• automated warehouse
• process analytics
• real-time monitoring

I magazzini svolgono un ruolo centrale per l’operatività delle Supply Chain (SC) di aziende manifatturiere e Provider di servizi logistici. La frammentazione della domanda, la crescente varietà di prodotti finiti e materie prime e la richiesta di tempi di risposta sempre più brevi, efficienza ed affabilità, caratterizzano la complessità dello scenario competitivo per le SC di vari settori. Tali pressioni hanno di fatto incentivato lo sviluppo di sistemi di movimentazione, trasporto e stoccaggio sempre più automatizzati e la ricerca di modelli più efficaci ed efficienti di coordinamento delle operazioni logistiche, spesso supportati da sistemi informativi aziendali integrati. Il paradigma dell’Industria 4.0, in ambito logistico, è una chiara espressione di questa tendenza.
Lo scopo di questo progetto di tesi è quello di condurre uno studio sui fattori operativi che influenzano la produttività e le performance dei movimenti all’interno di un magazzino automatizzato e sviluppare, attraverso le recenti tecniche di Artificial Intelligence (AI), quali il process analytics ed altri approcci di process analysis di tipo data-driven, un sistema automatico per il monitoraggio e l’analisi real-time dei processi logistici atto a fornire un supporto per la gestione dinamica delle attività.
Nello specifico il sistema progettato implementerà i modelli e gli strumenti di Operational Intelligence e fornirà una strategia per monitorare real-time i processi di stoccaggio e prelievo. L’output di questo lavoro riguarderà la costruzione di un prototipo di dashboard, la cui affidabilità sarà testata grazie all’utilizzo dei dati di varie giornate relativi ai movimenti reali. Il principale contributo al supporto decisionale fornito dallo strumento di monitoraggio risiede nella generazione di spie di allarme che possano indicare real-time possibili situazioni di inefficienza e anomalia durante la movimentazione dei pneumatici.