La decisione a tre livelli di una banca con molti ATM: (a) contante d'apertura giornaliero per ATM, (b) frequenza e quantità di ricarica, (c) rotta del veicolo blindato di trasporto valori (CIT). Equilibrio tra il costo del reclamo per ATM vuoto e il costo di immobilizzo (opportunità di interesse) dell'ATM troppo pieno. Nome accademico: ATM Cash Management; fondativo Simutis et al. (2008), Castro (2009).
In breve
Ti suona familiare?
- Siamo una banca commerciale media con 500-3.000 ATM; la quantità giornaliera di contante d'apertura per ATM è decisa da un pianificatore di filiale per intuizione o media aritmetica — senza previsione sistematica.
- Siamo una banca partecipativa con 100-500 ATM urbani; centro commerciale, fermata bus, campus, distretto uffici mostrano pattern di prelievo molto diversi, ma tutti gli ATM vengono riempiti con la stessa 'regola'.
- Le rotte CIT le pianifica il centro notturno; lo stesso ATM è pieno un giorno e vuoto il successivo — la frequenza di ricarica è di osservazione, non di dato.
- Non abbiamo mai calcolato il costo annuo di opportunità di interesse del contante immobile nei nostri ATM; la finanza riporta 'tanto contante in circolazione' ma la possibilità di abbassare la cifra del 20-40 % non è mai stata in tavolo.
- I reclami per ATM vuoto compaiono nei report settimanali come 50-300 incidenti; il costo medio per incidente (commissione persa + danno al marchio) non è quantificato.
- Nei giorni anomali (fine mese, vigilia di festa, giorno di paga) gli incidenti si moltiplicano; la previsione non include questi pattern.
- Gli obblighi di vigilanza CIT del regolatore e le clausole di riservatezza rotta degli assicuratori tirano in una direzione mentre la pianificazione attuale affida tutte le rotte a un singolo operatore — rischio di lock-in.
Perché è importante
Come si risolve
Profondità tecnica
Come si risolve
Profondità tecnicaIn una frase: Prevedi i prelievi giornalieri di ogni ATM; fissa il contante d’apertura con una regola d’inventario con chance constraint (probabilità di vuoto sotto 1-5 %); poi pianifica il VRP notturno del furgone blindato con una rotta diversa ogni notte (sicurezza) — minimizza insieme contante immobilizzato + km veicolo + penale per ATM vuoto.
Questo problema è studiato in letteratura di Ricerca Operativa (disciplina che usa matematica e informatica per risolvere decisioni di business) come ATM Cash Management o Cash-in-Transit Routing and Replenishment. ATM Cash Management si distingue dal classico VMI/IRP (#048): IRP è VMI generale di gas/carburante; ATM è specifico del contante (mix di tagli, costo di sicurezza/assicurazione, domanda per ubicazione, regolazione CIT). Distinto anche da VRPTW (#002): non solo routing, tre strati (previsione + inventario + routing). Soluzione in tre fasi:
1. Modellazione. Input: (a) insieme degli ATM — per ATM codice ubicazione (centro commerciale, fermata, campus, ufficio, negozio di quartiere), capacità cassette (2.500-4.000 banconote/cassetta, 4-6 cassette/ATM, 10K-25K banconote), storia giornaliera (12-24 mesi), mix di tagli, (b) parametri CIT — numero veicoli, capacità, velocità, turno (22:00-06:00), deposito, regole di sicurezza, (c) parametri finanziari — tasso di riferimento, premio assicurazione contante in ATM (0,5-2 per mille/anno), costo reclamo (8-20 EUR/incidente), commissione per transazione, (d) regolazione — vigilanza CIT, protezione dati, regole sul taglio. Variabili decisionali congiunte: (i) contante d’apertura per ATM (per taglio), (ii) frequenza di ricarica (β = 0,95-0,99 chance-constrained), (iii) rotte CIT giornaliere. Vincoli: capacità cassetta, livello di servizio minimo (chance-constrained), capacità veicolo, turno, riservatezza rotta. Obiettivo: somma pesata — immobilizzo + operazione CIT + penale attesa stock-out + premio assicurativo.
2. Risoluzione. Tre strati congiunti: (a) Previsione — Holt-Winters tripla smussatura esponenziale, ARIMA, calibrazione per ubicazione, giorni anomali come regressori; previsione di gruppo — raggruppare ATM con pattern simili e prevedere a livello di gruppo (più accurato del singolo ATM). (b) Inventario stocastico — (s, S) o newsvendor, β = 0,95-0,99 come chance constraint (vincolo probabilistico — “probabilità di vuoto sotto il 5%”), orizzonte rolling (ripianificazione giornaliera). (c) Routing CIT — VRP (Vehicle Routing Problem) capacitato, vincolato dal turno; 50-200 ATM MIP (Mixed-Integer Linear Programming — ottimizzazione con alcune variabili 0/1 e altre continue) diretto; 200-1.000 ALNS (Adaptive Large Neighborhood Search — metodo di ricerca intelligente) o branch-and-cut. Soluzione integrata: VMND (Variable MIP Neighborhood Descent).
3. Integrazione sul campo. Quattro livelli: (a) dashboard del centro di pianificazione — raccomandazione giornaliera per ATM, report del livello di servizio, reale vs previsto, (b) app dell’operatore CIT — lista ordinata notturna, importo e taglio, variazione per notte, (c) monitoraggio in tempo reale — telemetria, allerta critico basso, (d) report finanziario — immobilizzo giornaliero, costo CIT, conteggio stock-out. Integrazione a monte: core banking, gestione caveau, reporting al regolatore, interfaccia assicuratore. Comitato trimestrale: immobilizzo per ATM vs accuratezza previsione, performance CIT, trend stock-out, analisi mix tagli.
Alternative
Manuale + regola fissa (stesso importo per ATM, settimanale)
GratuitoNessuna licenza
Per chi: Piccolo operatore (50-200 ATM), singola città
- + Zero costo software
- + Regola semplice
- + Integrazione IT semplice
- − Nessuna previsione — stock-out su domanda alta, immobilizzo su bassa
- − Rotta CIT inefficiente
- − Livello di servizio per osservazione
- − Risparmio annuo 15-30M EUR perso oltre 200 ATM
Software bancario locale + reportistica base
Aziendale1-4M EUR licenza + 300K-1M EUR/anno manutenzione
Per chi: Banca media (200-800 ATM), regione singola
- + Vicino alla regolazione locale
- + Integrazione core banking matura
- + UI locale e supporto
- − Modulo di previsione semplice (media settimanale)
- − Inventario stocastico assente
- − Modulo VRP CIT assente
- − Tre decisioni separate
Piattaforma bancaria internazionale + modulo ATM cash
Aziendale5-20M EUR licenza + 1-4M EUR/anno manutenzione
Per chi: Banca grande (1.000+ ATM), multi-regione
- + Previsione matura (ARIMA, ML, rilevamento anomalie)
- + Inventario stocastico + chance-constrained
- + VRP CIT + routing consapevole della sicurezza
- + Telemetria + ri-pianificazione in tempo reale standard
- − Licenza alta + rollout lungo (18-30 mesi)
- − Customizzazione alla regolazione locale
- − Formazione ampia
- − Lock-in (contratto lungo, uscita costosa)
Solver open-source + modulo proprio
Open SourceLicenza gratuita; sviluppo interno 30-50 settimane o 1,5-4M EUR consulenza
Per chi: Banca con team tecnico, integrazione con core banking + CIT
- + Nessun costo di licenza
- + Previsione domanda + inventario stocastico + routing dinamico ben definiti in open-source
- + Design flessibile
- + Soluzione integrata con riferimenti open-source
- − Specialista OR + team operazioni bancarie
- − Da prototipo a produzione 12-18 mesi
- − Conformità regolatoria interna
- − API CIT come modulo a parte
Raccomandazione
Chiedi nell'incontro
- Quali approcci di previsione supporta il modulo — Holt-Winters, ARIMA, previsione di gruppo tramite clustering, ML? Come si modellano i giorni anomali?
- Si supporta inventario stocastico con chance constraint (β = 0,95-0,99)? (s, S), newsvendor o min/max fisso?
- ATM Cash Management + routing CIT si risolvono come un modello integrato o sequenzialmente? Esiste un approccio in cui inventario e rotta sono ottimizzati nella stessa esecuzione?
- Come si modella il mix di tagli — previsione per taglio, riempimento cassette per taglio?
- Come si implementa la riservatezza della rotta — parametro di randomizzazione, regola di rottura del pattern fisso?
- Come si integrano vigilanza CIT e reporting agli assicuratori — generazione automatica, audit trail?
- Quale report di risparmio (12-16 settimane di pilota) rispetto alla soluzione manuale/regola fissa — immobilizzo, stock-out, costo CIT?
- Se chiudiamo il contratto, in quale formato standard (CSV, JSON, Parquet) possiamo esportare lo storico prelievi, l'archivio rotte CIT, il modello di previsione e i report del livello di servizio?
Dettagli tecnici
Nota editoriale
Nell’operatività bancaria questo problema è noto come ‘pianificazione del contante negli ATM’, ‘rotta di trasporto valori’ o ‘gestione del contante negli ATM’. In letteratura accademica il suo nome canonico è ATM Cash Management o Cash-in-Transit Routing and Replenishment. L’approccio fondativo è Simutis et al. (2008) e Castro (2009); la rassegna moderna è Wagner-Bachner (2018). Il problema unisce tre strati decisionali intrecciati — non solo routing, non solo inventario, non solo previsione; tutti e tre insieme.
Distinzione da #048 (IRP): #048 è VMI generale di gas/carburante. Questo problema è specifico del contante: mix di tagli, costo sicurezza/assicurazione, pattern per ubicazione, regolazione densa (vigilanza CIT, protezione dati, riservatezza rotta).
Distinzione da #002 (VRPTW): VRPTW instrada merce già ordinata in finestre temporali — decisione a singolo strato. Qui sono tre strati: previsione + inventario + routing.
Punto più trascurato del settore: l’equilibrio costo di immobilizzo vs costo di ricarica. Le banche riempiono gli ATM ‘generosamente’ per evitare reclami — tipicamente 80-100 % della capacità. Costo nascosto: 5-15 % annuo di opportunità di interesse del contante in loco + premio assicurativo + rischio sicurezza. In banca da 1.000 ATM è una voce da 4-30M EUR/anno che la finanza conosce ma le operazioni non hanno mai quantificato. Previsione in tempo reale + inventario chance-constrained + ricarica dinamica abbassano l’immobilizzo del 20-40 %; gli eventi di stock-out non aumentano, calano (ATM ad alta domanda più frequenti, quelli a bassa con meno contante). Secondo punto: giorni anomali (giorno di paga, vigilia di festa, weekend nei centri commerciali, mercati rionali) — una media semplice li manca e gli stock-out si moltiplicano. Holt-Winters con flag di anomalia o la previsione di gruppo Ekinci-Lu-Duman (2015) cattura il pattern.
Terzo punto: riservatezza rotta CIT e sicurezza. Dare la stessa rotta settimanale a un singolo operatore genera predicibilità — e rischio di rapina. La soluzione ottimizzata produce ogni notte una rotta diversa (e comunque costo-efficace); il calendario settimanale fisso è debole sia su costi sia su sicurezza.
Percorso passo passo per banca PMI
Fase 1 — Misurare. Almeno 18 mesi: per ATM prelievo giornaliero (totale e per taglio), numero transazioni, profilo orario, storia stock-out, etichetta tipo di ubicazione. Operazione CIT: ATM visitati, ore-veicolo, km, contante scaricato, tempo di rotta. Finanziari: tasso, premio, limite, stima costo reclamo.
Fase 2 — Capitale di conoscenza. Mappa di segmentazione (alto/medio/basso, stagionale/stabile, sensibile-alle-anomalie/no). Calibrazione previsione. Curva immobilizzo-vs-stock-out per β. Produttività CIT.
Fase 3 — Pilota. 12-16 settimane. Una regione (una città, 50-200 ATM): previsione integrata + inventario stocastico + VRP CIT in parallelo alla soluzione manuale. Criteri scritti prima: immobilizzo -15 %, stock-out -30 %, produttività CIT +10 %.
Fase 4 — Rollout. 12-18 mesi all’intera rete + CIT. Ri-pianificazione innescata da telemetria (allerta orario, ri-pianificazione giornaliera). Comitato trimestrale.
Rischi — cosa può andare storto
Deviazione di previsione (giorni anomali). Senza flag su paga/festa/mercato, gli stock-out si moltiplicano. Calendario annuale, modello ricalibrato con ponderazione. Riferimento: Ekinci-Lu-Duman (2015).
Rischio rapina al CIT. Rotta settimanale fissa + equipaggio fisso creano predicibilità. Soluzione: rotta diversa ogni notte, rotazione equipaggio, GPS in tempo reale, clausola di riservatezza. Limite per ATM (max 200-500K) come controllo aggiuntivo.
Guasto ATM (inceppamento, errore cassette). Nessuno stock-out ma il cliente non preleva — il sistema segna stock-out e innesca ricarica inutile. Soluzione: telemetria che separa guasto da livello; monitoraggio in tempo reale; SLA tecnico (4-12 ore).
Lock-in di piattaforma. Senza clausola di esportazione standard annua (CSV, JSON, Parquet) di storico prelievi, archivio rotte CIT, modello di previsione e report di livello di servizio, uscire significa perdere la memoria operativa. I dati di rotta CIT devono restare di proprietà della banca.
Vista tecnica della soluzione
| Approccio | Scala tipica | Tempo | Ottimo garantito? |
|---|---|---|---|
| Manuale + regola fissa | Piccolo, <200 ATM | istantaneo | No, 40-60 % ottimo |
| Previsione + (s, S) fisso | Medio, 200-500 | minuti | Parziale — previsione buona, inventario+rotta disaccoppiati |
| Previsione di gruppo (Ekinci 2015) | Medio-grande, 300-1.000 | minuti-ore | Accuratezza +10-20 % |
| Inventario stocastico (Castro 2009) + VRP separato | Medio, 200-800 | ore | Inventario esatto, rotta sequenziale |
| VMND integrato (Larrain 2017) | Medio-grande, 100-500 | ore | Sì (entro bound) |
| ALNS — grande scala | Grande, 800-3.000 | ore | No, buona qualità pratica |
| Ri-pianificazione rolling (telemetria) | Operazione continua | minuti | Qualità di transito |
Funzione obiettivo:
- Obj 1 — Costo totale minimo: immobilizzo + CIT + penale attesa stock-out.
- Obj 2 — Stock-out minimo (max servizio): orientato al cliente.
- Obj 3 — Immobilizzo minimo: orientato alla finanza, chance constraint tiene la probabilità.
- Obj 4 — Costo CIT minimo: orientato alla logistica, inventario fisso.
Multi-obiettivo: somma pesata o gerarchico (prima regolazione + sicurezza, poi livello di servizio, infine immobilizzo + CIT).
Varianti:
- Classica (Castro 2009): banca singola, domanda deterministica.
- Previsione di gruppo (Ekinci 2015): clustering.
- Inventario + distribuzione VMND (Larrain 2017): MIP congiunto.
- Stocastica: chance constraint + scenari.
- CIT condiviso multi-banca: più banche condividono operatore.
- Ricarica in tempo reale (telemetria): allerta orario, re-routing intra-notte.
Fonti accademiche
Elencate nel frontmatter alla voce sources. Simutis et al. (2008) e Castro (2009) fondativi; Wagner-Bachner (2018) rassegna moderna; Ekinci-Lu-Duman (2015) previsione di gruppo; Larrain-Coelho-Cataldo (2017) VMND.
Fonti
- Simutis, R., Dilijonas, D., Bastina, L., Friman, J. e Drobinov, P. (2008). Optimization of cash management for ATM network. Information Technology and Control, 36(1A), 117-121.
- Castro, J. (2009). A stochastic programming approach to cash management in banking. European Journal of Operational Research, 192(3), 963-974.
- Wagner, D. e Bachner, M. (2018). Bank cash management — a review of recent literature. International Journal of Banking, Accounting and Finance, 9(2), 169-189.
- Ekinci, Y., Lu, J.-C. e Duman, E. (2015). Optimization of ATM cash replenishment with group-demand forecasts. Expert Systems with Applications, 42(7), 3480-3490.
- Larrain, H., Coelho, L. C. e Cataldo, A. (2017). A Variable MIP Neighborhood Descent algorithm for managing inventory and distribution of cash in automated teller machines. Computers & Operations Research, 85, 22-31.
- YÖK Tez Merkezi — parole chiave: ‘ATM nakit yönetimi’, ‘para taşıma’ o ‘CIT’ — 15+ tesi dall’accademia TR. tez.yok.gov.tr
Glossario
- ATM Cash Management
- Problema OR di prevedere la domanda di contante di ciascun ATM, decidere tempo e quantità di ricarica, ed equilibrare il costo di immobilizzo (opportunità di interesse + rischio sicurezza) del contante fermo contro il costo di stock-out (reclami + transazioni perse) di un ATM vuoto; unisce previsione + inventario stocastico + routing CIT (cash-in-transit).
- Cash-in-Transit Routing
- Routing operativo dei veicoli blindati di trasporto valori che visitano ATM e filiali di una banca per ricarica. Variante VRP segnata da sicurezza (imprevedibilità della rotta), finestre temporali strette, taglio e vigilanza regolatoria.
- VRP
- La decisione su quali veicoli, partendo da uno o più depositi, visitano quali clienti e in che ordine.
- MIP
- Modello di ottimizzazione in cui alcune variabili decisionali devono essere numeri interi (es. numero di camion, numero di turni).
Problemi correlati
Budget fisso, molti progetti candidati — quale sottoinsieme scelgo per massimizzare il rendimento totale?
Il comitato investimenti di una holding di medie dimensioni o di una PMI affronta ogni anno 50-200 progetti candidati (ampliamento di stabilimento, nuova linea, magazzino, modernizzazione IT, trasformazione digitale) con un budget annuale fisso (50-500M TRY): quale sottoinsieme scegliere in modo che la spesa non superi il budget e il rendimento totale (NPV) sia massimo? La regola intuitiva 'ordina per NPV/investimento e prendi dall'alto' perde i progetti piccoli ma ad alto rendimento che entrano nell'ultimo 5-10 % del budget — empiricamente devia del 5-15 % dall'ottimo, e con vincoli multidimensionali (budget + ore-uomo + ore-macchina) lo scarto sale al 10-25 %. La stessa struttura ricorre nella selezione mensile delle campagne di marketing, nel carico di un aereo cargo a capacità limitata e nella selezione dei fornitori. La convinzione diffusa nel comitato 'un ottimo matematico non si trova, si sceglie con il giudizio' è sbagliata — una soluzione ottima per 200-1000 candidati si ottiene in minuti.
Che percentuale del mio denaro va in quale investimento?
Una delle domande fondamentali per una PMI o un investitore privato: c'è del capitale e diverse opzioni di investimento (azioni, obbligazioni, valute, materie prime, depositi, immobili, reinvestimento nell'azienda), ognuna con rendimento atteso e rischio diversi, con correlazioni tra loro. Quale percentuale del capitale va dove? Il nome matematico è Portfolio Optimization Problem. Nel 1952 Harry Markowitz formalizzò il quadro mean-variance — fondazione, premio Nobel, della teoria moderna del portafoglio. Massimizzare il rendimento atteso minimizzando la varianza (rischio) è un problema di programmazione quadratica.
Più input + più output — come misuro l'efficienza relativa delle mie filiali o unità?
Questa pagina è per voi se gestite una banca con 100-500 filiali, una catena ospedaliera multi-sito con 200-1.500 letti, una direzione scolastica con centinaia di scuole o un ente pubblico che confronta provincia per provincia. La domanda di fondo: quale filiale/ospedale/scuola è efficiente e quale no — e per quelle che non lo sono, quale unità 'peer' devono prendere a riferimento e di quanto devono migliorare? Ogni unità consuma più input alla volta (personale, superficie, budget) e produce più output (ricavi, clienti/pazienti/studenti, qualità); un singolo rapporto come 'ricavi per dipendente' non rappresenta questa realtà e può etichettare come debole un'unità efficiente o viceversa. Applicato correttamente — poiché il peer benchmark fornisce un riferimento concreto di miglioramento — l'accettazione dei piani di miglioramento per le unità deboli cresce del 40-70%, pari grosso modo a 10-50 milioni TRY all'anno di margine operativo in una rete media di filiali.