Torna alla ricerca di mercato
Factible Tools è un software cloud per progettare reti di supply chain e svolgere pianificazione tattica. Supply Chain Designer modella siti, approvvigionamenti e flussi di prodotti; Tactical Planner valuta produzione, capacità, scorte e approvvigionamenti lungo i periodi di pianificazione. Gli utenti caricano dati aziendali, stabiliscono una base di confronto e confrontano scenari alternativi. I due prodotti condividono interfaccia e modello dati. (1, 2, 3, 14)
Punteggio complessivo supply chain: 4,0/10.
| Dimensione | Punteggio |
|---|---|
| Profondità nella supply chain | 4,0/10 |
| Sostanza delle decisioni e dell’ottimizzazione | 3,6/10 |
| Integrità del prodotto e dell’architettura | 4,0/10 |
| Trasparenza tecnica | 3,8/10 |
| Serietà del fornitore | 4,4/10 |
Factible Tools affronta decisioni economiche significative con un’applicazione volutamente mirata. Il limite centrale è trattare un futuro incerto come un insieme di scenari specificati separatamente. La documentazione pubblica spiega come cambiare ipotesi e ottenere un piano ottimizzato; non dimostra una politica che valorizzi congiuntamente l’incertezza di domanda, offerta e tempi. Una soluzione migliore per un futuro ipotizzato può restare un cattivo impegno nell’operatività reale. (2, 4, 5)
Il processo self-service ha riscontri concreti: i pianificatori modificano da soli i modelli e una versione del 2026 espone nuovi vincoli specifici. Restano aperte la qualità del modello economico, lo sforzo continuo di manutenzione e la differenza tra miglioramenti modellati e ritorni realizzati. (6, 7, 8)
Factible Tools e Lokad a confronto
Factible Tools propone ai pianificatori analisi strategiche e tattiche di scenari. L’ottimizzazione della supply chain di Lokad si concentra sulle decisioni ricorrenti di acquisto, produzione, allocazione e riapprovvigionamento, rappresentando esplicitamente futuri incerti e compromessi economici. La distinzione riguarda il lavoro svolto dal software e le ipotesi che porta nella decisione.
Uno studio di rete può individuare un assetto di approvvigionamento più economico per una previsione scelta. La decisione operativa dipende anche da come l’assetto si comporta quando cambia la domanda, le consegne ritardano, i prodotti si sostituiscono o più vincoli diventano attivi contemporaneamente. La prospettiva di Lokad, illustrata in Introduction to Supply Chain, rende queste interazioni parte del problema economico.
L’attrattiva di Factible è un’interfaccia mirata e un percorso relativamente diretto dal foglio di calcolo al confronto tra scenari. L’approccio programmatico di Lokad rende più esplicita la logica decisionale, ma richiede modellazione tecnica e manutenzione continua. Per entrambi, la domanda difficile è se il modello catturi i meccanismi aziendali che cambiano l’azione migliore. L’ottimalità matematica in una rappresentazione inadeguata non risolve il problema; è la distinzione sviluppata in Holimization.
Ambito del prodotto e vincoli implementati
Tactical Planner punta a un orizzonte da uno a diciotto mesi e supporta attività S&OP mensili o trimestrali. Il processo pubblicato carica dati da Excel, stabilisce una base, esegue piani alternativi e porta i confronti a una riunione. L’integrazione ERP è opzionale. Il risultato è una decisione di pianificazione da valutare umanamente; non è documentato un ciclo continuo di produzione che emetta transazioni operative. (3)
La versione del gennaio 2026 aggiunge una regola che impone a ogni cliente un unico stabilimento o centro distributivo fornitore, e un volume totale minimo di spedizione per ogni impianto o centro utilizzato. Entrambe sono esposte come parametri di scenario. La soglia di volume riguarda l’attività totale della struttura. (6)
Questi controlli possono rappresentare vere restrizioni aziendali. Mostrano anche perché mantenere parametri sia lavoro sostanziale. Una regola a fonte unica può semplificare le operazioni impedendo al contempo una ripartizione più economica o resiliente. Un volume minimo può rappresentare costi fissi, ma la soglia appropriata cambia con margini, prezzi dei trasporti e alternative. Il modello dovrebbe rendere visibili le conseguenze economiche delle regole, anziché trattare ogni politica ereditata come un vincolo indiscutibile.
La pagina sull’approvvigionamento elenca separatamente prezzi dei fornitori, quantità minime, capacità e obblighi contrattuali. Quella sulla produzione comprende capacità di linea, cambi di serie, previsioni e politiche di scorta. Sono input pertinenti; il materiale pubblico non espone formulazione, interazioni o scala supportata. (4, 5)
Ottimizzazione degli scenari e incertezza
La descrizione produttiva di Factible promette un piano matematicamente ottimale date previsioni e politiche fornite. Questa precisazione definisce la debolezza pratica. Le supply chain devono impegnare risorse prima che il futuro sia noto, e il costo dell’errore è raramente simmetrico. Un piano costruito attorno a una previsione centrale può impegnare troppo presso un fornitore fragile o sottovalutare la capacità flessibile. (4)
Cambiare un input e rieseguire uno scenario è un’utile analisi di sensibilità. Non fornisce probabilità, dipendenze e conseguenze necessarie a scegliere un’azione prima che l’incertezza si risolva. Neppure un menu di scenari ottimali separatamente identifica una politica attuabile per adattarsi nel tempo. Le prove pubbliche sul prodotto non stabiliscono questo collegamento.
La domanda è solo una fonte di rischio. Ritardi dei fornitori, resa produttiva, guasti e variabilità dei trasporti possono cambiare sia le azioni possibili sia i costi. Un piano di approvvigionamento richiede una proiezione di quantità e tempi incerti, comprese cause comuni di guasto. Un fornitore con un prezzo basso può diventare costoso includendo carenze, trasporti urgenti o scorte protettive che ne derivano.
L’ottimizzatore sottostante non è identificato pubblicamente. Questo impedisce di esaminarne formulazione e limiti, ma il problema centrale è già visibile nel processo: input specificati producono piani ottimizzati separati. Nominare un risolutore o fornire un benchmark più veloce non dimostrerebbe che la rappresentazione scelta prende decisioni economicamente valide sotto incertezza.
Factible offre anche ProdFlow, uno strumento di simulazione produttiva basato su FlexSim. Il servizio FlexSim più ampio affronta esplicitamente tempi di lavorazione variabili, guasti, picchi di domanda e adattamento di distribuzioni statistiche. Sono capacità separate nell’offerta complessiva. La documentazione pubblica non descrive un meccanismo unificato di retroazione attraverso cui le loro stime d’incertezza cambino le decisioni dell’ottimizzatore di rete. (18, 19)
Risultati dei clienti: al risultato di un modello serve un consuntivo operativo
Il caso di un’azienda lattiero-casearia colombiana del maggio 2025 riguarda un contratto di fornitura del latte in scadenza. Factible costruì una base 2024, allentò vincoli e confrontò alternative. Attribuisce un miglioramento dell’utile del 3,75% a diversi flussi di latte crudo e un altro 2,43% a un centro distributivo aggiuntivo a Valledupar, presentando il risultato combinato come oltre il 6% di utile operativo in più. L’articolo non fornisce date d’implementazione, periodo contabile realizzato o riconciliazione tra costi previsti ed effettivi. (7)
Il meccanismo aziendale è plausibile: un contratto in scadenza può rendere praticabili opzioni prima indisponibili. La percentuale riportata richiede comunque denominatore, riferimento realizzato e costo operativo del nuovo assetto. Una struttura può richiedere poco capitale iniziale aggiungendo però affitto, personale, movimentazione, scorte e coordinamento. Il caso dimostra più chiaramente un esercizio di modellazione quantificato che un risultato finanziario misurato.
Un caso tariffario dell’aprile 2025 è più ristretto e concreto. Durante la presentazione di una prova di fattibilità, due pianificatori del cliente cambiarono i costi modellati delle forniture colombiane e messicane verso gli Stati Uniti, rieseguirono il modello e confrontarono i risultati. Dimostra reattività e controllo dell’utente. Non misura risparmi successivi né stabilisce una strategia robusta a ulteriori cambiamenti tariffari. (8)
Il modulo di redditività di Factible riconosce costi di produzione, logistica, mantenimento delle scorte e servizio per prodotto e cliente. È un punto di partenza migliore dell’ottimizzazione di un punteggio previsionale. Resta da capire se i costi catturino le conseguenze delle decisioni, compresi effetti non lineari e incertezza, anziché semplicemente distribuire spesa storica. (22)
Costo di manutenzione e prova di produttività
Gli scritti metodologici più solidi di Factible riguardano la manutenzione. La guida d’implementazione del dicembre 2024 richiede preparazione automatica dei dati, controlli d’integrità, gestione degli scenari e flessibilità quando emergono requisiti omessi. Identifica inoltre soluzioni scadenti e sistemi troppo dispendiosi in termini di tempo come cause di fallimento. Sono priorità ingegneristiche utili. (9)
L’attuale processo centrato su Excel abbassa la barriera iniziale d’integrazione. Crea anche una scelta sul lavoro ricorrente: mantenere flussi automatici affidabili o preparare e riconciliare ripetutamente fogli di calcolo. Un primo scenario rapido non misura il costo di aggiornare capacità dei siti, tariffe, trasformazioni dei prodotti, tabelle di costo e regole contrattuali.
Il saggio del fornitore del settembre 2025 riporta circa 1.500 campi di database e si oppone all’aggiunta di dettagli solo per apparire completi. Il numero di campi è una misura debole sia della profondità analitica sia della semplicità. La prova sostanziale è quanti concetti aziendali i clienti debbano mantenere, come vengano verificate le modifiche e quali omissioni potrebbero invertire la decisione preferita. (10)
Questa preoccupazione ha una lunga storia nel team. Il resoconto di Jerry Bendiner del 2016 su Chemtrade descrive un’applicazione Opti-Net su misura collegata a SAP, evoluta attraverso nuovi vincoli, report e modifiche a modello, dati, interfaccia e analisi. La durata descritta dipendeva da un adattamento continuo. Il prodotto attuale richiede una spiegazione altrettanto chiara di chi svolga quel lavoro quando le esigenze del cliente superano il modello configurabile. (17)
In un ambiente di software agentico, la produttività include mantenere e migliorare il sistema decisionale. Manipolare scenari più velocemente aiuta, ma la prova più ampia è se controlli sui dati, revisioni dei modelli, confronti di regressione e distribuzione possano avvenire con meno sforzo totale di cliente e fornitore. Factible non espone un’interfaccia pubblica di modello programmabile né un processo di rilascio e test della logica cliente esaminabile indipendentemente.
Il saggio del marzo 2025 sui progetti di pianificazione lenti afferma che spesso il fallimento non è colpa dello strumento. Questa spiegazione va verificata contro la diagnosi precedente del fornitore: un modello che omette una regola aziendale può dare cattive raccomandazioni e l’applicazione deve adattarsi. I clienti dovrebbero distinguere difetti dei dati, omissioni del modello, scarsa ergonomia e cattive decisioni tramite prove registrate. Attribuire la colpa solo ad adozione o ambito lascerebbe senza valutazione il contributo del fornitore. (13, 17)
Storia tecnologica e seguito delle promesse IA
| Periodo | Evidenza | Significato |
|---|---|---|
| Anni 1990–2016 | La storia di modellazione su misura di Technologix include la longeva applicazione Chemtrade descritta da Bendiner. (16, 17) | Sostiene esperienza di modellazione e continuità di manutenzione; si tratta di software storico personalizzato. |
| 2024 | Le guide pubblicate enfatizzano ambito del modello, preparazione dati e fallimenti d’implementazione. Un articolo distinto sulle tendenze promuove ampiamente IA, machine learning, gemelli digitali, IoT e automazione. (9, 12) | Le indicazioni d’implementazione sono più specifiche delle affermazioni sulle tendenze. |
| 2025 | I casi mostrano scenari di rete lattiero-casearia e tariffe; il prodotto sostiene una superficie di modellazione più piccola e accessibile. (7, 8, 10) | Il focus su preparazione degli scenari e usabilità per analisti è costante. |
| Ottobre 2025 | AI Copilot viene presentato per analisi e raccomandazioni in linguaggio naturale; l’articolo descrive modelli di nuova generazione che imparano a rieseguire e affinare scenari. (11) | La futura automazione dichiarata manca di una valutazione pubblicata o di un meccanismo tecnico. |
| Gennaio 2026 | La versione 26.1 aggiunge due vincoli specifici e ne aggiorna configurazione e documentazione. (6) | È visibile manutenzione concreta del modello, con affermazioni molto più circoscritte della roadmap IA. |
L’articolo sulle tendenze del 2024 presenta i gemelli digitali come mezzo per anticipare risultati, senza specificare come valutarne l’accuratezza predittiva. È una promozione generale, non una prova che Factible Tools abbia rilasciato ogni tecnologia citata. La debolezza è suggerire che più simulazione e visibilità riducano automaticamente il rischio decisionale. L’utilità del modello dipende dall’accuratezza delle conseguenze che prevede per azioni concorrenti.
Anche l’annuncio di AI Copilot enfatizza il supporto al giudizio. Non pubblica modello linguistico, processo di ancoraggio ai dati, confini dei dati o test che colleghino raccomandazioni a piani fattibili e redditizi. La riesecuzione automatica proposta conterebbe se scoprisse affidabilmente alternative economicamente rilevanti preservando i vincoli. Generare commenti persuasivi su risultati esistenti è una capacità molto più ridotta. (11)
La pagina aziendale attuale distingue esplicitamente l’esperienza pluridecennale del team dalla piattaforma cloud odierna e identifica ruoli di modellazione, integrazione dati e infrastruttura. I nomi di clienti provenienti da quella storia vanno letti entro tale ambito. Non sono un conteggio degli attuali impieghi SaaS. (15)
Distinta software e sicurezza
| Strato | Evidenza pubblicamente stabilita | Limite sostanziale |
|---|---|---|
| Interfaccia attuale | Il login pubblico di Factible Tools e il JavaScript fornito contengono componenti Phoenix LiveView. (20) | Identifica la tecnologia dell’interfaccia web, non il motore di ottimizzazione o il database. |
| Scambio dati | Il prodotto usa input Excel strutturati; l’integrazione automatica è opzionale. (3) | Aggiornamento, validazione e riconciliazione richiedono ancora un responsabile operativo. |
| Motore di ottimizzazione | Il prodotto descrive ottimizzazione matematica. | Identità del risolutore, formulazione, limiti di calcolo e ciclo delle dipendenze non sono divulgati. |
| Simulazione produttiva complementare | ProdFlow è costruito su FlexSim. (18) | Licenze e manutenzione dei modelli sono una dipendenza distinta dall’applicazione SaaS di rete. |
| Applicazioni storiche personalizzate | La vecchia implementazione Chemtrade usava Opti-Net e integrazione SAP. (17) | Quell’implementazione storica non specifica l’attuale architettura SaaS. |
I componenti visibili non sostengono una stima dettagliata dei costi di hosting. Le informazioni pubbliche su lavoro e prodotto non hanno stabilito database di produzione, fornitore cloud o stack d’esecuzione dei modelli. Una divulgazione utile identificherebbe i componenti davvero necessari al servizio, le responsabilità di manutenzione e come i modelli specifici dei clienti sopravvivano agli aggiornamenti.
La documentazione di sicurezza è ancora più scarsa. L’informativa pubblicata riguarda visitatori del sito, moduli di contatto, supporto, email e cookie. Non spiega protezione dei modelli supply chain caricati, separazione dei clienti, accesso privilegiato del supporto, backup, conservazione o trattamento da parte dei fornitori IA. I modelli possono contenere costi, contratti e piani di capacità commercialmente sensibili. La loro custodia richiede una descrizione della sicurezza in produzione. (21)
Il login pubblico mostra un’applicazione con autenticazione; non stabilisce i controlli sui dati di un cliente autenticato. L’analisi assistita da IA aggiunge un confine: quali contenuti del modello escano dall’applicazione, quale fornitore li riceva e quali modifiche generate richiedano una validazione indipendente. La descrizione attuale del Copilot lascia queste domande aperte.
Punteggio supply chain
Il risultato complessivo è la media di 25 criteri con uguale peso: 3,96/10, visualizzata come 4,0/10.
Profondità nella supply chain
| Criterio | Punteggio |
|---|---|
| Impostazione economica | 5/10 |
| Decisione come risultato finale | 4/10 |
| Chiarezza concettuale sulla supply chain | 5/10 |
| Indipendenza da dottrine centrali obsolete | 3/10 |
| Resistenza al teatro dei KPI | 3/10 |
Media: 4,0/10.
Impostazione economica — 5/10. Utile e costo del servizio sono obiettivi pertinenti. La loro adeguatezza dipende dal rappresentare conseguenze delle decisioni anziché distribuire semplicemente costi su una previsione fissa. (22)
Decisione come risultato finale — 4/10. I piani guidano impegni rilevanti, ma valutazione ed esecuzione restano responsabilità umane separate. La produzione ricorrente di transazioni automatiche non è dimostrata pubblicamente. (3)
Chiarezza concettuale sulla supply chain — 5/10. Il fornitore comprende ambito dei modelli e vincoli operativi. È meno esplicito sull’incertezza congiunta che determina quali impegni siano finanziariamente validi. (9)
Indipendenza da dottrine centrali obsolete — 3/10. Il prodotto tattico resta organizzato intorno a riunioni di pianificazione e confronti di scenari. Calcoli migliori possono migliorare il processo senza eliminare la coordinazione manuale ricorrente. (3)
Resistenza al teatro dei KPI — 3/10. Il linguaggio finanziario è più utile degli slogan d’accuratezza, ma i miglioramenti previsti vengono presentati senza un sufficiente resoconto della loro realizzazione. (7)
Sostanza delle decisioni e dell’ottimizzazione
| Criterio | Punteggio |
|---|---|
| Profondità della modellazione probabilistica | 2/10 |
| Contributo distintivo nell’ottimizzazione o nel machine learning | 4/10 |
| Gestione dei vincoli reali | 5/10 |
| Automazione delle decisioni e produttività del lavoro | 3/10 |
| Resilienza alla complessità operativa reale | 4/10 |
Media: 3,6/10.
Profondità della modellazione probabilistica — 2/10. L’analisi di sensibilità è accessibile; non è documentata una distribuzione coerente di domanda e offerta future che alimenti una politica decisionale comune. (2, 5)
Contributo distintivo nell’ottimizzazione o nel machine learning — 4/10. La modellazione funzionale è credibile, ma nessuna formulazione pubblica o confronto riproducibile stabilisce una profondità computazionale inconsueta. L’annuncio IA fornisce pochi meccanismi. (11)
Gestione dei vincoli reali — 5/10. Le note di versione espongono restrizioni aziendali specifiche e consentono una valutazione più concreta delle promesse generiche di ottimizzazione. Interazioni e calibrazione economica restano difficili da esaminare. (6)
Automazione delle decisioni e produttività del lavoro — 3/10. Le modifiche self-service degli scenari riducono la dipendenza da specialisti nelle analisi ordinarie. Il carico più ampio di preparazione, manutenzione, approvazione ed esecuzione non è misurato. (8)
Resilienza alla complessità operativa reale — 4/10. Ripianificare offre una risposta pratica a circostanze mutate. Il resoconto storico riconosce che il modello stesso deve cambiare; il prodotto attuale lascia poco chiari costo e test delle riformulazioni, soprattutto quando un’interazione omessa supera le regole configurabili. (9, 17)
Integrità del prodotto e dell’architettura
| Criterio | Punteggio |
|---|---|
| Coerenza architetturale | 5/10 |
| Chiarezza dei confini del sistema | 6/10 |
| Serietà della sicurezza | 2/10 |
| Parsimonia software e costo di possesso | 4/10 |
| Compatibilità con operazioni programmatiche e assistite da agenti | 3/10 |
Media: 4,0/10.
Coerenza architetturale — 5/10. L’applicazione condivisa di scenari è mirata. Il confine tecnico tra esecuzione del modello, gestione dati e Copilot rimane in gran parte non pubblicato. (14)
Chiarezza dei confini del sistema — 6/10. Analisi strategica e tattica hanno input, utenti e output identificabili. Questa chiarezza aiuta a distinguere l’applicazione da un sistema d’esecuzione. (1, 2)
Serietà della sicurezza — 2/10. Modelli operativi sensibili richiedono controlli oltre un’informativa privacy del sito. Le prove pubbliche non stabiliscono confini tra clienti, accesso del supporto, conservazione o trattamento IA. (21)
Parsimonia software e costo di possesso — 4/10. Il controllo deliberato dell’ambito è sensato. Né il numero di campi né un’interfaccia ridotta misurano il costo di mantenere affidabili logica aziendale e dati d’ingresso. (10)
Compatibilità con operazioni programmatiche e assistite da agenti — 3/10. L’assistenza in linguaggio naturale può facilitare l’analisi. Manca una via pubblica per permettere agli agenti di esaminare, testare e mantenere il modello decisionale. (11)
Trasparenza tecnica
| Criterio | Punteggio |
|---|---|
| Documentazione tecnica pubblica | 4/10 |
| Ispezionabilità senza mediazione del fornitore | 3/10 |
| Portabilità e visibilità del vincolo al fornitore | 3/10 |
| Trasparenza del metodo d’implementazione | 5/10 |
| Densità delle prove dietro le affermazioni tecniche | 4/10 |
Media: 3,8/10.
Documentazione tecnica pubblica — 4/10. Descrizioni delle versioni e saggi d’implementazione spiegano parti del prodotto. Risolutore, schema, valutazione e interfacce di produzione restano meno accessibili. (6, 9)
Ispezionabilità senza mediazione del fornitore — 3/10. Gli utenti possono confrontare input e output, ma questo non rende ispezionabile la logica computazionale. Il materiale pubblico non sostiene la dichiarazione che l’applicazione non abbia una scatola nera. (14)
Portabilità e visibilità del vincolo al fornitore — 3/10. Lo scambio di fogli di calcolo aiuta a spostare dati. Non preserva la semantica di un modello mantenuto né stabilisce un sostituto portabile della sua esecuzione. (2)
Trasparenza del metodo d’implementazione — 5/10. Validazione della base e lavoro sui requisiti sono descritti utilmente. Il processo continuo di consegna delle modifiche specifiche dei clienti è meno visibile. (9)
Densità delle prove dietro le affermazioni tecniche — 4/10. Casi specifici e una versione del modello sostengono funzionalità reali. Le prove pubbliche sono più scarse per ottimalità, robustezza e miglioramenti basati sull’apprendimento. (4, 6)
Serietà del fornitore
| Criterio | Punteggio |
|---|---|
| Serietà tecnica della comunicazione pubblica | 4/10 |
| Integrità della roadmap tecnologica | 5/10 |
| Chiarezza concettuale | 6/10 |
| Responsabilità economica | 3/10 |
| Difendibilità in un mondo di software agentico | 4/10 |
Media: 4,4/10.
Serietà tecnica della comunicazione pubblica — 4/10. Saggi pratici di modellazione convivono con vaste tendenze tecnologiche e promesse IA poco specificate. Il linguaggio più ambizioso supera le prove tecniche esposte. (12)
Integrità della roadmap tecnologica — 5/10. Lavoro duraturo di modellazione e versioni identificabili sostengono continuità. La generazione proposta di scenari che si migliorano da soli non ha ricevuto una validazione pubblica comparabile. (16, 11)
Chiarezza concettuale — 6/10. Il fornitore riconosce che usabilità, aderenza del modello e manutenzione determinano il successo. Questi principi sono più solidi della descrizione di come i futuri incerti entrino nell’ottimizzatore. (13, 17)
Responsabilità economica — 3/10. Gli aumenti di utile dichiarati non hanno periodo, riconciliazione dei costi e controfattuale necessari a valutarne gli esiti. La responsabilità per l’inadeguatezza del modello deve restare visibile accanto a quelle del cliente. (7)
Difendibilità in un mondo di software agentico — 4/10. L’esperienza di modellazione del dominio è preziosa. Un vantaggio durevole richiede di abbassare il costo totale di produzione e manutenzione di decisioni affidabili, oltre a semplificare le conversazioni sugli scenari. (15)
Fonti
Fonti consultate il 4 novembre 2026. Le applicazioni storiche personalizzate e i prodotti complementari di simulazione sono distinti dall’attuale applicazione SaaS Factible Tools.
[1] Homepage di Factible Tools
Homepage di Factible Tools. Pubblicazione non datata. Consultata il 4 novembre 2026.
Supply Chain Designer. Pubblicazione non datata. Consultata il 4 novembre 2026.
Tactical Planner. Pubblicazione non datata. Consultata il 4 novembre 2026.
[4] Pianificazione della produzione
Pianificazione della produzione. Pubblicazione non datata. Consultata il 4 novembre 2026.
[5] Ottimizzazione dell’approvvigionamento
Ottimizzazione dell’approvvigionamento. Pubblicazione non datata. Consultata il 4 novembre 2026.
[6] Aggiornamento 26.1 di Factible Tools
Aggiornamento 26.1 di Factible Tools. Pubblicato il 2026-01-15. Consultato il 4 novembre 2026.
[7] Azienda lattiero-casearia colombiana: utile in crescita del 6%
Azienda lattiero-casearia colombiana: utile in crescita del 6%. Pubblicato il 2025-05-16. Consultato il 4 novembre 2026.
[8] I dazi causano caos. La loro modellazione non dovrebbe
I dazi causano caos. La loro modellazione non dovrebbe. Pubblicato il 2025-04-05. Consultato il 4 novembre 2026.
[9] Pianificazione e ottimizzazione della supply chain: una roadmap per il successo
Pianificazione e ottimizzazione della supply chain: una roadmap per il successo. Pubblicato il 2024-12-05. Consultato il 4 novembre 2026.
[10] 4.000 motivi per cui gli strumenti di progettazione della supply chain non bastano
4.000 motivi per cui gli strumenti di progettazione della supply chain non bastano. Pubblicato il 2025-09-10. Consultato il 4 novembre 2026.
[11] Presentazione di AI Copilot
Presentazione di AI Copilot. Pubblicato il 2025-10-27. Consultato il 4 novembre 2026.
[12] Tendenze nell’ottimizzazione della progettazione della supply chain
Tendenze nell’ottimizzazione della progettazione della supply chain. Pubblicato il 2024-11-01. Consultato il 4 novembre 2026.
[13] Troppo tardi per l’ottimo
Troppo tardi per l’ottimo. Pubblicato il 2025-03-12. Consultato il 4 novembre 2026.
Perché Factible Tools. Pubblicazione non datata. Consultata il 4 novembre 2026.
[15] Informazioni su Factible Tools
Informazioni su Factible Tools. Pubblicazione non datata. Consultata il 4 novembre 2026.
[16] Intelligence della supply chain di Technologix
Intelligence della supply chain di Technologix. Pubblicazione non datata. Consultata il 4 novembre 2026.
[17] 25 anni di ottimizzazione della supply chain in Chemtrade
25 anni di ottimizzazione della supply chain in Chemtrade. Pubblicato il 2016-09-12. Consultato il 4 novembre 2026.
[18] Simulazione produttiva ProdFlow
Simulazione produttiva ProdFlow. Pubblicazione non datata. Consultata il 4 novembre 2026.
FlexSim in Factible. Pubblicazione non datata. Consultata il 4 novembre 2026.
[20] Login pubblico e frontend fornito di Factible Tools
Login pubblico e frontend fornito di Factible Tools. Pubblicazione osservata il 2026-11-04. Consultata il 4 novembre 2026.
[21] Informativa sulla privacy di Factible Tools
Informativa sulla privacy di Factible Tools. Pubblicata nel 2024. Consultata il 4 novembre 2026.
[22] Analisi della redditività
Analisi della redditività. Pubblicazione non datata. Consultata il 4 novembre 2026.