MMG : l'evoluzione dell'exponential smoothing, un nuovo modello per la previsione della domanda. Applicazione al caso Ametek Italia S.R.L.

The demand forecasting process is fundamental within the businesses, and its accuracy influences the planning and programming related to the field of production and therefore supply, inventory management and distribution. It is complex to choose which predictive method to use in different organizational contexts: from the study of the differences between qualitative and quantitative models, the thesis analyzes the different types of forecasting methods before settling on exponential smoothing, which still guarantees excellent results and ease in understanding them. The goal was to design a new forecasting model that could make improvements to those already established. We selected the appropriate methodologies to initiate and formulate the three exponential models, with particular care for the calculation of the damping parameters. By using the basics of ES, we proposed an evolution that includes an additive component constituted by the forecasting error of the previous period, dampened by a new parameter. Once the idea for a new model (MMG) was established, it was considered necessary to test it in a company, creating an application with Microsoft Excel, which enabled us to quantitatively verify the effectiveness of the created instrument. The robustness of the method was verified comparing it with conventional models designed exponential, with a positive result on average for 52% of the items analyzed (541 total) and for 100% of production family in which the codes belong (4 total). As far as the company is concerned, the benefits provided by MMG are better in 80% of cases.

Il processo di demand forecasting risulta fondamentale all’interno delle realtà aziendali, e dalla sua accuratezza deriva quella delle pianificazioni e programmazioni legate all’ambito produttivo e quindi dell’approvvigionamento, della gestione delle scorte e della distribuzione. Risulta complesso scegliere quale metodo predittivo utilizzare in diversi contesti organizzativi: partendo dallo studio delle differenze tra modelli qualitativi e quantitativi, il lavoro di tesi ha analizzato le diverse tipologie previsionali per poi soffermarsi sui metodi di exponential smoothing, che ancora oggi garantiscono ottimi risultati e sono semplici da comprendere. L’obiettivo era ideare un nuovo modello previsionale che potesse apportare migliorie a quelli già consolidati. Sono state quindi scelte le metodologie più opportune per inizializzare e formulare i tre modelli esponenziali, con particolare attenzione per il calcolo dei parametri di smorzamento. Sfruttando le solide basi dell’ES, ne è stata proposta un’evoluzione che comprende una componente additiva costituita dall’errore previsionale del periodo precedente, smorzato per un nuovo parametro. Formulata l’idea per il nuovo modello (MMG) si è ritenuto necessario testarla in una realtà aziendale, creando un applicativo tramite Microsoft Excel, che ha permesso di verificare quantitativamente l’efficacia dello strumento ideato. E’ stata appurata la robustezza del metodo progettato rispetto ai tradizionali modelli esponenziali, con un risultato positivo mediamente per il 52% degli items analizzati (541 totali) e per il 100% delle famiglie a cui i codici fanno parte (4 totali). Per quanto concerne l’azienda, le prestazioni fornite da MMG sono state migliori di quelle attuali nell’80% dei casi.