Tecniche avanzate per la gestione dei codici di inventario: il caso Gruppo TecnoFerrari S.p.A.

La MCIC (Multi-criteria inventory classification) raggruppa gli articoli dell'inventario in classi, ognuna delle quali ਠgestita da una specifica politica di riordino in base alla sua priorità . Tuttavia, la suddivisione degli articoli in classi e l'associazione delle politiche di riordino non vengono eseguite congiuntamente. Effettuare una simulazione esaustiva a livello di singolo codice inventariato per trovare la migliore politica di riordino per ogni articolo comporterebbe tempi e costi spropositati in casi reali dove si ha la necessità  di gestire contemporaneamente una grande quantità  di articoli. Tale progetto di tesi si basa su un caso di studio reale e mira a ridurre gli sforzi computazionali estraendo dalla popolazione di articoli un campione rappresentativo su cui eseguire una ricerca esaustiva delle migliori politiche di riordino, in questo modo ad ogni codice del campione verrà  associata la migliore politica di riordino. Successivamente, un algoritmo di machine learning supervisionato viene addestrato, tramite tali codici, per imparare a classificare gli articoli fuori campione, basandosi sui valori che mostrano nei criteri di classificazione.