Questo lavoro di tesi nasce da una collaborazione con l'unità  Vendor Managed Inventory (VMI) dell'azienda Barilla G. e R. Fratelli S.p.A., che si occupa della gestione degli ordini di vendita per la GDO. L'obiettivo del lavoro ਠquello di valutare il processo di Demand Forecasting dedicato al controllo dei profili di uscita e degli eventi promozionali per ciascun cliente. Il problema che viene analizzato ਠun confronto tra dati previsionali e dati reali per un certo periodo di tempo. Attraverso l'utilizzo di algoritmi di Machine Learning sono stati confrontati i diversi risultati ottenuti con il calcolo delle misure di errore.

Modelli per il Demand Forecasting Process. Il caso Barilla: VMI unit

2020

Abstract

Questo lavoro di tesi nasce da una collaborazione con l'unità  Vendor Managed Inventory (VMI) dell'azienda Barilla G. e R. Fratelli S.p.A., che si occupa della gestione degli ordini di vendita per la GDO. L'obiettivo del lavoro ਠquello di valutare il processo di Demand Forecasting dedicato al controllo dei profili di uscita e degli eventi promozionali per ciascun cliente. Il problema che viene analizzato ਠun confronto tra dati previsionali e dati reali per un certo periodo di tempo. Attraverso l'utilizzo di algoritmi di Machine Learning sono stati confrontati i diversi risultati ottenuti con il calcolo delle misure di errore.
2020
it
Dipartimento di Scienze e Metodi dell'Ingegneria
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
Tesi___Concetta_Ferrante_124337.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 1.48 MB
Formato Adobe PDF
1.48 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/302057
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-302057