Modello di scheduling basato su MILP per la manutenzione ferroviaria di rincalzatura

Abstract

La manutenzione dell'infrastruttura ferroviaria è fondamentale per garantire la sicurezza, l'affidabilità e l'efficienza delle moderne reti di trasporto. Con l'aumento della densità del traffico, le tradizionali strategie correttive e preventive a intervalli fissi portano spesso alla sostituzione prematura degli asset o a ritardi pericolosi. Questa tesi affronta tali inefficienze sviluppando un framework di manutenzione predittiva basato sull'ottimizzazione, che sincronizza i dati prognostici sullo stato di salute degli asset con i rigidi vincoli operativi derivati dagli orari effettivi dei treni.

La ricerca si concentra su un corridoio ferroviario attivo a doppio binario di 40 chilometri, interessato da molteplici difetti nella geometria dei binari e nella massicciata. Viene formulato un modello di Programmazione Lineare Intera Mista (MILP) per determinare le tempistiche e la sequenza ottimali delle riparazioni, con l'obiettivo di minimizzare la somma ponderata del rischio per la sicurezza legato all'infrastruttura e delle interferenze operative. A differenza dei modelli convenzionali, questo framework introduce una duplice innovazione logistica: l'utilizzo di finestre diurne strutturate in affiancamento ai turni notturni e l'implementazione di un framework logistico concatenato basato su una "Siding Strategy" (strategia di stazionamento/binari di sosta), che consente alle squadre di manutenzione di utilizzare "Rifugi Sicuri" (Safe Havens) intermedi anziché fare ritorno a un deposito centralizzato.

Implementato in Python e risolto tramite IBM ILOG CPLEX, il modello è stato validato attraverso un'analisi comparativa degli scenari. I risultati dimostrano una significativa riduzione del tempo totale di completamento della manutenzione se confrontato con i tradizionali regimi di manutenzione esclusivamente notturna.

Railway infrastructure maintenance is fundamental to ensuring the safety, reliability, and efficiency of modern transportation networks. As traffic density increases, traditional corrective and fixed interval preventive strategies often lead to either premature asset replacement or hazardous delays. This thesis addresses these inefficiencies by developing an optimization-driven predictive maintenance framework that synchronizes prognostic asset health data with rigid operational constraints derived from live train timetables. The research focuses on an active 40-kilometer double-track railway corridor affected by multiple track geometry and ballast defects. A Mixed-Integer Linear Programming (MILP) model is formulated to determine the optimal timing and sequencing of repairs, aiming to minimize the weighted sum of infrastructure-related safety risk and operational interference. Unlike conventional models, this framework introduces a dual-pronged logistical innovation: the utilization of structured daytime windows alongside nocturnal shifts, and the implementation of a Siding Strategy chained logistics framework that allows maintenance crews to utilize intermediate "Safe Havens" instead of returning to a centralized depot. Implemented in Python and solved via IBM ILOG CPLEX, the model was validated through a comparative scenario analysis. The results demonstrate a significant reduction in total maintenance completion time when compared to traditional night-only maintenance regimes.