Vai al contenuto
Il nostro lavoro ha introdotto il Trigger Arc Travelling Salesman Problem (TATSP), una variante innovativa del classico Travelling Salesman Problem (TSP), che modella scenari in cui i costi degli archi cambiano dinamicamente in base al percorso seguito. Questa nuova formulazione è stata sviluppata con un’applicazione reale: l’ottimizzazione delle operazioni di picking nei magazzini con sistemi di stoccaggio compattabili. Il Trigger Arc TSP apre nuove prospettive nell’ambito della logistica avanzata e della robotica industriale, offrendo un framework ottimizzato per la gestione intelligente delle movimentazioni nei magazzini automatizzati.
Il Problema del Trigger Arc TSP
Nel TATSP, il costo di ciascun arco può variare in base agli archi già attraversati durante il tour. In altre parole, alcuni archi agiscono come trigger modificando il costo di altri archi, rendendo il problema particolarmente adatto a modellare contesti logistici e di trasporto con vincoli dinamici.
Abbiamo formulato il problema matematicamente utilizzando un modello di Programmazione Lineare Intera (ILP) e sviluppato un’implementazione computazionale per risolverlo.
Applicazione nei Magazzini con Scaffali Mobili
Il caso di studio su cui abbiamo testato il nostro modello riguarda magazzini con scaffali mobili, in cui il movimento di un gruppo di scaffali può modificare la configurazione dell’accesso agli altri corridoi. Questo scenario ha forti implicazioni in termini di:
- Efficienza operativa, riducendo il tempo complessivo di picking.
- Ottimizzazione energetica, minimizzando il numero di movimenti degli scaffali compattabili.
- Riduzione dei costi di movimentazione, grazie a una strategia di percorso ottimizzata.
Risultati Computazionali
Abbiamo testato il nostro modello su un set di istanze generate artificialmente e abbiamo dimostrato che l’algoritmo proposto riduce significativamente il costo del tour rispetto al TSP tradizionale, grazie all’utilizzo strategico degli archi trigger. Tuttavia, il problema si rivela computazionalmente impegnativo per istanze di grandi dimensioni, rendendo interessante l’applicazione di tecniche euristiche e metaeuristiche per la risoluzione su larga scala.
Per approfondire i dettagli, consulta la pubblicazione completa! Link :
https://link.springer.com/chapter/10.1007/978-3-031-78238-1_26
