Università degli Studi di Genova Corso di Laurea Magistrale in Ingegneria Gestionale

Transcript

1 Pianificazione di una rete logistica per lo smaltimento e il riutilizzo dei rifiuti di apparecchiature elettriche ed elettroniche: applicazione del progetto WEEENMODELS nel Comune di Genova Candidata: Ishara Thirimadura Mendis Relatore: Prof. Silvia Siri Correlatore: Ing. Cino Repetto Università degli Studi di Genova Corso di Laurea Magistrale in Ingegneria Gestionale

2 Introduzione Contesto di riferimento Obiettivo Stato dell arte Rete di riferimento Rete attuale Rete futura Dati Variabili decisionali e funzione obiettivo Vincoli Strumenti utilizzati Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi

3 Contesto di riferimento Obiettivo Stato dell arte Questa tesi è realizzata nell ambito del progetto europeo WEEENMOD- ELS (Waste Electric and Electronic Equipment - New MODEl for Logistic Solutions). Il progetto consiste nella introduzione di un nuovo modello di soluzione logistica per la raccolta dei RAEE che sia ottimale sia dal punto di vista economico che ecologico. I partner italiani del progetto sono:

4 Contesto di riferimento Obiettivo Stato dell arte I RAEE sono i Rifiuti delle Apparecchiature Elettriche ed Elettroniche e in Italia sono classificati in cinque raggruppamenti: R1 - Freddo e Clima (frigoriferi, condizionatori, congelatori, ecc.); R2 - Grandi Bianchi (lavatrici, lavastoviglie, forni, ecc.); R3 - TV e Monitor (televisori e schermi a tubo catodico, LCD o al plasma, ecc.); R4 - Piccoli elettrodomestici (telefonini, stampanti, giochi elettronici, apparecchi, asciugacapelli, ecc.); R5 - Sorgenti luminose (lampadine a basso consumo, lampade al neon, lampade fluorescenti, ecc.).

5 Contesto di riferimento Obiettivo Stato dell arte La nuova Direttiva europea 2012/19/UE ha introdotto alcuni elementi di innovazione per arrivare a obiettivi di raccolta dei RAEE più elevati e i due elementi pricipali sono: il concetto del riutilizzo; nuovi obblighi di raccolta per i distributori (concetto dell 1 contro 0). In Italia, il progetto WEEENMODELS viene sviluppato inizialmente a Genova e i risultati dell esperimento possono fornire informazioni utili per effettuare ulteriori repliche in altre realtà italiane ed europee.

6 Contesto di riferimento Obiettivo Stato dell arte L obiettivo della tesi è stato quello di realizzare, nell ambito di WEENMODELS, un modello di programmazione matematica per la pianificazione ottimale della rete logistica di smaltimento e riutilizzo degli R4 nel Comune di Genova, in modo da valutare i benefici provenienti dall introduzione nella rete dei cambiamenti previsti dal progetto.

7 Contesto di riferimento Obiettivo Stato dell arte È stata effettuata una ricerca all interno della letteratura scientifica internazionale relativamente alla gestione dei RAEE. I temi affrontati dagli articoli trovati (29 articoli, ) possono essere classificati in due macrogruppi: progettazione e ottimizzazione della rete logistica; analisi di strategie per le attività di lavorazione dei RAEE e studio dei materiali. Una maggiore attenzione è stata posta sui primi i quali possono essere ulteriormente suddivisi a seconda dell orizzonte temporale in cui sono collocati: orizzonte temporale di lungo periodo; orizzonte temporale di medio periodo; orizzonte temporale di breve periodo. La maggior parte degli articoli adotta metodi di programmazione matematica per la risoluzione dei problemi di ottimizzazione affrontati.

8 Rete di riferimento Rete attuale Rete futura La filiera di raccolta dei RAEE prevista da WEEENMODELS è articolata in tre componenti fondamentali.

9 Rete di riferimento Rete attuale Rete futura Il primo componente è rappresentato dai servizi di raccolta svolti da AMIU, dove: f1 - servizi di raccolta mobile; f2 - isola ecologica standard; f3 - isola ecologica dedicata al riutilizzo; f4 - allestimento di punti di conferimento in aree pubbliche.

10 Rete di riferimento Rete attuale Rete futura Il secondo componente è rappresentato dai flussi di raccolta dei distributori, dove: f5 - raccolta 1 contro 1; f6 - raccolta 1 contro 0 obbligatorio; f7 - raccolta 1 contro 0 facoltativo.

11 Rete di riferimento Rete attuale Rete futura Il terzo componente è rappresentato dalle attività delle isole ecologiche/centri di raccolta.

12 Rete di riferimento Rete attuale Rete futura Il problema affrontato consiste nel modellare una rete logistica per lo smaltimento e il riutilizzo dei RAEE in modo da determinare la localizzazione ottimale dei nodi e la pianificazione ottimale dei flussi lungo gli archi all interno della rete, dove: i nodi rappresentano gli attori che sono coinvolti nella rete logistica nei suoi diversi stadi (iniziali, intermedi e finali); gli archi rappresentano i collegamenti che si verificano tra gli attori coinvolti nella rete nei diversi stadi (iniziali-intermedi e intermedi-finali). L ottimizzazione del problema preso in esame deve considerare anche: i prodotti trasportati lungo la rete logistica; le modalità di ritiro dei RAEE generati dai cittadini.

13 Rete di riferimento Rete attuale Rete futura

14 Rete di riferimento Rete attuale Rete futura

15 Dati Variabili decisionali e funzione obiettivo Vincoli È stato formulato un modello di programmazione matematica con l obiettivo di risolvere il problema di localizzazione di nuovi servizi di raccolta e di pianificazione dei flussi di prodotti all interno di una rete logistica per lo smaltimento e il riutilizzo dei rifiuti. Si tratta di un modello di location multi-stadio multi-prodotto che può essere applicato per modellare una generica rete logistica in cui i rifiuti vengono raccolti in uno stadio iniziale e vengono poi portati, attraverso una serie di stadi intermedi, fino a uno o più stadi finali. Per la formulazione del modello matematico è stata adottata la metodologia MILP, ovvero la programmazione lineare a variabili misto-intere. Tale modello è stato poi applicato al caso genovese.

16 Dati Variabili decisionali e funzione obiettivo Vincoli Dati generici sulla rete: G = (V, E), grafo rappresentante la rete considerata; N = {1,...,9}, insieme delle famiglie di nodi; V n V, n N, insieme di nodi della generica famiglia n; C = {1,...,14}, insieme di tutte le connessioni tra le famiglie di nodi; O c V, c C, insieme di nodi di origine della generica connessione c; D c V, c C, insieme di nodi di destinazione della generica connessione c. Le famiglie di nodi: Produttori di RAEE: V 1 = {1,...,9}; Servizi Territoriali: V 2 = {1,...,9}; Distributori Territoriali: V 3 = {1,...,9}; ecc. Le connessioni tra le famiglie di nodi: la connessione c = 1 connette la famiglia di nodi V 1 e la famiglia di nodi V 2, quindi si ha O 1 = V 1 e D 1 = V 2 ; la connessione c = 2 connette la famiglia di nodi V 1 e la famiglia di nodi V 3, quindi si ha O 2 = V 1 e D 2 = V 3 ; ecc.

17 Dati Variabili decisionali e funzione obiettivo Vincoli Le tipologie di prodotto: P = {1,2}, p P, dove: p = 1 sono i prodotti riutilizzabili (non presente nello stato attuale); p = 2 sono i prodotti non riutilizzabili. Le modalità di ritiro: R = {1,...,5}, r R, dove: r = 1 è il ritiro ST (presso i Servizi Territoriali); r = 2 è il ritiro IES (presso le Isole Ecologiche Standard); r = 3 è il ritiro 1 a 1; r = 4 è il ritiro 1 a 0 obbligatorio (non presente nello stato attuale); r = 5 è il ritiro 1 a 0 facoltativo (non presente nello stato attuale). Dati sui nodi: s i,p,r, i V 1, p = 1,2, r = 1,...,5, quantità di prodotto p relativo al ritiro r uscente dal nodo i; qi n, i Vn, n N/{1}, capacità massima del nodo i della famiglia di nodi n.

18 Dati Variabili decisionali e funzione obiettivo Vincoli Costi: ζi,j,p,r c, c C, i Oc, j Dc, p = 1,2, r = 1,...,5, costo di trasporto unitario relativo al prodotto p e al ritiro r sull arco (i,j) relativo alla connessione c; ϕ n i, i Vn, n N, costo annuale di attivazione del nodo i della famiglia n (non presente nello stato attuale). Ricavi: α p, p P, dove: α 1 è il ricavo che si ottiene per la raccolta di un kg di prodotto di tipo p = 1 e che viene conferito al sistema dal Centro per il Riutilizzo (non presente nello stato attuale). α 2 è il ricavo che si ottiene per la raccolta di un kg di prodotto di tipo p = 2 e che viene conferito al sistema dal Centro di Trattamento. β è il ricavo che si ottiene per ogni kg di prodotto (sia riutilizzabile che non riutilizzabile) che viene raccolto in più rispetto alla situazione attuale (non presente nello stato attuale).

19 Dati Variabili decisionali e funzione obiettivo Vincoli Le variabili decisionali: xi,j,p,r c, c C, i Oc, j Dc, p = 1,2, r = 1,...,5, quantità di prodotto p relativo al ritito r sull arco (i, j) relativo alla connessione c; y n i, i V n, n N, variabile binaria che vale 1 se il nodo della famiglia n viene attivato, 0 altrimenti (per i nodi già attivati è uguale a 1) (non presente nello stato attuale).

20 Dati Variabili decisionali e funzione obiettivo Vincoli La funzione obiettivo: La funzione obiettivo consiste nella massimizzazione della differenza tra il ricavo totale del sistema e il costo totale del sistema. max 5 c {12,13,14} i O c j D c r=1 + α 1 x c i,j,1,r + c {7,8,9,12,13,14} i O c j D c p=1 r=1 c C 2 i O c j D c p=1 r=1 5 c {7,8,9} i O c j D c r= β x c i,j,p,r α 2 x c i,j,2,r ζi,j,p,r c xi,j,p,r c ϕ n i yi n n N i V n

21 Dati Variabili decisionali e funzione obiettivo Vincoli La prima tipologia serve per assicurare che i prodotti uscenti dalla famiglia di nodi dei Produttori vengano tutti consegnati ai vari punti di raccolta: xi,j,p,r c = s i,p,r i V 1 p = 1,2 r = 1,...,5 c {1,...,3} j D c La seconda tipologia serve per imporre che venga rispettata la soglia di capacità massima di ciascun nodo, ad eccezione dei nodi appartenenti alla famiglia dei produttori: 5 2 xj,i,p,r c qn i yi n r=1 p=1 c C:D c=v n j O c n N/{1} i V n La terza tipologia serve per che sia verificata, per ciascun nodo, la condizione di bilanciamento tra i flussi di prodotto entranti e i flussi di prodotti uscenti: xj,i,p,r c = xi,j,p,r c c C:D c=v n j O c c C:O c=v n j D c n N/{1,7,9} i V n p = 1,2 r = 1,...,5

22 Strumenti utilizzati

23 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi L analisi della rete genovese (sia attuale che futura) tramite l applicazione del modello matematico, è stata preceduta da una fase di raccolta dei dati necessari per effettuare tale analisi.

24 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Gli scenari analizzati ➀ Situazione attuale: obiettivo pianificazione ottimale dei flussi. ➁ Situazione futura con WEEENMODELS: obiettivo pianificazione ottimale dei flussi, localizzazione ottimale delle nuove isole ecologiche standard e localizzazione ottimale della isola ecologica per il riutilizzo. ➂ Situazione futura con WEEENMODELS e piano industriale Amiu: obiettivo pianificazione ottimale dei flussi e localizzazione ottimale della isola ecologica per il riutilizzo. ➃ Situazione futura senza WEEENMODELS: obiettivo pianificazione ottimale dei flussi.

25 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Risultati scenario 1 Connessione Flussi ottimali (kg) P-ST 93150,05 P-DT 2661,43 P-IES ,52 ST-IES 93150,05 DT-CDRP 818,19 DT-CDRC 1843,24 IES-CDT ,57 CDRP-CDT 818,19 CDRC-CDT 1843,24 Totale (e) Unitario (e/kg) Funzione obiettivo ,20-0,11 Costo ottimo 51489,64 0,19 Ricavo ottimo 21291,44 0,08

26 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Risultati scenario 2 Caso Municipio IER Municipio nuovi IES Totale (e) Unitario (e/kg) ,2,8, ,50 0, ,2,8, ,72 0, ,2,3,8, ,43 0, ,2,8, ,89 0, ,2,8, ,16 0, ,2,8, ,12 0, ,2,8, ,65 0, ,2,8, ,70 0, ,2,8, ,64 0,0576 Totale (e) Unitario (e/kg) Funzione obiettivo 60220,50 0,06 Costo ottimo ,54 0,21 Ricavo ottimo ,04 0,27

27 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Risultati scenario 2 Connessione Flussi ottimali (kg) P-ST ,67 P-DT ,86 P-IES ,47 ST-IES ,67 DT-IES 4976,35 DT-CDRP 80000,00 DT-CDRC ,51 IES-IER 31331,09 IER-CDR 31331,09 IES-CDT ,39 CDRP-CDR 3556,29 CDRP-CDT 76443,70 CDRC-CDR 4923,40 CDRC-CDT ,11

28 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Risultati scenario 3 Caso Municipio IER Totale (e) Unitario (e/kg) ,33-0, ,70-0, ,87-0, ,46-0, ,44-0, ,71-0, ,06-0, ,96-0, ,93-0,0317 Totale (e) Unitario (e/kg) Funzione obiettivo -8167,44-0,008 Costo ottimo ,48 0,275 Ricavo ottimo ,04 0,267

29 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Risultati scenario 3 Connessione Flussi ottimali (kg) P-ST ,67 P-DT ,86 P-IES ,47 ST-IES ,67 DT-IES 4976,35 DT-CDRP 61992,51 DT-CDRC ,00 IES-IER 31331,10 IER-CDR 31331,10 IES-CDT ,39 CDRP-CDR 2686,75 CDRP-CDT 59305,75 CDRC-CDR 5792,95 CDRC-CDT ,05

30 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Confronto tra scenari

31 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi È stata effettuata una analisi, in termini di flussi, dello scenario 2, Situazione futura con WEEENMODELS, che è risultato essere il migliore tra i 3 scenari che sono stati confrontati precedentemente. Analizzando tutti i flussi ottimali che si verificano lungo tutti i possibili collegamenti tra i vari attori, è stato possibile determinare il livello di attività dei punti di raccolta coinvolti nella rete logistica. Municipio kg % sul totale % sulla capacità max , , , , , ,7 13,92 80,88

32 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Municipio kg % sul totale % sulla capacità max ,3 17,72 85, ,7 13,39 64, ,9 5,45 23, ,4 12,89 46, , ,6 0,09 0, ,9 20,30 98, ,7 11,77 56,91

33 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Municipio kg % sul totale % sulla capacità max , , ,15 0,31 1, ,22 0,21 1, , , , ,15 7,05 38, ,34 0,25 1,33

34 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Municipio kg % sul totale % sulla capacità max CDRP/ ,87 18,87 CDRP/ ,87 18,87 CDRC/ ,5 62,26 62,26

35 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Infine, elaborando i dati relativi ai flussi ottimali lungo i vari collegamenti, è stato possibile mettere in evidenza, per ciascun municipio, il livello di utilizzo di ciascun punto di raccolta che è stato determinato tramite l assegnazione delle modalità di ritiro. Municipio Flussi verso ST (kg) Flussi verso DT (kg) Flussi verso IES (kg) , , , , , , , , , , , , , , , , , , , , , , , , , , ,948

36 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Nella mappa in alto a sinistra sono riportati i collegamenti P-ST, nella mappa in alto a destra sono riportati i collegamenti P-DT e nella mappa in basso sono riportati i collegamenti P-IES.

37 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Nella mappa in alto sono riportati i collegamenti ST-IES, nella mappa in basso a sinistra sono riportati i collegamenti DT-IES e nella mappa in basso a destra sono riportati i collegamenti DT-CDR.

38 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi È stata effettuata una analisi di sensitività dello scenario 3, Situazione futura con WEEENMODELS e piano industriale Amiu, variando alcuni parametri di progetto. Variazioni percentuali delle tipologie di prodotto: Gruppo % riutilizzabili % non riutilizzabili Funzione obiettivo (e/kg) a 0,040 0,960-0,008 b 0,045 0,955 0,001 c 0,050 0,950 0,010 d 0,055 0,945 0,020 e 0,060 0,940 0,029 f 0,065 0,935 0,038 g 0,070 0,930 0,047 h 0,075 0,925 0,057 i 0,080 0,920 0,066

39 Raccolta dei dati Analisi e confronto degli scenari Scenario ottimo Ulteriori analisi Variazioni percentuali delle modalità di ritiro: Gruppo % ST % IES % DT Funzione obiettivo (e/kg) a 32,1 46,1 16,1-0,008 b 30,1 49,1 15,1 0,006 c 28,1 52,1 14,1 0,020 d 26,1 55,1 13,1 0,031 e 24,1 58,1 12,1 0,042 f 22,1 61,1 11,1 0,053 g 20,1 64,1 10,1 0,063

40 L obiettivo principale di questa tesi è stato quello di realizzare un modello matematico per effettuare una pianificazione ottimale della rete logistica per lo smaltimento e il riutilizzo dei RAEE nel Comune di Genova. È stato formulato un modello di programmazione matematica di tipo MILP che è in grado di effettuare una pianificazione ottimale dei flussi e una localizzazione ottimale di nuovi servizi all interno della rete logistica. Dal confronto tra gli scenari è stato possibile dimostrare l utilità e il beneficio che si otterrebbe dall introduzione dei cambiamenti previsti dal progetto WEEEN- MODELS. Il modello, formulato in maniera generale, può essere applicato a diverse reti logistiche per lo smaltimento e il riutilizzo dei RAEE presente sia in Italia che negli altri paesi europei. Un possibile sviluppo futuro di questa tesi può essere rappresentato dalla sua estensione alla valutazione della performance ambientale della rete logistica dei RAEE, realizzabile tramite l integrazione del costo logistico con il costo ambientale derivante dai processi di raccolta e trattamento.

41