Acquisti aerospaziali ottimizzati: demo guidata delle soluzioni Lokad

Back to Lokad TV

00:00:00 Acquisti aerospaziali: incertezza e priorita economiche
00:05:58 Visibilita della flotta, obiettivi di servizio e costi di investimento
00:11:47 Rotables, consumabili e investimenti ordinati economicamente
00:17:23 Priorita sotto vincoli di budget e operativi
00:23:56 Ordinare gli investimenti per guadagno di 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 opportunita di disinvestimento
00:47:15 Scambi, priorita di riparazione e integrazione dei fornitori
00:53:29 Preparazione dei dati e requisiti di implementazione
00:58:44 Simulazioni storiche e tracciabilita delle decisioni
01:04:10 Priorita 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 priorita 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 priorita. L’approccio valuta ogni unita aggiuntiva in base al suo contributo atteso al servizio, o alla prevenzione di aircraft-on-ground, rispetto al costo. Lo stesso ragionamento supporta disinvestimenti, priorita 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 complessita degli acquisti coinvolti.

Sintesi estesa

Gli acquisti aerospaziali implicano scelte tra usi concorrenti di risorse scarse. Comprare un ricambio in piu puo ridurre il rischio di tenere un aeromobile a terra, ma impegna anche denaro che potrebbe proteggere un’altra operazione piu importante. In questa dimostrazione live, Conor Doherty e Fabian Hoehner spiegano come Lokad valuta queste scelte. La domanda centrale e quanto servizio aggiuntivo, o quanta prevenzione di AOG, ogni dollaro possa ragionevolmente acquistare. Le quantita di inventario derivano da questo confronto, insieme ai vincoli entro cui opera l’azienda.

La dimostrazione inizia con una flotta aerea illustrativa e un pool di rotables: parti che possono essere riparate e rimesse in servizio. La loro disponibilita dipende sia dalla domanda sia dal tempo trascorso nei processi di riparazione e logistica. Cinque unita possedute non offrono la stessa protezione di cinque unita serviceable 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 piu costosi.

Le raccomandazioni sono ordinate unita per unita. Un’unita aggiuntiva di un determinato PN compete con unita aggiuntive di altri PNs, incluse parti con prezzi e profili di domanda molto diversi. La prima unita copre in genere piu incertezza della seconda o della terza. Questo beneficio decrescente conta: acquistare piu unita della stessa parte puo valere meno che distribuire l’investimento. Conta anche l’essenzialita. Una parte no-go relativamente economica puo giustificare una disponibilita piu alta rispetto a una parte costosa la cui assenza ha conseguenze meno gravi. Una lista ordinata rende inoltre piu semplice applicare limiti di budget, capacita di acquisto e vincoli di ricezione.

Questi confronti richiedono un trattamento realistico dell’incertezza. La domanda aerospaziale e 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 piu lunga quando sorgono complicazioni. Sostituire quel modello con una singola media puo 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 rendono discutibili i compromessi risultanti. Il costo di un evento AOG puo 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 caffe possono avere conseguenze che le classificazioni tecniche di aeronavigabilita 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 rotables di solito richiedono ancora validazione esperta e preventivi dei fornitori; consumabili ed expendables 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 priorita di riparazione identifica quali unita non serviceable giustificano piu urgentemente spesa o accelerazione. I trasferimenti confrontano costi di trasporto e rischio aumentato nella sede cedente con i benefici altrove e con l’alternativa di acquistare piu stock. Sono decisioni economiche correlate, anche se ciascuna richiede dettagli operativi propri. Un’opportunita 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 rivelare quali difetti dei dati meritano attenzione, evitando tentativi indefiniti di pulire tutto prima. Hoehner descrive circa sei mesi come implementazione tipica, con variazioni sostanziali. Le esecuzioni storiche restano disponibili per indagini, permettendo ai team di distinguere un vincolo di budget da un’ipotesi errata o da un rischio accettato. La disciplina piu ampia e continua: quantificare l’incertezza, confrontare le conseguenze e migliorare le decisioni man mano che le evidenze si accumulano.

Full Transcript

Conor Doherty: Benvenuti alla primissima demo live di Lokad. Oggi vi mostreremo come Lokad genera decisioni di investimento e disinvestimento nell’aerospace. Oggi vi mostreremo quali PN dovrebbero avere priorita.

Oggi vi mostreremo come dovrebbe essere suddiviso un budget limitato, e vi mostreremo come i vostri vincoli, che siano tempi di consegna dei fornitori, turnaround times, costi o il budget stesso, influenzano le decisioni che generiamo per voi. Questo e un evento live, quindi fate pure le vostre domande. Probabilmente risponderemo tra circa 30 minuti. Dipende da quanto chiacchieriamo.

Ma chi siamo? Io sono Conor, marketing director qui da Lokad. E con me in studio c’e il mio ottimo amico e director of strategic accounts, Fabian Hoehner. Guten Tag, Herr Hoehner, wie geht’s?

Fabian Hoehner: Ciao, Conor.

Conor Doherty: Das ist wunderbar. Allora, Fabi, come le persone possono vedere nell’angolo dello schermo, o dovrebbero gia poter vedere, tra poco guarderemo un account demo di acquisti aerospace. Ci concentreremo sugli acquisti, ma alcune persone presenti e alcune che guarderanno piu tardi in realta non conoscono bene Lokad. Alcune si, ma molte no.

Prendiamoci quindi un minuto prima di entrare nel merito. Potresti rispondere a due domande rapide? Uno, come vede esattamente Lokad il problema degli acquisti nell’aerospace? E due, se le persone guardano solo i primi minuti, quali sono un paio di concetti chiave che dovrebbero portarsi via?

Fabian Hoehner: Non me l’hai chiesto nella preparazione, quindi questo e…

Conor Doherty: No, non l’ho fatto. Volevo improvvisazione.

Fabian Hoehner: Si. Okay. Ci sara un mix di persone familiari e non familiari con il tema. Quindi cerchiamo di restare ad alto livello, ma andando un po’ in profondita su alcuni punti. Le due cose che vorrei che le persone portassero via sono, da un lato, come gestiamo l’incertezza.

Incertezza, nei temi di cui parliamo, significa soprattutto incertezza dei fornitori, quindi turnaround times e tempi di consegna, e dall’altro lato incertezza della domanda. Il secondo aspetto e l’ottimizzazione economica, la priorizzazione economica. Con una risorsa disponibile limitata, come faccio sostanzialmente il meglio possibile? Come acquisto in modo efficiente in quel caso? Queste sono le due aree principali che vorrei che le persone ricordassero oggi.

Conor Doherty: Quindi, in una frase, per ogni euro o dollaro o qualunque valuta in cui operate, per ogni, diciamo euro, che investite nel vostro inventario, qual e essenzialmente il guadagno atteso di livello di servizio?

Fabian Hoehner: Si. Per essere piu precisi, cio che volete fare, e ci entreremo nel dettaglio, e massimizzare il guadagno di livello di servizio per dollaro oppure ridurre l’AOG, quindi aircraft on ground, per dollaro speso. La via piu efficiente verso il vostro obiettivo. Speriamo che questo sia uno dei messaggi principali per chi ascolta oggi.

Conor Doherty: Bene. Ora che abbiamo apparecchiato la tavola, non seppelliamo piu la notizia principale. Andiamo direttamente all’account demo.

Max, il nostro produttore, passa pure, assicurati che sia tutto a posto. Subcto. Bene. Fabi, sto guardando il mio schermo perche la mia vista e pessima, ma che cosa stiamo guardando esattamente?

Per favore spiega alle persone il contesto: e aviation? E MRO? E AI? Stiamo facendo AI?

Fabian Hoehner: Si, facciamo sempre AI, ovviamente. Entreremo nei dettagli di cio che facciamo in termini di AI, ma siamo effettivamente su un account demo. Lokad in 20 secondi: progettiamo soluzioni personalizzate di ottimizzazione dell’inventario per clienti di aree diverse, e oggi ci concentreremo sull’aeronautica. Potrebbe essere MRO, quindi maintenance, repair and overhaul, ma ci concentreremo su un esempio sostanzialmente di compagnia aerea.

La domanda principale che ci porremo e: per una flotta data, come ottengo il percorso di investimento, e potenzialmente disinvestimento, piu efficiente per il mio stock? Questa e la domanda complessiva. Molto rapidamente, dove siamo ora: potete vedere che siamo su go.lokad.com.

Questo e un account demo. Tutti i nostri clienti sono sulla stessa piattaforma. E quindi un’applicazione multi-tenant, ma scriviamo una soluzione individuale per ogni cliente. Questo rende le demo in un certo senso difficili, perche ogni cliente e molto diverso.

Conor Doherty: Diverso. Si, certo.

Fabian Hoehner: Questo, direi, e il nostro USP: personalizzare cio che facciamo. Il focus di oggi sara mostrare i due principi a cui ho accennato all’inizio. Da un lato, come vediamo l’incertezza?

La parola chiave sara previsione probabilistica. Le persone che ci seguono un po’ l’hanno sentita molte, molte volte, ma oggi la renderemo molto pratica. E poi il secondo: ottimizzazione economica su un esempio specifico. Se ci sono domande, naturalmente fatele strada facendo.

Spesso la mia risposta sara: “si, se e logico, possiamo costruirlo, oppure l’abbiamo costruito in passato”, ma oggi guardiamo un esempio specifico. Questo propongo di fare. Altre domande? Altrimenti iniziamo.

Conor Doherty: Direi che iniziamo, perche in realta ci sono gia molte domande. Come le persone sanno, ho comunicato con molte persone in anticipo. Quindi ci sono alcune domande molto concrete da affrontare piu tardi, ma come dicevo, se qualcosa colpisce chi sta guardando, commentate pure sotto e lo approfondiremo a tempo debito.

Fabian Hoehner: Si. E mi conosci, quindi interrompimi. Altrimenti…

Conor Doherty: Lo faro, non preoccuparti.

Fabian Hoehner: …entro in un certo flusso. Bene. Questo e di nuovo un account demo, e vediamo che e solo una panoramica. Potrei cliccare su qualsiasi cosa, ma oggi entreremo solo in due o tre schermate.

In questo caso stiamo guardando un dashboard di panoramica. Useremo la piramide invertita. Partiremo dalla panoramica e poi scenderemo fino al livello piu basso. Qui sarebbe una vista di management dove possiamo vedere la performance del pool.

In questo caso potete vedere che e un pool. Potrebbe provenire da diverse compagnie aeree. In sostanza, cio che stiamo guardando e una flotta, Triple 7. Che sia di una o piu compagnie non importa, e le parti di cui ho bisogno per servire quella flotta.

Questo sara il concetto complessivo qui. In questo caso potete vedere una visualizzazione storica dei consumi e, naturalmente, sale perche Lokad ottimizza, quindi le cose migliorano sempre. E alcune viste aggiuntive sulla situazione operativa attuale. Quindi dove si trova il mio stock?

In aeronautica parliamo sempre di loop. Questo sara un concetto molto importante. Ovviamente la maggior parte delle persone che guarda oggi lo conosce bene. Ma stock non equivale a stock in aeronautica.

Si tratta di avere stock serviceable e unserviceable, e di sapere dove si trova nel processo. Avere cinque unita, avere cinque unita serviceable, avere quattro unita in un ciclo di riparazione e una unita serviceable: sono interpretazioni molto diverse della vostra realta. Quindi questo e sostanzialmente un dashboard di panoramica. Come ci saremmo arrivati? Integrando…

Conor Doherty: Stavo letteralmente per farti esattamente quella domanda, aprendo la bocca per chiederla.

Fabian Hoehner: Si. Tipicamente, in questo caso, da dove vengono i dati? Da diversi sistemi ERP, sistemi MRP, ma in sostanza dati transazionali che portiamo sulla piattaforma, Lokad essendo una piattaforma di intelligence. Il sistema transazionale, ERP, MRP, dice semplicemente “dove sono le mie cose”, il livello transazionale. Lo prendiamo quotidianamente e poi facciamo, direi, la manipolazione big data per ottenere l’informazione: “ho 186 unita che in questo momento sono in un processo di reso.” Bene, oppure volevi…

Conor Doherty: No, andava bene.

Fabian Hoehner: Perfetto. Quindi panoramica ad alto livello, e ora entreremo direttamente nel risultato. Iniziamo da come potrebbe apparire il risultato di un’ottimizzazione, e in questo caso cio che guardiamo e l’ottimizzazione dell’investimento.

Stiamo quindi guardando un investimento che vogliamo ottenere per, in questo caso, un livello di servizio target del 98%. Vediamo qui un piccolo simulatore con un menu a tendina, quindi posso simulare diversi scenari che ho gia pre-calcolato, in questo caso per fare in fretta. Potremmo anche progettarlo diversamente, con un piccolo campo da compilare e provare da soli, ma in questo caso abbiamo pre-calcolato per velocizzare. Cio che vediamo qui e che, per una situazione data, vediamo ancora il nostro stock attuale, in questo caso 68 milioni, e questi 68 milioni dovrebbero darmi un livello di servizio del 95,7%.

Conor Doherty: Mhm.

Fabian Hoehner: 95,7% di disponibilita rispetto ai tempi di consegna individuali di tutte le diverse parti e ponderata per il loro consumo.

Conor Doherty: Okay.

Fabian Hoehner: La cosa successiva che facciamo e selezionare, in questo caso andiamo al nostro 98. Selezioniamo: “okay, vogliamo avere il 98% di disponibilita media ponderata per consumo e cosi via.” In questo caso, il simulatore mi dice: “okay, devo investire 1,2, 2 milioni”, e raggiungero il mio target, in questo caso 97,99. Questo e cio che avrei ottenuto.

Questo e il livello piu alto. Potrei giocarci, e se lo facessimo vedremmo qualcosa di molto tipico in aeronautica, che sono sicuro la maggior parte del pubblico conosce bene: la long tail e dove stanno i costi. Quindi, se vediamo, sono passato da 98 o 98,5 a 99,5.

Andiamo a 99. Abbiamo quindi l'1%. Cio che vediamo e che il primo punto percentuale che volevamo guadagnare, o i primi due punti, ci costa un milione di dollari di investimento, e poi il successivo costera 2,5. Questo aumento esponenziale per guadagnare questi punti di livello di servizio e estremamente importante quando parliamo, all’inizio, di quale sia la tecnologia.

Perche e importante? Che cosa facciamo diversamente? Il grande fit di Lokad in questa industria e capire come gestire domanda sparsa ed erratica, che e la maggior parte dei problemi aeronautici. Questo significa capire meglio la probabilita degli estremi, quindi questi percentili oltre il 90, perche e sostanzialmente li che gioca l’aeronautica. L’aeronautica e un settore estremamente avverso al rischio; essere senza stock costa molti soldi.

Conor Doherty: Si. Molto piu del singolo pezzo in molti casi.

Fabian Hoehner: Tradizionalmente, in aeronautica, tutti sono sovrastoccati. “Nel dubbio, comprane un altro.” Questo e l’approccio tipico.

Capire quanto sia probabile uno scenario 99 o 99,5 sul singolo pezzo e quindi estremamente importante. Ci arriveremo a un livello piu dettagliato. Per ora, ad alto livello, perche guardiamo tutti questi estremi?

Perche e li che giochiamo in aeronautica. Nessuno vuole sapere qual e la media. Vorrebbe dire che avete abbastanza stock nel 50% dei casi. Non vi interessa.

Volete sapere quanto e probabile coprire gli estremi. Quindi, guardando questo, di nuovo, passiamo dall’alto livello al livello piu basso. Qui abbiamo l’investimento, e ora questo e il mio investimento totale. Vogliamo sapere quali sono tipicamente le quantita per il cliente. In questo caso abbiamo, molto semplicemente, una lista: “questi sono i miei articoli e queste sono le quantita in cui investiamo.”

Conor Doherty: Solo per chiarire, a questo punto stiamo guardando rotables o consumables? Sono solo rotables.

Fabian Hoehner: Si, rotables.

Conor Doherty: Si, assolutamente. Ma guarderemo i consumables piu tardi, o toccheremo la logica li.

Fabian Hoehner: Si, toccheremo la logica, ma…

Conor Doherty: Ma questi sono sostanzialmente i pezzi piu costosi. Ecco perche li guardiamo.

Fabian Hoehner: Avete visto che i valori che vediamo qui saranno abbastanza importanti, perche si, guardiamo effettivamente rotables. La maggior parte dei concetti e trasferibile ai consumables. La differenza principale e che il pezzo rotable, per definizione, ha una rotazione, quindi ha un loop, invece di diversi loop di riparazione.

In teoria si puo farlo internamente, oppure si ha scrap. Un consumable lo si compra e poi esce. Ci sono quindi alcune differenze nella matematica, ma i principi sottostanti a cui mi riferivo all’inizio, cioe incertezza, o quantificazione dell’incertezza, e priorizzazione basata sull’economia, rimangono gli stessi.

Conor Doherty: Okay.

Fabian Hoehner: La domanda ora e perche raccomandiamo quattro, tre, cinque e cosi via? Per questo andremo un po’ piu nel dettaglio, ma prima restiamo ancora abbastanza ad alto livello. Cio che vediamo qui e di nuovo la stessa lista di prima, ma con alcune informazioni aggiuntive. La prima cosa che vogliamo vedere intuitivamente, e vi mostrero parecchie schermate con molti numeri…

Diro a te e al pubblico quali sono le cose da guardare. In questo caso questa e la mia lista e queste sono le parti che raccomando di comprare. Vedete quattro unita qui, tre li, cinque e cosi via. Ora, la cosa importante e che cosa dovrebbe fare intuitivamente l’ottimizzazione.

Spieghero come ci arriviamo. Andremo sempre piu in profondita. Ma prima, ha senso intuitivamente? Intuitivamente, che cosa dovrebbe fare un’ottimizzazione che cerca efficienza?

Se l’efficienza e riduzione AOG per dollaro speso o aumento del livello di servizio per dollaro speso, cio che dovremmo vedere e che le parti che sono, A, relativamente economiche e, B, molto importanti dovrebbero essere sovraponderate in disponibilita rispetto a parti costose e non importanti. Se guardiamo questa lista, prendiamo le prime due parti perche hanno prezzi unitari abbastanza simili. Vediamo che una parte e molto piu alta. Il livello di servizio finale, il livello di servizio attuale, e cio che copro con lo stock attuale che possiedo.

Il livello di servizio finale e dove arrivo dopo l’ottimizzazione. In questo caso portiamo questa al 94% e questa all'80%. Perche? Se guardiamo, questa ha essentiality: no-go. E questa e go-if.

In sostanza, la conseguenza di uno stockout qui e molto piu costosa. Ecco perche e relativamente sovrastoccata. Questa dovrebbe essere l’intuizione. Se scendiamo nella lista, dovremmo vedere di nuovo: una parte che qui vediamo a 99. Dimmi se e troppo piccolo, giusto?

Conor Doherty: Va meglio. Grazie. Almeno per me, perche sono quasi cieco.

Fabian Hoehner: Si. Qui vediamo che e 99,5. La parte e relativamente economica, 8.000 dollari, ed e una parte no-go. Questa intuizione dovrebbe restare sempre: le parti che stocchiamo in modo aggressivo rispetto ad altre dovrebbero essere no-go e abbastanza economiche, mentre quelle che stocchiamo meno aggressivamente dovrebbero essere… qui vediamo che e una parte go, non molto costosa, ma e solo go.

Quindi questa e prima la logica sottostante che dovrebbe restare. Ora la domanda e: come arriviamo esattamente a quattro, tre, cinque e cosi via? Intuitivamente ha senso. Ottimo.

Il secondo passo e: come ci arriviamo esattamente? Qui, per la prima volta, ad alto livello, vediamo gia che c’e un concetto di priorizzazione economica nascosto. Come ci arriviamo piu nel dettaglio? Questo e cio che chiamiamo una priorizzazione ordinata. In questo caso una lista di investimenti ordinata.

Quello che facciamo qui e guardare ogni singolo acquisto, o in questo caso possibilita di investimento, che abbiamo, e simulare quale sarebbe la conseguenza economica dell’investire in quella parte. Se guardate le prime due o tre righe, potete vedere che e la stessa PN, ma non e la stessa stock-keeping unit, perche compriamo la prima parte, poi la seconda, poi la terza, ed e sostanzialmente cio che facciamo ovunque. Simuliamo l’acquisto di ogni singola parte individuale che potremmo comprare. Questa lista e sostanzialmente infinita. Potrei scorrere all’infinito, ed e cio che facciamo.

Conor Doherty: E limitata dal budget, presumibilmente, perche vedo che e di nuovo ordinata. L’investimento totale aumenta scorrendo verso il basso. Quindi, presumibilmente, si potrebbe impostare un limite rigido, tipo “ho solo X di budget. Non e infinito. Quindi ottimizza fino a questo punto e non oltre.”

Fabian Hoehner: Si. In questo caso non e limitata dal budget, ma dal mio obiettivo, che in questo caso e 98%. Pero hai assolutamente ragione. Quindi, basicamente, il 98% produce un budget di 1,2, 1,25 milioni. Cio che faremo e esattamente questo.

Scorreremo qui fino a raggiungere un investimento totale di 1,25. In questo caso lo abbiamo fatto diversamente. Cerchiamo di raggiungere 98 e poi 1,2 e stato il risultato. Ma avrei potuto fare l’inverso. Avrei potuto dire…

Conor Doherty: Si, certo.

Fabian Hoehner: E lo stesso, in realta, solo visto da una prospettiva diversa. Okay, bene. Ora passiamo attraverso alcuni esempi per mostrare come funziona questa logica di priorizzazione economica. Un buon test di controllo, anche per chi nel pubblico gestisce la propria ottimizzazione, e sempre: siete in grado di dire, se vi dico “okay, avete 100.000 dollari, quale sarebbe il singolo articolo piu importante da comprare oggi?”

Questo e un concetto molto importante. Non sara per questa prima parte, ma in generale per priorizzare ogni azione che fate, perche con questa logica potete introdurre qualsiasi vincolo abbiate, che sia “il mio team acquisti puo gestire solo cinque parti al giorno”, “il mio magazzino puo riceverne solo 10 al giorno”, qualunque sia il vincolo, oppure “ho un milione di budget”. Se non avete una vista priorizzata, e molto difficile se avete solo un si/no. Diciamo “il mio obiettivo e avere la parte A al 99%, la parte B al 95 e la parte C al 91.”

Estremo, ma okay. In quel caso e solo si o no, e non avete un sistema di ranking. Questo concetto e incredibilmente importante qui, perche possiamo effettivamente priorizzare, e bisogna sempre farlo: tempo limitato, budget, qualunque cosa sia. Quindi la domanda per il pubblico sarebbe: “potete individuare quale sia il singolo articolo piu importante di cui ho bisogno oggi?” E ancora, non importa il primo, ma quali sono i 50 piu importanti?

Questo e effettivamente cio che possiamo fare qui, e lo faremo guardando la prima riga. Vediamo che stiamo guardando il 1338. Guarderemo il 1338 per parecchio tempo, quindi abbiate pazienza.

Vediamo che attualmente non ne abbiamo nessuno in stock. Stiamo valutando di comprarne uno. Vediamo quanti sono stati richiesti nell’ultimo anno. Poi compriamo una unita che costa 1.200 dollari, e attualmente abbiamo zero livello di servizio, o livello di servizio atteso.

Perche? Abbiamo zero in stock. Quindi, se avete zero, non coprite alcuna incertezza. Questo e sostanzialmente cio che significa.

Il mio livello di servizio atteso significa: quanta incertezza futura sto coprendo? Cosa significhi esattamente, ci arriveremo nel passo successivo. Come ho detto, andiamo dall’alto livello al basso. Potreste fermarvi a: “questi sono gli articoli che dovreste comprare”, e basta. Ma ovviamente vogliamo andare un po’ piu in profondita e capire da dove viene.

Conor Doherty: Intervengo, perche e un buon punto. Una delle domande che ho ricevuto in molte versioni. Bevi pure. Ho ricevuto molte versioni della stessa domanda: “interessante l’idea, sembra ottima”, perche alcune persone conoscono gia Lokad, “ma come appare per, diciamo, il mio team di planning?” Perche hai appena detto: “guardate questi dashboards, ecco le decisioni ordinate.”

Poi hai detto “entreremo in un’analisi molto piu profonda”, hai detto che ci si potrebbe fermare qui. Quindi, essenzialmente, il team di planning potrebbe fermarsi a questo punto. Ha gia le decisioni. Se si fida del sistema, puo eseguire. Se vuole saperne di piu, puo investigare perche questa unita, questa PN, e sopra quell’altra, eccetera.

Fabian Hoehner: Si.

Conor Doherty: Okay.

Fabian Hoehner: Infatti. Sperando di aver configurato il sistema. Possiamo parlare di quanto tempo ci vuole, ma diciamo che dopo sei mesi avete un sistema che funziona e gira. Potreste semplicemente dire: “mi fido del sistema”, e le raccomandazioni vengono esportate ed eseguite dai sistemi operativi.

Ancora una volta, non siamo un sistema transazionale. Siamo un system of intelligence. Siamo li per eseguire simulazioni complicate e poi rimandare l’intelligence al sistema operativo.

Conor Doherty: Oh, continua pure.

Fabian Hoehner: L’ho appena detto. Detto questo…

Conor Doherty: Si.

Fabian Hoehner: Ci sarebbero pochissime persone che, ricordando le parti viste prima, con una parte da 46.000 dollari, la farebbero girare automaticamente. E non e cosi che funziona.

Conor Doherty: Si.

Fabian Hoehner: Queste sono parti per cui bisogna effettivamente fare una quotazione. In aeronautica non e come l’e-commerce di Amazon.

No, richiedereste il prezzo della parte, e il prezzo che abbiamo qui e un’ipotesi finche non viene validato. Quindi e un processo manuale, oppure puo essere automatizzato, ma il punto e: le parti rotable che stiamo guardando qui probabilmente non sono qualcosa che automatizzereste completamente. Potreste, certo, ma in effetti…

Conor Doherty: l’esecuzione della decisione non necessariamente, ma l’analisi e la generazione effettiva della decisione sono automatizzate.

Fabian Hoehner: La tua domanda e basicamente: “che cosa guardano le persone?” Direi che tipicamente, se non vale il tempo, quindi se le parti sono, non so, sotto i 2.000 dollari o giu di li, se guardiamo C&E, allora si puo, e lo facciamo, automatizzare tutto. Aggiorna i sistemi operativi quotidianamente e spinge automaticamente un ordine. Se parliamo di investimenti rotable, tipicamente e qualcosa su cui degli esperti guardano per validare molte cose.

In questo caso facciamo qualcosa di molto simile a cio che stiamo facendo qui. Abbiamo la raccomandazione che dice “compra cinque unita di quello.” E poi avete un esperto che lo fa da anni, che sfida quel risultato, all’inizio per costruire, progettare e migliorare il sistema con noi, e poi anche per investigare. Il processo di investigazione, il ragionamento, come arrivo al mio “compra cinque unita”, e esattamente cio che sto facendo qui, cio che vi sto mostrando. Come ci sono arrivato? Se non mi avessi interrotto sarebbe gia finito, ma si.

Conor Doherty: Mi scuso.

Fabian Hoehner: Guardiamo quindi il 1338, e abbiamo detto: “comprare una unita ci porta al 47%.” Quindi copre il 47% dell’incertezza. Il delta da 0 a 47 e 47.

Poi lo mettiamo in relazione con l’intero catalogo. Qual e il mio delta sul catalogo? Dipende da qual e il consumo di quella parte. Ovviamente una parte con consumo maggiore avra un impatto maggiore qui, e cosi via.

Poi il mio guadagno sul livello di servizio complessivo, la riduzione AOG in dollari. Come ci arriviamo? Di nuovo, lo costruiamo su misura, e non mi aspetto che molte persone nel pubblico, e nemmeno i nostri clienti all’inizio, abbiano un numero fisso e dicano: “so quanto costa un AOG.” Il nostro approccio e sempre dire: “meglio essere approssimativamente corretti che esattamente sbagliati.” In questo caso significa che si, e molto difficile individuare esattamente quanto ci costa un AOG.

Tipicamente, cio che volete vedere qui e, in questo caso, quanti AOG abbiamo avuto legati a eventi e in cui un evento di stock e stato la causa, e qual e la mia stima ad alto livello del costo. Per esempio possiamo anche vedere che ho dovuto fare un acquisto d’emergenza. Qual e il valore di questo? In questo modo posso provare a derivare un valore approssimativamente corretto.

Di nuovo, l’argomento e: meglio avere un numero in dollari che non averne nessuno. Perche se non ne avete uno, volate sempre un po’ alla cieca con i livelli di servizio e non potete davvero discutere: “dovremmo essere al 99 o al 99,5?” Non lo so. Ma nel momento in cui mettete dollari su qualcosa, potete discutere, anche tra reparti.

Conor Doherty: Si.

Fabian Hoehner: E potete anche cambiarlo nel tempo. Va bene. Se un anno dopo dite: “okay, penso che le nostre stime siano sbagliate qui, oppure su questo tipo di flotta e giusto, ma su quest’altro dovrebbe essere piu costoso”, non importa. Ma nel momento in cui quantificate le cose, potete effettivamente…

Conor Doherty: Dare un linguaggio comune per discutere differenze di opinione.

Fabian Hoehner: Esatto. Perfetto. Questo ci porta alla fine alla riduzione AOG per dollaro speso, oppure al guadagno di livello di servizio per dollaro speso. Entrambi ci porteranno a uno score che indica essenzialmente dove si trova il mio percorso di investimento piu efficiente. Ora ti porto solo alla seconda e terza riga, poi andiamo avanti.

La seconda riga e, possiamo vedere, effettivamente la stessa parte. E lo stesso ID, ma non stiamo comprando la stessa parte. Questa volta compriamo la seconda unita. La prima l’abbiamo gia comprata, quindi ora possiamo investire solo in una seconda unita. E vedremo che questa ci portera a… puoi sempre dirmi di zoomare.

Conor Doherty: No, va bene. Va bene.

Fabian Hoehner: Mi accovaccio qui. In questo caso ci porta al 72%, cioe otteniamo il 25% di livello di servizio aggiunto. E la prima, ovviamente, copre la maggior parte dell’incertezza. Che cosa, 50%, e la seconda solo 25.

Quindi qual e la conseguenza logica? La seconda parte, ed e abbastanza ovvio, ha meno valore per la nostra operazione. Per questo vedremo diminuire tutti i valori. Il mio aumento di livello di servizio e minore, il mio costo AOG e minore, e quindi il mio ranking score e minore.

Okay, non e una rivoluzione dire: “la seconda parte vale meno della prima.” Ovviamente non posso comprare la seconda prima della prima. Ma ora guardiamo la terza riga. Stessa logica, tutto uguale.

Guadagno solo il 14% per quella parte. Pago ancora 1.200. Quindi il mio ranking score scendera. La parte interessante e ora la quarta riga, dove vediamo un part number diverso.

Tutto e diverso su quella parte. Ho una richiesta di tempo di consegna diversa. Qui si vede un TAT sottostante diverso. Potenzialmente avete un tempo di consegna sottostante diverso.

Il prezzo e diverso. Tutto e diverso su quella parte. Tuttavia, cio che resta uguale e la mia logica di ranking, cioe qual e la mia riduzione AOG? Possiamo anche parlarne sopra il mio investimento.

Questo e il concetto centrale che applicheremo qui. Apro una piccola parentesi. Naturalmente nella realta diventiamo piu complessi, e anche in questi calcoli aggiungiamo alcuni fattori su no-go, if e cosi via. In questo caso e incluso nel costo AOG.

Per semplificare, il costo AOG e piu alto se avete una parte no-go. Questo puo essere estremamente complicato. E non e perche siamo geni. E il feedback che riceviamo dai nostri clienti. In sostanza guardi un output, e noi lo chiamiamo ottimizzazione sperimentale. Mostri una lista a qualcuno e dici: “ehi, questo e cio che farei al tuo posto”, poi parli con gli esperti e gli esperti dicono: “si, okay, cinque sembra ragionevole, ma io sarei arrivato a 20.”

In quel caso c’e qualcosa che mi manca, perche gli esperti operativi tipicamente sanno cio che fanno. Potrebbe essere, per esempio, una fodera di sedile. Potreste dire: “tecnicamente non e una parte no-go. Voglio dire, si puo volare con quella.”

Ma le operations vi diranno: “si, pero ha un aspetto terribile”, e il costo di qualcuno che entra in un bell’aereo e vede, tipo, “dobbiamo metterci un nastro rosso, non possiamo…” Si. E un no-go. Quindi e estremamente costoso.

Fun fact: macchine del caffe, no-go. Non potete non avere macchine del caffe. Tecnicamente, si, l’aereo vola senza, pero… Queste sono le cose in cui impariamo insieme e poi adattiamo la ricetta, e puo anche essere diverso da compagnia a compagnia. Quali sono le priorita?

Quali non lo sono? Cio che facciamo qui e ordinare tutto per il ranking score: qual e il guadagno di livello di servizio per dollaro speso, la prevenzione AOG per dollaro speso, e scendere lungo questa lista. Vedete che diminuisce costantemente. Cosi una parte che costa 46.000 dollari e una parte che costa 5.000 dollari diventano confrontabili, perche la domanda e semplicemente: a che punto ha senso comprare il sesto pezzo di una parte economica o il secondo di una parte costosa?

Questo e esattamente cio che facciamo qui. Quindi la domanda successiva e: come arriviamo a questi valori, o piu concretamente, a livello operativo? Prima chiedevi che cosa guarderebbero le operations. Guarderebbero una lista come questa.

Sarebbe assolutamente ragionevole. Ma poi entrerebbero anche in quello che qui chiamiamo item inspector. In questo caso, e anche per noi, alla fine e un dashboard KPI, ma spiega come siamo arrivati ai valori che abbiamo visto prima.

Tipicamente, di nuovo, possono essere i clienti a investigarlo da soli, ma anche i supply chain scientists da parte nostra. Le persone che codificano e fanno da sparring partner. Immagino che la maggior parte conosca il concetto di supply chain scientists; se partecipate a questa lezione avete gia visto qualcosa di Lokad. In sostanza, sono le persone che implementano e sfidano avanti e indietro con il cliente.

Usiamo le stesse schermate di valutazione che il cliente potrebbe usare per giudicare o valutare: e una decisione ragionevole quella che stiamo dando? Quindi sempre scendere dall’alto: “compra cinque”, al perche. Prima abbiamo guardato un ranking economico, e poi guardiamo tutti i dettagli. Se non siamo d’accordo, tipicamente andiamo qui e vediamo: abbiamo la stessa visione della realta? Perche, soprattutto all’inizio di un progetto, la maggior parte dei casi in cui non siamo allineati sono… hai un’idea?

Conor Doherty: Il valore economico delle decisioni?

Fabian Hoehner: No, i dati. Sono sempre i dati. In sostanza non siete allineati con la realta che state guardando. I nostri clienti complessi e le aziende aeronautiche tipicamente hanno fatto molti acquisti. Vedere sei diversi sistemi ERP legacy e qualcosa di abbastanza normale, piu tre Excel a destra e sinistra.

Ottenere semplicemente la corretta o stessa interpretazione della stessa realta non e facile. Quindi il primo passo e: abbiamo lo stesso sguardo sulla realta? Vediamo le stesse unita che in questo caso sono tutte… guardiamo un’altra parte, se ne vediamo una. Si, abbiamo la stessa quantita di unita che sono in un processo di reso, in un processo di riparazione, nel processo logistico in questo momento?

Si, no, forse? E molto importante da vedere. E poi diciamo che i dati sono effettivamente coerenti. Allora guardiamo: qual e la nostra proiezione della domanda?

Come ci arriviamo? Qui… abbiamo parlato di priorizzazione economica. All’inizio ho detto che ci sono due concetti principali che voglio che le persone portino via: priorizzazione economica. Ne abbiamo coperta una parte. E ho detto incertezza, previsione probabilistica, ed e cio che guarderemo ora.

Di nuovo, per alcune persone sara abbastanza evidente, ma andro un po’ lentamente per portare tutti con noi. Cio che vediamo qui e una storia di consumo estremamente tipica. A proposito, restiamo con il nostro 1338 preferito. Okay. Quindi…

Conor Doherty: la stessa parte in questo viaggio. Okay.

Fabian Hoehner: Stiamo effettivamente attraversando il viaggio di questa parte. Vediamo una storia di consumo molto tipica, sparsa ed erratica. Quindi nulla, uno, uno, uno, due, poi due, uno. Questo significa che e estremamente difficile da prevedere.

Se la guardaste, e so che in aeronautica pochissime persone lo farebbero, ma se la guardaste da una prospettiva di consumo medio, prendendo semplicemente una media mobile, apparirebbe cosi. Vi aiuta in qualche modo? In questo caso vi dice 0,17 unita. Okay, fantastico.

Che cosa mi da? Praticamente nulla. La vista che volete avere, e cio che faremo, e una vista probabilistica, che ci dira: qual e la probabilita di un consumo su un dato orizzonte? Quando dico su un dato orizzonte, partiamo semplice. Per tutti quelli che hanno fatto statistica…

Conor Doherty: Supponi che io sia un idiota. Puoi parlarmi dall’alto in basso. Va bene.

Fabian Hoehner: Questa sara un’ipotesi difficile da fare. Questo istogramma qui e… partiamo semplice e diciamo che sarebbe, o era, una rappresentazione della realta. Solo passato, guardando il passato. In realta, naturalmente, guardiamo avanti, facciamo previsioni, facciamo cose super intelligenti, ma per semplicita diciamo che guardiamo il passato.

Che cosa fa qui un istogramma? Diciamo semplicemente, non so se si vede, si, credo si vedano queste piccole barre. Diciamo che un periodo che guardiamo e tra quelle barre. Diciamo 30 giorni, e ora scelgo casualmente: se il passato rappresentasse il futuro e scegliessimo a caso un punto…

In questo caso significherebbe: quante volte colpisco una domanda di uno in una finestra di 30 giorni? Quante volte colpisco zero? Quante volte due, tre e cosi via? Questo e cio che dice.

Dice quindi che casualmente, nel 25% dei casi, colpiremo zero. Nel 34% dei casi colpiremo 1, 2, 3, 4, 5 e cosi via. Questo e il caso teorico. Vediamo qui che, se avessi questo intervallo, sarebbe una domanda di tre. Se l’intervallo fosse piu grande, sarebbe tutto questo.

Ora, questa e la teoria semplice. La pratica e, ed e qui che arriviamo a cio che dicevo all’inizio, apprezzare e abbracciare l’incertezza: qual e l’orizzonte su cui prevedere? Perche non sono 30 giorni. 30 giorni significherebbe un numero fisso, e insistiamo molto sul fatto che l’incertezza esiste e non potete pianificarla fuori dall’immagine. E bello assumere che siano sempre 30 giorni per avere un valore deterministico che renda facile il planning, ma questo non lo rende piu reale. La realta e: a volte ci vogliono 30 giorni, a volte 50, a volte 60, a volte 180, oppure…

Conor Doherty: non torna affatto.

Fabian Hoehner: Esatto, scrap. Qui stiamo guardando parti rotable. Le parti rotable normalmente vengono riparate. Quindi non stiamo guardando tempi di consegna, ma tipicamente turnaround times.

Quanto tempo ci vuole perche la mia parte torni serviceable? Ricevo la mia parte, l’aereo arriva, la parte unserviceable esce. La sostituisco con una parte serviceable che avevo in stock, e la parte unserviceable entra ora in un lungo loop eterno. Idealmente ho i dati per individuare ogni stazione di quel loop e avere tante piccole distribuzioni, ma per me il punto centrale e capire: quali sono tutti i possibili ritardi che potrei affrontare?

E questo e l’orizzonte su cui voglio prevedere, perche voglio capire gli estremi. Se una parte potesse essere riparata in un giorno, non avreste bisogno di stock, o non avreste bisogno di stock aggiuntivo. Una unita sarebbe sufficiente. Ogni volta che l’aereo arriva, unserviceable fuori, serviceable dentro, unserviceable riparato, uno stock di uno sarebbe sufficiente. La realta ovviamente non e questa, ma vediamo che la determinazione di questo periodo e assolutamente essenziale, ed e cio che facciamo qui.

Questo, in questo caso, si chiama tempo di consegna di riapprovvigionamento; puo essere un turnaround time, non importa. In realta importa, ma dal punto di vista del principio, cio che vogliamo capire e: qual e l’orizzonte su cui facciamo la previsione? Vediamo che e smussato, ovviamente, e vediamo che e una distribuzione bimodale. Quale potrebbe essere una spiegazione? Tipicamente, in aeronautica, questo picco intorno a 80 sarebbe: tutto fila liscio.

Avete una parte, la mandate all’officina di riparazione, viene riparata, tutto e bello. E questo qui rappresenta il fatto che qualcosa e rotto e deve essere sistemato, e questo richiede tempo. Questo vi da una bella distribuzione bimodale. Il messaggio importante e che e un’interpretazione molto diversa dire che, nella maggior parte dei casi, diciamo nell'80% dei casi, e intorno a 80, e nel 20% dei casi e 150, rispetto a dire che e sempre la media, cioe 110 unita.

Conor Doherty: che accade molto raramente in quella distribuzione.

Fabian Hoehner: Si. Ovviamente qui e smussato e sono dati demo, ma potrebbe essere un caso molto reale che si vede abbastanza spesso. O tutto va liscio, e in quel caso sono 80 giorni, oppure no, e allora sono 120.

Non sto traendo nessuna conclusione. Non sto dicendo: “scegli uno degli scenari.” No, sto solo dicendo che volete capire che l’incertezza esiste e prevedere effettivamente su tutti i futuri possibili che esistono. In questo caso ho detto all’inizio: “okay, diciamo semplicemente che prendiamo uno slot di 30 giorni.”

30 giorni. In questo caso e una probabilita piccolissima, inferiore all’uno per cento. Ma in sostanza faremo una distribuzione, una distribuzione di domanda, su ogni possibile orizzonte di domanda. Immaginate, indipendentemente dal fatto che sia fatto esattamente cosi o no, solo per la parte visiva, di avere cento diverse distribuzioni su tutti i diversi orizzonti esistenti.

Le prendiamo e le condensiamo in una distribuzione, questa. Che cosa fa? Ci da la domanda su tutti i futuri possibili. Perche questi ultimi dieci minuti?

Perche questo ci da la rappresentazione piu accurata della domanda su un futuro incerto, ed e incredibilmente importante. Quando parliamo di aeronautica, abbiamo detto all’inizio che l’unica cosa che mi interessa sono gli estremi. Quindi i miei scenari sopra il 90. In questo caso e estremamente importante capire dove mi trovo in questa distribuzione. E se guardiamo alcuni esempi, clicchiamo un po'.

Ecco. Vediamo che e molto tipico avere queste distribuzioni zero-inflated e asimmetriche a destra, cioe avete una long tail che vedete sempre, e poi in realta nessuna domanda sull’orizzonte e spesso lo scenario piu probabile. Ma, ancora una volta, capire esattamente quanto siano probabili gli outlier e dove sta l’importanza. Perche se questa parte ci costa 20.000 dollari, la domanda e: vogliamo, per questi extra, non so, per questi extra 7%, non e esattamente il calcolo giusto, investire altri 40.000 dollari o vogliamo prendere solo le prime? Questo e esattamente cio che abbiamo fatto prima.

Ecco perche e assolutamente critico capire la forma della distribuzione. Questo e il primo passo. E poi, se vogliamo entrare piu nel dettaglio, o tornare alla nostra parte, ricordiamo, forse qui: se mettessimo una parte, otterremmo un livello di servizio atteso del 47%. La seconda ci porterebbe a 72 e poi a 87, e se noi…

Conor Doherty: e quello che c’era nella lista.

Fabian Hoehner: Molto bene. Tu…

Conor Doherty: Stavo prestando attenzione.

Fabian Hoehner: Ottimo. Se andiamo qui e guardiamo indietro, vedremo, si, eravamo a 47 per la prima, poi 72 e cosi via. Questo e 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: Penso che a questo punto ho gia un paio di domande inviate, ed e un buon momento per passare a questo, perche una delle cose che mi e stata chiesta piu e piu volte quando ho parlato con le persone in anticipo e stata: come si inserisce tutto cio che le persone hanno appena visto in un workflow preesistente? Perche ovviamente qualsiasi azienda, qualsiasi nostro cliente o potenziale futuro cliente, avra il proprio software e i propri workflow esistenti. Quindi Lokad richiede di strappare tutto e sostituirlo? Si affianca? Come funziona?

Fabian Hoehner: Si, sarebbe una pessima domanda se fosse vero.

Conor Doherty: Si, esatto, ovviamente.

Fabian Hoehner: No, noi ci sediamo sopra. Ti mostro solo una cosa, letteralmente per pochi secondi, cio che sta dietro. Questo e…

Conor Doherty: e AI, giusto?

Fabian Hoehner: Si, e tutta magia. Ovviamente e tutta magia nera. No, questo e il nostro linguaggio di programmazione chiamato Envision.

Alla fine Lokad e un paio di cose. Da un lato e una piattaforma big data molto potente, progettata per l’ottimizzazione dell’inventario, e ci sono effettivamente molte funzionalita AI. Per esempio possiamo scrivere questo linguaggio con agenti interni e cosi via. Ma cio che volevo mostrare qui e: hai chiesto dei dati.

Lo adattiamo a tutti. Non ci aspettiamo che qualcuno pre-progetti nulla. Vogliamo solo le estrazioni grezze. Una grande parte del lavoro e manipolare i dati da parte nostra, farli tornare, o far tornare la manipolazione dei dati, per dare loro senso. Quindi coerenza dei dati.

Per esempio, il fair value di una parte e una cosa abbastanza complessa da ottenere, perche in aeronautica avete molte parti che sono li da molto tempo. Potreste ammortizzare una parte su otto anni e poi il valore contabile di quella parte sara 1 dollaro. Ma la parte e ancora sostituibile, e il nuovo acquisto costa, non so, 50.000 dollari. Qual e quindi il valore giusto da assumere? Qual e il fair value della parte?

Non e una risposta facile. Avete due sistemi diversi. Il sistema contabile dice che e 1 dollaro, perche lasciate li un dollaro contabile. E se volete riacquistarla sono 50.000.

Come ottenete i dati giusti su questo? Richiede tempo, discussione e, dal nostro punto di vista, soprattutto flessibilita. Questo e il motivo per cui abbiamo, tra molte ragioni, un linguaggio di programmazione per adattarci. Tutti i nostri clienti hanno configurazioni molto diverse, e noi ci sediamo sopra.

Che abbiano AMOS, TRAX, SAP, la maggior parte delle volte un mix di tutto. Si, fa semplicemente parte del system of intelligence. Lo costruiamo. Risponde alla domanda?

Conor Doherty: Si, piu o meno, perche ho parafrasato la domanda. La preoccupazione era piu evitare transazioni duplicate, perche se avete sistemi multipli, devo riconciliare tra sistema A e Lokad e viceversa? Questo era sostanzialmente il significato sottostante della domanda.

Fabian Hoehner: Si. Se chiedi se c’e duplicazione di funzione, torniamo indietro di un passo: avete i vostri sistemi transazionali che sono li per le transazioni.

Conor Doherty: ERP.

Fabian Hoehner: Si. ERP, M… Basicamente prendo una unita dallo stock e la installo. E qualcosa che volete vedere in millisecondi. Tutto deve essere aggiornato ovunque.

Questo non e Lokad. Noi eseguiamo simulazioni complesse che possono richiedere 20 minuti. Va bene. Qui vedete che e pre-calcolato.

Quindi qui non richiede tempo perche lo abbiamo pre-calcolato. Questo probabilmente scorrerebbe in pochi secondi, ma le cose piu complicate potrebbero richiedere piu tempo, e va bene, perche non e il nostro lavoro. Il nostro lavoro e intelligence, fornire sostanzialmente i migliori insight, il miglior supporto decisionale, le migliori decisioni automatizzate, e poi rimandarle ai sistemi automatizzati. Per arrivarci abbiamo parecchi dashboards di insight.

Quindi un sistema di report. System of records, poi sopra tipicamente system of reports, Tableau, qual e l’altro? Non importa. Power BI, cose di questo tipo, e poi system of intelligence e la classe in cui lavoriamo.

Per fare questo, si, certo. Una volta che ho i dati, costruiamo molti dashboards che ci danno una spiegazione. Per esempio questi dashboards di investigazione che guardiamo qui. Ovviamente anche questo e un sistema di report. Questo dashboard e solo un report.

Il calcolo avviene da un’altra parte. Ma per rispondere alla domanda, duplichiamo cose? Si, potete duplicare alcune cose, ma globalmente la nostra ambizione non e diventare un sistema di report. E solo per noi internamente e poi anche per i clienti, per validare cio che facciamo, perche non vogliamo guardare solo codice. Vogliamo vedere che cosa fa.

Conor Doherty: Okay. Parlando di che cosa fa, all’inizio ho detto che avremmo guardato decisioni di investimento e disinvestimento. Mi e venuto in mente che ci siamo concentrati molto sulle decisioni di investimento.

Potresti mostrarci qualcosa del tipo: “ne ho troppo”? Di nuovo, parlavamo di rotables. “Ho troppo stock. Come posso identificare unita di cui dovrei probabilmente liberarmi per liberare capitale?”

Fabian Hoehner: Si. Come se avessi saputo che ce l’ho da qualche parte. Brillante.

Si. Basicamente, anche in questo caso, il dashboard e disegnato come vogliamo. E un dashboard demo. E semplicemente una scelta che abbiamo fatto qui.

In questo caso abbiamo opportunita di disinvestimento e investimento nello stesso dashboard complessivo. E qui cio che guardiamo sono effettivamente opportunita di disinvestimento. Al fine, il disinvestimento e praticamente la stessa cosa dell’investimento, ma quando guardiamo un investimento prendiamo lo stock attuale e ci chiediamo: e se aggiungessi una unita in piu, e un’altra, e una terza, una quarta, e cosi via, per ogni possibilita di stock? Poi costruiamo il nostro ranking score.

Qui, per una opportunita di disinvestimento, guardiamo tutto lo stock che possediamo e facciamo lo stesso. Ci chiediamo: se disinvestissi una unita di stock che possiedo, quanto livello di servizio perdo e quanta cassa libero? E essenzialmente la stessa logica, e non la percorrero tutta, ma in una lista come questa volete vedere articoli con prezzo unitario alto e una bassa perdita di livello di servizio. In questo caso vediamo che perdiamo meno di un percento su quella parte.

E se guardiamo la perdita totale, e arrotondata. Non riusciamo nemmeno a vederla. Ovviamente ci sono parti di cui avete semplicemente troppo. Poi vedete l’aumento AOG che ne deriva, e poi il ranking.

Probabilmente dovremmo aggiungere qualche zero, cosi potreste vedere. Ma se scorriamo verso il basso, vedete che aumentera. In sostanza, la sensazione che dovreste vedere qui e prezzo unitario alto, bassa perdita di livello di servizio, ed e la logica invertita. Poi, in teoria, potete anche trovare un punto ideale tra i due e dire: “okay, voglio investire in tutti questi e disinvestire finche non raggiungo un punto ottimale.”

Questo e piuttosto teorico, perche la realta e piu complessa in termini di quali siano i fair market values. Quindi, di nuovo, non e 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 la localizzazione e cosi via.

Ma questi sono effettivamente dashboards molto preziosi per i clienti che vogliono disinvestire asset e poi dire: “okay, si, questo ha senso. Ne abbiamo almeno cinque qui che, in sostanza, servono solo per un evento di long tail molto, molto lungo.” Quindi davvero, se tutta la nostra flotta avesse un problema lo stesso giorno, li sarebbe necessario. Questa e l’idea ad alto livello del disinvestimento.

Conor Doherty: Si. Per me, quando differenziamo come allochiamo il budget a seconda, scusa, come generiamo decisioni basate su investimento o disinvestimento e come differiscono leggermente. Una domanda di follow-up e stata inviata in anticipo. Una persona negli acquisti operativi voleva sapere: “come dovrebbe cambiare, o come cambia, una raccomandazione d’acquisto a seconda che l’unita sia acquisita per exchange o per acquisto diretto?”

Fabian Hoehner: Dipende. La risposta e sempre…

Conor Doherty: Queste richiedono davvero parecchio tempo, quindi ti chiedo risposte concise. Sono consapevole che se non entriamo in tutti i dettagli possiamo fare follow-up, e non e un problema.

Fabian Hoehner: Si, certo.

Conor Doherty: Ma una risposta generale.

Fabian Hoehner: Si. La domanda qui sarebbe: in questo caso guardiamo tipicamente al pool che possedete. Qual e il livello complessivo di stock che ho? Questi sono tutti investimenti che aumenteranno il vostro livello complessivo di pool.

Se e solo per uno scambio, allora il numero del pool normalmente non cambia, perche lo scambiate e lo restituite a un certo punto. Quindi la domanda sarebbe piu di valutazione. Potreste farlo perche avete troppi in un… in teoria avete abbastanza parti, ma sono tutte bloccate in un loop di riparazione. Non avete davvero bisogno di piu stock, ma dovete coprire un periodo finche tornano. Sarebbe quindi essenzialmente una diversa ottimizzazione.

Qui guardiamo investimenti che entrano nel pool. Questo andrebbe anche nella priorizzazione delle riparazioni. Alla fine, la domanda sottostante sarebbe: se ho una data quantita di parti nel mio processo di riparazione, quali dovrei priorizzare per essere riparate? A volte si puo cambiare, ma ogni azienda ha, se torniamo alla panoramica, abbiamo visto che attualmente abbiamo 500 unita che passano attraverso un processo di riparazione. Non sono tutte ugualmente importanti.

E cio che potremmo fare qui, e lo facciamo con una lista priorizzata, e dire: okay, queste dovrebbero essere… poi abbiamo azioni di expedite dove potete vedere quali sono le priorita e se potreste accorciare i tempi di consegna, perche per il fornitore non importa. Ha 20 delle vostre parti e le sta riparando tutte, e non sa quali siano importanti per voi. Ma noi diciamo: “abbiamo ancora cinque serviceable li, e solo perche l’abbiamo mandato fuori prima non significa che ci serva indietro prima.” Questo potrebbe essere molto tipico quando parlavo di priorizzazione. Di nuovo, quale ha l’impatto piu importante per noi? Quindi, alla fine, sono solo liste di che cosa facciamo per ottenere l’impatto piu alto.

Conor Doherty: Okay. Posso continuare? Sei a posto? Perfetto.

Poiche hai menzionato i fornitori, questo porta a un’altra domanda concreta chiave che e stata fatta. L’ho scritta qui. Essenzialmente, viene da qualcuno che ha gia visto fornitori rifiutarsi di aderire a una nuova piattaforma a causa dei costi di onboarding o delle fee di abbonamento. Quindi: “i fornitori devono cambiare il modo in cui lavorano con il cliente affinche Lokad possa fare tutto questo o generare valore?”

Fabian Hoehner: Fornitori in che senso, i fornitori dei clienti?

Conor Doherty: Si. Si. Quindi…

Fabian Hoehner: No. Tipicamente… abbiamo bisogno dei dati dei fornitori? La risposta breve: no. Abbiamo solo bisogno dei dati del cliente, perche loro hanno tutti i dati.

Possiamo? Si, in realta integriamo anche alcuni fornitori in aggiunta, tipicamente per timestamps. Quindi, tu sei l’MRO, tu ripari. Io sono la compagnia aerea.

Io invio semplicemente i miei dati a Lokad, e l’unica cosa che so e che mando fuori la parte e so quando torna. Se ho i tuoi dati che dicono “e attualmente in un processo di riparazione, e attualmente alla frontiera, o qualunque cosa, e stata controllata”, se ho quei dati, e abbiamo alcuni clienti con buoni rapporti con i loro fornitori, puo essere semplice come un foglio Excel caricato regolarmente su Lokad, allora possiamo aggiornare meglio questi punti dati.

Quindi, per rispondere alla tua domanda, se sono integrato con il mio fornitore e ho i dati nel mio sistema ERP, in quel caso estraggo semplicemente i dati dall’ERP, va bene. Fatto. Ma siamo molto flessibili, e questo e probabilmente il vantaggio che abbiamo nell’integrarci con un fornitore terzo. Di nuovo, siamo un’azienda IT.

Per noi e probabilmente molto piu facile integrarci con una terza parte, con qualsiasi tipo di flusso dati, di quanto lo sia per una grande organizzazione portare dati di terzi in un sistema ERP. Quello e un progetto di transizione. Per noi sono un paio di giorni. Questa e probabilmente la grande differenza.

Conor Doherty: Okay. Ma in conclusione, ci sono almeno due categorie di dati. Ci sono i nice-to-have e poi i must-have.

E avere i dati fornitore che hai appena descritto e nice-to-have. Essenzialmente e bello averli. Aiuta, ma non e un dealbreaker.

Fabian Hoehner: Si, assolutamente. Solo per essere chiari, buon punto.

Conor Doherty: Voglio essere concreto, giusto?

Fabian Hoehner: Si. La questione dei dati e sempre buona. Che tipo di dati ci servono?

In sostanza, in aeronautica dovete tracciare tutto. Quindi ci sono abbastanza dati. La domanda e: “ne abbiamo abbastanza?” Si, li avete.

La domanda e: sono belli? Sono puliti? No, mai. Ma ci sono dati sufficienti, e poi comincia il lavoro per arrivare alla stessa interpretazione dei dati.

I dati sono solo dati, ma come li interpretate? Questa e la domanda. Si, la storia dei consumi e ovviamente importante. Livelli di stock, catalogo, si, tutto, ma anche gli standard.

E poi ci sono molti dati nice-to-have. Livelli storici di stock per localizzazione, cose del genere. E poi, ovviamente, timestamps del fornitore, molto difficili. Tipicamente non li vedete.

Vedete solo il turnaround time come due valori: out e in, e basta. Se avete i timestamps intermedi, e davvero potente, ma se non li avete avete solo una distribuzione ampia di quei valori. Altrimenti avete diverse distribuzioni.

Conor Doherty: Prima hai commentato, riguardo ai dati potenzialmente disordinati, dicendo “poi comincia il lavoro.” Ma per chiarire, e questo e stato chiesto anche in termini di preparazione dei dati, che cosa e richiesto ai clienti? E questo si collega a cio che dicevi prima sul supply chain scientist, immagino.

Fabian Hoehner: Si. Normalmente, il nostro atteggiamento e farlo insieme, perche per questo siamo progettati. Siamo una piattaforma big data.

Siamo rapidi in questo. Tipicamente siamo molto piu rapidi dei nostri clienti anche nel preparare i dati. Ci servono solo estrazioni grezze. Detto questo, ovviamente avere persone che conoscono i dati, che sanno dove sono, e importante, ha valore e accelera un progetto.

Quindi non diro che non sia ottimo avere persone che hanno gia guardato i dati e sanno cosa significano. Ma altrimenti il nostro approccio e andare al livello decisionale. E questa e la bellezza. Se vi dico, di nuovo, “comprate quattro parti, fate questo”, i problemi sottostanti diventano abbastanza ovvi. Fare una missione di pulizia dati…

Ho visto molte aziende dire: “non siamo pronti. Vogliamo prima pulire i nostri dati.” Poi parlate con loro due anni dopo e la risposta e: “stiamo ancora pulendo i dati”, perche e incredibilmente difficile sapere da dove partire. Ci sono sempre dati disordinati, categorizzazione sbagliata, gerarchie di prodotti. Si.

Okay. Per noi sarebbe bello avere una categorizzazione migliore. Mappatura delle intercambiabilita, ovviamente, le interchangeabilities in aeronautica, one-way, two-way, sono super importanti.

Quindi si, non e pulito. Sarebbe molto meglio averlo pulito? Si, assolutamente. Ma andando alla decisione vedrete anche molto chiaramente dove ci sono dati di valore?

Si, perche prendiamo l’intercambiabilita: una parte nuova, posso usarla in un vecchio equipaggiamento o no? Si, oppure… diventera abbastanza ovvio se do una raccomandazione sbagliata. Ovviamente, se ho una parte compatibile in entrambi i sensi, voglio averla in modo piu aggressivo. Questo e interessante.

Quindi, se la mia raccomandazione e molto sbagliata per un utente, dico “cinque”, e l’utente dice: “ehi, perche? Non abbiamo piu bisogno della parte vecchia. La nuova puo riparare la vecchia e la nuova, quindi ne vogliamo 20.” In quel caso arriviamo molto rapidamente, guardando l’inspector e cosi via, alla conclusione: “ah, si, non sapevamo che questa parte funzionasse per questi due scenari di domanda.”

Perche? Perche non avevamo i dati corretti. E allora sapete: “si, questi sono dati che vale la pena correggere”, perche stiamo effettivamente guardando punti dati che ci aiutano. Mentre se pulite solo per pulire, non arriverete mai da nessuna parte e non smetterete mai di pulire.

Conor Doherty: Bene.

Fabian Hoehner: Perche sorridi?

Conor Doherty: Qualcuno ci sta facendo i complimenti… Alex si e appena definito intelligente. E abbastanza intelligente. E un ragazzo intelligente. Si.

Quindi, una delle domande, e ho unito varie versioni di questa domanda in una versione generale, riguarda essenzialmente l’implementazione. Specificamente: sforzi di integrazione, requisiti dati, hai gia toccato i requisiti dati, ma sforzi di integrazione, requisiti dati, sicurezza, supporto, scalabilita su una grande base fornitori, engineering, un commento su questo, requisiti di timeline, eccetera. Capisco, quanto e lungo un pezzo di spago? Dipende da ciascun caso. Lo capisco, ma una risposta a grandi linee per chi guarda e potrebbe essere interessato.

Fabian Hoehner: Sei mesi.

Conor Doherty: Okay. Approssimativamente, puo essere piu veloce, puo essere piu lungo.

Fabian Hoehner: Si. E si. Okay.

Tipicamente, dipende da tutto, ma due mesi per ottenere i dati e arrivare a una comprensione approssimativa di cio che si sta guardando, quindi salute dei dati ad alto e basso livello, dove si ha semplicemente la stessa interpretazione dei dati. Due mesi per una prima ottimizzazione. In realta siamo abbastanza rapidi su questo, e poi altri due mesi per affinare, ma anche per girare in parallelo, perche il modo in cui operiamo e che tutti stanno gia facendo cio che facciamo qui.

Le aziende con cui lavoriamo prendono gia decisioni quotidiane su “che cosa dovrei comprare? In che cosa dovrei investire?” Quindi, basicamente, lo fate girare in parallelo ai loro processi, ed e li che si ottiene il miglioramento. Questo mi porta a una piccola funzionalita sulla storia: come confrontarsi con il passato, o come valutare?

Una funzionalita che mi piace evidenziare e che sulla piattaforma siamo completamente compatibili con la valutazione del passato. Che cosa intendo? Se guardiamo la storia, posso vedere tutte le esecuzioni passate che ho. Per esempio posso letteralmente vedere cio che ho fatto oggi.

Posso guardare il dashboard che ho eseguito qualche ora fa. E cio che posso fare qui, e cio che si vede che ho fatto, e che ho supposto che mi avresti chiesto del budget. In quel caso ho messo il budget a, scusa, 1 milione invece di 10 milioni. E ora, se torniamo al nostro 98%, prima qual era l’investimento, ricordi?

Conor Doherty: 1,2… 2 milioni.

Fabian Hoehner: Molto bene. Quindi cio che facciamo qui ora e che arriviamo solo a 900.000, perche ho messo un limite di 1 milione. E possiamo effettivamente giocare con questo dashboard. Posso eseguirlo.

Posso farlo con qualsiasi dashboard che avevo in passato. Posso dirti che la maggior parte delle persone non pensa che questa sia una funzionalita molto importante, ma in realta e incredibilmente preziosa, soprattutto se volete tornare indietro nel tempo a qualsiasi punto e vedere che cosa abbiamo fatto. Spesso, quando c’e una situazione AOG, le aziende, non voglio dire che vadano nel panico, ma entrano in modalita investigazione per dire: “come e successo? Che cosa abbiamo sbagliato?”

In quel caso diventa incredibilmente difficile, parliamo di tempi di consegna di sei mesi per una parte, sfidare il vostro sistema e cio che fate se non siete in grado di mettervi nel punto in cui eravate a gennaio 2026. Ma in questo caso posso semplicemente entrare nella mia simulazione 2026 e potenzialmente vedro che “si, volevamo ottenere una terza unita di quella. Era interessante comprarla. Tuttavia, eravamo vincolati e avevamo solo un budget di, non so, 10 milioni, e quindi quella e la ragione per cui non l’abbiamo comprata.”

Ma allora lo sappiamo. La conseguenza potrebbe essere: “si, dovremmo aumentare i budget e avere piu denaro disponibile.” Oppure la conseguenza potrebbe essere: “in realta non l’abbiamo priorizzata correttamente.” Avremmo dovuto dare una penalita piu alta allo stockout, e quindi la conseguenza e cambiare l’algoritmo. Questo e assolutamente cruciale. Si passa da un’indagine, direi, abbastanza inutile, al mettere in discussione il sistema sottostante, e la conseguenza e poi dire o “l’algoritmo ha fatto cio che doveva fare e va bene.”

Si. A volte avete eventi estremi e avete stockout. Qui diciamo che andiamo a 98. Significa che nel 2% avremo stockout.

E solo statistica. Ma potreste anche dire: “guardiamo oltre. Dovremmo cambiare l’algoritmo in modo che in futuro sia migliore”, ma questo e un processo continuo. L’ottimizzazione e un processo continuo.

E un flusso continuo in cui si cerca di tendere alla perfezione, che per definizione non si raggiunge mai. Per questo avere qualcosa che permette di guardare nella storia e persino eseguire dati nuovi su codice vecchio e importante. Posso prendere i calcoli, la ponderazione, qual e la penalita che diamo a una parte visibile al cliente, e cosi via.

Posso eseguire dati di oggi con codice o un algoritmo vecchio di sei mesi, o viceversa. Prendere dati vecchi e dire: “okay, che cosa farebbe se li mettessi nell’ottimizzatore di oggi?” Ancora una volta, pochissime persone chiederanno questo, ma e una funzionalita estremamente forte, creata inizialmente per correggere bug, perche e importante. Se i dati cambiano da un giorno all’altro, il bug puo semplicemente non esserci piu, e questo e pessimo, perche sapete che c’e qualcosa ma non riuscite a individuarlo. Comunque, divago.

Conor Doherty: Okay, non divagare. E bene avere le informazioni concrete a verbale. Abbiamo ancora qualche domanda.

Sei pronto? Continuiamo. Perfetto.

Fabian Hoehner: No, scusa.

Conor Doherty: Bene. Questa, di nuovo, non e esplicitamente sugli acquisti. E piu su altra opzionalita.

Essenzialmente: “Lokad puo decidere se dovremmo comprare un’altra unita o spostare un’unita esistente tra localizzazioni?” Ci stiamo allontanando un po’ dal tema di oggi. Non apriremo un altro dashboard, ma una risposta ad alto livello?

Fabian Hoehner: Si. Quindi…

Conor Doherty: Si. Prossima domanda.

Fabian Hoehner: Okay. Fatto. No.

Qui entra in gioco la priorizzazione economica. Alla fine, e probabilmente sara molto noioso, la mia risposta sara sempre: “se e logico, possiamo farlo.” Qual e la logica che dovremmo applicare qui? La domanda e semplicemente: prima volete simulare qual e la probabilita di bisogno.

In questo caso, per un problema di allocazione, dovete prima simulare la domanda per localizzazione. Per esempio avete MBK in 100 outstations. E ovviamente difficile. E piu difficile prevedere quando e ancora piu sparso, ma bisogna farlo. Diciamo sempre: “non e la facilita del calcolo a decidere il livello di simulazione, ma la decisione che volete prendere.”

Quindi, se voglio simulare il bisogno di una parte per localizzazione, devo prevedere a livello di localizzazione. Ora, per rispondere alla domanda: che cosa dobbiamo fare? Dobbiamo comprare di piu per lo stock centrale o dobbiamo riallocare? Alla fine e una questione economica.

E semplicemente la domanda di qual e il costo di spostare la parte rispetto a… Spostate la parte. Questo significa che esponete a piu rischio la stazione da cui state spostando la parte, quindi rischio aumentato piu costo logistico contro costo di investimento esterno. Questo e il costo del capitale. Si, alla fine e abbastanza logico e calcolabile.

Per noi la conclusione e sempre che possiamo farlo all’euro, al dollaro, alla sterlina, qualunque cosa. Ma la domanda e sempre: quanto e grande, quanto spesso abbiamo questa domanda o questo problema? Potete anche risolverlo con una semplice regola del tre. Ma se e una domanda rilevante e di alto valore, allora possiamo andare esattamente a quel livello.

Conor Doherty: Okay. Alcune…

Fabian Hoehner: Dimmi se non e chiaro.

Conor Doherty: No, no, no. Perfettamente chiaro. Sono anche consapevole che ci sono altre domande da affrontare, e non voglio rallentare. Di nuovo, tutto cio che non e chiaro, ho gia ricevuto qualche messaggio da persone che vogliono fare follow-up, perche richiederebbe troppo tempo: “okay, che dire di questa situazione? Di quella situazione?”

Fabian Hoehner: Solo per essere chiaro, non voglio… Il mio punto e che volevo assicurarci di avere quei due principi: incertezza, quindi diverse incertezze, turnaround time e domanda mescolate, ci danno una vista dell’incertezza, e priorizzazione economica. Con questi possiamo rispondere praticamente al 95% di tutte le domande sottostanti. Che sia cio che hai chiesto all’inizio, consumables ed expendables. Ora abbiamo parlato del loop.

Okay, il loop e piu complicato, ma alla fine C&E e lo stesso. E semplicemente stock in e out, quindi 100% scrap, se volete dirlo cosi. Il principio sottostante e piu o meno lo stesso. Potete fare esattamente la stessa ottimizzazione economica.

Potete farlo, ma non dovete. Se il problema sottostante e semplice, potete anche risolverlo piu semplicemente. Non dobbiamo farlo con quel tipo di ottimizzazione. Ma sarebbe normalmente la raccomandazione forte. Se dobbiamo fare qualcosa di quick and dirty, possiamo sempre iniziare quick and dirty per avere qualcosa di migliore dell’esistente e automatizzato, perche l’automazione quasi sempre batte l’umano.

E poi andare alla seconda fase. Ho tonnellate di altri dashboards, ma non voglio entrarci. Semplicemente, per l’allocazione, si, certo, potete avere un dashboard che dice “devi allocare da una localizzazione a un’altra.” Okay, ottimo. Di nuovo, non voglio entrare nella matematica qui.

Conor Doherty: Si, sara oggetto di un follow-up. Confonderebbe le acque.

Fabian Hoehner: Le cose ad alto livello che volevo evidenziare. Ma si, abbiamo, direi, dipende sempre da che cosa definite come modulo. Tempi di consegna diversi su turnaround times che scalano, e un modulo? Dipende. Oppure e solo acquisti nel modulo? Si puo dire che abbiamo 20 moduli diversi, quindi vediamo alcune idee qui.

Conor Doherty: Si. A proposito, forse qualcuno si e perso una sezione precedente, ma e una domanda live, quindi la facciamo. Viene da Saddaf, spero di pronunciarlo correttamente. “Potete commentare un po’ di piu su come Lokad gestisce i ritardi dei fornitori nel calcolo della quantita ottimale di acquisto?”

Fabian Hoehner: Si. Quindi…

Conor Doherty: Puoi mostrare di nuovo se vuoi tornare nel dashboard, per chi potrebbe esserselo perso prima.

Fabian Hoehner: Si, certo. La domanda e: che cos’e un ritardo rispetto a qualcosa che bisogna semplicemente prendere in considerazione? Un ritardo significa che avete un valore atteso e ora ci vuole piu tempo. Ci sono due risposte.

Una sarebbe l’azione di expedite. Basicamente, avete assunto che avrebbe richiesto 30 giorni, e ora siete al giorno 40. In quel caso, cio che forniamo tipicamente e una lista di priorita ordinata: chi chiamate per primo? Perche, di nuovo, se ho una parte in ritardo di 10 giorni, ma ho cinque serviceable disponibili, non mi interessa che sia in ritardo.

Non e davvero importante per me. D’altra parte, se ne ho una che non e nemmeno in ritardo, siamo al giorno 25, ma sono senza stock e so che e super urgente, probabilmente voglio prendere il telefono e dire: “ehi, potete davvero fare qualunque cosa per far entrare la parte?” Questa e meta della risposta su come gestiamo i ritardi. La domanda e: potete fare qualcosa?

E poi dare agli utenti la possibilita di priorizzare. Questo e sempre: qual e l’impatto di qualcosa che va storto? Questa e la prima meta della risposta. E la seconda meta e cio che abbiamo guardato qui…

Conor Doherty: qual e la definizione di ritardato?

Fabian Hoehner: Si. Alla fine diremmo piuttosto che ci sono diversi tempi di consegna. Bello avere in un contratto “60 giorni”. Se nella realta richiede sempre 120, quello che volete fare e tenerne conto nella vostra raccomandazione d’acquisto.

E esattamente quello che abbiamo fatto qui. Non dite “e sempre 80” o “e sempre 120”, non importa, numeri diversi. Dite “ci sono tutte queste possibilita”, e poi la distribuzione di domanda che vediamo qui e una distribuzione di domanda su tutti i possibili tempi di consegna. Ecco esattamente perche facciamo tutto questo.

Per abbracciare l’incertezza che e incontrollabile, e turnaround times e tempi di consegna dei fornitori sono una grande parte di questo. E, per essere molto chiari, non ci siamo entrati, ma anche questo viene previsto. Ho sempre parlato in modo semplice: guardiamo il passato e il passato rappresenta il futuro.

Siamo ovviamente consapevoli che il passato non rappresenta sempre il futuro. Eravamo li durante il COVID con i nostri clienti e dopo il COVID, quindi calo, poi ramp up e aumenti incredibili dei turnaround times. Potremmo anche vedere che se un turnaround time andasse in questa direzione, non diremmo “il passato rappresenta il futuro.” No.

Allora prevediamo naturalmente i turnaround times e poi prevediamo la domanda su distribuzioni previste di turnaround time. E anticipo un’altra domanda. Ho detto che guardiamo l’anno passato. Ovviamente possiamo guardare i checks in arrivo. Quindi se ho un… si, sentiti libero se hai una domanda.

Conor Doherty: No, no, questo sara in realta parte di una successiva. Quindi continua pure.

Fabian Hoehner: Okay, la domanda tipica sarebbe: come prevedete la domanda futura? Guardate solo il passato? Dipende. Se avete un’operazione di mille aerei, quindi un grande MRO, e avete molta massa statistica, allora guardare il passato e in realta una rappresentazione abbastanza buona del futuro.

Tuttavia, se avete piu informazioni, e questa e sempre la domanda, qual e il livello di informazione che avete? Per esempio sapete che avete una serie di D-checks in arrivo. Allora, naturalmente, prenderemo la BOM probabilistica, la bill of materials, che e di per se incerta, in teoria. Alcune parti sapete che le sostituirete, quindi avete una probabilita del 100% di sostituire una parte consumable. Ma per altre sapete solo che state aprendo…

Conor Doherty: e poi vedete corrosione che non vi aspettavate.

Fabian Hoehner: Si. Oppure sapete che sulla base dei C-checks passati sostituite la parte nel 30% dei casi. Questa e una bill of materials probabilistica dove dite: “queste sono le 100 parti di cui avro bisogno con le loro probabilita.” E se so che questo evento accadra tra due mesi, allora posso pianificarlo.

E esattamente cio che facciamo. Ora, la realta e naturalmente piu complicata, perche quando dite “abbiamo un C-check tra due mesi”, quante volte sara davvero tra due mesi? C’e incertezza anche li. Quindi, quando dico che ho introdotto due incertezze principali, in realta possiamo averne ancora di piu, e questo aumentera sempre la mia incertezza, allarghera le distribuzioni, ma alla fine si riduce alla stessa domanda: quanta copertura ottengo se investo in una parte in piu, e ne vale la pena? Sono disposto a spendere, non so quanto costa questa, 10.000 dollari per ottenere un altro, che cos’e, 0 punto, o un altro 4%, o qualunque cosa?

Conor Doherty: Chiaro per me. E anche utile sottolineare perche avere i dashboards qui e cosi critico. Una domanda di follow-up, e da Metan, perdonami se lo pronuncio male. Riguarda un punto chiave gia sollevato prima: generare, diciamo, il miglior insieme di decisioni di investimento, disinvestimento o allocazione e fantastico, ma se manca l’aderenza, cioe se le persone semplicemente non eseguono, questo e un problema.

La domanda e: come sapete effettivamente, questa e una domanda pubblica, “come sapete effettivamente se l’azienda, diciamo un cliente, ha davvero comprato la parte suggerita?” Parlavi prima di tracciabilita. Possiamo tracciare, per esempio, “X percentuale delle volte queste decisioni sono state seguite?”

Fabian Hoehner: Ah, okay. Si. Quindi…

Conor Doherty: Audit semplice, auditabilita, scusa.

Fabian Hoehner: Come lo tracceresti, Conor?

Conor Doherty: Con un computer.

Fabian Hoehner: Si. Okay. Ottimo. In sostanza vediamo l’esecuzione se ricevo quotidianamente gli storici transazionali su tutto.

Questo include l’acquisto. Quindi vedo letteralmente se qualcuno ha seguito la mia raccomandazione. Ovviamente sto semplificando molto qui, ma diciamo che lunedi ho raccomandato cinque. Il run e passato domenica notte. Lunedi mattina l’operatore vede: “okay, cinque raccomandate.”

Poi nel run di martedi vedo cinque. Allora posso dire: “ho 100% di aderenza.” Sto semplificando molto, e nella realta e piu complicato, perche potete avere, ovviamente in questo tipo di domande, lunghi ritardi prima di fare una proposta e cosi via. Ma in sostanza, si, lo seguiamo, e per qualcosa di automatizzato, se parliamo di consumables, potete tracciarlo molto bene.

Li e molto piu facile. Avete pura massa. E piu facile. Qui, su tutto il lato rotable di cui abbiamo parlato, direi che il feedback umano e probabilmente la cosa piu importante. Letteralmente, queste liste le guardiamo con i nostri clienti, e di nuovo, siamo molto bravi in matematica e statistica, ma quando dico noi intendo…

Conor Doherty: si, sei un genio assoluto.

Fabian Hoehner: No, intendo che e una piattaforma molto forte, e abbiamo ingegneri intelligenti, e questa e la nostra expertise. Siamo nel settore aeronautico da circa 13 anni. Abbiamo costruito parecchia expertise, ma non pretendiamo mai di conoscere l’aeronautica meglio dei nostri clienti. Quando arriva un retrofit? Quando siamo con aziende aeronautiche, queste sono persone molto appassionate. Quando vedono un aereo, sanno immediatamente che aereo e, quali parti ci sono dentro, e cosi via. Noi siamo piu il lato statistico.

Che cosa significa? Ci affidiamo sempre molto all’expertise e al feedback degli utenti, e poi disegniamo anche i dashboards al 100% per loro. Se ci dicono: “si, voglio che questo sembri diverso. Voglio colori diversi. Voglio qualsiasi cosa.”

Si, ascoltiamo e lo progettiamo per quello scopo. Ricostruirlo, ridisegnarlo, per noi e mezza giornata. Nemmeno. Se vuoi, posso parlare di AI, ma e un altro tema.

Conor Doherty: No, vado avanti. Questo e piu un commento. Scusa, aspetta. Si.

Riguarda sostanzialmente quanto del processo manuale di acquisto puo essere effettivamente rimosso lavorando con Lokad, perche non voglio rappresentarlo male. Lo hai toccato prima quando hai parlato di rotables. Di nuovo, a seconda del prezzo che pagate, avrete ovviamente ancora un esperto nel loop per validare un acquisto da 90.000 dollari, ma quanta parte di quel processo puo effettivamente essere… quanto tempo investito in quel processo puo essere liberato? E la stessa domanda quando parliamo di C&E.

Fabian Hoehner: Si, riprendero la mia risposta di prima.

Conor Doherty: Si, sto solo leggendo.

Fabian Hoehner: Si. Certo. Dipende dalla complessita di cio che fate. E direi che C&E si puo davvero automatizzare in misura molto ampia.

Quando lo dico, intendo oltre… Si, so che molto e gia automatizzato con i reorder points. Abbiamo min-max. Possiamo automatizzarlo, ma con un sistema molto piu intelligente. Qualcosa del genere puo potenzialmente, per esempio, resettare i reorder points, se vogliamo, ogni giorno, in modo che esegua la decisione che vogliamo.

Lo facciamo per alcuni clienti. E direi che li ci sono anche enormi risparmi di tempo. Ma quando, di nuovo, acquistate parti per milioni di dollari, direi che a quel punto si tratta meno dei risparmi di tempo, che sicuramente ci sono e sono abbastanza grandi, e piu dell’essere migliori. Questo e davvero il gioco. Evitate alcuni AOG, e allora i costi diventano irrilevanti, fino a un certo punto.

Conor Doherty: Credo di aver coperto, perche ora sono le 5:45. Siamo in diretta da circa 75 minuti. So che c’era una chiusura rigida intorno alle sei, quindi penso… ah no, c’e un’ultima domanda, scusa. Credo che chiunque abbia visto la demo la capira, ma per essere concreti: in che cosa Lokad e diverso da altre piattaforme di procurement nello spazio, come per esempio Aeroxchange, perche una persona sta confrontando attivamente due categorie e vuole capire la distinzione tra ottimizzazione decisionale e cose come processare RFQ, confronto quotazioni, processing PO, eccetera?

Fabian Hoehner: Ci sono diversi aspetti che… No, sto solo dicendo che Aeroxchange fa diversi aspetti. Ma ad alto livello voglio dire che noi non siamo, di per se, una piattaforma di procurement. Di nuovo, un system of intelligence. Quindi la differenza…

Conor Doherty: decision-making.

Fabian Hoehner: Si. Avete i vostri sistemi transazionali. Noi ci sediamo sopra. Siamo il cervello, e rimandiamo le migliori decisioni possibili che statistica e business intelligence possono fornire e che poi dovrebbero essere eseguite. Aeroxchange ha anche piu funzionalita di procurement per automatizzare la funzione acquisti stessa, la comunicazione.

Questo non e cio che facciamo. Di nuovo, possiamo integrarci con diversi fornitori, quindi abbinare cose e avere comunicazione, ma non listiamo prezzi o cose del genere. Questo non e il nostro modello di business. Quindi non ci chiamerei piattaforma di procurement. Direi decision automation, decision support e system of intelligence, come sintesi.

Conor Doherty: Bene. Un’ultima, di nuovo piu un commento. Le persone sembrano piu a loro agio, comprensibilmente, a mandare DM che a commentare pubblicamente. Leggo testualmente: “bello, ma sono piu interessato alle riparazioni. Questo approccio puo essere applicato per priorizzare riparazioni ed expediting?”

Fabian Hoehner: Si. Facile, vero? Si.

Conor Doherty: Dai un po’ piu soddisfazione al pubblico con questa.

Fabian Hoehner: No, piu seriamente, e di nuovo la stessa logica. Ora, invece di comprare una parte, mi chiedo se dovrei riparare la mia unserviceable. Diciamo che avete 10 unserviceables e zero in stock. Invece di comprare, la rendete semplicemente serviceable.

Renderla serviceable in questo caso e una riparazione che ha un repair loop, quindi un turnaround time, e costa qualcosa. Che sia interna o esterna, entrambe hanno un costo, ma prendiamo riparazione esterna perche e piu semplice. Diciamo che costa 50.000 rendere la parte serviceable. La domanda e, prima, come priorizzo?

Perche ho un budget di riparazione che voglio inviare, o anche solo una capacita fisica. Sono capace di processare 50 parti al giorno. Quali sono le piu urgenti? E poi persino quali sono economicamente fattibili da riparare o no?

Per esempio dopo il COVID, questo e stato un tema grande. Per alcuni dei nostri clienti, la cassa stava ovviamente diventando un problema serio. Non c’era semplicemente cassa. Quindi la domanda e: che cosa fate?

Perche avete ancora tutti i vostri leasing e cosi via, ma non avete piu entrate di cassa. La prima cosa che potevate fare era esattamente questo: sospendere le riparazioni, perche c’e un grande deflusso di cassa solo riparando parti unserviceable. Quindi potete cannibalizzare il vostro stock esistente e lasciarle unserviceable, cosa che in quel periodo era molto ragionevole, lasciare cose non riparate, perche ovviamente se non avete domanda, durante il COVID vola il 20% della flotta, questo ridurra abbastanza significativamente la domanda di parti serviceable. Vi fermate, ma non potete, e questo e di nuovo il problema, dire semplicemente: “non riparo piu.”

Avete bisogno di una lista priorizzata. Dovete priorizzare tra alcune parti che sono cruciali, che dovete comunque riparare perche se non le avete vi mettono davvero in difficolta, mentre altre, si, ne avete 10 in stock e cinque unserviceable. Sapete cosa? Andrete bene prendendo un po’ piu di rischio e lasciandone un paio in piu unserviceable, o riparandone solo una.

Quindi, stessa logica. Si. E poi i turnaround times diventano ancora piu importanti. Se poi avete timestamps extra, probabilita di scrap, molto importante. Si, ma stessa logica sottostante, e si, mostriamo anche dashboards per questo, ma porta in un’altra direzione.

Conor Doherty: Bene. Il mio pensiero conclusivo e: se dovessi riassumere, tornando al punto di partenza, i punti chiave che le persone dovrebbero portarsi via da questo, se si sono collegate solo ora o se saltano direttamente alla sezione Q&A, come riassumeresti l’approccio alle decisioni di acquisto, investimento e disinvestimento nell’aerospace? E quali sono i takeaway chiave per le persone?

Fabian Hoehner: Prima di tutto, dovrebbero vergognarsi di non aver ascoltato tutto. Secondo…

Conor Doherty: Molto bene. Il terzo per…

Fabian Hoehner: Ripetero: apprezzate l’incertezza. Significa che l’incertezza esiste in molte forme, che siano turnaround times, domanda, o bill of materials probabilistica. Esiste ovunque, e non pianificatela fuori dal quadro semplificando. Quindi apprezzatela, e c’e tecnologia per farlo meglio.

E poi, secondo, priorizzate con conseguenze economiche. In aeronautica, tipicamente, la conseguenza e guadagno di livello di servizio o prevenzione AOG per dollaro speso. Questi sono concetti centrali da portare via. E che cosa facciamo in Lokad? Abbiamo una piattaforma potente per farlo, e abbiamo brillanti supply chain scientists che la progettano insieme ai nostri clienti. Questo e Lokad in poche parole per l’aeronautica.

Conor Doherty: Bene. Fabi, non ho altre domande. Grazie mille per esserti unito a me oggi. E un piacere averti in studio, e spero che tutti gli altri abbiano apprezzato ascoltare la tua voce quanto me.

Fabian Hoehner: Troppo gentile.

Conor Doherty: Sei un credito per l’umanita, signore.

Fabian Hoehner: Grazie.

Conor Doherty: Nessun problema. E grazie a tutti per aver guardato. Grazie per i commenti e le domande.

Un ringraziamento speciale a tutte le persone con cui ho parlato nell’ultimo mese o giu di li. Abbiamo promosso questo evento per circa un mese. Ho parlato con molte persone, ho chiesto a molte persone: “che cosa volevate vedere?” E, come potete vedere, ho preso il feedback e ho cercato di adattare cio che abbiamo visto oggi, o cio che abbiamo mostrato oggi, ai desideri del pubblico.

Ora, se ci sono cose che non abbiamo coperto e che vi interessano davvero, sentitevi liberi di collegarvi direttamente con Fab e me su LinkedIn. Ci vedete chiaramente. Ci piace parlare. Siamo adorabili.

Cliccate sul profilo, mandateci un messaggio. Oppure, se siete gia convinti e volete prenotare una call e saperne un po’ di piu, dovrebbe esserci un link nella chat. In alternativa, potete mandarci direttamente una email a contact@lokad.com. Come Fabi ha mostrato poco prima, ci sono altri moduli di cui possiamo parlare nell’aerospace.

Non li abbiamo coperti oggi, ma torneremo in futuro per coprirli. Fino a quel giorno, non resta altro da dire se non: si, tornate al lavoro. Oh, okay. Per favore.