Implementazione di modelli di previsione per la gestione della supply chain.

Modulo 1: Introduzione alla Supply Chain e alla Previsione della Domanda Definizione di Supply Chain L'importanza della previsione nella gestione della supply chain Panoramica delle tecniche di previsione più comuni Modulo 2: Fondamenti dei Modelli di Previsione Tipologie di modelli: statistici, basati su intelligenza artificiale, machine learning Differenze tra modelli qualitativi e quantitativi Le caratteristiche di un buon modello di previsione Modulo 3: Raccolta e Preparazione dei Dati Fonti di dati nella supply chain Pulizia e pre-processing dei dati Identificazione e trattamento degli outliers Modulo 4: Analisi delle Serie Temporali Cos’è una serie temporale e come interpretarla Componenti delle serie temporali: trend, stagionalità, ciclicità, irregolarità Modelli di analisi delle serie temporali (ARIMA, SARIMA) Modulo 5: Metodi Statistici per la Previsione Media mobile semplice e ponderata Modelli esponenziali (SES, Holt-Winters) Previsioni punto e intervallo Modulo 6: Previsione con il Modello ARIMA Cos'è ARIMA e come si applica nella supply chain Identificazione e selezione dei parametri Diagnosi e validazione del modello ARIMA Modulo 7: Machine Learning per la Previsione nella Supply Chain Introduzione al machine learning e sue applicazioni Modelli di regressione per la previsione Random Forest, XGBoost e Support Vector Machines Modulo 8: Tecniche Avanzate di Previsione con Deep Learning Introduzione al deep learning Reti neurali artificiali per la previsione della domanda LSTM e RNN per serie temporali complesse Modulo 9: Previsione Multivariata Integrazione di più variabili per la previsione (demanda, prezzo, promozioni) Modelli multivariati: VECM, VAR Analisi delle correlazioni tra variabili Modulo 10: Modelli Probabilistici per la Supply Chain Teoria della probabilità nella previsione Modelli probabilistici per la previsione della domanda Distribuzioni di probabilità e loro applicazione Modulo 11: Ottimizzazione dei Modelli di Previsione Calibrazione dei modelli attraverso tecniche di ottimizzazione Overfitting e underfitting: come evitarli Cross-validation e tuning dei modelli Modulo 12: Previsione della Domanda e Pianificazione della Produzione Colloquio tra previsione della domanda e gestione delle scorte Tecniche di pianificazione della produzione basate sulla previsione Modelli di rifornimento: ROP, EOQ, JIT Modulo 13: Previsione e Gestione degli Stock Previsione e approvvigionamento: come calcolare i livelli ottimali di stock Modelli di gestione delle scorte (economic order quantity, safety stock) Simulazioni per la gestione dei livelli di scorte Modulo 14: Integrazione dei Modelli di Previsione con la Supply Chain Digitale Digitalizzazione e il ruolo delle piattaforme ERP e SCM Integrazione tra modelli di previsione e software di gestione della supply chain Tecnologie emergenti: IoT, Blockchain, AI per la supply chain Modulo 15: Monitoraggio e Valutazione delle Performance dei Modelli di Previsione Indicatori chiave di performance (KPI) per la valutazione dei modelli Monitoraggio continuo e aggiornamento dei modelli di previsione Best practices per migliorare l’affidabilità e l'efficacia dei modelli