Optimisation of logistics operations using evolutionary algorithms and simulations

La tesi si propone di dare un contributo all'ottimizzazione della gestione logistica delle consegne in modo tale da rispondere alla complessità del trasporto merci a livello regionale. La metodologia si basa su un'architettura a tre livelli: Macroscopia, Mesoscopia e Microscopia. I tre livelli consentono di risolvere, in modo flessibile, efficiente e robusto, un problema di pianificazione dei percorsi e di gestione delle risorse a diverse scale di dettaglio. Il primo livello è quello della Macroscopia, che sfrutta i dati acquisiti per organizzare l'area operativa dividendola in cluster omogenei ottimizzati in funzione della distanza tra i cluster e dei volumi di consegna settimanali. Il clustering dinamico e l'ottimizzazione genetica producono configurazioni di cluster con una lunghezza minima del percorso ed un carico bilanciato. Questi cluster vengono poi testati per verificarne la resistenza rispetto alla varianza della domanda attraverso una simulazione Monte Carlo, ottenendo una soluzione stabile. Il livello della Mesoscopia ottimizza quindi i percorsi di consegna all'interno dei cluster, definendo la frequenza settimanale di consegna in ogni località. Questa fase utilizza una ricerca genetica ibrida usando Google OR-Tools per costruire soluzioni che riequilibrino i volumi giornalieri e minimizzino la distanza percorsa all'interno di ciascun cluster. La robustezza di queste soluzioni viene testata con una simulazione stocastica, che migliora l'adattabilità del sistema alle fluttuazioni e lo rende resistente ai cambiamenti imprevisti. L’approccio proposto, infine, utilizza GraphHopper per calcolare i percorsi più efficienti in base a criteri di costo dettagliati. Il livello della Microscopia riproduce la variabilità del traffico e dei tempi di consegna attraverso simulazioni dettagliate dell'ultimo miglio. Sulla base dei dati di traffico integrati, le simulazioni effettuate con Kepler.gl identificano i colli di bottiglia e le inefficienze nei percorsi pianificati. La simulazione prevede il comportamento del percorso in scenari complessi, come picchi di traffico o condizioni meteorologiche avverse, garantendo un'ulteriore ottimizzazione operativa. I risultati del sistema dimostrano la sua dinamicità, adatta alle realtà della logistica moderna, a supporto della flessibilità e della reattività dell'azienda nei servizi di gestione. Questa ricerca arricchisce sia la letteratura accademica che la pratica logistica, fornendo un modello scalabile e adattabile che contribuisce positivamente all'efficienza, alla sostenibilità ed alla resilienza operativa.