Data-driven root cause analysis through Bayesian networks to improve supply chain efficiency

Continuous improvement is a well-grounded and now increasingly anchored concept in industrial environments. Quality and process efficiency have become a central driver for achieving competitive advantage in today's demanding market. Therefore, this study lays the groundwork for the application of root cause analysis to an entire supply chain process employing machine learning algorithms. Data-driven methods such as Bayesian Networks harness an approach placing data at the center of analysis, depicting complex systems and exploring the intricate relationships that link the various variables at play. A presentation of the background, analysis purposes and an in-depth discussion of continuous improvement concept are succeeded by a dedicated literature review in which existing data analysis methodologies in industrial context are thoroughly outlined. The research methodology is developed through a general overview of Bayesian Network and a comprehensive explanation of each step of the framework. Thus, not to stop just at the symptoms, but rather focus on the real underlying causes of the problem and thereby enhance flow efficiency. To validate the model, the study is finally applied in the real world to an internal Hilti process. In this way, relevant findings for supply chain management are provided and the model enriched and fortified with additional new features. In particular, monitoring efficiency performance of processes enables the company to detect the real causes that generate inefficiencies and uncover improvement windows for enhanced results. Concluding remarks reveal the meaningfulness of this analysis and the forward-looking dimension that such an approach can potentially bring to a real supply chain process to boost its performance. Supply chain arrangements play a pivotal role in a company's business, so this solution offers valuable support for decision-making and a consistent, well-structured foundation upon which relevant strategic choices are made.

Il miglioramento continuo è un concetto ben presente e ormai sempre più radicato negli ambienti industriali. La qualità e l’efficienza di un processo diventano un elemento chiave per ottenere un vantaggio competitivo nell’ esigente mercato attuale. Pertanto, questo studio pone le basi per l'applicazione dell'analisi delle cause radice a un processo completo di supply chain utilizzando algoritmi di machine learning. I metodi data-driven come le reti bayesiane sfruttano un approccio che pone il dato al centro dell'analisi, raffigurando sistemi complessi e andando a esplorare le intricate relazioni che legano le differenti variabili in gioco. Una presentazione del contesto, degli obiettivi della ricerca e un approfondimento sul concetto di miglioramento continuo sono seguite da una apposita rassegna della letteratura, nella quale vengono delineate in modo esaustivo le metodologie di analisi dei dati esistenti in ambito industriale. La metodologia di ricerca si sviluppa attraverso una panoramica generale della rete bayesiana e una spiegazione esaustiva di ogni fase del framework. In questo modo, non ci si ferma superficialmente ai sintomi, ma ci si concentra sulle vere cause del problema, migliorando così l'efficienza complessiva del processo. Per validare il modello, lo studio è stato infine applicato nel mondo reale a un processo interno di Hilti. Così facendo, vengono raggiunti risultati rilevanti per la gestione della supply chain e il modello viene arricchito e potenziato con nuove funzionalità. In particolare, il monitoraggio delle performance di efficienza dei processi consente all'azienda di individuare le cause effettive che generano le inefficienze e di scoprire prospettive di miglioramento per ottenere risultati migliori. Le osservazioni conclusive rivelano la significatività di questo studio e la dimensione lungimirante che tale approccio può potenzialmente apportare a un reale processo di supply chain per incrementarne le prestazioni. Le disposizioni relative alla supply chain svolgono un ruolo essenziale nell'attività di un’azienda; pertanto, questa soluzione è in grado di offrire un valido supporto al processo decisionale e una base consistente e ben strutturata sulla quale poter effettuare importanti scelte strategiche.