| KEYWORD |
Ottimizzazione del routing nella raccolta differenziata: impatto delle informazioni fornite da sensori.
Parole chiave INDUSTRY 4.0, MACHINE LEARNING, AI, RACCOLTA DIFFERENZIATA, TSP (TRAVELING SALESPERSON PROBLEM), VRP (VEHICLE ROUTING PROBLEM)
Riferimenti PAOLO BRANDIMARTE
Gruppi di ricerca Ottimizzazione e ricerca operativa
Tipo tesi OTTIMIZZAZIONE E SIMULAZIONE
Descrizione Nel decidere quali cassonetti andare a svuotare ogni giorno si può seguire un piano prestabilito oppure, nel caso di punti prelievo isolati che hanno grande impatto sul routing, valutare l'opportunità di visitarli in funzione di algoritmi di previsione o informazioni puntuali fornite da sensori. Dato il costo dei sensori, occorre valutare l'impatto in termini di costi e qualità del servizio (overflow sui cassonetti), della qualità dell'informazione (abbiamo incertezza nel caso di algoritmi di previsione, che viene ridotta nel caso di sensori).
Si tratta di progettare regole di decisione per formare i giri di prelievo ogni giorno (dispatching), definendo un subset di nodi, simulando poi un processo reale di riempimento e verificando l'impatto su costi e servizio. Una volta scelto il subset di nodi, occorre risolvere un sottoproblema TSP. Per la soluzione dei sottoproblemi TSP si possono usare librerie date (Concorde, OR-Tools di Google), o euristiche ad hoc per tenere conto dei tempi di percorrenza che variano nel corso della giornata. Si tratta poi di costruire una architettura dinamica di simulazione in cui si calano le decisioni di dispatching e routing.
Conoscenze richieste Business analytics, ottimizzazione a numeri interi e metaeuristiche
Scadenza validita proposta 15/06/2022
PROPONI LA TUA CANDIDATURA