Adeguare gli approvvigionamenti e la produzione del pane alla domanda effettiva

L’azienda

Il Cliente è un’azienda italiana che opera nel settore della Grande Distribuzione ed è presente sul territorio nazionale con 125 supermercati a gestione diretta. Grazie alla professionalità̀ di oltre 7.000 addetti, l’azienda offre quotidianamente ai Clienti il massimo del servizio, della qualità̀ e del risparmio

La catena distributiva è composta sia da centri relativamente piccoli, quali i mini/midi market cittadini, che centri più grandi, i supermercati e gli  ipermercati. I criteri di gestione sono pertanto diversificati.

L’azienda produce e vende, tra gli altri, prodotti panificati in 3 sedi proprie che riforniscono i 125 punti vendita. 

La sfida: adeguare la produzione alla domanda effettiva

L’esigenza del Cliente è di ottimizzare la produzione dei panificati adattandola alle reali ed effettive esigenze del mercato. Infatti, stimare l’ottimale quantità di pane da produrre è cruciale: se si produce poco si rischia di non soddisfare la clientela, con conseguente danno di immagine. Se si produce troppo, rimangono avanzi e si generano sprechi di risorse.

Il Cliente si è quindi rivolto agli esperti di Sapiens Analytics per condurre un’attività di sviluppo di uno strumento predittivo che possa risolvere questo problema:

●  Come NON buttare il prodotto (eliminare sprechi)

●  Come NON rimanere senza prodotto (eliminare perdite/mancate vendite)

Precedentemente all’intervento di Sapiens Analytics, ciascun punto vendita valutava ed ordinava in modo indipendente le quantità di panificati sulla base di valutazioni proprie. Seppur il brand sia lo stesso, le politiche di riordino  risultavano variabili da punto a punto e molto diverse fra loro.

Il problema produttivo da affrontare dunque, non coinvolge quindi solo il contesto di un singolo punto vendita, ma deve anche considerare i processi logistici dell’intera catena. Inoltre, l’afflusso di clienti non è costante giorno per giorno e varia da punto vendita a punto vendita. 

L’intervento Sapiens Analytics

Per risolvere il problema è stato creato un team multi-disciplinare: composto dagli esperti in I.A di Sapiens Analytics, insieme con i responsabili di prodotto e con l’IT aziendale.

Sono state svolte attività di co-design mirate a circoscrivere tutte informazioni ed i dati che la piattaforma di Sapiens avrebbe dovuto acquisire non solo  per imparare i criteri alla base del dimensionamento della produzione, ma anche per approfondire la conoscenza degli aspetti logistici ed i processi operativi adottati da Cliente.

Il percorso di accompagnamento condotto dagli analisti di Sapiens ha, permesso al  nascente sistema di Intelligenza Artificiale di approfondire queste conoscenze per mezzo di incontri mirati di approfondimento e tramite  l’elaborazione del data-lake a disposizione.  Il risultato è stato una dashboard predittiva, capace di dare indicazioni per adeguare gli acquisti e la produzione ai reali volumi delle vendite di pane.

Sapiens machine learning in 6 fasi

Il percorso di training e sviluppo dell’Intelligenza artificiale ha seguito un iter a fasi successive.

1. Analisi : attività iniziale di studio propedeutico ed acquisizione di competenza nel contesto del caso d’uso L’analisi ha coinvolto anche i processi , non tanto con la finalità di aggiungere  informazione per ottimizzare i predittori e gli algoritmi di I.A. oggetto di studio e sviluppo, quanto per capire le modalità di integrazione.

2. Training: Sono stai raccolti ed elaboratii dati dei punti vendita  relativi a venduto, ordinato, ed out of stock, se disponibile, per tutti i prodotti, nonché dati legati ai processi dei singoli negozi.

3. Sviluppo: Alle attività di analisi e di co-design, infine, hanno fatto seguito la progettazione e lo sviluppo delle routine software che effettivamente  implementano gli algoritmi individuati

4. Testing: attività di identificazione degli Indicatori Essenziali di Prestazioni (KPI), atti a valutare l’efficacia degli algoritmi complessi  ed in generale del sistema I.A., in modo da poter validare il SW sviluppato, prima tramite opportuni prototipi in ambiente controllato, e poi in situazioni reali.

5. Lancio in produzione: al termine del percorso di sviluppo, prototipazione e test, si procede, alla messa in produzione del predittore intelligente, in modo da offrire benefici a tutti i punti della catena

6. Raccolta dei risultati: Dopo alcuni mesi di utilizzo si è potuto procedere alla valutazione degli ottimi risultati in termini economici della soluzione.

Benefici e vantaggi della Soluzione Sapiens Analytics

1. Da un punto di vista meramente tecnico, è stato sviluppato e fornito al reparto IT del Cliente un predittore software AI, in grado di dare le previsioni di produzione richieste, cioè uno strumento intelligente di predizione della produzione e delle anomalie.

2. I benefici di questa tecnologia hanno avuto un impatto notevole: il software sviluppato ed applicato ai sistemi del Cliente, ha permesso di ottenere un risultato netto in termini economici, misurabili come maggior utile dovuto alla minore produzione a parità di ricavo o maggiore vendita. In particolare, e soprattutto in numeri,  la stima ha messo in evidenza come resa un risparmio medio di circa 20.000 euro mese per punto produzione.