L’attivazione di un processo produttivo prima della ricezione degli ordini da parte dei clienti, comporta necessariamente uno sforzo di previsione degli scenari futuri che più verosimilmente potranno verificarsi.
Naturalmente, attivare un processo produttivo “al buio”, ovvero senza avere ricevuto ordinativi dalla clientela, determina immediatamente un innalzamento del grado di rischiosità dell’impresa.
Lo spostamento a valle lungo il processo produttivo del momento in cui materiali e componenti vengono sottoposti a lavorazioni che ne diminuiscono la versatilità, viene definito post-ponement.
Queste fasi andrebbero eseguite, nei casi in cui è possibile, dopo la ricezione dell’ordine da parte della clientela che richiede specificità al processo di lavorazione, minimizzando in questo modo i rischi derivanti dalle strategie competitive incentrate sulla differenziazione.
Il tempo a disposizione dell’impresa per realizzare il prodotto secondo le richieste, dal momento in cui queste pervengono, viene definito lead-time.
L’attuabilità in concreto delle strategie di post-ponement è fortemente condizionata dalla dimensione del lead time concesso dal mercato.
Le previsioni possono riferirsi ai componenti, ai semilavorati, ai prodotti finiti, a seconda della modalità produttiva utilizzata.
Naturalmente, si tenderà, se possibile, a spostare a monte, e quindi verso le materie prime, il problema della rischiosità delle previsioni.
I dati utilizzabili dall’impresa per formulare le previsioni possono essere interni (dati storici) ed esterni (indagini di mercato, stime dei venditori).
Le attività di previsione possono trarre beneficio dalle analisi tecniche sui dati storici (vendite, ordini inevasi), là dove essi esistono, sono confrontabili e, non ultimo, si estendono su di un arco temporale pluriennale.
Per quanto sofisticato possa essere, infatti, il tecnicismo utilizzabile per prevedere comportamenti futuri, non si può non considerare il margine di errore connaturato a questo genere di attività.
Un fenomeno oggetto di previsione può manifestarsi con modalità più o meno riconoscibili e ricorrenti.
Se esiste un andamento che si ripete con una certa regolarità ad intervalli di differente ampiezza, si parla di componente ciclica.
La stessa ampiezza degli intervalli caratterizza, invece, la componente stagionale.
Si parla di componente di trend quando un andamento dello stesso segno si protrae per un periodo considerevole.
Tra i metodi di previsione della domanda, quelli basati prevalentemente sull’utilizzo di serie storiche vengono definiti tecniche di analisi univariata.
Tra questi, il tempo costituisce la variabile di riferimento per le proiezioni a base multiperiodica e per quelle a base aperiodica.
Altri tipi di variabili, invece, vengono presi in esame in caso di proiezioni associative.
Attraverso questi metodi, si effettuano delle previsioni sulla base dei dati storici relativi ad un certo intervallo di tempo, di ampiezza e collocazione ben definiti.
Nello specifico, le tecniche utilizzabili sono:
La previsione di vendita per ciascuno dei periodi futuri è esattamente pari alla media aritmetica dei dati storici di vendita del particolare periodo considerato, secondo la ben nota formula:
x = (∑xi) / n
Le vendite previste per ciascuno dei periodi futuri oggetto di previsione, vengono posizionate lungo una funzione lineare i cui parametri sono calcolati, sulla base dei dati storici, nel modo indicato in figura 1.
Il calcolo dell’indice di stagionalità medio permette di rettificare le previsioni di vendita ottenute con metodologie più semplici, ad esempio la media aritmetica, rispetto ai fenomeni stagionali (ricorrenti a intervalli di tempo regolari).
Le previsioni sono effettuate considerando i dati storici relativi a un certo intervallo di tempo di ampiezza definita e di collocazione variabile, secondo un procedimento “rolling“.
Le tecniche utilizzabili sono:
La previsione (F) costruita attraverso la media mobile, prevede l’applicazione della formula seguente:
Ft = ( ∑ Vi ) /n
La media mobile “accompagna” l’andamento del fenomeno in esame.
Attraverso lo smoothing esponenziale, ogni previsione (F) si “aggiusta” tenendo conto dell’errore commesso nella previsione che l’ha preceduta, sulla base della formula:
Ft+1 = Ft + α * (Vt – Ft)
Attraverso la simulazione, si procede simulando il fenomeno, per aggiustamenti continui “step by step” misurando le differenze tra valori effettivi e previsioni (serie di errori simulati).
Le tecniche di proiezione associativa stimano un fenomeno sulla base di informazioni desumibili dall’andamento di fenomeni la cui analisi presenta un minore grado di complessità.
Attraverso la tecnica dell’indice guida, si utilizza un fenomeno il cui andamento è noto, per spiegare ciò che si vuole prevedere. La sua “bontà” può essere valutata mediante il coefficiente di correlazione, che misura il grado di associazione tra le variabili considerate, nel modo che segue:
r = ( ∑ X*Y – ∑X*∑Y/N) / √((∑X2 – (∑X)2/N)*(∑Y2 – (∑Y)2/N))
Other Placeholder: Per approfondimenti ulteriori sul tema si rimanda alla specifica sezione di EFESTO – il portale delle operazioni produttive e di logistica integrata.
EFESTO, il portale delle operazioni produttive e di logistica integrata, è il risultato dei contributi dei gruppi di studiosi del Dipartimento di Economia Aziendale dell’Università degli Studi di Napoli “Federico II”, e del Gruppo Rock del Dipartimento di Informatica e Studi Aziendali dell’Università di Trento.
Casi aziendali, approfondimenti, materiali didattici, simulazioni ed altre risorse sono disponibili sul portale
Efesto – Il portale per la gestione delle operazioni produttive.
1. Complessità della domanda, pressione competitiva e modelli di gestione della produzione
2. La gestione dei processi produttivi
3. Le previsioni per la gestione della produzione
4. Dimensionamento e gestione della capacità produttiva
5. La programmazione della produzione
6. La gestione del fabbisogno dei materiali
8. La gestione delle risorse strutturali
9. La gestione della logistica: inbound, outbound ed outsourcing
10. La gestione degli approvvigionamenti mediante l'e-Procurement
11. La gestione della qualità nella produzione
12. Gestione della pianificazione della produzione in Algida (a cura di Alfredo Sasso, Manager Algida)
Chase R. Jacobs R., Aquilano N., Grando A. e Sianesi A. (2007), Operations Management nella produzione e nei servizi , McGraw-Hill, Milano
Gaio L., Gino F., Zaninotto E. (2002), I sistemi di produzione, Manuale per la gestione operativa dell'impresa, Carocci, Roma
Knod E. M. jr, Schonberger R.J. (1999), Gestione della produzione, McGraw-Hill Libri Italia, Milano
Vona R. (2005), Gestione della produzione – Fondamenti, esempi, applicazioni, Carocci, Roma
VONA R. (2004), L'impresa di logistica. Fondamenti economici, peculiarità settoriali e problematiche di gestione, Cedam, Padova
1. Complessità della domanda, pressione competitiva e modelli di gestione della produzione
2. La gestione dei processi produttivi
3. Le previsioni per la gestione della produzione
4. Dimensionamento e gestione della capacità produttiva
5. La programmazione della produzione
6. La gestione del fabbisogno dei materiali
8. La gestione delle risorse strutturali
9. La gestione della logistica: inbound, outbound ed outsourcing
10. La gestione degli approvvigionamenti mediante l'e-Procurement
11. La gestione della qualità nella produzione
12. Gestione della pianificazione della produzione in Algida (a cura di Alfredo Sasso, Manager Algida)
I podcast del corso sono disponibili anche su iTunesU e tramite Feed RSS.