Model to predict and optimize product flows for Amazon’s warehouses in Italy.

Desarrollo de un modelo predictivo para calcular las vueltas de inventario futuras de los almacenes italianos para ser utilizadas como entrada en un modelo de optimización que obtenga todos los flujos de entrada y de salida de los almacenes manteniendo el balance de masa en cada uno de ellos. El modelo predictivo se desarrolla mediante una regresión lineal múltiple que pueda calcular dichas vueltas de manera rápida y sencilla. Una vez las vueltas han sido obtenidas se utilizan como entrada en un modelo de optimización para calcular el resto de flujos. El modelo busca minimizar la desviación frente a las vueltas de inventario obtenidas además de minimizar la desviación frente a una ocupación objetivo dependiendo de la ocupación total de Italia. El modelo se resuelve cada semana utilizando un método iterativo conocido como el método de la barrera. Los resultados de la semana anterior se utilizan como entrada para resolver la semana actual. Además, el modelo debe respetar las limitaciones físicas de todos los almacenes siendo capaz de satisfacer la demanda que equipos especializados de Amazon predicen. La demanda a satisfacer son las unidades de inventario totales y el envió de unidades a cliente semanalmente. Los resultados del modelo son todos los flujos de todos los almacenes de Italia con granularidad semanal y respetando todas las restricciones previamente mencionadas.

Development of a predictive model to calculate the future inventory turns of the Italian warehouses to be used as input in an optimization model that obtains all the incoming and outgoing flows of the warehouses, maintaining the mass balance in each one of them. The predictive model is developed using a multiple linear regression that can calculate these turns quickly and reliably. Once the turns have been obtained, they are used as input in an optimization model to calculate the rest of the flows. The model seeks to minimize the deviation against the obtained inventory turns in addition to minimizing the deviation against a target fullness depending on the total fullness of Italy. The model is solved each week using an iterative method known as the barrier method. The previous week's results are used as input to solve for the current week. In addition, the model must respect the physical limitations of all warehouses, being able to meet the demand that specialized Amazon teams predict. The demand to be satisfied is the total inventory units and the customer shipments to the client on a weekly basis. The results of the model are all the flows of all the warehouses in Italy with weekly granularity and respecting all the previously mentioned restrictions.