Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Zanetti -Big data analytics nella logistica di magazzino

24 views

Published on

Zanetti
Big data analytics nella logistica di magazzino:un esempio di applicazione del software MoviSped di Tecno-Soft.
Ce ne parla Francesco Vincenti di Zanetti
( Evento Tenenga Tecno-Soft "Tra i motori dell'innovazione", Museo Lamborghini, 20 settembre 2019).

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Zanetti -Big data analytics nella logistica di magazzino

  1. 1. BIG DATAANALYTICS NELLA LOGISTICA DI MAGAZZINO
  2. 2. • 93 PAESI RAGGIUNTI IN CINQUE CONTINENTI • 540.000 FORME DI GRANA PADANO COMMERCIALIZZATE ALL’ANNO • 4.600 ETTOLITRI DI LATTE LAVORATO AL GIORNO • FATTURATO DI CIRCA 480 MILIONI ALL’ANNO
  3. 3. Prodotti
  4. 4.  Ritiro giornaliero di latte: 200.000 litri  Produzione media giornaliera: circa 400 forme di Grana Padano  Capacità annua di lavorazione del latte: 56 Milioni di litri  Stagionatura: 20.000 forme di Grana Padano  18 dipendenti  Sito con maggiore capacità produttiva di Grana Padano  Ritiro giornaliero di latte: 330.000 litri  Produzione media giornaliera: circa 600 forme di Grana Padano  Capacità annua di lavorazione del latte: 90 Milioni di litri  Stagionatura: 210.000 forme di Grana Padano  81 dipendenti  Capacità giornaliera di lavorazione: 2.000 forme  Circa 300 Ton di formaggio confezionato prodotto settimanalmente  10 linee dedicate alla grattugia  Spedizioni nazionali e internazionali  105 dipendenti  19 dipendenti  Produzione e confezionamento di formaggio grattugiato essicato  Capacità giornaliera di lavorazione: 1.000 forme  Stagionatura: 150.000 forme di Parmigiano Reggiano  Spedizioni nazionali e internazionali  Circa 150 Ton di Parmigiano Reggiano confezionato prodotto settimanalmente  95 dipendenti  Stagionatura: 150.000 forme di Grana Padano  5 dipendenti  Stagionatura: 180.000 forme di Parmigiano Reggiano  4 dipendenti San Gervasio - Brescia Lavis - Trento Rovato - Brescia Reggio Emilia Corcagnano - Parma Panocchia – Parma Marmirolo- MantovaLallio -Bergamo  Sede legale, commerciale e amministrativa  Confezionamento formaggi a pasta dura e a pasta molle  Spedizioni nazionali e internazionali  Stagionatura: 140.000 forme di Grana Padano  133 dipendenti Stabilimenti
  5. 5.  Magazzino di stagionatura completamente automatizzato  Stagionatura: 160.000 forme di Grana Padano Castelbelforte-Mantova
  6. 6. Performance
  7. 7. Il Business Need All’interno dell’azienda è presente una divisione che commercializza circa 1.000 tipi diversi di formaggi prevalentemente distribuiti al canale Normal Trade, quindi con una frequenza di picking molto elevata. L’esigenza era trovare la configurazione ideale della cella di prodotto finito in modo da massimizzare l’efficienza del picking. La Soluzione Utilizzare in maniera congiunta un’analisi tabellare, un’analisi grafica e una basket analysis per evidenziare la distanza percorsa con la vecchia configurazione dal punto di picking ad ogni singolo punto di prelievo e quale invece sarebbe stata la configurazione ottimale. I Benefici ottenuti Con gli stessi prodotti presenti nella cella di prodotto finito, con la nuova configurazione, gli addetti al prelievo avrebbero percorso 756.540 metri (ben 756 chilometri) in meno rispetto a quelli che hanno realmente percorso con la vecchia configurazione nell’arco di due mesi. Picking Analysis
  8. 8.  DB Warehouse Management System (Tabella dei movimenti contenente più di 100 milioni di records)  DB Enterprise Resource Planning (Tabella contenente le anagrafiche dei prodotti)  Excel Table (Tabella create appositamente in excel per riuscire a posizionare graficamente in maniera corretta i prodotti nelle loro ubicazioni)  Layout della cella WMS ERP EXCEL Sorgenti dei dati
  9. 9.  Per ottenere il modello di dati su cui effettuare le analisi in maniera efficiente è stato necessario agire sulle tabelle di origine facendo operazioni di pulizia, di aggregrazione e di filtro Data modeling
  10. 10.  Le tabelle importate nel modello di dati vengono messe in relazione fra loro per ottenere valori corretti Relazioni tra tabelle
  11. 11. Il Business Need Le forme di formaggio di proprietà dell’azienda vengono stagionate in diversi magazzini, alcuni di proprietà dell’azienda altri di terzi pertanto è fondamentale conoscere in ogni momento lo stato di occupazione di ogni singolo magazzino di stagionatura di proprietà, con informazioni di dettaglio relative alla categoria, alla subcategoria e al grado di stagionatura del formaggio. La Soluzione Un insieme di reports che formano un cruscotto molto efficace che permette di monitorare costantemente la situazione di ogni magazzino con tutte le informazioni di dettaglio legate alla stagionatura e ai vari lotti di produzione. I Benefici ottenuti Ottimizzando l’efficienza dei magazzini interni di stagionatura si è abbassato il costo totale di stagionatura presso i magazzini di terzi e allo stesso tempo la giacenza divisa per mesi di stagionatura permette di verificare in ogni momento se il fabbisogno di una determinata stagionatura è sufficiente. Stock Analysis
  12. 12. Benefici Managerial skills e tecnologia Una forte integrazione fra le capacità manageriali di tipo analitico e quantitative, la conoscenza del processo di business dal quale hanno origine I dati e la tecnologia possono condurre a risultati straordinari in breve tempo. Self service Business Intelligence Migliore Time To Market. Nessun tecnico di BI coinvolto nel processo. Produttore e ultilizzatore sono la stessa persona. È possible aiutare chi partecipa, a tutti i livelli, al processo decisionale quotidiano a prendere decisioni migliori. Data visualization Trovare il modo migliore per presentare i dati in una forma che sia facilmente interpretabile e di immediate fruizione.
  13. 13. Francesco Vincenti Zanetti Spa zanetti@zanetti-spa.it

×