Diagnostica Real-Time di eventi non attesi nella logistica di prodotti petroliferi.

Abstract

La logistica dei prodotti petroliferi svolge un ruolo essenziale nel garantire il corretto funzionamento di diverse industrie critiche, nonch´e per l’economia globale. Pertanto `e della massima importanza la loro gestione attenta ed efficiente. In questo contesto, la mia tesi presenta uno studio completo sul rilevamento in tempo reale di eventi insoliti nel settore logistico dei prodotti petroliferi. Lo studio si fonda sull’analisi del quadro del Sistema di Trasporto Intelligente e sul grande impatto che esso ha nel migliorare il trasporto dei prodotti petroliferi, o come vengono anche chiamati nella cultura comune, merci pericolose. La metodologia utilizzata prevede l’estrazione dei dati in tempo reale da un database dinamico, che si aggiorna continuamente con informazioni provenienti da varie fonti all’interno della rete logistica. Per rilevare eventi anomali, utilizziamo una serie di controlli, calcoli e convalide delle condizioni che valutano continuamente i dati in arrivo rispetto a criteri predefiniti. Questo processo in pi`u fasi ci consente di identificare le deviazioni dalle norme previste e di sottolineare l’importanza di impostare soglie appropriate e di perfezionare questi parametri per migliorare la precisione del rilevamento delle anomalie. Inoltre, introduciamo l’algoritmo Isolation Forest, una potente tecnica di apprendimento automatico che integra i nostri sforzi di rilevamento delle anomalie. Soffermandoci sulla sua comprensione teorica siamo in grado di dimostrarne l’applicazione nel contesto del nostro sistema logistico. I risultati ottenuti vengono visualizzati sistematicamente, consentendo una comprensione completa dei modelli e delle tendenze. Per garantire un’azione immediata, il sistema `e progettato per inviare avvisi via e-mail, fornendo notifiche tempestive alle parti interessate quando viene rilevato un evento insolito.

Petrol product logistics play an essential role in ensuring the correct functioning of different critical industries as well as for the global economy. Therefore it is of utmost importance their careful and efficient management. In this context, my thesis presents a comprehensive study on real-time detection of unusual events within the petrol products logistics domain. The study is founded on the analysis of the Intelligent Transport System framework, and the great impact it has in improving the transportation of petrol products, or as are also called in common culture, dangerous goods. The methodology used includes real-time data extraction from a dynamic database, which continuously updates with information from various sources within the logistics network. To detect anomalous events, we employ a series of conditions checks, calculations, and validations that continuously evaluate the incoming data against predefined criteria. This multi-step process allows us to identify deviations from expected norms and emphasize the importance of setting appropriate thresholds and refining these parameters to enhance the precision of our anomaly detection. Furthermore, we introduce the Isolation Forest algorithm, a powerful machine learning technique that complements our anomaly detection efforts. By dwelling into its theoretical understanding we are able to demonstrate its application within the context of our logistics system. The results achieved are visualized systematically, allowing for a comprehensive understanding of the patterns and trends. To ensure immediate action, the system is designed to send alerts via email, providing timely notifications to stakeholders when an unusual event is detected.