Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
1
Introduction to decision
modeling
by Filippo Vasta
Management by Methods
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
2
Key Processes
Generating demand
Develop new products
Make them appealing to new customers
Ensuring Supply
Order management
Production flow management
Distribution flow management
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
3
The goal
Shareholders value creation
Short term profitability
Long term profitability plus investment
protection
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
4
Key strategic objectives
Widen customer base
Increased customer fidelization
Increase per customer sales
Increase per customer profit
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
5
Key success drivers
Marketing Strategies
Innovate & communicate value
Commercial Strategies
Sales force, Sales channels, Sales compensation schemes
Distribution Strategies
Central / Peripheral warehouses, transportation strategies,
Outsourcing
Production strategies
Investments, Training, Outsourcing, Procurement
Financial Strategies
Sources of capital
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
6
Strategies imply strategic
decisions Marketing Strategies
When? What? How??… Innovate & communicate value
Commercial Strategies
Sales force (size, organization, geographic distribution, customer assignement??..), Sales channels , Sales compensation schemes (which channels, which compensation schemes??..)
Distribution Strategies
Central / Peripheral warehouses , transportation strategies, Outsourcing (how many warehouses, own or rent, which location, how much space to rent, which supplier, which type of agreement, which warehouse management approach??….
Production strategies
Investments, Training, Outsourcing, Procurement (which investment do and which do not, make or buy, how to rebalance resources, which size & type of equipment??….)
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
7
The other two decision
horizons
Medium Term & Short Term
Repetitive operative decisions• Essentially Planning & Scheduling
Sales activities planning,
Sales forecasting,
High level resource planning,
Low level resource scheduling
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
8
The decision perspective of
the organizationGeneral
Manager
Division A Division B Division C
Function A Function B Function C
Department
A
Department
B
Department
C
Decision
Scope
Long term
decisions
Medium
term
decisions
Short term
decisions
Repetitive On
ExceptionRipetitive On Exeption
Decision 1 Decision 2 Decision N Exeption 1 Exeption 2 Exeption N
Decision 1 Decision 2 Decision N
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
9
The case for Decision Modeling
Every Organization is a “Decision Machine”
Competitiveness is the result of good
decisions
The modern, succesful organization must be
equipped with the best decision “toolbox”
Main Idea
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
10
The decision “toolbox”
Clear definition of decision responsibilities Structure decision scope
• Long term, Medium Term, Short Term, On Exeption, who decides on what
Decision culture How to structure and model decisions
How to use decision modeling support tools• Goal seeking
• Montecarlo simulation
• DOE (Design of experiment)
How to effectively get the right info from existing information systems
• Data warehousing, Time series, Neural Networks
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
11
Decision Anatomy
Alternative
Possible values of
Discretionary
variables
Decision quality measures
Constraints
Non discretionary parameters
Logics
Decision
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
12
Decision criteria
Decision quality measures
Directly quantifyable economic measures
Non economic parameters directly translateable
into economic & financial measures
Summary benchmark measures non directly
quantifyable economically and financially
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
13
Economic & Financial decision
quality measures
Differential cashflow
Differential profit
Differential earnings
Differential savings
Differential present net value
Differential internal return rate
Payback period
Return / Risk ratio
Expected economic value
…
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
14
Operational performance parameters easily
translateable into economic measures
Out of stock quantities
Cycle time
Waiting queues
Lost sales
Average delivery delay
Inventory levels
Average equipment utilization
Average effectiveness
Change overs
% of customer below target service
level
….
Overtime
Material usage
Fault rates
Specific consumption
Consumption variability
Man hours requirement
Material requirements
Fault detection probability
Number of repairs
Time to repair
Outdated inventories
…
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
15
Complex benchmark measures non directly
translateable into economic measures
Some examples
Degree of strategy coherence
Customer satisfaction index
Average delay weighted according with customer
importance / jobs turnover
Weighted completeness index
Service level index
Risk index
…
….
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
16
Constrains
Financial resources
Production capacity
Warehouse capacity
Human resources
Shelf space
Customers
Transportation capacity
Holidays
Shift rules
Trade unions
Minimum assortments
…
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
17
Decision = Optimization
Selection of best alternative should: Maximize the value of decision quality measures
selected for the problem
In compliance with all identified contraints
Therefore a “good decision” must be an
optimized decision The best possible decision in relation to the decision
quality measures and related constraints
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
18
Decision risk
Decisions set future course of actions
The future is by definition uncertain
Therefore all decisions are based on
uncertain assumptions
Consequently is important to evaluate the
degree of uncertanty implied by a decision
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
19
Cosa fa il Decision Modeler
Intervista i Decisori
Disegna il modello decisionale definendo:
Le alternative decisionali a disposizione
I Vincoli
La funzione obiettivo (La sintesi delle misure di qualità della scelta)
Progetta il modello decisionale
Sviluppa il modello di calcolo what-if su foglio elettronico
Supporta i decisori nel lancio delle simulazioni e interpretazione dei
risultati
Commissiona (nel caso di problemi ripetitivi) l’industrializzazione
della soluzione (SW di ottimizzazione custom)
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
20
The Ideal decision Toolbox
Competencies How to use cost data when facing a decision (management and cost accounting)
How to evaluate return on investment (return on investment analysis techniques)
Data analysis techniques and methodologies
How to build decision models (advanced Ms-Excel model building plus goal-seeking)
Statistics (probability distribution, confidence intervals, significance tests)
Tools Data-warehouse & Query
Goal seeking ,
Montecarlo simulation
Visual simulation
Neural Networks
Time series analysis
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
22
Data warehouse, Business
Intelligence
How to structure and organize data to get relevant information
in the right time with adequate accuracy
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
23
Goal seeking
How to optimize a decision
model by selecting:
1)Problem function
objectives
2)Ranges of discretionary
variables
3)Constraints
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
24
Montecarlo simulation
How to evaluate the impact of non discretionary parameters variability on
the variability of key decision quality measures.
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
25
Neural networks
How to use historical
data to identify cause
– effect relationship
among non
discretionary
parameters in order
to better control
alternative decision
scenario
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
26
Time series forecasting
Useful for all
decision
implying
hypothesys on
future values of
key non
discretionary
variables
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
27
MbyM Role A customer identify a specific decision problem
MbyM consultant assist customer in: Structuring the problem
Identifying relevant decision support technologies and tools
Building the Excel decision model
Testing and fine tuning the model
Possibly design and build a custom SW
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Enterprise Wide SW
Selection
28
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Definizione del problema
29
Processi Copert
ura
att
uale
Qualit
à d
ella
copert
ura
Liv
ello
di
criticità
str
ate
gic
a
1
Product Data
Management Solution X 2 3
2
Product Lifecycle
Management Excel 1 3
3
Order to cash
management In house 1 2
4 Shipping management In house 1 2
5
Accounts payble
management In house 2 2
6
Human resources
management Solution Z 2 1
7
Production Planning
management Excel 1 3
8
Sales forecasting
management Excel 1 2
9 Product costing Excel 1 2
10
Customer service &
technical support Excel 1 3
11 Budgeting & controll Excel 1 2
12
Cash planning and
management Excel 1 2
13 Sales force automation None 0 2
Copertura tecnologico
applicativa attuale
Soluzione Cat
ego
ria
Co
sto
1 Soluzione 1 (PLM) PLM 10000
2 Soluzione 2 (PLM) PLM 12000
3 Soluzione 3 (IDM) IDM 4000
4 Soluzione 4 (IDM) IDM 6000
5 Soluzione 5 (CRM) CRM 21000
6 Soluzione 6 (CRM) CRM 40000
7 Soluzione 5 (CRM) CRM 15000
8 Soluzione 7 (BI) BI 7000
9 Soluzione 8 (BI) BI 12000
10 Soluzione 9 (BI) BI 18000
11 Soluzione 10 (ERP-OTC) ERP 60000
12 Soluzione 11 (ERP-OTC) ERP 80000
13 Soluzione 12 (ERP-PLM) ERP 48000
14 Soluzione 13 (ERP-SC) ERP 90000
15 Soluzione 14 (CRM) CRM 17000
16 Soluzione 15 (CRM) CRM 23000
17 Soluzione 16 (BPM) BPM 20000
18 Soluzione 17 (PP-SF) PP-SF 15000
19 Soluzione 18 (PP-SF) PP-SF 18000
20 Soluzione 19 (ICC) ICC 5000
21 Soluzione 20 (ICC) ICC 15000
Il mercato
Soluzioni scelte Cla
sse
applic
ativa
Soluzione 1 (PLM) PLM
Soluzione 4 (IDM) IDM
Soluzione 9 (BI) BI
Soluzione 5 (CRM) CRM
Soluzione 19 (ICC) ICC
Soluzione 18 (PP-SF) PP-SF
Soluzione 11 (ERP-OTC) ERP
La Decisione
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
3030
Decision Anatomy
Alternative
Quale Soluzione a
copertura di ciascun
processo?
Decision quality measures
Risorse umane /
finanziarie,
competenze
Logics
Decision
VincoliGrado di
copertura target
al minor costo
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Fasi del metodo
1. Analisi della copertura attuale dei
processi ( Metodologie derivate da
AVA – analisi valore aggiunto)
2. Inventario delle soluzioni offerte
dal mercato e benchmark delle
funzionalità
3. Strutturazione del modello
decisionale
1. Variabili discrezionali
2. Funzione obiettivo31
Processi Co
per
tura
attu
ale
Qu
alit
à
del
la
cop
ertu
ra
Live
llo d
i
crit
icit
à
stra
tegi
ca
1 Product Data Management Solution X 2 3
2 Product Lifecycle Excel 1 3
3 Order to cash management In house 1 2
4 Shipping management In house 1 2
5 Accounts payble In house 2 2
6 Human resources Solution Z 2 1
Soluzione Cat
ego
ria
Co
sto
1 Soluzione 1 (PLM) PLM 10000
2 Soluzione 2 (PLM) PLM 12000
3 Soluzione 3 (IDM) IDM 4000
4 Soluzione 4 (IDM) IDM 6000
5 Soluzione 5 (CRM) CRM 21000
6 Soluzione 6 (CRM) CRM 40000
7 Soluzione 5 (CRM) CRM 15000
Pesi Valori Valori pesati
Somma incrementi 10 119 1190
Somma decrementi 100 0 0
Somma netta pesata 10 11900
indice di complessità di
integrazione 10 7 70
indice di ripetizione classi 100 0 0
Score complessivo di
coerenza 640
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Bench Mark Tecnologico
Rispondere alla domanda
Come classificare la soluzione proposta: (IDM , EDM, BPM, ICC ?
Estensione della soluzione
La soluzione copre anche altri ambiti tecnologici (Es. IDM +
WFmgmt oppure BI + Decision Analytics…)
Grado di copertura degli ambiti : ad esempio IDM ( Integrated
Document Management)
OCR – Nativo, Assente, Third Parties
Check-in Check – out , manuale, automatico
Integrazione con : Word, PPT, XLS , Visio…
Archiviazione e retrieval: Nativa, third party engine, gerarchica , chiavi di
indicizzazioni multiple…
Back-up / restore disaster ricovery
Versioning , document life cycle
32
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Inventario delle soluzioni e
benchmark di copertura
33
Cla
sse a
pplic
ativa
Costo
medio
/ f
unzio
nalit
à
Funzio
nalit
à
Live
llo d
i co
sto
Pro
du
ct D
ata
Man
agem
ent
Pro
du
ct L
ifec
ycle
Man
agem
ent
Ord
er t
o c
ash
man
agem
ent
Ship
pin
g m
anag
emen
t
Acc
ou
nts
pay
ble
man
agem
ent
Hu
man
res
ou
rces
man
agem
ent
Pro
du
ctio
n P
lan
nin
g m
anag
emen
t
Sale
s fo
reca
stin
g m
anag
emen
t
Pro
du
ct c
ost
ing
Cu
sto
mer
ser
vice
& t
ech
nic
al s
up
po
rt
Bu
dge
tin
g &
co
ntr
oll
Cas
h p
lan
nin
g an
d m
anag
emen
t
Sale
s fo
rce
auto
mat
ion
Inte
grat
ed D
ocu
men
t M
anag
emen
t
Wo
rkfl
ow
man
agem
ent
Dat
a q
uer
y an
d r
epo
rtin
g
Ad
van
ced
dat
a an
alyt
ics
(dat
a m
inin
g)
Inte
grat
ed C
om
mu
nic
atio
n
Dec
isio
n a
nay
itic
s
Soci
al m
edia
inte
grat
ion
Mo
bile
tec
hn
olo
gy c
om
plia
nce
Ap
plic
atio
n &
Dat
abas
e in
tegr
atio
n f
un
ctio
nal
itie
s
Big
dat
a vo
lum
e su
pp
ort
Co
mp
any
Web
Po
rtal
Man
agem
ent
Co
mp
less
ità
imp
lem
enta
tiva
Soluzione 1 (PLM) PLM 10000 1 10000 3 3 1 2 1 1
Soluzione 2 (PLM) PLM 12000 1 12000 1 2 1 2
Soluzione 3 (IDM) IDM 4000 1 4000 1 2 2 3
Soluzione 4 (IDM) IDM 6000 1 6000 2 1 3 2 2
Soluzione 5 (CRM) CRM 21000 1 21000 3 1 2 2 1 1
Soluzione 6 (CRM) CRM 40000 1 40000 3 1 2 2 3 1 2
Soluzione 5 (CRM) CRM 15000 1 15000 3 3 2 3 2
Soluzione 7 (BI) BI 7000 1 7000 2 2 1 1
Soluzione 8 (BI) BI 12000 1 12000 1 3 3 1 1 3
Soluzione 9 (BI) BI 18000 1 18000 2 3 3 3 2 2 2
Soluzione 10 (ERP-OTC) ERP 60000 1 60000 1 1 3 2 3 1 1 1 2 1 1 1 1 1 1
Soluzione 11 (ERP-OTC) ERP 80000 1 80000 1 1 3 3 3 2 2 2 3 2 2 2 2 0 2 2 2 1 2 2 1 2 2
Soluzione 12 (ERP-PLM) ERP 48000 1 48000 2 2 2 1 2 1 1 1 2 1 1 0 0 0 1 1 1 3
Soluzione 13 (ERP-SC) ERP 90000 1 90000 1 1 1 2 1 1 3 2 2 1 3 0 0 1
Soluzione 14 (CRM) CRM 17000 1 17000 1 3 1 2 2 2 2 2
Soluzione 15 (CRM) CRM 23000 1 23000 2 1 3 1 2 2 2 3 3 3 3
Soluzione 16 (BPM) BPM 20000 1 20000 2 2 2 1 1 2 1 3 2 2 1 3 2 2 3 2 2
Soluzione 17 (PP-SF) PP-SF 15000 1 15000 2 2 1 3
Soluzione 18 (PP-SF) PP-SF 18000 1 18000 3 3 3 2 2
Soluzione 19 (ICC) ICC 5000 1 5000 2 1
Soluzione 20 (ICC) ICC 15000 1 15000 2 1 3 2 2 2
• Letteratura
• Fiere
• Siti
• Incontri
con i
vendors
Come l’ufficio
tecnico
alimenta
costantemente
la base dati
tecnica, l’IT
dovrebbe
alimentare
costantemente
la base dati
delle soluzioni
IT
1=basso
2=medio
3=alto
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Il modello decisionale
34
Soluzioni scelte Pro
duct
Data
Managem
ent
Pro
duct
Lifecycle
Managem
ent
Ord
er
to c
ash
managem
ent
Ship
pin
g m
anagem
ent
Accounts
payble
managem
ent
Hum
an r
esourc
es
managem
ent
Pro
duction P
lannin
g
managem
ent
Sale
s f
ore
casting
managem
ent
Pro
duct
costing
Custo
mer
serv
ice &
technic
al support
Budgeting &
contr
oll
Cash p
lannin
g a
nd
managem
ent
Sale
s f
orc
e a
uto
mation
Inte
gra
ted D
ocum
ent
Managem
ent
Work
flow
managem
ent
Data
query
and r
eport
ing
Advanced d
ata
analy
tics
(data
min
ing)
Inte
gra
ted
Com
munic
ation
Decis
ion a
nayitic
s
Socia
l m
edia
inte
gra
tion
Mobile
technolo
gy
com
plia
nce
Applic
ation &
Data
base
inte
gra
tion f
unctionalit
ies
Big
data
volu
me s
upport
Com
pany W
eb P
ort
al
Managem
ent
Facili
tà d
i
imple
menta
zio
ne
Adere
nza a
Sta
ndard
Inte
rnazio
nali
Sem
plic
ità +
Adere
nxza
a S
td
Soluzione 1 (PLM) 10000 3 3 0 0 0 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 3
Soluzione 4 (IDM) 6000 0 0 0 0 0 0 0 0 0 2 0 0 1 3 2 0 0 0 0 0 0 0 0 0 2 2 4
Soluzione 9 (BI) 18000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 3 3 0 3 0 0 2 2 0 2 3 5
Soluzione 5 (CRM) 15000 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 3 2 0 0 3 2 1 3
Soluzione 19 (ICC) 5000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 1 1 2
Soluzione 18 (PP-SF) 18000 0 0 0 0 0 0 3 3 3 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 4
Soluzione 11 (ERP-OTC) 80000 1 1 3 3 3 2 2 2 3 2 2 2 2 0 2 2 0 2 1 2 2 1 0 2 2 2 4
Costo totale in migliaia di EURO 152
Possibili sovrapposizioni da chiarire 1 1 1 1 1 1 1 1 2 1 2 1 1 1 4 1 1 2 1 1 2 1 1 1
Valore Massimo 3 3 3 3 3 2 3 3 3 3 2 2 2 3 2 3 3 2 3 3 2 2 2 3
Qualità copertura attuale 2 1 1 1 2 2 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0
Criticità strategica 3 3 2 2 2 1 3 2 2 3 2 2 2 3 2 3 2 3 2 3 3 2 2 3
Incremento qualità copertura 1 2 2 2 1 0 2 2 2 2 1 1 2 3 2 3 3 2 3 3 2 2 2 3
Incremento qualità copertura pesato 3 6 4 4 2 0 6 4 4 6 2 2 4 9 4 9 6 6 6 9 6 4 4 9
La maggior parte delle soluzioni include tecnologie applicative spesso in sovrapposizione con
altre, bisogna pertanto scegliere un set di soluzioni che:
-fornisca il massimo grado di copertura rispetto all’architettura attuale ed in funzione del
livello di criticità delle funzionalità specifico per la nostra azienda evitando il più possibile
duplicazioni, al minor costo per l’azienda e privilegiando soluzioni aderenti a standards e il
più possibile semplici da implementare
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Variabili discrezionali e
funzione obiettivo
35
Sim
ula
zio
ne
Soluzioni scelte
Classe
applicativa
1 Soluzione 1 (PLM) PLM 10000
4 Soluzione 4 (IDM) IDM 6000
10 Soluzione 9 (BI) BI 18000
7 Soluzione 5 (CRM) CRM 15000
20 Soluzione 19 (ICC) ICC 5000
19 Soluzione 18 (PP-SF) PP-SF 18000
12 Soluzione 11 (ERP-OTC) ERP 80000
Costo totale in migliaia di EURO Peso-> 152
In giallo le soluzioni scelte
dal motore di
ottimizzazione
Funzione obiettivo:
Minimizzare - > Costo + Indice di scopertura pesata + indice di numerosità soluzioni
Pesi Valori Valori pesati
56 Costo totale in migliaia di EURO 5 152 760
57 Somma incrementi rispetto alla copertura attuale 10 119 1190
58 Somma decrementi rispetto alla copertura attuale 100 0 0
60 indice di complessità di integrazione 10 7 70
61 indice di ripetizione classi 100 0 0
62 Score complessivo di coerenza 640
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Altri elementi da
considerare
Indice di solidità patrimoniale dei fornitori
Fatturato
Profitto
Indice di costo e capillarità della rete di
assistenza
Anno di fondazione
Fatturato
Clienti
Costo giornaliero assistenza
36
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Architettura complessiva
ERP – BPM – BI - DM
37
BPM
ERP
BPM
BPM
Data Warehouse
Decisioni
Logiche e
modelli
BI
Optimization application
Goal seeking engine
Modeling design
competence
Models development
competence
Decision
Scope
Long term
decisions
Medium
term
decisions
Short term
decisions
Repetitive On
ExceptionRipetitive On Exeption
Decision 1 Decision 2 Decision N Exeption 1 Exeption 2 Exeption N
Decision 1 Decision 2 Decision N
Processi operativi
Processi decisionali
cruscotti
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Il Panorama sulle ottimizzazioni
Strumenti General purpose Entry level (Excel Add-ins)
• Gene-hunter (MbyM distributore non esclusivo) , Solver, Crystall Ball….
• MbyM Opti (in development )
Advanced (generatori di applicazioni di ottimizzazione per sviluppatori)
• IBM C-plex,
• OptimJ
• BARON
• …..
• MbyM Opti (Engine, in development)
Best of breeds
Planning & Scheduling-> Ortems / Schedulex / I2Technologis /
Jobtime Inc…
….Segue esempio di piattaforma di Scheduling MbyM Opti
38
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Applicazione del DM al
production scheduling
Possiamo definire vari programmi di
produzione in base a diversi criteri
decisionali:
First come / First Serve
On Time Performance (Puntualità)
Penali
Utilizzazione
Criteri misti
39
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
First come first serve
40
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
41
On-Time Performance
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Penalty
42
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Penalty + Utilization
43
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Gant Chart
44
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
45
Le “Primitive DM” Contenenze ottimali Trade Unit / Display unit /
consumer unit
Ottimizzazione assortimento
Piano promo / scontistica ottimale
Piano incentivi agenti ottimale
Riattribuzione ottimale zone ad agenti / informatori
Giro visita ottimale
Sizing ottimale forza vendita
Struttura logistica distributiva ottimale
Algoritmi di replenishment ottimali
Pianificazione e scheduling della produzione ottimale
Optimal transportation planning
Distribuzione ottimale dei prodotti in Warehouse
Optimal Logistics parameter setting
Gestione ottimale del phase-in / phase out di prodotto
Ottimizzazione planning attività di R&D
Ottimizzazione portafoglio investimenti industriali
Ottimizzazione Lay-out di fabbrica
Ottimizzazione flussi di cassa
Ottimizzazione budget flessibile
Ottimizzazione prezzi di vendita
Ottimizzazione bilanciamento strategico risorse
Ottimizzazione Project Planning
Ottimizzazione configurazione di prodotto
Ottimizzazione assortimento
….
Le problematiche decisionali
tendono a ripetersi , è quindi
possibile definire delle
“primitive” da riadattare volta
per volta al problema
specifico.
L’azienda che vuole
sviluppare la cultura DM si
costruisce col tempo il proprio
set di primitive DM in base
alle necessità prioritarie
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Possibile progetto Top-
Down
Analisi Enterprise-wide delle attività
Analisi Enterprise-wide delle criticità
Creazione delle catene di attività componenti i processi
aziendali critici e investitura dei «capi processo»
Raggruppamento delle criticità in progetti candidati di
miglioramento
Classificazione (Organizzativi, Tecnologici, Informativi,
Decision model projects, Formativi… e prioritizzazione
dei progetti di miglioramento
Approvazione, lancio e gestione dei progetti approvati
46
Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore
Per informazioni
47
Filippo Vasta it.linkedin.com/in/FilVaMbyM
Si ringrazia www.villapieve.it per aver ospitato Club TI Centro