• KPI
• tempo ciclo
• simulazione
• misurazione performance

Questo lavoro di tesi, nato dall’esperienza maturata presso la società Lucart, si propone di fornire un’analisi a supporto del management nel processo decisionale. Tra gli obiettivi principali del management vi è quello di migliorare le performance del magazzino e per far ciò sono stati individuati e analizzati i processi dell’Hub logistico per definire i KPI (Key Performance Indicator) più idonei al contesto aziendale. Tra i KPI che hanno maggiore impatto sulla produttività del magazzino è stato individuato il tempo ciclo ed è stato utilizzato un modello analitico che permette la simulazione dell’operatività relativa al processo di stoccaggio dell’Hub logistico calcolando il tempo di ciclo. Nella fase di validazione del simulatore è stato riscontrato un disallineamento tra i tempi simulati e reali, motivo per cui si è reso necessario un lavoro di adattamento del modello per far sì che rispecchiasse il reale andamento del magazzino di Lucart. Una volta corretto e validato il modello, la simulazione è stata utilizzata per condurre un’analisi di sensitività per individuare i parametri che incidono maggiormente sul tempo ciclo ed offrire al management un’analisi che indichi le leve da tenere maggiormente sotto controllo per ottenere un miglioramento delle performance.


This thesis work is based on an internship experience gained at Lucart with the purpose to provide the management with relevant information to support the improvement of the performance of the warehouse.
We first started identifying and analyzing the relevant KPIs (Key Performance Indicators) for the specific business area. Than we focused on the cycle time, one of the main KPI that has the greatest impact on productivity. We generated an analytical model in order to simulate the operations of the logistic hub by calculating the cycle time.
During the validation of the collected data we had to re-adapt the model to reflect the real trend of the Lucart real time as we identify a misalignment between what was measured and the real data.
Once the model has been corrected and validated, we used the simulation to conduct a sensitivity analysis to identify the parameters that most affect the cycle time, in order to highlit to the management the levers that need to be kept under control to improve the KPIs.