Riassunto analitico
Nella presente tesi viene affrontato il problema di dimensionamento ed ottimizzazione della qualità dei servizi offerti da IRETI S.p.A. nell’ambito delle attività di preventivazione ed esecuzione. Con preventivazione si intendono le attività svolte dal pesonale di IRETI S.p.A. per la raccolta delle informazioni utili per definire le caratteristiche del lavoro che dovrà essere svolto e per la stesura del preventivo relativo all’attività richiesta dal cliente. Con esecuzione si indicano le attività di intervento sulla rete del gas o dell’acqua, che permettono di completare quanto richiesto inizialmente dal cliente. L’obiettivo che IRETI si è prefissata è quello di riuscire a garantire un servizio in linea con il bando di gara volto ad assegnare la gestione dei servizi di distribuzione gas sul territorio nazionale. È stato necessario definire inizialmente le richieste dei clienti per tutti quei comuni nei quali attualmente IRETI non opera, ma che entreranno a far parte della sua zona di competenza in seguito alla gara d’appalto nazionale per l’assegnamento della gestione dei servizi gas e luce. A tal fine sono state implementate alcune tecniche base di Machine Learning, in particolare un algoritmo di regressione di tipo K-Nearest Neighbors per la previsione dei valori non noti e la K-Cross Fold Validation per valutare gli errori di previsione relativi allo strumento di regressione implemetato. Lo studio del problema ha richiesto una suddivisione dell’Ambito Territoriale Minimo (ATEM) in un certo numero di cluster, in modo da ottenere un dimensionamento ottimizzato in relazione al numero di operatori presenti sul territorio. Il processo di clusterizzazione è stato effettuato tramite la definizione di un modello matematico bi-obiettivo di Programmazione Lineare Intera (PLI). Questo modello è stato poi implementato all’interno di un risolutore per la PLI (Xpress), utilizzano diverse configurazioni dei parametri del sistema per valutare differenti scenari. Le soluzioni di maggiore interesse sono state poi rappresentate graficamente tramite il software open-source Qgis e analizzate con il personale di IRETI S.p.A., fino a giungere a una soluzione ottimale. Allo stesso tempo è stato effettuato un dimensionamento ottimale della schedulazione degli slot temporali resi disponibili nell’arco di una settimana per svolgere le attività di preventivazione ed esecuzione. Anche in questo caso le soluzioni studiate sono state presentate al personale di IRETI S.p.A. e in seguito ad un’attenta analisi, si è giunti ad una soluzione in grado di soddisfare al meglio le esigenze dell’azienda. La soluzione scelta è stata poi valutata attraverso l’uso di un simulatore sviluppato dal gruppo di ricerca operativa, che ha confermato la bontà delle soluzioni scelte anche da un punto di vista dinamico. Le attività di studio precedentemente elencate sono state applicate agli ATEM di Reggio Emilia e Genova.
|