CASE STUDY

Metodologia e Risultati

L’approccio metodologico adottato nel progetto si basa sull’elaborazione e integrazione di dati provenienti da fonti strutturate e non strutturate, inclusi i Dark Data, per ottenere una visione completa e dettagliata dei processi logistici. Attraverso l’analisi dei requisiti e dei modelli di business, sono stati identificati gli use case operativi più rilevanti e sviluppate strategie per implementare modelli avanzati di gestione delle attività di magazzino. Sono stati progettati e implementati modelli innovativi basati su Business Process Modeling and Notation (BPMN) e algoritmi di machine learning per ottimizzare i processi decisionali e migliorare l’efficienza operativa. La creazione di una piattaforma software avanzata di business intelligence permette di integrare analisi descrittive, diagnostiche, predittive e prescrittive. Questa piattaforma utilizza un’infrastruttura tecnologica capace di raccogliere, integrare e processare grandi quantità di dati generati dai processi logistici, utilizzando framework open source per il big data analytics. I risultati attesi fanno riferimento ad un significativo miglioramento dell’efficienza e dell’efficacia operativa, grazie alla capacità della piattaforma di identificare criticità nei processi logistici, ottimizzare la gestione delle risorse e introdurre nuovi KPI per il monitoraggio delle performance. L’utilizzo dei Dark Data permette di estrarre informazioni precedentemente non sfruttate, migliorando la qualità delle analisi e delle previsioni. Inoltre, la piattaforma in forma prototipale è progettata per sviluppare l’adattamento e reattività ai cambiamenti della domanda e ai processi aziendali. L’approccio è orientato a sviluppare una maggiore flessibilità operativa e una migliore capacità di previsione. L’infrastruttura proposta rappresenta un sistema innovativo e replicabile, potenzialmente applicabile anche in altri contesti industriali, contribuendo a rafforzare la competitività e la resilienza dell’impresa nel mercato attuale.