PORTALE DELLA DIDATTICA

Ricerca CERCA
  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 pu˛ seguire un piano prestabilito oppure, nel caso di punti prelievo isolati che hanno grande impatto sul routing, valutare l'opportunitÓ 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 qualitÓ del servizio (overflow sui cassonetti), della qualitÓ 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