Schneider Electric Scopre €8 Milioni di Risparmi con il Supply Chain Model
Il nostro mondo funziona con l’energia e Schneider Electric la aiuta a funzionare meglio. Questa azienda globale produce soluzioni per la gestione dell’energia in ogni ambito, dalle utility all’industria, fino ai consumatori. Inoltre, molti dei marchi da loro acquisiti, come Square D, sono ben noti nei mercati di riferimento.
La Sfida
Come potete immaginare, la supply chain di Schneider Electric è complessa. Comprende 240 stabilimenti produttivi in tutto il mondo e 110 centri di distribuzione. I prodotti spaziano dagli interruttori che sono abbastanza piccoli da poter essere montati su un ripiano di un negozio ai trasformatori di grandi dimensioni. Inutile dire che alcuni di questi prodotti più grandi possono essere difficili e costosi da spedire, e per portare i loro prodotti a destinazione finale in modo sicuro ed economico, utilizzano una vasta gamma di soluzioni, tra cui il mare, l’aria e la strada.
Schneider Electric ha registrato una crescita sostanziale attraverso l’acquisizione, ma ha anche ceduto alcuni dei suoi marchi nel corso degli anni. Oltre a ridurre i costi della supply chain per i flussi esistenti, essi volevano costruire un modello che li aiutasse ad analizzare le opportunità potenziali e ad assimilare nuove unità di business, prodotti e regioni in modo più conveniente.
Nel 2013 Schneider Electric ha creato un team di modellazione della supply chain. Hanno preso una decisione strategica inserendo fin dall’inizio in questo team specialisti di modellazione di alto livello che hanno capito come utilizzare gli strumenti di modellazione e potrebbero anche lavorare con altri senior manager in tutta l’organizzazione per sostenere gli obiettivi aziendali. Hanno anche deciso di distribuire i loro modellatori della supply chain in tutte le regioni, invece di averli tutti centralmente localizzati nella loro sede centrale a Rueil-Malmaison, in Francia. Attualmente hanno sette modellisti che lavorano presso la sede centrale e otto a livello regionale.
Il Percorso
Quando Schneider Electric ha invitato LLamasoft a costruire il suo primo modello di analisi dei flussi a valle, Schneider Electric aveva quattro obiettivi da raggiungere:
- Creare una guida per le best practice di routing
- Ottimizzare i flussi all’interno del Footprint esistente
- Valutare ulteriori opportunità per consolidamenti e deconsolidamenti
- Estendere la modellazione ad opportunità più granulari come acquisizioni e disinvestimenti
Data la complessità della loro supply chain e la loro esperienza nella modellazione della supply chain, il team di Schneider Electric sapeva che questo progetto sarebbe stato piuttosto impegnativo. Si sono affidati in larga misura a LLamasoft per aiutarli a risolvere i problemi del modello, tra cui l’introduzione di alcune modifiche al solutore back-end.
Come sottolinea Lee Botham, Senior Global Manager per la logistica e l’analisi di rete di Schneider Electric, ”Non sottovalutare le sfide legate alla costruzione di un modello di queste dimensioni, sia che si tratti di risolvere effettivamente il modello che di mettere insieme i dati. Non è un compito banale“.
Il team ha dovuto risolvere due importanti problemi di dati. In primo luogo, come molte aziende che sono cresciute con l’acquisizione, i dati globali sono stati distribuiti su più sistemi ERP legacy. Schneider Electric ne aveva 103, ma la maggior parte dei loro dati risiedeva solo in 27 di essi. Per raccogliere i dati, hanno costruito uno strumento di estrazione personalizzato, ma avevano ancora bisogno di controllare e pulire i dati, e ci è voluto ancora più tempo. Alla fine, i dati sono stati inseriti in nove modelli regionali e poi nel modello globale.
In secondo luogo, sebbene Schneider Electric disponesse di una buona conoscenza dei dati relativi alle corsie esistenti, doveva ancora colmare alcune lacune. Ad esempio, si potrebbe avere una tariffa oceanica per una rotta ma non una tariffa aerea. Oppure, potrebbero avere una tariffa per un contenitore di 20 piedi ma non 40 piedi. Prima che il modello potesse rivelarsi utile, hanno dovuto spendere una notevole quantità di tempo per raccogliere dati sulle tariffe, compresa la collaborazione con circa 3PL per ottenere tariffe per le aree in cui non disponevano di dati. Per semplificare il compito, hanno talvolta consolidato le aliquote per le regioni o i paesi in cui le aliquote erano probabilmente simili.
A questo punto avevano i dati necessari, ma risolvere un modello di queste dimensioni era un’altra questione. Hanno allora deciso di limitare il modello alle spedizioni internazionali e di lasciare le spedizioni all’interno del paese fino ad arrivare ai gruppi regionali. Ciò non solo ha semplificato il modello, ma ha anche fornito un quadro più chiaro dei benefici, evitando il doppio conteggio dei risparmi a livello globale e regionale.
Il team ha trovato altri modi per razionalizzare anche questo modello, come ad esempio non includere le spedizioni delle ultime fasi ai clienti e far ripartire 300.000 SKU in 1.800 gruppi di prodotti basati su attributi come l’origine, il tipo di stoccaggio e la famiglia di prodotti.
Nonostante questi sforzi di razionalizzazione, il modello risultante comprendeva ancora oltre 200.000 condizioni di trasporto, 130.000 vincoli di flusso e oltre 150 scenari iniziali. Ci sono volute circa 2-4 ore per eseguire il modello, una quantità di tempo accettabile considerando la complessità delle domande che il team di Schneider Electric stava cercando di affrontare.
I Risultati
Il modello ha individuato un risparmio annuo di 8 milioni di euro ottenibile modificando il flusso dei prodotti. Si tratta, ad esempio, del flusso delle spedizioni direttamente dagli stabilimenti e non di quello attraverso uno dei centri di distribuzione. La maggior parte di questi costi sono stati sostenuti per la movimentazione e la gestione delle scorte. Inoltre, il modello ha individuato diverse aree di potenziale consolidamento. Al di là delle possibilità di eliminazione immediata dei costi, il modello ha anche scoperto alcuni vantaggi inattesi, come un risparmio di CO2 derivante da percorsi di trasporto modificati e un migliore utilizzo dei container.
Un altro beneficio inaspettato è stato la creazione di un’utile mappa del flusso dei prodotti. Come spiega Marcus LeMaster, Global Director of Logistics and Network Analytics, ”Uno dei maggiori vantaggi che abbiamo trovato negli ultimi quattro anni non è necessariamente il modello ottimizzato, ma quando mettiamo in piedi le mappe greenfield, le mappe della domanda o le mappe di flusso della linea di base di come le cose stanno andando. In molti casi, è stata la prima volta che molte persone dell’organizzazione hanno visto come circolano i nostri prodotti, e ha fornito molte nuove idee“.
Andando avanti, il modello dà al team il framework che stavano cercando per aiutarli a costruire la loro guida all’elaborazione delle migliori pratiche. Essi hanno un database globale delle tariffe di trasporto, qualcosa che non avevano prima. E, possono utilizzare il modello per costruire modelli regionali più granulari, basati su prodotti o business unit in circa una settimana. Ciò consentirà loro di analizzare più facilmente l’ impatto delle potenziali acquisizioni e di raccomandare i percorsi migliori per assimilare altri prodotti e clienti.
In Breve
