Modello di progettazione di un sistema logistico di consegne last-mile in crowd-shipping con finestre temporali

Per rendere compatibili il dirompente sviluppo dell’e-commerce e la crescente attenzione verso la sostenibilità ambientale degli ultimi anni, nel mondo delle spedizioni sono state sviluppate nuove soluzioni, in particolare per l’ultimo miglio, tratto più inefficiente della catena logistica. Tra queste una delle più innovative è il crowd-shipping, basato sulla sharing economy: l’idea è quella di assegnare le consegne anche a occasional driver (OD), persone comuni disposte a deviare dai loro percorsi per eseguire consegne ai clienti in cambio di un compenso. Questa nuova modalità di spedizione della merce è l’oggetto di questo elaborato, il cui obiettivo è quello di modellare una rete logistica di questo tipo. Dopo una panoramica sul tema, viene configurato un sistema in crowd-shipping con due livelli: i corrieri professionisti partono da un deposito tradizionale e riforniscono dei locker; gli OD visitano tali locker e recapitano i pacchi ai clienti finali. Sia ai clienti sia agli OD sono associate delle finestre temporali, che rendono il sistema più realistico, e gli OD eseguono consegne singole nelle loro finestre. Per descrivere il problema viene costruito un modello matematico che, però, presentando delle finestre temporali e, in generale, modellando una rete complessa molto estesa, non è risolvibile all’ottimo, quindi viene progettata una metodologia euristica, che comprende tre algoritmi, di cui ciascuno gestisce una porzione del problema. Per ognuno di essi, programmato in codice Excel VBA applicabile a un numero variabile di locker, clienti e OD, sono descritti i vari step, accompagnati dalla relativa simulazione ottenuta applicando il codice a un caso studio riferito al contesto urbano di Bologna. Lo scopo principale dell’euristica è quello di individuare, in ottica di minimizzazione delle distanze, le assegnazioni ottimali tra OD e clienti, per concretizzare realmente i benefici del crowd-shipping in termini di riduzione di costi ed emissioni.