Demand forecasting process analysis of Barilla VMI unit

During my internship experience at Barilla, I had the opportunity to play the role of VMI Manager in the Just In Time Delivery office. This unit deals with the VMI (Vendor Managed Inventory) policy management of the company's Customers, including the major players in the GDO. The scope of work of this office is to manage the stocks and supplies of the customer in an autonomous way, without it having to spend time and resources to manage the Barilla Products. The main processes of our work are Demand Forecasting, Fulfillment and Customer Service. The MAPE project focuses on the analysis of the Demand Forecasting process. The greatest effort in the Demand Forecasting process focuses on forecasting the promotional market demand. The most critical issues occur on the management of fresh products (characterized by a short time duration), especially on products with high promotional yields against low baseline rotation (normal demand without promotion). The main objectives of the MAPE Project are the following: to evaluate if the Demand Forecasting process is well structured and if brings benefits to the results of the office and to identify a KPI able to measure the accuracy of the forecasts in our case of application. To achieve the objectives, I structured the following analysis methodology: five Customers were selected, different for sales volumes, starting from a large retailer coming to a small one, and four fresh products, also different for sales volumes , in order to analyze all possible combinations. After matching customers and products, the identified promotions were monitored, recording the sales data and forecast values on a daily basis and creating a sort of memory of the prediction system. It is important to clarify the fact that promotions are not always active for each product, during these months it was therefore necessary to monitor the promotional plans waiting for the selected promotions. After collecting all the necessary data, I have programmed an automatic file on the Excel VBA platform, capable of simulating the operation of the forecasting software (APS - Manugistics) used in the VMI unit. The particularity of this file is that it allows to compare, day by day, the forecast of the VMI manager with the system left to work independently. To measure the differences between automatic and manual management, the KPI MAPE (Mean Absolute Percentage Error) was applied, adapted to the case study: in particular, the parameter n of the MAPE indicator, after some hypotheses and evaluations, was set on a value of 7. The comparison between manual and automatic accuracy was therefore evaluated on a weekly basis (n = 7), as well as daily (n = 1). The analysis of promotions led to several conclusions on the Demand process of the VMI unit. First, there were too many changes to the promotional estimate during the follow-up. According to the analysis, there are three key points in which to make changes to the estimate: on a promotion with an average duration of 3 weeks, the first change should be made at the end of the first week, the second half of the second week and the third first days of the third week. The changes made outside these moments are in most cases useless, have the only effect of lowering the performance of forecasting demand. A behavioral trend emerged, definable as a "psychological effect" that leads the VMI Manager to modify the estimates after a high sales value of the day before; this often turns to a double rework on the estimates, because if the day after the outputs stabilize (in this case, decreases), the manager will go to low down the estimates, doubling the work without changing the result. The solutions, in the short term, must be evaluated taking into account that the systems currently in use by the company cannot be changed and that the process must remain unchanged. Firstly, the scheduling of interventions on promotional estimates could greatly increase the performance of time spent in the demand planning process. In this sense, each VMI manager, at the time when the promotion is inserted in the system, should mark the dates in which to intervene, following the rules described above. Subsequently, an analysis of the reliability of the promotional estimates should be made for each client and for each product category, in order to obtain a reliability ranking; in this way, it will be possible to concentrate the promotional follow-up effort on customers with low reliability ranking. As far as future solutions are concerned, to optimize the VMI management process it is necessary to integrate the Demand Forecasting and Fulfillment processes, which at the moment is very complex to obtain, since the variables involved are very many and difficult to correlate (considering that the two processes are currently performed on two different software).

Nei mesi trascorsi presso Barilla durante la mia esperienza di Stage, sono stato parte del Team VMI dell’azienda ricoprendo il ruolo di Gestore VMI. L’unità si occupa della gestione delle scorte e dei rifornimenti per i Clienti dell’azienda, che sono le aziende della GDO. Lo scopo del mio lavoro è stato quello di gestire autonomamente i prodotti Barilla all’interno dei magazzini dei clienti da me gestiti, senza che loro dovessero impiegare tempo e risorse nella gestione dei suddetti prodotti. I principali processi all’interno di quest’ufficio sono: Previsione di Domanda, Riempimento e Servizio Clienti. Oltre all’attività lavorativa, ho avuto la possibilità di sviluppare il progetto MAPE, oggetto della mia tesi, focalizzato sull’analisi del processo di previsione della domanda. Per quanto riguarda il processo di previsione di domanda, l’attenzione maggiore viene data alla previsione della domanda promozionale, che è aleatoria e difficilmente prevedibile con metodi statistici. Il caso dove l’accuratezza della stima sulla domanda promozionale deve essere maggiore è sui prodotti freschi (caratterizzati da una scarsa durata temporale) con elevato rendimento promozionale (la cui domanda di baseline, non promozionale, rende difficile smaltire stime promozionali troppo alte). Gli obiettivi del progetto sono: la valutazione del valore aggiunto che dà il processo di previsione della domanda sui risultati globali dell’ufficio; definizione di un nuovo parametro di performance, il MAPE, in grado di valutare l’accuratezza delle stime di ogni gestore VMI. L’analisi è stata strutturata secondo la seguente strategia: sono stati selezionati 5 clienti, scegliendo diverse dimensioni, partendo da grandi retailer a magazzini di piccole dimensioni; sono stati selezionati 4 prodotti, freschi, diversi per volumi di vendita. In tal modo, combinando prodotti e clienti, si ottengono molte casistiche diverse ognuna dall’altra. Ogni combinazione è stata quindi studiata nel periodo promozionale, attendendo che per i clienti selezionati e i relativi prodotti partisse la promozione. Il monitoraggio della promozione è servito ad avere una “fotografia” quotidiana dell’avanzamento della promozione e dell’evoluzione dei valori di stima sulle uscite future del periodo promozionale. Dopo la raccolta dei dati, ho programmato un File sulla piattaforma Excel VBA, in grado di simulare le logiche di funzionamento del software di previsione usato nell’unità VMI (APS – Manugistics); il file permette di confrontare, giorno per giorno, le previsioni del gestore contro quelle che il sistema fornisce automaticamente se lasciato lavorare senza modifiche sulle stime. La misura delle performance di previsione, necessaria per il confronto tra gestore e sistema automatico, è savvenuta tramite l’indicatore MAPE (Mean Absolute Percentage Error), adattato al caso di studio: il paramentro n dell'indicatore MAPE, dopo alcune ipotesi e valutazioni, è stato settato su un valore di 7. Il confronto dunque è stato valutato su base settimanale ( n = 7 ), oltre che su base giornaliera ( n = 1 ). L'analisi delle promozioni ha portato a svariate conclusioni sul processo di Demand dell'unita VMI. La prima conclusione è che il gestore VMI mediamente effettua troppi interventi sulle stime durante il follow up, effettuando modifiche inutili che non portano a un miglioramento nell’accuratezza del processo di fulfillment. In primo luogo, è emerso un numero troppo elevato di modifiche sulla stima promozionale durante il follow up. Secondo l'analisi sono tre i momenti chiave in cui effettuare modifiche sulla stima: su una promozione con durata media di 3 settimane, la prima modifica va effettuata al termine della prima settimana, la seconda a metà della seconda settimana e la terza va effettuata nei primi giorni della terza settimana. Le modifiche effettuate all'infuori di questi momenti sono nella maggior parte dei casi inutili, hanno come unico effetto quello di abbassare il rendimento dell'attività di previsione della domanda. E' stato definito un trend comportamentale, definibile come "effetto psicologico" che porta il Gestore VMI a modificare le stime dopo un elevato valore di venduto del giorno prima; questo porta a un doppio lavoro sulle stime, in quanto, se il giorno dopo le uscite si stabilizzano, il gestore andrà a riabbassare le stime, facendo il doppio del lavoro senza cambiare il risultato. Le soluzioni, nel breve termine, sono confinate dal fatto che i sistemi attualmente in uso non sono modificabili e che il processo deve restare invariato, essendoci svariati uffici e procedure collegate. La prima soluzione riguarda la calendarizzazione degli interventi sulle stime promozionali, che potrebbe incrementare di molto il rendimento del tempo speso nel processo di previsione di domanda. In tal senso, ogni gestore, nel momento di importazione a sistema della promozione comunicata dal cliente, dovrebbe segnare le date in cui intervenire, seguendo le regole sopra descritte. Successivamente, andrebbe effettuata un'analisi di affidabilità delle stime promozionali, per ogni cliente e per ogni categoria di prodotto, con lo scopo di ottenere un ranking di affidabilità; in questo modo, sarà possibile concentrare lo sforzo di follow up promozionale sui clienti con basso ranking di affidabilità, mentre per quelli affidabili impostare il sistema in automatico e diminuire ulteriormente i controlli.Nel futuro, un sistema che integri i due processi di previsione e riempimento sarebbe ottimale per avere il massimo rendimento, le variabili in gioco però sono troppe e con livelli diaggregazione e complicazione molto elevati, rendendo impossibile al momento la sua applicazione.