Ottimizzazione delle alternative di fine vita mediante algoritmo multi-obiettivo : applicazione al settore degli autobus

La crescente importanza della salvaguardia ambientale e le nuove norme legislative in ambito di recupero di prodotti hanno portato i produttori di beni a realizzare e soprattutto a smaltire i prodotti in maniera responsabile e quindi più ecologica. Da qui nasce la necessità di proporre un modello che supporti i responsabili di processo durante le scelte legate all’ultimo stadio del ciclo di vita di un prodotto o di un suo componente. E’ questo uno degli obiettivi di questa tesi, la quale, dopo aver valutato le diverse alternative di fine vita, si focalizza sul processo di riciclo e di remanufacturing, proponendo un algoritmo in grado di valutare l’alternativa più conveniente dal punto di vista economico e ambientale. Tale algoritmo, dopo aver analizzato l’intero ciclo di vita di un prodotto, analizza le due alternative di fine vita e quindi valuta le conseguenze di tali alternative, considerando gli effetti legati alla reintroduzione del prodotto nella sua seconda vita utile. La valutazione economica viene effettuata considerando differenti voci di costo (ad es. il costo delle materie prime, dell’energia, della manodopera, etc), mentre si è guardato all’impatto ambientale tramite la metodologia del Life Cycle Assessment. Per fare ciò, ci si è serviti del software SimaPro 8.0 che permette, grazie all’apposito database Ecoinvent e dopo aver inserito l’elenco dei materiali di cui si compone un prodotto, di modellarne il suo ciclo di vita e di associare a ciascuna fase il singolo impatto ambientale. Da qui, ci si è concentrati poi esclusivamente sull’alternativa del remanufacturing, sviluppando un nuovo algoritmo che ha l’obiettivo di ottimizzare questa alternativa di fine vita suggerendo il momento più opportuno in cui effettuarla, scegliendo i componenti da rigenerare e proponendo la migliore sequenza di operazioni, cercando di limitarne l’impatto economico e ambientale. Entrambi i modelli decisionali multi-obiettivo sono stati applicati al settore del trasporto pubblico e in particolar modo a quello degli autobus. Infine gli algoritmi sviluppati e i risultati ottenuti sono stati validati dal TPER, azienda operante nel settore dei trasporti in Emilia Romagna.