Cirfood, impresa cooperativa operante in diversi ambiti della ristorazione collettiva e commerciale, puntando all’obiettivo di ridurre gli sprechi di cibo, ha implementato un sistema di demand forecasting e di ottimizzazione dell’inventario che sfrutta algoritmi di intelligenza artificiale.
Questa soluzione si articola in due fasi:
– Demand Forecasting: grazie a modelli di machine learning in grado di apprendere autonomamente i trend futuri partendo dai dati, vengono effettuate delle previsioni della domanda di mercato per il mese successivo, cosi’ da conoscere anticipatamente la richiesta di cibo che arrivera’ da mense e cucine.
– Inventory Optimization: l’algoritmo di AI sfrutta le previsioni effettuate per suggerire il momento in cui effettuare gli ordini ai fornitori, cosi’ da avere merce sufficiente per soddisfare il fabbisogno e, contemporaneamente, minimizzare il volume immobilizzato a magazzino, limitando gli sprechi. A questo si affianca una scorta di sicurezza in magazzino, utile per gestire eventuali situazioni imprevedibili.
Un sistema di “smart alert”, inoltre, assegna specifiche priorita’ ai riordini, segnalando la merce piu’ urgente da ordinare e quella che potrebbe essere a maggior rischio di deperimento, da utilizzare velocemente, per evitare sprechi.
L’obiettivo a cui si punta, con l’introduzione di questa nuova soluzione, e’ una riduzione degli sprechi del 15 percento e una diminuzione di 111 tonnellate dello stoccaggio medio in magazzino.
La riduzione media del volume dello stock, inoltre, comporta anche una riduzione dell’occupazione degli spazi, con conseguente semplificazione della logistica interna e maggiore possibilita’ di centralizzazione.
Il sistema, che pianifica quotidianamente il riordino ai fornitori per il mese successivo riaggiornandosi in autonomia, e’ utilizzabile attraverso una Web App che garantisce il totale controllo e monitoraggio delle scelte effettuate dagli algoritmi.
L’output finale, infatti, e’ solo un suggerimento per gli operatori, i quali potranno basarsi sulle indicazioni del sistema al fine di scegliere l’opzione migliore, in base alla loro esperienza.