Vai alla Home Page About me Courseware Federica Living Library Federica Virtual Campus 3D Le Miniguide all'orientamento Gli eBook di Federica
 
I corsi di Economia
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Roberto Vona » 3.Le previsioni per la gestione della produzione


Le attività di previsione

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.

Post-ponement

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.

Lead time

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.

L’oggetto delle previsioni

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.

L’oggetto delle previsioni

Oggetto delle previsioni e Lead Time

Oggetto delle previsioni e Lead Time


I dati per le 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.

Componenti stagionali e di trend

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.

Tecniche di analisi

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.

Proiezioni a base multiperiodica

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:

  • Media aritmetica.
  • Metodo dei minimi quadrati.
  • Indice stagionalità.

La media aritmetica

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

Metodo della regressione lineare

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.

Esercizio sul metodo della rigressione lineare

Figura 1

Figura 1


Indice di stagionalità

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).

Proiezioni a base aperiodica

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:

  • Media mobile.
  • Smoothing esponenziale.
  • Smorzamento esponenziale adattivo.
  • Simulazione.

Media mobile

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.

Smoothing esponenziale

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)


Esercizio sulla Media Mobile e Smoothing Esponenziale

Simulazione

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).

Proiezione associativa

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.

Proiezione associativa

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))

Correlazione: un esempio

Esempio grafico di correlazione positiva tra due fenomeni x e y

Esempio grafico di correlazione positiva tra due fenomeni x e y


Metodi qualitativi di previsione: approfondimenti

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

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.

I materiali di supporto della lezione

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

Esercizio sulla Media Mobile e Smoothing Esponenziale

Esercizio sulmetodo della rigressione lineare

  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion