Logistica nei sistemi di produzione distribuiti: una metodologia basata sul reinforcement learning
Negli ultimi anni sia il mondo accademico che quello delle imprese hanno mostrato crescente interesse verso il supply chain management (SCM). Il SCM un approccio per la gestione dei flussi di materiali e informazioni lungo la catena logistica o supply chain (SC), che enfatizza lintegrazione e lorientamento ai processi. La globalizzazione dei mercati e delle imprese richiede che il SCM venga applicato a sistemi di produzione distribuiti anche su scala internazionale. In questo lavoro si propone uno schema di classificazione dei modelli per la gestione di sistemi di produzione distribuiti, con particolare attenzione a quelli che considerano esplicitamente le variabili del contesto internazionale, in accordo con unimpostazione che viene denominata global supply chain management (GSCM). Successivamente, si propone una metodologia quantitativa, coerente con lapproccio GSCM, che si fonda sulla tecnica di intelligenza artificiale del reinforcement learning (RL). La metodologia applicata a un modello di sistema produttivo caratterizzato da nodi dislocati in diversi stadi logistici e aree geografiche. Dai risultati ottenuti si deducono linee guida e implicazioni gestionali per problemi reali.
