• analisi ABC
• classificazione
• forecasting
• gestione scorte
• intermittenza

La presente tesi si propone di analizzare il problema dell’inefficienza operativa riscontrata nelle modalità di allocazione dei prodotti all'interno del magazzino gestito da Transmec Log S.r.l. per conto dell’azienda Alfa S.p.a. In particolare, l’analisi ha evidenziato rilevanti differenze nei costi e nei tempi di prelievo tra la zona principale e quella secondaria del magazzino, aggravate dall’assenza di un sistema dinamico per la riclassificazione delle referenze. Tale criticità diventa ancor più rilevante ipotizzando la presenza di articoli caratterizzati da domanda intermittente. Infatti, quando un articolo intermittente viene trasferito nella zona secondaria a causa di un temporaneo azzeramento della domanda, l’assenza di monitoraggio sistematico può impedirne il tempestivo ritorno nella zona principale, provocando importanti inefficienze operative.
Per affrontare tale problema, è stato sviluppato un nuovo approccio metodologico che integra l’analisi ABC con modelli previsionali avanzati. Il lavoro comprende la realizzazione di un classificatore automatico dei codici articolo, basato sui dati storici, e l’applicazione di algoritmi previsionali quali SARIMA, Random Forest e LSTM.
I risultati dimostrano un significativo potenziale risparmio economico e un netto miglioramento dell’efficienza operativa. Il modello proposto risulta inoltre scalabile e applicabile anche a contesti caratterizzati da domanda stagionale, aprendo nuove prospettive per ulteriori sviluppi.

This thesis aims to analyze the problem of operational inefficiency found in the way products are allocated within the warehouse managed by Transmec Log S.r.l. on behalf of the company Alfa S.p.a. In particular, the analysis revealed significant differences in costs and picking times between the main and secondary areas of the warehouse, aggravated by the absence of a dynamic system for reclassifying references. This critical issue becomes even more relevant assuming the presence of items characterized by intermittent demand. In fact, when an intermittent item is transferred to the secondary zone due to a temporary zero demand, the absence of systematic monitoring may prevent its timely return to the main zone, causing major operational inefficiencies. To address this problem, a new methodological approach was developed that integrates ABC analysis with advanced forecasting models. The work includes the implementation of an automatic item code classifier, based on historical data, and the application of forecasting algorithms such as SARIMA, Random Forest and LSTM. The results demonstrate significant potential economic savings and a marked improvement in operational efficiency. The proposed model is also found to be scalable and applicable to contexts characterized by seasonal demand, opening new prospects for further development.