Powered by

Innovazione e metodi quantitativi: un caso reale

Ing. Egidio Cascini - Presidente Comitato Metodi Statistici AICQ e Docente dell’ Accademia Italiana del Sei Sigma

Questo articolo è disponibile come file pdf stampabile (download).

La conoscenza della relazione quantitativa intercorrente tra la risposta di un processo e le grandezze in ingresso è fondamentale, non solo per la ottimizzazione della risposta ma anche per minimizzare i costi di gestione del processo.
Un numero rilevante di risorse viene spesso impiegato in riunioni, task force, corsi di formazione, etc., per risolvere problemi insolubili o dei quali una equazione appropriata potrebbe fornire, in tempo reale, una soluzione soddisfacente.
Questa breve nota fornisce una conferma di tale affermazione, con l’ausilio di un caso sperimentato nell’ambito del processo di previsione della domanda.

In un’azienda era stato installato un software per la previsione della domanda di vendita, con risultati considerati del tutto insoddisfacenti. La direzione aveva nominato una task force con il compito di ottenere miglioramenti significativi, nell’arco di 6 mesi. Come spesso avviene in questi casi, furono organizzati corsi di formazione, come problem solving, psicologia, etc. ed avviati, in breve tempo, più di 30 progetti, in varie direzioni. Dopo 6 mesi restò un buon ricordo dei viaggi, qualche nuova amicizia o viceversa, un bel mucchio di risorse monetarie impiegate, ed un nuovo metodo di previsione, affetto da errori molto maggiori di quelli iniziali. Questa era la situazione allorchè fui interpellato sulla questione.

Per il lettore che non abbia familiarità con i vari metodi di previsione disponibili, è sufficiente sapere che un errore di previsione è sempre espresso con una grandezza, , iniziali di Mean Squared Error, con  passo di previsione; ad esempio, se il passo di previsione è il mese e facciamo la nostra previsione a gennaio,   significa che ci stiamo occupando di una previsione per il prossimo mese di marzo. Il software installato era basato sul metodo previsionale di Holt-Winter. Ponendo: N = lunghezza della serie storica di dati disponibili, = differenza tra previsione e realtà, per ,  =  parametri di previsione del metodo, ritenni indispensabile partire dalla determinazione di una formula esatta (1), per il calcolo di :  

                
(1)
per avere i limiti di fiducia delle previsioni, che ad un livello di fiducia del 95% sono:  

                                                Previsione                                        
(2)
Con l’ausilio della (2), si osservò come i risultati sperimentali fossero corretti e le previsioni del software installato, a parità di informazioni, le migliori possibili.

NOTA BIBLIOGRAFICA

CASCINI. E., (2008) Il ruolo dei metodi quantitativi e di Minitab nei processi produttivi e transazionali: due casi concreti, Atti del Convegno Minitab, 18/3/2008 Milano