Università degli Studi di Bergamo Facoltà di Ingegneria ... Ing MKTg...Marketing Industriale e dei...

Università degli Studi di BergamoFacoltà di IngegneriaAnno Accademico 2015 - 2016Corso di Marketing Industriale e dei Serviziprof. Marco Daz

5.Stima e previsione

della domanda

Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 2

Fare previsioni è difficile,soprattutto quelle che

riguardano il futuroWoody Allen

Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz

Delivery bottlenecks for the Leica M-systemofficial statement by Leica

Since its presentation at the photokina 2012, the new LeicaM has become extremely popular. The large number oforders we have received shows the outstanding acceptanceof the new M-System on the market. The enormousdemand has by far exceeded our expectations, with theconsequence that delays in deliveries can unfortunately notbe avoided…….

June 19, 2013

3

Persaun’occasione


SCHEMA RIFERIMENTO PER STUDIO DELLA DOMANDADiverse categorie di domanda

Scopi differenti

FONTIUFFICIALI,SURVEYS

SISTEMA INFOINTERNO

Passata

Effettiva Effettiva Potenziale Effettiva Potenziale

per l'impresa

Attuale Futura

ZONA GEOGRAFICA 1

del mercato

DOMANDA

Prodotto A, B, …

TANTE DIMENSIONI DA “INCROCIARE”

Tempo

Concretezza (eff., pot.)

Mercati (geo/segm)

Livello di aggregazione


ALCUNE DEFINZIONI

STIMA– Determinazione approssimata del valore numerico di una grandezza

(Devoto-Oli)

– Non riusciamo a misurala direttamente … la stimiamo

PREVISIONE– Elaborazione mentale relativa al futuro, sulla base di indizi più o meno

sicuri (idem)

– La previsione è una stima di una grandezza futura

5


…applicata al ns caso

6

Passata

Effettiva Effettiva Potenziale Effettiva Potenziale

per l'impresa

Attuale Futura

ZONA GEOGRAFICA 1

del mercato

DOMANDA

Prodotto A,…

Simisura

Si misurao stima

Simisura

Simisurao stima Si

prevedeSi

stima

Ciascuna casella è unparticolare problema, la cuisoluzione richiede peculiari

metodi.

Micro

Macro


Alcuni metodi di stima e previsione della domanda

7

A. METODI SU INTUIZIONE /ESPERIENZA

«ciò che viene detto»

A.1. Intenzione d’acquisto

A.2. Parere forza vendita

A.3. Parere esperti

B. METODI FATTUALI

«ciò che viene fatto»B. Test mercato

C. METODI ESTRAPOLATIVI oESPLICATIVI

«ciò che è stato fatto»

C.1. Estrapolativo - Analisi serie storiche

C.2 Esplicativo - Metodi regressione

D. METODI CAUSALI

«Coefficienti tecnici»

D.1. Metodo dei coefficienti per materiali diconsumo

D.2. Metodo dei coefficienti per materie prime

D.3. Metodo dei coefficienti per beni di investimento


…CIÒ CHE LI DIFFERENZIA

Metodo di Approccio

Modo di affrontare la risorsa dati

METODO

Elaborazionesoggettiva,

d’esperienza

Elaborazione

formalizzata,

ripetibile

olistico analitico


MODI DI AFFRONTARE LA RISORSA DATI

– soggettivo: un parere, una stima da persone “informate sui fatti”

A) ciò che viene detto

– osservazione di fatti del presente che riguardano il comportamento dimarketing

B) ciò che viene fatto

– riferirsi a dati del passato

C) ciò che è stato fatto


Presente

FONTE DATI

METODO

Passato

Analitico

Olistico

ESPERIENZA+ INTUIZIONE

METODIESPLICATIVI(CAUSALI)

MODELLIESTRAPOLATIVI

TESTMERCATO

ciò che viene detto

ciò che viene fatto

ciò che è stato fatto


un campione significativo di acquirenti attuali e/o potenzialiinterpellati su:– Entità e tipo d’acquisto (prodotti di interesse del fornitore)

su un certo orizzonte temporale

date certe condizioni di contesto

I metodi sono quelli tipici delle ricerche di mercato:

– Intervista telefonica, Posta (cartacea ed elettronica),Intervista personale, Web

Limiti

– Variazione delle intenzioni e dei comportamenti

– Le imprese spesso non rivelano i propri piani di acquisto

– o..NO idee chiare

A. ciò che viene dettoA.1. INTENZIONE D’ACQUISTO


Di frequente utilizzo

– il personale di vendita conosce il mercato

– è un mezzo di coinvolgimento del personale

– disponibile in azienda

Limiti

stime affette da troppo ottimismo/pessimismo

visione ristretta del contesto

Talvolta il venditore non manifesta completamente le sueidee quando le stesse possono influenzare gli obiettivi divendita

A. ciò che viene dettoA. ciò che viene dettoA.2. PARERE DELLA FORZA VENDITA


A. ciò che viene dettoA.3. PARERE DI ESPERTI ESTERNI

PROVENIENZA DELL’ESPERTO•uffici studi di associazioni di categoria, analisti dibanche di investimento, consulenti, docentiuniversitari,…

MODALITA’ DI ACCESSO AL PARERE:•2 Drivers:

•interazione esperto-analista e•interazione esperto-esperto


alcuni metodi di raccolta parerivedi Ricerca di Mercato

alcuni metodi di raccolta parerivedi Ricerca di Mercato

A – Interazione esperto-esperto

B–

Inte

razi

one

analis

ta-e

spert

o-

A

delphi

intervistapersonale

questionarioPostale, web

•Metodo DelphiViene scelto un certo numero diesperti, interpellati per iscritto.La loro identità è nota solo alcoordinatore.I pareri vengono elaborati edinviati nuovamente agli esperti pereventuali modifiche alla luce delleopinioni degli altri.

Acquisto studimuliclient

intervistatelefonica

Panel diespert


Errori nei pareri: cause

Desiderio che le cose vadano in un certo modo,(ottimismo/pessimismo)

Modo in cui le domande son poste,

Tendenza a saltare subito alla conclusione

Tunnel della mente

15


Ipse dixit ….

…. Eppure erano i massimi esperti del «settore»

16

• “We will never make a 32 bit operating system.”Bill Gates

• “A rocket will never be able to leave the Earth’s atmosphere.”New York Times, 1936

• “The world potential market for copying machines is 5000 at most.”IBM, to the eventual founders of Xerox, saying the photocopierhad no market large enough to justify production, 1959

• “There is not the slightest indication that nuclear energy will everbe obtainable.”Albert Einstein, 1932


B) ciò che viene fattoTEST DI MERCATO

E’ maggiormente utilizzato per i beni di consumo.

test di mercatoOsservazione comportamento consumatore in particolaricondizioni sperimentali.

Nei beni industriali prende la forma di sperimentazione diprototipi o di preserie presso clienti privilegiati o presentazionedi prototipi in fiera.

Le sue aree di applicazione :•nuovi prodotti•nuovi canali•nuovo territorio


C) ciò che è stato fattoC.1. METODI ESTRAPOLATIVI BASATI SU ANALISI

DELLE SERIE STORICHE

Previsioni basate su dati storici

Ipotesi: “Nel passato c’è il germe del futuro”–

vero se non ci sono cambiamenti improvvisi

imprevisti

prescindo dalle cause: estrapolativi


NOZIONI BASE: SCOMPOSIZIONE LOGICA SERIE TEMPORALE

Una serie temporale può pensarsi costituita dalla combinazione

di 4 “movimenti” + 1:

tendenza di fondo (trend), che riguarda il lungo periodo.

Componente Ciclica (Tendenza Congiunturale) relativa

al ciclo economico del settore sul medio periodo (3 - 7

anni).

Componente Stagionale (S). abbraccia periodi più brevi.

Con schemi che si ripetono ciclicamente durante (anni,

mesi, giorni).

componente Casuale (E) che si riferisce alle variazioni

non spiegate dalle altre tre.

effetto di azioni specifiche


Certe imprese, nelle quali il management ha subitofrequenti avvicendamenti, sono cadute in trappolascambiando l’effetto di un periodo favorevole del ciclo dibusiness con l’avvenuto risanamento dell’azienda.

Aziende poco efficienti hanno modesti utili nei periodibuoni ma perdono molto nei periodi di congiuntura debole

Imprese efficienti nei periodi di congiuntura deboleperdono meno o riescono ancora a chiudere i bilanci inpareggio o con modesti utili.

Questo significa che le imprese efficienti possono godere diun periodo più lungo di congiuntura favorevole.

l’attenzione alla corretta conduzione aziendale non devediminuire anche in momenti di congiuntura favorevole .

CICLO ECONOMICO E RISANAMENTI AZIENDALI


Esempio previsione metodo estrapolativo di scomposizione:bottiglie in vetro per bevande

21

produttorevetro

imbotti-gliatore

grossista distributore negozio

GDO

raccolta


Problema: vendite dell’azienda nel marzo 2012? X= vendite di un mese standard 2011 9X + 3*1,15X = 492.787 X = 39.581 vendite mese standard 2011 39.581*1,042*1,02 = 42.068 vendite mese

standard 2012 tranne MESI PUNTA 42.068*1,15 = 48.970 vendite stimate 2012 nei

3 mesi di punta

Venduto 2011 in T 492.787

Trend di crescita annuo (media ultimi 2 anni) +4,2%

Componente stagionale bevande pergiugno/luglio/agosto- anticipo ordinazioni: 4mesi)

+15%

Componente ulteriore “varie” (sensibilitàecologica) – per anno

+2%

Esempio previsione metodo estrapolativo di scomposizione:Esempio previsione metodo estrapolativo di scomposizione:bottiglie in vetro per bevande / 2


NOZIONI BASE:MEDIA MOBILE SU SERIE STORICHEper comprendere l’andamento del passato

NOZIONI BASE:MEDIA MOBILE SU SERIE STORICHEper comprendere l’andamento del passato

La media mobile riduce/elimina le fluttuazionimomentanee dando luogo ad un effetto smussamentoche mette in luce le tendenze

At+At-1+...........+At-N+1

Mt=

N

– Aj= valore del periodo j-esimo

– N = numero di periodi su cui si calcola la media MOB.

N influenza l’effetto smussamento

Se N è uguale al periodo di stagionalità, la media mobile haeffetto destagionalizzante

Il problema: N?


period values mm12 mm6

1 5 #N/A #N/A

2 7 #N/A #N/A

3 6 #N/A #N/A

4 8 #N/A #N/A

5 12 #N/A #N/A

6 16 #N/A 9,0

7 14 #N/A 10,5

8 9 #N/A 10,8

9 6 #N/A 10,8

10 5 #N/A 10,3

11 5 #N/A 9,2

12 8 8,4 7,8

13 10 8,8 7,2

14 12 9,3 7,7

15 14 9,9 9,0

16 21 11,0 11,7

17 25 12,1 15,0

18 29 13,2 18,5

19 33 14,8 22,3

20 39 17,3 26,8

21 32 19,4 29,8

22 31 21,6 31,5

23 26 23,3 31,7

24 22 24,5 30,5

25 13 24,8 27,2

26 13 24,8 22,8

27 14 24,8 19,8

28 20 24,8 18,0

29 27 24,9 18,2

30 45 26,3 22,0

31 44 27,2 27,2

32 50 28,1 33,3

33 45 29,2 38,5

34 37 29,7 41,3

35 28 29,8 41,5

36 23 29,9 37,8


0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

values mm12 mm6

Stagionalità 12 mesi

Effettodestagionalizzante‘(“indovinare” N)


Dare peso decrescente ai dati meno recenti .

NOZIONI BASE: MEDIA MOBILE PONDERATA SU SERIESTORICHE

NOZIONI BASE: MEDIA MOBILE PONDERATA SU SERIESTORICHE

t

1Ntj

1Nt1Nt1t 1tt tt

p

ApApApMP

.......

Se non si dispone di un programma adatto, il calcolo ènoioso.

Definire funzione riduzione pesi.

modello dello smussamento esponenziale (ExponentialSmoothing) che ottiene un risultato più agevolmente.


Coefficienti di ponderazioneKo=0,6K1=0,3K2=0,1

Ko=0,8K1=0,15K2=0,05

Ko=1K1=1K2=1

Tempo Serie storica Medie mobili ponderate1 1002 1063 1134 137 110 111 1065 125 127 132 1196 129 127 126 1257 125 129 129 1308 118 126 126 1269 120 121 120 12410 146 120 120 12111 115 136 141 12812 153 125 120 12713 148 141 147 13814 152 146 147 13915 159 151 151 151

MAPD 0,08 0,09 0,09

EM =1

N* S

effettivo- previsto

effettivo

100

110

120

130

140

150

160

gennaio

febbraio

marzo

aprile

maggio

giugno

luglio

agosto

settembre

ottobre

novembre

dicembre

valori effettivi

media mobile

media mobile ponderata

ESEMPIO DI MEDIA MOBILE PONDERATA


Smussamento Esponenziale, i pesi diminuiscono con legge esponenziale

È caso particolare della media mobile ponderata

Si può dimostrare che è:

valore media mobile a smuss. exp. St al periodo t = precedente valoredella media mobile St-1 + alfa * (valore effettivo del periodo t At -precedente valore della media mobile St-1)

L’effetto di un maggiore o minore alfa (1 - 0) equivale ad includere unnumero di dati minore o maggiore nella media mobile

)( 11 tttt SASS

11 ttt SAS )(

NOZIONI BASE: SMUSSAMENTO ESPONENZIALE(EXPONENTIAL SMOOTHING)

(*)


Problema di fondo: con quale leggeestrapolo verso il futuro?

SERIE STORICHE E PREVISIONE

tTempo

A

Vendite


NUMEROSI METODI E STRUMENTI

A sentimento

Metodi elementari (medie)

Metodi statistici avanzati [sw specializzati]

30


Partiamo dal caso più semplice, con trendorizzontale, cioè non vi è tendenza di fondo. In talcaso, il valore Ft+1 previsto al prossimo periodoviene posto uguale alla media mobile dell’ultimoperiodo

Quando ci si trova di fronte ad una serie con tendenza difondo a crescere o a diminuire, il metodo ora descrittoproduce errori sistematici, rispettivamente in difetto o ineccesso. Necessita quindi tenere conto esplicitamente deltrend: il calcolo si complica un po‘

MAAA

F t1Nt1tt

1tN

.......

C.1. Analisi serie storicheC.1.1. PREVISIONE CON MEDIA MOBILE

C.1. Analisi serie storicheC.1.1. PREVISIONE CON MEDIA MOBILE


M ESE PER IOD O D OM AN DAEFFETTIV A

PR EV ISION E C O NM EDIA M O BILE

A 3 M ESI

PR EV ISION E C O NM EDIA M OB ILE

A 2 M ESIGEN NAIO 1 230FEB B R AIO 2 135M ARZO 3 210 183APR ILE 4 238 192 173M AGGIO 5 48 194 224GIU GN O 6 225 165 143LUGLIO 7 155 170 137AGOSTO 8 30 143 190SETTEM B R E 9 320 137 93OTTOB R E 10 250 168 175NO VEM B RE 11 210 200 285DIC EM BR E 12 260 230

0

5 0

1 0 0

1 5 0

2 0 0

2 5 0

3 0 0

3 5 0

1 2 3 4 5 6 7 8 9 1 0 1 1 1 2

E F F E T T IV A 3 M E S I 2 M E S I

PREVISIONE CON MEDIA MOBILE: UN ESEMPIO

Un metodo pertestare la

accuratezza deimetodi di

previsione:Estrapolare ilpassato comese fosse futuro

serie2 mesi

3 mesiEM =1

N* S

effettivo- previsto

effettivo


modello a smussamento esponenziale: valgono le regole giàdette, a seconda che non esista o esista trend. Il valore diprevisione al prossimo periodo in mancanza di trend è:

se nella (*)

al posto di St scriviamo Ft+1, ecc.

la nuova previsione è la previsione al periodo precedentepiù alfa volte l’errore di previsione al periodo precedente

Se tendenza di fondo, esprimibile linearmente o non èpossibile tenerne conto con particolari algoritmi (correzioneper la tendenza). Altrettanto per oscillazioni stagionali.

tt SF 1

Ft+1 = Ft +a(At - Ft )

C.1. Analisi serie storicheC.1.2. PREVISIONE CON EXPONENTIAL SMOOTHING

)( 11 tttt SASS


DATIDIVENDITA

TEMPO

-10

-5

0

5

10

15

20

Durata dell’azione speciale

Effetto dell’azionespeciale

Introduzioneazione speciale

C.1. Analisi serie storicheC.1.3. estrapolazioni avanzate

Ne esistonomolti,anche

gratuiti suinternet

SASSPSS

FORECAST PRO…


C) Ciò che è stato fattoC.2. METODI ESPLICATIVI

C) Ciò che è stato fattoC.2. METODI ESPLICATIVI

I metodi esplicativi (causali) esprimono ilvalore di previsione in funzione di altre variabiliindipendenti ad esso correlate, di più facilerilevazioneIl problema: individuare (una tantum)variabili indipendenti, attraverso la comprensione delfenomenofunzione di correlazioneSu basi statisticheSu considerazioni teoriche validate


C. Ciò che è stato fattoMODELLI ESTRAPOLATIVI VS ESPLICATIVI

tttnt YYYY ,,..., , 12 htY Algoritmo prev.

tttnt XXXX ,,..., , 12 htX Algoritmo prev.

tttnt YYYY ,,..., , 12 htY

Y variabile principale

X variabili esplicative

n numero di periodi storici

estrapolativo: prescinde dalle cause determinanti la serie storica

h numero di periodi dell’orizzonte di previsione

esplicativo: serie storica espressa come funzione di altra(-e) variabili

[Y=f(X)]


Si nota che le dueserie “si muovono

insieme”

REGRESSIONE LINEAREUN ESEMPIO ricerca correlazione

REGRESSIONE LINEAREUN ESEMPIO ricerca correlazione

anno 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987

veicoli

immetricol

ati

9.237 9.676 7.454 7.053 8.611 9.106 6.312 8.341 6.581 6.209 5.757 6.795 7.952 8.196 7.850 10.500

fatturato

accessori

e ricambi

53.846 61.468 54.674 45.507 56.588 64.305 67.413 61.017 44.829 40.551 36.293 43.678 51.508 53.040 54.620 85.000

-

20.000

40.000

60.000

80.000

100.000

120.000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Fatturato accessori

Immatricolazioni x10


Riordiniamo le serie storiche in base a immatricolazionicrescenti e calcoliamo la retta di regressione

REGRESSIONE LINEAREUN ESEMPIO: elimino la var. il tempo

REGRESSIONE LINEAREUN ESEMPIO: elimino la var. il tempo

anno 1982 1981 1978 1980 1983 1975 1974 1986 1984 1985 1979 1976 1977 1972 1973 1987

veicoliimmetricolati

5.757 6.209 6.312 6.581 6.795 7.053 7.454 7.850 7.952 8.196 8.341 8.611 9.106 9.237 9.676 10.500

fatturatoaccessori e

ricambi

36.293 40.551 67.413 44.829 43.678 45.507 54.674 54.620 51.508 53.040 61.017 56.588 64.305 53.846 61.468 85.000


R² = 0,5564

20.000

30.000

40.000

50.000

60.000

70.000

80.000

90.000

5.000 6.000 7.000 8.000 9.000 10.000 11.000

Forecast immatr.Anno prossimo

Forecastdesiderato

ricambi

Fatt. Ricambi=f(immatricolazioni)


C) Ciò che è stato fatto

C.2. REGRESSIONE LINEARE (semplice e multipla)

per ricercare il legame

R.L. Semplice: solo unavariabile indipendente

R.-L. Multipla: Permette ditrovare un’espressionelineare del tipo

Y = a*F1 + b*F2 + …. + k

dove Fi sono le variabiliesplicative della grandezza Y

basate sul…

…Metodo dei minimi quadrati:

• Due risultati:

I coefficienti e la costante

R2: indica la bontà delgrado di associazione trale due variabili (0-1)


Esempio di regressione lineare

Il mercato del vetro piano

ProduzioneR2= 78,5%

PIL corretto


pericoli sempre in agguato:

– L’autocorrelazione delle variabili indipendenti (che in talcaso non lo sono più) in quanto contraddice l’ipotesibase della correlazione.

– (L’esistenza di variabili occulte, vere cause della correlazione

osservata).

– Si ricordi che correlazione non significanecessariamente un legame causa effetto.

REGRESSIONE:CAUTELE


D. METODI CAUSALI

I metodi causali stimano il valore in oggetto infunzione di altre variabili ad esse legate da fattoritecnici, dimensionali, ecc.– Per fabbricare una automobile servono 5 pneumatici– Per produrre un Kg di pane seve circa 1 kg di farina

Possibili alternative– 5 pneumatici o 4 pneumatici ed un ruotino?– Un Kg di farina 0 o 00?

43


D. Metodi esplicativiMETODO DEI COEFFICIENTI

Nei metodi esplicativi, è naturale la tendenza ad impiegareformule semplici, possibilmente monomie, costituite dal..

..prodotto di driver e di coefficienti caratteristici

impiego frequente nella scienza e della tecnica.

Esempio: per stimare il costo della ristrutturazione di unappartamento, prima di elaborare un preventivodettagliato, facciamo riferimento ad un costo per metroquadrato, (coeff.1); a un parametro K >1(Coeff. 2) che èin relazione al livello delle finiture, e alla superficie (driver)

Il coefficiente ha una validità relativa al tempo e luogo.


esempio di stima mercato potenziale con il metododei coefficienti concatenati

Stima mercato potenziale birra dietetica

Popolazione *reddito per persona * percentuale media delreddito per persona speso in alimentari * di cuipercentuale media del reddito per persona speso inbevande * di cui percentuale media spesa sulle bevandealcooliche * di cui percentuale media spesa per birra * dicui percentuale spesa per birre dietetiche

Domanda potenziale per birra dietetica

In funzione della popolazione e del reddito a parità altri fattori


BtB: esempio materiali di consumo:utensili per macchine utensili

46


Logica: utilizzo di X funzione dell’impiego del bene che usa X

Esempio: valutare domanda (mercato di sostituzione) di utensili dataglio per macchina utensile impiegata nell’industria meccanica TUA tasso consumo per unità di attività (dato specifico del prodotto) Es. 0,2

utensili usurati /ogni 100 h-macchina

– Q domanda prevista nel periodo di riferimento (unità/anno)

– N numero di imprese in categoria ISTAT(1000)

– p percentuale utenti effettivi (20%)

– A livello di attività per m.u. nel periodo (1,5. Turni/giorno*8h/giorno*200 giorni/anno) = 2400 h/ann-m.u.o

– I numero medio m.u./impresa (10)

D.1. Domanda Beni strumentali di consumoD.1. Domanda Beni strumentali di consumo

1000 *0,2*2400*10*0,2/100

Q = N

Q=N*p*A*I*TUA


Logica: utilizzo funzione di una grandezza correlataQ domanda prevista nel periodo di riferimento

N numero di imprese utenti imprese in categoriaISTAT(1000)

p percentuale di utenti effettivi (20%)

c valore della grandezza di riferimento correlata perutente effettivo per periodo (es. fatturato annuo/impresa;oppure numero dipendenti, quantità di prodotto finito, …)

TUP tasso di consumo per unità di c (coefficiente tecnico)

TUPcpNQ

D.2. Domanda di materie prime


Sia noto il driver che correla (individuato sulla base dirilievi) il consumo medio annuo di nastro è con fatturatoimprese produttrici di profilati: 0,2 t/mille € di fatturatoannuo

Si individuino i codici ISTAT (o analoghi) delle imprese cheproducono profilati, classificate per classi di fatturato

Esempio: stima mercato attuale nastro in acciaio perEsempio: stima mercato attuale nastro in acciaio perproduzione profilati

CLASSE

FATTURATO

(€ MGILIAIA)

MEDIA

DELLA

CLASSE

FREQUENZA

DI IMPRESE

NELLA

CLASSE

DRIVERMERCATO

(t/ANNO)

0-100 50 20 0,2 200

>100-1000 550 200 0,2 22000>1000-10000 5500 100 0,2 110000

>10000-100000 55000 1 0,2 11000

TOTALE 143.200


D.3. Beni di investimento / macchinari / impianti

Rimpiazzo e incremento capacità

– Q domanda prevista nel periodo di riferimento

– N numero di imprese utenti imprese in categoria ISTAT

– p percentuale degli utenti effettivi

– V capacità produttiva/impresa

– ΔV% aumento percentuale della capacità produttiva prevista

– CP capacità produttiva di un singolo bene in unità di Q

– PI Dimensione del parco installato per impresa

– Vm vita media del bene di investimento

– X% sostituzione per obsolescenza tecnologica (% del parco nonrinnovato)

Q = N


Parco: 1 M.U. Ciclo vita 1 anno

Quante M.U. sostituisco/anno? 1

Parco: 2 M.U. Ciclo vita 1 anno


Parco: 2 M.U. Ciclo vita 2 anni


Sostituzioni/anno=Parco/Durata ciclo vita

Q = N * p*[(V *DV%*TUV)+PI

Vm+ X]


Esempio

In Europa Occidentale: circa N*p = 200 produttori di tappeti“Tufted” per una produzione di 680 milioni di m2 /anno.

Un telaio ha capacità produttiva diCP= 600.000 m2/anno

Si prevede un incremento della produzione del ΔV% 5%/anno.

vita media di un telaio: Vm 20 anni.

L’introduzione dell’elettronica nella regolazione del telai farùsostituire tra il X = 5 ed il 10% del parco installato non ancoraobsoleto al fine di aumentare la flessibilità del sistemaproduttivo.

Parco installato: 680.000.000/600.000= PI 1130 telai

ogni impresa ha mediamente 5,65 telai

Capacità produttiva installata/aziendaV=600.000*5,65=3.390.000 m2


ESEMPIO / SEGUE

Componente espansionecapacità produttiva:

– 1130 telai*5%= 56 telai

Componente rinnovo pervecchiaia parco installato

PI/Vm=1130 telai / 20 anni =56 telai

Componente innovazionetecnologica (supponiamo 7%)

X=7% x (1130 -56) = 75 telai

In totale stimiamo una domanda di

Q = 56 + 56 + 75 = 187 telai/anno

Università degli Studi di Bergamo Facoltà di Ingegneria ... Ing MKTg...Marketing Industriale e dei...

Documents

Transcript of Università degli Studi di Bergamo Facoltà di Ingegneria ... Ing MKTg...Marketing Industriale e dei...