Di Francesca Calamusa

Nel ciclo di vita di un impianto industriale, a seguito di guasti o usura, si verifica la necessità di sostituire dei componenti con ricambi (spare parts). Il lead time di approvvigionamento di un ricambio può durare da pochi minuti, nel caso in cui il materiale si trovi già in azienda, a qualche giorno o addirittura qualche settimana nel caso si debba approvvigionare un codice disponibile presso un fornitore geograficamente molto lontano oppure nel caso in cui il codice non sia standard.

La soluzione migliore è ovviamente disporre di tutti i pezzi necessari ma non è sicuramente una scelta conveniente. All’aumentare del numero di pezzi, ovviamente, aumentano i costi di stock ma al contempo diminuiscono quelli di mancanza. Per tali ragioni si deve ricercare l’ottimo che riesca a bilanciare costi di giacenza con costi di mancata produzione.

Il ricambio si contraddistingue perché ha un consumo incerto e intermittente (l’utilizzo non è garantito). Pertanto, per misurare il grado di incertezza dello stesso uso due variabili:

• CV² – coefficiente adimensionale di variazione della domanda.
• ADI – intervallo medio tra due domande consecutive

Sapendo che:

Possiamo individuare 4 fasce a seconda dei dati di CV² e ADI (LAMPYNES):

• SLOW MOVING >> consumo relativamente frequente e con bassa varianza (ADI e CV² bassi). La quantità consumata nel tempo è pressoché costante. Questi ricambi generalmente sono i materiali di consumo.
• INTERMITTENT >> consumo non frequente con bassa varianza (ADI alta e CV² bassa).
• ERRATIC >> consumo relativamente frequente con alta varianza (ADI bassa e CV² alta). Il numero di codici consumati varia di molto nel tempo.
• LUMPY >> consumo non frequente con alta varianza (ADI alta e CV² alta)

I ricambi più critici da gestire sono sicuramente i LAMPY (categoria più numerosa) in quanto presentano criticità sia sul consumo che sulla variabilità della domanda. Generalmente, i codici che hanno tempi di utilizzo alti potrebbero venir utilizzati dopo molti anni o addirittura mai se quel ricambio diventa obsoleto. Stessa cosa vale per la varianza perché non ho idea del potenziale consumo e quindi del numero ottimale da tenere in stock.

Anche i ricambi SLOW MOVING che rappresentano per il magazzino ricambi i migliori asset da gestire, se paragonati ai codici di produzione (materie prime o semilavorati) risultano di difficile gestione.

Bisogna considerare dei fattori all’interno dell’analisi dei costi:

1. Elevata specificità di impiego
2. Requisiti sullo stock
3. Protezione dai furti

Elevata specificità di impiego

I ricambi possono essere:

• A disegno >> ossia disegnati appositamente per l’asset. Per la revisione del pezzo è necessario rivolgersi direttamente al fornitore (elevato costo). L’elevata specificità fa sì che questi componenti perdano valore molto facilmente e che vadano venduti insieme alla macchina a cui appartengono (phase out)
• Commerciali >> detti anche “local shop” in quanto si possono trovare in negozio a basso costo. Il pericolo che si incorre nell’acquisto di questi prodotti è che sul mercato esistono pezzi non originali che ugualmente rispondono alle richieste ricercate. In questi casi, è necessario fare attenzione a non avere problemi in caso di malfunzionamento dell’asset con l’invalidazione della garanzia. Le aziende che vendono prodotti originali, invece che fare la battaglia sul prezzo, per garantirsi delle quote di mercato generalmente offrono dei servizi aggiuntivi come prontezza nella consegna, sincerità dell’acquisto, …

Requisiti sullo stock

I ricambi possono necessitare di condizioni particolari: buio, basse temperature, umidità, ecc. Queste cose sono da tenere in considerazione in fase di calcolo dei costi.

Protezione dai furti

Nel caso di codici piccoli e di alto valore, è necessario tenere in considerazione la protezione furti.

La gestione ottimale dei ricambi permette di rispondere alle domande:

1. qual è il fabbisogno
2. quanti prodotti tenere a magazzino

Per rispondere a queste domande si possono usare:

• metodi di previsione della domanda di mercato >> modelli matematici classici quali smorzamento, esponenziale, decomposizioni, ecc. Questi modelli funzionano male nel caso della ricambistica di manutenzione in quanto l’errore è molto alto.
• metodi dedicati >> modelli matematici quali (dal più semplice al più complesso) Poisson, binomiale, Croston, reti neurali, ARIMA-SARIMA, ecc. sono più indicati all’analisi in oggetto.

Poisson, ad esempio è tipicamente utilizzato per la previsione della probabilità di accadimento di un evento raro. E’ uno dei metodi maggiormente usati anche perché cautelativo ma, anziché rispondere con il numero di pezzi consumati, calcola la probabilità che con x pezzi in stock si riesca a coprire il fabbisogno in un tempo t prefissato. Questo mette in difficoltà in quanto non ho un’idea chiara di quanti pezzi mi occorrono esattamente nel tempo.

La binomiale, invece, è anch’esso semplice da utilizzare e ci dà un’idea un po’ più chiara delle quantità. Infatti, questo metodo calcola il numero di impieghi di un pezzo, ossia il numero di posti in cui lo stesso componente può essere utilizzato. Il valore degli impieghi N è dato da:

Facciamo un esempio per chiarezza.

Considerando:

• d = 2*10^-3 pz/h (consumo storico)
• n = 10 (n° di impieghi del pezzo)
• T = 640 h (tempo di copertura da garantire)
• 1/d = 500 h (durata del pezzo)
• LS = 97% (livello di servizio da garantire)