Modelli matematici e algoritmi di ottimizzazione per la sostenibilità nel settore manifatturiero e dei servizi

This PhD thesis addresses complex decision-making and management problems emerging in some real-world manufacturing and service business contexts. It considers economic, environmental, and social aspects of optimization, with the objective to devise effective solution methods for the problems at hand and apply them to solve real-world instances. The aim is to contribute to the advancement of the state of the art in Sustainable Operations, a recent interdisciplinary field that employs quantitative methods from Operations Research to achieve economic, environmental, and social sustainability in business, by solving real-world applications of increasing complexity, starting from mono-objective problems, then moving to bi-objective and finally bilevel problems. The first part of the thesis explores applications within the traditional setting of a single decision maker with a single optimization goal. Mixed Integer Linear Programming (MILP) is applied to formulate and solve in an exact way two optimization problems in the educational and healthcare sectors. Additionally, exact decomposition approaches are used to solve a scheduling problem in a test laboratory environment, and machine learning methods are employed to forecast demand in an environmentally impactful production planning application. The second part of the thesis is devoted to bi-objective optimization, which allows to make a trade-off between conflicting goals of a single decision maker. Facility location for waste management and equipment replacement problems for energy transition are studied under the bi-objective setting, incorporating both economic and environmental goals. By the iterated use of MILP models, it is shown how decision makers can simultaneously consider costs and carbon emissions. In the third part of the thesis, bilevel optimization is explored. Bilevel optimization allows to model optimization problems with multiple decision makers in a hierarchical two-level relationship. This appears in many realistic situations involving, for instance, government and private businesses, or suppliers and manufacturers of the same supply chain. We aim to comprehensively review the existing literature on bilevel optimization with sustainable perspectives. Overall, this thesis showcases the potential of Operations Research in achieving sustainability even in very complex decision-making settings, solving several real-world applications with a variety of optimization methods.

Questa tesi di dottorato affronta problemi decisionali e gestionali complessi che emergono in contesti reali di imprese manifatturiere e di servizi. La tesi esamina aspetti economici, ambientali e sociali dell’ottimizzazione, con l’obiettivo di sviluppare metodi di risoluzione efficaci per tali problemi e applicarli per risolvere istanze reali. Lo scopo è contribuire all’avanzamento dello stato dell’arte nell’area di ricerca cosiddetta delle “Operazioni Sostenibili”, un recente campo interdisciplinare che impiega metodi quantitativi della Ricerca Operativa per perseguire la sostenibilità economica, ambientale e sociale nelle imprese, risolvendo applicazioni reali di crescente complessità, partendo da problemi mono-obiettivo, passando ai problemi bi-obiettivo e infine a quelli bi-livello. La prima parte della tesi esplora diverse applicazioni nel contesto tradizionale di un singolo decisore con un singolo obiettivo di ottimizzazione. La Programmazione Lineare Intera Mista (PLIM) è utilizzata per formulare e risolvere in modo esatto due problemi di assegnamento nei settori dell’educazione e della sanità. Inoltre, si applicano algoritmi esatti di decomposizione per risolvere un problema di schedulazione in un laboratorio di testing e metodi di machine learning per prevedere la domanda in un’applicazione di pianificazione della produzione con elevato impatto ambientale. La seconda parte di questa tesi è dedicata all’ottimizzazione bi-obiettivo, che consente di bilanciare obiettivi contrastanti di un singolo decisore. Si studiano problemi di localizzazione di impianti per la gestione dei rifiuti e di sostituzione di veicoli per la transizione energetica nel contesto bi-obiettivo, incorporando obiettivi sia economici che ambientali. Attraverso l’uso iterato di modelli PLIM, si dimostra come i decisori possano considerare contemporaneamente costi ed emissioni di carbonio. Nella terza parte di questa tesi, si esplora l’ottimizzazione bi-livello. L’ottimizzazione bi-livello consente di modellare problemi di ottimizzazione con molteplici decisori coinvolti in una relazione gerarchica a due livelli. Questo si verifica in molte situazioni realistiche, che coinvolgono, ad esempio, entità governative e imprese private, o fornitori e produttori della stessa catena di approvvigionamento. L’obiettivo è esaminare in modo esaustivo la letteratura esistente sull’ottimizzazione bi-livello con prospettive di sostenibilità. Nel complesso, questa tesi mostra il potenziale della Ricerca Operativa nel perseguire la sostenibilità anche in contesti decisionali molto complessi, risolvendo diverse applicazioni reali con una varietà di metodi di ottimizzazione.