INTRODUZIONE- PII Pipeline Solutions
La General Electric PII – Pipeline Solutions è la Corporate leader in tutto il mondo nel settore della manutenzione e servizi per le condutture o pipeline. La corporate è costituita da più siti collocati in diverse parti del mondo: Cramlington – sede principale - (Inghilterra), Houston (Texas), Buenos Aires (Argentina), Calgary (Canada), Stutunsee (Germania), Selangon (Malesia), inoltre esistono sedi minori collocate in punto strategici.
Ciò che essa offre al mercato è una gamma di servizi relativi ai controlli delle pipeline ispezionabili con le sonde.
Globalmente la corporate produce le sonde (operazioni di assemblaggio), effettua le ispezioni delle condutture e, infine, analizza i dati stilando report da consegnare al cliente.
Le sonde prodotte sono chiamate “pig” o genericamente “tool” ed hanno il compito di rilevare eventuali danni nelle pipe. I pig sono costituiti da una struttura portante cilindrica sopra la quale vengono assemblate le altre componenti, tra cui i sensori che serviranno a rilevare le caratteristiche della conduttura.
Le sonde sono inserite nelle pipeline grazie a valvole collocate su queste ultime e sono in grado di percorrere tratti di pipeline grazie alla spinta fornita dal fluido trasportato nel condotto, oppure, se la potenza del fluido non fosse adeguatamente elevata, alcuni pig sono in grado di avanzare autonomamente. L’utilità dei pig risiede nel fatto che grazie a loro è possibile ispezionare l’interno dei condotti prevenendo o intervenendo su eventuali guasti o danni. I guasti che possono essere rilevati sono:
- deformazioni geometriche; - cricche;
- difetti di saldatura;
- altro.
Come detto, ogni pig è dotato di specifici sensori in grado di rilevare le sopradette anomalie. Non tutti i sensori, però, possono essere montati contemporaneamente su un unico pig. Ne conviene che esistono diverse tipologie di sonde, dipendenti dai sensori che troviamo su di loro.
I sensori presenti nelle sedi della General Electric - PII sono appartenenti a due grandi categorie:
• magnetici; • ad ultrasuoni.
A seconda della categoria di appartenenza, i pig vengono chiamati con nomi diversi: quelli magnetici, IMU e MFL, mentre quelli ad ultrasuoni, CALIPPER. Essi sono in grado di rilevare l’eventuale presenza di trucioli metallici nel condotto e la formazione di cricche, errori di saldatura o, in generale, le deformazioni geometriche.
In sostanza, il funzionamento dei sensori magnetici è basato sulla creazione di un campo magnetico che percorre la pipeline (trasversalmente con MFL, o assialmente con IMU) e grazie all’analisi della variazione delle linee di forza del campo creato, è possibile risalire al danno presente sulla conduttura. Mentre quelli ad ultrasuoni sono in grado di rilevare le anomalie della pipe urtando le pareti con un fascio di ultrasuoni e quindi, analizzando il fascio di ritorno, è possibile risalire alla condizione della conduttura
Comunque, anche all’interno di una stessa categoria tecnologica, le sonde vengono personalizzate in funzione delle caratteristiche della conduttura, attraverso kit specifici, chiamati option kit.
Poiché ciascun sensore permette una specifica analisi della pipeline, è necessario definire in modo opportuno la giusta combinazione di questi in maniera tale da poter ricavare il maggior numero di informazioni possibile da un’unica ispezione.
Molto frequentemente è possibile che, per una stessa conduttura, sia necessario l’utilizzo di più pig di diverse tecnologie poiché il cliente richiede un’analisi completa.
Per definire quale tipologia di pig deve essere utilizzato nell’ispezione, devono essere presi in considerazione diversi fattori. I principali sono:
- materiale della conduttura (metallo ferromangnetico, metallo non-ferromagnetico, plastico);
- prodotto trasportato;
- temperatura del prodotto trasportato; - Diametro della conduttura.
Infatti, se la conduttura è metallica ferromagnetica, essa potrà essere ispezionata con i pig MLF o IMU, viceversa, se la pipe è di materiale polimerico o metallico (non ferromagnetico) necessiterà di sensori ad ultrasuoni.
Le condutture ispezionate possono essere dedicate al trasporto di diversi tipi di prodotto, quali oli (petroli, nafte, oli non raffinati, ecc), gas (gas naturali, metano, ecc) ed acqua. A seconda del prodotto trasportato dalle pipeline, i pig sono adeguatamente attrezzati per poter effettuare nel modo migliore l’ispezione. Infatti, se il prodotto è oleoso, per sua natura creerà uno strato protettivo per i componenti, prevenendone l’usura, ma al tempo stesso saranno maggiori i depositi di residui sulle pareti della conduttura, viceversa, per un prodotto gassoso l’usura della sonda sarà accentuata (dato il maggiore attrito che si ha tra le pareti della conduttura e quelle della sonda), ma esisterà una minore quantità di depositi.
I pig sono costituiti da diversi componenti caratterizzati da differenti tassi di usura. Per questo motivo, è necessario effettuare manutenzioni molto frequentemente e sostituire alcune componenti usurate a seguito di un’ispezione, mentre altre parti non hanno bisogno di aggiustamenti. A seconda del prodotto della conduttura ispezionata, la frequenza dei ricambi dei componenti varia sensibilmente.
Inoltre, in generale, qualora la conduttura presenti una rilevante quantità di depositi, è necessario far precedere all’ispezione una fase di ripulitura della conduttura. Essa avviene con apposite sonde, dotate di flangie plastiche che hanno lo scopo di trascinare i residui stratificati sulle pareti. Tale sonde sono chiamate Cleaners e non sono dotate di particolari altamente tecnologici.
Altra caratteristica dalla quale dipende la scelta dell’esatto pig è la dimensione della conduttura. PII ha un vasto inventario di dimensioni di pig. Le dimensioni dei pig vanno da 6 pollici di diametro fino ad arrivare a 56 pollici. L’esatta dimensione dei pig deve essere scelta in funzione del diametro interno delle condutture. È necessario che i pig abbiano un diametro di 0,5 pollici maggiore rispetto al diametro della pipeline.
Sebbene tutte le sedi di PII siano in grado di fornire analisi dei dati ricavati dalle ispezioni, solo alcune sono le produttrici delle sonde. E queste ultime sono specializzate nella produzione di alcune tipologie di pig.
In particolare, lo stabilimento di Cramlington è dedicato alla produzione di pig con sensori magnetici, come Toronto e Houston, mentre Stutensee è specializzato nella costruzione di quelli ad ultrasuoni.
Le altre regioni “affittano” i pig instaurando contratti a medio/lungo termine con le case madri.
I contratti d’affitto, oltre alla definizione della durata del nolo, prevedono che l’azienda madre sia sollevata da ogni attività di manutenzione e fornitura gratuita di ricambi per tutta la durata del noleggio. Il che significa che ogni stabilimento deve avere un’officina di riparazione e un magazzino per i pezzi di ricambio.
Sebbene la gestione del pig, una volta stipulato il contratto, sia tutta in mano all’azienda richiedente, esistono vivi scambi informativi tra tutte le regioni per quel che riguarda le parti di ricambio. Infatti, alcuni pezzi di ricambio sono componenti strategiche e particolari poiché esistono solo pochissimi fornitori in tutto il mondo per tutti i siti della corporate. La gestione di queste parti è tale per cui le aziende vicine al fornitore acquistano le parti di ricambio e poi le rivendono alle diverse regioni del mondo. Per riportare un esempio emblematico di quest’operazione si può prendere in considerazione il caso di un gruppo di spares molto particolari, chiamate free issue, per le quali il sito di Cramlington rifornisce quasi tutto il mondo.
Inoltre, oltre che avere scambi informativi con e-mail, telefono e un programma di “chat” abilitato con tutti gli impiegati del mondo General Electric, la maggior
parte delle aziende della PII fa utilizzo dello stesso sistema informatico di gestione, ORACLE e eDELIVERY, sopra il quale vengono riportate le principali informazioni relative ai progetti e alla gestione. Quindi ogni regione può avere visibilità delle altre interrogando il software.
Pur essendo una corporate, ogni azienda ha la propria gestione e i propri clienti da servire, che sono stati suddivisi globalmente tra di loro.
In sostanza il cliente richiede l’ispezione della propria pipeline e ottiene come servizio l’intero processo che va dall’eventuale pulizia della conduttura prima di far passare la sonda, fino all’analisi dei dati rilevati durante le ispezioni. L’output finale del processo è il report delle analisi relative alle ispezioni delle pipeline, con la consegna del quale si ritiene chiuso un progetto.
1.1 Obiettivi dello stage:
Gli obiettivi del progetto sviluppato sono correlati al miglioramento della gestione dell’inventory. In particolare, il target principale è stato:
• trovare un metodo che permettesse di prevedere le quantità di parti di ricambio da acquistare (nell’arco temporale annuale e nel breve termine), riuscendo a collegare i sistemi di previsione interna con la gestione delle giacenze, in maniera tale da migliorare la condizione del magazzino e in generale di tutta l’azienda. Riducendo quindi gli stock out e aumentando il livello di servizio, ma al tempo stesso cercando di limitare i costi di gestione e di magazzino.
Oltre a questo macro obiettivo, sono stati fissati altri sub obiettivi, a seguito di una analisi delle criticità del sistema.
Infatti, il motivo per cui l’azienda aveva deciso di inoltrarsi in questo progetto era la necessità di risolvere alcuni punti critici del sistema, quali:
• Alto livello di magazzino: dovuto a due fattori principali:
a) la scorta di sicurezza, necessaria per sopperire richieste dell’ultimo minuto e in generale per avere a magazzino prodotti con lunghi lead time;
b) il problema delle parti di ricambio inutilizzate durante le ispezioni e che fanno rientro a magazzino alla chiusura del progetto. Infatti, come si spiegherà meglio in seguito, molto spesso la maggior parte delle spares mandate con il pig per effettuare una ispezione rimangono inutilizzate. È possibile immaginare il livello del magazzino quando uno o più progetti sono conclusi.
• Mancanza di visibilità di ciò che accadeva in field: cioè mancava un sistema di monitoraggio delle parti utilizzate e di quelle invece rispedite in azienda, come pure le informazioni sulla condizione dei tool dopo aver eseguito l’ispezione. Il che comporta, non solo un dispendio monetario (dovuto per esempio a parti a magazzino in esubero, ma anche un dispendio temporale dovuto all’aggiornamento, effettuato manualmente, del software di inventory per registrare le spares che facevano rientro. • Mancanza di modelli definiti per la previsione delle spares: infatti, a
meno delle quantità di acquisto minimo e massimo, ricavate dal sistema a livello di riordino (che definiscono il massimo livello da tenere a magazzino e il livello minimo oltre al quale deve essere lanciato un ordine) il magazzino era carente di qualsiasi forma di modello previsionale, se non l’esperienza degli impiegati.
• Nonostante la presenza dei return (le spares che rientrano da infield) che mantengono alto il livello dell’inventory, i tool erano “bloccati” a causa della mancanza di spares. Chiaramente ciò si spiega col fatto che ciò che rientra a magazzino, in generale sono componenti che non si usurano in fretta (da qui il loro rientro) mentre il magazzino deve riordinare le parti ad alto utilizzo.
• Ridotto lasso temporale lasciato all’inventory tra la data di notifica di bisogno delle parti (“Request date”) e la data di bisogno effettivo delle parti a magazzino (“Need by date”), che comportava la necessità di un più alto livello di magazzino. Infatti molto spesso tale periodo era molto più breve di qualsiasi lead time di approvvigionamento, a addirittura, talvolta la data di “request by” e la “need by” coincidevano.
Era dunque necessario analizzare più nel dettaglio i processi e le informazioni presenti per definire un metodo, o più metodi, e in generale una via per snellire e migliorare il processo di acquisti e la condizione dell’inventory. Partendo da questo obiettivo generale, i sotto obiettivi fissati (più specifici e dettagliati in funzione delle criticità sopra elencate), sono stati:
• Migliorare la disponibilità dello stock: in ottica di poter rispondere prontamente alle richieste di spares, cercando però di non appesantire il magazzino. Quindi, trovare un sistema per definire l’importanza delle spares in ottica dell’utilizzo, del costo e dei lead time.
• Ottimizzare il turn stock rate, cioè il tasso di rotazione del materiale: in ottica di ridurre problemi di obsolescenza e, in generale, per avere una gestione più efficiente del magazzino. Infatti, se il “turn stock rate” viene aumentato (fino ad un livello ragionevole), significa che le parti rimangono a magazzino per un tempo limitato e quindi che il sistema di acquisto delle spares è corretto.
• Mantenere lo stesso livello di sicurezza per lo stock: infatti, sebbene da un lato ci fosse la ricerca di ridurre il livello di inventory, dall’altro era obbligatorio non intaccare la sua affidabilità. Tale condizione poteva essere raggiunta riuscendo a diminuire il numero di item non ad alto utilizzo, oppure riducendo il numero dei return, potendo così incrementare il numero di spares ad alto utilizzo o in generale critiche. • Migliorare la disponibilità istantanea delle parti di ricambio: al fine di
sopperire al problema del ridotto lasso temporale tra “Request by date” e “Need by date” e per evitare di “bloccare” i tool. Tale obiettivo è in realtà una conseguenza dei precedenti.
• Ottimizzare lo scambio informativo tra sede e in field: così facendo sarebbe stato possibile riuscire a ridurre il livello di magazzino grazie alla conoscenza anticipata delle spares che fanno rientro in azienda, e quindi dare la possibilità all’inventory di allocare le risorse su altri articoli.
• Infine, dare la possibilità all’inventory di essere informato con maggiore anticipo su ciò che gli sarà richiesto per i progetti futuri. In altre parole, aumentare la visibilità e lo scambio informativo.
In generale una volta eseguiti i target sopraesposti, i maggiori miglioramenti attesi sarebbero:
• Visibilità sui progetti pianificati (ottenuti dai software utilizzati dagli scheduler) in modo da avere una base per la definizione degli ordini futuri.
• Avere un modello (o dei modelli) generale per la gestione dell’inventory e/o per ottenere previsioni sugli acquisti, basato sui sistemi di previsione presenti.
• Avere parti di ricambio disponibili al momento della richiesta. • Avere visibilità delle quantità delle spares e delle loro richieste.
1.2 Processo di esecuzione di un progetto
Per facilitare la comprensione delle azioni intraprese e delle decisioni effettuate durante lo svolgimento del progetto si ritiene necessario, in questa fase, presentare il processo principale sopra il quale si sviluppa un servizio di ispezione. Esso ha inizio dalla stesura del contratto col cliente e termina con la consegna del report. Nel sito di Cramlington tale processo è chiamato “Magnescan & transcan PM process”.
H A N D O V E R K IC K O F F M E E T IN G P L A N N IN G A LL O C A T IO N P R E P A R A T IO N P A C K IN G S H IP P IN G M O B IN -F IE L D D A T A A N A L Y S IS E Q U IP M E N T A C C E P T A N C E F IN A N C E F IN A N C E P R O JE C T M IL E S T O N E S P R O J E C T M IL E S T O N E S C O M P L E T IO N R E P O R T S H IP P IN G D E M O B
Come si è visto, l’input dell’intero processo è la richiesta del cliente. Poichè il servizio offerto dalla corporate è molto specifico, la maggior parte dei clienti definisce contratti con l’azienda.
Qualora il cliente fosse nuovo, è necessario stipulare un contratto con esso prima di procedere oltre nel processo.
La prima fase, “Handover”, è relativa alla stipulazione del contratto con il cliente e coinvolge l’ufficio vendite (sales) dell’azienda: vengono stretti gli accordi col cliente e viene effettuato un survey della pipe che sarà sottoposta ad ispezione.
Da tale survey verranno ricavate informazioni relative alla conduttura che sarà sottoposta ad ispezione. In particolare sono ricercate le informazioni relative alle dimensioni del diametro, prodotto trasportato e materiale del condotto, nonché le caratteristiche della conduttura che richiederanno particolari tipologie di sensori e attrezzature in generale.
Dopo che il contratto è stato accordato, la fase successiva è il “Kick off
meeting”, la riunione attraverso la quale avviene il lancio del nuovo progetto. In
essa vengono definite le tempistiche del progetto, come ad esempio: data di mobilitazione della sonda dalla sede, data di inizio ispezione, fine ispezione e quindi demobilizzazione e rientro del pig in azienda.
Alla fine del Kick off Meeting (KOM) sono anche disponibili alcune delle informazioni necessarie per il rifornimento delle spares generiche, ma non per le spares speciali (option kit).
Infatti la definizione degli option kit, cioè di quelle parti rese necessarie per customizzare la sonda in funzione della conduttura da analizzare, è effettuata durante la fase successiva, “planning”, dove viene effettuato il cosiddetto “Vehicle Built”. In tale fase vengono analizzate le informazioni fornite dal survey relativamente alle caratteristiche della conduttura, e quindi in base all’analisi saranno definite tutte le componenti che la sonda deve avere per effettuare l’ispezione. Perciò, per avere una visione di insieme di ciò che il cliente richiede, il project manager fissa una riunione per il rewiew completo delle esigenze del cliente.
Grazie alle informazioni ottenute dalle fasi precedenti, vengono definite le fasi e le tempistiche da seguire per il determinato progetto. Questo piano viene chiamato “project plan”. Per farlo è necessario tenere in considerazione tutti i progetti, fino a quel momento presenti, che possono interferire con il nuovo. È quindi necessario verificare la disponibilità delle risorse presenti in azienda, dove con risorse si intendono sia quelle tecniche, materiali e umane.
Il problema più importante è quello di capire le giuste quantità di parti di ricambio, o comunque item utilizzati nella preparazione della sonda, di cui rifornirsi. La difficoltà deriva dal fatto che è necessario trovare il giusto compromesso tra item da tenere a scorta (con gli evidenti costi di magazzino associati) e rischio che l’azienda è disposta a correre (considerando quindi diversi fattori come: penali per il mancato rispetto del contratto come quelle di carattere psicologico e di immagine dell’azienda agli occhi del cliente).
A questo punto sarà consultato il Magazzino, attraverso un Project Spares Request (PSR) per la richiesta delle spares. Se esse sono già presenti, vengono fornite immediatamente altrimenti è necessario inoltrare una domanda d’acquisto al fornitore.
Successivamente, si preparano i materiali da utilizzare per completare l’equipment che verrà spedito in field. In sostanza in questa fase si apportano
modifiche e manutenzioni ai pigs già esistenti, o nell’eventualità di introduzione di nuove tecnologie, si produce un nuovo tool. In questa fase è possibile che il personale si accorga della mancanza di qualche componente a magazzino, da ciò ne deriva l’emissione di un ordine definito “last minute”.
Dopodichè, ultimate le fasi precedenti, si passa al “packaging” dove la sonda viene adeguatamente imballata per essere trasportata fino alla regione nella quale si trova la pipeline da analizzare.
Inizia quindi la fase di “shipment mobilizzation”, che in sostanza consiste nel trasporto del pig fino ad in field.
Durante la fase “In field” vengono fatte riunioni coi clienti e preparato tutto il necessario per effettuare l’ispezione. Se necessario, e cioè se la conduttura è risultata essere sporca dal survey iniziale, prima di inserire il pig per effettuare le rilevazioni, viene pulita la pipe grazie ad un “cleaner”. Come precedentemente accennato, essi sono delle sonde dotate di spazzole e di flange di materiale polimerico ed hanno il compito di pulire le superfici interne della conduttura. Le pipe che richiedono questa fase sono per la maggior parte condutture dedicate a oli. Infatti il fluido col passare del tempo crea uno strato di residui attorno alle pareti interne e tali depositi impedirebbero di effettuare una analisi efficace. Quindi viene eseguita l’ispezione che varierà di durata a seconda della lunghezza della pipe. Durante tutta l’ispezione i sensori montati sopra i pig rilevano i dati sullo stato della conduttura. I sensori sono diversi a seconda dela tecnologia del tool. Per portare un esempio, nei pig MFL tali sensori, chiamati anche fingers, sono degli elementi semimobili tali da mantenere sempre il contatto con le pareti della conduttura anche qualora esistano delle discontinuità, e quindi rilevano continuamente i dati.
Terminate l’ispezione e le ultime riunioni coi clienti, inizia la fase di Demobilization che consiste nell’imballare la sonda per renderla idonea al trasporto. Quindi avverrà la fase di “shipment demob” nel quale la sonda è trasportata fino al magazzino aziendale, dove verrà effettuato un controllo sulla merce in ingresso e aggiornato il sistema informativo(“equipment
Nel frattempo i dati ricavati dall’ispezione vengono analizzati dagli analisti ed ingegneri (“Data Analisys”) che stileranno un report con le conclusioni sullo stato della conduttura. Quindi, avverrà la consegna del report finale al cliente. Una volta consegnato il report il progetto viene ritenuto chiuso.
In realtà, dal momento che il cliente è interessato esclusivamente al report finale e cioè, ciò che acquista non è la sonda ma solo il servizio, esso non è tiene in considerazione lo o stato del pig che verrà utilizzato. Per questo motivo lo stesso pig viene utilizzato per più ispezioni.
I pig possono raggiungere il punto dove è stata richiesta l’ispezione in due modi differenti:
-in field; - by site.
Il primo consiste nel fatto che il pig viene portato alla sezione di pipeline da ispezionare direttamente dal sito della precedente ispezione. In sostanza il pig viene utilizzato per due volte consecutive, senza far ritorno alla sede.
L’altra possibilità è invece quella di trasportare il pig dal magazzino della azienda fino alla pipeline da ispezionare, come quanto citato precedentemente. Durante una ispezione esistono dei componenti con alta probabilità di guastarsi o comunque usurarsi molto. Quando il pig parte by site esso sarà stato controllato direttamente nell’officina aziendale. In questo caso si hanno a disposizione tutte le parti di ricambio necessarie per riportare il pig allo stato di ‘perfettamente funzionante’. Qualora il pig sia trasferito da una località ad un’altra, opzione in-field, invece, il funzionamento del pig verrà analizzato valutando la capacità di rilevare informazioni dei sensori direttamente in field. In generale l’equipe addetta alle ispezioni è sempre dotata di parti di ricambio dei componenti critici, in modo tale da rendere possibile le riparazioni anche off-shore.
Nel caso in cui avvengano danni o problemi anomali in field, che l’equipe esterna non è in grado di risolvere, essa entra in contatto con gli ingegneri in azienda. Questi ultimi cercheranno di trovare la soluzione dei problemi in
funzione delle informazioni fornite dall’equipe. Se anche telefonicamente non è possibile raggiungere alcuna soluzione, è necessario mandare un esperto in field.
Nello svolgimento del progetto sono state evidenziate alcune non rispondenze rispetto a quanto definito nel processo. Esse, come verrà spiegato dettagliatamente in seguito, hanno comportato notevoli disagi al buon funzionamento dell’intero sistema.
Preparazione del materiale
Il magazzino aziendale, in generale, è definito da tutti “un male inevitabile”. Infatti è una attività che non apporta valore aggiunto al business ma l’azienda non può farne a meno per mantenere un adeguato livello di servizio offerto. Per questo motivo, non è possibile pensare di eliminarlo, in quanto necessario per il buon funzionamento di una azienda, ma al tempo stesso ciò che ognuno tende a fare è la gestione ottimizzata del processo, cercando di ridurre, o comunque appunto di ottimizzare, il livello di scorta. Per farlo è necessario capire da cosa sono generati i malfunzionamenti o l’apporto di difficoltà al sistema e, una volta individuati, bisogna agire in maniera tale da snellire il processo e cercare di ridurre i costi e in generale rendere più efficiente il sistema [1].
La prima cosa effettuata come base di partenza per il progetto è stata quella di analizzare la situazione presente, lo “status quo ante”, per poter comprendere la dinamica delle varie attività, capire i fattori che generavano problemi e quindi su che cosa era possibile intervenire attuando azioni correttive per migliorare il sistema.
2.1 Status quo ante
L’inventory era chiamato a gestire tutte le componenti che concorrevano alla creazione delle sonde. Se si considerano la vasta gamma di diametri e il fatto che molti item sono specifici per ciascun diametro (prendendo a riferimento solo la sede di Cramlington, specializzata nella produzione delle sonde magnetiche le dimensioni dei pig vanno da 6 pollici fino a 56 pollici), si capisce come il numero di tipologie di parti da tenere a scorta sia elevato e di conseguenza quanto sia oneroso dal punto di vista delle voci di costo del magazzino.
In azienda, il metodo utilizzato per la previsione degli acquisti delle parti di ricambio da tenere a magazzino era basato sul modello di definizione delle
quantità attraverso i valori di min/max (ottenuti dal sistema a Livello di Riordino).
Cioè erano stati definiti i valori massimi e minimi da tenere a magazzino per alcuni item.
Il valore massimo corrispondeva al massimo numero di item da tenere a magazzino, invece il minimo corrisponde al livello raggiunto il quale era necessario inviare un ordine di acquisto. Teoricamente questo poteva essere già un buon metodo per la gestione degli acquisti ma in realtà tali valori dovevano essere continuamente aggiornati in funzione delle necessità future e delle quantità di materiale ancora a scorta (e quindi in funzione degli utilizzi passati). Come conseguenza, la situazione dell’Inventory era critica. Infatti il tempo necessario per aggiornare i valori di min max era notevole e fatto esclusivamente utilizzando l’esperienza e il buon senso. Non era presente alcun documento, procedura o formula da seguire per definire i nuovi valori di soglia. Per questo motivo, poteva accadere che alcuni item fossero sovrabbondanti mentre altri carenti. La situazione era ulteriormente aggravata dal problema di ordini di materiale con pochissimo anticipo rispetto alla data in cui tali item erano necessari (preavviso molto inferiore rispetto ai lead time dei prodotti).
Inoltre, poiché l’introduzione di nuovi prodotti era molto frequente, ad essi non veniva subito associato un valore di min max, cosa che comportava dover ordinare materiale senza avere nemmeno una linea guida su cui basarsi.
Si è visto che l’Inventory iniziava a prendere parte di un progetto solamente dopo l’esecuzione del kick off meeting. Infatti è solo dopo questa data che il project manager definisce le parti di ricambio e tutto il necessario per il progetto e inoltra le richieste all’inventory.
In azienda era presente il classico conflitto tra le diverse funzioni. Mentre i PM tendevano alla riduzione del rischio dei progetti, richiedendo per ognuno di esso molti più item di quelli realmente necessari, l’Inventory si ritrovava a gestire un numero elevato di componenti con costi di magazzino e rischi di obsolescenza molto alti.
Effettivamente analizzando i report dell’inventory era evidente che molti dei componenti acquistati per i progetti erano inutilizzati. Questi, rientrando a magazzino, con il nome di “Return”, venivano aggiunti alle quantità già presenti, il che significa che per ogni progetto concluso, dopo che il tool e le sue spares avevano fatto rientro, si aveva un aumento delle quantità a magazzino.
Altra aggravante a tale situazione era che, quando un tool faceva rientro in azienda insieme al suo support kit (cioè le parti di ricambio), esso non veniva tempestivamente analizzato dal work shop per capire se erano necessarie azioni di manutenzione, e per quel che riguarda spares, anch’esse non venivano subito esaminate, di conseguenza l’inventario non veniva aggiornato su ciò che effettivamente era presente. Poiché non era definito cosa aveva fatto rientro a magazzino era possibile inoltrare ordini d’acquisto per materiali effettivamente già presenti.
Inoltre, come detto, le sonde sono usate più volte per diverse ispezioni e per questo motivo richiedono continui interventi di manutenzione e spesso alcuni componenti critici devono essere completamente sostituiti.
Spesso accadeva che, sebbene un tool avesse fatto rientro alla base e il suo futuro impiego fosse già stato pianificato, esso non veniva analizzato dal workshop fino a poche settimane prima della data di “mobilization”. Quindi, se dal controllo fosse risultato necessario cambiare alcune parti, ormai il tempo a disposizione per il rifornimento era molto limitato (spesso inferiore ai lead time) e quindi ancora una volta il magazzino era tenuto a mantenere scorte adeguate.
Questa situazione critica può essere collegata alla mancanza di visibilità e di scambi informativi tra in field e l’azienda per quel che riguardava le quantità che facevano rientro a magazzino, mentre tra Inventory e pianificazione dei progetti per quel che riguarda le tempistiche.
Infine, relativamente al sito del Regno Unito esso è tenuto a fornire parti di ricambio non solo per i progetti di cui Cramlington è l’esecutore, ma anche per altre regioni del mondo che non hanno fornitori vicini in grado di produrre determinati componenti. Come per i propri progetti, anche per le richieste delle
altre aziende i tempi di risposta richiesti al magazzino erano molto ridotti. Il problema principale che penalizzava molto la gestione dell’inventory era la presenza di item con lead time molto elevati (alcuni anche oltre le 80 settimane), critici e costosi che però era necessario tenere a magazzino per poter rispondere prontamente alle richieste di materiale per i progetti, sebbene non fosse certo il loro utilizzo.
Particolare attenzione deve essere dedicata ad una categoria di item cosiddetti “free issue”. Tali articoli sono parti di ricambio molto costose, specifiche, con lunghi lead time, per le quali l’azienda si riforniva da un numero molto limitato di fornitori, unici nel settore. Queste parti a loro volta potevano essere costituite da diversi componenti, anch’essi critici dal punto di vista del lead time e del costo.
Per i free issue l’azienda adottava un diverso sistema di gestione rispetto agli altri item. Infatti essa acquistava dal fornitore i vari componenti e li manteneva a stock. Al momento della richiesta di un articolo (per esempio attraverso una richiesta elettronica, PSR) l’azienda rispediva i diversi componenti al fornitore, il quale li assemblava e quindi spediva l’articolo assemblato nuovamente all’azienda.
Tale processo richiedeva un dispendio di risorse (temporali e monetarie) notevole. La scelta di questo sistema dipendeva da diversi fattori. In primo luogo il fornitore non voleva tenere a scorta del materiale con una domanda né definita né prevedibile, quindi l’azienda per garantire la costante presenza a magazzino di questi elementi ha definito un accordo con i fornitori in cui la PII si impegnava a tenere a scorta i materiali e il fornitore garantiva un prezzo scontato. Altro motivo di questa scelta risedeva nel fatto che i materiali hanno un lungo lead time, per alcuni anche tre mesi, e quindi l’azienda non poteva aspettare un periodo tanto lungo per avere un articolo pronto. Mantenendo la scorta infatti i tempi che intercorrono tra la domanda dell’articolo e avere l’articolo pronto si riducevano notevolmente. Infine, poiché i free issue sono elementi strategici la corporate voleva mantenere il controllo su di essi, cosa
che non avrebbe avuto se fosse stato il fornitore a gestire le proprie scorte a magazzino.
Il problema dei free issue era presente nella sede di Cramlington, ma anche in altre regioni (i.e. Stutensee). Essi erano chiamati a tenere a stock le quantità necessarie per sé e per tutti gli altri siti, poiché la maggior parte dei fornitori era situata nelle zone limitrofe alle due.
Sebbene la scelta del sistema fosse basata sulla convenienza relativa al prezzo scontato offerto dal fornitore, non erano però analizzati i costi relativi alla gestione del magazzino (spazio occupato, movimentazione, costo della manodopera), i capitali investiti, e il costo di trasporto dei materiali dalla PII al fornitore e quindi dal fornitore all’azienda.
Ancora relativamente ai free issue, come tutti gli altri item, non esisteva un metodo per prevedere le necessità future. Infine, non esistevano documenti che definissero chiaramente quali fossero i free issue.
Il problema di fondo era la mancanza di un processo ben definito per il lancio degli ordini per ciascun progetto. Infatti, come detto, il project manager lanciava l’ordine di acquisto non tenendo in considerazione i componenti già presenti a magazzino e in ogni modo le quantità erano molto maggiorate per evitare rischi. Il manager dell’inventory quindi doveva analizzare le richieste del PM e i valori di min max presenti e, in base all’esperienza, doveva modificare gli ordini per evitare costi inutili al magazzino.
Infine, il fatto di gestire i dati solamente in base all’esperienza non assicurava di ottimizzare le risorse ed era soggetto ad errori di giudizio essendo un metodo troppo soggettivo.
Il motivo di tanta insicurezza e mancanza di procedure era dovuto al fatto che non era sempre possibile sapere con un anticipo sufficiente quali componenti fossero necessari per l’esecuzione di un progetto. Infatti, sebbene esistesse una pianificazione a medio lungo termine dei progetti, molto frequentemente arrivavano richieste di sonde o componenti di esse con preavvisi anche solo di un giorno, o viceversa dei progetti venivano persi o rinviati. Inoltre, la gestione delle giacenze era scollegata dal sistema di previsione /pianificazione dei nuovi
progetti. Ciò rendeva necessaria la presenza a magazzino di una certa quantità di item di diverso tipo.
La conseguenza di tutte le problematiche sollevate era una forte incidenza sui costi di magazzino dovuti alle operazioni di inventario, movimentazione, rischio di obsolescenza e/o di stock out.
2.2 Reperimento iniziale dei dati
Il progetto si è presentato fin da subito molto articolato e complesso. Infatti si necessitava di ricavare le informazioni da tutti i siti della corporate e molto spesso non era certo che tali dati esistessero già. Di fatto ciò ha comportato ritardi e attese nella tabella di marcia.
Per quanto riguarda il sito di Cramlington alcuni dati sono stati facilmente ottenuti, mentre gli altri hanno richiesto un tempo maggiore.
La baseline del progetto è stata proprio quella di riuscire a recuperare tutte le informazioni dai diversi siti. Le informazioni inizialmente richieste sono state:
- part code e descrizione dell’item;
- quantità richieste in un anno (al netto dei ritorni, transaction quantity); - costo unitario dell’item (item cost);
- costo totale di acquisto item (transaction cost);
- valori di giacenza minima e massima ricavati dai modelli previsionali preesistenti (min max);
- lead time di ogni componente.
Mentre alcune di queste informazioni sono state date in un tempo accettabile, altre, non sono state rese note fino a oltre la metà della durata del progetto. Particolare è il caso dei lead time degli articoli che non sono mai stati forniti. In seguito si è cercato di ricavare informazioni necessarie alla classificazione degli item. Questo dato si è dimostrato indispensabile in quanto ha permesso di spostare ad un livello superiore lo studio. In altre parole, invece di soffermarsi a studiare le quantità item per item, cosa che avrebbe richiesto l’analisidi più di 9000 linee di item, con la classificazione si è potuto invece di spostare lo studio
ad un numero notevolmente inferiore. Inizialmente la classificazione è stata basata su 4 tipologie principali, quali:
• Wear; • Strategici; • Elettronici; • No inventory.
I componenti cosiddetti “wear”, sono tenuti a magazzino regolarmente e per la maggior parte dei quali sono presenti i livelli di max/min.
Gli item definiti “strategici” sono i componenti per i quali l’azienda assicura la loro presenza nell’arco di 48 ore qualora si dovesse verificare un guasto in field. Comunque, nonostante l’impegno dell’azienda verso i clienti, tali item sono tenuti a stock in quantità minore rispetto al numero totale di progetti work in progress. Il perchè di questa scelta sta nel fatto che tali componenti hanno una probabilità di guasto non molto alta e quindi l’azienda ritiene basso il rischio di non rispettare il patto col cliente.
I “no inventory” sono quei componenti che non vengono tenuti regolarmente a magazzino, poiché utilizzati raramente, ma che vengono ordinati solamente quando sono necessari.
Infine quelli definiti “elettronici” sono componenti con parti elettroniche (i sensori) che rilevano le informazioni durante l’ispezione. Essi sono i più problematici per quel che riguarda la schedulazione in quanto richiedono molto tempo nella loro preparazione e di conseguenza devono arrivare in azienda in tempo sufficiente.
Nel corso del progetto questa classificazione e una sua ulteriore scomposizione in tipologie più specifiche è stata utilizzata per cercare di ottenere informazioni relative ai lead time, lavoro che però si è dimostrato sempre inutile a causa della mancanza di informazioni.
Comunque il fatto di aver etichettato i diversi componenti con la loro tipologia è stato utile nello svolgimento del progetto, come verrà spiegato in seguito.
Tutte le informazioni ricercate sono state necessarie per la definizione degli item utilizzati dall’azienda, in modo da presentarli attraverso un codice e una
descrizione del componente, le quantità richieste durante l’anno 2005 e, se presenti, i valori di scorta minima e massima ottenuti dal modello di gestione presente. Inoltre, questa azione ha permesso di avere a disposizione notevoli informazioni per analisi e rielaborazioni.
Gli item sono stati ricavati dalle distinte base aziendali. Nel caso di Cramlington, attraverso il software Oracle, utilizzato in azienda. L’operazione è stata abbastanza laboriosa, in quanto in azienda non era presente alcun catalogo degli item presenti sulle distinte base. Per questo motivo è stato necessario estrapolare una ad una le distinte base di ogni singolo tool interrogando il sistema e quindi riportando i dati in un unico foglio di excel. L’inventory di Cramlington è suddiviso in due macro categorie. La prima, è relativa a tutti i componenti che possono andare a fare parte degli option kit e seguire il tool in field, e tali articoli vengono definiti On BOM.
L’altra macro categoria di item invece è definita Not on BOM, sono tutti gli altri componenti che formano il tool.
Mentre per gli item On BOM erano presenti alcuni file con loro informazioni specifiche, poiché essi vengono richiesti molto frequentemente per la creazione degli option kit dei progetti, ciò non era vero per gli item Not On BOM. Quindi, nell’arco della durata del progetto si è cercato di recuperare più informazioni possibili anche su questa categoria di articoli. In effetti, essi comparivano in alcuni file riportanti tutte le transazioni avvenute a livello di magazzino l’anno passato, ma ciò non è stato ritenuto sufficiente poiché non c’era la certezza che fossero presenti tutti gli articoli. Gli studi effettuati sulle due categorie di articoli sono largamente ripresi nel corso della tesi.
Dai file relativi alle transazioni di magazzino è stato inoltre possibile recuperare dati relativi alle quantità acquistate negli anni precedenti (avendo a disposizione dati storici dal 2005 fino al 2002). Inoltre, è stato possibile ottenere le informazioni relative alle spares richieste per i progetti, classificate con “project issue”, quelle ritornate alla chiusura di un progetto “project return”, ma anche quelle spares che sono state trasportate da una regione ad un’altra come rifornimenti per i magazzini (intransit shipment). Tali informazioni sono
state più volte utilizzate nella rielaborazione dei dati durante la stesura del progetto.
I dati sono stati inseriti in fogli di excel come quello riportato nella figura 2.2.1.
Figura 2.2.1
I valori di min max invece sono stati ricavati da altri file relativi specificamente a tale soggetto.
Problema a parte è stato quello del reperimento dei lead time. Infatti anche se sul software aziendale erano presenti dei valori, essi non erano aggiornati, quindi non erano validi. Per questo motivo è stato necessario richiedere dati aggiornati in Nord America. Insieme alle informazioni dei lead time di ogni singolo item, è stato richiesto di fornire il numero di ordini piazzati in un anno e, se esistente, la quantità di riordino minima (cioè il minimo lotto che il fornitore è disposto a vendere) per ogni item, in quanto ritenute informazioni essenziali per gli studi futuri. Dopo una lunga attesa (che si è prolungata fino a più della metà
del progetto), purtroppo, non è stato possibile ottenere dei valori di lead time veritieri, nonostante si sia anche cercato di risalire ad un livello più alto utilizzando la classificazione dei componenti, arrivando pure a provare a lavorare con lead time approssimativi.
Il primo problema riscontrato già in questa fase iniziale è stato proprio quello delle lunghe attese per il reperimento dei dati. Infatti, se per i dati che erano rintracciabili attraverso i software gestionali oppure direttamente presenti nella sede di Cramlington tale azione è stata abbastanza veloce, per quel che riguarda i dati richiesti al Nord America, è stato necessario attendere per diversi mesi per entrarne in possesso. E nonostante l’attesa i dati ottenuti erano incompleti e generali. Fatto che ha rallentato molto l’esecuzione del progetto. In questa prima fase, sebbene il progetto avesse un raggio d’azione globale, l’attività si è concentrata principalmente sul sito di Cramlington, dove era possibile disporre di un più ampio range di dati e informazioni e i tempi di reperimento erano meno lunghi. Comunque, nel frattempo è stato richiesto agli altri siti aziendali di costruire file con tutte le informazioni elencate precedentemente in modo tale da averle a disposizione nel momento del bisogno.
Infine, effettivamente l’attività di raccolta dei dati si è sviluppata e ha continuato a crescere insieme al progetto, ogni qual volta che sorgevano nuovi bisogni, come sarà citato in seguito.
Studio delle serie storiche: previsione del medio termine
Ogni azienda ritiene necessario effettuare una previsione dell’andamento della domanda futura: per prevedere prospettive future nel mercato in generale, e in particolare per prevedere quali componenti saranno richiesti dal mercato nel breve o nel medio lungo termine. E’ necessario specificare le tre dimensioni temporali:
• Lungo termine: tali previsioni sono di carattere generale/strategico. Sono ottenute sviluppando analisi di mercato e di settore, per evidenziare trend e andamenti futuri del business e per scoprire cambiamenti di scenari o settori/ opportunità di mercato da sviluppare.
• Medio termine: esso interessa più l’aspetto produttivo/gestionale che quello strategico. Avere una previsione della domanda futura precisa e affidabile, dà all’azienda un più forte potere contrattuale con i fornitori, ottenendo quindi vantaggi economici o in ogni modo consente di posizionarsi in una situazione di superiorità. Per esempio definendo all’inizio di un anno economico il volume di parti di cui si necessiterà in un arco temporale, può permettere di definire contratti a medio/lungo termine con i fornitori. Inoltre, in generale prevedere il medio termine può servire a fare una stima dei capitali che dovranno essere investiti nell’acquisto dei materiali, avendo perciò la possibilità di effettuare anche controlli a consuntivo ed evidenziare gli eventuali scostamenti per capire quali sono state le entità che hanno assorbito più risorse del previsto o viceversa, quelle che ne hanno assorbite di meno. Quindi valutare miglioramenti o peggioramenti nella gestione.
• Breve termine: prevedere la domanda a breve termine ha lo scopo di definire le quantità e le tempistiche di prodotti da creare e di conseguenza è possibile ricavare le quantità di semilavorati, risorse materiali, che saranno utilizzate durante la produzione. Nonché la previsione permette di schedulare l’acquisto del materiale in maniera da
eliminare il rischio di stock out ma al tempo stesso mantenere un livello relativamente basso del magazzino. In generale, poter prevedere la domanda a breve termine dovrebbe far sì di rispondere prontamente alle richieste del cliente (sia esso inteso come cliente finale o come cliente interno, cioè funzioni aziendali a valle del magazzino o della produzione) incrementando così la customer satisfaction e la fedeltà alla compagnia. La gestione delle scorte a magazzino è una fase molto delicata per ogni azienda in quanto in funzione delle quantità stoccate l’azienda avrà un livello di servizio buono o pessimo.
La domanda può essere indipendente o dipendente a seconda del componente preso in considerazione:
• La domanda indipendente di un item è influenzata dalle condizioni del mercato e non è collegata alle decisioni di produzione relative a qualsiasi altro item presente a stock. In questo caso, gli unici prodotti con domanda indipendente sono i tool completi.
• La domanda dipendente per un item deriva dalle decisioni di produzione per i suoi item “genitori”, cioè quegli item ad un livello superiore nella distinta base, composti da un numero maggiore di componenti. In questo caso a risentire della domanda dipendente sono tutti gli item che devono essere assemblati sui tool.
La domanda indipendente può essere solo stimata, comunque, sebbene sia soggetta a fluttuazioni relative alle influenze “random” del mercato, in generale presenta un andamento continuo e definibile, ottenibile attraverso studi statistici dei dati storici e analisi di mercato.
In realtà, nel caso in questione, sebbene sia presente un piano di previsione dei tool che verranno utilizzati, essi possono essere considerati affidabili solamente nell’arco di pochi mesi.
La domanda dipendente, in teoria, una volta nota quella indipendente e i piani di produzione relativi, potrebbe essere prevista. In generale, infatti, per questo tipo di domanda vengono applicati metodo come MRP [2].
Purtroppo, riferendoci al caso PII, a prescindere da problemi tecnici visti in precedenza (vehicle building creato ad hoc per ogni conduttura, che comporta assemblaggi e item diversi volta per volta) esiste anche il grande problema dei Return, essendo una azienda di servizi, che va contro la teoria della domanda dipendente. Per tale motivo l’applicazione di un modello come appunto l’ MRP, che basa gli acquisti dei prodotti a domanda dipendente sulle distinte base e sui piani di produzione, se da un lato eviterebbe gli stock out, dall’altro innalzerebbe troppo il livello del magazzino.
Per quel che riguarda la previsione, come visto, in azienda sono presenti sistemi per la definizione dei progetti futuri, e cioè le ispezioni, collegabili poi alle richieste delle parti a magazzino.
Dal momento che in azienda esiste già un piano di previsione per le ispezioni future, è lecito domandare il perché della volontà di ricercare nuovamente andamenti statistici per continuare a fare previsioni. La risposta sta nel fatto che i piani presenti in azienda, come detto, non sono molto affidabili e inoltre il periodo all’interno del quale essi lo diventano è molto spesso inferiore ad una grande quantità di lead time di item, cosa che rende necessario mantenere una scorta a magazzino di questi ultimi (spesso molto costosi).
In effetti, se fosse possibile riuscire a prevedere la domanda indipendente, individuando una la legge statistica che regoli il sistema, significherebbe avere la possibilità di stendere un piano di produzione accurato e ancora più a monte, ciò permetterebbe di prevedere le quantità richieste a magazzino con anticipo sufficiente affinché l’inventory possa approvvigionarsi o comunque possa gestire più efficacemente le scorte considerando le quantità che saranno richieste, le quantità che faranno rientro a magazzino e quindi le quantità che saranno necessarie. Il tempo di permanenza a magazzino delle parti in questo caso dipenderà principalmente da problemi connessi con la produzione e relativi ai lead time o accordi presi con i fornitori.
Poiché l’obbiettivo era quello di trovare andamenti statistici per la previsione della domanda, uno dei primi passi d’azione è stato la ricerca dei dati storici che potessero generare buoni risultati per riuscire ad identificare trend o
stagionalità della domanda. Se questi fossero stati trovati infatti, sarebbe stato possibile aggiornare il metodo preesistente di definizione delle quantità di riordino dei materiali, in modo da renderlo più efficiente.
Sono stati presi i dati dal software aziendale eDELIVERY, che contiene le informazioni per ciascun progetto registrato anno per anno (in pratica fogli di dati con informazioni dei processi eseguiti negli anni precedenti).
I dati a disposizione, per la sede di Cramlington, erano principalmente quelli relativi a:
• transazioni avvenute a livello di inventory. Come precedentemente affermato esse considerano tutte le quantità richieste per progetti (project issue), quelle tornate (project return e miscellaneus return) ma anche le quantità che sono state mandate ad altre aziende (intransit shipment) e infine le quantità che hanno fatto rientro o sono giunte da altre aziende (intransit return) (tali informazioni erano presenti in documenti chiamati “Global Project Year Usage”).
• Le schedulazioni dei progetti: piani annuali dove vengono riportate le informazioni relative ai progetti previsti per i mesi avvenire. In questi piani sono definite: la dimensione del tool richiesto per ciascun progetto, i chilometri di pipeline da ispezionare, il prodotto trasportato da quella, le date di handover, kick off meeting e di mobilizzazione del tool e logicamente la data di ispezione, inoltre altre informazioni di carattere finanziario. Infine, è definito se il progetto è stato pianificato, cancellato, o se la pianificazione non è ancora certa.
L’obiettivo dell’analisi era:
1. Trovare un andamento statistico (trend e/o stagionalità) in funzione di una o più categorie di stratificazione dei dati per ogni progetto che avesse stessa dimensione del tool in modo da poter effettuare previsioni sugli andamenti futuri e fosse dunque possibile ricavare le quantità di materiale necessario per i progetti futuri.
2. In ottica più aperta ottenere previsioni a medio termine per definire le quantità totali richieste in un periodo economico arbitrario, nonché ottenere una stima dei capitali investiti nelle scorte.
Il motivo per cui si è deciso di interessarsi alla analisi statistica dei dati è scaturito dal fatto che l’esperienza del responsabile di Inventory diceva che ogni anno l’andamento delle richieste delle parti di magazzino subiva una variazione stagionale, ecco il perché della volontà di trovare stagionalità nei dati. Trovandola, sarebbe stato possibile utilizzare gli indici di stagionalità per correggere i valori di min max presenti, periodo per periodo, in modo che potessero essere resi più affidabili e veritieri durante tutto il corso dell’anno.
3.1 Studio dei trend
In questa prima fase il lavoro è stato concentrato nel raggiungimento del primo obiettivo, quindi una analisi che permettesse di ottenere previsioni attraverso lo studio di eventuali trend e stagionalità nei dati storici.
Con trend si intende il termine statistico che sta ad identificare un andamento progressivo dei dati. Tale andamento può essere crescente o decrescente nel caso in cui le quantità aumentino o diminuiscano al passare del tempo, ed in generale è possibile tracciare una retta, che ne rappresenti la traiettoria. Una volta graficati i dati, un andamento con trend perfetto avrebbe tutti i suoi punti appartenenti a tale retta. Viceversa, più i punti si allontanano dalla retta di riferimento, meno è buona l’approssimazione al trend trovato.
Con stagionalità invece si intende il movimento relativo alle oscillazioni sistematiche della serie che hanno periodo uguale all'anno. La stagionalità è movimento intra-annuale sistematico, ma non necessariamente regolare, causato dai cambiamenti del clima, dal calendario, e dalle tempistiche di decisione, direttamente o indirettamente collegate alle decisioni di produzione o di consumo. Graficamente, la stagionalità si presenta come una componente che estrapolata dalla serie storica si ripete costantemente per ogni periodo di tempo pari all'anno (periodicità) ed ha somma nulla su quel periodo [3].
Infine spesso accade di trovare un andamento che è la combinazione dei due precedenti, cioè trend e stagionalità insieme, dovuto al fatto che sebbene ci sia una ripetizione periodica nell’andamento, esiste anche un trend (crescente o decrescente) di sottofondo. In generale analizzando i dati dovrebbe essere possibile isolare i due andamenti e studiarli separatamente.
La prima ipotesi è stata quella di analizzare gli andamenti item per item, che però si è subito dimostrata non fattibile data l’enorme quantità di articoli: avrebbe infatti richiesto un tempo lunghissimo e comunque non avrebbe portato ad una buona soluzione.
L’analisi si è dunque sviluppata sopra i dati relativi alle ispezioni effettuate negli anni scorsi fino a questo, selezionando i dati in funzione di specifiche caratteristiche.
Prima di tutto è stato necessario estrapolare “manualmente” i dati, selezionandoli per anno, mese, tipo di tecnologia sul tool e dimensione del tool (dimensione del diametro), quindi evidenziare il totale dei chilometri percorsi ogni mese da tool dello stesso tipo. I dati analizzati avevano la caratteristica di essere correlati proporzionalmente alle quantità di parti utilizzate.
Inizialmente è stato deciso di focalizzare le attenzioni solamente su un campione di size in modo da poter definire se la tecnica meritasse di essere estesa a tutta la gamma di dimensioni. Le dimensioni dei diametri presi ad esame sono state:
- MFL 6 inches; - MFL 8 inches;
- IMU 16 inches.
3.1.1 Analisi: chilometri per progetto
Come spiegato, i dati erano relativi alla lunghezza della pipe da ispezionare. La lunghezza della pipe ha un’influenza direttamente proporzionale sulle quantità utilizzate durante l’ispezione. Il perché è chiaramente comprensibile andando solamente a considerare la maggiore usura delle parti dovute ad logorio più prolungato. Ogni volta che viene lanciato un ordine di richiesta dei
materiali per supportare un progetto, la quantità di parti di ricambio da mandare con il tool è calcolata in funzione della lunghezza della pipe. Infatti, oltre al pig completo delle parti assemblato su di esso, vengono forniti i così detti “refurbishment” mandati in field, ovvero delle spares di scorta, qualora alcune componenti si usurassero eccessivamente tali da necessitare una sostituzione a ispezione non ultimata.
Partendo da questo principio, dal totale di chilometri percorsi da tool della stessa tipologia e dimensione, mese per mese è possibile risalire a quanti componenti siano stati richiesti al magazzino.
Ogni size è caratterizzato da specifiche spares (ottenute dalle distinte base) ed esiste una logica per definire quanti refurbishment sono necessari per il totale dei chilometri.
Se, plottando i dati fosse stato evidente un andamento statistico, sarebbe stato possibile utilizzare tale statistica per il rifornimento del magazzini in quanto si trattava di dati direttamente proporzionali.
Analisi dei dati storici
In sostanza i dati sono stati disposti in modo da creare un elenco per ogni anno, 2003 2004 e 2005 fino al mese di Ottobre, con il totale dei chilometri effettuati mese per mese. E’ stato riportato anche il numero dei progetti eseguiti mese per mese. Per chiarificare tale lavoro è riportato di seguito l’esempio del
tool 6” MFL (tabella 3.1.1). Tabella 3.1.1
MFL 6 "
2003 2004 2005
km tot proj. km tot proj. Km tot proj.
Jan 12.77 1 0 0 84.95 4 Feb 43.443 1 0 0 5.5515 1 Mar 137.875 3 91.73 4 250.7755 8 Apr 193.04 3 36.34 3 86.7504 11 May 34.94918 3 97.02623 3 256.2899 8 Jun 106.1779 2 20 1 308.527 11 Jul 28.51148 3 4 1 63.95875 3 Aug 74.06227 1 22.4 2 274.6568 10 Sep 3.79724 1 181.2344 4 154.7882 12 Oct 4.9074 1 128.9636 4 81.82 6 Nov 16.5 1 145.377 5 Dec 28.4 2 28.04487 2
In realtà sarebbero stati disponibili anche i dati relativi al 2002, ma già al primo “rudimentale” plottaggio, essi si sono presentati con andamenti nettamente diversi da quelli degli anni successivi (picchi elevati seguiti da repentini avvallamenti, ecc). Quindi, essi sono stati tolti dalla serie storica in quanto avrebbero influenzato gli esiti delle analisi non essendo dati omogenei agli altri. In primo luogo, sui dati è stata effettuata una analisi grafica. Essa si sviluppa come segue:
- in genere, si usa rappresentare la coppia di valori (t; yt) su diagramma cartesiano, a tratto continuo, come se il fenomeno fosse rilevato con continuità. Uno dei più efficaci strumenti esplorativi è senza dubbio il grafico della serie (e delle sue trasformazioni), il quale può immediatamente rivelare alcuni fatti stilizzati, come la presenza e la natura del trend, della stagionalità, di fluttuazioni di breve periodo, di valori anomali o rotture strutturali [3].
Graficando i dati storici riportati è possibile confrontare i trend anno per anno. Dovrebbe essere possibile capire se esiste qualche forma di trend o stagionalità solamente osservando il grafico. Se i dati plottati tendessero a seguire un andamento simile anno per anno ciò potrebbe essere analizzato ulteriormente per risalire alla statistica che sta dietro tale andamento.
Di seguito è riportato il grafico dove il campione di dati è stato suddiviso in anno per anno (figura 3.1.1).
Figura 3.1.1
tot km per month 6 inc
0 50 100 150 200 250 300 350 1 2 3 4 5 6 7 8 9 10 11 12 months k m km 2003 km 2004 km 2005
Come si può chiaramente vedere gli andamenti sono completamente indipendenti. Infatti, indipendentemente dal trend che fa sì che i valori del 2005 siano, in generale, maggiori di quelli degli anni precedenti, dal grafico non è evidente alcuna forma di stagionalità o regola statistica.
Si è voluto comunque analizzare ulteriormente tali dati attraverso strumenti più potenti. Questo è stato possibile attraverso l’utilizzo del software statistico Minitab.
Figura 3.1.2
In questo caso è stata presa la lista con tutti i dati disposti dal 2003 al 2005, ed è stata plottata per mettere in evidenza trend e stagionalità. Ottenendo un grafico continuo dove il primo dato è relativo ai chilometri percorsi il gennaio del 2003 fino all’ultimo dato relativo ai chilometri percorsi nell’ottobre 2005. Quindi in ascissa si trovano i mesi, mentre in ordinata i chilometri.
Inizialmente l’analisi è stata basata solamente su un approccio visivo. È riportato solamente il grafico relativo al tool MFL 6 pollici (figura 3.1.2), in quanto anche gli altri due campioni hanno portato alle medesime conclusioni a seguito dell’analisi. In altre parole, dai grafici è risultato che, sebbene il trend ascendente fosse evidente, a questo livello non era possibile vedere andamenti stagionali di carattere mensile che si ripetessero anno dopo anno.
Actual Fits Actual Fits 40 30 20 10 0 300 200 100 0 C 3 Time Yt = 8.08704 + 3.92060*t MSD: MAD: MAPE: 5943.00 63.52 294.06
Trend Analysis for C3 Linear Trend Model
A questo punto l’indagine è stata portata avanti, per vedere se era possibile ricavare informazioni più utili applicando altre tecniche presenti sul software. È stato usato il metodo di Winters a media moltiplicativa. Questo permette di effettuare previsioni future attraverso i dati storici e trovare andamenti che presentano entrambe sia trend che stagionalità [5].
In questo caso, oltre a plottare i dati è stato richiesto al software di fornire una previsione per i 3 mesi successivi.
Figura 3.1.3
Dall’analisi grafica è risultato evidente una mancanza di correlazione tra i dati deterministici (linea nera) e quelli predetti (linea blu) (figura 3.1.3).
I dati sono stati scomposti in modo da evidenziare separatamente trend e stagionalità, e inoltre sono stati detrendizzati e destagionalizzati.
Qualora fosse stato presente un andamento di questo tipo, il grafico destagionalizzato in uscita avrebbe dovuto presentarsi come una linea regolare. Infatti, in generale, più il grafico si avvicina ad una retta più è forte l’andamento stagionale dei dati. Se i dati fossero stati con trend regolare, invece, il grafico detrendizzato in uscita sarebbe dovuto apparire come una serie di punti che si discostano da una retta parallela all’asse delle ascisse (qualora ci fosse stata stagionalità) oppure come dati disposti su una retta (qualora non ci fosse stata, o sia stata tolta, la stagionalità).
Actual Predicted Forecast Actual Predicted Forecast 30 20 10 0 500 400 300 200 100 0 -100 C 3 Time MSD: MAD: MAPE: Delta (season): Gamma (trend): Alpha (level): Smoothing Constants 7579.67 59.36 159.43 0.200 0.200 0.200
Inoltre, in uscita si sarebbero avute le informazioni dell’andamento stagionale, gli indici e le percentuali di scostamento dai dati previsti dal modello.
Figura 3.1.4.
Purtroppo, anche stavolta, solamente analizzando il grafico in uscita (figura 3.1.4) si è capito che il campione non avevano fornito le informazioni sperate. Infatti, si può vedere che gli andamenti dei valori rielaborati non presentino le caratteristiche sopraccitate. In più prendendo il grafico “decomposition fit” (figura 3.1.5) si vedono, oltre alla spezzata relativa ai dati storici plottati, un’altra spezzata in blu e una retta in rosso: la prima è relativa alla stagionalità che il computer ha calcolato attraverso i dati forniti e la seconda è relativa al trend. Anche stavolta le conclusioni sono che sebbene il trend esista, la stagionalità (che in questo caso è calcolata come annuale) non fitta correttamente i dati. Inoltre, è stata anche effettuata una prova di previsione dei chilometri futuri (per il mese di novembre 2005) in funzione della storia precedente, che però è risultata essere scadente.
0 10 20 30 0 100 200 300 Original Data 0 10 20 30 0 1000 2000
Seasonally Adjusted Data
0 10 20 30 0 1 2 3 4 5 6 Detrended Data 0 10 20 30 -100 0 100 200
Seasonally Adj. and Detrended Data
Component Analysis for C3
Figura 3.1.5
Si è ritenuto valevole fare un ultimo tentativo di analisi per riuscire a trovare qualche andamento.
Per quest’ultima analisi è stato richiesto l’aiuto di specialisti di statistica all’interno della azienda che hanno sviluppato lo studio con tecniche ancora più specifiche:
- in primo luogo è stato analizzato il campione per vedere se poteva appartenere ad una distribuzione guassiana;
- una volta definito che dati non appartenevano a tale distribuzione sono stati analizzati con le tecniche per i campioni “non parametrici”;
- quindi è stato applicato il Mood’s Median Test e fatto i relativi plottaggi. Per ulteriori approfondimenti su quest’ultimo tentativo si rimanda all’allegato numero 1 – Analisi dei Trend.
Questa è stata l’ultima analisi effettuata, e il risultato non ha apportato nessuna variazione rispetto a quelli precedenti.
In ultima istanza, è stato pensato di analizzare statisticamente le quantità relative alle transazioni degli anni precedenti, ma il motivo cha ha bloccato fin da subito tale analisi è stato il fatto che i dati non erano omogenei in quanto nell’estate del 2004 è stato implementato un nuovo sistema per effettuare le
Actual Predicted Forecast Actual Predicted Forecast 0 10 20 30 40 0 100 200 300 Time C 3 MAPE: MAD: MSD: 261.75 52.77 4495.89 Decomposition Fit for C3
MFL 6"
richieste a magazzino (chiamato PSR). Questo ha comportato una variazione delle quantità riportate nei fogli Global Project Year Usage utilizzati. Per questo motivo non è stato possibile procedere oltre in quanto il campione di dati era troppo limitato, poiché relativo solamente all’ultimo anno.
3.2 Conclusioni e analisi critica
Alla luce dei risultati delle diverse analisi statistiche effettuate, è stata tratta la conclusione dell’impossibilità di trovare legami e andamenti statistici nel campione di dati studiato.
Ciò è dovuto principalmente ai due fattori riportati di seguito:
- 1 - ogni anno le pipeline da ispezionare sono diverse dall’anno precedente. Sebbene possano appartenere allo stesso cliente, ciò non garantisce che le dimensioni delle condutture siano tutte omogenee e che i tool necessari per l’ispezione siano delle stesse tecnologie. Per questo motivo, ogni anno è diverso dal precedente. Ciò significa che se in un anno la richiesta di un tool di una specifica dimensione e tecnologia è stata elevata, non è possibile assumere la conclusione che anche in quello successivo si ripresenterà una domanda del genere. - 2 - i dati del software non sono sempre adeguatamente aggiornati (per
mancanza di tempo o semplicemente indolenza) o esistono discontinuità di utilizzo che portano a disomogeneità del campione.
Inoltre, il fatto di non avere dati omogenei relativamente agli anni passati a causa del cambiamento dell’utilizzo dei software ha fortemente influenzato e limitato gli studi e le possibilità di applicare altri metodi.
In generale, sebbene sembri impossibile non aver trovato alcuna forma statistica utile per una previsione, ciò può essere in realtà intuibile ragionando sulla natura del business di PII. Infatti, tale settore non risente di influenze relative per esempio a moda o motivi sociali. Le ispezioni delle condutture sono regolate dal loro Stato di appartenenza e variano da pochi anni fino ad un decennio. Inoltre, ogni cliente aziendale possiede condutture di diverse dimensioni e lunghezze, che richiedono ispezioni in momenti diversi (perché
costruite in periodi diversi) e non necessariamente nello stesso mese/quadrimestre delle volte precedenti.
Per avere una maggiore accuratezza nelle previsioni la cosa da suggerire all’azienda sarebbe quella di richiedere ai clienti i loro piani di ispezione, a lunga scadenza, in modo da poter avere una stima annuale di quali tool (in termini di tecnologia e dimensione) verranno richiesti. Logicamente questa rimarrebbe solo una stima a lungo termine, ma incrociata con il sistema di previsione già presente in azienda potrebbe portare a risultati migliori.
D’altro canto è da considerare che richiedendo questo tipo di informazioni, i clienti sarebbero tenuti ad esigere trattamenti agevolati e sconti. Per questo motivo sarebbe necessaria una analisi costi-benefici a monte per evidenziare effettivamente la convenienza dell’azione. È ipotizzabile comunque che, come benefici dell’accordo, si potrebbe stilare un contratto a lungo termine col cliente, assicurandosi quindi il business per le ispezioni future. Inoltre, avere la possibilità di sapere in anticipo cosa sarà necessario, permetterebbe di rispondere prontamente alle richieste del cliente e quindi di aumentare la customer satisfacion (fattore che potrebbe essere utilizzato in campo di contrattazione economica per il prezzo/sconto dell’ispezione).
Purtroppo, sarebbe comunque da non escludere la possibilità che nemmeno i clienti abbiano piani per le future manutenzioni (esemplare può essere il caso TECMA - Italia che richiede ispezioni con un anticipo di solamente un mese!) o in generale che vogliano mantenersi svincolati dalla azienda che fa le ispezioni per poter ogni volta effettuare gare d’appalto tra i diversi concorrenti.
In effetti, non escludendo l’ultima ipotesi, anche trovare un numero limitato di clienti disposti a trarre accordi con l’azienda potrebbe apportare un miglioramento rispetto alla situazione attuale.
3.3 Analisi di medio termine
È stata spiegata l’importanza per una azienda di avere la possibilità di prevedere gli andamenti futuri anche se solo in generale. Facendo riferimento al caso particolare dell’inventory, l’obiettivo di una analisi di medio termine è quello di poter stimare le grandezze che lo caratterizzano (quali: numero di transazioni, i costi dei materiali mobilitati, le tipologie degli articoli interessate e le quantità richieste), per un periodo di tempo che può andare da qualche mese fino ad un anno (appunto medio termine). Tali valutazioni possono essere ampiamente sfruttate per diverse tipologie di analisi, quali ad esempio:
• avere una stima dei costi per un periodo sufficientemente lungo (sei mesi, un anno) consente di stilare budget di spesa (a preventivo), che possono essere poi utilizzati come strumenti di analisi sugli scostamenti a consuntivo. Grazie a tali stime è quindi possibile investigare sulle cause degli scostamenti, individuare i soggetti che le hanno scaturite e quindi intervenire in modo tale ottimizzare la gestione per l’anno economico o in generale il periodo di tempo successivo. In questo modo è possibile intraprendere decisioni per allocare diversamente i capitali. • Avere una stima delle transazioni a magazzino per il periodo futuro
consente di poter valutare i volumi che verranno mobilizzati nel corso dell’anno. In particolare, tali stime possono essere utilizzate durante le fasi di contrattazione coi fornitori per avere sconti o benefit, potendo definire in partenza l’ammontare delle quantità che verranno richieste in un anno (o comunque in un periodo definito).
• Dal punto di vista dell’Inventory, avere una stima delle quantità che possono essere richieste in un medio termine può essere utilizzato come linea guida per definire gli ordini dei materiali e per aggiornare opportunamente i modelli d’acquisto (come in questo caso i valori di min max).
Alla luce di questi evidenti vantaggi, è stata cercata una via che portasse alla definizione delle stime delle volumi futuri.
