La Ricerca Operativa al servizio della moda - Università degli Studi ...
La Ricerca Operativa al servizio della moda - Università degli Studi ...
La Ricerca Operativa al servizio della moda - Università degli Studi ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>La</strong> <strong>Ricerca</strong> <strong>Operativa</strong> <strong>al</strong> <strong>servizio</strong> <strong>della</strong> <strong>moda</strong><br />
Fabio Schoen<br />
<strong>La</strong>boratorio di Ottimizzazione Glob<strong>al</strong>e “Gerardo Poggi<strong>al</strong>i”<br />
Dipartimento di Sistemi e Informatica<br />
<strong>Università</strong> <strong>degli</strong> <strong>Studi</strong> di Firenze<br />
D<br />
Casi svolti in collaborazione con:<br />
Rin<strong>al</strong>do Rin<strong>al</strong>di, Alessandro Lori, Mirko Maischberger<br />
29 Aprile 2011<br />
S<br />
I<br />
KKT<br />
Unexpected Improvements
Outline <strong>della</strong> presentazione<br />
abbinamento ordini/magazzino<br />
pianificazione ottim<strong>al</strong>e <strong>della</strong> produzione<br />
KKT<br />
Unexpected Improvements
Abbinamento ordini/magazzino<br />
Contesto: Processo di assegnazione delle giacenze di<br />
magazzino <strong>al</strong>le righe d’ordine<br />
Ordini clienti: ogni cliente emette un ordine composto da<br />
<strong>al</strong>cuni articoli; di ogni articolo viene richiesto<br />
un assortimento di taglie<br />
Problema: bagni di colore differenti<br />
KKT<br />
Unexpected Improvements
agni di colore<br />
Standard Sopratono Sottotono<br />
KKT<br />
Unexpected Improvements
Richiesta<br />
evadere il massimo numero di ordini<br />
soddisfare il massimo numero di clienti<br />
evitare di rifornire lo stesso cliente con bagni di<br />
colore differenti<br />
evasione parzi<strong>al</strong>e di una riga d’ordine<br />
KKT<br />
Unexpected Improvements
Dati di ingresso: righe d’ordine, assortimento<br />
magazzino (ripartito in base a modello, taglia, bagno<br />
di colore)<br />
Variabili: decisioni sull’<strong>al</strong>locazione delle righe<br />
d’ordine ad un bagno di colore specifico<br />
Obiettivo: diversi modelli:<br />
Massimizzare il numero di ordini (clienti) evasi<br />
Massimizzare il volume <strong>degli</strong> ordini evasi (tot<strong>al</strong>e<br />
articoli consegnati)<br />
KKT<br />
Unexpected Improvements
Complessità: mediamente circa 600 ordini <strong>al</strong> giorno da<br />
evadere; 11 taglie disponibili; tre ton<strong>al</strong>ità di colore<br />
Modello di ottimizzazione con 1 800 variabili, più di 600<br />
equazioni.<br />
Risolto <strong>al</strong>l’ottimo con <strong>al</strong>goritmi di ricerca operativa in<br />
meno di 5 secondi di c<strong>al</strong>colo.<br />
KKT<br />
Unexpected Improvements
Esempio d’uso: max numero<br />
articoli consegnati<br />
Volume Pezzi assegnati<br />
Art. Dispon. Ordini “As is” UniFi diff%<br />
a 2692 3148 2029 2397 +18.13%<br />
b 3953 3921 3008 3804 +26.46%<br />
c 1165 1330 714 928 +29.97%<br />
d 1760 1741 1420 1595 +12.32%<br />
e 1081 1286 872 1041 +19.38%<br />
f 2628 3040 1892 2439 +28.91%<br />
g 1396 1430 952 1106 +16.18%<br />
h 656 851 410 526 +28.29%<br />
i 2853 3113 2527 2835 +12.19%<br />
Tot. 18184 19092 13824 16671 +20,59%<br />
KKT<br />
Unexpected Improvements
Esempio d’uso: max numero<br />
ordini consegnati<br />
Volume Ordini soddisfatti<br />
Art. Ordini “As is” UniFI diff%<br />
a 453 283 392 +38.52%<br />
b 525 397 519 +30.73%<br />
c 173 89 147 +65.17%<br />
d 262 210 243 +15.71%<br />
e 183 118 166 +40.68%<br />
f 404 245 360 +46.94%<br />
g 206 130 174 +33.85%<br />
h 93 54 75 +38.89%<br />
i 367 293 356 +21.50%<br />
Tot. 2666 1819 2432 +33,70%<br />
KKT<br />
Unexpected Improvements
Programmazione produzione<br />
Produzione di fibbie e guarnizioni met<strong>al</strong>liche<br />
Circa 16 000 pezzi <strong>al</strong> giorno – 3 500 000 <strong>al</strong>l’anno<br />
Sequenza standard di lavorazione:<br />
Stampa → Officina → Pulimentatura → Finitura g<strong>al</strong>vanica<br />
KKT<br />
Unexpected Improvements
Situazione an<strong>al</strong>izzata<br />
Produzione fibbie anno 2008<br />
(900 articoli, 1.530.222 pezzi)<br />
Per ciascun articolo:<br />
stima occupazione delle risorse (Stampa, Officina,<br />
Pulimentatura, G<strong>al</strong>vanica)<br />
data arrivo ordine, data consegna prevista<br />
Per ciascun reparto:<br />
capacità produttiva<br />
KKT<br />
Unexpected Improvements
Ottimizzazione<br />
Modello misto intero (variabili: data di inizio produzione<br />
per ciascun articolo)<br />
Pen<strong>al</strong>ità per consegne anticipate, pen<strong>al</strong>ità più elevata per<br />
consegne in ritardo)<br />
Confronto situazione “as is” e simulazione<br />
(programmazione settiman<strong>al</strong>e):<br />
Consegne: puntu<strong>al</strong>i in ritardo in anticipo<br />
“As is” 37% 37% 26%<br />
Simulazione 81% 12% 7%<br />
Sono state re<strong>al</strong>izzate molte <strong>al</strong>tre applicazioni simili presso<br />
diversi produttori di <strong>moda</strong><br />
KKT<br />
Unexpected Improvements
An<strong>al</strong>isi di un caso re<strong>al</strong>e<br />
Classi: Ordini di produzione divisi in 3 classi:<br />
A: max 30 giorni<br />
B: max 60 giorni<br />
C: max 90 giorni<br />
Risorse Due “macchine” disponibili (una solo per metà<br />
giornata), un gruppo di operatori, una serie di<br />
attrezzature speci<strong>al</strong>i disponibili in quantità<br />
limitata. Ogni ordine è pre–assegnato ad un<br />
preciso operatore.<br />
Criticità <strong>La</strong> programmazione tende ad inseguire<br />
l’urgenza: vengono schedulate per prime le<br />
operazioni di classe A, generando ritardi<br />
molto consistenti sulle <strong>al</strong>tre due classi<br />
KKT<br />
Unexpected Improvements
Soluzione re<strong>al</strong>izzata<br />
(<strong>al</strong>lo stato prototip<strong>al</strong>e)<br />
Dati: raccolte informazioni sui prodotti di un periodo<br />
di 9 mesi<br />
Informazioni sulle disponibilità effettive di ogni<br />
risorsa<br />
Variabili: decisione sulla produzione settiman<strong>al</strong>e;<br />
possibilità di rivedere la programmazione di<br />
settimana in settimana in base <strong>al</strong>l’arrivo di<br />
nuovi ordini<br />
Obiettivo: Minimizzazione di una pen<strong>al</strong>ità associata <strong>al</strong><br />
ritardo con cui ciascun ordine viene eseguito<br />
rispetto <strong>al</strong> tempo previsto d<strong>al</strong>la classe di<br />
appartenenza<br />
KKT<br />
Unexpected Improvements
Classe di priorità: A (max 30g)<br />
ritardo medio mediana ritardo % in tempo<br />
(settimane) (settimane)<br />
Storico: 1.74 0 76%<br />
Ottimizzato: 2.05 0 69%<br />
Classe di priorità: B (max 60g)<br />
ritardo medio mediana ritardo % in tempo<br />
(settimane) (settimane)<br />
Storico: 6.15 7 18.8%<br />
Ottimizzato: 3.73 2.5 43.8%<br />
Classe di priorità: C (max 90g)<br />
ritardo medio mediana ritardo % in tempo<br />
(settimane) (settimane)<br />
Storico: 4.67 4 18.8%<br />
Ottimizzato: 0.95 0 86.6%<br />
KKT<br />
Unexpected Improvements
Casi<br />
180<br />
160<br />
140<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Confronto ritardi settiman<strong>al</strong>i Classe 1<br />
0 5 10 15 20<br />
settimane<br />
Dati re<strong>al</strong>i<br />
Ottimizzazione<br />
KKT<br />
Unexpected Improvements
Casi<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
Confronto ritardi settiman<strong>al</strong>i Classe 2<br />
0 5 10 15 20<br />
settimane<br />
Dati re<strong>al</strong>i<br />
Ottimizzazione<br />
KKT<br />
Unexpected Improvements
Casi<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
Confronto ritardi settiman<strong>al</strong>i Classe 3<br />
0 10 20 30 40 50<br />
settimane<br />
Dati re<strong>al</strong>i<br />
Ottimizzazione<br />
KKT<br />
Unexpected Improvements
KKT<br />
Unexpected Improvements<br />
Evoluzione: da <strong>La</strong>boratorio Universitario a Spin-Off<br />
Universitario (attu<strong>al</strong>mente in pre–incubazione) dedicato<br />
<strong>al</strong>la consulenza, il supporto <strong>al</strong>le decisioni, lo sviluppo<br />
software per l’ottimizzazione di processi produttivi,<br />
organizzativi e di <strong>al</strong>locazione di risorse.<br />
S<br />
Alessandro Lori D<br />
Mirko Maischberger I<br />
Fabio Schoen fabio.schoen@unifi.it<br />
055 479 63 58<br />
Trasformiamo vincoli in opportunità