Il presente lavoro di tesi è stato sviluppato durante il tirocinio formativo presso il Gruppo Bauli, leader nel mercato italiano dei dolci per le ricorrenze. Nel lavoro in questione vengono descritti per prima cosa i concetti cardine legati al mondo del Demand Planning, per poi esporre dal punto di vista teorico i modelli di previsione delle serie storiche che si è scelto di implementare per migliorare il processo di calcolo dei volumi di vendita dei prodotti continuativi del Gruppo. Oltre a ciò, vengono anche forniti degli esempi applicativi di alcuni modelli di time series forecasting utilizzati per risolvere problemi simili al caso aziendale. Infine si propongono per il futuro del Gruppo, dei modelli avanzati di previsione legati al Machine Learning, come le reti neurali artificiali.
Applicazione dei modelli di previsione delle serie storiche, per il calcolo dei volumi di vendita. Il caso Bauli Group.
COLTRO, NICOLA
2021/2022
Abstract
Il presente lavoro di tesi è stato sviluppato durante il tirocinio formativo presso il Gruppo Bauli, leader nel mercato italiano dei dolci per le ricorrenze. Nel lavoro in questione vengono descritti per prima cosa i concetti cardine legati al mondo del Demand Planning, per poi esporre dal punto di vista teorico i modelli di previsione delle serie storiche che si è scelto di implementare per migliorare il processo di calcolo dei volumi di vendita dei prodotti continuativi del Gruppo. Oltre a ciò, vengono anche forniti degli esempi applicativi di alcuni modelli di time series forecasting utilizzati per risolvere problemi simili al caso aziendale. Infine si propongono per il futuro del Gruppo, dei modelli avanzati di previsione legati al Machine Learning, come le reti neurali artificiali.File | Dimensione | Formato | |
---|---|---|---|
Coltro_Nicola.pdf
accesso riservato
Dimensione
6.36 MB
Formato
Adobe PDF
|
6.36 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/20.500.12608/33287