Progettazione e implementazione di un sistema multi-agente per l'ottimizzazione della consegna dei vaccini mediante algoritmi VRPTW: il caso Coopservice

Il caso di studio riguarda la pianificazione settimanale delle consegne di vaccini alle cliniche della provincia di Udine, attività di logistica distributiva gestita da Coopservice S.Coop.p.A. Il problema è formulato come un Vehicle Routing Problem with Time Windows (VRPTW), nel quale una flotta limitata di veicoli parte da un unico magazzino, visita ogni clinica rispettando le finestre lavorative disponibili nei diversi giorni e rientra al deposito entro un tempo prestabilito. La pianificazione è stata formalizzata mediante due modelli Mixed-Integer Linear Programming (MILP): Single-Period, relativo a un singolo giorno, e Multi-Period, dedicato alla pianificazione congiunta dell’intera settimana. Tali formulazioni MILP consentono di individuare la soluzione che minimizza i costi associati alle rotte. Per affrontare la complessità computazionale NP-hard delle formulazioni MILP sulle istanze con molti clienti è stato sviluppato un algoritmo euristico Greedy-VND-ILS, capace di ottenere soluzioni di buona qualità con complessità e tempi di esecuzione ridotti. L’algoritmo costruisce inizialmente una soluzione tramite un’euristica Greedy, selezionando iterativamente il cliente successivo, e la migliora mediante Iterated Local Search (ILS). Quest’ultima alterna una fase di diversificazione basata su destroy and repair e una fase di intensificazione tramite Variable Neighborhood Descent (VND), che esplora diversi neighborhood per ottimizzare la funzione obiettivo. I modelli MILP e l’algoritmo euristico sono integrati in un’unica piattaforma conversazionale per la risoluzione di problemi logistici con questa formulazione matematica. La piattaforma presenta un frontend sviluppato con Chainlit e un backend composto da un Multi-Agent System (MAS) e da un workspace per la gestione dei file. Attraverso richieste in linguaggio naturale, l’utente può analizzare dati tabellari, creare ed eseguire script Python, configurare ed eseguire i modelli MILP e l'algoritmo euristico descritti. Questo strumento permette di nascondere all'utente finale le complessità tecniche sottostanti, offrendo un efficace strumento a supporto del processo decisionale.