi approfondito questa complessità utilizzando l’esempio dell’aeronautica, dove il compito di produrre o riparare qualcosa di intricato come un motore di un aeromobile comporta il coordinamento di numerosi componenti, competenze ed attrezzature. Ha sottolineato che, a differenza di altri segmenti della supply chain in cui le decisioni possono spesso essere prese in modo indipendente, nella MRO e nella produzione, specialmente nell’aeronautica, ogni elemento è interdipendente. La mancanza anche di un singolo componente su cento può bloccare l’intero processo, rendendo inutili gli altri 99 componenti.
Simon ha spiegato che questa interdipendenza rende necessario un passaggio dalla prospettiva tradizionale della Distinta Base (BOM) a un approccio più completo della Distinta delle Risorse (BOR). Mentre una BOM elenca i componenti necessari per un compito, una BOR include tutte le risorse necessarie: componenti, competenze ed attrezzature. Questa visione olistica è cruciale perché tiene conto della disponibilità e della variabilità di ogni risorsa. Ad esempio, i componenti possono essere soggetti a variabilità dei tempi di consegna, le competenze dipendono dalla disponibilità del personale e le attrezzature potrebbero essere in uso o in riparazione.
Conor e Simon hanno discusso delle implicazioni pratiche di questo approccio. In un contesto MRO tradizionale, la pianificazione quotidiana spesso comporta l’aggiustamento manuale degli orari in base alla disponibilità dei componenti e del personale. Questo metodo, sebbene comune, è inefficiente e soggetto a errori a causa delle limitazioni della mente umana nel gestire variabili complesse e interdipendenti. Simon ha sottolineato che anche piccoli cambiamenti in un programma possono avere conseguenze imprevedibili a cascata, rendendo difficile raggiungere un piano ottimale.
La conversazione si è quindi spostata sul ruolo degli algoritmi computazionali nel affrontare queste sfide. Simon ha spiegato che l’algoritmo di Lokad può generare rapidamente una soluzione sufficientemente buona considerando lo stato attuale di tutte le risorse. Questa capacità è fondamentale nell’industria aeronautica, dove ogni minuto di inattività è costoso. La forza dell’algoritmo risiede nella sua capacità di simulare vari “what if” scenari, aiutando le aziende a comprendere le implicazioni finanziarie di diverse decisioni e misure di emergenza.
Conor ha sottolineato che l’obiettivo non è trovare una soluzione perfetta, ma una soluzione pratica che minimizzi il rischio finanziario e rifletta lo stato attuale delle risorse. Simon ha concordato, sottolineando che la capacità di generare rapidamente una nuova sequenza di eventi in base alle risorse disponibili è fondamentale per minimizzare l’impatto finanziario.
La discussione ha anche toccato i limiti delle euristiche tradizionali come FIFO (First In, First Out). Sebbene FIFO sia semplice e veloce, non tiene conto dell’importanza finanziaria e strategica variabile di diverse attività. Simon ha sostenuto che un approccio più sfumato, che tenga conto del contesto specifico e dei vincoli di ogni attività, è necessario per una pianificazione efficace.
In conclusione, Simon e Conor hanno sottolineato l’importanza di integrare strumenti computazionali con intuizioni strategiche umane. Sebbene gli esseri umani eccellano nella pianificazione strategica, non sono in grado di gestire le complessità granulari della pianificazione nelle operazioni su larga scala. Sfruttando gli algoritmi, le aziende possono prendere decisioni di pianificazione più efficienti e finanziariamente solide.
Simon ha concluso affermando che il futuro della presa di decisioni nella supply chain risiede nell’automazione, in particolare in ambienti complessi come l’aerospaziale. Ha sottolineato che l’approccio di Lokad combina la potenza computazionale necessaria per la presa di decisioni granulari con la supervisione strategica fornita dagli esperti umani, offrendo una soluzione robusta alle sfide dell’ottimizzazione della pianificazione nell’industria manifatturiera e di riparazione.
Trascrizione completa
Conor Doherty: Benvenuti in Lokad. La pianificazione è uno dei concetti più complicati nelle industrie manifatturiere e di riparazione. Questo perché è necessario gestire una vasta rete di componenti, attrezzi e persone, e questa rete può cambiare da un momento all’altro.
L’ospite di oggi, Simon Schalit, è COO e responsabile della Supply Chain Science presso Lokad, ed è venuto in studio per discutere di come il suo team ha affrontato questo problema. Oggi abbiamo parlato principalmente della pianificazione nel settore aerospaziale, ma tutto ciò di cui abbiamo discusso si applica allo stesso modo a qualsiasi settore manifatturiero. Come sempre, se ti piace ciò che senti, metti mi piace a questo video, iscriviti al canale YouTube e seguici su LinkedIn. E con questo, vi presento la conversazione di oggi con Simon Schalit.
L’argomento di oggi era l’ottimizzazione della pianificazione e il lavoro esteso che il team di Supply Chain Science ha svolto per ottenere una svolta in questo campo. Quindi, prima di addentrarci in questi dettagli, dal tuo punto di vista, e puoi prendere l’aerospaziale come esempio concreto per le persone, qual è esattamente il problema della pianificazione che il nostro team di ingegneri, il nostro team di scienziati della supply chain, sta cercando di risolvere? Qual è il problema?
Simon Schalit: Ok, prendiamo ad esempio l’aeronautica, MRO o la manifattura. Quando si cerca di produrre o riparare qualcosa di dimensioni come un aereo o un grande segmento di un aereo, ad esempio un motore, ci si trova di fronte a qualcosa di incredibilmente complesso. Complesso, naturalmente, dal punto di vista ingegneristico, ma anche solo se si considera il numero di componenti, competenze ed attrezzature che saranno necessarie per mettere insieme per poter svolgere il compito che ti è stato assegnato, che sia la produzione o la riparazione.
Nella maggior parte dei segmenti della supply chain, quando si prendono decisioni, si potrebbe sostenere che le decisioni possano essere considerate indipendenti senza che questo modo di pensare sia troppo dannoso. Ad esempio, se decido di acquistare l’articolo A e l’articolo A è esaurito, sarò comunque in grado di vendere l’articolo B o l’articolo C. Potrebbero esserci conseguenze, ma in generale è così. Quindi pensare in modo indipendente non è troppo dannoso.
Quando si tratta di MRO o di manifattura, soprattutto nell’ambiente dell’aeronautica, questo diventa completamente falso. Se vuoi essere in grado di riparare, ad esempio, un motore e hai bisogno di 100 parti per poter riparare quel motore, avere 99 di quelle parti e ne manca una non ti porterà più avanti rispetto a non averne assolutamente nessuna.
Conor Doherty: Cosa intendi?
Simon Schalit: Perché l’aereo ancora non può volare anche se ti manca solo una di quelle parti. Anche se ne hai 99, l’aereo ancora non può volare. Quindi ti trovi di fronte a un problema in cui non dovresti cercare di avere ogni parte; devi avere tutte le parti e, in effetti, tutte le risorse disponibili nel posto giusto al momento giusto. Altrimenti, non puoi fare nulla.
E in effetti, questo cambia completamente il problema. Perché anche se dicessi: “Ok, ho un livello di servizio del 99%” che la maggior parte delle persone in azienda considererebbe accettabile, è un livello di servizio alto. Se stai guardando il livello di servizio del 99% in modo indipendente, è piuttosto alto. Ma se diciamo: “Ok, ho bisogno di 100 parti e per quelle 100 parti avrò un livello di servizio del 99% per ciascuna di esse individualmente”, quindi una probabilità del 99% su 100 che siano lì nel momento in cui me le aspetto, in realtà, se considerassimo queste parti come indipendenti, il livello di servizio combinato di questo caso molto semplice sarebbe estremamente basso. Sarebbe inferiore al 40%.
Quindi significa che anche con un livello di servizio del 99%, se hai bisogno di 100 diverse parti o risorse disponibili, la possibilità che tu non riesca a svolgere la tua riparazione o la tua fase di produzione non è un caso accidentale; diventa la norma. Ha più del 50% di probabilità che accada effettivamente. Quindi ti trovi in un mondo estremamente diverso dal solito processo decisionale della supply chain. Ti mette in un mondo in cui anche con livelli di servizio molto alti, avere problemi è la norma e non l’eccezione. Quindi devi costruire le tue supply chain e il tuo processo decisionale della supply chain per essere resilienti rispetto a questo. Quindi è un argomento completamente diverso.
Conor Doherty: Ok, grazie. E hai menzionato alcuni termini lì, e voglio solo separarli un po’ perché hai parlato di parti e poi hai iniziato a parlare di risorse. Ora, presumo che non li stessi usando come sinonimi; hai fatto una distinzione lì. Quindi potresti fornire un po’ più di chiarezza? Quando parli di risorse, non stai parlando solo di parti fisiche. Di nuovo, se stiamo parlando di riparare un motore o riparare un APU, ci sono parti fisiche coinvolte nel processo, sì. Ma quando parli di risorse, di cosa stai parlando?
Simon Schalit: Beh, quando si parla di riparazione o produzione di qualcosa, le persone si riferiscono al concetto di una lista di materiali. Una lista di materiali è fondamentalmente l’elenco delle parti che devi mettere insieme per completare qualcosa: un aereo, un motore, qualsiasi cosa. Il problema è che questo è solo una parte del problema. Avrai bisogno di altri tipi di risorse per effettuare effettivamente il compito.
Principalmente, queste risorse saranno competenze che provengono dalle persone e attrezzature che saranno cose che non consumi necessariamente ma che utilizzi. E molto spesso possono essere piuttosto costose e non ne hai una quantità infinita, come ad esempio una piastra di prova, se stai parlando di aeronautica. Quindi non è sufficiente avere tutte le parti disponibili. Dovrai assicurarti di avere l’attrezzatura - piastra di prova, gru, qualsiasi cosa - e le persone per gestire e mettere insieme le parti in modo sicuro e tecnicamente valido.
Quindi, quando parliamo del problema di quelle liste di materiali e di come vengono utilizzate, preferiamo fare riferimento a un concetto di lista di risorse, che è più accurato nel senso che comprende il problema nella sua interezza anziché solo i materiali.
Conor Doherty: Ok, ora che hai reintrodotto il termine lista di materiali, che presumo chiunque stia guardando questo sia probabilmente familiare, la prospettiva della lista di risorse - puoi confrontare le due in termini concreti? Quindi, prendi una decisione, traccia una decisione, diciamo, per un’attività di manutenzione, riparazione e revisione utilizzando un aereo solo per semplificare, e spiega come si svolgerebbe la prospettiva della lista di materiali in tempo reale rispetto a una prospettiva più sofisticata della lista di risorse.
Simon Schalit: Ok, prego. Di solito, l’attività di manutenzione, riparazione e revisione o l’attività di produzione segue diverse fasi che devono avvenire in un certo ordine. Le cose devono essere fatte prima, le cose devono essere fatte dopo. Ma ogni passo può essere definito con la propria lista di risorse, ovvero l’elenco delle parti di cui hai bisogno per effettuare questo particolare passaggio di riparazione, l’elenco delle competenze - non delle persone, perché potresti avere persone diverse con competenze diverse - l’elenco delle competenze necessarie per effettuare e l’elenco delle attrezzature.
Le parti di solito vengono consumate nel senso che vengono montate. Le competenze non vengono consumate allo stesso modo nel senso che le persone hanno ancora quelle competenze, ma verranno consumate da un punto di vista temporale nel corso di un certo periodo di tempo. Stessa cosa per l’attrezzatura. Tutti e tre questi elementi - parti, competenze e attrezzature - presentano il proprio insieme di variabilità.
Le variabilità per le parti di solito riguardano se sono in magazzino o meno, che è un modo semplice di dirlo. Dietro questo concetto si nasconde principalmente il concetto di variabilità del tempo di consegna e, naturalmente, se effettui l’ordine al momento giusto o meno, ma di solito principalmente la variabilità del tempo di consegna.
La variabilità che è associata alla competenza deriva dal fatto che la persona sarà presente e disponibile, ma soprattutto presente per svolgere il compito. Quindi presenta tutte le variabilità che sono associate agli esseri umani in generale, come ad esempio se la persona è malata, se la pianificazione è stata fatta correttamente, se la persona ha la competenza valida dal punto di vista legale, ecc. E in realtà, questo è il tipo di variabilità che è ancora più difficile da comprendere e controllare rispetto al tempo di consegna perché non puoi costringere qualcuno a non essere malato. Se la persona è malata, è malata.
E naturalmente, c’è la disponibilità dell’attrezzatura, che viene consumata durante un certo periodo di tempo, ma che ovviamente è meno probabile che si ammali. L’equivalente sarebbe rotto, in riparazione o forse ancora bloccato in un altro motore o aereo in riparazione e ancora non liberato da quel particolare compito. Quindi questi sono, direi, i tre, e tutti presentano le loro variabilità, ed è questo che rende il problema difficile.
Conor Doherty: Bene, a questo proposito, per prendere un esempio concreto, e ancora una volta, possiamo confrontare come un tradizionale MRO con una prospettiva di lista di materiali e poi, diciamo, uno dei nostri clienti con una prospettiva di lista di risorse, possiamo confrontare come affronterebbero uno scenario. Stiamo cercando di riparare, penso che sia un A380. Penso che sia un A380. Lunedì mattina, dobbiamo riparare il motore A. Arriviamo e hai una prospettiva di lista di materiali. Quindi ancora una volta, una prospettiva di lista di materiali deterministica fisica. So quante parti ho bisogno, 100 parti per riparare quel motore. Arrivi lunedì mattina, abbiamo tutte le parti. Simon e Connor sono assenti. Tipo, Simon sta insegnando qualcosa, Connor si è fatto male alla schiena sollevando qualcosa di pesante, quindi non siamo disponibili.
Quindi hai tutte le parti, quindi quella parte dell’equazione sei fortunato. Hai tutte le 100 parti. Hai anche tutti gli strumenti, magari ne servono 20, diciamo 20 strumenti. Quindi hai 100 parti, hai i 20 strumenti, ma ti mancano le competenze critiche. E nemmeno tutte le competenze, solo Simon per attaccare una certa parte, hai bisogno di una licenza per farlo, e Connor per supervisionare. Quindi cosa succede lì in termini di decisioni se hai una prospettiva di lista di risorse?
Simon Schalit: Non è avere la lista di risorse che farà la differenza più grande. La lista di risorse ti permetterà di combinare le diverse incertezze che esistono nei tre segmenti che ho appena descritto e capire quanto è probabile che accada un incidente come quello che hai appena descritto. Devi organizzarti in modo tale da poter far fronte a quel tipo di problema.
Ma prendiamo il tuo esempio. Diciamo che abbiamo tutte le parti, abbiamo tutta l’attrezzatura, ma le persone semplicemente non ci sono, cosa che in realtà è abbastanza frequente per molte ragioni. Attualmente, il modo in cui le persone affrontano questo problema è che ogni mattina nel laboratorio, diciamo che stiamo parlando di un grande laboratorio che fa riparazioni, ogni mattina e forse anche due volte al giorno, le persone responsabili delle diverse linee di riparazione si riuniscono e cercano di ricostruire il programma per la giornata.
Vedranno cosa manca, che siano parti o persone, e diranno: “Ok, il piano che avevamo per oggi è andato. Semplicemente non esiste. Quindi qual è la quantità minima di modifiche che potremmo apportare perché siamo solo esseri umani e non abbiamo molto tempo? Qual è la quantità minima di modifiche che possiamo apportare al programma in modo che possa essere fattibile e non si discosti troppo dall’obiettivo che avevamo per la giornata?”
Il problema è che questa logica, questo tipo di logica di sforzo minimo, non funziona molto bene. Questo è ciò che le persone fanno perché non necessariamente hanno altro a disposizione, ma non funziona molto bene per una ragione molto semplice.
Cambiare un po’ il piano deriva dall’idea che in una situazione semplice, quelle modifiche minime avranno conseguenze minime perché c’è una sorta di continuità o linearità nella quantità di conseguenze rispetto alla quantità di modifiche che apporti. C’è questa sorta di presupposto, quindi apporti modifiche minime perché non è troppo complesso e speriamo che non abbia molte conseguenze.
Il problema è che quando si parla di pianificazione, si parla di riorganizzare potenzialmente decine se non centinaia di diverse attività, ognuna delle quali presenta le proprie restrizioni e variabilità associate. Quindi l’idea che ci sia un collegamento tra la portata del cambiamento e la portata dell’impatto è, diciamo, un po’ illusoria, sfortunatamente.
Tuttavia, la mente umana è limitata perché non può nemmeno cercare di stimare l’impatto generale, quindi cercherà di limitarsi a modifiche minime sperando che abbiano un impatto minimo. Ma la cosa certa è che anche se il tuo piano iniziale era un buon piano o anche vicino a un piano ottimale, nel momento in cui apporti modifiche, non hai assolutamente alcuna garanzia che il tuo nuovo piano sia anche lontanamente vicino a un nuovo piano ottimale. È solo un piano che funziona per caso.
Conor Doherty: Lasciami provare a ripeterti quanto hai detto, e correggimi se ho capito male perché è un punto molto interessante. Prima ho parlato di Simon e Conor che sono assenti e hanno bisogno di lavorare sull’engine A. Diciamo solo che Joannis, con carta e penna o un foglio di calcolo Excel, dice: “Oh bene, Max, il nostro ingegnere che è anche il nostro videomaker dietro la telecamera, ha effettivamente le competenze che hanno Simon e Conor. Lo sposterò solo da quello che stava per fare. Sì, può lavorare sull’engine A. Problema risolto.” Quindi, sposto solo una persona, semplice.
Ma è possibile che facendo ciò si introducano conseguenze sproporzionate? Perché con lo stesso tempo che Max impiega per lavorare sull’engine A, avrebbe potuto svolgere i compiti 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 sugli engine B, C, D, E e F, e questi in combinazione hanno un maggiore ritorno finanziario rispetto al solo lavoro sull’engine A, ad esempio?
Simon Schalit: Sì, l’esempio è assolutamente corretto. Ciò che le persone devono tenere presente è che è necessario svolgere quei compiti in un certo ordine. Quindi se un compito non viene svolto, il problema non è solo che quel compito non viene svolto, ma che tutto ciò che avevi pianificato che doveva accadere successivamente a condizione che il compito A fosse stato svolto non può accadere.
Quindi se prendi qualcuno da qualcos’altro e dici: “Fai il compito A,” sarai in grado di fare B, C e D. Ma il problema è che questa persona avrebbe dovuto fare qualcos’altro, che non verrà fatto e avrà anche conseguenze a cascata. Hai questa sorta di effetto farfalla, e ciò che è molto difficile per un essere umano è dire quale effetto farfalla ha il maggior impatto finanziario e quale opzione dovrei scegliere. Questo è davvero difficile, anche quando ti trovi in un ambiente molto piccolo e non così complesso. Se porti tutto questo alla scala di un’attività MRO grande, pensare di poter fare qualcosa che sia vicino all’ottimale è semplicemente ridicolo.
Conor Doherty: Voglio fare molta attenzione a come ci presentiamo qui perché il messaggio non è che le persone sono stupide. La mia comprensione di questo, avendo partecipato a conferenze MRO, è che stiamo trattando con persone molto intelligenti e molto talentuose. È semplicemente irragionevole aspettarsi che un ingegnere molto intelligente o un intero gruppo di persone molto intelligenti rielaborino una sequenza incredibilmente intricata di eventi, ognuno dei quali ha impatti finanziari, più volte al giorno, ogni singolo giorno, per un’azienda aeronautica multimiliardaria. Questa è una proposta irragionevole. La tua proposta non è quella di fare questo, ma di fare qualcos’altro?
Simon Schalit: Sì, hai ragione. È necessario precisare che le persone hanno fatto questo per una buona ragione. Prima di tutto, perché non c’era alternativa, e anche perché si basavano sull’assunzione che, sì, ovviamente, si verificano problemi. Ci sono situazioni in cui sarà necessario riorganizzare tutto, ma non accadrà troppo spesso. Per il resto della supply chain in generale, sì, non accade troppo spesso. Ma in questo contesto particolare, accade ogni giorno. Questo è il problema. Ecco perché le persone saranno sopraffatte, non perché sono incompetenti o stupide, ma semplicemente perché gli esseri umani non sono predisposti a gestire questo problema.
Quindi come proponiamo di fare diversamente è, ovviamente, avere una macchina, un computer, che faccia questo, un algoritmo. Non è nuovo. Questo tipo di problema organizzativo è stato affrontato dai computer da qualche tempo, soprattutto con l’aumento della potenza di calcolo negli ultimi decenni. Il problema qui è che ti trovi in un contesto incredibilmente complesso, come ho detto, con una sequenza molto intricata di eventi. Ogni evento comporta un complesso elenco di risorse, dipendenze e incertezze.
I modi tradizionali per affrontare questo problema di solito non funzionano in modo molto soddisfacente e, ancora più importante, non funzionano abbastanza velocemente. Ecco dove sta il problema. Se chiedi a un computer di risolvere un problema del genere e se costruisci un algoritmo abbastanza buono, è probabile che avrai una buona soluzione se dedichi abbastanza tempo e potenza di calcolo a quel particolare problema. Sarà difficile; molte soluzioni non arrivano nemmeno a questo punto, ma puoi farlo.
Il problema è che la situazione in cui ti trovi è il lunedì mattina. Il laboratorio deve iniziare a lavorare se non lo ha già fatto perché di solito, immaginiamo, è lunedì mattina. Devono riorganizzare tutto perché mancano determinate parti e mancano determinate persone. Non hai qualche ora di tempo per risolvere il problema; hai qualche minuto perché devi metterti in moto. Ogni minuto conta, e nell’aeronautica, ogni minuto è costoso. Quindi devi risolvere quel problema entro pochi secondi o al massimo pochi minuti, ed è una questione molto urgente.
Ecco dove diventa davvero difficile. Quindi quello che abbiamo sviluppato è un algoritmo che ci permetterà di risolvere quel problema in modo abbastanza buono. È impossibile dimostrare che la tua soluzione sarà ottimale, ma almeno una soluzione molto buona rispetto ad altre soluzioni che potresti trovare, e in cui puoi dimostrare che dal punto di vista finanziario, avrai una soluzione molto buona in pochi minuti. I nostri clienti di solito possono essere abbastanza rigorosi sul numero di minuti che abbiamo per risolvere il problema.
L’idea alla base, non entrerò nei dettagli della matematica e dei computer, è quella di utilizzare la capacità del computer e fare affidamento sul fatto che ciò che stai cercando non è la soluzione stessa ma come strutturi il risolutore che sarà in grado di risolvere il problema in pochi minuti. In realtà, è sorta di un problema meta. Sarebbe molto interessante parlarne per ore, ma non abbiamo tempo adesso. Il punto cruciale è che non vuoi trovare la soluzione; vuoi trovare il risolutore che troverà la soluzione basandosi sulla precedente soluzione ideale che hai avuto il tempo di calcolare durante la notte o quando avevi più tempo.
Conor Doherty: Dal punto di vista del cliente, vogliono la soluzione, vogliono che la nuova sequenza venga generata il più velocemente possibile. Voglio solo approfondire un po’ un punto che hai fatto perché dal punto di vista della gestione delle aspettative in questa conversazione, non stiamo presentando l’idea che avrai sempre in sei minuti, penso, o da tre a sei minuti, hai detto che puoi rigenerare un’enorme pianificazione delle operazioni per, diciamo, riparare un motore per riflettere il nuovo stato dell’elenco delle risorse.
Per quanto riguarda la gestione delle aspettative di ciò che ciò significa, non stai dicendo che questa è perfetta, che se avessi passato 10 anni a pensarci, non ne avresti trovata una migliore. È semplicemente una buona soluzione che riflette ciò che è disponibile ora e gestisce il tuo rischio finanziario.
Simon Schalit: Sì.
Conor Doherty: Fare questa nuova sequenza di eventi con queste risorse disponibili porta a un risultato specifico dal punto di vista finanziario.
Simon Schalit: Sì, ok, è esattamente ciò che facciamo e ciò che vuoi anche tu perché è qualcosa di necessario. Non vuoi solo rigenerare una pianificazione, vuoi anche dare ai tuoi clienti la possibilità di cambiare la realtà in un certo modo. Questo è ciò che chiameresti uno scenario “e se”.
Ad esempio, se una persona è assente oggi, saremo in ritardo. Posso trovare una buona soluzione, ma la buona soluzione che trovo mi lascia comunque una persona in meno, quindi non sarà migliore di quella che avevo con quella persona aggiuntiva. Tutto sarà leggermente in ritardo. Quindi, voglio dare al mio cliente la possibilità di generare uno scenario in cui dice: “Ok, oggi mi mancava una persona. Devo recuperare il tempo perso. Forse potrei aggiungere qualcuno in più alla mia pianificazione regolare domani o forse aprire per un giorno aggiuntivo dove il laboratorio doveva essere chiuso.” Voglio sapere cosa succederebbe, quanto tempo guadagnerei se dovessi aprire il sabato, ad esempio, dove il laboratorio potrebbe essere chiuso regolarmente.
Quindi, vuoi che lo strumento sia in grado, ovviamente, di simulare ciò che sta realmente accadendo perché è probabilmente ciò che farai oggi, ma vuoi anche che il cliente sia in grado di simulare uno scenario “e se” in cui integrano le misure di emergenza che potrebbero adottare proprio ora. Ma è importante per loro capire quali sarebbero le conseguenze di queste misure di emergenza perché queste misure di emergenza sono chiamate così per un motivo. Non si ricorre a quel tipo di cose per la tua attività regolare perché costano soldi. Di solito costano molti soldi. Ecco perché non le usi regolarmente.
Conor Doherty: Ad esempio, come i prezzi AOG per reperire pezzi all’ultimo momento.
Simon Schalit: Esattamente, è come se avessi un pezzo mancante e ciò causerebbe un’interruzione del lavoro, il prezzo che sei disposto a pagare per quel particolare pezzo può essere altissimo. È qualcosa che è, ovviamente, vero nell’industria aeronautica ed è qualcosa che è molto noto nell’industria automobilistica, ad esempio. Sono pronti a spedire pezzi mancanti a un prezzo astronomico.
Conor Doherty: Perché il costo finanziario di non spedire affatto è ancora maggiore.
Simon Schalit: Esattamente. Quindi, ciò che vuoi è dare al cliente una stima del guadagno in modo che possano tenerne conto quando considerano il costo di quella misura di emergenza e prendere una decisione informata su se ricorrere a quella misura di emergenza abbia effettivamente senso dal punto di vista finanziario. Hanno bisogno di saperlo per prendere la decisione e documentarla per difendere quella decisione all’interno dell’azienda. Perché quando si ricorre a costose misure di emergenza, si dovrà rispondere di ciò al proprio capo o all’azienda in generale.
Conor Doherty: Ancora una volta, voglio essere molto attento con il linguaggio qui. Hai menzionato scenari di emergenza “e se”, ma in precedenza nella conversazione hai parlato della percezione delle emergenze e di come questa sia un po’ distorta. La comprensione delle persone di ciò che costituisce un’emergenza è forse un po’ ingenua. Quindi, potresti separare questi concetti?
Quando parliamo di produrre o riparare un APU o di fabbricare un APU, stiamo parlando di molti pezzi, molti strumenti e molte persone. Se stai parlando di fabbricare un intero aereo, ancora di più: mezzo milione di pezzi, centinaia di strumenti, possibilmente centinaia di ingegneri e tecnici. Quindi, quando parliamo di emergenze, come ad esempio un elemento del conto delle risorse mancante, data la scala delle risorse di cui stiamo parlando, è “emergenza” il termine corretto per riflettere qualcosa che sicuramente accade abbastanza spesso o che è almeno probabilisticamente molto probabile?
Simon Schalit: Sì, beh, c’è una cosa che dobbiamo capire. Se stiamo parlando di aeronautica, l’aeronautica è per natura o per design un’industria molto avversa al rischio per ottime ragioni. Il problema è che nella supply chain, ogni decisione che prendi, senza eccezioni, è una scommessa. Stai scommettendo sul fatto che il futuro non sarà troppo diverso da quello che ti aspetti. Poni le tue scommesse basate su questa assunzione.
Questa scommessa può essere rischiosa o non rischiosa, e potremmo entrare in questa metafora della scommessa in cui vuoi agire più come il casinò che come il giocatore. Ma in sostanza, la parte importante è che quando si tratta di pianificazione, il contesto di cui stavamo parlando, la scommessa che stai facendo sul futuro è estremamente complessa. L’idea che il futuro si sviluppi esattamente come ti aspetti o come è stato pianificato non è realistica. Non accadrà come hai pianificato.
Conor Doherty: Scusami se ti interrompo, ma è un bel punto. Quando dici, ad esempio, per riparare un motore, ho bisogno di 100 pezzi. Lunedì mattina, ho bisogno di 100 pezzi, ho bisogno di 10 strumenti e ho bisogno di cinque ingegneri. Quella è la previsione per il futuro a cui sto puntando. Quanto è probabile che accada? Per favore, continua da lì.
Simon Schalit: Sì, pianificherai tutte le tue risorse basandoti sull’assunzione che quelle risorse saranno disponibili. Hai pianificato una sequenza di eventi che in teoria dovrebbero andare per il verso giusto. Ma data la pura quantità, questa sorta di maledizione della dimensionalità, non accadrà. Abbiamo preso l’esempio di 100 pezzi con un livello di servizio del 99%. Vedi già che la probabilità che tutte le cose siano effettivamente lì, al posto giusto e al momento giusto contemporaneamente, è inferiore al 40%. Quindi, non accadrà.
Il problema è che poiché le aziende sono avverse al rischio, il riflesso che hanno è dire: “Okay, se un livello di servizio del 99% non è abbastanza alto, andrò più in alto”. Quando si parla di pezzi, ciò che si intende con un livello di servizio del 99% è che si effettueranno ordini di pezzi per farli arrivare prima, ancora prima, solo per tener conto della variabilità del tempo di consegna, il tempo che ci vuole per far arrivare effettivamente i pezzi. Perché quella è l’incertezza principale che hai per i pezzi.
Quindi, prenderai sempre più buffer fino a passare dal 99% al livello di servizio del 99,9%. Tranne che se hai bisogno di 100 pezzi o più di 100 pezzi, la quantità di denaro che ti servirebbe per raggiungere un livello di servizio combinato che sarebbe soddisfacente è semplicemente qualcosa che non puoi permetterti. Quindi, l’approccio tradizionale di dire: “Sto spingendo il livello di servizio al punto in cui mi sentirò a mio agio e ciò garantirà che io possa attuare il piano che ho ideato”, non è necessariamente un modo valido di lavorare.
Ovviamente, avrai bisogno di livelli di servizio elevati perché si tratta di aeronautica. Ma ciò di cui avrai bisogno è un modo per cambiare il tuo piano nel modo più efficiente e conveniente possibile, garantendo che il nuovo piano che devi ideare al volo sia il miglior piano che puoi concepire in base alle informazioni che hai. In effetti, questo fa una grande differenza rispetto al semplice pensare che le cose andranno secondo il piano e avere persone ogni mattina senza gli strumenti corretti che cercano di ideare un nuovo piano.
Conor Doherty: Quindi, ancora una volta, per riassumere, l’argomento che stai facendo è che quando lo prendi - e non andremo troppo in profondità nella matematica - da una prospettiva puramente matematica, quando tracci o semplicemente elenchi tutte le parti fisiche di cui hai bisogno, tutti gli strumenti fisici di cui hai bisogno e quindi tutte le competenze astratte o le persone fisiche necessarie per completare una sequenza di azioni, e consideri anche che nessuna di queste cose avviene in isolamento. Voglio dire, non ripari solo un motore e poi queste persone se ne vanno a casa. Lavorano su qualcos’altro. C’è una natura interconnessa a tutte queste sequenze.
Quindi, quando arrivi il lunedì mattina, matematicamente, la probabilità che manchi qualcosa è molto, molto più alta di quanto le persone si rendano conto o vogliano rendersi conto. Le conseguenze finanziarie di ciò, come letteralmente ogni singolo secondo che ti muovi cercando di capire cosa fare dopo, dove andare, chi è qui, cosa è disponibile, ecc., lavorando, inviando fogli di calcolo Excel - tutto ciò ha conseguenze finanziarie significative immediate. Ho capito correttamente?
Simon Schalit: Corretto, e aggiungerei anche che è il tempo che perdi a riorganizzare il piano e il tempo perso a seguire un nuovo piano che è tutto tranne che ottimale. Di solito, questa seconda parte non è così dolorosa perché è un po’ più difficile da quantificare, ma è effettivamente molto, molto costosa. Devi immaginare che quando si tratta di attività di manutenzione, riparazione e revisione o di produzione aeronautica, ogni minuto conta perché ogni minuto è un segmento o una frazione di un aereo aggiuntivo che potrebbe uscire e volare, che si tratti di un nuovo aereo o di generare denaro. Quindi, anche un piccolo aumento dell’efficienza della tua capacità di elaborare nuovi piani al volo può avere un impatto enorme dal punto di vista finanziario.
Conor Doherty: Mi viene anche in mente, e hai appena detto questo, ho preso nota. Abbiamo parlato principalmente delle implicazioni dirette, come la conseguenza diretta immediata della persona mancante è che quella parte del motore non viene riparata. Ma indirettamente, c’è l’effetto a catena non solo sugli altri processi perché molte volte, diciamocelo, queste cose non avvengono in un vuoto. Passi da uno all’altro, o questa parte viene poi aggiunta a questa parte di nuovo. Le sottoassemblaggi BOM creano le parti più grandi completamente. Ma ci sono anche obblighi contrattuali che devono essere considerati. Voglio dire, se non riesci a rimettere un aereo in circolazione, a seconda se sei un MRO, ci sono conseguenze finanziarie anche per questo.
Quindi ci sono implicazioni dirette, ci sono implicazioni indirette, ma ancora una volta, il punto chiave qui è che ci sono centinaia se non migliaia di decisioni che vanno in un programma ottimale o molto buono, e ognuna di queste decisioni ha un impatto finanziario. E quando vanno male perché manca qualcosa, ed apparentemente è molto probabile, anche se non succede domani, è comunque probabile che succeda il giorno dopo o il giorno dopo o il giorno dopo. Questo comporta costi finanziari.
Simon Schalit: Sì, e in pratica, diciamo molto praticamente, nel lavoro di tutti i giorni, quello che ho osservato in quelle aziende è che l’esercizio di fare un nuovo piano richiede così tanto tempo e così tanta fatica che il workshop si concentra solo sul problema che conoscono oggi. Non hanno tempo per nient’altro. Quindi quello che succede è che il giorno dopo, ci sono nuovi problemi, come vecchi problemi che non sono ancora stati risolti, più nuovi problemi.
Ma se guardi i dettagli dei nuovi problemi, la metà di essi potevi saperli il giorno prima. Potevano essere previsti. Ma in pratica, quello che abbiamo osservato è che le persone sono così concentrate sul problema che devono risolvere oggi che non hanno necessariamente il tempo o la capacità intellettuale per poter anticipare i problemi dei prossimi giorni, il che può rendere i problemi sempre più grandi nel tempo e di solito porta a ritardi accumulati nelle attività di MRO o nelle attività di produzione. Quindi le violazioni contrattuali nei loro obblighi contrattuali, ovviamente.
Conor Doherty: Di nuovo, è un punto molto valido perché proprio come i processi non avvengono in isolamento, le esternalità o semplicemente le conseguenze delle azioni non avvengono in un vuoto. Quindi ancora una volta, l’accumulo del backlog e per estensione, l’accumulo dell’impatto finanziario continua in background, che tu lo voglia riconoscere, pensarci o agire su di esso o meno. O anche se agisci su di esso e pensi, “Ho risolto quel problema”, in background, perché c’è una variabile che hai perso, perché di nuovo, sono umano, sei umano, siamo umani, il conto, il conto, il contatore continua a scorrere in background. Potresti non sapere nemmeno che sta succedendo.
Ok, andiamo avanti un po’ perché per quanto riguarda i dettagli dell’ottimizzazione della pianificazione come la vediamo noi, abbiamo parlato degli aspetti dell’inventario delle parti, degli strumenti. Quando parli delle competenze, ti riferisci semplicemente - lascia che riformuli questa domanda. Le decisioni come le presentiamo ai clienti, è semplicemente, ad esempio, prendi quella parte, quello strumento e manda Simon lì a lavorare su quel motore, o è un po’ più sfumato di così?
Simon Schalit: Beh, sarà un po’ più sfumato nel senso che di solito viene fornito con un insieme completo di complessità. Fondamentalmente, l’output sembrerebbe un insieme di allocazioni consigliate per materiali, parti ed attrezzature con una pianificazione. Questa parte deve essere allocata a quell’aereo o a quel motore. Questa particolare attrezzatura deve essere utilizzata da quell’aereo o da quel motore durante questo segmento di tempo. E poi questa particolare persona, che ha questa particolare competenza, deve essere allocata a quel particolare motore o aereo in questo periodo di tempo. Il sistema deve garantire che non violiamo nessuno dei vincoli che sono imposti per ciascuno dei compiti che andremo a svolgere.
Per quanto riguarda la complessità, se stai parlando di parti, di solito è abbastanza semplice. La parte viene allocata a un compito perché fa parte del bill of material, e va bene. Ovviamente, devi avere le parti, cosa che non è garantita. Quindi di solito, puoi scambiare quando possibile, ma decidi quando allocare e cerchi di allocare all’ultimo minuto possibile per evitare la riallocazione. Ma quella è la parte semplice. Stranamente, è quella su cui le persone si concentrano di più perché è quella su cui di solito sentono di avere più controllo.
Ma per l’allocazione di persone e attrezzature, di solito vengono insieme, diventa un po’ più complesso, soprattutto perché ci sono compiti che richiedono non solo una competenza o non solo le competenze di una persona, ma forse competenze diverse da persone diverse allo stesso tempo, che sia per scopi tecnici o solo per scopi di sicurezza. Solo per operare una gru quando si sposta un motore nel mezzo del laboratorio sono necessarie almeno due persone, solo per motivi di sicurezza. Una che può manovrare la gru e l’altra che è solo lì per assicurarsi che non stiamo facendo nulla di sbagliato e che la strada sia libera. Al minimo, è quello che succederebbe.
Quindi non puoi pensare a tutte quelle risorse, soprattutto risorse specializzate, come entità completamente indipendenti. Sarebbe troppo facile. Molto spesso, vuoi pensare a loro come a vincoli in cui devono essere disponibili nello stesso luogo allo stesso tempo per lo stesso compito. E hai una scelta in cui i compiti possono essere svolti da una, due, tre, quattro persone contemporaneamente, non contemporaneamente, in sequenza o non in sequenza. Una vasta gamma di diverse combinazioni in cui l’algoritmo semplicemente deve trovare quale è la migliore soluzione valida, considerando che mentre stai consumando quelle competenze, non sono presenti altrove.
Questo rende il problema piuttosto difficile. Per fare il compito A, se hai bisogno di due persone, devi farle essere disponibili in un determinato momento. Quindi qualunque cosa stessero facendo, devono finire approssimativamente allo stesso tempo in modo che entrambe possano essere disponibili per passare a quel particolare compito. E questo in realtà non è banale perché molto spesso, una di quelle persone probabilmente aspetterà che l’altra finisca, e questo costa parecchio. Quindi vuoi evitarlo il più possibile. Ogni minuto conta. Quelle competenze valgono molto denaro.
Conor Doherty: Ok, e ancora, per qualcuno che ascolta, potrebbe sembrare magia. Ne sono consapevole perché sembra che tu stia dicendo che ciò che Lokad fa ora è, ci concentreremo solo sulla pianificazione. Abbiamo già discusso dell’inventario, abbiamo altri materiali su questo. Possiamo dirti, prendi questo, assicurati che questa parte e questo strumento siano in quel posto in quel momento, e che Simon vada lì e lavori per questa quantità di tempo a partire da questo momento e finendo a questo momento. È quello che stai dicendo?
Simon Schalit: Sì, è praticamente quello che stiamo dicendo. Ma in realtà, se prendi il problema nel suo complesso, ci sono, direi, due elementi che separatamente l’uno dall’altro potrebbero essere considerati così, non sono facili e, in realtà, sono quasi impossibili per un essere umano fare correttamente senza l’aiuto del computer. C’è la parte delle scommesse, come capire le conseguenze delle tue scommesse, e c’è la parte dell’organizzazione, la parte della riorganizzazione, la parte della pianificazione.
Per quanto riguarda le scommesse, ha a che fare con la comprensione della strategia e con la gestione delle questioni finanziarie. Un’immagine molto semplice che ho usato poco fa: gli esseri umani, quando devono fare quelle scommesse, si baseranno sulla loro conoscenza, sul loro istinto. Fondamentalmente, agiranno come un giocatore nel casinò con tutti i pregiudizi che ne derivano e tutte le emozioni che ne derivano. Se di recente hanno avuto un problema con una parte che ha causato un grande disturbo, è probabile che faranno acquisti eccessivi, compreranno in eccesso, metteranno un buffer molto grande su quella parte perché sono stati bruciati su quella particolare. Questo è un pregiudizio.
La macchina, se tarata correttamente, seguirà una strategia esattamente come il casinò. La stessa scommessa, lo stesso gioco. Uno segue una strategia e vince; è il casinò. Uno non segue una strategia, o almeno non una strategia documentata e coerente; quello è il giocatore, quello è l’essere umano. Nel nostro caso, vince il casinò. Il casinò vince sempre. Non è magia. È capire che c’è, anche se è difficile da calcolare, una strategia ottimale, e non vuoi deviare da questa strategia ottimale.
Quindi, su questa particolare parte, non è magia. Si tratta di assicurarsi di ottenere dalle menti delle persone, dalle persone che sono veramente brave in questo settore, le idee strategiche chiave e tradurle in una strategia all’interno del computer. Questo è ciò che fa uno scienziato della supply chain. Non è magia. È un processo coerente di costruzione della strategia.
La riorganizzazione non è magia. Di nuovo, è una combinazione di potenza di calcolo e alcuni trucchi matematici. La potenza di calcolo è accessibile alla maggior parte delle persone, specialmente se si utilizza il cloud computing come facciamo noi. Ma non siamo gli unici; sicuramente, non siamo gli unici. Molte persone hanno accesso a una potenza di calcolo ancora maggiore, molto più di quanto abbiamo noi. Ma se usata correttamente, puoi risolvere quel problema più alcuni trucchi.
Tuttavia, quei trucchi non sono puramente matematici. Sono una combinazione di aspetti matematici fondamentali, ma applicati in un modo che tiene conto della forma effettiva del problema. Sì, potresti inserirlo in un risolutore generale molto grande, lasciarlo girare per ore e sperare di ottenere una buona soluzione alla fine. Probabilmente, non funzionerà, o anche se funziona, ci vorrà troppo tempo. Quello che vuoi è assicurarti che l’approccio matematico sia adattato al tipo di vincoli, al tipo di struttura che è specifica per quel particolare tipo di problema.
Conor Doherty: Bene, quello su cui volevo tornare è un punto chiave, che si collega nuovamente a un messaggio più ampio che ritengo debba essere sottolineato su ciò che Lokad cerca di fare. Hai detto che potresti avere, diciamo, un praticante presso l’azienda cliente che ovviamente ha una grande conoscenza. L’obiettivo è ottenere quelle informazioni e incorporarle nella strategia, diciamo semplicemente nel processo decisionale, che è l’algoritmo che produce le decisioni.
Il motivo di ciò è che, certo, penso che tu sia d’accordo, e correggimi se sbaglio, su una singola scelta o decisione, una persona veramente esperta potrebbe essere altrettanto brava o addirittura migliore di un algoritmo, di un processo decisionale automatizzato. Tuttavia, quando parliamo della complessità quando si tratta di riparare un intero aereo o una flotta di aerei, possibilmente centinaia di migliaia di parti, centinaia di attrezzi, centinaia di persone, l’idea che una persona sarà in grado di prendere tutte quelle decisioni su larga scala meglio di un processo decisionale automatizzato è semplicemente irragionevole. Questo è l’aggettivo che uso: irragionevole.
Simon Schalit: Una persona o addirittura una squadra.
Conor Doherty: Una squadra, esattamente.
Simon Schalit: La mente umana non è fatta per questo. E colgo l’occasione per affrontare qualcosa del genere, una sorta di dualità tra computer e umano. Se dovessi usare il termine di moda AI, è semplicemente uno strumento. È uno strumento, nient’altro. La vera sfida quando costruiamo quegli algoritmi è estrarre la conoscenza dalla mente umana. Quello che mi piace dire è che la mente umana è estremamente brava nella strategia, ma a livello tattico, a un livello più granulare, si perde.
Si perde a causa del gran numero di cose, e si perde perché oltre un certo numero di variabili, specialmente se non sono continue, non lineari, potresti essere il miglior matematico del mondo, ma non riuscirai a risolvere tutto a mente. Non è possibile. Non è una questione di chi sei; gli esseri umani semplicemente non possono farlo. È al di là di ciò che puoi fare senza lo strumento. Ma gli esseri umani sono incredibilmente bravi a pianificare a un livello superiore, a capire le conseguenze finanziarie delle cose.
Alla fine, sono loro a decidere in quale direzione l’azienda dovrebbe andare, quanto è importante per l’azienda essere in grado di servire i propri clienti in un certo modo con una certa affidabilità rispetto al costo. Hanno un’idea di quali sono quei numeri. Il problema è che non sanno di avere un’idea. Hanno sensazioni viscerali, e quelle sensazioni viscerali li hanno portati a dire: “Voglio livelli di servizio elevati”. Se gli chiedessi perché vogliono livelli di servizio elevati, ti diranno che è importante.
Una delle principali cose che un esperto di supply chain deve fare è far loro spiegare perché è importante. Se è importante, significa che pensi che il costo di essere senza scorte sia elevato. Andiamo oltre. Cosa significa, elevato in dollari, in euro, in termini finanziari? Una volta estratta quella conoscenza, puoi usarla per implementare la strategia, la strategia ottimale di cui parlavo, ottimizzata nel senso che prenderà la decisione ottimale considerando le informazioni strategiche che le sono state fornite.
In questo caso, produrrà la sequenza di azioni e l’allocazione delle risorse più adatte per raggiungere gli obiettivi stabiliti a livello strategico. Questo è ciò che fa il computer. Non inventa nulla. Non rende gli esseri umani inutili, ma farà ciò che la mente umana non può fare.
Conor Doherty: Transizione perfetta. Quindi, a tal proposito, in passato ho partecipato a conferenze e fiere MRO. Uno dei modelli che abbiamo per i nostri poster in uno stand è una mano direttamente sopra un cestino per la carta, e sta lasciando cadere pezzi di carta sgualcita dentro. Su questi pezzi di carta ci sono determinati termini, e li adattiamo a seconda che si tratti di un evento nel settore della vendita al dettaglio o dell’aerospaziale. In questo evento, abbiamo FIFO e Min-Max, Scorte di sicurezza sui pezzi di carta che cadono nel cestino. È una cosa provocatoria.
Ovviamente, le persone si avvicinano e se capiscono, commentano. Ma funziona anche perché se in realtà non sai che siamo un po’ critici di questi concetti, ti avvicini e dici: “Oh, ciao, sono interessato a questo. Puoi dirci di più?”
Simon Schalit: Sì.
Conor Doherty: Ora, il fatto è che molte persone amano molto il FIFO. È quello di cui abbiamo sentito parlare di più. Quando parli, hai menzionato in precedenza la necessità di avere soluzioni in caso di emergenze che funzionino velocemente. È fondamentale lavorare velocemente. Quindi, la domanda, se dovessi rappresentare qualcuno che è in disaccordo con te, potrebbe dire: “Beh, ho già un euristico. Ho già un risolutore di decisioni generali, un risolutore molto semplice che funziona velocemente in tempo reale, ed è il FIFO, il primo ad arrivare, primo ad uscire”. Cosa risponderesti a questo?
Simon Schalit: Beh, il FIFO è sicuramente un algoritmo che esiste da molto tempo. È, infatti, direi, il nostro più grande concorrente sul mercato. Il problema del FIFO è che, sì, funziona molto velocemente e sì, è molto facile da capire per gli esseri umani perché, voglio dire, primo ad arrivare, primo ad uscire, cosa c’è di più semplice di così? Inoltre, il vantaggio è che sembra avere senso. Se qualcosa è arrivato per primo, vuoi occupartene per primo perché è probabilmente quello in cui è più probabile che tu sia in ritardo se, tutto considerato, tutto è uguale e dovrebbe richiedere lo stesso tempo.
Tuttavia, come molti concetti datati nella supply chain, non necessariamente cattivi, solo un po’ datati, si basa su alcune supposizioni. La prima supposizione è che tu ti trovi in un ambiente semplice. Cosa intendo con questo? Se lavori utilizzando il FIFO, è il primo ad arrivare, primo ad uscire. L’assunzione è che ogni motore, ogni aereo su cui stai lavorando, se siamo ancora nell’aeronautica, sia perfettamente intercambiabile. Nel senso che sono gli stessi finanziariamente dal punto di vista dell’azienda, dal punto di vista della strategia, sono proprio gli stessi. Dal punto di vista della gestione del rischio, sono tutti uguali. Essere in ritardo su uno o sull’altro è esattamente la stessa cosa.
È vero nella realtà? Assolutamente no. Hai clienti diversi, hai diversi tipi di aerei, quindi non sarà la stessa cosa. Un giorno di ritardo su uno di essi non è la stessa cosa di un giorno di ritardo su un altro. Ma anche se lo fosse, immaginiamo un mondo perfetto in cui servissi solo un tipo di aereo con un solo cliente.
Il problema è che gli sforzi che dovrai fare per risolvere il problema che hai di fronte su un aereo o un motore non sono necessariamente gli stessi e probabilmente non sono gli stessi che devi fare per risolvere il problema su un altro. Anche se i motori sono gli stessi, il conto delle riparazioni, le cose che devi fare su quei motori, non sono le stesse. Anche se fossero le stesse, le parti che sono rotte all’interno di questi due non sono esattamente identiche. Questo fa parte dell’incertezza che hai quando apri un motore. Scopri cosa è rotto, cosa è corroso.
Conor Doherty: Non sapevo che ci sarebbe stato.
Simon Schalit: Esattamente. Quindi dire: “Oh, mi concentrerò sul motore A perché è arrivato prima del motore B”, non ha molto senso. Le probabilità sono che, anche se dedicheresti tutti i tuoi sforzi al motore A, ti ci vorrebbe molto tempo per risolvere effettivamente il problema. Mentre forse sul motore B puoi risolverlo molto velocemente.
Sì, potresti dire: “Sto ancora facendo progressi sul motore A”, ma se finisci il motore B, esce dal tuo laboratorio. Quindi hai spazio per un altro motore che entra, hai spazio per ispezionare questo motore e sapere in anticipo di cosa avrai bisogno. Hai servito uno dei tuoi clienti, quindi potenzialmente riceverai soldi per quello in anticipo, il che ti aiuterà a finanziare il resto delle tue operazioni.
Quindi ci saranno conseguenze legate all’ordine in cui fai le cose. Ogni minuto investito nelle diverse attività non ha lo stesso valore perché non ha le stesse conseguenze. Non sblocca lo stesso potenziale.
FIFO è completamente ignaro di questo. FIFO è una visione semplicistica delle tue catene di riparazione o produzione. Non fraintendermi, non è male. Tra tutte le soluzioni che potresti utilizzare senza gli strumenti appropriati, quella è probabilmente la migliore o almeno una delle migliori. Ma se ci pensi, non vuoi semplificare troppo il problema, soprattutto considerando le conseguenze finanziarie in gioco.
Conor Doherty: Certo. E ancora una volta, abbiamo preso un esempio deliberatamente banale solo per illustrare il punto. Ma ovviamente, non si tratta solo di due processi. Riparare il motore A e riparare il motore B sono due programmi o sequenze separate. Di solito ce ne sono molti di più. Quindi devi fare un calcolo mentale o con un foglio di Excel o semplicemente usando il risolutore. Devi tenerne conto di molto di più. E il punto è che i costi non sono lineari. Non sono necessariamente gli stessi e devi tenerne conto o avere qualcosa che ti dia un’idea delle implicazioni finanziarie di lavorare su questo rispetto a lavorare su quello.
Simon Schalit: E ovviamente, c’è il semplice problema di allocazione in cui hai il motore A e il motore B e entrambi hanno bisogno della stessa parte. Se il motore A è più vecchio, per impostazione predefinita, assegneresti al motore A. Ma se per qualche motivo il motore A ha bisogno di cinque parti diverse che mancano, mentre il motore B ha solo quella parte, c’è un buon motivo per cui la parte dovrebbe andare al motore B. Perché è l’unica cosa che manca. Può andare, mentre la parte unica che hai, se la metti sul motore A, non fa nulla perché mancano ancora altre quattro parti. FIFO è ignaro di questo.
Conor Doherty: Beh, ancora una volta, e voglio sottolineare rapidamente un punto che è stato fatto in precedenza. Quando possibile, penso che sia importante segnalare quali sono le nostre posizioni. E certamente non ho mai detto questo pubblicamente o privatamente: applicare FIFO non è stupido o ingenuo o cose del genere. In molti casi, ancora una volta, è la mente umana che si avvicina al problema e spesso utilizza gli strumenti migliori disponibili. In assenza di strumenti argomentabilmente superiori, le persone si orientano verso ciò che è almeno comprensibile e che a prima vista sembra funzionare.
La mia comprensione basata su questa lunga conversazione è che la diagnosi del valore di base è spesso molto limitata in termini di portata finanziaria. Quello che intendo è che, “Oh bene, il motore è fuori, questo è un valore finanziario che è stato aggiunto, o il valore è stato aggiunto, quella cosa è fatta.” E un’idea chiave che sembri spiegare oggi è che ci sono considerazioni finanziarie dirette e indirette più ampie che, diciamocelo, la mente umana è semplicemente cieca per natura. Hai parlato della natura del design. Per natura, semplicemente non può comprendere su larga scala le spesso non linearità e le conseguenze finanziarie esterne delle decisioni. Il che ci riporta all’uso dell’automazione, all’uso di un esperto di supply chain in grado di estrarre queste informazioni e convertirle in un motore decisionale ripetibile.
Simon Schalit: Sì, beh, la nostra posizione su questo è abbastanza chiara. Il futuro della presa di decisioni nella supply chain riguarda tutto l’automazione. E più complessi sono i contesti, più diventa importante. Per noi, è solo lì che stiamo andando.
Conor Doherty: Per concludere, per le persone che stanno ascoltando e hanno sentito alcune affermazioni incredibili, affermazioni incredibilmente precise e rilevanti su ciò che può essere fatto, per qualcuno che pensa ancora, “Simon, ciò che stai descrivendo è fantascienza, è magico, è impossibile”, la tua risposta di 30 secondi a riguardo come pensiero conclusivo?
Simon Schalit: Beh, sta già accadendo. È qualcosa che sta accadendo negli ultimi anni, ed è la direzione verso cui si sta dirigendo la supply chain in generale. Automazione su larga scala e automazione a livelli sempre più bassi di granularità. Perché? Perché abbiamo la potenza di calcolo e, grazie agli esperti di supply chain, il concetto e il ruolo degli esperti di supply chain. Abbiamo la capacità di portare i dati e le informazioni necessarie, informazioni strategiche e finanziarie, all’algoritmo, al computer, in modo che la strategia applicata su larga scala sia quella progettata dagli esseri umani e possa essere ottimizzata verso quell’obiettivo.
Conor Doherty: Hai anche accennato prima, in risposta a una domanda molto simile, in realtà non ricordo qual era il contesto, ma hai detto su questo argomento, l’incredulità delle persone o il fatto che non credano che sia possibile è sorprendente considerando che questo è effettivamente ciò che le persone stanno cercando di fare in tempo reale. Quindi qualsiasi persona, ancora una volta, un decisore chiave, un portatore di interesse chiave, il lunedì mattina deve rivedere il programma perché Simon e Conor sono assenti. Quello che stanno facendo in tempo reale è ciò che stiamo descrivendo usando un computer, usando algoritmi. Sono essenzialmente lo stesso processo. Stai cercando una soluzione ottimizzata. Quindi non è magia, è solo l’intervento tecnologico su quel processo.
Simon Schalit: Sì, lo stanno facendo a mano. Lo stanno facendo in modo molto doloroso, diciamo così. Doloroso per loro e in qualche misura doloroso per l’azienda perché non stanno arrivando a una soluzione ottimizzata, non per mancanza di competenze ma per mancanza di strumenti. E quindi ciò che stiamo portando è lo strumento necessario per sostituire effettivamente l’elemento umano che è carente a livello granulare e mantenere l’elemento umano che è ideale, ovvero il livello strategico. Quindi combiniamo il livello granulare del computer e il livello strategico dell’essere umano.
Conor Doherty: Simon, grazie mille per il tuo tempo. Non ho altre domande. È stato un piacere.
Simon Schalit: Anche per me. Grazie ancora per il tuo tempo e grazie a tutti per aver guardato.