ETD

• DB
• ERP
• MYSQL
• SAP
• WMS

The thesis describes the design and implementation of a Warehouse Management System (WMS) developed from an initial situation characterized by the absence of inventory, the lack of transaction recording, and poor stock traceability. The main objective was to build an information system capable of overcoming the limitations of manual management, ensuring constant inventory updates, traceability of flows, and advanced decision-making tools. After a preliminary phase of material census and organization, the data were migrated from a simple Excel sheet to a Database Management System based on MariaDB, installed on low-cost dedicated hardware. The database was structured into two main tables, one for inventory and one for transactions, automatically updated through Python scripts. To facilitate use by operators, intuitive graphical interfaces were developed with the Tkinter library, supported by a handheld barcode scanner to record receipts, issues, and inventory counts. Backend automation enables file synchronization, scheduled database updates, and backup creation.

Beyond the basic features, the system integrates two advanced modules. The first is dynamic slotting, an algorithm that periodically reassigns warehouse locations based on transaction frequencies. High-rotation items are placed in the most accessible positions, reducing picking times and improving overall efficiency. The algorithm was implemented in Python and uses a swapping logic to avoid conflicts and duplications, producing an Excel file that highlights effective location changes. The second module is dedicated to calculating the Reorder Point (ROP) and Safety Stock (SS). Based on historical transaction data, demand is analyzed and classified into distinct clusters: high rotation, intermittent demand, and sporadic demand. Each cluster is associated with an appropriate probabilistic model (Normal, Poisson, or Negative Binomial) that estimates ROP and SS in line with the desired service level and lead time. This approach produces adaptive, data-driven replenishment policies, avoiding excessive stock for low-consumption items and reducing stock-out risks for critical materials. The integration of these advanced functions transforms the WMS from a simple recording tool into a decision-support platform, able to provide precise operational guidelines and leverage data collected over time. Future developments include integration with higher-level management systems via standard connectors (ODBC/JDBC) or intermediate file exchange, ensuring informational continuity across the entire organizational chain. Overall, the work demonstrates how it is possible to build a complete, economical, and scalable system, capable of combining practical management needs with advanced analysis and optimization logics.



La tesi descrive la progettazione e l’implementazione di un Warehouse Management System (WMS) sviluppato a partire da una situazione iniziale caratterizzata dall’assenza di inventario, dalla mancata registrazione delle movimentazioni e dalla scarsa tracciabilità delle scorte. L’obiettivo principale è stato costruire un sistema informativo capace di superare i limiti di una gestione manuale, garantendo aggiornamento costante delle giacenze, tracciabilità dei flussi e strumenti decisionali avanzati. Dopo una fase preliminare di censimento e ordinamento dei materiali, i dati sono stati migrati da un semplice foglio Excel a un Database Management System basato su MariaDB, installato su hardware dedicato a basso costo. La base dati è stata strutturata su due tabelle principali, una per l’inventario e una per le movimentazioni, aggiornate automaticamente tramite script Python. Per agevolare l’utilizzo da parte degli operatori, sono state sviluppate interfacce grafiche intuitive con libreria Tkinter, affiancate da un palmare con lettore di codici a barre per registrare carichi, scarichi e inventari. Gli automatismi di backend permettono la sincronizzazione dei file, l’aggiornamento periodico del database e la creazione di backup. Oltre alle funzionalità di base, il sistema integra due moduli avanzati. Il primo è il dynamic slotting, ovvero un algoritmo che riassegna periodicamente le ubicazioni in magazzino sulla base delle frequenze di movimentazione. Gli articoli a maggiore rotazione vengono collocati nelle posizioni più accessibili, riducendo i tempi di prelievo e aumentando l’efficienza complessiva. L’algoritmo è stato implementato in Python e utilizza una logica di scambio tra codici per evitare conflitti e duplicazioni, producendo un file Excel che evidenzia i cambiamenti effettivi di ubicazione. Il secondo modulo è dedicato al calcolo del punto di riordino (Reorder Point, ROP) e della scorta di sicurezza (Safety Stock, SS). A partire dai dati storici delle movimentazioni, la domanda viene analizzata e classificata in cluster distinti: alta rotazione, domanda intermittente e domanda sporadica. Ogni cluster è associato a un modello probabilistico adeguato (Normale, Poisson o Binomiale Negativa) che consente di stimare in maniera coerente i parametri ROP e SS, in funzione del livello di servizio desiderato e del lead time. In questo modo le politiche di riordino risultano adattive e basate sul reale comportamento della domanda, evitando eccessi di scorta per gli articoli a basso consumo e riducendo i rischi di stock-out per i materiali critici. L’integrazione di queste funzioni avanzate trasforma il WMS da semplice strumento di registrazione a piattaforma di supporto alle decisioni, in grado di fornire indicazioni operative precise e di valorizzare i dati raccolti nel tempo. Le prospettive di sviluppo includono il collegamento con sistemi gestionali di livello superiore tramite connettori standard (ODBC/JDBC) o scambio di file intermedi, così da garantire continuità informativa lungo tutta la catena aziendale. Nel complesso, il lavoro dimostra come sia possibile realizzare un sistema completo, economico e scalabile, capace di coniugare esigenze pratiche di gestione con logiche avanzate di analisi e ottimizzazione.