RFID
l’impatto della tecnologia
RFID
sull’Out-of-Stock
di D. Berghenti, R. Bettone, P. Simonazzi
• Daniel Berghenti, ricercatore
presso il Dipartimento di Ingegneria industriale, Università di Parma;
• Riccardo Bettone, ricercatore presso il Dipartimento di Ingegneria industriale, Università di Parma;
• Paolo Simonazzi, ricercatore presso
il Dipartimento di Ingegneria industriale, Università di Parma.
Cortesia Rewe Group
In questo articolo si analizzano e si quantificano in maniera sistematica i benefici derivanti
dall’utilizzo della tecnologia RFID per il monitoraggio dell’On Shelf Availability (OSA) e la riduzione
dell’Out of Stock (OOS) sullo scaffale del punto vendita della grande distribuzione organizzata (GDO).
Attraverso il monitoraggio giornaliero di oltre 100 prodotti continuativi appartenenti a quattro
categorie merceologiche su 30 punti vendita (ipermercati e supermercati della GDO italiana) è stato
possibile stimare i benefici ottenibili dall’impiego della tecnologia RFID, in termini di riduzione
dell’out-of-stock, ossia perdita di fatturato per produttore e distributore in seguito alla mancanza del
prodotto sul lineare. Oltre all’entità dell’OOS, sono state valutate puntualmente le cause da cui
questo è dovuto. L’analisi evidenzia come nella maggior parte delle situazioni, l’OOS potrebbe essere
risolto grazie all’impiego della tecnologia RFID per la gestione del ripristino del lineare
Logistica Management >ottobre 2011<
87
>> L’impatto della tecnologia rfid sull’Out-of-Stock
INTRODUZIONE
L’out-of-stock (OOS) è un problema che
coinvolge tutti gli attori della supply
chain, dal manufacturer fino al
consumatore finale. Esso consiste nella
mancanza di prodotto nel momento in
cui lo stesso è richiesto dal cliente.
L’indice complementare dell’OOS è l’ON
Shelf Availability, indicatore che viceversa
misura la probabilità di presenza a
scaffale di una referenza.
Si stima che, fatto 100 il numero di
prodotti potenzialmente presenti in un
punto vendita, la percentuale di prodotti
in OOS si attesta in un range del 5÷10%,
con un livello medio pari a circa l’8%
(Corsten e Gruen, 2003-2007; ECR Europe,
2003). Da una indagine condotta da ECR
Europe (2003), è possibile osservare che:
 la disponibilità del singolo prodotto
diminuisce spostandosi a valle nella
supply chain;
 i livelli di OOS variano in base alle
caratteristiche della categoria dei prodotti
considerata;
 i prodotti non in promozione mostrano
più alti livelli di presenza a scaffale
rispetto agli articoli promozionali;
 il fenomeno dell’OOS varia in base alla
struttura del punto vendita esaminato;
 il fenomeno dell’OOS varia in base ai
giorni della settimana; in particolare, i
giorni più colpiti da situazioni di OOS
sono l’inizio e la fine della settimana;
 elevati livelli di inventory non
determinano necessariamente una
corrispondente disponibilità di prodotto;
 non c’è un significativo impatto del
sistema distributivo utilizzato sui livelli di
OOS rilevati.
In termini economici, la mancanza di
prodotti a scaffale non sempre genera
una mancata vendita per il retailer e/o
per il manufacturer: infatti occorre
prendere in considerazione il
comportamento del cliente. A fronte di
una non disponibilità di prodotto a
scaffale, il cliente può decidere di
acquistare una referenza sostitutiva o di
posticipare l’acquisto. In base ad alcune
ricerche scientifiche (ECR Europa, 2003;
Corsten e Gruen, 2003-2007; Hardgrave,
Waller and Miller, 2005-2006), il
comportamento del consumatore di
fronte a situazione di OOS è classificato
come segue:
 acquisto di un prodotto di un altro
marchio, comportamento tenuto in circa
il 25% dei casi;
 acquisto di un prodotto sostitutivo
dello stesso marchio, comportamento
tenuto in circa il 19% dei casi;
88
 acquisto del prodotto in un altro punto
vendita, comportamento tenuto in circa il
31% dei casi;
 ritardo nell’acquisto, comportamento
tenuto in circa il 15% dei casi;
 mancato acquisto, comportamento
tenuto in circa il 10% dei casi.
Alla luce delle possibili casistiche, a fronte
di un OOS, si ha una mancata vendita per il
manufacturer in circa il 35% dei casi, mente
per il retailer la percentuale cala al 31%.
Le differenze comportamentali sono
attribuibili a diversi fattori; ne sono
esempi i diversi gradi di fidelizzazione del
cliente, la categoria di prodotti
considerata, il fatto che il prodotto sia o
meno in promozione, il giorno della
settimana, e cosi via (ECR Europa, 2003).
ECR Europa (2003) ha quantificato in
termini economici le conseguenze della
mancanza di prodotto a scaffale presso il
punto vendita, arrivando ad affermare
che il fenomeno dell’OOS comporta
perdite economiche per la supply chain
pari a circa quattro miliardi di euro
all’anno.
Tale stima considera sono i danni
“tangibili” derivanti dalla mancanza di
prodotto, in quanto è riferita alla sola
percentuale di clienti che, a fronte
dell’OOS, decide di non procedere
all’acquisto del prodotto.
l’OOS al punto vendita, le cause della
mancanza di un prodotto a scaffale sono
di seguito descritte.
i) Inventory inaccuracy. I dati di giacenza
non sono coerenti con la reale giacenza a
magazzino; il PV emette quindi ordini che
si basano su dati di inventario non
corretti e non effettua i necessari riordini,
generando OOS.
ii) Danneggiamenti o shrinkage. Può
succedere che durante i controlli
effettuati dal personale, l’operatore si
accorga della presenza a scaffale di
prodotti con una shelf life non conforme
alla data di scadenza.
In questo caso il prodotto viene ritirato,
generando una situazione di stock-out, in
attesa della nuova consegna del prodotto.
La stessa situazione si verifica per i
prodotti che sono stati danneggiati per
diversi motivi.
iii) Shelf replenishment. Il prodotto può
essere in out-of-stock perché, anche se
presente a magazzino, non è stato
rifornito a scaffale e si trova nel negozio
del punto vendita.
iv) Errori nell’elaborazione dell’ordine da
parte del punto vendita. Il punto vendita
può avere effettuato un ordine
insufficiente a soddisfare la richiesta di
prodotto da parte del cliente, non aver
effettuato affatto l’ordine, oppure aver
effettuato l’ordine in ritardo.
ECR Europa (2003) ha quantificato in
termini economici le conseguenze della
mancanza di prodotto a scaffale presso il punto
vendita, arrivando ad affermare che il
fenomeno dell’OOS comporta perdite
economiche per la supply chain pari a circa
quattro miliardi di euro all’anno
LE PRINCIPALI CAUSE DELL’OUT-OF-STOCK
Il fenomeno dell’OOS può manifestarsi
essenzialmente in tre modalità differenti:
i) il prodotto non è presente a scaffale,
anche se è presente la sua etichetta;
ii) il prodotto è posizionato sia a scaffale
che in particolari display (situazione
tipica nel caso di vendite promozionali),
ma al momento dell’acquisto uno dei due
risulta essere vuoto; infine il prodotto non
è presente a scaffale e manca anche la sua
etichetta.
Stanti le modalità con cui si presenta
>ottobre 2011< Logistica Management
v) Errori nell’evasione dell’ordine da parte
del centro di distribuzione. Il CeDi deve
elaborare ordini conformi alla richiesta
ricevuta dagli attori posti a valle della
supply chain.
vi) Errori di previsione della domanda. Il
prodotto può esaurirsi sullo scaffale
espositivo qualora la domanda dello stesso
da parte del cliente abbia registrato un
incremento improvviso e inatteso.
vii) Prodotto rimosso dall’assortimento del
punto vendita. Il prodotto può essere in
out-of-stock perché momentaneamente
rimosso dal regolare assortimento senza
>> L’impatto della tecnologia rfid sull’Out-of-Stock
Figura 1
Figura 2
valore medio giornaliero di
OOS, NOS, TOT per tutti i PV analizzati.
Valore medio per giorno della settimana di OOS, NOS, TOT per tutti
PV analizzati.
i
che questo sia stato comunicato al
manufacturer, a causa di scelte di tipo
commerciale o ad altre motivazioni.
viii) Ritardo o errata programmazione delle
consegne. Ritardi nella consegna dei
prodotti da parte dei vari attori della
supply chain possono generare situazioni
di out-of-stock presso il punto vendita.
ix) Stock out presso il CeDi a monte. È
possibile che il ritardo di consegna, o la
mancata consegna, della merce al PV sia
causata da mancanza di prodotto presso i
magazzini delle strutture a monte nella
supply chain, ovvero i depositi centrali o
periferici del retailer.
90
L’IMPATTO DELL’RFID NELLA RIDUZIONE
DELL’OUT-OF-STOCK
La quantificazione dei benefici dovuti alla
riduzione del fenomeno dell’out-of-stock
sul punto vendita, per le referenze
continuative, tramite l’utilizzo della
tecnologia di identificazione automatica
a radio frequenza (RFID) è stata effettuata
tramite l’applicazione del modello
descritto in Bottani et al., 2009,
raccogliendo dati quantitativi sul campo.
In particolare sono state raccolte
informazioni relative al fenomeno
dell’OOS in termini di:
>ottobre 2011< Logistica Management
 valore percentuale dell’OOS, ovvero
probabilità di accadimento dello stesso,
misurato sul numero di referenze presenti
in assortimento nel punto vendita;
 causa a cui imputare la mancanza del
prodotto a scaffale.
Per questo sono state dapprima
individuate le diverse possibili cause di
stock-out dei prodotti presso il punto
vendita, al fine di individuare quelle sulle
quali la disponibilità di informazioni in
tempo reale relative ai flussi di prodotto,
fornita da RFID ed EPC Network,
consente di intervenire. Per ciascuna
delle cause individuate, è stata
determinata la corrispondente
probabilità di accadimento e la possibilità
di riduzione/eliminazione grazie
all’adozione della tecnologia RFID.
La probabilità di accadimento è stata
determinata attraverso una campagna di
raccolta dati su campo, monitorando per
oltre 30 giorni (3 giugno 2009 – 8 luglio
2009) la presenza a scaffale di circa 100
referenze su 30 punti vendita della grande
distribuzione organizzata, di cui 17
ipermercati e 13 supermercati ubicati nel
Nors Italia.
La campagna sperimentale
La raccolta dati è stata organizzata
tramite sopralluoghi giornalieri presso
tutti i punti vendita coinvolti nell’analisi,
in modo tale da garantire la raccolta delle
informazioni sempre nello stesso orario,
durante la fascia oraria pomeridiana. Il
monitoraggio, organizzato su 6 giorni a
settimana, ha verificato la presenza a
scaffale delle referenze, segnalando
l’eventuale out-of-stock riscontrato. Il
merchandiser si reca quotidianamente
presso ogni punto vendita, raccogliendo
le seguenti informazioni:
1) la presenza in assortimento della
referenza: se la referenza non è presente
in punto vendita e non è stata trovata
l’etichetta in area espositiva, si assume
che la referenza non sia in assortimento;
2) l’inventory a scaffale, cioè il conteggio
delle unità di vendita della referenza
presenti a scaffale, in qualsiasi posizione
essa si trovi. Per le referenze monitorate
vengono raccolte per ogni punto vendita
anche le seguenti informazioni:
1) quantità vendute (unità/gg) – quando
disponibile, si rileva il dato su base oraria;
2) quantità ordinate (unità/gg);
3) quantità ricevute (unità/gg) – quando
disponibile, si rileva il dato su base oraria.
Tali dati permettono di verificare la
coerenza delle informazioni raccolte sul
>> L’impatto della tecnologia rfid sull’Out-of-Stock
campo ed individuare le cause di stock
out; essi sono forniti direttamente dalle
aziende della GDO coinvolte con cadenza
settimanale.
Tramite tali informazioni e con interviste
dirette su campo, nei casi di OOS è stato
possibile risalire alla causa che ha
comportato la rottura di stock tra le 8
sopra citate.
APPLICAZIONE DEL MODELLO E ANALISI
DEI RISULTATI
I dati ottenuti relativi alle percentuali di
OOS e alle cause di OOS, dalle rilevazioni
effettuate, sono stati oggetto delle
seguenti analisi:
 statistiche descrittive relative ai livelli
di out-of-stock e near out-of-stock
(NOOS);
 statistiche descrittive relative alle cause
di out-of-stock;
 valutazioni economiche sull’impatto
delle tecnologie di identificazione
automatica RFID per la gestione dell’outof-stock.
Nel seguito sono riportati alcuni risultati
delle singole analisi effettuate.
Statistiche descrittive relative ai livelli di
out-of-stock e near out-of-stock
Le analisi effettuate hanno riguardato
l’individuazione del valore percentuale
dell’out-of-stock (OOS), del near out-ofstock (NOOS) e della somma dei due
(TOT) in differenti situazioni.
In figura 1 si riporta l’andamento
giornaliero di OOS, di NOOS e del totale.
Si nota che tutti i parametri presentano
un valore abbastanza elevato nei primi
giorni di rilevazione e negli ultimi, mentre
i valori diminuiscono e tendono a
mantenersi abbastanza costanti nella fase
centrale. Si specifica che gli ultimi giorni
di monitoraggio sono stati utilizzati per
recuperare le elaborazioni mancanti solo
presso alcuni punto vendita.
I giorni in cui non compaiono valutazioni
indicano i giorni in cui non sono state
effettuate le rilevazioni; in particolare
tutte le domeniche, e il giorno di chiusura
dei punti vendita.
Dal punto di vista qualitativo, gli
andamenti dell’OOS e del NOOS sono
sostanzialmente gli stessi, mentre
quantitativamente i valori rilevati sono
sostanzialmente in linea con quanto
evidenziato in precedentei lavori citati in
bibliografia, come per esempio ECR
Europa (2003).
Dai dati raccolti è possibile osservare che
i supermercati rispetto agli ipermercati
hanno valori lievemente inferiori per
quanto riguarda l’OOS, in linea con le
evidenze di letteratura, mentre sono
leggermente meno performanti per
quanto riguarda il NOOS.
Il secondo gruppo di statistiche
descrittive analizza l’insistenza del
fenomeno dell’OOS e del NOOS in
funzione del giorno della settimana della
rilevazione.
La Figura 2 riporta il valore medio per
giorno della settimana di OOS, NOS, TOT
per tutti i punti vendita analizzati. Dai
dati elaborati è possibile osservare come
il fenomeno dell’OOS e del NOOS sembri
in leggera controtendenza rispetto alle
vendite: il fine settimana dove si assiste
normalmente al maggior flusso di vendite
i valori rilevati sono lievemente inferiori
rispetto alla media. Al contrario i valori
>> L’impatto della tecnologia rfid sull’Out-of-Stock
Figura 3
Confronto fra valore complessivo di OOS, NOOS e somma dei due per ipermercati
e supermercati.
Tabella 1
Valore medio delle cause
di OOS.
Valore medio
più alti sono registrati nei giorni centrali
della settimana, martedì e mercoledì.
Qualitativamente gli andamenti dell’OOS
e del NOOS sono i medesimi per
ipermercati e supermercati; viceversa dal
punto di vista quantitativo valgono le
considerazioni fatte per l’andamento
giornaliero.
Si riporta in Figura 3 il valore complessivo
dell’OOS, del NOOS e della somma fra i
due confrontando i dati di ipermercati e
supermercati. Considerando la somma di
OOS e NOOS l’ipermercato sembra essere
più performante rispetto al
supermercato; per quanto riguarda OOS e
NOOS i comportamenti si invertono:
rispetto al fenomeno dell’OOS è più
Mancato replenishment
44,7%
Inventory inaccuracy
32,7%
Domanda imprevista
14,9%
Ritardo di consegna
7,0%
SO CEDI
11,7%
Errore allestimento
8,1%
SO strategico PV
6,0%
Referenza scaduta
4,9%
L’indice complementare dell’OOS è l’ON Shelf
Availability, indicatore che viceversa misura la
probabilità di presenza a scaffale di una
referenza. Si stima che, fatto 100 il numero di
prodotti potenzialmente presenti in un punto
vendita, la percentuale di prodotti in OOS si
attesta in un range del 5÷10%, con un livello
medio pari a circa l’8% (Corsten e Gruen, 20032007; ECR Europe, 2003)
P
Figura 4
ercentuale di OOS, NOOS e totale in relazione ai reparti.
performante il supermercato, mentre vale
il contrario rispetto al valore del NOOS.
Sono state condotte delle analisi di OOS,
NOOS e somma dei due, segmentando i
prodotti in relazione ai reparti produttivi.
Nella Figura 4 è possibile osservare che vi è
una sostanziale differenza nell’incidenza
dell’OOS e del NOOS in relazione al
reparto di appartenenza. I prodotti oggetto
dell’analisi sono stati suddivisi in 4 reparti
(i.e. generi vari, latticini e formaggi, igiene
casa e persona, surgelati), in accordo con
la suddivisione merceologica operata sul
punto vendita.
Per i generi vari, infatti, l’incidenza del
fenomeno OOS è inferiore alla media,
mentre è decisamente superiore alla
media per il reparto surgelati.
Quest’ultimo fenomeno è interpretabile
anche alla luce del periodo dell’anno in cui
si è svolta la rilevazione, corrispondente
92
>ottobre 2011< Logistica Management
>> L’impatto della tecnologia rfid sull’Out-of-Stock
Tabella 2
Confronto fra i valori medi delle cause di OOS fra ipermercati e supermercati.
Ipermercati
Supermercati
Mancato replenishment
42,8%
45,1%
Inventory inaccuracy
27,9%
19,1%
Domanda imprevista
11,3%
19,7%
Ritardo di consegna
4,8%
1,2%
SO CEDI
10,1%
5,8%
Errore allestimento
1,0%
2,3%
SO strategico PV
1,9%
4,6%
Referenza scaduta
0,2%
2,3%
all’inizio dell’estate 2009. In tale periodo le
rotazioni dei prodotti surgelati, a in
particolare dei gelati, risultano
particolarmente importanti, generando
problemi di replenishment sia a livello di
supply chain che di punto vendita. In
entrambi casi il risultato finale è un
aumento del fenomeno dello stock out.
Statistiche descrittive relative alle cause
di out of stock
I dati raccolti durante la campagna
sperimentale sono stati utilizzati per
valutare l’incidenza delle cause che
possono creare situazioni di OOS presso i
punti vendita. Sono quindi state
effettuate analisi delle cause,
precedentemente descritte, in relazione
alla data di rilevazione, alla tipologia di
punto vendita e al giorno della settimana.
Nella tabella 1 si riporta in dettaglio il
valore medio per ogni causa espresso in
percentuale.
Confrontando gli ipermercati rispetto ai
supermercati (cfr. Tabella 2) si nota che le
cause che hanno una maggiore incidenza
sul fenomeno dell’OOS sono mancato
replenishment, inventory inaccuracy e
domanda imprevista.
Per gli ipermercati lo stock out al CeDi
rimane un problema importante, mentre
per i supermercati lo stock out strategico
del punto vendita è più gravoso rispetto a
altre cause.
I dati raccolti vengono poi utilizzati per
valutare l’impatto delle 8 cause di out-of-
>> L’impatto della tecnologia rfid sull’Out-of-Stock
Tabella 3
Probabilità di eliminazione
delle cause di stock out.
Figura 5
Percentuale delle cause di out of stock per i reparti.
Valore medio
Mancato replenishment
44,7%
Inventory inaccuracy
32,7%
Domanda imprevista
14,9%
Ritardo di consegna
7,0%
SO CEDI
11,7%
Errore allestimento
8,1%
SO strategico PV
6,0%
Referenza scaduta
4,9%
Tabella 4
Comportamento del cliente.
Comportamento
Tabella 5
Dati per il calcolo dei costi amministrativi.
Dati amministrativi
media
media
del cliente
Acquisto marchio
sostitutivo
32%
Non acquisto niente
15%
Acquisto stesso marchio
18%
Acquisto in PV diverso
24%
Posticipa l’acquisto
12%
stock in relazione ai reparti a cui
appartengono le referenze monitorate.
La Figura 5 riporta l’incidenza
percentuale delle cause di OOS sui diversi
reparti.
Le percentuali variano in base al reparto;
complessivamente si nota che la causa
che ha maggior incidenza su tutti i reparti
individuati è dovuta al mancato
replenishment, mentre la causa relativa
alla referenza scaduta compare solo in
corrispondenza del reparto latticini e
salumi.
Valutazione del saving economico
In questa sezione, i dati quantitativi
raccolti durante la campagna
sperimentale, sono utilizzati per
quantificare il possibile recupero di
fatturato grazie all’adozione di tecnologie
di identificazione automatica per la
gestione delle referenze sul punto
vendita.
L’analisi è stata svolta considerando un
94
Ore uomo mediamente dedicate al controllo per il
ripristino degli scaffali (AS IS)
[huomo/gg]
1,33
Costo manodopera controllo
[e/huomo]
19,91
Ore uomo dedicate ai riordini imprevisti
[huomo/gg]
1
Costo manodopera riordini
[e/huomo]
19,91
Percentuale riduzione ore uomo dedicate dal
controllo degli scaffali
[%]
0,8
caso medio relativo ai supermercati, uno
relativo agli ipermercati e uno
complessivo, che comprende ipermercati
e supermercati, i cui valori sono ottenuti
come media dei dati forniti.
Per il modello di calcolo vengono
utilizzati i seguenti dati comuni:
 probabilità di eliminazione della causa
di stock out, riportate in Tabella 3;
 probabilità che descrivono il
comportamento del cliente, dedotte da
diversi studi proposti dalla letteratura,
riportate in Tabella 4;
 dati amministrativi relativi al punto
vendita, che derivano da questionari
somministrati puntualmente, riportati in
Tabella 5.
I dati che variano in base alle diverse
situazioni esaminate sono i seguenti:
 dati relativi al fatturato del singolo
punto vendita e ai giorni di apertura, che
derivano dai questionari sottoposti ai
referenti dei PV;
>ottobre 2011< Logistica Management
 percentuale di cause di stock out, di
referenze in stock out e in near stock out,
calcolate dall’elaborazione dei dati
raccolti durante la campagna
sperimentale.
Per il calcolo del saving economico si è
applicato il modello descritto in Bottani
et al., 2009.
Con i valori di probabilità di recupero
fatturato risultanti, si è quindi calcolato il
recupero di fatturato totale per la supply
chain, che è stato successivamente
distribuito tra gli attori, manufacturer e
retailer, in funzione del comportamento
del cliente.
Lo stesso modello di calcolo è stato poi
utilizzato per quantificare i costi cessanti
relativi alle due tipologie di punto
vendita, ipermercato e supermercato.
La Tabella 7 riassume le percentuali delle
cause di stock out riscontrate presso i
punti vendita.
>> L’impatto della tecnologia rfid sull’Out-of-Stock
Tabella 6
Percentuale relativa alle
cause di stock out per il caso
Tabella 7
Percentuale delle cause di stock out relative ad ipermercato e supermercato.
Cause di stock out
IPER+SUPER.
Cause di stock out
ipermercato
supermercato
Mancato replenishment
43%
45%
Inventory inaccuracy
28%
19%
Domanda imprevista
11%
20%
Ritardo di consegna
5%
1%
SO CEDI
10%
6%
Errori spedizione/allestimento
1%
2%
Mancato replenishment
44%
Inventory inaccuracy
25%
Domanda imprevista
14%
Ritardo di consegna
4%
SO CEDI
9%
Errori spedizione/
allestimento
1%
SO strategico PV
3%
SO strategico PV
2%
5%
Referenza scaduta
1%
Referenza scaduta
0%
2%
Tabella 8
Calcolo costi cessanti nei vari casi.
Tabella 9
Risultati dei costi cessanti.
% media
manufacturer
2,1%
retailer
1,8%
TOTALE
manufacturer
2,1%
retailer
1,8%
manufacturer
2,1%
retailer
1,8%
% media
In Tabella 8 è riportato lo schema
riassuntivo dei costi cessanti, calcolato
nei vari casi sopra citati, in valore
percentuale sul fatturato.
Per entrambi gli attori i risultati ottenuti
sarebbero ampiamente sufficienti a
giustificare il ritorno dell’investimento
(Bottani e Rizzi, 2005).
Per completezza della trattazione, si
riporta in Tabella 9 lo schema riassuntivo
dei costi cessanti attribuiti a ogni reparto,
sempre espresso in percentuale sul
fatturato del reparto.
CONCLUSIONI
Dai risultati si deduce che l’introduzione
della tecnologia RFID utilizzata per il
monitoraggio dei prodotti al fine di
evitare situazioni di stock out a scaffale,
comporta evidenti benefici economici sia
per il retailer che per il manufacturer; in
particolare si deduce che i maggiori
benefici economici sono relativi al
1,7%
retailer
1,5%
manufacturer
2,1%
retailer
1,9%
manufacturer
2,4%
retailer
2,1%
manufacturer
4,4%
retailer
3,7%
IGIENE CASA E PERSONA
IPERMERCATI
SUPERMERCATI
manufacturer
GENERI VARI
LATTICINI E SALUMI
SURGELATI
reparto latticini e salumi e al reparto
surgelati, ossia laddove è maggiore
l’incidenza del fenomeno dell’OOS.
Al fine di verificare sul campo la bontà del
modello proposto, è stata avviata da RFID
Lab Università degli Studi di Parma una
sperimentazione pilota denominata RFID
Logistics Pilot II.
Tramite questo pilota si misureranno sul
campo i valori di OOS senza l’impiego di
tecnologia RFID e con l’impiego di
tecnologia RFID, verificando quindi
sperimentalmente i risultati del presente
lavoro. I risultati della sperimentazione
saranno disponibili nella seconda metà
del 2011. 
Bibliografia
1 - Bottani, E., Montanari, R., & Rizzi, A. (2009). The impact of RFID technology and EPC system on stockout of promotional items. International Journal of RF Technologies: Research and Applications, 1(1), 6-22;
2 - Corsten D., Gruen T. (2003). Desperately seeking shelf availability: an examination of the extent, the
causes, and the efforts to address retail out-of-stock. International Journal of Retail & Distribution
Management, 31(12), 605-617;
3 - Corsten D., Gruen T. (2007). A Comprehensive Guide to Retail Out-of-Stock Reduction in the FastMoving Consumer Goods Industry. Available at: http://www.gmabrands.com/publications/docs/2007/
OOS_fullcapitolo.pdf;
4 - ECR Europe (2003). ECR-optimal shelf availability. Available at http://www.ecrnet.org/04publications/blue_books/pub_2003_osa_blue_book.pdf;
5 - Hardgrave B., Waller M., Miller R. (2005). Does RFID reduce out of stocks? A preliminary analysis.
Available at http://itri.uark.edu/ITRI-WP058-1105;
6 - Hardgrave B., Waller M., Miller R. (2006). RFID’s impact of on out of stocks: a sales velocity analysis.
Available at http://itri.uark.edu/ITRI-WP068-0606.
Logistica Management >ottobre 2011<
95