<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=1126676760698405&amp;ev=PageView&amp;noscript=1">
Home Industria 4.0 Come il demand planning aiuta le imprese a gestire ordini e logistica

Come il demand planning aiuta le imprese a gestire ordini e logistica

In un contesto in cui la scarsità di alcune materie prime incide sulle dinamiche di domanda e offerta di beni, gli algoritmi di intelligenza artificiale possono intervenire con il demand planning per aiutare le aziende a prevedere con precisione il mercato, anche nel momento in cui intervengono variabili come la stagionalità, le promozioni, moda e trend e altre variabili di mercato riferite alla situazione socio-economica.

Si chiama demand planning e costituisce l’ultima frontiera a disposizione delle aziende che necessitano di uno strumento previsionale per anticipare le esigenze di mercato, dimensionare le risorse produttive critiche, ottimizzare le scorte in magazzino in base all’andamento della domanda, gestire con maggiore efficienza il network distributivo ma anche definire accordi quadro più vantaggiosi con i fornitori e, di conseguenza, sviluppare con maggiore precisione la pianificazione del budget.

A mettere a disposizione questa tecnologia che permette di elaborare, analizzare, validare e condividere con le altre funzioni aziendali la domanda previsionale è beanTech, Pmi innovativa con base in provincia di Udine che, da venti anni, affianca le aziende nelle sfide della Digital Transformation e le aiuta a cogliere le opportunità dell’Industry 4.0.

La soluzione si basa sui dati storici di vendita arricchiti da parametri e correlazioni proprie del business aziendale e del mercato di riferimento dell’azienda che lo utilizza. Un motore algoritmico gestisce l’analisi dello storico e ottimizza la previsione della domanda.

Le serie storiche dell’azienda vengono indirizzate verso pacchetti di circa 20-25 algoritmi messi in competizione tra loro al fine di sfruttare il migliore per profilare le serie storiche introdotte.

L’algoritmo, inoltre, può essere istruito anche con informazioni esterne all’azienda, non provenienti dalle serie storiche, come ad esempio eventi esterni particolari: festività non ricorrenti, previsioni meteorologiche, chiusure Covid, indici di mercato, dati demografici e molto altro.

Il motore algoritmico è collegato a un workflow collaborativo, ovvero un portale web che viene utilizzato dalle varie risorse interne che possono affinare le previsioni dell’algoritmo fino a convalidarle prima di elaborare la reportistica.

Successivamente la soluzione emette una reportistica che può essere integrata con i dati provenienti da diverse fonti.

Si tratta di uno strumento di Business Intelligence che serve, da un lato, a confermare la validità di ciò che viene elaborato dall’algoritmo su alcune tipologie di dati e dall’altro a indirizzare l’utente verso attività in cui l’intervento umano è ancora richiesto e rappresenta un importante valore aggiunto.

Da questa necessità di integrare sinergicamente la soluzione adottata con la modellazione del processo aziendale e lo sviluppo dell’organizzazione a supporto, dalla collaborazione fra Beantech e Novalia è nata una proposta innovativa in grado di unire tecnologie sempre all’avanguardia, capacità di sviluppo dei sistemi informativi e competenza nella consulenza metodologica ed organizzativa.

Fra i diversi progetti di demand planning realizzati da BeanTech e Novalia, c’è la soluzione per Morato Pane – secondo gruppo in Italia per panificati –, che aveva l’esigenza di mettere la forza vendita nelle migliori condizioni per elaborare, analizzare, validare e condividere con le altre funzioni aziendali la domanda previsionale, in base alle promozioni e la scontistica applicata, equilibrando opportunamente domanda e produzione e alimentando automaticamente il sistema di pianificazione della produzione a valle.

Lima Corporate, azienda del settore medicale operante in Europa, USA, Canada, Australia e Giappone, invece, necessitava di una soluzione in grado di elaborare previsioni dei propri sistemi protesici distinte per Paese di destinazione. In questo caso, grazie alla soluzione di demand planning, la previsione viene fatta all’interno delle singole filiali, successivamente i dati provenienti da tutto il mondo vengono centralizzati nella sede centrale di Udine a cui spetta il compito di analizzare in modo aggregato i dati provenienti dalle diverse filiali, arricchirli, validarli e trasmetterli alla pianificazione della produzione.

beanTech

Dimitri Zornik, Business Analyst, Product Manager del Demand Planning di beanTech, spiega: “Rispetto ad altri competitor la nostra soluzione è molto flessibile e si adatta a vari contesti di mercato. Si tratta, infatti, di una soluzione che si integra con strumenti già in possesso dal cliente ed è pensata per gestire in modo centralizzato il lavoro di diverse aree aziendali: dal marketing al sales, dalla produzione alla supply chain senza la necessità di creare un team di data analyst. Ci rivolgiamo principalmente ad aziende medio-grandi operanti nel mondo food e beverage, retail, manifatturiero, automotive, healthcare.

Il fatto di mettere in gara diversi algoritmi assicura una buona accuratezza previsionale. Più vengono allenati gli algoritmi, migliore è la risposta che viene data. È un processo estremamente complesso che l’utente finale non percepisce come tale, ma è necessario per assicurare la massima affidabilità delle previsioni”.

Marco Battistutta, Partner presso Novalia, sottolinea: “Nella nostra proposta, allo sviluppo e implementazione della soluzione applicativa avanzata si affianca un percorso concreto realizzato da consulenti Novalia in cui si comprendono a fondo le dinamiche del contesto e si progetta, insieme all’azienda, il processo futuro.

È proprio in questo ambito, infatti, che risulta determinante creare le condizioni organizzative favorevoli per adottare internamente un cambio di prospettiva in grado di collocare il processo di demand planning al centro dei processi di pianificazione e poter rispondere alla complessità crescente delle Supply Chain”.

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

css.php