Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Tesi di Laurea in
Ricerca Operativa L-A
Modelli e algoritmi
per l'ottimizzazione
di layout fieristici
Relatore:
Chiar.mo Prof. Ing. Silvano Martello
Correlatori:
Prof. Ing. Daniele Vigo
Dott. Ing. Manuel Iori
Introduzione i
1
INDICE INDICE
Bibliograa 111
Ringraziamenti
Grazie a tutti.
(Milan Kundera)
Introduzione
studiati e illustrati nei primi due apitoli ai tre asi sopra itati, in modo da
rali possibile.
Lo s opo del lavoro onsiste quindi nel massimizzare il numero di stand espo-
sitivi he possono essere ontenuti negli spazi adibiti alla era, fo alizzando
Nel orso della trattazione, dopo una esauriente presentazione dei modelli
matemati i, verranno studiati asi reali già dis ussi e ultimati, in maniera da
i
ii INDICE
• Capitolo 3 : asi di studio oggetto della tesi. Appli azione degli algo-
ne, pur senza tralas iare notizie stori he e aratteristi he di ias una
manifestazione.
diati nei pre edenti apitoli. Con riferimento alle alternative studiate
pli azione degli algoritmi a tre proposte piuttosto dierenti tra loro, in
per orsa nel progetto di tesi, on uno sguardo ai modelli e agli algoritmi
1
2 1. Problemi di pa
king e
utting nei layout
er ando di venire in ontro alle esigenze di tutti gli interessati. Questo non è
zione svolti. Per questo nel progettare un layout ottimo o orre tenere onto
di diversi fattori:
Tutti questi fattori dipendono in maniera più o meno forte tra di loro, ed
zazione dei ussi, nelle distanze da oprire, nelle informazioni e dei dati da
ri opre inoltre una funzione spe iale per determinare l'e ienza, l'esteti a e
risiede nel fatto he mentre nel primo aso ha molta importanza la buona
gestione del usso di materiale, nel se ondo prevalgono esigenze di tipo este-
onsiste quindi nel produrre il maggior numero di beni materiali ossia, nel
tipologia in ui si inseris e il ontesto eristi o: una era dedi ata al mer ato
automobilisti o sarà ben diversa di una dedi ata alle spe ialità gastronomi-
dovrà an
he tenere
onto delle
apa
ità, ovvero del ``funzionamento a pieno
4 1. Problemi di pa
king e
utting nei layout
1
e a vuoto . Analogamente ai metodi usati per progettare layout industriali,
si pro ederà appli ando questo appro io a quello eristi o. Nello s hema
molti altri settori della produzione industriale. Per molti anni si sono er ate
tispe ie il aso in ui, per restare in tema, si debbano s egliere tra gli stands
quelli adatti alle nostre spe i he di layout. Se numeriamo gli stand ``idonei
Se inoltre indi
hiamo
on pj il protto dato dall'oggetto j (lo stand nel nostro
aso),
on wj la sua dimensione e
on c la dimensione del suo
ontainer (ossia
il suo osto ), allora l'obiettivo Knapsa k sarà quello di selezionare, tra tutti,
dei pesi non superi (o eguagli) una erta quantità limite (detta bound ) e la
he ri hiedono l'ottimizzazione.
Detto iò si può proseguire elen ando tre motivi fondamentali per ui l'algo-
(da qui il nome ``Knapsa k 0-1'') e il su o del dis orso può essere riassunto
qui di seguito:
pj = protto dell'oggetto j
wj = peso dell'oggetto j
n
X
massimizzare −→ max(z) = pj xj (1.1)
j=1
n
X
soddisfa
endo −→ wj xj ≤ c (1.2)
j=1
1.2 Cutting and Pa
king problems 9
Se ora ipotizziamo he
n
X
wj ≤ c, (1.5)
j=1
wj < c, on j ∈ N, (1.6)
he possono essere moltipli ate per un opportuno fattore, mentre gli even-
tuali valori negativi verranno trattati ome 0 o ome 1 in base alle seguenti
relazioni:
• ∀j ∈ N 0 = {j ∈ N : pj ≤ 0, wj ≥ 0} =⇒ xj = 0
• ∀j ∈ N 1 = {j ∈ N : pj ≥ 0, wj ≤ 0} =⇒ xj = 1
Ora he tutte le variabili e i asi sono stati deniti, enun iamo il problema.
la funzione
X X
z= p̄j yj + pj
j∈N − ∪N + j∈N 1 ∪N −
X X
w̄j yj ≤ c − wj .
j∈N − ∪N + j∈N 1 ∪N −
0, ∀j ∈ N : wj > c .
Se non spe i ato in altro modo, si supporranno sempre gli items in ordine
p1 p2 pn
≥ ≥ ... ≥
w1 w2 wn
Data ad ogni problema una istanza I , si indi
herà il valore di ogni soluzione
ottima
on z(I) o più sempli
emente
on z. Considerando il problema nella
lo s hema seguente:
n
X
minimizzare −→ min(z) = pj y j
j=1
n
X
soddisfa
endo −→ wj y j ≤ q
j=1
dal quale si evin e he il pro edimento per tornare da una forma (minimiz-
Rilassamento lineare
Togliendo il vin
olo dell'integrità sulle variabili xj , nelle proprietà (1.1), (1.2)
e (1.3), si ottiene la prima variante del problema knapsa
k 0-1 ovvero il
o-
n
X
soddisfa
endo −→ wj xj ≤ c
j=1
dove −→ 0 ≤ xj ≤ 1, j = 1, ..., n
Supponiamo inoltre he gli oggetti, ordinati ome illustrato sopra, siano in-
tzig.
Rilassamento lagrangiano
Dato un fattore non negativo λ, il rilassamento lagrangiano del KP, indi ato
on (L(KP, λ)) è:
n
X n
X
massimizzare −→ max(z) = pj xj + λ(c − wj xj )
j=1 j=1
n
X
z(L(KP, λ)) = p̃j xj + λc (1.7)
j=1
(
1 se p̃j > 0
x̃j = (1.8)
0 se p̃j < 0
12 1. Problemi di pa
king e
utting nei layout
Per ogni λ≥0 'è un upper bound in z(KP ) he, omunque, non potrà mai
seguente:
Da qui x˜j = x̄j , per j ∈ N \ {s} (dove x̄j è denita nel teorema seguente) e
grazie alle (1.7) e (1.8), si evin
e
he
s−1
X
∗
z(L(KP, λ )) = (pj − λ∗ wj ) + λ∗ c = z(C(KP ))
j=1
ps
Inne si può notare
he, per λ = λ∗ , p̃j diventa p∗j = pj − wj ; il modulo
ws
|p∗j | è il de
remento
he si ottiene in z(L(KP, λ∗ )) ponendo x̃j = 1 − xj e da
qui un lower bound sul
orrispondente de
remento della soluzione
ontinua
(da quando l'ottimo λ ambia imponendo le ondizioni sopra elen ate). Al-
Teorema
dove:
s−1
X
c̄ = c − wj .
j=1
Figura 1.3: s
operte e appli
azioni più importanti legate ai modelli knapsa
k problem in
ordine
ronologi
o
totale degli oggetti in ogni ontenitore non e eda la apa ità c del onteni-
n
X
minimizzare −→ min(z) = yi
i=1
n
X
soddisfa
endo −→ wj xij ≤ cyi , i ∈ N = {1, ..., n} ,
j=1
n
X
xij = 1, j ∈ N,
i=1
yj ∈ {0, 1} , i ∈ N,
xij ∈ {0, 1} , i, j ∈ N
Si denis
ono qui di seguito i valori delle variabili:
(
1 se il bin i è usato
yi (1.9)
0 altrimenti
(
1 se l'item j è assegnato al
ontenitore i
xij (1.10)
0 altrimenti
1.2 Cutting and Pa
king problems 15
c è un intero positivo
ettabile. Tuttavia non esiste un modo sempli e per trasformare una istanza
in modo da poter trattare pesi negativi. Per sempli ità assumiamo he, per
ogni soluzione ammissibile, vengano usati i bins di indi e più basso (ad esem-
questo ampo rivestono parti olare importanza gli studi di Coman, Garey
e Johnson (1984).
Algoritmi approssimati
2, ..., n sono poi onsideati al res ere dell'indi e, ossia ogni item è assegnato
NF (I) ≤ 2z(I)
r(A) ∈ R tale he
A(I)
≤ r(A) per tutte le istanze di I,
z(I)
tare degli indi i e assegna ogni item al più basso indi e di bin inizializzato
nel quale entra; solo quando l'oggetto orrente non viene assegnato a qual he
rente item al bin a ettabile (se 'è) he ha la più pi ola apa ità residua
e Graham (1974).
numero reale r ∞ (A) tale
he, per un qual
he valore intero positivo K, sia
A(I)
≤ r ∞ (A) per ogni istanza I
he soddis z(I) ≥ K :
z(I)
Rilassamento lineare
Enun iamo qui di seguito la versione del ontinuous problem riferita al rilas-
samento lineare nel aso del bin pa king. Per il modello in esame il C(BPP)
è il seguente:
n
X
minimizzare −→ min(z) = yi
i=1
n
X
soddisfa
endo −→ wj xij ≤ cyi , i ∈ N = {1, ..., n} ,
j=1
n
X
xij = 1, j ∈ N,
i=1
0 ≤ yi ≤ 1, i ∈ N,
0 ≤ xij ≤ 1, i, j ∈ N
n
X wi
z(C(BP P )) =
i=1
c
18 1. Problemi di pa
king e
utting nei layout
I problemi a due dimensioni possono an he essere lassi ati in base alla for-
ma degli oggetti da impa are; nelle appli azioni industriali è parti olarmente
Inoltre nelle industrie del legno e del vetro, pezzi di forma rettangolare de-
vono essere tagliati a partire da grandi lamine di materiale. Nel ontesto dei
dei giornali, gli arti oli devono essere ben posizionati nelle pagine. In tutte
vin oli lievemente dierenti; molte varianti del problema sono state onside-
rate in letteratura.
• Orientamento
Si assume di solito
he ogni rettangolo abbia una
erta rotazione ssa,
• Tagli a ghigliottina
Eettuare un taglio a ghigliottina signi
a
he gli items sono stati ot-
superiore dell'item più alto impa ato a livello inferiore. In gura 1.7
more e Gomory, 1965) fanno parte della lasse spe iale dei tagli a ghi-
di 90◦ , dopo i tagli fatti in una prima fase. Le stris e ottenute nella
prima fase sono tutte tagliate nella se onda fase produ endo gli items
L∗W
1. Un
onstrained : ∀i, Pi = 0, Qi = ⌊ ⌋
li ∗ wi
L∗W
2. Constrained : ∀i, Pi = 0, Qi < ⌊ ⌋
li ∗ wi
L∗W
3. Doubly Constrained : ∃i : Pi > 0, ∃j : Qj = ⌊ ⌋
lj ∗ wj
20 1. Problemi di pa
king e
utting nei layout
Figura 1.6: taglio a ghigliottina: nel
aso a sinistra il taglio, in quello a destra la
disposizione originale
item abbia una orientazione ssa e he il vin olo del taglio a ghigliottina non
nei quali si impa ano gli items in ordine dell'arrivo in input (senza ono-
s ere l'item su essivo). La des rizione del problema in modo più formale è
j ∈ J = {1, ..., n}, ognuno dei quali denito da una larghezza wj e da un'al-
Figura 1.10: esempio di un sto
k di rettangoli di misura 10x10 in
ui
ollo
are i pezzi
sopranumerati da 1 a 10. La gura mostra le soluzioni ottime per i problemi un
onstrained
(b),
onstrained (
) e doubly
onstrained (d)
1.2 Cutting and Pa
king problems 23
ompare quando hj = H , ∀j ∈ N .
Il primo tentativo di
ostruire un modello del pa
king problem a due dimen-
M
X
soddisfa
endo −→ aij xj = 1 , i = (1, ..., n)
j=1
nerare dinami amente olonne quando e n'è bisogno. Ma mentre per il 1BP
un K01, per il 2BPP essi hanno avuto di oltà nell'asso iarlo al orrispon-
dente problema a due dimensioni. Così essi hanno trattato il problema nel
aso in ui gli oggetti devono essere impa ati in righe he formano livelli.
LEVEL PACKING
gli oggetti a livelli, in
ui il primo livello è
ostituito dal fondo del
ontenitore
e gli oggetti sono via via impa
ati appoggiando la loro base su di esso. Il
stremità superiore dell'oggetto più alto del livello sottostante (gura 1.7).
Tre lassi he strategie per l'impa amento a livelli sono state rilevate da al u-
ni famosi algoritmi e in ognuno dei asi gli items sono inizialmente numerati
esso
ome in NFDH
ato giusti ato a sinistra in quel livello, tra quelli dove ries e a stare,
NFDH
Figura 1.11: problemi e strategie di level pa
king: da sinistra a destra, NFDH, FFDH e
BFDH
2. in ogni ontenitore, il livello più basso abbia maggiore altezza degli altri
3. gli oggetti siano disposti e rinumerati per valori de res enti di hj (al-
seguente:
n
X
min qk (1.12)
k=1
26 1. Problemi di pa
king e
utting nei layout
j−1
X
suje
t to xij + yj = 1, j = (1, ..., n) (1.13)
i=1
n
X
wj xij ≤ (W − wi )yi , i = (1, ..., n − 1) (1.14)
j=i+1
i−1
X
zki + qi = yi, i = (1, ..., n) (1.15)
k=1
n
X
hi zki ≤ (H − hk )qk , k = (1, ..., n − 1) (1.16)
i=k+1
sia impa ato esattamente una volta, e he ogni livello usato sia asse-
usato
nella prati a. Il loro uso diretto su un risolutore ommer iale di ILP produ e
risultati molto buoni (e, in molti asi, la soluzione ottima) per istanze reali-
sti he on tempi di CPU brevi. Inoltre al une varianti del problema 2LBP
possono fa ilmente essere eettuate modi ando al uni vin oli, o aggiungen-
variabili.
NON-LEVEL ALGORITHMS
Oltre all'impa
amento a livelli, nella Ri
er
a Operativa
i sono stati altri
are l'item orrente nella posizione più bassa possibile, giusti ata a sinistra.
Essa è stata analizzata da Baker (1980) et al., Ja kobs (1996) e Liu e Teng
goritmo Finite Bottom-Left (FBL) sistema gli items in ordine de
res
ente
di larghezza. L'item
orrente viene poi impa
ato nella posizione più bassa
può ollo are l'item, ne viene inizializzato uno nuovo. Lodi et al. (1999)
hanno proposto l' alternate dire tions (AD), algoritmo he onsiste nell'i-
mente da sinistra a destra e da destra a sinistra. Non appena nessun item può
essere impa ato in nessuna delle due direzioni, un nuovo bin inizializzato o
zione dis reta dello spazio geometri o e l'uso delle oordinate nelle quali gli
(
1 se l'oggetto i è posizionato
on il suo angolo sinistro in (p,q)
xipq =
0 altrimenti
Christodes (1995). Entrambi i modelli sono usati per fornire upper bounds
allora:
ALGORITMI METAEURISTICI
L' euristi
a12 è un metodo di appro
io alla soluzione dei problemi
he
non segue un hiaro per orso, ma si ada all'intuito e allo stato temporaneo
tipi di pro edimenti le ui soluzioni non rispe hiano la soluzione ottima per
wsland (1993) presentò uno dei primi appro i metauristi i al 2BPP. Il suo
et al. (1999). Essi usano un simile vi inato e una simile strategia di ri er-
un upper bound sul valore della soluzione ottima, se questi non oin idono,
l'algoritmo assegna asualmente gli items impa ati nel ontenitore di indi e
le, osì la nuova funzione obiettivo risulta essere la totale eliminazione delle
14 pro
esso
he mira a trovare un minimo globale quando si è in presenza di più minimi
lo
ali. deriva dalla s
ienza dei metalli, dov'è usato per des
rivere il pro
esso di eliminazione
di difetti reti
olari dai
ristalli tramite una pro
edura di ris
aldamento seguita da un lento
rareddamento (molto usato in Mi
roelettroni
a). Nel nostro
aso un difetto reti
olare
orrisponde ad una
ombinazione errata di due oggetti.
1.2 Cutting and Pa
king problems 31
a quando l'upper bound non eguaglia il lower bound, oppure no a quando
Lodi et al. (1999) hanno sviluppato un algoritmo tabu sear h per il 2BPP.
risolvere. La struttura può an he essere usata per ogni variante del 2BPP
i
ato target bin (un
ontenitore
he può essere fa
ilmente riempito). Sia Si
l'insieme degli items momentaneamente impa
ati nel
ontenitore i: il target
un item j, nel target bin e gli oggetti
ontenuti attualmente dagli altri k
bins. Il nuovo pa
king per S è ottenuto eseguendo un appropriato algoritmo
ontenitori, ioè l'item j è stato rimosso dal target bin, un nuovo item è stato
diverso item j dal target bin (se tutte le possibili ongurazioni di k bins sono
limite superiore pressato. C'è una tabu list e un tabu tenure per ogni valore
32 1. Problemi di pa
king e
utting nei layout
ostruttivo, usato per ottenere la prima soluzione e per ri ombinare gli items
ad ogni mossa.
ALGORITMI ESATTI
Martello e Vigo (1998) hanno proposto un algoritmo esatto per il 2BPP.
Gli items sono inizialmente sistemati in ordine de res ente rispetto alla loro
• outer bran h-de ision tree : a ogni nodo de isionale, un item è assegnato
modelli
L'outer bran h-de ision tree è ri er ato in un modo detto depth-rst, fa en-
questo bin viene
hiuso: un bin inizializzato e non
hiuso è
hiamato a
tive.
Al livello k (k = 1, ..., n), l'item k è assegnato, a turno, a tutti i
ontenitori
Se non lo si trova, lo s
hema inner bran
hing elen
a tutti i possibili modi di
1.2 Cutting and Pa
king problems 33
impa
are gli items I in un uni
o bin attraverso il prin
ipio left-most down-
ward : ad ogni livello, l'item su
essivo viene posizionato, a turno, in tutte le
posizioni dove esso ha il lato sinistro adia ente al lato destro di un altro item
o al lato sinistro del ontenitore, e il lato inferiore adia ente al lato superiore
numero di nodi visitati del metodo di Martello e Vigo (1998). Questo può
essere spiegato per il fatto he per molte istanze non ammissibili, il problema
rilassato non ha soluzioni. Inoltre essi propongono metodi per risolvere parte
delle ridondanze he ri orrono nel metodo bran h & bound e nuovi lower
al uni ben hmar ks della letteratura onferma l'e ienza del metodo.
altre due o più fasi ri hieste per tagliare i blo hi in pezzi: in un primo
momento tagli verti ali dividono il foglio di materiale in segmenti, poi ta-
generi he stris ie, e ogni taglio su un blo o produ e una di queste stris ie.
minare il layout delle stris ie per ogni blo o, risolve un problema di tipo
knapsa k per ottenere il layout dei blo hi su ogni segmento e il layout del
singer, Sigurd, 2005) hanno pubbli ato un arti olo sul pa king a due dimen-
impa are gli oggetti. Nello s ritto us ito lo s orso anno su Dis rete Opti-
mization gli autori presentano una formulazione intera lineare del problema
dati proposti. Il two dimensional strip-pa
king problem (2SPP) può essere
visto
ome la trasformazione del problema di bin pa
king a una dimensione,
Tale problema ompare in diversi ontesti reali, ome nel taglio di rulli di
standardizzati, nell'allo azione di memoria nei omputer, per elen are solo
Figura 1.15: al
une soluzioni al 2SPP basate sull'euristi
a two dimensional variable
sized bin pa
king problem (2DVSBPP)
ALGORITMI ESATTI
Il miglior algoritmo esatto del problema è stato presentato da Martello,
nare la soluzione esatta del 2SPP, sono stati inseriti parti olari lower bounds
ogni item j ∈ J \ I, e generando nodi dis endenti allo ando j in tutte le sue
di I denis
ono un ``involu
ro
he separa le due regioni dove gli items J \I
possono o no essere posizionati, e
iò è su
iente per generare nodi
orri-
mati
orner points e possono essere determinati in un tempo O(|I| log |I|):
Lo s
hema bran
h-and-bound è stato poi migliorato in due modi: attraver-
Figura 1.16: involu
ro asso
iato agli items di I = {1, 2, 3, 4, 5} dove i
orner points sono
indi
ati
on un puntino nero.
item): (a, j1 ), (a, j2 ), (b, j1 ), (b, j2 ), dove la oppia indi a il nodo. Tra i gli
allo stesso livello k + 1, si può generare, tra i gli di (b, j2 ), un identi
o nodo
orrispondente a (a, j1 ). Per evitare situazioni di questo genere,
he non si
presentano solo tra i gli, ma an he, più generalmente, tra dis endenti di
i e j sono onsiderati nel pro esso di bran hing. E o per hé il nodo è gene-
rato solo se j > i. Per trovare una buona soluzione iniziale ammissibile per il
nodo padre, o per migliorare la solizione orrente per i nodi dis endenti, sono
Figura 1.17: illustrazione s hemati a e molto sommaria del pro esso strip-pa king
ALGORITMI METAEURISTICI
Un appro
io metauristi
o interessante è quello presentato da Iori, Mar-
tello e Mona i (2003). Il 2SPP viene risolto attraverso una ombinazione tra
tello e Vigo (1999) eseguito indi
ando
on z∗ il valore della soluzione
orrente
16
del 2SPP, inizialmente
al
olata attraverso algoritmi BUILD e T P2SP 17 , e
appli ando parti olari pro edure di post-ottimizzazione des ritte dagli autori.
rappresenta l'ordine nel quale gli items sono impa ati nella stris ia. La
Sui due algoritmi metauristi i sono stati eettuati vari esperimenti omputa-
zionali sia su istanze prese dalla letteratura sia su istanze reate asualmente:
misura W della stris ia da riempire, mentre l'opposto a ade per l'altro algo-
Oltre al metodo sopra menzionato, nella tabella 1.1 (al termine del api-
per gli algoritmi
lassi
i,
ompresi quelli in
ui la funzione obiettivo è dis
ontinua, non
derivabile, sto
asti
a, o fortemente non lineare.
16 algoritmo
he parte dalla soluzione del rilassamento del 1CBP e
ostruis
e una solu-
zione ammissibile per il 2SPP
ongiungendo i tagli per ri
ostruire l'item di origine. Si veda
a proposito: Martello, Mona
i e Vigo: An exa
t approa
h to the Strip-Pa
king problem
17 inizializza la stris
ia ad una lunghezza L, e
onsidera gli items a se
onda dell'ordine in
ui vengono dati. Per poi impa
arli se
ondo un pre
iso metodo. A riguardo si proprone:
Iori, Martello, Mona
i: Metaheuristi
Algorithms for the Strip Pa
king Problem
1.2 Cutting and Pa
king problems 39
tagli a ghigliottina
ghigliottina
a ghigliottina
ghigliottina
2000/2001):
2. Gli appro i per le soluzioni del se ondo gruppo sono in una po-
GA → genethi algorithms
SA → simulated annealing
TS → tabu sear
h
40 1. Problemi di pa
king e
utting nei layout
LEVEL PACKING
An
he per il two dimensional strip pa
king problem
ome per il BPP
vin oli e le varibili relativi al bin pa king problem visto pre edentemente, in
n
X
minimizzare −→ min hi yi
i=1
j−1
X
soddisfa
endo −→ xij + yj = 1, j = {1, ..., n} ,
i=1
n
X
wj xij ≤ (W − wj )yi , i ∈ N = {1, ..., n − 1}
j=i+1
ossia un problema a due dimensioni avente ome items degli oggetti rettan-
golari.
e in letteratura sono stati studiati molti metodi per risolverlo, a partire dal
sere
onos
iuto nessun algoritmo approssimato
he garantis
a una worst-
ase
performan
e ;
iò è sorprendente dato
he al
uni risultati di questo genere so-
no inve
e noti per il
onnesso problema di impa
amento a due dimensioni.
X
max pj xj
j∈N
X
(wj hj )xj ≤ W H
j∈N
x ∈ {0, 1} , (j ∈ N)
del rettangolo j nel 2KP, e apa ità del ontenitore W H , uguale all'area del
ontenitore nel 2KP. Per una istanza I del 2KP, sia OP T (I) la soluzione
ottima e UKP (I) l'upper bound su OP T (I) orrispondente alla soluzione ot-
è denito
ome:
. inf OP T (I)
r(UKP ) = I
UKP (I)
1
Il worst-
ase ratio trovato nora è r(UKP ) = 3
. Tale rilassamento, approfon-
dito da Caprara e Mona i (2003) ostituis e una buona base di partenza per
Oltre a Caprara e Mona i (2003), altri studi sono stati ondotti a riguardo:
Beasley
sover
euristi o di miglioramento
può essere usato. L'algoritmo limita la dimensione del tree usando un bound
parti
olare l'e
ienza delle mosse è basata su una strategia merge and ll.
I risultati
omputazionali mostrano
he tutte queste idee funzionano bene in
20 ri
er
a ad albero
1.2 Cutting and Pa
king problems 43
geneti o diviene ibrido dopo aver usato un euristi o on-line. Risultati om-
presenti in letteratura.
44 1. Problemi di pa
king e
utting nei layout
via la maggior parte delle volte il fa ility layout problem è denito ome la
via più e iente di disposizione degli oggetti. La ragione prin ipale, ome
già detto pre
edentemente, risiede nel fatto
he i
osti di material handling
oprono una buona per
entuale dei
osti totali di un'impresa, ed è quindi
22
onveniente limitarne lo sviluppo e l'aumento . Un layout dei ma
hinari
e iente può arrivare a ridurre questi osti dal 10% al 30% l'anno. Un layout
Negli ultimi anni, molte ri er he hanno proposto una varietà di pro edure
una soluzione ottima per l'allo azione di attrezzature dalle forme rettangola-
ri, usando l'adia enza ome riterio di interesse nel selezionare le attrezzature
he devono ondividere i onni. Molte delle pro edure re enti inoltre ri hie-
Data una matri e di usso tra diversi impianti e l'area allo ata a ias u-
diverse te ni he. La maggior parte delle pro edure sono state lassi ate o-
in due o più le. Due lassi di modelli e algoritmi sono inoltre stati usati
pro edure ottimali e euristi i. Di seguito saranno elen ate le prin ipali.
modello verrà posta maggore attenzione. Tale formulazione usa il bari en-
tro della lo azione ome punto di riferimento per valutare la distanza tra
due attrezzature. Inoltre molto spesso, le formulazioni diverse dal QAP sono
rispetto alle variabili, e i vin oli sono uguali ai vin oli del problema dell'as-
prodotto del usso di lavoro per la distanza. Il QAP può essere formulato
46 1. Problemi di pa
king e
utting nei layout
ome segue:
n X
X n X
n X
n
min Aijst xij xst (1.18)
i=1 j=1 s=1 t=1
n
X
ondizione1 xij = 1 , ∀j (1.19)
i=1
n
X
ondizione2 xij = 1 , ∀i (1.20)
i=1
dove
wis djt se i 6= s oppure j 6= t
Aijst Fij se i = s oppure j = t (1.22)
∞ se i = s oppure j 6= t
wis è il usso tra gli impianti i e s, wii = 0 , djt la distanza tra le posizioni j
e t, djj = 0 , Fij il
osto sso per lo
are l'impianto i nella posizione j , e
(
1 se l'impianto i è allo
ato alla posizione j
xij (1.23)
0 altrimenti
to in una determinata posizione, mentre il vin olo (1.20) assi ura he ogni
minimizzare il usso totale tra gli impianti i(i = 1, ..., n) e s(s = 1, ..., n). La
diviene pertanto:
n X
X n X
n X
n n X
X n
min Aijst xij xst + cis xis (1.24)
i=1 j=1 s=1 t=1 i=1 s=1
più grande per la quale è stata trovata una soluzione ottima ha una dimen-
sione di n ≈ 30. Per questa ragione sono stati molti gli euristi i proposti
to lineare avente erti vin oli addizionali: un QAP on n2 variabili xij può
soluzione del residuo QAP può poi essere risolto on una pro edura separa-
ta. Questo metodo 2-step produ e bounds migliori rispetto a quelli prodotti
Martello [6℄.
possono essere risolti all'ottimo. Sono state pubbli ate numerose relazioni su
MODELLO MIP
An
he metodi basati sul Mixed Integer Programming sono stati presi in
out he è una estensione del dis reto QAP, su essivamente altri studi hanno
Inoltre si è poi esteso il modello proposto per trattare aree disuguali e osti
blema di allo are i punti di input e output (I/O) di ogni dipartimento per
se, la soluzione simultanea del problema del layout e dei punti di I/O non è
al momento soluzioni risolvibili solo per FLP di dimensione sei o minori. L'o-
biettivo è basato sulla distanza rettilinea di usso e di tempo tra il bari entro
e i dipartimenti.
METODI ESATTI
Sono stati usati metodi bran
h-and-bound per trovare una soluzione otti-
per problemi di dimensione no a 30. Per n > 30 diventa impossibile per il
23 sonostate tralas
iate altre metodologie di risoluzione per il FLP, tra
ui menzioniamo
gli appro
i a rete neurale e a fuzzy logi
1.3 Fa
ility layout problem 49
ALGORITMI EURISTICI
Gli algoritmi euristi
i possono essere
lassi
ati
ome algoritmi di tipo
struttivi sono onsiderati gli appro i più sempli i e tradizionali per risolvere
delle soluzioni prodotte non è di solito soddisfa ente. I metodi basati sul
attraverso inters ambi tra singoli assegnamenti. Questi due tipi di appro i
ters ambi. Una lista degli euristi i più onos iuti usati per risolvere il FLP è
quella riportata nella tabella a ne apitolo. Questi euristi i sono lassi ati
ome algoritmi basati sull'adia enza o sulla distanza. La dierenza tra questi
XX
max (rij )xij
i j
vale 0.
menti hanno i onni adia enti. La funzione obiettivo degli algoritmi basati
n n n n
1 X X XX
min(TC) = Cik Djl Xij Xkl
2 i=1,i6=k j=1,j6=l k=1 l=1
dove
aumenta il osto totale dei viaggi. Visto he tutti gli indi i sono sommati da 1
dell'obiettivo.
ALGORITMI METAEURISTICI
Al
une alternative
on appro
io metaeuristi
o,
ome ad esempio SA e
24
GA , sono attualmente usati per approssimare la soluzione di FLP di grandi
il QAP. Una ra olta molto re ente degli arti oli basati sugli algoritmi SA è
Figura 1.19: ra
olta di arti
oli sugli algoritmi SA per la risoluzione dei FLP
24 Simulated Annealing e Geneti
Algorithms
1.3 Fa
ility layout problem 51
La tabella di gura 1.20 fornis e re enti arti oli sui FLP basati sui GA. Gli
algoritmi Tabu-Sear h (TS) sono altre pro edure iterative progettate per ri-
sono apparsi dove un algoritmo ant olony è stato usato per risolvere FLP di
grandi dimensioni. Talbi et al. (2001) hanno usato un algoritmo ant olony
Figura 1.20: ra
olta di arti
oli sugli algoritmi GA per la risoluzione dei FLP
52 1. Problemi di pa
king e
utting nei layout
presentare le proprie ri er he. È stato s operto he 'è una man anza di ap-
pli azione della on urrent engineering nel FLP in a ordo on la s elta del
layout dei ma hinari sia indipendente dalla s elta del sistema di movimen-
Dagli and RF 1 GA
Poshyanonda
(1996, 2004)
Liu and Teng RF 1 GA
(1999)
Hopper and Tur- RF 1 GA
ton (2000)
Hopper and Tur- RF 1 SA
ton (2000)
Hopper and Tur- RF 1 NE⋆
ton (2000)
Mumford, Va- RG 1 GA
lenzuela et al.
(2003)
Kröger (1993, RG 2 Parallel GA
1995)
S
hne
ker (1996) RG 2 Parallel GA
Ratanapan and RF 3 GA
Dagli (1997,
1998)
Iori et al. (2002) OF Hybrid Hybrid GA+TS
and Mona
i
(2001)
Prendendo spunto dalle numerose fonti disponibili sul web o dai do umen-
In parti olare, nel orso del presente apitolo, verrà fo alizzata l'attenzio-
me modello per lo sviluppo e l'appli azione degli algoritmi visti nel primo
55
56 2. Ottimizzazione dei layout eristi
i
termine ``uguale per hé nell'ambito delle ere non bisogna tenere onto del
usso: tra uno stand e uno altro non vi è nessun usso di materiale ome
Il problema del layout eristi i sembra piu vi ino a quello del pa king, in
stands orientati tutti nello stesso modo e allineati tutti nella stessa direzio-
ne lungo stris ie verti ali; ovviamente sarà opportuno riservare uno spazio
minimo tra tali stris ie per permettere un a esso fa ile alla lientela. Nel
di 2BPP e di FLP, analizzati nel apitolo pre edente. In parti olare è oppor-
gli stand, iò può essere fatto grazie a una prima fase di tagli a ghigliottina
Nella se
onda fase è ne
essario eettuare un taglio per ogni stris
ia ottenuta
58 2. Ottimizzazione dei layout eristi
i
Riassumendo i prin ipali puti salienti del problema, possiamo des rivere ome
assunzioni:
larghezza w
l'a esso da uno dei lati liberi per ias uno stand
A questo proposito si pro ederà se ondo una dupli e variante del FLOP
tra di esse, in modo he l'a esso agli stand avvenga dal solo lato libero
la matri
e
ome:
(
1 se lo spazio δ×δ alle
oordinate (i,j) viene allo
ato per lo stand
Mi,j =
0 altrimenti
dove, per sempli ità si onsiderano tutte le variabili (altezze, larghezze, di-
stanze, e .) ome valori interi, espressi se ondo una unità minima di lun-
Figura 2.3: matri e M asso iata all'area di esposizione eristi a di gura 2.1
si seleziona una olonna j per il layout nel aso in ui una stris ia di stands
gura 2.1 e 2.2 la prima olonna viene selezionata ome prima strip (dove
Una pro edura più velo e he ri hiede un tempo O(W H) pari a quello im-
piegato per `` ari are la matri e M sarà illustrata di seguito; tale pro edura
valore minore di j ; in questo modo tutti gli intervalli massimi di riga possono
pre edenza. La prima parte, dedi ata al FLOP1, non prevede al una ri-
variabile binaria
(
1 se una strip singola di stands ha il proprio lato sinistro sulla
olonna j
xj =
0 altrimenti
(2.1)
∀j = 1, ..., W − w + 1.
Il primo problema FLOP1 può quindi essere modellato
ome segue:
−w+1
WX
(FLOP1) max vj xj (2.2)
j=1
k
X
subje
t to xj ≤ 1 , (k = w + a, ..., W − w + 1) (2.3)
j=k−a−w+1
3
dove a rappresenta la larghezza minima del passaggio pedonale tra strips .
Dalla espressione (2.3) si nota he i vin oli impongono he gli stands non si
sovrappongano tra loro e he i sia spazio su iente per le aisles : se una o-
lonna k viene selezionata allora le
olonne (k−a−w+1, ..., k−1) non possono
essere selezionate a loro volta,
ome è possibile
onstatare dalla gura 2.4. È
mo pre edente, introdu endo un se ondo tipo di variabile binaria per ogni
olonna j:
(
1 se una strip doppia di stands ha il proprio lato sinistro sulla
olonna j
ξj =
0 altrimenti
(2.5)
∀j = 1, ..., W − 2w + 1.
Osserviamo
he il massimo numero di stands idonei ad essere
ompresi nella
double-strip è vj + vj+w .
Ne deriva quindi il modello FLOP2 seguente:
W −2w+1
X
(FLOP2) max (vj + vj+w )ξj (2.6)
j=1
k min(W −2w+1,k)
X X
subje
t to xj + ξj ≤ 1 , (k = w + a, ..., W −w + 1)
j=k−a−w+1 j=max(1,k−a−2w+1)
(2.7)
2.1 Spe
i
he e
ontesti per il progetto 63
Analogamente al aso del FLOP1, qui i vin oli (2.7) impongono he le stris ie
spazio su
iente per
onsentire il usso dei
lienti: se una
olonna k viene
selezionata (sia se singola sia se doppia), allora le
olonne k−a−w+1, ..., k−1
una double-strip ). Si può notare
he gli indi
i max e min nella se
onda som-
matoria della equazione (2.7) es
ludono l'indi
e j poi
hè è fuori dal range.
Nella parte destra di gura 2.4 si può osservare l'insieme di onstraint utiliz-
zate per il FLOP2, mentre nelle gure 2.5 e 2.6 è possibile vedere un esempio
Figura 2.5: esempio di layout
he tiene
onto delle distanze tra le aisles per i pedoni
e tra strips (aδ ). Gli spazi
olorati indi
ano zone in
ui non risulta possibile posizionare
stand.
proprietà:
unimodulari ;
seguenti requisiti:
64 2. Ottimizzazione dei layout eristi
i
Figura 2.6: dierenze tra FLOP1 e FLOP2: nel primo
aso ogni stand ha due a
essi
e vi sono strip singole; nel se
ondo
aso ogni dtand ha un solo lato di a
esso libero ed è
disposto su stris
ie doppie.
• aij ∈ {−1, 0, 1}
• ias una olonna non deve avere più di due elementi non nulli
• esiste una partizione (A1 , A2 ) delle righe tale he per ogni olonna on
Se hiamiamo A la matri e asso iata al vin olo (2.3) si può fa ilmente on-
Figura 2.7: a sinistra, la matri
e A asso
iata ai vin
oli imposti dalla equazione (2.3); a
destra, la matri
e à ottenuta mediante al
une operazioni lineari sulle righe di A.
0 ≤ xj ≤ 1 , (j = 1, ..., W − w + 1)
0 ≤ ξj ≤ 1 , (j = 1, ..., W − 2w + 1)
appena ri avate.
appli azione degli algoritmi per il layout eristi o. In parti olare verranno
un'analisi ompleta sotto i vari punti di vista, poi hé oprono nel omples-
aso si ha a he fare on una era regionale he ha luogo ogni due anni nella
insieme di spe i he, requisiti e vin oli, al ne di reare un progetto ompleto
Meireles e assemblano e smontano i loro stand per dare vita a una famosa
le).
L'area he ir onda la era è una delle zone più attive della ittà ed è piena
di noti hotel e ristoranti. E' stata l'importanza di questa era, data dal gran-
super ie sono infatti presenti numerosi osta oli: palme, s ulture, pan hi-
ne..) e he gli stand sono tutti uguali e rettangolari. Proprio queste ultime
Figura 2.8: vista dall'alto della zona dedi
ata all'esposizione eristi
a (indi
ata in grigio)
in lo
alità Beira Mar, a Fortaleza
5
di disegno del layout .
quanto riguarda l'altezza e la larghezza degli stand, vale per tutti h=2 e
ui al une aree non sono disponibili per l'installazione di stands. Nel aso
H = 1084; il valore indi ativo fornito per determinare la larghezza del pas-
re dalla mappatura reale a quella virtuale (per lo s
opo sono stati utilizzati
6
strumenti di CAD) e per
onvertire il tutto in formato SHP
ontenente le
5 tuttele simulazioni e i test sono stati eseguiti su ma
hine
on pro
essore Pentium 4
a 1.8GHz dotate di 2GB di RAM.
6 shapele, formato vettoriale per sistemi informativi geogra
i
he tradu
e le infor-
un totale di 505 stands disposti su 36 le singole (le strips ) on meno del
poste dal FLOP1 e ioé non vi è modo di ombinare stris ie singole e doppie,
ontano 503 stands inve e he 505, mentre per il FLOP2 si hanno gli stessi
742 stands
he in pre
edenza. Per δ = 20cm si hanno 64 se
ondi per
ostruire
la matri
e, e 2 se
ondi per FLOP1 e 1 se
ondo per FLOP2
on un ulteriore
de remento degli stands, rispettivamente a 499 e 737. Per valori sempre più
strips in modo perpendi olare alla spiaggia (la base della piantina); ma è
possibile `` omporre gli stands in altro modo, produ endo soluzioni migliori
appro io tipi o dei layout generi i, non sarebbe insensato disporre gli stands
Figura 2.11: bozza alternativa alle varianti previste per la soluzione; si dispongono gli
stands a gruppetti di quattro.
mila abitanti ir a, a metà strada tra Ginevra e Berna, nella Svizzera fran-
durante gli 8 giorni dedi ati alla manifestazione. Sotto quest'otti a gli orga-
loro ri hieste in termini di spazi, per poi adeguare il layout soddisfa endo un
soddis le esigenze.
Si può suddividere il pro esso di sviluppo delle soluzioni in due bran hie: al-
lo are in primis lo spazio per gli stands, in maniera tale da non sovrapporre
gli spazi espositivi; in se ondo luogo allo are gli spazi per il usso dei visi-
due punti.
non si mantiene tale e quale alle edizioni pre edenti, i progettisti del
Figura 2.12: disposizione degli stands nell'edizione del 1998 della era.
on le relative misure)
Romont sta nel fatto
he il
liente deve seguire un per
orso guidato e
9
obbligato tra i vari stand, in modo da poterli visitare tutti . Nel
aso in
di 3
determinanti:
8
hepossono essere piazzati in un angolo dell'area espositiva
9 questastrategia è tipi
a an
he in altri ambiti, quali ad esempio nei dis
ount o in
supermer
ati (vedi IKEA), ma è un
aso piuttosto singolare quando si tratta di ere
regionali
72 2. Ottimizzazione dei layout eristi
i
utilizzo degli spazi : è l'aspetto più importante, dal quale derivano gli altri
progetto a orto. Cias uno stand deve avere una propria lo azione il
l'open side di ias uno di essi si aa i sul per orso dei visitatori
quindi tenere onto dei per orsi (magari intervallando on aree di so-
Figura 2.13: des rizione degli items utilizzati nel progetto e legenda.
permette una rappresentazione basata sull'adia enza del per orso dei visita-
tori ai lati aperti degli stand espositivi; viene usata una dis retizzazione degli
e gli spazi ri hiesti sono espressi ome valori interi e multipli dell'unità base
so in al une unità di misura di base, ome si può vedere dalle gure seguenti.
Figura 2.14: fairground relativo allo spazio espositivo, asso
iato ad un rettangolo su un
piano
artesiano.
Per quanto riguarda gli stands, essi sono rappresentati ome aree rettango-
gura 2.15; tali spazi espositivi possono essere posizionati verti almente o
zionato uno stand ad angolo all'interno della super ie, assieme ad una lista
tali e verti ali (solo rettilinei) he devono essere paralleli agli assi artesiani
del rettangolo. Come si può vedere dalla gura 2.17, il quadrato nero indi a
un ambio di direzione del per orso, uno snodo he si può fa ilmente refe-
misura.
L' adja en y model impli a la formulazione di tre riteri quantitativi per mi-
surare la qualità di un layout progettato bene; tali riteri derivano dai tre
dai padiglioni,
PN
i=1 ((ki × li ) − [(ki − wki ) × (li − wli )])
r= ,
L×B
dove N rappresenta il numero di stands, mentre LeB sono rispettiva-
ativi del al olo delle adia enze sono illustrati in gura 2.18. Indipen-
al padiglione i-esimo
stands he si aa iano sullo stesso tratto di per orso. Introdu iamo un
Per varie ragioni il valore del oe iente f si preferis e he sia alto per
Appli ando queste soluzioni ad un aso reale (l'edizione della era del 2000)
si sono ris ontrati risultati soddisfa enti e il layout ottenuto è stato al olato
Figura 2.18:
al
olo delle adia
enze: nel primo
aso sono
al
olate quattro
ombinazioni
in base all'entità degli stand e del path, mentre nel se
ondo ne sono
al
olate tre,
on un
solo tipo di stand ma
on tre tipologie di per
orso.
medio ris ontrato. Come è illustrato in gura 2.19, gli stands più hiari (la
Figura 2.19: risultato nale dell'adja en y model appli ato all'esposizione del 2000.
spazio di seguito all'altro a anto al per orso prestabilito per i visitatori, do-
già disposti per motivi moltepli i. A questo proposito sono stati sviluppati
tre algoritmi per pro edere al piazzamento degli spazi espositivi della era
di Romont.
sioni degli stands e il layout iniziale. In parti olare intendiamo per layout
le oordinate (xi , yi) dei nodi del per orso e i dati sul posizionamento degli
dati iniziali vengono quindi forniti g = 508 e M = 35, ovvero la lunghezza del
path in unità di area e il numero di nodi, rispettivamente. L'algoritmo non
dell'algoritmo sarà ostitutito per iò dai dati relativi agli stands posizionati,
quindi (oi , xi , yi), e dal numero di stands he non è stato possibile in ludere.
Figura 2.20: layout di partenza della era di Romont dove si vedono il path e al
uni
stand preposizionati, mentre a sinistra sono raggruppati gli altri stand da in
ludere nel
progetto.
• deniamo path se
tion una porzione di per
orso delimitata da due nodi
78 2. Ottimizzazione dei layout eristi
i
mentre per quelli verti ali si parlerà di nord e sud; un ambio di di-
(d j = L)
sono andidate points an he quei punti in ui un nodo del per orso non
stand
nessun altro stand già presente, he non invade lo spazio riservato al path
inne, fornis e una larghezza minima del orridoio laterale idonea a quanto
previsto.
sideri non più una ottimizzazione riferita ad un solo lato del segmento del
path adia ente allo stand, bensì tutti i lati a ontatto on esso. Tale aggior-
namento sarà identi ato ome se ondo algoritmo: questo appro io rivela
he al une aree del per orso dei visitatori non sono usate appieno e he le
aree disponibili
he si in
ontrano all'inizio del per
orso sono più o
upate
2.2 Studio e analisi di
asi reali 79
mo2 valuta le posizioni partendo proprio dal nodo iniziale del path.
maniera più uniforme gli stands lungo il per orso usufuendo al massimo de-
due versioni pre edenti e rappresenta una versione denitiva e ultimata del
zione della era di Romont del 2000; si ri ondu e a ne apitolo per quanto
Figura 2.21: tre versioni dell'algoritmo impiegato per il layout ottimo dell'esposizione
del 2000.
I risultati ottenuti appli ando l'algoritmo nella sua versione nale mostrano
modello dell'adia enza. Inoltre i tre riteri pre edentemente analizzati (uti-
onnati in intervalli di a ettabilità e i valori dei oe ienti f sono più alti
di Romont si sono utilizzati diversi riteri per avvi inarsi ad una soluzione
mente era improntata sulla ollo azione degli stand dato un erto per orso
pressato e dati dei layout iniziali; proprio questi ultimi tendono ad inuen-
dipende da:
so
• lunghezza del per
orso (path)
Negli algoritmi pre edentemente studiati gli stand venivano ollo ati uno
alla volta; si potrebbe inve e velo izzare il pro edimento usando un algorit-
reazione del per orso iniziale può essere onsiderata ome un importante
nale.
esaminati nel primo apitolo, aan ati dal riferimento alle soluzioni viste nel
se ondo apitolo, in maniera tale da adattare tali onos enze ai asi di studio
In parti olare, tra i dati di interesse fondamentale per l'appli azione dei mo-
distanze tra di essi, sulla largheza dei
orridoi e dei passaggi ( aisles ) se
ondo
il modello di Fair Layout Optimization Problem già analizzato, e illustrato
83
84 3. Casi di studio e spe
i
he di progetto
I modelli studiati nelle sezioni pre edenti sono generalizzabili a vari ontesti,
1 European Natural Gas Vehi
le Asso
iation, asso
iazione europea dei vei
oli a gas
naturali,
ome ad esempio metano e idrogeno
3.1 Presentazione dei
asi di studio 85
- si è svolta nel 1930, mentre nel 1929 l'Ente Autonomo Fiera del Levante
nas eva per iniziativa del Comune di Bari, dell'Amministrazione provin iale
anni della Se onda Guerra Mondiale, dal 1940 al 1946. Il quartiere eristi o
Figura 3.3: vista panorami
a dell'ingresso prin
ipale (Ingresso Monumentale) alla Fiera
del Levante di Bari.
sitori e più di 700.000 visitatori. La Fiera del Levante opera prin ipalmente
al servizio del grande mer ato entromeridionale, pur allargando il suo am-
plessiva di 300.000 mq
ta di 120.000 mq
I padiglioni onsiderati per l'appli azione degli algoritmi sono stati s elti
più dierenti asisti he: nella fattispe ie sono stati presi in esame i padiglioni
11, 116 e 129. Mentre il primo presenta una super ie e una forma regolari,
il se ondo e il terzo sono molto più irregolari e presentano dis ontinuità nei
ontorni. La s elta di questi spazi espositivi è appunto giusti ata dalle so-
stanziali dierenze tra i tre padiglioni, sia per quanto riguarda la dimensione
degli stand, sia per il loro arrangiamento negli spazi previsti. Dal punto di
3.1 Presentazione dei
asi di studio 87
vista delle dimensioni di interesse per l'appli azione degli algoritmi, di segui-
4×3.50 m nessuna
Padiglione 116
4×4 m 5 m (vert.); 4 m (orizz.) nessuna
6×6 m nessuna
6×4 m nessuna
Padiglione 129
4×4 m 5 m (vert.); 4 m (orizz.) nessuna
6×6 m nessuna
6×4 m nessuna
ias un padiglione. In parti olare non vi è una sola dimensione degli stand,
Nell'implementare gli algoritmi per questo ontesto si terrà onto di una sola
tipologia di dimensioni dei moduli ([h×w]) e dei orridoi ([a]), fornendo varie
l'edizione 2007.
88 3. Casi di studio e spe
i
he di progetto
Figura 3.5: padiglioni della Fiera del Levante onsiderati nel progetto.
è stata sede di ere e riunioni ommer iali e mer antili. Tuttavia la prima
era ampionaria moderna risale al 1948, passando per gli anni '70 in ui si
``Fiera Bolzano si trova al entro della Zona Produttiva Bolzano Sud, solo
raggiungibile grazie alla posizione alla periferia. Misura 40.000 mq tra super-
Figura 3.6: organizzazione del quartiere ersisti o Fiera di Bolzano - Messe Bozen.
era; il tutto aan ato da ampi e omodi par heggi sia interrati he super-
iali e rialzati. L'omogeneità delle super i degli stand onsente a tutti gli
2500 mq 7600 mq
• padiglione E - polifunzionale
4700 mq
• padiglione S -
entro servizi
l'undi esimo Congresso europeo di ENGVA, asso iazione europea dei vei oli
a metano e idrogeno. La era viene organizzata dalla rivista spe ializzata the
Figura 3.7: immagine a 360 gradi (espansa) del quartiere ersisti
o Fiera di Bolzano -
Messe Bozen.
di mostra; i test drive all'interno di tale struttura ostituis ono una prova
ulteriore per gli exhibitors di mostrare i loro prodotti in una zona he non
tura è rappresentata in gura 3.9; tale struttura presenta vin
oli e
onstrain-
ts tipi
he, quali aree dedite ai servizi di ristorazione, us
ite di emergenza,
ingressi e us ite prin ipali, strutture di sostegno (pilastri, e .). Nella imple-
mentazione dei layout andrà tenuto onto di tutte queste aratteristi he.
ospiterà stand di dimensioni standard ( basi stand ) pari a 5×5 metri (g.
3.8), mentre per i orridoi sarà prevista una larghezza minima di 4 metri.
Inoltre saranno distinti due asi, nel primo dei quali la distanza minima tra
stand è nulla, mentre nel se ondo è di 2 metri (sia orizzontale he verti ale).
5×5 m 4 m nessuna
5×5 m 4 m 2 m
3.1 Presentazione dei
asi di studio 91
Figura 3.8: dimensioni standard di uno stand basi
della Fiera di Bolzano - Messe
Bozen.
Padiglione1 Padiglione2
[a] sono di 3 metri; si è s elto, per evitare ompli azioni al modello e per hé
i singoli moduli.
4×4 m 3 m nessuna
sioni (quelle esterne e degli stand) ome multipli di questi (pi oli) valori. In
X
Xδ =
δ
dove X = {H, W, h, w}. ⌊Wδ × Hδ ⌋. Un
Tale matri
e ha per
iò dimensioni
Figura 3.10: dimensioni dello stand standard onsiderato per l'Expo Ferroviaria 2008.
stand all'inizio della olonna. A ausa del riterio utilizzato e per evitare
la parte destra del modello è intera e se la matri
e dei vin
oli è totalmente
2
unimodulare (TUM).
2 una
matri
e totalmente unimodulare è una matri
e (non ne
essariamente quadrata)
per la quale an
he ogni minore non singolare è unimodulare. Ne
onsegue
he ogni suo ele-
mento vale 0, +1 o −1. Un programma intero nel quale la matri
e dei vin
oli è totalmente
unimodulare può essere risolto e
ientemente, in quanto il suo rilassamento LP porta a
soluzioni intere.
94 3. Casi di studio e spe
i
he di progetto
Figura 3.11: panorami
a del quartiere Lingotto Fiere di Torino sede dell'Expo
Ferroviaria 2008.
3.2 Criterio per la denizione e la s
rittura delle matri
i 95
Figura 3.12: planimetria del quartiere Lingotto Fiere di Torino. In rosso sono
sottolineati i padiglioni sede dell'Expo Ferroviaria 2008.
96 3. Casi di studio e spe
i
he di progetto
Figura 3.13: padiglioni della Expo Ferroviaria 2008. I due padiglioni sono separati dai
muri portanti (in nero). Nella parte alta del se
ondo padiglione è stata tagliata la zona di
ristorazione,
omunque inutile al layout. La gura
omprende solamente le zone idonee al
ontenimento degli stand.
Capitolo 4
Implementazione degli algoritmi e
risultati
omputazionali
Questo apitolo è dedi ato all'appli azione spe i a degli algoritmi pre-
sentati nel apitolo 1 ai asi di studio presentati nel apitolo pre edente.
Partendo dalle planimetrie delle ere di Bari, Bolzano e Torino, sono stati
Tale appli ativo è in grado di fornire soluzioni per l'impa amento del mag-
ui non è possibile impa are gli stand (a ausa di porte, bar, servizi, e .).
punti in senso orario o in senso antiorario. I poligoni sono divisi in due tipi:
97
98 4. Implementazione degli algoritmi e risultati
omputazionali
Come si vedrà poi meglio nello studio dei singoli asi reali, la forma degli
spazi espositivi e dei orridoi è rappresentata in bian o mentre tutti i vin oli
per al olare quanti stand poter inserire all'interno dei nostri padiglioni. Per
Flop2 : si tratta di doppi strip di stand dove vengono forniti in input gli
stessi dati del FLOP1; in più ompare un dato d he però negli studi
padiglioni.
quindi il FLOP2:
e 3 metri in verti ale, tralas iando gli altri asi poi hé la soluzione attuale
11.
158 ms 351 ms 27 31
Figura 4.2: soluzioni proposte per il padiglione 116
on FLOP1 e FLOP2. In questo
aso gli stand sono rappresentati in nero e i vin
oli sempre in grigio.
106 ms 272 ms 24 31
dove,
ome per i pre
edenti padiglioni, la dimensione degli stand è di 4×4
metri e per i
orridoi è di 5 (verti
ale) × 4 (orizzontale) metri.
Nel listato seguente sono elen ati i le di input da fornire al software Java per
e 129), tenendo in onsiderazione i vin oli e gli osta oli imposti dal ontesto:
Figura 4.3: soluzioni proposte per il padiglione 129
on FLOP1 e FLOP2. In questo
aso gli stand sono rappresentati in nero e i vin
oli sempre in grigio.
nel primo aso ( aso 1) la distanza imposta tra gli stands è nulla, mentre nel
Analogamente a quanto fatto per il ontesto pre edente, viene qui di seguito
lo
k5; lo
k; 71 0; 71 5; 76 5; 76 0
lo
k6; lo
k; 0 30; 0 35; 5 35; 5 30
lo
k7; lo
k; 0 44; 0 49; 5 49; 5 44
lo
k8; lo
k; 0 63; 0 68; 5 68; 5 63
lo
k9; lo
k; 13 80; 20 80; 20 74; 13 74
lo
k10; lo
k; 51 80; 58 80; 58 74; 51 74
lo
k11; lo
k; 23 5; 23 7.5; 25.5 7.5; 25.5 5
lo
k12; lo
k; 41.5 5; 41.5 7.5; 44 7.5; 44 5
lo
k13; lo
k; 60 5; 60 7.5; 62.5 7.5; 62.5 5
lo
k14; lo
k 78.5 5; 78.5 7.5; 80 7.5; 80 5
lo
k15; lo
k; 78.5 24; 78.5 26.5; 80 26.5; 80 24
lo
k16; lo
k; 78.5 41.5; 78.5 44; 80 44; 80 41.5
lo
k17; lo
k; 78.5 59; 78.5 61.5; 80 61.5; 80 59
tabella seguente:
Tabella 4.1: Risultati dei al oli per i padiglioni dell'Expo Ferroviaria 2008.
esse sono rappresentate nelle gure 4.4 e 4.5 Ri ordiamo he, per entrambi
In parti olare, per quanto riguarda le tre alternative e i tre layout analizzati,
Padiglione 116
Padiglione 129
Padiglione D.1
Padiglione D.2
Padiglione 1
Padiglione 2
Tabella 4.2: Numero di stands per ogni layout analizzato, in relazione agli
in due parti a se onda dei asi enun iati nel paragrafo 4.2
seguentemente alle elaborazioni sono, per ias una delle manifestazioni eri-
Tabella 4.4: Dimensione delle matri i per la Fiera di Bolzano - Messe Bozen
Con lusioni
Prima di parlare degli obiettivi raggiunti, è bene riper orrere velo emente
tutta la strada fatta. Dopo aver individuato nel FLOP (Fair Layout Optimi-
ambito logisti o sono stati trovati solo testi inerenti al layout industriale, ma
l'ambito della ri er a operativa, non sono state trovate pubbli azioni indiriz-
del posizionamento di stand può essere infatti visto ome aso parti olare dei
gli stands); un ampio apitolo della tesi è infatti in entrato sui problemi di
si avvi ina a quello della tesi; si tratta del Fa ility Layout Problem (FLP).
Assignement Problem (QAP), presenta aratteri molto simili agli ultimi mo-
delli presentati nel apitolo 3. Se da un lato gli algoritmi studiati per il FLP
possono essere prese ome riferimento e ome spunto per al uni sviluppi fu-
turi del FLOP, non potranno mai essere presi in toto, poi hé nei primi vi è il
usso tra una posizione e l'altra ome driver prin ipale, mentre nel se ondo
109
110 5. Con
lusioni
delli per la risoluzione del FLOP; questi ultimi sono stati prima analizzati
nel apitolo 3 e poi inseriti nei ontesti presentati nel apitolo 4. Inne, nel
quinto apitolo sono stati des ritti i risultati delle implementazioni sul soft-
modelli presentati nei apitoli addietro; sono stati tutti orrettamente om-
• le matri i asso iate alle variabili dei primi quattro modelli sono to-
(al massimo viene ri hiesto qual he minuto per i modelli più laboriosi)
qualsiasi forma (sia regolare he irregolare): gli algoritmi matemati i des ritti
[1℄ A.E. Fernandes Muritiba, Manuel Iori, Silvano Martello, M.J. Negreiros
[2℄ P. S
hneuwly, M. Widmer. Layout modeling and
onstru
tion pro
edure
for the arrangement of exhibition spa
es in a fair. Bla
kwell, 2003
111
112 BIBLIOGRAFIA
[12℄ E.Hadji
onstantinou, M.Iori. An hybrid geneti
algorithm for the two-
dimensional single large obje
t pla
ement problem. European Journal of
Operational Resear
h, 2006
AA. 2007-2008
[16℄ Lisa Bian
hini. Tesi di Laurea sui layout eristi
i. Università degli Studi
di Modena e Reggio Emilia
[17℄ Lu a Rusti helli. Tesi di Laurea sui layout eristi i. Università degli
[18℄ Mar Baudoin. Impara LATEX! (...e mettilo da parte). É ole Nationale