Optit ha partecipato anche quest’anno alla conferenza sulla ricerca operativa EURO, un evento fondamentale per discutere gli ultimi sviluppi nell’ambito della ricerca operativa (OR), come l’evoluzione del machine learning (ML) e dell’intelligenza artificiale (AI). Il convegno offre l’opportunità ai partecipanti di condividere conoscenze e innovazioni e quest’anno ci sono state oltre 200 sessioni.
La 33ª edizione della conferenza si è svolta a Copenhagen, in collaborazione con DORS, la Società danese di ricerca operativa e ha attirato quasi 3000 partecipanti da 68 paesi.
Optit è intervenuta in tre presentazioni che coprivano argomenti di grande attualità:
– l’ottimizzazione della logistica per un trasportatore nel settore automobilistico;
– la pianificazione ottimale dei sistemi multi-energia;
– la pianificazione della raccolta dei rifiuti attraverso l’implementazione di un motore di ottimizzazione dedicato.
Siamo entusiasti di aver partecipato alla conferenza EURO a Copenhagen, dove centinaia di ricercatori da tutto il mondo si sono riuniti per affrontare i problemi pratici della nostra società attraverso la ricerca operativa. In un periodo di grande incertezza e crisi, questa esperienza ha rafforzato la nostra fiducia nella conoscenza e nell’innovazione.
Qui di seguito l’introduzione delle diverse presentazioni.
Andrea Bettinelli ha presentato: Optimization of auto-carrier routes: a real-world case study in Italy.
Autori: Daniele Ferone, Università di Napoli “Federico II”; Andrea Bettinelli, Optit.
Bertani Trasporti Spa è uno dei principali attori in Italia per i servizi logistici nel settore automobilistico. Uno dei compiti critici nel loro processo di pianificazione è la definizione dei viaggi di consegna per la loro flotta di auto-trasportatori. Il problema consiste nel selezionare il miglior sottoinsieme di ordini che saranno serviti il giorno successivo e costruire un insieme di percorsi ottimali per consegnarli. L’itinerario degli auto-trasportatori deve tenere conto delle restrizioni relative al carico dei veicoli sui trasportatori. L’obiettivo è utilizzare i trasportatori nel modo più efficiente (attualmente c’è più domanda che capacità di trasporto). Questo significa che dobbiamo saturare la capacità degli auto-trasportatori e creare viaggi visitando pochi punti di consegna geograficamente vicini. Allo stesso tempo dobbiamo minimizzare gli ordini non consegnati in tempo. In questo lavoro proponiamo un metodo euristico per costruire percorsi ottimizzati, basato su uno schema Adaptive Large Neighborhood Search (ALNS), dove le restrizioni di carico combinano regole esplicite con coefficienti appresi dinamicamente dai dati storici e dai feedback dei pianificatori esperti.
Keywords: Vehicle Routing, Practice of OR, Combinatorial Optimization
Anibal Baradei ha presentato: Multi energy mixed integer linear programming model for generation and network expansion planning with coupled electricity and heat sectors considering renewable sources
Autori: Anibal Baradei, Aldo Bischi, Università di Pisa; Matteo Pozzi e Angelo Gordini, Optit;
La principale sfida nella pianificazione ottimale dei sistemi multi-energia è l’equilibrio tra l’accuratezza del modello e la fattibilità computazionale. Questo è dovuto alla necessità di un modello di espansione della generazione e della trasmissione su larga scala, a livello nazionale, che incorpora aspetti come la programmazione ottimale delle unità e dello stoccaggio, i vincoli spaziali e la disponibilità delle fonti di energia rinnovabile. Inoltre, le profonde esigenze di decarbonizzazione dei futuri sistemi energetici implicano di avere infrastrutture energetiche accoppiate, ad es. elettrico, termico, gas, e stoccaggio energetico di lunga durata includendo tutte le possibili interazioni tra di loro attraverso periodi multi-annuali, ciò comporta una crescente complessità del problema.
La soluzione è modellata come un mixed integer linear problem e mira a includere tutte le caratteristiche chiave dei modelli all’avanguardia ottenibili da una formulazione lineare. La funzione obiettivo è la minimizzazione del costo complessivo del sistema, e include investimenti, manutenzione, espansione della rete, prezzi orari di trasmissione, regolamenti energetici e prezzi del carburante. Il modello è stato implementato in linguaggio Python utilizzando il risolutore Gurobi con un passo temporale orario. Può affrontare in pochi minuti più di un anno a seconda della dimensione del problema: un’istanza annuale di 200 nodi ha prodotto circa 320 milioni di variabili continue e decine di variabili binarie. La flessibilità del modello ha permesso di eseguire varie analisi di sensibilità per affrontare l’incertezza considerando la disponibilità di carburante, le risorse naturali, le diverse tecnologie, i regolamenti, i profili di carico e l’evoluzione temporale.
Keywords: Capacity Planning, Energy Policy and Planning, Programming, Mixed-Integer
Annarita De Maio dell’Università della Calabria ha presentato un articolo basato sull’esperienza di un cliente di Optit: ” A Roll-On Roll-Off Vehicle Routing Problem for Industrial Waste Collection: A Case Study in Northern Italy “.
Autori: Annarita De Maio, Francesca Vocaturo, Università della Calabria; Stefano Bortolomiol, Antonio Napoletano, Optit.
Questo lavoro affronta il problema della raccolta dei rifiuti per un’azienda situata nel nord Italia. Il progetto mirava a ottimizzare la pianificazione della raccolta dei rifiuti attraverso l’implementazione di un motore di ottimizzazione dedicato. Il problema coinvolge la raccolta di vari tipi di rifiuti da più clienti, che devono poi essere trasportati a specifiche discariche.
Le restrizioni di compatibilità derivano dalla natura dei rifiuti, dal tipo di veicolo o dal contenitore caricato sui veicoli. Il processo di raccolta può svolgersi in vari modi: i contenitori possono essere caricati direttamente sui camion dell’azienda di gestione dei rifiuti e poi restituiti vuoti al cliente originale, oppure i carichi (sempre equivalenti a contenitori pieni) possono essere trasferiti sui contenitori attaccati ai camion e trasportati alla discarica. Inoltre, il servizio deve rispettare specifiche finestre temporali associate al deposito, ai clienti e alle discariche.
Il problema è definito come un problema di pick-up e delivery roll-on roll-off con finestre temporali. Data la sua complessità, è stata sviluppata una euristica di copertura in tre fasi. Nella prima fase, l’algoritmo raggruppa i clienti in sottogruppi; nella seconda fase, avviene la generazione dei percorsi, mentre nella terza fase, viene implementata una versione modificata dell’euristica di Chvátal per determinare una soluzione fattibile, con l’obiettivo di minimizzare i costi e garantire la massima copertura dei clienti serviti. L’approccio è stato testato utilizzando istanze di dati reali fornite dall’azienda partner.
Keywords: Vehicle Routing, Practice of OR, Combinatorial Optimization
Per approfondimenti: https://euro2024cph.dk/
