Sostenibilità e ottimizzazione della Supply Chain: valutazioni e modellazioni

Il presente lavoro di tesi si concentra sulla sostenibilità e ottimizzazione della Supply Chain e su alcuni casi studio indirizzati verso il miglioramento della performance della catena di fornitura. Dopo una definizione delle macro aree trattate in questo elaborato (sostenibilità e ottimizzazione & Supply Chain), si è proceduto a presentare quattro casi studio (sviluppati nel corso del Dottorato di ricerca) il cui obiettivo principale è il potenziamento di una particolare fase della Supply Chain. In particolare, il primo caso studio presentato si è concentrato sul recupero di rifiuti alimentari scartati dai punti vendita situati in Emilia Romagna e si basa su un modello precedentemente sviluppato da Bottani et al. (2018). Tramite questo modello di simulazione, si è indagato diversi scenari per la raccolta degli scarti alimentari, e per tutti questi scenari, si è presentata una valutazione economica circa il costo totale delle attività di Reverse Logistics. Nel secondo caso studio si è proposto un modello per la valutazione della sostenibilità economica e ambientale di un supermercato. Nel modello sono incorporati i processi chiave della sua Supply Chain, seguendo il flusso dei prodotti, ovvero ricevimento, immagazzinamento, gestione area vendita e gestione dei resi, per un totale di quasi 60 formule analitiche per quantificare il costo totale e le emissioni di CO2 dei quattro processi chiave. I risultati di questo studio forniscono una valutazione del costo totale e dell’impatto ambientale di un punto vendita. Questi possono essere utilizzati dai manager per identificare i processi su cui concentrarsi quando si valutano le strategie volte a ridurre l’impatto economico e ambientale del punto vendita. Nel terzo caso studio si è presentato un CVRPTW per minimizzare il tempo di trasporto soddisfacendo i vincoli di capacità del mezzo di trasporto e la domanda del cliente. In particolare, si è studiato questo modello per un’azienda che opera come fornitori di servizi CEP e si è sviluppato con IBM ILOG CPLEX in una procedura di ottimizzazione della simulazione, che ha preso in considerazione il tempo di viaggio dei veicoli e le richieste dei clienti. Più in generale, il modello sviluppato in questo studio può essere preso come punto di partenza per ulteriori valutazioni in altre aziende e può essere adattato a diversi scenari dal fornitore di servizi CEP. Nell’ultimo caso studio si è proposto un approccio adattato per ridurre la distanza di picking nei magazzini manuali. Per essere più precisi, questo lavoro ha suggerito la combinazione dell’algoritmo meta-euristico HS con quello FW; ha mostrato la sua applicazione al problema di picking in un magazzino manuale; ed ha testato le sue prestazioni in termini di viaggio e tempo computazionale. Tutti i passi di questo studio sono stati codificati in MATLAB® per essere eseguiti automaticamente. Complessivamente sono stati considerati 25 scenari, con 30 liste di prelievo casuali per ciascuno di essi, per un totale di 750 simulazioni. In generale, considerando i quattro lavori analizzati, si è cercato di contribuire alla letteratura già presente in materia individuando una serie di conclusioni generali. Naturalmente, in alcuni casi, i risultati ottenuti sono specifici per il caso studio presentato e non possono essere generalizzati; analogamente, in altri casi i risultati numerici sono dipendenti dai valori di input inseriti nei modelli. Tuttavia, lo stesso approccio potrebbe essere generalizzato e utilizzato per l’analisi di sistemi differenti. Inoltre, sono state definite delle linee guida che possono essere adottate nella pratica e possono offrire interessanti spunti a manager aziendali. Concludendo, le attività svolte hanno dimostrato come la modellazione e le valutazioni si siano rivelati strumenti validi per l’ottimizzazione di una Supply Chain. Questi approcci, infatti, permettono di riprodurre sistemi complessi che difficilmente potrebbero essere risolti con altri approcci. Inoltre, permettono di modificare facilmente le logiche implementate nei modelli per studiare soluzioni alternative ed identificare quella ottimale.