Negli ultimi anni, è ormai noto, come le aziende abbiano compiuto enormi passi nell’automazione della Supply Chain e della logistica, consentendo una drastica riduzione dei costi e delle attività manuali.

Il processo di ottimizzazione della Supply Chain e della Logistica non è un né facile né privo di rischi, ma è una grande opportunità per molte aziende di ridurre significativamente costi e migliorare le prestazioni. Corretti investimenti nell’ottimizzazione della Supply Chain e della Logistica consentono di ridurre i costi dal 10% fino al 40%.

Donald Ratliff è il Direttore del Supply Chain & Logistics Institute, nonché Professore Universitario alla Georgia Institute of Technology. Durante i suoi oltre 30 anni di studio dei processi di Supply Chain e della Logistica, ha definito le seguenti 10 regole come requisiti essenziali per il successo:

  1. Obiettivi – devono essere quantificati e misurabili
Gli obiettivi sono il modo in cui si specifica ciò che si vuole realizzare con il processo di l’ottimizzazione. Questo, a sua volta, si concretizza nel determinare il perché una soluzione sia migliore di un’altra in termini di prestazione di ROI. Ad esempio, un operatore logistico ha come obiettivo quello di ridurre al minimo i costi fissi giornalieri delle attività, il costo per chilometro del combustibile, manutenzione e il costo orario delle risorse. Questi costi devono essere quantificati e ragionevolmente facili da misurare.
  1. Modelli – devono rappresentare fedelmente i processi logistici richiesti
I modelli sono il modo in vengono tradotti i requisiti operativi e i vincoli di business in modo che possano essere elaborati da un software. Ad esempio, nel caso delle spedizioni, devono essere modellate le regole che definiscono i processi di spedizione, caricamento camion, consegne, finestre temporali.  
  1. Variabilità – deve essere esplicitamente presa in considerazione
La variabilità si verifica in quasi tutti i processi della Supply Chain e della logistica (ad esempio, il tempo di percorrenza varia da viaggio a viaggio, il numero di prodotti da prelevare in un punto è diverso da giorno a giorno, il tempo per caricare un camion varia da camion a camion). Molti dei modelli associati alla supply chain e all’ottimizzazione logistica presuppongono che non vi sia alcuna variabilità o si supponga che l’utilizzo dei valori medi sia adeguato e spesso porta ad errori di nei risultati.
  1. I dati – devono essere precisi, tempestivi e completi
I dati sono ciò che guidano il processo di ottimizzazione della Supply Chain e della logistica. Se i dati non sono accurati e/o non vengono raccolti ed elaborati in tempo, le soluzioni risultanti saranno ovviamente errate. Ad esempio, il peso di ogni articolo da spedire non è sufficiente se alcuni carichi sono limitati dal volume del veicolo.
  1. Integrazione – deve supportare il trasferimento automatico dei dati
L’integrazione con tutti i sistemi informativi aziendali è fondamentale data la possibilità di considerare una grande quantità di dati che caratterizzano la Supply Chain e il mondo della logistica. Ad esempio, l’ottimizzazione delle consegne giornaliere da un magazzino ai negozi richiede dati relativi agli ordini, ai clienti, ai camion, ai conducenti e alle strade da percorrere. Introdurre manualmente qualsiasi dato e non considerarne alcuni risulta deleterio per il processo di ottimizzazione.
  1. Consegna dei dati – deve fornire risultati in una forma che facilita l’operatività, la gestione e il controllo
Le soluzioni offerte dalla Supply Chain e dai modelli di ottimizzazione della logistica non hanno successo se le risorse non possono poi eseguire il piano ottimizzato. Ad oggi le Web Application stanno diventando il mezzo ottimale per una facile gestione e per garantire un’operatività efficace.
  1. Algoritmi – devono sfruttare in modo intelligente la struttura dei problemi individuali
Una delle più grandi differenze tecnologiche che caratterizzano gli strumenti di ottimizzazione oggi disponibili sul mercato risiede nella capacità di programmazione e risoluzione del modello matematico. Modelli di ottimizzazione che forniscono efficaci soluzioni in tempi ragionevoli costituiscono la principale caratteristica che ogni software di ottimizzazione deve avere.
  1. Persone – devono avere competenze e sapere utilizzare le tecnologie necessarie per la risoluzione dei modelli matematici, elaborare i dati e saper programmare i motori di ottimizzazione
La tecnologia di ottimizzazione non è banale ed è irragionevole aspettarsi che funzioni bene nel tempo senza almeno alcuni esperti per assicurare che i dati e i modelli siano corretti e che la tecnologia stia funzionando come progettato. Non si può aspettare un insieme complesso di dati, modelli e software da gestire e supportare senza notevole sforzo da parte di persone con le conoscenze e l’esperienza del settore e delle tecnologie adeguate. Saper modellare da un punto di vista matematico un problema logistico complesso non è banale e servono quindi competenze specifiche di alto livello, soprattutto se il processo deve essere messo a disposizione di una risorsa non addetta ai lavori.
  1. Processo – deve sostenere il processo di ottimizzazione e in continuo miglioramento
L’ottimizzazione della Supply Chain e della logistica richiede uno sforzo significativo di miglioramento continuo. Quotidianamente infatti si riscontrano cambiamenti che devono pertanto essere intercettati e quantificati sistematicamente. La mancata attuazione di processi in grado di supportare e migliorare continuamente il processo di ottimizzazione della logistica determina soluzioni sempre meno prestazionali e l’obsolescenza della tecnologia stessa.
  1. ROI – deve essere dimostrabile considerando il costo totale della tecnologia, delle persone e delle operazioni
L’ottimizzazione della Supply Chain e della logistica non è gratuito, pertanto risulta fondamentale calcolare accuratamente il ROI. Quindi:
(1) Valutare approfonditamente i costi totali di implementazione del processo di ottimizzazione
(2) Confrontare le soluzioni prodotte dall’ottimizzazione rispetto alle alternative esaminate.