Miglioramento nell'analisi e gestione del fabbisogno di codici overseas in Piaggio S.p.a

D

IPARTIMENTO DI

I

NGEGNERIA DELL

’E

NERGIA DEI

S

ISTEMI

,

DEL

T

ERRITORIO E DELLE

C

OSTRUZIONI

RELAZIONE PER IL CONSEGUIMENTO DELLA LAUREA MAGISTRALE IN INGEGNERIA GESTIONALE

Miglioramento nell’analisi e gestione del

fabbisogno di codici overseas in Piaggio S.p.a

RELATORI IL CANDIDATO

Prof. Ing. Riccardo Dulmin Gabriele Carrieri Dipartimento di Ingegneria dell’Energia, gabriele9086@gmail.com dei Sistemi, del Territorio e delle Costruzioni

Sessione di Laurea del 02/05/2019 Anno Accademico 2017/2018

Indice

1 Introduzione ... 1

1.1 Presentazione Tesi ... 1

1.2 Cenni storici della società Piaggio ... 1

1.3 Introduzione al problema generale e focus sull’ambiente Piaggio ... 9

1.4 Classificazione della domanda di un codice materiale ... 10

2 Contesto di riferimento ... 15

2.1 Pianificazione della produzione ... 15

2.2 Principali canali di vendita in Piaggio ... 18

2.3 Obiettivi ... 20

3 Metodologia ... 21

3.1 Descrizione delle attività ... 21

3.2 Regressione Lineare ... 25

3.3 Holt Winters: metodo statistico per costruire le previsioni ... 26

4 Analisi AS-IS ... 32

4.1 Transazioni principali per approvvigionamento SAP R/3: ... 34

4.2 Inquadramento del problema ... 34

5 Descrizione TO-BE ... 43

5.1 Previsioni singoli codici utilizzando il metodo di Holt-Winters ... 45

6 Discussione dei risultati raggiunti ... 64

7 Limiti ... 68

8 Sviluppi futuri ... 70

9 Bibliografia ... 71

10 Sitografia ... 72

1

1 Introduzione

1.1 Presentazione Tesi

Questo lavoro di tesi è frutto dell’esperienza di sei mesi in Piaggio & Co S.p.a (presso la sede di Pontedera (PI)), azienda operante nel settore automotive. L’attività si è svolta all’interno della funzione IILS (Integrated Inbound Logistic Services) con l’obiettivo di valutare se è possibile applicare un modello di previsione dei fabbisogni di codici materiale al contesto Piaggio. Il modello previsivo deve essere tale da fornire informazioni aggiuntive sull’approvvigionamento alla funzione IILS. Successivamente dovrà essere stabilito un processo standardizzato che, a partire da alcuni parametri di input, per ogni codice approvvigionato definisca automaticamente in output la previsione più plausibile. Il modello deve poter essere applicato ai codici già presenti in azienda, basandosi sui consumi storici. La prima parte della tesi discute la problematica legata alla gestione dei codici materiale e l’impatto sulla Supply Chain. Vengono descritti il contesto di riferimento, la produzione in Piaggio, i principali canali di vendita. Successivamente viene riportata la metodologia utilizzata per raggiungere gli obiettivi. Gli approfondimenti sulla situazione AS-IS e TO-BE fanno da premessa alla discussione dei risultati raggiunti e ai limiti e sviluppi futuri del modello.

1.2 Cenni storici della società Piaggio

L’azienda Piaggio & Co. S.p.a è stata fondata da Rinaldo Piaggio a Sestri Ponente nel 1884, si occupava inizialmente di arredamento navale, successivamente agli inizi del ‘900 si è occupata anche del settore ferroviario. Durante la Seconda Guerra Mondiale si è occupata della costruzione di aeroplani, settore che oggi viene sviluppato dalla Piaggio Aero Industries. Al termine della Seconda Guerra Mondiale, Piaggio inizia la produzione di veicoli a due ruote e tutt’oggi è uno dei principali simboli dell’Italia nel mondo. Nel 2003 Piaggio entra a far parte del gruppo Immsi S.p.a di Roberto Colaninno, mentre nel 2006 è stata quotata in Borsa Italiana. La società ha sede a Pontedera (PI) ed opera nel mondo con vari

2 stabilimenti produttivi. Attualmente il Gruppo Piaggio è il più grande produttore europeo di veicoli motorizzati a due ruote (scooter, moto e ciclomotori nelle cilindrate fino a 1400 cc) ed è attivo anche nel trasporto leggero a tre e quattro ruote. Nel settore delle due ruote la società opera con i seguenti marchi: Piaggio, Vespa, Gilera, Aprilia, Moto Guzzi, Derbi e Scarabeo; nell’ambito dei veicoli commerciali i marchi sono Ape e Piaggio Commercial Vehicles.

Figura 1 Marchi del gruppo Piaggio

A Pontedera vengono prodotti i veicoli a due ruote con i marchi Piaggio, Vespa e Gilera, i veicoli per trasporto leggero destinati al mercato europeo, e i motori per scooter e motociclette; vi sono 4 plants produttivi: Due Ruote, Motori, Veicoli Commerciali e Polo Meccanica.

Gli altri stabilimenti Piaggio in Italia si trovano a: Noale (Venezia), centro tecnico per lo sviluppo delle motociclette di tutto il Gruppo e sede di Aprilia Racing; Scorzè (Venezia), centro produttivo di veicoli a due ruote con i marchi Aprilia e Scarabeo; Mandello del Lario (Lecco), per la produzione di veicoli e motori Moto Guzzi. All’estero i plants sono a: Baramati (India), dedicato alla produzione di veicoli per trasporto leggero destinati al mercato indiano e all'export, al modello Vespa destinato alla vendita sul mercato indiano, allo scooter sportivo Aprilia SR 150 ed ai motori Diesel e turbodiesel per i veicoli commerciali del Gruppo; Vinh Phuc (Vietnam) per la produzione degli scooter Vespa e Piaggio destinati al mercato locale e all’area Asiatica.

Missione del Gruppo Piaggio è creare valore per gli azionisti, i clienti e i dipendenti operando a livello globale e realizzando prodotti, servizi e soluzioni di

3 qualità superiore, per la mobilità urbana ed extraurbana, sempre adeguati all’evoluzione dei bisogni e degli stili di vita.

La missione di Piaggio è quella di affermarsi come operatore che contribuisce allo sviluppo sociale ed economico delle comunità in cui opera, tenendo in considerazione il rispetto delle esigenze di salvaguardia dell’ambiente e del benessere collettivo; essere il perno del cosiddetto “made in Italy” per design, creatività e tradizione e posizionarsi come azienda di riferimento europeo, riconoscibile a livello internazionale.

I valori individuati da Piaggio sono:

• Valore per il cliente: gestire e sviluppare un’organizzazione flessibile e veloce, in cui tutti i processi, le persone e i partner esterni (fornitori, dealer) sono focalizzati sulla generazione di valore percepibile dal cliente.

• Valore per l’azionista: realizzare gli obiettivi di ritorno sul capitale investito, per soddisfare le attese degli azionisti e garantire la continuità dello sviluppo.

• Valore delle persone: valorizzare le capacità e il talento di ciascuno, attrarre e mantenere in azienda le risorse migliori.

• Valore dei marchi: investire sulla valorizzazione dei marchi, come leva per sviluppare la presenza sui mercati e costruire un posizionamento competitivo unico e distintivo.

• Innovazione orientata al cliente: sviluppare prodotti innovativi e riconoscibili per stile, qualità, sicurezza, livello di consumi e basso impatto ambientale.

4 • Internazionalizzazione: essere un’impresa multinazionale per organizzazione, cultura, modalità di presenza sui mercati globali, per il rispetto delle culture di ogni Paese in cui il Gruppo opera, e per la gestione del patrimonio di risorse umane presente a livello internazionale.

Il Gruppo punta alla creazione di valore attraverso una strategia di:

• Rafforzamento della propria posizione di leadership nel mercato europeo due ruote e indiano dei veicoli commerciali leggeri;

• Crescita della propria presenza sui mercati internazionali, con particolare riferimento all’area asiatica;

• Aumento della efficienza operativa su tutti i processi aziendali, con focus sulla produttività industriale

Nel 2016 il Gruppo Piaggio ha registrato un fatturato consolidato di 1.313,1 milioni di euro in crescita dell’1,4% rispetto ai 1.295,3 milioni di euro registrati nel 2015, un Ebitda a 170,7 milioni (161,8 milioni nel 2015) e un utile netto di 14 milioni, in crescita del 18,3% rispetto a 11,9 milioni del 2015. Il margine lordo industriale è pari a 389,2 milioni di euro (+3,9%).

Nel corso del 2016 il Gruppo Piaggio ha venduto complessivamente nel mondo 532.000 veicoli, in incremento del 2,4% rispetto alle 519.700 unità del 2015. A livello di aree geografiche tali vendite hanno portato alla crescita dei ricavi nelle aree Emea e Americas (+5,7%) che ha più che compensato le flessioni registrate in India a causa di un effetto cambio sfavorevole (-4,1%; -0,1% a cambi costanti) ed Asia Pacific (-5,3%; -4,8% a cambi costanti).

Al 31 dicembre 2016 il Gruppo ha venduto nel mondo 344.000 veicoli a due ruote (in incremento del 6,7% rispetto ai 322.500 al 31 dicembre 2015), per un fatturato netto di 916,5 milioni di euro in crescita del 3,6% rispetto a 884,9 milioni di euro del 2015. Il dato include anche i ricambi e accessori, che hanno

5 consuntivato un fatturato pari a 124,5 milioni di euro (in leggera crescita rispetto al risultato del 2015).

Nel 2016 il Gruppo Piaggio ha rafforzato ulteriormente la propria leadership nel mercato europeo delle due ruote, consuntivando una quota di mercato complessiva del 15,4% (15,2% nel 2015), che sale a quota 25,4% (24,1% nel 2015) se si considera il solo settore scooter, nel quale distacca di oltre 12 punti percentuali il secondo competitor.

Nel settore dei veicoli commerciali le vendite sono state pari a 188.000 veicoli (197.200 unità nel 2015) per un fatturato netto pari a 396,6 milioni di euro (410,4 milioni di euro al 31 dicembre 2015). Il dato include i ricambi e accessori, che hanno registrato vendite per 44,5 milioni di euro (+4% rispetto ai 42,7 milioni di euro del 2015). Nel mercato indiano dei veicoli commerciali a tre 3 ruote, la consociata PVPL si attesta su una quota complessiva del 28,9% e conferma la leadership nel segmento trasporto merci (Cargo) con una quota di mercato del 50,7%. Si segnala inoltre il recente rafforzamento della presenza del Gruppo in mercati ad elevato potenziale come l’America Latina, l’Africa e l’Asia, con l’ampliamento della rete distributiva a 23 nazioni, ed è previsto un ulteriore programma di crescita per il 2017.

Nel 2016 il Gruppo Piaggio ha consuntivato investimenti per 96,7 milioni di euro (101, 9 milioni di euro al 31 dicembre 2015), di cui 30,9 milioni di euro in spese per Ricerca e Sviluppo (31,4 milioni di euro al 31 dicembre 2015) e circa 65,8 milioni di euro in immobilizzazioni materiali e immateriali (70,5 milioni di euro nel 2015).

L’indebitamento finanziario netto al 31 dicembre 2016 si è attestato a 491 milioni di euro, in miglioramento di 7,2 milioni di euro rispetto 498,1 milioni di euro al 31 dicembre 2015.

L'organico complessivo del Gruppo Piaggio al 31 dicembre 2016 è pari a 6.706 dipendenti. I dipendenti italiani del Gruppo si attestano a 3.518 unità, dato

6 sostanzialmente stabile rispetto al corrispondente periodo del precedente esercizio.

VOLUMI DI VENDITA

Figura 2 Andamenti volumi di vendita

FATTURATO

7

PERSONALE

Figura 4 Andamento del personale

INVESTIMENTI

Figura 5 Andamento degli investimenti

Nel 2018 il Gruppo Piaggio ha registrato un fatturato consolidato di 1.389,5 milioni di euro in crescita del’4,3% rispetto ai 1.332,4 milioni di euro registrati nel 2017, un Ebitda a 201,8 milioni (+4,9% rispetto ai 192,3 milioni del 2017), con un’incidenza sui ricavi del 14,5%, il miglior dato rilevato dall’Ipo del 2006. Il margine lordo industriale è stato di 423,6 milioni di euro (+4,5%) con

8 un’incidenza sul fatturato netto pari al 30,5%, l’utile netto si è attestato a 36,1 milioni, in crescita dell’80,6% rispetto a 20 milioni del 2017.

Nel corso del 2018 il Gruppo Piaggio ha venduto complessivamente nel mondo 603.600 veicoli, in incremento del 9,2% rispetto alle 552.800 unità del 2017. Nel settore due ruote Piaggio ha venduto nel mondo 393.100 veicoli, in crescita del 4,6% (376.00 nel 2017) per un fatturato netto di 957,9 milioni di euro (942,1 milioni di euro nel 2017).

Nel 2018 il Gruppo Piaggio ha confermato la leadership nel segmento scooter in Europa, con una quota del 25,3%. Resta inoltre forte il posizionamento sul mercato nordamericano dello scooter dove si è attestato su una quota del 23,9% e sul cui territorio il Gruppo Piaggio è già impegnato a rafforzare ulteriormente la propria presenza anche nel segmento moto. Nel mercato indiano delle due ruote il Gruppo ha registrato un incremento dei volumi del 30,3%, spinto dagli ottimi risultati di Vespa e Aprilia SR.

Nel settore dei veicoli commerciali le vendite sono state pari a 210.500 veicoli (176.800 unità nel 2017) per un fatturato netto pari a 431,6 milioni di euro (390,4 milioni di euro al 31 dicembre 2017). Il dato include i ricambi e accessori, che hanno registrato vendite per 47,7 milioni di euro (+5,6% rispetto ai 45,1 milioni di euro del 2017). Nel mercato indiano dei veicoli commerciali la consociata PVPL si è attestata su una quota complessiva nei veicoli tre ruote del 23,3% e ha confermato la leadership nel segmento trasporto merci (cargo) con una quota del 44,9%.

L’indebitamento finanziario netto al 31 dicembre 2018 si è attestato a 429,2 milioni di euro, in miglioramento di 17,5 milioni di euro rispetto 446,7 milioni di euro al 31 dicembre 2017.

9

1.3 Introduzione al problema generale e focus sull’ambiente Piaggio

Il Supply Chain Management (SCM) continua a ricevere un’attenzione di manager, consulenti e ricercatori dai primi anni ’80 e pertanto non può essere considerato un’area di ricerca completamente nuova. Il lavoro di Oliver e Webber del 1982 intitolato Supply Chain Management: Logistics catches up with

strategy viene da molti indicato come la pubblicazione in cui appare per la prima

volta il termine “Supply Chain Management”. In questa pubblicazione il termine veniva usato in riferimento a tecniche per la riduzione delle scorte in aziende facenti parte della stessa filiera e legate a relazioni cliente-fornitore. Secondo la prospettiva di monte, il SCM è sinonimo di “integrazione con i fornitori” e può essere considerato un’evoluzione delle tradizionali modalità di gestione della funzione acquisti o approvvigionamenti. Le imprese devono considerare i fornitori non più come avversari ma come partner, con obiettivi comuni che vanno dall’incremento della produttività e la riduzione delle scorte e del tempo di ciclo (nel breve termine) all’aumento della soddisfazione dei clienti, della quota di mercato e dei profitti per tutti i membri della filiera (nel lungo termine). Secondo la prospettiva di valle, il SCM è sinonimo di “integrazione del sistema logistico” e si rivolge ai temi della logistica produttiva e distributiva come la gestione delle scorte, dei flussi informativi, dei trasporti, del ciclo dell’ordine e della distribuzione fisica.

L’impresa non esiste solo come entità isolata, ma opera all’interno di un supply network interagendo con altre imprese, alcune delle quali sono fornitori e altri clienti. In termini generali l’impresa interagisce anche con altri attori, tra cui i concorrenti diretti, i potenziali entranti, le organizzazioni dei lavoratori, l’ambiente economico, politico, sociale e culturale, ma per coloro che si occupano di SCM, questi aspetti vengono considerati solo se funzionali alla gestione delle interazioni con i clienti e con i fornitori. Per quanto riguarda il “network a monte”, esso è costituito dai fornitori di beni, servizi e informazioni dell’impresa. A loro volta i fornitori hanno dei propri fornitori, i quali hanno anche essi dei fornitori. Il network a monte li comprende tutti, in teoria fino ai

10 fornitori delle materie prime, ossia al “punto di origine” del network. I fornitori diretti dell’impresa centrale del network vengono detti “fornitori di primo livello”, i fornitori dei fornitori vengono detti “fornitori di secondo livello”. Per quanto riguarda il “network a valle” esso è costituito dai clienti dell’impresa centrale: questi potrebbero non essere i consumatori finali dei beni e servizi prodotti dall’impresa centrale, ma potrebbero avere a loro volta dei clienti, i quali potrebbero avere anch’essi dei clienti.1

Piaggio ha implementato la piattaforma SAP R/3, per la gestione dei principali processi aziendali, tra cui i processi di ciclo passivo per l’approvvigionamento di Materiali Indiretti e Materiali Diretti di produzione. Nel 2007 è emersa l’esigenza di ottimizzare alcuni processi relativi a questi ambiti e di instaurare dei nuovi scenari collaborativi con i propri partner commerciali. La soluzione individuata dal gruppo Piaggio e Syskoplan Replay è la piattaforma SAP SRM (Supplier Relationship Management). Questa piattaforma è in grado di

• Migliorare i processi di acquisto attraverso una maggiore visibilità sullo spending, selezione dei fornitori

• Rendere più efficienti i processi di acquisto attraverso l’implementazione di strumenti automatici.

• Avviare una maggiore collaborazione con i fornitori.

• Automatizzare il processo di ricezione e gestione delle fatture.2

1.4 Classificazione della domanda di un codice materiale

La domanda di un generico codice è classificabile in dipendente o indipendente. La distinzione risiede nel fatto che il fabbisogno di materiai a domanda dipendente si calcola attraverso analisi deterministiche a partire da un piano

1_{Cfr. vv. pagg. 1-2-3 Romano,Danese, Supply Chain Management, 2010}

2 _{Vv. “SAP SRM: la scelta del Gruppo Piaggio per l’integrazione con i fornitori e l’automazione del ciclo passivo.”, Reply S.p.a,}

11 generale di produzione, mentre quelli con domanda indipendente viene definito in base ad esigenze di mercato

• Codici a domanda dipendente: la domanda è nota sia come quantità che come momenti di consumo. Si tratta di sottoassiemi, materie prime, componenti, la cui domanda dipende dalla richiesta del prodotto finito. La domanda di questi prodotti è definita a partire da un mix di previsioni commerciali o di ordini clienti. Le quantità pianificate di prodotto finito sono utilizzate per calcolare i fabbisogni dei codici figli utilizzando i legami e i coefficienti di impiego presenti nella distinta base: questi fabbisogni dipendono dalla domanda del codice padre a cui appartengono.

• Codici a domanda indipendente: prodotti finiti, parti di ricambio, materiali di consumo, la cui domanda deriva direttamente da richieste del mercato, non associate in maniera deterministica ai volumi realizzati.3

Figura 6 Articoli a domanda indipendente e dipendente

3_{Cfr. vv. pagg. 289-290, De Toni, Panizzolo, Villa. Gestione della produzione,2017.}

Prodotto finito Sottoassieme 1 Semilavorato Materia prima Domanda Indipendente Domanda Dipendente

12 Il Gruppo Piaggio ha 6 stabilimenti in Italia, di cui 4 a Pontedera; fino a pochi mesi fa era presente un ufficio di gestione della logistica in entrata per ognuno dei 4 plants di Pontedera (Motori, Due Ruote, Veicoli Commerciali e Polo Meccanica). Recentemente è avvenuta una centralizzazione fisica della logistica in entrata ed attualmente i 4 plants sono coordinati da un unico ufficio (IILS), tuttavia i codici approvvigionati sono gestiti parzialmente in maniera diversa a seconda del plant, dei suoi vincoli e delle sue esigenze produttive, perciò è necessario scegliere uno stabilimento sul quale concentrarsi per poi espandere il progetto agli altri. Nel 2016 la percentuale di fatturato in ingresso di Materie Prime nei vari stabilimento è stato il seguente:

• Due Ruote 42%, • Motori 18% • Aprilia 14% • Moto Guzzi 12% • Veicoli commerciali 10% • Polo Meccanica 3%

13 Gli stabilimenti Aprilia e Moto Guzzi non sono a Pontedera né sono gestiti dall’ufficio di Pontedera, perciò sarebbe molto più difficile ottenere i dati necessari al progetto ed avere un controllo diretto.

La pianificazione dell’approvvigionamento dei plants Motori e Polo meccanica è conseguente alla pianificazione dell’approvvigionamento dei plants Due Ruote e Veicoli Commerciali, perciò si preferisce sperimentare il progetto su stabilimenti che hanno come input la pianificazione della produzione di prodotti finiti piuttosto che su plants che lavorano sulle specifiche di altri stabilimenti.

Lo stabilimento Due Ruote ha la maggior porzione di fatturato in ingresso e, rispetto agli altri, è il plant per il quale non si effettua da più tempo una revisione accurata del sistema di gestione delle scorte.

Per i motivi sopra esplicitati, il progetto è concentrato sulla logistica in entrata dello stabilimento Due Ruote.

Nella gestione in Piaggio vi è una netta distinzione tra i componenti che vengono approvvigionati in Europa (questi codici sono detti “local”) ed i componenti approvvigionati al di fuori del nostro continente, in questo caso i codici sono detti “overseas”.

I codici overseas sono solitamente approvvigionati via nave; in caso di urgenze si rende necessario effettuare via aeree ed in quel caso, spesso, il costo della spedizione dipende dal peso dei componenti: per questo motivo per gli items provenienti da Paesi extra – europei il peso è una variabile importante, mentre non è rilevante per i codici local.

Un altro aspetto da considerare è la stagionalità: in generale la domanda di scooter e motociclette ha un picco nei mesi primaverili ed estivi, conseguentemente in quei mesi la produzione di veicoli è superiore agli altri periodi dell’anno.

Si consideri, ad esempio, il numero di codici consumati (ovvero che hanno alimentato la linea) per ogni mese dell’anno 2016 rispetto al totale:

14 Figura 8 Numerosità di codici che hanno alimentato la linea produttiva rispetto al

15

2 Contesto di riferimento

2.1 Pianificazione della produzione

La gestione delle scorte in Piaggio avviene attraverso una logica a fabbisogno, utilizzando l’algoritmo dell’MRP. Questa tecnica è utilizzata in aziende che presentano una distinta base molto complessa e permette di calcolare i fabbisogni netti dei materiali e pianifica gli ordini di produzione a partire dalla domanda di mercato, le previsioni di vendita, distinta base, lead time di acquisto, lead time di produzione. L’MRP è di supporto in tutte quelle aziende dove sono alti i Lead time di approvvigionamento. Le società appartenenti al settore automotive presentano tale problematica, la stessa Piaggio infatti approvvigiona principalmente le materie prime da mercati asiatici, con conseguente necessità di un’attenta attività di pianificazione della produzione. In Piaggio, per i plants che producono prodotti finiti (Due Ruote e Veicoli Commerciali), la pianificazione della produzione è basata sulle richieste del Reparto Commerciale (Materials Management). L’ente commerciale elabora le previsioni di vendita e, al netto della disponibilità a magazzino, richiede una certa quantità di prodotto finito (a livello di famiglie di prodotto): la produzione non è finalizzata a soddisfare direttamente le richieste del cliente finale, bensì quelle del magazzino. Le richieste commerciali sono formalizzate nel documento chiamato Piano Operativo, che viene redatto intorno al decimo giorno di ogni mese e dà una visione dei 6 mesi successivi.

Le richieste del Reparto Commerciale vengono passate all’ente Programmazione della Produzione per mezzo del Piano Operativo (P.O.). La Programmazione della Produzione confronta la produzione che era stata prevista nel P.O. del mese precedente con la produzione prevista dal nuovo P.O. ed avvia una macro-analisi di fattibilità relativa alle risorse umane, ai vincoli tecnologici legati alle famiglie prodotto allocate nei rispettivi Centri di lavoro e alla disponibilità materiali; per far questo raccoglie informazioni da Risorse Umane, Tecnologie e Logistica Integrata.

16 Figura 9 Diagramma di flusso rappresentante la pianificazione della produzione

In Fig.9 ed in Fig 10 sono rappresentati due mappe che raffigurano rispettivamente gli scambi informativi tra Material Management, Programmazione della Produzione, Responsabili MRP (divisi in due gruppi: chi gestisce codici local, chi gestisce codici overseas) e gli scambi informativi tra la funzione IILS, fornitore, spedizioniere.

17 Figura 10 Mappa rappresentante scambi informativi IILS-fornitore-spedizioniere

IN V IO P IA N O C O N S E G N A R IC E ZI O N E P IA N O C O N S E G N A IN V IO P R O P O S T A F O R M 2 R IC E ZI O N E P R O P O S T A F O R M 2 IN V IO F O R M 2 C O N F E R M A T O R IC E ZI O N E F O R M 2 C O N F E R M A T O IN V IO B O O K IN G SP E DIZ IO N IE R E R IC E ZI O N E B O O K IN G S P E D IZI O N IE R E IN V IO B O O K IN G A II LS R IC E ZI O N E B O O K IN G B O O K IN G C O N F O R M E A F O R M 2 ? IN V IO R IC H IE S T A A P P R O V A ZI O N E R IC E ZI O N E R IC H IE ST A A P P R O V A ZI O N E A P P R O V A ZI O N E B O O K IN G R IC H IE S T A M O D IF IC A A L F O R N IT O R E R IC E ZI O N E F O R M 2 C O N F E R M A T O SI NO S IT U A ZI O N E 1 S IT U A ZI O N E 2 R IC E ZI O N E F O R M 3 IN V IO FO R M 3 II LS F O R N IT O R E SP ED IZ IO NI ER E

18

2.2 Principali canali di vendita in Piaggio

Esistono tre tipi di canali di vendita in Piaggio & C. S.p.a.:

1. Canale Retail → Piaggio & C. S.p.a. vende a → concessionari/distributori → vende a cliente finale

2. Canale Importatori → Piaggio & C. S.p.a. vende a → Importatori esterni a Piaggio & C. S.p.a. che a loro volta vendono a → Distributori →che a loro volta vendono a cliente finale

3. Canale Corporate → Piaggio & C. S.p.a. vende a → cliente finale (Poste italiane ad ex.)

Per il canale Retail esistono delle Selling agency (aziende consociate di Piaggio & C. S.p.a.) distribuite in mercato francese, tedesco, spagnolo, olandese.

Queste agenzie raccolgono informazioni dal mercato ed elaborano le loro previsioni. Tramite il Software BPC (Business Plan Consolidation), integrato con SAP BW (Business Warehouse), si accorpano le previsioni dei codici veicolo e vengono inviate all’ente Material Management che a sua volta elabora i suoi Piani Operativi.

Definizioni:

Sell-in → fatturato tra Piaggio & C. S.p.a. e i distributori Sell-out → fatturato tra distributori e cliente finale.

I dati di Sell-out vengono forniti dalla motorizzazione, in quanto il dato di sell-out è valido nel momento in cui il veicolo viene targato. Sia i dati di in che di sell-out sono in termini di quantità.

Attraverso questi due elementi si ottiene lo stock di rete (da bilanciare), ovvero la quantità di merce stoccata presso i distributori. Lo stock di rete deve essere bilanciato in modo da non avere elevate variazioni e quindi in modo da ridurre il cosiddetto Effetto Bullwhip. Nel 1961 lo studioso John Forrester pubblica un libro dal titolo “Industrial Dynamics” che riporta i risultati di una serie di studi relativi alle modalità di funzionamento delle reti di imprese. Egli rileva che i materiali che

19 vengono scambiati nelle supply chain sono utilizzati per ottenere prodotti destinati ai clienti o ai consumatori finali. Forrester sottolinea che la domanda di questi materiali è strettamente interrelata a quella dei prodotti, sulla base di un rapporto di reciproca dipendenza e che questo rapporto di dipendenza risulta immediato e diretto quando si considerano due stadi contigui del processo, mentre non altrettanto lineare e consequenziale quando si osservano le fasi poste alle estremità della catena. Le variazioni della domanda di prodotti finiti si ripercuotono sui materiali e sui componenti con un ritardo temporale. Insieme al ritardo si osserva un fenomeno di amplificazione della variazione di domanda man mano che si sale lungo la catena logistica. Tale effetto è tanto più elevato quanto più sono le fasi del processo produttivo e distributivo. Un cambiamento del 10% della domanda dei rivenditori, può portare una variazione di oltre il 40% della domanda dei produttori. Gli effetti di questo fenomeno si ripercuotono sull’efficienza dell’intero supply network, causando una diminuzione del livello di servizio, dovuti agli stock out, ai blocchi delle linee.

Le principali cause dell’effetto Forrester sono riconducibili a: • Cause operative, legate alla gestione della rete di fornitura

• Cause comportamentali, legate ai comportamenti dei membri della catena di fornitura verso gli altri membri della catena stessa.

Per quanto riguarda la prima causa, bisogna tenere in considerazione la dimensione dei lotti da acquistare, le previsioni della domanda basate solo sul sell-in, presenza di scorte all’interno della catena logistica, numero di attori lungo la filiera, tempi di scambio informativi, promozioni commerciali. Per quanto riguarda invece le seconde cause, bisogna tenere in considerazione la scarsa condivisione delle informazioni, le aspettative sui cambiamenti di prezzo. 4

20

2.3 Obiettivi

L’obiettivo della tesi è quello di valutare se è possibile applicare un modello previsivo dei consumi di materie prime, in particolare su alcuni codici presi a riferimento, all’interno del contesto Piaggio. Il modello deve poter essere applicato ai codici presenti in Piaggio, in particolare quelli che presentano una struttura di tipo modulare (nel caso analizzato la parte software), che presentano problemi legati a lunghi lead time e transit time. Il lavoro di tale tesi permette quindi di adottare un approccio scientifico all’interno della funzione IILS e non più basarsi sull’esperienza, quindi legata soltanto al know-how all’interno della funzione stessa, ma bensì utilizzare un software statistico affinché possa affiancare il team nel prendere le giuste decisioni.

Lo scopo è quello di standardizzare il processo di elaborazione delle previsioni dei codici materiale all’interno della Piaggio, interfacciare il software statistico con la parte gestionale SAP, oppure caricare i dati provenienti dal software statistico su SAP, in maniera massiva dagli operatori.

In un mercato dinamico, com’è quello automotive, la domanda dei codici prodotti finiti cambia molto frequentemente e con essa cambiano anche i piani di produzione che risentono a loro volta delle esigenze di mercato, quindi sono diverse le quantità prodotte in linea e quindi le quantità da approvvigionare. Lo scopo, inoltre, del progetto è quello di definire delle previsioni quantitative di codice materiale da approvvigionare al fornitore. Tale modello deve:

• Essere adattabile a tutti quei codici che presentano lunghi LT e TT • Considerare i consumi puntuali mensili

21

3 Metodologia

3.1 Descrizione delle attività

Figura 11 Mappa sintetica delle attività

Il lavoro svolto durante l’attività di tirocinio si è concentrato inizialmente sulla raccolta di informazioni, ricercando gli scambi documentali ed informativi all’interno della funzione IILS. Successivamente è stata effettuata una mappatura del processo, includendo le attività svolte dal team. Le attività sono rappresentate da blocchi rettangolari interrelati tra di loro attraverso una logica di tipo sequenziale. In questa fase sono stati analizzati i dati a disposizione, utilizzando la metodologia SWOT (Hill & Westbrook, 1997) e l’analisi delle 4M (Bonechi, Gionata, & Mirandola, 2009). Gli output dell’analisi riguardano i punti critici su cui fare leva per poter elaborare delle proposte di soluzione, in particolare sull’assenza di informazioni che vengono comunicate al fornitore in termini di quantità da approvvigionare. La problematica core della funzione IILS si trova nella gestione delle vie aeree dei codici overseas, in quanto è disponibile mensilmente un certo budget e l’intero team deve attenersi a tale vincolo per poter essere valutato positivamente. La maggior parte dei codici overseas viene approvvigionata via mare e solo in casi estremi vengono effettuate vie aeree: in particolare quando si richiedono dei codici urgentemente in linea. Va

22 considerato inoltre che un blocco sulle linee rappresenta un costo per la società ed è doveroso evitare tali situazioni.

Nell’elaborare le informazioni aggiuntive sui codici materiale, da comunicare al fornitore, vengono sfruttate delle tecniche statistiche. Una considerazione preliminare è che i codici Piaggio presentano una certa stagionalità, in particolare presenta dei picchi produttivi nei mesi compresi tra Marzo e Luglio. La ricerca di un giusto metodo è fondamentale per riuscire ad ottenere delle previsioni accettabili.

Dei codici materiale presi a riferimento, viene presa la parte dei consumi puntuali avvenuti negli anni precedenti tramite alcune transazioni su SAP e sono stati rappresentati graficamente gli andamenti tramite grafici su Excel. Sono stati selezionati due metodi:

• Regressione lineare • Metodo HoltWinters

Il confronto tra le due tecniche statistiche è stato effettuato analizzando i residui in entrambi i casi. Per residui si intende la differenza tra il consumo effettivo e il valore della previsione fornita dal modello nei mesi precedenti il valore di cui si vuol conoscere l’entità. Per effettuare la regressione lineare è stato costruito un modello previsivo con l’utilizzo del software statistico RStudio.

Nel seguito verrà esplicitata la costruzione di tale modello.

Per quanto riguarda il metodo HoltWinters, il software RStudio presenta dei comandi attraverso i quali è possibile effettuare le previsioni nel futuro, oltre che estrapolare i residui. Nella scelta tra le due metodologie viene selezionata quella che presenta una deviazione standard inferiore dei residui.

Sui residui, è stato calcolato un intervallo di confidenza al 90%, definito all’interno del team, e sulla base di tale intervallo, per ciascuna previsione, viene analizzato se appartiene ad esso. Questo lavoro è stato effettuato su tutto il periodo di previsioni future, conoscendo i dati a consuntivo reali.

23 L’analisi delle serie storiche ha come oggetto lo studio dell’evoluzione temporale di fenomeni dinamici. Una serie storica consiste in una serie di osservazioni su un certo fenomeno ordinate nel tempo. Le osservazioni sono equispaziate tra di loro, ad esempio giornalmente, mensilmente, annualmente, a seconda della natura del fenomeno oggetto di studio.Una serie storica può essere indicata con xt dove t=1,…,n, dove il pedice t sta ad indicare il tempo a cui il dato xt fa riferimento. Uno degli obiettivi primari nell’analisi delle serie storiche è effettuare previsioni.5

Nei settori della distribuzione e della produzione, le serie temporali sono importanti perché costituiscono la rappresentazione canonica del flusso di beni venduti o prodotti.

Prevedere le serie temporali significa estendere i valori storici nel futuro, basandosi su dati storici.

Ci sono due variabili strutturali fondamentali nella previsione delle serie temporali:

• Il periodo, che rappresenta il livello di aggregazione.

• L’orizzonte, che rappresenta il numero di periodi ancora da prevedere. Nella catena distributiva l’orizzonte è maggiore o uguale al lead time.6 Oltre alle previsioni, un altro importante obiettivo nell’analisi delle serie storiche è la scomposizione nelle componenti principali di trend, ciclo, stagionalità e componente irregolare.6

Si parla di trend quando ci si riferisce all’andamento tendenziale di fondo, crescente o decrescente, di un fenomeno, caratterizzato da una variazione relativamente lenta, e sempre nello stesso verso, che si riconosce graficamente dal fatto che la linea indicante la serie non tende a restare approssimativamente

5_{Vv. Bee Dagum , Analisi delle serie storiche: Modellistica, previsione e scomposizione, 2002.} 6_{https://www.lokad.com/it/previsione-delle-serie-temporali}

24 orizzontale (parallela all’asse delle ascisse), ma si dispone su una traiettoria obliqua, crescente o decrescente al trascorrere del tempo.

Il ciclo invece, è legato a variazioni pluriennali, che comporta un andamento oscillante. Quindi osservando un fenomeno economicamente significativo, come la produzione e le vendite, per un intervallo sufficientemente lungo, si riconosceranno delle oscillazioni non regolari.

La stagionalità invece si riferisce alle variazioni indotte sul fenomeno dall’alternarsi delle stagioni durante l’anno, ed è quindi determinata dalle modificazioni climatiche e del comportamento umano e sociale che si susseguono nei diversi periodi dell’anno.

Nell’impostazione classica, si ipotizza che un fenomeno possa essere spiegato attraverso la composizione (additiva o moltiplicativa) delle tre componenti trend,

ciclo e stagionalità, più un effetto di natura casuale, attribuibile a un complesso

di cause non sistematiche. 7

25

3.2 Regressione Lineare

La tecnica della regressione lineare permette di esaminare la dipendenza della domanda da varie cause, in modo tale da poter effettuare delle previsioni sul valore della domanda.

Scelti i fattori x1,…,xn si cerca di trovare una funzione f lineare a partire dai consumi storici.

Questo metodo è adatto in situazioni dove si ha una struttura dei dati di tipo tendenziale.

Partiamo dall’idea che la serie storica x1,…,xn possegga una struttura di legame di questo tipo:

𝑥_𝑖 = 𝑎₁𝑥_𝑖−1+ 𝑎₂𝑥_𝑖−2+ ⋯ + 𝑎_𝑛𝑥_𝑖−𝑝+ 𝑏 + 𝜀_𝑖

Utilizzando questo modello, si spera che i residui siano piuttosto piccoli, così che la formula ricorsiva rispecchi la struttura dei dati. Se per certi parametri 𝑎₁

̂, … , 𝑎̂, 𝑏̂, ciò avviene, cioè i residui sono molto piccoli, è sensato prevedere al _𝑝 tempo n+1, tramite lo stesso modello con i residui posti a zero:

𝑝_𝑛+1 = 𝑎̂1𝑥_𝑛 + 𝑎̂₂𝑥_𝑛−1+ ⋯ + 𝑎̂_𝑝𝑥_{𝑛+1−𝑝}+ 𝑏̂

Se viene ipotizzato, come modello, che i valori della serie storica sono distanziati di 12 mesi, e che al loro interno ci sia un legame, è possibile ipotizzare un modello del tipo:

𝑥_𝑖 = 𝑎₁𝑥_𝑖−1+ 𝑎₁₂𝑥_𝑖−12+ 𝑏 + 𝜀_𝑖

Implementare col software RStudio tale modello non avviene in automatico, ma è necessario costruirsi il modello attraverso delle linee di codice come mostrato in seguito.

26

3.3 Holt Winters: metodo statistico per costruire le previsioni

Il metodo Holt Winters (HW) si applica ad una serie storica per ottenere una previsione dei periodi futuri.

In fase di messa a punto, per verificarne l'efficacia, esso può essere utilizzato in controllo, vale a dire facendogli fare una previsione per periodi passati, di cui si dispongono già i valori effettivi.

Definiamo:

• Frontiera, l'ultimo periodo della serie che si assume come storia. Le previsioni iniziano dal periodo successivo.

• Periodicità, il numero di periodi in seguito a cui si assume che la serie presenti una ripetitività;

• Storia, il numero di periodi passati su cui si fonda la previsione. Per il metodo HW è necessaria (e sufficiente) una storia pari a due periodicità; • Numero di periodi di previsione, il numero di periodi futuri (da quello

successivo alla frontiera in poi) per cui si calcola la previsione;

• Numero di periodi iniziali, il numero di periodi, a partire dal primo periodo della storia, su cui si esegue un'interpolazione lineare per ottenere i dati di "innesco" del calcolo. Può essere al massimo pari alla periodicità; un valore minore riduce il peso della storia nel calcolo.

Il metodo HW si basa su tre valori, tutti nella stessa unità di misura della serie, che si determinano alla frontiera:

• Livello → valore medio della previsione nei periodi futuri;

• Trend → variazione (che si assume costante) della previsione rispetto al periodo precedente. Se positivo indica una crescita, se negativo una diminuzione;

27 • Stagionalità → una serie di "P" valori (dove "P" è la periodicità) che indica, rispetto al livello, la variazione della previsione dovuta a

fenomeni ripetitivi).

Funzione di autocorrelazione empirica: si considera la serie di valori

𝑥1, 𝑥2 , … , 𝑥𝑛−2, 𝑥𝑛−1, 𝑥𝑛 e la sua traslata di k caselle, ad esempio k=2 caselle.

Si prende la parta comune

Si calcola poi il coefficiente di correlazione empirico →ρ(k) = ∑𝑛−𝑘𝑖=1(𝑥𝑖−𝑥0)(𝑥𝑖+𝑘−𝑥𝑘)

√∑𝑛−𝑘𝑖=1(𝑥𝑖−𝑥0)2∑𝑛−𝑘𝑖=1(𝑥𝑖+𝑘−𝑥𝑘)2

dove 𝑥₀ è il valore medio.

Figura 12 Rappresentazione grafica di Livello, Trend, Stagionalità

28 Ripetendo il procedimento per 𝑘 = 0, 1, … , 𝑘0 con 𝑘0(𝑖𝑛𝑡𝑒𝑟𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜) minore di 𝑛, troviamo una nuova serie storica ρ(k) . Per come è definita la funzione di autocorrelazione, essa cattura le somiglianze interne alla serie stessa, vede se la serie traslata assomiglia a se stessa. Più precisamente, se una serie ha una accentuata periodicità, essa avrà un ρ(k)elevato in corrispondenza del periodo. Se è presente un trend accentuato, ρ(k) è elevato dappertutto, calando all’aumentare di k. Se oltre al trend accentuato è presente anche periodicità, il valore di ρ(𝑘𝑝𝑒𝑟) relativo al periodo 𝑘𝑝𝑒𝑟, si staglierà un pochino più in alto rispetto agli altri. Per la ricerca del trend, si può utilizzare il concetto di media locale: 𝑥𝑖+⋯+𝑥𝑖+𝑘

𝑘 dove k è minore di n (lunghezza della serie storica). Se si vuole trovare in corrispondenza di un valore 𝑖 che ne rappresenti il trend, si può utilizzare la media simmetrica attorno ad 𝑖: 𝑡𝑖 =

𝑥𝑖−𝑘+⋯+𝑥𝑖+𝑘

2𝑘+1

Il calcolo di trend e stagionalità, permette di fare delle previsioni. Se il trend trovato è abbastanza rettilineo, basterà trovare la retta di regressione del trend e prolungarla. Per trovare la componente stagionale, invece, bisogna in anticipo stabilire il periodo ed effettuare la detrendizzazione. Successivamente si effettua una media attorno al periodo. Per le previsioni, prolungato il trend nel futuro, gli si aggiunge o moltiplica la componente stagionale.

Il metodo di Holt-Winters è basato su alcune formule generali che catturano in modo abile i concetti di trend e stagionalità, ed inoltre usano l'idea generale (detta di smorzamento esponenziale) di pesare in modo diverso il passato recente e quello remoto. Nel metodo ci sono tre parametri, α; β; γ, che permettono di descrivere varie caratteristiche. Il comando con R è HoltWinters(x).

Ci sono tre livelli del metodo:

- il metodo di smorzamento esponenziale (metodo SE) (β = 0, γ = 0) - il metodo di smorzamento esponenziale con trend (metodo SET) (γ =0) - il metodo di smorzamento esponenziale con trend e stagionalità (metodo Holt- Winters).

29

Metodo SE

Sia 𝑥1, 𝑥2,…,𝑥𝑛−2,𝑥𝑛−1,𝑥𝑛 la serie storica di partenza e 𝑝1, … , 𝑝𝑛+1 rappresenta la serie delle previsioni, dove 𝑝𝑖+1è la previsione fatta al tempo 𝑖. Il metodo di Smorzamento Esponenziale (SE) considera pa previsione fatta al tempo 𝑖 + 1 come somma di una componente previsiva fatta al tempo 𝑖 ed il valore attuale 𝑥𝑖 al tempo 𝑖 → 𝒑𝒊+𝟏= 𝜶𝒙𝒊+ (𝟏 − 𝜶)𝒑𝒊

Il software determina il coefficiente 𝛼 considerando:

ɛ𝑖(𝛼) = 𝑝𝑖(𝛼) − 𝑥𝑖 e minimizzando la funzione ɛ𝑖(𝛼) min

𝛼∈[0,1]∑ ɛ𝑖(𝛼) 2 𝑛

𝑖=1

Metodo SET

Il metodo SET, invece rappresenta uno smorzamento esponenziale con trend. Vengono aggiunte due serie di numeri 𝑠1, … , 𝑠𝑛 𝑒 𝑚1, … , 𝑚𝑛 che rappresentano intercetta e coefficiente angolare. La previsione sarà data da : 𝒑𝒊+𝒌 = 𝒎𝒊∗ 𝒌 + 𝒔_𝒊 dove 𝑚𝑖 è il coefficiente angolare della retta e 𝑠𝑖 rappresenta l’intercetta.

𝑠𝑖= 𝛼𝑥𝑖+ (1 − 𝛼)(𝑚𝑖−1+ 𝑠𝑖−1) 𝑚𝑖 = 𝛽(𝑠𝑖− 𝑠𝑖−1) + (1 − 𝛽)𝑚𝑖−1

𝑝𝑖+1 = 𝑚𝑖+ 𝑠𝑖

Figura 13 Rappresentazione grafica metodo SET

In questo caso i parametri α, β vengono calcolati considerando ɛ𝑖(𝛼, 𝛽) = 𝑝𝑖(𝛼, 𝛽) − 𝑥𝑖 e minimizzando la seguente formula :

min

𝛼,𝛽∈[0,1]∑ ɛ𝑖(𝛼, 𝛽) 2 𝑛

30

Metodo Holt-Winters

Quando, con R, si usa il metodo di Holt-Winters, è implicito che si sta usando il terzo livello. Se non si vuole che il metodo catturi la stagionalità si deve imporre γ = 0 ed usare il comando. Se non si vuole che il metodo catturi nemmeno il trend si deve imporre β = 0 e γ =0.

Consideriamo l’espressione:

𝑥_𝑖 = (𝑎 ∗ 𝑖 + 𝑏) ∗ 𝑓(𝑖) + ɛ_𝑖 , 𝑐𝑜𝑛 𝑓(𝑖)𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 𝑑𝑖 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑘_𝑝𝑒𝑟.

A questo punto consideriamo solo la parte senza l’errore ɛ𝑖 → 𝑥𝑖= (𝑎 ∗ 𝑖 + 𝑏) ∗ 𝑓(𝑖) Si pone 𝑦𝑖 = 𝑥𝑖 𝑓(𝑖)= (𝑎 ∗ 𝑖 + 𝑏) 𝑝𝑦è 𝑙𝑎 𝑝𝑟𝑒𝑣𝑖𝑠𝑖𝑜𝑛𝑒 𝑑𝑖 𝑦 𝑒 𝑠𝑦, 𝑚𝑦 𝑖 𝑣𝑎𝑙𝑜𝑟𝑖 𝑐𝑎𝑙𝑐𝑜𝑙𝑎𝑡𝑖 𝑐𝑜𝑛 𝑖𝑙 𝑚𝑒𝑡𝑜𝑑𝑜 𝑆𝐸𝑇. 𝑝_𝑖+1𝑦 = 𝑚_𝑖𝑦+ 𝑠_𝑖𝑦

Il calcolo di 𝑠_𝑖𝑦 è molto simile al caso SET soltanto che al posto di 𝑥𝑖 si mette 𝑦𝑖.

𝑠_𝑖𝑦 = 𝛼𝑦𝑖 + (1 − 𝛼)(𝑚𝑖−1 𝑦

+ 𝑠_𝑖−1𝑦 ) (1)

𝑚_𝑖𝑦 = 𝛽(𝑠_𝑖𝑦− 𝑠_𝑖−1𝑦 ) + (1 − 𝛽)𝑚_𝑖−1𝑦 (2)

La funzione 𝑓(𝑖) per il momento è incognita. Al posto di 𝑦𝑖 si mette la funzione 𝑥𝑖

𝑓(𝑖−𝑘𝑝𝑒𝑟) come stima di 𝑦𝑖.

𝑓(𝑖) = 𝛾 ∗𝑥𝑖

𝑦𝑖+ (1 − 𝛾) ∗ 𝑓(𝑖 − 𝑘𝑝𝑒𝑟) (3)

La previsione sarà data da :

𝒑_𝒏+𝒉 = (𝒔_𝒏+ 𝒎_𝒏∗ 𝒉) ∗ 𝒇(𝒏 − 𝒌_𝒑𝒆𝒓+ 𝒉) 𝒄𝒐𝒏 𝒉 = 𝟏, 𝟐 … 𝒌_𝒑𝒆𝒓

31 min 𝛼,𝛽,𝛾∈[0,1]∑ ɛ𝑖(𝛼, 𝛽, 𝛾) 2 𝑛 𝑖=1

E’ necessario calcolare f su un intero periodo. Di solito si sacrifica 1 o più di un periodo e su quello si trova una retta di regressione: 𝑧(𝑖) = 𝑎 ∗ 𝑖 + 𝑏 e la si usa come una stima di 𝑦𝑖. →𝑓(𝑖) =

𝑥𝑖 𝑎∗𝑖+𝑏 (𝑝𝑒𝑟 𝑖 = 1, … , 𝑘𝑝𝑒𝑟 𝑠𝑖 𝑐𝑎𝑙𝑐𝑜𝑙𝑎𝑛𝑜 𝑖 𝑣𝑎𝑙𝑜𝑟𝑖 𝑑𝑖 𝑓(𝑖)). Si pone successivamente 1. 𝑠_{𝑘𝑝𝑒𝑟} = (𝑎 ∗ 𝑘_𝑝𝑒𝑟+ 𝑏) 2. 𝑚_{𝑘𝑝𝑒𝑟} = 𝑎 .

32

4 Analisi AS-IS

Figura 14 Processo AS-IS nella funzione IILS per approvvigionamento codici

Il processo di approvvigionamento in Piaggio & C. S.p.a. tiene in considerazione:

• Piani Operativi (P.O), che rappresentano i codici veicolo da produrre. Tali Piani vengono redatti attraverso ricerche di mercato, accorpate attraverso l’utilizzo del software BPC integrato con SAP. Da un lato ci sono i Piano Operativi (P.O), dall’altro lato vengono generati gli ordini verso il fornitore (attraverso la logica MRP) sul portale Supply Relationship Management (SRM).

• I Lead Time di fornitura. L’insieme di codici materiale presi a riferimento ha un Lead Time dichiarato dal fornitore di 6 mesi a cui si aggiunge il Lead Time di trasporto. Data la visibilità dei piani operativi, di fatto Piaggio & C. S.p.a. si ritrova a non rispettare il Lead Time del fornitore. Per ovviare a ciò, IILS fornisce informazioni aggiuntive sull’approvvigionamento sulla base dell’esperienza. L’esperienza seppur consolidata, porta ad una assenza di ripetibilità e riproducibilità, che legano la bontà e robustezza della previsione all’esperienza del soggetto. Viste le problematiche relative a riproducibilità e ripetitività, è necessario avere uno strumento che sia in grado di effettuare delle previsioni.

33 La società Piaggio & C. S.p.a. ha sei mesi di visibilità dei suoi fabbisogni materiali su SAP. In basso è presente una sintetica spiegazione.

Nella Fig.15 P&C rappresenta la Piaggio.

Figura 15 Visibilità ordini lato Fornitore e lato Piaggio

I fabbisogni di Piaggio del mese di novembre 2017 possono essere soddisfatti da partenze lato fornitore nel mese di settembre 2017, in quanto la merce viene trasportata via nave da paesi asiatici ed i tempi di percorrenza medi sono intorno ai 40 gg.

Sono state fatte alcune considerazioni al riguardo:

• Se il fornitore non ha abbastanza capacità produttiva, allora è necessaria una scorta polmone che sia in grado di soddisfare le richieste Piaggio.

• Se i Lead Time tra il fornitore Piaggio ed il suo fornitore sono lunghi, Piaggio & C. S.p.a. dovrà fornire informazioni aggiuntive (sulla quantità da ordinare), in modo da ampliare l’orizzonte di visibilità delle richieste.

34

4.1 Transazioni principali per approvvigionamento SAP R/3:

1. A partire dalla quantità di veicoli da produrre, viene esplosa la distinta base, con i relativi fabbisogni di materie prime.

2. MD04 -> visibilità FABBISOGNI fino a 6 mesi a partire da oggi. E possibile visualizzare i fabbisogni, le entrate e lo stock.

3. MB51 →movimento 261-262 con le relative date, per estrapolare i consumi passati dei codici materiale

4.2 Inquadramento del problema

1. Dare al fornitore un quantitativo in termini di volumi di acquisto che vada a coprire un certo periodo e al tempo stesso dare a Piaggio un’indicazione riguardo ai fabbisogni futuri.

2. Previsioni errate sulle vendite e Integrated Inbound Logistics Service (ente che si occupa dell’approvvigionamento materie prime in Piaggio & C. S.p.a) si deve accollare modifiche agli ordini, in particolare quando ci sono degli incrementi nelle quantità.

3. Fabbisogni di materie prime soggetti a forti variabilità dovuti ai cambiamenti dei piani operativi.

• PIAGGIO HA SU SAP 6 MESI DI VISIBILITA’ PER I FABBISOGNI (in rosso) In Fig. 16 (schermata tramite transazione MD04 su SAP) è possibile notare

35 ottenuto a partire dal software BPC e a cascata dall’esplosione della distinta base.

• IL FORNITORE INVECE HA VISIBILITA’ DI 4 MESI DEGLI ORDINI SUL PORTALE SRM (in viola Fig.16). Fabbisogni Piaggio & C. S.p.a. di Aprile sono partenze da parte del fornitore di Febbraio.

Figura 16 Relazione tra partenze lato fornitore e fabbisogni lato Piaggio

Ci possono essere due casi:

• Ordini fissati per 2 mesi al fornitore, nei quali non si possono effettuare variazioni (salvo extra costi) dal terzo mese si può variare +/- 25% della quantità prevista e dal 4° mese in poi si può variare solo +/-50 %.

• Ordini fissati per 3 mesi al fornitore, nei quali non si possono effettuare variazioni (salvo extra-costi) e poi dal 4° mese +/-25% delle quantità previste e dal 5° mese +/- 50% delle quantità previste. In figura 10 siamo in questo caso qui, dove “Fine or. Fiss” indica la fine dell’orizzonte di fissazione per gli ordini verso il fornitore.

36 La pianificazione del flusso di materiali e del flusso informativo è di vitale

importanza per la società, a causa di:

o Forte stagionalità della domanda di mercato e dei piani operativi.

o Alta variabilità della domanda sul singolo codice veicolo spesso provoca cambiamenti dei piani operativi che si ripercuote a cascata sui

fabbisogni di materie prime.

o Componentistica specifica con lunghi Lead Time porta spesso a condizioni contrattuali poco flessibili.

È stata presa in considerazione la situazione attuale del processo di approvvigionamento materiali da parte di IILS, analizzando i processi attualmente utilizzati dalla funzione, chi sono le parti interessate al processo, quali sono i documenti/informazioni scambiati/e. È stato preso in considerazione l’utilizzo del software statistico R, per l’elaborazione dei dati e per ottenere informazioni aggiuntive.

Internamente è stata effettuata una analisi SWOT, strumento di pianificazione strategica, utilizzato per valutare i punti di forza (Strengths), punti di debolezza (Weaknesses), opportunità (Opportunity), minacce (Threats) di un progetto o di una impresa (Hill & Westbrook, 1997).Tale analisi è stata adattata all’ambiente Piaggio, in particolare nella funzione IILS.

37 Punti di forza

• Base di esperienza solida

Punti di debolezza

• mancanza di un modello matematico per le previsioni a medio/ lungo termine

Opportunità

• migliorare le capacità di gestire le eccezioni

Minacce

• difficoltà a gestire il cambiamento

• scarsa condivisione del know-how

Figura 18 Analisi SWOT

È stata effettuata una analisi delle 4M (Bonechi, Gionata, & Mirandola, 2009) andando a vedere quali possono essere i fattori che possono creare delle criticità all’interno dell’ambiente Piaggio, in particolare la funzione IILS viene valutata anche in base al numero di vie aeree effettuate mensilmente ed annualmente e la loro incidenza sul budget a disposizione. Questo sicuramente sarà un punto sul quale focalizzarsi per effettuare l’analisi oggetto del lavoro di tesi.

MACCHINE:

o PROBLEMA SULLA PARTENZA DELLA NAVE

o CAPACITA’ PRODUTTIVA DEL FORNITORE INFERIORE RISPETTO AI PERIODI DI PICCO

METODI

o CICLO LOGISTICO DI 6 MESI

o MODIFICA DEI PIANI OPERATIVI (P.O) MATERIALI

o LUNGHI LEAD TIME o LUNGHI TRANSIT TIME MAN (PERSONE)

38 È stata effettuata una analisi incrociata con la S.W.O.T per capire quali di questi fattori possono essere ulteriormente analizzati, in particolare per ogni singola M messa sulle righe, viene indicato se si tratta di un punto di forza, debolezza, opportunità e minaccia:

4M

S

W

O

T

MACCHINE

PROBLEMA SULLA PARTENZA DELLA NAVE X

CAPACITÀ PRODUTTIVA DEL FORNITORE INFERIORE

RISPETTO AL PERIODO DI PICCO X

METODI

CICLO LOGISTICO DI 6 MESI X

MODIFICA PIANO OPERATIVO X

MATERIALI

LUNGHI LEAD TIME X X

LUNGHI TRANSIT TIME X

MAN

ERRORE NELL'ELABORARE LE PREVISIONI X

Figura 19 Matrice incrociata 4M e S.W.O.T

39 Figura 21 Diagramma riguardante Analisi di mercato fino al Piano Operativo

PROBLEMA SULLA PARTENZA DELLA NAVE:

• La conferma della prenotazione così come l'accettazione di carico da parte del carrier anche nel caso di pagamento parziale o completo, non implica che la nave sia pronta ad imbarcare o che il veicolo sia effettivamente imbarcato. L'imbarco dipende da circostanze che possono impedire la partenza della nave e quindi dell'imbarco.

• I veicoli devono essere nei pressi della nave almeno 2 ore prima della partenza sia con documenti doganali e di imbarco pronti sia con i documenti attestanti il pagamento del nolo; in caso di ritardo dovuto a qualsiasi ragione anche non imputabile allo shipper, il capitano può impedire l'imbarco.

• Lo shipper, responsabile verso la nave e verso terzi, deve assicurarsi che la merce, contenuta nel mezzo pronto all'imbarco, sia ben stivata, legata coperta e sigillata.

• I veicoli vengono caricati seguendo le istruzioni del capitano. • Il capitano può a sua discrezione rifiutare l'imbarco ad un veicolo8

40

CAPACITA' PRODUTTIVA DEL FORNITORE INFERIORE RISPETTO AL PERIODO DI PICCO

In senso tecnico, la capacità produttiva coincide con la massima produzione ottenibile sulla base di una normale organizzazione della produzione ed una illimitata disponibilità di risorse. Il riferimento ad una organizzazione della produzione ritenuta “normale” introduce in questa definizione un ampio margine di soggettività. Sono infatti tanti e tali i fattori che agiscono nel determinare le condizioni organizzative nelle quali si svolge il processo produttivo da rendere per nulla agevole, se non impossibile, l’identificazione di parametri tecnici i quali consentano di definire in modo oggettivo i limiti all’interno dei quali tali condizioni si possano ritenere “normali”. Basti pensare, ad esempio, alle ricadute sull’organizzazione del processo produttivo che possono avere variazioni nei tempi di manutenzione o riparazione dei macchinari o nella politica di gestione delle scorte e degli approvvigionamenti. In senso economico, nel determinare la capacità produttiva si fa riferimento alla massima produzione compatibile con dei vincoli di carattere economico che vengono generalmente a coincidere con criteri di ottimalità espressi in termini di costo e\o profitto.9 _{La produzione in Piaggio presenta dei picchi nei mesi che vanno dal} mese di Marzo al mese di Luglio, mentre presenta dei cali produttivi nei mesi di Agosto quando la produzione è limitata e nel mese di Dicembre. È bene quindi che il fornitore si prepari a gestire i picchi di Piaggio in maniera tempestiva. • Il fornitore ha vincoli di capacità e quindi non riesce a soddisfare i picchi Piaggio → Allora molto probabilmente dovrà avere uno stock polmone.

• Il fornitore non ha problemi di capacità produttiva ma presenta lunghi LT con i suoi fornitori→ Allora tra Piaggio e Fornitore è necessario uno

scambio di informazioni riguardanti le previsioni di materie prime per i mesi

41 successivi. Su questo aspetto incide maggiormente la necessità di avere un periodo di visibilità più ampio per il fornitore della Piaggio & C. S.p.a.

Figura 22 Rappresentazione andamento ordini in Piaggio

CICLO LOGISTICO DI SEI MESI:

attraverso la transazione MD04 sul gestionale SAP, è possibile vedere i fabbisogni Piaggio a partire da Oggi a sei mesi. Le partenze lato fornitore devono avvenire almeno due mesi prima. Proprio per questo il fornitore ha una visibilità di quattro mesi. Questo può limitare l’organizzazione produttiva e logistica dello stesso, il quale richiede ulteriori informazioni ad IILS.

MODIFICA DEL PIANO OPERATIVO:

Il piano operativo rappresenta la quantità di veicoli da produrre in un dato lasso temporale. Una modifica a tale piano si ripercuote a cascata sugli ordini inviati al fornitore stesso. Proprio per ovviare a ciò è possibile modificare soltanto una parte degli ordini, questo a scopo cautelativo del fornitore stesso.

LUNGHI LEAD TIME:

Il lead time è quel lasso di tempo che va da quando Piaggio invia l’ordine al fornitore, a quando la merce è pronta per essere spedita. La principale criticità sta nella gestione della catena di fornitura del fornitore di primo livello e sugli scambi informativi e l’accuratezza delle informazioni stesse che si ripercuotono a cascata sul fornitore di secondo livello. Come sottolineato da Schonberger (1986) i lead time possono infatti essere contratti solo rimuovendo le cause che ne allungano ingiustificatamente l’ampiezza e questo costringe le aziende a portare alla luce le inefficienze insite nei loro processi. Blackburn (1991) afferma

42 chiaramente: “La chiave per riuscire ad operare puntando sul tempo è all’interno dell’organizzazione […]”.10

LUNGHI TRANSIT TIME:

il TT (Transit Time) definito come il tempo che intercorre da quando il fornitore consegna all’hub dello spedizioniere (data resa) a quando è disponibile in Piaggio & C. S.p.a. Di solito questo intervallo di tempo è di 40gg in media, considerando che la merce arriva via mare da mercati asiatici, come ad esempio dall’ India, Cina, Vietnam.

ERRORE NELL’ELABORARE LE PREVISIONI:

L’esperienza seppur consolidata, porta ad una assenza di ripetibilità e riproducibilità, che legano la bontà e robustezza della previsione all’esperienza del soggetto. Viste le problematiche relative a riproducibilità e ripetitività, è necessario avere uno strumento che sia in grado di effettuare delle previsioni.

43

5 Descrizione TO-BE

Figura 23 Rappresentazione TO-BE con aggiunta delle informazioni aggiuntive Rispetto alla situazione AS-IS, nel caso del TO-BE ci saranno le informazioni aggiuntive da dare ad IILS in modo tale da ordinare il quantitativo giusto al fornitore e limitare l’effetto Forrester.

Il processo previsionale consiste in tutte quelle attività che permettono di ottenere e utilizzare i dati di previsione. La fase di raccolta dati è l’input del processo di analisi ed elaborazione.

I codici presi a riferimento sono di vitale importanza per la società. Per il corretto funzionamento del veicolo è necessaria la presenza di tali codici. È quindi un componente che contribuisce in maniera determinante alle prestazioni ed alle funzionalità del prodotto; importanza strategica di acquisto. Il codice generico è costituito sempre da una parte hardware comune a tutti i tipi di codice, mentre la parte software è specifica per ciascun codice e dipende poi su quale tipo di codice veicolo deve essere inserito. L’analisi che segue, è basata principalmente su come vengono effettuate le previsioni di fabbisogno materiale in Piaggio, sia singolarmente per vedere gli andamenti di ciascun codice, sia globalmente, quindi, in maniera aggregata, in modo tale da ridurre la variabilità. Genericamente vale la seguente relazione:

44 Figura 24 Punto di disaccoppiamento

L’architettura di prodotto è stata definita da Ulrich ed Eppinger (1995) come: • La sistemazione (layout) degli elementi funzionali;

• L’applicazione degli elementi funzionali ai componenti fisici;

• La descrizione particolareggiata dell’interfacciamento tra componenti fisici.

Nella definizione data da Ulrich ed Eppinger, bisogna individuare quali sono gli elementi che costituiscono il prodotto, quali sono le componenti fisiche e le interfacce e quali relazioni sussistono tra le componenti e le funzioni svolte da esse.

L’architettura di prodotto si presenta come perfettamente modulare quando sussiste una relazione biunivoca tra funzioni e componenti del prodotto vale a dire qualora si realizzino le seguenti condizioni (Ulrich ed Eppinger, 1995):

• Ciascun componente implementa, per intero, uno o pochi elementi funzionali;

• Le interazioni tra i componenti sono ben definite e concorrono solitamente a espletare le funzioni primarie del prodotto.11

La logica utilizzata è quella di postporre alcune attività a valle, le quali potrebbero portare ad un miglioramento per quanto riguarda la spesa in termini di materie prime. La logica di approvvigionamento prima del punto di disaccoppiamento

45 (linea rossa Fig.24) sarà di tipo push, ovvero su base aggregata, in base a delle previsioni, vengono inviati gli ordini al fornitore. Dal punto di disaccoppiamento in poi si ha una logica di tipo pull, ovvero sulle richieste commerciali verrà fatta la parte software. La problematica alla base di tutto ciò è che se ipoteticamente fossero sbagliate le previsioni sul prodotto finito è possibile che sia necessario effettuare una operazione fuori linea, riguardante la rimappatura software dei codici, con aggravio di costi al plant.

5.1 Previsioni singoli codici utilizzando il metodo di Holt-Winters

I codici presi per effettuare l’analisi sono: • CM*01

• CM*02 • CM*03 • CM*04

Attraverso la transazione MD04 di SAP sono stati presi i consumi nei mesi che vanno da Gennaio 2016 a Dicembre 2017. I consumi dei mesi da Gennaio 2018 a Marzo 2018 sono consumi previsti internamente grazie al software BPC e che Piaggio utilizza per poter inviare gli ordini ai fornitori.

Per quanto concerne la pianificazione di lungo termine relativa ai materiali, questa viene attuata in termini di ordini aperti. Un ordine aperto rappresenta, per il fornitore, un impegno a fornire certi materiali, alle condizioni negoziate, ogniqualvolta il suo cliente, con la periodicità concordata, invierà un ordine per un’effettiva fornitura. Si ricorre agli ordini aperti quando si ritiene che sia necessario prenotare per tempo la capacità produttiva di un fornitore.12

Esportando i dati da SAP su Excel, è possibile costruire dei grafici sui quali poter effettuare tutte le considerazioni.

46 Figura 25 Andamento dei consumi del codice CM*03

Figura 26 Andamento dei consumi del codice CM*02 0 500 1000 1500 2000 2500 3000 3500 4000 4500 ge n n ai o feb b rai o marz o ap ri le magg io gi u gn o lu gl io ag o sto se tt emb re o tt o b re n o ve mb re d ic e mb re ge n n ai o feb b rai o marz o ap ri le magg io gi u gn o lu gl io ag o sto se tt emb re o tt o b re n o ve mb re d ic e mb re ge n n ai o feb b rai o marz o

CM*03

0 200 400 600 800 1000 1200 1400 1600 1800 ge n n ai o feb b rai o marz o ap ri le magg io gi u gn o lu gl io ag o sto se tt emb re o tt o b re n o ve mb re d ic e mb re ge n n ai o feb b rai o mar zo ap ri le magg io gi u gn o lu gl io ag o sto se tt emb re o tt o b re n o ve mb re d ic e mb re ge n n ai o feb b rai o marz o

CM*02