Dopo una collaborazione pluriennale, nel 2025, Politecnico di Milano e ManHandWork (MHW), appaltatore logistico che gestisce oltre 60 magazzini in tutta Italia, con quasi 3.000 risorse in organico hanno dato vita a un nuovo progetto con l’obiettivo di sperimentare l’uso dell’intelligenza artificiale per creare strumenti innovativi di efficientamento dei processi.
In particolare, il team del Politecnico di Milano ha lavorato al fianco di MHW per lo sviluppo di un algoritmo di machine learning, progettato per migliorare un’attività centrale per l’operatività dei magazzini: il picking.
Gli obiettivi del progetto: picking al centro
Lo studio è stato condotto presso il sito di Lindt & Sprüngli Italia, storico cliente di MHW e parte del Gruppo Lindt & Sprüngli, leader nella produzione di cioccolato premium. L’iniziativa aveva una duplice finalità: da un lato ottimizzare le tempistiche operative, dall’altro bilanciare il carico di lavoro tra gli addetti, creando un ambiente di lavoro più efficiente, sicuro e sostenibile.
Il punto di partenza è stato l’analisi di un importante patrimonio di dati proveniente dal magazzino di Magenta (MI) di Lindt & Sprüngli Italia.
Dalle caratteristiche degli articoli – peso, volume, dimensioni – alle informazioni sulle missioni di picking, come tempi di esecuzione e distanze da percorrere, fino a dettagli sugli operatori, come anzianità, mansione e persino una stima dello sforzo fisico richiesto per ogni attività.
Attraverso queste informazioni, si è potuto creare un modello predittivo capace di stimare la durata di ogni missione e l’impatto fisico sull’operatore, ponendo così le basi per un sistema di assegnazione task dinamico e intelligente.
Il nuovo algoritmo analizza i dati di ogni missione e calcola a quale operatore assegnarla, secondo specifici criteri che permettono di distribuire il carico di lavoro in modo equilibrato. Il risultato è un duplice vantaggio: migliori performance operative e una maggiore tutela della salute e del benessere dei lavoratori.
I risultati della fase di test
I dati raccolti nella fase di test parlano chiaro: la variabilità nella distribuzione delle missioni può ridursi di oltre il 20%, mentre la deviazione standard dello sforzo fisico richiesto agli operatori può calare del 20% circa, con un impatto positivo sui tempi di picking (con un calo medio di quasi il 10% registrato sulla giornata) e su sicurezza e qualità del lavoro.
“La logistica è un settore in continua evoluzione, crediamo che l’unione tra ricerca accademica ed esperienza sul campo sia la chiave per affrontare sfide sempre più articolate.” Annalisa Cavallo, Amministratore Delegato di ManHandWork.
I prossimi step
L’esperienza realizzata non si esaurisce con questa fase di test. Il modello sviluppato è scalabile e replicabile: potrà essere adattato a contesti logistici differenti e a processi diversi, come la sinergia del personale su più siti.
I prossimi step prevedono test di fattibilità anche su larga scala, un miglioramento continuo dell’algoritmo attraverso nuovi dati e l’integrazione completa del sistema nei software gestionali Lindt & Sprüngli Italia, trasformandolo in uno strumento operativo quotidiano.
Questo progetto conferma che l’innovazione non è mai solo tecnologia, ma nasce dall’incontro tra persone, dati e visione strategica.
“La partnership con il Politecnico di Milano e con clienti come Lindt & Sprüngli ci permette di guardare al futuro della logistica con ottimismo e con un approccio proattivo.” Marco Covarelli, Presidente e titolare di MHW.
