Rivista di informazione del Dipartimento di Ingegneria Industriale
Università di Trento
Rivista di informazione del Dipartimento di Ingegneria Industriale
Università di Trento
In che modo l’ingegneria può contribuire a costruire sistemi logistici più efficienti, digitalizzati, ma anche attenti alle persone? È la domanda al centro di un progetto di dottorato del Dipartimento di Ingegneria Industriale che ha esplorato la logistica in contesti reali e ad alta complessità (dalla sanità pubblica all’e-commerce, fino al trasporto sociale) con un obiettivo preciso: coniugare efficienza operativa e sostenibilità sociale.
Il percorso si è articolato in tre linee di ricerca principali, tutte accomunate dall’utilizzo di modelli matematici avanzati, algoritmi meta-euristici e simulazioni digitali, sempre applicati a casi concreti. Il cuore del progetto non è stato solo “ottimizzare”, ma anche ripensare la logistica come leva di impatto sociale.
Il primo progetto ha preso forma durante la pandemia COVID-19, quando la logistica sanitaria è diventata una questione di emergenza. L’obiettivo era progettare e digitalizzare i centri per test e vaccinazioni di massa in Alto Adige. Per affrontare la sfida, si è costruito un modello di simulazione a eventi discreti, in grado di rappresentare tutte le fasi del processo (compilazione moduli, accettazione, test, registrazione risultato) e di quantificare i tempi reali sulla base di campagne di misura sul campo.
Grazie a questi dati, è stato possibile dimensionare correttamente layout, flussi e risorse per ogni struttura, replicando il modello su 184 centri sanitari (spesso palestre scolastiche) e permettendo di testare oltre 360.000 persone in soli tre giorni.
Una volta introdotti i vaccini, il progetto si è evoluto con la creazione di un gemello digitale del sistema logistico vaccinale, basato su tecnologia NFC. Il modello virtuale simulava scenari di afflusso e saturazione, mentre l’architettura digitale raccoglieva dati in tempo reale dalle strutture fisiche. I Key Performance Indicators (KPI) aggiornati venivano visualizzati in una piattaforma web dedicata, accessibile ai responsabili sanitari per monitorare l’andamento delle code, la produttività delle postazioni e l’utilizzo del personale. Questo flusso continuo tra modello virtuale e sistema reale ha permesso di adattare rapidamente i layout alle variazioni di domanda, chiudendo il ciclo digitale e migliorando l’efficienza nei centri vaccinali, con particolare attenzione al caso di Bolzano Fiera, il più grande e complesso.
La seconda linea di ricerca ha spostato il focus sul settore dell’e-commerce, sempre più centrale nella nostra vita quotidiana. Il progetto ha affrontato il problema noto in letteratura come Few-to-Many Vehicle Routing Problem with Pickup and Delivery (F-M VRPPD), tipico delle piattaforme in cui pochi fornitori consegnano a molti clienti finali.
L’approccio si è basato su un modello di ottimizzazione multi-obiettivo, volto a ridurre:
Il modello matematico, composto da tre funzioni obiettivo e circa 30 vincoli, è stato risolto tramite un algoritmo meta-euristico chiamato Multi-Objective Simulated Annealing (MOSA), implementato in Python. L’output è stata una frontiera di Pareto tridimensionale, ovvero un insieme di soluzioni ottime, ognuna “dominante” per almeno uno degli obiettivi. Questo ha permesso ai decisori di scegliere le strategie operative migliori a seconda delle priorità.
Il caso studio ha coinvolto una piattaforma e-commerce per prodotti locali trentini, distribuiti in aree montane con forti variazioni altimetriche. I risultati hanno incluso mappe dei percorsi ottimizzati per ciascun conducente e file di programmazione automatica delle consegne, poi integrati nell’interfaccia dell’e-commerce. Il progetto ha quindi mostrato come si possano migliorare le performance logistiche rispettando i lavoratori e l’ambiente, senza sacrificare la competitività.
L’ultimo progetto del dottorato ha unito i temi dei primi due, affrontando un caso particolarmente rilevante: l’ottimizzazione del trasporto di pazienti non autonomi verso ospedali o strutture sanitarie. Si tratta di un problema noto come Dial-a-Ride Problem (DARP), che prevede finestre temporali per ciascun utente e forti vincoli di pianificazione.
Il modello sviluppato ha considerato tre aspetti chiave da minimizzare:
Anche in questo caso, la complessità del problema ha richiesto un algoritmo meta-euristico dedicato, chiamato Adaptive Large Neighbourhood Search (ALNS). Dopo un confronto con benchmark internazionali, l’algoritmo è stato applicato a dati reali forniti dalla Croce Rossa Austriaca, ottimizzando turni, flotte e percorsi.
I test hanno dimostrato che, lasciando flessibilità nei turni di guida, si poteva ottenere una riduzione del 10% dei costi complessivi, e che l’adozione di flotte più diversificate (in funzione delle esigenze giornaliere) avrebbe portato a un ulteriore risparmio del 3%.
Questo percorso di ricerca dimostra come l’ingegneria logistica possa e debba confrontarsi con i grandi temi della sostenibilità sociale, accanto a quelli economici e ambientali. Tutti i progetti presentati sono stati applicati a contesti reali, dimostrando che i modelli matematici possono guidare decisioni concrete e generare un impatto positivo per le persone.
Attraverso la progettazione, la digitalizzazione e l’ottimizzazione di sistemi logistici, è possibile migliorare la qualità dei servizi, ridurre sprechi, alleggerire il carico sugli operatori e aumentare l’efficienza, contribuendo allo stesso tempo a costruire un futuro più equo e sostenibile.
Didascalie delle figure:
