Tecniche di ottimizzazione per l'allocazione della forza lavoro, la schedulazione dinamica e l'assegnazione delle posizioni di stoccaggio nelle catene di approvvigionamento

This thesis presents a collection of three optimization studies focused on workforce allocation, scheduling, and storage location optimization in real-world operational environments, particularly in perishable product industries and healthcare supply chains. The first study examines a two-stage flexible flow shop problem for processing perishable products. Key decisions include worker shifts, machine allocation, and order scheduling, with the goal of lexicographically minimizing three objectives: the number of unscheduled orders, the weighted tardiness, and the production costs. The resulting problem is addressed by developing a heuristic and applying three metaheuristic algorithms: Random Multi-Start (MR), Biased Random Key Genetic Algorithm (BRKGA), and Variable Neighborhood Search (VNS). A constraint programming model is also formulated to evaluate the quality of the scheduling solution. Computational experiments demonstrate that BRKGA is the most effective approach and obtains better results than MR and VNS. The second study deals with the dynamic assignment of multi-skill configurations to multiple servers in the healthcare context. Two different models are considered: the first prohibits patients from leaving the system before receiving service, with the objective of minimizing total tardiness based on target service times. The second model introduces priority-weighted tardiness and allows patients to leave the system if waiting times become excessive, incurring additional penalties. To address the challenge of solution selection in the common Scenario-Based Planning Approach (SBPA), we propose a new approach that balances solutions across multiple scenarios and that we call Scenario-Based Planning and Recombination Approach (SBPRA). Extensive computational experiments prove that SBPRA outperforms the traditional SBPA, achieving a 38% improvement in the average objective function value. The third study focuses on a storage location assignment problem arising in a pharmaceutical warehouse, incorporating incompatibility and isolation constraints. The objective is to minimize the total distance traveled by order pickers to retrieve all required items. An Iterated Local Search (ILS) algorithm is proposed to solve the problem, with numerical experiments conducted on simulated data. A detailed procedure is also provided for structuring warehouse layout input data. Results show a significant improvement over the commonly used greedy full turnover procedure in real-life operations. Overall, the thesis proves the effectiveness of the developed optimization techniques in a number of difficult real-world problems.

Questa tesi presenta una raccolta di tre studi sull'ottimizzazione, focalizzati sull'allocazione della forza lavoro, la schedulazione e l'ottimizzazione dello stoccaggio di prodotti in realtà produttive, in particolare nelle industrie di prodotti deperibili e nel settore sanitario. Il primo studio esamina un problema di flexible flow shop a due stadi per la lavorazione di prodotti deperibili. Le decisioni chiave riguardano i turni di lavoro, l'allocazione delle macchine e la schedulazione degli ordini, con l'obiettivo di minimizzare gerarchicamente tre obiettivi: il numero di ordini non schedulati, la tardiness totale pesata e i costi di produzione. Il problema viene affrontato sviluppando un algoritmo euristico e applicando tre algoritmi metaeuristici: Random Multi-Start (MR), Biased Random Key Genetic Algorithm (BRKGA) e Variable Neighborhood Search (VNS). Viene inoltre formulato un modello di constraint programming per valutare la qualità della soluzione a livello di schedulazione. Gli esperimenti computazionali dimostrano che BRKGA è l'approccio più efficace e ottiene risultati migliori rispetto a MR e VNS. Il secondo studio affronta il problema dell'assegnazione dinamica di configurazioni multi-skill a più server nel settore ospedaliero. Vengono considerati due modelli: nel primo ai pazienti non è concesso abbandonare il sistema prima di ricevere il servizio, con l'obiettivo di minimizzare la tardiness totale sui tempi target stabiliti per il servizio. Il secondo modello introduce una tardiness pesata sulle priorità di servizio e contemporaneamente la possibilità di abbandonare il sistema nel caso in cui i tempi di attesa diventino eccessivi, incorrendo in ulteriori penalità. Per affrontare la sfida della selezione delle soluzioni nel comune Scenario-Based Planning Approach (SBPA), proponiamo un nuovo approccio che introduce un’ulteriore soluzione che sia bilanciata tra più scenari, chiamato Scenario-Based Planning and Recombination Approach (SBPRA). Approfonditi esperimenti computazionali dimostrano che SBPRA supera il tradizionale SBPA, ottenendo un miglioramento del 38% della funzione obiettivo in media. Il terzo studio si concentra su un problema di assegnazione delle posizioni di stoccaggio in un magazzino farmaceutico, in cui sono presenti vincoli di incompatibilità e isolamento. L'obiettivo è minimizzare la distanza totale percorsa dagli addetti al picking per la raccolta tutti gli articoli necessari. Viene proposto un algoritmo Iterated Local Search (ILS) per risolvere il problema, con esperimenti numerici condotti su dati simulati. Viene inoltre fornita una procedura dettagliata per strutturare i dati di input relativi alla disposizione del magazzino. I risultati mostrano un miglioramento significativo rispetto alla procedura greedy comunemente utilizzata nelle operazioni reali. Complessivamente, la tesi dimostra l'efficacia delle tecniche di ottimizzazione sviluppate per affrontare vari e complessi problemi che si presentano quotidianamente nel mondo reale.