Research database

SchedulAI – Supporto e ottimizzazione data-driven della schedulazione AMIAT Si prevede la progettazione, lo sviluppo e la sperimentazione sul campo di uno strumento automatico di supporto decisionale che assegni in modo ottimizzato operatori e veicoli agli ordini e itinerari di AMIAT, tenendo conto di svariati vincoli operativi, quali ad esempio turni e assenze, patenti e abilitazioni CER, mezzi guasti. La soluzione tecnica partirà da una baseline MILP di riferimento, integrando tecniche di intelligenza artificiale e machine learning per apprendere preferenze e scelte dai dati storici e gestire imprevisti. Lo strumento sviluppato dovrà fornire soluzioni con bassa latenza per poter essere utilizzato durante la pianificazione di inizio turno, includendo anche inattesi cambi di vincoli operativi.

• Daniele Apiletti (Principal Investigator)
• Simone Monaco (Responsabile di progetto (VR, Delegato,...))

• DAUIN - Department of Control and Computer Engineering

ERC sectors

Sustainable Development Goals