La tesi valuta l’impiego di tecniche di Intelligenza Artificiale per la previsione della domanda e l’ottimizzazione delle scorte in un contesto distributivo. Il caso applicativo riguarda l’adozione del software Aware nell’azieda Digimax Srl. L’obiettivo è verificare se un approccio data–driven renda più robuste e coerenti le decisioni di riordino rispetto alle prassi precedenti, riducendo stock–out e immobilizzo a parità di livello di servizio. Il lavoro combina un’impostazione metodologica essenziale, la descrizione del contesto aziendale e un’analisi pre/post su indicatori comparabili, con attenzione alla qualità del dato e alla sostenibilità organizzativa della soluzione.

Intelligenza Artificiale per il Demand Forecasting e l’Inventory Optimization: Il caso Aware in Digimax Srl

PETROCCIONE, MICHAEL
2024/2025

Abstract

La tesi valuta l’impiego di tecniche di Intelligenza Artificiale per la previsione della domanda e l’ottimizzazione delle scorte in un contesto distributivo. Il caso applicativo riguarda l’adozione del software Aware nell’azieda Digimax Srl. L’obiettivo è verificare se un approccio data–driven renda più robuste e coerenti le decisioni di riordino rispetto alle prassi precedenti, riducendo stock–out e immobilizzo a parità di livello di servizio. Il lavoro combina un’impostazione metodologica essenziale, la descrizione del contesto aziendale e un’analisi pre/post su indicatori comparabili, con attenzione alla qualità del dato e alla sostenibilità organizzativa della soluzione.
2024
Artificial Intelligence for Demand Forecasting and Inventory Optimization: A case study of Aware at Digimax Srl
AI
Demand Forecasting
Inventory
Optimization
Aware
File in questo prodotto:
File Dimensione Formato  
Petroccione_Michael.pdf

Accesso riservato

Dimensione 11.53 MB
Formato Adobe PDF
11.53 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

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/98053