| KEYWORD |
Ottimizzazione del percorso di un veicolo per la movimentazione dei materiali all’interno di uno stabilimento industriale tramite algoritmi di intelligenza artificiale
Tesi esterna in azienda
Parole chiave AUTOMAZIONE INDUSTRIALE, INDUSTRIA 4.0, INTELLIGENZA ARTIFICIALE, LOGISTICA, OTTIMIZZAZIONE
Riferimenti DANIELE JAHIER PAGLIARI
Riferimenti esterni Ing. Michele D'Onghia (RADA Soluzioni Informatiche)
Gruppi di ricerca DAUIN - GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA, ELECTRONIC DESIGN AUTOMATION - EDA, GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA
Tipo tesi SPERIMENTALE, STAGE, SVILUPPO SOFTWARE
Descrizione I veicoli a guida autonoma (AGV) sono robot utilizzati all’interno di uno stabilimento industriale per la movimentazione di materiali e prodotti di vario genere. L’ottimizzazione del percorso svolto da tali veicoli, al fine di recapitare materiali in diverse stazioni di una linea di produzione nel minimo tempo possibile ha importanti implicazioni sulla logistica dell’intero stabilimento.
La tesi si pone l’obiettivo di implementare tale ottimizzazione nel caso reale di un’importante multinazionale del settore automotive. Il candidato dovrà quindi inizialmente costruire un modello formale del problema, tenendo conto di tutti i vincoli imposti dallo stabilimento (ostacoli, limiti alla velocità di movimento in certe aree, percorsi a “senso unico”, ecc). In seguito, il candidato affronterà l’ottimizzazione vera e propria, tramite lo sviluppo di appropriati algoritmi di intelligenza artificiale. Nello specifico, sarà possibile analizzare e confrontare sia algoritmi classici basati sulla teoria dei grafi, sia soluzioni data-driven. Infine, il candidato avrà la possibilità di validare la propria soluzione sia mediante un software CAD di simulazione, sia sul campo.
La tesi verrà svolta principalmente presso la sede di Rivoli (TO) dell’azienda di soluzioni informatiche RADA. È previsto un rimborso spese.
Conoscenze richieste Sono richieste buone capacità di programmazione e problem solving. È inoltre utile una buona conoscenza dei problemi di ottimizzazione e degli algoritmi di ricerca basati su grafi. Infine, può essere d’aiuto, anche se non è da considerarsi necessaria, una minima familiarità con concetti di machine/deep learning.
Scadenza validita proposta 30/08/2021
PROPONI LA TUA CANDIDATURA