The purpose of this thesis is to present an artificial intelligence solution to optimise supply chain management, with a focus on demand forecasting. The work focuses on the simulation of a predictive software based on real data collected by a company under study. The analysis includes the comparison between the forecasting model currently used by the company and the proposed solution, as well as an assessment of its accuracy with respect to the real data observed during the period under study. Finally, the compatibility of the solution with the company's specific context and its potential applicability in other company scenarios are investigated. The methodology adopted includes the identification of an artificial intelligence solution for demand forecasting and a period of internship in the company to collect data and understand its adaptability in the observed context and the model they currently use to perform the comparison. The main results show that the selected software offers a good level of accuracy, with similar performance to the model already in use by the case study company, which already has an effective system for forecasting demand. This, on the one hand, confirms the validity of the results obtained with the new software, but on the other, it shows that the improvement made is not significant enough to justify further investment or a radical change to the system currently in use. On the contrary, however, it could be particularly useful for other companies with obvious difficulties in managing demand forecasts. The research contributes a concrete example of a comparison between artificial intelligence software and the current model used by a real, market-leading company.

Lo scopo di questa tesi è presentare una soluzione di intelligenza artificiale per ottimizzare la gestione della supply chain, con particolare attenzione alla previsione della domanda. Il lavoro si concentra sulla simulazione di un software predittivo basato su dati reali raccolti da un'azienda oggetto di studio. L'analisi include il confronto tra il modello di previsione attualmente utilizzato dall'azienda e la soluzione proposta, valutandone l'accuratezza anche rispetto ai dati reali osservati nel periodo oggetto di studio. Infine, si indaga la compatibilità della soluzione con il contesto specifico dell'azienda e la sua potenziale applicabilità in altri scenari aziendali. La metodologia adottata include l’identificazione di una soluzione di intelligenza artificiale per la previsione della domanda e un periodo di internship in azienda per raccogliere i dati e comprendere l’adattabilità nel contesto osservato e il modello da loro attualmente in uso per eseguire il confronto. I risultati principali mostrano che il software selezionato offre un buon livello di accuratezza, con prestazioni simili a quelle del modello già in utilizzo dall'azienda caso studio che dispone già di un sistema efficace per la previsione della domanda. Questo, da un lato, conferma la validità dei risultati ottenuti con il nuovo software, ma dall'altro evidenzia che il miglioramento apportato non è sufficientemente significativo da giustificare un ulteriore investimento o un cambiamento radicale del sistema attualmente in uso. Al contrario però, essa potrebbe risultare particolarmente utile per altre aziende che presentano difficoltà evidenti nella gestione delle previsioni della domanda. La ricerca contribuisce a fornire un esempio concreto di un confronto tra un software di intelligenza artificiale e l’attuale modello utilizzato da un’azienda reale e leader nel mercato.

Application of Artificial Intelligence in supply chain: a case study on demand forecasting with Beta Utensili

Casati, Stefano
2023/2024

Abstract

The purpose of this thesis is to present an artificial intelligence solution to optimise supply chain management, with a focus on demand forecasting. The work focuses on the simulation of a predictive software based on real data collected by a company under study. The analysis includes the comparison between the forecasting model currently used by the company and the proposed solution, as well as an assessment of its accuracy with respect to the real data observed during the period under study. Finally, the compatibility of the solution with the company's specific context and its potential applicability in other company scenarios are investigated. The methodology adopted includes the identification of an artificial intelligence solution for demand forecasting and a period of internship in the company to collect data and understand its adaptability in the observed context and the model they currently use to perform the comparison. The main results show that the selected software offers a good level of accuracy, with similar performance to the model already in use by the case study company, which already has an effective system for forecasting demand. This, on the one hand, confirms the validity of the results obtained with the new software, but on the other, it shows that the improvement made is not significant enough to justify further investment or a radical change to the system currently in use. On the contrary, however, it could be particularly useful for other companies with obvious difficulties in managing demand forecasts. The research contributes a concrete example of a comparison between artificial intelligence software and the current model used by a real, market-leading company.
AMICO, CLARISSA VALERIA
ING - Scuola di Ingegneria Industriale e dell'Informazione
11-dic-2024
2023/2024
Lo scopo di questa tesi è presentare una soluzione di intelligenza artificiale per ottimizzare la gestione della supply chain, con particolare attenzione alla previsione della domanda. Il lavoro si concentra sulla simulazione di un software predittivo basato su dati reali raccolti da un'azienda oggetto di studio. L'analisi include il confronto tra il modello di previsione attualmente utilizzato dall'azienda e la soluzione proposta, valutandone l'accuratezza anche rispetto ai dati reali osservati nel periodo oggetto di studio. Infine, si indaga la compatibilità della soluzione con il contesto specifico dell'azienda e la sua potenziale applicabilità in altri scenari aziendali. La metodologia adottata include l’identificazione di una soluzione di intelligenza artificiale per la previsione della domanda e un periodo di internship in azienda per raccogliere i dati e comprendere l’adattabilità nel contesto osservato e il modello da loro attualmente in uso per eseguire il confronto. I risultati principali mostrano che il software selezionato offre un buon livello di accuratezza, con prestazioni simili a quelle del modello già in utilizzo dall'azienda caso studio che dispone già di un sistema efficace per la previsione della domanda. Questo, da un lato, conferma la validità dei risultati ottenuti con il nuovo software, ma dall'altro evidenzia che il miglioramento apportato non è sufficientemente significativo da giustificare un ulteriore investimento o un cambiamento radicale del sistema attualmente in uso. Al contrario però, essa potrebbe risultare particolarmente utile per altre aziende che presentano difficoltà evidenti nella gestione delle previsioni della domanda. La ricerca contribuisce a fornire un esempio concreto di un confronto tra un software di intelligenza artificiale e l’attuale modello utilizzato da un’azienda reale e leader nel mercato.
File allegati
File Dimensione Formato  
2024_12_Casati.pdf

non accessibile

Descrizione: Testo della tesi
Dimensione 2.91 MB
Formato Adobe PDF
2.91 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/229718