Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Pianificazione Logistica

Il Supply Chain Planning con l’AI diventa “no-touch”: un esempio nel largo consumo

Per McKinsey è già possibile sperimentare una pianificazione dei flussi logistici automatizzata per il 90%: le macchine possono farsi carico delle attività più ripetitive, praticamente eliminando l’errore umano. «Nei processi digitalizzati è finita l’epoca delle pianificazioni settimanali o mensili “collo di bottiglia”»

20 Set 2018

Redazione

Le attività di Supply Chain Planning sono sempre più complesse e richiedono sempre più tempo, in particolare nel settore dei beni di largo consumo. Abbiamo parlato tante volte delle cause di questa situazione: i consumatori dell’era digitale sono sempre più esigenti, in termini di qualità, varietà e tempi di consegna, per cui l’assortimento si amplia e i cicli di vita dei prodotti si accorciano. A questo si aggiunge l’esplosione dell’eCommerce, un canale con dinamiche del tutto nuove di gestione degli ordini. Il risultato è che la pressione sulla logistica è fortissima.

In alcune aziende di beni di largo consumo particolarmente avanzate però, questa la tesi di un articolo di McKinsey, un crescente aiuto viene dall’automazione del Supply Chain Planning, che inizia finalmente a mostrare applicazioni pratiche su quasi tutto il processo (No-Touch Supply Chain Planning), e risultati tangibili di rapidità di risposta, agilità e velocità.

Intendiamoci: nella grandissima parte delle imprese industriali la pianificazione si basa ancora su lunghe attività di aggregazione e pulizia dei dati, analisi manuali, e valutazioni basate su esperienza e istinto. E la crescente disponibilità di dati in tempo reale non sempre aiuta. Il pianificatore infatti si sente obbligato a continui aggiustamenti che, se non ben ponderati, creano più problemi di quelli che risolvono.

Tempi ridotti del 60% con l’automazione del 95% dell’order-to-ship

Ma alcuni casi, in continuo aumento, dimostrano che i tempi sono maturi per un deciso cambio di passo, sottolinea l’articolo, citandone velocemente tre. Nel primo l’adozione di un sistema software di inventory planning che lavora sui dati di una dozzina di fonti diverse ha permesso di ridurre le scorte al punto di ottenere oltre 75 milioni di dollari di cash flow addizionale. In un altro caso (high-tech company) l’automazione del 95% del processo order-to-ship ha ridotto del 60% i tempi del processo. Il terzo riguarda un grande produttore alimentare che con un nuovo sistema di predictive analytics ha raddoppiato l’accuratezza delle previsioni di domanda settimanale a livello retail outlet.

In questi nuovi “ambienti digitali”, sostiene McKinsey, è finita l’epoca delle pianificazioni settimanali o mensili “collo di bottiglia”, con tempi dettati non dalle esigenze del business ma dalla capacità produttiva dei team di pianificazione. Sistemi completamente automatici supportano cicli di pianificazione e ripianificazione continui, closed-loop.

Per arrivare a una situazione del genere, però, le macchine devono assicurare una capacità di pianificazione almeno pari a quella dell’uomo. Altrimenti i rischi di qualità scadente dell’output, o la necessità di una costosa supervisione umana, vanificherebbero l’investimento. Occorre quindi una fase preliminare di mappatura e analisi per capire quali attività del processo di pianificazione possono essere completamente automatizzate e quali no.

Come sfruttare i risparmi di “frazioni di FTE”

Un esempio di attività già ora completamente automatizzabile è lo sviluppo di previsioni di domanda per le SKU (stock keeping unit) di base. Un esempio di attività che invece non lo è, o almeno non ancora, è il S&OP (sales & operation planning) di medio e lungo periodo, o anche il supply risk management, e il demand risk management. In questi casi secondo McKinsey le tecnologie o i dati non sono ancora disponibili, o sono ancora troppo costosi da applicare in ambienti operativi reali.

Un altro elemento importante nel concetto di no-touch supply chain planning è che le tecnologie digitali, soprattutto advanced analytics e machine-learning, sono necessarie, ma non bastano. L’automazione può produrre molti risparmi di “frazioni di FTE” (full time equivalent), nel senso che alcune attività di alcuni ruoli aziendali vengono assegnate alle macchine. Ma trasformare questi risparmi in benefici richiede un notevole lavoro di ridisegno di processi e organizzativo.

McKinsey suggerisce quindi di definire un centro di eccellenza (CoE) di digital planning che governi il progetto di automazione e sviluppi le necessarie strategie di talent management, change management e performance management, e lo inserisca nell’operatività e nei sistemi e processi esistenti senza traumi.

No-touch Supply Chain Planning nel CPG: un esempio

Per tradurre in termini pratici tutto questo l’articolo cita il caso di un produttore globale di beni di largo consumo (CPG), definendolo come molto simile a quello di diverse altre aziende che hanno digitalizzato con successo i processi di supply chain planning.

Il primo passo è stato la definizione di un ampio piano di innovazione che comprende digitalizzazione, automazione e advanced analytics, da concretizzarsi con una roadmap su vari anni.

Con un’analisi di tutti i processi, regole e sistemi sono poi state individuate le attività più semplici e ripetitive, cioè più adatte a essere automatizzate. Alcune sono state riprodotte nel sistema ERP, altre nei più semplici software di Robotic Process Automation (RPA). Riguardo al Supply Chain Planning, oltre il 90% delle attività è stato automatizzato, riducendo drasticamente gli interventi manuali richiesti, e dotando i decisori di strumenti di supporto alle decisioni.

I principali punti di debolezza del Supply Chain Planning dell’azienda, evidenziati nella fase di analisi dei processi, si potevano affrontare e risolvere con soluzioni di advanced analytics. Dopo un gran lavoro di sistematizzazione della raccolta dei dati disponibili, l’azienda ha potuto sfruttarli attraverso algoritmi di machine learning che migliorano l’accuratezza e granularità dei suoi processi di inventory management, scheduling della produzione, e demand planning.

Un altro intervento per rendere sostenibile  il nuovo modello è stato la definizione condivisa di un insieme di KPI (indici di performance) e incentivi davvero cross-funzionale, per tutte le funzioni operative, commerciali e amministrative.

Eliminate le pianificazioni settimanali e mensili: il ciclo diventa continuo

Con la piena implementazione del nuovo modello di Supply Chain Planning il reporting è diventato continuo, e sono stati così eliminati i cicli di pianificazione settimanale e mensile, con benefici di rapidità, fluidità e precisione per i processi decisionali.

Questo tipo di processo no-touch Supply Chain Planning, conclude McKinsey, può drasticamente migliorare i livelli di servizio, e nel contempo ridurre i costi di supply chain e mantenimento scorte a livelli che nel settore CPG sono considerati a tutt’oggi pura utopia. Ma che invece sono già realizzabili, con le tecnologie digitali di ultima generazione.

@RIPRODUZIONE RISERVATA

Articolo 1 di 4