Digitalizzare per incrementare la resilienza: dopo due anni di pandemia è divenuto un mantra per la catena di approvvigionamento globale.

Già prima che lo scrollone pandemico mettesse in discussione la validità del modello attuale di Supply Chain si parlava di analisi predittive, vale a dire della necessità di passare dal semplice inventario Excel a strumenti che guardassero oltre, unendo la domanda del mercato alla disponibilità delle scorte con lo scopo di prevedere le giuste mosse da compiere in termini di ordini.

Adesso tutto ciò è chiaro quanto abbia un’importanza vitale per la Supply Chain e che non basta nemmeno intercettare correttamente la domanda, ma che occorre guardare ad uno scenario ben più ampio.

Più una catena di approvvigionamento opera su larga scala, più essa sarà complessa ed interconnessa ad una miriade di variabili, anche esterne alla logistica stessa. Un recente esempio si è visto nello UK, quando i singhiozzi della Supply Chain hanno lasciato vuoti gli scaffali dei supermercati e asciutte le pompe di benzina.

Proprio sul minimizzare i rischi della catena di distribuzione si è concentrata una ricerca del Fraunhofer Institute for Industrial Mathematics ITWM, che ha dato alla luce un software in grado di dare una risposta matematica ai problemi della Supply Chain mondiale.

 

Leggi anche:
Digitalizzazione e Supply Chain: il Dossier di Logistica

 

Un algoritmo per la resilienza

Fortunatamente, anche lo scenario più complesso è riconducibile ad una serie di modelli matematici: i ricercatori del Fraunhofer Institute hanno fatto proprio questo, hanno analizzato le caratteristiche di una catena di approvvigionamento per simularla attraverso un modello.

I possibili scenari negativi sono così prevedibili e, soprattutto, analizzabili: lo scopo primario del software è infatti evidenziare i punti critici del sistema, quelli dove è maggiormente necessario un intervento.

Raggruppando tutte le variabili all’interno di un’ottimizzazione del problema basata su molteplici criteri, i ricercatori hanno messo a punto un metodo per determinare la miglior soluzione possibile che coniughi resilienza, costi e rischi.

 

Leggi anche:
Retail e digitalizzazione, le opportunità di una corsa spietata

 

Ottimizzare in modo olistico

La scommessa di questo modello matematico è giungere ad una ottimizzazione della Supply Chain che abbia un approccio olistico.

Gli algoritmi del software calcolano l’equilibrio ottimale tra i diversi canali di ingresso sui quali la catena di distribuzione si fonda, ossia materie prime, fornitori e stoccaggio, senza trascurare l’opzione di materiali alternativi.

Fondamentale per chiarire i punti deboli del sistema è ripulirlo da tutto quanto non sia necessario, assumendo solo quelle variabili che davvero sono indispensabili.

Leggi anche:
PMI, un bando da 30 milioni di euro per la digitalizzazione

 

Prevenire i ‘colli di bottiglia’

Una altra branca del Fraunhofer Institute, quella dedita al Material Flow and Logistics IML), ha sviluppato in parallelo un simulatore chiamato OTD-NET, Order-To-Delivery-NETwork Simulator.

Questo strumento è stato pensato per stimare e valutare i processi di pianificazione ed i flussi di materiali, dall’ordine alla consegna.

La forza di OTD-NET risiede nella capacità di mappare a tutti i livelli di profondità una Supply Chain: nella simulazione possono essere tenuti in considerazione tutti gli scenari possibili, come picchi della domanda, il crollo di un mercato o interruzioni nella produzione.

Sfruttando dei ‘digital twin’ da far interagire con le simulazioni, è possibile per gli spedizionieri capire quale lotto di merce si trovi dove, a bordo di che vettore e quando sarà effettivamente consegnato. La capacità del simulatore arriva a raffigurare le successive 20 o 30 settimane di spedizioni, permettendo così di anticipare l’insorgere dei famigerati ‘colli di bottiglia’.

 

Leggi anche:
Digitalizzazione e sostenibilità, due facce della stessa medaglia

 

Prevedere per essere resilienti

ODT-NET permette di simulare dinamicamente cosa avverrà sul lungo periodo: quali parti o componenti dovranno essere e dove, ma soprattutto, quali potrebbero subire ritardi a causa di una delle tante interruzioni possibili nella catena.

Il Fraunhofer Institute ha lavorato a queste soluzioni spinto proprio dai problemi accusati dalla comparto automotive tedesco ed europeo in genere durante la pandemia. Essa ha poi dato lo spunto per sviluppare un ulteriore serie di modelli di analisi che prevedano i futuri picchi di domanda e le sue fluttuazioni.

Possibili restrizioni sui territori, capacità di assolvere gli ordini, frequenza dei trasporti, sono solo alcune delle variabili tenute in considerazione per dare alle aziende un sistema di feedback rapidi sui margini di rischio che corrono e, di conseguenza, sulle compensazioni che dovrebbero adottare.