{"id":4965,"date":"2023-09-26T13:34:01","date_gmt":"2023-09-26T11:34:01","guid":{"rendered":"https:\/\/www.kode-solutions.net\/?page_id=4965"},"modified":"2024-10-09T15:23:17","modified_gmt":"2024-10-09T13:23:17","slug":"pianificazione-della-produzione-di-alimenti","status":"publish","type":"page","link":"https:\/\/www.kode-solutions.net\/it\/progetti-e-case-studies\/pianificazione-della-produzione-di-alimenti\/","title":{"rendered":"Pianificazione della produzione di alimenti freschi: Uno strumento di previsione per serie temporali irregolari"},"content":{"rendered":"\r\n\t
\r\n\t\t
\r\n\t\t\t\n\n
\n
\n

Produzione<\/h1>\n\n\n\n

di alimenti<\/h1>\n\n\n\n

Freschi<\/h1>\n<\/div><\/div>\n\n\n\n

Uno strumento di previsione per serie temporali irregolari<\/h2>\n\n\n\n

Per un’azienda del settore alimentare e delle bevande, focalizzata sulla produzione industriale di pasticceria fresca,\u00a0 trovare il miglior equilibrio possibile tra disponibilit\u00e0 in magazzino e produzione quasi-in tempo reale per garantire la freschezza dei prodotti \u00e8 una sfida molto complessa. L’azienda necessita di un sistema di pianificazione della produzione di alimenti freschi per prevedere e distribuire meglio i carichi di lavoro.<\/p>\n\n\n\n

<\/div>\n\n\n\n

In particolare, data l\u2019elevata variet\u00e0 di SKU nel portafoglio prodotti e una forte irregolarit\u00e0 nella domanda (associata, in alcuni casi, a ritmi stagionali), lo sforzo produttivo \u00e8 fortemente disomogeneo. Questo comporta un notevole sforzo da parte dei dipendenti per la gestione di eventuali ordini imprevisti, per mantenere i tempi di consegna garantiti.<\/p>\n<\/div>\n<\/body><\/html>\n\n\n

\"\"<\/img><\/figure>\n<\/body><\/html><\/div>\n<\/div>\n\n\t\t\t\t\t<\/div>\r\n\t<\/div>\r\n\r\n\t\n\n\r\n\t
\r\n\t\t
\r\n\t\t\t\n\n
\n
\n

La nostra soluzione<\/h2>\n<\/div>\n\n\n\n
\r\n\t
\r\n\t\t
\r\n\t\t\t\t\t\t\t
\r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\tLa Sfida\t\t\t\t\t\t\t\t\t\t\t\t\t<\/h3>\r\n\t\t\t\t\t<\/div> \r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t

A causa di questo contesto, la gestione manuale del piano produttivo \u00e8 decisamente complessa. Occorre quindi realizzare un sistema automatizzato, in grado di orchestrare tutti i parametri contemporaneamente per una pianificazione ottimale della produzione di alimenti freschi, in base all\u2019andamento delle vendite e alla disponibilit\u00e0 dei prodotti.<\/p>\n

Data l\u2019elevata variabilit\u00e0 della domanda, la soluzione non poteva essere un semplice algoritmo relativo a un livello minimo predefinito di prodotti in stock.<\/p>\n

La richiesta \u00e8 di definire le referenze (nonch\u00e9 le quantit\u00e0) da produrre sulla base degli andamenti passati in modo da avere la corretta indicazione delle quantit\u00e0, di volta in volta, e, di conseguenza, pianificare in anticipo e distribuire meglio gli sforzi dei lavoratori.<\/p>\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t<\/div>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t\t
\r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\tComprensione dei dati\t\t\t\t\t\t\t\t\t\t\t\t\t<\/h3>\r\n\t\t\t\t\t<\/div> \r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t

Basandosi sui dati dello scorso anno e integrandoli nel modulo Data Understanding di FactorAI, abbiamo costruito tutti gli indicatori necessari per analizzare le scelte e le tendenze nella produzione dell’azienda.<\/p>\n

Per prima cosa: dai dati sui picchi delle scorte si potevano facilmente estrarre produzione e vendite. Dato che la previsione dipende dal tempo, tutte queste osservazioni sono state trasformate in serie temporali, con un giorno come spazio della sequenza.<\/p>\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t<\/div>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t\t
\r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\tStatistical Process Control\t\t\t\t\t\t\t\t\t\t\t\t\t<\/h3>\r\n\t\t\t\t\t<\/div> \r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t

L’analisi delle serie storiche \u00e8 avvenuta per livelli, cercando di ridurre l’impatto dell’elevata quantit\u00e0 di rumore riscontrato. L’obiettivo era da un lato quello di estrarre il livello minimo ideale da adottare per ciascuna SKU e, dall’altro, identificare i componenti sistematici per la modellazione.<\/p>\n

 <\/p>\n

La dashboard del modulo SPC mostra al responsabile dello stabilimento e al management aziendale, grafici con:<\/p>\n