L’idea della tesi nasce da un’applicazione reale: l’ottimizzazione della flotta di un’azienda che offre manutenzione di bancomat e la conseguente programmazione giornaliera degli interventi di manutenzione. Nella prima parte della tesi si analizza il problema dell’ottimizzazione della flotta: due modelli di programmazione intera vengono studiati con alcuni risultati teorici di convessità discreta utili per la ricerca della soluzione ottima del problema minimizzando i tempi del relativo algoritmo. Nella seconda parte della tesi viene costruito un modello analitico per l’attribuzione dei singoli interventi di riparazione ai tecnici della flotta sulla base della distribuzione geografica e temporale degli interventi, dei costi di penali per i ritardi negli interventi e dalle tipologie di tecnici. Per la soluzione di questo problema è stato creato un algoritmo ad hoc che fornisce una soluzione esatta al problema di ottimo. La scelta di un algoritmo esatto (e non un’euristica) è dettata dalla caratteristica del problema (problema di piccole/medie dimensioni). Quattro differenti versioni dell’algoritmo sono analizzate e testate su 200 problemi generati casualmente.
Optimal fleet size and scheduling: some theoretical results and a real application
2007
Abstract
L’idea della tesi nasce da un’applicazione reale: l’ottimizzazione della flotta di un’azienda che offre manutenzione di bancomat e la conseguente programmazione giornaliera degli interventi di manutenzione. Nella prima parte della tesi si analizza il problema dell’ottimizzazione della flotta: due modelli di programmazione intera vengono studiati con alcuni risultati teorici di convessità discreta utili per la ricerca della soluzione ottima del problema minimizzando i tempi del relativo algoritmo. Nella seconda parte della tesi viene costruito un modello analitico per l’attribuzione dei singoli interventi di riparazione ai tecnici della flotta sulla base della distribuzione geografica e temporale degli interventi, dei costi di penali per i ritardi negli interventi e dalle tipologie di tecnici. Per la soluzione di questo problema è stato creato un algoritmo ad hoc che fornisce una soluzione esatta al problema di ottimo. La scelta di un algoritmo esatto (e non un’euristica) è dettata dalla caratteristica del problema (problema di piccole/medie dimensioni). Quattro differenti versioni dell’algoritmo sono analizzate e testate su 200 problemi generati casualmente.File | Dimensione | Formato | |
---|---|---|---|
Tesi_PhD_Riccardi_completa.pdf
embargo fino al 15/12/2046
Tipologia:
Altro materiale allegato
Dimensione
988.69 kB
Formato
Adobe PDF
|
988.69 kB | Adobe PDF | |
Sintesi_PhD_Riccardi.pdf
embargo fino al 15/12/2046
Tipologia:
Altro materiale allegato
Dimensione
130.24 kB
Formato
Adobe PDF
|
130.24 kB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/153924
URN:NBN:IT:UNIPI-153924