Quando un retailer o un distributore acquista decine di SKU dallo stesso fornitore, una politica (s,S) indipendente per SKU spezza inutilmente il costo di setup condiviso (camion, dogana, contratto). Nome accademico: Joint Replenishment Problem (JRP).
In breve
Ti suona familiare?
- Ordiniamo 20-200 SKU a un fornitore principale; ogni SKU ha la sua scheda di stock e il suo giorno di ordine, per cui in certe settimane arrivano 3 camion, in altre mezzo camion.
- Importiamo 10-50 container a settimana (mobili, elettrodomestici, non-alimentare); il pianificatore decide intuitivamente ogni mese quali SKU vanno in quale container.
- Il trasporto per camion e l'apertura del fascicolo doganale sono costi fissi; per lotti piccoli arrivano al 5-15% del costo unitario.
- Il MOQ del fornitore è fissato in valore totale; la domanda 'cos'altro aggiungo per raggiungere il minimo' si risponde manualmente continuamente.
- Quando uno SKU scende al punto di riordino l'ordine parte, ma 'cosa altro dello stesso fornitore aggiungo' si decide caso per caso — a volte dimenticato, a volte sovraordinato.
- I giorni di stock variano molto fra SKU: alcuni stanno 90 giorni, altri 20 — quali SKU gonfino la media non è visibile.
- Per l'apertura di un nuovo punto vendita o magazzino, 'quanti cicli d'ordine a settimana, quanti camion' è una domanda senza risposta numerica.
Perché è importante
Come si risolve
Profondità tecnica
Come si risolve
Profondità tecnicaIn una frase: Scegli un intervallo base (es. apri un ordine al fornitore ogni 2 settimane), poi per ogni SKU un moltiplicatore — viaggia ogni ciclo (×1), uno sì uno no (×2) o ogni quarto (×4)? — così il costo di camion-dogana-contratto si paga una volta e la scorta non si gonfia per spedizioni di troppo.
In Ricerca Operativa (disciplina che usa matematica e informatica per risolvere decisioni di business) il problema è il Joint Replenishment Problem (JRP — rifornimento congiunto). Il modello fondamentale risale al 1973 con domanda deterministica + setup condiviso fisso; rassegne successive maturano la letteratura. L’estensione stocastica è la politica can-order. Soluzione in tre fasi:
1. Modellazione. Input: lista SKU per fornitore, domanda giornaliera media e varianza per SKU, costo unitario di giacenza, minor setup per SKU (costo fisso solo quando lo SKU entra nell’ordine, es. etichetta SKU-specifica, controllo qualità), major setup a livello fornitore — un trasporto, un fascicolo doganale, una preparazione ordine fornitore. Inoltre: MOQ — Minimum Order Quantity del fornitore, lead time e sua varianza, shelf life/limiti di accatastamento, correlazioni di domanda. Vincoli: giacenza (deterministica), MOQ ≤ somma di prezzo × quantità, periodo per SKU = (moltiplicatore intero positivo) × periodo base. Obiettivo: minimizzare costo annuo (setup condiviso × frequenza) + (minor setup × frequenza) + (giacenza).
2. Decisione con solver. JRP deterministico: (a) algoritmo RAND — ricerca iterativa di T calcolando moltiplicatori interi ottimi; veloce, 1-3% sub-ottimo. (b) Politica potenza di due integer-ratio — moltiplicatori solo come potenze di due (1, 2, 4, 8, …); garanzia entro il 2% dell’ottimo, 100% pianificabile. (c) Indirect Grouping (IG) vs Direct Grouping — partizione SKU in 2-3 gruppi (nucleo alta frequenza + medio + raro). JRP stocastico: politica can-order con soglie s (must-order) e c (can-order, s < c < S). Revisione periodica (R, S_i) e simulation-optimization (provare centinaia di scenari di domanda, scegliere la politica migliore) per istanze grandi. Istanze piccole (10-30 SKU) come MIP singolo (Mixed-Integer Linear Programming — ottimizzazione con alcune variabili 0/1 e altre continue).
3. Integrazione sul campo. Output a tre strati: (a) calendario di ordine congiunto, (b) tabella moltiplicatori per SKU (m_i), (c) lista giornaliera di ordine. T e m_i ricalcolati al rinnovo del contratto. Comitato operativo trimestrale: reale vs piano numero camion, violazioni di MOQ, rotazione, report risparmi JRP.
Alternative
(s,S) indipendente per SKU + ordine aggiuntivo manuale
GratuitoNessuna licenza (nel software stock esistente)
Per chi: Retailer piccolo, 20-50 SKU, 1-2 fornitori condivisi
- + Il software stock esistente supporta tipicamente (s,S)
- + L'esperienza del pianificatore guida 'aggiungere un altro SKU dello stesso fornitore'
- + Nessun investimento
- − Il costo di setup condiviso non è ottimizzato
- − MOQ tracciato a mano
- − Con più SKU la scelta 'quale altro SKU del fornitore' diventa difficile
- − Pianificazione di capacità debole
Modulo stock/ERP locale con raggruppamento per fornitore
Aziendale200K-800K TRY licenza + 60K-250K TRY/anno manutenzione (mercato PMI regionale)
Per chi: Retailer o distributore medio (50-300 SKU, 2-10 fornitori principali)
- + Integrazione regolamentazione locale e dogana
- + Schermata ordine per fornitore
- + UI e supporto locali
- − Modulo di ottimizzazione JRP tipicamente assente
- − Potenza di due raramente supportata
- − JRP stocastico (can-order) generalmente assente
Software internazionale di supply planning
Aziendale600K-3M TRY licenza + 200K-700K TRY/anno manutenzione
Per chi: Retailer grande o distributore di catena (300-3.000 SKU, 10+ fornitori principali)
- + Modulo JRP / multi-item maturo — RAND, potenza di due, can-order
- + Domanda stocastica e lead-time variabile modellati
- + Multi-echelon integrato
- + MOQ, scaglioni di prezzo, sconti volume integrati
- − Licenza alta + 9-15 mesi di rollout
- − Personalizzazione dogana/regolamentazione regionale aggiunge tempo
- − Programma di formazione esteso
Solver open-source + modulo JRP proprio
Open SourceLicenza gratuita; sviluppo interno 16-32 settimane o 600K-1,5M TRY consulenza
Per chi: Catena con team dati/OR, integrazione con ERP esistente
- + Nessun costo di licenza
- + Metodi di riapprovvigionamento congiunto (ricerca del periodo base, politica a multipli interi — potenze di due, politica stocastica a due soglie) ben mappata su solver open-source
- + Estensioni stocastiche via simulation-optimization
- − Richiede specialista OR + integrazione ERP in casa
- − MOQ, scaglioni di prezzo, sconti volume su misura
- − Da prototipo accademico a sistema di campo 6-12 mesi extra
Raccomandazione
Chiedi nell'incontro
- Quale approccio usa il modulo di riapprovvigionamento congiunto — ricerca del periodo base, politica a multipli interi (ogni SKU a 1, 2, 4, 8 volte il periodo base), politica stocastica a due soglie, programmazione matematica esatta o solo raggruppamento manuale per fornitore?
- Supporta JRP deterministico (domanda fissa) o stocastico (domanda casuale + scorta di sicurezza)? La varianza di domanda è parametro per SKU?
- Supporta la politica a multipli interi del periodo base (ogni SKU a 1, 2, 4, 8 volte il periodo base)? Il moltiplicatore per SKU è visibile in tabella?
- Come si applica il MOQ al ciclo — vincolo duro o morbido? I suggerimenti SKU 'completa-MOQ' sono automatici?
- Major setup (camion, dogana, preparazione fornitore) e minor setup (per SKU) sono parametri separati? Major setup configurabile per fornitore?
- La correlazione di domanda (due SKU si sostituiscono) può entrare nel modello?
- La varianza del lead-time è parametro per SKU? Se SKU 'in anticipo' e 'in ritardo' cadono nello stesso ciclo, come si pianifica?
- Se il contratto finisce, in quale formato standard si esportano storico cicli, mapping fornitore-SKU, MOQ e dati di trasporto?
Dettagli tecnici
Nota dell’editore
Nel parlato questo problema si chiama “consolidare gli ordini fornitore”, “riempire il camion” o “giorno comune di ordine”. In letteratura è il Joint Replenishment Problem (JRP) — una famiglia OR classica sviluppata dagli anni 1970.
A differenza di (s,S) per un singolo SKU (problema #004), Wagner-Whitin per lot-sizing multi-periodo single-SKU (problema #016) o newsvendor per single-SKU periodo unico (problema #011), il JRP riguarda N SKU che condividono un major setup. I costi di major setup (camion, dogana, contratto) si ripartiscono sui prodotti.
Punto più trascurato del settore: politiche potenza di due. In pratica ogni SKU si rinnova con il suo periodo; se i periodi sono arbitrari il calendario diventa caotico. Il risultato accademico: con periodi pari a potenze di due del periodo base T (T, 2T, 4T, 8T, …) la soluzione resta entro il 2% dell’ottimo e mantiene la pianificabilità: ogni SKU appare garantito in lista nei multipli interi di T, il riempimento del camion è prevedibile. Il principio va oltre il JRP: one-warehouse-multi-retailer e coordinazione multi-echelon più ampia.
Secondo punto: deterministico vs stocastico. Il modello classico assume domanda costante; la domanda reale del retail è casuale. L’estensione stocastica è la politica can-order: quando uno SKU tocca il riordine, gli SKU sotto la soglia can-order (s < c < S) entrano nell’ordine come accompagnatori.
Passo a passo — per PMI
Fase 1 — Misurare prima di pianificare. Almeno 12 mesi per fornitore: quali SKU arrivano insieme e in che quantità, riempimento camion, SKU per fascicolo, vendite e varianza settimanali per SKU, lead time pianificato vs reale, MOQ e numero di violazioni. Correlazioni: quali SKU salgono insieme, quali si sostituiscono.
Fase 2 — Estrarre il capitale di conoscenza. Matrice fornitore-SKU. ABC dentro fornitore: alto valore (ogni T), medio (ogni 2T), basso (ogni 4T). Separare major e minor setup.
Fase 3 — Pilota. 8-12 settimane. Per 1-2 fornitori principali fissare T (es. 2 settimane). Calcolare m_i potenza di due. Far girare in parallelo con (s,S) attuale. Criteri di successo per iscritto: -10% camion min, -5% costo totale min, -50% violazioni MOQ.
Fase 4 — Roll-out. 9-15 mesi per tutti i fornitori principali. Estensione stocastica opzionale. Comitato trimestrale: riempimento, MOQ, rotazione, aggiornamenti T e m_i al rinnovo del contratto.
Rischi — cosa può andare storto
- Correlazione di domanda non modellata rompe il piano. Se due SKU si sostituiscono, i T e m_i calcolati sotto indipendenza risultano sbagliati sul campo. Ricalibrare la matrice ogni 6 mesi.
- MOQ del fornitore modellato in modo morbido. Se i suggerimenti ‘completa-MOQ’ non sono automatici, l’operazione cade in aggiunte forzate o paga sovraccarichi ‘piccolo ordine’. MOQ deve essere vincolo duro.
- Aggregazione fascicoli doganali ignorata. Un fascicolo è parte sostanziale del major setup; il ciclo congiunto deve generare il fascicolo giusto. Verificare prima del rinnovo del contratto.
- Lock-in con un solo fornitore. Se l’ottimo JRP concentra tutto su un fornitore, un rincaro o un ritardo indebolisce l’operazione. Regola multi-fornitore (ogni SKU con almeno due fonti approvate) a livello policy.
Vista tecnica del metodo
| Approccio | Scala tipica | Tempo | Ottimo garantito? |
|---|---|---|---|
| Manuale + foglio elettronico | Piccolo, 20-50 SKU | minuti | No, 60-75% |
| RAND | Medio, 50-200 SKU, deterministico | minuti | 97-99% sub-ottimo |
| Politica potenza di due | Medio-Grande, 100-500 SKU | minuti-ore | Almeno 98% ottimo |
| Indirect Grouping (IG) euristico | Medio-Grande | minuti | Buona qualità pratica |
| Politica can-order | Stocastico, 50-500 SKU | minuti (simulazione) | No, buona qualità |
| MIP — periodo singolo | Piccolo, sotto 30 SKU | minuti-ore | Sì (entro bound) |
| Simulation-optimization | Grande + stocastico | ore | No, buona qualità |
Funzione obiettivo:
- Obj 1 — Costo annuo totale minimo: JRP classico; cassa stretta.
- Obj 2 — Numero camion minimo: Capacità logistica stretta.
- Obj 3 — Costo minimo sotto vincolo di livello di servizio: Orientamento cliente.
- Obj 4 — Rotazione massima: Capitale circolante stretto.
Multi-obiettivo: somma pesata o gerarchico.
Fonti accademiche
Elencate nel blocco sources del frontmatter di questa pagina.
Fonti
- Goyal, S. K. (1973). Determination of economic packaging frequency of items jointly replenished. Management Science, 21(4), 436-443.
- Goyal, S. K. e Satir, A. T. (1989). Joint replenishment inventory control: deterministic and stochastic models. European Journal of Operational Research, 38(1), 2-13.
- Khouja, M. e Goyal, S. (2008). A review of the joint replenishment problem literature: 1989-2005. European Journal of Operational Research, 186(1), 1-16.
- Roundy, R. (1985). 98%-effective integer-ratio lot-sizing for one-warehouse multi-retailer systems. Management Science, 31(11), 1416-1430.
- Atkins, D. R. e Iyogun, P. O. (1988). Periodic versus ‘can-order’ policies for coordinated multi-item inventory systems. Management Science, 34(6), 791-796.
- YÖK Tez Merkezi — parole chiave: ‘ortak siparis’, ‘joint replenishment’ — 15+ tesi. tez.yok.gov.tr
Glossario
- Joint Replenishment Problem
- Problema di ricerca operativa per coordinare le frequenze d'ordine di N SKU che condividono un costo di setup maggiore del fornitore (trasporto, fascicolo doganale, preparazione ordine), minimizzando il costo totale a lungo termine (setup più giacenza).
- Power-of-Two Policy
- Nei sistemi di inventario multi-prodotto con costo di setup condiviso, restringere il periodo d'ordine di ciascun prodotto a potenze di due di un periodo base T (T, 2T, 4T, ...) garantisce una soluzione entro il 2% dell'ottimo vero ed è pianificabile sul campo (Roundy 1985).
- MIP
- Modello di ottimizzazione in cui alcune variabili decisionali devono essere numeri interi (es. numero di camion, numero di turni).
- EOQ
- La formula classica di inventario per la quantità di ordine più economica da emettere a un fornitore.
Problemi correlati
Lo stock non si svuota a fine stagione — quando e di quanto scontare per tenere il margine e non lasciare dead stock?
Questa pagina è per voi se gestite una PMI fast fashion con collezione stagionale, una catena di 30-100 negozi di abbigliamento/scarpe/accessori o una catena di prodotti freschi (fruttivendolo, panificio, macelleria). Il dolore classico: una collezione di 200-1.000 SKU si vende per 4-12 settimane e poi lo stock invenduto diventa un problema — scontare troppo presto erode il margine, scontare troppo tardi lascia una pila di dead stock a fine stagione. La decisione: quale articolo, quando, con che percentuale di sconto? In una catena moda media gestita con regole a intuito il 20-35% dello stock di fine stagione finisce a saldo; un calendario di sconti corretto alza il margine lordo del 5-15%, riduce il dead stock del 20-30% e porta 15-60 milioni TRY di margine operativo all'anno su un fatturato tipico.
Quale SKU su quale scaffale e lungo quale rotta deve camminare il picker?
Un magazzino e-commerce o un CD retail omnicanale gestisce 15.000-200.000 codici prodotto (SKU) e preleva 2K-30K righe d'ordine al giorno. Un picker cammina 200-800 m per ordine e 15-30 km al giorno. Il 50-70% del cammino non genera valore. Due decisioni accoppiate: (a) **slotting** — quale SKU su quale scaffale e a quale altezza, considerando frequenza di picking, pattern di co-ordine e carico ergonomico; (b) **routing di picking** — per una lista, la sequenza di corsie e la regola di rotta scelta (S-shape, return, midpoint, largest-gap, combined). Decisioni aggiuntive: prelevare più ordini in un viaggio (batch picking), suddividere il magazzino in zone (zone picking), unire a una stazione di smistamento. Risolte insieme, la distanza per picker cala del 25-40%.