Advanced Planning Systems trend attuale ed evoluzione

Tags: industrial internet of things, supply chain, supply chain accenture, trend supply chain

L’evoluzione dei modelli di planning della Supply Chain fanno leva sulle nuove tecnologie digitali come il social, il mobile, le analytics e il cloud, così come sullo sviluppo del Cognitive computing e dall’evoluzione dell’Industrial Internet of Things 

di Francesco Centro

La pianificazione aziendale è divenuta un elemento cardine per il successo delle aziende che competono su più mercati e vogliono rispondere adeguatamente alla domanda raccolta dai diversi canali (strategia omnichanel) e gestire cicli di vita prodotto sempre più brevi.
Guardando al mercato e volendo semplificarne la rappresentazione, possiamo raggruppare in quattro i livelli di maturità della funzione di Supply Chain Planning in ordine di complessità crescente: Functional Focus, S&OP, Integrated Business Planning e Automation and Real-Time Planning.

 

I modelli operativi delle aziende

 


• Functional Focus. È il più elementare dei livelli con un approccio basato prettamente sull’efficienza e ottimizzazione degli obiettivi per singola funzione. La pianificazione è sviluppata parallelamente dalle singole funzioni aziendali e possono esserci momenti di ‘sintesi’ solocon cadenza annuale o semestrale. È una situazione non auspicabile, ma che è ancora un ‘normal practice’ per molte aziende.
• S&OP. Il processo noto come Sales & Operation Planning (S&OP) rappresenta la prima evoluzione di uno scenario di pianificazione integrato cross funzionale. Le funzioni aziendali (generalmente Supply Chain, Sales, Marketing) sono coinvolte in un processo unico (generalmente con frequenza mensile) nel generare un unico piano (‘one number plan’) che bilancia domanda e capacità produttiva. Le aziende più evolute includono anche il Finance avendo una rappresentazione sia a quantità sia a valore (in questo caso ci riferiamo a un processo di ‘profit S&OP’).
• Integrated Business Planning. Il modello prevede, rispetto ai precedenti, l’integrazione tra la pianificazione strategica, tattica (indirizzata normalmente dall’S&OP) e quella operativa. Inoltre le aziende con questo grado di maturità gestiscono una serie di supply chain, segmentate in base al prodotto, mercato e canale, in modo da adattare la pianificazione ai diversi obiettivi (trade off tra costi e livello di servizio).
• Automation and Real-Time Planning. Le analisi sono guidate da informazioni ricevute ed elaborate real-time. La ‘Digital Supply Network’ rompe il paradigma della sequenzialità della value chain e si basa su un network connesso di attori che condividono le informazioni. In questo nuovo modello l’agilità è chiave, ovvero la capacità di ri-pianificare l’intero network sulla base delle nuove informazioni. Il modello operativo della Supply Chain si orienta verso quello della Control Tower, nata per la parte digestione integrata della logistica dei trasporti e in crescita sulle aree di planning (demand planning tra i più diffusi, ma che inventory planning e processo di S&OP).

 

Trend evolutivi degli strumenti di Supply Chain Planning

 


Non c’è dubbio che l’evoluzione di tali modelli sia abilitata, oltre che da un ripensamento organizzativo, dalle nuove potenzialità offerte dai sistemi di planning (APS, Advanced Planning System) che fanno leva sulle nuove tecnologie digitali SMAC (Social, Mobile, Analytics and Cloud), sullo sviluppo del ‘Cognitive Computing’ e dall’evoluzione dell’Industrial Internet of Things. Un primo esempio ci è fornito da L’Oreal che ha dotato la sua Control Tower di una piattaforma per condividere con migliaia di fornitori informazioni riguardanti le previsioni di vendita, le consegne e le scorte. Da una parte la disponibilità di dati real-time permette di pianificare con maggiore accuratezza, analizzare scostamenti e indirizzare azioni correttive, e dall’altra una network connessa permette di eseguirle velocemente e in modo sincronizzato.
Guardando al mondo della pianificazione della domanda, segnaliamo due elementi di innovazione. Il primo riguarda la capacità di integrare ed elaborare nella pianificazione i segnali raccolti nel breve periodo dal downstream (punto vendita o distributori). Questo processo è conosciuto come demand sensing e diverse soluzioni (integrate o ad hoc) si stanno affermando sul mercato. Alcuni casi di successo della sua applicazione sono segnalati in Kellogg, che ha migliorato la precisione della previsione di oltre il 40%, in Uniliver che ha migliorato accuratezza del 22% su un orizzonte di 7 giorni e in P&G dove hanno ridotto significativamente le scorte. Negli scenari più innovativi le previsioni di vendita di breve periodo non si basano più solo su algoritmi statistici, ma su analisi predittive che, oltre elaborare i dati del punto vendita, possono intercettare in anticipo i gusti del consumatore espressi dai tweet e dagli hashtag che vengono rilevati sui social media (collegandosi a uno degli strumenti disponibili di social listening). Altra innovazione è sicuramente la possibilità di avere diverse viste in base al ruolo aziendale, intuitive per il business e complete per i ‘data scientist’ che in un modello di Control Tower offrono un ‘servizio’ ai vari mercati. Le nuove interfacce guidate da un nuovo ‘design thinking’ permettono di collaborare più facilmente e avere le informazioni principali in un click, contribuendo a un alto grado di adozione dello strumento e permettendo all’utente di focalizzarsi sugli aspetti chiave del processo. Il bisogno di prendere decisioni in modo veloce ed efficace richiede un’analisi dettagliata dei diversi scenari che si potrebbero verificare. In questo contesto la capacità chiave è quella legata alla modellizzazione degli scenari e al sense ereact.
Uno strumento di scenario modelling deve rispondere in tempi brevi individuando le azioni correttive a una serie di eventi probabilistici quali: una crescita improvvisa della domanda, un possibile calo delle vendite, una mancata fornitura di materie prime, un fermo della produzione. Per esempio, di fronte a un inaspettato aumento delle vendite, non coperto dalla capacità massima di produzione, occorre inizialmente procedere con un’analisi approfondita sul numero di clienti interessati, sui ricavi persi per mancata vendita e sulla determinazione del surplus di produzione necessario ad annullare il gap tra domanda e offerta. Le funzionalità di scenario modelling permettono, pertanto, di ipotizzare a priori le azioni da valutare in modo tale che, una volta necessario, sia possibile con pochi input optare per la decisione aziendale più corretta in rapporto alla problematica emersa.
Nikon ha implementato un sistema di pianificazione avanzato che permette di accedere a informazioni accurate e aggiornate real time da diversi fonti e di utilizzare questi dati per simulazioni di scenari multipli, riducendo il livello di scorte del 35% nonché il lead time dalla produzione alla consegna.
Non ultima tra le nuove funzionalità dei sistemi di Supply Chain Planning avanzati, la gestione del rischio nella Supply Chain. Anche questa si basa sulla possibilità di raccogliere dati (fattori esterni e interni all’azienda) da diverse possibili fonti (social, dispositivi, …) e rielaborarli real time per fornire alert/warning al management su possibili rischi che possono compromettere il business nonché alternative strategiche da poter intraprendere.

 

Il futuro

 


In conclusione abbiamo analizzato quali sono i modelli di evoluzione della pianificazione e come le nuove tecnologie digitali siano gli abilitatori di questa ‘roadmap’. Come Accenture utilizziamo i nostri diagnostici e la nostra esperienza per capire insieme ai clienti quali le priorità su cui far evolvere i processi di planning, verificando il grado di “fit” delle piattaforme disponibili (mature o startup) e disegnandone la roadmap di realizzazione. Il target è un modello di planning di un network connesso e capace di rispondere velocemente ai segnali che arrivano dal mercato e dalle operations. Cosa ci possiamo aspettare per il (prossimo) futuro? La pianificazione sarà sempre più un processo di tipo ‘manage by exceptions’, permettendo di focalizzare l’attenzione dei pianificatori sulle decisioni strategiche (es. strategia push o pull, gestione del livello di servizio e cost to serve, analisi rischi e profittabilità).
Le attività ordinarie di bilanciamento tra capacità e domanda saranno guidate da algoritmi capaci di prendere autonomamente decisioni sulla base dei principi di priorità impostati ed imparando dall’esperienza (Artificial Intelligence e Machine Learning). 

Lascia un commento

Devi essere loggato per postare un commento.