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.| 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.
https://hdl.handle.net/20.500.14242/302057
URN:NBN:IT:UNIMORE-302057