Benchmarking Cross Plant: un'applicazione a centri logistici di distribuzione

In a world that runs and goes faster and faster, data analytics helps companies to develop strategies and expand their business. This work stems from the need of CNH Industrial, a global leader and manufacturer of agricultural machinery, construction machinery and buses, to better analyse one of its key performance indicators, that of productivity. In particular, it was required to better measure and understand warehouse productivity. CNH warehouses ship spare parts worldwide for their vehicles. The analysed dataset consists of 27 warehouses of different size and geographical area, including distribution centres in North America, Latin America, Europe and Australia. The analysis will be carried out with the use of a method called Data Envelopment Analysis, a non-parametric model used for the estimation of production frontiers. Data Envelopment Analysis measures the efficiency of production units and helps in identifying best practices, in particular, those units that have better resources management within an organization or a group of similar units. Chapter 1 will be a brief introduction to the world of logistics and warehouse management, with a focus on the company where the internship was carried out, the brands that operate across the world and the future spinoff. Chapter 2 reports with a strong literature review, the classic methods used to analyse and study efficiency, while in the second part of the chapter the methods to calculate the efficiency of warehouses are expressed, i.e. the most classic key performance indicators for warehouses. Chapter 3 describes the efficiency calculation method which is Data Envelopment Analysis (DEA). The chapter illustrates the two most important DEA models, the one with constant returns to scale (CRS) and the one with variable returns of scale (VRS), with some examples. In Chapter 4 the data concerning the 27 warehouses collected during the internship at CNH are descriptively shown, these are plotted and analysed within their correlations. In the second part of the chapter, there is a description of the sub-clusters, which will then be an integral part of the analysis of chapter 5. The last chapter is about the analysis, in this chapter the 10 DEA analyses that led to the final result are shown and discussed; this is followed by the sub-clusters analysis described above and eventually an analysis between warehouse’s productivity and profitability. This study was based on an analysis method that involves the use of the average of the results for both the methods with constant and variable return to scale. The results were in line with what the company management expected, confirming some doubts and paving the way for new questions to be analysed further.

In un mondo sempre più caotico e veloce, l'analisi dei dati aiuta le aziende a sviluppare strategie ed espandere il proprio business. Questo studio nasce dalla necessità di CNH Industrial, un’azienda produttrice di macchine agricole, mezzi per la costruzione e bus, di analizzare meglio uno dei suoi indicatori di performance, ossia quello sulla produttività. In particolare è stato richiesto di fare focus sulla produttività dei magazzini che spediscono pezzi di ricambio per i veicoli CNH. Il dataset analizzato si compone di 27 magazzini di grandezza e area geografica differente, comprendente centri di distribuzione in America del Nord, America Latina, Europa e Australia. L'analisi è stata svolta attraverso l'utilizzo di un modello chiamato Data Envelopment Analysis, un modello non parametrico utilizzato per la stima delle frontiere produttive. Data Envolopment Analysis misura l'efficienza delle unità produttive e aiuta nell'identificazione delle best practices, ossia quelle unità che hanno un miglior management delle risorse all'interno di un’organizzazione. In particolare, il Capitolo 1 fa da breve introduzione al mondo della logistica e del management dei magazzini, con un focus sull'azienda presso cui è stato svolto il tirocinio, I suoi brand e l’imminente spinoff. Il Capitolo 2 riporta, seguendo la letteratura, i metodi classici utilizzati per analizzare e studiare l'efficienza.Nella seconda parte del capitolo vengono invece espressi i metodi di calcolo dell'efficienza dei magazzini, ovvero i key performance indicator più classici (indicatori di performance) per i magazzini. Il Capitolo 3 descrive il metodo di calcolo di efficienza che è la Data Envelpment Analysis (DEA). All'interno del capitolo vengono illustrati seguendo la letteratura i due modelli di DEA più importanti, quello con ritorni di scala costanti (CRS) e quello con ritorni di scala variabili (VRS), con alcuni esempi. Nel Capitolo 4 vengono analizzati in modo descrittivo i dati riguardanti i 27 magazzini raccolti durante il tirocinio presso CNH, questi vengono plottati e ne vengono analizzate le correlazioni. Nella seconda parte segue una descrizione dei sotto cluster, che saranno poi parte integrante dell'analisi del capitolo 5. L'ultimo capitolo è quello della vera e propria analisi, in questo capitolo vengono mostrate le 10 analisi DEA che hanno portato al risultato finale; segue l'analisi per i sotto cluster appena descritti e infine un'analisi tra la produttività e la profittabilità di magazzino. Questo lavoro di ricerca è basato su un metodo di analisi che prevede l'utilizzo della media dei risultati per i metodi con ritorni di scala costanti e variabili. I risultati sono stati in linea con quanto si aspettava il management aziendale, confermando alcuni dubbi e aprendo strada a nuove domande da analizzare meglio con ulteriori studi.