Un problema di ottimizzazione dell'instradamento dei tecnici di manutenzione: il caso Sigma S.p.A.

In Field Service organizations, routing maintenance technicians is a daily decision-making problem that directly affects operating costs and the quality of the service delivered to the customer. This work addresses that problem in the context of Sigma S.p.A., a company managing a pool of technicians distributed across the country and assigned to maintenance interventions at customer sites. These interventions are currently planned through the experience and judgment of dispatchers, rather than through quantitative decision-support tools. The aim of the thesis is to develop a mathematical optimization model capable of generating technician routing and scheduling plans that reduce travel costs and delays in interventions, comparing the solutions produced by the model with those currently adopted by human dispatchers. The problem is formalized as a variant of the Technician Routing and Scheduling Problem with Time Windows (TRSPTW), with constraints on time windows, technician skills, intervention priorities and working day duration. The work covers the entire process from the raw data extracted from the company's information system to the solution of the model: the extraction and integration of heterogeneous data (technician master records, intervention tickets, average service times, locations), the cleaning and correction of numerous errors and inconsistencies present in the source data, the construction of a containerized infrastructure on Proxmox for geocoding and road distance computation, and finally the formulation and solution of the mathematical model through the CPLEX solver. The results obtained are compared with the historical solutions produced by the dispatchers through a backtesting methodology that reconstructs real operating conditions, allowing a consistent comparison between the two planning approaches. A sensitivity analysis is also carried out on the delay penalty parameter, in order to assess its impact on the generated solutions.

Nelle organizzazioni di Field Service, l'instradamento dei tecnici di manutenzione rappresenta un problema decisionale quotidiano che condiziona direttamente i costi operativi e la qualità del servizio erogato al cliente. Il presente lavoro affronta questo problema nel contesto di Sigma S.p.A., un'azienda che gestisce un parco tecnici distribuiti sul territorio incaricati di interventi di manutenzione presso i siti dei clienti, attualmente pianificati attraverso l'esperienza e il giudizio dei dispatcher piuttosto che con strumenti di supporto decisionale quantitativi. L'obiettivo della tesi è sviluppare un modello di ottimizzazione matematica in grado di generare piani di instradamento e schedulazione dei tecnici che riducano i costi di spostamento e i ritardi negli interventi, confrontando le soluzioni prodotte dal modello con quelle attualmente adottate dai dispatcher umani. Il problema viene formalizzato come una variante del Technician Routing and Scheduling Problem with Time Windows (TRSPTW), con vincoli di finestre temporali, competenze dei tecnici, priorità degli interventi e durata della giornata lavorativa. Il lavoro copre l'intero percorso che va dai dati grezzi estratti dal gestionale aziendale fino alla soluzione del modello: l'estrazione e l'integrazione di dati eterogenei (anagrafiche tecnici, ticket di intervento, tempi medi, ubicazioni), la pulizia e la correzione di numerosi errori e incongruenze presenti nei dati sorgente, la costruzione di un'infrastruttura containerizzata su Proxmox per il geocoding e il calcolo delle distanze stradali, e infine la formulazione e risoluzione del modello matematico tramite il solver CPLEX. I risultati ottenuti vengono confrontati con le soluzioni storiche prodotte dai dispatcher attraverso una metodologia di backtesting che ricostruisce le condizioni operative reali, permettendo un confronto omogeneo tra le due modalità di pianificazione. Viene inoltre condotta un'analisi di sensitività sul parametro di penalità dei ritardi, per valutarne l'impatto sulle soluzioni generate.