Sviluppo di un report aziendale con integrazione di dati previsionali calcolati mediante tecniche ibride di machine learning ed ottimizzazione

La seguente tesi affronta il problema della previsione del numero di pallet di spedizione in un contesto logistico aziendale nel distretto ceramico sassolese. Determinare in via preventiva il numero di pallet di spedizione è complesso a causa di numerose variabili operative presenti nel flusso logistico. Per affrontare il problema sono state applicate tecniche di machine learning per sviluppare modelli predittivi in grado di stimare il numero di pallet di spedizione per ciascun ordine del cliente. I dati previsionali sono stati integrati all’interno di un report automatizzato per il cliente, progettato in collaborazione con diverse aree aziendali e con i clienti stessi, al fine di garantire l’utilità delle informazioni. L’intero progetto è stato finalizzato ad innalzare il livello di servizio per il cliente e migliorare la customer satisfaction. Il vantaggio viene percepito sia dal cliente che riesce a ricevere un’informazione chiara e tempestiva per organizzare al meglio la logistica tramite il report ma anche a livello aziendale, in quanto le logiche calcolate sono riutilizzabili e reperibili. La tesi illustra una visione del contesto aziendale e in generale le tecniche di Intelligenza Artificiale utilizzate, per poi passare a trattare nello specifico il problema di previsione del numero di pallet. Il modello che ha ottenuto un minor errore è stato successivamente integrato nel report automatizzato per il cliente. In dettaglio, il capitolo 1 descrive in dettaglio lo scopo del progetto di tesi; il capitolo 2 ripercorre le tematiche presenti in letteratura fondamentali alla comprensione del contesto di riferimento e degli strumenti tecnologici utilizzati nel progetto; il capitolo 3 approfondisce il problema di riferimento; il capitolo 4 descrive l’approccio utilizzato per ottenere i dati previsionali del numero di pallet di spedizione; il capitolo 5 presenta lo sviluppo del report per il cliente con l’integrazione dei dati previsionali; infine il capitolo 6 ne illustra i risultati percepiti sia dal cliente che a livello aziendale.