• Criticità
• Linea assemblaggio
• Logistica
• Machine Learning
• Metodi

Il presente progetto di tesi è stato realizzato presso Emmegi S.p.A. di Limidi di Soliera (MO), azienda leader nel settore manifatturiero nella progettazione, produzione e distribuzione di macchine per la lavorazione di profili in alluminio, acciaio, PVC e leghe leggere. Il progetto nasce dalla volontà di operare in ambito logistico per garantire continuità in linea di assemblaggio e azzerare i fermi per mancanza di componenti, andando a selezionare un certo numero di codici ritenuti particolarmente critici al fine di mettere “in sicurezza” una famiglia di macchine dal punto di vista degli approvvigionamenti.
Più in generale, quindi, l’obiettivo è stato la definizione di una procedura che diventi parte del KNOW HOW Emmegi, applicabile anche su altre linee di business, oltre che l'implementazione di interventi mirati su alcuni codici risultati da questa selezione, finalizzati all'abbattimento del numero di stockout.
Gli strumenti principali introdotti dal candidato durante lo svolgimento di questo progetto sono due:
(1) l’implementazione di un metodo matematico multicriterio (AHP – Analytic Hierarchy Process) per l’assegnazione di un punteggio ai diversi fattori di criticità, in modo da facilitare la selezione dei componenti su cui andare a definire gli interventi;
(2) l’utilizzo di tecniche di Machine Learning, in particolare di algoritmi di regressione, per la previsione dei ritardi nei tempi di consegna degli ordini di acquisto, sia in ottica di valutazione dei fornitori, sia per fornire all’ufficio acquisti informazioni utili per il miglioramento del processo di approvvigionamento.