A methodology for automated shelf replenishment in the grocery industry

The goal of this thesis is to design a data-driven methodology for shelf replenishment, that aims at verifying the feasibility of a fully automated replenishment approach in the grocery industry. The evaluation of feasibility will be based on the ability of the methodology to achieve critical business objectives, such as reducing stock and simplifying logistics, while ensuring a satisfying level of service in terms of product availability. The methodology has been designed based on a preliminary analysis of historical sales and stock data provided by a national retailer. We have identified important seasonality factors that affect demand and several issues that reduce data quality, both discussed in this thesis. The methodology proposes a set of corrective procedures to improve data quality, that are then tested on real data. The timing of logistic activities has been modelled through interviews, together with typical delays between orders and deliveries. Our replenishment approach aims at identifying a minimum reorder point. In this respect, the approach is novel since it dynamically calculates the reorder point on a sliding time window that depends on the dynamics of demand for each individual product. The last phase of the methodology identifies and computes the main metrics assessing the performance of the replenishment procedure. The proposed methodology has been implemented and tested on the historical data of a national retailer store, that currently performs manual replenishment. Several analyses have been carried out to compare the results obtained by the automatic replenishment algorithm with the manual replenishment process.

Questo lavoro di tesi ha l'obiettivo di proporre una metodologia di riordino, basata sui dati, che permetta di verificare la fattibilità di un riordino automatico nell'ambito della grande distribuzione. Lo studio di fattibilità si baserà sulla capacità di raggiungere obiettivi di business fondamentali, come ridurre lo stock in eccesso e semplificare i processi logistici, mantenendo allo stesso tempo un livello di servizio che garantisca la disponibilità dei prodotti. La metodologia è stata ideata sulla base di una analisi preliminare dei dati storici di vendite e inventario di un punto vendita di un rivenditore nazionale. Abbiamo identificato i principali fattori di stagionalità, che influenzano l'andamento della domanda, e le principali problematiche dei dati, che ne riducono la qualità. La metodologia propone un insieme di procedure di correzione atte a migliorare la qualità dei dati, che verranno poi testate sui dati reali. Le tempistiche della logistica sono state modellate in accordo alle analisi svolte sui dati storici, rispetto a ordini e consegne, e tenendo in considerazione le informazioni fornite dal rivenditore. Il nostro metodo di riordino si basa sull'identificazione di un punto di riordino minimo. L'approccio è innovativo perché calcola dinamicamente il punto di riordino per ogni prodotto, su un arco temporale che tiene in considerazione le fluttuazioni della domanda. L'ultima fase della metodologia, invece, consiste nell'identificazione e calcolo di un insieme di metriche utili a stimare le prestazioni del metodo di riordino. La metodologia proposta è stata implementata e testata utilizzando i dati storici di uno punto vendita italiano, che attualmente non adotta procedure di riordino automatico dei prodotti. Sono state fatte numerose analisi per confrontare i risultati ottenuti con la procedura di riordino automatico con il caso reale di riordino manuale.