Intelligenza Artificiale e Machine Learning applicata alla Supply Chain del Fashion

IT4F 2020 - 02/12/2020 15:30

Il mondo fashion sperimenta tecniche di intelligenza artificiale per il settore Retail e vendite e_commerce, ma non esiste nessuna applicazione riguardante la supply chain del settore. Siamo convinti che, se attraverso i dati della rete si possono conoscere gusti e comportamento del cliente, nello stesso modo attraverso l’analisi dei dati aziendali, possiamo definire, per ogni classe di prodotto, quale sia il canale produttivo preferenziale e la migliore combinazione tra fornitore di materia prima e fornitore di lavorazione interna o esterna. 

Il nostro progetto applica tecniche di intelligenza artificiale nello specifico settore della supply chain del fashion.

Analizzando il più grande volume di dati possibile, cerchiamo le correlazioni che possono emergere tra dati apparentemente disomogenei come volumi di produzione, varietà di modelli, aree produttive, fornitori, complessità dei prodotti, materia prima, risultati del controllo qualità.

La trasformazione digitale è tema ormai avviato e ad oggi le aziende hanno capito l’importanza di utilizzare il risultato della digitalizzazione, i dati, in processi che ne trovino un’interpretazione “intelligente”, utile poi a suggerire la corretta trasformazione di processi e comportamenti.

L’intelligenza artificiale rappresenta un ulteriore strumento in questa corsa all’efficientamento che sta alzando l’asticella della competitività su sempre più mercati. NeI fashion i più importanti marchi del lusso sperimentano nuove tecnologie nell’ambito retail ed utilizzano l’IA per conoscere in modo più approfondito il comportamento ed i gusti dei loro clienti, nei negozi ed online.

Queste sperimentazioni però non sono ancora state estese alla Supply Chain del settore, così abbiamo deciso di iniziare con i primi progetti esplorativi. Siamo convinti che attraverso l’analisi dei dati aziendali possiamo definire, per ogni classe di prodotto, quale sia il canale produttivo preferenziale e la migliore combinazione tra fornitore di materia prima e fornitore di lavorazione interna o esterna.

Con le informazioni a disposizione, derivanti soprattutto dall’ERP, cerchiamo le correlazioni che possono emergere tra dati apparentemente disomogenei come volumi di produzione, varietà di modelli, aree produttive, fornitori, complessità dei prodotti, materia prima, risultati del controllo qualità. Per farlo abbiamo dunque progettato un’architettura che convogli tutte queste informazioni all’interno di un “contenitore” che ordini e formatti i dati che saranno analizzati.

Il progetto si divide in cinque fasi:

  1. ProgettazioneStealth Staging Area” identificazione dei volumi e preselezione del dato originale presente in Stealth
  2. Architettura: Stealth Staging Area, Flussi di comunicazione, Oracle Autonomus Cloud
  3. Data mining: Analisi dei dati estratti e di informazioni implicite per renderli fruibili e correttamente formattati.
  4. Machine learing: Esplorazione dei dati formattati, allo scopo di identificare modelli, tendenze e correlazioni casuali al momento ignote
  5. AI: Applicazione di tecniche di AI che utilizzano le correlazioni, per effettuare in modo autonomo scelte di carattere produttivo.

Il nostro tema di approfondimento lo dedicheremo alle prime due fasi di Progettazione della “Stealth Staging Area” e dell’architettura. La prima fase necessaria è stata la selezione dei dati dalla grande disponibilità che la piattaforma Stealth offre.

Contemporaneamente, abbiamo dovuto operare delle trasformazioni strutturali di un dato che nasce secondo logiche differenti rispetto all’utilizzo finale di un sistema di machine learning.

Tra tutte le informazioni che Stealth mette a disposizione per finalizzare una produzione complessa, riportiamo le principali che costituiscono la base dati del nostro progetto: distinta base del prodotto, numero di componenti, classi d’impiego, fasi di lavorazione, fornitori di lavorazione, classificazione di materie prime, aree produttive, complessità del prodotto.

La complessità del prodotto ci ha portato a dover tralasciare le caratteristiche definibili dalla sensibilità dell’uomo e di dedicarci a quelle deducibili da informazioni fornite dal sistema, stabilendo un ranking di complessità da includere nel set di dati.

Il nostro progetto si sta svolgendo in questi mesi, e stiamo lavorando alla fase di data mining, utilizzando Oracle Autonomous Cloud interfacciato a Stealth.

Siamo disponibili ad accogliere altre aziende che vogliano partecipare a questa fase di sperimentazione garantendo la riservatezza delle informazioni. Con più dati da analizzare si avranno più indicazioni e suggerimenti per migliorare la fase di apprendimento e raggiungere risultati più mirati.

Santo Lombardo

Santo Lombardo

Consultant Executive di Dedagroup Stealth

Santo Lombardo, ricopre il ruolo di Consultant Executive Fashion & Retail per Dedagroup Stealth. Ha sviluppato e consolidato la propria esperienza professionale lavorando per i più importanti brand del lusso. Accompagna le aziende della moda nella loro fase delicata di trasformazione del business ed implementazione della piattaforma Stealth ®

IT4Fashion 2020

Sponsor opportunity