Ottimizzazione della Distribuzione di Carburante tramite Simulated Annealing: Un Approccio Ibrido che Integra il problema di distribuzione merce e di gestione delle giacenze utilizzando depositi intermedi

Abstract

Questa ricerca affronta l'ottimizzazione delle rotte di distribuzione del carburante per Eni S.p.A., concentrandosi sull'integrazione delle stazioni Polmoni come depositi intermedi per migliorare l'efficienza della distribuzione. Il problema è modellato come un ibrido tra il Problema di Instradamento dei Veicoli con Capacità (CVRP) e il Problema di Instradamento con Gestione delle Scorte (IRP), incorporando sia strategie push che pull. Il sistema è progettato per minimizzare il rapporto chilometri per chilolitro (km/kl), rispettando vincoli come la capacità dei serbatoi, il tempo di viaggio e la distanza.

Il processo di ottimizzazione è implementato utilizzando un algoritmo di Simulated Annealing in combinazione con il clustering K-means per gestire la complessità di più depositi e stazioni di servizio. Sono state testate tre diverse strategie per incorporare le stazioni Polmoni nelle rotte: ottimizzare prima le rotte e poi aggiungere le stazioni Polmoni, selezionare la stazione Polmoni più vicina e trovare la stazione che causa il minimo impatto sulla rotta.

Il processo decisionale del sistema valuta ciascuna soluzione confrontando il rapporto km/kl e il costo con soglie predefinite, utilizzando una funzione di accettazione che bilancia probabilisticamente i miglioramenti in termini di efficienza con gli aumenti di costo. I risultati sperimentali dimostrano l'efficacia dell'approccio ibrido, con miglioramenti significativi sia nell'efficienza del carburante che nei costi operativi. Questa ricerca contribuisce all'ottimizzazione della distribuzione reale del carburante fornendo un sistema scalabile e adattabile che integra molteplici vincoli logistici in un unico quadro di ottimizzazione.

This research addresses the optimization of fuel distribution routes for Eni S.p.A., focusing on integrating Polmoni stations as intermediate depots to enhance distribution efficiency. The problem is modeled as a hybrid between the Capacitated Vehicle Routing Problem (CVRP) and the Inventory Routing Problem (IRP), incorporating both push and pull strategies. The system is designed to minimize the kilometers per kiloliter (km/kl) ratio while adhering to constraints such as tanker capacity, travel time, and distance. The optimization process is implemented using a Simulated Annealing algorithm in combination with K-means clustering to manage the complexity of multiple depots and service stations. Three different strategies are tested for incorporating Polmoni stations into the routes: optimizing routes first and then adding Polmoni stations, selecting the nearest Polmoni station, and finding the least disruptive station to include.

The system’s decision-making process evaluates each solution by comparing the km/kl ratio and cost against predefined thresholds, using an acceptance function that probabilistically balances improvements in efficiency with increases in cost. Experimental results demonstrate the effectiveness of the hybrid approach, with notable improvements in both fuel efficiency and operational costs. This research contributes to the optimization of real-world fuel distribution by providing a scalable, adaptable system that integrates multiple logistical constraints into a single optimization framework.