L’automazione svolge un ruolo chiave nell’evoluzione della produzione moderna, spingendo l’industria verso fabbriche intelligenti e interconnesse.
Questa trasformazione è profondamente radicata nel paradigma dell’Industria 4.0, che enfatizza l’aumento dell’efficienza, della competitività e della sostenibilità delle imprese industriali. All’interno di questa trasformazione, la gestione efficace e l’ottimizzazione dello stoccaggio delle merci sono componenti cruciali.
Una soluzione importante che incarna questa trasformazione è l’adozione di Dark Stores, un approccio adottato in vari settori. Tuttavia, nonostante la loro efficacia, massimizzare la performance dei dark store rappresenta una sfida cruciale: l’allocazione ottimale dei prodotti all’interno dei singoli moduli. L’efficienza del sistema dipende principalmente dalla capacità di pianificare e realizzare la allocazione dei prodotti all’interno delle unità di stoccaggio. In questo contesto, l’obiettivo principale di questo articolo è proporre un’efficiente strategia di allocazione dei prodotti basata sulle correlazioni dei prodotti dedotte dall’analisi degli ordini precedenti.
Esaminando i modelli e le relazioni tra i prodotti negli ordini passati, l’obiettivo è sviluppare una strategia intelligente di allocazione dei prodotti che migliori significativamente l’efficienza del processo di stoccaggio e recupero all’interno di Dark Stores. La soluzione proposta è stata confrontata con una strategia di allocazione casuale applicata in un caso di studio.
INTRODUZIONE
La crescita dell’e-commerce e degli acquisti online ha reso necessaria la creazione di magazzini per la distribuzione dei beni acquistati tramite piattaforme online. Ciò ha portato alla necessità di dark store, punti vendita chiusi al pubblico e situati nei centri urbani, dedicati allo stoccaggio, alla raccolta, allo smistamento e alla spedizione dei beni acquistati online (Nobre e Vita, 2021).
Inoltre, la diffusione del COVID-19 ha influito sul significativo aumento degli acquisti online comportando la diffusione dei dark store (Visible Capital, 2020). Il termine “Dark Store” è apparso per la prima volta nel 2009 nel Regno Unito, quando la catena di supermercati Tesco ha aperto i suoi primi negozi scuri a Croydon, Surrey e Aylesford (Gallo, 2020). I dark store sono magazzini di distribuzione che forniscono consegne ultraveloci, in pochi minuti, per i prodotti ordinati online tramite app. Questo concetto viene definito “consegna istantanea”, come descritto da Dablanc et al. (2017) (Dablanc et al., 2017).
I dark store rappresentano una soluzione efficiente per la preparazione degli ordini all’interno di un magazzino senza clienti, eliminando potenziali ostacoli e rallentamenti. In questo modo, sia il rifornimento degli scaffali che il prelievo della merce risultano attività più agevoli. I negozi oscuri consentono la sincronizzazione dell’inventario in tempo reale con il software di gestione, poiché gli operatori possono segnalare rapidamente gli articoli selezionati utilizzando i loro terminali. Inoltre, la disposizione degli scaffali nei negozi bui non è più strutturata in base alla logica aziendale rivolta al consumatore ma è ottimizzata per aumentare la produttività degli operatori nella preparazione degli ordini. I prodotti vengono disposti sugli scaffali in base alla loro velocità di rotazione e alle esigenze logistiche, sfruttando così una logistica efficiente(Gallo, 2020).
Strumenti software e hardware possono essere implementati all’interno di un dark store che riesce a velocizzare e rendere più efficienti tutte le operazioni, offrendo un migliore servizio al cliente. La creazione di un Dark Store richiede una profonda conoscenza dei clienti e delle loro preferenze per gestire in modo efficace gli assortimenti e il posizionamento dei prodotti. Ciò richiede l’integrazione di strumenti di analisi dei dati, tra cui algoritmi di machine learning, data mining, strumenti di business intelligence, gestione delle relazioni con i clienti e altre tecnologie pertinenti. Queste tecnologie di analisi dei dati vengono utilizzate anche per la previsione della domanda per gestire le quantità di inventario e le scorte di sicurezza (Makarchuk, 2023).
Inoltre, è essenziale implementare un software di gestione del magazzino (WMS) per la gestione dell’inventario, che consenta di controllare la movimentazione delle merci, il rifornimento delle scorte e il prelievo (Deagor, 2021).
Un sistema avanzato di rifornimento, sfruttando tecniche di intelligenza artificiale, utilizza la previsione della domanda per bilanciare tra il rischio di esaurimento delle scorte e il rischio di spreco per ordine, considerando i livelli di inventario e di domanda. Un altro aspetto da considerare è l’ottimizzazione della gestione degli spazi all’interno dei dark store, che, una volta ottimizzata, consente la massima disponibilità e velocità.
La pianificazione dei dark store dipende dalla strategia di picking implementata. Indipendentemente dalla strategia scelta, una pratica comune è posizionare gli articoli più richiesti vicino all’ingresso del magazzino buio per migliorare l’efficienza del prelievo (Uskonen, 2021). L’ottimizzazione degli scaffali è strettamente correlata alla previsione della domanda. Pertanto, l’implementazione di un sistema unificato che incorpori i dati della domanda nella creazione del planogramma può ottimizzare lo spazio sugli scaffali per ciascun prodotto, garantendo un flusso efficiente di merci in entrata e il posizionamento localizzato dei prodotti. È possibile ottenere miglioramenti significativi nell’efficienza del prelievo organizzando strategicamente le posizioni di prelievo, riempiendo gli scaffali e raggruppando i prodotti in categorie in base alla loro velocità di movimento, ad esempio articoli a movimento rapido, lento, a movimento medio o ingombranti. Inoltre, allineando le capacità di prelievo con la velocità delle vendite, le esigenze di rifornimento possono essere ridotte al minimo (Your Coach Retail, n.d.).