Un servizio di route planning per scenari di mobilità elettrica

Nelle smart cities moderne, la mobilità di veicoli elettrici (EV) è considerata un fattore determinante nella riduzione del consumo di combustibili fossili e conseguenti emissioni inquinanti. Tuttavia, nonostante gli interessi e investimenti a livello globale, l'accettazione da parte degli utenti è ancora bassa, principalmente a causa della mancanza di infrastrutture e servizi a supporto dei guidatori di EV. Queste mancanze sono la causa principale della cosiddetta range anxiety (timore che il veicolo non abbia autonomia sufficiente per raggiungere la destinazione) e hanno portato al preconcetto che gli EV siano adatti alla sola percorrenza di brevi tragitti. Per contrastare questi problemi, in questo documento è proposta un'applicazione di route planning che supporti mobilità di EV anche su percorsi medio-lunghi, mediante utilizzo di un modello di predizione del consumo energetico e considerazione dell'eventuale necessità di ricarica. Saranno descritte tecniche per determinare il tragitto che un EV sia in grado di percorrere per arrivare a destinazione, in considerazione di restrizioni energetiche, fattore altimetrico del percorso ed eventuali operazioni di ricarica necessarie. Il modello di consumo e l'algoritmo che determina il miglior percorso (dal punto di vista energetico) sono implementati da un web service che interagisce con i servizi di Google Maps (per ottenere indicazioni stradali, dati altimetrici e informazioni in tempo reale sul traffico) e con servizi che offrono informazioni sulle stazioni di ricarica e relative posizioni. Dopo aver descritto il modello di consumo e l'algoritmo per la ricerca del percorso, sarà presentata l'architettura del servizio implementato. Sarà quindi fornita una valutazione del servizio, analizzandone performance e scalabilità, nonché l'efficacia nel supporto di percorsi di EV all'interno di scenari su larga scala (nello specifico la regione Emilia Romagna), attraverso tecniche di simulazione.

Progettazione e sviluppo di una applicazione mobile per il route planning con veicoli elettrici

L'indipendenza dai combustibili fossili è uno degli argomenti maggiormente trattati negli ultimi anni e lo sviluppo di tecnologie atte a produrre energia attraverso fonti rinnovabili è uno dei punti cruciali della ricerca moderna. L'utilizzo dei veicoli elettrici nel quotidiano rappresenta una delle vie principali per l'abbandono delle fonti non rinnovabili, tuttavia siamo ancora in presenza di qualche limite. Una delle principali ragioni per cui gli automobilisti sono restii ad utilizzare le auto elettriche è quella che in inglese viene definita Range Anxiety, ossia la preoccupazione di non riuscire a raggiungere la propria meta con l'autonomia residua del veicolo. Altri fattori che contribuiscono a scoraggiare gli automobilisti sono i lunghi tempi di ricarica e dove effettuare queste ultime. Per cercare di ridurre queste problematiche nel seguente elaborato viene descritto lo sviluppo di un applicazione per sistema Android, con lo scopo di simulare dei percorsi inseriti dall'utente come se venissero effettuati utilizzando un veicolo elettrico: l'applicativo, sfruttando un servizio esterno fornirà all'utente tutti i dati del percorso, come ad esempio dove effettuare una ricarica. Di seguito viene illustrato l'utilizzo dell'applicativo, la sua architettura, come è stato sviluppato e le sue future estensioni.

Sviluppo di nuovi algoritmi di pianificazione per sistemi non olonomici e con dinamica non linerare

L'obiettivo del kinodynamic motion planning è quello di determinare una sequenza di input di controllo per guidare un agente da uno stato iniziale ad uno finale, rispettando la dinamica del corpo e i vincoli fisici. In questa tesi sono presentate diverse versioni di algoritmi basati su Rapidly-exploring Random Tree in grado di risolvere questo tipo di problema. In particolare è preso in considerazione il caso di un sistema non lineare con vincoli non olonomici, rappresentativo del rover in dotazione al progetto europeo SHERPA. La qualità degli approcci proposti è inoltre provata con alcuni test di navigazione, in ambiente simulato, confrontando gli algoritmi proposti con alcuni presi nella letteratura di riferimento.

L'additive manufacturing nel planning pre-operatorio in chirurgia maxillofacciale

Il 3D printing è presente da tempo in molti settori economici e da sempre ha nella sanità uno dei principali ambiti di applicazione. Durante il corso del presente lavoro sono state esaminate le principali applicazioni in campo sanitario con particolare focus sulla fase di planning in caso di chirurgia complessa. La pianificazione risulta essere la fase maggiormente impattante nel contesto più globale di gestione del paziente in quanto una maggior accuratezza nella visualizzazione del caso clinico consente di ottimizzare l’identificazione di un adeguato approccio chirurgico con ovvie conseguenti ripercussioni positive sulla totalità della degenza del paziente all’interno della struttura clinica ospitante. Nel dettaglio è stato valutato l’utilizzo di un innovativo protocollo di pre-planning e follow-up operatorio tramite la realizzazione di modelli stampati 3D a partire da immagini di diagnostica classica (TAC, MRI, 3Dscan) che hanno consentito di poter fornire allo specialista clinico di riferimento un prodotto che riproducendo perfettamente l’anatomia del soggetto (morfologia-proprietà fisiche del tessuto) ha consentito allo stesso un miglioramento delle usuali pratiche chirurgiche e terapeutiche in casi di elevata complessità in un arco temporale ristretto. I parametri utilizzati per la valutazione dei reali benefici dell’approccio esposto sono stati: tempi di pianificazione chirurgica e tempi di intervento all’interno di una più globale analisi dei costi associati. A fronte di un’indagine interna preventiva presso l’azienda ospedaliera ospitante sono stati designati i seguenti reparti come settori pilota: maxillofacciale, neurochirurgia e radiologia interventistica. Lo studio è stato svolto in collaborazione con l’ospedale M.Bufalini di Cesena in qualità di referente clinico e l’azienda Aid4Med Srl in qualità di azienda leader in pianificazione operatoria tramite ausili realizzati tramite tecniche di additive manufacturing.

Trajectory Planning in UAV-Aided Wireless Networks Via Reinforcement Learning

This thesis is focused on the design of a flexible, dynamic and innovative telecommunication's system for future 6G applications on vehicular communications. The system is based on the development of drones acting as mobile base stations in an urban scenario to cope with the increasing traffic demand and avoid network's congestion conditions. In particular, the exploitation of Reinforcement Learning algorithms is used to let the drone learn autonomously how to behave in a scenario full of obstacles with the goal of tracking and serve the maximum number of moving vehicles, by at the same time, minimizing the energy consumed to perform its tasks. This project is an extraordinary opportunity to open the doors to a new way of applying and develop telecommunications in an urban scenario by mixing it to the rising world of the Artificial Intelligence.

Sales Forecasting e Demand Planning all'interno del processo di Sales & Operations Planning: il caso Cefla s.c.

Il presente elaborato di tesi è stato realizzato coerentemente con quanto osservato in Cefla s.c., azienda italiana composta attualmente da 4 Business Unit che operano a livello internazionale in settori distinti. I temi trattati riguardano nel dettaglio la Business Unit Medical Equipment, la quale realizza prodotti a supporto del professionista sanitario in tutte le fasi della sua attività, comprendendo riuniti odontoiatrici, apparecchiature per l’imaging e radiologia digitale e sistemi di sterilizzazione. L’obiettivo di questo elaborato è quello di descrivere l’attuale processo di Sales & Operations Planning all’interno di questa divisione dell’azienda e contribuire alla progettazione del piano per la sua strutturazione, reso necessario dalla situazione di forte criticità che Cefla s.c. è stata costretta ad affrontare. Vengono quindi descritte le problematiche che caratterizzano i processi interni all’azienda allo stato attuale, la cui valutazione è stata supportata da consulenti esterni, al fine di evidenziare gli aspetti più critici ed elaborare proposte di miglioramento. Queste ultime sono distinte in funzione delle diverse figure coinvolte che hanno contribuito alla loro realizzazione e ai sottoprocessi interessati e che costituiscono il Sales & Operations Planning: Sales Forecasting, Demand Planning e Supply Planning. In particolare, vengono approfonditi i processi che riguardano la previsione della domanda, in quanto per essi è stato possibile collaborare nell’elaborazione di proposte di miglioramento mirate. Visti i tempi medio lunghi che caratterizzano le soluzioni proposte all’azienda si è cercato di contribuire con la progettazione di proposte quick-win in ambito di Sales Forecasting e Demand Planning. Infine, si è tentato di quantificare i costi sostenuti da Cefla s.c. per far fronte alla situazione di criticità affrontata tramite valutazioni economiche e KPI, potendo così stimare l’impatto dato dall’implementazione di proposte di miglioramento.