Razionalizzazione di un magazzino slow moving in una azienda metalmeccanica

ABSTRACT In passato valeva il motto “grande è meglio”. Le aziende avevano enormi magazzini che riempivano fino a che questi riuscivano a contenere merce. Ciò avveniva nella convinzione che gli alti costi della gestione delle scorte sarebbero stati superati dalle vendite. Negli ultimi anni le aziende hanno però radicalmente cambiato il loro approccio alla gestione delle rimanenze: queste, vengono considerate un eccesso e i magazzini con elevate scorte vengono visti come un‟opportunità mancata e capitale sprecato. I produttori sono sempre più consapevoli della necessità di minimizzare l‟inventario e massimizzare la rotazione dei prodotti. In questo contesto si inseriscono le problematiche connesse alla gestione delle scorte, con particolare riferimento al fenomeno dello slow moving, espressione che indica tutti i materiali a lenta movimentazione stoccati a magazzino. Questi spesso rappresentano un importante onere finanziario per le aziende: si sostengono costi di immobilizzo del capitale, di stoccaggio del materiale oltre a quelli connessi al rischio di obsolescenza. Molto spesso si tende a trascurare il problema, fino a quando le dimensioni di quest‟ultimo si ingrandiscono al punto di diventare una priorità aziendale da cui si cerca una rapida soluzione. L‟elaborato presenta un preliminare studio di caso che ha costituito il punto di partenza per la progettazione di un action plan per la riduzione e lo smaltimento degli item obsoleti e a bassa movimentazione di una realtà aziendale italiana del settore metalmeccanico di cui si presentano anche i primi risultati dell‟implementazione. Dopo aver fornito una panoramica teorica sul ruolo e la gestione delle scorte, si passa ad analizzare il problema dello slow moving in una particolare realtà aziendale, la Biffi s.r.l. di Fiorenzuola d‟Arda (Piacenza), un‟ impresa che dal 1955 produce attuatori per valvole. Esaminato il mercato di riferimento, il tipo di prodotto e il processo di fabbricazione, si passa all‟as-is del magazzino. Attraverso tale analisi, vengono poste in risalto le problematiche legate all‟identificazione, classificazione e gestione dei codici slow moving. E‟ stato proprio lo studio di questi dati che ha posto le basi per lo sviluppo dell‟action plan per la razionalizzazione delle giacenze a magazzino. Nell‟ultima parte dell‟elaborato ho quindi descritto le azioni intraprese e presentato i risultati ottenuti, che hanno consentito risparmi significativi senza effettuare investimenti , ma semplicemente utilizzando al meglio le risorse già disponibili.

Variational Quantum Splines: Moving Beyond Linearity for Quantum Activation Functions

Activation functions within neural networks play a crucial role in Deep Learning since they allow to learn complex and non-trivial patterns in the data. However, the ability to approximate non-linear functions is a significant limitation when implementing neural networks in a quantum computer to solve typical machine learning tasks. The main burden lies in the unitarity constraint of quantum operators, which forbids non-linearity and poses a considerable obstacle to developing such non-linear functions in a quantum setting. Nevertheless, several attempts have been made to tackle the realization of the quantum activation function in the literature. Recently, the idea of the QSplines has been proposed to approximate a non-linear activation function by implementing the quantum version of the spline functions. Yet, QSplines suffers from various drawbacks. Firstly, the final function estimation requires a post-processing step; thus, the value of the activation function is not available directly as a quantum state. Secondly, QSplines need many error-corrected qubits and a very long quantum circuits to be executed. These constraints do not allow the adoption of the QSplines on near-term quantum devices and limit their generalization capabilities. This thesis aims to overcome these limitations by leveraging hybrid quantum-classical computation. In particular, a few different methods for Variational Quantum Splines are proposed and implemented, to pave the way for the development of complete quantum activation functions and unlock the full potential of quantum neural networks in the field of quantum machine learning.