scienza e tecnologia della Supply Chain
INDIETRO A LOKAD TV ›
Come Prevedere la Stagionalità
La stagionalità è uno dei principali schemi ciclici che possono essere utilizzati per migliorare l'accuratezza delle previsioni. La maggior parte dei processi della supply chain tende ad essere stagionale in una certa misura. Non solo a causa della domanda, ma anche dei tempi di consegna.
L’analisi ABC non funziona
L'analisi ABC è un metodo ampiamente diffuso di categorizzazione degli inventari usato in molte supply chain. Il suo intento è dare la priorità all'attenzione della direzione dove conta di più. Tuttavia, questo metodo presenta numerosi difetti e non può più essere considerato allo stato dell'arte.
Modularizzazione in Supply Chain
Mentre l'infrastruttura fisica che supporta la maggior parte dei supply chain è altamente modulare, la controparte infrastrutturale software, come ad esempio i sistemi di controllo dell'inventario o le previsioni della domanda, tende ad essere monolitica e fragile. Di conseguenza, fallimenti su larga scala nei software supply chain sono ancora in corso.
Pianificazione delle vendite e delle operazioni (S&OP)
La Pianificazione delle vendite e delle operazioni (S&OP) è una pratica aziendale finalizzata a garantire una superiore esecuzione della supply chain sfruttando un allineamento più profondo con altre divisioni oltre alla supply chain - in particolare vendite, finanza e produzione. Nonostante le affermazioni di vari fornitori secondo cui le aziende best-in-class operano con il S&OP, la maggior parte delle implementazioni soffre di difetti simili, intrinseci alla stessa natura del S&OP.
Lavori dei Dati in Supply Chain
Le pratiche di Supply Chain Management (SCM) sono sempre più orientate ai dati e quantitative. Sono apparse nuove figure come il Supply Chain Scientist. Le aziende devono prendere decisioni strategiche su se queste competenze siano sviluppate internamente o esternalizzate.
Requisiti dati per l’ottimizzazione della Supply Chain
L'ottimizzazione predittiva della Supply Chain si basa su dati accuratamente preparati. Lo scopo di questi dati è duplice: in primo luogo, i dati storici della Supply Chain vengono utilizzati per costruire i modelli di previsione, in secondo luogo, i dati che descrivono lo stato attuale della Supply Chain vengono impiegati per guidare l'ottimizzazione delle decisioni.
Prevedere la domanda per nuovi prodotti
I nuovi prodotti non hanno una storia di vendite che può essere rappresentata come una serie temporale. Di conseguenza, i modelli di previsione basati sulle serie temporali non funzionano per i nuovi prodotti. Prevedere la domanda per nuovi prodotti richiede modelli di previsione alternativi capaci di sfruttare dati, come gli attributi del prodotto, che non si presentano come una serie temporale.
Paura del Cambiamento nella Supply Chain
Una buona pratica del Supply Chain Management (SCM) include una sana dose di conservatorismo, poiché il costo del fallimento tende ad essere elevato. Tuttavia, respingere ogni cambiamento non è un'opzione in un mondo in cui l'innovazione fa fallire le aziende arretrate.
Frankensteinizzazione del software in Supply Chain
Gestire le supply chain e ottimizzarle è particolarmente impegnativo da un punto di vista software. La 'Frankensteinizzazione del software' si riferisce al decadimento tecnologico che colpisce il software aziendale quando si confronta con la propria evoluzione su più decenni.
Previsioni Probabilistiche per Supply Chains
Ottimizzare supply chains si basa sull'avere intuizioni sul futuro. Le previsioni classiche ignorano completamente l'incertezza e presumono che la previsione sia perfettamente nota. Al contrario, le previsioni probabilistiche abbracciano l'incertezza e riflettono che l'ottimizzazione delle supply chains dovrebbe rimanere robusta di fronte a eventi imprevisti.
Internet of Things per Supply Chains
Per una pratica di supply chain management performante, i manager devono avere accesso alla posizione di ogni singolo asset. A differenza della gestione elettronica classica dell'inventario, l'Internet-of-Things (IoT) offre la possibilità di ottenere una visibilità in tempo reale su tutti gli asset, inclusi i veicoli.
Preparazione dei dati in Supply Chain
Preparare i dati in modo corretto è un requisito per ottenere successo in ogni iniziativa guidata dai dati. Quando si considerano le sfide della supply chain, la preparazione dei dati è difficile perché coinvolge sistemi aziendali complessi che non sono stati progettati pensando alla scienza dei dati.