CIRFOOD, impresa cooperativa con 13.000 dipendenti, che opera in diversi ambiti della ristorazione collettiva (aziendale, scolastica e sociosanitaria), oltre che commerciale, ha implementato un sistema di demand forecasting e di ottimizzazione dell’inventario, sviluppato da Ammagamma, che si basa su algoritmi di intelligenza artificiale.
CIRFOOD è una delle realtà più importanti nel settore della ristorazione collettiva e fa parte dell’Alleanza per l’Economia Circolare, gruppo di grandi aziende innovative che ha presentato la roadmap verso un modello economico circolare.
Uno degli obiettivi di CIRFOOD è la riduzione degli sprechi di cibo. Questo comporta un’attenta pianificazione in fase di produzione e approvvigionamento, che prevede diverse fasi di analisi ed un’efficiente gestione della logistica. E’ proprio in questo contesto che è nata la partnership con Ammagamma e i suoi esperti, intervenuti per sviluppare un sistema ad hoc che ha un impatto notevole sulla gestione del magazzino e garantisce l’efficienza della logistica e la sostenibilità di processo. Questa soluzione consiste in due fasi:
– Demand Forecasting, fase in cui si prevede la domanda di mercato per il mese successivo, in modo da sapere la richiesta di cibo che arriverà dalle mense e dalle cucine gestite da CIRFOOD. Le previsioni vengono effettuate attraverso modelli di machine learning che apprendono autonomamente quelli che saranno i trend futuri a partire dai dati.
– Inventory Optimization, fase in cui l’algoritmo di AI utilizza le previsioni della domanda per suggerire il momento in cui fare gli ordini ai fornitori, in modo tale da avere merce sufficiente per soddisfare il fabbisogno e allo stesso tempo minimizzare il volume immobilizzato a magazzino, abbattendo gli sprechi. Questo risultato viene raggiunto mantenendo una scorta di sicurezza in magazzino, utile per poter gestire eventuali situazioni imprevedibili.
Inoltre, un sistema di “smart alert” assegna specifiche priorità ai riordini, evidenziando sia qual è la merce più urgente da ordinare, per evitare understock, sia quale potrebbe essere quella a maggiore rischio di deperimento, da utilizzare velocemente, per evitare sprechi.
“Grazie a questa soluzione puntiamo ad ottimizzare la movimentazione dei magazzini. Abbiamo l’obiettivo di ridurre gli sprechi del 15% e di diminuire di 111 tonnellate lo stoccaggio medio in magazzino” ha commentato Massimiliano Merenda, Procurement & Supply Chain Executive Director CIRFOOD.
Il riordino ottimizzato riduce il tempo medio in cui i prodotti restano in giacenza e questo è un ulteriore vantaggio: CIRFOOD è infatti in grado di fornire ai propri clienti merce sempre più “fresca”. La notevole riduzione media del volume dello stock comporta, oltre a minori costi associati, anche una riduzione dell’occupazione degli spazi, con conseguente semplificazione della logistica interna e maggiore possibilità di centralizzazione.
“Grazie alla capacità di auto apprendimento, i sistemi di IA sono in grado di prevedere in modo continuativo la rapida evoluzione del mercato”, ha commentato Simone Stancari, Head of Project Management di Ammagamma. “Questa caratteristica è fondamentale per mantenere sempre un’efficace gestione della logistica, anche in periodi di forte variabilità, come quello attuale”.
Il sistema, che pianifica quotidianamente il riordino ai fornitori per il mese successivo riaggiornandosi in autonomia, è fruibile attraverso l’utilizzo di una Web App che garantisce il totale controllo e monitoraggio delle scelte che vengono effettuate dagli algoritmi. L’output finale è un suggerimento per gli operatori, che potranno basarsi sui “consigli” del sistema per scegliere in ogni momento l’opzione migliore, in base alla loro esperienza.