Le soluzioni progettate e fornite da WeSmart si distinguono da altre presenti sul mercato per il valore aggiunto e l’efficacia del supporto decisionale che garantiscono, grazie all’adozione di approcci metodologici all’avanguardia
I vantaggi in termini di efficacia nella risoluzione di problemi decisionali critici sono garantiti dal fatto che i sistemi proposti si basano su risultati scientifici frutto di una pluriennale attività di ricerca del team nei seguenti ambiti:
- Modelli e metodi di programmazione matematica
- Tecniche di simulazione avanzate
- Tecniche di machine learning
Da un punto di vista più prettamente applicativo, gli stream di ricerca portati avanti sono finalizzati alla definizione di sistemi e servizi di supporto alle decisioni per problemi di pianificazione, gestione e controllo in diversi ambiti applicativi (sanità e medicina, logistica, agrifood, mercati finanziari ed energetici, industria e produzione, turismo):
- Progettazione e gestione dei sistemi di produzione con particolare riferimento allo sviluppo di sistemi di supporto alle decisioni per l’organizzazione e gestione della produzione (e dei sistemi di lavorazione), la gestione delle scorte, la progettazione efficiente delle postazioni di lavoro e la gestione delle emergenze e dei disastri negli impianti industriali.
- Sviluppo di architetture per le tecnologie abilitanti di Industria 4.0.
- Sviluppo di modelli basati sul cloud manufacturing per le ottimizzazioni multiobiettivo dei processi industriali.
- Servizi di Industrial Analytics per l’ottimizzazione dei processi tecnologici e delle performance di processo.
- Gestione e controllo delle supply chain, con particolare focus al comparto agrifood (modelli di business efficaci per la filiera corta, previsione delle vendite, allocazione ottima dei prodotti tra i canali di vendita, gestione degli scarti).
- Sistemi e servizi di supporto alle decisioni per la mobilità intelligente (gestione delle flotte di veicoli, trasporto a chiamata, vehicle pooling/sharing, tourist tour planning).
- Servizi di supporto alle decisioni per la pianificazione e gestione dei servizi sanitari, servizi di supporto alle decisioni cliniche, servizi di codifica di linee guida e protocolli clinici.
- Servizi per i mercati finanziari ed energetici (pianificazione produzione, analisi sostenibilità per aggregazioni di utenti, definizione tariffe e valutazione investimenti, strategia di offerta sui mercati multisessione).
- Sistemi di project management (ottimizzazione delle risorse, pianificazione e gestione delle attività).
- Knowledge management systems per servizi di e-Government (modelli gestionali e organizzativi, open data management, sistemi folksonomici).
Il team di ricerca di WeSmart si occupa da anni dello studio e della progettazione di modelli e metodi propri della programmazione matematica (PM), con particolare attenzione rivolta alle classi di problemi che trovano ampio utilizzo nella rappresentazione di problemi critici in diversi contesti decisionali e nella definizione di approcci decisionali ad hoc. La presenza di vincoli di varia natura e di diversi fattori di incertezza e dinamicità all’interno dei processi di pianificazione impone la definizione di metodologie efficienti ed efficaci, che non possono prescindere da uno studio teorico rigoroso e dall’utilizzo di risultati all’avanguardia proposti in letteratura.
Più nello specifico, le linee di ricerca pura di cui si occupa WeSmart riguardano:
- Modelli e metodi per la PM a numeri interi
- Algoritmi interior point per problemi di PM con vincoli lineari e non lineari
- Algoritmi euristici e meta-euristici per problemi di PLI con vincoli complessi
- Modelli e metodi per la PM in condizioni di incertezza (Programmazione Stocastica)
- Modelli di Data Envelopment Analysis per la valutazione delle prestazioni di sistemi complessi
- Modelli di ottimizzazione multi-obiettivo con misure di rischio
- Algoritmi avanzati per sistemi cloud
I sistemi e i servizi offerti da WeSmart si applicano a contesti reali fortemente incerti e dinamici, e la cui evoluzione nel tempo è impossibile da prevedere. Si tratta, ad esempio, dei mercati finanziari ed energetici, in cui un elevato numero di fattori di incertezza incide sui processi decisionali degli operatori.
Pertanto, la capacità di simulare in maniera significativa le possibili evoluzioni di sistemi complessi caratterizzati da diverse fonti di incertezza e da funzioni ed interazioni tra i fattori di difficile rappresentazione costituisce una base imprescindibile per la definizione ed implementazione di approcci di supporto alle decisioni efficaci. In più, la generazione di “scenari” plausibili, ossia possibili evoluzioni quanto più possibile realistiche e nel complesso significative, è un input imprescindibile per la corretta applicazione di approcci decisionali efficaci per processi decisionali in condizioni di incertezza
In particolare, nell’ambito delle tecniche di simulazione le principali linee di ricerca riguardano:
- Tecniche di generazione degli scenari basate sul Moment Matching
- Metodi regressivi ed auto-regressivi
- Metodi diffusivi
- Tecniche di tipo Montecarlo
- Metodologie di riduzione degli scenari
- Metodologie combinate di simulazione e ottimizzazione
L’apprendimento automatico riveste una sempre maggiore rilevanza dal punto di vista applicativo, soprattutto nell’era dei big data. La possibilità di interpretare volumi di dati sempre maggiori e in continuo aggiornamento e, soprattutto, la capacità di estrarre conoscenza da essi è diventato imprescindibile in tutta una serie di contesti fortemente competitivi, dall’Industria 4.0 ai mercati finanziari ed energetici. Il team di ricerca di WeSmart si occupa da anni della definizione, l’implementazione e la validazione di approcci innovativi di machine learning, adeguatamente adattati per i diversi contesti applicativi. In particolare, le attività di ricerca riguardano:
- Modelli di analisi dei dati e clustering (apprendimento non supervisionato)
- Riduzione dimensionale dei dati
- Valutazione dell’accuratezza
- Modelli di classificazione (alberi di decisione, classificatori bayesiani, support vector machine)
- Moduli di conoscenza e motori di inferenza per il supporto alle decisioni
