Sei sulla pagina 1di 116

UNIVERSIT DEGLI STUDI DI SIENA

FACOLT DI INGEGNERIA

CORSO DI LAUREA SPECIALISTICA IN NGEGNERIA INFORMATICA




Modelli ed algoritmi per il coordinamento
di supply chain multilivello


Relatore
Prof. Paolo Detti


Tesi di Laurea di
Lorenzo Cacchiani




Anno Accademico 2007-2008





















A tutti coloro che mi hanno aiutato e supportato
nel raggiungimento di questo obiettivo





















Indice

Introduzione .......................................................................................................................8
Capitolo 1 Dalla logistica al Supply Chain Management.........................................10
1.1 Le origini della logistica....................................................................................... 10
1.2 La funzione logistica ............................................................................................ 11
1.3 Evoluzione della logistica .................................................................................... 13
1.4 Supply chain management.................................................................................... 14
1.5 Problematiche realizzative del SCM.................................................................... 15
1.5.1 Problemi di configurazione .......................................................................... 16
1.5.2 Problemi di coordinamento .......................................................................... 16
1.5.3 Altre problematiche...................................................................................... 16
1.6 I partecipanti della Supply Chain ......................................................................... 18
1.6.1 Agenti di produzione.................................................................................... 18
1.6.2 Agenti di servizio ......................................................................................... 19
1.7 Struttura della supply chain.................................................................................. 19
1.7.1 Reti verticali ................................................................................................. 20
1.7.2 Reti orizzontali ............................................................................................. 20
1.7.3 Altre strutture ............................................................................................... 21
1.8 Misurazione delle performance............................................................................ 21
1.8.1 Misurazioni qualitative................................................................................. 21
1.8.2 Misurazioni quantitative............................................................................... 22
1.9 Strumenti di valutazione....................................................................................... 23
Capitolo 2 Sistema di riferimento e modelli per la gestione delle scorte.....................26
2.1 La gestione delle scorte ........................................................................................ 26
2.1.1 Costi di mantenimento.................................................................................. 27
2.1.2 costi di emissione degli ordini...................................................................... 27
2.1.3 Costi delle rotture di scorta .......................................................................... 28
2.2 Politiche di gestione delle scorte.......................................................................... 28
2.2.1 Natura delle scorte........................................................................................ 29
Indice

VI
2.2.2 Domanda e tempi di approvvigionamento................................................... 29
2.2.3 Modalit di approvvigionamento................................................................. 30
2.2.4 struttura di sistema distributivo.................................................................... 30
2.2.5 Informazioni disponibili............................................................................... 30
2.2.6 Obiettivi da raggiungere............................................................................... 31
2.3 Il sistema di riferimento ....................................................................................... 31
2.4 Il lotto economico ................................................................................................ 32
2.5 Modelli per la gestione delle scorte ..................................................................... 35
2.5.1 I sistemi multilivello seriali.......................................................................... 36
2.5.2 Echelon Stock .............................................................................................. 36
2.5.3 Lotto economico multilivello....................................................................... 39
2.5.4 Gestione coordinata...................................................................................... 41
2.5.5 Gestione coordinata con incentivi................................................................ 44
2.5.6 Gestione con negoziazione........................................................................... 48
Capitolo 3 La simulazione........................................................................................... 52
3.1 Benefici della simulazione .................................................................................. 53
3.2 Critiche alle simulazioni ..................................................................................... 55
3.3 I problemi della simulazione............................................................................... 57
3.4 I Modelli .............................................................................................................. 59
3.5 Fasi della simulazione ......................................................................................... 60
3.6 Micro e Macro Simulazioni ................................................................................ 61
3.6.1 Un possibile scenario di Utilizzo................................................................ 62
Capitolo 4 ABMS......................................................................................................... 64
4.1 Gli agenti.............................................................................................................. 65
4.2 I vantaggi dellABMS.......................................................................................... 66
4.2.1 fenomeni emergenti...................................................................................... 66
4.2.2 Rappresentazione del sistema ...................................................................... 68
4.2.3 Flessibilit .................................................................................................... 69
4.3 Aree di Applicazione ........................................................................................... 70
4.4 Sviluppo di un ABMS.......................................................................................... 71
4.4.1 Metodologie di sviluppo .............................................................................. 71
4.4.2 Ingegneria del software orientata agli agenti ............................................... 72
4.4.3 Strumenti di sviluppo................................................................................... 74
4.5 ABMS e Supply Chain......................................................................................... 75
Indice

VII
4.6 Una Supply Chain di esempio.............................................................................. 77
4.7 Sviluppo della supply chain di esempio............................................................... 79
Capitolo 5 Sviluppo del framework per la simulazione............................................82
5.1 Repast ................................................................................................................... 82
5.2 Sviluppo con Repast J .......................................................................................... 84
5.3 Esecuzione di una simulazione............................................................................. 86
5.4 Lambiente di sviluppo......................................................................................... 88
5.5 Creazione del Framework .................................................................................... 89
5.5.1 La classe SCC_Model .................................................................................. 89
5.5.2 Parametri della simulazione ......................................................................... 90
5.5.3 I diagrammi .................................................................................................. 91
5.5.4 Gli agenti ...................................................................................................... 92
5.5.5 Memorizzazione dei risultati ........................................................................ 92
Capitolo 6 Risultati sperimentali ................................................................................93
6.1 Le prove effettuate................................................................................................ 95
6.2 Il lotto Economico.............................................................................................. 103
6.3 Lotto economico multistadio.............................................................................. 104
6.4 Echelon Stock..................................................................................................... 105
6.5 Gestione coordinata............................................................................................ 107
6.6 Gestione con incentivi ....................................................................................... 109
6.7 Gestione con negoziazione ................................................................................ 110
Conclusioni ...................................................................................................................113
Bibliografia ...................................................................................................................115






Introduzione
Il problema della gestione della catena di fornitura (supply chain management) uno fra
gli argomenti pi importanti in ambito gestionale. Accomunati da questa definizione si
annoverano temi molto eterogenei, ma che comunque possono interagire tra di loro e la cui
soluzione integrata sempre rivolta verso il buon funzionamento dellazienda.
La caratteristica pi problematica del supply chain management la variet di situazioni
che possono presentarsi, per questo la ricerca della strategia di gestione pi vantaggiosa non
sempre un processo immediato, ma frutto dello studio approfondito della situazione in esame e
delladattamento degli strumenti posseduti ai diversi contesti.
Largomento principale della tesi stato lo studio, attraverso varie soluzioni di gestione, di
un caso particolare di catena di fornitura. A tale scopo stato sviluppato un apposito framework
di simulazione che consentisse il test e il confronto delle metodologie applicate. Nello specifico
la struttura della supply chain considerata seriale a pi livelli (con un numero di soggetti
compreso tra due e quattro) con domanda dei prodotti fissa. Le soluzioni, recuperate dalla
letteratura, applicate per la risoluzione di questo problema vanno dal semplice e datato (risale al
1913) metodo del lotto economico, rivelatosi propriamente inadatto, al coordinamento della
catena attraverso un sistema sconti. Inoltre stata sviluppata una tecnica di gestione fondata su
una ricerca euristica e la gestione coordinata ampliata per limpiego con tre o pi soggetti.
Lobiettivo primario dello studio stato quello di verificare quale metodo di gestione
consentisse la massima riduzione dei costi considerando sia quelli totali della catena sia quelli
locali dei singoli partecipanti.
Le simulazioni sono state generate con la tecnica basata sulla modellazione ad agenti: si
tratta di un metodo per simulare le azioni e le interazioni tra individui autonomi dislocati in un
ambiente, al fine di valutare i loro effetti sul sistema nel suo complesso. Tale tecnica di
modellazione si presta in modo eccellente allo studio di vari fenomeni, tra cui la gestione della
catena di fornitura.
Come strumento software per la produzione del simulatore stato utilizzato Repast
(REcursive Porous Agent Simulation Toolkit), piattaforma di sviluppo per la creazione di
simulazioni ad agenti, scritto completamente in Java e creato dal Social Science Research
Introduzione

9
Computing dell'Universit di Chicago. Questo software offre una libreria di classi adatte a
realizzare e far funzionare i modelli da simulare, per la presentazione di grafici che visualizzino
i risultati e per la raccolta dei dati rilevati durante la simulazione.
Dai risultati delle simulazioni su istanze casuali si evince che i maggiori benefici, in
termini di riduzione dei costi, sono ottenuti quando c sia condivisione dellinformazione tra i
vari soggetti della catena (domanda del bene, quantit a magazzino, etc.), sia quando esiste una
forma di coordinazione fra i vari soggetti che induca tutti a collaborare, con lo scopo di
ottimizzare il costo del flusso dei beni da un capo allaltro della supply chain. Lo studio dei
sistemi presi in esame ha rivelato che per il miglioramento delle prestazioni della catena di
fornitura necessario calibrare perfettamente due parametri fondamentali, caratteristici di ogni
soggetto: quanto e quando ordinare, cio determinare la quantit da ordinare e individuare il
preciso momento in cui effettuare lordine per ottenerla. La precisa determinazione di questi due
elementi fondamentali sta alla base di unefficace gestione della catena di approvvigionamento.
La tesi si compone di sei capitoli che partendo dai concetti generali della logistica e del
supply chain management arriva alla valutazione dei risultati delle simulazioni, passando per
lillustrazione dei modelli presi in esame, le metodologie impiegate nella gestione e la
descrizione dello sviluppo del simulatore.


Capitolo 1
Dalla logistica al Supply Chain Management
Il termine logistica deriva dal greco lgos che significa parola o ordine, per i
greci, infatti, i due concetti erano strettamente collegati ed espressi con lo stesso grafema. Da
lgos deriva anche logica cio lo studio delle argomentazioni e il modo in cui risultano
corrette, tale termine come si vede, si rif allo stesso concetto di ordine. Altra interpretazione
etimologica viene dal francese loger che significa locare, allocare.
Secondo l'Associazione Italiana di Logistica (AILOG), l'insieme delle attivit
organizzative, gestionali e strategiche che governano nell'azienda i flussi di materiali e delle
relative informazioni dalle origini presso i fornitori fino alla consegna dei prodotti finiti ai
clienti e al servizio post-vendita.
1.1 Le origini della logistica
Le origini della logistica si trovano gi nell'antichit ed hanno una connotazione
prettamente militare, essa, infatti, veniva considerata una branca dell'arte militare che trattava
tutte quelle attivit volte ad assicurare agli eserciti quanto si rendesse necessario per vivere,
muovere e combattere nelle migliori condizioni di efficienza.
Questa identificazione della logistica come attivit esclusivamente militare rimane valida
fino alla seconda guerra mondiale quando la scala globale del conflitto port a sforzi logistici
fino allora inimmaginabili. Solo nel dopoguerra il concetto comincia a essere ampliato e viene
esteso anche al settore economico e industriale.
Con il termine del secondo conflitto mondiale, le conoscenze e le tecniche accumulate in
ambito militare furono trasferite nel contesto della gestione delle imprese industriali per
lorganizzazione della produzione e per il flusso dei materiali. Il concetto di integrazione totale
degli sforzi per il raggiungimento di specifici obiettivi militari si adattava perfettamente alla
logistica industriale, la quale comprende linsieme delle attivit che governano in unazienda il
flusso dei materiali e delle relative informazioni, dallacquisto delle materie prime e dei
semilavorati presso i fornitori, fino alle fasi di trasformazione, confezionamento, stoccaggio,
trasporto, distribuzione e assistenza post-vendita dei prodotti finiti sui mercati finali.
In un senso ancora pi ampio il concetto di logistica include anche la gestione dei flussi di
ritorno dei materiali (resi, imballaggi, rifiuti) dai clienti ai fornitori o ai centri di raccolta
Dalla logistica al Supply Chain Management

11
opportunamente predisposti, in modo da realizzare contemporaneamente economie e rispetto
dellambiente.
1.2 La funzione logistica
Levoluzione della logistica produttiva e commerciale si sviluppata secondo varie
direttive di cui la gestione integrata sicuramente uno degli aspetti pi interessanti e innovativi.
Con il passare del tempo, infatti, si avvertita la necessit di affidare tutte le attivit aziendali
legate al flusso dei materiali e delle relative informazioni alla supervisione di un unico
responsabile, il logistico appunto, che in effetti sottrae alle funzioni dimpresa tradizionali le
attivit che pi delle altre governano il ciclo operativo dellazienda. Si pu dire che sottrae la
programmazione degli approvvigionamenti (quanto e quando acquistare) alla Funzione Acquisti,
la programmazione della produzione alla Funzione Produzione, la gestione dellordine alla
Funzione Commerciale, il controllo delle scorte alla Funzione Amministrazione. Lelenco
allungabile a seconda delle esigenze, includendo, ad esempio, anche lassistenza e la
manutenzione post-vendita.
Un unico ente aziendale che controlla e gestisce in modo integrato tutte le attivit
logistiche ottimizza linsieme della catena produttiva dellimpresa e non i singoli elementi di
questa, riuscendo meglio di chiunque altro a garantire otto condizioni giuste: il prodotto
giusto, di qualit giusta, nella quantit giusta, nel luogo giusto, al momento giusto, al cliente
giusto, al costo giusto e con le giuste informazioni.
Razionalizzando i flussi logistici si riducono varie voci di costo relative innanzitutto alle
scorte, ai magazzini, ai trasporti (costi operativi). Unimpresa con costi logistici bassi
unimpresa che ha una buona parte di tutti i suoi costi bassi e quindi, tendenzialmente, ha buoni
margini di profitto sui prodotti che vende. Un flusso logistico organizzato e veloce consente di
ridurre il tempo di consegna dei prodotti ai clienti offrendo a essi un miglior servizio. La
logistica pertanto una funzione trasversale rispetto alle altre attivit dellimpresa, che persegue
un obiettivo generale di ottimizzazione e razionalizzazione per tutta lazienda.
Lo scopo della logistica integrata quello di ottimizzare il trade-off tra efficienza ed
efficacia, ovvero minimizzare il costo totale delle attivit logistiche nel loro complesso, dato un
certo obiettivo di livello di servizio da mantenere. Di conseguenza, i parametri di valutazione
dellintero ciclo logistico sono il tempo (soprattutto in termini di velocit delle consegne) ed il
costo, i quali assumono una diversa rilevanza a seconda delle caratteristiche dellorganizzazione.
In linea generale possibile suddividere i costi logistici in sei grandi gruppi:
Capitolo 1

12
Costi di processazione ordini e dei sistemi informativi
Costi di immagazzinaggio
Costi di mantenimento delle scorte
Costi di trasporto e distribuzione
Costi inerenti ai lotti
Costi del personale necessario a tutte le funzioni coinvolte.
Nella figura 1.1 rappresentato il bilanciamento tra efficienza ed efficacia delle attivit
logistiche. Come si pu osservare, i costi logistici crescono in misura esponenziale
allaumentare del livello di servizio offerto e, superato un certo livello, ogni miglioramento nel
servizio provoca un incremento pi che proporzionale dei relativi costi.
Sullo stesso grafico sono riportati anche i ricavi associati ai livelli di servizio. La funzione
dei ricavi ha un andamento a S, dato che per bassi livelli di servizio vi una situazione di
indifferenza, mentre successivi interventi di miglioramento comportano un incremento pi che
proporzionale del volume delle vendite. Infine, superata una certa soglia di livello di servizio,
lelasticit dei ricavi si riduce.
Il flusso fisico dei prodotti deve necessariamente essere accompagnato dal parallelo flusso
delle informazioni sui fabbisogni, che a sua volta consiste nella raccolta e nel consolidamento
delle informazioni che fluiscono ai diversi livelli aziendali. Anzi, proprio il flusso informativo
che guida quello fisico, sviluppandosi in direzione opposta ad esso, dai clienti, attraverso

Figura 1.1 Relazione tra costi logistici, ricavi e livello di servizio offerto.
Dalla logistica al Supply Chain Management

13
lazienda, sino ai fornitori e supportando il processo decisionale attraverso la pianificazione ed il
coordinamento delle attivit logistiche tramite un processo di interazione continua
Di conseguenza, per continuare a parlare di specifici aspetti organizzativi non si pu fare a
meno di mettere in evidenza una caratteristica della logistica, quella che sta alla base del suo
sviluppo dato che stata la prima funzione ad utilizzare appieno e in ambito gestionale la
rivoluzione informatica che ha investito leconomia delle imprese.
Alla base della logistica ci sono le varie gestioni delle scorte, degli ordini, dei trasporti, dei
magazzini, della programmazione, delle previsioni, delle relazioni con i clienti. Per ottimizzare
il tutto per assolutamente necessario un ottimo sistema informativo. Le informazioni devono
essere agevolmente disponibili a tutti allinterno dellazienda, inoltre sempre pi auspicabile
anche lo scambio di queste verso lesterno; ormai la maggior parte del valore aggiunto dalla
logistica risiede proprio nellacquisizione, elaborazione e distribuzione delle informazioni
mediante le reti di telecomunicazione, al fine di fronteggiare una domanda sempre pi
complessa ed esigente.
1.3 Evoluzione della logistica
Lultimo stadio del processo evolutivo della logistica quello che ha condotto alla nascita
del concetto di supply chain management. Tutto iniziato dalla presa di coscienza da parte delle
aziende che il miglioramento nella gestione dei flussi allinterno della catena logistica non pu
ignorare un attivo coinvolgimento degli attori esterni, siano essi clienti o fornitori, che possono
contribuire ad elevare il valore percepito dal cliente finale; la logistica supera cos i confini
aziendali, ampliandosi lungo la catena del valore esterna. In questa ottica nato il concetto di
supply chain management (SCM in seguito) che non deve essere inteso come sinonimo di
logistica integrata, nonostante da essa scaturisca, ma come un nuovo approccio di management
in cui la singola azienda diventa parte di una rete di entit organizzative che integrano i propri
processi di business per fornire prodotti, servizi e informazioni viene cio a crearsi il concetto di
impresa estesa o azienda virtuale.
Mentre, infatti, la logistica integrata, partendo da una visione prettamente ingegneristica,
si pone unicamente il problema di valutare il sistema cercando delle opportunit tecniche che
conducano alla realizzazione di soluzioni pi vantaggiose il SCM intende andare oltre, dando
rilievo allaspetto di integrazione operativa tra le aziende, che partecipano ad una catena di
fornitura, ma anche la necessit che tale integrazione si innesti in un contesto commerciale,
Capitolo 1

14
Partecipare ad una supply chain significa, in altri termini, condividere con gli altri attori
della catena, non solo le soluzioni logistiche come il modo di gestire le scorte, ma anche le
soluzioni commerciali o i programmi di produzione e vendita.
Il SCM pu essere definito, dunque, come un approccio integrato e orientato ai processi
dedicato alla pianificazione e controllo del flusso di materiali, delle informazioni e delle
decisioni, lungo tutta la catena di fornitura. Rappresenta quindi, una sorgente di vantaggio
competitivo poich consente sia un aumento del livello del servizio sia una simultanea riduzione
dei costi. Questo sostanziale miglioramento prodotto dallapproccio integrato che permette
unottimizzazione complessiva a livello globale della supply chain, ci garantisce un risultato
pi efficiente rispetto allottimizzazione a livello locale delle singole parti. Il SCM tende a
guardare i vari attori coinvolti proprio nellottica dell impresa estesa, dove ciascuno non
isolato allinterno della propria azienda ma legato da contatti esterni con le altre entit, contatti
che si esplicitano attraverso flussi di materiali, informazioni, mezzi di pagamento e relazioni
contrattuali.
Inizialmente, il SCM si focalizzava sulla gestione integrata dei collegamenti tra le funzioni
aziendali interessate dal flusso di materiali, essenzialmente gli acquisti, la produzione e la
distribuzione. Successivamente, da unintegrazione basata sulle funzioni, passato ad una
visione orientata ai processi gestiti in modo integrato lungo lintera supply chain.
Quindi esiste una precisa differenza tra il concetto di SCM e il tradizionale concetto di
logistica. Tipicamente la logistica si occupa delle attivit che ricorrono entro i limiti della
singola organizzazione, mentre il SCM riferito ad una rete di organizzazioni che lavorano e
coordinano assieme le loro azioni per la distribuzione di un prodotto nel mercato.
Secondo altre visioni Il SCM ha incorporato ed ampliato la logistica, in quanto, oltre a
comprenderne e integrarne tutte le attivit ha segnato un allargamento dei confini aziendali fino
a comprendere fornitori e clienti, stabilendo con essi collaborazioni strategiche ed operative con
lobiettivo di raggiungere il minor costo complessivo del cosiddetto sistema dellextended
enterprise, concetto sempre pi importante a seguito della diffusione del modello dellazienda-
rete in cui la gestione dei rapporti tra attori appartenenti a diverse entit diventa fondamentale.
1.4 Supply chain management
Il SCM costituito da tutti quei processi di gestione integrata e coordinata che
accompagnano i beni dalla presa in consegna delle materie prime alla consegna finale al cliente,
passando attraverso le diverse ed eventuali trasformazioni intermedie; in aggiunta alla gestione
Dalla logistica al Supply Chain Management

15
del movimento fisico di beni viene anche gestito il flusso informativo e finanziario che ne
conseguono.
Lo scopo primario del SCM laumento dellefficienza produttiva delle imprese e della
loro velocit di evasione degli ordini ricevuti, fornendo cos alla clientela un miglior servizio in
termini di elevata qualit e di contenimento dei prezzi
In pratica il SCM un insieme di approcci utilizzati per integrare in modo efficiente
fornitori, produttori, distributori e punti vendita, in modo che la merce sia prodotta e distribuita
nella quantit giusta, ai punti giusti ed al momento giusto, con lobiettivo di minimizzare i costi
dellintero sistema garantendo le esigenze di livello di servizio.
Lefficienza di questa integrazione dipender della capacit di assemblare insieme:
comunicazione, ossia condivisione dei piani, degli ordini, delle previsioni, dei livelli di capacit
produttiva e di scorte; coordinamento, nel senso che quanto sopra non dovr essere imposto dal
produttore ma concordato e infine cooperazione, intesa come capacit di concordare obiettivi e
mutui benefici.
Un ampio sviluppo nel settore stato apportato grazie allo sviluppo dellinformation
communication technology (ICT) che ha introdotto nelle imprese i sistemi informativi
computerizzati, ottenendo unefficace conversione, immagazzinamento, protezione,
trasmissione e recupero delle informazioni.
Attraverso vari strumenti come lelectronic data interchange (EDI) e i decision support
system (DSS), per citarne solo alcuni dei principali, sono state messe a punto tutta una serie di
sostanziali modifiche nella struttura e nella gestione delle supply chain, portandole sempre di
pi a crescere e proiettando cos lambiente ad assumere una configurazione di tipo network.
Il ruolo dellICT nel SCM quello di supportare una base informativa per i diversi
soggetti coinvolti, permettere lottimizzazione del servizio al cliente, aumentare la velocit e la
precisione della comunicazione, ridurre i costi di processo, tracciare le informazioni e consentire
reazioni veloci a eventi imprevisti che accadono lungo la catena virtuale. In sostanza questi
nuovi strumenti permettono di affinare sempre di pi le problematiche gestionali di tipo
integrato fornendo strumenti imprescindibili nellimplementazione delle pratiche del SCM.
1.5 Problematiche realizzative del SCM
Dallanalisi della letteratura possibile individuare tre grandi classi di problemi
organizzativi inerenti allimplementazione di un efficiente SCM.
Capitolo 1

16
1.5.1 Problemi di configurazione
Riguardano la progettazione della supply chain, in particolare la definizione dei network
di fornitura, produzione e distribuzione. importante sottolineare che nella configurazione del
network di fornitura necessario prestare attenzione non esclusivamente ai fornitori di primo
livello ma anche a quelli ai livelli superiori della catena. Inoltre occorre individuare oltre ai
fornitori di materiali diretti di produzione, i fornitori di infrastrutture.
La progettazione del network di produzione e distribuzione si accompagna
prevalentemente a problemi noti con il termine di location-allocation. Questo tipo di problema
si determina quando la scelta del luogo in cui localizzare determinati siti produttivi (impianti o
magazzini) fatta simultaneamente con lallocazione dei flussi tra i siti, per servire un insieme
di centri di domanda. In sintesi, risolvere un problema di configurazione significa determinare i
nodi che compongono la supply chain e i relativi collegamenti, oltre che identificare gli attori
che li realizzano.
1.5.2 Problemi di coordinamento
I problemi di coordinamento riguardano la pianificazione e il controllo del flusso di
materiali e informazioni in maniera integrata lungo tutta la supply chain. Tali problemi di
coordinamento sono piuttosto complessi, poich nascono dalla necessit di integrare decisioni
operative che possono coinvolgere una o pi organizzazione in modo da incrementare le
prestazioni totali della supply chain. Il processo decisionale di coordinamento pu essere di tipo
centralizzato o decentralizzato. Nel primo caso esiste un decisore unico nella supply chain, che
possiede tutte le informazioni necessarie per prendere le decisioni e ha anche il potere
contrattuale per imporle agli altri attori. Nel secondo caso si ha la presenza di decisori multipli, i
quali generalmente, possiedono solo una parte delle informazioni e possono perseguire obiettivi
indipendenti e talvolta contrastanti.
1.5.3 Altre problematiche
Oltre alle problematiche elencate spesso si originano un pi articolato insieme di ostacoli
alla gestione integrata richiesta dal SCM. Secondo i principali studi effettuati nel settore le
difficolt principali al successo di questo tipo di gestione si possono sintetizzare nei seguenti
punti:
resistenza al cambiamento: sempre presente linsidia dello scetticismo del
personale, e anche di parte del management, nella validit di nuovi strumenti e di
nuovi approcci; lausilio di supporti informativi complessi pu intimorire il
Dalla logistica al Supply Chain Management

17
personale per le difficolt dutilizzo che essi presentano; la nuova visione della
catena di fornitura ha un ampliamento, a lungo termine, degli obiettivi da
raggiungere, che risultano meno chiari e non verificabili nellimmediato futuro; da
considerare anche la resistenza nel dover abbandonare modelli gestionali che, in
passato, potevano aver condotto lazienda al successo sul mercato e la paura di
perdere autonomia decisionale nellambito della filiera produttiva, data la stretta
collaborazione ed integrazione necessarie con altre imprese della catena;
scarsa fiducia nei nuovi partner commerciali: esiste una difficolt oggettiva nel
collaborare e coordinarsi con gli stessi soggetti nei confronti dei quali in passato
vigeva la regola del braccio di ferro;
conflitti interni e resistenza passiva: indispensabile per attuare i progetti di SCM,
il coinvolgimento di pi dipartimenti, come gli acquisti, pianificazione, produzione
e distribuzione, questi pur supportando, nel migliore dei casi, tutti gli obiettivi
avranno sempre priorit in conflitto che possono addirittura condurre ad una guerra
tra i dipartimenti stessi;
leadership debole: poich sono coinvolti pi attori, i progetti di gestione della
supply chain richiedono un forte impegno dirigenziale; occorre una forte
leadership che riesca a rendere chiari e condivisi gli obiettivi da raggiungere ;
difficile valutazione dellinvestimento: deriva dalla difficolt di valutazione dei
benefici ottenuti dalladozione di un modello gestionale integrato, soprattutto nel
periodo iniziale di applicazione;
difficolt nel coinvolgimento delle piccole e medie imprese: per queste tipologie
dazienda il costo nelladozione di nuova tecnologia troppo elevato ed quindi
irrealizzabile. allora compito delle grandi aziende della catena produttiva cercare
di utilizzare strumenti che si possano interfacciare con gli attori che non possono
acquisire risorse complesse;
qualit dei dati: si tratta dellostacolo rappresentato dalla qualit delle
informazioni trattate: la ridondanza di molti dati, i formati non allineati, portano ad
un sostanziale annegamento dellinformazione allinterno di database ricchi di
dati superflui.
Come evidenziato dai risultati di alcuni sondaggi presso le imprese, lostacolo pi difficile
da superare di tipo culturale, seguito dalleffettiva difficolt di valutazione dei benefici dei
provvedimenti e dallinnegabile complessit presentata dai progetti di integrazione.
Capitolo 1

18
1.6 I partecipanti della Supply Chain
I singoli soggetti partecipanti ad una supply chain, possono vedersi come elementi di un
macrosistema pi grande che prende il nome di impresa estesa o azienda virtuale. Essa
costituita, nella sua forma pi semplice da una societ e dai suoi fornitori e clienti; nelle strutture
pi articolate vengono invece considerati un numero di partecipanti maggiore, come ad esempio
i fornitori di un fornitore o i clienti di un cliente, costituendo una rete di entit legate
mutuamente da rapporti di business tutte coinvolte nel soddisfacimento delle richieste del cliente
finale.
Tra i vari elementi, costituenti unimpresa estesa, possono in genere individuarsi fornitori,
subfornitori, aziende manifatturiere, magazzini, centri di distribuzione, centri di servizi e centri
di assistenza; volendo applicare una classificazione, si possono distinguere due grosse categorie:
gli agenti di produzione e gli agenti di servizio.
1.6.1 Agenti di produzione
In ogni catena di approvvigionamento c una combinazione di questi partecipanti che
forniscono una o pi funzioni, avremo cos organizzazioni o aziende che sono produttori,
distributori, grossisti e dettaglianti:
produttori: sono organizzazioni che mettono a disposizione un prodotto. Sono
inclusi sia chi acquisisce le materie prime sia chi realizza prodotti finiti. I
produttori di materie prime estraggono minerali, petrolio o gas, tagliano il legno,
coltivano terreni, allevano animali o pescano. Chi realizza prodotti finiti
generalmente parte dalle materie prime e semiassemblati costruiti da altri
produttori. I produttori possono creare anche beni intangibili come musica,
spettacolo, software e progetti oppure possono prestare servizi come pulizia,
insegnamento, cure mediche, etc.;
distributori: sono compagnie che acquisiscono grandi quantitativi di prodotti dai
produttori e attraverso specifiche attrezzature di trattamento immagazzinano,
smistano e inviano in lotti pi piccoli i beni ai propri clienti. I distributori
conosciuti anche come grossisti generalmente vendono ad altre imprese, talvolta
anche ad altri distributori, in quanto trattano quantit che non sono ordinariamente
acquistate dai singoli consumatori. Ricoprono il ruolo di tamponi per preservare i
produttori dalle fluttuazioni della domanda;
Dalla logistica al Supply Chain Management

19
dettaglianti: immagazzinano e vendono in piccole quantit al pubblico, tengono
conto delle preferenze e delle esigenze dei consumatori. Generalmente si
avvalgono di una combinazione di prezzi, assortimento e servizio per invogliare i
clienti ad acquistare i prodotti che vendono
consumatori: sono persone o organizzazioni che acquistano un prodotto al fine di
utilizzarlo, sono lultimo componente della supply chain.
1.6.2 Agenti di servizio
A supporto degli agenti di produzione ci sono altre societ fornitrici di una vasta gamma
di prestazioni essenziali come le aziende di trasporto che si occupano del trasferimento fisico dei
beni o le aziende di servizi che forniscono le attivit necessarie alla coordinazione e allo
svolgimento delle funzioni della supply chain.
1.7 Struttura della supply chain
Nella catena di approvvigionamento ciascun soggetto si trova a dover gestire sia aspetti
interni, sia aspetti esterni che collegano lazienda con gli altri; si possono cos distinguere per
ciascun elemento della catena:
funzioni interne: si tratta di tutte le attivit e i processi necessari a gestire i prodotti
o i servizi realizzati dallimpresa;
collegamenti esterni a monte: costituiscono gli scambi di materiali, informazioni e
denaro con le entit a monte nella filiera produttiva e si traducono negli acquisti,
nei pagamenti, nellacquisizione dei materiali e nella gestione delle relazioni con i
fornitori;
collegamenti esterni a valle: riguardano le attivit che coinvolgono le entit a valle
dellimpresa, coinvolgono, per esempio, i centri di distribuzione e/o i rivenditori in
operazioni come il trasferimento dei prodotti, i servizi al consumatore finale,
riscossioni, etc.;
collegamenti esterni allo stesso livello: rappresentano gli scambi di materiali e
informazioni con entit che si occupano delle stesse attivit con cui vengono strette
delle collaborazioni al fine di avere dei vantaggi comuni.
La struttura di una supply chain varia e dipende dalle aziende che ne entrano a far parte e
dalle relazioni che tra loro si stabiliscono. Le reti sono generalmente costituite per volont di
unentit pi forte, con un significativo potere contrattuale allinterno della catena, che assume il
Capitolo 1

20
ruolo di coordinatore dellattivit economica. Le reti che vengono cos a configurarsi possono
essere suddivise in vari modi a seconda della loro struttura.
1.7.1 Reti verticali
Definite anche seriali, sono caratterizzate dallassenza di pi entit concorrenti allo stesso
livello. Sono cio le catene verticali classiche costituite da fornitore, produttore e distributore,
facilmente schematizzabili e analizzabili, anche analiticamente, nei vari collegamenti.
Costituiscono la tipologia di reti pi semplici, nelle quali, rispetto alle reti orizzontali, la
mancanza di pi entit allo stesso livello, se da una parte limita i conflitti concorrenziali,
dallaltra comporta ridotte possibilit di sviluppare utili collaborazioni interne;
1.7.2 Reti orizzontali
Sono le reti in cui le entit possono lavorare ad uno stesso livello, svolgendo pertanto la
stessa attivit. Questo tipo di rete caratterizzato dalla possibilit di relazioni di collaborazioni
tra entit quando la capacit produttiva di una sola non sufficiente a soddisfare lintera
richiesta.
In presenza di assemblaggi di componenti assumono una struttura convergente; mentre nel
caso lineare ogni nodo ha al pi un fornitore ed un cliente in questa configurazione un nodo pu
avere pi fornitori, si pongono cos problemi di sincronizzazione delle consegne e di
disponibilit per i componenti da assemblare.
Nelle situazioni di distribuzione pura la rete si conforma in una struttura denominata
arborescente. Tali reti, basate su legami collaborativi interni in un ambiente comunque
competitivo, sono quelle che maggiormente tenderanno a svilupparsi nel futuro perch
4
3
2
1
Figura 1.2 Struttura verticale.
Dalla logistica al Supply Chain Management

21
consentono di migliorare le prestazioni di una supply chain riducendo il livello di risorse
impiegate.
1.7.3 Altre strutture
In pratica le strutture viste sono casi particolari in generale una rete presenta delle
configurazioni miste derivanti dalle precedenti tipologie, delle reti ibride: in cui presente
un mix di produzione e distribuzione che interagiscono tra di loro.
1.8 Misurazione delle performance
Unimportante fase nel progetto e revisione di una supply chain quella che si occupa
della misurazione delle performance; serve a determinare lefficacia e lefficienza di un sistema
o per confrontare due sistemi alternativi. La valutazione delle prestazioni anche utile come
metodo per regolare i parametri, durante il raffinamento della catena di approvvigionamento, in
modo da conseguire determinati obiettivi. Gli indicatori di performance possono essere
categorizzati essenzialmente sotto due aspetti quello qualitativo e quello quantitativo
1.8.1 Misurazioni qualitative
Riguardano tutti quei rilevamenti per i quali non c una misurazione numerica diretta,
anche se sotto alcuni aspetti, pu essere comunque eseguita una sorta di quantificazione. Sono
molto importanti per la valutazione di un sistema ma non sono usati per lo sviluppo e la
revisione della catena:
6
3
2
1
5
4
6
2
7
5 4
8
1 3
arborescente
convergente
Figura 1.3 - Struttura orizzontale.
Capitolo 1

22
soddisfazione del cliente: rappresenta il grado di soddisfazione del cliente con il
prodotto o il servizio ricevuto, pu essere applicata sia ai clienti finali (clienti
esterni) sia ai partecipanti della catena di approvvigionamento (clienti interni), si
compone di tre elementi;
o soddisfazione pre-transazione: rappresenta il grado di soddisfazione dei
servizi percepito prima dellacquisto del prodotto;
o soddisfazione della transazione: grado di soddisfazione associato ai servizi
direttamente coinvolti con la distribuzione fisica del prodotto;
o soddisfazione post-transazione: soddisfazione associata al supporto fornito
durante luso del prodotto distribuito;
flessibilit: livello di adattabilit della supply chain di rispondere alle fluttuazioni
della domanda;
integrazione flussi materiale e informazione: rappresenta lentit con la quale le
funzioni della supply chain scambiano informazioni riguardanti i flussi di
materiale;
gestione dei rischi: tutti i rapporti allinterno della supply chain possono
comprendere rischi, la gestione dei rischi rappresenta il grado con cui gli effetti di
questi possono essere minimizzati;
performance dei fornitori: con che continuit, linearit e condizioni i fornitori
rilasciano le materie per la produzione dei beni.
1.8.2 Misurazioni quantitative
Riguardano tutte quelle misure che vengono descritte numericamente, che possono essere
categorizzate in base ai costi, ai profitti oppure in base al grado di reattivit della catena.
In base ai costi e ai profitti saranno:
costi: uno dei parametri pi importanti, possono essere considerati i costi per
lintera catena o per le singole unit e si dividono in:
o costi di mantenimento delle scorte: valore essenziale nel computo delle
prestazioni ma di difficile individuazione;
o costi fissi di ordinazione: indipendenti dalla quantit e proporzionali alla
frequenza;
prezzo di vendita: indica sia il prezzo di trasferimento fra i soggetti della supply
chain sia il prezzo di vendita al cliente finale
volume delle vendite: totale del prodotto venduto al cliente finale
Dalla logistica al Supply Chain Management

23
profitto: misura indiretta calcolata dai ricavi e dai costi;
ordini soddisfatti: per unit di tempo;
lead time: il tempo necessario al trasferimento di un prodotto da un nodo allaltro
della catena;
ritardo di ordinazione: rappresenta il tempo necessario per trasmettere un ordine di
acquisto.
1.9 Strumenti di valutazione
Se unazienda non in grado di valutare le prestazioni e di conseguenza leffettivo
beneficio ottenuto dalla gestione della SCM non potr individuare i settori di futuro intervento
per ottenere unottimizzazione ulteriore
Lelevata complessit che la filiera produttiva pu assumere, non consente di effettuare
delle scelte efficienti, per lapplicazione del SCM, basandosi esclusivamente su delle semplici
intuizioni, inoltre le misure di prestazione standard, utilizzate per valutare le performance
interne delle aziende, non si adattano facilmente al sistema di impresa estesa. Ecco perch i
metodi di misurazione dei risultati della supply chain sono considerati un punto fondamentale
per la gestione efficiente dellimpresa. Nel corso degli anni sono stati definiti dei metodi
standard per la rilevazione delle performance riguardanti prima di tutto gli aspetti operativi
nonch ulteriori aspetti come ad esempio quello finanziario:
Lo strumento Balanced Scorecard, stato presumibilmente il primo insieme di indicatori
utilizzati per monitorare gli ambienti organizzativi capaci di influenzare le prestazioni aziendali;
in tale sistema sono valutate contemporaneamente quattro diverse prospettive: finanziaria,
cliente, processi interni e crescita. Per ciascuna prospettiva risultano cos individuati: gli
obiettivi che necessario raggiungere, le misure che verranno utilizzate per quantificare il
raggiungimento di ciascun obiettivo; i target cio i valori che individuano lobiettivo e le
iniziative che verranno attuate al fine del raggiungimento degli obiettivi. Tale metodo pu essere
utilizzato per il processo di misurazione delle performance di una supply chain; necessario
per che tutti i soggetti siano effettivamente dipendenti luno dallaltro.
Uno strumento pi mirato nel rilevamento dellefficienza della supply chain il Logistic
Scoreboard, si tratta di un metodo in cui vengono utilizzate delle misurazioni integrate che
rientrano in una delle seguenti categorie:
finanziaria: spese e ritorno degli investimenti;
produttivit della logistica: ordini evasi per ora e utilizzo delle risorse;
Capitolo 1

24
qualit del servizio di logistica: qualit delle scorte e danneggiamenti;
tempo ciclo: tempo di transito e di arrivo di un ordine.
Per la natura prettamente logistica di questo modello non ci sono per molti riferimenti
alla produzione e allapprovvigionamento.
A queste prime metodologie, il cui approccio non legato ad una completa diffusione a
tutti i livelli della supply chain, si affiancato il Supply-Chain Operations Reference-model
(SCOR), appositamente creato dal Supply Chain Council
1
, che fornisce una guida sugli
strumenti di valutazione che si possono utilizzare nellambito dellintera supply chain. un
modello di riferimento per ottimizzare la supply chain con lo scopo di fornirne una descrizione
standard e univoca, attraverso una rappresentazione dei processi che la compongono e una
descrizione delle interazioni tra i processi.
Lo SCOR consente di descrivere la supply chain come composizione di blocchi standard
in modo da poter rappresentare qualsiasi realt. Il modello individua attributi di prestazione e
relative metriche standard per misurare le performance dei processi.
un modello gerarchico costruito su diversi livelli di dettaglio ed disegnato per
descrivere e supportare supply chain di diversa complessit; i livelli su cui articolato sono
quattro:

1
Supply Chain Council un consorzio no-profit che opera su scala mondiale con circa 1000 aziende
partecipanti con lintento di sviluppare metodologie per la diagnostica e la valutazione delle supply chain
L
ive
llo
1 P
ro
c
e
s
si
L
iv
e
llo
2
C
a
te
g
o
rie
d
i p
ro
c
e
s
s
o
L
iv
e
llo
3
E
le
m
e
n
ti e
lo
g
ic
a
d
i p
ro
c
e
s
s
o
L
iv
e
llo
4
Im
p
le
m
e
n
t
a
z
io
n
e

Figura 1.4 - I livelli dello SCOR.
Dalla logistica al Supply Chain Management

25
1 processi:elenca i cinque processi con cui descrivere lintera catena;
1.1 plan: comprende le attivit della leadership, quindi di pianificazione e
gestione della catena, tramite decisioni sulle risorse finanziarie, fisiche e
conoscitive;
1.2 source: consiste nei processi per la gestione dei fornitori, delle consegne,
delle informazioni con lo stadio a monte della catena e degli accordi con le
fonti di approvvigionamento;
1.3 make: prevede al suo interno tutti i processi produttivi di realizzazione del
prodotto o erogazione del servizio, nonch il loro interfacciamento con le
altre fasi della supply chain;
1.4 deliver: in cui sono presenti i processi di consegna e di gestione dei clienti,
ivi compresi gli attori a valle della catena;
1.5 return: macroprocesso per tutte le attivit legate al percorso inverso delle
merci e delle informazioni, quindi dal mercato o dai clienti verso i
produttori o i fornitori;
2 categorie: il secondo livello individua le categorie di processi. che sono definite
dalla scomposizione dei cinque macroprocessi del livello uno secondo il tipo di
sottoprocessi componenti;
3 elementi e logica: il terzo livello descrive in dettaglio ogni categoria di processo
del livello due, indicando, per ciascuno, gli elementi di cui composto, gli input,
gli output e le relazioni tra gli elementi;
4 implementazione: il quarto livello viene effettuata una decomposizione degli
elementi di processo individuati nel livello tre. Questo livello non coperto dal
modello, lasciato alla singola implementazione aziendale. Se necessario
possibile definire ulteriori livelli di dettaglio.



Capitolo 2
Sistema di riferimento e modelli per la gestione delle scorte
2.1 La gestione delle scorte
Le scorte sono merci temporaneamente inutilizzate in un punto della catena logistica e
rappresentano un ruolo fondamentale per la sua gestione, procedono lunga la supply chain, dai
produttori ai consumatori finali, subendo o meno dei processi di trasformazione; tipici esempi di
scorte sono:
i prodotti conservati presso gli utenti (sia i consumatori che partecipanti intermedi
della supply chain);
le scorte di lavorazione, costituite dai materiali componenti o semilavorati in attesa
di essere trasformati e/o assemblati;
i prodotti finiti stoccati nei centri di distribuzione predisposti per essere venduti;
le scorte viaggianti, rappresentate dalle merci trasferite da unorigine a una o pi
destinazioni.
Secondo una definizione generale le scorte sono un deposito di compensazione, che
permette di creare un collegamento flessibile tra fasi del processo produttivo situate in sequenza,
ma la cui frequenza operativa diversa. Ad esempio, l'approvvigionamento di materie prime
periodico, mentre l' utilizzo in produzione continuo; andando pi in particolare sono
rintracciabili molteplici motivazioni che inducono a mantenere dei determinati livelli di scorta:
contenimento dei costi: riguardano le economie di scala derivanti dalla presenza di
costi fissi come i costi di ordinazione e trasporto; ci rende la spedizione sporadica
di grandi carichi pi conveniente dellinvio frequente di piccoli carichi;
contenimento dei tempi di fornitura: la presenza di scorte nei punti di domanda
consente di ridurre i tempi di fornitura;
protezione contro laleatoriet: avere un sufficiente serbatoio di scorte consente di
mantenere un elevato livello di servizio anche in presenza di improvvisi picchi
nella domanda dei prodotti o di inattesi ritardi nei tempi di consegna;
Sistema di riferimento e modelli per la gestione delle scorte

27
disponibilit di prodotti stagionali: soprattutto in campo agroalimentare i punti di
stoccaggio consentono di conservare e rendere disponibili durante tutto lanno i
prodotti stagionali;
speculazione: la possibilit di accumulare merci consente di speculare sulle
differenze temporali di prezzo dei beni.
Le scorte comportano anche dei costi che si suddividono solitamente in tre categorie e cio
mantenimento, emissione degli ordini e rotture di scorta
2.1.1 Costi di mantenimento
Sono tutti quei costi che crescono con laumentare delle giacenze, potendosi considerare
proporzionali alla quantit delle giacenze, al loro valore e al tempo di giacenza; le
principali voci che li compongono sono:
capitale immobilizzato nelle giacenze: rappresenta la potenziale rendita finanziaria
cui si rinuncia decidendo di mantenere un certo livello di scorte; si calcola
stimando quanto si sarebbe potuto ottenere investendo in altro modo il capitale
impegnato nelle scorte.
costi assicurativi: per proteggersi da eventuali rischi dincendio, furto o altro; sono
anchessi proporzionali al valore unitario del prodotto;
costi operativi: possono essere di moltissimi tipi, riguardano soprattutto
immagazzinamento e movimentazione; dipendono principalmente dalle
caratteristiche fisiche del prodotto, come costo dello spazio impegnato, costo di
luce e calore nel magazzino, costo del lavoro di movimentazione, etc.;
obsolescenza dei prodotti: gli articoli per cui pu assumere grande importanza
sono quelli deperibili o soggetti a scadenza, quelli legati alla moda e in generale
tutti quei prodotti che perdono rapidamente valore con il passare del tempo;
2.1.2 costi di emissione degli ordini
Sono riferiti ai costi sostenuti dall'impresa per ricostituire le scorte, variano a seconda
delle modalit di acquisto o produzione interna; sono causati dalle attivit di emissione
dell'ordine (spese postali, telefoniche, di fatturazione e scrittura, ecc.) di ricevimento e controllo
delle merci (spedizione, registrazione, controllo qualit, ecc.) o dalle attivit di pianificazione,
scheduling e lancio nel caso di produzione; per queste loro caratteristiche i costi totali di
emissione dell'ordine sono indipendenti dalla quantit, cio dalle dimensioni del lotto, ma
proporzionali alla frequenza delle ordinazioni, risultano, per questo, crescenti al diminuire delle
Capitolo 2

28
giacenze, in contrapposizione cos ai costi di mantenimento; infatti, per mantenere basso il
livello delle scorte, servono ordini frequenti di quantit ridotte.
I costi di ordinazione sono proporzionali alla frequenza dei rifornimenti e dipendono
quindi dal fabbisogno, cio la domanda del bene, mentre sono inversamente proporzionali al
quantitativo ordinato con cui viene effettuato il rifornimento ogni volta.
2.1.3 Costi delle rotture di scorta
Sono i costi o le perdite dovuti al mancato adempimento delle richieste dei clienti quando
non si riesce a soddisfarne la domanda. Si generano allorch l'impresa non riesce a far fronte
tempestivamente (o non affatto in grado di rispondere) alle richieste del mercato o al
fabbisogno interno.
Nel caso di scorte di materie prime o di semilavorati, la situazione di sottoscorta pu
comportare onerose fermate degli impianti, costi di riattrezzaggio per convertire le produzioni e
tempi di attesa. Nel caso di prodotti finiti possono consistere nella perdita della transazione di
vendita, ma anche nella perdita del cliente e nella compromissione dellimmagine aziendale.
Tali costi risultano crescenti al diminuire delle scorte, poich pi probabile soddisfare
picchi di domanda se la scorta di sicurezza elevata.
Sono indubbiamente i costi pi difficili da quantificare e da prevedere, per questa ragione
non vengono inclusi nella maggior parte dei modelli analitici di gestione, che prendono in
considerazione solo le prime due categorie di costo. L'esatta quantificazione risulta
estremamente difficile da determinare quando va considerato il costo strategico dovuto alla
perdita di un cliente e al deterioramento dell'immagine aziendale, mentre appare pi semplice
individuare il costo connesso alla perdita del margine di contribuzione legato alle mancate
vendite.
2.2 Politiche di gestione delle scorte
La gestione delle scorte richiede lassunzione di decisioni riguardanti le modalit di
esercizio dei diversi punti di stoccaggio, con lobiettivo di fornire un prestabilito livello di
servizio a costo minimo. Queste scelte dipendono da numerose variabili che portano, in base al
contesto esaminato, a scelte di gestione anche molto eterogenee; le principali variabili che
identificano il contesto da analizzare sono:
natura delle scorte;
domanda e tempi di approvvigionamento;
modalit di approvvigionamento;
Sistema di riferimento e modelli per la gestione delle scorte

29
struttura del sistema distributivo;
informazioni disponibili;
obiettivi da raggiungere;
2.2.1 Natura delle scorte
necessario definire quali sono i prodotti da gestire, in quanto in base alle merci
cambiano sostanzialmente i modelli da applicare; ad esempio la gestione di prodotti deteriorabili
o a breve tempo di vita molto diversa dai prodotti con un ciclo di vita cos lungo da essere
considerato infinito. Nel primo caso sono considerati problemi statici, poich viene presa una
singola decisione durante un singolo periodo, finito il quale, i prodotti come i quotidiani o alcuni
generi alimentari scadono. Nel secondo caso vengono trattate merci come i cibi a lunga
scadenza o i libri, per i quali il ciclo di vita molto pi lungo del tempo di produzione; in questa
circostanza la gestione viene definita multiperiodale perch la scelta al tempo t legata allo stato
del sistema al tempo t + 1.
Oltre alla tipologia di prodotto va previsto se la gestione deve considerare un sistema
monoprodotto o multiprodotto; infatti nel caso della prima ipotesi relativamente semplice
modellizzare e amministrare il sistema, mentre nellaltro la presenza di pi articoli comporta una
gestione di livello superiore.
2.2.2 Domanda e tempi di approvvigionamento
La domanda e i tempi con cui vengono reintegrate le scorte (lead time) possono essere
deterministici oppure caratterizzati da un certo grado di aleatoriet; nel caso di domanda
deterministica questa pur non essendo costante e uniforme nel tempo, ha unevoluzione che
sempre perfettamente nota.
Se entra in gioco lincertezza significa che vi saranno delle variazioni non prevedibili, sar
pertanto necessario attivare meccanismi che pongano rimedio a queste fluttuazioni
imprevedibili. Ad esempio una soluzione passiva alla variabilit incerta della domanda sono le
scorte di sicurezza, attuando per, questa tecnica subentra linconveniente dellaumento dei costi
derivante da un eccessivo quantitativo di scorte; per controbattere ci possibile introdurre dei
metodi definiti attivi che tentano di rimuovere questa incertezza cercando di individuare i
mutamenti inaspettati della domanda con tecniche di previsione e degli studi merceologici
approfonditi. Gli effetti dellincertezza in un sistema logistico distributivo possono portare alla
presenza di stockout, quindi necessario porre riparo al verificarsi di tale fenomeno che in
condizioni di domanda e lead time certi banale da evitare.
Capitolo 2

30
2.2.3 Modalit di approvvigionamento
Il rifornimento dei punti deposito pu essere graduale o istantaneo. Nel primo caso (Figura
2.1a) si parla anche di approvvigionamento continuo, ed classico ad esempio delle societ
petrolchimiche, alimentate continuamente da condotte o da aziende che utilizzano un elevato
quantitativo di materie prime e/o componenti tanto da giustificare reintegri di scorte a intervalli
orari o giornalieri. Il secondo caso (Figura 2.1b) definito pi comunemente alimentazione a
lotti, rappresenta la modalit pi diffusa, si assume che per ciascun ordinativo la fornitura
avvenga in una soluzione unica.
2.2.4 struttura di sistema distributivo
Come gi discusso nel paragrafo 1.7, i sistemi distributivi possono essere molto diversi si
pongono cos dei problemi di gestione molto eterogenei. Considerando le tre principali strutture
del sistema distributivo, lineare, arborescente e convergente, nella gestione del punto di
stoccaggio dovr essere valutato che i prodotti potranno arrivare da uno o pi produttori e/o
distributori che stanno a monte e che questi prodotti verranno forniti ad uno o pi rivenditori e/o
grossisti disposti a valle. Va considerato inoltre il numero di livelli che compongono il sistema
distributivo; cos, in base alla configurazione che si viene a creare, dovranno essere predisposte
appropriate politiche di gestione delle scorte
2.2.5 Informazioni disponibili
La possibilit di adottare metodi di gestione delle scorte di un tipo piuttosto che di un altro
dipende in gran parte dalle informazioni disponibili. Soprattutto in un sistema distributivo
composto da vari soggetti la gestione ottimale del magazzino potrebbe dipendere dalle
t

t
(a) alimentazione continua (b) alimentazione istantanea
l(t) l(t)
Figura 2.1 Andamento scorte con alimentazione continua (a) e a lotti (b).
Sistema di riferimento e modelli per la gestione delle scorte

31
informazioni riguardo il livello delle scorte e della domanda degli altri punti della rete
distributiva. Per questo molto vantaggioso avere sempre a disposizione accurate informazioni
sullo stato di ciascun magazzino del sistema. Purtroppo capita sovente che queste informazioni
non siano disponibili in maniera completa, celere e affidabile, necessario allora mettere a
punto delle gestioni che, operando con le sole informazioni locali, diano origine a delle
prestazioni soddisfacenti. Come sar discusso in seguito in alcuni casi la mancanza di
informazioni riguardo tutto il sistema distributivo non permette di applicare le pi vantaggiose
politiche di gestione.
2.2.6 Obiettivi da raggiungere
Per poter amministrare efficacemente il sistema distributivo necessario identificare gli
obiettivi che limpresa si prefigge di raggiungere; questi possono essere anche molto eterogenei
fra loro, allora indispensabile poter associare un costo ad ognuno di essi e applicare
lottimizzazione multiobiettivo nella speranza di poter conseguire la gestione ottimale.
2.3 Il sistema di riferimento
In questo elaborato saranno analizzate le metodologie di gestione che studiano supply
chain seriali, cio quei sistemi costituiti da una struttura logistica lineare (figura 1.2). I nodi che
compongono queste supply chain possono rappresentare situazioni pi o meno complesse, in
quanto descrivono sia semplici punti di immagazzinamento della merce, sia interi stabilimenti di
produzione dotati di magazzini di ingresso e uscita dei prodotti.
Strutture di questo tipo, possono presentare nei diversi livelli situazioni molto eterogenee e
i costi di mantenimento e di ordinazione, fra i diversi componenti, possono essere molto diversi.
Di conseguenza, le politiche di gestione delle scorte sono spesso incompatibili, cosicch le
politiche di gestione ottimali per lintera catena di approvvigionamento possono risultare
vantaggiose per alcuni e sconvenienti per altri. Occorre perci trovare dei sistemi di gestione che
medino fra i vari partecipanti una soluzione gradita da tutti, oppure escogitare dei sistemi di
incentivi che permettano di implementare le soluzioni pi performanti.
Nellanalisi di questi sistemi stato considerato il caso deterministico e cio, quello con
domanda finale del prodotto e tempi di riapprovvigionamento (lead time) fissi. stato trattato
inoltre il solo caso monoprodotto con un ciclo di vita molto lungo rispetto al lead time in modo
da considerare dei problemi di tipo multi periodale.
Capitolo 2

32
2.4 Il lotto economico
Il Lotto economico o EOQ (acronimo di Economic Order Quantity) un modello di
gestione delle scorte che definisce la quantit ottima di acquisto in modo da minimizzare la
somma dei costi di approvvigionamento e dei costi di mantenimento a magazzino. fra i
modelli pi semplici e la sua proposta risale al 1913. Risulta valido solo per i sistemi
monolivello, quindi inadatto alla gestione delle supply chain dove normalmente la catena
composta da almeno due livelli. per normalmente utilizzato come base di partenza per la
definizione di altri modelli pi adatti ad essere applicati su situazioni pi articolate.
Esistono numerose varianti ed estensioni del modello EOQ, utilizzabili in situazioni
diverse; cos possibile tenere conto del reintegro istantaneo o continuo del magazzino, del lead
time non nullo (modello (Q, R)), del ciclo multiperiodale, oppure considerare il caso
multiprodotto piuttosto che il caso monoprodotto.
Il funzionamento di questo modello si basa sulla creazione di scorte di ciclo, che vengono
idealmente smaltite entro l'ordine successivo. Da supporto alla casistica pi semplice gestendo
un sistema monolivello (cio con un unico magazzino) con domanda stazionaria e conosciuta e


Figura 2.2 Andamento dei costi in funzione del lotto Q.
Sistema di riferimento e modelli per la gestione delle scorte

33
lead time e livello delle scorte noti, con lobiettivo di minimizzare i costi di ordinazione e i costi
delle scorte (definiti anche di mantenimento); i primi derivano dal costo fisso necessario
allemissione del singolo ordine, sono quindi funzione lineare del numero degli ordini effettuati,
mentre i secondi sono subordinati alla quantit stoccata a magazzino, si assume siano
linearmente dipendenti con il livello medio delle scorte.
evidente che si presenta cos lesigenza di bilanciare questi due parametri contrastanti, in
quanto tenendo un livello delle scorte troppo basso necessitano acquisti troppo frequenti
aumentano cos i costi di ordinazione, di contro un acquisto di enormi quantitativi per ogni
ordine garantisce bassi costi di ordinazione ma causa un aumento dei livelli delle scorte e dei
relativi costi.
Nella definizione del lotto di acquisto necessario presentare alcune notazioni:
d Tasso di domanda in quantit o pezzi nellunit di tempo
A costo fisso di ordinazione, in unit monetarie per lotto
h costo di mantenimento delle scorte in unit monetarie per unit di prodotto
mantenuta a scorta per unit di tempo
Q lotto di acquisto, cio la quantit che viene ordinata
Considerando un tasso di domanda d, il lotto Q sar esaurito in un tempo pari a Q/d, sar
quindi emesso un ordine ogni T = Q/d periodi. Le scorte avranno il tipico andamento a dente di
sega (Figura 2.1b) in quanto allarrivo della quantit ordinata questa viene immessa nel
magazzino portandolo istantaneamente al livello Q; successivamente le scorte vengono
progressivamente consumate al tasso di domanda d.
La funzione di costo totale sar composta dai tre termini citati in precedenza i costi del
prodotto, di ordinazione e di mantenimento.
t
l(t)
R
Q
Figura 2.3 Andamento scorte con LT > 0.
Capitolo 2

34
man ord pro tot
C C C C + + =
2-1
C
pro
rappresenta il costo del prodotto pari a p d C
pro
= cio alla quantit ordinata
nel periodo per il prezzo
C
ord
il costo fisso necessario allemissione degli ordini durante il periodo,
funzione lineare del numero di ordini effettuati T A Q d A C
ord
1 = =
C
man
il costo di mantenimento delle scorte, si assume che sia linearmente
dipendente dal livello medio
2
Q
h C
man
=
La funzione di costo totale sar
2
Q
h
Q
d
A p d C
tot
+ + = 2-2
Volendo determinare la quantit ottimale Q che minimizza il costo totale necessario
derivare la 2-2 ottenendo cos
2
2
h
Q
d
A
dQ
dC
tot
+ = . 2-3
Da notare che scomparso il costo del prodotto in quanto non dipende da Q; per trovare il
minimo viene uguagliata la derivata a zero ottenendo cos il lotto di ordinazione che minimizza i
costi.
h
d A
Q

=
2
*
.
2-4
Calcolando la derivata seconda possibile verificare che in Q
*
presente un minimo
globale; infatti la 2-5 sempre positiva se Q positivo
3 2
2
Q
d
A
dQ
C d
tot
= . 2-5
Inserendo la 2-4 nella relazione del costo possibile notare che alla quantit ottima del
lotto i costi di mantenimento e ordinazione si equivalgono
. 2
2 2
2
*
h d A
h d A h d A
Q
h
Q
d
A C C C
man ord
=

+

=
+ = + =

2-6
Sistema di riferimento e modelli per la gestione delle scorte

35
Spesso i prodotti stoccati sono costituiti da quantit intere e il risultato del calcolo
dellEOQ quasi sempre un numero decimale, serve allora decidere quale fra lintero superiore
o inferiore generi i costi minori; ci facilmente deducibile dal rapporto fra la relazione del
costo e quella del costo allottimo. Lintero inferiore

Q o il superiore
(
Q che restituisce il
minor valore dellincremento di costo relativo della 2-7 quello da utilizzare, la relazione
semplice funzione di
*
Q Q permette di individuare il valore intero di Q che si discosta in minor
misura dalla quantit ottima.
|
|

\
|
+ =

+

=
Q
Q
Q
Q
d A
h Q
h
d A
Q C
C
*
* *
2
1
2 2 2
1
.
2-7
Nel caso che il tempo di rilascio del materiale (LT lead time) sia diverso da zero,
evidente che lordine andr effettuato con un certo anticipo prima che la scorta si esaurisca. In
particolare sar necessario introdurre una nuova variabile linventory position o scorta
disponibile, in quanto considerando dei tempi di rilascio non nulli fondamentale considerare
sia le scorte fisicamente presenti a magazzino, sia la quantit ordinata in attesa di consegna, che
sommati danno appunto linventory position; sar quindi necessario effettuare lordine quando
lIP avr raggiunto un livello chiamato livello di riordino; la notazione dovr quindi essere
integrata con:
IP inventory position = scorta fisica + quantit ordinata
R livello di riordino
LT lead time
Considerando il tasso di domanda d, lordine dovr essere emesso quando la scorta
disponibile (IP) ha raggiunto un livello pari a:
d LT R =
.
2-8
2.5 Modelli per la gestione delle scorte
In questo paragrafo sono descritti i modelli di gestione delle scorte, la maggior parte dei
quali noti in letteratura, che saranno poi valutati nel capitolo 6. Nel sottoparagrafo 2.5.2
vengono introdotte le politiche per la gestione del punto di riordino che possono essere applicate
ai modelli di gestione multilivello.
Capitolo 2

36
2.5.1 I sistemi multilivello seriali
Il modello del lotto economico, visto nel paragrafo 2.4 gestisce la quantit di scorte per un
sistema formato da un singolo livello, nella realt per la maggior parte dei sistemi di
distribuzione formata da pi livelli, questo rende la modellazione pi difficoltosa e il problema
di gestione pi complesso; infatti, in un sistema multilivello la politica ottimale per un
magazzino pu in generale dipendere, sia dal tipo di gestione locale adottato sul proprio livello
delle scorte, sia dalle politiche di gestione di tutti gli altri magazzini presenti nel sistema.
I sistemi multilivello coinvolgono soggetti economici diversi, ognuno con obiettivi
peculiari e che di frequente non coincidono con quelli degli altri partecipanti della catena
distributiva. Quindi nellanalisi di questi sistemi necessario verificare se tutti gli obiettivi siano
compatibili tra di loro prima di cercare la politica di gestione ottimale.
Per poter affrontare con successo una catena distributiva multilivello necessario
considerare due prospettive diverse; da un lato essenziale mettere a punto delle politiche di
gestione che ottimizzino la catena nella sua globalit, dallaltro lato inevitabile escogitare dei
sistemi di incentivi per la condivisione dei benefici.
Una struttura distributiva multilivello seriale pu essere gestita sia avendo una visibilit
globale ed aggregata sia con una visibilit locale e dettagliata, nel primo caso la gestione del
magazzino dipende dalla domanda e dal livello delle scorte in tutti gli altri punti della rete
distributiva, mentre nel secondo caso la gestione opera solo in base alle informazioni locali,
prendendo in considerazione solo la propria posizione di inventario, senza esaminare il livello
delle scorte presenti soprattutto a valle. Questultimo metodo di gestione vengono definiti
Installation Stock e si contrappongono al pi complicato Echelon Stock che considera come
inventory position di un magazzino la somma delle inventory position del magazzino stesso pi
quelle degli altri magazzini a valle, garantendo per una politica di riordino pi accurata
2
del
sistema
2.5.2 Echelon Stock
I punti chiave della gestione delle scorte sono due; da un parte determinare accuratamente
le quantit da ordinare estremamente importante, dallaltra altrettanto rilevante determinare
quando ordinare il lotto di prodotti. Infatti, generalmente possibile migliorare le performance

2
Questo in generale vero solo nel caso delle strutture multilivello seriali, nel caso di strutture orizzontali
cio con pi entit allo stesso livello, luso del sistema Echelon Stock pu presentare delle anomalie nella gestione
dei punti di riordino
Sistema di riferimento e modelli per la gestione delle scorte

37
della supply chain, avendo per informazioni dagli altri partecipanti, giostrando precisamente i
tempi di ordinazione.
In una rete distributiva multilivello la gestione ottimale di un magazzino pu dipendere dal
livello delle scorte di tutti gli altri nodi della rete distributiva; questo per richiede di avere in
tempo reale le informazioni sullo stato di ciascun magazzino, cosa che spesso difficilmente
ottenibile.

Figura 2.4 Schema echelon stock.
Questultimo modello fornisce una visione pi generale della quantit delle scorte nel
sistema permettendo cos di prendere decisioni globali in base allo stato dellintera catena
distributiva piuttosto che sul singolo magazzino.
In pratica il sistema Echelon stock offre una visione del livello delle scorte di tutta la
catena, ad esempio consente di mantenere un magazzino vuoto, senza necessit di scorte, perch
magari i magazzini a valle ne sono sovraccarichi.
Il sistema Echelon Stock analizzando il livello delle scorte in tutto il sistema distributivo a
valle del magazzino permette di prendere decisioni che considerano lo stato complessivo del
sistema. Il beneficio ottenuto deriva dalla diminuzione dei costi di mantenimento in quanto
possibile tenere dei livelli delle scorte inferiori. Infatti il punto di riordino adesso dipende dalla
posizione delle scorte del magazzino stesso sommata a quella dei magazzini che stanno pi a
valle.
Per la definizione del modello si introduce la seguente notazione:
d tasso di domanda in quantit o pezzi nellunit di tempo
Q
1
lotto di acquisto magazzino a valle (calcolato come nel caso multistadio)
Q
2
lotto di acquisto magazzino a monte (calcolato come nel caso multistadio)
Distributore

Dettagliante

1
1
1
2
h
d A
Q

=
1
IP
2
IP
Produttore
1 2
Q j Q =
2 3
Q k Q =
3
IP
Capitolo 2

38
IP
1
inventory position allo stadio a valle
IP
2
inventory position allo stadio a monte
R
1
livello di riordino dello stadio a valle
R
2
livello di riordino dello stadio a monte
LT
1
lead time per il magazzino a monte
LT
2
lead time per il magazzino a monte
Per quanto riguarda il calcolo dei lotti di acquisto (presso tutti gli stadi) possibile
procedere in vari modi, che verranno esposti nei successivi paragrafi, per adesso assumiamo che
il lotto di acquisto allo stadio i sia un multiplo del lotto allo stadio i-1. In questa circostanza
quello che sostanzialmente interessa il calcolo dellinventory position e del livello di riordino
del magazzino a monte (o dei magazzini a monte se i livelli sono pi di due). Per quanto
riguarda lultimo magazzino a valle per lanalisi dellinventory position e del livello di riordino
si procede come nel modello (Q,R), per cui:
IP
1
= scorta fisica + quantit ordinata 2-9
per il livello di riordino del magazzino a valle
d LT R =
1 1
. 2-10
Mentre per il magazzino a monte avremo
IP
2
= scorta fisica
1
+ scorta fisica
2
+ quantit ordinata
2
2-11
e per quanto riguarda il livello di riordino:
( ) d LT LT R + =
2 1 2
. 2-12
In generale nel caso di una catena con n magazzini le due quantit saranno date da:

=
+ =
n
i
i n n
fisica scorta ordinata quantit IP
1

=
=
n
i
n n
LT d R
1

2-13
considerando sempre il magazzino 1 come quello pi a valle nella catena.
Riassumendo nella gestione Echelon vengono ottimizzati i livelli di riordino, la difficolt
principale di realizzazione di questo modello risiede nella condivisione delle informazioni, in
quanto per poter funzionare ogni magazzino deve mettere a disposizione di chi sta sopra di lui i
propri dati riguardanti le scorte a disposizione; spesso per questi dati non vengono condivisi,
neanche fra unit organizzative della stessa azienda, per paura che questi dati possano essere
utilizzati a danno dellunit stessa, rendendo impraticabile lapplicazione del modello.
Sistema di riferimento e modelli per la gestione delle scorte

39
2.5.3 Lotto economico multilivello
Oltre a definire con precisione i tempi in cui effettuare gli ordini, per ottimizzare un
sistema multistadio seriale, altrettanto importante determinare le dimensioni dei lotti di
ordinazione. Per la definizione del lotto economico a due o pi livelli possibile partire dal caso
a due stadi per poi ampliarlo a quello con n stadi. Considerando le finalit del problema viene
modellizzata separatamente una funzione di costo per ogni magazzino, in quanto ogni livello
viene considerato unorganizzazione economica indipendente.
Per la definizione di questo nuovo modello utile introdurre la seguente notazione:
d Tasso di domanda in quantit o pezzi nellunit di tempo
A
1
costo fisso di ordinazione magazzino a valle, in unit monetarie per lotto
A
2
costo fisso di ordinazione magazzino a monte, in unit monetarie per lotto
h
1
costo di mantenimento delle scorte magazzino a valle
h
2
costo di mantenimento delle scorte magazzino a monte
Q
1
lotto di acquisto magazzino a valle
Q
2
lotto di acquisto magazzino a monte
j numero intero che lega i lotti di acquisto
Per quanto riguarda il magazzino a valle la funzione di costo identica a quella vista
precedentemente nel paragrafo 2.4
2
1
1
1
1 1
Q
h
Q
d
A C
tot
+ = 2-14
sar cos semplice determinare la dimensione del lotto ottimale per questo magazzino:
1
1
1
2
h
d A
Q

= . 2-15
Mentre per quanto riguarda il secondo magazzino, quello a monte, va considerato che
luscita avviene a lotti di Q
1
unit, da cui possibile assumere che questo effettui gli ordini per
multipli interi del lotto del magazzino a valle, quindi:
+
= j Q j Q
1 2

possibile ipotizzare che il magazzino a monte effettui un ordine in maniera tale da
ricevere il lotto Q
2
nel momento in cui vi un effettivo fabbisogno del prodotto; quanto appena
asserito, in verit, accade regolarmente se per il riordino viene utilizzata una gestione Echelon
Stock o se i lead time sono nulli; altrimenti nel caso di gestione Installation Stock con lead time
non nulli possibile che nella sincronizzazione fra ordini e invii, tutto il quantitativo ordinato Q
2

Capitolo 2

40
permanga per uno o pi periodi nel magazzino. necessario tener conto di questa precisazione
non tanto in questa circostanza, in quanto ininfluente nella determinazione dei lotti, bens nei
successivi metodi di gestione, ben pi ottimizzati, che verranno esposti.

Figura 2.5 Lotto Economico multistadio.
Tornando ad esaminare la definizione del lotto, nellistante in cui viene ricevuta la
quantit Q
2
, una quantit di scorte Q
1
esce immediatamente dal magazzino 2, cosicch le scorte
varieranno tra 0 e la quantit ( )
1 1 2
1 Q j Q Q = . Il livelli medio delle scorte sar pertanto
( )
2
1
1
Q j
e ne conseguir una funzione di costo per il magazzino 2 uguale a:
( )
2
1
1
2
2
2 2
Q j
h
Q
d
A C
tot

+ = . 2-16
La funzione di costo che ne consegue convessa in j,
( )
2
1
1
2
1
2 2 ,
Q j
h
Q j
d
A C
tot

+

= 2-17
infatti, la derivata seconda di C
tot2
sempre positiva.
1
3
2
2
2
2
2
Q j
d A
dj
C d
tot


= . 2-18
Per minimizzare i costi del magazzino a monte possibile rilassare il vincolo di interezza
su j ed ottenere cos il valore ottimo j
*
:
2
2
1
*
2 1
h
d A
Q
j

= . 2-19
Individuato il valore ottimo sar poi semplice, utilizzando la finzione di costo C
tot2
,
identificare quale tra i due valori interi (

j e
(
j ) prossimi a j
*
generi il costo minimo.
Distributore
Dettagliante
1
1
1
2
h
d A
Q

=
1 2
jQ Q =
Produttore
2 3
kQ Q =
Sistema di riferimento e modelli per la gestione delle scorte

41
2.5.4 Gestione coordinata
semplice verificare, descrivendo la funzione di costo totale, che la soluzione proveniente
dalla minimizzazione separata (vista nel paragrafo precedente) dei costi dei due magazzini non
ottimale; infatti descrivendo la funzione di costo per lintera rete distributiva si ottengono dei
valori diversi, avremo cos:
( )
( ) ( )
2
1
2
1
2
1
2 1
1
2
1
1
2
1
2
1
1
1
1
Q
h j h
Q
d
j
A
A
Q j
h
Q j
d
A
Q
h
Q
d
A C
tot
+ +
|
|

\
|
+ =
=

+

+ + =

2-20
raccogliendo alcuni fattori la funzione di costo totale risulta simile a quella del lotto economico,
quindi considerando rispettivamente , come costi di ordinazione e di mantenimento
( )
2 1
2
1
1 h j h h
j
A
A A + =
|
|

\
|
+ =
ne deriva la quantit del lotto di ordinazione che ottimizza lintera rete,
( )
.
1
2
2
2 1
2
1
*
1
h j h
j
A
A d
h
A d
Q
+
|
|

\
|
+
=

=
2-21
Inoltre, derivando la 2-20 rispetto a j e sostituendo a Q
1
la quantit ottima
*
1
Q ed
uguagliando a 0 se ne desume il valore ottimo di j
*
;
0
2
2 1
2
*
1
2
=

=
h Q
j Q
d A
dj
dC
tot

2-22
e quindi:
( )
2 1
2 1 2 *
h A
h h A
j


= . 2-23
importante osservare che bench con questa soluzione si riducano i costi per lintera
catena i benefici siano solo a favore del magazzino a monte, mentre il magazzino a valle ottiene
dei costi superiori rispetto al caso della minimizzazione separata.
Va inoltre sottolineato che si ottengono dei benefici dallapplicazione di questo tipo di
gestione solo in concomitanza dellapplicazione dellEchelon Stock o con lead time nulli; infatti
necessario che a fronte di una consegna del lotto Q
2
al magazzino a monte una parte di questo
quantitativo (Q
1
) deve essere immediatamente inviata al magazzino a valle; se cos non fosse, se
Capitolo 2

42
cio il lotto Q
2
rimanesse completamente stoccato presso il magazzino 2, si genererebbero dei
costi di mantenimento che renderebbero questo tipo di gestione non pi ottimale.
Perci, se i lead time non sono nulli, per ottenere le migliori prestazioni
nellamministrazione di una supply chain, necessario combinare la gestione coordinata per il
calcolo lotti di acquisto con il riordino Echelon Stock per determinare i punti di riordino. Questa
combinazione se da un lato determina i minori costi totali dallaltro per necessita che i
partecipanti condividano informazioni riguardanti i propri livelli dei magazzini, il che spesso
impraticabile; addirittura necessario che i soggetti che stanno nella parte bassa della catena
(rivenditori) acquistino dei lotti di dimensione diversa (maggiore) da quella che sarebbe per loro
ottimale, differente cio dal lotto economico che garantisce a loro costo minimo. Queste
condizioni, soprattutto la seconda, sono difficili da attuare se non a meno della distribuzione di
incentivi o della presenza nella catena di aziende in posizione dominante che impongano agli
altri partecipanti delle determinate politiche di gestione.
La gestione coordinata estratta da [6] applicabile a supply chain formate da due soggetti,
durante lo sviluppo del progetto di questa tesi, il modello stato esteso a tre e quattro soggetti.
Considerando una catena distributiva formata da tre livelli la funzione di costo totale sar
( ) ( )
( ) ( ) ( ) .
2
1 1
2
1
2
1
2
1
3 2 1
1
3 2
1
2
3
1
2
2
3
1
2
1
1
1
1
Q
h k j h j h
Q
d
k j
A
j
A
A
Q k
h
Q j
h
Q k
d
A
Q j
d
A
Q
h
Q
d
A C
tot
+ + +
|
|

\
|

+ + =
=

+

+

+ + =

2-24
Indicando con:
A
3
costo fisso di ordinazione magazzino a valle, in unit monetarie per lotto
h
3
costo di mantenimento delle scorte magazzino a valle
Q
3
lotto di acquisto magazzino a valle pari a
+
= k Q k Q
2 3

k numero intero che lega i lotti di acquisto fra i livelli 2 e 3
anche in questo caso possibile raccogliere dei fattori in modo da far risultare simile la funzione
di costo totale a quella del lotto economico:
( ) ( )
3 2 1
3 2
1
1 1 h k j h j h h
k j
A
j
A
A A + + =
|
|

\
|

+ + =
Ne deriva la quantit del lotto di ordinazione che ottimizza lintera rete,
Sistema di riferimento e modelli per la gestione delle scorte

43
( ) ( )
3 2 1
3 2
1
*
1
1 1
2
2
h k j h j h
k j
A
j
A
A d
h
A d
Q
+ +
|
|

\
|

+ +
=

= .
2-25
In questo caso essendo la 2-30 funzione di due variabili, cio rispetto a j e k, necessario
calcolarsi la matrice jacobiana; sostituendo anche in questo caso a Q
1
la quantit ottima
*
1
Q ed
uguagliando a 0 se ne desumono i valori ottimo di j
*
e k
*
.
( )
(
(
(

=
(
(
(
(
(

|
|

\
|
+


+
=
(
(
(
(
(

=
0
0
2
2
1
1
2
3 1 3
1
2
2
2
3
1
3 2
) , (
Q j k
d A Q j h
Q
d
j
A
j k
A
Q
k h h
k
C
j
C
J
tot
tot
k j C
tot
2-26
Effettuando tutti i calcoli e semplificazioni si ottengono tre relazioni che restituiscono i
valori di Q, j e k; i valori di j e k sono ottenuti rilassando il vincolo di interezza, poi necessario
verificare da quale combinazione fra gli interi superiori e inferiori (

j ,
(
j ,

k e
(
k ) inseriti
nella funzione di costo generi i migliori risultati.
3 2
3 2 3 *
3 2 1
2 1 2 *
2 1
1 *
1
) (
) (
) (
2
h A
h h A
k
h h A
h h A
j
h h
d A
Q


=


=


=
2-27
Lo stesso procedimento pu essere adottato per una catena con quattro livelli dove sar
presente un nuovo fattore di moltiplicazione l (che definisce
+
= l Q l Q
3 4
) e i parametri
relativi ai costi di mantenimento e ordinazione del quarto livello, cio h
4
e A
4
, ottenendo cos
( )
4 3
4 3 4 *
4 3 2
3 2 3 *
3 2 1
2 1 2 *
2 1
1 *
1
) ( ) (
) (
) ( 2
h A
h h A
l
h h A
h h A
k
h h A
h h A
j
h h
d A
Q


=


=


=


=
2-28
Confrontando le relazioni ottenute per le gestioni coordinate a tre e quattro livelli
possibile ipotizzare una generalizzazione per la soluzione di catene a n livelli. Considerando y
i

come fattore moltiplicativo del lotto al livello i (cio
1 2 3 3 1 2 2
...

= = =
n n n
Q y Q Q y Q Q y Q ) avremo:
Capitolo 2

44
n n
n n n
n
i i i
i i i
i
h A
h h A
y
n i
h h A
h h A
y
h h
d A
Q


=
=


=

1
1 *
1 1
1 *
2 1
1 *
1
) (
1 ..., , 3 , 2
) (
) (
2
2-29
2.5.5 Gestione coordinata con incentivi
Gli incentivi nelle supply chain servono a distribuire dei benefici derivanti dallattuazione
di politiche pi performanti per lintera catena di approvvigionamento. Normalmente si
implementano incoraggiando, attraverso sconti o altri benefici, gli attori della filiera ad ordinare
lotti di acquisto della dimensione ottimale, in modo da raggiungere la coordinazione perfetta;
con questo termine si indica la gestione di un sistema composto da attori completamente
autonomi e che perseguono solamente i propri obiettivi, che riesce a generare gli stessi profitti di
uno impostato con meccanismi di coordinazione, come quello visto nel paragrafo 2.5.4.
Esistono vari meccanismi per la gestione coordinata di una supply chain, in particolare per
quanto riguarda quelle a due livelli, formate ad esempio da produttore e rivenditore, si va dalla
completa assenza di coordinazione fino a forme speciali di cooperazione. Nel primo caso
produttore e venditore agiscono indipendentemente e prendono decisioni che massimizzano i
rispettivi profitti, questo per non porta alla gestione ottimale dellintero sistema (gestione
multilivello paragrafo 2.5.3). Introducendo invece particolari tecniche di coordinazione, come
gli sconti, un soggetto della supply chain pu invogliare laltro a cambiare la propria politica di
gestione delle scorte ottenendo cos un beneficio per lintera catena. Sicuramente
lottimizzazione congiunta, cio operando come se la supply chain fosse composta da un'unica
organizzazione, sarebbe la situazione ideale, purtroppo questo non quasi mai possibile in
quanto i membri della catena di distribuzione appartengono ad organizzazioni diverse ed hanno
perci obiettivi dissimili e spesso in conflitto tra loro. Necessita quindi trovare un metodo che
permetta di massimizzare i profitti per lintero sistema migliorando o al limite non peggiorando
le performance per tutti i soggetti della catena.
La ricerca nel campo dei meccanismi di gestione di un canale di distribuzione di questo
tipo si evoluta sostanzialmente verso due direzioni. Un tipo di approccio effettua
lottimizzazione congiunta del sistema (come nella gestione coordinata paragrafo 2.5.4)
massimizzando globalmente i profitti, per poi utilizzare un meccanismo di distribuzione e
Sistema di riferimento e modelli per la gestione delle scorte

45
suddivisione di questi maggiori profitti ottenuti. Laltro orientamento usa il modello di
Stackelberg, proveniente dalla teoria dei giochi, per coordinare la gestione. Questo consiste di
due o pi giocatori, in cui un leader effettua la prima mossa o prende una decisione e in
conseguenza a questo laltro (o gli altri) giocatore che segue reagisce in modo razionale.
Assumendo che il leader abbia a disposizione tutte le informazioni del sistema, in base alle sue
decisioni pu anticipare le mosse di chi segue. In pratica considerando che linseguitore operi in
modo razionale il leader pu costruire una funzione di risposte dellinseguitore in base a tutte le
decisioni o mosse che pu effettuare; in questo scenario il leader pu quindi attuare la strategia
che porter alla migliore perfomance. Nel contesto della supply chain il leader impersonato dal
produttore (o venditore) mentre linseguitore il dettagliante (o acquirente); adottando questo
meccanismo il venditore imposta il prezzo di vendita e uno sconto se le dimensioni dei lotti
arrivano a una certa quantit, lacquirente sar libero di scegliere il lotto che preferisce ma (se il
venditore ha fatto bene i conti) sicuramente opter per il lotto che gli garantisce uno sconto sul
prezzo di acquisto in modo da massimizzare il proprio profitto (e di conseguenza anche quello
della catena). Il vantaggio dellapproccio basato sul modello di Stackelberg deriva dal fatto che
non necessaria nessuna cooperazione fra i soggetti della supply chain bens le transazioni
avvengono nella pi completa autonomia.
Viswanathan in [19] ha dimostrato che utilizzando lapproccio Stackelberg, su di una
catena a due stadi, si raggiungano le stesse performance della coordinazione perfetta; quindi
impiegando una specifica strategia sui prezzi possibile ottenere dei profitti per lintero sistema
uguali a quelli della coordinazione congiunta, descritta nel paragrafo precedente.
Per definire il modello necessario introdurre la seguente notazione e fare alcune
assunzioni :
Z
F
profitto dellinseguitore (acquirente o rivenditore) definito dalla:

F
( ) funzione di profitto dellinseguitore;
Q
F
lotto di acquisto dellinseguitore;
Z
L
profitto del leader (produttore o distributore) definito da:

L
( ) funzione di profitto del leader
Q
L
lotto di acquisto del leader
c prezzo di trasferimento dal leader allinseguitore
d tasso di domanda
Il profitto dellinseguitore funzione del costo c imposto dal leader e dalle dimensioni del
lotto di acquisto Q
F
dellinseguitore
Capitolo 2

46
( ) c Q Z
F F F
, =
2-30
si assume che
F
( ) sia concava rispetto a Q
F
e possa essere scritta come differenza di
termini che dipendono solo da Q
F
e c cio:
( ) ( ) c d Q g c Q
Q
F F F F
f
F
=

, 0
2
2


2-31
il profitto del leader funzione del prezzo di trasferimento e delle dimensioni dei lotti relativi al
leader e allinseguitore
( ) c Q Q Z
L F L L
, , =
2-32
e anche in questo caso si pu considerare la funzione di profitto come differenza di termini
( ) ( )
L F L L F L
Q Q g c d c Q Q , , , = .
2-33
Poich il leader per minimizzare i costi ottimizzer sempre il valore dei propri lotti di
acquisto Q
L
in base al valore di Q
F
(paragrafo 6.3) la variabile Q
L
pu essere eliminata
dallespressione ottenendo cos
( ) ( )
F L F L
Q g c d c Q = ,
2-34
si assume che per dei prezzi di trasferimento c maggiori di un certo valore di soglia c
L
il
profitto del leader si incrementa al crescere di Q
F
.
A questo punto possibile definire per il leader due tipi di strategie: nella prima strategia
il leader fissa un prezzo di trasferimento delle merci c
*
incondizionato per linseguitore e questo
libero di scegliere qualsiasi valore del lotto di acquisto. Il prezzo c
*
viene fissato dal leader in
base a vari fattori tra cui la situazione di mercato, i costi di produzione o di acquisto, la domanda
del prodotto etc. e porta ad una situazione di equilibrio dove linseguitore ordiner a lotti di
dimensione
E
F
Q ; questa situazione viene anche definita equilibrio iniziale ( )
*
, c Q
E
F
. Esiste poi
una strategia condizionale ( )
D
F
D
Q c c , ,
*
dove il leader individua due prezzi c
*
e c
D
(con
*
c c
D
)
e due valori di lotti dacquisto
E
F
Q e
D
F
Q (con
E
F
D
F
Q Q ), dove il prezzo c
D
verr applicato se
linseguitore decider per dei lotti
E
F F
Q Q ; altrimenti sar applicato il prezzo c
*
.
Il profitto per lintero sistema Z si pu esprimere come:
( ) ( ) ( ) ( )
F L F F F F F L F L
Q g Q g c d Q g Q g c d Z Z Z = + = + =
2-35
e nel caso della prima strategia, cio allequilibrio iniziale il profitto sar
Sistema di riferimento e modelli per la gestione delle scorte

47
( ) ( )
J E
F L
E
F F
E
F
E
L
E
Z Q g Q g Z Z Z = + =
2-36
dove Z
J
il profitto che deriverebbe dalla ottimizzazione congiunta della catena.
Con la strategia condizionale ( ) , , ,
* D
F
D
Q c c il profitto di sistema dipende da quanto il
prezzo condizionale attrattivo per linseguitore, in quanto questo accetter il prezzo
condizionale c
D
optando cos per il lotto
D
F
Q solo se il profitto derivante da questa decisione
migliore o al limite uguale a quello dellequilibrio iniziale. Cos il profitto con la strategia
condizionale sar
( ) ( )
( ) ( )

>
=
.
, ,
*
altrimenti Q g Q g
c Q c Q se Z
Z
D
F L
D
F F
D D
F F
E
F F
E
C


2-37)
possibile dimostrare che con un opportuna strategia condizionale si pu arrivare a:
J C
Z Z = attuando cio la strategia ( ) , , ,
* J
F
J
Q c c
ottenendo cos gli stessi profitti della gestione congiunta garantendo allo stesso tempo
lautonomia e un aumento, o al limite un non peggioramento, dei profitti di tutti i soggetti.
Questi risultati sono applicabili sia nel caso di domanda fissa sia in quello con domanda
elastica (rispetto al prezzo) o anche quando vi sia un leader e pi inseguitori non in cascata. In
particolare in presenza di un sistema seriale cio un leader e un inseguitore e domanda fissa lo
sconto applicabile sar:
|
|

\
|
+

= d h A h Q
Q
d A
d
c c
F F F
J
F J
F
F j
2
2
1 1
*

2-38
avendo indicato con:
A
F
costo fisso di ordinazione per linseguitore (magazzino a valle)
A
L
costo fisso di ordinazione per il leader (magazzino a monte)
h
F
costo di mantenimento delle scorte per linseguitore
h
L
costo di mantenimento delle scorte per il leader
J
F
Q lotto di acquisto dellinseguitore che garantisce la perfetta coordinazione
il lotto di acquisto
J
F
Q sar definito da:
Capitolo 2

48
( )
L F
L
F
J
F
h n h
n
A
A d
Q
+
|

\
|
+
=
1
2
*
*

2-39
dove n valore intero pi piccolo che soddisfa la seguente relazione:
( )
( )
( ) 1 1
* * * *
+


n n
A h
A h h
n n
F L
L L F 3

2-40
Il lotto di acquisto del leader sar quindi uguale:
F L
Q n Q =
2-41

Anche in questo caso importante rimarcare che il modello di gestione apporta dei
benefici, rispetto al normale multistadio, solo se si considera che nel magazzino a monte il
livello medio delle scorte pari a ( ) 2 1
F
Q n , cio nellistante in cui viene ricevuta la quantit
F
Q n , una quantit
F
Q esce immediatamente dal magazzino. Come gi asserito nel paragrafo
2.5.4 per garantire questa condizione necessario attuare per il riordino una politica Echelon
Stock oppure ritrovarsi nel caso dei lead time nulli.
2.5.6 Gestione con negoziazione
Nellambito del progetto per lo sviluppo del simulatore stato tentato di sviluppare una
gestione della catena di approvvigionamento seriale che raggiungesse delle performance
migliori della gestione multilivello senza per avere la necessit di condividere informazioni
come linventory position e i parametri caratteristici del magazzino (costi di mantenimento),
necessari rispettivamente nelle metodologie Echelon Stock e coordinata.
stata quindi approntata una gestione, tramite una ricerca euristica, con il fine di
individuare dei lotti di ordinazione che garantissero dei costi per lintera catena minori della
gestione multilivello (descritta nel paragrafo 2.5.3). Chiaramente i singoli soggetti della supply
chain, anche se non condividono informazioni fondamentali devono comunque collaborare e
indicare i rispettivi benefici o svantaggi per ognuno dei lotti di acquisto proposti, rispetto alla

3
Perch coincidano esattamente i costi della gestione coordinata e con incentivi necessario utilizzare la
stessa relazione per il calcolo del valore di n
*
(2-40) e di j
*
(2-23). Le due relazioni nella grande maggioranza dei
casi restituiscono lo stesso valore, pu per accadere (dato che la 2-23 seleziona lintero superiore o inferiore in
base alla funzione di costo) che i due valori differiscano; pertanto, nel simulatore stato implementata la 2-23 sia
per il calcolo di j
*
(della gestione coordinata), sia per il calcolo di n
*
(della gestione con incentivi)
Sistema di riferimento e modelli per la gestione delle scorte

49
soluzione di base che la classica multilivello. Va precisato che nella realt, una soluzione di
questo tipo per essere implementata necessiterebbe sicuramente di un sistema EDI che consenta
una negoziazione veloce fra i vari partecipanti, in modo da attuare i trasferimenti dei dati
necessari alla negoziazione in modo efficace.
In pratica questa ricerca dei lotti di acquisto ottimali viene realizzata utilizzando un
metodo iterativo che passa ripetutamente per varie fasi:
fase 1. selezione dei lotti da esaminare: in questa fase vengono interrogati tutti i
partecipanti della supply chain per conoscere il corrispondente lotto ottimale di
acquisto, di tutti questi valori vengono cos memorizzati il minimo e il massimo e
considerato tutto lintervallo (lintervallo viene ampliato togliendo il 10% dal
minimo e aggiungendo il 10% al massimo), come serie di valori fra cui ricercare
quello ottimale;
fase 2. ricalcolo dei lotti: viene estratto dallintervallo di valori (ottenuto dalla fase
precedente) il pi grande e assegnato come lotto di acquisto al primo al primo
partecipante della catena, cio quello che sta a pi a valle, in base a questo gli altri
partecipanti di conseguenza ricalcolano i multipli che determinano i lotti di
acquisto come nella 2-19;
fase 3. valutazione del lotto:
a. ogni partecipante, utilizzando la funzione di costo e i nuovi valori dei lotti di
acquisto, calcola lo scarto rispetto al costo della normale gestione multilivello. Se
lo scarto positivo cio il costo della gestione multilivello maggiore del costo
calcolato con il lotto in esame, allora c un beneficio per quel partecipante ad
utilizzare quel valore come lotto di acquisto e quindi pu offrire un incentivo a
quei partecipanti che ottengono uno scarto negativo;
b. Se la somma degli scarti di tutti i partecipanti positiva allora i valori calcolati
possono portare ad una gestione pi performante; cos la somma dei scarti viene
confrontata con la somma di scarti pi grande trovata fino a quel momento, se
risulta maggiore memorizzata e memorizzato anche il lotto di acquisto che la
genera, altrimenti scartata.
Capitolo 2

50
c. Se ancora non sono stati testati tutti i valori del lotto compresi nellintervallo il
controllo ritorna alla fase 2 e successivamente la fase 3; vengono cos valutati
tutti i valori per verificare quali possono migliorare le prestazioni della supply
chain; Alla fine viene preso in considerazione il valore del lotto (se esiste) che ha
generato la somma positiva di scarti maggiore, cio in pratica quel valore che
dovrebbe garantire un costo di gestione pi basso, il controllo passa quindi alla
fase 4.

Figura 2.6 - diagramma di flusso dell'algoritmo della negoziazione.
fase 4. distribuzione degli incentivi: se stata trovata almeno una somma di scarti
positiva la nuova gestione pu essere instaurata, devono per essere distribuiti
degli incentivi dai partecipanti che ottengono un beneficio a quelli che riportano
uno svantaggio dalla messa in opera della nuova gestione. Cos i soggetti che
Fase 1 Viene individuato un intervallo di
valori del lotto di acquisto su cui testare la
catena.
Fase 2 Un valore del lotto preso
dallintervallo della fase precedente, sono
ricalcolati i lotti di tutta la catena.
positiva e maggiore
delle precedenti?
Fase 3a In base alla configurazione
impostata nella fase 2 viene calcolata la
somma dei scarti.
si
Fase 3b memorizza la somma dei scarti
trovati e il relativo lotto che la genera.
Ci sono altri valori
del lotto da testare?
Fase 4 in base al valore del lotto che migliora
le performance vengono distribuiti gli
incentivi.
si
no
no
Sistema di riferimento e modelli per la gestione delle scorte

51
ottengono uno scarto positivo ( e quindi un beneficio) distribuiscono incentivi ai
soggetti che hanno riportato uno scarto negativo. Gli incentivi sono sotto forma di
sconti per i soggetti che stanno a valle e incrementi dei prezzi di trasferimento per
quelli che stanno a monte. Vengono cos ribilanciati i costi di tutti soggetti della
catena di approvvigionamento.




Capitolo 3
La simulazione
I sistemi reali, definiti come insiemi di entit interagenti, sono caratterizzati da elevata
complessit, dinamicit e casualit; ci rende difficoltosa la comprensione del loro
comportamento e la loro organizzazione e gestione. La simulazione un importante strumento
che offre l'opportunit di vedere funzionare un sistema in un computer. Con il termine di
simulazione sintendono quelle tecniche che con l'ausilio del calcolatore imitano, ovvero
simulano il comportamento di un sistema. Il problema della progettazione di sistemi
complessi, integrati e caratterizzati da una natura tipicamente dinamica e stocastica risulta
infatti difficilmente affrontabile senza il ricorso a metodologie di simulazione.
In particolare i modelli di simulazione consentono di valutare a priori le prestazioni
ottenibili dal sistema considerato prima ancora di procedere alla sua realizzazione o modifica.
In questo modo possibile prevedere il comportamento del sistema al variare di condizioni e
parametri, valutare tutti gli indicatori di performance tecnici, trovare le soluzioni pi
opportune, riducendo i costi di investimento e di esercizio e limitando i rischi.
Se per le scienze della natura gran parte delle teorie sono sempre state paragonate ai fatti
per trovare una conferma o una smentita, ci non mai avvenuto per le scienze delluomo
(leconomia, la sociologia, la storia, lantropologia, la psicologia, etc.). In queste scienze
sempre stato impraticabile realizzare una relazione tra teorie e fatti osservati; difficilmente le
teorie sono state formulate in termini quantitativi e raramente stato possibile adottare il
metodo empirico. Gli scienziati non sono mai stati in grado di fornire stime o previsioni
precise dei fenomeni studiati nelle scienze umane (si pensi alleconomia), anzi frequentemente
hanno sbagliato completamente, prevedendo risultati del tutto errati.
Nelle scienze delluomo vengono raccolti e descritti una grande quantit e variet di
fatti ma purtroppo non c, nella maggior parte dei casi, un collegamento tra teorie e fatti che
caratterizza la scienza in generale e le scienze della natura in particolare. Questo uno dei
principali motivi per cui le scienze delluomo fanno pochi progressi e non riescono a
raggiungere e ad accumulare nel tempo una vera conoscenza e comprensione della realt.
Vengono elaborate e discusse tante teorie, ma raramente vengono poste a una vera e propria
verifica sperimentale; non sono sostenute o criticate con fatti osservati. Di questa differenza
La simulazione

53
tra le scienze delluomo e le scienze della natura occorre tener conto perch, proprio per la
loro arretratezza, le scienze delluomo hanno pi bisogno delle simulazioni.
3.1 Benefici della simulazione
La simulazione pu essere considerata il terzo strumento della scienza, che si aggiunto
di recente, con lavvento dei computer, ai due strumenti di ricerca tradizionali: le teorie e gli
esperimenti di laboratorio. Adottare il metodo della simulazione significa tradurre una teoria
in un programma per il computer, farlo eseguire al computer e verificare se la simulazione
riproduce i fenomeni che la teoria intende spiegare. Le simulazioni offrono una serie di
vantaggi per la ricerca scientifica e questo spiega perch stanno diventando uno strumento
sempre pi usato in tutte le discipline.
Un primo vantaggio che esprimere una teoria da tradurre in un programma per il
computer costringe a formularla in modi necessariamente chiari, espliciti, univoci, senza
lacune e contraddizioni nascoste, altrimenti non potrebbe essere tradotta in un software.
Questo un vantaggio importante per quelle discipline, come le scienze delluomo (cognitive,
sociali e storiche), che spesso non riescono a formulare le loro teorie in modo chiaro, esplicito
e univoco. I concetti teorici delle scienze delluomo non sono in genere concetti quantitativi,
matematici, i quali sono per definizione chiari, espliciti e univoci, inoltre non si connettono in
modo diretto con la realt osservabile.
Un altro beneficio derivante dalluso delle simulazioni che esse permettono di studiare
qualsiasi fenomeno, a differenza di un laboratorio dove possibile studiarne solo alcuni e in
condizioni cos artificiali che, per certe discipline, lutilit degli esperimenti di laboratorio
inevitabilmente limitata o del tutto assente. In numerose scienze naturali le teorie formulate
possono essere verificate direttamente con metodi empirici, per controllare la correttezza delle
loro ipotesi; gli esperimenti di questo tipo permettono di capire quali sono i fattori che danno
origine a determinati fenomeni e di modificarne alcuni aspetti e caratteristiche per osservare le
conseguenze che si ripercuotono sul sistema. Tutto ci valido se lo studio limitato a
situazioni e sistemi semplici; nel caso per di fenomeni che danno origine a sistemi complessi
il metodo di verifica sperimentale pu non essere praticabile o comunque diventare
eccessivamente costoso.
La possibilit di verificare le teorie e fare previsioni, del tutto preclusa per le scienze
sociali; infatti, diversamente da quanto accade per le scienze naturali, non esiste nessun
concetto di laboratorio e quindi impossibile mettere in pratica idee e teorie. La nozione di
Capitolo 3

54
laboratorio ancora pi lontana per gli studiosi che si occupano di fenomeni non direttamente
accessibili come gli storici e gli archeologi. In alcuni casi eseguire test in laboratorio sarebbe
eccessivamente costoso e complicato come ad esempio per i progetti aerospaziali, in altri
linconveniente sarebbe il tempo perch la verifica ottenuta partendo da unimplementazione
sperimentale richiederebbe tempi di attesa troppo lunghi.
In tutti i casi elencati, sarebbe auspicabile pi che un laboratorio fisico uno virtuale
dove fosse possibile studiare questi sistemi non direttamente sperimentabili in modo
economico e veloce; da qui nata limportanza della simulazione che un potente mezzo per
la comprensione e lo studio di realt non riproducibili e rappresenta per i ricercatori uno
strumento decisamente pi completo rispetto al laboratorio. La simulazione consente inoltre di
elaborare modelli che mirano ad ottenere particolari risposte, ad esempio conoscere quali
saranno le conseguenze originate da un particolare insieme di fattori; per esempio, grazie a
questo metodo, gli studiosi delle scienze sociali possono valutare gli effetti originati da
particolari provvedimenti economici o sociali prima della loro applicazione nella realt. Si
tratta della tipica domanda what if a cui possibile dare risposta modificando alcuni
parametri e/o caratteristiche del modello.
Il metodo della simulazione differisce dai metodi tradizionali della ricerca scientifica
perch non ha il solo intento di descrivere o spiegare i fenomeni della realt, ma cerca di
ricrearli; inoltre consente di formulare le proprie teorie e ipotesi sotto forma di progetti per la
costruzione di sistemi artificiali.
Una simulazione pu essere utilizzata come un laboratorio in cui controllare variabili e
manipolare il loro valore osservando gli effetti di queste operazioni, come avviene nelle reali
prove sperimentali e che ne spiega il grande valore per la scienza. In laboratorio lo scienziato
non si limita a osservare la realt empirica, ad aspettare che avvengano i fenomeni cruciali che
possono dirgli se le sue teorie sono corrette o sbagliate; per mezzo di una simulazione lo
scienziato, come se fosse in laboratorio, interroga la realt, pone le domande per decidere se
una teoria corretta o sbagliata e ottiene risposte. Se una simulazione riesce a riprodurre i
fenomeni osservati nella realt, la teoria che sta a monte pu essere confermata; se non ci
riesce, il ricercatore pu aggiungere, togliere e modificare parametri o pu modificare in altri
modi la teoria fino a che non viene raggiunta una corrispondenza soddisfacente .
Le simulazioni possono essere utilizzate anche per elaborare teorie, per esplorarne e
valutarne le caratteristiche e le implicazioni quando sono ancora nella fase di costruzione. In
particolare diventa possibile sviluppare il metodo degli esperimenti mentali, un metodo di
ricerca che viene usato, ma solo marginalmente e implicitamente, nella scienza. Le
La simulazione

55
simulazioni si possono anche definire, come delle macchine per automatizzare gli
esperimenti mentali.
Le simulazioni sono uno strumento per conoscere e capire la realt, usarle come metodo
di ricerca ha delle conseguenze sul modo di concepire e di studiare la realt. Adottando le
simulazioni come strumento di ricerca, risulter naturale vedere la realt non costituita
soprattutto da sistemi semplici, ma principalmente da sistemi complessi. La scienza fino ad
oggi si occupata quasi esclusivamente di sistemi semplici poich essi si prestano meglio ad
essere studiati con gli strumenti tradizionali, ma la realt costituita soprattutto di sistemi
complessi; dunque si presenta il problema di dotarsi degli strumenti idonei, che, ovviamente,
non possono pi essere quelli tradizionali e la simulazione uno di questi, anzi, ad oggi,
probabilmente il pi importante.
Le simulazioni compiono una sintesi della realt, cio partendo dai singoli componenti
cercano di esaminare cosa emerge quando questi vengono messi insieme e fatti interagire. In
altre parole le simulazioni si basano sullassunzione che la realt non pu essere conosciuta
solo analizzando i suoi componenti, ma necessario ricrearla a partire da questi componenti.
Unaltra peculiarit che scaturisce dalluso delle simulazioni deriva dal fatto che
possono essere considerate come un linguaggio comune parlato da qualunque disciplina.
Leccessiva frammentazione disciplinare pu essere un problema per la scienza e risultare un
ostacolo per la ricerca. Infatti, in una scienza divisa in tante discipline si pu presentare la
difficolt a studiare fenomeni estesi e, magari, collegati ad altri fenomeni non tutti
appartenenti alla stessa disciplina.
3.2 Critiche alle simulazioni
Pur presentendo problemi e limitazioni la maggior parte delle critiche rivolte alle
simulazioni sono dovute per lo pi ad una mancata comprensione e non ai veri e propri limiti
che le contraddistinguono.
Una fra le critiche pi ricorrenti che sono una semplificazione della realt che
estremamente complessa e quindi risultano uno strumento troppo semplice per poterla
spiegare; addirittura a volte le simulazioni vengono prese come dei giochi, divertenti, ma
incapaci di essere un elemento utile per aiutare a comprendere la realt. Tale critica
sicuramente eccessiva in quanto le simulazioni sono innanzitutto la traduzione di una teoria in
programma per computer, e tutte le teorie, per assolvere al loro compito, cio quello di far
comprendere i fenomeni, sono semplificate rispetto alla realt; permettono cos di cogliere
Capitolo 3

56
lessenza dei fenomeni, liberandoli dalla complessit e dalla variet. Semmai necessario
capire se le semplificazioni sono orientate nella giusta direzione e se non sono stati tralasciati
degli elementi fondamentali per esplicitare lessenza del fenomeno che viene studiato.
corretto che una simulazione semplifichi la realt purch la semplifichi nel modo giusto.
Inoltre importante sottolineare che, mentre le teorie ed il metodo della sperimentazione
tradizionali rimarranno sempre semplificazioni della realt, le simulazioni, con linnovazione
tecnologica e con lo sviluppo delle tecniche simulative, diventeranno sempre pi sofisticate ed
elaborate, rendendo cos la rappresentazione dei fenomeni che studiano, sempre pi vicina alla
realt.
Un altra critica che viene rivolta che le simulazioni non direbbero nulla di nuovo
rispetto a quanto gi conosciuto della realt sotto studio; viene quindi spontaneo affermare che
se nulla di nuovo viene detto, inutile utilizzarle, poich sarebbero solo uno spreco di tempo.
Questo facilmente obiettabile affermando che spesso la simulazione non restituisce quanto
aspettato ma fa emergere dei fenomeni che differiscono da quelli usati come base di partenza.
Inoltre il fatto che una simulazione riproduca risultati identici alla realt, deve essere percepito
come una conferma della bont della teoria che sta alla base della simulazione stessa.
Un'ulteriore argomentazione da parte dei critici afferma che attraverso le simulazioni
viene riprodotta una realt che abitualmente poco conosciuta e quindi inutile da riprodurre,
poich il risultato sarebbe privo di significato scientifico, a causa della sua incompletezza e
penuria di particolari. Se fosse realmente cos e se fosse necessario aspettare di conoscere
perfettamente la realt prima di poterla simulare, difficile capire a cosa potrebbero servire le
simulazioni; nel senso, a cosa servirebbe studiare un argomento se gi conosciuta ogni
particolarit del suo funzionamento. La simulazione serve proprio quando qualcosa non
conosciuto a fondo e lo studio effettuato non sufficiente per poterne comprendere l'essenza.
Ci porta a due conseguenze: in primo luogo, la simulazione una teoria ed in quanto tale
utile per andare al di l di un semplice insieme di fatti e per poter comprendere perch tali fatti
si verifichino (compito delle teorie in generale e quindi anche delle simulazioni); in secondo
luogo le simulazioni possono servire per la scoperta di altri fenomeni, rispetto a quelli che
sono studiati, per cui possono essere considerate come guida per indirizzare la ricerca
scientifica, nello scoprire se i nuovi fenomeni, ricavati dai risultati delle simulazioni, abbiano
un riscontro nella realt.
Una fra le critiche pi frequenti afferma che le simulazioni non lasciano trasparire cosa
avviene anche quando riproducono qualcosa con successo, sono in pratica delle scatole nere:
conosciuto cosa viene inserito, cio cosa c' dentro e cosa esce, ma ignoto cosa ci succede
La simulazione

57
dentro. Questo per vale solo per chi osserva passivamente da fuori. Il ricercatore che
implementa la simulazione come se operasse in un laboratorio sperimentale, pu intervenire
e modificare ogni aspetto per vedere i risultati che derivano da queste sue manipolazioni,
osservando non solo i fenomeni, ma anche ci che ci sta dietro.
Secondo alcuni, poi le simulazioni pur essendo in grado, in alcuni casi, di riprodurre il
fenomeno studiato, non permettono di comprenderlo a fondo, perch essendo espresse in
linguaggi informatici, possono essere comprese nella loro essenza solo da esperti di questo
settore; a queste affermazioni facile ribattere dicendo che le teorie espresse in modo
tradizionale sono descritte con un linguaggio matematico, che per essere compreso, deve
presupporre un determinato livello di conoscenza della matematica. Questo si traduce nel fatto
che tutte le teorie, classiche e non, richiedono determinate conoscenze specifiche per essere
comprese e perci non possono essere intese nella loro essenza da chiunque. Invece il loro
significato pu essere compreso anche senza una base matematica nella maggior parte dei casi
e questo avviene anche per le simulazioni, che attraverso il monitor del computer, possono far
capire in maniera molto esplicita cosa accade nell'ambiente simulato.
3.3 I problemi della simulazione
Anche le simulazioni, presentano dei problemi e dei limiti reali ma che non consistono
in veri e propri ostacoli che minano l'efficienza di questa nuova metodologia di ricerca. Tali
limiti sono per lo pi dovuti allincapacit di usare correttamente questo metodologia ed
quindi attendibile che possano essere superati, grazie ad una maggiore perizia di coloro che le
utilizzano.
Uno dei pi rilevanti problemi, che spesso coloro che le usano, tendono a dare maggior
peso alle verifiche interne che alle verifiche esterne. La verifica interna consiste nel valutare
se derivino effettivamente le predizioni che si pretende che da essa siano ricavabili. La
verifica interna di una teoria un elemento essenziale della ricerca scientifica, soprattutto
quando i fenomeni della realt che vengono studiati sono complessi. Ci nonostante non
ammissibile rinunciare a eseguire anche la verifica esterna, che consiste semplicemente nel
controllo dei risultati ottenuti in fase di simulazione con la realt a essi relativa, cio va
controllato che quello che accaduto nella simulazione corrisponda ai fatti empirici. Accade
di frequente che in questa verifica esterna la ricerca sia un po' assente e inadeguata. anche
vero che uno scienziato, prima di costruire una simulazione, debba avere ben presente un
fenomeno, che poi il soggetto che vuole analizzare e che quindi al momento del
Capitolo 3

58
conseguimento dei risultati, faccia implicitamente un'analisi con la realt. Per anche vero
che il confronto tra risultati della simulazione e realt, non avviene in modo sistematico, come
invece dovrebbe essere, per constatare poi la validit dell'analisi condotta. quindi necessario
che i riscontri siano espliciti, dettagliati e ampi, altrimenti probabile che il troppo
coinvolgimento nei mondi artificiali faccia trascurare il punto di vista della realt empirica,
che invece deve essere ben presente. La mancanza di un tale raffronto, pu anche dipendere da
un eccessivo impegno per la costruzione di una simulazione che sottrae tempo e risorse ad una
verifica esterna sistematica ed approfondita. Comunque non va dimenticato che le simulazioni
possono essere usate anche a fini unicamente pratici, magari per generare nuove tecnologie; in
questo caso il confronto con la realt superfluo poich non negli obiettivi che il ricercatore
si prefigge.
Unaltro problema deriva da una errata semplificazione della realt, in quanto le
simulazioni essendo teorie devono in primo luogo semplificare, ma queste semplificazioni
devono essere indirizzate nella maniera corretta; quindi necessario semplificare solo gli
elementi che non sono particolarmente rilevanti per il fenomeno in questione e mantenere
tutto il resto. Risulta indispensabile dedicare molta attenzione nella distinzione tra aspetti
irrilevanti ed aspetti rilevanti, magari utilizzando anche precise metodiche che indichino quali
siano le semplificazioni giuste e quali no.
Nel processo di semplificazione della realt anche essenziale che non siano inseriti
dettagli inutili, o addirittura arbitrariamente scelti, cio particolari che non abbiano riscontro
nella realt; questo problema potrebbe anche essere indicato come l'opposto di quello appena
citato nel senso che inserendo dettagli estranei alla realt molto probabile non riuscire a
simulare un sistema o riprodurre scorrettamente il fenomeno reale sotto studio. Per evitare
questo problema necessario interpretare correttamente i risultati, cercando di capire qual il
contributo che i singoli dettagli danno ai risultati della simulazione, in modo da individuare
facilmente i dettagli inseriti arbitrariamente che apportano un contributo distorsivo
all'andamento della simulazione.
Nel caso che le simulazioni non confermino le ipotesi iniziali difficoltoso capire,
basando la verifica sull'interpretazione dei risultati, se lerrore sia attribuibile ad uninesatta
specificazione del modello o semplicemente ad una scorretta programmazione; pu anche
capitare che le ipotesi siano confermate, ma comunque pu essere difficoltoso confermare la
congruenza dei risultati, perch oltre a quelli espliciti possono essercene anche altri impliciti.
Un altro problema riguarda il livello di realismo della simulazione, perch nel processo
di semplificazione della realt importante trovare il giusto bilanciamento tra i dettagli
La simulazione

59
indispensabili e quelli superflui, per non creare un modello che non in grado di rappresentare
efficacemente ed allo stesso tempo efficientemente la realt studiata.
Un ultimo problema consiste nella definizione delle assunzioni su cui graver il modello
e dei valori da assegnare ai parametri, che possono richiedere un minuzioso adattamento
necessario all'utilizzatore per scegliere la migliore possibilit.
3.4 I Modelli
Un modello descrive una realt da studiare e deve catturare e mettere in evidenza gli
aspetti dinteresse, tralasciando quelli che risultano essere insignificanti ed inutili. Dettaglio,
precisione ed estensione del modello devono essere rapportati allo scopo finale della
simulazione.
Un buon modello deve avere le seguenti caratteristiche:
correttezza: deve riprodurre esattamente gli aspetti di interesse della realt
studiata;
precisione: lo scostamento misurato tra i risultati della simulazione e quelli
della realt;
generalit: deve poter gestire correttamente le varianti della realt in esame e
essere il pi scalabile possibile; ci ottenibile in parte attraverso luso di
parametri;
affidabilit: la simulazione deve fornire sempre risultati corretti per ogni
condizione di utilizzo; in altre parole non deve accadere che per alcuni particolari
configurazioni si ottengono risultati completamente sbagliati.
Nell'ambito dell'ingegneria, si definisce modello matematico un modello formale che
opera su oggetti matematici, che rappresentano le astrazioni delle entit reali che si stanno
considerando. Nella progettazione e nello studio di una qualsiasi entit reale, risulta spesso
difficile o impossibile avere a disposizione modelli intuivi e semplici, che aiutino a capire se
una certa soluzione possa essere adeguata o meno per lapplicazione diretta al mondo reale. I
modelli matematici possiedono il vantaggio, su tutti gli altri modelli formali, di non essere
costosi (come i modelli fisici) e di permettere di applicare il rigore del ragionamento
matematico. Ad esempio, un insieme di equazioni differenziali pu descrivere la struttura di
un ponte e le forze che su di esso sono esercitate; sulla base di esse il progettista pu
anticipatamente prevedere gli sforzi a cui sottoposta la struttura interna del ponte.
Capitolo 3

60
Un modello matematico non semplicemente una copia o una rappresentazione in
miniatura di qualche oggetto o fenomeno; esso piuttosto un insieme di affermazioni (e
talvolta di supposizioni) il cui scopo di spiegare certi fenomeni, ovvero di farli comprendere
con maggior chiarezza.
Seguendo gli approcci classici, la definizione di un modello matematico avviene
attraverso la scrittura di equazioni differenziali. Si perviene cos ad uno o pi sistemi di
equazioni che in sostanza rappresentano la realt studiata. Ci penalizza fortemente gli
studiosi di scienze per le quali non possibile o realistico ricondursi a modelli puramente
matematici, la cui risoluzione non computazionalmente trattabile nella maggioranza dei casi.
Una prima classificazione dei modelli matematici vede la distinzione tra modelli
deterministici e modelli stocastici. In un modello deterministico non ci sono elementi
probabilistici, mentre questi sono presenti in un modello stocastico. Introducendo i dati di
ingresso in un modello deterministico si ottiene un risultato fissato; in un modello stocastico
invece si ottiene un risultato probabilistico, vale a dire una stima delle reali caratteristiche del
modello.
Unulteriore classificazione per i modelli matematici riguarda la distinzione tra modelli
di tipo continuo e modelli di tipo discreto. Nel primo caso le caratteristiche del sistema
subiscono mutamenti di stato di tipo continuo, nel secondo caso i mutamenti di stato si
verificano unicamente in corrispondenza di intervalli temporali discreti.
I modelli di simulazione considerati nei sistemi di material handling nellindustria
manifatturiera sono in genere discreti, dinamici e stocastici e sono chiamati discret-event
simulation model. In questi modelli le variabili di stato possono cambiare solo in certi istanti
di tempo; solo in questi istanti pu accadere un evento, termine con il quale si intende un
qualsiasi avvenimento istantaneo che pu modificare lo stato del sistema.
3.5 Fasi della simulazione
Le operazioni di codificazione necessarie per costruire un modello vanno inquadrate in
un processo di studio del sistema che segue diversi passi. Questo processo non una semplice
sequenza di fasi, infatti necessario ritornare al passo precedente ogni volta che si
acquisiscono conoscenze sempre pi approfondite sul sistema. Il processo di studio del
sistema si pu suddividere nelle seguenti fasi:
formulazione del problema: definizione del sistema da studiare e dei suoi
obiettivi;
La simulazione

61
acquisizione dati: raccolta, analisi, selezione e validazione dei dati quantitativi
del sistema;
realizzazione del modello: formulazione delle ipotesi e realizzazione del modello;
validazione: confronto delle caratteristiche del modello con quelle del sistema;
implementazione del software: scrittura del programma in un linguaggio
generico, di simulazione o attraverso un ambiente di simulazione adeguato
(limpiego di un simulatore user-friendly pu semplificare molto questa attivit
rispetto allutilizzo di un linguaggio generico di programmazione);
validazione del simulatore: esecuzione di test di simulazione per confrontare se
gli output del modello si avvicinano agli output del sistema esistente; se gli
output non sono in accordo allora si rende necessaria la revisione delle fasi
precedenti;
definizione fase sperimentale: valutazione dei tempi di simulazione, delle
condizioni iniziali e del numero di simulazioni necessarie;
simulazioni: vengono effettuate le simulazioni;
analisi dei risultati: esame e osservazione dei risultati ottenuti per definire le
misure di prestazione del sistema;
presentazione dei risultati: utilizzo dei risultati a supporto delle decisioni per la
gestione del sistema.
3.6 Micro e Macro Simulazioni
Una simulazione, indipendentemente dalla metodologia utilizzata, in relazione al livello
di dettaglio con cui analizza e modellizza il sistema, pu essere una micro-simulation o una
macro-simulation . Se il sistema viene analizzato, studiato e modellato nella sua globalit, in
termini di popolazione piuttosto che degli individui che lo compongono, ci si trova di fronte
ad una tecnica di macro-simulation. Nella realt ogni entit fornisce un suo contributo al
raggiungimento del risultato finale e, anzich considerare la somma di ognuna di esse, viene
fatta una sorta di media ponderata dei vari contributi. Tutto viene come centralizzato, le
singole entit possono essere viste come insiemi inscindibili di una macrostruttura
caratterizzata da un certo numero di parametri.
In antitesi a quanto detto vi sono le tecniche di micro-simulation, dove il modello cerca
di specificare il contributo dato dalle singole entit ed in grado di osservare e studiare la
formazione di comportamenti emergenti; si tratta di situazioni impredicibili a priori, sia
Capitolo 3

62
qualitativamente che quantitativamente, il cui verificarsi dato dalla reciproca interazione tra
le varie entit, pi precisamente quando il raggiungimento dello stato finale del sistema
funzione non lineare del contributo di ogni singolo ente. Con tecniche di macro-simulation ci
impossibile; infatti queste vanno utilizzate quando le dinamiche della realt sono dominate
da precise leggi di vario tipo piuttosto che da scambio di informazioni e interazioni tra le varie
parti del sistema.
3.6.1 Un possibile scenario di Utilizzo
Le realt nell'ambito dellindustria sono spesso diverse da come appaiono e risulta utile
avere strumenti che possano verificare ipotesi per poter agire con la certezza di operare nella
giusta direzione intervenendo su quei meccanismi che possono produrre i risultati attesi.
Nellambito della logistica, dove la movimentazione delle merci soggetta a dinamiche
estremamente complesse, frammentate e calate in realt organizzative allinterno delle quali i
processi di supply chain sono legati a una molteplicit di variabili, riuscire a impostare una
metodologia, o pi semplicemente un approccio, che permetta di comprendere effettivamente
le ragioni per cui si determinano delle criticit operative, pu diventare un fattore competitivo
di grande valore. Tali sistemi sono infatti caratterizzati da elevata complessit, numerose
interrelazioni tra i diversi processi che li attraversano, guasti dei segmenti, indisponibilit e
stocasticit dei parametri del sistema.
Sia nella progettazione che nella gestione di un sistema industriale importante poter
valutare con anticipo l'effetto delle scelte progettuali o di gestione che vengono effettuate su
tali sistemi complessi. La simulazione, consentendo l'analisi della realt ad un elevato livello
di dettaglio e gestendo la complessit del sistema, fa s che alla fine sia possibile ottenere un
gran numero di informazioni utili. Il prezzo da pagare per tale completezza ovviamente il
tempo e i costi necessari allo sviluppo di un ambiente di simulazione ; le operazioni di
programmazione sono infatti lunghe e necessitano di continue verifiche, affinch si possano
ottenere dei dati sufficientemente sensati e tali da dare la possibilit di ottenere un modello
della realt ad essa aderente.
Al fine di ottenere un modello di simulazione industriale utile e funzionante opportuno
procedere con una serie di passi:
definizione degli obiettivi e delle problematiche da esaminare;
stesura di un modello concettuale;
validazione del modello concettuale;
analisi dei dati in ingresso;
La simulazione

63
scrittura del modello in termini matematici;
calibrazione e valutazione;
definizione di un piano degli esperimenti;
analisi dei dati in uscita.


Capitolo 4
ABMS
ABMS lacronimo di Agent Base Modelling and Simulation che tradotto significa
Simulazione basata sulla modellazione ad agenti e rappresenta un nuovo paradigma di
modellazione. Si tratta in pratica di un metodo di calcolo per simulare le azioni e le interazioni
tra individui autonomi in un ambiente, al fine di valutare i loro effetti sul sistema nel suo
complesso. Combina elementi di teoria dei giochi, sistemi complessi, emergenza, sociologia
informatica, sistemi multi agente e programmazione evolutiva, usufruendo del metodo Monte
Carlo per introdurre la casualit, quando questa risulti utile.
Nellagent based modelling un sistema modellato come una collezione di entit che
decidono (gli agenti); ognuna individualmente valuta lambiente e la situazione in cui si trova e
di conseguenza prende decisioni in base a delle determinate regole; pu tenere vari
comportamenti adeguati al sistema di cui fa parte come ad esempio produrre, consumare o
vendere. Le interazioni tra gli agenti sono la caratteristica fondamentale di questo paradigma
basato anche sulla potenza di calcolo fornita dai computer
Al suo livello pi semplice un ABMS consiste in un insieme di agenti e di relazioni fra
essi; ma da una collezione di sistemi semplici possono derivare per dei comportamenti molto
complessi che sono in grado di fornire considerevoli informazioni riguardo ai fenomeni reali che
tentano di emulare. Inoltre gli agenti possono essere in grado di evolvere dando cos la
possibilit a capacit impreviste di emergere. Negli ABMS pi sofisticati vengono anche
incorporati reti neurali, algoritmi genetici o altre tecniche di apprendimento in modo da
permettere ladattamento e lacquisizione di nuove capacit agli agenti.
ABMS pi un atteggiamento mentale piuttosto che una tecnologia vera e propria;
questatteggiamento consiste nel descrivere un sistema dalla prospettiva delle sue unit
costituenti: infatti, un sinonimo di ABMS potrebbe essere modellazione microscopica.
Fra i motivi alla base della popolarit dellABMS c la facilit dimplementazione:
infatti, appena appresi i principi fondamentali, facile costruire un agente, tuttavia pur avendo
unagevole tecnica implementativa i concetti da sviluppare non sono facili da padroneggiare.
Pertanto lABMS tecnicamente semplice, ma allo stesso tempo concettualmente profondo e
questa insolita combinazione porta spesso a un uso improprio.
ABMS

65
4.1 Gli agenti
Sebbene non ci sia una definizione universale, ogni tipo di elemento indipendente pu
essere considerato un agente (software, modello, individuo, etc.), il comportamento di questo
elemento indipendente pu spaziare da semplici reazioni sino a complessi adattamenti; secondo
altre definizioni ammissibile considerare agenti solo gi elementi che presentano caratteristiche
di adattamento. In senso pi generale un agente un elemento che pu apprendere dallambiente
in cui si trova e cambiare il suo comportamento in risposta a questo. Un agente dovrebbe
includere sia delle regole di base che definiscono il suo comportamento, sia un altro insieme ad
alto livello di regole che modificano le regole. Le regole di base provvedono alle reazioni
allambiente mentre le regole che modificano le regole provvedono alladattamento
allambiente. In pratica un agente dovrebbe avere le seguenti caratteristiche:
identificabilit, un agente un elemento discreto con un insieme di caratteristiche
e regole che governano il suo comportamento e la sua capacit decisionale; il fatto
di essere un elemento discreto implica che abbia dei confini ben delimitati e possa
essere facilmente determinabile se qualcosa fa parte, non fa parte o una
caratteristica condivisa di un agente;
capacit di reazione e percezione, un agente collocato e opera in un ambiente per
mezzo del quale interagisce con gli altri agenti, sfruttando un protocollo di

Agente
Attributi
Regole di comportamento
Memoria
Risorse
Decisore
Regole di modifica delle regole

Figura 4.1 - Un Agente.
Ambiente
Capitolo 4

66
comunicazione; inoltre in grado di reagire allambiente e di riconoscere e
distinguere le caratteristiche degli altri agenti;
goals, un agente ha uno o pi obiettivi da raggiungere nel rispetto delle sue regole;
autonomia, deve poter operare senza lintervento esterno;
cooperazione, pu operare sia in modo isolato che in accordo con altri agenti
condividendo conoscenza informazioni e strategie con altre entit;
flessibilit, deve avere labilit di apprendere e adattare i suoi comportamenti in
base alle esperienze; per questo necessita di una forma di memoria e di regole che
permettano di modificarne il comportamento.
4.2 I vantaggi dellABMS
Lutilizzo della modellazione basata sugli agenti si rivelata alquanto utile nello studio e
nellanalisi di fenomeni molto complessi soprattutto in termini di interdipendenze fra gli
elementi che costituiscono il sistema. In campi come le scienze sociali, leconomia, le comunit
biologiche etc. riuscita a spiegare le cause di molti fenomeni dei quali non era stato ancora
concepito il meccanismo.
I vantaggi della simulazione basata sulla modellazione ad agenti rispetto alle tradizionali
tecniche di modellazione possono essere riassunti in tre punti
1. identificano i fenomeni emergenti;
2. permettono una naturale descrizione del sistema;
3. sono estremamente flessibili;
4.2.1 fenomeni emergenti
Un comportamento emergente o propriet emergente pu comparire quando un numero di
entit semplici operano in un ambiente, dando origine a comportamenti pi complessi in quanto
collettivit. La propriet stessa non predicibile, non ha precedenti e rappresenta un nuovo
livello di evoluzione del sistema. I comportamenti complessi non sono propriet delle singole
entit e non possono essere facilmente riconosciuti o dedotti dal comportamento di entit del
livello pi basso; la forma e il comportamento di uno stormo di uccelli o di un branco di pesci
sono buoni esempi.
Una delle ragioni per cui si verifica un comportamento emergente che il numero di
interazioni tra le componenti di un sistema aumenta combinatoriamente con il numero delle
componenti, consentendo il potenziale emergere di nuovi e pi impercettibili tipi di
comportamento. D'altro canto, non di per s sufficiente un gran numero di interazioni per
ABMS

67
determinare un comportamento emergente, perch molte interazioni potrebbero essere
irrilevanti, oppure annullarsi a vicenda. In alcuni casi, un gran numero di interazioni pu in
effetti contrastare l'emergenza di comportamenti interessanti, creando un forte rumore di
fondo che pu mascherare ogni segnale di emergenza.
nella natura dellABMS sviluppare approcci canonici per la simulazione di fenomeni
emergenti; infatti i modelli vengono costruiti partendo dalle unit elementari (agenti) e dalle
relazioni che le legano fra di loro e allambiente: lemergenza viene poi rilevata e studiata
durante le fasi della simulazione.
Rispetto alle tecniche tradizionali conveniente utilizzare ABMS nel caso di fenomeni
emergenti perch questi presentano comportamenti individuali non lineari e caratterizzati da
valori di soglia o condizioni if then che sono difficili da rappresentare attraverso le equazioni
differenziali; inoltre si possono individuare comportamenti che manifestano memoria, isteresi,
comportamenti non markoviani, correlazioni temporali nonch apprendimento e adattamento; le
interazioni fra gli agenti sono eterogenee e possono generare dei network effect
4
anche questi
molto difficili da rappresentare attraverso equazioni.

4
Network effect o effetto di rete, viene chiamata appunto: esternalit di rete; essa si presenta in ogni mercato
in cui il numero di utilizzatori totali di un bene un attributo rilevante per determinare l'utilit del bene stesso.

Figura 4.2 Una colonia di termiti, classico esempio di fenomeno emergente.
Capitolo 4

68
4.2.2 Rappresentazione del sistema
ABMS fornisce un metodo immediato e naturale per la rappresentazione di un sistema
formato da entit autonome, mentre con le altre tecniche c il tentativo di descrivere un sistema
nel suo complesso: un ingorgo del traffico, il mercato azionario, le preferenze degli elettori o le
operazioni di un azienda, con lABMS, il fenomeno da studiare, viene riprodotto attraverso i
suoi elementi costituenti.
Per esempio, pi naturale descrivere come si muovono i clienti in un supermercato,
piuttosto che trovare le equazioni che governano la dinamica della densit di questi acquirenti,
lapproccio ABMS consentir cos, lo studio, sia delle propriet aggregate sia delle singole
peculiarit; oltretutto le densit derivate tramite le equazioni provengono comunque dal
comportamento degli acquirenti.
Attraverso lABMS possibile sfruttare appieno il potenziale dei dati che una societ pu
avere circa i suoi clienti; tornando allesempio del supermercato, conoscendo le preferenze di
acquisto dei singoli clienti, ottenute memorizzando i carrelli della spesa, consente di ricreare
degli agenti con le stesse preferenze dei clienti per poter simulare landamento degli acquisti.
La capacit di descrivere naturalmente un fenomeno data dalla maggiore facilit di
abbinare le attivit svolte normalmente al concetto astratto di processo. Quando lanalista
verifica il modello o intervista gli attori reali del processo da simulare, questi si ritroveranno pi

Figura 4.3 - Relazione tra attivit e processi di business.
ABMS

69
facilmente a mappare le attivit che svolgono normalmente piuttosto che definire dei processi
astratti, consentendo una messa a punto pi accurata del modello stesso. Ad esempio la figura
4.3 indica un modo di rappresentare i diversi processi di business rispetto alle attivit che
lagente svolger. Questi diagrammi sequenziali che sintetizzano il comportamento dellagente a
fronte delle varie situazioni sono molto intuitivi e possono essere verificati direttamente con gli
attori reali, al contrario delle equazioni differenziali. Altro elemento importante relativo alla
naturalit dellABM dato dallapplicazione di calcoli stocastici direttamente inserendo
nellagente generazioni randomiche dei valori dei vari parametri.
4.2.3 Flessibilit
La flessibilit certamente data dalla capacit endemica dellABMS di avere un numero
non limitato di agenti che possono essere attivati e/o inseriti dinamicamente nel sistema sulla
base delle necessit, consentendo di verificare se il livello di approssimazione del mondo reale si
avvicina o meno alle attese, in un tempo minore rispetto ai modelli tradizionali.
La flessibilit dellapproccio ABMS osservabile in pi direzioni, come gi detto,
semplice variare il numero di agenti che popolano un modello. Sono inoltre previsti appropriati
meccanismi per adattare la complessit di un agente attraverso il suo comportamento alterando
magari il grado di razionalit, la capacit di apprendimento o le regole di interazione con gli
altri.
Un altro grado di flessibilit riguarda anche la predisposizione a modificare il livello di
descrizione e aggregazione; infatti possono coesistere nello stesso modello agenti aggregati,
sottogruppi di agenti e singoli agenti con differenti gerarchie di descrizione.
Organizzazione aziendale
Gestione della produzione
Supply chain
Sicurezza industriale
Studio dei mercati
Militare
Comando & controllo
Force on force
Guerra batteriologica
Societ e cultura
Antiche civilt
Disobbedienza civile
Terrorismo
Economia
Mercati finanziari
Reti commerciali
Infrastrutture
Trasporti
Traffico
Modelli di evacuazione
Biologia
Dinamica delle popolazioni
Reti ecologiche
Comportamenti gruppi animali
Comportamento cellulare
Diffusione di epidemie
Tabella 4-1 Aree di applicazione ABMS.
Capitolo 4

70
4.3 Aree di Applicazione
Il ricorso alla modellazione basata sugli agenti al posto delle tecniche classiche risultato
estremamente utile per problemi per i quali non possibile conseguire una spiegazione fondata
su equazioni o quando esiste un modello matematico del sistema ma le equazioni con cui
descritto non sono completamente individuate. In generale per si rivela utile ricorrere alla
ABMS anche quando il fenomeno da studiare pu essere completamente descritto da equazioni
risolvibili numericamente; in questo caso gli agenti possono essere usati come metodo
alternativo per arrivare agli stessi risultati o come strumento per presentarli in modo pi
facilmente comprensibile rispetto a quelli di un modello matematico.
Lapproccio ABMS trova una naturale e vantaggiosa applicazione in molte aree, si va dai
mercati finanziari, alla ottimizzazione delle supply chain , alla previsione della diffusione di
epidemie fino al mondo militare (tabella 4-1).
La struttura delle applicazioni parte da dei piccoli ed elementari modelli minimalisti fino a
vasti sistemi di supporto alle decisioni. I modelli minimalisti sono basati su delle assunzioni,
progettati per catturare solo le caratteristiche salienti di un sistema; sono piccoli laboratori dove
possibile testare la rappresentazione di svariati modelli applicando varie serie di assunzioni. I
sistemi di supporto alle decisioni tendono ad essere applicazioni progettate su larga scala
realizzate con lo scopo di risolvere o semplificare una serie di problemi reali. Vengono
mantenuti con dati reali e devono superare tutta una serie di test di validazione per conferire
credibilit ai loro risultati.
In generale possibile utilizzare lABMS nei scenari in cui:
la rappresentazione attraverso entit con le caratteristiche di agente naturale ed
immediata;
sono presenti comportamenti e decisioni;
il comportamento delle entit presenta dinamismo;
occorre focalizzare lattenzione sullinterazione tra le varie entit piuttosto che sul
sistema nella sua generalit;
quando il passato non in grado di dare indizi e contributi significativi per la
predizione del futuro;
il sistema presenta un grado di complessit troppo elevato a livello di
interdipendenze tra le parti che lo compongono e dal punto di vista di
modellazione top-down delle singole parti.
ABMS

71
4.4 Sviluppo di un ABMS
In generale un modello basato su agenti realizzato allo stesso modo di ogni altro
modello. Prima di tutto devono essere individuati gli obiettivi, cio gli interrogativi cui il
modello deve rispondere; in seguito necessario analizzare sistematicamente il sistema sotto
studio, identificando le parti costitutive, le relazioni che intercorrono tra queste, le origini dei
dati, cio tutto quello che caratterizza il sistema. In seguito va sviluppato e di pari passo
verificato effettuando una serie di test sistematici, variando i parametri e le assunzioni; infine va
analizzata la validit e la robustezza del modello generato utilizzando appositi collaudi.
LABMS si differenzia dai metodi tradizionali soprattutto perch considera come
prospettiva principale quella dellagente, in contrasto con lapproccio impostato sulla
prospettiva basata sul processo, classico dei tradizionali metodi di simulazione. In pi rispetto ai
metodi standard occorre:
1. identificare gli agenti e individuare una teoria che descriva il loro comportamento;
2. identificare le relazioni che intercorrono tra gli agenti e esprimere i protocolli che
gestiscono le interazioni;
3. individuare le informazioni essenziali perch lagente possa perseguire il proprio
obiettivo;
4. convalidare il comportamento dellagente rispetto allambiente in cui opera;
5. analizzare il funzionamento del modello sia dal punto di vista dellagente (livello
micro) sia dal punto di vista del sistema (livello macro).
4.4.1 Metodologie di sviluppo
Lavvento del paradigma ad agenti ha radicalmente mutato il tradizionale metodo di
evoluzione delle tecnologie informatiche. Da un lato le metodologie di analisi e progettazione
(lingegneria del software orientata agli agenti) astraendo dai livelli alti hanno avuto uno
sviluppo top-down, dallaltro lato i linguaggi e gli strumenti di sviluppo per sistemi multiagente
hanno subito unevoluzione originata dai linguaggi di programmazione gi esistenti
(principalmente object-oriented), conducendo ad una evoluzione bottom-up. Unitamente alla
mancanza di un insieme di astrazioni globalmente accettato in entrambi gli ambiti di ricerca,
questa evoluzione pu portare verso inconsistenze tra il progetto e limplementazione del
sistema finale; infatti i concetti e le astrazioni utilizzati nelle fasi di analisi e progettazione
possono risultare diversi da quelli utilizzati per realizzare il sistema. Cos, se da un lato la
progettazione agent-based offre un elevato livello di astrazione, tale da poter affrontare
tematiche complesse come rappresentazione della conoscenza, ragionamento automatico,
Capitolo 4

72
comunicazione, cooperazione tra entit autonome ed eterogenee, dallaltro lato gli strumenti di
sviluppo, che nella maggior parte dei casi sono ancora allo stadio di prototipi, sviluppati dalle
universit e dai centri di ricerca, non sono ancora in grado di supportare nativamente queste
astrazioni, che vengono perci costruite mediante lausilio di linguaggi object-oriented.
In questa situazione due considerazioni meritano particolare attenzione:
1 occorre individuare quali astrazioni siano realmente efficaci per modellare sia gli
agenti sia lambiente in cui questi operano;
2 come integrare tali astrazioni in una appropriata metodologia che sia in grado di
supportare i progettisti durante tutto il ciclo di vita del software.
Purtroppo questi quesiti rimangono ancora parzialmente irrisolti in quanto per lABMS
non sono ancora stati messi a punto una collezione standard, ben rodata, di formalismi o
procedure per la progettazione e limplementazione dei modelli.
4.4.2 Ingegneria del software orientata agli agenti
I sistemi multiagente necessitano per la loro implementazione di precise metodologie per
lo sviluppo dei sistemi software ad elevata complessit. Lingegneria del software orientata agli
agenti (AOSE acronimo di Agent-Oriented Software Engineering) nata in risposta a queste
esigenze in modo da rendere disponibili degli approcci originali e innovativi per la produzione
degli ABMS.
La prima astrazione chiave nellAOSE lagente visto come unentit software con le
seguenti caratteristiche fondamentali:
autonomia: un agente ha un suo proprio flusso di attivit interne e mostra un
comportamento autonomo nel soddisfacimento dei suoi obiettivi;
collocazione: un agente esegue le sue attivit in un particolare ambiente e pu
avere la capacit di percepire e modificare la porzione di ambiente che lo circonda;
socialit: un agente vive e interagisce con un ambiente popolato da altri agenti,
appartenendo quindi a un sistema multiagente il cui comportamento globale deriva
dalle interazioni tra gli agenti che costituiscono il sistema stesso.
La caratteristica della socialit mette in luce che un sistema multiagente non pu essere
semplicemente ricondotto alla mera somma di entit interagenti. Pertanto la modellazione
richiede esplicitamente di porre attenzione allambiente e alle relazioni fra agli agenti che lo
popolano. La modellazione dellambiente implica lidentificazione delle caratteristiche che lo
contraddistinguono e delle risorse che sono presenti e dal modo in cui gli agenti possono
interagire con esse. La modellazione della socialit implica lidentificazione di tutte le regole
ABMS

73
sociali necessarie a guidare levoluzione del sistema multiagente e dei vari ruoli che gli agenti
possono rappresentare.
Queste considerazioni mettono in luce che le astrazioni di base dellAOSE differiscono
profondamente da quelle proposte dai tradizionali approcci dellingegneria del software
orientata agli oggetti. Le differenze tra i due approcci sono numerose ed possibile riscontrare
linadeguatezza dellapproccio object-oriented nella modellazione di sistemi, caratterizzati da
autonomia ed evoluzione delle entit nonch impredicibilit degli ambienti e dei contesti. In
particolare, nelle tradizionali applicazioni object-oriented gli oggetti sono entit passive che
rispondono solo a stimoli esterni, lambiente non viene esplicitamente modellato, mentre con
lAOSE vanno considerati gli agenti, lambiente e le interazioni come entit di prima classe
nella modellazione del sistema.
Le metodologie AOSE favoriscono un approccio per analizzare, progettare e sviluppare i
sistemi multiagente, usando metafore e tecniche specifiche. Queste metodologie tipicamente
identificano le astrazioni di base che saranno utilizzate nello sviluppo (in genere agenti, ruoli,
risorse, strutture della organizzazione) avvalendosi di un metamodello
5
, come strumento per
studiare le metodologie e poterle confrontare tra loro. Tali astrazioni sono in genere organizzate
e suddivise in fasi, in modo da fornire linee guida su come procedere nellanalisi, nella
progettazione e nello sviluppo specificando con chiarezza i risultati attesi da ogni fase.
Tra le pi note metodologie per lo sviluppo dei sistemi software ad agenti in letteratura
possibile ritrovare:
Gaia: metodologia general-purpose che mira a guidare il progettista nello sviluppo
di un sistema multiagente attraverso lidentificazione di una sequenza di modelli
organizzazionali e delle relazioni che sussistono tra essi;
Tropos: una metodologia fortemente orientata allanalisi dei requisiti del
sistema, basata sui concetti di attori, dipendenze tra attori e dipendenze dalle
risorse;
PASSI: (Process fo Agent Societies Specification and Implementation) una
metodologia che mira a guidare passo passo il progettista dallanalisi dei requisiti

5
In informatica e nelle discipline collegate, un metamodello la costruzione di una collezione di concetti
(cose, termini, etc.) entro un determinato dominio. Un modello una astrazione dei fenomeni nel mondo reale, un
metamodello un ulteriore livello di astrazione che mette in evidenza le propriet del modello stesso. Un modello
conforme al suo metamodello nel modo in cui un programma per elaboratore conforme alla grammatica del
linguaggio di programmazione in cui scritto.
Capitolo 4

74
sino allimplementazione, integrando modelli e filosofie di progettazione
appartenenti sia al mondo object-oriented sia a quello agent-oriented; come
linguaggio di modellazione utilizza una versione estesa di UML
6
;
SODA: (Societies in Open and Distributed Agent spaces) una metodologia per
lanalisi e la progettazione di sistemi ad agenti che si concentra sugli aspetti inter-
agente: in particolare, SODA si focalizza sulla modellazione delle societ di agenti
e sulla descrizione e percezione dellambiente che circonda il sistema.
La chiave per la progettazione di un efficace modello identificare accuratamente gli
agenti, specificare il loro comportamento e le interazioni e rappresentare il tutto secondo uno
schema adeguato.
Gli agenti sono i decisori di un sistema; tradizionalmente si pu intendere come decisore
un manager come, un po pi insolitamente, dei DSS (Decision Support System) ospitati su
potenti elaboratori e sia gli uni che gli altri possiedono i propri comportamenti. Ma come pu
essere identificato questo comportamento? necessario definire una teoria che identifichi la
condotta dellagente; possibile partire da un modello in cui lagente tenta di ottimizzare
qualcosa utilizzando un euristica oppure, se disponibile, possibile applicare al comportamento
dellagente una ben definita teoria. Esistono anche tecniche molto valide come la Knowledge
engineering
7
o la Participatory simulation
8
.
4.4.3 Strumenti di sviluppo
Se da una parte lingegneria del software orientata agli oggetti non risultata adatta alla
progettazione di applicazioni ABMS, favorendo lelaborazione dellingegneria de software
orientata agli agenti, il paradigma della programmazione ad oggetti si invece adattato a
divenire uno strumento di sviluppo di sistemi multiagente. Infatti molti toolkit per la produzione
di applicazioni ABMS, che forniscono funzionalit di base per gli agenti, sono fondati sul
paradigma della programmazione orientata agli oggetti, utilizzando linguaggi come Java o C++.

6
UML (Unified Modeling Language, linguaggio di modellazione unificato) un linguaggio di
modellazione e specifica basato sul paradigma object-oriented. Il nucleo del linguaggio fu definito nel 1996 da
Grady Booch, Jim Rumbaugh e Ivar Jacobson (detti i tre amigos) sotto l'egida dello OMG (Object Management
Group), che tuttora gestisce lo standard di UML.
7
Knowledge Engineering una disciplina che cerca di integrare la conoscenza nei sistemi informatici al fine
di risolvere problemi complessi che richiedono di norma un elevato livello di esperienza umana.
8
Participatory simulation una metodologia che creando sinergie fra soggetti umani e agenti intelligenti
artificiali da supporto a processi formativi e decisionali.
ABMS

75
Un agente pu essere considerato come un oggetto con labilit di scegliere autonomamente le
azioni da effettuare in base alla situazione in cui si trova. La programmazione object oriented
abbastanza adatta allo sviluppo di sistemi multiagente perch possibile sfruttare le classi, cio
degli schemi per la creazione degli agenti e i metodi per definirne i comportamenti.
Grazie alla ricerca pubblica e ai numerosi investimenti oggi sono disponibili vari ambienti
di sviluppo ABMS gratuiti; probabilmente il primo fra tutti stato Swarm nato nel 1994, presso
il Santa Fe Institute (New Mexico, U.S.A.), con lobiettivo di creare un insieme di programmi e
librerie standard da usare per simulare ed analizzare sistemi complessi nellambito delle scienze
naturali e sociali. stato poi seguito da numerosi concorrenti come Netlogo nato nel 1999
dall'unione di StarLisp e Logo, Mason e Repast. Esistono anche toolkit proprietari come
AnyLogic
4.5 ABMS e Supply Chain
Lutilizzo nellindustria dei sistemi multiagente gi stato applicato in molti ambiti
compreso il SCM per il quale le prime applicazioni risalgono alla met degli anni 90 [9].
Organizzare una catena di approvvigionamento come una rete di agenti intelligenti si rivel
subito vantaggioso sia per la facilit di implementazione dei modelli sia per la flessibilit
nellesecuzione e testing delle simulazioni. Per replicare perfettamente gli eterogenei soggetti di
una catena di approvvigionamento, necessario rappresentare lautonomia che li
contraddistingue e la loro propensione a raggiungere unicamente i propri obiettivi rispettando
una serie di vincoli interni ed esterni. Perci uno o pi agenti possono rappresentare ciascun
partner della catena; infatti il paradigma dellagente la naturale metafora del membro di una
supply chain che tende a massimizzare il proprio profitto piuttosto che quello dellintera catena
di fornitura; quindi, nelle caratteristiche fondamentali di un agente si ritrovano proprio quelle
dellunit di distribuzione:
autonomia: una organizzazione porta a termine i suoi fini senza lausilio di
interventi esterni , ed ha una qualche forma di controllo sulle sue azioni e sul suo
stato interno;
capacit sociali: una societ nella catena di approvvigionamento interagisce con le
altre societ, ad esempio, l'immissione di ordini per prodotti o servizi;
Capitolo 4

76
reattivit: una societ percepisce il suo ambiente, vale a dire il mercato e le altre
imprese e risponde in modo tempestivo ai cambiamenti che si verificano in essa. In
particolare, ogni impresa modifica il suo comportamento cercando di adattarsi al
mercato e alla concorrenza;
pro-attivismo: una societ non svolge solo compiti semplicemente in risposta agli
stimoli che riceve dallambiente, ma pu anche avviare nuove attivit, come, ad
esempio, il lancio di nuovi prodotti sul mercato.
La modellazione orientata agli agenti permette anche di riprodurre i sistemi di produzione
decentrati piuttosto che centralizzati, emergenti invece che pianificati e concorrenti anzich
sequenziali; pertanto, essi consentono di svincolarsi dai modelli centralizzati, pianificati e dal
controllo sequenziale. Purtroppo, i sistemi multiagente sono un approccio che non una panacea
in grado di supportare tutti i software industriali. Come per altre tecnologie, questa metodologia
ha vantaggi e svantaggi e deve essere utilizzata solo dove le sue caratteristiche si possano
adattare alle finalit richieste. Sono state evidenziate alcune caratteristiche che sono
particolarmente salienti nella risoluzione di problemi legati al supply chain. Infatti gli agenti
sono pi adatti per applicazioni che siano modulari, decentrate, mutevoli, mal strutturate e
complesse.
La tabella 4-2 compara gli approcci tradizionali ai sistemi multiagente evidenziando cos
le differenze fra le due filosofie. A tal fine, la modellazione basata sugli agenti si adatta
precisamente, ad esempio, alla rappresentazione di sistemi biologici (ecosistemi) o economici (i
mercati) data lalta autonomia delle entit componenti e la frequente assenza di una struttura
organizzativa ben definita, a differenza degli approcci tradizionali orientati magari alla
Agenti Autonomi
Sistemi
Convenzionali
Modelli descrivibili Economici, biologici militari
Ambiti che favoriscono i sistemi convenzionali
Teorie ottime No S
Livello di predizione Aggregato Individuale
Stabilit computazionale Bassa Alta
Ambiti che favoriscono i sistemi multiagente
Corrispondenza alla realt Alta Bassa
Necessitano di dati centralizzati No S
Risposta alle variazioni Robusta Debole
Riconfigurabilit del sistema Facile Difficile
Categoria del software Breve, semplice Esteso, complesso
Tabella 4-2- Confronto con le tecnologie convenzionali.
ABMS

77
riproduzione di sistemi militari che presentano una bassa autonomia dei partecipanti e strutturati
con una precisa organizzazione gerarchica.
4.6 Una Supply Chain di esempio
Macal e North in un loro articolo [13] illustrano, con un eccellente esempio, come
sviluppare una simulazione di una supply chain con lausilio della modellazione basata sugli
agenti. Una supply chain suddivisa in diversi stadi: produttori, distributori, grossisti e
rivenditori che soddisfano la domanda di prodotti effettuata dai clienti. Ad ogni livello sono
presenti (figura 4.4) pi agenti di un certo tipo e tutti insieme costituiscono una rete di
distribuzione. possibile, per semplificare il modello, considerare diverse assunzioni come
ignorare i fornitori di materie prime, considerare la distribuzione di un unico prodotto e
trascurare le trasformazioni o gli assemblaggi dei beni. Il flusso di informazioni, che rappresenta
gli ordinativi del prodotto, considerato parallelo a quello delle consegne ma procede nel verso
opposto; inoltre possibile includere al modello i flussi dei pagamenti le negoziazioni dei prezzi
di trasferimento, informazioni riguardanti le scorte presso i magazzini etc..
Clienti
P1 P2 P3
D1 D2 D3 D4
G1 G2 G3 G4 G5 G6
R1 R4 R3 R6 R5 R7 R8
C1 C2 C3 C4 C5 C6 C7 C8 C10 C9
Dettaglianti
Grossisti
Distributori
Produttori
Ordini Consegne
R2

Figura 4.4 Struttura di una tipica supply Chain.
Capitolo 4

78
Ad ogni periodo ciascun agente della catena esegue le seguenti operazioni (figura 4.5):
1. Lagente cliente esegue un ordine al dettagliante. Il dettagliante prova ad
evadere immediatamente lordine appena ricevuto, acquisendo il materiale dal
proprio magazzino se le scorte presenti sono sufficienti, altrimenti si ha uno
stockout, ed necessario collocare lordine del cliente fra quelli inevasi,
concludendolo appena nel magazzino saranno ricostituite le scorte.
2. Il dettagliante riceve una spedizione da parte dellagente che sta a monte, il
grossista, in risposta ai precedenti ordini.
3. Il dettagliante decide quanto ordinare al grossista in base alla regola di
ordinazione, che si basa sia su una stima degli ordini che saranno emessi dal
cliente (previsione della domanda), sia sul proprio stato delle scorte presenti in
magazzino in attesa dal grossista.
4. Allo stesso modo ogni grossista riceve un ordine dal dettagliante, prova a
evaderlo se pu, stima la quantit da ordinare e inoltra un ordine al distributore.
5. Il processo continua cos verso monte lungo la catena sino al produttore, che
decider ad ogni passo quanto immettere nelle linee di produzione .
Lo scopo di ogni agente della supply chain, esclusi i clienti, quello di gestire le scorte nel
magazzino in modo tale da minimizzare i costi di gestione, decidendo in modo accorto quanto
ordinare ad ogni periodo. Quando il livello delle scorte troppo basso e c il rischio di

Figura 4.5 rappresentazione delle operazioni di un agente intermedio della supply Chain.
ABMS

79
incorrere in uno stockout, lagente ordina quantitativi maggiori; diversamente quando le scorte a
magazzino sono in esubero incappa in alti costi di mantenimento e deve ordinare di meno. Cos
se le scorte sono troppo basse, lagente rischia di non poter evadere immediatamente un ordine
incorrendo nei costi di backorder; ogni agente deve cos mantenere un fragile equilibrio tra
lesubero e la scarsit di prodotti nel magazzino, differentemente avr un aumento dei costi.
In questo semplice esempio gli agenti hanno solo accesso alle informazioni locali, nessuno
di questi ha una visione globale della supply chain e non in grado di poter ottimizzare il
sistema nel suo complesso: tutti i partecipanti applicano regole derivate da decisioni prese in
base a informazioni locali; per possibile, introdurre la condivisione dellinformazione e dei
meccanismi di incentivi per verificare se ne derivano benefici.
4.7 Sviluppo della supply chain di esempio
Nella creazione di un ABMS opportuno iniziare identificando tutti i tipi di agenti e gli
altri oggetti (classi) insieme ai loro attributi. Nel caso di un modello di supply chain gli agenti
che la compongono sono: produttori, distributori, grossisti, rivenditori e clienti. Ognuno di
questi nella simulazione verr costituito da un oggetto, sar poi necessario introdurre altri
oggetti come lo scheduler, per la coordinazione delle operazioni e i report per la raccolta e
visione dei risultati.
Gli agenti distributori, grossisti e rivenditori possono essere definiti da un'unica classe
perch essi pur permanendo su livelli diversi della catena hanno la stessa struttura ed effettuano
le stesse operazioni, a differenza degli agenti produttore e cliente che essendo disposti agli
estremi necessitano di funzionalit specifiche. Ogni classe agente definita attraverso una serie
di propriet e metodi che operano sulla classe stessa. Un diagramma UML il metodo pi adatto
a rappresentare la classe mediante i suoi attributi e metodi. Per esempio lagente produttore pu
essere rappresentato da attributi come: nome, livello delle scorte, quantit ricevute, spedite e
ordinate, altri parametri decisionali come costi di mantenimento, di ordinazione e di rottura delle
scorte etc.; il valore di queste propriet in ogni momento costituisce lo stato dellagente.
In seguito c da descrivere lambiente nel quale gli agenti operano e interagiscono; nel
caso della supply chain lambiente consiste nei fattori esterni che influenzano il comportamento
degli agenti. Le propriet di questo ambiente potrebbero essere i vincoli che vengono imposti
agli agenti in base alla loro collocazione geografica.
Capitolo 4

80
Il passo successivo la determinazione dei metodi attraverso i quali vengono modificati
gli attributi degli agenti durante la simulazione in risposta alle interazioni fra gli agenti o fra
questi e lambiente. Per esempio il livello delle scorte un attributo comune a tutti gli agenti, a
parte i clienti e questo pu essere modificato quando gli ordini e le spedizioni arrivano e
vengono inviati, per cui i metodi coinvolti potranno essere arrivoOrdine(), invioOrdine(),
arrivoSpedizione() e invioSpedizione(); questi andranno applicati allagente in concomitanza
delle analoghe operazioni variando cos i valori degli attributi. Gli agenti dovranno essere dotati
anche di metodi che supportano direttamente le regole del processo decisionale, fra queste vi
potranno essere le regole che decidono quanto ordinare in base alla situazione attuale o che
facciano una previsione sulla domanda futura dei prodotti; regole di questo tipo potranno essere
rappresentate da metodi come calcolaOrdine() e prevediDomanda().
Per completare il modello devono anche essere aggiunte le relazioni che legano i vari
agenti; se gli agenti della supply chain possono essere considerati i nodi, le relazioni
rappresentano gli archi che uniscono questi nodi. Ogni relazione coinvolge due nodi, cos, per
esempio, la relazione produttore-distributore comprender attributi come i prodotti in transito fra
produttore e distributore e gli ordini inviati dal distributore al produttore.

Figura 4.6 - Diagramma UML della classe agente di una supply chain
ABMS

81
Linsieme delle definizioni di tutte le classi e lelenco dei valori iniziali degli attributi di
alcuni oggetti per definirne lo stato iniziale, costituiscono la completa specifica del modello.
Resta solo da tradurre questa specifica in un programma scritto con lausilio di un linguaggio
object oriented come Java o C++, oppure utilizzando degli appositi toolkit di alto livello che
sono magari dotati di un proprio linguaggio o di metodi alternativi che sfruttano uninterfaccia
grafica.



Capitolo 5
Sviluppo del framework per la simulazione
La prima fase del progetto collegato a questa tesi stata la ricerca degli strumenti che
permettessero di sviluppare la simulazione da studiare. Sono state individuate varie soluzioni
che supportano la modellazione basata sugli agenti; la selezione fra queste, del pacchetto
software pi appropriato al progetto stata dettata da varie motivazioni. In primo luogo era
necessario uno strumento abbastanza diffuso, quindi sufficientemente testato cos da garantire
una certa stabilit e che avesse a disposizione una buona dotazione di documentazione e
tutorials; inoltre, sarebbe risultato molto utile la possibilit di esaminare simulazioni gi
sviluppate nellambito del supply chain per avere cos una base di partenza su come strutturare il
progetto. Infine oltre alle caratteristiche gi esposte sarebbe stato auspicabile individuare uno
strumento gratuito assicurando cos i vantaggi sia delleconomicit sia del poter dare diffusione
ad uno strumento dal libero utilizzo. Tutte queste peculiarit sono state rintracciate in un
pacchetto ormai disponibile da alcuni anni e che annovera numerose applicazioni sviluppate per
lambiente ABMS.
5.1 Repast
Repast (acronimo di REcursive Porous Agent Simulation Toolkit) uno strumento
largamente usato per lo sviluppo di applicazioni ABMS, rilasciato gratuitamente con licenza
open source e la versione 3 disponibile in tre varianti denominate: Repast per Java (Repast J) ,
Repast per Microsoft.Net framework (Repast.Net) e Repast per Python (Repast Py). Gli
sviluppatori del progetto, raccomandano di utilizzare questultima per la preparazione di modelli
elementari o di base, data la semplicit dellinterfaccia visuale e successivamente di passare ad
una delle altre due varianti per produrre dei modelli avanzati utilizzando il linguaggio Java o C#.
Dal dicembre 2007 stata rilasciata un nuova versione denominata Repast Simphony con la
caratteristica di poter creare applicazioni, nello stesso ambiente, sia in modo visuale sia
scrivendo codice Java . Al momento la versione di riferimento, che conta il maggior numero di
applicazioni comunque Repast J; il codice sorgente del software di tutte le release distribuite
disponibile direttamente dal web.
Sviluppo del framework per la simulazione

83
Repast stato creato presso il Social Science Research Computing dellUniversit di
Chicago; in seguito la gestione passata all'Argonne National Laboratory
9
, attualmente
mantenuto dalla ROAD (Repast Organization for Architecture and Development)
unorganizzazione no-profit creata appositamente per il suo sviluppo e diffusione.
Le principali caratteristiche del software possono essere riassunte nei seguenti punti:
include un certo numero di schemi di agenti precofenzionati, pur dando agli utenti
la piena flessibilit di specificarne le propriet e il comportamento;
completamente orientato agli oggetti;
contiene uno scheduler concorrente che supporta pienamente simulazioni ad eventi
discreti sia con operazioni sequenziali che parallele;
include strumenti appositi per la raccolta (logging) e la visualizzazione grafica dei
dati;
comprende un modulo per la simulazione Monte Carlo;
permette la visualizzazione su grafica 2D dellambiente dove operano gli agenti;
consente agli utenti accesso dinamico e la modifica delle propriet e dei
comportamenti degli agenti durante lesecuzione della simulazione;
include librerie per il supporto di funzioni matematiche, algoritmi genetici e reti
neurali;
integra un sistema informativo geografico (GIS);
include appositi strumenti per lo sviluppo di simulazioni sociali;
pu essere eseguito sui principali sistemi operativi Linux, Mac OS e Windows.
Una tipica simulazione costruita con RePast contiene una collezione di agenti anche
eterogenei organizzati in varie strutture, come ad esempio quella gerarchica, contiene inoltre un
modello
10
che coordina gli agenti controllando che lesecuzione dei loro comportamenti sia
scandita secondo lo schema orario definito dallo scheduler interno.
L'unit di tempo usata da Repast il tick, il passare del tempo scandito dall'esecuzione
delle attivit programmate nello scheduler; durante la simulazione si passa al tick successivo
solo nel momento in cui le azioni programmate per un dato tick si sono concluse; quindi i tick
rappresentano soltanto un modo per far trascorrere gli eventi in un certo ordine.

9
uno dei maggiori centri di ricerca del dipartimento dellEnergia USA.
10
Nella documentazione di Repast viene definito model (modello) uno fra i moduli principali della
simulazione, con il compito di coordinare lesecuzione delle azioni degli agenti tramite lo scheduler, nonch di
gestire tutti gli output grafici e di logging dei dati.
Capitolo 5

84
RePast composto da numerose classi Java organizzate in una serie librerie che
consentono la creazione dellambiente di simulazione; le librerie fondamentali sono:
analysis contiene le classi che sono usate per raccogliere dati e rappresentarli su
grafici;
engine le classi contenute in questo pacchetto sono responsabili
dell'organizzazione e del controllo della simulazione;
event usate internamente e incaricate, insieme ad altre classi della libreria engine,
della comunicazione tra le parti interne del modello che non sono di competenza
dello scheduler;
games classi utili a simulare giochi cooperativi come il dilemma del prigioniero;
gui sono responsabili della visualizzazione grafica della simulazione e della
possibilit di creare delle animazioni del modello con QuickTime;
network sono le classi incaricate di creare una rete fra gli agenti della simulazione;
space per gestire lo spazio 2D dove avviene la simulazione, per ritrovare e gestire
gli agenti;
util per la generazione di numeri random e tutta una serie di utility per
lesecuzione della simulazione.
Repast fu concepito come una libreria di classi Java da associare a Swarm
11
per
semplificarne lutilizzo e facilitare la scrittura di applicazioni. In seguito dopo il rilascio della
versione Java di Swarm il ruolo di Repast come estensione del predecessore fu abbandonato, in
quanto sembrava una inutile ridondanza; prosegu quindi come progetto autonomo per la
creazione di uno strumento che ampliasse e semplificasse la modellazione basata sugli agenti
rispetto alle piattaforme presenti. I propositi delineati dal team di sviluppo si disposero verso la
facilit di utilizzo, una breve curva di apprendimento, lestensibilit e la robustezza della
piattaforma; a questi si aggiunsero altri obiettivi come la completa astrazione dellinfrastruttura
della simulazione e lefficienza nellesecuzione delle simulazioni.
5.2 Sviluppo con Repast J
Un simulazione basata sugli agenti sviluppata con Repast composta tipicamente di due
fasi: la prima consiste essenzialmente nella configurazione della simulazione (setup), nella
seconda fase avviene effettivamente la simulazione. La fase della simulazione vera e propria

11
Swarm stata tra le prime piattaforme per la modellazione basata sugli agenti.
Sviluppo del framework per la simulazione

85
divisa in passi temporali chiamati tick; ad ogni tick viene innescata lesecuzione di alcune
azioni eseguite dagli agenti e/o dal modello sulla base di cosa avvenuto ai passi precedenti.
Per realizzare una semplice simulazione con Repast quindi sufficiente descrivere (attraverso il
codice Java se viene utilizzato Repast J) cosa avviene durante la fase di setup e cosa avviene ad
ogni tick.
Una simulazione Repast genericamente composta da due classi Java: una classe agente
che descrive le propriet e il comportamento degli agenti e una classe modello che coordina la
fase di setup e di esecuzione del modello. A disposizione dello sviluppatore c la classe
SimpleModel utilizzabile come base per la definizione della classe modello e la classe
DefaultDrawableNode utilizzabile per la definizione degli agenti; estendendo poi queste classi
sar possibile ottenere meccanismi e funzioni personalizzate sia per il modello che per gli
agenti. In Java questa personalizzazione ottenuta attraverso lereditariet, utilizzando una
superclasse come SimpleModel possibile definire delle estensioni personalizzate che
soddisfino le finalit del progetto.
Con Repast possibile creare due categorie di simulazioni: batch e non-batch. Una
simulazione batch imposta i valori dei parametri leggendo un apposito file ed esegue e gestisce
evoluzione degli agenti senza nessuna interferenza da parte dellutente. Di contro nel caso non-
batch necessario lintervento dellutente che avvia e conclude lesecuzione attraverso una
interfaccia grafica, che permette anche di impostare i parametri iniziali; da inoltre lopportunit
di visualizzare e manipolare graficamente lo stato degli agenti durante il corso dellesecuzione.

Figura 5.1 - La Toolbar di Repast.
1 Carica
modello
2 Avvio
Multiplo
3 Avvio 4 Step 5 Inizializza 6 Stop 7 Pausa 8 Setup
9 Visualizza
configuraz.
10 Uscita

Figura 5.2 I comandi della toolbar.
Capitolo 5

86
5.3 Esecuzione di una simulazione
Una simulazione Repast pu essere caricata ed eseguita tramite la Repast Toolbar
oppure, nel caso di esecuzione batch, attraverso una linea di comando come qualsiasi altra
applicazione Java. Per avviare lesecuzione mediante la toolbar per prima cosa necessario
eseguire Repast tramite lapposito link creato durante linstallazione o usando una apposita linea
di comando. Allavvio viene visualizzata la toolbar di figura 5.1 e cliccando sul primo bottone
raffigurante la cartella viene visualizzata una dialog box (figura 5.3) che permette di selezionare
e caricare le simulazioni gi compilate. Di default vengono visualizzate le demo contenute nella
cartella models del software; per aggiungerne altre necessario cliccare su Add e selezionare
quelle presenti (file jar o class) nel PC e quindi cliccare su Load per il loro caricamento.
Lutente pu interagire in ogni momento utilizzando i bottoni della toolbar visibili in
figura 5.2; di seguito vengono elencate le specifiche funzioni di ognuno di essi:
1. carica modello: permette di selezionare e caricare la simulazione attraverso una
finestra di dialogo;
2. avvio multiplo: carica ed esegue le simulazioni batch;
3. avvio: serve ad eseguire la simulazione quando stata messa in pausa o non
ancora partita ed esegue tutte le iterazioni sino a che non viene interrotta o
raggiunge lo step finale;

Figura 5.3 - La dialog box per la selezione della simulazione.
Sviluppo del framework per la simulazione

87
4. step: avvia la simulazione come il bottone precedente ma viene eseguita una sola
iterazione, permettendo di procedere passo passo;
5. inizializza: avvia la simulazione ma la sospende subito prima di iniziare le
iterazioni programmate dallo scheduler, cos solo la fase di setup viene eseguita;
6. stop: ferma definitivamente la simulazione;
7. pausa: sospende lesecuzione dopodich possibile riavviarla o fermarla
definitivamente;
8. setup: configura la simulazione eseguendo una particolare routine impostata dallo
sviluppatore;
9. visualizza la configurazione: mostra il pannello di configurazione dei parametri se
questo nascosto o chiuso;
10. uscita: ferma lesecuzione ed esce da Repast.
Per fare partire una simulazione possibile cliccare indistintamente sul tasto avvio, step o
inizializza; nel caso venga usato questultimo per lavvio vero e proprio occorre poi utilizzare
uno degli altri due. Per riavviare una simulazione, dopo che terminata o perch stata fermata,
prima indispensabile cliccare sul bottone setup.
Se il modello da simulare richiede di impostare o visualizzare dei parametri iniziali,
lutente in grado di effettuare questa operazione utilizzando il pannello di impostazione (figura

Figura 5.4 le tab del pannello per limpostazione dei parametri.
Capitolo 5

88
5.4) della tab Parameter, il quale contiene i campi (definiti dallo sviluppatore) che permettono
di vedere e inserire parametri. Le altre due tab della finestra consentono di inserire, con apposite
routine scritte dallo sviluppatore, controlli come check box o slider, per gestire la simulazione
durante lesecuzione e per acquisire filmati , snapshot o grafici per riprodurre o mostrare i
fenomeni simulati in un secondo momento.
5.4 Lambiente di sviluppo
La piattaforma di programmazione che si presta naturalmente per lo sviluppo di
applicazioni con Repast Eclipse. Questo infatti, un ambiente di sviluppo integrato potente e
largamente usato, disponibile sia per Linux che per Windows, e oltretutto, utilizzabile
gratuitamente in quanto sviluppato da una comunit open source. Dispone di funzionalit
caratteristiche per la programmazione in Java come un editor specifico, un ambiente grafico
ricco e personalizzabile e soprattutto di un efficace debugger; per tutti questi, e altri, motivi
Eclipse il candidato ideale allo sviluppo di simulazioni con Repast. Configurare un progetto in

Figura 5.5 Lambiente di sviluppo Eclipse.
Librerie di Repast
Classi del framework
Sviluppo del framework per la simulazione

89
Eclipse che utilizzi le librerie di Repast non molto complicato, inoltre sono reperibili numerosi
tutorial che spiegano passo passo come farlo.
In pratica dopo aver installato i due software (Eclipse e Repast) sufficiente indicare,
durante la definizione di un nuovo progetto java, che verranno utilizzate le librerie di Repast: a
questo punto possibile accludere al codice le classi necessarie per gestire lapplicazione.
5.5 Creazione del Framework
Per la creazione del simulatore sono state seguite le indicazioni illustrate nel paragrafo 5.2,
stata cos definita una classe SCC_Model atta ad istanziare loggetto modello che gestisce la
fase di setup ed esecuzione, ed una classe SCC_Agent per la definizione degli agenti. Siccome
gli agenti presenti nella supply chain erano eterogenei (come indicato nel modello descritto al
paragrafo 4.7) questultima classe stata estesa da tre sottoclassi: SCC_CustomerAgent per
lagente cliente, SCC_MiddleAgent per gli agenti intermedi (distributori e grossisti) e
SCC_FactoryAgent per lagente produttore.
5.5.1 La classe SCC_Model
la classe usata per il caricamento, linizializzazione, la gestione e la definizione della
struttura della simulazione. caratterizzata da un insieme di variabili il cui scopo quello di
rappresentare elementi della simulazione quali per esempio oggetti richiesti da RePast per
lesecuzione, oggetti per la visualizzazione grafica, entit coinvolte quali gli agenti e lo spazio in
cui questi interagiscono. Un esempio di variabile necessaria per lesecuzione dei vari passi della
simulazione quella adibita a contenere il riferimento ad un oggetto di tipo Schedule.
Attraverso il metodo setup(), richiamato automaticamente quando si carica la model
class, viene preparato il modello per lesecuzione di una nuova simulazione: vengono allocati o
deallocati e reistanziati a valori di default, vari oggetti che partecipano alla simulazione come lo
schedule o lo space e tutti gli oggetti grafici che mostrano landamento e i risultati finali della
simulazione. In sostanza serve a portare la simulazione ad uno start point da cui ripartire o
partire nel caso in cui non sia stata ancora effettuata nessuna simulazione.
Il metodo begin() viene richiamato alla pressione del pulsante inizializza o se la
simulazione viene avviata direttamente, in seguito alla pressione del pulsante start . Allinterno
di questo presente il codice relativo alle operazioni costruzione del modello dello scheduler e
delle entit grafiche. La fase di begin() suddivisa a sua volta in tre fasi attraverso luso dei
metodi:
Capitolo 5

90
buildModel(): utilizzato per la creazione degli agenti e per definirne le propriet
in relazione al tipo di gestione da utilizzare; gli agenti vengono cos indotti a
calcolarsi i lotti economici e i punti di riordino;
buildSchedule():serve a definire lordine di esecuzione delle varie azioni effettuate
durante ogni step della simulazione; in questo caso specifico viene definito
lordine con cui gli agenti adempiono alle proprie operazioni (invii, ricezione
ordini etc.), partendo dallagente cliente fino al produttore e richiede inoltre, ad
ogni passo, laggiornamento dei vari diagrammi che mostrano landamento
temporale delle variabili di interesse (costi, scorte, ordini);
buildDisplay():permette di definire quelle parti della simulazione che devono
essere mostrate agli utenti, cio gli agenti e lambiente in cui operano. Per la
supply chain questa parte non stata molto articolata in quanto stata data solo
una rappresentazione statica della catena, inoltre durante lesecuzione delle
simulazioni batch non viene mostrato nessun elemento grafico allutente;
Questo tipo di struttura non imposta ma si tratta di unusanza tipica per la scrittura del
codice per le simulazioni in RePast.
5.5.2 Parametri della simulazione
Quasi tutte le simulazioni hanno un certo numero di parametri che permettono di
impostare delle particolari strategie di esecuzione, i vincoli da rispettare, il numero delle entit
coinvolte e cos via; possibile gestire questi parametri utilizzando delle apposite liste
allinterno della model class di Repast e attraverso i metodi getNomeParametro() e
setNomeParametro() recuperare e impostare tali valori, memorizzati in delle opportune
variabili. Sar poi possibile vedere e modificare questi parametri nella finestra di configurazione
(figura 5.4) in modo da impostare la simulazione per la successiva esecuzione. Nella supply
chain simulata i parametri modificabili erano: il numero di agenti, la strategia che gli agenti
dovevano utilizzare, il tempo di consegna dellordine e la domanda delle risorse da parte del
cliente.
Quando sono state eseguite le simulazioni batch alcuni parametri sono stati impostati
attraverso un opportuno file .xml acquisito tramite il pulsante di avvio multiplo della toolbar,
altri parametri quelli caratteristici dellagente, sono stati estratti in modo random da dei set
appositamente predisposti e sostituiti fra un ciclo di simulazione laltro . Nel file .xml
possibile gestire completamente tutti i parametri, mantenendoli costanti o facendoli variare tra
Sviluppo del framework per la simulazione

91
una simulazione e laltra utilizzando apposite liste o indicando lincremento per ogni
esecuzione.
5.5.3 I diagrammi
Repast permette di creare vari tipi di diagrammi mettendo a disposizione alcune classi
ognuna orientata ad una differente tipologia di grafico. Nella simulazione sono state usate solo
due tipi delle classi a disposizione.
La classe OpenSequenceGraph permette di visualizzare landamento di una variabile
rispetto al tempo scandito attraverso i tick. Per la creazione di questi diagrammi, prima va
istanziato loggetto tramite la classe OpenSequenceGraph e successivamente gli va aggiunto una
particolare interfaccia, anche questa definita in Repast, di tipo Sequence che collega il
diagramma alla variabile da rappresentare. Se nel diagramma devono essere rappresentate pi
variabili necessario inserire pi interfacce Sequence. Per la simulazione sono stati
implementati quattro grafici di questo tipo, che rispettivamente raffigurano i costi, i profitti, gli

Figura 5.6 Screenshot di una simulazione della supply chain.
Capitolo 5

92
ordini e il livello delle scorte degli agenti; in ognuno di questi grafici vengono riportati gli
andamenti della variabile, uno per ogni agente, assegnando un colore differente ad ognuno di
questi.
La classe Plot permette di creare vari tipi di grafici fra cui dei semplici istogrammi, che
sono stati utilizzati per rappresentare i costi totali di ogni simulazione, in modo da poter
confrontare quali strategie risultassero pi convenienti per ogni particolare situazione.
5.5.4 Gli agenti
Per la creazione degli agenti Repast mette a disposizione delle classi di base da estendere
per ottenerne altre che serviranno ad instanziare gli agenti con le funzionalit desiderate.
Partendo dalla classe DefaultDrawableNode stato possibile definire la classe SCC_Agent
dotata di quasi tutti i metodi e le propriet necessarie ad adempiere alle operazioni per il
mantenimento della supply chain. In particolare in questa classe sono definiti i metodi per il
calcolo del lotto economico, del punto di riordino e dei processi decisionali riguardanti
lattuazione degli ordini. La classe SCC_Agent stata estesa in tre sottoclassi che
rappresentavano le tre tipologie di agenti in gioco ottenendo cos: la SCC_CustomerAgent per
lagente cliente che deve solo ordinare ad ogni step il quantitativo fisso, la classe
SCC_MiddleAgent per gli agenti intermedi della catena (dettaglianti, grossisti e distributori) che
ordinano e ricevono dagli agenti a monte e consegnano a quelli a valle ed infine la classe
SCC_FactoryAgent per il produttore che programma la produzione necessaria a soddisfare il
fabbisogno degli agenti che stanno a valle.
5.5.5 Memorizzazione dei risultati
Per poter confrontare le varie strategie di gestione della supply chain al variare di alcuni
fra i parametri pi indicativi, si reso necessario approntare un sistema di registrazione che
memorizzasse i risultati ottenuti ad ogni esecuzione in un apposito file (logging). Repast mette a
disposizione una classe denominata DataRecorder che si occupa di recuperare i dati provenienti
da varie fonti e memorizzarli in un file in formato tabulare. poi possibile analizzare questi
dati, importando i risultati in delle tabelle di database e dei fogli di calcolo.




Capitolo 6
Risultati sperimentali
Il framework per la simulazione di una supply chain seriale, monoprodotto e con domanda
costante stato utilizzato per valutare i diversi modelli di gestione presentati nel capitolo 2. A
tale scopo sono state generate istanze random, come descritto nel paragrafo successivo.
Come gi illustrato nel capitolo precedente, nel framework di simulazione sviluppato, ad
ogni partecipante della catena di fornitura corrisponde un agente, la cui strategia di azione
dipende dalla metodologia di gestione che viene di volta in volta selezionata.
I parametri impostabili sono:
tipo gestione: cio la metodologia di gestione della supply chain
domanda: quantit (numero intero) da fornire per unit temporale al cliente;
agenti: numero di componenti della supply chain, da 2 a 4;
lead time tempi di consegna da un agente al successivo, in unit temporali, da 1 a n;
parametri agente: tipici per ogni agente della catena si suddividono in:
o costo di ordinazione;
o costo di mantenimento delle scorte;
o prezzo di trasferimento;
step: numero di cicli eseguiti dalla simulazione.
Le simulazioni sono state effettuate impiegando i modelli di gestione delle scorte, descritti
nel capitolo 2; sono stati cos evidenziati i differenti benefici o svantaggi in termini di
comportamenti e costi a seconda della gestione applicata.

12
Questo tipo di gestione stato simulato solo su supply chain con due agenti
Modalit di gestione Visibilit riordino
Multilivello
Coordinata
Incentivi
12

Negoziazione
Installation stock

Echelon stock
Tabella 6-1 - Tipologie di gestione testate in modalit batch.
Capitolo 6

94
Il framework stato progettato per effettuare le simulazioni in due modi diversi: il primo
interattivo (figura 5.6) restituisce, mostrando una serie di grafici e istogrammi, una visione
immediata dellandamento delle variabili come costi scorte etc., mentre il secondo modo,
definito batch, permette di testare intensamente i vari modelli di gestione su istanze generate
in modo casuale.
Le simulazioni eseguite in modo interattivo hanno cos permesso di evidenziare
istantaneamente le differenze di comportamento fra le diverse strategie di gestione, mostrando
anche i dati parziali riguardanti landamento, per ogni step temporale, degli ordini, delle scorte,
dei costi e dei profitti di ogni agente. Invece attraverso le simulazioni batch, eseguite su tutte

13
I valori riportati nella colonna del lead time non sono stati estratti ma entrambi testati.
Costo ordinazione (A) Costo mantenimento (h)
Range
domanda
Lead
time
13

10 11 12 13 14 0,01 0,02 0,03 0,05 0,07
16 20 24 28 36 0,1 0,15 0,2 0,25 0,35 SET 1
32 40 42 44 44 0,4 0,5 0,6 0,8 1.0
10100
0

2
15 16 17 18 19 0,01 0,02 0,03 0,04 0,05
20 21 22 23 24 0,06 0,07 0,08 0,09 0,1 SET 2
25 26 27 28 29 0,11 0,12 0,13 0,14 0,15
560
0

2
10 15 20 25 30 0,001 0,002 0,004 0,008 0,016
35 40 50 60 70 0,020 0,025 0,030 0,04 0,05 SET 3
80 100 120 140 160 0,06 0,08 0,1 0,14 0,18
5150
0

2
Tabella 6-2 Valori dei parametri utilizzati nei tre set.
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Incentivi Installation/Echelon 2631,43 15233,66 815,60 1815,32 5816,74 9415,89
Coordinata Installation/Echelon 2631,43 15233,66 815,60 1815,32 6002,86 9229,86
Negoziazione Installation/Echelon 2646,15 15199,23 925,60 1719,88 5794,86 9403,33
Multilivello Installation/Echelon 2715,77 15172,72 1003,25 1711,98 5747,56 9424,25
Tabella 6-3 - Risultati 1set di simulazione, 2 agenti e lead time nulli.
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Incentivi Installation/Echelon 1780,22 18848,45 493,67 1286,13 8953,25 9894,23
Coordinata Installation/Echelon 1780,22 18848,45 493,67 1286,13 9132,62 9714,80
Negoziazione Installation/Echelon 1829,90 18999,81 613,28 1216,02 8800,32 10198,55
Multilivello Installation/Echelon 1899,20 18959,62 699,23 1199,42 8764,35 10194,30
Tabella 6-4 - Risultati 2di set simulazione, 2 agenti e lead time nulli.
Risultati sperimentali

95
le istanze in modo casuale, stato possibile confrontare le varie metodologie di gestione
utilizzate, verificando in generale quale fossero le pi performanti.
6.1 Le prove effettuate
Sono stati generati tre set di istanze. In tabella 6-2 sono mostrati i valori dei parametri (costo
ordinazione, costo inventario, domanda) utilizzati per produrre le istanze di ogni set. Per ciascun
set sono state generate cinquanta istanze random. Per ogni istanza sono stati estratti prima i
parametri caratteristici dellagente, come costo fisso di ordinazione del lotto, costo mantenimento
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Incentivi Installation/Echelon 2897,60 39563,28 1031,24 1865,61 17239,29 22322,96
Coordinata Installation/Echelon 2897,60 39563,28 1031,24 1865,61 17476,88 22085,45
Negoziazione Installation/Echelon 2980,61 40038,30 1239,08 1740,73 17331,65 22705,73
Multilivello Installation/Echelon 2987,54 39802,57 1222,94 1763,67 17209,08 22592,55
Tabella 6-5 - Risultati 3set di simulazione ,2 agenti e lead time nulli.
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Incentivi Installation/Echelon 2408,23 23910,44 766,08 1641,59 10404,48 13504,95
Coordinata Installation/Echelon 2408,23 23910,44 766,08 1641,59 10603,82 13305,64
Negoziazione Installation/Echelon 2458,27 24025,45 904,32 1553,22 10333,27 13691,21
Multilivello Installation/Echelon 2504,54 24073,66 966,26 1537,65 10341,58 13731,14
Tabella 6-6 - Risultati su tutti i set simulazione, 2 agenti e lead time nulli.
2391,80 2391,80 2391,80 2391,80
2421,43 2421,43
2477,69 2477,69
2340,00
2360,00
2380,00
2400,00
2420,00
2440,00
2460,00
2480,00
C
o
s
t
o

Coordinata
Installation
Incentivi
Echelon
Incentivi
Installation
Coordinata
Echelon
Negoziazione
Installation
Negoziazione
Echelon
Multilivello
Installation
Multilivello
Echelon

Figura 6.1 - Media costi supply chain con due agenti e lead time nulli.
Capitolo 6

96
scorte e prezzo di trasferimento (questultimo non riportato in tabella) dal relativo set e poi la
domanda finale selezionata in modo random da un predeterminato intervallo (penultima colonna
tabella 6-2). Tutti i valori dei parametri e la domanda finale sono stati estratti dai set seguendo una
distribuzione di probabilit uniforme. Su ciascuna istanza sono state eseguite tutte le metodologie
di gestione implementate nel framework, variando per ogni gestione, di volta in volta, i lead time
(nulli e non) e la visibilit per il calcolo del punto di riordino (Installation e Echelon Stock).
Considerato quindi che le tipologie di gestione erano quattro e che venivano provate in
quattro diverse modalit per cinquanta sequenza legate ad ogni set di parametri, alla fine sono
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Negoziazione Installation 3075,23 15089,44 1345,46 1728,98 5302,54 9785,91
Multilivello Installation 3121,39 14975,73 1398,49 1722,18 5282,60 9692,16
Incentivi Installation 3151,29 14975,36 1327,68 1822,95 5224,25 9749,95
Coordinata Installation 3151,29 14975,36 1327,68 1822,95 5408,89 9565,63
Coordinata Echelon 2633,74 15454,32 810,18 1822,95 5887,75 9565,63
Incentivi Echelon 2633,74 15454,32 810,18 1822,95 5703,23 9749,95
Negoziazione Echelon 2656,87 15464,60 927,19 1728,98 5677,77 9785,91
Multilivello Echelon 2727,85 15383,09 1004,98 1722,18 5689,98 9692,16
Tabella 6-7 - Risultati 1set di simulazione, 2 agenti e lead time = 2.
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Multilivello Installation 2176,79 19142,37 982,58 1193,27 8377,37 10763,97
Negoziazione Installation 2226,41 19241,04 1015,67 1209,78 8402,60 10837,50
Incentivi Installation 2396,04 19320,20 1119,58 1275,63 8172,80 11146,45
Coordinata Installation 2396,04 19320,20 1119,58 1275,63 8347,67 10971,55
Coordinata Echelon 1765,10 19957,06 488,88 1275,63 8984,53 10971,55
Incentivi Echelon 1765,10 19957,06 488,88 1275,63 8809,57 11146,45
Negoziazione Echelon 1817,77 19844,65 607,20 1209,78 9006,17 10837,50
Multilivello Echelon 1884,67 19598,36 690,77 1193,27 8833,40 10763,97
Tabella 6-8 - Risultati 2di set simulazione, 2 e agenti e lead time = 2.
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Negoziazione Installation 3281,36 40470,18 1520,06 1760,31 16707,86 23761,25
Multilivello Installation 3339,23 40385,29 1599,51 1738,88 16652,20 23732,10
Incentivi Installation 3429,00 40457,87 1568,73 1859,27 16768,33 23688,49
Coordinata Installation 3429,00 40457,87 1568,73 1859,27 17002,33 23454,57
Coordinata Echelon 2873,55 40793,87 1013,47 1859,27 17338,29 23454,57
Incentivi Echelon 2873,55 40793,87 1013,47 1859,27 17104,43 23688,49
Multilivello Echelon 2964,27 40861,55 1224,59 1738,88 17128,49 23732,10
Negoziazione Echelon 2971,43 40896,68 1210,16 1760,31 17134,37 23761,25
Tabella 6-9 - Risultati 3set di simulazione, 2 agenti e lead time = 2.
Risultati sperimentali

97
state eseguite in totale 2400 simulazioni nel caso di due agenti, pi altre 3600
14
per le catene a
tre e quattro agenti.
Il simulatore per ciascuna set di simulazione riporta i dati calcolati in un file di testo, ogni
riga di questo file corrisponde ad una singola esecuzione e comprende i seguenti dati:
id simulazione: diverso per ogni singola esecuzione;
id sequenza: uguale per ogni sequenza cio per tutte le esecuzioni effettuate con gli
stessi parametri; ogni sequenza comprendeva un esecuzione per ogni metodologia;
domanda: un valore di input che viene riportato anche in output;

14
La gestione con incentivi stata implementata solo sulle supply chain con due agenti, quindi nel caso di
tre e quattro agenti sono state effetuate un minor numero di prove.
Tipo Gestione
Costo
Totale
Profitto
Totale
Costo
Produttore
Costo
Dettagliante
Profitto
Produttore
Profitto
Dettagliante
Negoziazione Installation 2834,65 24277,02 1280,68 1553,07 9872,04 14403,99
Multilivello Installation 2850,16 24177,44 1310,98 1538,35 9839,36 14337,07
Incentivi Installation 2965,86 24262,85 1326,54 1638,51 9781,76 14480,04
Coordinata Installation 2965,86 24262,85 1326,54 1638,51 9977,89 14284,03
Coordinata Echelon 2396,31 24754,81 757,14 1638,51 10469,80 14284,03
Incentivi Echelon 2396,31 24754,81 757,14 1638,51 10273,71 14480,04
Negoziazione Echelon 2452,68 24749,36 898,81 1553,07 10344,38 14403,99
Multilivello Echelon 2498,49 24623,07 959,43 1538,35 10285,04 14337,07
Tabella 6-10 - Risultati su tutti i set simulazione, 2 agenti e lead time = 2.
2387,36 2387,36
2423,96
2479,72
2816,28
2837,74
2931,34 2931,34
0,00
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
C
o
s
t
o

Incentivi
Echelon
Coordinata
Echelon
Negoziazione
Echelon
Multilivello
Echelon
Negoziazione
Installation
Multilivello
Installation
Coordinata
Installation
Incentivi
Installation

Figura 6.2 - Media costi supply chain con due agenti e lead time=2.
Capitolo 6

98
gestione: la tipologia di gestione della supply chain;
lead time: il tempo di riapprovvigiona mento;
visibilit: politica per il punto di riordino Installation o Echelon Stock
lotto di acquisto: per ogni agente il lotto di acquisto che stato calcolato
Tipo Gestione Costo Totale
Profitto
Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 4181,70 23429,67 824,57 1036,28 2320,65
Negoziazione Installation/Echelon 4320,83 23267,04 1036,80 1272,83 2010,70
Multilivello Installation/Echelon 4333,54 23251,54 1035,56 1312,46 1985,09
Tabella 6-11 - Risultati 1set di simulazione con 3 agenti e lead time nulli.
Tipo Gestione Costo Totale
Profitto
Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 2315,50 24026,02 372,27 371,57 1571,57
Negoziazione Installation/Echelon 2411,32 24344,91 615,96 626,93 1168,04
Multilivello Installation/Echelon 2498,73 24115,64 667,86 675,96 1154,46
Tabella 6-12 - Risultati 2set di simulazione con 3 agenti e lead time nulli.
Tipo Gestione Costo Totale
Profitto
Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 3723,71 53871,88 874,16 1100,78 1748,31
Multilivello Installation/Echelon 3898,80 53773,76 1104,31 1231,33 1562,37
Negoziazione Installation/Echelon 3900,55 53640,96 1100,73 1229,37 1569,82
Tabella 6-13 - Risultati 3set di simulazione con 3 agenti e lead time nulli.
3387,51
3523,52 3557,63
3387,51
3524,32
3557,63
0,00
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
3500,00
4000,00
C
o
s
t
o
Coordinata
Installation
Negoziazione
Installation
Multilivello
Installation
Coordinata
Echelon
Negoziazione
Echelon
Multilivello
Echelon
Costo Produttore
Costo Grossista
Costo Dettagliante
Costi Totali

Figura 6.3 - Media costi supply chain con tre agenti e lead time nulli.
Risultati sperimentali

99
costi: i costi totali generati durante la simulazione sia per la catena sia per ogni
singolo agente
profitti: i profitti totali della catena e quelli di ogni singolo agente
Ogni file di testo, relativo ad un set di simulazioni, stato importato in una tabella di
database e attraverso delle query di aggregazione le tuple, corrispondenti alle stesse modalit di
gestione, sono state accorpate, sono state quindi calcolate le medie sui dati di output delle varie
istanze. I risultati di ogni set di simulazione sono stati suddivisi in base al lead time e riprodotti
in delle tabelle sintetiche, riassumendo cos i dati di tutte le simulazioni. Infine dai dati estratti
dalle tabelle sono stati prodotti degli istogrammi cos da offrire un confronto immediato fra le
Tipo Gestione Costo Totale
Profitto
Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 3387,51 33280,28 682,96 825,51 1878,80
Negoziazione Installation/Echelon 3523,52 33263,50 910,67 1034,40 1577,94
Multilivello Installation/Echelon 3557,63 33220,63 929,44 1065,37 1562,27
Tabella 6-14 - Risultati su tutti i set di simulazione con 3 agenti e lead time nulli
Tipo Gestione Costo Totale Profitto Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Multilivello Installation 5067,76 22904,52 1302,33 1765,06 1999,57
Negoziazione Installation 5146,56 22748,46 1328,78 1791,63 2025,57
Coordinata Installation 5767,59 22401,89 1465,06 1971,00 2330,83
Coordinata Echelon 4178,81 24328,15 810,76 1036,83 2330,83
Negoziazione Echelon 4321,28 23717,96 1026,61 1268,52 2025,57
Multilivello Echelon 4334,22 23806,91 1024,83 1309,15 1999,57
Tabella 6-15 - Risultati 1set di simulazione con 3 agenti e lead time = 2.
Tipo Gestione Costo Totale Profitto Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Multilivello Installation 2906,52 24005,27 854,64 902,13 1148,84
Negoziazione Installation 2956,04 24178,14 874,68 918,41 1162,05
Coordinata Installation 4664,86 23260,61 1379,96 1724,54 1559,48
Coordinata Echelon 2288,16 25065,64 363,96 364,48 1559,48
Negoziazione Echelon 2387,50 24954,50 605,07 619,66 1162,05
Multilivello Echelon 2471,79 24800,89 655,82 666,57 1148,84
Tabella 6-16 - Risultati 2set di simulazione con 3 agenti e lead time = 2.
Tipo Gestione Costo Totale Profitto Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Negoziazione Installation 4718,76 53676,65 1558,18 1591,35 1568,39
Multilivello Installation 4782,47 54040,27 1588,27 1633,35 1560,02
Coordinata Installation 5315,16 53964,37 1818,59 1751,71 1743,96
Coordinata Echelon 3673,92 57402,47 847,22 1082,14 1743,96
Multilivello Echelon 3854,59 56438,43 1079,73 1214,00 1560,02
Negoziazione Echelon 3855,18 56385,00 1069,65 1216,43 1568,39
Tabella 6-17 - Risultati 3set di simulazione con 3 agenti e lead time = 2.
Capitolo 6

100
varie metodologie
In totale sono state create 24 tabelle (da tabella 6-3 a tabella 6-26) suddivise per set di
simulazione, per numero di soggetti della supply chain (da due a quattro agenti) e per lead time
(0 e 2). Il dato pi rilevante riportato nelle tabelle il costo totale della supply chain, segue
anche il costo suddiviso per singolo soggetto e per le catene di due e tre agenti il profitto totale.
Esaminando i dati riportati nelle tabelle , appare subito evidente che la gestione che
consegue sempre i migliori risultati, nel caso dei lead time nulli, la coordinata; ci invece non
4225,65 4249,12
5240,71
3361,26
3501,01 3534,48
0,00
1000,00
2000,00
3000,00
4000,00
5000,00
6000,00
C
o
s
t
o
Multilivello
Installation
Negoziazione
Installation
Coordinata
Installation
Coordinata
Echelon
Negoziazione
Echelon
Multilivello
Echelon
Costo Produttore
Costo Grossista
Costo Dettagliante
Costi Totali

Figura 6.4 - Media costi supply chain con tre agenti e lead time = 2.
Tipo Gestione Costo Totale Profitto Totale
Costo
Produttore
Costo
Grossista
Costo
Dettagliante
Multilivello Installation 4225,65 33150,27 1237,19 1423,19 1564,43
Negoziazione Installation 4249,12 33042,87 1243,50 1424,46 1580,40
Coordinata Installation 5240,71 32698,63 1547,45 1815,81 1876,63
Coordinata Echelon 3361,26 35061,63 666,90 817,32 1876,63
Negoziazione Echelon 3501,01 34496,01 893,62 1026,33 1580,40
Multilivello Echelon 3534,48 34489,34 913,87 1055,50 1564,43
Tabella 6-18 - Risultati su tutti i set di simulazione con 3 agenti e lead time = 2.
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 3579,27 490,88 589,39 760,63 1737,25
Negoziazione Installation/Echelon 3746,94 568,69 761,59 861,35 1553,92
Multilivello Installation/Echelon 3786,84 563,18 769,16 887,24 1565,90
Tabella 6-19 - Risultati 1set di simulazione con 4 agenti e lead time nulli.
Risultati sperimentali

101
accade considerando i lead time diversi da zero dove la gestione coordinata risulta la migliore
solo congiuntamente alla Echelon Stock, mentre la peggiore quando utilizzata insieme
allInstallation Stock.
Tornando al caso dei lead time nulli ininfluente utilizzare la politica Echelon o
3868,54
3948,74
4015,88
3868,54
3948,74
4015,88
3750,00
3800,00
3850,00
3900,00
3950,00
4000,00
4050,00
C
o
s
t
o

Coordinata
Installation
Negoziazione
Installation
Multilivello
Installation
Coordinata
Echelon
Negoziazione
Echelon
Multilivello
Echelon

Figura 6.5 - Media costi supply chain con quattro agenti e lead time nulli.
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 3185,24 314,29 379,90 683,28 1806,85
Negoziazione Installation/Echelon 3267,65 462,80 599,00 718,51 1486,06
Multilivello Installation/Echelon 3365,33 444,14 646,08 746,43 1527,54
Tabella 6-20 - Risultati 2set di simulazione con 4 agenti e lead time nulli.
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 4300,46 640,68 837,28 1047,65 1773,50
Negoziazione Installation/Echelon 4381,16 717,31 1005,78 1163,09 1564,25
Multilivello Installation/Echelon 4398,52 716,15 1003,73 1179,94 1567,94
Tabella 6-21 - Risultati 3set di simulazione con 4 agenti e lead time nulli.
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Coordinata Installation/Echelon 3868,54 520,36 659,23 814,84 1873,04
Negoziazione Installation/Echelon 3948,74 644,59 846,23 948,66 1569,59
Multilivello Installation/Echelon 4015,88 632,93 866,08 979,94 1597,30
Tabella 6-22 - Risultati su tutti i set di simulazione con 4 agenti e lead time nulli.
Capitolo 6

102
Installation Stock per il calcolo del punto di riordino; quindi, nel caso dei lead time nulli,
indipendentemente dalla metodologia utilizzata per il calcolo del lotto di acquisto, pi
appropriato utilizzare lInstallation Stock. Nei successivi paragrafi verranno discussi in dettaglio
i risultati delle simulazioni in base alle metodologie di gestione che sono state applicate alla
supply chain. aspettati
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Negoziazione Installation 4466,37 733,29 980,53 1190,08 1560,71
Multilivello Installation 4563,78 745,35 990,39 1252,00 1574,33
Coordinata Installation 4919,88 826,22 1105,65 1245,90 1740,57
Coordinata Echelon 3554,92 478,49 580,76 753,73 1740,57
Negoziazione Echelon 3730,22 557,37 751,76 858,80 1560,71
Multilivello Echelon 3763,35 550,82 755,63 881,08 1574,33
Tabella 6-23 - Risultati 1set di simulazione con 4 agenti e lead time = 2.
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Negoziazione Installation 4055,95 675,85 909,80 983,24 1485,19
Multilivello Installation 4152,25 708,90 932,48 980,94 1528,13
Coordinata Installation 5485,13 962,39 1626,71 1721,81 1805,37
Coordinata Echelon 3143,32 297,58 367,46 671,95 1805,37
Negoziazione Echelon 3238,39 450,28 589,58 711,96 1485,19
Multilivello Echelon 3338,08 431,20 638,52 739,03 1528,13
Tabella 6-24 - Risultati 2set di simulazione con 4 agenti e lead time = 2.
4782,66
4858,14
5252,01
3823,67
3915,39
3982,53
0,00
1000,00
2000,00
3000,00
4000,00
5000,00
6000,00
C
o
s
t
o

Negoziazione
Installation
Multilivello
Installation
Coordinata
Installation
Coordinata
Echelon
Negoziazione
Echelon
Multilivello
Echelon

Figura 6.6 - Media costi supply chain con quattro agenti e lead time = 2.
Risultati sperimentali

103
6.2 Il lotto Economico
Questo tipo di modello anche se propriamente inadatto a sistemi multilivello stato
comunque implementato nella simulazione per valutarne lefficacia in un contesto non attinente;
utilizzando tale metodo ogni agente della catena di approvvigionamento, in modo autonomo,
calcola il proprio lotto di ordinazione e il proprio punto di riordino solo in base alla domanda
finale, ci non permette di ottenere una politica ottimale perch oltre alla domanda
indispensabile considerare anche le politiche di ordinazione e il livello delle scorte di tutti gli
Tipo Gestione Costo Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Negoziazione Installation 5028,83 988,51 1413,85 1559,03 1561,99
Coordinata Installation 5036,31 1091,91 1698,25 1754,75 1766,23
Multilivello Installation 5088,87 999,81 1440,87 1577,24 1565,45
Coordinata Echelon 4215,03 607,38 811,55 1028,37 1766,23
Negoziazione Echelon 4309,09 690,40 975,16 1150,60 1561,99
Multilivello Echelon 4330,06 688,63 977,04 1168,08 1565,45
Tabella 6-25 - Risultati 3set di simulazione con 4 agenti e lead time = 2.
Tipo Gestione
Costo
Totale
Costo
Produttore
Costo
Distributore
Costo
Grossista
Costo
Dettagliante
Negoziazione Installation 4782,66 912,29 1156,96 1323,85 1572,86
Multilivello Installation 4858,14 934,21 1162,33 1344,96 1599,96
Coordinata Installation 5252,01 1104,33 1540,27 1659,62 1872,02
Coordinata Echelon 3823,67 499,61 646,18 804,67 1872,02
Negoziazione Echelon 3915,39 627,43 832,39 942,83 1572,86
Multilivello Echelon 3982,53 618,41 853,48 970,93 1599,96
Tabella 6-26 - Risultati su tutti i set di simulazione con 4 agenti e lead time = 2.
Distributore
Dettagliante
2
2
2
2
h
d A
Q

=
1
1
1
2
h
d A
Q

=
Produttore
3
3
3
2
h
d A
Q

=
d
Figura 6.7 - Lotto Economico applicato alla supply chain.
Capitolo 6

104
altri magazzini. Inoltre nelle gestioni multilivello oltre a considerare la politica di gestione
ottimale va tenuto conto anche degli obiettivi dei singoli partecipanti i quali spesso sono
contrastanti o incompatibili tra di loro.
Le simulazioni effettuate utilizzando il lotto economico sono state quelle che hanno
generato costi pi alti, oltre a ci sono stati rilevati degli stockout, visibili anche nella figura 6.8,
sancendo la completa inadeguatezza del modello.
6.3 Lotto economico multistadio
Questo modello di gestione perfettamente idoneo per i sistemi multilivello studiati in
questo contesto, per questo stato inserito nel framework di simulazione come modello di
riferimento; in questo caso, a differenza del precedente, solo lagente pi a valle (dettagliante)
calcola autonomamente il proprio lotto di acquisto mentre quelli al di sopra possono decidere la
loro strategia solo in base ai multipli di questo lotto; ladeguatezza del modello percepibile
anche guardando landamento del diagramma delle scorte di figura 6.9, dove si nota lassenza di
stockout e levoluzione regolare dei livelli.
possibile verificare che la soluzione dedotta dalla minimizzazione separata dei costi dei
due o pi magazzini non ottimale rispetto alla funzione di costo totale per la rete distributiva,
per ben si adatta alla gestione della supply chain seriale, inoltre assicura lassenza di stockout
rispetto alla gestione effettuata con il semplice lotto economico.

Figura 6.8 Andamento scorte supply chain con tre agenti e gestione EOQ.
Risultati sperimentali

105
6.4 Echelon Stock
Una rete distributiva multilivello pu essere gestita con migliori risultati usufruendo di
una visibilit globale ed aggregata; questa conduzione si differenzia da quella con una visibilit
locale e dettagliata che per pi agevole da adottare. Utilizzando lEchelon stock, per calcolare
i punti di riordino, i costi totali della supply chain sono sempre minori o al massimo uguali
rispetto allInstallation stock. Questa affermazione stata verificata anche dai risultati delle
simulazioni, indipendentemente dal metodo di gestione per il calcolo del lotto di ordinazione.
Nel grafico di figura 6.2 possibile verificare che utilizzando il metodo Echelon Stock il costo
totale sempre stato minore; solo per una bassissima percentuale di casi le due strategie hanno
conseguito gli stessi costi.
Il sistema Echelon Stock analizzando il livello delle scorte in tutto il sistema permette di
ottimizzare non i quantitativi dei lotti ma i tempi di ordinazione, specificando perfettamente
quando ordinare in modo che nella catena distributiva il livello delle scorte sia mantenuto il pi
basso possibile, senza per causare degli stockout. Il beneficio che ne deriva, sopratutto per i
soggetti che stanno a monte della catena, la diminuzione dei costi di mantenimento in quanto
possibile mantenere livelli delle scorte pi bassi.
I vantaggi che derivano da questo tipo di gestione sono anche direttamente visibili
confrontando gli andamenti delle scorte nei grafici di figura 6.9 e figura 6.10 generati dalla

Figura 6.9 Andamento scorte supply chain con tre agenti e gestione multilivello.
Capitolo 6

106
simulazione di una catena di approvvigionamento con tre soggetti e gestione Installation (il
primo) ed Echelon (il secondo); nel secondo caso immediatamente visibile come i livelli delle
scorte vengano mantenuti pi bassi generando cos un minor costo di mantenimento.
Nel caso che i tempi di reintegro delle scorte (lead time) siano nulli, le scorte nei
magazzini sono mantenute ai minimi livelli data limmediata possibilit di reintegro, di
conseguenza non vi nessuna differenza tra lutilizzo dellEchelon o dellInstallation Stock;
infatti, nellistogramma di figura 6.1 (ma anche in quelli di figura 6.3 e figura 6.5 per catene di
tre e quattro agenti) possibile osservare come per qualsiasi tipo gestione i due metodi generino
i medesimi costi. Quindi in questa circostanza risulta meno efficiente utilizzare lEchelon Stock
in quanto pi difficilmente implementabile.
La difficolt di realizzazione di questo modello risiede nella condivisione delle
informazioni, in quanto per poter funzionare ogni magazzino deve mettere a disposizione di chi
sta sopra di lui le informazioni riguardanti le scorte a disposizione; spesso per queste
informazioni non vengono condivise, neanche fra unit organizzative della stessa azienda, sia
per difficolt tecnico-organizzative sia per paura che questi dati possano essere utilizzati a danno
dellunit stessa.

Figura 6.10 Andamento scorte supply chain con tre agenti e gestione Echelon.
Risultati sperimentali

107
6.5 Gestione coordinata
La soluzione proveniente dalla minimizzazione separata dei costi dei magazzini, vista nel
paragrafo 2.5.3, pur risolvendo efficacemente il problema della gestione multistadio, non
raggiunge il livello ottimale di minimizzazione complessiva dei costi, che invece possibile
ottenere con una gestione che coordini globalmente tutta la catena di approvvigionamento
come quella descritta nel paragrafo 2.5.4.
Anche questa strategia di gestione stata simulata nellapplicazione sia in modalit interattiva
che batch. Nel primo caso possibile vedere in figura 6.11 i risultati di una simulazione
effettuata su una supply chain composta da tre agenti. possibile notare che sia produttore sia
il grossista non mantengono scorte, grazie anche alla politica di riordino Echelon .
Nella figura 6.12 riportato un istogramma, generato dai dati della simulazione batch
con una supply chain composta da tre agenti e lead time pari a due, che confronta la gestione
coordinata con quella multilivello. possibile notare che, utilizzando la gestione coordinata, a
fronte di una diminuzione dei costi del produttore e del grossista segue un aumento di quelli
del dettagliante, anche se poi il tutto si traduce in una diminuzione dei costi totali della supply
chain. per sempre importante ricordare che i benefici sono solo a favore di alcuni
partecipanti (in genere chi sta a monte).

Figura 6.11 Andamento scorte gestione coordinata su catena con 3 livelli.
Capitolo 6

108
Quindi, nonostante questa soluzione permetta di ridurre i costi per lintera catena, i
benefici ottenuti sono solo a favore dei magazzini che stanno a monte, mentre il magazzino
del dettagliante, quello pi a valle, ottiene dei costi superiori rispetto al caso della
minimizzazione separata (cio la gestione multilivello). Cos utilizzando la gestione
coordinata dellintera filiera vengono raggiunti i migliori livelli di efficienza, per questi
benefici non detto che si trasferiscano automaticamente a tutti gli attori della rete; per questo
motivo spesso necessario introdurre dei sistemi di incentivi per incoraggiare una maggiore o
totale integrazione.
anche utile evidenziare che la gestione coordinata garantisce la migliore efficienza di
gestione solo se utilizzata quando i lead time sono nulli o con una politica di riordino Echelon
Stock altrimenti pu risultare pi efficiente la normale gestione multilivello. Questo stato
messo ben in evidenza dalle simulazioni effettuate; infatti dallistogramma di figura 6.6
possibile constatare che la gestione coordinata congiuntamente alla Echelon ha totalizzato i
costi totali pi bassi mentre quando stata usata unitamente allInstallation ha ottenuto le
peggiori performance conseguendo i costi pi alti.
Multilivello
Echelon
Coordinata
Echelon
3557,63
3361,26
1562,27
1876,63
1065,37
817,32
929,44
666,90
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
3500,00
4000,00
C
o
s
t
o

Supply chain
con 3 agenti
Costo Produttore
Costo Grossista
Costo Dettagliante
Costi totali

Figura 6.12 Media costi, totali e suddivisi per agenti, gestioni multilivello e coordinata.
Risultati sperimentali

109
Le migliori prestazioni durante le varie prove sono sempre state ottenute abbinando la
gestione coordinata, che calcola i lotti di ordinazione mediante la minimizzazione della
funzione di costo totale e la politica Echelon stock che gestisce il punto di riordino con una
visibilit globale della catena. Questa combinazione di gestioni se da un lato determina i
minori costi totali, dallaltro richiede sia la condivisione delle informazioni fra i partecipanti
della rete, sia il loro impegno a coordinarsi; condizioni che il pi delle volte per essere attuate
devono essere abbinate a degli incentivi.
6.6 Gestione con incentivi
I test sulla gestione della catena attraverso un sistema di incentivi come quello descritto
nel paragrafo 2.5.5 hanno confermato quanto asserito dalla teoria; infatti il costo totale della
catena gestita con gli incentivi stato lo stesso della gestione coordinata (figura 6.13); Quindi
anche in questa circostanza i costi del produttore sono sensibilmente diminuiti a scapito per
di quelli del dettagliante che sono risultati pi alti che nella gestione multilivello: questo
squilibrio viene comunque automaticamente pareggiato attraverso il sistema di incentivi. Il
vantaggio di questa strategia risiede nel fatto che utilizzando lapproccio basato sul modello di
Stackelberg, non necessaria nessuna cooperazione fra i soggetti della supply chain, bens le
transazioni avvengono nella pi completa autonomia. I maggiori costi sostenuti dal
Incentivi Echelon
Coordinata Echelon
Multilivello Echelon
2387,36
2387,36
2479,72
1664,76
1664,76
1568,06
721,99
721,99
910,94
500,00
700,00
900,00
1100,00
1300,00
1500,00
1700,00
1900,00
2100,00
2300,00
2500,00
C
o
s
t
o

Supply chain
con 2 agenti
Costo Produttore
Costo Dettagliante
Costi Totali

Figura 6.13 Media costi, totali e suddivisi per agenti, gestione coordinata, con incentivi e multilivello.
Capitolo 6

110
dettagliante rispetto alla normale gestione multilivello vengono bilanciati dallintroduzione
degli incentivi, che fanno guadagnare un po di meno al produttore ma gli garantiscono dei
costi di gestione decisamente pi bassi. Il tutto si ripercuote in maggiori profitti sia per i
singoli agenti sia per lintera supply chain rispetto ai profitti ottenuti con la gestione
multilivello (figura 6.14).
Va tuttavia ricordato che questo tipo di gestione risulta conveniente solo quando il livelli
di riordino sono amministrati con la politica Echelon Stock; se viene applicato con la modalit
Installation, come avviene anche per la gestione coordinata, i costi della catena aumentano e
non pi vantaggioso luso di questa strategia
6.7 Gestione con negoziazione
Nellambito del progetto stata cercata una metodologia che riuscisse a migliorare le
performance della gestione multilivello senza per richiedere lapplicazione della politica
Echelon Stock per il riordino, cio senza la necessit dello scambio delle informazioni fra i
vari soggetti della catena. Per realizzare ci stata progettata e implementata una metodologia
che calcola il lotto di acquisto attraverso una ricerca euristica, cercando di generare costi della
catena pi bassi e ridistribuendo una parte dei benefici ottenuti ai soggetti che conseguono uno
svantaggio.
Incentivi Echelon
Coordinata Echelon
Multilivello Echelon
20165,92
20165,92
20197,72
12864,24
12682,03
12649,61
7300,56
7482,99
7547,15
500,00
2500,00
4500,00
6500,00
8500,00
10500,00
12500,00
14500,00
16500,00
18500,00
20500,00
P
r
o
f
i
t
t
o

Supply chain
con 2 agenti
Profitto Produttore
Profitto Dettagliante
Profitto Totale

Figura 6.14 Media profitti, totali e suddivisi per agenti, gestione coordinata, con incentivi e multilivello.
Risultati sperimentali

111
In sostanza si tratta di una miglioramento della gestione multilivello; infatti, come
possibile osservare in figura 6.16, i valori lotti di acquisto che vengono calcolati non si
discostano molto da quelli della gestione multilivello. La piccola variazione garantisce per un
certo guadagno in termini di costi totali della catena, che si ripercuote, in maggiori profitti
Negoziazione Installation
Multilivello Installation
2816,28
2837,74
1577,80
1568,06
1237,66
1268,89
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
C
o
s
t
o

Supply chain
con 2 agenti
Costo Produttore
Costo Dettagliante
Costi Totali

Figura 6.15 Media costi, totali e suddivisi per agenti, gestione con negoziazione e multilivello.
Multilivello
Negoziazione
Incentivi
Coordinata
156,82
157,01
167,26
167,26
82,83 86,99
118,30
118,30
50,00
70,00
90,00
110,00
130,00
150,00
170,00
M
e
d
i
o

L
o
t
t
i
Supply chain
con 2 agenti
Lotto Dettagliante
Lotto Produttore

Figura 6.16 Lotto medio di acquisto per le gestioni simulate.
Capitolo 6

112
(figura 6.17), sia per tutta la supply chain, sia a livello dei singoli soggetti, questo grazie anche
alla distribuzione di incentivi da parte dei soggetti che conseguono un beneficio verso quelli
che ottengono uno svantaggio .


Negoziazione Installation
Multilivello Installation
19796,42
19691,14
12705,21
12649,61
7090,20
7040,59
500,00
2500,00
4500,00
6500,00
8500,00
10500,00
12500,00
14500,00
16500,00
18500,00
20500,00
P
r
o
f
i
t
t
o

Supply chain
con 2 agenti
Profitto Produttore
Profitto Dettagliante
Profitto Totale

Figura 6.17 Media profitti, totali e suddivisi per agenti, gestione con negoziazione e multilivello.


Conclusioni
Il progetto collegato a questa tesi si focalizzato nellanalisi e nella sperimentazione di
una catena logistica seriale. In primo luogo stato effettuato uno studio generale sulle catene di
approvvigionamento e sulle possibili modalit di simulazione di queste strutture logistiche. In
seguito si trattato di progettare e sviluppare un framework di simulazione, basato sul
paradigma della modellazione ad agenti; per questa realizzazione stato utilizzato il linguaggio
Java con lausilio di un toolkit (Repast) comprendente librerie specializzate nella gestione degli
agenti. Per limplementazione nel simulatore delle principali tecniche di gestione della supply
chain seriale, stata fatta unindagine approfondita fra le varie metodologie per identificare
quali fossero le pi idonee ad essere accluse. Oltre a considerare le metodologie gi presenti in
letteratura stata anche presa in considerazione una tecnica di coordinazione, estratta da un
recente articolo in attesa di pubblicazione [19], basata sul modello di Stackelberg; inoltre la
gestione coordinata riportata su [6] , impostata solo per due soggetti, stata ampliata per
lutilizzo su catene formate da tre e quattro agenti e ipotizzato anche il caso di n agenti. stata
inoltre sviluppata ex novo una metodologia di gestione, incentrata su una ricerca euristica, che
assicurasse una diminuzione dei costi di gestione rispetto alla multilivello con una minima
collaborazione fra i partecipanti e praticamente nessuna condivisione di informazioni importanti.
Successivamente sono stati eseguiti numerosi test, variando in modo casuale i parametri
caratteristici, per valutare e confrontare i vari sistemi di gestione della catena logistica; la
notevole quantit di dati restituita dal simulatore stata cos filtrata e aggregata per ricavare i
valori medi dei costi e dei profitti in modo da poter effettuare delle comparazioni, anche
attraverso lausilio di grafici e istogrammi. Infine per ogni tipo di gestione sono state fatte le
dovute valutazioni in base sia alle condizioni di esecuzione dei test sia dei risultati ottenuti.
La gestione che ha riportato i migliori risultati stata quella coordinata in combinazione
alla politica Echelon Stock, quindi con il vincolo della condivisione delle informazioni; di
contro nellaltra modalit, cio con la visibilit locale dellInstallation Stock, ha avuto un
decadimento tale da farla arretrare allultimo posto nella graduatoria rispetto ai costi totali.
Considerando invece il caso dei lead time nulli non stata riscontrata la bench minima
differenza fra le prestazioni ottenute con lEchelon o lInstallation Stock per tutte le metodologie
provate.
Conclusioni

114
Sempre nella circostanza di lead time non nulli ed Echelon Stock, la gestione con
incentivi ha ottenuto degli eccellenti risultati, quasi al pari della coordinata, con il vantaggio
che questo sistema viene attuato senza imporre nessuna condizione fra partecipanti; purtroppo
stato strutturato per catene formate da due soli soggetti e non quindi implementabile negli altri
casi.
La gestione multilivello in tutte le situazioni si sempre comportata discretamente
sancendola quindi come la pi robusta rispetto alle variazioni delle condizioni e dei parametri.
Un piccolo miglioramento rispetto a questa, indipendentemente dalla situazione di esecuzione
stato ottenuto dalla gestione con negoziazione, che per richiede un minimo impegno, fra i
vari soggetti costituenti la supply chain, per la sua realizzazione.



Bibliografia

[1] R. Axelrod, Advancing the art of simulation in the social sciences (revised 2005),
reprinted in the Handbook of Research on Nature-Inspired Computing for Economics and
Management, Jean-Philippe Rennard (Ed.), Hersey, PA: Idea Group, 2006.
[2] S. Axster, L, Juntti, Comparison of echelon stock and installation two-level inventory
systems, International Journal of Production Economics, (1996), 45, 303-310
[3] S. Axsater, K. Rosling, Installation vs. Echelon Stock Policies for Multilevel Inventory
Control, Management Science, (1993), 39, 1274 1280.
[4] S. Axsater, Inventory control, Kluwer Academic Publishers, (2000)
[5] E. Bonabeau, Agent-Based Modeling: Methods and Techniques for Simulating Human
Systems, Proceedings of the National Academy of Sciences of the United States of
America, (2002), 99, 7280-7287
[6] P. Brandimarte, G. Zotteri, Logistica di distribuzione, CLUT ,(2004)
[7] P. Brandimarte, G. Zotteri, Introduction to Distribution Logistics, Wiley-
Interscience,(2007)
[8] N. Collier, RePast: An Extensible Framework for Agent Simulation, Social Science
Research Computing University of Chicago, (2003)
[9] M.S. Fox, J.F. Chionglo, M. Barbuceanu, The integrated supply chain management,
Internal report of the Enterprise Integration Laboratory, Department of Industrial
Engineering, University of Toronto (Ontario, Canada., (1993)
[10] S. Grimaldi, C. Rafele, Prestazioni logistiche, Logistica, (2006), 3, 68-74
[11] H. L. Lee, M. J. Rosenblatt, A Generalized Quantity Discount Pricing Model to Increase
Suppliers Profits, Management Science, (1986), 32, 1177-1185.
[12] S. Lytinen , S. Railsback, How to Set Up Repast in Eclipse,
http://www.swarm.org/images/e/e6/How-to_use_Repast_in_Eclipse.pdf, (2006)
Bibliografia

116
[13] C. M. Macal, M. J. North. Tutorial on Agent- Based Modeling and Simulation. In
Proceeding of the Winter Simulation Conference, (2005), ed. M. E. Kuhl, N. M. Steiger,
F. B. Armstrong, and J. Joines
[14] A. Molesini, E. Denti, A. Omicini, Metodologie per l'ingegneria del software: approccio
ad agenti, Atti Congresso Annuale AICA 2006, (2006), 1, 271-280
[15] T. Moyaux, B. Chaib-draa, S. DAmours, Supply Chain Management and Multiagent
Systems: An Overview, Studies in Computational Intelligence (SCI), (2006), 28, 127
[16] D. Parisi, Se laboratorio nel computer le scienze hanno un'arma in pi, Telma, (1999),
5, 28-30.
[17] D. Parisi, Simulazioni - La realt rifatta nel computer, (2001),Il Mulino.,
[18] J. M. Swaminathan, S. F. Smith , N. M. Sadeh, Modeling Supply Chain Dynamics: A
Multiagent Approach, Decision Sciences, (1998), 29, 607-632
[19] S. Viswanathan, Coordination in vendor-buyer inventory systems: on price discounts,
Stackelberg game and joint optimization, Accettato per la pubblicazione su International
Journal of Operational Research, (2008)