Università degli Studi di Bologna FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Gestionale Ricerca Operativa

1. Università degli Studi di Bologna FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Gestionale Ricerca Operativa MODELLI PER L’OTTIMIZZAZIONE DELL’OFFERTA NELLA RACCOLTA DI RIFIUTI Tesi di Laurea di: FILIPPO BUTTINO Relatore: Chiar.mo Prof. Ing. DANIELE VIGO Correlatori: Chiar.mo Prof. Ing. PAOLO TOTH Chiar.mo Prof. Ing. ALBERTO CAPRARA

2. Definizione del problema Gestione del servizio di raccolta di rifiuti solidi urbani, partendo dall’analisi della situazione attuale • Analisi della domanda: studio dell’andamento della produzione di rifiuti nelle postazioni • Riqualificazione dell’offerta: • Ubicazione delle postazioni • Frequenze di conferimento • Dimensionamento delle capacità

3. Le caratteristiche del servizio di raccolta • I rifiuti sono riposti in appositi contenitori di capacità volumetrica differente • I contenitori sono aggregati in postazioni, che soddisfano la domanda di un determinato bacino d’utenza • Le postazioni sono riunite in zone che vengono servite durante lo stesso viaggio dei camion adibiti alla raccolta

4. Obiettivo dello studio Realizzazione di uno strumento di ricercadella configurazione ottima del servizio di raccolta, in funzione delle variabili caratteristiche: • Buona qualità del servizio di raccolta • Contenimento dei costi legati al servizio (fissi + variabili) • Frequenze di conferimento delle zone • Numero di contenitori per ogni postazione

5. Fasi dello studio • Acquisizione delle localizzazioni • Analisi della domanda • Scelta delle frequenze di servizio (profili) • Determinazione delle capacità delle postazioni

6. Dati di ingresso Dati di origine presenti su database realizzato con Microsoft Access: • tipo di contenitori e profili di svuotamento • informazioni sulle postazioni (ubicazione, frequenza di conferimento, zona di appartenenza, numero di contenitori e capacità complessiva…) • elenco dei singoli contenitori attualmente in uso • osservazioni sulle quantità di rifiuti raccolte nelle postazioni in date successive

7. Analisi della domanda Individuazione di un parametro che esprima la richiesta di domanda giornaliera per ogni postazione • Calcolo del tasso di riempimento basato sulle osservazioni, per mezzo di metodi di indagine statistica (regressione e media) • Calcolo esterno del tasso di riempimento, utilizzando il peso totale raccolto e conoscendo le modalità attuali di servizio Tasso di riempimento giornaliero Kg o Litri di rifiuti accumulati ogni giorno in una postazione Tale parametro si ottiene secondo due diverse modalità:

8. Scelta dei profili di svuotamento Ogni profilo di svuotamento è caratterizzato da: • frequenza settimanale di svuotamento • giorni in cui effettuare il servizio Due profili di uguale frequenza possono avere significati differenti. Vengono inclusi nell’analisi solo i profili desiderati

9. Ottimizzazione dell’offerta Il modello proposto è basato sulla seguente funzione obiettivo: Min Z = + + + + Costo di acquisto Costi di aggiunta e rimozione Costi di visita e di svuotamento Funzione di costo settimanale (lineare): le variabili sono il numero di contenitori aggiunti, rimossi, acquistati e finali e le frequenze di servizio adottate per ogni zona in cui è diviso il sistema

10. Ottimizzazione dell’offerta I vincoli del modello sono: • Vincolo locale: limite al numero massimo di contenitori impiegabili in una postazione • Vincolo globale: limite al numero massimo di contenitori di ciascun tipo globalmente utilizzati nella configurazione • Vincolo di capacità: ogni postazione deve essere dimensionata in modo da soddisfare la domanda di servizio • Vincolo di zona: tutte le postazioni di una zona sono servite con un unico profilo di svuotamento

11. Ottimizzazione dell’offerta • Il modello viene scritto su un file di testo opportunamente formattato • I parametri assumono i valori recuperati dalla base di dati o immessi dall’utente • Il file viene letto dal risolutore CPLEX, che esplora le soluzioni ammissibili ed individua (se possibile) la configurazione ottima, ovvero quella di costo minimo • Il modello può essere “forzato” ad attribuire alle variabili determinati valori, modificando i parametri all’ingresso o aggiungendo vincoli

12. Esempio di sperimentazione: il caso di Russi Situazione attuale: • 261 postazioni • 301 contenitori • 4 zone • 948 svuotamenti complessivi settimanali • 810 visite alle postazioni

13. Implementazione del modello • Non sono disponibili i dati sulle osservazioni Ipotizzando un riempimento medio dell’80% della capacità della postazione al momento dello svuotamento, i tassi di riempimento sono ottenuti applicando la formula: • I parametri di input sono visualizzati nella tabella (costi espressi in euro); i costi di ogni visita e di un singolo svuotamento sono fissati a 5 euro

14. Prima sperimentazione Il modello viene forzato a generare una soluzione che mantenga le frequenze di servizio attuali nelle 4 zone considerate • La configurazione generata dal risolutore è quella attuale (301 contenitori impiegati) • Riempimento medio dell’80% (ipotesi)  non sono presenti sottodimensionamenti • Aggiunta di contenitori  maggiori costi fissi (aggiunte e acquisti) e variabili (svuotamenti) e nessun miglioramento nella qualità del servizio

15. Seconda sperimentazione Il modello viene forzato ad abbassare le frequenze di conferimento delle zone da 3 a 2, fatta eccezione per la zona “RS6” (F = 6) per la quale non è possibile modificare il profilo di svuotamento • Alle zone R1, R2 e GS è attribuita la frequenza 2 • Contenitori utilizzati: da 301 a 408 (+26,2%) • Svuotamenti complessivi: da 948 a 876 (-7,5%) • Visite alle postazioni: da 810 a 556 (-31,3%) • Costo settimanale della configurazione: da 8790 a 8247 euro (-6,1%) • Considerando solo i costi variabili (svuotamenti + visite): da 8790 a 7160 euro (-18,5%)

16. Confronto tra le due configurazioni Parco cassonetti risultante nelle due configurazioni proposte: Prima configurazione: 301 contenitori Seconda configurazione: 408 contenitori

17. Confronto tra le due configurazioni

18. Conclusioni • Peso elevato dei costi di visita e di svuotamento  aumento dei contenitori nella configurazione ottima per ridurre le frequenze • Aumento dei costi di acquisto e di modifica della configurazione attuale  riduzione dei contenitori impiegati nella configurazione ottima • Strumento versatile e adatto ad esplorare differenti scenari • Necessità delle osservazioni per stimare la domanda in modo preciso, individuare le inefficienze del servizio attuale (sovradimensionamenti o sottodimensionamenti delle postazioni) e creare i presupposti per una reale ottimizzazione