Il cliente, gruppo leader del mercato energetico, ha necessità di impostare una strategia ottimale di riordino dei pezzi di ricambio per la manutenzione dei propri impianti produttivi, che tenga conto di diversi parametri tra cui il la regolarità e la tipologia dei materiali.
La strategia ottimale prevede la considerazione di parametri caratterizzati da un’alta variabilità in termini di tempo e costi, per cui si rende necessaria una previsione accurata e costante che non può essere soddisfatta da processi e operazioni manuali.
In questo caso la soluzione ha previsto l’applicazione di tecniche di Machine Learning per approcciare al problema con l’analisi predittiva: il processo, ora automatizzato, consente di avere delle previsioni di riordino molto più precise e non più sovrastimate, oltre che un minore spreco di materiali e quindi un’ottimizzazione del costi.