00:00:00 Acquisti aerospaziali: incertezza e priorità economiche
00:05:58 Visibilità della flotta, obiettivi di servizio e costi di investimento
00:11:47 Componenti rotabili, consumabili e priorità economiche degli investimenti
00:17:23 Priorità sotto vincoli di budget e operativi
00:23:56 Ordinare gli investimenti per miglioramento del servizio per dollaro
00:29:43 Validare i dati e modellare una domanda incerta
00:35:48 Combinare incertezza della domanda e dei tempi di turnaround
00:41:42 Integrazione di sistema e opportunità di disinvestimento
00:47:15 Scambi, priorità di riparazione e integrazione dei fornitori
00:53:29 Preparazione dei dati e requisiti di implementazione
00:58:44 Simulazioni storiche e tracciabilità delle decisioni
01:04:10 Priorità economiche, consumabili e ritardi dei fornitori
01:09:14 Previsioni di manutenzione e monitoraggio dell’adesione alle raccomandazioni
01:14:05 Automazione degli acquisti, piattaforme di procurement e priorità di riparazione
01:19:52 Punti chiave e conclusione
Sintesi
Conor Doherty e Fabian Hoehner mostrano come Lokad trasforma domanda incerta, tempi di riparazione e budget limitati in decisioni di acquisto aerospaziali ordinate per priorità. L’approccio valuta ogni unità aggiuntiva in base al suo contributo atteso al servizio, o alla prevenzione dei fermi aeromobile (AOG), rispetto al costo. Lo stesso ragionamento supporta disinvestimenti, priorità di riparazione e trasferimenti di stock. Lokad lavora accanto ai sistemi esistenti, con Supply Chain Scientists ed esperti operativi che affinano i calcoli. Le simulazioni storiche aiutano a spiegare le decisioni passate, mentre l’automazione dipende dal valore e dalla complessità degli acquisti coinvolti.
Sintesi estesa
Gli acquisti aerospaziali richiedono di scegliere fra impieghi concorrenti di risorse scarse. Comprare un ricambio in più può ridurre il rischio di tenere un aeromobile a terra, ma impegna anche denaro che potrebbe proteggere un’altra operazione più importante. In questa dimostrazione dal vivo, Conor Doherty e Fabian Hoehner spiegano come Lokad valuta queste scelte. La domanda centrale è quanto servizio aggiuntivo, o quanta prevenzione di AOG, ogni dollaro possa ragionevolmente acquistare. Le quantità da tenere a stock derivano da questo confronto e dai vincoli entro cui opera l’azienda.
La dimostrazione inizia con una flotta aerea illustrativa e un pool di componenti rotabili: parti che possono essere riparate e rimesse in servizio. La loro disponibilità dipende sia dalla domanda sia dal tempo trascorso nei processi di riparazione e logistica. Cinque unità possedute non offrono la stessa protezione di cinque unità efficienti e immediatamente disponibili. Lokad estrae dati transazionali dai sistemi esistenti per stabilire questo quadro operativo, quindi calcola raccomandazioni di investimento. Nell’esempio, circa 68 milioni di dollari di stock forniscono un livello di servizio atteso del 95,7%; un investimento aggiuntivo di circa 1,2 milioni di dollari lo porta vicino al 98%. Ulteriori miglioramenti diventano sempre più costosi.
Le raccomandazioni sono ordinate unità per unità. Un’unità aggiuntiva di un determinato PN compete con unità aggiuntive di altri PN, incluse parti con prezzi e profili di domanda molto diversi. La prima unità copre in genere più incertezza della seconda o della terza. Questo beneficio decrescente conta: acquistare più unità della stessa parte può valere meno che distribuire l’investimento. Conta anche l’essenzialità. Una parte no-go relativamente economica può giustificare una disponibilità più alta rispetto a una parte costosa la cui assenza ha conseguenze meno gravi. Una lista ordinata rende inoltre più semplice applicare limiti di budget, capacità di acquisto e vincoli di ricezione.
Questi confronti richiedono un trattamento realistico dell’incertezza. La domanda aerospaziale è spesso sporadica e irregolare, mentre i tempi di turnaround possono variare molto. Le medie nascondono proprio le situazioni eccezionali contro cui una compagnia aerea vuole proteggersi. Lokad quindi modella distribuzioni di domanda e tempi di reintegro, combinandole per stimare la domanda su possibili orizzonti futuri. Hoehner illustra come le riparazioni possano concentrarsi intorno a una durata breve quando il lavoro procede bene e a una durata molto più lunga quando sorgono complicazioni. Sostituire quel modello con una singola media può rappresentare male lo stock richiesto. Anche eventi di manutenzione noti, distinte base probabilistiche e trend nei tempi di turnaround possono informare i calcoli.
Le stime finanziarie permettono di discutere i compromessi risultanti. Il costo di un evento AOG può essere difficile da stabilire, ma una stima approssimativa offre ai team una base per confrontare decisioni e rivedere ipotesi. La conoscenza operativa resta essenziale: una fodera di sedile o una macchina del caffè possono avere conseguenze che le classificazioni tecniche di aeronavigabilità da sole non catturano. Gli utenti esaminano le raccomandazioni tramite item inspector e dashboard di supporto, mettono in discussione risultati sorprendenti e aiutano a perfezionare il modello. Gli acquisti costosi di componenti rotabili di solito richiedono ancora validazione esperta e preventivi dei fornitori; consumabili e ricambi non riparabili di valore inferiore offrono maggiore spazio per l’esecuzione automatica.
Lo stesso ragionamento si estende a disinvestimento, riparazioni e allocazione. Il disinvestimento confronta la cassa liberata con la protezione di servizio sacrificata. La priorità di riparazione identifica quali unità non efficienti giustificano più urgentemente la spesa o l’accelerazione delle riparazioni. I trasferimenti confrontano costi di trasporto e rischio aumentato nella sede cedente con i benefici altrove e con l’alternativa di acquistare più stock. Sono decisioni economiche correlate, anche se ciascuna richiede dettagli operativi propri. Un’opportunità teorica di disinvestimento, per esempio, dipende ancora dal trovare un acquirente e stabilire un valore di mercato realistico.
Lokad opera come sistema di intelligence accanto al software transazionale. I suoi Supply Chain Scientists adattano la soluzione ai dati e ai processi del cliente; i fornitori non devono adottare una nuova piattaforma. Decisioni utili aiutano anche a individuare quali difetti dei dati meritano attenzione, evitando tentativi interminabili di ripulire tutto prima. Hoehner indica circa sei mesi per un’implementazione tipica, con variazioni sostanziali. Le esecuzioni storiche restano disponibili per le verifiche, permettendo ai team di distinguere un vincolo di budget da un’ipotesi errata o da un rischio accettato. È un lavoro continuo: quantificare l’incertezza, confrontare le conseguenze e migliorare le decisioni man mano che si accumulano riscontri.
Trascrizione integrale
Conor Doherty: Benvenuti alla prima demo dal vivo di Lokad. Oggi vi mostreremo come Lokad genera decisioni di investimento e disinvestimento nel settore aerospaziale e quali PN dovrebbero avere la priorità.
Vi mostreremo come ripartire un budget limitato e come i vostri vincoli, che siano tempi di consegna dei fornitori, tempi di riparazione, costi o il budget stesso, influenzano le decisioni che generiamo per voi. L’evento è in diretta, quindi fate pure domande. Probabilmente risponderemo tra circa 30 minuti. Dipende da quanto chiacchieriamo.
Ma chi siamo? Io sono Conor, direttore marketing di Lokad. Con me in studio c’è il mio caro amico e direttore dei clienti strategici, Fabian Hoehner. Guten Tag, Herr Hoehner, wie geht’s?
Fabian Hoehner: Ciao, Conor.
Conor Doherty: Das ist wunderbar. Allora, Fabi, come potete vedere nell’angolo dello schermo, o dovreste già poter vedere, tra poco esamineremo un account dimostrativo di acquisti aerospaziali. Ci concentreremo sugli acquisti, ma alcuni partecipanti, e alcune persone che guarderanno la registrazione, non conoscono bene Lokad. Alcuni sì, ma molti no.
Prendiamoci quindi un minuto prima di entrare nel merito. Potresti rispondere a due domande rapide? Primo: come vede esattamente Lokad il problema degli acquisti aerospaziali? Secondo: per chi guarda solo i primi minuti, quali sono le due idee principali da ricordare?
Fabian Hoehner: Non me l’hai chiesto durante la preparazione, quindi…
Conor Doherty: No. Volevo una risposta improvvisata.
Fabian Hoehner: Sì. Bene. Ci saranno persone che conoscono l’argomento e altre che non lo conoscono. Cercheremo quindi di offrire una panoramica, approfondendo alcuni punti. Vorrei che il pubblico ricordasse due cose: da un lato, come gestiamo l’incertezza.
Nel nostro caso, l’incertezza riguarda soprattutto i fornitori, quindi i tempi di riparazione e di consegna, e la domanda. Il secondo aspetto è l’ottimizzazione economica, cioè l’ordine di priorità economica. Come ottengo il massimo da una risorsa limitata? Come acquisto in modo efficiente? Questi sono i due aspetti principali che vorrei far comprendere oggi.
Conor Doherty: Quindi, in una frase: per ogni euro, dollaro o qualsiasi altra valuta in cui operate, per ogni euro investito nelle scorte, qual è il miglioramento atteso del livello di servizio?
Fabian Hoehner: Sì. Più precisamente, vogliamo massimizzare il miglioramento del livello di servizio per dollaro, oppure ridurre gli AOG, aircraft on ground, cioè i fermi aeromobile, per dollaro speso. Entreremo nel dettaglio. Cerchiamo la strada più efficiente verso l’obiettivo. Speriamo che questo sia uno dei messaggi principali per chi ci ascolta oggi.
Conor Doherty: Bene. Ora che abbiamo inquadrato il tema, veniamo al punto. Passiamo direttamente all’account dimostrativo.
Max, il nostro produttore, puoi cambiare schermata e controllare che sia tutto a posto? Subcto. Bene. Fabi, guardo il mio schermo perché ci vedo malissimo, ma che cosa stiamo guardando esattamente?
Spiega il contesto al pubblico: è aviazione? È MRO? È IA? Stiamo usando l’IA?
Fabian Hoehner: Sì, usiamo sempre l’IA, naturalmente. Spiegheremo nel dettaglio come, ma siamo effettivamente in un account dimostrativo. Lokad in 20 secondi: progettiamo soluzioni di ottimizzazione delle scorte su misura per clienti di diversi settori. Oggi ci concentreremo sull’aeronautica. Potrebbe trattarsi di MRO, cioè manutenzione, riparazione e revisione generale, ma vedremo l’esempio di una compagnia aerea.
La domanda principale è: per una data flotta, qual è il percorso più efficiente di investimento, ed eventualmente disinvestimento, nelle scorte? Questo è il problema generale. Quanto alla schermata, vedete che siamo su go.lokad.com.
Questo è un account dimostrativo. Tutti i nostri clienti usano la stessa piattaforma: è un’applicazione multi-tenant, ma scriviamo una soluzione specifica per ciascuno. Questo rende le demo piuttosto difficili, perché ogni cliente è molto diverso.
Conor Doherty: Diverso. Sì, certo.
Fabian Hoehner: Direi che è ciò che ci distingue: personalizzare il nostro lavoro. Oggi mostreremo i due principi accennati all’inizio. Da un lato, come affrontiamo l’incertezza?
La parola chiave sarà previsione probabilistica. Chi ci segue l’ha sentita molte volte, ma oggi la renderemo concreta. Il secondo principio è l’ottimizzazione economica, che illustreremo con un esempio specifico. Se avete domande, fatele pure durante la presentazione.
Spesso risponderò: «Sì, se ha senso, possiamo realizzarlo, oppure l’abbiamo già fatto in passato». Oggi, però, esaminiamo un esempio specifico. Questo è il programma. Altre domande? Altrimenti iniziamo.
Conor Doherty: Direi di iniziare, perché ci sono già molte domande. Come sapete, ho contattato diverse persone prima dell’evento. Abbiamo quindi domande molto concrete da affrontare più tardi. Ma, come dicevo, se qualcosa suscita la vostra curiosità, scrivete un commento qui sotto: lo approfondiremo al momento opportuno.
Fabian Hoehner: Sì. Mi conosci, quindi interrompimi. Altrimenti…
Conor Doherty: Lo farò, non preoccuparti.
Fabian Hoehner: …mi lascio prendere dal discorso. Bene. Questo è un account dimostrativo e qui vediamo una panoramica. Potrei aprire qualsiasi voce, ma oggi esamineremo solo due o tre schermate.
Questa è una dashboard generale. Useremo la piramide rovesciata: partiremo dalla panoramica per arrivare al massimo dettaglio. Questa vista direzionale mostra le prestazioni del pool.
Vedete che si tratta di un pool, che potrebbe riguardare diverse compagnie aeree. Stiamo osservando una flotta di Triple 7, che appartenga a una o più compagnie non importa, e i ricambi necessari per servirla.
Questo è il quadro generale. Qui vedete un grafico storico che, naturalmente, sale perché Lokad ottimizza e le cose migliorano sempre. Ci sono poi altre viste sulla situazione operativa attuale: dove si trovano le mie scorte?
In aeronautica parliamo sempre di cicli. È un concetto molto importante, che la maggior parte di chi ci guarda conosce bene. In questo settore, però, non tutte le scorte sono equivalenti.
Dobbiamo distinguere i componenti efficienti da quelli non efficienti e sapere in quale fase del processo si trovano. Possedere cinque unità, avere cinque unità efficienti oppure quattro in riparazione e una efficiente: sono situazioni molto diverse. Questa dashboard ne offre una panoramica. Come otteniamo questi dati? Integrando…
Conor Doherty: Stavo proprio per farti quella domanda. Avevo già aperto bocca.
Fabian Hoehner: Sì. Da dove vengono i dati? Da diversi sistemi ERP o MRP. Sono dati transazionali che importiamo in Lokad, una piattaforma di intelligence. Il sistema transazionale, ERP o MRP, dice «dove sono le mie cose». Acquisiamo questi dati ogni giorno e li elaboriamo su larga scala per ricavare informazioni come: «Ho 186 unità attualmente in fase di reso». Bene, oppure volevi…
Conor Doherty: No, andava bene.
Fabian Hoehner: Perfetto. Dalla panoramica passiamo direttamente al risultato. Vediamo come potrebbe presentarsi il risultato di un’ottimizzazione: in questo caso, l’ottimizzazione degli investimenti.
Cerchiamo l’investimento necessario per raggiungere un livello di servizio obiettivo del 98%. Questo piccolo simulatore ha un menu a tendina che permette di scegliere fra scenari già calcolati per velocizzare la dimostrazione. Potremmo anche inserire un campo da compilare per provare liberamente altri valori, ma qui abbiamo precalcolato gli scenari. Vediamo le scorte attuali, in questo caso 68 milioni, che dovrebbero fornire un livello di servizio del 95,7%.
Conor Doherty: Mhm.
Fabian Hoehner: Il 95,7% di disponibilità, calcolata sui tempi di consegna dei singoli ricambi e ponderata per il loro consumo.
Conor Doherty: Okay.
Fabian Hoehner: Ora selezioniamo il 98. Diciamo: «Vogliamo il 98% di disponibilità media ponderata per consumo e così via». Il simulatore mi dice: «Devo investire 1,2… 2 milioni» e raggiungerò l’obiettivo, in questo caso 97,99. Questo sarebbe il risultato.
Questa è la vista più generale. Provando altri valori, vedremmo un fenomeno tipico dell’aeronautica, che sono certo molti di voi conoscono: i costi si concentrano nella coda della distribuzione. Qui sono passato da 98 o 98,5 a 99,5.
Passiamo a 99, per avere quell'1%. Il primo punto percentuale che volevamo guadagnare, o i primi due punti, costa un milione di dollari di investimento; il successivo costerà 2,5. Questa crescita esponenziale del costo dei punti di livello di servizio è fondamentale per capire la tecnologia di cui parlavamo all’inizio.
Perché è importante? Che cosa facciamo diversamente? Lokad è particolarmente adatta a questo settore perché sa gestire la domanda sporadica e irregolare, all’origine di gran parte dei problemi aeronautici. Occorre capire meglio la probabilità degli eventi estremi, cioè i percentili oltre il 90, perché è su questi che si concentra l’aeronautica. È un settore estremamente avverso al rischio: una rottura di stock costa molto.
Conor Doherty: Sì. In molti casi, molto più del singolo ricambio.
Fabian Hoehner: Tradizionalmente, in aeronautica tutti hanno scorte eccessive. «Nel dubbio, comprane un altro». Questo è l’approccio tipico.
Capire quanto sia probabile uno scenario 99 o 99,5 per il singolo ricambio è quindi fondamentale. Lo vedremo nel dettaglio. Per ora, perché ci concentriamo su questi estremi?
Perché è questo che conta in aeronautica. Nessuno vuole conoscere la media: significherebbe avere scorte sufficienti nel 50% dei casi. Non è ciò che interessa.
Volete sapere quanto è probabile coprire gli estremi. Passiamo quindi dalla panoramica al dettaglio. Qui abbiamo l’investimento totale e vogliamo conoscere le quantità per il cliente. Abbiamo una semplice lista: «Questi sono i miei articoli e queste sono le quantità in cui investiamo».
Conor Doherty: Per chiarire: stiamo guardando componenti rotabili o consumabili? Solo rotabili.
Fabian Hoehner: Sì, rotabili.
Conor Doherty: Sì, certo. Ma più avanti vedremo i consumabili, o almeno la logica che si applica a questi ultimi.
Fabian Hoehner: Sì, ne parleremo, ma…
Conor Doherty: Questi sono i ricambi più costosi. Ecco perché li stiamo esaminando.
Fabian Hoehner: Avete visto che gli importi sono piuttosto elevati, perché si tratta di componenti rotabili. La maggior parte dei concetti si applica anche ai consumabili. La differenza principale è che un componente rotabile, per definizione, segue una rotazione, un ciclo, con diversi cicli di riparazione.
In teoria si può ripararlo internamente, oppure viene scartato. Un consumabile, invece, si compra e poi esce dal sistema. Ci sono alcune differenze nei calcoli, ma i principi citati all’inizio restano gli stessi: quantificare l’incertezza e stabilire le priorità su basi economiche.
Conor Doherty: Okay.
Fabian Hoehner: Ora la domanda è: perché raccomandiamo quattro, tre, cinque e così via? Per capirlo entreremo nel dettaglio, ma prima manteniamo una visione generale. Questa è la lista di prima, con alcune informazioni in più. Vogliamo anzitutto verificare che abbia senso intuitivamente. Vi mostrerò diverse schermate con molti numeri…
Indicherò a te e al pubblico quali elementi osservare. Questi sono i ricambi che raccomando di acquistare: quattro unità qui, tre lì, cinque e così via. La domanda importante è che cosa dovrebbe fare intuitivamente l’ottimizzazione.
Spiegherò come arriviamo a questi risultati, entrando sempre più nel dettaglio. Ma prima: hanno senso intuitivamente? Che cosa dovrebbe fare un’ottimizzazione orientata all’efficienza?
Se l’efficienza è la riduzione degli AOG o l’aumento del livello di servizio per dollaro speso, i ricambi relativamente economici e molto importanti dovrebbero avere una disponibilità maggiore rispetto a quelli costosi e poco importanti. Prendiamo i primi due ricambi della lista, che hanno prezzi unitari simili. Vediamo che uno ha un valore molto più alto. Il livello di servizio attuale indica la copertura fornita dalle scorte che possiedo.
Il livello di servizio finale è quello raggiunto dopo l’ottimizzazione. Portiamo questo ricambio al 94% e l’altro all'80%. Perché? Il primo ha una classificazione di criticità no-go; il secondo è go-if.
Una rottura di stock del primo ricambio ha conseguenze molto più costose. Per questo ne teniamo relativamente di più. Questa è l’intuizione da conservare. Scendendo nella lista, troviamo un ricambio a 99. Dimmi se i caratteri sono troppo piccoli.
Conor Doherty: Così va meglio, grazie. Almeno per me, che sono quasi cieco.
Fabian Hoehner: Sì. Qui vediamo 99,5. Il ricambio è relativamente economico, 8.000 dollari, ed è no-go. L’intuizione resta la stessa: i ricambi di cui teniamo scorte relativamente più abbondanti dovrebbero essere no-go e abbastanza economici. Fra quelli di cui teniamo meno scorte, invece… qui vediamo un ricambio non molto costoso, ma classificato soltanto go.
Questa è la logica di fondo. Ora la domanda è: come arriviamo esattamente a quattro, tre, cinque e così via? Intuitivamente il risultato ha senso. Bene.
Il secondo passo è capire come otteniamo questi valori precisi. Già nella panoramica emerge un criterio di priorità economica. Come lo applichiamo nel dettaglio? Con una graduatoria: in questo caso, una lista di investimenti ordinata per priorità.
Esaminiamo ogni possibile acquisto, cioè ogni opportunità di investimento, e ne simuliamo le conseguenze economiche. Le prime due o tre righe hanno lo stesso PN, ma riguardano unità diverse: compriamo la prima, poi la seconda, poi la terza. Lo facciamo per tutti i ricambi. Simuliamo l’acquisto di ogni singola unità acquistabile. La lista è praticamente infinita: potrei continuare a scorrere senza fermarmi.
Conor Doherty: Immagino che il limite sia il budget, perché vedo che la lista è ordinata e l’investimento totale aumenta scorrendo verso il basso. Si potrebbe quindi fissare un limite: «Ho un budget di X, non infinito. Ottimizza fino a questo punto, non oltre».
Fabian Hoehner: Sì. Qui il limite non è il budget, ma l’obiettivo del 98%. Però hai ragione: quel 98% comporta un budget di 1,2, 1,25 milioni. Quindi faremo esattamente questo.
Scorreremo fino a un investimento totale di 1,25. Qui abbiamo proceduto al contrario: volevamo raggiungere 98 e abbiamo ottenuto 1,2 come risultato. Ma avrei potuto partire dal budget. Avrei potuto dire…
Conor Doherty: Sì, certo.
Fabian Hoehner: È la stessa cosa, vista da un’altra prospettiva. Ora vediamo alcuni esempi di questa logica di priorità economica. Una buona verifica, anche per chi gestisce autonomamente la propria ottimizzazione, è saper rispondere a questa domanda: «Avete 100.000 dollari: qual è il singolo articolo più importante da comprare oggi?».
È un concetto importante per stabilire la priorità di ogni azione, non solo del primo acquisto. Questa logica permette di introdurre qualsiasi vincolo: «Il team acquisti può gestire solo cinque ricambi al giorno», «Il magazzino può riceverne solo 10 al giorno», oppure «Ho un milione di budget». Senza una graduatoria è molto difficile: resta solo un sì o un no. Supponiamo di dire: «Voglio il ricambio A al 99%, il B al 95 e il C al 91».
È un esempio estremo, ma in quel caso avete solo un sì o un no, senza un ordine di priorità. Qui, invece, possiamo stabilirlo, ed è sempre necessario quando tempo, budget o altre risorse sono limitati. La domanda per il pubblico è: «Sapete individuare l’articolo più importante di cui avete bisogno oggi?». Non conta solo il primo: quali sono i 50 più importanti?
È proprio ciò che possiamo fare qui. Esaminiamo la prima riga, il 1338. Ci soffermeremo sul 1338 per un po’, quindi abbiate pazienza.
Attualmente non ne abbiamo nessuno a stock e valutiamo di comprarne uno. Vediamo quanti ne sono stati richiesti nell’ultimo anno. Un’unità costa 1.200 dollari e il livello di servizio atteso attuale è zero.
Perché? Abbiamo zero unità a stock. Non copriamo quindi alcuna incertezza. Questo è il significato.
Il livello di servizio atteso indica quanta incertezza futura sto coprendo. Vedremo precisamente che cosa significa nel prossimo passaggio. Procediamo dalla panoramica al dettaglio. Potreste fermarvi a «questi sono gli articoli da comprare», ma vogliamo approfondire e capire da dove viene la raccomandazione.
Conor Doherty: Intervengo perché è un punto interessante. Bevi pure. Ho ricevuto molte varianti della stessa domanda: «L’idea è interessante, sembra ottima», anche perché alcune persone conoscono già Lokad, «ma come si presenta al mio team di pianificazione?». Hai appena detto: «Guardate queste dashboard: ecco le decisioni ordinate per priorità».
Poi hai detto che approfondiremo molto l’analisi, ma che potremmo anche fermarci qui. Il team di pianificazione ha già le decisioni: se si fida del sistema, può eseguirle. Se vuole saperne di più, può verificare perché questa unità, questo PN, preceda un altro e così via.
Fabian Hoehner: Sì.
Conor Doherty: Okay.
Fabian Hoehner: Esatto, una volta configurato il sistema. Possiamo parlare dei tempi, ma supponiamo che dopo 6 mesi il sistema funzioni. Potreste dire «mi fido» e lasciare che le raccomandazioni vengano esportate ed eseguite dai sistemi operativi.
Ricordo che non siamo un sistema transazionale, ma un sistema di intelligence. Eseguiamo simulazioni complesse e ne trasmettiamo i risultati al sistema operativo.
Conor Doherty: Oh, continua pure.
Fabian Hoehner: L’ho appena detto. Detto questo…
Conor Doherty: Sì.
Fabian Hoehner: Ripensando ai ricambi di prima, pochissime persone lascerebbero eseguire automaticamente l’acquisto di un ricambio da 46.000 dollari. Non funziona così.
Conor Doherty: Sì.
Fabian Hoehner: Per questi ricambi bisogna richiedere un preventivo. L’aeronautica non è l’e-commerce di Amazon.
Si richiede il prezzo del ricambio; quello indicato qui resta un’ipotesi finché non viene confermato. È un processo manuale, anche se può essere automatizzato. Il punto è che probabilmente non automatizzereste completamente l’acquisto dei componenti rotabili che stiamo esaminando. Potreste farlo, certo, ma…
Conor Doherty: L’esecuzione non è necessariamente automatizzata, mentre lo sono l’analisi e la generazione della decisione.
Fabian Hoehner: La tua domanda è: «Che cosa esaminano le persone?». Se il valore non giustifica il tempo impiegato, per esempio sotto i 2.000 dollari circa, nel caso dei C&E, si può automatizzare tutto, e lo facciamo. Il sistema aggiorna quotidianamente i sistemi operativi e trasmette automaticamente gli ordini. Gli investimenti in componenti rotabili, invece, vengono generalmente esaminati da esperti che verificano diversi aspetti.
Facciamo qualcosa di molto simile alla dimostrazione di oggi. La raccomandazione dice «compra cinque unità» e un esperto con anni di esperienza la mette alla prova. All’inizio lo fa per progettare, costruire e migliorare il sistema con noi; in seguito, anche per approfondire singoli casi. Il ragionamento che porta a «compra cinque unità» è proprio ciò che sto mostrando. Come ci siamo arrivati? Se non mi avessi interrotto, avrei già finito.
Conor Doherty: Mi scuso.
Fabian Hoehner: Esaminiamo il 1338. Abbiamo detto: «Comprare un’unità ci porta al 47%». Copre il 47% dell’incertezza. La differenza tra 0 e 47 è 47.
Poi rapportiamo questo risultato all’intero catalogo. Qual è il miglioramento complessivo? Dipende dal consumo del ricambio: un ricambio con un consumo maggiore avrà un impatto maggiore, e così via.
Calcoliamo quindi il miglioramento del livello di servizio complessivo e la riduzione degli AOG in dollari. Come? La soluzione è su misura e non mi aspetto che molti di voi, o dei nostri clienti all’inizio, sappiano indicare con precisione il costo di un AOG. Il nostro principio è: «Meglio avere approssimativamente ragione che precisamente torto». Stabilire il costo esatto di un AOG è molto difficile.
Possiamo esaminare quanti AOG siano stati causati da problemi di disponibilità delle scorte e stimarne il costo complessivo. Per esempio, è stato necessario un acquisto d’emergenza? Quanto è costato? Così possiamo ricavare una stima approssimativamente corretta.
Meglio una stima in dollari che nessuna stima. Senza, si procede alla cieca con i livelli di servizio: «Dovremmo essere a 99 o a 99,5?». Non saprei. Assegnando un valore monetario, invece, si può discutere concretamente, anche fra reparti.
Conor Doherty: Sì.
Fabian Hoehner: Potete anche correggere la stima nel tempo. Va benissimo. Un anno dopo potreste dire: «Qui le stime sono sbagliate», oppure «Per questa flotta sono corrette, ma per quest’altra il costo dovrebbe essere più alto». Quantificando le cose, potete…
Conor Doherty: Dare un linguaggio comune per discutere differenze di opinione.
Fabian Hoehner: Esatto. Arriviamo così alla riduzione degli AOG, oppure al miglioramento del livello di servizio, per dollaro speso. Entrambi producono un punteggio che indica il percorso di investimento più efficiente. Ora vediamo la seconda e la terza riga, poi proseguiamo.
La seconda riga riguarda lo stesso ricambio, con lo stesso ID, ma un’unità diversa. Compriamo la seconda: la prima l’abbiamo già acquistata. Possiamo quindi investire in una seconda unità, che ci porterà a… dimmi pure se devo ingrandire.
Conor Doherty: No, va bene. Va bene.
Fabian Hoehner: Mi abbasso un po’. Qui arriviamo al 72%, aggiungendo il 25% di livello di servizio. La prima unità copre la maggior parte dell’incertezza: il 50%, mentre la seconda soltanto il 25.
Qual è la conseguenza? La seconda unità ha meno valore per le nostre operazioni. Tutti i valori diminuiscono: il miglioramento del livello di servizio, il costo AOG evitato e quindi il punteggio in graduatoria.
Dire che la seconda unità vale meno della prima non è una rivoluzione. Naturalmente non posso comprare la seconda prima della prima. Vediamo ora la terza riga: la logica resta identica.
Guadagno soltanto il 14% per quel ricambio e pago ancora 1.200. Il punteggio diminuisce. La quarta riga è interessante perché riguarda un part number diverso.
Per quel ricambio cambia tutto. Cambia la domanda durante il tempo di consegna. Qui vedete un TAT diverso e, potenzialmente, un tempo di consegna diverso.
Il prezzo è diverso. Tutto è diverso su quella parte. Tuttavia, ciò che resta uguale è la mia logica di ranking: qual è la riduzione AOG rispetto al mio investimento?
Questo è il principio centrale. Apro una parentesi: nella realtà i calcoli sono più complessi. Anche qui aggiungiamo fattori relativi alle classificazioni no-go, go-if e così via. In questo caso sono inclusi nel costo AOG.
Per semplificare, il costo AOG è maggiore per un ricambio no-go. Il modello può diventare molto complesso grazie ai riscontri dei clienti, non perché siamo dei geni. È ciò che chiamiamo ottimizzazione sperimentale: mostriamo una lista a un esperto e diciamo «questo è ciò che farei al tuo posto». L’esperto risponde: «Cinque sembra ragionevole, ma io ne avrei comprati 20».
In quel caso mi sfugge qualcosa, perché gli esperti operativi generalmente sanno ciò che fanno. Potrebbe trattarsi del rivestimento di un sedile. Potremmo dire: «Tecnicamente non è no-go: l’aereo può volare lo stesso».
Ma gli operativi risponderanno: «Sì, però si presenta malissimo». Un passeggero entra in un bell’aereo e vede un sedile su cui bisogna mettere un nastro rosso… Non è accettabile. È un no-go e il costo è molto elevato.
Una curiosità: le macchine del caffè sono no-go. Non potete farne a meno. Tecnicamente l’aereo vola anche senza, però… Impariamo insieme questi aspetti e adattiamo la ricetta, che può cambiare da una compagnia all’altra. Quali sono le priorità?
Quali non lo sono? Ordiniamo tutto per punteggio: il miglioramento del livello di servizio o gli AOG evitati per dollaro speso. Scendendo nella lista, il punteggio diminuisce. Così un ricambio da 46.000 dollari e uno da 5.000 dollari diventano confrontabili. La domanda è: quando conviene comprare la sesta unità di un ricambio economico, e quando la seconda di uno costoso?
È proprio ciò che facciamo qui. La domanda successiva è come arriviamo a questi valori, anche dal punto di vista operativo. Prima chiedevi che cosa esaminerebbero gli operativi: una lista come questa.
Sarebbe del tutto ragionevole. Potrebbero poi aprire quello che chiamiamo item inspector, la vista dettagliata dell’articolo. È una dashboard di KPI, usata anche da noi, che spiega come abbiamo ottenuto i valori visti prima.
Possono usarla i clienti per le proprie verifiche, ma anche i nostri Supply Chain Scientists, che scrivono il codice e si confrontano con loro. Immagino che molti conoscano questo ruolo, avendo già visto altri contenuti di Lokad. I Supply Chain Scientists realizzano la soluzione e ne discutono criticamente i risultati con il cliente.
Usiamo le stesse schermate del cliente per verificare se la decisione proposta sia ragionevole. Partiamo da «compra cinque» e risaliamo al perché. Prima abbiamo esaminato la graduatoria economica, ora tutti i dettagli. In caso di disaccordo, verifichiamo anzitutto se vediamo la stessa realtà. Soprattutto all’inizio di un progetto, sai da dove nasce la maggior parte delle divergenze?
Conor Doherty: Il valore economico delle decisioni?
Fabian Hoehner: No, dai dati. Sono sempre i dati: non stiamo osservando la stessa realtà. I nostri clienti più complessi e le aziende aeronautiche hanno spesso effettuato molte acquisizioni. È abbastanza normale trovare sei sistemi ERP preesistenti, più tre fogli Excel sparsi qua e là.
Ottenere un’interpretazione corretta e condivisa della realtà non è facile. Il primo passo è verificare che vediamo la stessa situazione. Prendiamo un altro ricambio: contiamo lo stesso numero di unità attualmente in fase di reso, riparazione o trasporto?
Sì, no, forse? È importante verificarlo. Una volta accertata la coerenza dei dati, esaminiamo la proiezione della domanda.
Come ci arriviamo? All’inizio ho indicato due concetti principali da ricordare. Il primo, le priorità economiche, l’abbiamo affrontato in parte. Il secondo è l’incertezza, la previsione probabilistica: lo vediamo ora.
Per alcuni sarà evidente, ma procederò lentamente perché tutti possano seguire. Qui vediamo uno storico dei consumi molto tipico. Restiamo sul nostro ricambio preferito, il 1338. Quindi…
Conor Doherty: Seguiamo sempre lo stesso ricambio. Bene.
Fabian Hoehner: Sì, ne seguiamo il percorso. Lo storico dei consumi è tipicamente sporadico e irregolare: nulla, uno, uno, uno, due, poi due, uno. È estremamente difficile da prevedere.
So che pochissime persone in aeronautica lo farebbero, ma se usassimo il consumo medio, una semplice media mobile, otterremmo questo. È utile? Qui indica 0,17 unità. Fantastico.
Che cosa mi dice? Praticamente nulla. Serve una vista probabilistica, che indichi la probabilità dei diversi consumi su un dato orizzonte. Partiamo da un caso semplice. Per chi ha studiato statistica…
Conor Doherty: Supponi che io sia un idiota. Puoi spiegarmelo con condiscendenza, non mi offendo.
Fabian Hoehner: Sarà difficile fare quell’ipotesi. Partiamo da questo istogramma e immaginiamo che rappresenti la realtà osservata nel passato. In pratica guardiamo avanti, facciamo previsioni e cose molto intelligenti, ma per semplicità consideriamo soltanto il passato.
Che cosa mostra l’istogramma? Credo che si vedano queste piccole barre. Consideriamo il periodo compreso fra le barre, diciamo 30 giorni. Se il passato rappresentasse il futuro e scegliessimo un punto a caso…
Quante volte incontreremmo una domanda di un’unità in una finestra di 30 giorni? Quante volte zero, due, tre e così via? È questo che indica.
Scegliendo a caso, nel 25% dei casi troveremo zero. Nel 34% dei casi troveremo 1, 2, 3, 4, 5 e così via. Questo è il caso teorico. In questo intervallo la domanda sarebbe di tre unità; con un intervallo più ampio comprenderebbe tutto questo.
Questa è la teoria semplificata. Nella pratica, accettare l’incertezza significa chiedersi su quale orizzonte fare la previsione. Non sono necessariamente 30 giorni: quello sarebbe un valore fisso. L’incertezza esiste e non scompare escludendola dalla pianificazione. Assumere sempre 30 giorni facilita i calcoli deterministici, ma non li rende più realistici. A volte servono 30 giorni, altre 50, 60, 180, oppure…
Conor Doherty: non torna affatto.
Fabian Hoehner: Esatto, il ricambio viene scartato. Qui esaminiamo componenti rotabili, che normalmente vengono riparati. Consideriamo quindi soprattutto i tempi di riparazione, anziché quelli di consegna.
Quanto tempo serve perché il ricambio torni efficiente? Arriva l’aereo, rimuovo il componente non efficiente e lo sostituisco con uno efficiente a stock. Il primo entra in un ciclo lunghissimo. Idealmente dispongo dei dati di ogni fase e posso costruire tante piccole distribuzioni. La domanda centrale, però, è: quali sono tutti i ritardi possibili?
È l’orizzonte su cui voglio fare la previsione, perché mi interessano gli estremi. Se bastasse un giorno per riparare un componente, non servirebbero scorte aggiuntive: un’unità sarebbe sufficiente. Arriva l’aereo, si rimuove il componente non efficiente, si installa quello efficiente e si ripara il primo. Basterebbe un’unità a stock. La realtà è diversa, ma l’esempio mostra quanto sia essenziale determinare questo periodo. È ciò che facciamo qui.
Qui si chiama tempo di consegna del riapprovvigionamento; potrebbe essere il tempo di riparazione. La distinzione conta, ma il principio è lo stesso: su quale orizzonte facciamo la previsione? La distribuzione è smussata e bimodale. Come si spiega? In aeronautica, il picco intorno a 80 corrisponderebbe generalmente al caso in cui tutto fila liscio.
Mandate il ricambio in officina, viene riparato e tutto procede bene. Quest’altro picco indica invece che qualcosa è rotto e sistemarlo richiede più tempo. Si ottiene una distribuzione bimodale. Dire che nell'80% dei casi il valore è intorno a 80 e nel 20% è 150 significa qualcosa di molto diverso dal dire che è sempre pari alla media, 110 unità.
Conor Doherty: che accade molto raramente in quella distribuzione.
Fabian Hoehner: Sì. Sono dati dimostrativi e la distribuzione è smussata, ma potrebbe essere un caso reale abbastanza frequente: tutto fila liscio e servono 80 giorni, oppure sorgono problemi e ne servono 120.
Non sto dicendo di scegliere uno dei due scenari. Occorre riconoscere l’incertezza e fare previsioni su tutti i futuri possibili. All’inizio ho detto: «Consideriamo semplicemente una finestra di 30 giorni».
30 giorni hanno qui una probabilità piccolissima, inferiore all’uno per cento. Costruiamo una distribuzione della domanda per ogni possibile orizzonte. Per visualizzare il procedimento, indipendentemente da come venga eseguito esattamente, immaginate cento distribuzioni diverse per tutti gli orizzonti possibili.
Le combiniamo in un’unica distribuzione, questa, che rappresenta la domanda su tutti i futuri possibili. Perché dedicarvi questi ultimi 10 minuti?
Perché otteniamo la rappresentazione più accurata della domanda in un futuro incerto. È fondamentale. Come dicevamo, in aeronautica ci interessano gli estremi, gli scenari sopra il 90. È quindi essenziale capire dove ci troviamo nella distribuzione. Vediamo qualche esempio.
È tipico trovare distribuzioni con molta massa sullo zero e una lunga coda a destra. Spesso lo scenario più probabile è l’assenza di domanda nell’orizzonte considerato. Conta però conoscere la probabilità degli eventi estremi. Se il ricambio costa 20.000 dollari, per coprire questo 7% aggiuntivo, il calcolo non è esattamente questo, vogliamo investire altri 40.000 dollari per quel 7%, oppure comprare soltanto le prime unità? È il confronto fatto prima.
Per questo è fondamentale capire la forma della distribuzione. È il primo passo. Tornando al nostro ricambio, ricordiamo che un’unità fornisce un livello di servizio atteso del 47%. La seconda ci porta a 72, poi a 87, e se…
Conor Doherty: È ciò che vedevamo nella lista.
Fabian Hoehner: Molto bene. Tu…
Conor Doherty: Stavo prestando attenzione.
Fabian Hoehner: Ottimo. Se andiamo qui e guardiamo indietro, vedremo, sì, eravamo a 37 per la prima, poi 72 e così via. Questo è sostanzialmente il percorso all’indietro verso: come ci siamo arrivati? E spiega come siamo arrivati esattamente a quel numero. Respiro un secondo, quindi se tu…
Conor Doherty: Ho già un paio di domande e questo è un buon momento per affrontarle. Prima dell’evento mi è stato chiesto spesso come tutto ciò che abbiamo visto si inserisca nei processi esistenti. Qualsiasi azienda, cliente attuale o potenziale, dispone già di software e flussi di lavoro. Lokad richiede di sostituire tutto? Si affianca agli strumenti esistenti? Come funziona?
Fabian Hoehner: Sì, sarebbe una pessima domanda se fosse così.
Conor Doherty: Sì, esatto, naturalmente.
Fabian Hoehner: No, lavoriamo al di sopra dei sistemi esistenti. Ti mostro per pochi secondi ciò che c’è dietro. Questo è…
Conor Doherty: È IA, giusto?
Fabian Hoehner: Sì, è tutta magia. Magia nera, naturalmente. No, questo è il nostro linguaggio di programmazione, Envision.
Lokad comprende diversi elementi. È una potente piattaforma di elaborazione di grandi volumi di dati, progettata per ottimizzare le scorte, con molte funzionalità di IA. Per esempio, possiamo scrivere codice in questo linguaggio usando agenti interni. Ma volevo rispondere alla tua domanda sui dati.
Ci adattiamo a ciascun cliente. Non chiediamo di predisporre nulla: ci servono soltanto le estrazioni grezze. Gran parte del nostro lavoro consiste nell’elaborare i dati correttamente e renderli coerenti, per interpretarli.
Per esempio, determinare il valore equo di un ricambio è complesso: in aeronautica molti componenti restano in uso a lungo. Un ricambio può essere ammortizzato in otto anni e avere poi un valore contabile di 1 dollaro. Ma è ancora utilizzabile e ricomprarlo costa, diciamo, 50.000 dollari. Quale valore dovremmo usare? Qual è il suo valore equo?
Non è facile rispondere. Avete due sistemi diversi: la contabilità indica 1 dollaro, perché resta un dollaro a bilancio, mentre ricomprarlo costa 50.000.
Come otteniamo dati corretti? Servono tempo, confronto e soprattutto flessibilità. È uno dei motivi per cui usiamo un linguaggio di programmazione: ci permette di adattarci. I clienti hanno configurazioni molto diverse e noi lavoriamo al di sopra dei loro sistemi.
Possono avere AMOS, TRAX, SAP o, più spesso, una combinazione di tutto. L’integrazione fa parte del sistema di intelligence che realizziamo. Ho risposto alla domanda?
Conor Doherty: Sì, più o meno. Avevo riformulato la domanda: il dubbio riguardava le transazioni duplicate. Con più sistemi, occorre riconciliare il sistema A con Lokad e viceversa? Questo era il punto.
Fabian Hoehner: Sì. Se parliamo di duplicazione delle funzioni, facciamo un passo indietro. I sistemi transazionali servono a gestire le transazioni.
Conor Doherty: ERP.
Fabian Hoehner: Sì, ERP, M… Prelevo un’unità dalle scorte e la installo. Voglio vedere l’operazione in un millisecondo e avere tutto aggiornato ovunque.
Questo non è il ruolo di Lokad. Eseguiamo simulazioni complesse che possono richiedere 20 minuti, e va bene così. Qui i risultati sono precalcolati.
Qui la visualizzazione è immediata perché abbiamo già eseguito i calcoli. Questo caso richiederebbe probabilmente pochi secondi; quelli più complessi possono richiedere più tempo. Va bene, perché il nostro compito è fornire intelligence: le migliori analisi, il miglior supporto decisionale e le migliori decisioni automatizzate, da trasmettere ai sistemi automatizzati. Per farlo usiamo diverse dashboard di analisi.
Ci sono i sistemi di registrazione, poi i sistemi di reportistica, come Tableau o… qual è l’altro? Power BI e simili. Infine ci sono i sistemi di intelligence, la categoria in cui lavoriamo noi.
Una volta acquisiti i dati, costruiamo molte dashboard esplicative, come quelle di analisi che vediamo qui. Anche questa è reportistica: la dashboard è un report.
Il calcolo avviene altrove. Duplichiamo alcune funzioni? Sì, può esserci una sovrapposizione, ma non intendiamo diventare un sistema di reportistica. Queste viste servono a noi e ai clienti per verificare il lavoro: non vogliamo guardare solo il codice, ma anche ciò che produce.
Conor Doherty: Bene. All’inizio avevo annunciato decisioni di investimento e disinvestimento, ma finora ci siamo concentrati sulle prime.
Potresti mostrarci il caso «ne ho troppi»? Parliamo sempre di componenti rotabili: «Ho scorte eccessive. Come individuo le unità da cedere per liberare capitale?».
Fabian Hoehner: Sì. Come se sapessi che ho proprio questa schermata. Perfetto.
Anche questa dashboard è configurata come vogliamo. È dimostrativa: l’organizzazione che vedete è una nostra scelta.
Qui riuniamo opportunità di investimento e disinvestimento nella stessa dashboard. Esaminiamo ora le seconde. La logica è quasi identica: per l’investimento partiamo dalle scorte attuali e chiediamo che cosa succederebbe aggiungendo un’unità, poi un’altra, una terza, una quarta e così via, per ogni ricambio. Calcoliamo quindi il punteggio.
Per il disinvestimento esaminiamo tutte le scorte possedute e chiediamo: vendendo un’unità, quanto livello di servizio perdo e quanta liquidità libero? Non ripercorrerò tutta la logica. Cerchiamo ricambi con un prezzo unitario alto e una perdita di servizio piccola. Qui perdiamo meno di un percento su quel ricambio.
La perdita totale è arrotondata: non riusciamo nemmeno a vederla. Ci sono ricambi di cui possediamo semplicemente troppe unità. Vediamo poi l’aumento degli AOG e il relativo punteggio.
Dovremmo probabilmente mostrare più decimali per renderla visibile. Scendendo nella lista, la perdita aumenta. Cerchiamo prezzi unitari alti e piccole perdite di servizio: la logica è invertita. In teoria possiamo anche combinare i due percorsi: «Investo in questi ricambi e disinvesto negli altri fino al punto ottimale».
Questo è piuttosto teorico, perché la realtà è più complessa in termini di valori di mercato. Quindi, di nuovo, non è Amazon dove uscite e dite: “oh, ho 10 in eccesso di una parte che costa 85.000 dollari, via.” No, dovete venderle. Dovete trovare qualcuno, trasferire i pezzi da una sede all’altra e così via.
Queste dashboard sono preziose per chi vuole cedere asset e può verificare: «Ha senso: almeno cinque di queste unità servono soltanto per un evento estremamente raro». Per esempio, sarebbero necessarie se l’intera flotta avesse un problema nello stesso giorno. Questa è la logica generale del disinvestimento.
Conor Doherty: Sì. Vediamo così come allocare il budget… scusa, come generare decisioni di investimento e disinvestimento e in che cosa differiscono. Abbiamo una domanda inviata prima della sessione da una persona degli acquisti operativi: «Come cambia la raccomandazione se l’unità viene acquisita tramite scambio anziché acquisto diretto?».
Fabian Hoehner: Dipende. La risposta è sempre…
Conor Doherty: Queste domande richiedono tempo, quindi ti chiedo risposte concise. Se non riusciamo ad approfondire tutto, possiamo farlo in seguito, senza problemi.
Fabian Hoehner: Sì, certo.
Conor Doherty: Ma una risposta generale.
Fabian Hoehner: Sì. Qui consideriamo il pool di proprietà: qual è la quantità totale di scorte possedute? Questi investimenti aumentano la dimensione complessiva del pool.
Uno scambio normalmente non cambia il numero di unità nel pool, perché a un certo punto restituite un ricambio. Occorre quindi una valutazione diversa. Potreste avere abbastanza componenti, ma tutti bloccati nel ciclo di riparazione. Non servono scorte aggiuntive: occorre coprire il periodo fino al loro rientro. È un’ottimizzazione diversa.
Qui esaminiamo investimenti che aggiungono unità al pool. La logica si applica anche alle priorità di riparazione: dati i componenti nel processo di riparazione, quali dovrebbero essere riparati per primi? A volte possiamo intervenire. Nella panoramica avevamo 500 unità in riparazione: non sono tutte ugualmente importanti.
Possiamo ordinarle per priorità e individuare quali riparazioni accelerare, eventualmente riducendo i tempi di consegna. Il fornitore ha 20 vostri componenti in riparazione, ma non sa quali siano più importanti per voi. Noi possiamo dire: «Di questo ne abbiamo ancora cinque efficienti. Averlo spedito prima non significa che ci serva prima». È un esempio tipico di priorità economica: quali azioni hanno il maggiore impatto per noi? Le liste indicano che cosa fare per ottenerlo.
Conor Doherty: Okay. Posso continuare? Sei a posto? Perfetto.
Hai citato i fornitori, il che ci porta a un’altra domanda concreta. Viene da qualcuno che ha visto fornitori rifiutare una nuova piattaforma per i costi di attivazione o abbonamento: «I fornitori devono cambiare il modo in cui lavorano con il cliente perché Lokad possa fare tutto questo o generare valore?».
Fabian Hoehner: Fornitori in che senso, i fornitori dei clienti?
Conor Doherty: Sì, esatto. Quindi…
Fabian Hoehner: No. Ci servono i dati dei fornitori? La risposta breve è no: bastano quelli del cliente, che dispone di tutti i dati necessari.
Possiamo integrarli? Sì, integriamo anche alcuni fornitori, generalmente per ottenere date e orari dei passaggi operativi. Supponiamo che tu sia l’MRO che ripara i componenti e io la compagnia aerea.
Invio i miei dati a Lokad e so soltanto quando spedisco il componente e quando rientra. I tuoi dati potrebbero indicare che è in riparazione, alla frontiera o già controllato. Alcuni clienti hanno buoni rapporti con i fornitori: può bastare un foglio Excel caricato regolarmente su Lokad per aggiornare meglio queste informazioni.
Se il cliente è già integrato con il fornitore e dispone dei dati nell’ERP, li estraiamo semplicemente da lì. Siamo però molto flessibili: il vantaggio nell’integrazione con terzi deriva anche dal fatto che siamo un’azienda informatica.
Per noi integrare un flusso di dati esterno è probabilmente molto più facile che, per una grande organizzazione, importarlo nell’ERP. Per loro è un progetto di trasformazione; per noi, un paio di giorni. Questa è la grande differenza.
Conor Doherty: Bene. Ci sono quindi almeno due categorie di dati: quelli utili e quelli indispensabili.
I dati dei fornitori che hai descritto appartengono alla prima categoria. Averli aiuta, ma la loro assenza non impedisce il progetto.
Fabian Hoehner: Sì, esattamente. È bene chiarirlo.
Conor Doherty: Voglio essere concreto, giusto?
Fabian Hoehner: Sì. È sempre utile chiedersi quali dati servano.
In aeronautica dovete tracciare tutto. I dati quindi ci sono. «Ne abbiamo abbastanza?». Sì.
Sono ben organizzati e puliti? No, mai. Ma sono sufficienti. Poi comincia il lavoro per arrivare a un’interpretazione condivisa.
I dati, da soli, sono solo dati: come li interpretiamo? Questa è la domanda. Servono lo storico dei consumi, i livelli di stock, il catalogo: i dati abituali.
Ci sono poi molti dati utili ma non indispensabili, come i livelli storici di stock per sede. Oppure le date e gli orari delle singole fasi presso il fornitore, spesso difficili da ottenere.
Di solito vedete soltanto due estremi del ciclo di riparazione: uscita e rientro. Le date intermedie sono molto utili. Senza, avete un’unica distribuzione ampia; con esse, potete costruire diverse distribuzioni.
Conor Doherty: Parlando di dati disordinati, hai detto «poi comincia il lavoro». Che cosa viene richiesto ai clienti per prepararli? È una domanda che ci hanno posto e che immagino si colleghi al ruolo del Supply Chain Scientist.
Fabian Hoehner: Sì. Normalmente lo facciamo insieme. La nostra piattaforma è progettata proprio per elaborare grandi volumi di dati.
Siamo rapidi, generalmente molto più dei clienti anche nella preparazione dei dati. Ci bastano le estrazioni grezze. Naturalmente, poter lavorare con persone che conoscono i dati e sanno dove trovarli è prezioso e accelera il progetto.
È quindi utile avere persone che hanno già esaminato i dati e ne conoscono il significato. Il nostro approccio, però, è arrivare alle decisioni. Il vantaggio è che, dicendo «comprate quattro ricambi, fate questo», i problemi sottostanti diventano evidenti. Un progetto dedicato soltanto alla pulizia dei dati…
Ho visto molte aziende dire: «Non siamo pronti, vogliamo prima pulire i dati». Due anni dopo rispondono: «Li stiamo ancora pulendo». È difficilissimo sapere da dove partire: ci sono sempre dati disordinati, classificazioni errate, gerarchie di prodotti problematiche.
Okay. Per noi sarebbe bello avere una categorizzazione migliore. La mappatura delle intercambiabilità, ovviamente: in aeronautica l’intercambiabilità unidirezionale e bidirezionale è molto importante.
Sì, i dati sono disordinati e sarebbe meglio averli puliti. Ma arrivando alle decisioni vediamo chiaramente quali dati abbiano valore.
Prendiamo l’intercambiabilità: posso usare un ricambio nuovo su un’apparecchiatura vecchia? Una raccomandazione sbagliata farà emergere rapidamente il problema. Se il ricambio è compatibile in entrambi i sensi, vorrò tenerne relativamente di più. È un’informazione importante.
Quindi, se la mia raccomandazione è molto sbagliata per un utente, dico “cinque”, e l’utente dice: “ehi, perché? Non abbiamo più bisogno della parte vecchia. La nuova è compatibile sia con le apparecchiature vecchie sia con quelle nuove, quindi ne vogliamo 20.” In quel caso arriviamo molto rapidamente, guardando l’inspector e così via, alla conclusione: “ah, sì, non sapevamo che questa parte funzionasse per questi due scenari di domanda.”
Perché? Mancavano i dati corretti. Ora sappiamo che vale la pena correggerli, perché contribuiscono alle decisioni. Pulire i dati senza questo obiettivo, invece, può diventare un lavoro infinito che non porta da nessuna parte.
Conor Doherty: Bene.
Fabian Hoehner: Perché sorridi?
Conor Doherty: Qualcuno ci sta facendo i complimenti… Alex si è appena definito intelligente. Lo è, è un ragazzo intelligente.
Ho riunito diverse domande sull’implementazione: impegno per l’integrazione, requisiti dei dati, che hai già affrontato, sicurezza, supporto, scalabilità con molti fornitori, aspetti ingegneristici, tempi e così via. So che è una domanda aperta e che dipende dal caso, ma puoi dare una risposta generale per chi ci guarda ed è interessato?
Fabian Hoehner: Sei mesi.
Conor Doherty: Bene. Indicativamente: può servire meno tempo, oppure di più.
Fabian Hoehner: Sì, esatto.
Dipende da molti fattori, ma in genere servono due mesi per ottenere i dati e comprenderli, verificandone la qualità generale e di dettaglio fino a condividerne l’interpretazione. Poi due mesi per una prima ottimizzazione, su cui siamo piuttosto rapidi, e altri due per affinare la soluzione e farla funzionare in parallelo ai processi esistenti. Tutti fanno già ciò che stiamo mostrando.
Le aziende decidono già ogni giorno che cosa comprare e in che cosa investire. Facciamo funzionare la soluzione accanto ai loro processi e da lì arrivano i miglioramenti. Questo mi porta a una funzionalità relativa allo storico: come confrontiamo e valutiamo le decisioni passate?
Mi piace sottolineare che la piattaforma consente di riesaminare completamente il passato. Posso consultare tutte le esecuzioni storiche, per esempio ciò che ho fatto oggi.
Posso aprire la dashboard eseguita qualche ora fa. Immaginavo che mi avresti chiesto del budget, quindi l’ho impostato a 1 milione anziché 10 milioni. Tornando al nostro 98%, ricordi quale investimento serviva prima?
Conor Doherty: 1,2… 2 milioni.
Fabian Hoehner: Esatto. Qui arriviamo soltanto a 900.000, perché ho fissato un limite di 1 milione. Possiamo interagire con questa dashboard ed eseguirla.
Posso farlo con qualsiasi dashboard del passato. Molti non considerano importante questa funzione, ma è preziosa per tornare a un momento preciso e verificare che cosa abbiamo fatto. Quando si verifica un AOG, le aziende iniziano a indagare: «Com’è successo? Che cosa abbiamo sbagliato?».
Con tempi di consegna di sei mesi, è difficilissimo valutare il sistema senza ricostruire la situazione di gennaio 2026. Qui posso aprire la simulazione del 2026 e magari scoprire: «Volevamo comprare una terza unità, sarebbe stato interessante, ma avevamo un vincolo di budget di 10 milioni. Per questo non l’abbiamo comprata».
Ora sappiamo perché. Potremmo decidere di aumentare il budget, oppure scoprire che abbiamo assegnato una priorità sbagliata: la penalità per una rottura di stock doveva essere maggiore e occorre modificare l’algoritmo. È fondamentale. Passiamo da un’indagine poco utile a una verifica del sistema, che può anche concludersi con: «L’algoritmo ha fatto ciò che doveva fare, e va bene così».
A volte si verificano eventi estremi e rotture di stock. Qui puntiamo a 98: significa che nel 2% dei casi avremo rotture di stock.
È statistica. Potremmo però decidere di approfondire e migliorare l’algoritmo per il futuro. È un processo continuo: l’ottimizzazione non si conclude una volta per tutte.
Si tende continuamente alla perfezione, senza mai raggiungerla per definizione. Per questo è importante poter consultare lo storico e persino eseguire dati nuovi con codice vecchio. Posso recuperare i calcoli, le ponderazioni, la penalità assegnata a un componente visibile al cliente e così via.
Posso usare i dati di oggi con un algoritmo di sei mesi fa, oppure i dati vecchi con l’ottimizzatore attuale e vedere che cosa farebbe. Pochissimi lo chiedono, ma è una funzione molto potente, nata per correggere i bug. Se i dati cambiano ogni giorno, un bug può smettere di manifestarsi: sappiamo che esiste un problema, ma non riusciamo più a individuarlo. Comunque, sto divagando.
Conor Doherty: Non divagare! È utile chiarire questi aspetti concreti. Abbiamo ancora qualche domanda.
Sei pronto? Continuiamo. Perfetto.
Fabian Hoehner: No, scusa.
Conor Doherty: Bene. Questa non riguarda direttamente gli acquisti, ma altre possibilità.
«Lokad può decidere se comprare un’altra unità oppure trasferirne una esistente fra sedi?». Ci allontaniamo un po’ dal tema di oggi. Non apriremo un’altra dashboard, ma puoi rispondere in generale?
Fabian Hoehner: Sì. Quindi…
Conor Doherty: Sì. Prossima domanda.
Fabian Hoehner: Okay. Fatto. No.
Qui entrano in gioco le priorità economiche. La mia risposta, forse noiosa, è sempre: «Se ha senso, possiamo farlo». Quale logica applichiamo? Prima simuliamo la probabilità del fabbisogno.
Per un problema di allocazione dobbiamo simulare la domanda per sede. Per esempio, avete MBK in 100 stazioni periferiche. È difficile: più la domanda è sporadica, più è difficile prevederla, ma occorre farlo. Diciamo sempre: «Il livello della simulazione dipende dalla decisione da prendere, non dalla facilità del calcolo».
Se voglio simulare il fabbisogno di un ricambio per sede, devo fare previsioni a quel livello. Dobbiamo comprare altre unità per il magazzino centrale oppure riallocare quelle esistenti? È una questione economica.
Trasferire un ricambio aumenta il rischio nella sede di origine. Confrontiamo quindi questo rischio aggiuntivo, più il costo logistico, con il costo di un investimento esterno, cioè il costo del capitale. È una logica abbastanza chiara e calcolabile.
Possiamo quantificarlo in euro, dollari, sterline o qualsiasi altra valuta. Ma quanto è importante e frequente il problema? A volte basta una semplice proporzione. Se invece la decisione è rilevante e di grande valore, possiamo arrivare esattamente a quel livello di dettaglio.
Conor Doherty: Okay. Alcune…
Fabian Hoehner: Dimmi se non è chiaro.
Conor Doherty: È chiarissimo. Abbiamo altre domande e non voglio rallentare. Ho già ricevuto messaggi da persone che vogliono approfondire casi particolari: lo faremo in seguito, perché esaminarli tutti qui richiederebbe troppo tempo.
Fabian Hoehner: Volevo soprattutto chiarire i due principi: combinare le diverse incertezze, come domanda e tempi di riparazione, e stabilire le priorità economiche. Con questi possiamo rispondere praticamente al 95% delle domande. Vale anche per ciò che chiedevi all’inizio, consumabili e ricambi non riparabili. Finora abbiamo parlato del ciclo di riparazione.
Il ciclo è più complesso, ma per i C&E il principio resta lo stesso: le scorte entrano ed escono, quindi vengono scartate al 100%, se vogliamo dirla così. Possiamo applicare la stessa ottimizzazione economica.
Possiamo, ma non siamo obbligati. Un problema semplice può avere una soluzione più semplice, anche se normalmente raccomandiamo questa ottimizzazione. Possiamo iniziare con qualcosa di rapido e approssimativo, purché migliore dell’esistente e automatizzato, perché l’automazione supera quasi sempre il lavoro manuale.
Poi passiamo alla seconda fase. Ho molte altre dashboard, ma non le aprirò ora. Per l’allocazione possiamo certamente mostrare: «Trasferisci questa quantità da una sede all’altra». Non entrerò nei calcoli qui.
Conor Doherty: Sì, lo approfondiremo in seguito. Ora complicherebbe la spiegazione.
Fabian Hoehner: Volevo evidenziare questi principi generali. Poi dipende da che cosa chiamiamo modulo. La gestione di tempi di consegna diversi e tempi di riparazione crescenti è un modulo, oppure fa parte degli acquisti? Potremmo dire di avere 20 moduli diversi. Qui ne vediamo alcune idee.
Conor Doherty: Sì. Forse qualcuno ha perso una parte precedente, ma è una domanda arrivata in diretta, quindi la facciamo. È di Saddaf, spero di pronunciarlo bene: «Come gestisce Lokad i ritardi dei fornitori nel calcolo della quantità ottimale da acquistare?».
Fabian Hoehner: Sì. Quindi…
Conor Doherty: Puoi tornare alla dashboard e mostrarlo di nuovo, per chi non l’ha visto prima.
Fabian Hoehner: Sì. Che cos’è un ritardo e che cosa è invece una variabilità da considerare? Un ritardo implica che ci aspettavamo un tempo e ne sta servendo di più. Ci sono due risposte.
La prima riguarda i solleciti. Avevate previsto 30 giorni e siete al giorno 40. Forniamo una lista ordinata: chi chiamare per primo? Se un ricambio è in ritardo di 10 giorni, ma ne ho cinque efficienti disponibili, il ritardo non mi preoccupa.
Può invece esserci un ricambio ancora nei tempi, al giorno 25, ma urgentissimo perché sono senza scorte. In quel caso voglio chiamare e chiedere di fare tutto il possibile per farlo arrivare. Questa è metà della risposta: possiamo intervenire?
Diamo quindi agli utenti la possibilità di stabilire le priorità in base alle conseguenze di un problema. La seconda metà della risposta è ciò che abbiamo visto qui…
Conor Doherty: Che cosa significa essere in ritardo?
Fabian Hoehner: Sì. Diremmo piuttosto che esistono diversi tempi di consegna. Il contratto può indicare 60 giorni, ma se nella realtà ne servono sempre 120, la raccomandazione d’acquisto deve tenerne conto.
È ciò che abbiamo fatto qui. Non diciamo «sono sempre 80» oppure «sempre 120», ma consideriamo tutte le possibilità. La distribuzione della domanda comprende tutti i tempi di consegna possibili. È il motivo di questo calcolo.
Vogliamo considerare l’incertezza che non possiamo controllare, di cui i tempi di riparazione e di consegna sono una componente importante. Anche questi tempi vengono previsti, benché non ne abbiamo parlato nel dettaglio. Per semplificare ho detto che guardiamo il passato come rappresentazione del futuro.
Sappiamo che non è sempre così. Abbiamo accompagnato i clienti durante e dopo il COVID: prima il calo, poi la ripresa e aumenti enormi dei tempi di riparazione. Se questi tempi seguono una tendenza, non assumiamo che il passato rappresenti il futuro.
Prevediamo i tempi di riparazione e poi la domanda sulle distribuzioni previste di quei tempi. Anticipo un’altra domanda: ho citato l’anno passato, ma possiamo considerare anche le revisioni programmate. Se ho una… interrompimi pure se hai una domanda.
Conor Doherty: No, ne parleremo in una domanda successiva. Continua pure.
Fabian Hoehner: La domanda tipica è: «Come prevedete la domanda futura? Guardate solo il passato?». Dipende. Un grande MRO che gestisce mille aerei dispone di molti dati: il passato può rappresentare piuttosto bene il futuro.
Ma quali altre informazioni avete? Potreste sapere che sono in arrivo diverse revisioni D-check. Useremo allora la BOM, la distinta base, probabilistica, che è a sua volta incerta. Sapete che alcuni componenti saranno sostituiti, con una probabilità del 100% per un consumabile. Per altri, invece, sapete soltanto che aprirete…
Conor Doherty: E troverete corrosione che non vi aspettavate.
Fabian Hoehner: Sì. Oppure le revisioni C-check passate indicano che sostituite quel componente nel 30% dei casi. La distinta base probabilistica elenca i 100 ricambi potenzialmente necessari con le rispettive probabilità. Se so che la revisione è fra due mesi, posso pianificarla.
È ciò che facciamo. La realtà è più complessa: quante volte una C-check prevista fra due mesi avverrà davvero in quella data? Anche qui c’è incertezza. Oltre alle due fonti principali citate, possiamo considerarne altre: l’incertezza cresce e le distribuzioni si allargano. La domanda resta: quanta copertura ottengo investendo in un’unità in più, e ne vale la pena? Sono disposto a spendere 10.000 dollari per un altro, quanto, 0 virgola… un altro 4%, o qualunque sia il valore?
Conor Doherty: Mi è chiaro. Questo spiega anche perché le dashboard siano così importanti. Una domanda di Metan, perdonami se pronuncio male il nome, riguarda un punto già emerso: generare ottime decisioni di investimento, disinvestimento o allocazione è utile, ma se le persone non le eseguono c’è un problema.
La domanda del pubblico è: «Come sapete se il cliente ha effettivamente acquistato il ricambio suggerito?». Parlavi di tracciabilità: possiamo misurare in quale percentuale X dei casi le decisioni siano state seguite?
Fabian Hoehner: Ah, bene. Sì. Quindi…
Conor Doherty: Una semplice verifica, la verificabilità, scusa.
Fabian Hoehner: Come lo tracceresti, Conor?
Conor Doherty: Con un computer.
Fabian Hoehner: Sì, perfetto. Ricevendo ogni giorno gli storici delle transazioni, vediamo l’esecuzione.
Gli storici includono gli acquisti, quindi vedo se la raccomandazione è stata seguita. Semplificando molto: il calcolo viene eseguito domenica notte e lunedì mattina l’operatore vede una raccomandazione di cinque unità.
Nell’esecuzione di martedì vedo cinque unità acquistate: la raccomandazione è stata seguita al 100%. Nella realtà è più complesso, perché possono trascorrere tempi lunghi prima di formulare una proposta e così via. Ma sì, lo monitoriamo. Per acquisti automatizzati, come quelli dei consumabili, la tracciabilità è molto buona.
Lì è più facile grazie ai volumi elevati. Per i componenti rotabili, invece, i riscontri delle persone sono probabilmente l’aspetto più importante. Esaminiamo queste liste con i clienti. Siamo molto bravi in matematica e statistica, ma con «noi» intendo…
Conor Doherty: Sì, sei un vero genio.
Fabian Hoehner: No, intendo che abbiamo una piattaforma potente e ingegneri preparati: questa è la nostra competenza. Lavoriamo nell’aeronautica da circa 13 anni e abbiamo accumulato esperienza, ma non pretendiamo di conoscere il settore meglio dei clienti. Quando è previsto un retrofit? I loro esperti sono appassionati: vedono un aereo e ne riconoscono subito il modello, i componenti e così via. Noi ci concentriamo sulla statistica.
Ci affidiamo quindi molto alle competenze e ai riscontri degli utenti. Progettiamo le dashboard al 100% per loro. Possono chiedere un aspetto diverso, altri colori o qualsiasi altra modifica.
Li ascoltiamo e adattiamo il progetto. Ridisegnare una dashboard richiede mezza giornata, anche meno. Se vuoi posso parlare di IA, ma è un altro argomento.
Conor Doherty: No, proseguo. Questo è più un commento. Scusa, un momento. Sì.
Quanto lavoro manuale negli acquisti possiamo eliminare con Lokad? Non voglio dare un’impressione sbagliata. Ne hai parlato per i rotabili: a seconda del prezzo, resterà un esperto a convalidare, per esempio, un acquisto da 90.000 dollari. Ma quanto tempo possiamo liberare? La stessa domanda vale per i C&E.
Fabian Hoehner: Sì, riprenderò la risposta di prima.
Conor Doherty: Sì, sto soltanto leggendo la domanda.
Fabian Hoehner: Certo. Dipende dalla complessità delle operazioni. Per i C&E si può automatizzare una parte molto ampia del lavoro.
Quando lo dico, intendo oltre… Sì, so che molto è già automatizzato con i punti di riordino. Abbiamo min-max. Possiamo automatizzarlo, ma con un sistema molto più intelligente. Qualcosa del genere può potenzialmente, per esempio, ridefinire i punti di riordino, se vogliamo, ogni giorno, in modo che il sistema esegua la decisione desiderata.
Lo facciamo per alcuni clienti, con enormi risparmi di tempo. Quando si acquistano ricambi per milioni di dollari, però, conta soprattutto decidere meglio. Il tempo risparmiato resta significativo, ma evitare alcuni AOG può rendere i costi trascurabili, entro certi limiti.
Conor Doherty: Credo di aver coperto tutto: sono le 5:45 e siamo in diretta da circa 75 minuti. Dobbiamo chiudere verso le sei… Ah, scusa, c’è un’ultima domanda. Chi ha seguito la demo probabilmente conosce già la risposta, ma chiariamo: in che cosa si distingue Lokad da piattaforme di acquisto come Aeroxchange? Una persona sta confrontando queste due categorie e vuole capire la differenza fra ottimizzazione delle decisioni e gestione delle richieste di preventivo, confronto delle offerte, elaborazione degli ordini d’acquisto e così via.
Fabian Hoehner: Aeroxchange copre diversi aspetti. In generale, noi non siamo una piattaforma di acquisto in senso stretto, ma un sistema di intelligence. La differenza è…
Conor Doherty: Il processo decisionale.
Fabian Hoehner: Sì. Lavoriamo al di sopra dei sistemi transazionali. Siamo il cervello che trasmette loro, per l’esecuzione, le migliori decisioni ottenibili con la statistica e la business intelligence. Aeroxchange offre più funzioni per automatizzare il processo di acquisto stesso e le comunicazioni.
Non è il nostro lavoro. Possiamo integrarci con fornitori diversi, collegare informazioni e scambiarle, ma non pubblichiamo listini prezzi o servizi simili: non è il nostro modello di business. Ci descriverei come un sistema di intelligence per automatizzare e supportare le decisioni.
Conor Doherty: Bene. Un’ultima domanda, quasi un commento. Comprensibilmente, molti preferiscono scriverci in privato anziché commentare pubblicamente. Leggo: «Interessante, ma mi interessano soprattutto le riparazioni. Possiamo applicare questo approccio per stabilire le priorità delle riparazioni e dei solleciti?».
Fabian Hoehner: Sì. Facile, vero?
Conor Doherty: Accontenta il pubblico con qualche dettaglio in più.
Fabian Hoehner: No, più seriamente, è di nuovo la stessa logica. Ora, invece di comprare una parte, mi chiedo se dovrei riparare quella non efficiente. Diciamo che avete 10 parti non efficienti e zero parti efficienti in stock. Invece di comprare, ne rendete semplicemente una efficiente.
Renderla efficiente in questo caso richiede una riparazione, con un ciclo di riparazione, quindi un tempo di turnaround, e un costo. Che sia interna o esterna, entrambe hanno un costo, ma prendiamo la riparazione esterna perché è più semplice. Diciamo che costa 50.000 rendere la parte efficiente. La prima domanda è: come stabilisco le priorità?
Perché ho un budget per le parti che voglio inviare in riparazione, o anche solo una capacità fisica limitata. Posso trattare 50 parti al giorno. Quali sono le più urgenti? E poi, per quali la riparazione è economicamente conveniente e per quali no?
Dopo il COVID, per esempio, era un tema importante. Alcuni clienti avevano gravi problemi di liquidità: semplicemente mancava il denaro. Che cosa fare?
I leasing e gli altri impegni restavano, ma non entrava più liquidità. Una possibilità era sospendere le riparazioni, che assorbono molto denaro, cannibalizzare le scorte esistenti e lasciare componenti non riparati. Era ragionevole: durante il COVID volava soltanto il 20% della flotta e la domanda di componenti efficienti diminuiva molto. Ma non si poteva semplicemente dire: «Non riparo più nulla».
Serve una lista ordinata per priorità. Alcuni componenti sono cruciali e vanno comunque riparati, perché la loro assenza creerebbe problemi gravissimi. Di altri avete 10 unità a stock e cinque non efficienti: potete accettare un po’ più di rischio, lasciarne un paio non riparate oppure ripararne soltanto una.
La logica è la stessa. I tempi di riparazione diventano ancora più importanti, così come le date delle fasi intermedie e le probabilità di scarto, se disponibili. Abbiamo dashboard anche per questo, ma aprirebbero un altro argomento.
Conor Doherty: Bene. Per concludere, torniamo al punto di partenza. Per chi si è collegato solo ora o ha saltato direttamente alle domande, come riassumeresti l’approccio alle decisioni di acquisto, investimento e disinvestimento nel settore aerospaziale? Quali sono le idee principali da ricordare?
Fabian Hoehner: Prima di tutto, dovrebbero vergognarsi di non aver ascoltato tutto. Secondo…
Conor Doherty: Molto bene. Il terzo per…
Fabian Hoehner: Lo ripeto: riconoscete l’incertezza. Esiste in molte forme: tempi di riparazione, domanda, distinte base probabilistiche. È ovunque: non eliminatela dal modello per semplificare la pianificazione. Consideratela, usando le tecnologie che permettono di farlo meglio.
Secondo: stabilite le priorità in base alle conseguenze economiche. In aeronautica, generalmente, si tratta del miglioramento del livello di servizio o degli AOG evitati per dollaro speso. Sono i concetti centrali. Lokad offre una piattaforma potente e validi Supply Chain Scientists che progettano la soluzione insieme ai clienti. Questo è, in poche parole, il nostro lavoro nell’aeronautica.
Conor Doherty: Bene. Fabi, non ho altre domande. Grazie di essere stato con me oggi. È un piacere averti in studio e spero che tutti abbiano apprezzato ascoltarti quanto me.
Fabian Hoehner: Troppo gentile.
Conor Doherty: Fai onore all’umanità, caro amico.
Fabian Hoehner: Grazie.
Conor Doherty: Nessun problema. E grazie a tutti per aver guardato. Grazie per i commenti e le domande.
Un ringraziamento speciale alle persone con cui ho parlato nell’ultimo mese circa. Abbiamo promosso l’evento per circa un mese e ho chiesto a molti di voi che cosa voleste vedere. Ho raccolto le risposte e cercato di adattare la dimostrazione ai desideri del pubblico.
Se ci sono argomenti che non abbiamo affrontato e che vi interessano, contattate direttamente Fab e me su LinkedIn. Ci riconoscete facilmente. Ci piace parlare, siamo adorabili.
Aprite il profilo e scriveteci. Se siete già convinti e volete prenotare una chiamata per approfondire, dovrebbe esserci un link nella chat. In alternativa, scrivete a contact@lokad.com. Come ha mostrato Fabi, ci sono altri moduli aerospaziali di cui possiamo parlare.
Non li abbiamo affrontati oggi, ma torneremo a presentarli. Nel frattempo, non resta che dire: tornate al lavoro. Ecco, per favore.