Nel capitolo precedente la struttura del modello per la gestione delle scorte è stata studiata sotto un aumento inaspettato del 20% della domanda che poi rimane costante.
La reazione del sistema a questo evento improvviso si esprime in un certo ritardo della risposta delle variabili per riportare il sistema stesso all'equilibrio.
Lo scopo di questo capitolo è quello di studiare il modello, e quindi la risposta delle variabili che lo caratterizzano, sotto diverse condizioni di variazione della domanda.

Nel mondo reale, sicuramente, le supply chains non sono colpite solo una volta ma sono continuamente perturbate da variazioni degli ordini dei clienti.
Queste variazioni improvvise perturbano costantemente il sistema portandolo fuori dall'equilibrio, provocando una risposta caratteristica che dipende dalla struttura di retroazione propria del sistema.
Un flusso di variazioni casuali nella domanda può essere pensato come una successione continua di piccole pulsazioni nella domanda, ognuna con una grandezza casuale.
Si consideri un tempo di simulazione di un anno e che la domanda vari casualmente in un range compreso tra 10 e 12 widgets/week come riportato nel grafico seguente:
Figura 5.1- Variazione casuale della domanda.

I grafici di figura 5.2 mostrano la risposta del sistema ad una variazione casuale negli ordini del cliente.
Come ci si aspetta, la supply chain si comporta suonando come un campanello.
Le variabili shipment rate e desired shipment rate mostrano bene questo tipo di risposta.
Nei primi mesi di simulazione desired shipment oscilla al di sopra di shipment perché di fronte ad una variazione casuale della domanda l'azienda si trova inizialmente spiazzata e il magazzino scende al di sotto del livello desiderato.
Dopo circa sei mesi di simulazione shipment e desired shipment raggiungono lo stesso livello e delivery delay torna al suo valore iniziale (2 settimane).
A partire da questo periodo fino alla fine della simulazione shipment e desired shipment hanno lo stesso andamento, perché il magazzino ha raggiunto il livello desiderato, ed oscillano alla stessa maniera in un range ristretto intorno al valore di 11 widgets/week che è il valore medio fra 10 e 12 widgets/week.

Il divario tra il magazzino attuale e quello desiderato, causato dalla casuale variazione della domanda costringe production start rate ad aumentare con un'amplificazione di circa il 40% rispetto al valore iniziale (10 wdg/wk).
Questo aumento è dovuto al fatto che di fronte ad una variazione casuale degli ordini l'azienda non è subito in grado di pianificare una corretta previsione degli ordini dei clienti.
Infatti si nota che solo dopo circa sei mesi i paramentri del sistema oscillano in un range sempre più ristretto (intorno agli 11 widgets/week).
Questo evidenzia che lo scopo del magazzino e dei backlogs in una supply chain è quello di tamponare il sistema contro impreviste fluttuazioni della domanda, naturalmente con ritardi che dipendono dalle caratteristiche del sistema stesso.
Di seguito si riportano le tabelle con i valori assunti dai parametri del sistema nel corso della simulazione:
Figura 5.3- Tabella che riporta i valori di inventory, desired inventory, WIP e desired WIP assunti durante la simulazione

Figura 5.4- Tabella che riporta i valori di production rate, customer order rate,expected order rate, desired production,production start rate, desired shipment rate, shipment rate assunti durante la simulazione

 

---

Top| Sommario| << Precedente | Successiva >> >> Home Page newsletter.unitec.it <<