Il lavoro nasce dalla richiesta di un imprenditore (nostro cliente), interessato a capire, dati alla mano, se l’indice di rotazione del magazzino poteva effettivamente migliorare con l’ausilio di un software dedicato alla gestione delle scorte. Fino ad allora, i nostri sforzi erano stati indirizzati a rendere sempre più affidabili le previsioni di vendita, che sono il punto di partenza per ragionare sui fabbisogni. In effetti, aumentare il loro grado di attendibilità significa aumentare l’indice di rotazione e diminuire il rischio di rotture di stock. Di contro, non avevamo mai pensato di mettere a confronto “quello che è stato fatto” con “quello che avrebbe fatto un automa”. Quello che ci serviva (e abbiamo realizzato), era perciò uno strumento che, conservando i movimenti di vendita, prendesse per buoni gli acquisti suggeriti dal modulo gestione scorte di Bollicine (B^CSD), permettendoci di ragionare sul confronto oggettivo delle giacenze reali con quelle simulate.

Con l’imprenditore abbiamo concordato di mantenere il modello gestionale ad intervallo fisso, il più appropriato per il settore, e l’anno come intervallo di tempo. Per ogni Fornitore sono stati memorizzati l’intervallo di riordino e le quantità minime imposte dai fornitori. Infine, abbiamo stimato con l’imprenditore il costo di gestione ordine.

Con questi dati, Bollicine ha calcolato per ogni fornitore ed articolo i parametri gestionali ideali (scorta massima, punto di riordino, scorta minima), usando le formule previste dalla teoria.  Giunti a questo punto, nella realtà, si fanno delle considerazioni correttive, ma in questo caso, per semplicità, i dati sono stati accettati in modo acritico.

Il programma di simulazione ha eliminato dal data base tutti gli ordini e le entrate registrate nel corso dell’anno preso a campione, facendoli sostituire con quelli suggeriti sulla base delle sue previsioni di vendita e al modello di gestione delle scorte. L’entrata merce è stata registrata rispettando il tempo di approvvigionamento di ogni Fornitore. Per inciso, l’aspetto notevole è che, finito l’esperimento, il programma ci ha permesso di confrontare (in pochi minuti) diversi scenari cambiando i dati di partenza. Ad esempio il ciclo d’ordine e/o il tempo di approvvigionamento. Tornando alla simulazione, i dati messi a confronto sono stati la giacenza media virtuale (calcolata usando la giacenza di ogni giorno dell’anno) risultante dalle entrate (simulate) e le uscite (reali), con la giacenza media reale.
Esaminare i risultati nella forma tabelle sarebbe stata un’impresa ardua. Abbiamo così deciso di arricchire il modulo di simulazione con cruscotti grafici. In effetti, è il modo più efficiente per confrontare l’andamento della giacenza nel tempo (blu quella reale, verde quella risultante dalla simulazione).

La giacenza media rende conto solo delle quantità, ma un altro parametro interessante è il valore. Dimezzare la giacenza media può significare passare da 20.000 a 10.000 Euro oppure passare da 1.000 a 500 Euro, e c’è una bella differenza! Abbiamo quindi deciso di aggiungere la valorizzazione delle giacenze che ci ha permesso, dato un fornitore, di calcolare il risparmio complessivo (in termini di minor capitale investito in scorte) su tutti i suoi articoli.

Come ci aspettavamo, nella maggioranza dei casi la simulazione ha portato i risultati attesi, ossia un aumento dell’indice di magazzino (Grafico 1). Ma quello che ci interessava approfondire erano i casi sfavorevoli in termini di: maggiore investimento in scorte ma soprattutto di rotture di stock. Ad esempio, come nel caso illustrato dal Grafico 2. La giacenza media è stata del 12% più bassa, tuttavia per un breve periodo sarebbe mancata la merce (giacenza negativa). Come mai?

Utilizzando le specifiche funzioni previste dal simulatore, abbiamo esaminato cosa è successo nel mese in cui c’è stata la rottura di stock, riscontrando che ci sono stare due vendite consistenti in due giorni consecutivi che hanno fatto scattare l’emissione di un ordine aggiuntivo, ma oramai era troppo tardi per evitare la rottura di stock.
Sovrapponendo alla simulazione i dati reali, abbiamo visto che, appena prima delle due vendite in questione, era stata registrata un’entrata: evidentemente l’“uomo”, sapendo cosa stava succedendo, aveva anticipato l’ordine, evitando la rottura di stock. In effetti, l’imprenditore ha confermato che le due vendite in questione corrispondevano a “ribaltamenti” a fronte dei quali, erano stati fatti specifici ordini. Questo conferma che l’uso dello strumento non avrebbe condotto alla mancanza di prodotto in quanto quelle vendite (impreviste) sarebbero state gestite dall’uomo aumentando le quantità suggerite dai modelli.

Quanto appena descritto ci dà l’occasione per definire meglio qual è la funzione e il valore di questo lavoro. Non si intende dimostrare che la macchina è meglio dell’”uomo”, ma l’importanza dei dati pre calcolati su basi teoriche e previsionali e il valore determinante dell’esperto che li utilizza.
Sarebbe interessante discutere di altri casi sfavorevoli. Ad esempio conseguenti all’uso di un tempo di approvvigionamento maggiore di quello reale. Episodio che ci ha permesso di dimostrare l’importanza di fissare parametri iniziali corretti. Sarebbe interessante, perché tutti hanno avuto una spiegazione prevista dalla teoria, ma non essendoci spazio, mi fermo qui.

Abbiamo applicato il metodo scientifico (teoria ► esperimento  ► verifica dei risultati)  alla gestione degli acquisti: è sempre emozionante costatare che l’applicazione della teoria alla realtà produce i risultati attesi più spesso di quello che si è portati a pensare.

1. Da un articolo comparso sul  corriere della sera di sabato 7 novembre 2015, che cita le parole di Marcus Weldon, presidente dei Bell Labs, maggior centro di ricerca mondiale sulla comunicazione:  la rivoluzione tecnologica non tende a sostituire il lavoro umano ma ad assisterlo. Il nostro obiettivo non deve essere l’Intelligenza Artificiale ma l’Intelligenza Aumentata. Cioè l’insieme dei dispositivi che trasformano la massa dei dati in informazioni utili a migliorare il lavoro e la vita di ogni giorno.
2. Il termine Intelligenza Aumentata (richiama la Realtà Aumentata di Google, ma è meglio) si addice a strumenti (quali quelli che abbiamo sviluppato in Bollicine) che attingono a una grande mole di dati presenti nei database aziendali, li elaborano secondo dei modelli matematici ben definiti e forniscono dei risultati all’”uomo” perché possa prendere delle decisioni migliori.   

Il racconto di questa sfida è anche il racconto di un’esperienza appassionante che, facendoci toccare con mano i risultati della teoria, ci ha condotto nel settore di una conoscenza diversa (dove oggettività ed esperienza si integrano ed arricchiscono a vicenda). Ed è questo territorio che ci proponiamo di abitare con i nostri clienti. 

Crediamo che l’aver arricchito Bollicine con questo strumento/esperienza sia stato un modo concreto di farlo.