Anche quest’anno Optit rinnova il suo sostegno ad AIRO, l’associazione nazionale sulla ricerca operativa, con la sponsorizzazione della Conferenza Internazionale su Ottimizzazione e Scienza delle Decisioni (ODS23), che si terrà a Ischia.
La Ricerca Operativa (OR) riveste un ruolo di fondamentale importanza nel mondo contemporaneo. Essa si occupa di applicare metodi matematici e analitici per risolvere problemi complessi legati alla gestione delle risorse, all’ottimizzazione dei processi decisionali e alla pianificazione efficiente. In un’epoca in cui le risorse sono limitate e le sfide organizzative e industriali sono sempre più intricate, l’OR offre strumenti per prendere decisioni informate e ottimali. Dalla logistica alla produzione, dall’allocazione delle risorse alla pianificazione, l’OR consente di ottimizzare le operazioni, riducendo costi, tempi e sprechi. Inoltre, nel contesto della crescente complessità dei sistemi tecnologici e sociali, l’OR contribuisce ad affrontare questioni globali come il cambiamento climatico o l’ottimizzazione delle reti di trasporto.
Attraverso l’impiego di tecniche OR all’avanguardia, Optit risolve da anni problemi complessi per diversi soggetti, pubblici e privati, in ambito logistico, energetico, ambientale.
A ODS 2023 Optit parteciperà con tre presentazioni che mostrano la soluzione di problemi complessi nell’ambito della raccolta dei rifiuti (Ottimizzazione dei servizi di gestione dei rifiuti on-demand), dei trasporti (L’uso di ALNS (Adaptive Large Neighborhood Search) per i problemi concreti del routing) e dell’efficienza energetica (Ottimizzazione dei sistemi energetici intelligenti: un approccio non lineare).
La partecipazione di Optit a ODS2023 evidenzia la sua sinergia unica tra innovazioni accademiche e applicazioni pratiche, confermando la propria posizione all’avanguardia nell’unione tra ricerca e risultati concreti per i propri clienti.
Di seguito l’abstract dei tre interventi:
Sessione Vehicle Routing III – Mercoledì 6, 8.30.10-30
Ottimizzazione dei servizi di gestione dei rifiuti on-demand
Antonio Napoletano e Stefano Bortolomiol, Optit; Daniele Ferone, Università degli Studi di Napoli Federico II
Diversi servizi di gestione dei rifiuti sono offerti su richiesta, il che significa che le risorse vengono assegnate alle attività giorno per giorno invece di seguire un calendario predefinito a lungo termine. L’approccio on-demand sta diventando sempre più attraente anche grazie alla diffusione di sensori IoT che misurano la quantità di rifiuti presenti in un contenitore e attivano una richiesta di servizio solo quando necessario. Esempi di applicazioni includono lo smaltimento di rifiuti ingombranti utilizzando contenitori scarrabili e lo svuotamento di grandi contenitori con diversi flussi di rifiuti situati in grandi strutture (ad esempio ospedali, scuole, supermercati).
Le sfide legate all’ottimizzazione delle operazioni dei servizi di raccolta rifiuti su richiesta sono multidimensionali. In pratica, i problemi vengono generalmente affrontati in due fasi: (i) pianificazione della capacità, basata sulle previsioni della domanda su un orizzonte temporale di 1-2 settimane, e (ii) pianificazione giornaliera, in cui gli ordini di servizio effettivi vengono assegnati alle rotte che sono in turno assegnato ai veicoli e agli autisti disponibili. Il focus di questo intervento è sui modelli e sugli algoritmi di ottimizzazione che supportano la pianificazione quotidiana di un’azienda italiana di gestione dei rifiuti.
Matematicamente, i problemi di raccolta dei rifiuti su richiesta possono essere modellati come problemi di instradamento di veicoli multi-viaggio con ritiri e consegne, flotta eterogenea, finestre temporali multiple e una serie di vincoli di compatibilità tra veicoli, conducenti, nodi e tipologie di merci.
Ulteriori caratteristiche specifiche del problema includono l’assegnazione degli autisti a turni che includono pause programmate e l’uso di risorse come gli scarrabili per gestire il carico e lo scarico delle merci. Poiché i problemi in esame sono fortemente vincolati, adottiamo un approccio flessibile basato su una metaeuristica Adaptive Large Neighbourhood Search. Concludiamo descrivendo il sistema di supporto alle decisioni in cui sono incorporati questi modelli e algoritmi di ottimizzazione. Lo strumento è integrato con i sistemi informativi dell’azienda di gestione dei rifiuti e consente un’interazione user-friendly con le soluzioni proposte, colmando così il divario tra la ricerca applicata e il suo utilizzo pratico.
Sessione Vehicle Routing IV – Giovedì 7 11.00-13.00
L’uso di ALNS(Adaptive Large Neighborhood Search) per i problemi concreti del routing
Daniele Ferone e Paola Festa, Università di Napoli Federico II, Antonio Napoletano e Stefano Bortolomiol, Optit
L’Agenzia europea per l’ambiente ha riferito che circa il 25% delle emissioni totali di gas serra in Europa è dovuto al settore dei trasporti. Pertanto, per raggiungere l’azzeramento delle emissioni nette di gas serra entro il 2050, è fondamentale ridurre le emissioni dovute a questo settore. Perseguendo questo obiettivo, la logistica urbana sostenibile è emersa come concetto per ridurre l’impatto negativo delle attività di trasporto urbano sulla società e sull’ambiente.
Il Vehicle Routing Problem è uno dei problemi più studiati nella letteratura di ricerca operativa e negli ultimi anni sono state proposte molte varianti per affrontare obiettivi di sostenibilità. Tuttavia, nel mondo reale, ogni corriere ha le sue specificità ed è molto raro poter applicare una delle varianti del VRP presenti in letteratura..
Questo lavoro enfatizza questo concetto concentrandosi sulla soluzione di uno scenario reale: la pianificazione delle consegne di un centro di distribuzione nel nord Italia. Mostreremo che le richieste del corriere impongono una peculiare combinazione di vincoli, come accoppiamenti veicolo-aree proibite, una distanza massima tra le consegne, clienti in conflitto, e altri. Il problema è stato risolto con un approccio metaeuristico basato sull’ALNS al fine di minimizzare i costi di consegna e le emissioni di CO2.
Le soluzioni sono state validate attraverso il confronto con dati storici e soluzioni fatte a mano. Inoltre, abbiamo effettuato un’approfondita sperimentazione computazionale, con l’obiettivo di comprendere come e quanto le prestazioni dell’approccio risolutivo siano influenzate dai diversi vincoli imposti dal corriere.
Ricerca Operativa per l’Energia e la Logistica Green I – Martedì 5 8.30-10-30
Ottimizzazione dei sistemi energetici intelligenti: un approccio non lineare
Caterina Tamburini, Andrea Bettinelli e Matteo Pozzi, Optit
Smart Energy è l’ottimizzazione intelligente dei costi e dell’efficienza energetica, utilizzando tecnologie innovative per costruire e gestire un sistema di produzione dell’energia sostenibile. Un sistema di questo tipo combina diverse unità di generazione per produrre una determinata quantità di calore, elettricità, ecc. Le unità tipiche sono: unità di cogenerazione di calore ed elettricità (CHP), refrigeratori ad assorbimento, accumulatori, pompe di calore e caldaie, ecc.
Lo Unit Commitment (UC) è un problema chiave in questo contesto. L’obiettivo in UC è quello di determinare un piano di produzione che massimizzi il margine operativo, soddisfacendo la domanda di calore prevista in una rete di teleriscaldamento, nonché i vincoli funzionali e normativi derivanti dalla composizione del sistema. Di solito il problema UC è formulato come un problema di programmazione lineare mista intera, in cui si suppone che le macchine lavorino in parallelo. Ma in questo lavoro presentiamo un caso particolare che dà origine a una versione non lineare del problema UC a breve termine, infine formuliamo e risolviamo un modello di ottimizzazione misto intero non lineare e non convesso.
Nel sistema da noi studiato, sia la temperatura che la portata dell’acqua devono essere modellati introducendo esplicitamente diversi vincoli non lineari, che devono essere soddisfatti insieme a tutti i classici vincoli temporali che abbiamo nel problema UC.
Esistono diversi motivi per cui l’impianto da noi analizzato non può essere modellato utilizzando le tecniche di linearizzazione classiche. Innanzitutto, per evitare di danneggiare l’infrastruttura idraulica, dobbiamo far lavorare le macchine in serie e riscaldare progressivamente l’acqua fino a raggiungere una determinata temperatura target. Inoltre, i dati storici hanno mostrato una forte correlazione tra la produzione elettrica dell’unità di cogenerazione e la temperatura e la portata dell’acqua. Poiché la produzione delle macchine è una componente rilevante della funzione obiettivo, occorre calcolarla accuratamente e coinvolgere nel modello tutte le variabili da cui dipende. In conclusione, presentiamo tutte le sfide che abbiamo affrontato modellando questo particolare sistema e risolvendo il problema dello Unit Commitment non lineare.
