Quando un'azienda gestisce strutture in cinque continenti, con supply chain che si estendono per migliaia di chilometri, le interruzioni in qualsiasi fase del processo che va dall'ordine al pagamento (order-to-cash, O2C) possono causare ritardi nella consegna dei prodotti.Tuttavia, a causa della complessità delle sue operazioni estese, una grande azienda manifatturiera multinazionale (Multinational Manufacturing Company, MMC) aveva difficoltà a individuare le cause principali dei ritardi che si verificavano nella sua attività logistica.
"Abbiamo notato differenze significative nei tempi medi di esecuzione e nei costi di consegna tra i diversi clienti e non riuscivamo a comprendere le ragioni di queste differenze",afferma il vicepresidente della logistica per la MMC."Abbiamo anche rilevato molti ordini sospesi, ma non siamo sempre riusciti a determinare la causa dei blocchi o perché non fossero conformi ai processi standard".
Sebbene i Logistics Manager della MMC abbiano cercato ripetutamente di ridurre al minimo i ritardi, l'azione correttiva è stata ostacolata da informazioni incomplete e scollegate.Poiché le deviazioni dai processi standard non venivano monitorate, non c'era modo di capire in che modo queste deviazioni influissero sui programmi previsti di consegna e sui relativi costi.
"Fino a quando non fossimo stati in grado di ottenere una visione migliore su dove e sul perché i ritardi nel sistema erano stati causati, non saremmo stati in grado di intraprendere le azioni necessarie per correggere le deviazioni", afferma il vicepresidente della MMC. "Credevamo inoltre che se avessimo avuto una visione dettagliata e olistica dei processi effettivamente utilizzati, avremmo potuto iniziare ad automatizzare più processi e ridurre lo sforzo umano".
Attraverso colloqui e con metodi informali, i Logistics Manager delle MMC hanno cercato, senza successo, di mappare i processi O2C, di identificare i colli di bottiglia e di correggere le anomalie."Ma poi, mentre stavamo implementando la nostra piattaforma ERP, il nostro partner di integrazione dei sistemi ha consigliato un nuovo strumento", afferma il vicepresidente della MMC. "Questo avrebbe potuto fornirci una visione dettagliata di tutti i processi e le persone coinvolte nell'O2C ed essere modellato su dati del mondo reale derivati dal nostro sistema ERP.Eravamo incuriositi dalle possibilità".
Riduzione dei costi
Riduzione del numero di istanze di cambiamento della data di consegna per un risparmio sui costi di 50.000 USD e tempi di esecuzioni ridotti di 3 giorni
Automazione della consegna
Adozione di una soluzione RPA per ridurre la rielaborazione e automazione del 75% delle attività di consegna per realizzare un risparmio di 60.000 USD
Dopo aver esaminato una proof of concept (POC), la MMC ha scelto la soluzione IBM® Process Mining e l'ha implementata tramite il software IBM Cloud Pak® for Business Automation .IBM Process Mining è anche incluso come funzionalità di base nel portfolio di soluzioni IBM Cloud Paks for Automation ."Volevamo vedere un 'gemello digitale' della nostra organizzazione logistica", afferma il vicepresidente della MMC, "in modo da poter identificare i colli di bottiglia nei nostri processi O2C e individuare le opportunità di automazione".
Quando i dirigenti della MMC hanno visto per la prima volta mappato il loro processo O2C, hanno avuto la stessa risposta che molti clienti hanno con la tecnologia di simulazione basata sull'AI.“La nostra prima reazione è stata: 'Lo avete fatto voi.Non ci crediamo che sia stato creato automaticamente dai dati.' La seconda reazione è stata: 'Non è vero, i dati non sono corretti'", afferma il vicepresidente della MMC. “Ma non appena abbiamo approfondito la simulazione, abbiamo potuto vedere quanto bene fosse stato costruito questo modello, sulla base dei dati del mondo reale attinti dalla nostra piattaforma ERP.È stata un'esperienza che ci ha aperto gli occhi".
Lavorando con lo strumento per studiare tutte le attività, i punti di contatto e i dipendenti coinvolti nel processo O2C, il team logistico della MMC è stato in grado di:
- Analizzare il comportamento del processo, trovare attività non conformi e identificare opportunità di miglioramento
- Identificare le attività critiche in termini di impatto sui costi e variabilità del tempo di esecuzione
- Scoprire gli utenti chiave dei processi e verificare la separazione dei compiti
- Monitorare la rielaborazione per scoprire dove gli errori e le procedure improprie incidevano sui programmi di consegna
- Scoprire i costi relativi alle attività manuali e dove ci fossero margini per l'automazione
L'analisi del comportamento dei dipendenti ha fornito insight rivelatori.Ad esempio, una Logistics Manager stava bypassando manualmente i programmi previsti nel tentativo di aiutare il suo stabilimento a raggiungere gli obiettivi di produzione."Stava cercando di dare una mano, ma in realtà stava ritardando il processo", afferma il vicepresidente della MMC. "Le abbiamo parlato e spiegato che il suo team stava facendo un lavoro molto decisamente senza il suo intervento".
Dopo aver analizzato il modello del processo O2C creato dallo strumento IBM Process Mining e utilizzando le dashboard dello strumento per monitorare l'attività, i Logistics Manager della MMC sono stati in grado di:
- Ridurre il numero di istanze di cambiamento della data di consegna, risparmiando 50.000 USD e riducendo il tempo di esecuzione di tre giorni
- Monitorare in modo continuativo la variabilità dei tempi di esecuzione dei clienti, aumentando di conseguenza l'allineamento dei KPI del 25% nelle attività di rimozione dei blocchi alla logistica e di cambiamento della data di consegna
- Ridefinire il processo per ridurre le attività di rimozione dei blocchi alla logistica, che hanno permesso di risparmiare oltre 100.000 USD e di ridurre i tempi medi di esecuzione di due giorni
La piattaforma IBM Process Mining ha inoltre permesso alla MMC di distribuire strumenti Robotic Process Automation (RPA), un obiettivo da tempo perseguito dell'organizzazione.Monitorando le prestazioni RPA, l'azienda:
- Ha automatizzato il 75% dell'attività di consegna, producendo un risparmio sui costi di 60.000 USD e una significativa riduzione delle rielaborazioni
- Ha automatizzato il 75% dell'attività di creazione della linea per realizzare risparmi sui costi pari a 50.000 USD e una riduzione dei tempi di esecuzione di tre giorni
"L'automazione dei processi ove fattibile rappresenta per noi un'enorme opportunità", afferma il vicepresidente della MMC. "A causa del volume di lavoro che abbiamo nella logistica, a volte facciamo fatica con le risorse umane che abbiamo a disposizione.Riducendo il numero di volte in cui gli ordini vengono bloccati o riprogrammati, possiamo liberare tempo che il nostro personale può dedicare ad altre attività".
"Uno dei passi che vogliamo intraprendere in futuro con IBM Process Mining è comprendere i comportamenti dei clienti e come questi possano determinare ulteriori ritardi e costi nel processo", afferma il vicepresidente della MMC. "Pensiamo che questo strumento ci aiuterà a modificare questi comportamenti in modo da poter ridurre i piani di consegna ed essere più efficienti in termini di costi".
In qualità di grande impresa globale, la MMC sottoscrive una vasta gamma di servizi di business intelligence per il monitoraggio e la pianificazione delle prestazioni."Abbiamo già molte informazioni con cui lavorare, ma ci sono diversi KPI fondamentali per l'azienda che monitoriamo con IBM Process Mining che non possiamo ottenere da nessun'altra parte", afferma il vicepresidente della MMC. “Bisogna sempre stare un passo avanti alla concorrenza.E aumentando l'automazione dei nostri processi aziendali con IBM Process Mining intendiamo ampliare il divario tra noi e i nostri concorrenti".
Fondata oltre 100 anni fa, la MMC gestisce oltre 100 stabilimenti in 50 paesi e conta oltre 20.000 dipendenti.È un fornitore leader nei settori delle telecomunicazioni, della trasmissione di energia, delle costruzioni e dei trasporti.Il cliente descritto in questo case study ha inizialmente incaricato myInvenio, che ha iniziato a svolgere attività come IBM il 1° agosto 2021.Il prodotto di myInvenio in questo case study, myInvenio Process Mining, è ora noto come IBM Process Mining.
Note a piè di pagina
© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Prodotto negli Stati Uniti d'America, marzo 2022.
IBM, il logo IBM, ibm.com e IBM Cloud Pak sono marchi di International Business Machines Corp., registrati in diverse giurisdizioni del mondo. Altri nomi di prodotti e servizi potrebbero essere marchi registrati di IBM o di altre aziende. Un elenco aggiornato dei marchi IBM è disponibile sul Web nella sezione "Copyright and trademark information" all'indirizzo https://www.ibm.com/it-it/legal/copytrade.
Le informazioni contenute nel presente documento sono aggiornate alla data della prima pubblicazione e possono essere modificate da IBM senza preavviso. Non tutte le offerte sono disponibili in ogni Paese in cui opera IBM.
Gli esempi citati relativi a dati di prestazione e clienti sono presentati unicamente a scopo illustrativo. Gli attuali risultati in termini di performance possono variare a seconda delle specifiche configurazioni e delle condizioni operative. LE INFORMAZIONI RIPORTATE NEL PRESENTE DOCUMENTO SONO DA CONSIDERARSI “NELLO STATO IN CUI SI TROVANO”, SENZA GARANZIE, ESPLICITE O IMPLICITE, IVI INCLUSE GARANZIE DI COMMERCIABILITÀ, DI IDONEITÀ A UN PARTICOLARE SCOPO E GARANZIE O CONDIZIONI DI NON VIOLAZIONE. I prodotti IBM sono coperti da garanzia in accordo con termini e condizioni dei contratti sulla base dei quali vengono forniti.