Vai al contenuto
RAISE (Robotics & AI for Socio-economic Empowerment) è un ecosistema di innovazione finanziato dal Ministero dell’Università e della Ricerca (MUR) nell’ambito del PNRR. L’obiettivo è sviluppare e implementare soluzioni basate su robotica e intelligenza artificiale (AI) per migliorare l’efficienza e la sostenibilità in diversi settori strategici.
All’interno di RAISE, lo Spoke 4 si focalizza sui porti intelligenti e sostenibili, sfruttando soluzioni avanzate per ottimizzare le operazioni logistiche e ridurre l’impatto ambientale. Per affrontare queste sfide, il nostro team sta lavorando su due moduli fondamentali.
Le Nostre Soluzioni per il Quay Crane Planning Problem
Uno degli aspetti più critici nella gestione dei porti è la pianificazione delle operazioni di carico e scarico delle navi portacontainer, un problema noto come Quay Crane Planning Problem (QCPP). Il QCPP riguarda l’allocazione e la sequenza operativa delle gru di banchina, con l’obiettivo di ridurre i tempi di movimentazione, ottimizzare il consumo energetico e migliorare la sicurezza delle operazioni. Parallelamente, la pianificazione deve tenere conto di una rappresentazione dettagliata delle baie di carico e scarico e dei flussi operativi, per cui diventa fondamentale l’adozione di una piattaforma avanzata di simulazione. Per rispondere a questa esigenza, il nostro team sta sviluppando due moduli integrati: uno dedicato alla visualizzazione e simulazione delle operazioni, l’altro all’ottimizzazione delle operazioni portuali.
Modulo 1A – Simulazione 3D per la Pianificazione Portuale
Il modulo 1A, sviluppato dal nostro team, introduce un sistema avanzato per la visualizzazione dinamica del piano di carico e scarico delle navi portacontainer. La piattaforma, denominata 3D Master Bay Visualizer (3D-MBPV), permette ai decisori strategici di pianificare e simulare le operazioni in tempo reale, garantendo un’interazione avanzata con i dati.
Le caratteristiche principali includono:
- Visualizzazione 2D e 3D interattiva per l’analisi dettagliata dei piani di carico.
- Architettura modulare basata su container con orchestrazione tramite Docker Swarm.
- Interfaccia utente intuitiva, sviluppata con Angular, per una navigazione fluida e accesso a strumenti di simulazione.
- Integrazione con il database PostgreSQL, garantendo elevata scalabilità e affidabilità.
- Gestione del traffico con Traefik e sicurezza avanzata tramite Keycloak per l’autenticazione degli utenti.
Grazie a questa piattaforma, i decisori possono sperimentare diversi scenari operativi, ottimizzando l’allocazione delle risorse e minimizzando il rischio di inefficienze.
Modulo 1B – Ottimizzazione delle Operazioni di Carico e Scarico
Il modulo 1B, che stiamo sviluppando, si occupa dell’ottimizzazione del Quay Crane Planning Problem (QCPP), un problema complesso che riguarda la gestione delle gru di banchina per le operazioni di carico e scarico dei container. L’approccio sviluppato combina tecniche di AI e ottimizzazione combinatoria per migliorare le prestazioni operative.
Principali obiettivi:
- Minimizzazione del tempo di completamento delle operazioni, garantendo una maggiore efficienza logistica.
- Ottimizzazione del consumo energetico, riducendo l’impatto ambientale delle movimentazioni.
- Riduzione del numero di gru impiegate, ottimizzando l’utilizzo delle risorse disponibili.
Tecnologie e Strategie di Ottimizzazione
Per affrontare il Quay Crane Planning Problem (QCPP), viene adottato un approccio metaeuristico, ispirato ai processi naturali di evoluzione e adattamento. In particolare, gli algoritmi genetici giocano un ruolo chiave nella ricerca della soluzione ottimale, replicando il meccanismo della selezione naturale per migliorare progressivamente le configurazioni operative. Questi algoritmi consentono di esplorare ampi spazi di soluzioni e individuare configurazioni efficienti attraverso processi di mutazione, crossover e selezione. In combinazione con tecniche come la ricerca locale e gli approcci greedy randomizzati, è possibile affinare ulteriormente le soluzioni, garantendo una gestione più efficiente delle operazioni di carico e scarico.
Impatti e Benefici
L’integrazione del 3D Master Bay Visualizer (3D-MBPV) con i modelli di ottimizzazione del QCPP offre una soluzione avanzata per la gestione delle operazioni portuali. Questa combinazione permette una pianificazione operativa più accurata, riducendo i tempi di attesa delle navi e migliorando il flusso logistico. Inoltre, l’ottimizzazione basata su AI consente una significativa riduzione del consumo energetico, contribuendo alla sostenibilità del porto. L’adozione di tecnologie avanzate non solo incrementa la competitività del porto, ma favorisce anche un approccio più ecologico e resiliente alle sfide del settore marittimo.
Per maggiori dettagli, visita il sito ufficiale del progetto RAISE: RAISE Spoke 4.
