Università degli Studi di Genova FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Informatica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Università degli Studi di Genova FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Informatica"

Transcript

1 Università degli Studi di Genova FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Informatica Analisi di un modello di Supply Chain attraverso un Simulatore ad Eventi Discreti ( Analysis of a Supply Chain model by means of a Discrete Event Simulator ) Relatori: Chiar.mo Prof. Davide Giglio Chiar.mo Prof. Riccardo Minciardi Laureando: Simone Campora Anno Accademico 2006/2007 Dipartimento di Informatica, Sistemistica e Telematica

2 Sommario CAP. I : La Simulazione ad Eventi Discreti... pag Introduzione... pag Definizioni matematiche... pag La Simulazione... pag Aree di Applicabilità... pag Simulazione Object Oriented... pag. 13 CAP. II : Le Supply Chain... pag Introduzione... pag Obiettivi e Fasi... pag Vista di Processo... pag Le Componenti... pag Tassonomie... pag. 23 CAP. III : Definizione del modello... pag Introduzione... pag Il Modello... pag Dati in Ingresso e Uscita al sistema... pag Le equazioni di stato... pag Analisi delle Variabili Controllabili... pag Politiche di gestione degli Inventories... pag Indici di prestazione... pag. 39 CAP. IV : L applicazione Software... pag Introduzione ( Il Linguaggio Java )... pag Le Strutture Dati... pag L algoritmo di simulazione... pag L interfaccia Grafica e le funzionalità... pag. 67 CAP. V : Analisi dei Risultati... pag Introduzione... pag Effetti della precisione finita... pag Scelta della politica di gestione Migliore... pag. 74 CAP. VI : Conclusioni, limitazioni e possibili sviluppi... pag Limitazioni... pag Considerazioni Finali... pag. 83 Bibliografia... pag. 84

3 Ringraziamenti Rivolgo un particolare ringraziamento ai Prof. Davide Giglio e Prof. Riccardo Minciardi per avermi guidato in questi mesi con la loro indiscutibile competenza e disponibilità. Grazie per avermi confermato ancora una volta che vostra "È l'arte suprema dell'insegnante, risvegliare la gioia della creatività e della conoscenza" (Albert Einstein). Ringrazio la mia famiglia e la mia fidanzata per avermi sostenuto in questi anni e per la loro continua fiducia nelle mie capacità e aspirazioni. Grazie per tutto quello che riuscite a fare ogni giorno per me. Ringrazio tutti i miei amici per ogni momento di svago e di studio, grazie di tutto.

4 Simulazione ad Eventi Discreti CAPITOLO I: La Simulazione ad Eventi Discreti 1.0 Introduzione Fig. 1.1 L approccio di simulazione risulta efficace in ogni applicazione di cui non sia possibile definire un modello matematico di semplice utilizzo, o come alternativa quando i risultati sono ottenibili tramite operazioni non lineari, facilmente ricavabili tramite procedure algoritmiche iterative. La simulazione può essere utilizzata con profitto, anche in situazione dove si voglia avere a disposizione uno strumento di validazione per un modello matematico. La simulazione ha come potente vantaggio, la flessibilità assoluta nel trattare sistemi dinamici senza aver bisogno di particolari restrizioni e semplificazioni, che si rendono necessarie invece utilizzando i metodi analitici. In questo studio, la simulazione 1

5 Simulazione ad Eventi Discreti ha reso possibile la scomposizione del problema di natura complessa in sotto sistemi più facilmente identificati, concettualizzati ed infine modellati. Ad esempio, nell utilizzare eventi discreti in ingresso e in uscita al sistema se questi sono distribuiti come dati deterministici, l unico approccio possibile risulta essere quello simulativo. La simulazione presenta anche altri punti di forza. Un esperimento simulato infatti non rappresenta solamente una rappresentazione alternativa al modello matematico, essa infatti elabora una stima (sufficientemente precisa per nostri calcoli) dell evoluzione delle variabili di stato. La simulazione è utile ogni volta in cui vogliamo ottenere come risultato un trace delle variabili di stato. E altresì vantaggiosa se si presenta il bisogno di calcolare particolari indici prestazionali che richiedono operazioni puntuali (come conteggi), o di tipo integrale (costi medi, utilizzazioni medie). Avere a disposizione uno storico grafico con l andamento delle variabili di stato mi conferisce tutte le informazioni necessarie per questi calcoli. Più in generale analizzando questi ed altri aspetti di dettaglio, è possibile sottolineare vantaggi e svantaggi per la Simulazione, alcuni dei quali già ipotizzati nel 1970 da Schmidt 1 e Taylor 2. Vantaggi: Una volta che il modello è costruito può essere utilizzato ripetutamente in modo tale da rendere possibile l analisi di differenti politiche proposte. I metodi di simulazione possono essere usati come aiuto nell analisi di sistemi proposti anche se i dati in ingresso si presentano lacunosi e generalmente incompleti. E comune il caso in cui i dati del sistema da simulare sono molto meno costosi rispetto all implementazione reale del sistema in analisi. I metodi di simulazione sono comunemente più facili da applicare rispetto ai metodi analitici. Inoltre i potenziali utenti di un programma 1 J. William Schmidt: professore di Industrial Engineering e Operations Research presso il Virginia Polytechnic Institute and State University. 2 R. E. Taylor: professore afferente al dipartimento di Industrial Engineering and Operations Research presso il Virginia Polytechnic Institute and State University 2

6 Simulazione ad Eventi Discreti di simulazione sono largamente più numerosi di quelli di un metodo analitico. Nel caso in cui i metodi analitici richiedano normalmente molte assunzioni semplificative per rendere il sistema trattabile (es. lineare), i metodi simulativi non hanno questi problemi. Con i metodi del primo tipo l analista usualmente può compiere solo un limitato numero di misure di performance sul sistema. Con la simulazione invece i dati generati possono essere riutilizzati per stimare qualsivoglia indice di prestazione. Per quanto concerne alcuni casi specifici, la simulazione rappresenta l unico insostituibile modo di procedere verso la soluzione di un dato problema. La simulazione possiede intrinsecamente l'abilità di poter espandere e comprimere l'avanzamento temporale degli eventi in modo tale da creare degli scenari simulativi di maggior dettaglio o con maggior anticipo rispetto gli eventi reali simulati. La capacità di controllare direttamente le sorgenti del sistema. Precisare gli errori di misura e fornirne un intervallo di confidenza esatto. Il modellatore può avere il controllo diretto sulla granularità dei dettagli. Sempre Schmidt e Taylor considerarono gli svantaggi (in minor numero) nell utilizzo di metodi simulativi. Svantaggi: I modelli di simulazione per complessi sistemi di calcolo possono essere costosi in quantità di tempo, codifica e validazione. Si richiedono numerose prove di simulazione prima di arrivare a risultati stabili ed utilizzabili per stime di parametri di interesse, e questo in certe situazioni può comportare costi a livello di tempo e capacità di calcolo. 3

7 Simulazione ad Eventi Discreti Lo sviluppo di un buon progetto di simulazione, si articola in fasi ben distinte, che per alcuni aspetti ricalcano fasi progettuali di uso comune in altri ambiti ingegneristici: Formulazione del problema: ogni studio dovrebbe iniziare con la definizione del problema da risolvere con l approccio simulativo. E consigliabile sviluppare sufficientemente l analisi del problema, onde definire in maniera chiara ed esaustiva, il maggior numero degli aspetti del problema in questione. Questo diminuirà la probabilità di riconsiderare parti della simulazione in itinere a causa di errori la cui gravità è crescente con il ritardo con cui questi errori vengono rilevati, riducendo perciò i rallentamenti nella codifica. Messa a punto degli obbiettivi di progetto: una volta appurato che la simulazione rappresenta il metodo risolutivo ottimale per il problema, occorre sviluppare uno studio su cosa si vuole ottenere dalla simulazione, con quali mezzi, in quali limiti temporali e più in generale con quali costi. Costruzione del modello: è la fase di sviluppo che richiede il maggior sforzo di creatività. Questa fase decide il grado di complessità della simulazione; come le semplificazioni della realtà da simulare o il grado di confidenza che si vuole raggiungere con le elaborazioni. La costruzione del modello deve soddisfare requisiti di essenzialità ed estrarre i concetti chiave del problema. Raccolta dei dati: è uno studio che andrebbe portato avanti parallelamente al precedente, in quanto è di sinergica importanza analizzare i tipi di dati a cui si può accedere per decidere come il tipo di modello deve essere strutturato. Codifica: prevede la messa in opera del modello tramite (come in questo caso) la stesura di una procedura algoritmica in un linguaggio di programmazione specifico per l applicazione software. Verifica e validazione: una volta sviluppato il simulatore, l evoluzione 4

8 Simulazione ad Eventi Discreti naturale è quella della verifica del risultato. Si appura che i risultati ottenuti siano conformi con le aspettative e che i valori in ingresso e le strutture del modello siano correttamente rappresentate nel codice. La validazione inoltre determina se il dato modello rappresenta una adeguata approssimazione del fenomeno reale. In forma maggiormente dettagliata, il procedimento per la formulazione e realizzazione di un simulatore, si può schematizzare come segue. Fig

9 Simulazione ad Eventi Discreti 1.1 Definizioni matematiche In questo studio, si prenderà in analisi un tipo di sistema dinamico ad eventi discreti. Anzitutto è utile introdurre brevemente che cosa si intenda per sistema dinamico, per evento, e in che forme si possono presentare. Un sistema è definibile come un gruppo di oggetti che sono in relazione grazie ad interazioni regolari o dipendenze per il raggiungimento di un obiettivo di qualche genere. Un sistema dinamico, è definito da un insieme di attributi (variabili) che evolvono in relazione con il mondo esterno. Un sistema dinamico è un sistema che evolve nel tempo, indicando con questo termine che sia l'ingresso che l'uscita si sviluppano nel tempo. In generale l'uscita all'istante t di un sistema dinamico non dipende solo dall'ingresso del sistema allo stesso istante, ma da una grandezza, detta stato, che rappresenta la storia passata degli ingressi del sistema. 3 Con riferimento al caso di tempo continuo, un sistema può essere descritte da equazioni di stato del tipo: Dove sono rispettivamente: il vettore delle variabili di stato, il vettore delle condizioni iniziali, il vettore degli ingressi e il vettore delle uscite Di un sistema è di interesse valutare l evoluzione di particolari variabili, necessarie e sufficienti per identificarlo univocamente, le variabili di stato. Lo stato di un sistema, è definito infatti da un insieme di variabili necessarie a descriverlo in un 3 Wikipedia: 6

10 Simulazione ad Eventi Discreti dato istante (temporale nella fattispecie). Queste variabili di stato, possono appartenere al dominio continuo (si parla di sistemi dinamici a variabili continue o più semplicemente sistemi dinamici continui vedi Fig. 1.4), oppure al dominio discreto (sistemi dinamici discreti, nati come tali o ottenibili dalla discretizzazione di variabili per loro natura continue vedi Fig. 1.3). Esse variano in concomitanza di accadimenti istantanei denominati eventi. Un sistema ad eventi discreti è un sistema dinamico i cui stati possono assumere valori logici o simbolici, piuttosto che numerici, e il cui comportamento è caratterizzato dall'occorrenza di eventi istantanei che si verificano con cadenza irregolare non necessariamente noto a priori. Il comportamento di tali sistemi è descritto, appunto, in termini di stati e di eventi. 4 L evento infatti è definibile come un istantanea occorrenza che fa cambiare lo stato del sistema. Un sistema dinamico ad eventi discreti, può essere analizzato per via analitica oppure numerica. La seconda è quella che si intraprende con la simulazione. Fig. 1.3 Fig Wikipedia: 7

11 Simulazione ad Eventi Discreti 1.2 La Simulazione Fig. 1.5 In una simulazione ad eventi discreti, come il nome suggerisce, le variabili assumono soltanto valori a precisione non infinita, le variazioni di tali variabili sono istantanee e condizionate al verificarsi di ben precisi eventi in ingresso al sistema. Questi, in dipendenza della classe a cui appartengono, decidono sull evoluzione del sistema insieme alle equazioni di stato. Il modello che analizzeremo in seguito riguarda un particolare sistema di simulazione ad eventi discreti, in quanto prevede alcune variabili continue nella dinamica ad eventi discreti (per quanto riguarda il livello di Inventory), per cui classificheremo il sistema come sistema ibrido. Ipotesi di base per quanto riguarda questo modello di simulazione sono le seguenti: Sistema monocliente: per tutta la sua dinamica, il sistema processa una sola tipologia di cliente, in quanto l attenzione del modello non si concentrerà tanto sulle variazioni relative alle al susseguirsi di tipologie diverse di clienti processati, quanto invece ai tempi di inter-arrivo e alle quantità di informazione trasportata dai suddetti clienti 5. Regime work-conserving: ossia, le risorse del sistema (i macchinari, o i nodi produttivi) sono sempre utilizzate se un quantità ε di materiale da processare è almeno presente nel sistema (come vedremo più avanti questo coincide alla 5 Si intende un evento di tipo arrivo di N quantità di materiale 8

12 Simulazione ad Eventi Discreti situazione in cui vi sia almeno una singola giacenza nel magazzino in ingresso ad ogni nodo produttivo). I dati in ingresso, si suddividono in due tipologie ben distinte: Dati relativi ai trasferimenti dei Clienti: sia per quanto riguarda il processo degli arrivi nel sistema, delle partenze, e dei trasferimenti interni nel sistema, si ipotizzano essere tutti deterministici, e prestabiliti al tempo di pre-simulazione. Dati relativi ai livelli di produttività dei macchinari: si ipotizzano determinati tramite un particolare processo stocastico, che previa la scelta di un particolare valore medio (deterministico dovuto alla scelta del ritmo di produzione), genera l occorrenza di una variabile aleatoria gaussiana distribuita attorno a quel valor medio (e in particolare a varianza unitaria ) troncato da due valori, nel caso specifico Questo fatto vincolante per la definizione successiva del modello, quantifica la possibilità di discrepanze nell effettivo livello di produzione rispetto a quello pianificato e deterministico. Fig

13 Simulazione ad Eventi Discreti Esistono delle variabili essenziali nel sistema che coincidono con le uniche variabili indispensabili alla corretta esecuzione e terminazione della simulazione. Insieme a queste variabili, ve ne possono coesistere in numero teoricamente infinito di altre variabili, denominate non essenziali, che costituiscono tutto il bagaglio informativo che arricchisce il calcolo prestazionali. Queste forniscono informazioni non di primaria importanza per la struttura algoritmica del simulatore, ma di fondamentale importanza nel momento in cui l'utilizzatore finale debba ricondursi alla sintesi di un risultato. Ad ogni istante di occorrenza di un evento, devo poter descrivere con un certo meccanismo, quello che si deve fare e le modifiche da apportare al sistema, in modo da far avanzare correttamente la simulazione e garantire la cronologicità degli eventi. Gli eventi appartengono a diverse categorie e quando il sistema riceve i dati in ingresso, non fa altro che collocare le informazioni relative agli eventi in due liste ben distinte, la lista degli eventi attivi LEA(t) e lista dei tempi degli eventi attivi LTEA(t). La prima ( Scheduled Event List ) contiene tutti gli eventi attivi (che ancora devono verificarsi ma già schedulati) e porta l informazione sulla tipologia del prossimo evento e dei successivi. La lista degli eventi attivi è costruita in moto tale da contenere gli eventi ordinati in base a tempi di occorrenza non decrescenti. La seconda (Scheduled Time Event List ) invece contiene l informazione sui tempi residui al prossimo evento, ossia quantifica quanto tempo manca prima che si verifichi il prossimo evento. Queste due sono le strutture teoriche tramite le quali avviene la gestione degli eventi. Come deve essere progettato un algoritmo di simulazione? In Primis è necessario identificare quali siano le variabili di stato essenziali e secondarie, queste ultime verranno scelte in base agli indicatori prestazionali richiesti dal problema e in base alla loro tipologia di calcolo (on-line, off-line, di conteggio o prevedendo operatori simili all integrale del tempo continuo). Secondariamente si devono identificare le tipologie degli eventi che devono essere indipendenti e che in generale possono suddividersi in due categorie: 10

14 Simulazione ad Eventi Discreti Interni: ossia quelli che riguardano eventi verificatisi all interno del sistema come possono essere, i trasferimenti di materiale tra due magazzini di stoccaggio. Esterni: ossia quelli che mettono in relazione il sistema con l ambiente esterno e che possono essere esemplificati come l arrivo di clienti dall esterno o la partenza di clienti verso l esterno. Una volta avute a disposizione tutte le categorie di eventi, si provvede alla selezione e decisione delle tipologie di transizioni ottenibili dal verificarsi dei vari eventi. In conclusione del processo di progettazione, si deve considerare l integrazione di tutte questi aspetti, e selezionare consecutivamente gli eventi della lista degli eventi attivi, in base al principio di minor tempo di attesa prima del verificarsi di tale evento. In via definitiva l algoritmo di simulazione consta in un insieme di istruzioni (facilmente codificabili, in quanto il modello simulativo rappresenta allo stesso tempo un ottimo modello concettuale, in grado di fornire una relazione puntuale con le procedure software), che devono essere ripetute iterativamente fino al termine della simulazione. Queste sono: 1. Rimozione del primo elemento nella LEA; 2. Aggiornamento del tempo di simulazione; 3. Aggiornamento dello stato del sistema; 4. Ordinamento nella LEA di eventuali eventi inseriti, per ordine cronologico; Una volta conclusa la progettazione concettuale dell'algoritmo, si procede alla traduzione del modello, costruendo le strutture software necessarie, e le metodologie ottimali per memorizzare i dati. Le specifiche di codifica non necessariamente dovranno ricopiare quelle definite in fase di progettazione concettuale, ma verosimilmente ricopieranno le medesime funzionalità ( es: la LEA(t) in questo simulatore viene implementata nella stessa struttura dati contenente la LTEA(t) ). 11

15 Simulazione ad Eventi Discreti 1.3 Aree di applicabilità Esempi noti sono elencabili dai simulatori di volo, ai sistemi di gestione logistica per grandi quantità di elementi, e Business-games. Tuttavia esistono infinite aree potenziali per la simulazione ad eventi discreti. Una di queste che recentemente ha intrapreso uno studio orientato in questa direzione è la simulazione di processi produttivi, specialmente quando si tratta di organizzare materiale ad alto contenuto d investimento. Ad esempio, se una compagnia decide di mettere in opera una nuova linea produttiva, la suddetta linea può essere facilmente simulata in modo tale ad valutare la sua praticabilità ed efficienza. Ulteriori esempi possono essere: La simulazione di operazioni in un aeroporto di grandi dimensioni da parte di una compagnia che desideri testare i cambiamenti nelle gestioni riguardanti la misura della capacità di manutenzione, le risorse di attracco per i mezzi e la loro quantità. La simulazione di un flusso di traffico presso un incrocio regolato da semafori temporizzati in modo tale da determinare le sequenze temporali ottimali. La simulazione di battaglie militari su larga scala in modo tale da valutare il potenziale offensivo e difensivo. La simulazione globale dell operato di una azienda commerciale in modo tale da analizzare i cambiamenti generali nelle politiche di gestione. La simulazione di un sistema di comunicazione telefonico per determinare la capacità richiesta ai singoli componenti per provvedere al fabbisogno del servizio al costo minore sostenibile. La simulazione dell operato di una linea produttiva in modo tale da determinare l ammontare dei livelli di magazzino durante il processo produttivo in modo tale da dimensionare correttamente lo spazio fisicamente richiesto. 12

16 Simulazione ad Eventi Discreti 1.4 Simulazione Object Oriented Il sistema preso in analisi (questo risulterà più chiaro in seguito nel trattare la codifica del simulatore) utilizza tecniche Orientate agli Oggetti. Queste sono state sviluppate fino dagli inizi del Soltanto recentemente le tecniche orientate agli oggetti si sono sviluppate notevolmente tramite l uso di linguaggi di programmazione creati nativamente per supportare questa caratteristica. La differenza principale che intercorre tra la programmazione tradizionale e lo sviluppo di tecniche orientate agli oggetti è il modo in cui i dati sono memorizzati e manipolati attraverso il codice programma. Nel software tradizionale, i dati e il codice relativo al programma da simulare sono facenti parte di un unico flusso di elaborazione, rendendo la sicurezza dei dati e la loro integrità difficile da appurare (talvolta è addirittura possibile che una procedura causi effetti apparentemente funzionanti ma scorretti, se i dati sono modificati). Tuttavia, nel software di simulazione orientato agli oggetti, ogni dato e procedura in relazione ad una data entità (oggetto) è incapsulata nell oggetto stesso che controlla la sua interazione con l integrità dei dati e i permessi d accesso ad altri oggetti. Un simulatore progettato e codificato tramite un approccio orientato agli oggetti, acquisisce tutte le caratteristiche e i vantaggi che la programmazione orientata agli oggetti comporta. Infatti si rende più facile l'estendibilità e la possibilità di modificare il software interagendo a livello concettuale e non puramente procedurale. In generale è corretto asserire che utilizzando una programmazione del simulatore orientata agli oggetti, sia lo sviluppatore che l utente finale acquisisce una immediata manualità con il programma, riducendo al minimo lo sforzo di comprensione, grazie ad una più agile concettualizzazione dei fenomeni da simulare. 13

17 Supply Chain CAPITOLO II: Le Supply Chain 2.0 Introduzione Fig. 2.1 Durante l epoca delle produzioni di massa, l automazione a ritmi forzati portò l automobile a divenire oggetto alla portata dell individuo comune. Attualmente, la tendenza dell automazione è quella di concentrare i propri sforzi innovativi ai rapporti tra imprese ed ai rapporti tra azienda e cliente, usando come tramite la rete Internet. Oggi infatti è possibile ricevere agilmente ordini da parte di un cliente in qualsiasi parte del globo esso si trovi e soddisfare le sue richieste automaticamente, con il minimo intervento umano. Bisogna far fronte però a fattori limitanti come ad esempio la mancanza di infrastrutture all interno delle realtà nazionali. Il tema centrale in tutti gli sviluppi industriali durante il secolo passato è stato l automazione. Il primo esemplificativo approccio fu quello dell automatizzazione in catena di montaggio per la produzione dei motori per automobile, ad opera di Henry Ford nei primi anni del Oggi ci sono notevoli sistemi di supporto alle decisioni e mezzi di comunicazione, che 14

18 Supply Chain arricchiscono di servizi essenziali il mercato dell automazione, e non solo quello, ma anche dei processi di vendita così come per le relazioni con i fornitori. Il motivo di questi sforzi ad automatizzare i processi di supply chain 1, inizia dall approvvigionamento delle materie prime e finisce con le consegne ai clienti finali, con l obiettivo di servire con la massima efficienza ed efficacia il cliente. Fig. 2.2 Una supply chain consta di un insieme di stadi che sono coinvolti direttamente o indirettamente nel perseguimento di una richiesta da parte di un cliente. Più in generale una supply chain include non solo la componente manifatturiera e la componente dei fornitori, ma considera gli aspetti di trasporto e logistica, stoccaggio, punti di rivendita. Una supply chain è dinamica e coinvolge un costante afflusso di informazioni, prodotti e investimenti tra i diversi livelli. Ogni livello della supply chain sviluppa differenti processi ed interagisce con altrettante diverse parti. 1 Si manterrà per tutto l elaborato la dizione inglese per uniformità di notazione, nonostante sia termine interscambiabile la traduzione italiana catena di approvvigionamento 15

19 Supply Chain 2.1 Obiettivi e Fasi Fig. 2.3 L obiettivo di ogni supply chain (una volta soddisfatta la domanda del cliente) è quello di massimizzare il valore aggiunto globale di tutto il processo. Il valore che genera è quantificabile comunemente con il valore aggiunto che il prodotto apporta al cliente, in rapporto agli sforzi che la supply chain deve sostenere nel soddisfacimento della domanda. Per molte supply chains commerciali, il valore sarà strettamente legato con la sua redditività, ossia la differenza tra il profitto generato dal cliente e il costo totale della supply chain. Si definisce infatti il successo di una supply chain in termini della sua redditività, tenendo sempre conto che l unico flusso di cassa positivo è rappresentato dal soddisfacimento della domanda del cliente. Un sistema di gestione per supply chain di successo, richiede un certo numero di decisioni relative al flusso di informazioni, al prodotto e ai costi. Queste decisioni si possono far ricadere in tre categorie (o fasi) ben distinte per arco temporale interessato e tipologia di decisione intrapresa: 1. Supply Chain strategy or design: In questa fase l azienda decide come strutturare la supply chain. Decide come dovrebbe essere configurata e quali processi devono essere intrapresi per ogni livello. Le decisioni prese durante questa fase sono riferite alle decisioni strategiche dell azienda, che comprendono le localizzazioni degli impianti, le capacità produttive ottimali, come e quali strutture di stoccaggio utilizzare, che prodotti immagazzinare nelle diverse locazioni, le modalità di trasporto da utilizzare tra le diverse spedizioni e non ultimo il tipo di sistema informativo da utilizzare. 16

20 Supply Chain 2. Supply Chain Planning: come risultato della fase di pianificazione, le aziende definiscono un insieme di politiche operative per controllare le operazioni a breve termine. E importante notare che per le decisioni intraprese entro questi termini, la configurazione adottata in fase di pianificazione strategica rimane sempre invariata. Questa configurazione infatti stabilisce dei limiti entro i quali la pianificazione deve rientrare. Le aziende generalmente iniziano questa fase di pianificazione con delle previsioni per l anno successivo (o di un lasso di tempo con il quale effettuare paragoni) riguardo la domanda nei diversi mercati in cui intendano immettere i propri prodotti. La pianificazione include le decisioni che riguardano i mercati da rifornire, e da quale locazione far giungere i prodotti, la pianificazione della gestione dei magazzini, le decisioni make-or-buy, le politiche di riempimento da seguire per i magazzini, le azioni da intraprendere in caso di livello di magazzino fortemente bassi, le tempistiche e le modalità delle iniziative di marketing. Non per ultima importanza, in questa fase sono proprie le considerazioni a riguardo il grado di incertezza della domanda, e sui rapporti di scambio e competizione sull arco temporale considerato. 3.Supply Chain Operation: in questa parte l orizzonte temporale considerato è settimanale se non giornaliero, e le decisioni interessate riguardano in buona parte esclusivamente quelle relative ai singoli ordini dei clienti. Al livello Operativo l obiettivo principale è quello di implementare le politiche di gestione nel miglior modo possibile. In questa fase le ditte distribuiscono gli ordini ai magazzini o al reparto produttivo, impostano i percorsi di distribuzione delle flotte di camion. 17

21 Supply Chain 2.2 Vista di Processo La supply chain non è altro che una sequenza di processi e flussi che prendono luogo tra i diversi stadi della supply chain, e che si combinano fino a completare la domanda del cliente. E importante quindi ai fini di ottenere una completa visibilità di tutte le interdipendenze, analizzare le viste di processo, che possono essere schematizzate come segue: 1. Cycle view: si riferisce alla suddivisione dei processi della supply chain in una serie di cicli che interfacciano i vari stadi della supply chain. 2. Push/pull view: in questa suddivisione invece i processi sono divisi in due categorie dipendenti dalla condizione che essi provengano in risposta alla richiesta specifica di un cliente (pull) o in anticipazione di un ordine (push). Cycle view: 18 Fig 2.4

22 Supply Chain Ogni processo di supply chain viene suddiviso nei seguenti processi ciclici: - Ciclo degli ordini del cliente: è posizionato tra il cliente e l ultimo rivenditore, ed include tutti i processi direttamente coinvolti nella ricezione e completamento dell ordine. E un processo che ha inizio quando il cliente entra in contatto con il rivenditore e termina quando la richiesta è correttamente formulata. - Ciclo di rifornimento: si trova tra il rivenditore ed il distributore e concerne i processi coinvolti nel rifornimento del magazzino del rivenditore. E un processo che ha inizio quando il rivenditore richiede al distributore che gli sia riempito il magazzino per ottemperare alle future richieste con l obiettivo di ridurre al minimo i costi di rifornimento (scegliere la giusta misura tra frequenza di rifornimento e quantità rifornita). - Ciclo di produzione: si colloca tra il distributore ed il produttore. I processi coinvolti in questo ciclo sono ad esempio il processo degli ordini dal distributore, rivenditore o cliente, lo scheduling della produzione, il processo di produzione in se e di acquisto e di ricezione dei materiali da parte dei distributori, rivenditori e clienti. - Ciclo di approvvigionamento: riguarda l ultima fase e la prima a monte della produzione. E una tra le più delicate in quanto il produttore e il fornitore devono accordarsi sulla pianificazione temporale in modo tale da non ritrovarsi mai in condizioni di magazzini ai componenti vuoti (in carenza di materie prime). Push/Pull: I processi di Push sono quei processi che vengono iniziati come anticipazioni degli ordini del cliente. Mentre al tempo d esecuzione di un processo di Pull, la domanda è nota con certezza, qui non la si conosce e l incaricato di questo processo dovrà prendere le decisioni necessarie sulla base di pure previsioni e stime. I processi di Pull invece possono essere definiti come reattivi in quanto reagiscono semplicemente alla domanda del cliente. Entrambe le due categorie di processi sono essenziali, in quanto non è pensabile per certe categorie di prodotti iniziare la produzione solo una volta ricevuto un ordine preciso, in quanto i tempi di produzione risulterebbero inaccettabili. Avere in visione il rapporto tra i processi di Pull e quelli di Push all interno di una supply chain è di fondamentale importanza nella misura in cui si considerino decisioni strategiche nella fase di design della supply chain. 19

23 Supply Chain 2.3 Le Componenti L incaricato di costruire il modello della supply chain deve conoscere nella migliore misura possibile le sue componenti essenziali, in quanto non aver obiettivi specifici da raggiungere significa doversi confrontare con una difficoltosa pianificazione delle misure di performance. Non avere misure di performance adeguate o confrontabili si traduce nell impossibilità di determinare l andamento corretto della supply chain e quindi non riuscire ad intervenire in tempo per rimediare alle inefficienze. E quindi chiaro il bisogno di delineare quali possono essere queste componenti chiave, che da una realtà aziendale ad un altra possono ovviamente variare sensibilmente. 1. Elementi guida (Supply chain drivers) L individuazione degli obiettivi è il primo passo per la modellazione di una supply chain. In dipendenza di questi, sarà più semplice scegliere il modello più adatto, o avere un idea su quali sono i parametri più importanti da voler monitorare ed ottimizzare nella supply chain. Questi possono essere molteplici e raggruppabili in quattro sezioni: a) Attività legate al soddisfacimento del cliente: anche se difficile da quantificare, l obiettivo ultimo resta sempre il soddisfacimento del cliente, che rappresenta in ogni forma l ultimo anello della supply chain. Per trovare una buona stima del grado di soddisfacimento del cliente, è possibile ricorrere all analisi di due aspetti importanti. Il primo è rappresentato dalla Reperibilità del prodotto, in quanto molte volte coloro che gestiscono la supply chain falliscono nel raggiungimento dei bisogni del cliente se questi riguardano ritmi produttivi e necessità da adempire in tempo reale. Per questo motivo un buon modello dovrebbe contenere misure della performance di servizio come la percentuale degli ordini portati a compimento senza ritardi, o la percentuale di accuratezza degli ordini (se sono giunti nelle giuste quantità, completi di documentazione, e con le caratteristiche richieste dal cliente). Il secondo aspetto da considerare è senz altro il Tempo di Risposta che misura il grado di 20

24 Supply Chain flessibilità di una supply chain. Indicatori possono esserne la differenza tra i giorni previsti per la consegna e quelli realmente impiegati per l evasione dell ordine; Il tempo globale di attraversamento del processo da parte di un singolo oggetto, ossia di quanto tempo passa da quando l ordine è richiesto a quando il cliente può usufruire del prodotto; il tempo di ciclo del denaro, ossia quanto tempo passa, dopo che l azienda investe i soldi nella produzione, prima che possa avere il primo flusso positivo di cassa; la percentuale di tempo in cui le macchine sono ferme a causa di manutenzione o ripari. b) Valore Monetario: E generalmente definito come il rapporto tra il profitto ed il costo totale sostenuto. Una supply chain può incrementare il suo valore monetario o aumentando i ricavi sulle vendite, allargando il suo potenziale di mercato, o la produttività, riducendo al contempo i consumi come i difetti nella catena produttiva. Il Valore monetario si può analizzare scomposto in base al principio di provenienza del valore: questo può derivare dal grado di Utilizzazione delle risorse, e rilevato tramite la stime di parametri come il rapporto annuale tra il valore del venduto e la media dell investimento di magazzino; dal ROI (Return on Investment) che è un indice finanziario molto usato nelle analisi di Conto Economico. c) Transazione dell Informazione: L informazione garantisce la connessione tra le varie fasi della supply chain e rende possibile la coordinazione tra i vari partners, in modo tale da aumentare la visibilità di magazzino. Molto spesso l abilità messa in gioco dai partners per una supply chain risiede proprio nel gestire quantità di dati in tempo reale. Questo tipo di comunicazione prevede l utilizzo di piattaforme tecnologiche e di sistemi informativi adeguati, come EDI (electronic data inter-change), ERP (enterprise resource planning), WMS (warehouse management systems). 2. Limiti della Supply Chain Riguardano le limitazioni che un azienda può incontrare nella scelta delle decisioni. In particolare si possono avere limiti in Capacità siano essi di tipo 21

25 Supply Chain finanziario, di produzione o tecnici, sono responsabili della determinazione del risultato finale in termini di livelli di magazzino, di produzione, forza lavoro, capitali da investire, tecnologie informatiche da adottare. Siccome lo scopo ultimo di una supply chain rimane sempre il soddisfacimento della domanda, il limite forse più importante per ogni decisione rimane sempre la conformità di servizio erogato. Questo si esemplifica con il rispetto delle consegne temporali, imporre dei limiti di ritardo che in generale possono dipendere da diversi fattori sia produttivi (il ciclo di produzione di un dato prodotto) che logistici (limiti di trasporto, ore di guida degli autisti degli autotreni). 3. Variabili Decisionali In ultima analisi le performances di una supply chain dipendono anche da alcune variabili decisionali, in quanto esse stesse sono parametri importanti nella politica decisionale adottata e nelle scelte che si sono analizzate in precedenza. Tra queste variabili seguono: a. Posizione Geografica: determina la scelta del posizionamento degli impianti, magazzini e centri distribuzione. b. Allocazione: Questa determina quali magazzini e quali centri di distribuzione dovranno servire quali clienti. c. Struttura di Rete: questo tipo di variabili decisionali coinvolgono problemi quali decentralizzazione o centralizzazione della rete distributiva e determinano quale combinazione di fornitori, impianti e magazzini di stoccaggio debbano essere usati o ignorati. d. Numero dei livelli: determina il numero degli stadi inclusi nella supply chain; questa variabile considera la possibilità di modificare il livello di integrazione orizzontale o della combinazione/separazione di livelli distinti. e. Volume: questa variabile considera la quantificazione ottimale delle materie da comprare, dei livelli di produzione e di trasporto per ogni nodo della rete di approvvigionamento. f. Livello di Inventory: determina il valore ottimale degli SKU (stock-keeping unit) ossia materiali finiti a magazzino, delle materie prime e prodotti semilavorati che devono essere mantenuti come scorta di garanzia per ogni livello della supply chain. 22

26 Supply Chain 2.4 Tassonomie 2 Con riferimento alla modellizzazione di supply chains e come strumento per chi si dedica alla progettazione e alla ricerca di modelli matematici, è possibile stilare una breve catalogazione dei modelli a disposizione. E possibile infatti suddividere i modelli matematici di supply chain in modelli: Deterministici; Stocastici; Ibridi (con elementi di entrambi, es: Inventory Management Systems ); IT-driven ( basati su principi fondamentali di particolari tecnologie IT ); Fig Modelli Deterministici Assumono che tutti i parametri del modello siano noti e fissati con certezza lungo l asse temporale. Mentre i modelli stocastici prendono in considerazione un certo grado di incertezza, qui non vi sono alcune variabili aleatorie. I modelli deterministici possono essere suddivisi ancora in due sottoinsiemi, quelli ad obiettivo singolo ed obiettivo multiplo. Queste categorie, che non dettaglieremo ulteriormente sono state sviluppate per far fronte all ingente richiesta di modelli che armonizzassero obiettivi conflittuali di differenti partner all interno della stessa supply chain. 2 Tassonomia: (dal greco ταξινοµία (taxinomia) dalle parole taxis = ordine e nomos = regole) Classificazione gerarchica di concetti. 23

27 Supply Chain 2. Modelli Stocastici Comprendono quella classe di modelli i cui parametri non sono noti a priori, ma sono risultato di occorrenze di opportune variabili aleatorie (distribuite con una qualche distribuzione di probabilità). Questi modelli sono suddivisi in due categorie: una incentrata sulla teoria di ricerca del controllo ottimo, e la seconda sui modelli basati su programmazione dinamica. 3. Modelli Ibridi Alcune supply chain (come quella modellizzata nel caso preso in esame in questo elaborato) sono basate su modelli che pongono particolare attenzione alla teoria di Inventory e sulla Simulazione. Essi contengono sia elementi deterministici che elementi stocastici e conseguentemente vengono denominati ibridi. 4. Modelli IT-Driven Lo sviluppo delle tecnologie IT già dal 2001 era una delle forze trainanti per l innovazione delle supply chians, motivo di stravolgimenti di processo e reengineering dei business. I modelli basati su tecnologia IT aiutano ad integrare, e coordinare le varie fasi della supply chain, fornendo strumenti software che migliorino la visibilità attraverso la catena di approvvigionamento. Questi modelli includono i WMS, i TMS (Transportation Management Systems), gli ITT (Integrated Transportation Tracking), I CPFR (Collaborative Planning and Forecasting Replenishment), MRP (Material Requirement Planning), DRP (Distribution Resource Planning), ERP, e GIS (Geographical Information Systems). In particolare i GIS semplificano la visualizzazione dei dati in quanto rendono possibile la visualizzazione dei dati analitici (livelli di magazzino, tipologie di prodotti) nel loro contesto geografico, il che facilita non poco il compito di coordinazione per Supply Chain fortemente decentralizzate o distribuite. Combinato con un database management system (DBMS), i GIS rappresentano una valida piattaforma ricca di funzionalità per aumentare il grado di collaborazione tra i diversi partners della supply chain. 24

28 Definizione del Modello CAPITOLO III: Definizione del Modello 3.0 Introduzione Fig 3.1 Nei precedenti capitoli si è cercato di proporre una panoramica generale sulle diverse tipologie de modelli e tecnologie che vengono affiancate alla concettualizzazione di supply chain. In dettaglio questo studio prenderà in esame un modello che può essere collocato a cavallo tra due suddivisioni di categoria: i modelli Ibridi ed IT-driven. Infatti, per quanto riguarda il primo, il modello presenta parametri sia in forma deterministica che stocastica. Secondariamente questo modello è stato implementato utilizzando una piattaforma software con interfaccia user-friendly (Java SE 1.5), il che giustifica l appartenenza al secondo sottoinsieme. Questo modello vuole analizzare le problematiche legate alla presenza di una rete complessa di produzione caratterizzata dalla presenza di una molteplicità di siti produttivi. La presenza di diversi fornitori di materiali, e di centri produttivi distribuiti da fornire, solleva problemi di coordinamento non banali e che in questa sede verranno analizzati tramite l approccio di simulazione. Verrà infatti in seguito sviluppato un software di simulazione ad eventi discreti che ne valuterà le prestazioni. 25

29 Definizione del Modello 3.1 Il Modello Il sistema è composto dall interconnessione di quattro singoli nodi indipendenti. Il flusso di dati nel sistema attraversa questi sottosistemi, che livello per livello effettuano delle lavorazioni sui materiali e li rilasciano all ambiente esterno (come da Fig 3.2). Fig. 3.2 Ogni singolo impianto riceve una data quantità di prodotti da processare e possiede al suo interno un magazzino per i prodotti grezzi e uno per i prodotti lavorati. Il flusso di produzione per un singolo impianto si può quindi schematizzare nel seguente modo: Fig

30 Definizione del Modello Il flusso di prodotti in ingresso ( in figura rappresentati dalla funzione z(t) ) e il flusso di prodotti in uscita dal singolo nodo y(t) sono dati forniti dal problema e modificabili a seconda del tipo di politica di gestione adottata. Sono definiti i tempi di inter-evento distribuiti deterministicamente lungo l asse temporale. Ogni oggetto processato dal nodo i-esimo subisce una lavorazione il cui rate è espresso da funzioni costanti a tratti (per intervalli di tempo prestabiliti i macchinari lavorano a ritmo costante). Il modello prevede la presenza di quattro entità fondamentali: due Nodi di primo livello: raccolgono i dati in ingresso ed effettuano una prima elaborazione degli oggetti e li immagazzinano in attesa della richiesta da parte delle strutture di secondo livello. due Nodi di secondo livello: estraggono i dati processati nel primo livello della catena di produzione e li processano una seconda ed ultima volta prima di renderli disponibili per soddisfare la domanda proveniente dall esterno. Le funzioni p01(t), p02(t) contengono l informazione sugli eventi in ingresso del tipo arrivo di M quantità di oggetti nell Inventory dei prodotti grezzi. Le funzioni p30(t), p40(t) rappresentano invece gli eventi in uscita dai nodi 3 e 4 del tipo nuova richiesta di M oggetti da parte di un generico cliente. Le funzioni p14(t) e p23(t) rappresentano infine gli eventi richiesta da parte di 4 o di 3 di oggetti lavorati nel primo livello della catena di produzione. Analizzando cosa contiene un singolo nodo, e le dinamiche ad esso associate, è possibile capire l andamento e la migrazione dei prodotti lavorati all interno del sistema creato dall interconnessione dei quattro. Le uniche dinamiche di interesse sono quelle legate ai livello di Inventory, in quanto sono noti deterministicamente i flussi di dati in ingresso e in uscita del sistema, ed è altresì noto a priori che i tempi di set-up delle macchine e di trasporto da un nodo produttivo ad un altro siano nulli (in ipotesi di lavoro). 27

31 Definizione del Modello 3.2 Dati in Ingresso e in Uscita al Sistema I dati in ingresso e in uscita al sistema sono modellate come funzioni impulsive di variabile reale temporale discreta e asincrona. Un elemento arrivo o partenza di N oggetti nel sistema è modellabile tramite un Impulso, in particolare si definisce: (1) L impulso i-esimo della funzione Pxy(t) di quantità N (superiormente limitata in ipotesi). Con questo impulso è possibile modellare un evento istantaneo per un nuovo arrivo nel sistema in analisi. L insieme dei tutti gli impulsi relativi ad un singolo nodo costruisce la funzione Pxy(t). Questa funzione fornisce informazioni sugli eventi arrivo di N oggetti nel sistema oppure in relazione ad eventi richiesta di N oggetti al sistema, gli arrivi infatti sono modellati senza tenere conto di eventuali tempi di trasporto e posizionamento nell inventory, per queste semplificazioni il grafico della Pxy(t) può essere rappresentato da un grafico del tipo: Dove: Fig 3.4 Superiormente limitato dalla quantità T, il tempo di fine simulazione. 28

32 Definizione del Modello 3.3 Le Equazioni di Stato L evoluzione dei livelli di inventory per ogni nodo è definibile istante per istante utilizzando due equazioni di stato proprie di quel nodo. Le due equazioni di stato forniscono informazione riguardo il numero di oggetti nell inventory, e sono processi che assumono valori continui a tratti. Le variazioni infinitesime dello stato infatti sono il risultato del verificarsi degli eventi di instradamento all interno del sistema interconnesso e del livello delle funzioni di capacità produttiva. Sono presenti delle condizioni iniziali sui livelli di inventory che danno informazione riguardo il numero di oggetti già presenti nei magazzini al tempo di inizio simulazione, di fondamentale importanza per garantire l unicità della soluzione dell equazione di stato (equazione differenziale). In generale si vuole ottenere un modello facilmente inseribile in una realtà applica, per cui la quantificazione delle giacenze da cui iniziare l attività di simulazione è senz altro richiesta. Il numero di oggetti nel primo inventory e il numero degli oggetti nel secondo inventory rappresentano le uniche due variabili di stato essenziali per la simulazione del sistema in questione. Ad esempio, con riferimento al primo impianto, le due equazioni di stato sono: (2) (3) In forma ricorsiva è possibile definire lo stato del sistema all istante i+1 in questo modo: Con e x(0) istante iniziale del livello di magazzino. 29

33 Definizione del Modello La (2) definisce l equazione di stato del primo inventory mentre la (3) fa riferimento alla costruzione del secondo inventory, in uscita a Nodo 1. La funzione k(t) rappresenta la funzione definita costante a tratti che stabilisce il numero di oggetti processati per ogni istante di tempo dal sistema i-esimo (ossia la produttività), ipotizzando K il valore di upper-bound della capacità produttiva. La capacità produttiva è definita da variazioni asincrone di quantità costanti discretizzate e continue nel tempo. Può assumere valori compresi tra K e 0 (che coincide con lo stato di inattività del sottosistema i-esimo, ossia quando non processo alcun oggetto). Le funzioni k(t) hanno una rappresentazione analitica del tipo: Fig 3.5 Sull asse delle ascisse è rappresentato il tempo, mentre sulle ordinate si trova il numero di oggetti che la macchina può smaltire nell unità di tempo. Si può notare che il passaggio da un livello di capacità produttiva ad un altro non provoca alcun ritardo o interruzione della produzione. Ipotizziamo infatti che non ci siano tempi di set-up o ulteriori tempi residui per altre operazioni e quindi per passare da un regime di produzione di M oggetti processati per unità di tempo ad un altro di N oggetti processati per unità di tempo, non è richiesta alcuna perdita di tempo. Combinando opportunamente le due funzioni k(t) e Pxy(t) e previa integrazione nel dominio del tempo e aggiunta delle condizioni iniziali, si ottiene la funzione x(t) numero di oggetti in inventory, considerati gli arrivi del sistema e il processo di produzione. 30

34 Definizione del Modello Quello che ne risulta è il grafico seguente: Fig 3.6 L andamento è il risultato del susseguirsi di un generico insieme di ingressi. Si può notare che quando l inventory raggiunge il valore nullo, per convenzione si è assunto mantenere tale valore fino al prossimo evento nuovo arrivo. Questo ha significato fisico di uno shortage 1, ossia quando non ci sono sufficienti oggetti nell inventory d ingresso e il macchinario del processo passa istantaneamente in uno stato di idle (inattività). Questa condizione è sconsigliabile, in quanto consiste in una perdita di produttività (i macchinari non hanno più le risorse necessarie e quindi la produzione si blocca), per cui rappresenta un costo aggiuntivo nell economia dell impianto. D altra parte avere un inventory eccessivamente alta pone il problema inverso: troppi oggetti nell inventory aumentano costi di immagazzinamento (serve più spazio), con la possibilità di far risiedere nel magazzino i prodotti per molto tempo senza averli venduti. In molte applicazioni questo non è accettabile e consiste comunque in una perdita di produttività. Analizzando queste situazioni si vedrà più avanti come modificare le politiche di gestione in funzione dell interconnessione dei nodi e dei livelli degli inventory (è necessario attuare politiche che evitino per lo meno il caso sicuramente sconsigliabile di shortage ). Analogamente è possibile sviluppare un analisi per la (2), riutilizzando le 1 Shortage: Carenza 31

35 Definizione del Modello considerazioni precedenti sulle funzioni p(t) e k(t) e combinandole opportunamente, si ottiene un grafico della x (t) del tipo: Fig 3.7 L andamento è orizzontalmente speculare rispetto alla x(t) e le considerazioni sono simili. I tratti di andamento lineare rappresentano infatti le quantità di oggetti che vengono depositate nell inventory dei prodotti finiti mentre i tratti di discontinuità verticali rappresentano il verificarsi istantaneo di un evento di tipo prelievo oggetto dall inventory. Se il prelievo richiesto supera la quantità disponibile nell inventory, allora lo stato si ferma al valore 0 (tenendo traccia nelle variabili di stato non essenziali della quantità di richiesta insoddisfatta). I tratti di grafico costante sono dovuti alle situazioni di shortage del nodo. Infatti non avendo risorse a sufficienza per continuare la produzione, istantaneamente la macchina associata al nodo di produzione viene fermata. Se consideriamo quindi tutti e quattro i nodi e le loro interconnessioni, otteniamo più nel dettaglio: Primo Nodo: Secondo Nodo: 32

36 Definizione del Modello Terzo Nodo: Quarto Nodo: In conclusione, il sistema formato dall interconnessione dei quattro nodi, è completamente descritto dalle otto equazioni di stato (due per ogni sistema) che corrispondono a otto variabili essenziali per la simulazione,e dalle otto condizioni iniziali. 33

37 Definizione del Modello 3.4 Analisi delle Variabili Controllabili L analisi delle variabili controllabili quantifica l informazione del numero di linee di controllo che l utente può utilizzare nel gestire l evoluzione del simulatore. Esse rappresentano il numero di possibilità che hanno i dati che compongono un elemento informativo, di variare liberamente e fornisce una misura di come il sistema possa interagire modificando i dati e quindi sulle sue potenzialità. Se consideriamo il sistema in questione composto dall interconnessione dei quattro Nodi produttivi, possiamo analizzare questi gradi di libertà partendo dall analisi delle variabili manipolate dei dati in ingresso. Per quanto concerne le funzioni p(t) responsabili dei trasferimenti di materiale, ogni elemento è definito da due numeri reali, uno rappresentante la quantità di materiale trasferito e uno rappresentante la posizione temporale in cui avverrà il trasferimento istantaneo. Per ogni linea di trasferimento ci sono due variabili sui quali poter agire per ogni elemento, e considerando tutte le otto linee di trasferimento ( 1 3, 1 4, 0 1, 0 2, 2 3, 2 4, 3 0, 4 0). I vincoli presentati dal modello matematico si limitano ad evitare la contemporaneità degli eventi. A queste variabili bisogna poi aggiungere quelle relative ai livelli di produttività delle singole macchine. Ogni funzione k(t) si è visto essere definita dal livello di capacità produttiva mantenuto costante entro un intervallo di tempo. Ogni funzione è definita tramite una funzione costante a tratti, di cui ogni tratto è definito da tre variabili, il valore di inizio, il valore finale e il valore d ampiezza. Per ogni tratto costante elementare ci sono quindi 3 variabili liberamente assegnabili, perciò i vincoli del modello ai livelli di produttività sono più complessi per quanto riguarda le funzioni di trasferimento oggetti, in quanto queste funzioni hanno le particolarità di: 34

38 Definizione del Modello Essere superiormente limitate dalla quantità di massima capacità produttiva; Avere il valore d inizio tratto costante del valore di fine tratto costante per ovvi motivi di logica rappresentativa; Avere ogni valore finale di un tratto costante elementare coincidente con uno ed un solo tratto iniziale del successivo tratto costante elementare; Il simulatore sviluppato non consente tuttavia il trattamento di un numero così ampio di controlli, infatti tramite le politiche di gestione è possibile unicamente modificare la posizione temporale e quantità dei trasferimenti degli oggetti, mentre le capacità produttive sono prefissate e variabili secondo un processo stocastico a densità di probabilità troncata e media prefissata e deterministica. Con queste limitazioni i gradi di libertà diminuiscono fortemente in quanto contengono solo il contributo delle funzioni p(t). 35

39 Definizione del Modello 3.5 Politiche di gestione degli Inventories La simulazione di questo modello ha come scopo principale quello di valutare delle performances in base ad un certo numero di politiche di gestione. La complessità di gestione di un centro produttivo multi-site come questo introduce diverse problematiche come quelle relative alla gestione degli shortage o alla ricerca del corretto approvvigionamento. Si è reso quindi necessario la valutazione ed implementazione di politiche di gestione per gli Inventories di materie grezze e per gli Inventories di prodotti finiti. Queste politiche sono valutabili separatamente ai magazzini in ingresso e ai magazzini in uscita alle macchine, ma combinabili opportunamente si ottengono tutte le possibili politiche di gestione della supply chain. Si analizzeranno ora le singole politiche non combinate. Inventories in Ingresso ai Nodi Politica CP ( Critical Purchase ): questa politica consente di gestire inventory in ingresso anche con giacenze nulle. Questo tipo di gestione è preferibile o quando i costi di acquisto di materiali sono una componente sensibile o di alto costo, per cui conviene acquistare puntualmente alle scadenza prestabilite senza aggiungere nuovi acquisti per ricolmare il magazzino vuoto. Politica MP ( Maximize Production ): questa politica privilegia una gestione ottimale degli inventories, in quanto prevede di anticipare i successivi acquisti di materiale nel caso in cui un inventory in ingresso al nodo produttivo risulti svuotato completamente. Questa politica garantisce prestazioni migliori in ogni situazione in cui si vogliano mantenere utilizzate per il maggior tempo possibile le macchine e diminuire la probabilità di non poter soddisfare le domande dei clienti. 36

40 Definizione del Modello Inventories in Uscita ai Nodi Politica FS ( Fast Selling ): questa politica prevede la vendita dei prodotti in magazzino senza particolare cura del relativo livello in giacenza. Se un cliente ordina una certa quantità e nel magazzino ne è presente una quantità inferiore, utilizzando questa politica la supply chain si evade comunque l ordine, ma ovviamente della massima quantità vendibile, senza curarsi del restante quantitativo della domanda insoddisfatta. Questa politica è preferibile in ogni situazione in cui ci sia particolare attenzione sul velocizzare il flusso delle vendite, infatti il tempo che intercorre tra la richiesta del materiale e l evasione dell ordine è sempre nullo, e non è possibile avere quantitativi di materiale in attesa di vendita a causa del completamento della quantità del lotto. Politica FSD ( Fast Selling Delayed ): questa politica è simile alla precedente ma con la differenza che il quantitativo di domanda insoddisfatta viene fatta ritardare alla consegna successivamente programmata. Questo particolare risulta positivo se consideriamo il livello di magazzino di vendite che risulta mediamente più basso in quanto non contiene più il quantitativo di domanda insoddisfatta, che ora seppur con un certo ritardo risulta evasa. Politica DOC ( Delayed Orders Chartered ): questa politica prevedere l evasione delle domande fino ad esaurimento scorte in magazzino come le precedenti, ma con la modifica sostanziale che prevede la creazione di nuovi ordini aggiuntivi della quantità di domanda insoddisfatta non appena il livello di magazzino sia sufficientemente alto da consentirlo. Politica OCO ( Only Complete Orders ): questa politica di gestione prevedere l evasione degli ordini esclusivamente se completi. Se quindi il livello delle giacenze in magazzino non lo permette, l ordine viene ritardato non appena il livello di magazzino consenta di soddisfare la domanda secondo i parametri quantitativi. Ogni domanda viene presto o 37

41 Definizione del Modello tardi evacuata ma con la possibilità di ritardi anche significativi. Generalmente questa politica di gestione non è preferibile in molte applicazioni, in quanto comporta una maggior probabilità di ottenere risultati di performances globalmente insoddisfacenti. La combinazione di queste politiche di gestione singolari, compone le otto politiche di Gestione di Inventory implementabili nel simulatore, che contengono gli aspetti positivi e negativi delle singole politiche di gestione a livello di magazzino in ingresso o in uscita al nodo. Esse sono: 1. CP+FS Critical Purchase with Fast Selling 2. CP+FSD Critical Purchase with Fast Selling Delayed 3. CP+DOC Critical Purchase with Delayed Orders Chartered 4. CP+OCO Critical Purchase with Only Complete Orders 5. MP+FS Maximize Production with Fast Selling 6. MP+FSD Maximize Production with Fast Selling Delayed 7. MP+DOC Maximize Production with Delayed Orders Chartered 8. MP+OCO Maximize Production with Only Complete Orders 38

42 Definizione del Modello 3.6 Indici Prestazionali Per quanto concerne la misurazione delle performance, il modello prevedere il calcolo di due categorie distinte di Indici: Strutturali ed Economici. Indici Strutturali: Rappresentano quegli indici che vengono calcolati e che variano in relazione a cambiamenti della struttura di simulazione. In questo caso, il sistema prevede sempre di mantenere inalterata la struttura dei quattro Impianti interconnessi nello stesso modo, ma con la possibilità di variare le politiche di gestione degli inventory. Le politiche di gestione degli inventory previste si suddividono a loro volta per le politiche di gestione degli inventory in ingresso e in uscita. Per quanto riguarda le politiche di gestione degli inventory in ingresso: 1. Politica Critical Purchase : in questo caso se il livello dell inventory in ingresso è nullo, la macchina non ha a disposizione alcun oggetto da processare e di conseguenza produce un costo di inattività. Questo costo si ripercuote sia nel livello di inventory in uscita (in quanto risulta non più strettamente crescente ma rimane costante) e più direttamente il costo influisce sull indice del costo di produzione e dell utilizzazione della macchina (che vedremo più avanti). 2. Politica Maximize Production : prevede che nel caso di inventory nullo, si anticipi il successivo acquisto presente nella lista degli eventi attivi di tipo nuovo acquisto allo stesso nodo, il che comporta da un lato l annullamento dei temi di inattività della macchina al centro produttivo, e d altra parte si traduce nell aggiunta di un costo di anticipo domanda che è misurabile in questo modo: Costo di acquisto anticipato: 39

43 Definizione del Modello dove, è un coefficiente opportuno di peso dell indice; è l istante temporale in cui sarebbe dovuto avvenire l acquisto; è l istante temporale in cui viene richiesto l anticipo; Per quanto riguarda le politiche di gestione degli inventory di uscita al centro produttivo i-esimo, si differenziano nei casi in cui la quantità di magazzino sia insufficiente per soddisfare la domanda. In questo casi è possibile valutare il costo di in soddisfacimento della domanda come segue: Costo di non Soddisfacimento della domanda: dove, sono coefficienti opportuni di peso per l indice prestazionale; rappresenta la quantità di domanda j-esima richiesta dal cliente al sistema; è la quantità effettivamente consegnata (la massima disponibile); è l istante temporale entro cui viene soddisfatta in ritardo la domanda j-esima; è l istante temporale in cui viene richiesta la domanda j-esima; La scelta dei coefficienti di peso viene opportunamente scelta in base alla politica di gestione, infatti si ottiene: 40

44 Definizione del Modello 1. Politica Fast Selling : in questo caso se la domanda eccede la giacenza del magazzino, l algoritmo di aggiornamento del magazzino procede consegnando tutto il contenuto del magazzino e ignorando la domanda insoddisfatta (non prevede né ritardi né ulteriori consegne per coprire la quantità richiesta). Questo tipo di scelta influisce negativamente in quanto una certa quantità di materiale si sarebbe potuto vendere ed invece è andata persa. Questa perdita è quantificabile attraverso l indice di non soddisfacimento della domanda utilizzando come coefficienti: 0 = 0 2. Politica Fast Selling Delayed : La situazione di applicabilità è identica alla precedente, ma con la differenza che la quantità di domanda insoddisfatta non viene più ignorata, ma bensì aggiunta al successivo ordine e quindi ritardata di una certa quantità di tempo. E per questo che si creerà un costo quantificabile utilizzando i coefficienti: Politica Delayed Orders Chartered : Se la domanda non è possibile soddisfarla a pieno e prima di un successivo evento nuova domanda dall esterno allo stesso centro produttivo l inventory è sufficientemente alto da superare la quantità di domanda ritardata, allora si crea un nuovo evento domanda dall esterno al nodo i-esimo della quantità in questione e temporalmente prima possibile. Questo creerà un costo aggiuntivo per la creazione di un nuovo ordine, quantificabile con: 41

45 Definizione del Modello Politica Only Complete Orders : invece di spezzare gli ordini creando ritardi solo su una parte della quantità, si può decidere di ritardare in blocco tutto l ordine, questo può accadere ad esempio se non è possibile trasportare il materiale in due momenti distinti ma si è obbligati a trasportare tutto il materiale in blocco. In conseguenza avrò un costo di ritardo sulla consegna in questo caso più aggravato che in precedenza: = 0 0 Indici Economici: Per quanto riguarda la seconda categoria di indici, riguarda quelli in diretta relazione con l economia dell Impianto e all acquisto di materiali. Ritroviamo ad esempio: 1. Costo di Inventory: tiene conto del livello di inventory ed associa un costo di una certa proporzione per il livello di inventory da sostenere, nel caso che si stia valutando un inventory d Ingresso con possibilità di idle-time, si considera a diverso peso il livello di inventory mancato ossia l area negativa del grafico di livello. Costo di Inventory: 42

46 Definizione del Modello dove,, coefficienti opportuni di peso per l indice; AreaPositiva quantità di giacenza in magazzino effettiva; AreaNegativa quantità di magazzino virtualmente utilizzabile dal macchinario per la lavorazione se il livello di giacenza non fosse zero; 2. Costo di Produzione: quantifica il costo relativo all usura del macchinario. In questo costo ricadono costi di manutenzione, di utilizzo e di consumo (es: l energia elettrica). Costo di Produzione: dove, a,b: coefficiente opportuno che quantifica il peso dell indice, identificabile anche come numero di pezzi processati per unità di tempo. relativa ampiezza; tratti della funzione di produttività diversi da 0, con quantità temporale in cui il macchinario risulta inutilizzato; 3. Costo d acquisto: porta informazioni su quanto costano tutti i materiali che concorrono alla formazione del prodotto (materiali diretti). Costo di Acquisto: 43

47 Definizione del Modello dove, rappresenta l area dell impulso j-esimo; CF: costi fissi CV: costi variabili 4. Utilizzazione della macchina: rappresenta un coefficiente limitato tra 0 e 1 che porta informazioni sulla percentuale di utilizzo della macchina. Essa è sempre a 1 tranne che nei casi in cui ci sia la possibilità di idletime. Utilizzazione macchina: dove, tempo in cui la macchina risulta attiva durante la simulazione; è il tempo totale di simulazione; 44

48 L applicazione Software CAPITOLO IV: L applicazione Software 4.0 Introduzione ( Il Linguaggio Java ) Fig 4.1 Il passo successivo nello sviluppo del Simulatore riguarda la progettazione software. Ogni progetto software si articola in diverse fasi, tra le quali si rende necessaria la scelta del linguaggio di programmazione dell ambiente di sviluppo. La scelta di questo studio è ricaduta sul Java Development Kit SE, e le motivazioni a valle di questa scelta si devono ricercare anzitutto nelle peculiarità che rendono questo linguaggio un alternativa valida in molti ambiti applicativi. Orientamento agli Oggetti La prima caratteristica irrinunciabile è l'orientamento agli oggetti. Questo metodo di programmazione si basa sul fondamento teorico che produrre software risulti più facilmente concettualizzabile e facilmente mantenibile se le procedure algoritmiche 45

49 L applicazione Software ricalcano la rappresentazione di entità tangibili o astratte in cui il problema è scomponibile (oggetti definiti da classi). Un simulatore progettato con un approccio ad oggetti è facilmente concettualizzabile perché richiede meno sforzo da parte del programmatore per trovare la corrispondenza di significato-significante tra il codice e la realtà. Inoltre è scomponibile in moduli software facilmente gestibili e le cui modifiche non interessano l intero pacchetto software ma solo una piccola parte (le implementazioni dei metodi che costituiscono le interfacce degli oggetti). Gli oggetti infatti comunicano tra loro tramite lo scambio di messaggi regolate da interfacce predefinite. In Java le classi rappresentano le definizioni di ogni entità che può essere utilizzata all interno di una applicazione. La stessa applicazione principale è anch essa una classe, ma privilegiata per la presenza del metodo main che stabilisce un punto di partenza a livello di istruzione. A loro volta le classi possono essere raggruppate secondo funzionalità, scopo di visibilità dell applicazione o qualsivoglia criterio. Questi raggruppamenti si chiamano package e non sono altro che librerie comuni ad altri linguaggi di programmazione, ma non solo. Il meccanismo infatti è provvisto di una struttura gerarchica per l assegnamento di nomi alle classi in modo da evitare eventuali collisioni in caso in cui il programmatore usi lo stesso nome per differenti definizioni di classe. Considerando la gestione di grandi progetti software, questi facilmente richiedono l integrazione di librerie sviluppate da terzi, è facile imbattersi in classi omonime ma con implementazioni diverse. Oltre a questo, sono molti i benefici nell uso di questo meccanismo: le classi possono essere mascherate all interno dei package implementando l incapsulamento anche a livello di file; le classi di un package possono condividere dati e metodi con classi di altri package; i package forniscono un meccanismo efficace per distribuire oggetti; 46

50 L applicazione Software Indipendenza dalla piattaforma L indipendenza dal calcolatore è una peculiarità del linguaggio Java che risiede nella sua natura di linguaggio semi-compilato. Un calcolatore elettronico infatti non è altro che una macchina capace di eseguire automaticamente delle operazioni, e queste operazioni possono essere ad esempio le istruzioni contenute in un programma Java. Il formato sorgente per le applicazioni scritte in questo linguaggio non è altro che un semplice file testuale ad estensione.java che viene costruito dal programmatore usando sintassi ed istruzioni ad alto livello che possiedono caratteristiche naturali orientate agli oggetti. Un file sorgente di questo genere può essere portato in esecuzione tramite due passi fondamentali: la compilazione e l interpretazione. Nonostante possa sembrare antitetico, il file.java, una volta compilato viene tradotto in un file semi-compilato.class denominato Bytecode. Questo formato garantisce la completa portabilità dell applicazione e viene eseguito agilmente da un interprete (Java Virtual Machine) che è strettamente legato alla piattaforma del sistema operativo (come Microsoft Windows, Mac OS, UNIX like). Si adopera come interfaccia tra il linguaggio macchina e può essere eseguito su ogni calcolatore in possesso di una Java Virtual Machine (JVM). Fig

51 L applicazione Software JDBC (Java DataBase Connectivity) E un middleware per database che consente l'accesso alle basi di dati da qualsiasi programma scritto con il linguaggio di programmazione Java, indipendentemente dal tipo di Database Management System utilizzato. È costituita da una API ( Application Program Interface ), raggruppata nel package java.sql, che serve: ai client per connettersi ad un database; a fornire metodi per interrogare e modificare i dati; È orientata ai database relazionali ed è Object Oriented. La piattaforma Java 2 Standard Edition contiene le API JDBC, insieme all'implementazione di un bridge JDBC-ODBC, che permette di connettersi a database relazionali che supportino ODBC. Questo driver è in codice nativo e non in Java. JDBC è uno strato di astrazione software tra un'applicazione Java ed un database. La sua struttura a due livelli, permette di accedere a database engine differenti, a patto che questi supportino l'ansi SQL 2. I due fondamentali componenti di JDBC sono: Un'implementazione del vendor del RDBMS (in questo caso verrà utilizzato il server MySql Copyright of MySQL AB, in versione community-nt) conforme alle specifiche java.sql. L applicativo che implementi il client (in questo caso tramite connessione TCP/IP) Il vendor deve fornire l'implementazione di una serie di interfacce definite dal package java.sql, ovvero Driver, Connection, Statement, PreparedStatement, CallableStatement, ResultSet, DatabaseMetaData, ResultSetMetaData. Verranno infatti fornite alcune classi, che implementano i metodi delle interfacce appena citate. Attualmente tutti i più importanti database engine, supportano driver JDBC. Lo sviluppatore ha un compito piuttosto semplice: implementare del codice che sfrutta l'implementazione del vendor, seguendo pochi semplici passi. Un'applicazione JDBC deve: 48

52 L applicazione Software Caricare un driver Aprire una connessione con il database Creare un oggetto Statement per interrogare il database Interagire con il database Gestire i risultati ottenuti Il simulatore utilizza questa funzionalità per accedere ai dati della simulazione (sia i parametri che le liste degli eventi discreti) da Database remoto. In questo modo si può garantire la più completa genericità non solo dalla piattaforma di esecuzione, ma anche dalla tipologia di dati memorizzati, che vengono acquisiti tramite un interrogazione al DBMS. Un DBMS è progettato per sistemi multi-utente, e a tale scopo, i DBMS si appoggiano a kernel che supportano nativamente il multitasking e il collegamento in rete. Grazie a questo accorgimento dunque, più istanze del simulatore, collocate su calcolatori anche se fisicamente distanti, possono usufruire degli stessi dati, ed eventualmente modificarli, rispettando i criteri della concorrenza tra applicazioni, in quanto lo spazio di memoria condivisa si limita ai dati gestiti dal DBMS. Fig

53 L applicazione Software 4.1 Le Strutture Dati Per arrivare alla definizione delle strutture dati occorre seguire una procedura sistematica in modo tale da non tralasciare alcun dettaglio da implementare. La branca dell ingegneria che si occupa dei processi produttivi e delle metodologie di sviluppo finalizzate alla realizzazione di sistemi software è l Ingegneria del Software. Questa ha come proprio oggetto di studio l'uso e lo sviluppo delle metodologie e tecnologie informatiche di supporto al processo di sviluppo del software. Infatti sulla base di alcuni parametri è possibile suddividere il processo di produzione del software secondo stadi progressivi: Definizione Requisiti: riguarda il processo di scelta dei punti cardinali del problema. Spesso la raccolta di ciò che si vuole ottenere dal progetto software può non essere semplice in quanto la raccolta dei requisiti riguarda l estrapolazione dal linguaggio naturale dei punti chiave del software, e quindi di cosa l utente finale si aspetta di ottenere. Modellazione: dai requisiti, in una fase non nettamente definibile ma collocabile tra la definizione dei requisiti e l analisi di progettazione, è possibile discernere una prima modellazione del sistema. Essa deve tenere conto dei risultati riguardo la presentazione delle prospettive esterne (il sistema nell ambiente), comportamentali e strutturali (l architettura dei dati). Progettazione: rappresenta una fase distinta dalla programmazione o codifica, che corrisponde alla traduzione in un particolare linguaggio di programmazione (es. Java) scelto in base alle caratteristiche offerte in fase di progettazione. Le distinzioni fra le attività fin qui menzionate non sono sempre chiare come vorrebbero le teorie classiche dell'ingegneria del software. La progettazione, in particolare, può descrivere il funzionamento interno di un sistema a diversi livelli di dettaglio, ciascuno dei quali si colloca in una posizione intermedia fra analisi e codifica. Normalmente si intende con progettazione dell'architettura la 50

54 L applicazione Software progettazione in cui si definisce solo la struttura complessiva del sistema in termini dei principali moduli di cui esso è composto e delle relazioni macroscopiche fra di essi. A questo livello di progettazione appartengono formule come client-server, three-tier, o più in generale decisioni sull'uso di particolari architetture hardware, sistemi operativi, DBMS, protocolli di rete. Una livello intermedio di dettaglio definisce ancora la scomposizione del sistema in moduli, ma questa volta con riferimento più o meno esplicito alle modalità di scomposizione offerte dal particolare linguaggio di programmazione con cui avverrà lo sviluppo; per esempio, in una progettazione condotta con tecnologie orientato agli oggetti come in questo caso, il progetto potrebbe descrivere il sistema in termini delle principali classi e delle loro interrelazioni. Il progetto di dettaglio, infine, rappresenta una descrizione del sistema molto vicina alla codifica, ovvero che la vincola in maniera sostanziale (per esempio, descrivendo non solo le classi in astratto ma anche i loro attributi e metodi, con relativi tipi. A causa della natura "astratta" del software, e a seconda degli strumenti che si utilizzano nel processo, il confine fra progettazione e codifica può essere anche praticamente impossibile da identificare. Per esempio, alcuni strumenti CASE sono in grado di generare codice a partire da diagrammi UML che descrivano graficamente la struttura di un sistema software. In questo caso non sono stati utilizzati perché è stato ritenuto sostenibile il carico di codice da produrre rispetto alle tempistiche assegnate, in generale questi strumenti vengono utilizzato nello sviluppo di software altamente modulari ossia il cui contenuto e' sensibilmente suddiviso tra team di sviluppatori. In questi casi si preferisce spendere del tempo nell organizzazione dell how-to, invece che rischiare di incontrare errori risolvibili solo in una fase precedente (modellazione o più sfortunatamente in raccolta requisiti). Descrizione del Package it.unige.dist.automazione_industriale.impianto In questo package sono racchiuse le definizioni per le classi necessarie al funzionamento del motore di simulazione. Sono comprese sia le classi utili alla 51

55 L applicazione Software rappresentazione dei dati da manipolare, e sia quelle che ne definiscono le metodologie di elaborazione. Qui sotto si riporta il l UML Package Diagram: Fig 4.4 In particolare il package contiene le classi: PData: l oggetto in questione serve per rappresentare l informazione minima che descrive l elemento fondamentale delle funzioni di tipo Pxy(t), ossia l impulso di area finita (posizione temporale ed ampiezza); 52

56 L applicazione Software Fig. 4.5 Fig 4.6 PDataComparator: implementa l interfaccia java.util.comparator<pdata> che è utilizzata nella funzione di ordinamento. Data una lista di elementi PData, questa classe determina le regole secondo le quali effettuare l ordinamento desiderato. Fig. 4.7 KData: l oggetto che rappresenta l informazione elementare per rappresentare le funzioni k(t) (ampiezza gradino, posizione temporale per l inizio e la fine della sua durata); Fig

57 L applicazione Software PPlotter: questa classe serve per memorizzare effettivamente tutta l informazione contenuta nelle funzioni Pxy(t). Contiene al suo interno una lista di elementi PData, e quindi è nient altro che la memorizzazione in struttura dati di una funzione di tipo impulsivo. Fig 4.9 KPlotter: analogamente per memorizzare le funzioni k(t) si è deciso di adottare un approccio analogo: un oggetto di tipo KPlotter contiene le funzioni d accesso e i dati per la memorizzazione di una funzione costante a tratti (contiene una lista di PData). Fig 4.10 GraficoP: estende un JPanel e costituisce l oggetto responsabile della creazione del disegno del grafico per gli oggetti di tipo p(t). Contiene inoltre un ActionListener, che ha il compito di ascoltare gli eventi prodotti dal mouse per mostrare i dati contenuti nelle sorgenti d informazione. 54

58 L applicazione Software Fig 4.11 GraficoK: anche per quanto riguarda la visualizzazione dei grafici di tipo k(t), si estende un JPanel effettuando anche in questo caso l override del metodo paintcomponent(graphics) responsabile del disegno all interno del JPanel. Impianto1Liv, Impianto2Liv: rappresentano le due classi fondamentali per il funzionamento del simulatore. Modellano il funzionamento dei nodi di produzione della supplì chain, e contengono tutte le strutture dati per: - memorizzazione livelli di inventory; - memorizzazione dati in ingresso, di routing tra i nodi, domande esterne; - salvare i dati temporanei (calcolo degli integrali) in modo tale da alleggerire l onere degli algoritmi di calcolo prestazionale; - salvare l informazione a riguardo del tipo di politica di gestione utilizzata nella gestione degli inventory; All interno delle classi di Impianto sono state costruite due classi private interne X e Xprimo che estendendo JPanel completano tutti i metodi per il disegno e calcolo delle Aree sottese dai grafici di Inventory x(t) e x (t). Le due classi si differenziano però in termini di gestione degli Inventory. Per semplicità di rappresentazione infatti, gli Impianti di secondo livello (Nodo3, Nodo4) non implementano le politiche di anticipo acquisti per quanto riguarda l approvvigionamento degli Inventory di materie grezze. Questo per 55

59 L applicazione Software semplicità di classificazione delle politiche di gestione, diversamente l algoritmo avrebbe dovuto prevedere cicli di ricorsione e feedback per modificare gli ingressi al primo livello anche dagli impianti del secondo livello. Fig 4.12 IndiciDiPrestazione: questa classe contiene le strutture dati per la memorizzazione e manipolazione dei coefficienti che pesano i diversi indici prestazionali calcolabili nella simulazione. Inoltre fornisce all interfaccia grafica un JPanel esteso contenete l interfaccia utente utilizzabile per variare questi indici all inizio della simulazione (e non a simulazione già avvenuta). 56

60 L applicazione Software Fig

61 L applicazione Software Fig

62 L applicazione Software Fig

63 L applicazione Software Descrizione del Package it.unige.dist.automazione_industriale.interfaccia Questo modulo contiene le definizioni delle classi che compongono l interfaccia grafica ed i metodi finali con il quale il motore di simulazione deve entrare in funzioni. In particolare si definiscono i layout, la disposizione dei visualizzatori di grafici, la posizione dei pulsanti e le funzionalità a disposizione dell utente utilizzatore. PannelloPolitiche: Estende JPanel e fornisce all utente il modulo per la scelta mutuamente esclusiva di una tra le otto possibili politiche di gestione di inventory. Fig 4.16 SplashScreen: Questa classe è utilizzata dal programma per costruire il pannello visualizzato in apertura del programma. Uno splash screen è l'immagine che viene visualizzata quando un applicazione è in fase di caricamento può essere generalmente tradotto con schermata di caricamento. Gli splash screen sono usati da applicazioni grandi e che consumano risorse in fase d esecuzione tanto da giustificare un significativo ritardo nella fase di boot. Questi forniscono all'utente un feedback che un lungo processo è in corso, e scompaiono quando la finestra principale del programma viene visualizzata. Gli splash screen sono usati per dare una buona impressione grafica di un'applicazione che siccome impiega un certo lasso di tempo per caricarsi, non sempre è gradita all utente. In questo caso lo splash screen è giustificato sia dal fatto che le applicazioni Java presentano generalmente un avvio più macchinoso (dovuto alla parziale 60

64 L applicazione Software interpretazione del codice oggetto), sia dalla possibilità di avviare il programma acquisendo direttamente i dati dal DBMS. Questo può presentare tempi di accesso ai dati variabili e lassi di tempo più lunghi dovuti al meccanismo di connessione tramite JDBC. Fig 4.17 SplashScreenMain: questo oggetti è responsabile del caricamento dello splash screen. Mette in pausa il processo caricante l oggetto di tipo SplashScreen e lancia in esecuzione il thread contenente l applicativo principale (oggetto di tipo Desktop). Contiene inoltre la funzione privilegiata public static void main(string args[]), e perciò rappresenta il primo oggetto chiamato in esecuzione dalla JVM. Fig 4.18 ExcelCreator: questo oggetto contiene un unico metodo che viene chiamato per costruire la struttura del file ad estensione.xls contenente la tabella formattata ad Microsoft Excel dei risultati di simulazione. Fig 4.19 BasePanel: Questo JPanel esteso costituisce il cuore dell interfaccia del motore simulativi. Contiene gli oggetti di tipo Impianto1Liv e Impianto2Liv e fornisce tutti i metodi per la costruzione, inizializzazione ed accesso allo schema. 61

65 L applicazione Software Fig 4.20 Desktop: è un oggetto contenitore per la struttura modulare MainFrame. Questo consente l esecuzione contemporanea di diverse istanze del simulatore, che possono essere differenziate le une dalle altre per dati di ingresso (siano essi livelli di produzione che eventi attivi). Fig 4.21 MainFrame: questa classe che estende le funzionalità di visualizzazione del JFrame, contiene un oggetto di tipo basepanel e integra la sua istanza con i pannelli che contribuiscono a fornire le funzionalità più dirette al simulatore. Tra esse si ricorda la barra laterale rightframe contenente i visualizzatori dei dati e il 62

66 L applicazione Software pulsante di avvio di simulazione; l oggetto di tipo JMenuBar contenente le funzionalità basilari per ogni Simulatore (schema di modello, pannello politiche di gestione, pannello di modifica dei coefficienti). Fig

67 L applicazione Software Descrizione del Package it.unige.dist.automazione_industriale.database Questo package contiene solamente due definizioni di classi, ma che per loro natura completamente indipendenti dai due precedenti. La sua creazione è stata dettata dall esigenza di isolare dai moduli software del motore di simulazione e dell interfaccia, le funzionalità necessarie per l identificazione e connessione dell applicazione al DBMS. Infatti questo package contiene: DbUser: Questa classe incapsula le informazioni riguardante l utente che intende collegarsi ad un dato database. Conglomera infatti i dati relativi a username, password di accesso al server, nonché indirizzo IP, numero della porta a cui si devono essere inviati i pacchetti di informazione, ed il nome del database a cui si intende accedere. E presupposto ipotetico che questi dati siano integri e funzionanti. Fig 4.23 Connect: Una volta acquisiti i dati relativi all utente e al database a cui accedere, l oggetto Connect si preoccupa di stabilire una connessione TCP/IP stabile con il database server. Nel qual caso l integrità dei dati sopraccitata non fosse soddisfatta, l oggetto Connect lancerà l opportuna eccezione, e darà avviso allo sviluppatore del tipo di eccezione raccolta. Fig

68 L applicazione Software 4.2 L algoritmo di simulazione Il simulatore è stato progettato in modo tale da rimanere il più fedele possibile all algoritmo analizzato nel capitolo primo. Come simulatore ad eventi discreti, il suo stato cambia in funzione del verificarsi di un dato evento. Questi eventi possono essere di 12 tipologie fondamentali: Arrivo di N oggetti sul nodo 1; Arrivo di N oggetti sul nodo 2; Trasferimento di N oggetti dal nodo 1 al nodo 3; Trasferimento di N oggetti dal nodo 1 al nodo 4; Trasferimento di N oggetti dal nodo 2 al nodo 3; Trasferimento di N oggetti dal nodo 2 al nodo 4; Prelievo di N oggetti dal nodo 3; Prelievo d N oggetti dal nodo 4; Variazione del livello di produttività al Nodo 1; Variazione del livello di produttività al Nodo 2; Variazione del livello di produttività al Nodo 3; Variazione del livello di produttività al Nodo 4; La lista degli eventi attivi potrà contenere eventi di 12 tipologie differenti e in base al loro verificarsi, il sistema aggiornerà di conseguenza le 8 equazioni di stato. Il sistema prevede anzitutto un controllo sull integrità dei file sorgenti (all interno degli oggetti KPlotter, PPlotter gli errori in apertura dei file o nell oggetto Connection se si utilizza il database server), e una volta acquisiti i dati deterministici in ingresso, l algoritmo procede alla costruzione dei diversi nodi, affidando ad ogni oggetto di tipo Impianto1Liv o Impianto2Liv una propria copia delle funzioni di trasferimento oggetti (si è preferito fornire ogni oggetto Impianto della propria copia di dati, nonostante questo comporti la duplicazione di dati e complicazioni negli aggiornamenti, per favorire invece l indipendenza degli oggetti dai collegamenti e rendere più flessibile la scelta delle politiche di gestione). Le liste degli eventi attivi (LEA(t)) e dei tempi degli 65

69 L applicazione Software eventi attivi(ltea(t)) sono memorizzate nelle strutture PPlotter e KPlotter, divise per struttura di memorizzazione (KData o PData), ma riconosciuti con eterogeneità all interno dell algoritmo e quindi considerati come facenti parte di un unica lista. Vengono quindi inizializzati gli oggetti GraficoK e GraficoP per ogni impianto, e calcolati i grafici X e XPrimo relativi agli Inventory in ingresso e in uscita ad ogni Nodo produttivo. L algoritmo fondamentale per il funzionamento e conferma delle modifiche nei parametri di simulazione è quello avviato dal processo di iniziazione Simulazione azionato dall attivarsi dell ActionListener collegato al JButton finesim contenuto nell oggetto di tipo MainFrame. Al Verificarsi di un azione di questo tipo, l algoritmo procede anzitutto ad impostare il valore scelto come tempo di fine simulazione (ipotesi: il tempo di simulazione deve mantenere l integrità dei dati e quindi avere definito per tutta la durata della simulazione le funzioni k(t) e p(t)), e quindi alla selezione delle politiche di gestione, in dipendenza delle quali verranno chiamate opportune funzioni che specializzano l evoluzione dei magazzini. Sia per quanto riguarda il calcolo degli indici prestazionali, sia dei calcoli integrali, vengono incrementalmente aggiornate le variabili ad essi associati durante il procedere dell algoritmo. Se le ipotesi di modello vengono rispettate, l algoritmo si conclude con successo ed i risultati presentati nelle schermate di output del sistema sono consistenti. Un tipo di studio che nell ultimo capitolo poteremo a termine riguarda l analisi dei risultati, che per quanto riguarda questo applicativo software, si sofferma principalmente su di una scelta mirata di una delle otto politiche di gestione degli Inventory. In base alla valutazione degli indici prestazionali, si conviene alla ricerca della politica migliore (anche se non ottima) selezionabile tra le scelte a disposizione. Questo tipo di scelta è utile in tutte le applicazioni in cui sono richieste delle scelte forzate ed i gradi di libertà sul sistema sono vincolati da un numero finito di scelte possibile ( ne sono presentate otto, ma il numero è flessibilmente modificabile ), quindi utilizzabile in tutti gli ambiti le cui decisioni hanno ripercussione sul breve periodo e in cui la fase di progettazione non consente il re-engineering dei processi in modo tale da inseguire criteri di ricerca ottima delle performances del sistema. Come nota, si segnala che tutti i calcoli portati avanti nella simulazione sono calcolati usando cifre decimali rappresentate in virgola mobile a doppia precisione. 66

70 L applicazione Software 4.3 L interfaccia Grafica e le funzionalità L interfaccia grafica è stata sviluppata tenendo conto dei fondamenti principali dell usabilità e chiarezza nel presentare i risultati. Nonostante rappresenti una piccola parte della porzione di codice del software, l interfaccia grafica concentra oltre l 80% del tempo in fase di progettazione in quanto l usabilità e la scelta di una data configurazione di elementi è un processo tutt altro che standardizzabile ed arbitrariamente risolvibile. L interfaccia grafica ha il compito principale di presentare i dati utili dell utente nel modo più velocemente riconoscibile ed utilizzabile, ogni utente deve trarre vantaggio dall applicazione con il minor sforzo possibile, in modo tale da poter concentrare i propri sforzi sull interpretazione dei risultati contenuti anziché sulla decifrazione del contenitore. Il concetto di interfaccia è collegato direttamente alla filosofia Object Oriented, in cui i dati disponibili ad un utente debbano essere filtrati attraverso metodi di qualsiasi natura essi siano, in modo tale da facilitare la comunicazione tra oggetti, o come in questo caso tra oggetto e persona. L interfaccia grafica che è stata sviluppata in questo contesto, possiede una struttura che è schematizzabile come segue: Fig

Il Business Process Management: nuova via verso la competitività aziendale

Il Business Process Management: nuova via verso la competitività aziendale Il Business Process Management: nuova via verso la competitività Renata Bortolin Che cosa significa Business Process Management? In che cosa si distingue dal Business Process Reingeneering? Cosa ha a che

Dettagli

Classificazioni dei sistemi di produzione

Classificazioni dei sistemi di produzione Classificazioni dei sistemi di produzione Sistemi di produzione 1 Premessa Sono possibili diverse modalità di classificazione dei sistemi di produzione. Esse dipendono dallo scopo per cui tale classificazione

Dettagli

Sistemi di supporto alle decisioni

Sistemi di supporto alle decisioni Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision

Dettagli

LIVELLO STRATEGICO E TATTICO

LIVELLO STRATEGICO E TATTICO Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 ESEMPI DI PROBLEMI DECISIONALI LIVELLO STRATEGICO Capacity growth planning LIVELLO TATTICO Aggregate planning

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento

Dettagli

Modelli di Sistemi di Produzione

Modelli di Sistemi di Produzione Modelli di Sistemi di Produzione 2 Indice 1 I sistemi di produzione 1 1.1 Generalità............................. 1 1.2 I principi dei sistemi manifatturieri............... 4 1.3 Descrizione dei principali

Dettagli

Asset sotto controllo... in un TAC. Latitudo Total Asset Control

Asset sotto controllo... in un TAC. Latitudo Total Asset Control Asset sotto controllo... in un TAC Latitudo Total Asset Control Le organizzazioni che hanno implementato e sviluppato sistemi e processi di Asset Management hanno dimostrato un significativo risparmio

Dettagli

IT Plant Solutions Soluzioni MES e IT per l Industria

IT Plant Solutions Soluzioni MES e IT per l Industria IT Plant Solutions IT Plant Solutions Soluzioni MES e IT per l Industria s Industrial Solutions and Services Your Success is Our Goal Soluzioni MES e IT per integrare e sincronizzare i processi Prendi

Dettagli

Cap.1 - L impresa come sistema

Cap.1 - L impresa come sistema Cap.1 - L impresa come sistema Indice: L impresa come sistema dinamico L impresa come sistema complesso e gerarchico La progettazione del sistema impresa Modelli organizzativi per la gestione Proprietà

Dettagli

L azienda e la sua gestione P R O F. S A R T I R A N A

L azienda e la sua gestione P R O F. S A R T I R A N A L azienda e la sua gestione P R O F. S A R T I R A N A L azienda può essere considerata come: Un insieme organizzato di beni e persone che svolgono attività economiche stabili e coordinate allo scopo di

Dettagli

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Unified Process Prof. Agostino Poggi Unified Process Unified Software Development Process (USDP), comunemente chiamato

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Copyright Università degli Studi di Torino, Progetto Atlante delle Professioni 2009 IT PROCESS EXPERT

Copyright Università degli Studi di Torino, Progetto Atlante delle Professioni 2009 IT PROCESS EXPERT IT PROCESS EXPERT 1. CARTA D IDENTITÀ... 2 2. CHE COSA FA... 3 3. DOVE LAVORA... 4 4. CONDIZIONI DI LAVORO... 5 5. COMPETENZE... 6 Quali competenze sono necessarie... 6 Conoscenze... 8 Abilità... 9 Comportamenti

Dettagli

Guida alle offerte di finanziamento per le medie imprese

Guida alle offerte di finanziamento per le medie imprese IBM Global Financing Guida alle offerte di finanziamento per le medie imprese Realizzata da IBM Global Financing ibm.com/financing/it Guida alle offerte di finanziamento per le medie imprese La gestione

Dettagli

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica Università degli Studi di Parma Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica A.A. 2007-08 CORSO DI INGEGNERIA DEL SOFTWARE Prof. Giulio Destri http://www.areasp.com (C) 2007 AreaSP for

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

IT FINANCIAL MANAGEMENT

IT FINANCIAL MANAGEMENT IT FINANCIAL MANAGEMENT L IT Financial Management è una disciplina per la pianificazione e il controllo economico-finanziario, di carattere sia strategico sia operativo, basata su un ampio insieme di metodologie

Dettagli

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence?

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence? In un momento di crisi perché scegliere di investire sulla Business Intelligence? Cos è? Per definizione, la Business Intelligence è: la trasformazione dei dati in INFORMAZIONI messe a supporto delle decisioni

Dettagli

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni UNIVERSITÀ DEGLI STUDI DI MILANO FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica IL SAMPLE AND HOLD Progetto di Fondamenti di Automatica PROF.: M. Lazzaroni Anno Accademico

Dettagli

[La catena del valore]

[La catena del valore] [La catena del valore] a cura di Antonio Tresca La catena del valore lo strumento principale per comprendere a fondo la natura del vantaggio competitivo è la catena del valore. Il vantaggio competitivo

Dettagli

ATTUAZIONE DEL PROGETTO E IL MANAGEMENT: alcune definizioni e indicazioni generali

ATTUAZIONE DEL PROGETTO E IL MANAGEMENT: alcune definizioni e indicazioni generali ATTUAZIONE DEL PROGETTO E IL MANAGEMENT: alcune definizioni e indicazioni generali Cos è un progetto? Un iniziativa temporanea intrapresa per creare un prodotto o un servizio univoco (PMI - Project Management

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

Storia ed evoluzione dei sistemi ERP

Storia ed evoluzione dei sistemi ERP Storia ed evoluzione dei sistemi ERP In questo breve estratto della tesi si parlerà dei sistemi ERP (Enterprise Resource Planning) utilizzabili per la gestione delle commesse; questi sistemi utilizzano

Dettagli

BRM. Tutte le soluzioni. per la gestione delle informazioni aziendali. BusinessRelationshipManagement

BRM. Tutte le soluzioni. per la gestione delle informazioni aziendali. BusinessRelationshipManagement BRM BusinessRelationshipManagement Tutte le soluzioni per la gestione delle informazioni aziendali - Business Intelligence - Office Automation - Sistemi C.R.M. I benefici di BRM Garantisce la sicurezza

Dettagli

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE In un mercato delle Telecomunicazioni sempre più orientato alla riduzione delle tariffe e dei costi di

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Dalla Mappatura dei Processi al Business Process Management

Dalla Mappatura dei Processi al Business Process Management Dalla Mappatura dei Processi al Business Process Management Romano Stasi Responsabile Segreteria Tecnica ABI Lab Roma, 4 dicembre 2007 Agenda Il percorso metodologico Analizzare per conoscere: la mappatura

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

t.fabrica wanna be smarter? smart, simple, cost effectiveness solutions for manufactoring operational excellence.

t.fabrica wanna be smarter? smart, simple, cost effectiveness solutions for manufactoring operational excellence. t.fabrica wanna be smarter? smart, simple, cost effectiveness solutions for manufactoring operational excellence. Per le aziende manifatturiere, oggi e sempre più nel futuro individuare ed eliminare gli

Dettagli

Business Process Management

Business Process Management Business Process Management Comprendere, gestire, organizzare e migliorare i processi di business Caso di studio a cura della dott. Danzi Francesca e della prof. Cecilia Rossignoli 1 Business process Un

Dettagli

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita; .netbin. è un potentissimo strumento SVILUPPATO DA GIEMME INFORMATICA di analisi dei dati con esposizione dei dati in forma numerica e grafica con un interfaccia visuale di facile utilizzo, organizzata

Dettagli

Rischio impresa. Rischio di revisione

Rischio impresa. Rischio di revisione Guida alla revisione legale PIANIFICAZIONE del LAVORO di REVISIONE LEGALE dei CONTI Formalizzazione delle attività da svolgere nelle carte di lavoro: determinazione del rischio di revisione, calcolo della

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE - Matematica - Griglie di valutazione Materia: Matematica Obiettivi disciplinari Gli obiettivi indicati si riferiscono all intero percorso della classe quarta

Dettagli

Business Process Management

Business Process Management Corso di Certificazione in Business Process Management Progetto Didattico 2015 con la supervisione scientifica del Dipartimento di Informatica Università degli Studi di Torino Responsabile scientifico

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità

Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità Paola Garrone, Marco Melacini e Alessandro Perego Politecnico di Milano Indagine realizzata da Fondazione per la Sussidiarietà e

Dettagli

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione Processi (di sviluppo del) software Fase di Analisi dei Requisiti Un processo software descrive le attività (o task) necessarie allo sviluppo di un prodotto software e come queste attività sono collegate

Dettagli

PRESENTARE UN IDEA PROGETTUALE

PRESENTARE UN IDEA PROGETTUALE PRESENTARE UN IDEA PROGETTUALE LINEE GUIDA PER UNA EFFICACE PRESENTAZIONE DI UN BUSINESS PLAN INTRODUZIONE ALLA GUIDA Questa breve guida vuole indicare in maniera chiara ed efficiente gli elementi salienti

Dettagli

Il ciclo di vita del software

Il ciclo di vita del software Il ciclo di vita del software Il ciclo di vita del software Definisce un modello per il software, dalla sua concezione iniziale fino al suo sviluppo completo, al suo rilascio, alla sua successiva evoluzione,

Dettagli

Cos è l Ingegneria del Software?

Cos è l Ingegneria del Software? Cos è l Ingegneria del Software? Corpus di metodologie e tecniche per la produzione di sistemi software. L ingegneria del software è la disciplina tecnologica e gestionale che riguarda la produzione sistematica

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Milano, Settembre 2009 BIOSS Consulting

Milano, Settembre 2009 BIOSS Consulting Milano, Settembre 2009 BIOSS Consulting Presentazione della società Agenda Chi siamo 3 Cosa facciamo 4-13 San Donato Milanese, 26 maggio 2008 Come lo facciamo 14-20 Case Studies 21-28 Prodotti utilizzati

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Convegno 6 giugno 2013 Federlazio Frosinone

Convegno 6 giugno 2013 Federlazio Frosinone Convegno 6 giugno 2013 Federlazio Frosinone pag. 1 6 giugno 2013 Federlazio Frosinone Introduzione alla Business Intelligence Un fattore critico per la competitività è trasformare la massa di dati prodotti

Dettagli

Università di Venezia Corso di Laurea in Informatica. Marco Fusaro KPMG S.p.A.

Università di Venezia Corso di Laurea in Informatica. Marco Fusaro KPMG S.p.A. Università di Venezia Corso di Laurea in Informatica Laboratorio di Informatica Applicata Introduzione all IT Governance Lezione 5 Marco Fusaro KPMG S.p.A. 1 CobiT: strumento per la comprensione di una

Dettagli

Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI

Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI CSC ritiene che la Business Intelligence sia un elemento strategico e fondamentale che, seguendo

Dettagli

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti Project Management Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova Project Management 2 Metodi per supportare le decisioni relative alla gestione di progetti esempi sono progetti nell

Dettagli

PASSEPARTOUT PLAN PLANNING E AGENDA I PLANNING LA MAPPA INTERATTIVA LA GESTIONE DEI SERVIZI LA PRENOTAZIONE

PASSEPARTOUT PLAN PLANNING E AGENDA I PLANNING LA MAPPA INTERATTIVA LA GESTIONE DEI SERVIZI LA PRENOTAZIONE PASSEPARTOUT PLAN Passepartout Plan è l innovativo software Passepartout per la gestione dei servizi. Strumento indispensabile per una conduzione organizzata e precisa dell attività, Passepartout Plan

Dettagli

I N F I N I T Y Z U C C H E T T I WORKFLOW HR

I N F I N I T Y Z U C C H E T T I WORKFLOW HR I N F I N I T Y Z U C C H E T T I WORKFLOW HR WORKFLOW HR Zucchetti, nell ambito delle proprie soluzioni per la gestione del personale, ha realizzato una serie di moduli di Workflow in grado di informatizzare

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo White paper La Process Intelligence migliora le prestazioni operative del settore assicurativo Pagina 2 Sintesi

Dettagli

LEAR ITALIA MES/LES PROJECT

LEAR ITALIA MES/LES PROJECT LEAR ITALIA MES/LES PROJECT La peculiarità del progetto realizzato in Lear Italia da Hermes Reply è quello di integrare in un unica soluzione l execution della produzione (con il supporto dell RFID), della

Dettagli

White Paper. Operational DashBoard. per una Business Intelligence. in real-time

White Paper. Operational DashBoard. per una Business Intelligence. in real-time White Paper Operational DashBoard per una Business Intelligence in real-time Settembre 2011 www.axiante.com A Paper Published by Axiante CAMBIARE LE TRADIZIONI C'è stato un tempo in cui la Business Intelligence

Dettagli

L azienda e le funzioni aziendali

L azienda e le funzioni aziendali UDA 5 TEMA 3 L operatore impresa L azienda e le funzioni aziendali a cura di Lidia Sorrentino Il concetto di azienda. Per soddisfare i propri bisogni, fin dall antichità l uomo si è associato con altre

Dettagli

Logistica digitale delle Operazioni a premio

Logistica digitale delle Operazioni a premio Logistica digitale delle Operazioni a premio La piattaforma logistica delle operazioni a premio digitali BITGIFT è la nuova piattaforma dedicata alla logistica digitale delle vostre operazioni a premio.

Dettagli

BRINGING LIGHT. il sistema informativo direzionale BUSINESS INTELLIGENCE & CORPORATE PERFORMANCE MANAGEMENT. i modelli funzionali sviluppati da Sme.

BRINGING LIGHT. il sistema informativo direzionale BUSINESS INTELLIGENCE & CORPORATE PERFORMANCE MANAGEMENT. i modelli funzionali sviluppati da Sme. Sme.UP ERP Retail BI & CPM Dynamic IT Mgt Web & Mobile Business Performance & Transformation 5% SCEGLIERE PER COMPETERE BI e CPM, una necessità per le aziende i modelli funzionali sviluppati da Sme.UP

Dettagli

Introduzione al GIS (Geographic Information System)

Introduzione al GIS (Geographic Information System) Introduzione al GIS (Geographic Information System) Sommario 1. COS E IL GIS?... 3 2. CARATTERISTICHE DI UN GIS... 3 3. COMPONENTI DI UN GIS... 4 4. CONTENUTI DI UN GIS... 5 5. FASI OPERATIVE CARATTERIZZANTI

Dettagli

Panoramica su ITIL V3 ed esempio di implementazione del Service Design

Panoramica su ITIL V3 ed esempio di implementazione del Service Design Master Universitario di II livello in Interoperabilità Per la Pubblica Amministrazione e Le Imprese Panoramica su ITIL V3 ed esempio di implementazione del Service Design Lavoro pratico II Periodo didattico

Dettagli

IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget

IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget Data Sheet IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget Panoramica Le medie aziende devono migliorare nettamente le loro capacità

Dettagli

Metadati e Modellazione. standard P_META

Metadati e Modellazione. standard P_META Metadati e Modellazione Lo standard Parte I ing. Laurent Boch, ing. Roberto Del Pero Rai Centro Ricerche e Innovazione Tecnologica Torino 1. Introduzione 1.1 Scopo dell articolo Questo articolo prosegue

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

General Motors: la storia della nascita e della crescita di una giant firm 1

General Motors: la storia della nascita e della crescita di una giant firm 1 General Motors: la storia della nascita e della crescita di una giant firm 1 Centralized control with decentralized responsibility (Johnson and Kaplan, 1987) 1. Dalla nascita fino al 1920 La General Motors,

Dettagli

RUP (Rational Unified Process)

RUP (Rational Unified Process) RUP (Rational Unified Process) Caratteristiche, Punti di forza, Limiti versione del tutorial: 3.3 (febbraio 2007) Pag. 1 Unified Process Booch, Rumbaugh, Jacobson UML (Unified Modeling Language) notazione

Dettagli

Corso di Amministrazione di Sistema Parte I ITIL 3

Corso di Amministrazione di Sistema Parte I ITIL 3 Corso di Amministrazione di Sistema Parte I ITIL 3 Francesco Clabot Responsabile erogazione servizi tecnici 1 francesco.clabot@netcom-srl.it Fondamenti di ITIL per la Gestione dei Servizi Informatici Il

Dettagli

Rational Unified Process Introduzione

Rational Unified Process Introduzione Rational Unified Process Introduzione G.Raiss - A.Apolloni - 4 maggio 2001 1 Cosa è E un processo di sviluppo definito da Booch, Rumbaugh, Jacobson (autori dell Unified Modeling Language). Il RUP è un

Dettagli

REALIZZARE UN MODELLO DI IMPRESA

REALIZZARE UN MODELLO DI IMPRESA REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità

Dettagli

1 BI Business Intelligence

1 BI Business Intelligence K Venture Corporate Finance Srl Via Papa Giovanni XXIII, 40F - 56025 Pontedera (PI) Tel/Fax 0587 482164 - Mail: info@kventure.it www.kventure.it 1 BI Business Intelligence Il futuro che vuoi. Sotto controllo!

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras

SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras 2 Introduzione Le architetture basate sui servizi (SOA) stanno rapidamente diventando lo standard de facto per lo sviluppo delle applicazioni aziendali.

Dettagli

CORPORATE OVERVIEW. www.akhela.com

CORPORATE OVERVIEW. www.akhela.com CORPORATE OVERVIEW www.akhela.com BRIDGE THE GAP CORPORATE OVERVIEW Bridge the gap Akhela è un azienda IT innovativa che offre al mercato servizi e soluzioni Cloud Based che aiutano le aziende a colmare

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

L analisi economico finanziaria dei progetti

L analisi economico finanziaria dei progetti PROVINCIA di FROSINONE CIOCIARIA SVILUPPO S.c.p.a. LABORATORI PER LO SVILUPPO LOCALE L analisi economico finanziaria dei progetti Azione n. 2 Progetti per lo sviluppo locale LA FINANZA DI PROGETTO Frosinone,

Dettagli

Il bilancio con dati a scelta. Classe V ITC

Il bilancio con dati a scelta. Classe V ITC Il bilancio con dati a scelta Classe V ITC Il metodo da seguire Premesso che per la costruzione di un bilancio con dati a scelta si possono seguire diversi metodi, tutti ugualmente validi, negli esempi

Dettagli

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Oggi più che mai, le aziende italiane sentono la necessità di raccogliere,

Dettagli

GUARDIAN asset management software. Solutions. The safe partner for your business

GUARDIAN asset management software. Solutions. The safe partner for your business Portfolio Management GUARDIAN Solutions The safe partner for your business Swiss-Rev si pone come società con un alto grado di specializzazione e flessibilità nell ambito di soluzioni software per il settore

Dettagli

I Valori del Manifesto Agile sono direttamente applicabili a Scrum:!

I Valori del Manifesto Agile sono direttamente applicabili a Scrum:! Scrum descrizione I Principi di Scrum I Valori dal Manifesto Agile Scrum è il framework Agile più noto. E la sorgente di molte delle idee che si trovano oggi nei Principi e nei Valori del Manifesto Agile,

Dettagli

GUIDA RAPIDA emagister-agora Edizione BASIC

GUIDA RAPIDA emagister-agora Edizione BASIC GUIDA RAPIDA emagister-agora Edizione BASIC Introduzione a emagister-agora Interfaccia di emagister-agora Configurazione dell offerta didattica Richieste d informazioni Gestione delle richieste d informazioni

Dettagli

L idea. 43.252.003.274.489.856.000 combinazioni possibili di cui solo una è quella corretta

L idea. 43.252.003.274.489.856.000 combinazioni possibili di cui solo una è quella corretta Guardare oltre L idea 43.252.003.274.489.856.000 combinazioni possibili di cui solo una è quella corretta I nostri moduli non hanno altrettante combinazioni possibili, ma la soluzione è sempre una, PERSONALIZZATA

Dettagli

MARKETING INTELLIGENCE SUL WEB:

MARKETING INTELLIGENCE SUL WEB: Via Durini, 23-20122 Milano (MI) Tel.+39.02.77.88.931 Fax +39.02.76.31.33.84 Piazza Marconi,15-00144 Roma Tel.+39.06.32.80.37.33 Fax +39.06.32.80.36.00 www.valuelab.it valuelab@valuelab.it MARKETING INTELLIGENCE

Dettagli

Le misure di energia elettrica

Le misure di energia elettrica Le misure di energia elettrica Ing. Marco Laracca Dipartimento di Ingegneria Elettrica e dell Informazione Università degli Studi di Cassino e del Lazio Meridionale Misure di energia elettrica La misura

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

***** Il software IBM e semplice *****

***** Il software IBM e semplice ***** Il IBM e semplice ***** ***** Tutto quello che hai sempre voluto sapere sui prodotti IBM per qualificare i potenziali clienti, sensibilizzarli sulle nostre offerte e riuscire a convincerli. WebSphere IL

Dettagli

Business Intelligence

Business Intelligence aggregazione dati Business Intelligence analytic applications query d a t a w a r e h o u s e aggregazione budget sales inquiry data mining Decision Support Systems MIS ERP data management Data Modeling

Dettagli

Il piano principale di produzione

Il piano principale di produzione Il piano principale di produzione Piano principale di produzione 1 Piano principale di produzione (Master Production Schedule) MPS pianifica le consegne di prodotto finito in termini di quantità e di data

Dettagli

Intalio. Leader nei Sistemi Open Source per il Business Process Management. Andrea Calcagno Amministratore Delegato

Intalio. Leader nei Sistemi Open Source per il Business Process Management. Andrea Calcagno Amministratore Delegato Intalio Convegno Open Source per la Pubblica Amministrazione Leader nei Sistemi Open Source per il Business Process Management Navacchio 4 Dicembre 2008 Andrea Calcagno Amministratore Delegato 20081129-1

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

Sistema di gestione dei vuoti Gestione efficiente dei vuoti

Sistema di gestione dei vuoti Gestione efficiente dei vuoti Sistema di gestione dei vuoti Gestione efficiente dei vuoti Edizione ottobre 2008 Processi più semplici grazie ad una perfetta pianificazione Una precisa pianificazione preventiva consente da un lato un

Dettagli

CHECK UP 2012 La competitività dell agroalimentare italiano

CHECK UP 2012 La competitività dell agroalimentare italiano Rapporto annuale ISMEA Rapporto annuale 2012 5. La catena del valore IN SINTESI La catena del valore elaborata dall Ismea ha il fine di quantificare la suddivisione del valore dei beni prodotti dal settore

Dettagli

BAKEDIADE. Software per la pesatura, bollettazione e fatturazione del pane ed altri prodotti da forno in ceste. BakeDiade, un idea buona come il pane

BAKEDIADE. Software per la pesatura, bollettazione e fatturazione del pane ed altri prodotti da forno in ceste. BakeDiade, un idea buona come il pane BAKEDIADE Software per la pesatura, bollettazione e fatturazione del pane ed altri prodotti da forno in ceste BakeDiade, un idea buona come il pane ATTIVITà AMMINISTRATIVA Grazie all utilizzo di semplici

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Raffineria Metalli Capra: innovazione nel settore METAL

Raffineria Metalli Capra: innovazione nel settore METAL SAP Customer Success Story Prodotti Industriali Raffineria Metalli Capra Raffineria Metalli Capra. Utilizzata con concessione dell autore. Raffineria Metalli Capra: innovazione nel settore METAL Partner

Dettagli

www.leasys.com Marketing & Comunicazione Servizio di infomobilità e telediagnosi - 23/01/2014

www.leasys.com Marketing & Comunicazione Servizio di infomobilità e telediagnosi - 23/01/2014 Servizio di Infomobilità e Telediagnosi Indice 3 Leasys I Care: i Vantaggi dell Infomobilità I Servizi Report di Crash Recupero del veicolo rubato Blocco di avviamento del motore Crash management Piattaforma

Dettagli