Il presente elaborato descrive l’attività di stage svolta presso KanbanBOX, azienda che sviluppa software per la gestione dei flussi logistici secondo i principi Lean. L’obiettivo del progetto è stato lo sviluppo di un motore interno per la generazione automatica delle previsioni di domanda (forecast), colmando il limite del sistema preesistente che richiedeva la generazione manuale e l’importazione di calcoli effettuati tramite strumenti esterni. Per risolvere questa criticità, è stato implementato un algoritmo stocastico basato sulla Simulazione di Monte Carlo. Questa soluzione sfrutta i dati storici dei consumi presenti nel sistema per generare scenari futuri, permettendo all’utente di scegliere specifici percentili di confidenza per calibrare le stime. Lo sviluppo, realizzato principalmente in PHP, è stato integrato nell’architettura Domain-Driven Design (DDD) preesistente, avvalendosi del Command Pattern per eseguire i complessi calcoli in modo asincrono. Il lavoro ha previsto sia la gestione manuale del calcolo, sia l’automazione tramite cron job, il tutto supportato da una solida suite di test unitari e di integrazione. Il risultato finale è una funzionalità nativa che automatizza e ottimizza il ridimensionamento dei legami Kanban, fornendo alle aziende clienti uno strumento decisionale integrato, rapido e statisticamente robusto.
Generazione Automatica di Previsioni di Approvvigionamento tramite Simulazione di Monte Carlo
LATTANZIO, NICOLÒ
2025/2026
Abstract
Il presente elaborato descrive l’attività di stage svolta presso KanbanBOX, azienda che sviluppa software per la gestione dei flussi logistici secondo i principi Lean. L’obiettivo del progetto è stato lo sviluppo di un motore interno per la generazione automatica delle previsioni di domanda (forecast), colmando il limite del sistema preesistente che richiedeva la generazione manuale e l’importazione di calcoli effettuati tramite strumenti esterni. Per risolvere questa criticità, è stato implementato un algoritmo stocastico basato sulla Simulazione di Monte Carlo. Questa soluzione sfrutta i dati storici dei consumi presenti nel sistema per generare scenari futuri, permettendo all’utente di scegliere specifici percentili di confidenza per calibrare le stime. Lo sviluppo, realizzato principalmente in PHP, è stato integrato nell’architettura Domain-Driven Design (DDD) preesistente, avvalendosi del Command Pattern per eseguire i complessi calcoli in modo asincrono. Il lavoro ha previsto sia la gestione manuale del calcolo, sia l’automazione tramite cron job, il tutto supportato da una solida suite di test unitari e di integrazione. Il risultato finale è una funzionalità nativa che automatizza e ottimizza il ridimensionamento dei legami Kanban, fornendo alle aziende clienti uno strumento decisionale integrato, rapido e statisticamente robusto.| File | Dimensione | Formato | |
|---|---|---|---|
|
tesi.pdf
Accesso riservato
Dimensione
5.55 MB
Formato
Adobe PDF
|
5.55 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/116497