AI-based sizing of AGV Systems

Obiettivi formativi del tirocinio La tesi mira a sviluppare uno strumento per supportare la progettazione e il dimensionamento di sistemi logistici con AGV (Automated Guided Vehicles). Gli obiettivi principali sono: creare un software basato su Reinforcement Learning per stimare il numero ottimale di veicoli in base alle caratteristiche dell’impianto, e modellare la movimentazione dei veicoli per alimentare la simulazione necessaria all’addestramento del modello RL. Il sistema dovrà essere generalizzabile e validato con dati reali o simulati.

Il progetto offre un’esperienza applicativa avanzata in ambito industriale e logistico.

Attività del progetto Le Attività Previste Includono

• Studio dei metodi di dimensionamento AGV (statici, ottimizzazione, stocastici, simulativi)
• Definizione del modello e approccio RL per il dimensionamento
• Sviluppo della simulazione della movimentazione veicoli
• Implementazione del software Reinforcement Learning (RL)
• Validazione con dati reali/simulati

Requisiti

• Competenze basi metodologie di Reinforcement Learning (RL)
• Ottimizzazione/ricerca operativa

Istruzione e formazione La tesi è rivolta a studenti con laurea in: Ingegneria Informatica, Ingegneria dell’Automazione, Ingegneria Gestionale e Data Science/AI.

Sono richieste competenze in programmazione, simulazione, e tecniche di apprendimento automatico, in particolare Reinforcement Learning.

Sede : Imola (BO), con la possibilità di svolgere parte delle attività in smart working, in accordo con il tutor aziendale.

Chi siamo SACMI è Un Gruppo Internazionale Leader Nelle Tecnologie Per Ceramica, Metalli, Packaging, Food & Beverage, Plastica e Materiali Avanzati. Con Oltre 70 Società In 25 Paesi, Unisce Innovazione Globale e Radicamento Locale. In SACMI Troverai

• Ambiente di lavoro dinamico, creativo e orientato ai risultati
• SACMI Academy: formazione continua e sviluppo professionale
• Condizioni di lavoro sicure e flessibili
• Coinvolgimento attivo, impatto reale e crescita personale