L’importanza di un’analisi “granulare” dell’incidenza dei costi di trasporto

di Massimiliano Manca

I contratti di trasporto e quelli di appalto di servizi logistici presentano le forme più variegate per definire gli importi riconosciuti alle imprese di Autotrasporto e Logistica che effettuano l’attività di distribuzione e trasporto delle merci dell’azienda committente.

Qualsiasi sia il parametro di costruzione della tariffa di trasporto (per UDC trasportata, per linea di trasporto, come percentuale in relazione al valore della merce trasportata, per fascia chilometrica e/o in relazione alle condizioni di carico scarico) è fondamentale, per governare il processo, monitorare l’evoluzione temporale del costo del trasporto, sia in valore assoluto sia, ancor meglio, in termini di incidenza del costo del trasporto sull’imponibile della merce venduta.

Si tratta quindi di uno dei più classici KPI che merita una rappresentazione costante, sia tabellare sia grafica: questo approccio diviene la base di valutazione del fenomeno e, al contempo, il punto di partenza per ogni eventuale iniziativa di miglioramento nell’organizzazione del processo di trasporto.

A questo punto però nasce il dilemma principale relativo all’acquisizione e analisi del dato:

Quanto deve essere “granulare” il dato da monitorare?

Per granularità intendo proprio la capacità di avere un dato più specifico e dettagliato nel tempo.

Cioè: è sufficiente una valutazione estesa al mese del costo affrontato o, più propriamente, vale la pena avere il dato giornaliero ricostruito?

È indubbio che il dato mensile sia più gestibile e più facilmente allineabile alla relazione istituita con il fornitore dei servizi di trasporto che, normalmente, viene pagato sulla mensilità.

Purtroppo però un intervallo temporale così ampio causa la perdita, appunto, della granularità dell’informazione e maschera l’evoluzione del fenomeno con le sue criticità.

Come al solito è un problema di “Media”, direbbero i Guru della Statistica: il dato medio si mangia le specificità evolutive del fenomeno mascherando, non solo la variabilità naturale (che, gioco forza esiste ed esisterà sempre!) ma, anche e soprattutto, la “variabilità speciale” dell’indicatore in analisi.

Ecco quindi che riaffiora nei miei articoli la necessità di affrontare la misurazione di un fenomeno e della sua CTQ (Critical to Quality) secondo le regole del Six Sigma e, in particolare, della fase di MEASURE.

Tornando al nostro caso specifico, il valore dell’incidenza del costo di trasporto sull’imponibile come valore medio giornaliero ci garantisce una Baseline solo parziale e poco utilizzabile proprio perché non aiuta a mettere in evidenza la variabilità speciale del fenomeno.

Nel processo DMAIC del Six Sigma, per riuscire ad affrontare compiutamente la fase di Analyze e quindi per poter analizzare le cause che portano a criticità il processo di trasporto, è necessario intensificare la misurazione dei dati rappresentativi del fenomeno; come mi piace dire quindi: “bisogna andare oltre la media”.

Diventa assolutamente necessario costruire l’istogramma di distribuzione delle frequenze dell’incidenza del trasporto giornaliero, arrivare poi ad una rappresentazione normale della curva di frequenza e completare con il calcolo degli indicatori di dispersione come il Range, la Varianza e, soprattutto la deviazione standard.

È proprio la deviazione standard (Notoriamente indicata con la lettera greca “sigma”) che specifica quanto sia variabile il dato attenuto e quanto rischi di “assumere valori” che vanno oltre il limite di specifica ammesso per l’indicatore stesso. Nel caso in analisi, si comprende così quale sia la frequenza abbinata al “fuori specifica” e quindi la probabilità futura di dover affrontare costi di trasporto che eccedono il limite tollerabile.

Da questo punto in poi si può studiare la Capability del Processo: stabilire quindi se l’ampiezza del processo è sufficientemente compresa all’interno dell’ampiezza di specifica oppure no, per cui è necessario intervenire comprendendo le cause di tale variabilità inaccettabile.

Il Sigma Level, dato proprio dal rapporto tra la deviazione standard e il valore della distanza del limite di specifica dal dato medio, misura come il processo sia disperso rispetto alla media e quindi meritevole di intervento e correzioni; in sintesi il sigma level aiuta a comprendere quanto il processo rischi di essere incontrollabile e, come nel caso in analisi, generare inefficienze e costi inaccettabili.

Capiamoci con un esempio:

Considerato un mede di attività, un’azienda committente valuta che la media dell’incidenza del costo di trasporto giornaliero (sull’imponibile trasportato) è pari al 2,0%: se ci fermassimo a questa informazione “flat” potremmo sostenere che ciò che “sta succedendo in termini di trasporto” sia eventualmente accettabile.

Ma quanto è mutevole tale indicatore intorno alla sua media?

Valutiamo la deviazione standard e ci accorgiamo che essa vale: 0,3%

Stabiliamo il limite di specifica pari al 2,2%: ciò significa che nelle nostre valutazioni, riteniamo inaccettabile un’incidenza del costo del trasporto giornaliero oltre il 2,2%.

Ricostruiamo la distribuzione delle frequenze (con un istogramma per esempio) e ci accorgiamo che, nonostante il valore medio del 2,0%,  per il 25% delle volte siamo andati fuori specifica, cioè l’incidenza del costo giornaliero ha superato il 2,2%.

Risultato: È chiaro che questa nuova visione del dato genera una consapevolezza maggiore su importanti problematiche che si sono verificate durante il mese, probabilmente abbinate a variabilità speciali e che, il solo dato medio del KPI non avrebbe mai rilevato.