Fasi di uno Studio di Fattibilità. Corso di Progettazione degli Impianti Prof. Sergio Cavalieri

Transcript

1 Fasi di uno Studio di Fattibilità Corso di Progettazione degli Impianti Prof. Sergio Cavalieri 1

2 DEFINIZIONE L Analisi di Fattibilità è un insieme organico di studi tecnici ed economici effettuati allo scopo di verificare le convenienze di un investimento mirante alla realizzazione e/o re-engineering di un sistema produttivo 2

3 Fasi logiche di realizzazione di un impianto industriale STUDIO DI FATTIBILITA PROGETTAZIONE COMPLETA REALIZZAZIONE PROGETTO 3

4 Esempi Realizzazione di una nuova cementeria in Africa Centrale Revamping di un impianto di ammoniaca in Bahrein Realizzazione di un nuovo stabilimento di produzione di caldaie in Romania Ristrutturazione di un lay-out di impianto a seguito di riduzione quota di mercato. 4

5 L Analisi di Fattibilità si riconduce alle seguenti Fasi ANALISI GENERALE VERIFICA DELLA DISPONIBILITA FINANZIARIA DEFINIZIONE DEL PRODOTTO ANALISI E RICERCA DI MERCATO PARTE TECNICA SCELTA DEI PROCESSI PRODUTTIVI FISSAZIONE DELLA CAPACITA PRODUTTIVA E SCELTA DELLE LAVORAZIONI DA AFFIDARE A TERZI (MAKE OR BUY) SCELTA DELL UBICAZIONE DIMENSIONAMENTO DEI MEZZI PRODUTTIVI DEFINIZIONE DEL LAYOUT PROGETTAZIONE DEI SERVIZI GENERALI D IMPIANTO 5

6 PARTE ECONOMICA PREVISIONE DEI COSTI D IMPIANTO PREVISIONE DEI COSTI DI ESERCIZIO PREVISIONE DELLE ENTRATE E DELLE USCITE PIANO FINANZIARIO E ANALISI DI REDDITIVITA ANALISI DEL RISCHIO La sequenza delle fasi di sviluppo non è rigida. Infatti, possono verificarsi sia più modifiche delle stesse fasi del processo di analisi (in questo caso si parla di RICORSIVITA ) o di non considerare affatto alcuni step della sequenza del processo. 6

7 Rappresentando il processo dello Studio di Fattibilità con un Diagramma di Flusso: ANALISI DI MERCATO STUDIO DEL PRODOTTO TIPO DI PRODOTTO PREZZO DI VENDITA STUDIO DEL PROCESSO STUDIO DEI SERVIZI CICLO DI LAVORO COMPLESSO DEI SERVIZI NECESSARI STUDIO ECONOMICO POTENZIALITA PRODUTTIVA 7

8 ANALISI DEL MERCATO Obiettivo di una Ricerca di Mercato è: Determinare il volume delle vendite aziendali ed il prezzo di vendita per il nuovo prodotto Lo studio del mercato permette quindi all azienda di ridurre il grado di incertezza e di rischio sulla reazione del mercato a fronte di alterazioni del proprio equilibrio, derivanti dall introduzione di un nuovo prodotto o di un nuovo concorrente 8

9 ANALISI DEL MERCATO Il volume ed il prezzo di vendita dipendono da due diverse leve: Leve Passive: fenomeni esterni legati al comportamento del mercato ed indipendenti dal comportamento dell azienda reddito pro-capite congiunture economiche area geografica di interesse inflazione Leve Attive: fenomeni legati essenzialmente al comportamento dell azienda nel contesto nel quale opera condizioni di vendita pubblicità 9

10 ANALISI DEL MERCATO...pertanto L ANALISI DELLA DOMANDA viene sviluppata per studiare quali effetti le leve passive generano sul volume di vendite previsto L ANALISI della QUOTA DI MERCATO e del PROCESSO DI FORMAZIONE DEL PREZZO viene sviluppata per studiare quali effetti le leve attive generano sul volume di vendite previsto 10

11 ANALISI DELLA DOMANDA Modelli di previsione della domanda differenti vengono sviluppati a seconda di differenti obiettivi dello Studio di Fattibilità: MOTIVO FATTORI CHIAVE TIPO DI ANALISI Nuovi impianti Innovazione tecnologica Lungo periodo (10 15 anni) Componente di trend Nuovi prodotti Componente di trend Medio periodo (1 pochi anni) Componente congiunturale Programma di Componente congiunturale Breve periodo (3 6 mesi) produzione Componente Stagionale 11

12 Previsioni per area aziendale Organization Unit Mark eting Production Finanza Acquisti Brevissimo termine Breve termine Medio termine Lungo termine -Vendite per classe di prodotto -Vendite per area geografica -Vendite per cliente -Vendite totali -Vendite totali -Vendite totali -Vendite sui prodotti più imporatanti -Livello dei prezzi -Vendite sui prodotti più imporatanti -Situazione economica generale -Domanda per prodotto -Domanda totale -Budget allocation -Saturazione capacità impianti -Domanda per categoria di prodotto -Acquisti di macchinari -Vendite sui prodotti più imporatanti -Introduzione nuovi prodotti -Saturazione vendite prodotti esistenti -Preferenze e gusti dei clienti -Investimenti per la produzione -Espansione delgi impianti Livello di impiego manodopera -Nuove tecnologie -Ricavi sulle vendite -Domanda totale -Budget allocation -Vendite totali -Costi di produzione -Livello delle scorte -Cash flows -Investimenti -Cash inflows e outflows -Livello dei prezzi -Allocazione delle risorse finanziarie -Livello della produzione -Domanda per prodotto -Domanda per prodotto -Contratti di acquisto -Disponibilità di capitale -Domanda per materiale -Domanda per materie -Preferenze e gusti dei prime clienti -Lead time di consegna -Sviluppo nuovi prodotti 12

13 ANALISI DELLA DOMANDA Lo studio della Domanda può essere sviluppato con tre tecniche differenti RACCOLTA DI OPINIONI CON INDAGINI CAMPIONARIE FUNZIONE DI CORRELAZIONE MODELLI DI ESTRAPOLAZIONE 13

14 Classificazione dei metodi di previsione Tecniche di previsione Qualitative Quantitative Metodi soggettivi Estrapolative Di correlazione Metodi Esplorativi 14

15 RACCOLTA DI OPINIONI CON INDAGINI CAMPIONARIE Il metodo della raccolta di opinioni viene effettuato o attraverso interviste o tramite l utilizzazione di questionari. Questa metodologia si rivolge a 3 gruppi di operatori: CONSUMATORI IMPRESE DELLA DISTRIBUZIONE INTERMEDIA SETTORI DELLE AZIENDE A CONTATTO CON IL MERCATO Sia per i consumatori che per le Imprese di distribuzione intermedia si ricorre ad una rilevazione per campione, secondo metodologie differenti stratificazione rispetto ad una caratteristica (sesso, età, professione) stratificazione proporzionale scelta ragionata (secondo un criterio di selezione predefinito a seconda del tipo di ricerca da effettuare) 15

16 Classificazione dei metodi di previsione Tecniche di previsione Qualitative Quantitative Metodi soggettivi Estrapolative Di correlazione Metodi Esplorativi 16

17 FUNZIONE DI CORRELAZIONE Si basa sul principio che la Domanda di Mercato può essere definita tramite una funzione di correlazione con i fattori di mercato, generalmente indicatori economici quali: REDDITO PRO-CAPITE PRODUZIONE INDUSTRIALE DI BENI STRUMENTALI TASSO DI INFLAZIONE La difficoltà sta nell esplicitare il legame: D = ƒ(f i ) tramite una FUNZIONE DI REGRESSIONE LINEARE SEMPLICE y = X+ 17

18 REGRESSIONE LINEARE SEMPLICE Partendo da un insieme di n coppie di osservazioni (x i, y i ) X Y 49,4 44,9 57,0 54,2 65,4 si vuole valutare la dipendenza lineare tra la variabile dipendente y e la variabile indipendente x. Ciò equivale a valutare l errore di interpolazione dei dati tramite una retta di equazione: y= x + 18

19 CALCOLO DEI PARAMETRI E I parametri e sono ottenuti sulla base delle osservazioni (x i, y i ) in modo che la retta f risultante interpoli col minimo errore le osservazioni stesse. 19

20 MODELLI DI ESTRAPOLAZIONE Secondo tali modelli la domanda di un dato prodotto viene ESTRAPOLATA sulla base dell andamento passato della domanda stessa Metodologie applicate: ANALISI DELLE SERIE STORICHE SMORZAMENTO ESPONENZIALE 20

21 ANALISI DELLE SERIE STORICHE Le serie temporali sono il risultato di una serie di componenti: TENDENZIALI Xc SITEMATICHE CICLICHE (Xt) OSCILLATORIE CASUALI (Zt) STAGIONALI (Yt) 21

22 ANALISI DELLE SERIE STORICHE COMPONENTI SISTEMATICHE (STRUTTURALI): TENDENZIALI (TREND) A carattere crescente o decrescente OSCILLATORIE CICLICHE O CONGIUNTURALI A carattere oscillatorio con calo di ampiezza e periodo variabile nel tempo STAGIONALI A carattere oscillatorio con periodo costante nel tempo COMPONENTI CASUALI Dovute ad altre forze di natura non determinata 22

23 ANALISI DELLE SERIE STORICHE Esempi di modelli basati su serie storiche Modello Stagionale D T T T Modello con andamento Stagionale + Trend t D T T T t 23

24 DEFINIZIONI GENERALI F t+1 = Domanda prevista per il periodo t+1 d t = Domanda effettiva nel periodo t n = Numero di periodi considerati 24

25 PREVISIONE SULLA DOMANDA ULTIMO PERIODO F t+1 = d t Vantaggi: Svantaggi: Prevede il trend Non prevede le componenti stagionali Reagisce all andamento con ritardo Non prevede le componenti casuali 25

26 MEDIA (AVERAGE AS FORECAST) F t+1 = t d t n t = 1,2,, n Vantaggi: Svantaggi: Smorza tutte le fluttuazioni, eliminando le casualità Smorza gli effetti di fluttuazione quali trend, stagionalità e ciclicità Richiede un numero crescente di dati in input Conclusioni NON ADATTO AI MODELLI DI PREVISIONE IN QUANTO SMORZA GLI EFFETTI DI FLUTTUAZIONE DELLA DOMANDA 26

27 MEDIA MOBILE (MOVING AVERAGE FORECAST) F t+1 = i d i n i = t-n-1,, t n elevato n basso n elevato n basso MEDIA ULTIMO PERIODO Ok per andamenti della domanda costante nel tempo. Non si accorge del trend, stagionalità e ciclicità, in quanto tende ad appiattire la previsione Ok per andamenti della domanda costante nel tempo. Buono nell individuazione del trend in generale, ma non individua i cambi di tendenza: di difficile applicazione laddove i fenomeni di ciclicità e stagionalità sono particolarmente accentuati 27

28 MEDIA MOBILE (MOVING AVERAGE FORECAST) Un esempio: , , , , ,

29 MEDIA MOBILE PESATA F t+1 = i i d i (dove i i = n) n ESEMPIO: F t+1 = 3d t +2d t-1 +d t-2 +d t-3 +d t-4 8 Il modello considerato assegna importanza alle domande del passato secondo una logica soggettiva. E possibile applicare un criterio logico che assegna maggior importanza al passato in maniera esponenzialmente crescente man mano ci avviciniamo al periodo per cui deve essere stimata la domanda 29

30 SMORZAMENTO INERZIALE (EXPONENTIAL SMOOTHING) F t+1 = d t + (1- )F t elevato basso Adatto a bruschi cambiamenti della domanda. Rischia però di interpretare un disturbo come cambiamento della domanda Poiché dà importanza al comportamento passato della domanda, tende a smorzare gli effetti dovuti ai disturbi (effetti casuali). Ha difficoltà nel prevedere i cambiamenti repentini della domanda stessa. 30

31 SMORZAMENTO INERZIALE (EXPONENTIAL SMOOTHING) Un esempio: MAPE = 3,3% 31

32 Smoothing con tendenza lineare (Holt) Il modello semplice non è in grado di cogliere la tendenza in une serie storica. Per questo viene esteso per incorporare la componente di tendenza T t. S t = d t + (1 - ) (S t-1 + T t-1 ) T t = (S t - S t-1 ) + (1 - ) T t-1 La previsione è data da: F t+1 = S t + T t 32

33 SMOOTHING CON TENDENZA LINEARE (HOLT) Un esempio: MAPE = 5,5% 33

34 Smoothing con tendenza e stagionalità (Winters) Per cogliere la stagionalità della serie, occorre estendere ulteriormente il modello, aggiungendo un indice di stagionalità smorzato Q t : S t = d t Q t-l + (1 - ) (S t-1 + T t-1 ) T t = (S t - S t-1 ) + (1 - ) T t-1 Q t = g La previsione è data da: d t S t + (1 - g) Q t-l F t+1 = (S t + T t ) Q t-l+1 34

35 SMORZAMENTO INERZIALE CON TREND E STAGIONALITA Un esempio: MAPE = 4,8% 35

36 Valutazione delle previsioni La valutazione viene effettuata attraverso i valori di alcuni indicatori, appartenenti a due classi principali: Misure di distorsione: valutano, considerandone il segno, gli errori commessi dai modelli. Sono preferibili i modelli con misure di distorsione prossime allo zero (ME, MPE). Misure di dispersione: valutano i valori assoluti degli errori commessi dai modelli (MAD, MAPE, MSE, SDE). 36

37 Misure di distorsione Considerano gli errori medi con segno (gli errori positivi e negativi si compensano) ME 1 N N t 1 E t Mean Error MPE 1 N N t 1 E d t t Mean Percentage Error E t F t d t 37

38 Misure di dispersione Considerano gli errori senza segno (quindi senza compensazione degli errori) MAPE 1 N N t 1 E d t t Mean Absolute Percentage Error MSE 1 N N t 1 2 E t Mean Squared Error MAD 1 N N t 1 E t Mean Absolute Deviation 38