Ricerca e sviluppo di algoritmi di customer profiling, demand forecasting e decision support per l'ottimizzazione della gestione dei servizi di produzione e vendita del settore della ristorazione in ottica Industria 4.0

Ristorazione 4.0

OBIETTIVi

Sviluppo di Algoritmi di Customer Profiling

Sviluppo di Algoritmi di Demand Forecasting

Costruzione di un Modulo di Supporto Decisionale

Soluzione

Analisi Dati Customer Profiling

Modulo Sales Forecasting

Modulo di Pianificazioni degli ordini

RISULTATI

5+

indicatori di performance monitorati

- 10%

prodotti da scartare alle fine dell'orizzonte temporale

+7%

freschezza dei prodotti

- 11%

quantità di scorte invendute alla fine dell'orizzonte temporale

 
Obiettivi

The object of study of the research conducted is the design of an integrated decision support platform for production and sales systems in the catering sector. The project aims to:

  • identify the decision support models applicable to the specific area;

  • define a decision support model for the catering sector from an Industry 4.0 perspective;

  • search and synthesize innovative algorithms of customer profiling and demand forecasting applied to the catering sector;

  • design, develop and test a decision-making engine for the optimization of planning and implementation of the "production on demand"  functions of a restaurant system.

DSS: Decision Support System

Ristorazione 4.0: overview obiettivi attività di R&D

 
soluzione
Idea75, con Ristorazione 4.0 ha sviluppato degli algoritmi di descriptive e predictive analytics, per l'efficientamento energetico e la manutenzione predittiva.

Il sistema di supporto decisionale ha la finalità di ottimizzare la pianificazione della produzione attraverso sistemi di previsione della domanda che permettano l’implementazione della production on demand.

Questo obiettivo viene raggiunto progettando un DSS modulare e affidabile, i cui elementi costitutivi principali sono i seguenti:

  • il primo realizza, a partire dai dati acquisiti, il forecasting delle vendite che viene utilizzato per la determinazione della domanda futura; in tal senso tale modulo è dedicato alla selezione automatica del modello previsionale, sulla base di alcuni criteri generali definiti dall'utente;

  • il secondo fornisce il supporto alla pianificazione degli ordini, comprendente il metodo di ottimizzazione multiobiettivo;

  • il terzo modulo effettua una analisi di sensitività del sistema al fine di valutarne le prestazioni e fornendo un fronte paretiano di proposte di ordini ottimali secondo alcuni indicatori chiave di prestazione (KPI) cruciali per prodotti freschi e deperibili quali date di scadenza, esaurimento scorte e freschezza.

DSS: modulo di sales forecasting

Struttura DSS utiizzato

Fasi dell'algoritmo di customer profiling utilizzato

DSS: modulo di pianificazione degli ordini

 
risultati
Per la validazione di Ristorazione 4.0, sono state prese in considerazione diversi test case, differenti per categoria di prodotto; ognuno di questi presenta dei vincoli nella vendita:
  • dimensione dei lotti (ordini multipli di una quantità minima);
  • tempi di consegna;
  • tempi di esecuzione (momento di emissione dell'ordine).
La pianificazione della produzione sulla base della previsione delle vendite è stata effettuata tramite l'analisi e il monitoraggio di diversi KPI, come per esempio:
  • Waste (scarti): elementi da eliminare dell'orizzonte temporale di previsione a causa della scadenza del periodo di conservabilità;
  • Freshness (freschezza): età del prodotto all'atto di vendita al consumatore;
  • Stock outs (esaurimento scorte): totale della domanda non soddisfatta alla fine dell'orizzonte temporale di previsione.
Inoltre, sono stati valutati gli indicatori out of samples per sei diversi modelli di previsione e per i diversi metodi di ottimizzazione utilizzati.
Il sistema di supporto decisionale implementato si adatta in modo dinamico ai dati disponibili, selezionando il modello di previsione più appropriato in base a criteri specificati dall’utente (criterio di accuratezza o criterio di variabilità).
Sono stati effettuati dei test comparativi dei risultati ottenuti tramite le tecniche implementate rispetto a tecniche classiche utilizzate come benchmark; l'analisi di sensitività condotta afferma che esiste sempre almeno un modello tra quelli restituiti dal DSS che funziona meglio rispetto a quelli tradizionali.
Con le sue soluzioni tecnologiche e innovative, Ristorazione 4.0 ha permesso di ottenere:
  • la riduzione degli scarti di produzione pari al 10%;
  • l'aumento della freschezza dei prodotti al momento della vendita, stimata al 7%;
  • la riduzione della percentuale di scorte invendute alla fine del periodo temporale, pari all'11%.

DSS: criteri di scelta per il modello di previsione più appropriato

Architettura finale del sistema di segmentazione/profilazione

Analisi degli indici di performance

Metodi di ottimizzazione utilizzati: confronto

Valutazione degli indici di errore: confronto fra modelli tradizionali e modelli validati dal DSS

 
stakeholders & Credits
hs_system_200x200.png

Hs systems

Partner

H.S. Systems offre software di gestione aziendale, analisi e servizi cloud per aiutare le organizzazioni a migliorare le prestazioni e applicare le tecnologie digitali per interrompere il pensiero tradizionale e abilitare nuovi modelli di business.

 
KEYWORDS

Ristorazione 4.0

Optimization

Decision Support System

Quality Control

Demand forecasting

Customer Profiling

Database

KPI

R&D

© 2019 by Idea75 srl. Proudly created with Wix.com

  • Facebook Social Icon
  • Twitter Social Icon