decision & control laboratory -...
TRANSCRIPT
Prof. Ing. Mariagrazia Dotoli
http://dei.poliba.it/DEI-it/ricerca/decision-and-control.html [email protected]
DECISION & CONTROL LABORATORY
Politecnico di Bari
Dipartimento di Ingegneria Elettrica e dell’Informazione
Ing. Raffaele Carli Ing. Graziana Cavone
Ing. Nicola Epicoco Ing. Seyed Mohsen Hosseini
Ing. Roberta Pellegrino
Decision & Control Laboratory
❑ Mission
- valorizzazione dei risultati di ricerca ottenuti con partner pubblici e privati su scala
regionale, nazionale o internazionale nel settore dell'automatica.
- promozione del trasferimento tecnologico di tali risultati.
❑ Collaborazioni
- Università: Università di Cagliari, Ecole Centrale de Lille (Francia), Aix-Marseille
Université (Francia), Hamburg University (Germania), Crakov University (Polonia),
Imperial College (UK), Chalmers University (Svezia), Universidad Zaragoza (Spagna),
New Jersey Institute of Technology (USA), …
- Enti pubblici: Banca del Lussemburgo, Ferrovie Sud Est, Comune di Bari, …
- Aziende: IBM, Enel Distribuzione, General Transport Service SpA, Planetek,
Divella, Le Gemme, Tera, Cannillo, SimNT, Primadonna, Veronico Srl, …
Principali temi di ricerca recenti
- ottimizzazione dei trasporti (merci, rifiuti, passeggeri)
- tecniche di decision-making (selezione fornitori, reingegnerizzazione processi, …)
- energy management ed efficientamento energetico (pubblico, privato)
- smart city, smart governance, smart mobility
http://dei.poliba.it/DEI-it/ricerca/decision-and-control.html
Ottimizzazione dei trasporti
Ottimizzazione del trasporto merci
- La logistica (interna/esterna)
- I terminal multimodali
- I terminal intermodali ferro-gomma
- individuazione delle criticità
- ottimizzazione delle tratte stradali
- ottimizzazione delle aree di stoccaggio
- ottimizzazione della composizione dei treni (anche passeggeri)
- Gestione della raccolta di rifiuti (anche speciali e pericolosi)
Ottimizzazione trasporto merci: la logistica
Vantaggi: SCN flessibile ed
efficiente + modellazione della
cooperazione e competitività tra
attori + riduzione tempi e costi
di approvvigionamento ed
evasione ordini + simulazione e
analisi what-if.
QdwS1=0 S1
Qups1=0
IS1=0
M1 QdwD1=22
QdwS2=2 Qup
D1=25
QupS2=1 S2 QD1,M1=5 SLD1=8
IS2=182 € CD1=5548 €
QdwM1=7 ID1=7842 € ĎR1=(3005;3200;3250) pcs
QM3,S2=2 QM1,S3=4 Qup M1=4 PrD1=2294 € QupR1=31 batches=3100 pcs
SLM1=2 SLR1=20 pcs
QdwS3=9 CM1=484 € QD2,M1=2 QR1,D1=20 CR1=11930 €
QupS3=5 S3 IM1=1790 € SPR1≥3.73 €/pc
IS3=1047€ PrM1=1306 € D1
QR2,D1=2
R1 Qcl,R1=3200 pcs
QM3,S3=1 QM2,S3=4 QD1,M2=8
M2
QdwS4=2 S4
QupS4=2 QD2,M2=25 QR1,D2=11
IS4=160 € QM2,S4=2
QdwM2=33 D2
QupM2=16 Qcl,R2=2102 pcs
QdwS5=0 S5 SLM2=0 R2
QupS5=0 CM2=2300 € QR2,D2=19
IS5=0 QM2,S6=3 IM2=9748 € QdwD2=30
PrM2=7448 € QupD2=27 ĎR2=(1950;2102;2200) pcs
SLD2=5 QupR2=21 batches=2100 pcs
QdwS6=3 S6 CD2=8030 € SLR2=139 pcs
QupS6=1 QD1,M3=12 ID2=12216 € CR2=8128 €
IS6=489 € M3 PrD2=4186 € SPR2≥3.87 €/pc
QM2,S8=7
QdwS7=0 S7
QupS7=0 Qdw
M3=12
IS7=0 QupM3=4
SLM3=6
QM3,S8=1 CM3=446 €
QdwS8=8 S8 IM3=2040 €
QupS8=2 PrM3=1594 €
IS8=1352 €
S5
clients
S1 S2 S3 S4
Obiettivo: gestione strategica multi-obiettivo di una Supply Chain Network (SCN)
multi-buyer multi-seller con dati incerti con valutazione di prestazioni ed utilizzo
delle risorse.
Metodologia: cross-efficiency fuzzy/stochastic DEA + fuzzy bargaining game.
- M. Dotoli, N. Epicoco (2018), “Integrated network design of agile resource-efficient Supply Chains under uncertainty”. IEEE Transactions on Systems, Man, and Cybernetics: Systems.
- G. Cavone, M. Dotoli, N. Epicoco, C. Seatzu (2018), “A game-theoretical approach for multi-stage Supply Chains Network Design under uncertainty”. 14th IEEE International Conference on
Automation Science and Engineering (CASE 2018), Aug. 20-24, 2018, Munich (Germany).
- M. Dotoli, N. Epicoco, M. Falagario, F. Sciancalepore (2015), “A stochastic cross-efficiency Data Envelopment Analysis approach for supplier selection under uncertainty”. International
Transactions in Operational Research, vol. 2/2015, pp.1-25.
Ottimizzazione trasporto merci:
i terminal multimodali
Obiettivo: gestione strategica di terminal di trasporto combinato delle merci e
valutazione di prestazioni ed utilizzo delle risorse.
Metodologia: modellazione a eventi discreti con TPN.
Vantaggi: modellazione standardizzata e modulare + rappresentazione di dinamiche
interne + simulazione ed analisi what-if + applicazione di politiche di controllo.
INTERMODAL TERMINAL
OPENING/CLOSING
(for Days/Hours)
ACCESS ROAD
(Entrance for Semitrailers)
ACCESS ROAD
(Exit for Semitrailers - Port)
ACCESS ROAD (Exit for Semitrailers - Customer)
RAILWAY ACCESS (Incoming/Outgoing ITUs
BARI-BOLOGNA Line)
RAILWAY ACCESS (Incoming/Outgoing ITUs
BARI-PIACENZA Line)
OPENING/CLOSING
(for Days)
YARD
STORAGE
Semitrailer trucks
Tractors and ITUs
ITUs
- G. Cavone, M. Dotoli, N. Epicoco, C. Seatzu, “Efficient resource planning of intermodal terminals under uncertainty”. 15th IFAC Symposium on Control in Transportation Systems (CTS 2018), June
6-8, 2018, Savona (Italy).
- M. Dotoli, N. Epicoco, M. Falagario, G. Cavone, “A Timed Petri Nets Model for Performance Evaluation of Intermodal Freight Transport Terminals“, IEEE Transactions on Automation Science and
Engineering, vol. 13 (2), pp. 842-857, 2016.
- G. Cavone, M. Dotoli, N. Epicoco, C. Seatzu (2017), “Intermodal terminal planning by Petri Nets and Data Envelopment Analysis”. Control Engineering Practice, vol. 69, pp. 9-22.
Ottimizzazione trasporto merci: le criticità
Obiettivo: rimozione delle criticità (legge di Pareto), applicabile anche in altri settori.
Metodologia: approccio integrato (UML + VSM + Lean Philosophy).
Vantaggi: analisi dei flussi di materiali e informazioni, individuazione di responsabilità,
tempistiche, criticità e loro impatto sulle prestazioni.
N observed problemserror
%
profit
abilityquality PV CV AIV
1 lack of immediate information about any extra costs 1 1 0 2 3 5
2 lack of summary information from historical accounts 1 0 0 1 5 6
3 lack of basic information in the process of receiving the order 2 1 1 4 6 10
4 lack of schedules load planning 0 1 1 2 4 6
5 manual management of the security seals on containers 1 0 0 1 2 3
6 manual management of the association between ITU and wagon 1 0 0 1 3 4
7 manual management of creating the load list 1 2 0 3 4 7
8 lack of standardization in the container stocking in the yard 0 2 0 2 7 9
9 lack of optimization criteria in the train composition 0 2 1 3 6 9
10 lack of customer feedback tools 0 1 2 3 2 5
11 lack of clarity on the responsibilities 1 1 1 3 2 5
12 lack of standardized criteria for the management of overbooking 1 1 1 3 5 8
13 lack of standardized criteria for the management of matching 0 2 0 2 6 8
14 lack of schedules unload planning 0 1 1 2 3 5
- M. Dotoli, N. Epicoco, M. Falagario, N. Costantino, B. Turchiano, “An integrated approach for warehouse analysis and optimization: a case study”. Computers in Industry, vol. 70, pp. 56-69, 2015.
- M. Dotoli, N. Epicoco, M. Falagario, N. Costantino, “A lean warehousing integrated approach: a case study”. Proc. 18th IEEE Conference on Emerging Technologies & Factory Automation (ETFA
2013), September 10-13, 2013, Cagliari (Italy).
- M. Dassisti, M. Dotoli, N. Epicoco, M. Falagario, “Internal logistics integration by Automated Storage and Retrieval Systems: A reengineering case study”. On the Move to Meaningful Internet
Systems: OTM 2012 Workshops. In: Lecture Notes in Computer Science, vol. 7567, pp. 78-82, P. Herrero et al. (Eds), 2012.
Ottimizzazione trasporto merci: tratte stradali
Obiettivo: matching primo/ultimo miglio.
Metodologia: CVRP(TW) + FFM. (Vincoli: max 2 nodi; lo scarico precede il carico).
Vantaggi: possibilità di combinare carico/scarico, risparmio (tempi, costi, risorse).Simple trip Double matching Single matching
Delivery nodeDepot Pickup node Simultaneous
pickup&delivery node
Empty run Loaded run
Path Match Delivery Pick Up Km tk [min]
Routes for customers' ITUs (run time 21.04 sec)
p1 double Putignano Brindisi 224 344
p2 double Gravina Massafra 179 299
p3 double Melfi M. Savoia 208 328
p4 double Foggia M. Savoia 229 349
p5 double Valenzano Monopoli 92 212
p6 simple trip Modugno / 12 72
p7 simple trip Valenzano / 18 78
p8 double Buccino Statte 359 479
Routes for owned 45' ITUs (run time 41.74 sec)
p9 double Trani Buccino 284 404
p10 double Fasano Cavallino 297 417
p11 no match / Statte 142 202
p12 single Andria Andria 92 212
Routes for owned 20' ITUs (run time 22.06 sec)
p13 double Fasano Cavallino 297 417
p14 no match / Putignano 82 142
p15 single Andria Andria 92 212
p16 double Policoro Buccino 356 476
Scheduling for with customers' ITUs (run time 0.053 sec)
path Tv [min]
Tover [min] p1 p2 p3 p4 p5 p6 p7 p8
veh
icle
s
v1 x x x 449 0
v2 x 349 0
v3 x 344 0
v4 x 328 0
v5 x 212 0
v6 x 479 0
Scheduling for owned ITUs (run time 0.0517 s)
path Tv
[min]
Tover
[min] p9 p10 p11 p12 p13 p14 p15 p16
veh
icle
s
v'1 x x 414 0
v'2 x x 354 0
v'3 x 417 0
v'4 x 417 0
v'5 x 404 0
v'6 x 476 0
- M. Dotoli, N. Epicoco, M. Falagario, “A model for the optimal management of containers’ drayage at intermodal freight terminals”. 2016 IEEE International Conference on Robotics and
Automation (ICRA 2016), May 16-21, 2016, Stockholm (Sweden).
- M. Dotoli, N. Epicoco, M. Falagario, B. Angelico, A. Vinciullo, “A two-step optimization model for the pre- and end-haulage of containers at intermodal freight terminals”. Proc. 14th IEEE
European Control Conference (ECC 2015), July 15-17, 2015, Linz (Austria), pp. 3477-3482.
Ottimizzazione trasporto merci:
area di stoccaggio
Obiettivo: massimizzare il livello di stoccaggio dei container nel terminal.
Metodologia: MILP (Vincoli: capacità, impilabilità, valore economico e commerciale,
priorità, importanza del cliente).
Vantaggi: maggior profitto, riduzione delle rimovimentazioni, costi, tempi,
informatizzazione, miglior uso delle risorse, gestione partenze/arrivi.
M. Dotoli, N. Epicoco, M. Falagario, C. Seatzu, B. Turchiano, “A Decision Support System for optimizing operations at intermodal railroad terminals”. IEEE Transactions on Systems Man and
Cybernetics: Systems, vol. 47 (3), pp. 487-501, 2017
Ottimizzazione trasporto ferroviario
(merci e passeggeri)
- G. Cavone, M. Dotoli, N. Epicoco, C. Seatzu (2017), “A decision making procedure for robust train rescheduling based on Mixed Integer Linear Programming and Data Envelopment Analysis”.
Applied Mathematical Modelling, vol. 52, pp. 255-273.
- M. Dotoli, N. Epicoco, C. Seatzu, “An improved technique for train load planning at intermodal rail-road terminals”. Proc. 20th IEEE International Conference on Emerging Technologies and
Factory Automation (ETFA 2015), September 8-11, 2015, Luxembourg.
- M. Dotoli, N. Epicoco, M. Falagario, D. Palma, B. Turchiano, “A train load planning optimization model for intermodal freight transport terminals: a case study”. Proc. 2013 IEEE International
Conference on Systems, Man, and Cybernetics (SMC 2013), October 13-16, 2013, Manchester (UK).
Obiettivo: ottimizzazione globale + scheduling della timetable offline + gestione disturbi
in real-time
Metodologia: MILP + euristica, PES, re-scheduling (Vincoli: dimensione; peso; priorità;
importanza cliente; UTI vuote + vincoli ferroviari + robustezza + reshuffle per il
posizionamento in testa/coda treno UTI che proseguono).
Vantaggi: max profitto, gestire l’overbooking + min ritardi + interfaccia user-friendly,
gestione delle fermate intermedie, gestione degli imprevisti (ITU scartata o nuova
urgenza).
.MILP problem time
horizon
First level:
trains rescheduling
(Rescheduling
Mathematical Model)
Second level:
robustness evaluation
(Validation Model)
Third level:
heuristics
(Conflict Identification &
Resolution)
Number of instances
Time Window
Gestione della raccolta dei rifiuti:
Obiettivo: scheduling e del routing per la raccolta rifiuti speciali.
Metodologia: CVRP(TW) + HWM (Vincoli: capacità dei veicoli (massa e volume),
disponibilità, pause autisti, limite ore lavorative, separazione rifiuti immiscibili, finestre
temporali multiple).
Vantaggi: ottimizzazione delle rotte e dell’utilizzo delle risorse.
M. Dotoli, N. Epicoco (2017), “A vehicle routing technique for hazardous waste collection”. 20th World Congress of the International Federation of Automatic Control (IFAC 2017), July 9-14, 2017,
Toulouse (France). IFAC-PapersOnLine, vol. 50 (1), pp. 9694-9699.
Smart City Management
Efficientamento energetico
- Progetto Res Novae
- Progetto UCCSM
Smart mobility
- Progetto Semina
Progetto RES NOVAE(Reti Edifici Strade Nuovi Obiettivi per l’Ambiente e l’Energia)
Contesto
di lavoro
Aree di ricerca
Bari
Cosenza
• Responsabile scientifico: ENEA• Project Management: Enel Distribuzione• Durata del progetto: 36 mesi (01/11/12-
31/10/2015)• Bando “Smart Cities and Communities and Social
Innovation” • Budget complessivo: circa 24 milioni di euro
Obiettivo: Sviluppare una soluzione integrata di assetto urbano tra le funzionalità di
gestione energetica della rete di distribuzione, dei distretti di edifici e strade, della
città.
Progetto RES NOVAE(Reti Edifici Strade Nuovi Obiettivi per l’Ambiente e l’Energia)
- R. Carli, M. Dotoli, R. Pellegrino (2018), “Multi-criteria Decision-Making for Sustainable Metropolitan Cities Assessment,” Journal of Environmental Management , vol. 226, pp. 46-61.
- R. Carli, M. Dotoli, R. Pellegrino (2018), “A decision-making tool for energy efficiency optimization of street lighting,” Computers and Operations Research , vol. 96, pp. 223-235.
- R. Carli, M. Dotoli, R. Pellegrino, L. Ranieri (2017), “A decision making technique to optimize a building stock energy efficiency”, IEEE Transactions on Systems, Man and Cybernetics: Systems,
vol. 47 (5), pp. 794-807.
- R. Carli, M. Dotoli, R. Pellegrino (2017), “A Hierarchical Decision Making Strategy for the Energy Management of Smart Cities”, IEEE Transactions on Automation Science and Engineering, vol.
14 (2), pp. 505-523.
Obiettivi: creare una piattaforma per ilmonitoraggio e controllo delle performancedella città, a supporto della PubblicaAmministrazione per la governance urbana ecome mezzo di comunicazione verso lacittadinanza / partecipazione della comunità.
Vantaggi:
⚫ Strumenti per il monitoraggio e l’analisi delle performance urbane (visione corrente, storica e previsionale dello stato della città)
⚫ Analisi mediante un cruscotto di indicatori
⚫ Modellistica urbana e strumenti di Business intelligence per il decision making e il planning strategico
⚫ Accessibilità delle informazioni alla cittadinanza e strumenti di collaboration
Progetto UCCSM(Urban Control Center Smart city Metropolitane)
➢ Monitoraggio e controllo nelle smart city
L’UCC comprende due strumenti di supporto fondamentali alla governance della PA per la programmazione della smart city:
⚫ Il monitoraggio delle prestazioni della smart city
⚫ l’implementazione delle politiche di programmazione strategica della città attraverso azioni di decision making
.
2. tool di supporto al
decision making
1. Cruscotto
di indicatori
Valore target
indicatori
Valore corrente
indicatori
Decision
making
Valutazione
Indicatori
Città
Dinamiche
urbane
Piani di
azione
Fattori di
disturboLista Azioni
Potenziali
Determin.
strategie
Obiettivi
smart city
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
Obiettivo: Definizione di una tecnica multi-criterio
per supportare la PA nell'analisi e benchmarking
dello sviluppo sostenibile dei sistemi
energia/acqua/ambiente nelle aree metropolitane
Metodologia: AHP (Analytic Hierarchy Process)
– Caso applicativo:
35 indicatori SDEWES (Sustainable
Development of Energy, Water, and
Environment Systems)
Città metropolitana di Bari (Bari, Bitonto,
Mola, Molfetta)
➢ Benchmarking delle aree metropolitane
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
Obiettivo: Individuare i piani strategici di intervento nelle aree metropolitane
(problema multi-criterio, con molteplici decisori, in regime di incertezza nei dati).
Metodologia: Fuzzy Analytic Hierarchy Process (FAHP) Group Decision Analysis
Caso applicativo:
35 indicatori SDEWES (Sustainable Development of Energy, Water, and Environment
Systems)
Città metropolitana di Bari (11 aree strategiche)
22 progetti EU aggregati per budget in 4 piani di intervento
➢ Pianificazione degli interventi
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
R. Carli, M. Dotoli, N. Epicoco, R. Pellegrino, “Defining sustainable action plans in metropolitan cities using the fuzzy Analytic Hierarchy Process group decision analysis”. 13th Conference on
Sustainable Development of Energy, Water and Environment Systems (SDEWES 2018), Sept. 30-Oct. 4, 2018, Palermo (Italy).
➢ Pannelli decisionali locali
Carli R., Dotoli M., Pellegrino R., “ICT and optimization for the energy management of smart cities: The street lighting decision panel”, IEEE ETFA 2015.
LDP #1 – Pannello Illuminazione Pubblica
Obiettivo: Determinare le azioni ottimali da implementare nelle sotto-zone scelte per ridurre ilconsumo energetico, mantenendo dei target di comfort e qualità, proteggendo l’ambiente, senza eccedere il budget dato.
Problema di Ottimizzazione LDP #1
Metodologia: ottimizzazione vincolata gerarchica bi-livello decentralizzata.
⚫ Variabili decisionali
⚫ Sostituzione lampade: ust = quantità di lampade di tipo t da sostituire nel sottosistema s
⚫ Installazione di moduli di energy harvesting: vs = quantità di moduli di energy harvesting da installare nel sottosistema s
⚫ Installazione di strumenti di dimming zonali: ws = variabile binaria che assume valore 1 quando vainstallato il dimming al sottosistema s (0 altrimenti)
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
Carli, R.; Dotoli, M.; Pellegrino, R., «A decision making technique to optimize a building stock energy efficiency», IEEE Trans. Sys., Man Cyb.: Systems, 2015.
LDP #2 – Pannello Edifici Pubblici
Obiettivo: Determinare le azioni ottimali daimplementare sugli edifici in modo da renderli: piùefficienti energeticamente, più sostenibili da unpunto di vista ambientale, più confortevoli per glioccupanti, non eccedendo il budget dato
s.t.
Metodologia: ottimizzazione vincolata multi-obiettivo binaria a due livelli
Variabili decisionali
=else 0
applied isaction if 1jkx
Costo dell’azione
Payoff dipendente dal criterioBudget
Criteri
Funzione obiettivo del criterio
Problema di Ottimizzazione LDP #2
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
➢ Pannelli decisionali locali
➢ Strategia di efficientamento multisettoriale
BLDP
PAYOFF E COSTI PER GLI EDIFICI
PAYOFF E COSTI PER LA PUBBLICA ILLUMINAZIONE
BUDGET TOTALEALLOCAZIONE OTTIMALE DEL BUDGET
PIANO DI RETROFIT OTTIMO PER GLI EDIFICI PUB.
Parameter
Subsystem 1 2 3 4 5 6 7 8 9 10
Type 1 0 0 0 0 0 1 5 52 5 27
2 27 0 0 0 0 2 18 2 24 18
Parameter
Subsystem 1 2 3 4 5 6 7 8 9 10
0 0 0 0 0 0 0 0 0 0
Parameter
Subsystem 1 2 3 4 5 6 7 8 9 10
1 1 1 1 1 1 1 1 1 1
PIANO DI RETROFIT OTTIMO PER L’ILLUMINAZ. PUB.
Action
Bu
ild
ing
0 0 0 1 1 1 1
0 0 1 1 1 1 1
0 1 0 1 1 1 1
0 0 1 1 1 1 1
0 0 1 1 1 1 1
- Sostituzione di metà delle lampade, dimming per tutti i sottosistemi
- Isolamento termico del tetto per B2, nuovi infissi per B2, B4, B5
- Per tutti gli edifici: nuove caldaie, valvole termostatiche ai radiatori, aeratori dei rubinetti,
lampade alta efficienza energetica.
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
Obiettivo: Effettuare uno smart schedulingenergetico di edifici pubblici o privati con datiincerti.
Metodologia: ottimizzazione fuzzy vincolata
Il sistema comprende:
⚫ Apparecchiature (programmabili e non)
⚫ Fonti energetiche rinnovabili (e.g. pannelli fotovoltaici)
⚫ Generatori dispacciabili (e.g. microturbine)
⚫ Sistemi di accumulo (e.g. batterie)
Vantaggi: riduzione del costo, del consumoenergetico e del PAR (Peak to Average Ratio)con pieno sfruttamento della generazione(FER) e dell’accumulo locale.
➢ Schedulazione energetica di Edifici Pubblici
Progetto UCCSM(Urban Control Center Smart City Metropolitane)
R. Carli, M. Dotoli, N. Epicoco, “Cost-optimal energy scheduling of a smart home under uncertainty”. 2nd IEEE Conference on Control Technology and Applications (CCTA 2018), Aug. 21-24, 2018,
Copenhagen (Denmark).
Bari
• Finanziamento: Regione Puglia• Programma: Apulian ICT Living Labs SMARTPUGLIA 2020• Contatto: prof. Mariagrazia Dotoli (Responsabile di Progetto)• Budget: € 680.972,00; Budget del Poliba: € 130.000,00• Numero di partner: 4
Smart Mobility: Progetto SEMINA(Sistemi Evoluti per la Mobilità Intelligente in Network urbani Agili)
Obiettivo: Definire un innovativo sistema ICT che fornisca al cittadino e alla
pubblica amministrazione in una SMART CITY utili informazioni sulla mobilità
urbana.
• Il sistema informativo sulla mobilità è stato sviluppato e prototipato per il Comune di
Bari dal Politecnico di Bari in collaborazione con alcune PMI locali
Smart Mobility: Progetto SEMINA(Sistemi Evoluti per la Mobilità Intelligente in Network urbani Agili)
Obiettivo: Utilizzare i dati GPS per valutare le
condizioni del sistema di trasporto bus e per
monitorare le prestazioni della rete stradale urbana.
Sorgente dei dati: Flotta dei bus per il trasporto locale
monitorati con GPS (100 bus monitorati/die; 120.000
tracce GPS/die)
Vantaggi: Basso costo di setup e di implementazione,
archiviazione automatica dei dati, scalabilità ad altri
veicoli «probe».
Metodologia: Utilizzo del concetto di "bus-as-probe".
➢ Sistema informativo della mobilità
Smart Mobility: Progetto SEMINA(Sistemi Evoluti per la Mobilità Intelligente in Network urbani Agili)
Tre livelli di analisi:
1. Analisi statistica delle prestazione del
servizio di trasporto locale bus
2. Analisi statistica del traffico veicolare
3. Monitoraggio real-time della congestione
del traffico urbano
➢ Sistema informativo della mobilità
Smart Mobility: Progetto SEMINA(Sistemi Evoluti per la Mobilità Intelligente in Network urbani Agili)
Risultati:
⚫ Linea 53 – ritorno, corsa delle h 08.05
⚫ Analisi statistica giorni feriali nel mese di giugno 2014
Punctuality Index
Schedule Adherence
Stop ID
Time
[min]
+/- 3σ
Mean Level
advance
(Suburb Area)
delay
(City Centre)
dela
yad
av
nc
e
Planned
➢ Analisi del servizio di trasporto locale bus
Smart Mobility: Progetto SEMINA(Sistemi Evoluti per la Mobilità Intelligente in Network urbani Agili)
- R. Carli, M. Dotoli, N. Epicoco (2018), “Monitoring traffic congestion in urban areas through probe vehicles: A case study analysis”. Internet Technology Letters, vol. 1 (4), 1:e5, 7 pp.
- R. Carli, M. Dotoli, N. Epicoco, B. Angelico, A. Vinciullo, "Automated evaluation of urban traffic congestion using bus as a probe" IEEE CASE 2015.
Risultati:
⚫ Analisi statistica giorni feriali nel mese di giugno 2014
Piazza Garibaldi
Urban Coverage by GPS data
Travel Time index:-Time window: from 09:00 to 10:00 am
City centre
Worst Conditions
Ideal Conditions
Travel Time index
- weekdays
➢ Analisi del traffico veicolare
Smart Mobility: Progetto SEMINA(Sistemi Evoluti per la Mobilità Intelligente in Network urbani Agili)
Spin-off
Soci: - Prof. Ing. Mariagrazia Dotoli
- Dott. Ing. Marco Falagario
- Dott. Ing. Giuseppe Ardito
- Politecnico di Bari
Cda: - Dott. Ing. Nicola Epicoco (Pres.)
- Prof. Ing. Marco Bronzini
- Dott.ssa Generosa Tagliente
Sede legale: Via De Romita n. 22 - Bari
Partita Iva: 07392070723
Principali attività:
Trasferimento tecnologico di know-how tecnico-scientifico ad enti pubblici
e privati;
Consulenza, formazione e assistenza in ambito di:
▪ ingegneria gestionale e dell’automazione;
▪ risparmio energetico e fonti rinnovabili;
▪ miglioramento continuo e controllo della qualità;
▪ gestione delle imprese private e ottimizzazione della risorse in organismi pubblici;
▪ reingegnerizzazione dei processi aziendali;
▪ redazione di modelli di organizzazione, gestione e controllo (D. lgs. 231/01).
Spin-off
Public Procurement:
Applicazione di tecniche multi-criterio MCDA in regime di incertezza per il settore
del Public Procurement (con requisiti di trasparenza, proporzionalità, equità di
trattamento e non-discriminazione).
Select the Best Bidder
Overall quality
Remun.
Price
Qualif. Organ. Quality
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 A18 A19 A20
S1 S2 S3 S4 S5 S6 S7
…
M. Dotoli, N. Epicoco, M. Falagario (2018), “Multi-Criteria Decision Making techniques for the management of public procurement tenders: A case study”. Applied Soft Computing
Analisi di processi e reingegnerizzazione
- M. Dotoli, N. Epicoco, M. Falagario, N. Costantino, B. Turchiano (2015), “An integrated approach for warehouse analysis and optimization: A case study”. Computers in Industry, vol. 70 (1), pp. 56-
69.
- M. Dotoli, N. Epicoco, M. Falagario, F. Sciancalepore (2015), “A cross-efficiency fuzzy Data Envelopment Analysis technique for performance evaluation of decision making units under uncertainty”.
Computers and Industrial Engineering, vol. 79, pp. 103-114.
- M. Dotoli, N. Epicoco, M. Falagario, F. Sciancalepore, N. Costantino (2014), “A Nash equilibrium simulation model for the competitiveness evaluation of the auction based day ahead electricity
market”. Computers in Industry, vol. 65 (4), pp. 774-785.
Analisi dell’as-is, delle attuali criticità, dei requisiti funzionali del to-be e dei margini di
miglioramento ottenibili, supporto all’implementazione dei correttivi, monitoraggio e
controllo in ottica di miglioramento continuo.
DSS
Strumenti di supporto alle decisioni
Sviluppo di sistemi di ottimizzazione multi-obiettivo caratterizzati da:
- facilità d'uso e di interpretazione dei risultati;
- ambiente interattivo con possibilità di effettuare simulazioni e analisi what-if dei
risultati;
- possibilità di fornire supporto diretto al processo decisionale;
- efficacia nell'utilizzo dei modelli e nell'analisi dei dati.
Procedura tutelata dai diritti d’autore e depositata presso la sezione OLAF della SIAE
Modelli di Organizzazione, Gestione e Controllo
Riorganizzazione aziendale e definizione di opportune procedure volte a prevenire
la responsabilità penale degli enti ai sensi del D. Lgs. 231/01, riducendo il rischio di
commissione di reati e mitigandone l’eventuale effetto sull’azienda.
Partecipazione ad Organismi di Vigilanza di aziende pubbliche e private.
Prof. Ing. Mariagrazia Dotoli
http://dei.poliba.it/DEI-it/ricerca/decision-and-control.html [email protected]
DECISION & CONTROL LABORATORY
Politecnico di Bari
Dipartimento di Ingegneria Elettrica e dell’Informazione
Ing. Raffaele Carli Ing. Graziana Cavone
Ing. Nicola Epicoco Ing. Seyed Mohsen Hosseini
Ing. Roberta Pellegrino