{"id":1333,"date":"2021-08-19T09:14:00","date_gmt":"2021-08-19T07:14:00","guid":{"rendered":"https:\/\/brentasoft.com\/blog\/kpi-logistica-magazzino-otif-2021\/"},"modified":"2021-08-19T09:14:00","modified_gmt":"2021-08-19T07:14:00","slug":"kpi-logistica-magazzino-otif-2021","status":"publish","type":"post","link":"https:\/\/brentasoft.com\/blog\/kpi-logistica-magazzino-otif-2021\/","title":{"rendered":"KPI logistica magazzino: OTIF, fill rate e rotazione spiegati (2021)"},"content":{"rendered":"
\n

TL;DR \u2014 In sintesi:<\/strong> Nel 2021, tra crisi semiconduttori, container bloccati e supply chain stressata, le PMI italiane che misurano la logistica con KPI strutturati riducono ritardi e rotture di stock. Questa guida spiega OTIF<\/strong> (On-Time In-Full), fill rate<\/strong>, indice di rotazione<\/strong> (ITR), DIO<\/strong> e Perfect Order Rate<\/strong> con formule, esempi numerici, errori comuni, un caso reale di PMI manifatturiera del Veneto da \u20ac8M<\/strong> di fatturato e una roadmap di adozione in 60 giorni<\/strong>.<\/p>\n<\/div>\n

Perch\u00e9 misurare la logistica di magazzino nel 2021<\/h2>\n

Il 2021 sta passando alla storia come l’anno in cui le supply chain globali hanno mostrato tutta la loro fragilit\u00e0. La crisi dei semiconduttori<\/strong> iniziata a fine 2020 ha bloccato linee produttive automotive ed elettronica, il congestionamento dei container<\/strong> tra Cina ed Europa ha quintuplicato i noli marittimi rispetto al 2019, e l’incidente del 23 marzo della Ever Given<\/em> nel Canale di Suez ha tenuto fermo il commercio mondiale per sei giorni con un effetto a cascata sui porti di Rotterdam, Anversa e Genova ancora oggi visibile sui lead time.<\/p>\n

In questo scenario, le PMI italiane manifatturiere e distributive che non hanno mai strutturato un sistema di KPI logistici<\/strong> si trovano a navigare a vista: ordini in ritardo che si accumulano, clienti che chiedono spiegazioni, scorte di sicurezza dimensionate “a sentimento” che alternano sovrastock costosi a rotture improvvise. Il responsabile operations sa che qualcosa non funziona, ma senza misurazione oggettiva non pu\u00f2 intervenire dove serve davvero.<\/p>\n

Questa guida ha un obiettivo pragmatico: spiegare cinque KPI logistici fondamentali \u2014 OTIF<\/strong>, fill rate<\/strong>, ITR<\/strong> (Inventory Turnover Ratio), DIO<\/strong> (Days of Inventory Outstanding) e Perfect Order Rate<\/strong> \u2014 con le formule esatte, esempi numerici concreti e una roadmap di adozione in 60 giorni, pensata per realt\u00e0 tra \u20ac5M<\/strong> e \u20ac30M<\/strong> di fatturato che usano un ERP o un gestionale custom e vogliono passare dal foglio Excel mensile a un cruscotto operativo settimanale.<\/p>\n

Cosa sono i KPI logistici e perch\u00e9 servono nel 2021<\/h2>\n

Un KPI<\/strong> (Key Performance Indicator) logistico \u00e8 una metrica numerica che misura un aspetto specifico delle performance di magazzino e distribuzione, espressa in modo tale da essere confrontabile nel tempo e tra reparti diversi. Non \u00e8 un report descrittivo, \u00e8 un numero singolo con una soglia di accettabilit\u00e0 chiara.<\/p>\n

I KPI logistici servono a tre cose concrete: diagnosticare<\/strong> i colli di bottiglia (dove perdiamo tempo o margine?), monitorare<\/strong> i trend (stiamo migliorando o peggiorando rispetto al trimestre scorso?), responsabilizzare<\/strong> le persone (il capo turno, il responsabile picking, il vettore esterno hanno obiettivi misurabili).<\/p>\n

Per impostare correttamente la misurazione consigliamo prima la lettura della nostra guida su obiettivi SMART e KPI<\/a>, che spiega come trasformare una metrica grezza in un obiettivo operativo. Se invece il punto di partenza \u00e8 zero, vale la pena leggere anche automazione del reporting aziendale<\/a>, perch\u00e9 un KPI calcolato a mano una volta al mese vale molto meno di un KPI aggiornato automaticamente ogni notte dal gestionale.<\/p>\n

OTIF (On-Time In-Full): cos’\u00e8 e come calcolarlo<\/h2>\n

L’OTIF<\/strong> \u00e8 il KPI logistico pi\u00f9 richiesto dalla grande distribuzione organizzata e dalle catene retail europee. Misura la percentuale di ordini consegnati al cliente contemporaneamente<\/em> nei tempi promessi e con il quantitativo completo richiesto. \u00c8 un AND logico: se manca anche una sola riga d’ordine o se la consegna arriva un giorno dopo la data concordata, quell’ordine NON \u00e8 OTIF.<\/p>\n

La formula OTIF<\/h3>\n

La formula classica \u00e8:<\/p>\n

OTIF % = (Ordini consegnati on-time E in-full \/ Totale ordini consegnati) \u00d7 100<\/strong><\/p>\n

Attenzione a due dettagli che cambiano radicalmente il risultato. Primo: la “data on-time” \u00e8 la data richiesta dal cliente<\/em> o la data confermata internamente<\/em>? Le due possono divergere di settimane e nel 2021, con i lead time saltati, conviene tracciare entrambe per non auto-illudersi. Secondo: cosa intendiamo per “in-full”? Una tolleranza del 2%<\/strong> sui quantitativi \u00e8 ragionevole per prodotti a peso variabile (alimentare, materie prime), zero tolleranza per articoli unitari (ricambi, elettronica).<\/p>\n

Esempio numerico<\/h3>\n

Una PMI distributiva ha consegnato 412 ordini la settimana scorsa. Di questi: 358 erano on-time, 374 erano in-full, ma solo 331 erano contemporaneamente<\/em> on-time AND in-full. L’OTIF settimanale \u00e8 quindi 331\/412 = 80,3%<\/strong>. Un valore sotto la media di settore italiano (obiettivo benchmark: 95%<\/strong> per la GDO, 90%<\/strong> per il B2B industriale).<\/p>\n

\"Operatore<\/p>\n

Come misurarlo concretamente<\/h3>\n

Per calcolare OTIF in modo affidabile servono tre dati certificati: data requested<\/em> dell’ordine, data effettiva di consegna documentata (POD o DDT firmato), quantit\u00e0 spedita riga per riga vs quantit\u00e0 ordinata. Su Odoo<\/strong> 14 il modulo Inventory gi\u00e0 traccia tutto questo nativamente; su SAP Business One 10<\/strong> serve combinare i dati di Sales Order, Delivery e Invoice; su gestionali custom italiani (TeamSystem, Zucchetti, Galileo) la query SQL diretta sul database \u00e8 spesso la via pi\u00f9 veloce.<\/p>\n

Fill rate: line fill vs order fill vs unit fill<\/h2>\n

Il fill rate<\/strong> \u00e8 cugino dell’OTIF ma si concentra esclusivamente sulla componente “in-full”, ignorando la data. Misura quanta merce siamo riusciti a evadere rispetto a quanta ce ne \u00e8 stata richiesta. Esistono tre varianti che NON vanno confuse, perch\u00e9 producono numeri molto diversi sugli stessi ordini.<\/p>\n

Line fill rate<\/h3>\n

Line fill % = (Righe d’ordine evase per intero \/ Totale righe d’ordine) \u00d7 100<\/strong><\/p>\n

Misura quante righe d’ordine<\/em> siamo riusciti a evadere completamente. Se un ordine ha 10 righe e ne evadiamo 9 al 100% e 1 al 50%, il line fill \u00e8 9\/10 = 90%. \u00c8 il KPI pi\u00f9 usato nel B2B industriale.<\/p>\n

Order fill rate<\/h3>\n

Order fill % = (Ordini evasi per intero \/ Totale ordini) \u00d7 100<\/strong><\/p>\n

Pi\u00f9 severo: l’ordine conta come “evaso” solo se TUTTE le sue righe sono al 100%. Nell’esempio precedente l’ordine conta come “non evaso” perch\u00e9 una riga era parziale. \u00c8 il KPI preferito da chi serve la GDO.<\/p>\n

Unit fill rate<\/h3>\n

Unit fill % = (Pezzi spediti \/ Pezzi ordinati) \u00d7 100<\/strong><\/p>\n

Il pi\u00f9 “indulgente”: guarda il totale dei pezzi a prescindere da come si distribuiscono sulle righe. \u00c8 utile per il responsabile acquisti perch\u00e9 lega direttamente alla copertura di stock, meno utile per il customer service.<\/p>\n

Esempio numerico comparato<\/h3>\n

Una PMI alimentare riceve 100 ordini, ognuno con 8 righe e 200 pezzi medi. Spedisce: 92 ordini integralmente, 8 ordini con una riga mancante. Risultato: order fill 92%<\/strong>, line fill 99%<\/strong>, unit fill 99,5%<\/strong>. Tre numeri molto diversi che raccontano la stessa realt\u00e0. Comunicare al CDA il “99,5%” senza specificare quale tipologia di fill rate \u00e8 scorretto e fuorviante.<\/p>\n

Indice di rotazione magazzino (ITR \/ Inventory Turnover)<\/h2>\n

L’ITR<\/strong> misura quante volte all’anno l’intero magazzino viene “ruotato”, cio\u00e8 acquistato e venduto. \u00c8 un indicatore di efficienza finanziaria del capitale immobilizzato in scorte e diventa cruciale nel 2021 perch\u00e9 il cost of capital<\/em> e i costi assicurativi delle giacenze sono in salita per la fiammata dei noli e dei costi energetici.<\/p>\n

La formula ITR<\/h3>\n

ITR = COGS annuo \/ Valore medio del magazzino<\/strong><\/p>\n

Dove COGS \u00e8 il Cost of Goods Sold<\/em> (costo del venduto a valore di carico, non a prezzo di vendita) e il valore medio del magazzino si calcola come media tra giacenza inizio anno e giacenza fine anno (per maggiore precisione: media mensile su 12 mesi).<\/p>\n

Esempio numerico<\/h3>\n

Una PMI manifatturiera con COGS annuo di \u20ac4,2 milioni<\/strong> e valore medio del magazzino di \u20ac700.000<\/strong> ha un ITR di 6<\/strong>. Significa che il magazzino “gira” 6 volte all’anno, cio\u00e8 circa ogni due mesi. Benchmark indicativi per il 2021: distribuzione alimentare 20-40, distribuzione tecnica B2B 6-10, manifatturiero discreto 4-8, ricambistica industriale 2-4.<\/p>\n

ITR per famiglia di prodotto<\/h3>\n

L’ITR aggregato a livello aziendale \u00e8 quasi inutile da solo. La vera diagnosi si ottiene segmentando per classe ABC<\/strong>: gli articoli classe A (alto valore, alta rotazione) dovrebbero avere ITR sopra 12, gli articoli classe C (bassa rotazione, valore residuo) tipicamente sotto 2. Quando un articolo classe A scende sotto ITR 8 \u00e8 un campanello di allarme: stiamo immobilizzando capitale dove non dovremmo. Per approfondire la gestione operativa consigliamo la lettura della guida su automazione del magazzino per PMI<\/a> e di magazzino e-commerce: come gestirlo bene nel 2021<\/a>.<\/p>\n

\"Carrello<\/p>\n

Days of inventory outstanding (DIO)<\/h2>\n

Il DIO<\/strong> \u00e8 il reciproco “in giorni” dell’ITR e risulta pi\u00f9 intuitivo da comunicare al CFO o al CDA: invece di dire “ruotiamo 6 volte l’anno” diciamo “abbiamo 61 giorni di magazzino in casa”. \u00c8 il primo numero che una banca guarda quando valuta la richiesta di fido di una PMI manifatturiera.<\/p>\n

La formula DIO<\/h3>\n

DIO = (Valore medio del magazzino \/ COGS annuo) \u00d7 365<\/strong><\/p>\n

Oppure, pi\u00f9 semplicemente: DIO = 365 \/ ITR<\/strong><\/p>\n

Esempio numerico<\/h3>\n

Riprendiamo la PMI con ITR 6: DIO = 365\/6 = 61 giorni<\/strong>. Significa che, ai ritmi attuali di vendita, abbiamo merce in casa per circa due mesi di copertura. Nel 2021, con lead time di approvvigionamento esplosi (un componente elettronico che nel 2019 arrivava in 6 settimane oggi richiede 26-52 settimane), un DIO basso non \u00e8 necessariamente virtuoso: significa che siamo esposti a rotture di stock. Il target ottimale<\/em> dipende dal lead time di riapprovvigionamento e dalla volatilit\u00e0 della domanda.<\/p>\n

DIO vs Cash Conversion Cycle<\/h3>\n

Il DIO \u00e8 uno dei tre componenti del Cash Conversion Cycle<\/em> (CCC = DIO + DSO \u2212 DPO). Un DIO che sale del 20% in un trimestre, senza una strategia esplicita di copertura per la supply crisis, \u00e8 un sintomo finanziario serio: stiamo intrappolando cassa in magazzino. Per approfondire questo tema dal lato dell’ERP suggeriamo la guida al demand planning ERP 2021<\/a>.<\/p>\n

Perfect Order Rate: il KPI sintesi<\/h2>\n

Il Perfect Order Rate<\/strong> (POR) \u00e8 il KPI sintesi che combina tutti gli altri in un singolo numero. Un ordine “perfetto” \u00e8 un ordine che simultaneamente: arriva on-time, \u00e8 in-full, \u00e8 documentalmente corretto (DDT\/fattura senza errori), \u00e8 fisicamente integro (nessun danno al trasporto). \u00c8 un AND di quattro condizioni indipendenti, motivo per cui il valore numerico \u00e8 tipicamente pi\u00f9 basso di OTIF.<\/p>\n

La formula POR<\/h3>\n

POR % = OTIF % \u00d7 Documentazione corretta % \u00d7 Spedizioni integre %<\/strong><\/p>\n

Le tre percentuali si moltiplicano perch\u00e9 ogni step \u00e8 una probabilit\u00e0 condizionata. Se OTIF \u00e8 95%<\/strong>, documentazione corretta 98%<\/strong> e spedizioni integre 97%<\/strong>, il POR risulta 95% \u00d7 98% \u00d7 97% = 90,3%<\/strong>.<\/p>\n

Perch\u00e9 \u00e8 importante<\/h3>\n

Il POR \u00e8 un KPI brutale ma onesto. Mostra il “vero” livello di servizio percepito dal cliente, non solo la consegna materiale. Una PMI che vanta OTIF 95% ma ha un 8% di fatture sbagliate sta in realt\u00e0 al di sotto del 90%<\/strong> di Perfect Order Rate, e i clienti se ne accorgono. Per migliorare la parte documentale, considerare l’OCR intelligente per la gestione delle fatture<\/a> e le integrazioni di automazione della fatturazione passiva<\/a>.<\/p>\n

WMS e ERP per automatizzare il calcolo<\/h2>\n

Calcolare manualmente OTIF, fill rate e ITR a fine mese con Excel \u00e8 ancora la prassi in molte PMI italiane sotto i \u20ac15M di fatturato. Funziona come una tantum<\/em>, non come sistema operativo continuo. Per passare dal report mensile al cruscotto settimanale (o quotidiano) serve che il calcolo avvenga automaticamente sui dati di WMS ed ERP.<\/p>\n

WMS commerciali nel 2021<\/h3>\n

Sul mercato italiano dei WMS<\/strong> (Warehouse Management System) per PMI il 2021 vede in posizione dominante Mecalux Easy WMS<\/strong> (forte sui clienti retail e e-commerce), Manhattan Active<\/strong> (top di gamma per la grande PMI e l’enterprise mid-market), JDA\/Blue Yonder<\/strong> (oggi rinominata, storica sull’industria), SAP EWM<\/strong> (per chi \u00e8 gi\u00e0 su SAP S\/4HANA o B1). Per chi ha esigenze pi\u00f9 semplici, il modulo Inventory di Odoo<\/strong> 13\/14 copre l’80% delle funzionalit\u00e0 WMS a una frazione del costo, con buoni meccanismi di etichettatura, RFID, codice a barre 1D\/2D e picking guidato.<\/p>\n

ERP per il calcolo dei KPI<\/h3>\n

Sul fronte ERP, SAP Business One<\/strong> 10 espone nativamente quasi tutti i KPI logistici via Crystal Reports e via SAP Analytics Cloud, ma il setup iniziale richiede una consulenza dedicata; Odoo<\/strong> 14 ha dashboard configurabili che, con qualche customizzazione, generano cruscotti settimanali OTIF\/fill rate; i gestionali italiani (TeamSystem Enterprise, Zucchetti Ad Hoc, Galileo) coprono bene il dato grezzo ma richiedono quasi sempre report custom sviluppati ad hoc. Per chi parte da zero o ha esigenze specifiche, la nostra roadmap di implementazione ERP per PMI<\/a> offre un percorso strutturato.<\/p>\n

\"Schermata<\/p>\n

Integrazione WMS-ERP-vettori<\/h3>\n

Il salto di qualit\u00e0 si fa quando il WMS comunica in tempo reale con l’ERP e con i sistemi dei vettori (corrieri espressi, padroncini, 3PL). In questo modo l’OTIF si calcola sul POD digitale del vettore, il fill rate sul DDT confermato dal WMS, l’ITR sull’aggiornamento di magazzino in valore. Approfondiamo questi temi nella guida 2021 al software per logistica e trasporti<\/a> e nella guida all’integrazione e-commerce gestionale<\/a>.<\/p>\n

Errori comuni nel monitoraggio KPI logistici<\/h2>\n

Negli ultimi tre anni abbiamo affiancato decine di PMI italiane nell’adozione dei KPI logistici. Ricorrono sempre gli stessi sette errori, che vale la pena conoscere prima di iniziare il vostro progetto.<\/p>\n

Errore 1: misurare troppo.<\/strong> Iniziare con un cruscotto di 25 KPI \u00e8 la strada pi\u00f9 rapida verso l’abbandono. Partite con 3-5 KPI, consolidateli per un trimestre, poi aggiungete.<\/p>\n

Errore 2: confondere line fill, order fill e unit fill.<\/strong> Sono tre numeri diversi sullo stesso fenomeno. Decidere quale tipologia usare e comunicarla esplicitamente in tutti i report.<\/p>\n

Errore 3: calcolare OTIF sulla data confermata invece che sulla data richiesta.<\/strong> Se ogni volta che siamo in ritardo “spostiamo” la data confermata, il KPI mostrer\u00e0 sempre 100%. Tracciate entrambe.<\/p>\n

Errore 4: ITR aggregato senza segmentazione ABC.<\/strong> L’ITR medio nasconde quasi sempre disastri sui prodotti C e sovra-ottimizzazioni sui prodotti A.<\/p>\n

Errore 5: ignorare l’effetto stagionalit\u00e0.<\/strong> Su business stagionali (giardinaggio, climatizzazione, alimentare) il valore medio del magazzino calcolato su due punti (gennaio-dicembre) \u00e8 quasi sempre sbagliato. Usare la media mensile su 12 mesi.<\/p>\n

Errore 6: KPI senza responsabile.<\/strong> Un KPI senza un nome e cognome accanto \u00e8 un report, non un KPI. Assegnate ogni metrica a una persona con autorit\u00e0 di intervento.<\/p>\n

Errore 7: dashboard senza ritmo di riunione.<\/strong> Anche il miglior cruscotto \u00e8 inutile se non viene letto. Stabilite un operations meeting<\/em> settimanale di 30 minuti dove si guardano i KPI e si decidono le azioni della settimana successiva.<\/p>\n

Caso reale: PMI manifatturiera del Veneto<\/h2>\n

Riportiamo un caso concreto e anonimizzato che illustra l’impatto economico dell’adozione dei KPI logistici. Si tratta di una PMI manifatturiera della provincia di Vicenza che produce componenti meccanici per il settore automotive e l’industria del bianco.<\/p>\n

Il contesto di partenza<\/h3>\n

Fatturato \u20ac8 milioni<\/strong>, 38 dipendenti, magazzino di 12.000 SKU<\/strong> attivi tra materie prime, semilavorati e prodotti finiti, gestionale custom italiano installato nel 2014. Prima dell’intervento: nessun KPI logistico strutturato, valutazione delle performance “a sentimento”, lamentele clienti gestite caso per caso, valore di magazzino oscillante tra \u20ac1,4M e \u20ac1,9M senza una logica chiara.<\/p>\n

L’intervento<\/h3>\n

Tra marzo e luglio 2021 abbiamo affiancato il responsabile operations nel definire 5 KPI di partenza (OTIF, order fill rate, ITR per classe ABC, DIO, Perfect Order Rate), integrare il gestionale con il portale corrieri per acquisire i POD digitali, costruire un cruscotto settimanale automatico in PowerBI alimentato da una vista SQL sul database del gestionale, instaurare l’operations meeting<\/em> del marted\u00ec mattina con il responsabile produzione, acquisti, magazzino e commerciale.<\/p>\n

I risultati a 6 mesi<\/h3>\n

OTIF passato dal 78%<\/strong> al 91%<\/strong>, order fill rate dal 85%<\/strong> al 94%<\/strong>, ITR aggregato salito da 4,2<\/strong> a 5,8<\/strong> con effetto positivo di \u2212\u20ac340.000<\/strong> sul valore medio del magazzino, DIO sceso da 87 a 63 giorni. L’impatto sul Perfect Order Rate \u00e8 stato il pi\u00f9 visibile: dal 71%<\/strong> all’87%<\/strong>, con conseguente riduzione del 40% delle telefonate del customer service per reclami su consegne. La parte pi\u00f9 sorprendente per il management: nessuna delle azioni intraprese richiedeva investimenti in tecnologia oltre \u20ac15.000.<\/p>\n

Roadmap di adozione KPI in 60 giorni<\/h2>\n

Concludiamo con una roadmap operativa in 60 giorni, suddivisa in cinque step, pensata per una PMI tra \u20ac5M e \u20ac30M di fatturato che parte da una situazione “Excel-based” e vuole arrivare a un cruscotto settimanale automatizzato.<\/p>\n