Design and management of mass-customized factory logistics systems: investigation of innovative material handling technologies and data-driven approaches

Customer requirements are evolving, resulting in higher demand uncertainty, increasingly customized products, and shorter delivery lead times. Companies are often responding by implementing the mass customization strategy, that entails offering wide product variety at competitive prices and within short lead times, while at the same time keeping a high flexibility. Although beneficial from a sales perspective, this strategy requires producing goods in small batches and sharply increasing the number of parts and materials to be handled in the factory. Therefore, it results in an increased complexity of both production and factory logistics activities, including the internal transportation and warehousing of materials. In this context, efficient and smooth production activities are possible if the right materials are delivered to production stations in a timely way, but without piling up an excessive amount of inventories. Therefore, the evolved market scenario is shifting the focus towards the synchronization of material flows, defined as the provision of the right materials to production units at the right moment in time and presented as a way to effectively support the deployment of mass customization. At the same time, technological advancements and adoption are proceeding at a pace faster than ever. Innovative material handling technologies, never investigated by the literature on factory logistics, are increasingly available on the market and could support operations in the context of mass customization since they are designed for the handling of small unit loads in a flexible way and can be easily deployed in existing buildings. Also digital technologies, that enable gathering and elaborating large amounts of data about production and logistics systems and processes, are getting pervasive in the wake of Industry 4.0, paving the way for the introduction of data-driven approaches for decision making. This work deals with the design and management of mass-customized factory logistics systems, intended as factory logistics systems synchronized with production, thus able to support production activities in an efficient and effective way when mass customization strategy is adopted. First, this work proposes an exhaustive overview of the possible options, in terms of technologies and managerial practices, to improve the synchronization of material flows. Then, it investigates how innovative material handling technologies can be integrated in mass-customized factory logistics systems, also assessing their impact on the synchronization of material flows. Finally, it explores how data can be leveraged to support decision-making in this domain, by developing new data-driven decision-making approaches based on the use of real-time data and machine learning techniques. The results are formalized in a collection of five papers (three journal papers and two conference papers).

Le esigenze dei clienti stanno evolvendo in molti settori industriali, nei quali la domanda di mercato è sempre più volatile ed è necessario realizzare prodotti personalizzati e garantire tempi di consegna sempre più brevi. Molto spesso, le aziende manufatturiere stanno rispondendo a queste esigenze adottando la cosiddetta strategia di “mass customization”, che si basa sull’offerta di un’ampia gamma di prodotti a prezzi competitivi e con tempi di consegna ridotti. Nonostante il suo impatto positivo sulle vendite, questa strategia richiede di produrre piccoli lotti di ciascun prodotto e di aumentare considerevolmente il numero di materiali diversi gestiti all’interno delle fabbriche. Di conseguenza, l’adozione di questa strategia determina un aumento della complessità delle attività produttive e di quelle di logistica di fabbrica, che includono il trasporto e lo stoccaggio dei materiali all’interno del sito produttivo. In questo contesto, è possibile garantire l’efficienza ed efficacia delle attività produttive solo se i materiali necessari per produrre sono disponibili presso le stazioni di produzione quando richiesti ma, allo stesso tempo, non vengono consegnati con largo anticipo, in modo da non accumulare scorte a bordo delle stazioni. L’evoluzione delle esigenze dei clienti sta quindi mettendo in luce l’importanza della sincronizzazione dei flussi di materiali all’interno della fabbrica, che consiste nel rifornimento dei materiali richiesti nel momento esatto in cui devono essere utilizzati. Allo stesso tempo, lo sviluppo e l’adozione di nuove tecnologie stanno procedendo ad un ritmo estremamente rapido. In particolare, sta aumentando l’offerta di tecnologie innovative per la movimentazione dei materiali che, sebbene non ancora studiate nella letteratura scientifica relativa alla logistica di fabbrica, potrebbero essere adatte a contesti in cui è adottata la strategia di “mass customization”: infatti, queste tecnologie sono state progettate per movimentare piccole unità di carico con estrema flessibilità e possono essere facilmente installate in edifici esistenti. Inoltre, le tecnologie digitali per la raccolta e l’elaborazione di grandi quantità di dati relativi ai sistemi logistico-produttivi sono sempre più diffuse, spinte dalla rivoluzione Industry 4.0, e rendono possibile l’adozione di sistemi decisionali “data-driven”. Questa tesi di dottorato tratta la progettazione e la gestione di sistemi di logistica di fabbrica “mass-customized”, definiti come sistemi di logistica di fabbrica sincronizzati con i sistemi produttivi e quindi in grado di supportare le attività produttive in modo efficiente ed efficace quando è adottata la strategia di “mass customization”. Questa tesi propone una panoramica esaustiva delle possibili leve gestionali e tecnologiche che possono essere sfruttate per migliorare la sincronizzazione dei flussi di materiali. Inoltre, studia l’integrazione delle tecnologie innovative per la movimentazione dei materiali all’interno di un sistema di logistica di fabbrica “mass-customized”, valutando anche il loro effetto sulla sincronizzazione. Infine, mostra in che modo i dati possono essere usati per supportare i processi decisionali in questo campo, tramite lo sviluppo di approcci decisionali innovativi basati sull’uso di dati “real-time” e su tecniche di “machine learning”.