Algoritmi di intelligenza artificiale e machine learning per l'ottimizzazione della supply chain

One of the key factors in business competitiveness today is the efficient management of supply chains, vast logistical networks that, with the increasing size of markets and globalization, are becoming more and more difficult to manage effectively. The ones responsible for their organization closely monitor the development of new technologies that can be used for the critical issues of these systems. In the last years, the artificial intelligence has been the innovation with the biggest impact, a set of technologies that, through cognitive processes more or less similar to those of humans, are able to autonomously perform complex tasks. Machine learning is a subgroup of AI technologies and consists of systems that, through the analysis of large amounts of data, are able to reproduce the learning process, identifying patterns and relationships within datasets. The application of these tools in supply chains involves all operational areas, from intelligent inventory management to risk analysis and production planning. One of the most important applications is demand forecasting, which has a significant influence on upstream and downstream decisions in the logistics and production process. The aim of this thesis is to analyze the impact of introducing AI and ML technologies in supply chains, first describing the areas of application, how these tools intervene, the benefits they bring, and the possible drawbacks compared to traditional management systems, there will be a particular focus on demand forecasting. Thesis Objective The objective of this thesis is to evaluate the characteristics, benefits, and limitations of the main artificial intelligence and machine learning algorithms used to optimize decision-making processes in the supply chain, compared to traditional management systems. The analysis will cover all the main areas in which these technologies are applied, with special attention to their predictive role.

Uno dei maggiori fattori di competitività aziendale ad oggi è la gestione efficiente delle supply chain, ampie reti logistiche che, con il crescere della dimensione dei mercati e della globalizzazione, sono sempre più difficili da governare al meglio. Chi si occupa della loro organizzazione monitora con attenzione lo sviluppo di nuove tecnologie che possono essere utilizzate per risolvere le criticità di questi sistemi. Negli ultimi anni ad avere l’impatto maggiore è stata l’intelligenza artificiale, un insieme di tecnologie che attraverso processi cognitivi più o meno simili a quelli umani, riescono a svolgere in autonomia attività complesse. Il machine learning è un sottoinsieme delle tecnologie IA e si tratta di sistemi che, attraverso l’analisi di grandi quantità di dati, riescono a riprodurre il processo dell’apprendimento, riuscendo a rintracciare pattern e relazioni all’interno dei dataset. L’applicazione di questi strumenti all’interno delle supply chain coinvolge tutte le aree operative, dalla gestione intelligente delle scorte all’analisi dei rischi e la pianificazione della produzione. Una delle più importanti è la previsione della domanda, che ha una grande influenza sulle decisioni a monte e a valle del processo logistico-produttivo. L’obiettivo di questa tesi è analizzare l’impatto dell’introduzione delle tecnologie di IA e ML nelle supply chain, andando a descrivere prima quali sono i campi di utilizzo, come questi strumenti intervengono, quali benefici apportano e quali sono i possibili svantaggi in rapporto ai sistemi di gestione tradizionali, in particolare ci sarà un focus sulla previsione della domanda. Obiettivo della tesi L’obiettivo della tesi è quello di valutare le caratteristiche, i benefici e i limiti dei principali algoritmi di intelligenza artificiale e machine learning utilizzati per l’ottimizzazione dei processi decisionali nella supply chain in rapporto ai sistemi di gestione tradizionali, con analisi di tutti gli ambiti principali in cui queste tecnologie vengono applicate e attenzione particolare al ruolo predittivo.