Introduction to decision modeling - ClubTi Centro · • Montecarlo simulation ... Supporta i...

Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore

1

Introduction to decision

modeling

by Filippo Vasta

Management by Methods

Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore Autore: Filippo Vasta. Vietata la riproduzione senza assenso esplicito dell’autore

2

Key Processes

Generating demand

Develop new products

Make them appealing to new customers

Ensuring Supply

Order management

Production flow management

Distribution flow management


3

The goal

Shareholders value creation

Short term profitability

Long term profitability plus investment

protection


4

Key strategic objectives

Widen customer base

Increased customer fidelization

Increase per customer sales

Increase per customer profit


5

Key success drivers

Marketing Strategies

Innovate & communicate value

Commercial Strategies

Sales force, Sales channels, Sales compensation schemes

Distribution Strategies

Central / Peripheral warehouses, transportation strategies,

Outsourcing

Production strategies

Investments, Training, Outsourcing, Procurement

Financial Strategies

Sources of capital


6

Strategies imply strategic

decisions Marketing Strategies

When? What? How??… Innovate & communicate value

Commercial Strategies

Sales force (size, organization, geographic distribution, customer assignement??..), Sales channels , Sales compensation schemes (which channels, which compensation schemes??..)

Distribution Strategies

Central / Peripheral warehouses , transportation strategies, Outsourcing (how many warehouses, own or rent, which location, how much space to rent, which supplier, which type of agreement, which warehouse management approach??….

Production strategies

Investments, Training, Outsourcing, Procurement (which investment do and which do not, make or buy, how to rebalance resources, which size & type of equipment??….)


7

The other two decision

horizons

Medium Term & Short Term

Repetitive operative decisions• Essentially Planning & Scheduling

Sales activities planning,

Sales forecasting,

High level resource planning,

Low level resource scheduling


8

The decision perspective of

the organizationGeneral

Manager

Division A Division B Division C

Function A Function B Function C

Department

A

Department

B

Department

C

Decision

Scope

Long term

decisions

Medium

term

decisions

Short term

decisions

Repetitive On

ExceptionRipetitive On Exeption

Decision 1 Decision 2 Decision N Exeption 1 Exeption 2 Exeption N

Decision 1 Decision 2 Decision N


9

The case for Decision Modeling

Every Organization is a “Decision Machine”

Competitiveness is the result of good

decisions

The modern, succesful organization must be

equipped with the best decision “toolbox”

Main Idea


10

The decision “toolbox”

Clear definition of decision responsibilities Structure decision scope

• Long term, Medium Term, Short Term, On Exeption, who decides on what

Decision culture How to structure and model decisions

How to use decision modeling support tools• Goal seeking

• Montecarlo simulation

• DOE (Design of experiment)

How to effectively get the right info from existing information systems

• Data warehousing, Time series, Neural Networks


11

Decision Anatomy

Alternative

Possible values of

Discretionary

variables

Decision quality measures

Constraints

Non discretionary parameters

Logics

Decision


12

Decision criteria


Directly quantifyable economic measures

Non economic parameters directly translateable

into economic & financial measures

Summary benchmark measures non directly

quantifyable economically and financially


13

Economic & Financial decision

quality measures

Differential cashflow

Differential profit

Differential earnings

Differential savings

Differential present net value

Differential internal return rate

Payback period

Return / Risk ratio

Expected economic value

…


14

Operational performance parameters easily

translateable into economic measures

Out of stock quantities

Cycle time

Waiting queues

Lost sales

Average delivery delay

Inventory levels

Average equipment utilization

Average effectiveness

Change overs

% of customer below target service

level

….

Overtime

Material usage

Fault rates

Specific consumption

Consumption variability

Man hours requirement

Material requirements

Fault detection probability

Number of repairs

Time to repair

Outdated inventories

…


15

Complex benchmark measures non directly

translateable into economic measures

Some examples

Degree of strategy coherence

Customer satisfaction index

Average delay weighted according with customer

importance / jobs turnover

Weighted completeness index

Service level index

Risk index

…

….


16

Constrains

Financial resources

Production capacity

Warehouse capacity

Human resources

Shelf space

Customers

Transportation capacity

Holidays

Shift rules

Trade unions

Minimum assortments

…


17

Decision = Optimization

Selection of best alternative should: Maximize the value of decision quality measures

selected for the problem

In compliance with all identified contraints

Therefore a “good decision” must be an

optimized decision The best possible decision in relation to the decision

quality measures and related constraints


18

Decision risk

Decisions set future course of actions

The future is by definition uncertain

Therefore all decisions are based on

uncertain assumptions

Consequently is important to evaluate the

degree of uncertanty implied by a decision


19

Cosa fa il Decision Modeler

Intervista i Decisori

Disegna il modello decisionale definendo:

Le alternative decisionali a disposizione

I Vincoli

La funzione obiettivo (La sintesi delle misure di qualità della scelta)

Progetta il modello decisionale

Sviluppa il modello di calcolo what-if su foglio elettronico

Supporta i decisori nel lancio delle simulazioni e interpretazione dei

risultati

Commissiona (nel caso di problemi ripetitivi) l’industrializzazione

della soluzione (SW di ottimizzazione custom)


20

The Ideal decision Toolbox

Competencies How to use cost data when facing a decision (management and cost accounting)

How to evaluate return on investment (return on investment analysis techniques)

Data analysis techniques and methodologies

How to build decision models (advanced Ms-Excel model building plus goal-seeking)

Statistics (probability distribution, confidence intervals, significance tests)

Tools Data-warehouse & Query

Goal seeking ,

Montecarlo simulation

Visual simulation

Neural Networks

Time series analysis


21

Key Tools


22

Data warehouse, Business

Intelligence

How to structure and organize data to get relevant information

in the right time with adequate accuracy


23

Goal seeking

How to optimize a decision

model by selecting:

1)Problem function

objectives

2)Ranges of discretionary

variables

3)Constraints


24

Montecarlo simulation

How to evaluate the impact of non discretionary parameters variability on

the variability of key decision quality measures.


25

Neural networks

How to use historical

data to identify cause

– effect relationship

among non

discretionary

parameters in order

to better control

alternative decision

scenario


26

Time series forecasting

Useful for all

decision

implying

hypothesys on

future values of

key non

discretionary

variables


27

MbyM Role A customer identify a specific decision problem

MbyM consultant assist customer in: Structuring the problem

Identifying relevant decision support technologies and tools

Building the Excel decision model

Testing and fine tuning the model

Possibly design and build a custom SW


Enterprise Wide SW

Selection

28


Definizione del problema

29

Processi Copert

ura

att

uale

Qualit

à d

ella

copert

ura

Liv

ello

di

criticità

str

ate

gic

a

1

Product Data

Management Solution X 2 3

2

Product Lifecycle

Management Excel 1 3

3

Order to cash

management In house 1 2

4 Shipping management In house 1 2

5

Accounts payble

management In house 2 2

6

Human resources

management Solution Z 2 1

7

Production Planning

management Excel 1 3

8

Sales forecasting


9 Product costing Excel 1 2

10

Customer service &

technical support Excel 1 3

11 Budgeting & controll Excel 1 2

12

Cash planning and


13 Sales force automation None 0 2

Copertura tecnologico

applicativa attuale

Soluzione Cat

ego

ria

Co

sto

1 Soluzione 1 (PLM) PLM 10000


3 Soluzione 3 (IDM) IDM 4000


5 Soluzione 5 (CRM) CRM 21000



8 Soluzione 7 (BI) BI 7000



11 Soluzione 10 (ERP-OTC) ERP 60000


13 Soluzione 12 (ERP-PLM) ERP 48000

14 Soluzione 13 (ERP-SC) ERP 90000



17 Soluzione 16 (BPM) BPM 20000

18 Soluzione 17 (PP-SF) PP-SF 15000


20 Soluzione 19 (ICC) ICC 5000


Il mercato

Soluzioni scelte Cla

sse

applic

ativa

Soluzione 1 (PLM) PLM

Soluzione 4 (IDM) IDM

Soluzione 9 (BI) BI

Soluzione 5 (CRM) CRM

Soluzione 19 (ICC) ICC

Soluzione 18 (PP-SF) PP-SF

Soluzione 11 (ERP-OTC) ERP

La Decisione


3030

Decision Anatomy

Alternative

Quale Soluzione a

copertura di ciascun

processo?


Risorse umane /

finanziarie,

competenze

Logics

Decision

VincoliGrado di

copertura target

al minor costo


Fasi del metodo

1. Analisi della copertura attuale dei

processi ( Metodologie derivate da

AVA – analisi valore aggiunto)

2. Inventario delle soluzioni offerte

dal mercato e benchmark delle

funzionalità

3. Strutturazione del modello

decisionale

1. Variabili discrezionali

2. Funzione obiettivo31

Processi Co

per

tura

attu

ale

Qu

alit

à

del

la

cop

ertu

ra

Live

llo d

i

crit

icit

à

stra

tegi

ca

1 Product Data Management Solution X 2 3

2 Product Lifecycle Excel 1 3

3 Order to cash management In house 1 2

4 Shipping management In house 1 2

5 Accounts payble In house 2 2

6 Human resources Solution Z 2 1

Soluzione Cat

ego

ria

Co

sto








Pesi Valori Valori pesati

Somma incrementi 10 119 1190

Somma decrementi 100 0 0

Somma netta pesata 10 11900

indice di complessità di

integrazione 10 7 70

indice di ripetizione classi 100 0 0

Score complessivo di

coerenza 640


Bench Mark Tecnologico

Rispondere alla domanda

Come classificare la soluzione proposta: (IDM , EDM, BPM, ICC ?

Estensione della soluzione

La soluzione copre anche altri ambiti tecnologici (Es. IDM +

WFmgmt oppure BI + Decision Analytics…)

Grado di copertura degli ambiti : ad esempio IDM ( Integrated

Document Management)

OCR – Nativo, Assente, Third Parties

Check-in Check – out , manuale, automatico

Integrazione con : Word, PPT, XLS , Visio…

Archiviazione e retrieval: Nativa, third party engine, gerarchica , chiavi di

indicizzazioni multiple…

Back-up / restore disaster ricovery

Versioning , document life cycle

32


Inventario delle soluzioni e

benchmark di copertura

33

Cla

sse a

pplic

ativa

Costo

medio

/ f

unzio

nalit

à

Funzio

nalit

à

Live

llo d

i co

sto

Pro

du

ct D

ata

Man

agem

ent

Pro

du

ct L

ifec

ycle

Man

agem

ent

Ord

er t

o c

ash

man

agem

ent

Ship

pin

g m

anag

emen

t

Acc

ou

nts

pay

ble

man

agem

ent

Hu

man

res

ou

rces

man

agem

ent

Pro

du

ctio

n P

lan

nin

g m

anag

emen

t

Sale

s fo

reca

stin

g m

anag

emen

t

Pro

du

ct c

ost

ing

Cu

sto

mer

ser

vice

& t

ech

nic

al s

up

po

rt

Bu

dge

tin

g &

co

ntr

oll

Cas

h p

lan

nin

g an

d m

anag

emen

t

Sale

s fo

rce

auto

mat

ion

Inte

grat

ed D

ocu

men

t M

anag

emen

t

Wo

rkfl

ow

man

agem

ent

Dat

a q

uer

y an

d r

epo

rtin

g

Ad

van

ced

dat

a an

alyt

ics

(dat

a m

inin

g)

Inte

grat

ed C

om

mu

nic

atio

n

Dec

isio

n a

nay

itic

s

Soci

al m

edia

inte

grat

ion

Mo

bile

tec

hn

olo

gy c

om

plia

nce

Ap

plic

atio

n &

Dat

abas

e in

tegr

atio

n f

un

ctio

nal

itie

s

Big

dat

a vo

lum

e su

pp

ort

Co

mp

any

Web

Po

rtal

Man

agem

ent

Co

mp

less

ità

imp

lem

enta

tiva

Soluzione 1 (PLM) PLM 10000 1 10000 3 3 1 2 1 1

Soluzione 2 (PLM) PLM 12000 1 12000 1 2 1 2

Soluzione 3 (IDM) IDM 4000 1 4000 1 2 2 3

Soluzione 4 (IDM) IDM 6000 1 6000 2 1 3 2 2

Soluzione 5 (CRM) CRM 21000 1 21000 3 1 2 2 1 1

Soluzione 6 (CRM) CRM 40000 1 40000 3 1 2 2 3 1 2

Soluzione 5 (CRM) CRM 15000 1 15000 3 3 2 3 2

Soluzione 7 (BI) BI 7000 1 7000 2 2 1 1

Soluzione 8 (BI) BI 12000 1 12000 1 3 3 1 1 3

Soluzione 9 (BI) BI 18000 1 18000 2 3 3 3 2 2 2

Soluzione 10 (ERP-OTC) ERP 60000 1 60000 1 1 3 2 3 1 1 1 2 1 1 1 1 1 1

Soluzione 11 (ERP-OTC) ERP 80000 1 80000 1 1 3 3 3 2 2 2 3 2 2 2 2 0 2 2 2 1 2 2 1 2 2

Soluzione 12 (ERP-PLM) ERP 48000 1 48000 2 2 2 1 2 1 1 1 2 1 1 0 0 0 1 1 1 3

Soluzione 13 (ERP-SC) ERP 90000 1 90000 1 1 1 2 1 1 3 2 2 1 3 0 0 1

Soluzione 14 (CRM) CRM 17000 1 17000 1 3 1 2 2 2 2 2

Soluzione 15 (CRM) CRM 23000 1 23000 2 1 3 1 2 2 2 3 3 3 3

Soluzione 16 (BPM) BPM 20000 1 20000 2 2 2 1 1 2 1 3 2 2 1 3 2 2 3 2 2

Soluzione 17 (PP-SF) PP-SF 15000 1 15000 2 2 1 3

Soluzione 18 (PP-SF) PP-SF 18000 1 18000 3 3 3 2 2

Soluzione 19 (ICC) ICC 5000 1 5000 2 1

Soluzione 20 (ICC) ICC 15000 1 15000 2 1 3 2 2 2

• Letteratura

• Fiere

• Siti

• Incontri

con i

vendors

Come l’ufficio

tecnico

alimenta

costantemente

la base dati

tecnica, l’IT

dovrebbe

alimentare

costantemente

la base dati

delle soluzioni

IT

1=basso

2=medio

3=alto


Il modello decisionale

34

Soluzioni scelte Pro

duct

Data

Managem

ent

Pro

duct

Lifecycle

Managem

ent

Ord

er

to c

ash

managem

ent

Ship

pin

g m

anagem

ent

Accounts

payble

managem

ent

Hum

an r

esourc

es

managem

ent

Pro

duction P

lannin

g

managem

ent

Sale

s f

ore

casting

managem

ent

Pro

duct

costing

Custo

mer

serv

ice &

technic

al support

Budgeting &

contr

oll

Cash p

lannin

g a

nd

managem

ent

Sale

s f

orc

e a

uto

mation

Inte

gra

ted D

ocum

ent

Managem

ent

Work

flow

managem

ent

Data

query

and r

eport

ing

Advanced d

ata

analy

tics

(data

min

ing)

Inte

gra

ted

Com

munic

ation

Decis

ion a

nayitic

s

Socia

l m

edia

inte

gra

tion

Mobile

technolo

gy

com

plia

nce

Applic

ation &

Data

base

inte

gra

tion f

unctionalit

ies

Big

data

volu

me s

upport

Com

pany W

eb P

ort

al

Managem

ent

Facili

tà d

i

imple

menta

zio

ne

Adere

nza a

Sta

ndard

Inte

rnazio

nali

Sem

plic

ità +

Adere

nxza

a S

td

Soluzione 1 (PLM) 10000 3 3 0 0 0 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 3

Soluzione 4 (IDM) 6000 0 0 0 0 0 0 0 0 0 2 0 0 1 3 2 0 0 0 0 0 0 0 0 0 2 2 4

Soluzione 9 (BI) 18000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 3 3 0 3 0 0 2 2 0 2 3 5

Soluzione 5 (CRM) 15000 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 3 2 0 0 3 2 1 3

Soluzione 19 (ICC) 5000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 1 1 2

Soluzione 18 (PP-SF) 18000 0 0 0 0 0 0 3 3 3 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 4

Soluzione 11 (ERP-OTC) 80000 1 1 3 3 3 2 2 2 3 2 2 2 2 0 2 2 0 2 1 2 2 1 0 2 2 2 4

Costo totale in migliaia di EURO 152

Possibili sovrapposizioni da chiarire 1 1 1 1 1 1 1 1 2 1 2 1 1 1 4 1 1 2 1 1 2 1 1 1

Valore Massimo 3 3 3 3 3 2 3 3 3 3 2 2 2 3 2 3 3 2 3 3 2 2 2 3

Qualità copertura attuale 2 1 1 1 2 2 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0

Criticità strategica 3 3 2 2 2 1 3 2 2 3 2 2 2 3 2 3 2 3 2 3 3 2 2 3

Incremento qualità copertura 1 2 2 2 1 0 2 2 2 2 1 1 2 3 2 3 3 2 3 3 2 2 2 3

Incremento qualità copertura pesato 3 6 4 4 2 0 6 4 4 6 2 2 4 9 4 9 6 6 6 9 6 4 4 9

La maggior parte delle soluzioni include tecnologie applicative spesso in sovrapposizione con

altre, bisogna pertanto scegliere un set di soluzioni che:

-fornisca il massimo grado di copertura rispetto all’architettura attuale ed in funzione del

livello di criticità delle funzionalità specifico per la nostra azienda evitando il più possibile

duplicazioni, al minor costo per l’azienda e privilegiando soluzioni aderenti a standards e il

più possibile semplici da implementare


Variabili discrezionali e

funzione obiettivo

35

Sim

ula

zio

ne

Soluzioni scelte

Classe

applicativa








Costo totale in migliaia di EURO Peso-> 152

In giallo le soluzioni scelte

dal motore di

ottimizzazione

Funzione obiettivo:

Minimizzare - > Costo + Indice di scopertura pesata + indice di numerosità soluzioni

Pesi Valori Valori pesati

56 Costo totale in migliaia di EURO 5 152 760

57 Somma incrementi rispetto alla copertura attuale 10 119 1190

58 Somma decrementi rispetto alla copertura attuale 100 0 0

60 indice di complessità di integrazione 10 7 70

61 indice di ripetizione classi 100 0 0

62 Score complessivo di coerenza 640


Altri elementi da

considerare

Indice di solidità patrimoniale dei fornitori

Fatturato

Profitto

Indice di costo e capillarità della rete di

assistenza

Anno di fondazione

Fatturato

Clienti

Costo giornaliero assistenza

36


Architettura complessiva

ERP – BPM – BI - DM

37

BPM

ERP

BPM

BPM

Data Warehouse

Decisioni

Logiche e

modelli

BI

Optimization application

Goal seeking engine

Modeling design

competence

Models development

competence

Decision

Scope

Long term

decisions

Medium

term

decisions

Short term

decisions

Repetitive On

ExceptionRipetitive On Exeption

Decision 1 Decision 2 Decision N Exeption 1 Exeption 2 Exeption N

Decision 1 Decision 2 Decision N

Processi operativi

Processi decisionali

cruscotti


Il Panorama sulle ottimizzazioni

Strumenti General purpose Entry level (Excel Add-ins)

• Gene-hunter (MbyM distributore non esclusivo) , Solver, Crystall Ball….

• MbyM Opti (in development )

Advanced (generatori di applicazioni di ottimizzazione per sviluppatori)

• IBM C-plex,

• OptimJ

• BARON

• …..

• MbyM Opti (Engine, in development)

Best of breeds

Planning & Scheduling-> Ortems / Schedulex / I2Technologis /

Jobtime Inc…

….Segue esempio di piattaforma di Scheduling MbyM Opti

38


Applicazione del DM al

production scheduling

Possiamo definire vari programmi di

produzione in base a diversi criteri

decisionali:

First come / First Serve

On Time Performance (Puntualità)

Penali

Utilizzazione

Criteri misti

39


First come first serve

40


41

On-Time Performance


Penalty

42


Penalty + Utilization

43


Gant Chart

44


45

Le “Primitive DM” Contenenze ottimali Trade Unit / Display unit /

consumer unit

Ottimizzazione assortimento

Piano promo / scontistica ottimale

Piano incentivi agenti ottimale

Riattribuzione ottimale zone ad agenti / informatori

Giro visita ottimale

Sizing ottimale forza vendita

Struttura logistica distributiva ottimale

Algoritmi di replenishment ottimali

Pianificazione e scheduling della produzione ottimale

Optimal transportation planning

Distribuzione ottimale dei prodotti in Warehouse

Optimal Logistics parameter setting

Gestione ottimale del phase-in / phase out di prodotto

Ottimizzazione planning attività di R&D

Ottimizzazione portafoglio investimenti industriali

Ottimizzazione Lay-out di fabbrica

Ottimizzazione flussi di cassa

Ottimizzazione budget flessibile

Ottimizzazione prezzi di vendita

Ottimizzazione bilanciamento strategico risorse

Ottimizzazione Project Planning

Ottimizzazione configurazione di prodotto

Ottimizzazione assortimento

….

Le problematiche decisionali

tendono a ripetersi , è quindi

possibile definire delle

“primitive” da riadattare volta

per volta al problema

specifico.

L’azienda che vuole

sviluppare la cultura DM si

costruisce col tempo il proprio

set di primitive DM in base

alle necessità prioritarie


Possibile progetto Top-

Down

Analisi Enterprise-wide delle attività

Analisi Enterprise-wide delle criticità

Creazione delle catene di attività componenti i processi

aziendali critici e investitura dei «capi processo»

Raggruppamento delle criticità in progetti candidati di

miglioramento

Classificazione (Organizzativi, Tecnologici, Informativi,

Decision model projects, Formativi… e prioritizzazione

dei progetti di miglioramento

Approvazione, lancio e gestione dei progetti approvati

46


Per informazioni

47

Filippo Vasta it.linkedin.com/in/FilVaMbyM

[email protected]

Si ringrazia www.villapieve.it per aver ospitato Club TI Centro

Introduction to decision modeling - ClubTi Centro · • Montecarlo simulation ... Supporta i...

Documents

Transcript of Introduction to decision modeling - ClubTi Centro · • Montecarlo simulation ... Supporta i...