Obiettivi
Gli obiettivi del progetto coprono l’intero ciclo: sviluppo, validazione sul campo e replicabilità:
- Sviluppare un engine AI/ML pre-industriale per il supporto decisionale logistico con architettura modulare. Integrare l’engine con la piattaforma Power BI per la visualizzazione dei risultati.
- Validare un Proof of Concept TRL 6 su un caso operativo reale.
- Integrare un modulo ESG per la quantificazione e simulazione dell’impatto ambientale.
- Costruire una metodologia replicabile per altri operatori logistici di medie dimensioni.
- Trasferire le competenze tecniche al cliente attraverso workshop e materiali formativi.
Sfida iniziale
Mentre i grandi operatori logistici globali hanno sviluppato internamente sofisticati strumenti di pianificazione, le aziende di medie dimensioni ne restano di fatto escluse. Il risultato è che le decisioni operative — quanti mezzi impiegare, quali rotte scegliere, come organizzare la flotta — vengono prese affidandosi all’esperienza, senza la possibilità di testare le alternative prima di metterle in pratica.
Eppure i dati per farlo esisterebbero: il problema è che restano frammentati tra sistemi TMS, WMS ed ERP che non dialogano tra loro, rendendo difficile tanto l’analisi delle performance attuali quanto la rendicontazione ESG/CSRD ormai richiesta dalla normativa.
Soluzione
Un engine decisionale modulare che integra dati operativi reali e tecniche AI/ML per supportare la pianificazione logistica. Il cuore del sistema è un solver di ottimizzazione basato sulla formulazione VRPTW implementato con Google OR-tools.
L’engine espone due modalità di analisi:
- What-If Simulation: modifica di parametri con ricalcolo del piano ottimale rispetto al baseline)
- Find Optimal Value: identificazione del valore ottimale tramite parametric sweep).
Un modulo ESG dedicato quantifica le emissioni di ogni scenario secondo i framework GLEC e CSRD. I risultati alimentano la dashboard Power BI per la visualizzazione di KPI, mappe e confronti scenario-vs-baseline.
Benefici
Il progetto genera benefici misurabili su tre fronti – efficienza operativa, sostenibilità e governance delle decisioni:
- Riduzione misurabile di chilometri percorsi, costi operativi ed emissioni di CO₂ a parità di livello di servizio
- Maggiore trasparenza decisionale: ogni scenario è quantificato, confrontabile e auditabile
- Conformità nativa ESG/CSRD attraverso il modulo dedicato conforme ai framework GLEC
- Riduzione della dipendenza dall’expertise individuale per decisioni operative critiche
- Integrazione con lo stack di visualizzazione esistente (Power BI), senza curva di apprendimento aggiuntiva
- Replicabilità: metodologia applicabile ad altri operatori logistici di medie dimensioni nell’ecosistema cooperativo
Il ruolo di IFAB
IFAB ha operato su due livelli complementari:
- come finanziatore, sostenendo il progetto nell’ambito delle proprie linee di investimento in ricerca e innovazione,
- come partner tecnico, contribuendo direttamente allo sviluppo dell’engine decisionale AI insieme a SCS Consulting e Legacoop Bologna.
Il cuore del contributo tecnico è un solver di ottimizzazione logistica basato sulla formulazione VRPTW — Vehicle Routing Problem with Time Windows — implementato con Google OR-Tools, progettato per ottimizzare routing e costi su dati operativi reali. Questi ultimi provengono da sistemi TMS, WMS ed ERP, integrati e armonizzati per garantire all’engine un’alimentazione informativa coerente e affidabile. A completare il quadro decisionale, IFAB ha implementato funzionalità di simulazione What-If e di ricerca del valore ottimale, che consentono agli operatori di valutare scenari alternativi prima di intervenire. Un elemento distintivo del progetto è l’integrazione nativa della dimensione ESG: il modulo sviluppato quantifica le emissioni secondo i framework GLEC e CSRD, rendendo la sostenibilità un criterio misurabile all’interno dei processi di pianificazione logistica, non un’aggiunta a posteriori. I risultati sono infine resi fruibili attraverso dashboard Power BI, accompagnate da un percorso di trasferimento di competenze al cliente tramite workshop e materiali formativi.
LogisticAI ha consentito a Fondazione IFAB di consolidare un profilo di competenze che spazia dall’operations research all’integrazione di sistemi informativi aziendali, fino alla rendicontazione di sostenibilità — un insieme particolarmente rilevante in un settore come la logistica, chiamato a coniugare efficienza operativa e decarbonizzazione.
Per informazioni rivolgersi a: projects@ifabfoundation.org
