Localisation and Circularity in Apple Supply Chains: An Algorithmic Exploration

Questo studio presenta un modello di programmazione lineare intera mista per ottimizzare l'allocazione delle mele nel Regno Unito, bilanciando criteri economici e di sostenibilità come prezzo, quantità, freschezza e distanza geografica per promuovere la localizzazione e la circolarità nella catena di approvvigionamento.

L'essenziale

🍎 Il "Tinder" delle Mele: Un'Algoritmo per Salvare il Cibo e il Pianeta

Immagina di avere un grande magazzino pieno di mele appena coltivate nel Regno Unito. Alcune sono perfette per la torta, altre per il succo, e alcune stanno per diventare un po' troppo mature. Hai anche centinaia di clienti: negozi, ristoranti, scuole e famiglie che ne hanno bisogno.

Il problema? Il tempo è nemico. Le mele marciscono. Se non le vendi subito, diventano spazzatura. E se le sposti da un capo all'altro del paese per venderle, inquina troppo.

Gli autori di questo studio (Baraa e Ruzanna) hanno creato un "cervello digitale" (un algoritmo) per risolvere questo caos. Non è magia, è matematica intelligente, ma pensala come un grande organizzatore di feste che deve assicurarsi che ogni ospite (il cliente) riceva il regalo giusto (le mele) al momento giusto, senza sprecare nulla.

1. Il Problema: La Corsa contro il Tempo

Nella vita reale, le mele sono come fiori recisi: se non le usi subito, perdono valore.

• Se le sposti troppo lontano, l'auto inquinante consuma benzina (e soldi).
• Se le vendi troppo tardi, diventano compost (o peggio, finiscono nella spazzatura).
• Se il prezzo non va d'accordo tra chi vende e chi compra, la vendita salta.

L'obiettivo è creare un sistema che non guardi solo i soldi, ma anche quanto sono vicine le mele (localizzazione) e quanto sono fresche (circolarità).

2. La Soluzione: La "Bilancia Magica"

L'algoritmo funziona come una bilancia magica con quattro piatti. Su ogni piatto metti una cosa importante:

1. Il Prezzo: Quanto costano? (Economia)
2. La Quantità: La mela grande va al cliente grande, quella piccola a quello piccolo? (Adattamento)
3. La Freschezza: Le mele che scadono prima devono essere vendute prima (come quando mangi prima lo yogurt vicino alla data di scadenza).
4. La Distanza: Meglio vendere al vicino di casa che a chi abita dall'altra parte del paese (per risparmiare benzina).

Il trucco? Tu puoi decidere quanto pesa ogni piatto.

• Se vuoi risparmiare soldi, alzi il peso del "Prezzo".
• Se vuoi salvare il pianeta, alzi il peso della "Distanza".
• Se vuoi evitare sprechi, alzi il peso della "Freschezza".

L'algoritmo fa i calcoli e ti dice: "Ok, oggi diamo la priorità alle mele vicine, ecco a chi venderle!".

3. L'Analogia del "Gioco delle Sedie Musicali" (ma senza perdere nessuno)

Immagina un gioco dove le mele sono le sedie e i clienti sono i ballerini.

• Il vecchio modo: Se una sedia non trova un ballerino, viene buttata via.
• Il nuovo modo (Circolare): Se una mela non trova un acquirente oggi, non viene buttata! L'algoritmo la mette da parte e la ripropone nel "giro" successivo, magari a un acquirente diverso o per un uso diverso (es. da mela da dessert a mela per il succo). È come se le mele avessero una seconda vita invece di finire nella spazzatura.

4. Cosa hanno scoperto? (I Risultati)

Hanno provato a giocare con i pesi della bilancia usando dati reali sulle mele inglesi. Ecco cosa è successo:

• Se spingi troppo sul "Prezzo": Si vendono molte mele, ma spesso viaggiano per chilometri e chilometri. Risparmi soldi, ma inquina di più.
• Se spingi troppo sulla "Distanza": Le mele restano vicine (ottimo per l'ambiente!), ma alcuni clienti non riescono a riempire tutto il loro ordine. È un compromesso: meno inquinamento, ma forse meno soddisfazione per chi compra.
• Se spingi sulla "Freschezza": Le mele che stanno per scadere vengono vendute subito. È il metodo migliore per evitare che il cibo marcisca.
• La sorpresa: Non esiste una "formula perfetta" per sempre. A volte serve privilegiare la distanza, altre volte il prezzo. La cosa importante è che il sistema sia flessibile e permetta di cambiare strategia in base alla situazione.

5. Perché è importante?

Questo studio ci dice che non serve un super-computer che trovi la soluzione "perfetta" (che spesso non esiste o ci mette anni a calcolarla). Serve un sistema "abbastanza buono", veloce e trasparente.

• Trasparenza: Chi usa il sistema sa perché una mela è stata venduta a un certo prezzo o a una certa distanza.
• Niente sprechi: Se una mela non viene venduta, il sistema la ripropone invece di buttarla.
• Adattabilità: Se domani piove e i camion non possono muoversi, puoi cambiare le priorità dell'algoritmo in un attimo.

In sintesi

Immagina questo algoritmo come un cuoco esperto che gestisce una cucina affollata. Non guarda solo il conto della spesa, ma controlla anche che gli ingredienti non scadano, che i piatti arrivino caldi (o freschi, nel caso delle mele) e che i fornelli non si accendano inutilmente.

L'obiettivo non è solo vendere mele, ma creare un cerchio virtuoso: le mele rimangono nel sistema il più a lungo possibile, viaggiano il meno possibile e finiscono nel piatto di qualcuno invece che nel cestino della spazzatura. E il tutto gestito da un semplice "interruttore" che decide cosa è più importante in quel momento.

Sommario tecnico

Ecco un riassunto tecnico dettagliato del documento "Localisation and Circularity in Apple Supply Chains: An Algorithmic Exploration" in lingua italiana.

Titolo

Localizzazione e Circolarità nelle Catene di Approvvigionamento delle Mele: Un Esplorazione Algoritmica

1. Il Problema

Le catene di approvvigionamento di alimenti deperibili, come le mele, affrontano sfide critiche legate alla sostenibilità, alla riduzione degli sprechi e all'efficienza economica. Le decisioni di allocazione sono intrinsecamente sensibili al tempo: una gestione inefficace porta a:

• Sprechi alimentari significativi (circa un terzo della produzione globale).
• Aumento delle emissioni di gas serra dovute al trasporto e allo smaltimento.
• Perdita di valore economico per venditori e acquirenti.

Esiste una necessità urgente di piattaforme digitali di trading che non si limitino a massimizzare il profitto economico, ma che integrino esplicitamente obiettivi di economia circolare (come la localizzazione e la gestione della freschezza) e che siano in grado di gestire le quantità non allocate in cicli successivi, evitando che vengano scartate come rifiuti. Tuttavia, molti modelli esistenti trattano la circolarità in modo implicito o mancano di trasparenza su come gli obiettivi economici e ambientali siano bilanciati nelle decisioni operative.

2. Metodologia

Gli autori propongono un framework di ottimizzazione basato su un modello di Programmazione Lineare Intera Mista (MILP) con approccio a somma pesata (Weighted-Sum).

A. Formulazione del Modello

Il problema è modellato come un'allocazione di flussi tra offerte (venditori) e ordini (acquirenti). L'obiettivo è massimizzare un punteggio globale scalare derivato da quattro criteri operativi, ciascuno normalizzato e pesato:

1. Allineamento del Prezzo ($f_{price}$): Misura la similarità tra il prezzo unitario dell'offerta e quello dell'ordine.
2. Allineamento della Quantità ($f_{quantity}$): Premia la compatibilità tra la quantità offerta e quella richiesta, permettendo match parziali.
3. Allineamento della Freschezza ($f_{freshness}$): Implementa una logica First-Expired-First-Out (FEFO), privilegiando le mele con data di scadenza più vicina, ma garantendo che la scadenza dell'offerta sia successiva a quella richiesta dall'ordine.
4. Distanza Geografica ($f_{distance}$): Funzione di decadimento esponenziale che favorisce le allocazioni a breve distanza per ridurre l'impatto ambientale del trasporto.

La funzione obiettivo è:
$$\text{score}(offer_i, order_j) = w_1 f_{price} + w_2 f_{quantity} + w_3 f_{freshness} + w_4 f_{distance}$$
dove i pesi $w_k$ sono configurabili e la loro somma è 1.

B. Implementazione e Flusso Operativo

Il framework è implementato in Java e utilizza la libreria ojAlgo per la risoluzione MILP. Il processo di ottimizzazione segue quattro fasi:

1. Costruzione del Grafo Fattibile: Filtra le coppie offerta-ordine basandosi su vincoli rigidi (compatibilità prodotto, finestre temporali, vincoli logistici, sovrapposizione dei prezzi).
2. Punteggio (Scoring): Calcola i punteggi normalizzati per le coppie fattibili e li aggrega in base ai pesi scelti.
3. Ottimizzazione MILP: Risolve il problema di assegnazione massimizzando il beneficio totale, con tecniche di ottimizzazione come la pruning dei candidati (top-K) e lo screening LP per gestire la scalabilità.
4. Circolazione dei Residui: Le quantità non allocate (offerta o domanda insoddisfatta) non vengono scartate. Se non scadute, vengono riportate nel ciclo successivo di allocazione; se scadute, vengono reindirizzate verso canali di downgrading (es. trasformazione in succo o mangimi).

3. Contributi Chiave

• Operazionalizzazione della Circolarità: Trasforma obiettivi astratti di economia circolare (localizzazione, freschezza, riduzione sprechi) in parametri di ottimizzazione espliciti e regolabili all'interno di un algoritmo di allocazione operativa.
• Trasparenza e Configurabilità: A differenza dei modelli Pareto che generano fronti complessi, l'approccio a somma pesata offre un'unica soluzione interpretabile, permettendo agli operatori della piattaforma di adattare le priorità in base al contesto (es. crisi della catena di approvvigionamento vs. focus ambientale).
• Gestione Iterativa dei Residui: Introduce un meccanismo sistematico per la "circolazione" delle merci non allocate, trattando l'allocazione fallita non come un rifiuto inevitabile ma come un input per il ciclo successivo.
• Diagnostica delle Incompatibilità: Il sistema fornisce feedback dettagliati sul perché certi match falliscono (es. disallineamento dei prezzi), consentendo interventi correttivi mirati.

4. Risultati Sperimentali

Lo studio è stato valutato su un dataset realistico simulato della catena di approvvigionamento delle mele nel Regno Unito (ENG-Apple dataset), testando sette diverse strategie di pesatura (es. "Prezzo Primo", "Distanza Prima", "Freschezza Prima", "Pesi Uguali").

• Utilizzazione dell'Offerta: Il framework ha raggiunto un tasso di utilizzazione dell'offerta domestica molto elevato (tra il 95,5% e il 96,7%) in tutte le strategie, dimostrando l'efficacia dell'approccio iterativo.
• Impatto delle Priorità:
  • Strategia "Distanza Prima": Ha ridotto drasticamente le distanze di trasporto medie (da ~865 km a ~670 km per gli ordini) e aumentato l'utilizzo locale, ma ha portato a un minor numero di ordini completamente soddisfatti e a una frammentazione maggiore.
  • Strategia "Freschezza Prima": Ha migliorato l'allineamento FEFO (riducendo il gap di scadenza a 5,57 giorni) senza compromettere significativamente l'utilizzo o i costi.
  • Strategia "Quantità Prima": Ha massimizzato il soddisfacimento della domanda (più ordini completi) ma ha lasciato più offerta inutilizzata e ha aumentato i costi di trasporto.
• Trade-off: I risultati confermano che non esiste una configurazione "universale". Le strategie ottimali dipendono fortemente dalla struttura della rete di approvvigionamento (es. concentrazione geografica) e dalle condizioni operative.
• Limiti Computazionali: È emerso che un'allocazione "perfetta" e completa è spesso irrealizzabile in contesti operativi reali a causa di mismatch strutturali e complessità computazionale. L'approccio "good-enough" (sufficientemente buono) con gestione dei residui si è rivelato più pratico.

5. Significato e Implicazioni

Il lavoro dimostra che l'integrazione di obiettivi di economia circolare nei sistemi di supporto alle decisioni per la catena di approvvigionamento alimentare è tecnicamente fattibile e necessaria.

• Progettazione delle Piattaforme: Le piattaforme di trading digitale dovrebbero essere progettate per fornire soluzioni "sufficientemente buone" e diagnostiche, piuttosto che cercare l'ottimizzazione esatta che potrebbe essere computazionalmente proibitiva o irrealistica.
• Gestione dello Spreco: La circolarità non deve essere vista solo come minimizzazione degli scarti, ma come un processo continuo di riallocazione. Il framework offre un meccanismo per reintrodurre sistematicamente le merci non allocate nel mercato.
• Adattabilità: La capacità di modificare i pesi in tempo reale permette alle piattaforme di rispondere dinamicamente a cambiamenti nelle condizioni di mercato, nelle priorità politiche o nella disponibilità della rete di fornitura.

In sintesi, la ricerca offre un modello algoritmico robusto che bilancia efficienza economica e sostenibilità, fornendo agli stakeholder strumenti concreti per ridurre gli sprechi alimentari e l'impatto ambientale nel settore delle mele, con potenziali applicazioni estendibili ad altri prodotti deperibili.