L'Intelligenza Artificiale come Strumento per la Pianificazione Logistica dei Magazzini: Un Approccio Basato sul Data Mining

This thesis examines the application of Artificial Intelligence (AI) in warehouse logistics planning, with a particular focus on a data mining-based approach. The objective is to analyze the use of AI to improve the operational efficiency of warehouses through data analysis and extraction, enabling more accurate inventory management and optimization of logistics processes. The first chapter traces the origin and evolution of artificial intelligence, concluding with a general overview that defines and explains the concepts of logistics, supply chain, and the most significant historical milestones. In the second chapter, thanks to data extraction from various open-source datasets, a data mining-based approach is presented for predictive analysis, resource optimization, and logistics activity planning. Finally, the third chapter reports the analysis results, showing how AI integration in logistics planning has improved certain processes, reducing costs and errors in inventory management while increasing performance. The conclusion reflects on the benefits and challenges of AI usage, offering suggestions for future developments.

Questa tesi prende in esame l'applicazione dell'Intelligenza Artificiale (IA) nella pianificazione logistica dei magazzini, con particolare attenzione a un approccio basato sul data mining. L'obiettivo è analizzare l’applicazione dell’intelligenza artificiale (IA) usata per migliorare l'efficienza operativa dei magazzini attraverso l'analisi e l'estrazione di dati, permettendo una gestione più accurata delle scorte e un'ottimizzazione dei processi logistici. Il primo capitolo introduttivo ripercorre la nascita e l’evoluzione dell’intelligenza artificiale, concludendo, attraverso una panoramica generale, con la definizione e spiegazione del concetto di logistica, supply chain e delle tappe storiche più significative. Nel secondo capitolo, grazie all’estrazione di dati ricavati da alcuni dataset open source, viene presentato un approccio basato su tecniche di data mining per l'analisi predittiva, l'ottimizzazione delle risorse e la pianificazione delle attività logistiche. Infine, il terzo capitolo riporta i risultati dell'analisi, mostrando come l'integrazione dell'IA nella pianificazione logistica abbia portato a migliore alcuni processi, riducendo costi ed errori nella gestione delle scorte e incrementando le prestazioni. La conclusione riflette sui benefici e sulle sfide dell’utilizzo dell'IA, offrendo suggerimenti per sviluppi futuri.