Ottimizzazione della Quantità di Ordini
Questa è la storia di un'azienda olandese a conduzione familiare specializzata in veicoli industriali e sistemi di carico ambientale.
L'azienda ha esteso il proprio raggio d'azione a nove Paesi, con oltre duemila dipendenti che gestiscono decine di migliaia di articoli come parte della loro routine quotidiana.
Vincitore del premio Celonis Use Case Championship!
Questo caso d'uso, sviluppato con il tool OQO di DataLane, è stato riconosciuto come uno dei vincitori del primo Celonis Use Case Championship al Celosphere 2023!
Questo concorso ha messo in mostra l'incredibile innovazione della comunità Celonis ed è stato un privilegio essere tra i primi classificati, selezionati tra oltre 100 idee uniche.
Sfida
Il team di Procurement dell'azienda si concentrava principalmente sull'evitare le rotture di stock, mentre i costi quasi non facevano parte dell'equazione. Il Data Science Manager ha scoperto che si stavano perdendo sconti sostanziali sulle quantità, con un risparmio potenziale fino al 90%.
Ha iniziato a chiedersi se l'azienda potesse risparmiare modificando la propria strategia di acquisto. Con una spesa annuale di centinaia di milioni, anche un miglioramento dell'1% avrebbe prodotto risparmi significativi.
Ma come affrontare questa sfida? Era chiaro che ottimizzare l'acquisto di decine di migliaia di SKU su base giornaliera è al di là di ogni ragionevole capacità umana. Un altro aspetto importante della sfida era il programma di produzione dell'azienda, che è noto con 12 o 18 mesi di anticipo.
Da un lato, una benedizione in termini di efficienza, in quanto consente di raggruppare la produzione di tipi simili di veicoli. Dall'altro lato, una maledizione, perché questo ha portato a fluttuazioni nelle richieste di SKU durante l'anno, non considerate dalle procedure standard di dimensionamento dei lotti.
Il risultato? Aggiustamenti ad hoc che richiedono molto lavoro e carenze di materiale in un periodo, seguite un eccesso di scorte in quello successivo.
Soluzione
Riconoscendo la necessità di un approccio più sofisticato, il Data Science Manager ha chiesto l'aiuto di DataLane, partner di fiducia nel Process Mining da oltre 10 anni con esperienza nell'ottimizzazione del Sourcing e della Supply Chain.
Anche se il progetto è stato avviato per ottimizzare gli sconti sulle quantità ed evitare gli stock-out, è diventato chiaro che i costi dei materiali erano solo un pezzo del puzzle. Altri margini di miglioramento sono stati identificati su costi di trasporto, di stoccaggio e di obsolescenza, e anche sugli accordi con i fornitori sui tempi di consegna e sulle quantità minime, massime o multiple degli ordini.
DataLane ha introdotto l'Order Quantity Optimizer (OQO), un modello matematico flessibile che, in base alle restrizioni aziendali del cliente, calcola le quantità ottimali di ordini per periodo, ottenendo costi totali minimi.
SKU in esame
Risparmio per SKU
Magazzini coinvolti
Risultati
- È stato condotto un progetto pilota su 250 SKU in uno dei loro magazzini, confrontando le raccomandazioni di OQO con le decisioni effettive.
- I risultati sono stati impressionanti: fino al 75% di risparmio sui costi per SKU, che si traduce in milioni di risparmi annuali. Il team di Procurement gestisce gli ordini più efficentemente, ha ridotto il lavoro manuale e ha aumentato la trasparenza.
- Grazie a questo successo, OQO è ora in fase di implementazione in tutti i magazzini, con la prospettiva di un'efficienza dei costi ancora più significativa.
- Questa success story dimostra come un processo decisionale data-driven possa portare a risparmi sostanziali, migliorando la gestione delle scorte e i processi di approvvigionamento.