Sviluppo di un algoritmo per la pianificazione di accessori e kit: il caso Magni TH

La pianificazione della domanda rappresenta un elemento centrale nei processi di gestione della supply chain, in particolare nei contesti caratterizzati da elevata varietà di configurazioni di prodotto e forte interdipendenza tra prodotti principali e accessori. In tali contesti, la qualità delle previsioni influisce direttamente sull’efficienza operativa, sulla gestione delle scorte e sulla stabilità del processo decisionale. Il presente lavoro analizza il processo di pianificazione degli accessori e dei kit in un contesto industriale reale, caratterizzato da un’ampia gamma di allestimenti associabili a diverse famiglie di macchine. Dopo aver ricostruito e formalizzato il processo attualmente utilizzato (modello AS-IS), vengono evidenziate alcune criticità legate all’utilizzo di medie storiche semplici, alla limitata capacità di rappresentare la variabilità della domanda e all’elevato impegno operativo richiesto per la gestione manuale del processo. Sulla base di tali evidenze viene sviluppato un modello algoritmico di previsione implementato in ambiente Python, che separa la componente di domanda dipendente (bundled) da quella indipendente (standalone). Il modello introduce un calcolo dell’attachment rate basato su finestra temporale mobile e pesatura delle osservazioni storiche, una modellazione parametrica del sell-out delle macchine a stock e una stima della domanda standalone fondata su media pesata e componente stagionale. Il confronto tra i due approcci, condotto su dati reali di vendita, mostra un miglioramento dell’accuratezza previsionale e una significativa riduzione del tempo operativo necessario alla generazione del forecast. I risultati evidenziano come l’introduzione di strumenti algoritmici possa contribuire a rendere il processo di pianificazione più robusto, replicabile ed efficiente, mantenendo al contempo il ruolo decisionale del planner nella fase finale di validazione.