Curriculum - Massimo Paolucci - Università degli Studi di Genova

Massimo Paolucci – CV breve 1 Curriculum breve di Massimo Paolucci 1. Notizie generali Data e luogo di nascita: 15 Febbraio 1961, Genova. Attuale posizione accademica: Ricercatore confermato nel settore disciplinare MAT/09 ‐ Ricerca Operativa. Indirizzo di lavoro: Dipartimento interscuola di Informatica, Robotica, Bioingegneria e Ingegneria dei Sistemi (DIBRIS) dell’Università degli Studi di Genova, Via Opera Pia 13, 16145 Genova. Tel: 010‐3532996. Fax: 010‐
3532948. E‐mail: [email protected] 2. Posizioni ricoperte e titoli conseguiti  Dal 1995 Ricercatore Confermato nel s.s.d. MAT/09 Ricerca Operativa.  Dal 01.03.1992 Ricercatore nel s.s.d. MAT/09 Ricerca Operativa presso il Dipartimento di Informatica, Sistemistica e Telematica (DIST) e successivamente presso il DIBRIS.  Dottorato di Ricerca in Ingegneria Elettronica dal 1987 al 1989. Titolo di Dottore di Ricerca conseguito il 18.10.1990. Tesi di Dottorato: “Struttura di un DSS per decisioni complesse basate sull'identificazione di funzionali di costo”.  Dal luglio 1986 al luglio 1987: Servizio militare.  Laurea in Ingegneria Elettronica conseguita presso l'Università di Genova il 13.03.1986 con votazione 110/110 e lode e dignità di stampa. 3. Attività scientifica Le mie attività di ricerca si svolgono principalmente nel laboratorio LIDO (Laboratorio di Informatica DIST‐
Siemens S.p.A.) del DIBRIS. In precedenza ho svolto attività di ricerca anche nell’ambito del Laboratorio di Automazione Industriale del DIST, del Centro italiano di eccellenza sulla logistica integrata (CIELI) e del Centro di Ricerca Interuniversitario in Monitoraggio Ambientale (CIMA) con sede presso il polo di Savona dell’Ateneo genovese. 3.1. Algoritmi matheuristici e metaeuristici per l’ottimizzazione combinatoria Mi sono occupato e mi occupo di problemi di scheduling su macchine parallele, sviluppando approcci di tipo metaeuristico ibrido, nel quale cioè aspetti provenienti da metaeuristiche diverse, quali tabu search (TS), simulated annealing (SA) e variable neighbourhood search (VNS), sono integrati in modo da poter essere utilizzati selettivamente. Tali metodi si basano sull’esplorazione dello spazio delle soluzioni di un problema di natura combinatoria effettuando sostanzialmente un’esplorazione locale (neighborhood search) modificata con strategie diverse in modo da evitare la convergenza al primo ottimo locale identificato (ad esempio, attraverso l’uso di tabu list, criteri di accettazione stocastica della soluzione, variazione della struttura degli intorni esplorati). Sempre nell’ambito di questa classe di metodi ho studiato metaeuristiche di tipo population based, in particolare approcci basati sulla Ant Colony Optimization (ACO) e sulla Particle Swarm Optimization (PSO). Queste metaeuristiche, ispirandosi a fenomeni naturali, utilizzano insiemi di agenti per effettuare l’esplorazione dello spazio delle soluzioni, sfruttando in pratica concetti di reinforcement learning e di swarm intelligence: gli agenti prendono decisioni ricevendo un premio nel caso esse conducano a buone soluzioni, di conseguenza migliorando la strategia utilizzata. I singoli agenti inoltre cooperano scambiando informazioni circa la storia dei loro successi ed insuccessi, con conseguente beneficio del comportamento collettivo. Dal 2010 ho iniziato ad occuparmi degli approcci di tipo matheuristico per la soluzione di problemi di ottimizzazione combinatoria. Con questo termine, coniato di recente nel 2009, si fa riferimento a metodi di tipo metaeuristico applicati alla soluzione di modelli di programmazione matematica a numeri misti interi (Mixed Integer Programming, MIP). In particolare tali metodi combinano l’utilizzo di tecniche di esplorazione proprie delle metaeuristiche con quello di risolutori (solver) MIP. Lo scopo è da un lato quello di sfruttare le sempre maggiori capacità risolutive dei solver MIP per risolvere sotto‐problemi di ottimizzazione (ad esempio ricerche locali) definiti all’interno di approcci metaeuristici, e dall’altro sfruttare le capacità di esplorazione, intensificazione, diversificazione e memoria proprie degli approcci metaeuristici all’interno di solver MIP. Notevoli riferimenti in questo recente campo di ricerca sono i metodi del Local Branching, Relaxation Induced Neighborhood Search (RINS) e Evolutionary Algorithm for Polishing; tutti questi metodi sono implementati nel solver MIP Cplex ed utilizzati come euristiche per migliorare la soluzione corrente. La ricerca in questa settore si Massimo Paolucci – CV breve 2 è sviluppata prendendo spunto da problemi applicativi nell’ambito della logistica marittima e dei trasporti intermodali in cui gli approcci risolutivi delineati hanno utilizzato modello MIP. Partendo da tali esperienze è stato sviluppato un metodo general purpose per la risoluzione di problemi MIP in cui possono comparire sia variabili intere che binarie, denominato Randomized Neighborhood Search (RANS). Questo metodo, concettualmente molto semplice, trae ispirazione dall’euristica iterated greedy ed è basato sull’iterazione di due passi: partendo da una soluzione ammissibile, questa è prima “distrutta” effettuando un hard fixing randomico parziale delle variabili intere e binarie, quindi è “ricostruita” attraverso la soluzione del sotto‐
problema MIP così ottenuto. Il metodo utilizza un meccanismo di auto‐adattamento del parametro che controlla l’estensione della distruzione effettuata al primo passo, ossia permette di auto‐regolare la difficoltà dei sotto‐problemi MIP che devono essere risolti al secondo passo. In questo modo la soluzione iniziale ammissibile viene progressivamente migliorata sino al raggiungimento di un tempo massimo di computazione, che è anche l’unico parametro richiesto dal metodo. L’analisi sperimentale condotta utilizzando benchmark di riferimento nella letteratura ha permesso di apprezzare le ottime prestazioni di questo metodo confrontandole con quelle di altri metodi (tra cui quelli citati in precedenza). Un’evoluzione del metodo RANS è stata successivamente studiata facendo riferimento ad un problema di logistica affrontato a partire dal 2012, ossia il problema del caricamento dei treni in container terminal portuali. Le difficoltà nel risolvere il modello matematico sviluppato per tale problema, in particolare quelle per determinare una soluzione ammissibile iniziale, ha condotto allo sviluppo di un metodo basato su un’euristica lagrangiana. Questo metodo procede iterativamente, prima rilassando lagrangianamente un insieme di vincoli, quindi via via reintroducendoli nel modello cercando ad ogni passo, attraverso l’utilizzo della procedura RANS, di ottenere soluzioni con un livello di non ammissibilità progressivamente ridotto. Infine, non appena ottenuta una soluzione ammissibile, il metodo procede utilizzando la RANS per il suo miglioramento. I test sperimentali effettuati sulle istanze del problema di riferimento hanno mostrato l’efficacia di tale approccio. 3.4. Planning e scheduling in sistemi di produzione manifatturiera Lo studio di problematiche relative alla pianificazione della produzione ed allo scheduling in ambito manifatturiero rappresenta il tema di ricerca applicata che più di altri ha caratterizzato la mia attività di ricerca. In particolare, le mie attività di ricerca in quest’ambito possono essere riassunte nei seguenti punti:  studio di algoritmi per lo scheduling su macchine parallele in presenza di sequence‐dependent setup con l’obiettivo di minimizzare la tardiness totale  sviluppo di un sistema di supporto decisionale basato su un’interfaccia a carta di Gantt interattiva per lo scheduling di dettaglio di un modello generale di produzione discreta (Link a VisualGantt)  algoritmi di scheduling on‐line con obiettivo non regolare (scheduling just‐in‐time con minimizzazione della tardiness e della earliness) mediante approcci agent‐based;  euristiche per problemi di scheduling con obiettivi non regolari. Sempre nell’ambito dello scheduling ho iniziato ad occuparmi dello scheduling energy‐aware, in cui oltre ai classici obiettivi per l’ottimizzazione della produzione, si vuole ottimizzare il consumo di energia elettrica dovuto al funzionamento delle macchine. In questo ambito un primo approccio è stato quello di modificare la temporizzazione di uno schedule dato (ossia, modificare i tempi di inizio delle attività senza variare la loro sequenza sulle macchine e l’assegnazione delle attività alle macchine). In questo modo si è cercato di operare il cosiddetto peak shaving per i consumi energetici a livello di shop floor. Una diversa strategia per ridurre i consumi energetici attualmente in fase di studio consiste nel definire integralmente lo schedule tenendo conto del costo energetico dovuto alle diverse assegnazione delle lavorazioni alle macchine. Nell’ambito della pianificazione della produzione ho sviluppato un metodo, basato sulla soluzione iterata di problemi di programmazione matematica, applicato a un contesto manifatturiero caratterizzato da mixed‐
model assembly lines; tali linee sono caratterizzate da una produzione in bassi volumi ma con un gamma di prodotti altamente diversificata. Il caso di studio considerato consisteva in un sistema produttivo assemble‐to‐
order e la pianificazione aveva lo scopo di determinare il Master Scheduling Plan sia su un orizzonte temporale di media durata (pianificazione operativa) che di lunga durata (pianificazione tattica), in modo da bilanciare il carico delle linee e soddisfare un dato insieme di vincoli operativi. Il problema risultante era di tipo multi‐
obiettivo, in cui coesistevano obiettivi relativi all’ottimizzazione della produzione (mantenimento delle cadenze, riduzione delle variazione delle tipologie di prodotti) ed obiettivi relativi alla soddisfazione della domanda (minimizzazione dei ritardi). Massimo Paolucci – CV breve 3 3.2. Problemi di logistica marittima Dalla metà del 2006 collaboro con il Dipartimento di Economia e Metodi quantitativi (DIEM) della Facoltà di Economia dell’Università di Genova nel settore della logistica marittima. In particolare, il problema affrontato è il cosiddetto Master Bay Planning Problem (MBPP), che consiste nel determinare un piano di carico ottimo per una nave portacointainer, soddisfacendo un insieme di vincoli di ammissibilità, tra cui vincoli di knapsack e di assignment, ed un insieme di vincoli specifici che tengono in considerazione l’accessibilità e la stabilità del carico e della nave (ad esempio, vincoli sul peso e sulle destinazioni dei container in uno stesso stack, vincoli sulla distribuzione del carico). L’MBPP, il cui obiettivo è minimizzare i tempi di carico, è un problema NP‐hard fondamentale per la gestione dei terminal container portuali. Per affrontare questo problema è stata prima studiata una metaeuristica di Tabu Search (TS) quindi un algoritmo di Ant Colony Optimization (ACO). Sono stati quindi studiati modelli di programmazione matematica da un lato più semplificati, in cui le locazioni non sono assegnate ai singoli container ma genericamente a container appartenenti ad una classe di peso (modello a classi di peso), ma dall’altro estesi per considerare la presenza di boccaporti: ciò ha permesso di considerare separatamente il carico nella stiva e quello in coperta. Inoltre, sono stati introdotti vincoli per rappresentare condizioni sull’ammissibilità del carico derivanti dalle irregolarità dovute alla forma della chiglia della nave. La ricerca è quindi proseguita con lo studio di un modello di tipo multi‐porto, in cui il piano di carico da determinare dovrà tenere in considerazione la sequenza di operazioni di scarico e carico che la nave dovrà effettuare nei porti toccati dalla sua rotta. Anche in questo contesto sono stati applicati approcci euristici di tipo ibrido basati sulla risoluzione di un insieme di problemi MIP ottenendo risultati di buon livello prestazionale. 3.3. Problemi di logistica Ho affrontato problemi di ricerca nell’ambito della logistica, in particolare relativi al trasporto intermodale, sviluppando modelli matematici attraverso cui servire una domanda di trasporto in una rete intermodale che comprende trasporto su gomma, treno o nave. Inoltre ho studiato un modello di trasporto ferroviario caratterizzato da terminali dotati di dispositivi rapidi di carico e scarico dei container dai treni (facendo riferimento allo tecnologia Metrocargo). Anche in questi casi gli approcci risolutivi analizzati sono stati basati su metaeuristiche e matheuristiche. 3.5. Sistemi di supporto alle decisioni per problemi di natura ambientale Nell’ambito del Centro di Ricerca Interuniversitario in Monitoraggio Ambientale (CIMA) ed in particolare nel contesto delle problematiche relative alla gestione della raccolta dei rifiuti solidi urbani, mi sono occupato del problema della pianificazione ottima dei flussi delle diverse tipologie di rifiuti solidi urbani verso i possibili impianti per il loro trattamento (impianti per il riciclaggio, inceneritori e discariche), considerando sia aspetti di natura economica sia aspetti di natura ambientale (ad esempio relativi ai livelli di inquinanti liberati nell’aria dagli inceneritori). Questo problema di pianificazione di tipo multi‐obiettivo è stato affrontato definendo una tecnica di tipo interattivo basata sulla definizione da parte del decisore di reference points: il metodo integra l’utilizzo di un order consistent achievement function, che proietta i reference points forniti sulla frontiera efficiente, con un metodo multi‐obiettivo di tipo interattivo ispirato al noto Step Method. Più di recente ho sviluppato un modello multi‐obiettivo per la pianificazione dell’utilizzo di veicoli per la raccolta differenziata che tiene conto della dinamica della generazione dei rifiuti. Tale modello è stato applicato ad un caso reale corrispondente ad un comune del ponente ligure dimostrando la capacità di generare soluzioni che dominano la strategia operativa attualmente in uso. 4. Attività didattica Ho svolto diverse attività didattiche (seminari, esami, esercitazioni ed assistenza agli studenti, lezioni) presso la Facoltà di Ingegneria dell'Università di Genova. Dall’inizio della mia attività scientifica, come studente di dottorato nel 1987, sono stato relatore e correlatore di più di 60 lavori di tesi di laurea (corrispondendi a circa un centinaio di laureati) e dal 2001 sono stato tutore di 4 studenti del Dottorato di Ricerca in Ingegneria Elettronica ed Informatica. In particolare, la tesi sviluppata dal Dott. Davide Anghinolfi è stata premiata a seguito del suo inserimento tra le sei migliori tesi di dottorato conseguite nel 2008 nella Facoltà di Ingegneria dell’Università di Genova. Massimo Paolucci – CV breve 4 Le attività didattiche che ho ufficialmente svolto sono le seguenti (per ciascuna è riportato il titolo dell’insegnamento, il ruolo svolto, la durata in ore annue, il numero di anni di insegnamento, il periodo in anni accademici e la sede): 1. Ricerca Operativa (co‐docente), 30 ore, 11 anni di insegnamento dal 93/94 al 03/04, sede Genova 2. Ricerca Operativa (co‐docente), 27 ore, 3 anni di insegnamento dal 95/96 al 97/98, sede Savona 3. Automazione Industriale (esercitatore), 20 ore, 7 anni di insegnamento dal 93/94 al 97/98, sede Genova 4. Metodi e Modelli per il Supporto alle Decisioni (co‐docente), 30 ore, 8 anni di insegnamento dal 93/94 al 00/01, sede Genova 5. Ricerca Operativa 1 (docente), 54 ore, 5 anni di insegnamento dal 98/99 al 02/03, sede Savona 6. Ricerca Operativa 2 (docente), 54 ore, 10 anni di insegnamento dal 98/99 al 06/08, sede Savona 7. Metodi e Modelli per il Supporto alle Decisioni (docente), 70 ore, 3 anni di insegnamento dal 01/02 al 03/04, sede Genova 8. Ricerca Operativa 1 (co‐docente), 15 ore, 4 anni di insegnamento dal 04/05 al 06/08, sede Genova 9. Ricerca Operativa 2 (co‐docente), 15 ore, 4 anni di insegnamento dal 04/05 al 06/08, sede Genova 10. Metodi e Modelli per il Supporto alle Decisioni 1 (docente), 54 ore, 6 anni di insegnamento dal 04/05 al 09/10, sede Genova 11. Methods and Models for Decision Support (docente), 54 ore, 4 anni di insegnamento dal 10/11 al 12/14, sede Genova Materiali didattici Le lezioni dei corsi per la sede di Savona dell'Università di Genova sono state svolte sino al 2001 parzialmente teledidattica. Per tutti corsi di cui sono stato co‐docente e sono docente ho sviluppato dispense rendendole reperibili in rete. Ancora oggi per corsi quali quelli di Ricerca Operativa 1, le mie dispense sono ancora utilizzate dai docenti subentrati come materiali di riferimento. Altre attività didattiche  Nel 2004 e 2005 sono stato docente del corso “Principi di gestione dell’informazione per mezzo di basi di dati”, nell’ambito del Master Universitario “E‐learning per la Scuola, l’Università e l’Impresa” organizzato dall’Università di Genova;  Nel 2002 ho tenuto lezioni nell’ambito del Consorzio Nettuno relativa al corso di “Informatica industriale”, in particolare alla tematica “Le applicazioni dei sistemi informativi nelle industrie”.  Nel 2007 e 2008 sono stato in collaborazione col la Prof. Anna Sciomachen responsabile del modulo didattico “Operation Research in Logistics” incluso nel “Master in Planning and Management of Transportation Logistic Systems”. Tale master ha carattere internazionale ed è tenuto in lingua inglese (www.master.logistics.unige.it).  Dal 2008 al 2010 sono stato docente del corso di Ricerca Operativa del corso di laurea in Ingegneria Informatica presso l'Università Telematica e‐Campus.  Dal 2008 membro del collegio dei docenti per il “Master Universitario di II livello in System Engineering e Project Management” tenuto presso la Scuola TLC dell’Esercito Italiano a Chiavari. 5. Attività organizzativa In ambito nazionale:  Coordinatore della Sezione Territoriale di Genova dell'AIRO dal 1994 al 1996. Presso la sede di Genova:  Membro della Giunta del DIST dal 1992 al 1994 e dal 1995 al 2002.  Membro della Commissione Orientamento e Tutoraggio della Facoltà di Ingegneria dal 2003 al 2004.  Membro del Centro Interuniversitario di Ricerca Trasporti (CIRT).  Membro del Centro di Ricerca Interuniversitario in Monitoraggio Ambientale (CIMA).  Membro del Centro Italiano di Eccellenza sulla Logistica Integrata (CIELI).  Membro del Collegio dei Docenti del Dottorato di Ricerca in Logistica, Trasporti e Territorio.  Membro della Commissione Ricerca del DIBRIS. 6. Partecipazione a progetti di ricerca Ho partecipato in ambito nazionale ai seguenti programmi di ricerca PRIN Massimo Paolucci – CV breve 5  “Flussi di import ed export di container in terminal portuali: studio e risoluzione di problemi decisionali ed analisi di efficienza”, Coordinatore nazionale Paolo Dell’Olmo.  "Modellistica, ottimizzazione e controllo di sistemi di produzione/inventory/distribuzione", Coordinatore nazionale e responsabile locale R. Minciardi, 2005  "Metodologie innovative di ottimizzazione e controllo di sistemi di produzione distribuita in ambiente cooperativo e competitivo", Coordinatore nazionale e responsabile locale R. Minciardi, 2003  "Tecniche Neurali di Controllo", Coordinatore nazionale G. Picci, responsabile locale R. Zoppoli, 1998  “Strutture decisionali decentralizzate per processi produttivi e sistemi logistici”, Coordinatore nazionale F. Nicolo, responsabile locale R. Minciardi, 1997. 7. Trasferimento tecnologico e rapporti con l’industria Sono stato coinvolto in numerosi progetti di ricerca con partner industriali, alcuni finanziati da tali partner, altri da enti regionali o nazionali. Negli ultimi anni sono stato referente scientifico di progetti di ricerca con società quali Siemens, Orizzonte Sistemi Navali, Finsa Consulting, SINA. Ho partecipato a progetti del distretto SIIT di Genova e del Distretto Ligure delle Tecnologie Marine di La Spezia. Dal 2010 sono socio fondatore di IROI srl, spinoff creata con il supporto del progetto UNI.T.I., che ha recentemente ottenuto l’accreditamento cone spinoff dell’Università di Genova. Obiettivo di IROI è l’applicazione a livello industriale di metodologie di ottimizzazione, simulazione e tecnologie informatiche per lo sviluppo e gestione di sistemi distribuiti. 8. Pubblicazioni scientifiche L’elenco in allegato separato al link http://www.discovery.dist.unige.it/Paolucci/Pubb.pdf

Download Report