ECTS - University of Pisa
Scheda programma d'esame
LOGISTICS 4.0 - SIMULATION MODELS FOR LOGISTIC PROCESSES
MARCO FROSOLINI
Academic year2020/21
CourseMANAGEMENT AND CONTROL OF LOGISTIC PROCESSES
Code812II
Credits6
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
LOGISTICA 4.0 – SIMULAZIONE DEI PROCESSI LOGISTICIING-IND/17LEZIONI0
MARCO FROSOLINI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso (Modulo di Simulazione dei processi logistici e big data analytics) si propone di fornire agli allievi le conoscenze di base relativamente ai modelli, ai sistemi e agli strumenti per la simulazione dei processi industriali e logistici. Si propone altresì di fornire le conoscenze di base sui metodi e sugli strumenti di data analytics, in modo da poterli applicare ai casi di interesse.
Knowledge

The course (Simulation of logistics processes and big data analytics) aims to provide students with the basic knowledge regarding models, systems and tools for the simulation of industrial and logistic processes. It also provides basic knowledge on data analytics methods and tools, so that they can be applied to cases of interest.
Modalità di verifica delle conoscenze

Le conoscenze saranno verificate mediante test durante l'erogazione del corso.
Assessment criteria of knowledge

Knowledge will be verified by tests during the delivery of the course.
Capacità

Il corso (Modulo di Simulazione dei processi logistici e big data analytics) si propone di fornire agli studenti le competenze necessarie per l'uso autonomo degli strumenti informatici per la modellazione simulativa e per l'analisi dei big data.
Skills

The course (Simulation of logistic processes and big data analytics) aims to provide students with the necessary skills for the autonomous use of IT tools for simulation modeling and for the analysis of big data.
Modalità di verifica delle capacità

Le competenze saranno verificate mediante test durante l'erogazione del corso.
Assessment criteria of skills

The skills will be verified by tests during the delivery of the course.
Comportamenti

Lo studente acquisirà la capacità di progettare, realizzare e validare in autonomia semplici modelli simulativi e piani di analisi dei dati.
Behaviors

The student will acquire the ability to independently design, implement and validate simple simulation models and data analysis plans.
Modalità di verifica dei comportamenti

I comportamenti saranno verificati mediante test durante l'erogazione del corso.
Assessment criteria of behaviors

The behaviors will be verified by testing during the delivery of the course.
Prerequisiti (conoscenze iniziali)

Opportune, ma non obbligatorie, conoscenze basilari di linguaggio Java.
Prerequisites

Appropriate, but not mandatory, basic knowledge of Java language.
Indicazioni metodologiche

Lezioni frontali interattive con uso di presentazioni e software specifici. Gli studenti realizzeranno modelli di simulazione e di analisi dei dati in modo progressivo durante le lezioni.
Teaching methods

Interactive lectures with the use of specific presentations and software. Students will design simulations and data analysis models progressively during the lessons.
Programma (contenuti dell'insegnamento)
  • La simulazione
    • Modelli e tecniche
    • La simulazione a eventi discreti
    • La simulazione ad agenti intelligenti
    • System dynamics
    • Integrazione tra i vari modelli
    • Validazione e test dei modelli
  • L’ambiente di modellazione: Anylogic
    • Caratteristiche essenziali dell’ambiente
    • Nozioni basilari di linguaggio Java
    • Gli agenti
      • Diagrammi di stato e transizioni
      • Comunicazione tra gli agenti
      • Agenti come entità singoli
      • Popolazioni di agenti
      • Eventi e riposte agli eventi
    • Gli eventi discreti
      • I flussi
      • Gli eventi discreti e la gestione del tempo
      • Elementi di base della simulazione (Source, queue, delay)
      • Elementi avanzati della simulazione
    • System dynamics
      • Source e sink
      • Flussi
      • Nozioni di base sulle equazioni di flusso
    • Modelli logistici in Anylogic
      • Il magazzino logistico
      • La rete distributiva su mappa GIS
      • La distribuzione intermodale
      • Modelli di produzione
    • Big Data Analytics
      • Cenni agli algoritmi di data analytics
      • Classificazione e previsione
      • Il metodo CRISP-DM
      • Applicazione degli algoritmi a problemi di logistica
Syllabus
  • Simulation
    • Models and techniques
    • Discrete events simulation
    • Intelligent agents simulation
    • System dynamics
    • Integration between the various models
    • Validation and testing of models
  • The modeling environment: Anylogic
    • Essential features of the environment
    • Basics of Java
    • The agents
      • Status diagrams and transitions
      • Communication between agents
      • Agents as individual entities
      • Populations of agents
      • Events and answers to events
    • Discrete events
      • Flows
      • Discrete events and time management
      • Basic elements of the simulation (Source, queue, delay)
      • Advanced simulation elements
    • System dynamics
      • Source and sink
      • Flows
      • Basics of flow equations
    • Logistics models in Anylogic
      • The logistics warehouses
      • The distribution network on the GIS map
      • Intermodal distribution
      • Production models
    • Big Data Analytics
      • Overview of data analytics algorithms
      • Classification and forecasting
      • The CRISP-DM method
      • Applying algorithms to logistics issues
Bibliografia e materiale didattico

AA.VV., The art of process centric modelling with Anylogic, Anylogic Press.

AA.VV., Anylogic in three days, Anylogic Press.
Bibliography

AA.VV., The art of process centric modelling with Anylogic, Anylogic Press.

AA.VV., Anylogic in three days, Anylogic Press.
Modalità d'esame

La prova di esame (Modulo Simulazione dei processi logistici e big data analytics) consiste in una prova scritta (mediante applicativi software di simulazione e data analytics) sugli argomenti del corso.
Assessment methods

The exam (Simulation of logistic processes and big data analytics) consists of a written test (through simulation software applications and data analytics) on the topics of the course.
Updated: 10/03/2021 17:19