OTTIMIZZAZIONE DEL SAFETY STOCK IN SUPPLY CHAIN A DOMANDA INTERMITTENTE E CONTINUA: VALIDAZIONE RETROSPETTIVA E SELEZIONE DEL METODO Un caso studio nel fotovoltaico e nelle pompe di calore

Il lavoro analizza il safety stock di Enpal Italia S.r.l., azienda italiana che installa sistemi fotovoltaici e pompe di calore, partendo dal metodo di calcolo preesistente, discrezionale e non basato su statistiche, per arrivare a due modelli quantitativi. Il primo (SS Opt 1) usa la variabilità storica della domanda e il lead time medio del fornitore. Il secondo (SS Opt 2) aggiunge un fattore moltiplicativo legato alla previsione di vendita del mese successivo, in modo che il safety stock si adatti alle aspettative future. I modelli si collocano nel filone del safety stock stocastico con lead time variabile (Eppen & Martin, 1988; Chopra et al., 2004) e dei modelli forecast-adjusted (Schoenmeyr & Graves, 2009; Prak et al., 2017). L'analisi copre 173 SKU attivi con storia di consumo e lead time tracciati e service level target del 95%. SS Opt 1, oggi in produzione, è validato sull'intera popolazione e copre 173 SKU contro i 49 gestiti dal metodo discrezionale. SS Opt 2 è presentato come direzione di sviluppo: il suo fattore previsionale aggiunge valore solo se alimentato da una stima reale della domanda, mentre con i dati attuali (un obiettivo commerciale usato al posto di una previsione) sovrastima il fabbisogno. Una validazione retrospettiva sui consumi reali mostra che il livello di servizio effettivamente raggiunto è del 55%, lontano dal target del 95%, e che il divario dipende dagli input e dal tipo di domanda più che dalla formula: sui prodotti a domanda intermittente i metodi dedicati (Croston/SBA e soprattutto TSB) portano la copertura dal 60% all'80% circa. Il lavoro indica nel profilo stagionale della domanda e nei metodi per domanda intermittente le vie più promettenti, e discute le prospettive di integrazione con machine learning documentate dalla letteratura 2020-2025.